Clases 1

Conceptos, Estadstica
Descriptiva, Pruebas de Hiptesis


Curso de Metodologa de la Investigacin
Profesor Manuel Lobos Gonzlez
Ao 2011


Tema 1:
Conceptos



LA BASE Y PUNTO DE PARTIDA DEL CIENTIFICO ES UNA REALIDAD
DETERMINADA, QUE MEDIANTE LA INVESTIGACION LE PERMITE LLEGAR A
LA CIENCIA
REALIDAD
INVESTIGACION
CIENCIA
METODO CIENTIFICO
Mtodo
cientfico
Observacin
Pregunta / Inquietud
Hiptesis / posible
explicacin
Ho: Hiptesis nula
Ha: Hiptesis alternativa
Premisas / lmites
referenciales
Experimento /
Investigacin
Interpretacin /
conclusin
VER EN LA
REALIDAD
LO QUE OTROS
NO HAN VISTO
PRINCIPIO DE LA INVESTIGACIN
REALIDAD
CUERPO DE CONOCIMIENTOS
EL PROCESO DE INVESTIGACIN (Erika Himmel)
REALIDAD
HECHOS FENMENOS DATOS
EXPERIENCIA
CUERPO DE CONOCIMIENTOS
TEORAS
MODELOS
ANLISIS
DE DATOS
FASE III FASE IV
CIN
EVALUA-
COMUNICACIN
PROBLEMA
HIPTESIS
FASE V
FASE II
DISEO
FASE I
INFERENCIA
Plantear
hiptesis
Obtener
conclusiones
Recoger datos
y analizarlos
Disear
experimento
Mtodo cientfico y estadstica
Definicin de Estadstica
Es un conjunto de teoras y mtodos
que han sido desarrollados para
tratar la recopilacin, organizacin,
presentacin, anlisis, interpretacin
y descripciones de datos muestrales
con el fin de extraer conclusiones
tiles de ellos.
Definicin de
Estadstica Descriptiva
Es la parte de la Estadstica que se
ocupa de la recopilacin de datos y el
tratamiento y anlisis de los mismos.
Definicin de
Estadstica Inferencial
Es la parte de la Estadstica que trata
de inducir o inferir, a travs de la
muestra obtenida, que ley,
distribucin o modelo sigue la
poblacin de la cual se ha extrado
aquella
Fases o etapas de los
mtodos estadsticos
Recoleccin
Organizacin
Presentacin
Anlisis
Interpretacin
Conceptos claves
Muestra: es parte de una poblacin de objetos, personas,
empresas o cosas, que es representativa del total de elementos
que conforman el universo.
Poblacin: es la totalidad de las posibles observaciones o
medidas que se estn considerando en alguna investigacin, de
cuyo conjunto se toma una muestra.
Parmetro: es una medida que describe alguna caracterstica de
la poblacin.
Estadgrafo o estadstico: es una medida que describe alguna
caracterstica de la muestra.

Conceptos claves
Tema 2:
Estadgrafos Bsicos



Adaptado de Curso de Bioestadstica
Universidad de Mlaga
Un brevsimo resumen sobre estadsticos
Centralizacin o Tendencia central o promedios
Indican valores con respecto a los que los datos
parecen agruparse.
Media, mediana y moda
Posicin
Dividen un conjunto ordenado de datos en grupos
con la misma cantidad de individuos.
Cuantiles, percentiles, cuartiles, deciles, quintiles...
Forma
Asimetra
Apuntamiento o curtosis
Dispersin o Variabilidad
Indican la mayor o menor concentracin de los
datos con respecto a las medidas de centralizacin.
Desviacin tpica, coeficiente de variacin, rango, varianza
La media como punto de equilibrio
La media aritmtica
[=promedio(rango)]
La media aritmtica de una variable se define como la suma
ponderada de los valores de la variable por sus frecuencias relativas
y lo denotaremos por
y se calcula mediante las expresiones, segn el caso:
x

= = =
= = =
n
i
i i
n
i
i i
n
i
i
n
n c
n
n x
n
x
x
1 1 1
xi representa el valor de la variable; ci representa la marca de clase.
Para TDNA TF TI
La mediana
[=mediana(rango)]

Tendremos en cuenta el tamao de la muestra.
Si N es Impar, hay un trmino central, el trmino
Clculo de la mediana en el caso de variables discretas
que ser el valor de la mediana.
2
1 + n
X
Ejemplo: El conjunto de nmeros 3,4,4,5,6,8,8,8 y 10
tiene mediana 6.

