La Distribucin Normal

Walter Lpez Moreno, DBA

Mdulo Instruccional Preparado para el

Todos los derechos son reservados

2013

Tabla de contenido
Introduccin
Objetivo general
Objetivos especficos
Instrucciones de cmo usar la presentacin
Glosario de Trminos
La Distribucin Normal
Utilidad
La Funcin
Propiedades de la Distribucin Normal
Teorema del Lmite Central
La Distribucin Normal Estndar
Caractersticas
Ejemplos y Ejercicios
rea Bajo la Curva Normal Estndar
Ejercicios de Prueba
Referencias

Introduccin
Una de las herramientas de mayor uso en las empresas es la utilizacin
de la curva normal para describir situaciones donde podemos recopilar
datos. Esto nos permite tomar decisiones que vayan a la par con las
metas y objetivos de la organizacin.
En este mdulo se describe la relacin de la Distribucin Normal con la
Distribucin Normal Estndar. Se utilizan ejemplos y ejercicios donde se
ensea sobre la determinacin de probabilidades y sus aplicaciones.
Este mdulo va dirigido a todos los estudiantes de Administracin de
Empresas en sus distintas concentraciones.

Objetivos que persigue la presentacin

Objetivo General
Esperamos que cuando termines esta presentacin puedas
utilizar la distribucin normal para obtener probabilidades,
intervalos y cantidades especificas.
Objetivos Especficos
Ademas esperamos aque puedas:
Identificar las propiedades de una distribucin normal.
Encontrar el rea bajo una distribucin normal estndar.
Interpretar reas bajo la curva normal de acuerdo al problema.

Glosario de Trminos
Asinttica Lnea que se acerca indefinidamente a un
eje sin llegar a encontrarlo.
Aleatorias Que son al azar.
Tipificada Que tiene un arreglo uniforme o estndar.
Morfolgicos Aspecto general de las formas y
dimensiones de un cuerpo.

La Distribucin Normal
La distribucin normal fue reconocida
por primera vez por el francs
Abraham de Moivre (1667-1754).

Posteriormente, Carl Friedrich Gauss (1777-1855)

realiz estudios ms profundos
formulando la ecuacin de la curva
conocida comnmente, como la
Campana de Gauss".

Utilidad
Se utiliza muy a menudo porque hay muchas variables
asociadas a fenmenos naturales que siguen el
modelo de la normal.
Caracteres morfolgicos de individuos (personas,
animales, plantas,...) de una especie, por ejemplo:
tallas, pesos, dimetros, distancias, permetros,...
Caracteres fisiolgicos, por ejemplo: efecto de una
misma dosis de un frmaco, o de una misma cantidad
de abono. (continua en el prximo slide)
(La utilidad continua en la prxima lmina)

Utilidad
Caracteres sociolgicos, por ejemplo:
consumo de cierto producto por un mismo
grupo de individuos, puntuaciones de examen.
Caracteres psicolgicos, por ejemplo: cociente
intelectual, grado de adaptacin a un medio,...
Errores cometidos al medir ciertas
magnitudes.
Valores estadsticos mustrales como la
media, varianza y moda.

La Funcin de Distribucin
Puede tomar cualquier valor (- , + )
Hay mas probabilidad para los valores cercanos a la
media
Conforme nos separamos de , la probabilidad va
decreciendo de igual forma a derecha e izquierda
(es simtrica).
Conforme nos separamos de , la probabilidad va
decreciendo dependiendo la desviacin tpica

La Funcin F(x)

F(x) es el rea sombreada

de la siguiente grfica

Propiedades de la
distribucin normal:
El rea bajo la curva aproximado del promedio a mas o
menos una desviacin estndar (1) es de 0.68, a mas o
menos 2 es de .0 95 y a mas o menos 3 es de 0.99.

(Las propiedades continuan en la prxima lmina)

Propiedades de la
distribucin normal:
La forma de la campana de Gauss depende de los parmetros y los
que se pueden designar utilizando N(,).
Tiene una nica moda, que coincide con su media y su mediana.
La curva normal es asinttica al eje de X.
Es simtrica con respecto a su media . Segn esto, para este tipo de
variables existe una probabilidad de un 50% de observar un dato mayor
que la media, y un 50% de observar un dato menor.

En Resumen
Podemos concluir que hay una familia de distribuciones con
una forma comn, diferenciadas por los valores de su media
y su varianza.
La desviacin estndar ( ) determina el grado de
apuntamiento de la curva. Cuanto mayor sea el valor de ,
ms se dispersarn los datos en torno a la media y la curva
ser ms plana.
La media indica la posicin de la campana, de modo que
para diferentes valores de la grfica es desplazada a lo
largo del eje horizontal.
De entre todas ellas, la ms utilizada es la distribucin
normal estndar.

