Académique Documents
Professionnel Documents
Culture Documents
LA DISTRIBUCION NORMAL
La distribucin normal es una de las distribuciones ms usadas e importantes. Se ha
desenvuelto como una herramienta indispensable en cualquier rama de la ciencia, la
industria y el comercio. Muchos eventos reales y naturales tienen una distribucin de
frecuencias cuya forma es muy parecida a la distribucin normal.
La distribucin normal es llamada tambin campana de Gauss por su forma
acampanada.
Y
=0
y desviacin estndar
=1
2 =95.46
3 =99.73 .
tiene un porcentaje de
Poblacin
Muestra
x-3s
x-2s
x-s
x+s
x+2s
x+3s
La desviacin estndar
sigma representa la
distancia de la media al
punto de inflexin de la
curva normal
X
x-3
x-2
x-
x+
x+2
x+3
z
-3
-2
-1
Z=
Z
0
Z=
X
500485
=
=0.5
30
P( X 500)
la solucin es
3 0 .8 5 %
Z.0 5
o p respectivamente):
En dos poblaciones
= 0;
estadstico Zc o Tc
Las varianzas poblacionales son iguales
21= 22
Fc
Las proporciones poblacionales son iguales
2
2
o 1 2 = 0; estadstico
1= 2 o
1 2=0 ;
estadstico Zc
La prueba de hiptesis tiene varias etapas:
Etapa 1.- Planear la hiptesis nula y la hiptesis alternativa. La hiptesis nula
(H0) es el valor hipottico del parmetro que se compra con el resultado
muestral resulta muy poco probable cuando la hiptesis es cierta.
Etapa 2.- Especificar el nivel de significancia que se va a utilizar. El nivel de
significancia del 5%, entonces se rechaza la hiptesis nula solamente si el
resultado muestral es tan diferente del valor hipottico que una diferencia de
esa magnitud o mayor, pudiera ocurrir aleatoria mente con una probabilidad de
0.05 o menos.
Etapa 3.- Elegir el estadstico de prueba. El estadstico de prueba puede ser el
estadstico muestral (el estimador no segado del parmetro que se prueba) o
una versin transformada de ese estadstico muestral. Por ejemplo, para probar
el valor hipottico de una media poblacional, se toma la media de una muestra
aleatoria de esa distribucin normal, entonces es comn que se transforme la
media en un valor Z el cual, a su vez, sirve como estadstica de prueba.
Etapa 4.- Establecer el valor o valores crticos del estadstico de prueba.
Habiendo especificado la hiptesis nula, el nivel de significancia y el estadstico
s2
o p respectivamente)
Elementos de La prueba:
Las pruebas de hiptesis pueden ser de dos colas, de cola derecha o de cola
izquierda, a continuacin se esquematizan cada una de ellas.
Ho: a = b
Ha: a b
Regin de
Rechazo
Regin de
Rechazo
-Z
Ho: a b
Ha: a > b
Regin de
Rechazo
Ho: a b
Ha: a < b
Regin de
Rechazo
-Z
Estadstico de prueba
Ho: a = b
Ha: a b
IC para =x z =
2
s
n
2, gl
s
n
p (1 p )
n
IC para p Z / 2 S p
Sp
( X )
(p )
, en el
n
f) Si no se conoce la entonces se reemplaza por la S de la muestra.
ZC =
X HIPOTESIS
X HIPOTESIS
s
n
HIPOTESIS (1 HIPOTESIS )
n
p HIPOTESIS
Zc
p
Paso 1. Para una muestra grande (n >30) probar la hiptesis de una media
Establecer alfa.
o
Ho:
0
Ha:
Regin de
Z 2 Z 2
Regin de
Rechazo
Rechazo
0
-Z
Paso 5. Calcular el intervalo de confianza IC para un nivel de confianza de 1alfa, si la media de la hiptesis se encuentra dentro del intervalo, no rechazar
Ho y viceversa.
Paso 6. Calcular el valor de Probabilidad P para el estadstico calculado a partir
de la muestra Zc o Tc por medio de:
Para Zc:
Para Tc:
P = distr.norm.estand.inv (-Zc)
P = distr.t.inv (Tc, grados de libertad, 1 o 2 colas)
t=
X Y
( n1 ) s21 +( m1) S 22 1 1
+
n+m2
n m
que, bajo la hiptesis nula seguir una distribucin t de Student con un nmero
f de grados de libertad que depender de las varianzas muestrales segn la
expresin:
INTERVALOS DE CONFIANZA
1. DOS MUESTRAS DEPENDIENTES
t nk1
Con ms
estara en el intervalo
j y j
Por
Descripcin
Estimacin de
con sigma desconocida,
muestra grande n>30, se toma la desv. Est.
