NORMALIZACIN DE VARIABLES

DEFINICIN:
Dada una distribucin de una variable x;
entonces, se normaliza transformndola en
variable z mediante:
Frmula: _
xx
Z
s
Ejemplo:
Dado: (600, 500, 700, 400, 300)
Cuya x = 600 hrs
Para normalizar el valor de la variable x la
transformamos en z
600 500
Z
100

FIN
Ejemplo:

Normalizar los valores de la variable x, cuya Media Aritmtica

es x_ 11.48 y una desviacin estndar S 1.82

Solucin:
Para x = 8
x f 8 11.48
x z
Z 1.91 8 -
8 2 1.82
1.91
9 3
Para x = 9
1 5 9 -
9 11.48 1.36
0 Z 1.36
1.82
1 6 1 -
1 0 0.81
Para x = 10
1 7 10 11.48 1 -
Z 0.81 1 0.26
2 1.82
1 5 1 0.29
3 2

1 4 1 0.84
FIN
Ejemplo:

Normalizar los valores que representan a cada intervalo de clase; cuya Media
Aritmtica es X 114 .09 y una desviacin estndar S 15.83

Xi - Xj x Solucin: x z
80-84 82 82 -2.03
Para x = 82
85-89 87 87 -1.71
82 114 .09
90-94 92 Z 2.03 92 -1.40
15.83
95-99 97 97 -1.08
100-104 102 Para x = 97 102 -0.76
105-109 107 87 114 .09 107 -0.45
Z 1.71
110-114 112 15.83 112 -0.13
115-119 117 117 0.18
Para x = 92
120-124 122 122 0.50
92 114 .09
125-129 127 Z 1.40 127 0.82
15.83
130-134 132 132 1.13
135-139 137 137 1.45
140-144 142 142 1.76
145-149 147 147 2.08
150-154 152 152 2.39 FIN
 DISTRIBUCIN DE PROBABILIDADES

Existen 2 tipos de distribucin de probabilidades:

a) de variable Continua y
b) de Variable Discreta

a) DISTRIBUCIN DE PROBABILIDAD DE VARIABLE CONTINUA

En la presente tarea fijaremos nuestra atencin a los casos en que

La variable puede tomar cualquier valor, que est en un intervalo de
valores dados. En este caso la distribucin de probabilidad es
continua.
Una distribucin de probabilidad continua que es muy importante es
la DISTRIBUCIN NORMAL o de GAUSS.

FIN
 DISTRIBUCIN NORMAL

Varios matemticos han contribuido a su desarrollo, entre los que

podemos contar al Fsico-Matemtico del siglo XIX Karl Gauss. En honor
a su trabajo, la distribucin de probabilidad normal se le llama tambin
distribucin gaussiana.

La distribucin normal, sirve de modelo matemtico, para varios

fenmenos del campo de las ciencias sociales, ciencias de la salud y
otras, cuyos datos se ajusten a dicha distribucin.

FIN
 CARACTERSTICAS DE LA DISTRIBUCIN NORMAL
DE PROBABILIDAD

Media
Descripcin Mediana
de la Moda La distribucin normal de
CURVA NORMAL probabilidad es simtrica con
respecto a una lnea vertical
que pase por la media

El extremo izquierdo El extremo derecho se

se extiende de manera extiende de manera
indefinida y nunca indefinida y nunca
toca el eje horizontal toca el eje horizontal

P-1

FIN
 P-1

MEDIANA MODA

MEDIA
MEDIANA
MEDIA

MODA
LA MEDIA, LA MEDIANA Y LA MODA, EN LA MEDIA, LA MEDIANA Y LA MODA, EN
UNA DISTRIBUCIN SIMTRICA UNA DISTRIBUCIN SESGADA

