You are on page 1of 19

ESTADÍSTICA I

Variable Aleatoria Continua:


Distribución Normal
Área: Formación Básica
Programa de Coordinación: Ciencias
PLAN DE CLASE
•• Motivación
Motivación
•• Competencias
Competencias
Inicio
Inicio •• Saberes
Saberes previos
previos

•• Distribución
Distribución Normal
Normal
Construcción
Construcción •• Distribución
Distribución Normal
Normal Estándar
Estándar

•• Retroalimentación
Retroalimentación
Cierre
Cierre •• Autoevaluación
Autoevaluación

Estadística I : Distribución Normal 6/24/19 2


COMPETENCIAS

Comprende la
definición de la
Distribución
Normal

Usa el MINITAB Comprende la


para calcular definición de la
probabilidades Distribución
con distribución Normal
normal Calculo Estándar
probabilidades
de Distribuciones
Especiales

Calcula
probabilidades
Resuelve
haciendo uso
ejercicios de
de la Tabla de la
aplicación
Distribución
sobre el tema
Normal
Estándar

Estadística I : Distribución Normal 6/24/19 3


DISTRIBUCIÓN NORMAL

Es una distribución de probabilidad especial para variables aleatorias


continuas y posee ciertas propiedades importantes que conviene destacar:
 Tiene una única moda, que coincide con su media y su mediana.
 Es simétrica con respecto a su media; según 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 distribución
 Se utiliza para ajustar variables que tienen otros tipo de distribución
como Binomial, Poisson, T-Student, Chi-Cuadrado, F-Fisher, etc.
 Las estadísticas muestrales como la media y la proporción tienen
distribuciones que se ajustan a este tipo de distribución cuando el
tamaño de muestra es grande, inclusive de aquellas que no tienen
distribución normal.

Estadística I : Distribución Normal 6/24/19 4


DISTRIBUCIÓN NORMAL

 Función de Densidad 2
1 �x - �
1 - � �
2 � �
f(x) = N(, 2 ) = e " -��x ��
2p 2

 Función de Distribución de Probabilidad


2
x 1 �t - �
1 - � �
F(x) = P[X �x] = �2p
2 � �
e dt
2
-�

 La Esperanza y la Varianza de
una variable que se ajusta a una
distribución normal son:
E(X) = 
V(X) = 2
Estadística I : Distribución Normal 6/24/19 5
DISTRIBUCIÓN NORMAL ESTÁNDAR
En vista que para cada variable aleatoria X se tiene una combinación
diferente de  y  se genera una distribución diferente para el cálculo de
probabilidades.
Por lo cual, esta variable X se pueden transformar en variable que se
ajusta a una Distribución Normal Estándar utilizando la fórmula para
calcular el valor Z correspondiente.
X-
z=

Estadística I : Distribución Normal 6/24/19 6


DISTRIBUCIÓN NORMAL ESTÁNDAR

 Función de Densidad
1 2
1 - z
f(z) = N(0,1) = e 2
" -��z ��
2p
 Función de Distribución de Probabilidad
z 1
1 - 2 t2
F(Z) = P[Z �z] = � e dt
- � 2p

 La Esperanza y la Varianza de
una variable que se ajusta a una
distribución normal estándar son:
E(X) = 0
V(X) = 1

Estadística I : Distribución Normal 6/24/19 7


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 desviación absoluta de 10 minutos.
a) ¿Cuál es la probabilidad de que un alumno termine el examen en más
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. ¿Cuántos alumnos se debe esperar que no puedan
terminar el examen en el tiempo indicado?

SOLUCIÓN

X = Tiempo necesario para terminar el examen parcial

X ~ N(80, 102 ),  = 80 y  = 10.