La mediana de un conjunto de nmeros ordenados en magnitud es o el valor
central o la media de los dos valores centrales.

Altura mediana
La moda
[=moda(rango)]
La moda es el valor de la variable que tenga mayor frecuencia absoluta, la que ms
se repite, es la nica medida de centralizacin que tiene sentido estudiar en una
variable cualitativa, pues no precisa la realizacin de ningn clculo.

Por su propia definicin, la moda no es nica, pues puede haber dos o ms valores
de la variable que tengan la misma frecuencia siendo esta mxima. En cuyo caso
tendremos una distribucin bimodal o polimodal segn el caso.
La moda
Estadgrafos de Posicin



Se define el cuantil de orden o como un valor de la variable por debajo del cual
se encuentra una frecuencia acumulada o.

Casos particulares son los percentiles, cuartiles, deciles, quintiles,...


Los cuantiles son generalizaciones de la mediana.
Los cuartiles dividen a los datos en cuatro partes iguales,
los deciles en diez, los quintiles en cinco, los percentiles en
cien.
Cuantil de orden
[=percentil(rango;k)]
|
|
.
|

\
|
(

=
k
r
n C
X
k
r
5 , 31
4
3
42
4
3
=
|
|
.
|

\
|
(

=
X
Q




Cuartiles (Q): Dividen a la muestra en 4 grupos con frecuencias similares.
Primer cuartil = Percentil 25 = Cuantil 0,25
Segundo cuartil = Percentil 50 = Cuantil 0,50 = mediana
Tercer cuartil = Percentil 75 = Cuantil 0,75

Quintiles (K): Dividen a la muestra en 5 grupos con frecuencias similares.
Primer quintil = Percentil 20 = Cuantil 0,20
Segundo quintil = Percentil 40 = Cuantil 0,40
Tercer quintil = Percentil 60 = Cuantil 0,60
Cuarto quintil = Percentil 80 = Cuantil 0,80

Deciles (D): Dividen a la muestra en 10 grupos con frecuencias similares.
Tercer decil = Percentil 30 = Cuantil 0,30
Quinto decil = Percentil 50 = Cuantil 0,50 = mediana
Sptimo decil = Percentil 70 = Cuantil 0,70

Percentiles (P) : Dividen a la muestra en 100 grupos con frecuencias similares.
La mediana es el percentil 50
El percentil de orden 15 deja por debajo al 15% de las observaciones. Por encima queda
el 85%


Qu peso no llega a alcanzar el 25% de los individuos?
Primer cuartil = percentil 25 = 60 Kg.

Qu peso es superado por el 25% de los individuos?
Tercer cuartil= percentil 75= 80 kg.

Entre qu valores se encuentra el 50% de los
individuos con un peso ms normal?
Entre el primer y tercer cuartil = entre 60 y 80 kg.
Obsrvar que indica cmo de dispersos estn los
individuos que ocupan la parte central de la muestra.
Ver ms adelante rango intercuartlico.
Los diagramas de caja (boxplot) sintetizan esta
informacin (y algo ms).
Ejemplo
Estadsticos
PESO
60,00
70,00
80,00
25
50
75
Percenti l es
50%
100
90
80
70
60
50
40
Medidas de variabilidad
Rango, Rango Intercuartlico,
Desviacin Media, Varianza,
Desviacin Estndar y Coeficiente
de Variacin
Algunos datos han sido adaptados de
Pedro Juan Rodrguez Esquerdo
Departamento de Matemticas
UPR Ro Piedras
Estadgrafos de
Variabilidad o dispersin
Los estudiantes de Metodologa de la Investigacin obtienen diferentes
calificaciones en la asignatura (variabilidad). A qu puede deberse?