FIN
 CURVA CON SESGO POSITIVO P-2
Y
CURVA CON SESGO NEGATIVO

CURVA A CURVA B

Sesgo + Sesgo -

FIN
 KURTOSIS

LEPTOCURTOSIS MESOCURTOSIS PLATOCURTOSIS

FIN
 CARACTERSTICAS DE UNA DISTRIBUCIN
NORMAL DE PROBABILIDAD:

1. La curva tiene un solo pico; por tanto, es unimodal. Tiene la forma

de campana
2. La media de una poblacin distribuida normalmente cae en el centro
de su curva normal.
3. Debido a la simetra de la distribucin normal de probabilidad, la
mediana y la moda de la distribucin se encuentran tambin en el
centro; en consecuencia, para una curva normal, la media, la
mediana y la moda tienen el mismo valor.
4. Los dos extremos de la distribucin normal de probabilidad se
extienden indefinidamente y nunca tocan el eje horizontal.
5. El rea bajo la curva normal es igual a 1

FIN
DISTRIBUCIONES NORMALES DE PROBABILIDA CON MEDIA
IDNTICAS Y DIFERENTES DESVIACIONES ESTNDAR

Curva A tiene una desviacin

estndar muy pequea
1

Curva B tiene una desviacin

estndar ms grande
5
Curva C tiene una desviacin
estndar muy grande
10

50

FIN
TRES DISTRIBUCIONES NORMALES DE PROBABILIDAD, CADA UNA
CON UNA MEDIA Y UNA DESVIACIN ESTNDAR DIFERENTES A LAS
DE LAS DEMS

1 3 10

0 15 25 40

Curva A tiene una Media Curva B tiene una Media y Curva C tiene una
y una desviacin estndar una desviacin estndar Media y desviacin
pequeas ms grande estndar muy grande

FIN
 DISTRIBUCIONES NORMALES DE PROBABILIDAD CON
DIFERENTES MEDIAS E IGUALES DESVIACIN ESTNDAR

5 5 5

15 25 40
0
Curva A tiene la Curva B tiene una Curva C tiene la
Media ms pequea Media entre la de la Media ms grande
curva A y la C
FIN
 DISTRIBUCIONES NORMALES DE PROBABILIDAD CADA
UNA CON UNA MEDIA Y UNA DESVIACIN ESTNDAR
DIFERENTES A LAS DE LAS DEMS. P-3

1 3 10

15 25 40
0
Curva A tiene una Curva B tiene una Curva C tiene una
media y una desviacin media y una desviacin media y una desviacin
estndar pequeas estndar ms grande estndar muy grande
FIN
 DISTRIBUCIN NORMAL
QUE ILUSTRA LA COMPARACIN DE LOS VALORES DE Z, Y
LAS DESVIACIONES ESTNDAR

DISTRIBUCIN NORMAL CON

50
25

x
-25 0 25 50 75 100 125
x
Z
-3 -2 -1 0 1 2 3

FIN
LOCALIZACIN DE LAS OBSERVACIONES ALREDEDOR DE LA MEDIA DE
UNA DISTRIBUCIN DE FRECUENCIAS CON FORMAS DE CAMPANA

f(x)

-3 -2 -1 0 1 2 3
68.27%
95.45%
99.73%

FIN
 EJEMPLOS:

1 Hallar P 0 z 1

1)

Z=0 1.00

2) TABLA

3) P 0 z 1 0.3413

FIN
2 Hallar P 0 z 1.72

1)

Z=0 1.72

2) TABLA

3) P 0 z 1.72 0.4573

FIN
3 Hallar P 1.26 z 2.52

1)

0
1.26 2.52

2) P 1.26 z 2.52 P 0 z 2.52 P 0 z 1.26

3) TABLA

4) 0.4941 0.3962 0.0979

FIN
4 Hallar P 1.48 z 0

1)

0
-1.48

2) P 1.48 z 0 P 0 z 1.48 Simetra

3) TABLA

4) P 0 z 1.48 0.4306

FIN
5 Hallar P 1.42 z 2.54

1)

