Professional Documents
Culture Documents
Unidad: 01
Semana: 01
INFERENCIA ESTADISTICA
Distribucin normal
La distribucin normal, gaussiana o de LaplaceGauss. Fue descubierta y publicada por primera vez
en 1733 por De Moivre. A la misma llegaron, de forma
independiente, Laplace (1812) y Gauss (1809), en
relacin con la teora de los errores de observacin
astronmica y fsica .
Karl F. Gauss
(1777-1855)
ORIENTACIONES
Llegar temprano a la sesin
telemtica
Revisar previamente el modulo de
aprendizaje
Recordar
los
temas
anteriores
analizados y estudiados en la
asignatura
de
estadstica
y
probabilidad
Cualquier duda o inquietud preguntar
al docente tutor
CONTENIDOS TEMTICOS
Definicin de la Distribucin
Normal
Aplicacin y uso de la Tabla de
distribucin normal estndar
Resolucin de problemas
aplicados a la distribucin normal
Anlisis de la Distribucin T
Uso y aplicacin de la Distribucin
T
1
N (, ) P( x)
e
2
( x ) 2
22
( 0)
Puntos
de
inflexin
+
, Mo, Mn
+
7
1.6
1.2
0.25
0.5
1
p(x)
0.8
0.4
0
-2.50
-1.50
-0.50
0.50
x
1.50
2.50
8
1
N (, ) P( x)
e
2
( x ) 2
22
( 0)
10
20
30
40
50
60
70
80
90
100
110
120
N(, ):
Interpretacin
geomtrica
Podemos
interpretar
la media como un
factor de traslacin.
Y la desviacin
tpica como un factor
de escala, grado de
dispersin,
10
a distancia 2 ,
a distancia 25
11
1
N (, ) P( x)
e
2
( x ) 2
2 2
1
F ( x)
2
( v ) 2
2 2
dv
1
P(a X b) F (b) F (a)
e
2 a
En particular:
1
2
( v ) 2
2 2
( v ) 2
2 2
dv
dv 1
12
z=
x -
68 %
2 95 %
3 99 %
68%
99%
95%
68%
95%
-3
-2
-1
99%
0
z
1
14
Tipificacin
Dada una variable de media y desviacin
tpica , se denomina valor tipificado z, de
una observacin x, a la distancia (con signo)
con respecto a la media, medido en
xes
desviaciones tpicas,
decir:
z
zA
xA A
86
2
1
A
x B 80 70
zB B
1
B
10 16
Apliquemos el cambio de
1
variable tipificada a la funcin F ( x)
2
de distribucin F(x):
dv dz
1
p( z )
e
2
z2
( v ) 2
2 2
dv
; z
1
F ( z ) p( Z z )
2
u2
du
1
p( z )
e
2
z2
; z
1
F ( z ) p( Z z )
2
u2
du
Caracterstica de la distribucin
normal tipificada (reducida o
estndar):
No depende de ningn parmetro.
Su media es 0, su varianza es 1 y su
desviacin tpica es 1.
La curva f(x) es simtrica respecto al
eje de ordenadas y tiene un mximo
en este eje.
Tiene dos puntos de inflexin en z =1
y z = -1.
18
Los valores
negativos de z NO
estn tabulados, ya
que la distribucin
es simtrica
19
0.0
0.1
0.2
0.3
0.4
.0000 .0040 .0080 .0120 .0160 .0199 .0239 .0279 .0319 .0359
0.5
.1915 ....
.0398 .0438 .0478 .0517 .0557 .0596 .0363 .0675 .0675 .0754
.0793 .0832 .0871 .0910 .0948 .0987 .1026 ....
.1179 .....
......
.1554 ....
......
......
......
......
.....
....
20
EJEMPLOS:
1.-Cul es la probabilidad de que un
valor de z est entre 0 y -2.03?
2.-Cul es la probabilidad de que un
valor de z est entre -2.03 y +2.03?
3. Hallar P( z >1.25 )
21
Ejemplo 1
Cul es la probabilidad de que un valor de z est entre 0 y -2.03?
?
-3
-2
-1
z
3
22
Ejemplo 1
Cul es la probabilidad de que un valor de z est entre 0 y -2.03?
Se busca en la tabla el rea correspondiente a z = 2.03
1.8
1.9
2.0
2.1
0.47882
47. 88%
-3
-2
-1
z
3
23
Ejemplo 2
Cul es la probabilidad de que un valor de z est entre -2.03 y 2.03 ?
En el ejemplo 1, vimos que la probabilidad de que z estuviera entre 0 y
2.03= 0.47882
La misma rea hay entre 0 y
-2.03 , por lo tanto
P ( -2.03< z< 2.03) = 0.95764
?
95.76%
47.88%
-3
-2
-1
47.88%
0
z
3
24
Ejemplo 3
Cul es la probabilidad de que un valor de z sea mayor a 1.25 ?
1.- La probabilidad de 0 < z < + = 0.500
2.- La probabilidad de 0 < z < 1.25 = 0.39435
3.- La probabilidad de z > 1.25 =
0.500 - 0.39435= 0.10565
50%
39.44%
10.56%
-3
-2
-1
z
3
25
Ejemplo 4
Hallar P( -0.34 < z < )
63.31%
13.31%
50%
z
-3
-2
-1
26
Ejemplo 5
Hallar P( 0.34 < z < 2.30)
35.62%
-3
-2
-1
z
3
27
EJEMPLO
28
=4
= 1.5
Hallar P ( x > 6 )
x
z
0.5
0.40824
0.09176
?
-0.5
-3
1
-2
2.5
-1
4
0
5.56
1 1.33
7
2
8.5
3 z
29
Se debe desestandarizar :
x=z+
0.30x2+4 =4.60
38.20%
x=?
4.60
30
31
32
33
34
35
36
GRACIAS
ORIENTACIONES
CONTENIDOS TEMTICOS
GRACIAS