Diferencias individuales en el conocimiento de la materia.

Podra haber otras razones (fuentes de variabilidad)?

Por ejemplo supongamos que todos los alumnos poseen el mismo nivel de
conocimiento. Las notas seran las mismas en todos? Seguramente No.

Dormir poco el da de la prueba, el caf estaba con somnfero...
Diferencias individuales en la habilidad para hacer un examen.

El examen no es una medida perfecta del conocimiento.
Variabilidad por error de medida.

En alguna pregunta difcil, se duda entre varias opciones, y al azar se elige la
mala
Variabilidad por azar, aleatoriedad.
Miden el grado de dispersin (variabilidad) de los
datos, independientemente de su causa.

Amplitud o Rango
[=max(rango)-min(rango)]
La diferencia entre las observaciones extremas.
2,1,4,3,8,4. El rango es 8-1=7
Es muy sensible a los valores extremos.

Rango intercuartlico
[=CUARTIL(rango;3)-CUARTIL(rango;1)]
Es la distancia entre el primer y tercer cuartil.
Rango intercuartlico = Q
3
Q
1
= P
75
- P
25
= C
0.75
C
0,25

Parecida al rango, pero eliminando las observaciones ms extremas
inferiores y superiores.

No es tan sensible a valores extremos.

Medidas de dispersin
Muestra de edades de cinco nios
En una muestra de cinco nios se observa
que stos tienen las siguientes edades:
1, 1, 4, 8 y 9 .
En promedio tienen 4.6 aos.
Cunta variabilidad hay en las edades de
los nios?
A qu distancia quedan las edades
observadas de la media muestral 4.6 aos?
Diferencias de valores
observados a la media muestral
Distribucion de cinco observaciones
0
1
2
3
1 2 3 4 5 6 7 8 9 More
Edades observadas
F
r
e
c
u
e
n
c
i
a
Media
muestral
-3.6
-3.6
4.4
3.4
-.6
Desviacin Absoluta Media
[=desvprom(rango)]
-3.6 + -3.6 + -.6 + 3.4 + 4.4 = 0
|-3.6| + |-3.6| + |-.6| + |3.4| + |4.4| = 15.6
Distancia promedio = 15.6 / 5 = 3.12
En general:

=
=
n
i
i
x x
n
DAM
1
| |
1

=
n
i
i
n
x x
DAM
1
| |
Otra medida: Varianza
0
1
2
3
1 2 3 4 5 6 7 8 9 Mo re
Are a o bs e rv a da
F
r
e
c
u
e
n
c
i
a
4.4x4.4
3.6x3.6
3.6x3.6
3.4x3.4
.6x.6
Media
Muestral
Varianza
[=var(rango)]
-3.6 + -3.6 + -.6 + 3.4 + 4.4 = 0
3.6(3.6) + 3.6(3.6) + .6(.6) + 3.4(3.4) +
4.4(4.4) = 57.2
rea promedio = 57.2 / 4 = 14.3
En general:

=
n
i
i
x x
n
s
1
2 2
) (
1
1

=
n
i
i
n
x x
s
1
2
2
1
) (
Grados de libertad
Por qu calculamos la varianza dividiendo por n - 1,
en lugar de dividir por n?
Como la suma de las desviaciones es 0, la ltima
desviacin es una combinacin lineal de las n - 1
desviaciones restantes.
Por lo tanto, no estamos calculando el promedio de n
nmeros independientes (los desvos). Solo n -1 de
las desviaciones al cuadrado pueden variar
libremente y por ello, promediamos la suma de los
desvos al cuadrado dividiendo por n -1.
Al numero n -1 se lo denomina grados de libertad
de la varianza o de la desviacin tpica.

Desviacin estndar
[=desvest(rango)]
2
s s =
As s = 3.78
Desviacin estndar
S
2=
14.3 aos
2
S

S=3.78 aos

Tema 3:
Introduccin a Pruebas de
Hiptesis



Las pruebas de hiptesis hacen inferencias respecto a
los parmetros de la poblacin, como la media.
Las pruebas paramtricas utilizan la estadstica
paramtrica de muestras que provinieron de la
poblacin que se est probando.
Para formular estas pruebas, se hacen suposiciones
restrictivas sobre las poblaciones de las que se extraen
las muestras, por ejemplo, que las muestras son grandes
o que provienen de poblaciones normalmente
distribuidas. Pero las poblaciones no siempre son
normales.
Contrastes Paramtricos
Pero las poblaciones no siempre son normales.
Se han desarrollado tcnicas tiles que no hacen
suposiciones restrictivas respecto a la forma de las
distribuciones de las poblaciones. stas se conocen
como pruebas sin distribucin, o pruebas no
paramtricas.
Contrastes No Paramtricos
Qu es una Hiptesis Estadstica?


Una Hiptesis Estadstica es una afirmacin
que se hace con respecto a los parmetros
de algn modelo probabilstico.


Elementos que conforman un Contraste
Hiptesis
Hiptesis Nula
Hiptesis Alternativa
Estadstico de Prueba
Regin de Rechazo
Nivel de significancia

datos de la muestra
Se calcula una medida
de discrepancia
Valor calculado
se rechaza
Ho?
NO
SI
H
1
Se extraen conclusiones
Se definen:
medida de
discrepancia con una
distribucin de
probabilidad conocida
Regla de
decisin(nivel de
significacin o)
Valor crtico o
tabulado
Se comparan los valores
calculado con tabulado
HIPTESIS DE
TRABAJO
HIPTESIS
ESTADSTICAS
Hiptesis Nula

Corresponde a la hiptesis que ser objeto de la
maquinaria estadstica. Es la afirmacin que se
quiere contrastar.

Usamos la notacin H
o
para sealarla.
Hiptesis Alternativa

Corresponde a la posibilidad alternativa, que
sugiere el investigador, en caso de que la hiptesis
nula sea falsa

Usamos la notacin H
1
para sealarla.
Identificacin de hiptesis
Hiptesis nula H
o
La que contrastamos

Los datos pueden refutarla


No debera ser rechazada sin
una buena razn.
Hiptesis Alternativa H
1
Niega a H
0


Los datos pueden mostrar
evidencia a favor

No debera ser aceptada sin
una gran evidencia a favor.
> s = , ,
> < = , ,
Regin crtica y nivel de significacin
Regin crtica
Valores improbables si...
Es conocida antes de realizar el
experimento: resultados experimentales
que refutaran H
0

Nivel de significacin: o
Nmero pequeo: 1% , 5%
Fijado de antemano por el
investigador
Es la probabilidad de rechazar H
0

cuando es cierta
o=5%
Reg. Crit.
o/2=2.5%
Reg. Crit.
o/2=2.5%

No rechazo
H0

Contrastes: unilateral y bilateral
La posicin de la regin crtica depende de la hiptesis
alternativa
Unilateral
Unilateral
Bilateral
Contrastes: unilateral y bilateral
Un ejemplo para la prueba t para una o:0.05 y gl:20
Unilateral
Unilateral
Bilateral
t
c
: 2.086
t
c
: 2.086
t
c
: 1.725
t
c
: 1.725
La distribucin normal
La distribucin de probabilidad normal y la curva
normal que la acompaa tienen las siguientes
caractersticas:
La curva normal tiene forma de campana y una sola cima en el centro
de la distribucin.
La media aritmtica, la mediana y la moda de la distribucin son
iguales y se ubican en el centro.
La mitad del rea bajo la curva se encuentra a la derecha de este
punto central y la otra mitad est a la izquierda de dicho punto.
Es simtrica en torno a su promedio. Si se corta Ia curva normal de
manera vertical por el valor central, las dos mitades sern como
imgenes en un espejo.
La curva normal desciende suavemente en ambas direcciones a partir
del valor central.
Es asinttica, Ia curva se acerca cada vez ms al eje de X pero jams
llega a tocarlo. Es decir, las colas de Ia curva se extienden de manera
indefinida en ambas direcciones.

