Académique Documents
Professionnel Documents
Culture Documents
Distribucin Normal
Distribucin Normal
Nota histrica
Abraham De Moivre (ltimo tercio del siglo XVII y primera mitad del XVIII) es el primer autor en publicar una explicacin de la distribucin normal (en 1733) tal como la entendemos ahora.
El marqus de Laplace y Carlos Federico Gauss (matemticos y astrnomos; ambos entre los siglos XVIII y primera mitad del XIX.
Distribucin Normal
Nota histrica
Distribucin Normal
Conceptos
Distribucin normal, distribucin de Gauss o distribucin gaussiana es una de las distribuciones de probabilidad de variable continua que con ms frecuencia aparece en fenmenos reales.
Permite modelar numerosos fenmenos naturales, sociales y psicolgicos. Mnimos cuadrados.
Distribucin Normal
Conceptos Una de las herramientas de mayor uso en las empresas es la utilizacin de la curva normal. Existen dos razones bsicas por las cuales la distribucin normal ocupa un lugar tan prominente en la estadstica :
La hacen aplicable a un gran nmero de situaciones en la que es necesario hacer inferencias mediante la toma de muestras. Se ajusta a las distribuciones de frecuencias reales observadas en muchos fenmenos.
Distribucin Normal
Distribucin Normal
Caractersticas y propiedades de la distribucin normal El hecho de que las magnitudes segn se van apartando de la media van siendo mucho menos frecuentes lo expresamos grficamente mediante la curva normal. La distribucin normal es simtrica, unimodal, de forma acampanada.
Es continua.
Es asinttica.
Distribucin Normal
Propiedades de la distribucin normal La distribucin normal tiene forma de campana. La distribucin normal es una distribucin de probabilidad que tiene media = 0 y desviacin estndar = 1. El rea bajo la curva o la probabilidad desde menos infinito a ms infinito vale 1. La distribucin normal es simtrica, es decir cada mitad de curva tiene un rea de 0.5. La escala horizontal de la curva se mide en desviaciones estndar. La forma y la posicin de una distribucin normal dependen de los parmetros , en consecuencia hay un nmero infinito de distribuciones
normales.
Distribucin Normal
Distribucin Normal
La poblacin incluye todos los datos, la muestra es una porcin de la poblacin.
Distribucin Normal
Definicin formal Para definir la distribucin normal de probabilidad en una frmula es necesario conocer dos parmetros: La media (m): es la suma de datos dividido la cantidad de datos. La desviacin estndar (s): informa sobre la variacin de los datos respecto de la media.
Distribucin Normal
Distribucin Normal
El valor de z Determina el nmero de desviaciones estndar entre algn valor X y la media de la poblacin. Para calcular el valor de Z usamos la siguiente frmula.
Distribucin Normal
El valor de z La distribucin de probabilidad f (Z) es una distribucin normal con media 0 y desviacin estndar 1; esto es Z se distribuye normalmente con media cero y desviacin estndar = 1 La grfica de densidad de probabilidad se muestra en la figura.
Distribucin Normal
Distribucin Normal
La distribucin f (Z) se encuentra tabulada en la tabla de distribucin normal estndar. En esta tabla podemos determinar los valores de Z o la probabilidad de determinado valor Z.
Distribucin Normal
Ejemplo:
El gerente de personal de una gran compaa requiere que los solicitantes a un puesto efecten cierta prueba y alcancen una calificacin de 500. Si las calificaciones de la prueba se distribuyen normalmente con media 485 y desviacin estndar 30 Qu porcentaje de los solicitantes pasar la prueba? Calculando el valor de Z obtenemos:
Distribucin Normal
Ejemplo: Buscamos el valor correspondiente Z en las tabla de distribucin normal. Z0.5 = .69146 = 69.146%. siendo esta la probabilidad de que la calificacin sea menor a 500 P (X<500). Dado que el porcentaje pedido es la solucin es 1-.69146 =.3085 , 30.85% de los participantes pasarn la prueba.
Distribucin Normal
Ejemplo
En una ciudad se estima que la temperatura mxima en el mes de junio sigue una distribucin normal, con media 23 y desviacin tpica 5. Calcular el nmero de das del mes en los que se espera alcanzar mximas entre 21 y 27. P [ 21 < X < 27 ] = P (( 21 - 23)/5 < Z < (27- 23)/5) = = P ( - 0.4 < Z < 0.8 ) = P ( Z < 0.8 ) [ 1 P ( Z < 0.4)] = = 0.7881 ( 1 0.6554 ) = 0.4425 * 30 = 13