Psicometria

Tema 4. Distribució Normal

Joan Carles Martori (martori@uvic.cat)

UVIC Grau de Psicologia

No és permesa la reproducció total o parcial

d'aquests apunts, ni el tractament informàtic, ni la
transmissió per cap forma o per qualsevol mitjà,
sigui electrònic, mecànic, fotocòpia, registre o
altres mètodes, sense el permís previ i per escrit
dels titulars del Copyright.

Drets reservats  2011 Joan Carles Martori,

Universitat de Vic

Sagrada Família, 7
08500 Vic (Barcelona)

2
UVIC Grau de Psicologia

Sumari
1 INTRODUCCIO 4

2 Distribució Normal o de Gauss 6

2.1 Propietats de la distribució Normal 8

2.2 Estandarització / Tipificació de la distribució normal 9

3 PROBLEMES 11

4 SOLUCIONS 13

5 PROBLEMES RESOLTS 14

3
 UVIC Grau de Psicologia

1 INTRODUCCIO

La forma més habitual d’analitzar un fenomen és mesurant numèricament algunes de

les característiques més rellevants del fenomen en qüestió.

Per exemple, suposem que estem mesurant un constructe com la personalitat o la

intel·ligència. Per analitzar el constructe en grup d’individus mesurarem una sèrie
d’ítems. Es clar que els resultats de cada un d’aquests individus poden ser diferents i
per tant presentin variabilitat.

Aquest tipus de dades que presenten variabilitat –cada individu haurà respòs a les
preguntes - s’anomenen variables aleatòries. Aquesta variabilitat és el que fa difícil
l’anàlisi dels resultats observats. Caldrà estudiar el patró de variabilitat des d’un punt
de vista estadístic mitjançant probabilitat.

En definitiva una variable aleatòria representa el conjunt de resultats que poden

observar-se en un fenomen aleatori, quantificats en forma de nombre real.

La definició formal de variable aleatòria seria: una v.a. és una funció de valor real,
definida sobre un espai mostral E, que fa correspondre a cadascun dels elements de E
un i només un nombre real.

Exemples:

▪ Experiment: “Llençament de dos daus”: E:{ (1,1), (1,2), (1,3).......(6,6)}. Definim

la v.a. X “Suma dels valors dels dos daus”, aleshores:

Resultat Valor de la v.a. Probabilitat

(1,1) 2 P(X = 2) = 1/36

(1,2), (2,1) 3 P(X = 3) = 2/36

(1,3),(2,2),(3,1) 4 P(X = 4) = 3/36

(1,4), (2,3), (3,2), (4,1) 5 P(X = 5) = 41/36

(1,5),(2,4),(3,3),(4,2),(5,1) 6 P(X = 6) = 5/36

(1,6),(2,5),(3,4),(4,3),(5,2),(6,1) 7 P(X = 7) = 6/36

(2,6),(3,5),(4,4),(5,3),(6,2) 8 P(X = 8) = 5/36

4
UVIC Grau de Psicologia

(3,6),(4,5),(5,4),(6,3) 9 P(X = 9) = 4/36

(4,6),(5,5),(6,4) 10 P(X = 10) = 3/36

(5,6),(6,5) 11 P(X = 11) = 2/36

(6,6) 12 P(X = 12) = 1/36

▪ Experiment: “Llençament de dues monedes”. E: :{ (c,c), (c,+),

(+,c),(+,+)}.Definim la v.a. X: “Nombre de cares”, aleshores:

Resultat Valor de la v.a.

CC 2

+C 1

C+ 1

++ 0

5
 UVIC Grau de Psicologia

2 Distribució Normal o de Gauss

Direm que una v.a. X segueix una distribució Normal si la seva funció de densitat és:

− (x −  )
2

1
= 2
−  x 
2
f (x) · e
 2

aleshores direm que X  N ( , σ2 )

La gràfica de la funció de densitat és l’anomenada campana de Gauss que és

simètrica respecte la .

