You are on page 1of 31

Distribucin Normal

Evento normal

Describe el comportamiento de variables


continuas que tienen altas frecuencias en los
valores centrales y bajas frecuencias en los
extremos
Esta distribucin describe una gran cantidad de
fenmenos en distintos campos

Distribucin Normal
Caractersticas

El valor del promedio se ubica en el centro de la


distribucin
Presenta condiciones de simetra
Las medidas de posicin son coincidentes
El 95% del rea bajo la curva se encuentra a dos
desviaciones estndar
El 68% del bajo la curva se encuentra a una desviacin
estndar

Distribucin Normal

Se caracteriza unvocamente por 2 parmetros:


=media de la variable aleatoria.
=desviacin de la variable aleatoria.

Distribucin Normal
La

funcin de densidad de probabilidad


Normal de esta distribucin est dada
por:

f ( x)

1
e
2

1 x 2
(
)
2

X ~ N ( , )

Distribucin Normal
La

funcin de probabilidad
acumulativa es entonces:
x

P( X x) F ( x)

1
e
2

1 t 2
(
)
2

dt

Los valores de esta funcin se han tabulado para el


caso particular en que =0 y =1 (distribucin
normal estandar, con notacin F(z)).

Distribucin Normal
Importante

La distribucin normal queda definida por la media y la


variancia
En consecuencia, existe infinito nmero de
distribuciones normales

Necesidad de estandarizar

Distribucin Normal y Estandarizacin

Recordar: La distribucin normal es una familia de


distribuciones caracterizada por dos parmetros: la
media y la desviacin estandar.

Distribucin
Normal
Estndar
Estandarizacin.
Distribucin Normal con media 0 y desviacin 1.

X |~ N ( , )
X
Z
~ N (0,1)