Psicologa
Biologa
Educacin
Astronoma
Economa
Ciencias sociales y
administrativas
La distribucin normal se usa en:

Un esfuerzo para interpretar y comparar el desempeo
de un individuo en dos o ms variables es difcil cuando
las distribuciones de los datos tienen medias y
desviaciones estndar diferentes. Este problema se
puede evitar transformando los datos de modo que
todas las variables tengan medias idnticas y las
mismas desviaciones estndar, es decir,
"estandarizando" los parmetros de las distribuciones
(transformando valores brutos en valores estndar).
PUNTUACIONES ESTNDAR
Las distribuciones de puntuaciones estndar
tienen valores para la media y la desviacin
estndar que son fijos, conocidos y nunca
varan. Como los parmetros son siempre los
mismos, las interpretaciones y comparaciones
entre puntuaciones estndar se hacen ms
fcilmente.
PUNTUACIONES ESTNDAR
La puntuacin estndar ms elemental y til es
la z. Cuando las observaciones se expresan en
unidades de desviaciones estndar de la media
son calificaciones z. La distribucin de
calificaciones z tiene parmetros fijos:

= 0 y o = 1.
PUNTUACIONES ESTNDAR: PUNTAJE Z
Se define una variable
o

=
x
Z
x
PUNTUACIONES ESTNDAR: PUNTAJE Z
Si Diego obtiene una nota de 6,2 significa poco, a menos
que conozca la media del grupo y la desviacin estndar.
Una calificacin z, sin embargo, puede interpretarse
fcilmente en relacin con toda la distribucin, ya que sus
parmetros siempre se conocen y nunca varan.
Si sabemos que la calificacin z de Diego es 1.5,
sabemos que calific 1.5 desviaciones estndar arriba
de la media, y que, en consecuencia, su calificacin es
completamente alta en relacin con los otros de la
distribucin.
EJEMPLO DE COMPARACIN PUNTAJE Z
Paula obtiene las siguientes notas en las distintas
asignaturas:

MATEMATICA : 5.8
LENGUAJE : 6.1
CIENCIAS : 5.6

En trminos absolutos, Paula obtiene mejor nota en
Lenguaje, luego en Matemtica y finalmente en Ciencias.

Lenguaje
6.1
Ciencias
5.6
Matemtica
5.8
Qu sucede si adems de conocer la nota, sabemos
cmo se comport todo el curso de Paula en esas
asignaturas?

MATEMATICA : 5.8 y el curso tuvo una media de 5.7 y una
desviacin estndar de 0.5

LENGUAJE : 6.1 y el curso tuvo una media de 6.2 y una
desviacin estndar de 0.7

CIENCIAS : 5.6 y el curso tuvo una media de 5.0 y una
desviacin estndar de 1.1


EJEMPLO DE COMPARACIN PUNTAJE Z
EJEMPLO DE COMPARACIN PUNTAJE Z
Ahora podemos comparar las notas en trminos de
puntuaciones estndar Z, asumiendo que las medias = 0 y
las desviaciones estndar = 1, utilizando la frmula:
MATEMTICA : x= 5.8 ; media= 5.7 y ds= 0.5
LENGUAJE : x= 6.1 ; media= 6.2 y ds= 0.7
CIENCIAS : x= 5.6 ; media= 5.0 y ds= 1.1
Puntaje Z
5.8
= 0.2
Puntaje Z
6.1
= -0.14
Puntaje Z
5.6
= 0.54
o

=
x
Z
x
EJEMPLO DE COMPARACIN PUNTAJE Z
Paula obtiene los siguientes puntajes Z en las distintas
asignaturas:

MATEMATICA : 0.20
LENGUAJE : -0.14
CIENCIAS : 0.54

En trminos de comparacin de los puntajes Z, Paula
obtiene mejor puntaje en Ciencias, luego en Matemtica y
finalmente en Lenguaje.