Gràfica:

6
UVIC Grau de Psicologia

Esperança i Variància:

x = E(X) = 

Var (X) = 2

Funció de distribució

Exemple:

❑ Moltes v.a. segueixen una distribució que es pot aproximar mitjançant una
normal. Considerem, per exemple, la següent distribució discreta, que recull les
visites de certa unitat hospitalària durant 1516 dies.

xi Freqüència Freqüència Freqüència Relativa

Acumulada (Ni)
Absoluta (fi) Relativa (ni)

28 2 0,0013 0,0013

29 4 0,0026 0,0040

30 17 0,0112 0,0152

31 55 0,0363 0,0515

32 102 0,0673 0,1187

33 180 0,1187 0,2375

34 242 0,1596 0,3971

35 310 0,2045 0,6016

36 251 0,1656 0,7672

7
UVIC Grau de Psicologia

37 181 0,1194 0,8865

38 103 0,0679 0,9545

39 42 0,0277 0,9822

40 19 0,0125 0,9947

41 6 0,0040 0,9987

42 2 0,0013 1,0000

Analitzant el seu diagrama de barres, resulta immediat comprovar que la

0,2
Frec. Relativa

0,1

0,0

28 29 30 31 32 33 34 35 36 37 38 39 40 41 42
Xi

variable anterior s’aproxima a una normal (en concret, a una normal de mitjana
35 i desviació estàndard 2):

2.1 Propietats de la distribució Normal

1. Si X  N ( x ,  x2 ) i Y = aX + b; aleshores:

Y  N ( ax + b, a2  x2 )

2. Siguin dues v.a. distribuïdes normalment i independents:

X  N ( x , 2x )
Y  N ( y , 2y )
La variable suma W = X + Y és una v.a. normal amb mitjana suma de mitjanes i
variància suma de variàncies.

W  N ( x + y, 2x + 2y )

8
UVIC Grau de Psicologia

2.2 Estandarització / Tipificació de la distribució normal

Direm que una v.a. Z segueix una distribució normal tipificada quan Z segueix una
distribució normal amb mitjana  = 0,  = 1 ; Z  N ( 0, 1)

Una v.a. amb distribució normal es transforma en una v.a. normal tipificada a través de
la següent transformació:

x −
Z =  N ( 0, 1)


Aquesta transformació ens permet calcular les probabilitats:

a − b −
P(a<x<b)=P   Z  
   

Per calcular les probabilitats utilitzarem les taules que ens donen els valors de P ( Z 
z ) on z > 0

Normal(0,1)

0,4
Función de densidad (f.d.p.)

0,3

0,2

0,1

0,0

0 c

Valores de la v.a. Z

Pel fet que la distribució normal és simètrica, tenim que:

P(Z -z)=P(Zz)= 1-P(Zz)

❑ Així, per exemple:

9
UVIC Grau de Psicologia

a) P(Z<1,52) = {veure taula} = 0,9357

b) P(Z>1,52) = {àrea total = 1} = 1 – P(Z<1,52) = 0,0643
c) P(0<Z<1,52) = P(Z<1,52) – P(Z<0) = {simetria} = 0,9357 – 0,5000 =
0,4357
d) P(-2,1<Z<0) = P(Z<0) – P(Z<-2,1) = {sim+taula} = 0,5000 – 0,0179
= 0,4821

❑ Denotarem per z() a aquell nombre real tal que P[Z>z()] =  . Per
exemple:
a) z(0,25) = nombre que deixa un àrea de 0,25 a la seva dreta = {taula}
 0,675
ja que P(Z<0,67) = 0,7486 i P(Z<0,68) = 0,7517 .

b) Si volem calcular un nombre c tal que P(-c<Z<c) = 0,95 , ens

interessa calcular z(0,025) {veure gràfic inferior}. Segons la taula, c
= z(0,025) = 1,96 ja que P(Z<1,96) = 0,975 i P(Z<-1,96) = 0,025 :

Normal(0,1)

0,4
Función de densidad (f.d.p.)

0,95
0,3

0,2
0,025 0,025

0,1

0,0
-c 0 c

Valores de la v.a. Z

10
 UVIC Grau de Psicologia

3 PROBLEMES

1.- En una distribuició normal N(0,1), determineu les probabilitats següents:

a) P(X  1,45) ; b) P(X  −1,45) ; c) P(X  1,45)

2.- En una distribució N(0,1), determineu:

a) P(0,45  X  1,28) ; b) P(−0,45  X  1,28) ; c) P(−1,28  X  −0,45)

3.- En una distribució N(1,4), determineu:

a) P(X  3,14) ; b) P(X  −3,14) ; c) P(X  3,14)

4.- En una distribució N(5,4), determineu:

a) P(7  X  10) ; b) P( −1  X  10 ) ; c) P( −2  X  −1 )

5.- En una distribució N(3,4), trobeu els valors a i b tals que compleixin:

a)P(X  a) = 0,8413; b)P(X  b) = 0,9772

6.- Les puntuacions d'un examen d'estadística segueixen una distribució normal. Sabent
que P(X 3)=0,1587 i P(X>9)=0,0228, determineu l'esperança i la desviació tipus.

