You are on page 1of 5

Es el modelo de distribucin ms utilizado en la prctica, ya que multitud de fenmenos se comportan segn una distribucin normal.

Esta distribucin de caracteriza porque los valores se distribuyen formando una campana de Gauss, en torno a un valor central que coincide con el valor medio de la distribucin: Un 50% de los valores estn a la dercha de este valor central y otro 50% a la izquierda Esta distribucin viene definida por dos parmetros: X: N (m, s 2) m : es el valor medio de la distribucin y es precisamente donde se sita el centro de la curva (de la campana de Gauss). s 2 : es la varianza. Indica si los valores estn ms o menos alejados del valor central: si la varianza es baja los valores estn prximos a la media; si es alta, entonces los valores estn muy dispersos. Cuando la media de la distribucin es 0 y la varianza es 1se denomina "normal tipificada", y su ventaja reside en que hay tablas donde se recoge la probabilidad acumulada para cada punto de la curva de esta distribucin. Adems, toda distribucin normal se puede transformar en una normal tipificada: Ejemplo: una variable aleatoria sigue el modelo de una distribucin normal con media 10 y varianza 4. Transformarla en una normal tipificada. X: N (10, 4) Para transformarla en una normal tipificada se crea una nueva variable (Y) que serigual a la anterior (X) menos su media y dividida por su desviacin tpica (que es la raz cuadrada de la varianza)

En el ejemplo, la nueva variable sera:

Esta nueva variable se distribuye como una normal tipificada, permitindonos, por tanto, conocer la probabilidad acumulada en cada valor.

Y: N (0, 1) Cmo se lee esta tabla? La columna de la izquierda indica el valor cuya probabilidad acumulada queremos conocer. La primera fila nos indica el segundo decimal del valor que estamos consultando. Ejemplo: queremos conocer la probabilidad acumulada en el valor 2,75.Entonces buscamos en la columna de la izquierda el valor 2,7 y en la primera fila el valor 0,05. La casilla en la que se interseccionan es su probabilidad acumulada (0,99702, es decir 99.7%). Atencin: la tabla nos da la probabilidad acumulada, es decir, la que va desde el inicio de la curva por la izquierda hasta dicho valor. No nos da la probabilidad concreta en ese punto. En una distribucin continua en el que la variable puede tomar infinitos valores, la probabilidad en un punto concreto es prcticamente despreciable. Ejemplo: Imaginemos que una variable continua puede tomar valores entre 0 y 5. La probabilidad de que tome exactamente el valor 2 es despreciable, ya que podra tomar infinitos valores: por ejemplo: 1,99, 1,994, 1,9967, 1,9998, 1999791, etc. Veamos otros ejemplos: Probabilidad acumulada en el valor 0,67: la respuesta es 0,7486 Probabilidad acumulada en el valor 1,35: la respuesta es 0,9115 Probabilidad acumulada en el valor 2,19: la respuesta es 0,98574 Veamos ahora, como podemos utilizar esta tabla con una distribucin normal: Ejemplo: el salario medio de los empleados de una empresa se distribuye segn una distribucin normal, con media 5 millones de ptas. y desviacin tpica 1 milln de ptas. Calcular el porcentaje de empleados con un sueldo inferior a 7 millones de ptas. Lo primero que haremos es transformar esa distribucin en una normal tipificada, para ello se crea una nueva variable (Y) que ser igual a la anterior (X) menos su media y dividida por la desviacin tpica

En el ejemplo, la nueva variable sera:

Esta nueva variable se distribuye como una normal tipificada. La variable Y que corresponde a una variable X de valor 7 es:

Ya podemos consultar en la tabla la probabilidad acumulada para el valor 2 (equivalente a la probabilidad de sueldos inferiores a 7 millones de ptas.). Esta probabilidad es 0,97725 Por lo tanto, el porcentaje de empleados con salarios inferiores a 7 millones de ptas. es del 97,725%. La renta media de los habitantes de un pas es de 4 millones de ptas/ao, con una varianza de 1,5. Se supone que se distribuye segn una distribucin normal. Calcular: a) Porcentaje de la poblacin con una renta inferior a 3 millones de ptas. b) Renta a partir de la cual se sita el 10% de la poblacin con mayores ingresos. c) Ingresos mnimo y mximo que engloba al 60% de la poblacin con renta media. a) Porcentaje de la poblacin con una renta inferior a 3 millones de ptas. Lo primero que tenemos que hacer es calcular la normal tipificada:

(*) Recordemos que el denominador es la desviacin tpica ( raz cuadrada de la varianza) El valor de Y equivalente a 3 millones de ptas es -0,816. P (X < 3) = P (Y < -0,816) Ahora tenemos que ver cul es la probabilidad acumulada hasta ese valor. Tenemos un problema: la tabla de probabilidades (ver leccin 35) slo abarca valores positivos, no obstante, este problema tiene fcil solucin, ya que la distribucin normal es simtrica respecto al valor medio.

Por lo tanto: P (Y < -0,816) = P (Y > 0,816) Por otra parte, la probabilidad que hay a partir de un valor es igual a 1 (100%) menos la probabilidad acumulada hasta dicho valor: P (Y > 0,816) = 1 - P (Y < 0,816) = 1 - 0,7925 (aprox.) = 0,2075 Luego, el 20,75% de la poblacin tiene una renta inferior a 3 millones ptas. DISTRIBUCIN MULTINOMIAL

La distribucin multinomial es similar a la distribucin binomial, con la diferencia de que en lugar de dos posibles resultados en cada ensayo, puede haber mltiples resultados: Ejemplo de distribucin binomial: a unas elecciones se presentaron 2 partidos polticos: el POPO obtuvo un 70% de los votos y el JEJE el 30% restante. Cul es la probabilidad de que al elegir 5 ciudadanos al azar, 4 de ellos hallan votado al JEJE? Ejemplo de distribucin multinomial: a esas elecciones se presentaron 4 partidos polticos: el POPO obtuvo un 40% de los votos, el JEJE el 30%, el MUMU el 20% y el LALA el 10% restante. Cul es la probabilidad de que al elegir 5 ciudadanos al azar, 3 hayan votado al POPO, 1 al MUMU y 1 al LALA? La distribucin multinomial sigue el siguiente modelo: Donde: X1 = x1: indica que el suceso X1 aparezca x1 veces (en el ejemplo, que el partido POPO lo hayan votado 3 personas) n: indica el nmero de veces que se ha repetido el suceso (en el ejemplo, 5 veces) n!: es factorial de n (en el ejemplo: 5 * 4 * 3 * 2 * 1) p1: es la probabilidad del suceso X1 (en el ejemplo, el 40%) Veamos el ejemplo:

Luego: P = 0,0256 Es decir, que la probabilidad de que las 5 personas elegidas hayan votado de esta manera es tan slo del 2,56% Nota: 0! es igual a 1, y cualquier nmero elevado a 0 es tambin igual a 1 Veamos otro ejemplo: En una fiesta, el 20% de los asistentes son espaoles, el 30% franceses, el 40% italiano y el 10% portugueses. En un pequeo grupo se han reunido 4 invitados: cual es la probabilidad de que 2 sean espaoles y 2 italianos? Aplicamos el modelo:

Luego P = 0,0384 Por lo tanto, la probabilidad de que el grupo est formado por personas de estos pases es tan slo del 3,84%.