-1.42 Z=0 2.54

2) P 1.42 z 2.54 P 1.42 z 0 P (0 Z 2.54)

P 1.42 z 2.54 P 0 z 1.42 P (0 Z 2.54)

3) TABLA

4) 0.4222 0.4945 0.9167

FIN
6 Hallar P z 1.58

1)

0
1.58

2) P z 1.58 0.5 P 0 z 1.58

3) TABLA

4) 0.5 0.4429 0.0571

FIN
 APLICACIONES

Tenemos un programa de entrenamiento diseado para mejorar la calidad de las habilidades

1
de supervisin de los supervisores de lnea de produccin. Debido a que el programa es
autoadministrado, los supervisores requieren un nmero diferente de horas para terminarlo. Un
estudio de los participantes anteriores indica que el tiempo medio que se lleva completar el
programa es de 500 hora, y que esta variable aleatoria normalmente distribuida tiene una
desviacin estndar de 100 horas.
Cul es la probabilidad de que un participante elegido al azar requiera ms de 500 horas para
completar el programa?

500

FIN
 Tenemos un programa de entrenamiento diseado para mejorar la calidad de las habilidades
2
de supervisin de los supervisores de lnea de produccin. Debido a que el programa es
autoadministrado, los supervisores requieren un nmero diferente de horas para terminarlo.
Un estudio de los participantes anteriores indica que el tiempo medio que se lleva completar
el programa es de 500 hora, y que esta variable aleatoria normalmente distribuida tiene una
desviacin estndar de 100 horas.
Cul es la probabilidad de que un candidato elegido al azar se tome entre 500 y 650 horas
para completar el programa de entrenamiento?

500 650

FIN
3 Tenemos un programa de entrenamiento diseado para mejorar la calidad de las
habilidades de supervisin de los supervisores de lnea de produccin. Debido a que el
programa es autoadministrado, los supervisores requieren un nmero diferente de
horas para terminarlo. Un estudio de los participantes anteriores indica que el tiempo
medio que se lleva completar el programa es de 500 hora, y que esta variable aleatoria
normalmente distribuida tiene una desviacin estndar de 100 horas.
Cul es la probabilidad de que un candidato elegido al azar se tome ms de 700
horas en completar el programa?

500 700

FIN
4 Un Terapista fsico piensa que los puntajes en una prueba de destreza manual
tienen una distribucin aproximadamente normal, con una media de 10 y una
desviacin estndar de 2.5. Si un individuo elegido aleatoriamente, se le aplica el
examen. Cul es la probabilidad de que logre un puntaje de 15 o ms puntos?

FIN
5 Supngase que se sabe que el peso en una poblacin de individuos tiene una
distribucin aproximadamente normal, con una media de 140 libras y una
desviacin estndar de 25 libras. Cul es la probabilidad de que una persona,
elegida aleatoriamente de entre ese grupo, pese entre 100 y 170libras?

FIN
6
En una poblacin de 10.000, con los individuos descritos en el Ejemplo 2,
Cuntas personas se espera que pesen ms de 200 libras?

FIN
 ELEMENTOS DE ANLISIS
COMBINATORIO

FACTORIAL: ! PROPIEDADES

a) 0! = 1
DEFINICIN: Si n es un entero positivo,
b) n! = (n-1)!.n
Entonces, n! = 1.2.3.4 .n
Ejemplo:
Ejemplo:
a) 5! = 1.2.3.4.5 = 120 a) 3! 6
6
b) 7! = 1.2.3.4.5.6.7 = 0! 1
b) 4! 3!.4
4
3! 3!

