Académique Documents
Professionnel Documents
Culture Documents
𝑃 0 ≤ 𝑧 ≤ 𝑧0
𝑃 − ∞ < 𝑧 ≤ 𝑧0 (𝑧0 ≥ 0)
𝑃 − ∞ < 𝑧 ≤ 𝑧0 (𝑧0 ≤ 0)
Valores percentiles de la distribución normal típica.
Los valores percentiles de distribuciones de probabilidad son de gran importancia en
estadística. En el caso de la distribución normal el valor percentil consiste en obtener el valor
de tal que 𝑃(𝑍 ≤ 𝑎) =∝, 0 <∝< 1, . Conceptualmente esta situación es la inversa de la
desarrollada en la sección anterior. Es decir, si la distribución tabulada es , 𝑃(𝑍 ≤ 𝑎) = ∅(𝑎),
entonces 𝑃(𝑍 ≤ 𝑎) =∝ implica ∅(𝑎) =∝, luego 𝑎 = ∅−1 (∝) es la inversa de la función de
distribución acumulativa normal. (Lind, 2001).
Notación. :Se utilizará la notación percentil 𝑧∝ = ∅−1 (∝).
Los valores percentiles 𝑧∝ se obtienen de la misma tabla, función acumulativa de la normal
estándar, usándola en forma inversa.
Valores percentiles notables de la distribución normal típica.
Ciertos valores percentiles de la distribución normal típica tienen uso frecuente en inferencia
y por esta razón se denominarán valores notables, los cuales se resumen en la siguiente tabla.
También se pueden calcular valores percentiles de distribuciones normales cualesquiera y
para ello se debe realizar el proceso de tipificación tal como en el cálculo de probabilidades.
(Rustom, 2012).
∝= 0.10 𝑧∝ = −1.28 𝑧1−∝ = 1.28
∝= 0.05 𝑧∝ = −1.645 𝑧1−∝ = 1.645
∝= 0.025 𝑧∝ = −1.96 𝑧1−∝ = 1.96
∝= 0.01 𝑧∝ = −2.33 𝑧1−∝ = 2.33
Cálculo de probabilidades en distribuciones normales
La tabla nos da las probabilidades de 𝑃(𝑧 ≤ 𝑘), siendo 𝑧 la variable tipificada.
Estas probabilidades nos dan la función de distribución ∅(𝑘).
∅(𝑘) = 𝑃(𝑧 ≤ 𝑘)
Búsqueda en la tabla de valor de k
Unidades y décimas en la columna de la izquierda.
Centésimas en la fila de arriba.
𝑃(𝑧 ≤ 𝑎)
𝑃(𝑍 > 𝑘) = 1 − 𝑃(𝑍 ≤ 𝑎)
𝑃(𝑍 ≤ −𝑎) = 1 − 𝑃(𝑍 ≤ 𝑎)
𝑃(𝑍 > −𝑎) = 𝑃(𝑍 ≤ 𝑎)
𝑃(𝑎 < 𝑍 ≤ 𝑏) = 𝑃(𝑍 ≤ 𝑏) − 𝑃(𝑍 ≤ 𝑎)
𝑃(−𝑏 < 𝑍 ≤ −𝑎) = 𝑃(𝑎 < 𝑍 ≤ 𝑏)
Nos encontramos con el caso inverso a los anteriores, conocemos el valor de la probabilidad
y se trata de hallar el valor de la abscisa. Ahora tenemos que buscar en la tabla el valor que
más se aproxime a K. (Rustom, 2012).
𝑃(−𝑎 < 𝑍 ≤ −𝑏) = 𝑃(𝑍 ≤ 𝑏) − [1 − 𝑃(𝑍 ≤ 𝑎)]
𝑃=𝑘
Para calcular la variable X nos vamos a la fórmula de la tipificación.
La distribución normal como aproximación a distribuciones discretas
Los errores provienen del hecho de que, muchas veces, los estudiantes no ven la diferencia
entre lo discreto y lo continuo, y en muchos casos aplican la corrección por continuidad de
una forma mecánica, pero sin entender el significado de dicha corrección y sin saber en qué
circunstancias debería ser aplicada. (Rustom, 2012).
Distribución normal y teorema central del límite
El teorema central del límite es uno de los teoremas estadísticos más importantes que explica
el uso generalizado de la distribución normal. En relación con la comprensión del teorema
central del límite y los diversos conceptos y procedimientos implícitos en él. Su estudio tiene
como propósitos, extraer datos fenomenológicos para representar las creencias que los
sujetos tienen sobre los aspectos fundamentales del teorema central del límite, clasificar los
errores más comunes y observar el alcance de las creencias en la representación experta.
(Tauber, 2001).
La media de la distribución muestral es igual a la media de la población, e igual a la
media de una muestra cuando el tamaño de la muestra tiende al infinito
La varianza de la distribución muestral es menor que la de la población (cuando N>1)
La forma de la distribución muestral tiende a ser acampanada a medida que se
incrementa el tamaño muestral, y aproximadamente normal, independientemente de
la forma de la distribución en la población.
La forma de la distribución muestral crece en altura y decrece en dispersión a medida
que el tamaño muestral crece.
Las curvas de distribución normal se pueden clasificar en tres grupos según el signo de su
curtosis, es decir, según la forma de la distribución:
Leptocúrtica: la Curtosis > 0. Los datos están muy concentrados en la media, siendo una
curva muy apuntada.
Mesocúrtica: la Curtosis = 0. Distribución normal.
Platicúrtica: la Curtosis < 0. Muy poca concentración de datos en la media, presentando
una forma muy achatada.
Referencias bibliográficas: