Вы находитесь на странице: 1из 9

< UNIVERSIDAD NACIONAL DEL CENTRO DEL PER

FACULTAD DE CIENCIAS APLICADAS @


ESCUELA ACADMICO PROFESIONAL DE INGENIERIA AGROINDUSTRIAL

I
Mayo DISTRIBUCION Z y distribucin de
medias-teorema del limite central

A
CONTENIDOS
Conceptos de Distribucin normal estndar o
I
distribucin Z.
T Conceptos y caractersticas de la distribucin de
medias y teorema del lmite central
Caractersticas de la distribucin de medias.
orma: Competencia:
Conceptan la distribucin normal estndar y de
medias identificando los teoremas de variables
aleatorias continuas, para resolver problemas de
teoremas del lmite central en la agroindustria.

Docente:
Estadstica II
Msc.Shalin Carhuallanqui Avila
______________________________________________________________________________

MSc. CARHUALLANQUI AVILA,


Shalin

TARMA 2017
DISTRIBUCIN NORMAL ESTANDAR O DISTRIBUCIN DE
Z

Determinar un rea o probabilidad en la distribucin normal


demanda la integracin de la ecuacin de la curva normal.
Para simplificar este trabajo se usa la DISTRIBUCION
NORMAL ESTANDAR o DISTRIBUCION Z.

Si Z es una variable aleatoria distribuida normalmente con m = 0... y...s = 1 ,


obtenemos la curva normal, llamada CURVA NORMAL ESTNDAR.

x
Figura 1: Curva Normal Estandar m = 0... y...s = 1

Observaciones Valores Transformados


originales en Z
X1 x1 - m
X2 s
x2 - m
X3
s
..
XN
MEDIA u 0
DESVIACION ESTANDAR 1
En la distribucin Z: La media es 0 y la varianza es 1

Definicin: Una variable aleatoria continua Z es una variable aleatoria normal


estndar (o tiene una distribucin normal estndar), si su funcin de densidad
est dada por:
1 z2 x-m
f ( z) = e 2 z=
2p s
2
Estadstica II
Msc.Shalin Carhuallanqui Avila
______________________________________________________________________________

Llamada funcin de densidad normal estndar. La variable Z tiene media a 0 y


desviacin estndar l. Sus valores estn en unidades de desviaciones estndar
alrededor de la media, las cuales se llaman UNIDADES ESTANDAR. Por
ejemplo, si 0<Z<2,54

Las tablas de distribucin Z nos da el rea bajo una curva normal estndar entre
Z =0, donde Zo 0, la cual se muestra sombreada en la figura 2 y se denota por
A(Zo). En la columna izquierda de la tabla estn lo valores Z al dcimo ms
cercano. Los nmeros en el rengln superior son los valores centsimos. Por
ejemplo, el elemento correspondiente al rengln 2,5 y la columna 0.04
corresponde a Z = 2.54 y es 0.4945. As, el rea bajo una curva normal estndar
entre Z = O y Z = 2.54 ser igual a 0.4945
p (0 < Z < 2.54) = A(2.54) = 0.4945

Figura 2: A( Zo) = P(0 < Z < Zo)

Utilizando la simetra, calculamos un rea a la izquierda de Z = 0 determinando


el rea correspondiente a la derecha de Z=0. Por ejemplo:
P( Zo < Z < 0) = P(0 < Z < Zo) = A( Zo)
Como se muestra en la figura 3, as p(-2,54<Z<0) = A(2,54) = 0,4945

Figura 3: P(-Zo<Z<0) = P(0<Z<Zo)

Ejemplos:
a) Hallar el rea entre -0,68 y 0, y Hallar el rea entre -1,94 y -0,81
b) Hallar el rea entre -1,5 a 1,5 y Hallar el rea entre 1,94 y
c) Probabilidad para la variable normal estndar Z: Encontrar p(Z>1,5)
d) p(0,5<Z<2) y encontrar p(-2<Z<0,5)
e) Encontrar Zo tal que p(-Zo<Z<Zo)=0,9642.
f) Hallar el rea bajo la curva normal en cada uno de los siguientes casos.
(Utiliza la tabla)
a) Entre z=0 y z= 1,2
b) Entre z= 0,68 y z= 0
c) Entre z= 0,46 y z= 2,21
d) Entre z= 0,81 y z= 1,94
e) A la izquierda de z= 0,6

3
Estadstica II
Msc.Shalin Carhuallanqui Avila
______________________________________________________________________________

f) A la derecha de z= 1,28
g) A la derecha de z= 2,05 y a la izquierda de z = 1,44
h) Entre z= 1,20 y z= 2,40
1.1. TRANSFORMACIN A UNA VARIABLE NORMAL
ESTANDAR Z