Lenguaje
-0.14
Ciencias
0.54
Matemtica
0.20
Las puntuacin estndar ms comnmente
utilizada para informar el desempeo en
exmenes es la calificacin de valor estndar T,
que tiene una media de 50 y una desviacin
estndar de 10.

PUNTUACIONES ESTNDAR: PUNTAJE T
Se define una variable
T= 50+10z
Para convertir calificaciones z a calificaciones T, la
ecuacin es la siguiente:
(

+ =
o
x
T
x
10 50
EJEMPLO DE COMPARACIN PUNTAJE T
Tres estudiantes obtienen los siguientes puntajes en una
prueba de habilidad matemtica, de un total de 100
puntos:

Mnica : 82
Carmen : 53
Cristina : 65

En trminos absolutos, Mnica tiene el puntaje ms alto y
las tres se encuentran sobre los 50 puntos.

0 10 20 30 40 50 60 70 80 90 100
Carmen
53
Cristina
65
Mnica
82
Qu sucede si adems de conocer el puntaje de cada
una, sabemos cmo se comport todo el curso en esa
prueba?

Media del curso = 60 puntos
Desviacin estndar del curso = 12 puntos
EJEMPLO DE COMPARACIN PUNTAJE Z
Ahora podemos comparar los puntajes de estas tres
estudiantes en trminos de puntuaciones estndar T,
asumiendo que las medias = 50 y las desviaciones
estndar = 10, utilizando la frmula:
(

+ =
o
x
T
x
10 50
EJEMPLO DE COMPARACIN PUNTAJE T
Mnica : x= 82 ; media= 60 y ds= 12
Carmen : x= 53 ; media= 60 y ds= 12
Cristina : x= 65 ; media= 60 y ds= 12
33 . 68
12
60 82
10 50
82
=
(

+ =
T
16 . 44
12
60 53
10 50
53
=
(

+ =
T
16 . 54
12
60 65
10 50
65
=
(

+ =
T
EJEMPLO DE COMPARACIN PUNTAJE Z
Ahora, las tres puntuaciones quedan expresadas en
puntajes estndar T:

Mnica : 68.33
Carmen : 44.16
Cristina : 54.16

Carmen
44.16
Cristina
54.16
Mnica
68.33
Curva normal, Percentiles y Valores Estndar
Cmo calcular probabilidades asociadas a
una curva normal especfica?
Dado que tanto como o pueden asumir infinitos
valores, lo que hace impracticable tabular las probabilidades
para todas las posibles distribuciones normales, se utiliza la
distribucin normal reducida o tipificada



Se define una variable z
x
=
x -
o
Es una traslacin y un cambio de escala de la
variable original
-3 -2 -1 0 1 2 3
z
Una regla emprica indica que en cualquier distribucin
normal las probabilidades delimitadas entre :
1o = 68 %
2o = 95 %
3o = 99 %
68%
99%
95%

Pero para valores intermedios esta regla es insuficiente.
Las probabilidades de la variable tipificada (z) estn
tabuladas para los diferentes valores de la variable.


Entonces una vez transformada la variable a valores de z
se busca en la tabla el rea correspondiente

Ejemplo:
Supongamos que se calcul el valor z y el
resultado es 1.91.

CuI es eI rea bajo la curva normal entre
y x?

Baja por Ia columna de la tabla encabezada
con Ia Ietra z hasta llegar a 1.9.
Es 0.4719.
Utilizamos la tabla que viene a continuacin
y que se encuentra en cualquier libro
especializado.
Luego muvete en direccin horizontal a la
derecha y lee Ia probabilidad en Ia
columna con el encabezado 0.01.
Esto significa que 47.19 % del rea bajo
Ia curva se encuentra entre y eI valor
x, 1.91 desviaciones estndar a la
derecha de Ia media.

Esta es Ia probabilidad de que una
observacin est entre 0 y 1.91
desviaciones estndar de Ia media.

Valor z calculado
Ejercicios: Compruebe que estos valores
de probabilidad estn bien calculados:
Area bajo Ia curva
2.84
1.00
0.49
.4977
.3413
.1879
Ahora calcularemos eI valor z dada:

Ia media de Ia poblacin, ,

la desviacin estndar de sta, o,

y una x seleccionada.
Ejercicios:
Los ingresos mensuales de un profesor
tienen una distribucin aproximadamente
normal con una media de $400.000 y una
desviacin estndar de $100.000.

