You are on page 1of 29

ESTADSTICA APLICADA I

DISTRIBUCIONES DERIVADAS DE LA NORMAL

MARA BAZN GUZMN


Maestra en Estadstica Aplicada
Doctorando en Estadstica Matemtica
mbazang@ulima.edu.pe

DISTRIBUCIN NORMAL
Es una distribucin de probabilidad especial para variables aleatorias
continuas y posee ciertas propiedades importantes que conviene destacar:
Tiene una nica moda, que coincide con su media y su mediana.
Es simtrica con respecto a su media; segn esto, para este tipo de
variables existe una probabilidad de un 50% de observar un dato mayor
y menor que la media.
Muchas mediciones de diversos procesos se ajustan a esta distribucin
Se utiliza para ajustar variables que tienen otros tipo de distribucin
como Binomial, Poisson, T-Student, Chi-Cuadrado, F-Fisher, etc.
Las estadsticas muestrales como la media y la proporcin tienen
distribuciones que se ajustan a es tipo de distribucin cuando el
tamao de muestra es grande, inclusive de aquellas que no tiene
distribucin normal.

DISTRIBUCIN NORMAL
FUNCIN DE DENSIDAD
La funcin de densidad de probabilidad esta dada por:
f(X x) N(, 2 )

1
2

1 x

2

DISTRIBUCIN NORMAL
FUNCIN DE DISTRIBUCIN DE PROBABILIDAD
La funcin de distribucin de probabilidad de la Normal, se puede
interpretar tambin como la distribucin acumulada de probabilidad de una
variable X que se distribuye como una normal y est dada por:
x

F(x) P[X x]

1
2

1 t

dt

La Media y la Varianza de una variable con Distribucin Normal estn


definidas de la siguiente forma:
E(X)

V(X) 2

DISTRIBUCIN NORMAL ESTNDAR


Ahora bien, en vista que para cada
variable aleatoria se tiene una
combinacin diferente de y que
generan una distribucin diferente.
El clculo de las probabilidades se
basa en la distribucin normal
estndar N(0,1) , esto es:
= 0 y =1.
As cada valor de X tiene como
valor equivalente a:
X
z

EJEMPLO 1
El tiempo necesario para terminar el examen parcial de un determinado
curso se distribuye normalmente con un tiempo promedio de 80 minutos y
una desviacin absoluta de 10 minutos.
a) Cul es la probabilidad de que un alumno termine el examen en ms
de 60 minutos pero en menos de 70 minutos?
b) Suponga que en el grupo hay 60 alumnos y que el tiempo del examen
es de 90 minutos. Cuntos alumnos se debe esperar que no puedan
terminar el examen en el tiempo indicado?
Solucin a):
Sea X = El tiempo necesario para terminar el examen parcial
Esto es, X N(80, 102 ), = 80 y = 10.
Luego: P(60 X 70) 0,1359
6

P(60 < X < 70) = 0,1359

EJEMPLO 1
El tiempo necesario para terminar el examen parcial de un determinado
curso se distribuye normalmente con un tiempo promedio de 80 minutos y
una desviacin absoluta de 10 minutos.
a) Cul es la probabilidad de que un alumno termine el examen en ms
de 60 minutos pero en menos de 70 minutos?
b) Suponga que en el grupo hay 60 alumnos y que el tiempo del examen
es de 90 minutos. Cuntos alumnos se debe esperar que no puedan
terminar el examen en el tiempo indicado?
Solucin b):
Sea X = El tiempo necesario para terminar el examen parcial
Esto es, X N(80, 102 ), = 80 y = 10.
Luego: P(X 90) 0,8413
9

P(X < 90) = 0,8413

EJEMPLO 1
El tiempo necesario para terminar el examen parcial de un determinado curso
se distribuye normalmente con un tiempo promedio de 80 minutos y una
desviacin absoluta de 10 minutos.
a) Cul es la probabilidad de que un alumno termine el examen en ms de
60 minutos pero en menos de 70 minutos?
b) Suponga que en el grupo hay 60 alumnos y que el tiempo del examen es
de 90 minutos. Cuntos alumnos se debe esperar que no puedan
terminar el examen en el tiempo indicado?
Solucin b):
Si V representa a los alumnos que acaban a tiempo el examen, entonces la
proporcin de alumnos que acaban a tiempo es: P(X < 90) = 0,8413.
Esto significa que: V = 60 (0,8413) = 50,478 50 alumnos acaban a tiempo.
Por tanto, se espera que no acaben a tiempo 10 alumnos.