Estadística I : Distribución Normal 6/24/19 8


EJEMPLO 1

SOLUCIÓN
a) ¿Cuál es la probabilidad de que un alumno termine el examen en más
de 60 minutos pero en menos de 70 minutos?
60 - 80 X -  70 - 80 �
P(60 �X < 70) = P �
� 10 �  < 10 �
� �
= P( -2 �Z < -1)
= P(Z < -1) - P(Z �-2)

Estadística I : Distribución Normal 6/24/19 9


Estadística I : Distribución Normal 6/24/19 10
EJEMPLO 1

SOLUCIÓN
a) ¿Cuál es la probabilidad de que un alumno termine el examen en más
de 60 minutos pero en menos de 70 minutos?
60 - 80 X -  70 - 80 �
P(60 �X < 70) = P �
� 10 �  < 10 �
� �
= P( -2 �Z < -1)
= P(Z < -1) - P(Z �-2)

P(60 �X < 70) = 0,158655 - 0,022750


P(60 �X < 70) = 0,135905
Estadística I : Distribución Normal 6/24/19 11
EJEMPLO 1

b) Suponga que en el grupo hay 60 alumnos y que el tiempo del examen


es de 90 minutos. ¿Cuántos alumnos se debe esperar que no puedan
terminar el examen en el tiempo indicado?

�X -  90 - 80 �
P(X< 90) = P � < �= P(Z < 1)
�  10 �

Estadística I : Distribución Normal 6/24/19 12


Estadística I : Distribución Normal 6/24/19 13
EJEMPLO 1

b) Suponga que en el grupo hay 60 alumnos y que el tiempo del examen


es de 90 minutos. ¿Cuántos alumnos se debe esperar que no puedan
terminar el examen en el tiempo indicado?
�X -  90 - 80 �
P(X< 90) = P � < �= P(Z < 1)
� 10 �
P(X< 90) =0,84134

Se define como V la cantidad de alumnos


que acaban a tiempo
60 � 1
V � P( X < 90) = 0,84134
Luego:
V = 60 (0,84134) = 50,4807 @ 51
Por tanto, no acaban a tiempo 9 alumnos.
Estadística I : Distribución Normal 6/24/19 14
DISTRIBUCIÓN EXPONENCIAL

Esta distribución se utiliza como modelo para la distribución de tiempos entre


la presentación de eventos sucesivos.
Existe un tipo de variable aleatoria que obedece a una distribución
exponencial la cuál se define como “el tiempo que ocurre desde un
instante dado hasta que ocurre el primer suceso”.
Las principales características de esta distribución son:
 Esta definida para valores positivos de la variable.
 Es asintótica al eje horizontal en su parte positiva.
 Es monótona decreciente.

Relación con la Distribución de Poisson


Ambas distribuciones pueden ser usadas para describir el mismo fenómeno:
 La distribución de Poisson describe el número de ocurrencias de eventos
por unidad de medida, y
 La exponencial describe el valor de la medida entre ocurrencias
sucesivas de eventos.
Estadística I : Distribución Normal 6/24/19 15
DISTRIBUCIÓN EXPONENCIAL

 Función de Densidad
  e - x x0
f (x) = 
 0 otro caso

 Función de Distribución de Probabilidad


 0 x<0
F( x ) = P( X  x ) =  - x
1 - e x0

 La Esperanza y la Varianza de
una variable que se ajusta a una
distribución exponencial son:

1 1
E( X) = V( X) =
 2

Estadística I : Distribución Normal 6/24/19 16


EJEMPLO 2

Suponga que el tiempo de respuesta en cierta terminal de computadora en


línea (el tiempo transcurrido desde el fin de la consulta del usuario y el
principio de la respuesta del sistema a esa consulta) tiene una distribución
exponencial con tiempo esperado de respuesta igual a 5 segundos.
a) ¿Cuál es la probabilidad de que el tiempo de respuesta sea a lo sumo
10 segundos?
b) ¿Cuál es la probabilidad de que el tiempo de respuesta esté entre 5 y
10 segundos?.
SOLUCIÓN

X = Tiempo de respuesta en cierta terminal de computadora en línea

X ~ Exp(1/ 5 )  = 0,2

Estadística I : Distribución Normal 6/24/19 17


EJEMPLO 2

a) ¿Cuál es la probabilidad de que el tiempo de respuesta sea a lo sumo


10 segundos?

X ~ Exp(1/ 5 )  = 0,2

P( X  10 ) = 1 - e0,2(10 ) = 0,8647

b) ¿Cuál es la probabilidad de que el tiempo de respuesta esté entre 5 y


10 segundos?
P(5  X  10) = P( X  10) - P( X  5)

= 1 - e0,2(10 )  - 1 - e0,2( 5 ) 
= 0,8647 - 0,6321
P(5  X  10) = 0,2326

Estadística I : Distribución Normal 6/24/19 18


Estadística I : Distribución Normal 6/24/19 19