La Distribucin Normal
Estndar
Z se la denomina variable tipificada de X, y a
la curva de su funcin de densidad se le
conoce como la curva normal estndar.
Es una distribucin normal con promedio 0 y
una desviacin estndar de 1. Esto es N(0,1).
Todas las variables normalmente distribuidas
se pueden transformar a la distribucin normal
estndar utilizando la frmula para calcular el
valor Z correspondiente.

La Funcin F(z)
En la siguiente grfica vemos la
representacin de la funcin de Z.

En Resumen
Podemos decir que el valor de Z es la
cantidad de desviaciones estndar a la
que esta distanciada la variable X del
promedio.
A la variable Z se la denomina variable
tipificada de X, y a la curva de su funcin
de densidad se le conoce como la curva
normal estndar

Caractersticas de la
Distribucin Normal Estndar.
No depende de ningn parmetro.
Su media es 0, su varianza es 1 y su
desviacin estndar es 1.
La curva f(x) es simtrica respecto del
eje deY
Tiene un mximo en el eje de Y.
Tiene dos puntos de inflexin en z=1
y z=-1

Teorema del Lmite Central

Nos indica que, bajo condiciones muy generales,
segn aumenta la cantidad de datos, la
distribucin de la suma de variables aleatorias
tender hacia una distribucin normal.
En otras palabras el Teorema del Lmite Central
garantiza una distribucin normal cuando el
tamao de la muestra n es suficientemente
grande.

Por ejemplo
En el siguiente histograma podemos observar la distribucin de
frecuencias por peso en 15 intervalos. De acuerdo a este
teorema segn aumenta la cantidad de datos, la forma de
campana se har mas evidente.

Area Bajo la Curva Normal Estndar

El rea bajo la curva normal estndar es til
para asignar probabilidades de ocurrencia de
la variable X.
Debemos tomar en cuenta que el rea total
bajo la curva es igual a 1. Y que por ser una
grfica simtrica cada mitad tiene un rea de
0.5.

Pasos para determinar el rea bajo la curva

normal estndar
Paso 1 - Interpretar grficamente el rea de
inters.
Paso 2 - Determinar el valor Z
Paso 3 - Buscar en la tabla de probabilidades.
Paso 4 - Hacer la suma o resta de reas para
encontrar la probabilidad deseada

Ejemplos y Ejercicios
Supongamos que sabemos que el peso del
llenado de un producto sigue una
distribucin aproximadamente normal con
N(140,20). Esto es con una media de 140
libras y una desviacin estndar de 20 libras

Ejemplo 1
Determine la probabilidad de que un llenado tenga un peso
menor o igual a 150 libras

Paso 1 Interpretar grficamente el rea de inters.

Grficamente si decimos que a=150 libras, el rea
de la curva que nos interesa es la siguiente:

Ejemplo 1
Determine la probabilidad de que un llenado tenga un peso
menor o igual a 150 libras

Paso 2 - Determinar el valor Z:

X 150 140

0.50

20

Paso 3 - Buscar en la tabla de probabilidades.

Buscamos en la Tabla 1 el valor Z=0.50 y obtenemos el rea de 0.6915
Compruebe de forma
interactiva el
valor Z

Paso 4 - Hacer la suma o resta de reas para encontrar la probabilidad

deseada.
En este ejemplo no es necesario realizar ningn computo adicional ya que
el rea es la misma que se representa en la Tabla 1

Ejemplo 2
Si deseamos la probabilidad de que un llenado, elegido al
azar, tenga un peso mayor o igual a 150 libras
Paso 1 Interpretar grficamente el rea de inters.

Grficamente si decimos que a=150 libras, el rea de la curva que nos interesa es la siguiente:

Ejemplo 2
Si deseamos la probabilidad de que un llenado, elegido al
azar, tenga un peso mayor o igual a 150 libras
Paso 2 - Determinar el valor Z:

X 150 140
Z

0.50

20

Paso 3 - Buscar en la tabla de probabilidades.

Buscamos en la Tabla 1 el valor Z=0.50 y obtenemos el rea de 0.6915.

Paso 4 - Hacer la suma o resta de reas para encontrar la probabilidad

deseada.
En este ejemplo el rea de 0.6915 no representa el rea que nos interesa
sino la contraria. En este caso debemos restarle 1 a la probabilidad
encontrada.
1 - .6915 = 0.3085

Ejemplo 3
Determine la probabilidad de que un llenado, elegido al azar,
tenga un peso menor o igual a 115 libras
Paso 1 Interpretar grficamente el rea de inters.
Grficamente si decimos que a=115 libras, el rea de la curva que nos interesa es la
siguiente:

Ejemplo 3
Determine la probabilidad de que un llenado, elegido al azar,
tenga un peso menor o igual a 115 libras
Paso 2 - Determinar el valor Z:

X 115 140
Z

1.25

20

Paso 3 - Buscar en la tabla de probabilidades.