12

DISTRIBUCIONES ESPECIALES
Por lo general, cuando las muestras son grandes, la distribucin de
probabilidad ms usada es la distribucin normal. Sin embargo, cuando
las muestras son pequeas la distribucin de probabilidad difiere de caso
en caso, y muchas veces no son normales.
Existen tres distribuciones de probabilidad que a menudo son usadas:
Distribucin Chi-Cuadrado,
Distribucin F de Fisher (o Snedecor) y
Distribucin T-Student.

13

DISTRIBUCIN CHI-CUADRADO
Si X1, ..., Xn son n variables aleatorias independientes con distribucin
normal estndar, Xi N(0.1). Entonces la variable aleatoria

Y X12 ... Xn2


Es decir, Y tiene una Distribucin Chi-Cuadrado con n grados de libertad,
cuyo parmetro Depende del n de v.a que se suman.
Esto es:

Si la funcin de densidad de Y est dada por:


f(Y) n2

Y
2

n
1
2

n
2

Y2
2

n 2

0 Y

14

DISTRIBUCIN CHI-CUADRADO

El valor esperado y la varianza de esta nueva variable estn dados por:


E(Y)=n
V(Y)=2n
Distribution Plot
df
9
25

0.10

0.08

Density

La funcin de densidad de Y es
asimtrica. Slo tienen densidad
los valores positivos.
La funcin de densidad se hace
ms simtrica incluso casi normal
cuando aumenta el nmero de
grados de libertad.

Chi-Square

0.06

0.04

0.02

0.00

10

20

30

40

50

15

EJEMPLO 2
Si X es una variable que se distribuye como una distribucin ChiCuadrado de 12 grados de libertad. Entonces se pide hallar los valores de
a y b, tales que P(a X b) = 0,90 y P(X a) = 0,05.
Solucin .Si X

2
(12)

luego sabiendo que:


P(a X b) = 0,90
P(X b) - P(X a) = 0,90
Como: P(X a) = 0,05
P(X b) - 0,05 = 0,90
P(X b) = 0,95

16

a = 5,226

b = 21,03

DISTRIBUCIN T-STUDENT
Si X es una variable con distribucin normal estndar

ambas estadsticamente independientes

Definimos a la v.a V como la siguiente transformacin de X e Y:

Es decir, V tiene una Distribucin T-Student con n grados de libertad (n de

la del denominador), esto es, V t(n).

21

DISTRIBUCIN T-STUDENT
La funcin de densidad est dada por :

f(V)

1 n 1 2
1 2
1 n Y

n
2

n

n 1
2

La funcin de densidad tiene la siguiente forma:

22

DISTRIBUCIN T-STUDENT
El valor esperado y la varianza de esta variable estn dados por:
n
V(V)
, n2
n2

E(V) 0, n 1

Como la normal estndar es simtrica respecto a su media cero, a medida que


aumentan los grados de libertad, ms se aproxima a la normal estndar
Distribution Plot
T
df
3
250

0.4

Density

0.3

0.2

0.1

0.0

-5.0

-2.5

0.0

2.5

5.0

23

EJEMPLO 3
Si X es una variable que tiene distribucin t de Student con una varianza
5/4. Calcule: P(-1,812 X 2,228)
Solucin
n
5
Se sabe que : V(X)

n2 4
Luego : 4n 5(n 2)
Entonces : n 10
As X t(10) y por tanto: P(-1,812 X 2,228) = 0,9250

24

P(-1,812 < X < 2,228) = 0,9250

DISTRIBUCIN F DE FISHER
Si X1, ..., Xn son variables aleatorias con distribucin normal estndar; y
adems se tiene que Y1, ..., Ym son variables aleatorias que tambin tienen
distribucin normal estndar, se puede afirmar que:
2

(X12 ... Xn2 ) n


n n
W 2
2
2
(Y1 ... Ym ) m m m
Es decir, W tiene una Distribucin F con n y m grados de libertad. Esto es:
W F(n; m)
La funcin de densidad de W est dada por:

f(W)

n m 2

n 2 m 2

m
n

m
2

m
1
2

m
1

m n
2

, 0W

27

DISTRIBUCIN F DE FISHER
La grafica de la funcin de densidad tiene la siguiente forma:

El valor esperado y la varianza de esta variable estn dados por:


n
E(W)
, n 2
n2

2n2 (n m 2)
V(W)
, n4
m(n 2)2 (n 4)
28

k = 3,687