7.- Donada una distribució normal N(80,25) trobeu un punt x tal que P(X  x) = 0,94

8.- Donada una distribució N(10,25) trobeu els valors de x per les probabilitats següents:

a)P(X  x) = 0,05; b)P(X  x) = 0,95 ; c)P(X  x) = 0,99;

d)P(X  x) = 0,01; e)P(X  x) = 0,025; f)P(X  x) = 0,975

11
UVIC Grau de Psicologia

9.- Donada una distribució de probabilitat N(200,400), determineu les probabilitats

següents:

a)P(185  X  210);b)P(215  X  250);c)P(X > 240);d)P(X >178)

10.- En una distribució normal, determineu el percentatge d'observacions que queden

fora de l'interval

(  − 3 ,  + 3 ) .

11.- En un grup d'estudiants el coeficient d’intel·ligència mig és de 52 i la seva desviació

típica 8. Si suposem que aquest grup es distribueix normalment, determineu quin
percentatge de gent té un coeficient d’intel·ligència superior a 60.

12.- Les notes que obtingueren un grup d’estudiants en un examen, es distribueix segons
una llei normal amb mitjana 60 i desviació tipus 15.

a) Quina proporció d’alumnes van treure una nota entre 85 i 95?

b) Quina és la nota de tall pel 20% dels estudiants amb notes més altes?

12
 UVIC Grau de Psicologia

4 SOLUCIONS

1.- a) 0.92647; b) 0.07353; c) 0.07353

2.- a) 0.2261; b) 0.5733; c) 0.2261

3.- a) 0.8577; b) 0.01923; c) 0.1423

4.- a) 0.15249; b) 0.99244; c) 0.0011174

5.- a) a=5; b) b=7

6.- E(X)=5; D(X)=2

7.- x = 87.8

8.- a) 1.8; b) 18.2; c) 21.6; d) -1.6; e) 0.2; f) 19.8

9.- a) 0.4649; b) 0.22039; c) 0.02275; d) 0.8643

10.- el 0.27% queden fora

11.- 15.87%

12.- a) 0’3944; b) 0’0088%

13.- a) 3’76%; b) 72’6

13
 UVIC Grau de Psicologia

5 PROBLEMES RESOLTS

1. Les puntuacions d'un test que ha fet 200 individus es distribueixen normalment amb
mitjana igual a 15 punts i desviació estàndard igual a 5.

a) Quina és la probabilitat de que una individu escollit a l’atzar tingui una

puntuació superior a 20?

b) Quants individus tenen una puntuació menor de 14?

200*0.4207 = 84 individus

2.. En una distribució normal de mitjana 150 i desviació estàndard 10 on se situa el

percentil 90 ?

3. Si una variable té una mitjana igual a 0 i una desviació estàndard igual a 1.5, quina
és la probabilitat P(x<0). Per propietats 0.5

14
UVIC Grau de Psicologia

4. En una distribució normal estàndard:

a) Quin percentatge d'observacions estan per sota de -1.64?

b) Quin percentatge d'observacions estan per sobre de 1.64?

c) I entre -1.64 i 1.64 ? Per diferència 89.9%

5. Si la variable X segueix una distribució normal de mitjana 3 i variància 4, aleshores,

buscar les següents probabilitats

a) P(1 < X < 2) = 0,1498

b) P(X < 2) = 0,1587
c) P(X < 1) = 0,3085
d) cap de les anteriors

6. Quin és el tercer quartil d’una distribució normal de mitjana 50 i desviació estàndard

6?

a)75
b) 54
c) 60
d)cap dels anteriors

7. Si la variable X segueix una distribució normal de mitjana 3 i variància 4, buscar les

següents probabilitats

a)

b)

c)

d)

e)

15
UVIC Grau de Psicologia

8. Les puntuacions d'un test segueixen una distribució normal de mitjana 50 i desviació
estàndard 6. Quina és la puntuació mínima per estar entre el 25% amb més
puntuació?

16