Buscamos en la Tabla 1 el valor Z=-1.25 y obtenemos el rea de 0.8944.

Paso 4 - Hacer la suma o resta de reas para encontrar la probabilidad

deseada.
En este ejemplo el rea de 0.8944 no representa el rea que nos interesa
sino la contraria. En este caso debemos restarle 1 a la probabilidad
encontrada.
1 - .8944 = 0.2212

Ejemplo 4
Si deseamos la probabilidad de que un llenado, elegido al
azar, tenga un peso entre 115 y 150 libras.

Paso 1 Interpretar grficamente el rea de inters.

Grficamente si decimos que a=115 libras y b=150 libras, el rea de la curva que nos
interesa es la siguiente

Ejemplo 4
Si deseamos la probabilidad de que un llenado, elegido al
azar, tenga un peso entre 115 y 150 libras.
Paso 2 - Determinar el valor Z
Cuando X=115

X 115 140

1.25

20

Cuando X=150

X 150 140

0.50

20

Paso 3 - Buscar en la tabla de probabilidades.

Buscamos en la Tabla 1 el valor Z=-1.25 y obtenemos el rea de 0.8944.
Buscamos en la Tabla 1 el valor Z=0.50 y obtenemos el rea de 0.6915

Ejemplo 4
Si deseamos la probabilidad de que un llenado, elegido al
azar, tenga un peso entre 115 y 150 libras.

Paso 4 - Hacer la suma o resta de reas para encontrar la probabilidad deseada.

El rea de 0.6915 se le resta la diferencia de 1-.8944:
0.6915 (1-.8944) = .5859

Ejemplo 5
Determine la probabilidad de que un llenado tenga un peso
menor o igual a 150libras
Paso 1 Interpretar grficamente el rea de inters.
Grficamente si decimos que a=150 libras y b= 160 libras, el rea de la curva que nos interesa es la siguiente:

Ejemplo 5
Determine la probabilidad de que un llenado tenga un peso
menor o igual a 150libras
Paso 2 - Determinar el valor Z
Como vimos en el ejemplo 1 y 2 E valor Z cuando X=150 es 0.50.
Para X=160 el valor Z ser:

X 160 140

1.0

20

Paso 3 - Buscar en la tabla de probabilidades.

Buscamos en la Tabla 1 el valor Z=0.50 y obtenemos el rea de 0.6915.
Cuando Z = 1.0 el rea es de 0.8413.

Ejemplo 5
Determine la probabilidad de que un llenado tenga un peso
menor o igual a 150libras
Paso 4 - Hacer la suma o resta de reas para encontrar la probabilidad deseada.
En este ejemplo se resta el rea mayor menos el rea menor como se interpreto en el paso 1.
0.8413 - .6915 = 0.1498

Ejemplo 6
Determine la probabilidad de elegir a un llenado que pese
entre 115 y 130 libras.
Paso 1 Interpretar grficamente el rea de inters.
Grficamente si decimos que a=115 libras y b= 130 libras, el
rea de la curva que nos interesa es la siguiente:

Ejemplo 6
Determine la probabilidad de elegir a un llenado que pese
entre 115 y 130 libras.
Paso 2 - Determinar el valor Z
Cuando X=115

X 115 140

1.25

20

para X=130

X 130 140

0.50

20

Paso 3 - Buscar en la tabla de probabilidades.

Buscamos en la Tabla 1 el valor Z=-1.25 y obtenemos el rea de
(1-0.8944.)=0.1056
Para Z = -.050 el rea es de (1-.6915)=.3085

Ejemplo 6
Determine la probabilidad de elegir a un llenado que pese
entre 115 y 130 libras.

Paso 4 - Hacer la suma o resta de reas para encontrar la

probabilidad deseada.
En este ejemplo el rea ser la diferencia de .3085-.1056=.2029.

Referencias
Anderson, Sweeney, Estadsticas para administracin y economa, 8tva edicin, Thomson, Mxico 2006
Newbold P., Statistics for Business And Economics, Prentice Hall, 5ta edicin,New Jersey, 2003.
Altman D., Bland J. Statistics notes: The normal distribution. Londres Inglaterra, BMJ 1995; 310: 298-298.
Bluman, Allan G. Statistics,6ta edicin, Mc Graw Hil,New York, 2007.
Prtega D, Pita F., Representacin grfica en el anlisis de datos. Cad Aten Primaria Espaa,2001; 8: 112117.
http://descartes.cnice.mecd.es/index.html
http://www.aulafacil.com/CursoEstadistica/Lecc-34-est.htm
http://www.ruf.rice.edu/~lane/stat_sim/sampling_dist/index.html