Si X est distribuida normalmente con media m y desviacin estndar s, podra


pensarse que se requiere de una tabla de reas para cada par de valores de m y s.
Sin embargo, debe expresarse primero un rea dada como un rea equivalente
bajo una curva normal estndar. Esto implica transformar X en una variable
estndar Z (con media 0 y desviacin estndar 1) usando la siguiente frmula
de cambio de variable:
X -m
Z = (1)
s
En el lado derecho, restar m de X nos da la distancia de m a X. Al dividir entre
s se expresa esa distancia en trminos de unidades de desviacin estndar. As,
Z es el nmero de desviaciones estndar que X est de m. Esto es, la frmula (1)
convierte las unidades de X en unidades estndar (valores Z). Por ejemplo, si
X=m, entonces la frmula (1) da Z=0. Por consiguiente, m est a cero
desviaciones estndar de m.'
Supongamos que X est distribuida normalmente: La cantidad extrada de oro
de una mina, es m = 4 Kg y s = 2. Para encontrar, por ejemplo, P(0 < X < 6),
primero usamos la frmula (1) para convertir los valores X, 0 y 6, en valores Z
(unidades estndar).

Ejemplo 1: Los empleados de una empresa agroindustrial. Suponer que los


salarios semanales de 5000 empleados estn distribuidos normalmente con una
media de $450 y desviacin estndar de $40. Cuntos empleados ganan menos
de $400 semanalmente?

Ejemplo 2: La vida media de los habitantes de un pas es de 68 aos. Con una


varianza de 25. Se hace un estudio en una pequea ciudad de 10000 habitantes:
a) Cuntas personas superarn previsiblemente los 75 aos?
b) Cuntos vivirn menos de 60?

EJERCICIOS PLANTEADOS
1. Si Z es una variable aleatoria normal estndar, encuentre cada una de las
siguientes probabilidades.
a) p(0<Z<1,8) b) p(Z > -1,22) c) p(-1,96<Z<1,96)
d) p(0,45<Z<2,81) e) p (Z< 2,93) f) p(Z<1,05)
g) Entre z=0 y z= 1.2 h) Entre z= 0,68 y z= 0

4
Estadstica II
Msc.Shalin Carhuallanqui Avila
______________________________________________________________________________

2. Encuentre Zo tal que el enunciado dado sea verdadero. Suponga que Z es


una variable aleatoria normal estandar.
a. P(Z < Zo) = 0,5517 c) P(-Zo < Z < Zo) = 0,2662
b. P (Z > Zo) = 0,8599 d) P(Z > Zo) = 0,4960
3. Supongamos que se sabe que el peso de los varones en Tarma sigue una
distribucin aproximadamente normal, con una media de 80 Kg y una
desviacin estndar de 10 Kg. Podremos saber cul es la probabilidad de
que una persona, elegida al azar, tenga un peso superior a 100 Kg?
4. En una produccin de nctares se comercializan sus productos en
envases de 200 ml. Esta variable esta distribuida normalmente con m= 200
y s=4, encuentre cada una de las siguientes probabilidades, encuentre
p(198<X<210).
5. Si X esta distribuido normalmente con la temperatura de la ciudad de
Tarma m=25 y s2=9, encuentre p(19<X<28).
6. Si X esta distribuida normalmente con m= 40 y P(X>54) =0,0401,
encuentre s.
7. El peso de una carcasa de un vacuno, esta estn distribuidas
normalmente con una media de 500 y desviacin estndar de 100. Qu
porcentaje de los pesos tendrn mayor a 550?.
8. El ingreso anual de un grupo de 10 000 profesionales est distribuido
normalmente con m= $60 000 y s =$ 5000.
- Cules la probabilidad de que una persona de este grupo tenga un
ingreso anual menor de $56 000?
- Cuantas personas de este grupo tienen ingresos anuales de ms de $
70 000?

Si de una poblacin se extraen todas las muestras posibles de tamao n y en


cada muestra se calcula la media, habremos formado una POBLACION
DERIVADA DE MEDIAS DE MUESTRAS. La poblacin de medias es una de
los ms importantes tpicos de la Estadstica, por la relacin existente entre las
caractersticas de la poblacin original y las caractersticas de la poblacin
derivada, como puede verse a continuacin.
Consideremos la siguiente poblaci6n: X 1 = 1, X 2 = 2, X 3 = 3, X 4 = 4, X 5 = 5,
X6 = 6
En esta poblacin: = s 2 = ............. s = .............

Si de esta poblacin extraemos con reemplazo todas las muestras posibles de


tamao 2, tendremos 36 muestras La constitucin de las muestras y sus medias
se dan en el Cuadro 1.