Distribucin Normal y
Estandarizacin
z
x

z
x-
0

z
(x-)/
0

Ejemplo de Estudio: Uso de la tabla, z=1,02


Z
-1
-0,9
-0,8
-0,7
-0,6

0
0,1587
0,1841
0,2119
0,2420
0,2743

-0,01
0,1562
0,1814
0,2090
0,2389
0,2709

-0,02
0,1539
0,1788
0,2061
0,2358
0,2676

-0,03
0,1515
0,1762
0,2033
0,2327
0,2643

-0,04
0,1492
0,1736
0,2005
0,2296
0,2611

-0,05
0,1469
0,1711
0,1977
0,2266
0,2578

-0,06
0,1446
0,1685
0,1949
0,2236
0,2546

-0,07
0,1423
0,1660
0,1922
0,2206
0,2514

-0,08
0,1401
0,1635
0,1894
0,2177
0,2483

-0,09
0,1379
0,1611
0,1867
0,2148
0,2451

-0,5
-0,4
-0,3
-0,2
-0,1
0

0,3085
0,3446
0,3821
0,4207
0,4602
0,5000

0,3050
0,3409
0,3783
0,4168
0,4562
0,5040

0,3015
0,3372
0,3745
0,4129
0,4522
0,5080

0,2981
0,3336
0,3707
0,4090
0,4483
0,5120

0,2946
0,3300
0,3669
0,4052
0,4443
0,5160

0,2912
0,3264
0,3632
0,4013
0,4404
0,5199

0,2877
0,3228
0,3594
0,3974
0,4364
0,5239

0,2843
0,3192
0,3557
0,3936
0,4325
0,5279

0,2810
0,3156
0,3520
0,3897
0,4286
0,5319

0,2776
0,3121
0,3483
0,3859
0,4247
0,5359

Z
0
0,1
0,2

0
0,5000
0,5398
0,5793

0,01
0,5040
0,5438
0,5832

0,02
0,5080
0,5478
0,5871

0,03
0,5120
0,5517
0,5910

0,04
0,5160
0,5557
0,5948

0,05
0,5199
0,5596
0,5987

0,06
0,5239
0,5636
0,6026

0,07
0,5279
0,5675
0,6064

0,08
0,5319
0,5714
0,6103

0,09
0,5359
0,5753
0,6141

0,3
0,4
0,5
0,6
0,7
0,8

0,6179
0,6554
0,6915
0,7257
0,7580
0,7881

0,6217
0,6591
0,6950
0,7291
0,7611
0,7910

0,6255
0,6628
0,6985
0,7324
0,7642
0,7939

0,6293
0,6664
0,7019
0,7357
0,7673
0,7967

0,6331
0,6700
0,7054
0,7389
0,7704
0,7995

0,6368
0,6736
0,7088
0,7422
0,7734
0,8023

0,6406
0,6772
0,7123
0,7454
0,7764
0,8051

0,6443
0,6808
0,7157
0,7486
0,7794
0,8078

0,6480
0,6844
0,7190
0,7517
0,7823
0,8106

0,9
1
1,1

0,8159
0,8413
0,8643

0,8186
0,8438
0,8665

0,8212
0,8461
0,8686

0,8238
0,8485
0,8708

0,8264
0,8508
0,8729

0,8289
0,8531
0,8749

0,8315
0,8554
0,8770

0,8340
0,8577
0,8790

0,8365
0,8599
0,8810

P(z -1.02)= F(-1.02)=0.1539

-1,02
0,6517
0,6879
0,7224
0,7549
0,7852
0,8133
0,8389
0,8621
0,8830

P(z<-1,02)=0,1539

P(z -1.02)= 1-F(-1.02)= 1 - 0.1539 = 0.8461

P(z<1,13)=0,8708

Ejemplo

P(-1,02<Z<1,13)=

P(z<1.13)-P(z<-1.02)

Ejemplo de Estudio:
P(-1,02<Z<1,13)=

P(z<1.13)-P(z<-1.02)

P(-1,02<Z<1,13)=0,8708 - 0,1539 = 0,7169

Distribucin T-Student

Similar a la Distribucin Normal

Su utilidad es:

Cuando la varianza es desconocida y la


muestra menor de 30
Muestra menor de 30 (normal o
aproximadamente normal) con varianza
conocida

Distribucin T-Student
El parmetro que la identifica son los
grados de libertad

Existen tabulaciones de los valores de la


distribucin bajo niveles de confianza
(significancia) y grados de libertad
determinados

Distribucin t de Student
-Es simtrica y unimodal, con media en 0
-Es una familia de curvas, en funcin de los
llamados grados de libertad. Es decir, hay una
distribucin t de Student con 1 gl, una distribucin t
de Student con 2 gl, etc.
-A medida que aumentan los grados de libertad, la
distribucin tiende ms y ms a una distribucin
normal estandarizada.
(Empleo: pruebas de
contraste de 2 medias,
entre otros)

Inferencia para muestras


pequeas
Si la poblacin no es normal o no se conoce 2, pero el
tamao de la muestra n es mayor o igual que 30 (n 30),
se usa la misma frmula (en el caso de no conocer 2, se
usa s2 en la frmula), debido al Teorema del Lmite
Central.
Si la poblacin es normal, no se conoce 2, y el tamao de
la muestra es menor que 30 (n < 30), se usa una frmula
equivalente pero con la t-Student en lugar de la normal
estndar:

X
t
s/ n

Y el intervalo de confianza ser:

x t

, g .l .

s
n

Grados de libertad
Es el nmero de valores que podemos elegir libremente en una muestra, y que nos permiten encontrar
el valor de un parmetro.
Tenemos n-1 grados de libertad, si n es el
tamao de la muestra.
Una muestra de 23 datos nos dara 22
grados de libertad.

Ejemplo
En la planta de Necaxa de la CLFC, el administrador,
desea estimar la cantidad de carbn que requiere
este ao. Toma una muestra de la demanda durante
10 semanas. El promedio de carbn por semana es
de 11,400 toneladas con una desviacin estndar de
700 toneladas.
Desea estar 95% seguro de que el consumo medio
se encuentre dentro de dicho intervalo.
Solucin
n = 10 semanas gl = 9

x 11,400
s = 700

En tabla t(5%,9) = 2.262

s
E .E .
n

700
E .E .
221.38
10

Cuando la poblacin es infinita y se distribuye


como una normal y n < 30, el intervalo se
determina con:

x t , g .l . ( s / n )
11,400 + 2.262 (221.38) = 11,901 lmite
superior
11,400 - 2.262 (221.38) = 10,899
lmite inferior

Distribucin Chi Cuadrada


Es un caso particular de la familia de
distribuciones gama

Su utilidad es:

Pruebas de asociacin entre variables


Pruebas de bondad de ajuste (esperado vs
observado)

Distribucin Chi Cuadrado


El parmetro que la identifica son los
grados de libertad n, esto determina
la media y la varianza

E( X ) n
2n
2

Existen tabulaciones de las valores de la


distribucin bajo niveles de confianza
(significancia) y grados de libertad
determinados

LA DISTRIBUCIN JI-CUADRADA
Sean X1, X2,, Xn observaciones de una muestra de tamao n de una
poblacin normal N (,2). Entonces la distribucin muestral del
estadstico es:

( n 1) S 2

Donde S2 es la varianza muestral y 2 es la varianza


poblacional
Es de tipo Ji-cuadrada con n-1 grados de libertad

/2

/2
2/2,n-1
X

2/2,n-1


gl

.05

.01

3.84

6.63

5.99

9.21

7.81

11.34

9.49

13.28

11.07

15.09

12.59

16.81

En la tabla se puede observar que para un gl = 2 el


valor de t2 es 9.21

Distribucin chi-cuadrada (2)


-Nunca adopta valores menores de 0
-Es asimtrica positiva
-Es en realidad una familia de curvas, en
funcin de los llamados grados de libertad. Es
decir, hay una distribucin chi-cuadrada con 1
gl, una distribucin chi-cuadrada con 2 gl, etc.
(Nota: Los grados de libertad son siempre
nmeros positivos.)
-A medida que aumentan los grados de
libertad, la distribucin se hace ms y ms
simtrica.

INTERVALO PARA LA VARIANZA DE UNA DISTRIBUCIN NORMAL

( n 1) S 2

/2

/2

2/2,N-1
X

2/2,N-1

De acuerdo a la figura, P(21-/2,N-1 X 2/2,N-1) = 1-


Por lo tanto, el intervalo de confianza del 100(1-)% buscado para la varianza es

( n 1) S 2

/2

( n 1) S 2

2 1 / 2
UMSNH -

Ejemplo
Ejemplo 7.9 (adaptado). Los siguientes datos representan las edades que tenian al momento de morir
por enfermedad de una muestra de 20 personas de un pueblo:
80
90 85 82 75 58 70 84 87 81 87 61 73 84 85 70 78 95 77 52
Hallar un intervalo de confianza del 95 % para la varianza poblacional de la edad de muerte.
Solucin:
En este caso n = 20 y = .05. Luego el intervalo de confianza del 95 % para
2 ser de la forma:

19 s 2 19 s 2
( 2 ,
)
2
.975 .025
As 20.975=8.9065 y similarmente 20.025 = 32.8523. Luego, el intervalo de confianza del 95 % para la varianza
poblacional ser (70.6253, 260.507).

Distribucin F de Snedecor
Tiene

dos parmetros
denominados grados de libertad.

Slo

toma valores positivos. Es


asimtrica.

Bioestadstica. U. Mlaga.
Tema 5: Modelos probabilsticos

28

Comparando la varianza de dos poblaciones


Antes de comparar la media de dos grupos hay que comparar su
variabilidad. Supongamos que se tienen dos poblaciones normales con
2
varianzas desconocidas 12 y 2
Si de la primera poblacin se toma una muestra de tamao n1 que tiene
2
una varianza muestral s1 y de la segunda poblacin se toma una
muestra, independiente
de la primera, de tamao n2 que tiene una varianza
2
muestral s 2
Se puede mostrar que la razn

s12 12
s 22 22
se distribuye como una F con n1-1 grados de libertad en el numerador y
n2-1 en el denominador.

Caso I
Ho :
Ha :

Caso II

12 22

2
1

2
2

Caso III

2
2

2
Ho 1:

12 22

2
2

1
2
Ha :

Ha :

Ho :

22
2
1

Prueba Estadstica:

s12
F 2
s2

con m-1 g.l. en el numerador y n-1 g.l en el denominador

Decisin:
Si Fcal<F entonces Si Fcal<F/2 o Fcal >F1se rechaza Ho
/2 se rechaza Ho

Si Fcal>F1-
entonces
se rechaza Ho

Intervalo de confianza para la


razn de varianzas
S12 / S 2
F / 2

21

22

S1 / S 22

F1 ( / 2 )