DISTRIBUCIÓN NORMAL, z y

t-STUDENT
 Distribución Normal
Es la más importante y de mayor uso de
todas las distribuciones continuas de
probabilidad.
Es la piedra angular en la aplicación de la
inferencia estadística en el análisis de datos,
puesto que las distribuciones de muchas
estadísticas muestrales tienden hacia la
distribución normal conforme crece el tamaño
de la muestra.
Decimos que una variable aleatoria tiene una
distribución Normal con parámetros µ y σ2 ( X
~ N( µ,σ2 ) ) si la función 2 de distribución de
(− x − µ )
1
probabilidades es:

f ( x) = e 2σ 2
, x ∈ R, µ ∈ R, σ > 0
2π σ
 El gráfico de esta curva es tal que:
 •  Tiene un máximo en x=µ
 •  Es simétrica respecto a la vertical x=µ
 •  Tiene puntos de inflexión en x=µ - σ y
x=µ +σ (68.2%)
 •   Entre  x=µ - 2σ y x=µ +2σ se encuentra
el 95.4% de la
 distribución
ο •  E(X)= µ V(X)= σ 
 • Se aproxima asintóticamente al eje X
 El gráfico de esta
curva es tal que:
 • Tiene un máximo en
x=µ
 • Es simétrica
respecto a la vertical
x=µ
 • Tiene puntos de
inflexión en x=µ - σ y
x=µ +σ (68.2%)
 • Entre  x=µ - 2σ y x=µ
+2σ se encuentra el
95.4% de la
distribución
 • E(X)= µ V(X)= σ 
 • Se aproxima
 Cuando µ=0 y σ=1 se obtiene la
distribución normal estándar o
típica decimos que:
 z ~ N(0,1), en consecuencia:
z 2
− 1
f ( z) = e 2
, z ∈R
2π
E ( X ) =0
 Y la esperanza y la varianza
V ( X son:
) =1
 • Si X~N(µ,σ2) entonces
z=
X −µ
σ
~N(0,1)

 Ejemplo: Una  variable  X  (PS)  medida  en  una 

población  (hombres de 35-44 años) se distribuye 
normal  con  media  µ=80  y  desviación  estándar  σ
=12.  ¿Cuál  es  la  probabilidad  que  una  persona 
tenga hipertensión (entre 90 y 100)?
 Sol.  Al  reemplazar  directamente  x,  µ  y    σ  en  la 
90 − 80
fórmula  100 − 80
z= = 0.83 z= = 1.67
12 12

P (0.83 ≤ Z ≤ 1.67 )
                                    = P(z<1.67) - P(z<0.83)
 Distribución t Student
Sea Z una variable aleatoria normal
estándar y X una
variable aleatoria chi-cuadrada con v
grados de Z
T =
libertad. Si Z y X sonXindependientes,
v
entonces la
variable aleatoria:

tiene una Γ [ ( v +distribución

1) / 2] t) / 2de Student con
de [1 + ( t / v ) ]
− ( v + 1
v) =
fv(t ;grados 2
, − ∞ < t < ∞, v > 0
π vΓ ( v / 2)
libertad y una función de densidad de
 Para cualquier v>0, la distribución
t es simétrica con respecto al
origen y la función de densidad
tiene su valor máximo cuando t=0.

La esperanza y varianza de una

distribución tE (Student
T ) =0
v
son:
v >1

V (T ) = v >2
v −2
 Condiciones
 Se utiliza en muestras de 30 o
menos elementos.
 La desviación estándar de la
población no se conoce
 Diferencias
 Ladistribución t student es
menor en la media y mas alta
en los extremos que una
distribución normal.

 Tiene
proporcionalmente
mayor parte de su área en los
extremos que la distribución
normal.
 Comparación
Distribución
Normal
Distribución
t Student

X1 Media X2
Formulario
 Formulario
Áreas t= x - x t= x - x
s. s.
√n √n √N-
n
N-
Intervalos x=x± t s . x=x±1t s .
√n √n √N-
n
Tipo de Infinita Finita N-
Población 1
 Formulario
Áreas t= x - x t= x - x
s. s.
√n √n √N-
n
N-
Intervalos x=x± t s . x=x±1t s .
√n √n √N-
n
Tipo de Infinita Finita N-
Población 1
 Formulario
Áreas t= x - x t= x - x
s. s.
√n √n √N-
n
N-
Intervalos x=x± t s . x=x±1t s .
√n √n √N-
n
Tipo de Infinita Finita N-
Población 1
Nivel de Significación

ά=Nivel
Certeza de
Significaci
Deseada ón
 Nivel de Significación

ά=Nivel de
Significación/2

ά1=Nivel
de
ά2=Nivel
Significaci
ón
Certeza de
Significaci
Deseada ón

ά= (1 – Certeza Deseada)
 Grados de Libertad
 Existe una distribución t para
cada tamaño de la muestra, por
lo que “Existe una distribución
para cada uno de los grados de
libertad”.

 Los grados de libertad son el

numero de valores elegidos
libremente.
 Grados de Libertad
 Dentro de una muestra para
distribución t student los
grados de libertad se
calculan de la siguiente
manera:

 GL=n –1
 Ejemplo
 Se tiene una muestra de 7
elementos con una media de 16.

GL= a+b+c+d+e+f+g =16

7
GL=n – 1 =7-1= 6
 Uso de la Tabla de
Distribución t
 La tabla de distribución t es mas
compacta que z y muestra las
áreas y valores de t para unos
cuantos porcentajes
exclusivamente (10%,5%,2% y
1%)

Levin,Richard, “Estadística para Administradores” segunda edición, edit,

Prentice Hall,
 Uso de la Tabla de
Distribución t
 Una segunda diferencia de la
tabla es que no se centra en la
probabilidad de que el
parámetro de la población que
esta siendo estimado caiga
dentro del intervalo de
confianza. Por el contrario,
mide la probabilidad de que ese
parámetro no caiga dentro del
Levin,Richard, “Estadística para Administradores” segunda edición, edit,
intervalo
Prentice Hall, de confianza
  Una tercera diferencia en el
empleo de la tabla consiste en
que hemos de especificar los
grados de libertad con que
estamos trabajando.

Levin,Richard, “Estadística para Administradores” segunda edición, edit,

Prentice Hall,
 Ejercicio
 Se desea obtener un intervalo
de confianza al 99% para el
tiempo medio requerido para
realizar un trabajo.

 Una muestra aleatoria de 16

mediciones produce una media
y una desviación estándar de 13
y 5.6 minutos respectivamente
 Encontrando t
 t= Una confianza del 99% con
(n-1) grados de libertad.
 GL=16-1=15

ά1=.005
ά2=.005

99 %
ά= 1%
ά= .01
ά/2=.005
 Datos
 n= 16
 X=13 minutos
x=x±
 S= 5.6 minutos ts.
 t=2.947 √n
∂=13±2.947(5.6/√16)
∂=13±4.12
Tiempo medio
∂1=17.12 minutosrequerido para
∂2=8.88 minutos realizar el trabajo sera
entre 8.88 y 17.12
minutos con una
 99 %
8.88 17.12
min min