de la muestra S
Estimacin de
con muestras pequeas, n
< 30 y sigma desconocida
Estimacin de la
= x z / n
2
= x z s/ n
2
X t / 2 s / n
(n 1) s 2
( n 1) s 2
2
, n 1
1 , n 1
2
Estimacin de la proporcin
s p=
p (1 p)
n
p Z / 2 s p
Tamao de muestra
n=z2 2 /( x )2
n Z / 2 (1 ) /( p ) 2
2
Utilizar
=0.05
que es peor
caso
Convergencia en Distribucin
Definicin de convergencia en distribucin. Tanto la convergencia casi segura
como la convergencia en probabilidad se basan en el concepto de proximidad
entre variables aleatorias. Veremos ahora un tipo de convergencia que se
basa en la proximidad entre las respectivas funciones de distribucin.
Sea ( F n)n 1 una sucesin de funciones de distribucin definidas sobre R y F
otra funcin de distribucin. Diremos que la sucesin
Fn
Fn convergen
converge
Sea
Entonces
Xn p X
Xn D X
X n ( ) =x ( )+( X n ( )x ( ) )
X ( ) +| X nx ()|
X > X +
x
lim F x ( x ) F x ( x + ) .
F( x ) lim F X (x)
n
lim F X (x)=F (x )
Conclusiones:
1. Conforme el tamao de la muestra aumenta, la distribucin de las
medias muestrales x , se aproximar a una distribucin normal.
2. La media de todas las medias muestrales es la media poblacional .
(Es decir, la distribucin normal de la conclusin 1 tiene una media
).
3. La desviacin estndar de todas las medias muestrales es /
(es decir, la distribucin normal de la conclusin 1 tiene una
desviacin estndar / )
Reglas prcticas de uso comn:
1. Si la poblacin original no est distribuida normalmente, la siguiente
es una directriz comn: para muestras de tamao n mayor que 30, la
distribucin de las medias muestrales puede aproximarse
razonablemente bien por medio de una distribucin normal. (Existen
excepciones, como las poblaciones con distribuciones muy diferentes
a la normal, que requieren tamaos de muestra mucho ms grandes
que 30, aunque tales excepciones son relativamente raras). La
aproximacin mejora conforme el tamao muestral n se incrementa.
2. Si la poblacin original se distribuye normalmente, entonces las
medias muestrales estarn distribuidas normalmente para cualquier
tamao de muestra n (no slo los valores de n mayores que 30).
El teorema del lmite central implica dos distribuciones diferentes: la
distribucin de la poblacin original y la distribucin de las medias
muestrales. Igual que en captulos anteriores, utilizamos los smbolos
y para denotar la media y la desviacin estndar de la poblacin
original, pero ahora necesitamos nuevas notaciones para la media y
la desviacin estndar de la distribucin de las medias muestrales
.
Notacin para la distribucin muestral de x
Si se seleccionan todas las muestras aleatorias posibles de tamao n de una
poblacin con media y desviacin estndar , la media de las medias
muestrales se denota con de manera que
x =
Asimismo, la desviacin estndar de las medias muestrales se denota con
x x de Manera que:
x =
x
29
Nos remitimos a la tabla A-2 y utilizamos z 0.10 para encontrar que el rea
acumulativa a la izquierda de 175 libras es 0.5398. Por lo tanto, la regin
sombreada es 1 - 0.5398 = 0.4602. La probabilidad de que un hombre elegido
al azar pese ms de 175 libras es de 0.4602.
b. Enfoque: Utilice el teorema del lmite central (porque estamos trabajando
con la media de una muestra de 20 hombres y no con un solo hombre).
Aun cuando el tamao de la muestra no es mayor que 30, utilizamos una
distribucin normal por la siguiente razn: la poblacin original de
hombres tiene una distribucin normal, de manera que las muestras de
cualquier tamao producirn medias distribuidas normalmente. Puesto
que estamos trabajando con una distribucin de medias muestrales,
x que se evala de la
debemos utilizar los parmetros x y
siguiente manera.
z=
x x 175172
3
=
=
=0.46
x
29
6.48
20
INTERPRETACIN
Si nos remitimos a la tabla z=0.46 corresponde a un rea izquierda acumulativa
de 0.67, de manera que la regin sombreada es 1- 0.67=0.32. La probabilidad
de que 20 hombres tengan un peso medio mayor que 175 libras es de 0.32.
BIBLIOGRAFA
Mario Triola Fundamentos de la estadstica 11 edicin 2011
P. Reyes & Septiembre 2007
WOOLDRIGDGE, Jeffrey M. Introduccin a la Econometra