5
Estadstica II
Msc.Shalin Carhuallanqui Avila
______________________________________________________________________________

La poblacin derivada de medias tendr su media mx y su variancia s x2 . El


valor de estos parmetros los hallaremos agrupando las medias en la siguiente
tabla de frecuencias

CUADRO 1: DISTRIBUCION DE MEDIAS


Poblacin X 1 = 1, X 2 = 2, X 3 = 3, X 4 = 4, X 5 = 5, X 6 = 6
Poblacin Seleccin de Muestras Constitucin Poblacin
Original Primera Segunda de la muestra derivada de
Observacin Observacin medias ( x )
1 1 1 1,1 1
2 2 1,2, 1.5
3 3 1,3 2
4 4 1,4 2.5
5 5 1,5 3
6 6 1,6 3.5

2 1 2,1 1.5
2 2,2 2
3 2,3 2.5
4 2,4 3
5 2,5 3.5
6 2,6 4
3 1 3,1 2
2 3,2 2.5
3 3,3 3
4 3,4 3.5
5 3,5 4
6 3,6 4.5

4 1 4,1 2.5
2 4,2 3
3 4,3 3.5
4 4,4 4
5 4,5 4.5
6 4,6 5
5 1 5,1 3
2 5,2 3.5
3 5,3 4
4 5,4 4.5
5 5,5 5
6 5,6 5.5

6
Estadstica II
Msc.Shalin Carhuallanqui Avila
______________________________________________________________________________

6 1 6,1 3.5
2 6,2 4
3 6,3 4.5
4 6,4 5
5 6,5 5.5
6 6,6 6
TABLA 1: TABLA DE FRECUENCIA
Poblacin derivada de
medias ( x )
Frecuencia ( f i ) f i X i X i2 fi X i2
1 1 1
1.5 2 3
2 3 6
2.5 4
3 5
3.5 6
4 5
4.5 4
5 3
5.5 2
6 1
36
La media de esta poblacin derivada de. medias es m x y es igual a la
media = 3.5 de la poblacin original, y la varianza de esta poblacin
derivada de medias es igual s x = 1.458 y viene a ser igual a
2

s 2 2.917
= = 1.458
n 2
El tamao de la muestra es un factor muy importante, conforme el tamao
se incrementa la distribucin de medias se aproxima a la distribucin
normal, propiedad expresada en el importante TEOREMA DEL LIMITE
CENTRAL que se da a continuacin.

TEOREMA DEL LIMITE CENTRAL: Si una poblacin tiene una


media . y una variancia s 2 conforme el tamao de la muestras(n)
aumenta la distribucin de las medias de las muestras se aproxima a la
s2
distribucin normal con media y varianza s 2 = . Dicho axioma viene
n
a decirnos que las medias de muestras aleatorias de cualquier variable
siguen ellas mismas una distribucin normal con igual media que la de la
poblacin y desviacin estndar la de la poblacin dividida por .

7
Estadstica II
Msc.Shalin Carhuallanqui Avila
______________________________________________________________________________

Segn este teorema, la distribucin de las medias, se aproximara a la


distribucin normal conforme n aumenta, sin importar cual fue la
distribucin de la poblacin original. La definicin de Z, tambin podemos
aplicarla a la poblacin de medias segn la siguiente ecuacin:
x - m
Z =
s 2

n
En nuestro caso, podremos entonces

considerar la media muestral . La distribucin de Z tambin


puede usarse para calcular el rea entre dos medias x1 y x2 como puede
verse en el siguiente ejemplo:
Supongamos que se dispone del peso de n=100 individuos de la poblacin
de Tarma, obtenindose una media muestral de Kg, y una desviacin
estndar muestral Kg, el peso medio real en la poblacin de origen
oscila entre 75.6 Kg y 80.3 Kg, querramos extraer alguna conclusin
acerca del valor medio real de ese peso en la poblacin original. La
solucin a este tipo de cuestiones se basa en un resultado elemental de la
teora estadstica, el llamado teorema central del lmite.

De una poblacin normal de produccin de venta artefactos al da por una


tienda comercial, esta con =50 y o 2 = 100 se extrae al azar una muestra
de 25 observaciones Cul es la probabilidad de que la media de esta
muestra x , tenga un valor entre 48 y 52?

Aplicando la transformacin de Z al evento tendremos:


Concluimos diciendo que la probabilidad de que la media de esta muestra
se encuentra entre 48 y 52 es..

Ejercicios:

1. Una maquina llena bolsas de leche chocolatada con un contenido


medio de 150 gramos y una varianza de 120 g 2. Si se toma una
muestra aleatoria de 40 bolsas. Cul es la probabilidad de que la
media muestral este entre 145 y 153 gramos?
2. De una poblacin normal de leche embolsada con = 50 y o 2 = 36 .
Se extrae una muestra de 16 observaciones, halle:
a) p ( x > 52) b) p ( x < 48) c) p (48 < x < 52)

8
Estadstica II
Msc.Shalin Carhuallanqui Avila
______________________________________________________________________________

3. Si el peso promedio () de las terneras Holstein al nacimiento es de 35


Kg y la varianza es 49. Si se extrae una muestra de. 9 pesos halle:
a) p ( x > 36) b) p (33 < x < 38) c) p ( X > 33) d) p ( x < 33)
4. Una maquina llena bolsas de arroz con un contenido medio de 1000
gramos y una varianza de 40g2. Si se toma una muestra aleatoria de 40
bolsas. Cul es la probabilidad de que la media muestral este entre
998 y 1002 gramos?