Cul es el valor z para un ingreso X de
$500.000?

Y para uno de $300.000?
Utilizando la frmula:
Para X = $500.000:

500.000 400.000
100.000

= 1.00
Para X = $300.000:

300.000 400.000
100.000

= -1.00
o

=
x
Z
x
La z de 1.00 indica que un ingreso mensual
de $500.000 para un profesor est una
desviacin estndar a la derecha de Ia media.

La z de -1.00 indica que un ingreso mensual
de $300.000 para un profesor est una
desviacin estndar izquierda de Ia media.

Ambos ingresos ($300.000 y $500.000) estn
a Ia misma distancia ($100.000) de Ia media.
300.000 500.000
400.000
1. Para encontrar el rea entre y z, entonces es posible buscar
directamente el valor en Ia tabla.
2. Para encontrar el rea ms alI (mayor o menor) de z, entonces
localice Ia probabilidad de z en Ia tabla y reste ese valor de 0.5000.
3. Para encontrar eI rea entre dos puntos a diferentes lados de Ia
media, determine los valores z y sume las reas correspondientes.
4. Para encontrar el rea entre dos puntos en el mismo lado de Ia
media, determine los valores z y reste el rea menor de Ia mayor.
Existen cuatro situaciones en las que pudiera ser posible
encontrar el rea bajo Ia distribucin normal estndar.
La primera aplicacin de Ia distribucin
normal estndar es encontrar el rea bajo Ia
curva normal entre una media y un valor
seleccionado, designado como X.

Utilizando Ia misma distribucin deI ejemplo
anterior del ingreso mensual
( = $400.000, o = $100.000)

CuI es el rea bajo Ia curva normal entre
$400.000 y $500.000?
La probabilidad asociada con el valor z de
1.00 se encuentra en la Tabla de Z.

Para ubicar el rea, desciende por la
columna de Ia izquierda hasta 1.0. Luego
muvete a Ia derecha y lee el rea bajo Ia
curva en Ia columna marcada 0.00.
Ya se calcul el valor z para $500.000
utilizando la frmula: z = 1.00
400.000 500.000
El rea bajo Ia curva normal entre y x que corresponde a un valor z de 1.00 es:
0.3413
|
|
|
.3413
El signo positivo en 1.00 indica que el rea est a Ia derecha de Ia media.
Utilizando nuevamente el ingreso medio de
$400.000 al mes y Ia desviacin estndar de
$100.000 al mes:

Cul es Ia probabilidad de que un ingreso
mensual especfico elegido aI azar est
entre $190.000 y $400.000?

Calculamos eI valor z para $190.000
utilizando Ia frmula:
190.000 400.000 = - 210.000 = -2.10
100.000 100.000
-2.10
400.000
190.000
El signo negativo en 2.10 indica que el rea est a Ia izquierda de Ia media.
El rea bajo Ia curva normal entre y x que corresponde a un valor z de -2.10 es:
0.4821
|
|
|
.4821

Recuerda que la media divide
Ia curva normal en dos
mitades idnticas. El rea
bajo Ia mitad a Ia izquierda de
Ia media es 0.5 y eI rea a Ia
derecha de Ia media es
tambin 0.5.
0.5 0.5
2. La segunda aplicacin de Ia distribucin normal
estndar es encontrar el rea ms alI (mayor o
menor) de z, entonces localice Ia probabilidad de
z en Ia tabla y reste ese valor de 0.5000.

