La Distribucin Normal

Escuela Superior Politcnica de

Chimborazo






Dr. Antonio Meneses

2012
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

Tabla de contenido
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/as los/as estudiantes de Administracin
de Empresas en sus distintas concentraciones.

Objetivos de la presentacin
Objetivo general
Esperamos que cuando termines esta presentacin puedas
utilizar la distribucin normal para obtener probabilidades,
intervalos y cantidades especficas.

Objetivos especficos
Adems, esperamos que 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.

Instrucciones de cmo usar la
presentacin
La presentacin se inicia con material terico de los conceptos
generales.

Luego de leer el material que sirve de introduccin, podrs
establecer enlaces que demuestran de forma dinmica los
conceptos tericos.

Te recomiendo que tengas acceso a Internet mientras trabajas
la presentacin.

Siempre que se te presente la siguiente figura:
puedes presionarla para navegar adecuadamente a travs de
toda la presentacin.

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 a fondo
donde formula 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 norma.
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
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 ms probabilidad para los valores cercanos a la
media m
Conforme nos separamos de m , la probabilidad va
decreciendo de igual forma a derecha e izquierda
(es simtrica).
Conforme nos separamos de m , la probabilidad va
decreciendo dependiendo la desviacin tpica s.

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 ms o
menos una desviacin estndar (1) es de 0.68, a ms o
menos 2 es de .0 95 y a ms 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 .
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.
La desviacin estndar ( )
Compruebe el cambio de la distribucin variando la desviacin estndar
Nota cuando llegue al
enlance utilice la grfica #3
Tipificacin de la variable
La media
Compruebe el cambio de la distribucin variando la media
Nota cuando llegue al enlance
utilice la grfica #2
Familiarizndonos con la normal
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, que corresponde a una distribucin de
media 0 y varianza 1.

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.
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 grfica de la funcin de Z.
En resumen
Podemos decir que el valor de Z es la
cantidad de desviaciones estndar a la
que est 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
de Y
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 tendera a seguir hacia una
distribucin normal.

En otras palabras el Teorema del Lmite
Central garantiza una distribucin normal
cuando el tamao de la muestra es
suficientemente grande.
Por ejemplo
En el siguiente histograma podemos observar la distribucin de
frecuencias por peso de acuerdo a la edad. De acuerdo a este
teorema segn aumenten la cantidad de dato se podr trazar
una curva que tome cada vez ms formacin en forma campana.

rea 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.

Obtenga mas informacin de cmo
asignar probabilidades utilizando las
Tablas.
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 de
los/as estudiantes universitarios/as sigue una
distribucin aproximadamente normal, con
una media de 140 libras y una desviacin
estndar de 20 libras.
Ejemplo 1

Determine la probabilidad de que una persona 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 una persona tenga un
peso menor o igual a 150 libras
Paso 2 - Determinar el valor Z:




50 . 0
20
140 150

s
m X
Z
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 no es necesario realizar ningn computo adicional ya que
el rea es la misma que se representa en la Tabla 1
Compruebe de forma
interactiva el
valor Z
Ejemplo 2

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



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
50 . 0
20
140 150

s
m X
Z
Ejemplo 3

Determine la probabilidad de que una persona, elegida 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 una persona, elegida al
azar, tenga un peso menor o igual a 115 libras
Paso 2 - Determinar el valor Z:



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 = 0.1056
25 . 1
20
140 115

s
m X
Z
Ejemplo 4

Si deseamos la probabilidad de que una persona, elegida
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 una persona, elegida al
azar, tenga un peso entre 115 y 150 libras.

Paso 2 - Determinar el valor Z

Cuando X=115


25 . 1
20
140 115

s
m X
Z
Cuando X=150


50 . 0
20
140 150

s
m X
Z
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 una persona, elegida 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 0.8944 se le resta la diferencia de 1-.6915.

0.8944 (1-.6915) = .5859


Ejemplo 5

Determine la probabilidad de que una persona tenga un peso
entre 150 y 160 libras
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 una persona tenga un
peso entre 150 y 160 libras
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:




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.


0 . 1
20
140 160

s
m X
Z
Ejemplo 5

Determine la probabilidad de que una persona tenga un
peso entre 150 y 160 libras
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 - 0.6915 = 0.1498


Ejemplo 6

Determine la probabilidad de elegir a una persona 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 una persona que pese
entre 115 y 130 libras.
Paso 2 - Determinar el valor Z



Cuando X=115


para X=130


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

25 . 1
20
140 115

s
m X
Z
50 . 0
20
140 130

s
m X
Z
Ejemplo 6

Determine la probabilidad de elegir a una persona 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.



Ejercicios de prueba
Trabaje los ejercicios de este enlace utilizando la tabla de
probabilidades y luego compruebe los resultados
interaccionando con las grficas.
Para el primer ejercicio observe la grfica, manipule los
parmetros m (m) y s (s) y luego redacte una
descripcin detallada sobre las caractersticas de una
curva normal con media de 0 y desviacin estndar de 1.

Referencias
Anderson, S. (). Estadsticas para administracin y economa,
Thomson,

Newbold, P. (). Statistics for Business And Economics, Prentice
Hall.

Altman, D., Bland, J. (). Statistics Notes: The Normal
Distribution. BMJ, ; 310: 298-298.

Bluman Allan, G. (). Statistics, Mc Graw Hill,

Prtega, D., Pita F. () Representacin grfica en el anlisis de
datos. Cad Aten Primaria; 8: 112-117.