TABLA
FIN
 n
COMBINACIN ( )
r

DEFINICIN: EJEMPLOS:

Consideramos n objetos diferentes, 1) A a, b, c, d

Hallar el nmero de
hallar el nmero de maneras como maneras de elegir dos elementos de
podemos escoger r objetos de esos las 4.
casos n objetos.
n4 r2
Sin considerar el orden Solucin:
(Subconjuntos)
4!
( nr ) ( 42 ) 6
n! 2!.2!
( )
n
r Maneras de elegir dos elementos de las 4
r!(n r )!
ab, ac, ad, bc, bd, cd

PROPIEDAD EJEMPLO:
5! 5!
( nr ) ( nn r ) ( )( )
5
2
5
3

2!.3! 3!.2!

TABLA
FIN
 APLICACIONES

FACTORIAL: COMBINATORIA:

1) De cuantas maneras se pueden 1) De cuantas maneras se pueden elegir a 3

presentarse a una exposicin 3 de 7 estudiantes para su participacin en un
estudiantes? concurso de fsica?

Solucin: Solucin: 7!
( )
7
3 35
Nmero de maneras 3!.4!
3! = 1.2.3 = 6 maneras 2) Si se tiene 5 docentes de qumica y 4 de
fsica. De cuantas maneras se pueden
elegir una delegacin de 2 docentes de
qumica y 2 docentes de fsica, Para un
congreso?

5! 4!
( )( )
5
2
4
2 10 x6 60
2!.3! 2!.2!

TABLA
FIN
 DISTRIBUCIN BINOMIAL
PROBABILIDAD DE VARIABLE DISCRETA Y USO DEL PROCESO DE BERNOULLI
PROCESOS BERNOULLI DESCRIPCIN DEL PROCESO

Una distribucin de probabilidad de una
variable aleatoria discreta utilizada
ampliamente es la distribucin binomial.
Esta distribucin describe una variedad
de procesos y describe datos discretos,
no continuos, que son resultado de un
experimento conocido como proceso de
Bernoulli, en honor al matemtico suizo
del siglo XIX, Jacob Bernoulli.
El lanzamiento de la moneda no alterada
un nmero fijo de veces es un proceso
de Bernoulli y los resultados de tales
lanzamientos pueden representarse
mediante la distribucin binomial de
probabilidad.
1. Cada intento (cada lanzamiento, en este caso)
tiene solamente dos resultados posibles. Cara o
cruz, si o no, xito o fracaso.
2. La probabilidad del resultado de cualquier intento
(lanzamiento) permanece fijo con respecto al
tiempo. Con una moneda no alterada, la
probabilidad de obtener cara siempre es 0.5 para
cada lanzamiento, independientemente del
nmero de veces que se lance la moneda
3. Los intentos son estadsticamente
independientes, es decir, el resultado de un
lanzamiento no afecta el resultado de cualquier
otro lanzamiento.
4. Parmetros.-Los parmetros de esta distribucin
binomial son:

El xito o fracaso de los solicitantes de p = Probabilidad de xito

empleo, entrevistados para prueba de n = nmero de eventos
aptitudes, tambin puede ser descrito 5. p + q =1
como un proceso de Bernoulli.
TABLA
FIN
 ECUACIN DE LA PROBABILIDAD BINOMIAL

P( x) ( nx ) p x q n x
Ejemplo: cuando p = q Ejemplo: cuando p q

1) Si n = 4 ^ p =0.5 1) Si n = 5 ^ p = 0.4
2) hallar: p(o), p(1), p(2), p(3), p(4) 2) hallar: p(o), p(1), p(2), p(3), p(4), p(5)
2) Graficar 2) Graficar

p(o)=0.0625 p(o)=0.0778
p(1)=0.2592
p(1)=0.2500
p(2)=0.3456
p(2)=0.3750
p(3)=0.2304
p(3)=0.2500
p(4)=0.0768
p(4)=0.0625 p(5)=0.01024 0 1 2 3 4 5
0 1 2 3 4
TABLA
FIN
 DISTRIBUCIN NORMAL
n=5 n = 10 p=q n = 20
p = 0.5 p = 0.5 p = 0.5