CuI es Ia probabilidad de que eI ingreso
sea menos de $190.000?
-2.10
.4821
|
|
|
400.000
190.000
|
|
|
|
|
.5000
.0179
|
Por tanto, 0.5000 - 0.4821 = 0.0179
Para el rea entre $645.000 y Ia media de
$400.000:

645.000 -400.000 = 245.000 = 2.45
100.000 100.000
El rea bajo Ia curva para un valor z de 2.45
es 0.4929
Restando: 0.5000 - 0.4929 = 0.0071
Slo el 0,71% de los profesores tienen
ingresos mensuales de $645.000 o ms.
Qu porcentaje de los profesores recibe
ingresos mensuales de $645.000 o ms?
2.45
.4929
|
|
|
400.000
645.000
|
|
|
|
|
.5000
.0071
|
Por tanto, 0.5000 - 0.4929 = 0.0071
3. Una tercera aplicacin de Ia distribucin
normal estndar es:

combinar dos reas:
- una a Ia derecha de la media.
- y Ia otra a Ia izquierda de Ia media.
Utilizamos Ia misma distribucin de
ingresos mensuales
( = $400.000, o = $100.000)

CuI es el rea bajo Ia curva normal entre
$ 320.000 y $512.000?
Es necesario dividir Ia pregunta en dos partes.
Para el rea entre $320.000 y Ia media de
$400.000:
320.000 -400.000 = -80.000 = -0.80
100.000 100.000
Para el rea entre $512.000 y Ia media de
$400.000:
512.000 -400.000 = 112.000 = 1.12
100.000 100.000
El rea bajo la curva para un valor z de -0.80
es:
El rea bajo Ia curva para un valor z de 1.12
es
0.2881
Sumando las dos reas:
0.2881+ 0.3686 = 0.6567
0.3686.
-0.80
.3686
320.000
512.000
400.000
.2881
1.12
|
|
|
|
|
|
|
|
|
|
|
|
|
|
.6567
As, Ia probabilidad de seleccionar un ingreso
entre $320.000 y $512.000 es 0.6567.


En otras palabras, 65.67% de los profesores
tienen ingresos mensuales entre $320.000 y
$512.000.
4. La cuarta aplicacin de Ia distribucin
normal estndar es:

determinar el rea entre dos valores en
el mismo lado de la media.
Utilizamos Ia misma distribucin de
ingresos mensuales
( = $400.000, o = $100.000)

CuI es el rea bajo Ia curva normal entre
$ 420.000 y $512.000?
Es necesario dividir Ia pregunta en dos partes.
Para el rea entre $420.000 y Ia media de
$400.000:
420.000 -400.000 = 20.000 = 0.20
100.000 100.000
Para el rea entre $512.000 y Ia media de
$400.000:
512.000 -400.000 = 112.000 = 1.12
100.000 100.000
El rea bajo la curva para un valor z de 0.20
es:
El rea bajo Ia curva para un valor z de 1.12
es
0.0793
Restando al rea mayor la menor:
0.3686-0.0793 = 0.2893
0.3686.
0.20
.3686
420.000 512.000
400.000
.0793
1.12
|
|
|
|
|
|
|
|
|
|
|
|
|
|
.2893
As, Ia probabilidad de seleccionar un ingreso
entre $420.000 y $512.000 es 0.2893.


En otras palabras, 28.93% de los profesores
tienen ingresos mensuales entre $420.000 y
$512.000.
Es necesario dividir Ia pregunta en dos partes.
Para el rea entre $200.000 y Ia media de
$400.000:
200.000 -400.000 = -200.000 = -2.00
100.000 100.000
Para el rea entre $350.000 y Ia media de
$400.000:
350.000 -400.000 = -50.000 = -0.50
100.000 100.000
CuI es el rea bajo Ia curva normal entre
$200.000 y $350.000?
El rea bajo la curva para un valor z de -2.00
es:
El rea bajo Ia curva para un valor z de -0.50
es
0.4772
Restando al rea mayor la menor:
0.4772-0.1915 = 0.2857
0.1915.
-2.00
.4772
200.000 350.000
400.000
.1915
-0.50
|
|
|
|
|
|
|
|
|
|
|
|
|
|
.2857
As, Ia probabilidad de seleccionar un ingreso
entre $200.000 y $350.000 es 0.2857.


En otras palabras, 28.57% de los profesores
tienen ingresos mensuales entre $200.000 y
$350.000.