DISTRIBUCIN BINOMIAL
n = 15 n = 15 n = 15
p = 0.2 p = 0.3 p = 0.4

0 1 2 3 4 5 6 7 8 9 0 1 2 3 4 5 6 7 8 9 10 11 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14
FIN
APLICACIN APLICACIONES

En un Centro Laboral el 50% de los En una encuesta para la eleccin del Alcalde
Profesionales tienen grado de maestra. de una Provincia; el candidato tiene 23% de
De una muestra de 10 aleatoriamente aceptacin. En una muestra de 10 electores
elegidos, halle las siguientes aleatoriamente elegidos. Hallar las siguientes
probabilidades probabilidades
a) Que al menos 3 tengan grado de Magster a) Que 5 voten por el mencionado candidato

b) Que al menos 5 tengan grado de Magster b) Que al menos 8 voten por el mencionado
candidato
c) Que exactamente 3 tengan grado de Magster
c) Que ninguno vote por el mencionado candidato
d) Que ninguno tenga el grado de Magster
d) Que de 6 a 8 voten por el mencionado candidato

TABLA
FIN
 APLICACIONES

1.- En una encuesta a un grupo de 2.- Supngase que se conoce que en la

estudiantes de Educacin que aspira al
grado de maestra, el 75% declar que
esperan ser promovidos a un puesto ms
alto un mes despus de recibir el grado.
Si este porcentaje se aplica a la totalidad
de la poblacin. Calcular para una
muestra de 15 la probabilidad de que el
nmero que espera una promocin un
mes despus de graduarse sea de:
a) que 6 esperan una promocin
3.- Supngase que se sabe que el 30 por ciento
b) Que no ms de 5 esperan una
promocin
c) Que al menos 7 esperan una
promocin
d)Entre 6 y 9 inclusive esperan una
promocin
poblacin estudiantil el 10 % de la misma
domina la asignatura de estadstica. Si se
extrae una muestra aleatoria de 25 personas
de entre la poblacin. Calcular la
probabilidad de que:
a) Cinco o menos dominen la Estadstica
b) Seis o ms dominen la Estadstica.
c) Entre 6 y 9 inclusive dominen la
Estadstica
d) Dos tres y cuatro dominen la Estadstica
de cierta poblacin es no logro matricularse
en el presente semestre. Si se escoge una
muestra aleatoria de 10 personas de entre
esta poblacin. Cul es la probabilidad de
que dicha muestra contenga exactamente
cuatro estudiantes no matriculados?

TABLA
FIN
 APROXIMACIN DE LA DISTRIBUCIN BINOMIAL A LA
NORMAL

ECUACIONES: np npq

EJEMPLO:
Se lanza 10 monedas normales. Hallar la probabilidad que caigan de cara entre
3 a 7.
a) Hallar la probabilidad por el mtodo binomial
b) Hallar la probabilidad por la aproximacin de Gauss (distribucin normal)

TABLA
FIN
 SOLUCIN

D AT O S :
Calculando:
N = 10
- Media
p = 0,5
- Desviacin estndar
q = 0,5
np npq
X = 3,4,5,6,7

a) BINOMIAL Reemplazando valores:

P (3 x 7) = p(3)+ p(4)+ p(5)+ p(6)+ p(7)
Media Desviacin
P (3 x 7) = estndar
0.1172+0.2051+0.2461+0.2051+0.1172
= 10(0.5) =10(0.5)
P (3 x 7) = 0,8907 89 % (0.5)
b) APROXIMACIN DE GAUSS ( NORMAL ) =5 =2.5
X = 3 - 0.5 = 2.5 = 1.58
X = 7 + 0.5 = 7.5
x
Z
TABLA
Normalizar FIN
NORMALIZANDO
X = 2.5
2 .5 5
Z 1.58
1.58

X = 7.5
7 .5 5
Z 1.58
1.58
- 1.58 0 1.58

De la TABLA

P (3 x 7) = 0.4429+0.4429 = 0.8858
P (3 x 7) = 89 %

TABLA
FIN