La distribución normal

Walter López Moreno, MBA, cDBA

Centro de Competencias de la Comunicación

Universidad de Puerto Rico en Humacao

©Todos los derechos son reservados2006-07

Tabla de contenido

Introducción   Objetivo general  Objetivos específicos  Instrucciones de cómo usar la presentación

Glosario de términos

La distribución normal   Utilidad

La funciónPropiedades de la distribución normal Teorema del límite central

 

Tabla de contenido

La distribución normal estándarCaracterísticasEjemplos y EjerciciosÁrea bajo la curva normal estándar

 Ejercicios de prueba  Referencias

Introducción

Una de las herramientas de mayor uso en las empresas es la utilización de la curva normal para describir situaciones donde podemos recopilar datos. Esto nos permite tomar decisiones que vayan a la par con las metas y objetivos de la organización.

En este módulo se describe la relación de la Distribución normal con la Distribución normal estándar. Se utilizan ejemplos y ejercicios donde se enseña sobre la determinación de probabilidades y sus aplicaciones.

Este módulo va dirigido a todos/as los/as estudiantes de Administración de Empresas en sus distintas concentraciones.

Objetivos de la presentación

Objetivo general

Esperamos que cuando termines esta presentación puedas utilizar la distribución normal para obtener probabilidades, intervalos y cantidades específicas.

 

Objetivos específicos

Además, esperamos que puedas:  Identificar las propiedades de una distribución normal.  Encontrar el área bajo una distribución normal estándar.  Interpretar áreas bajo la curva normal de acuerdo al problema.

Instrucciones de cómo usar la presentación

La presentación se inicia con material teórico de los conceptos generales.

Luego de leer el material que sirve de introducción, podrás establecer enlaces que demuestran de forma dinámica los conceptos teóricos.

Te recomiendo que tengas acceso a Internet mientras trabajas la presentación.

Siempre que se te presente la siguiente figura: puedes presionarla para navegar adecuadamente a

través de toda la presentación.

Glosario de términos

Asintótica – Línea que se acerca indefinidamente a un eje sin llegar a encontrarlo.

Aleatorias – Que son al azar.

Tipificada – Que tiene un arreglo uniforme o estándar.

Morfológicos – Aspecto general de las formas y dimensiones de un cuerpo.

La distribución normal

La distribución normal fue reconocida por primera vez por el francés Abraham de Moivre (1667-1754). 

Posteriormente, Carl Friedrich Gauss (1777-1855)realizó estudios más a fondo donde formula la ecuación de la curva conocida comúnmente, como la “Campana de Gauss". 

Utilidad

Se utiliza muy a menudo porque hay muchas variables asociadas a fenómenos naturales que siguen el modelo de la norma.

Caracteres morfológicos de individuos (personas, animales, plantas,...) de una especie, por ejemplo: tallas, pesos, diámetros, distancias, perímetros,...

Caracteres fisiológicos, por ejemplo: efecto de una misma dosis de un fármaco, o de una misma cantidad de abono

Utilidad

Caracteres sociológicos, por ejemplo: consumo de cierto producto por un mismo grupo de individuos, puntuaciones de examen

Caracteres psicológicos, por ejemplo: cociente intelectual, grado de adaptación a un medio,...

Errores cometidos al medir ciertas magnitudes Valores estadísticos muéstrales como la

media, varianza y moda

La función de distribución

Puede tomar cualquier valor (- , + ) Hay más probabilidad para los valores cercanos a la

media Conforme nos separamos de , la probabilidad va

decreciendo de igual forma a derecha e izquierda (es simétrica).

Conforme nos separamos de , la probabilidad va decreciendo dependiendo la desviación típica

La función F(x)

F(x) es el área sombreada de la siguiente gráfica

Propiedades de la distribución normal:

El área bajo la curva aproximado del promedio μ a más o menos una desviación estándar (1σ) es de 0.68, a más o menos 2σ es de .0 95 y a más o menos 3σ es de 0.99.

(Las propiedades continuan en la próxima lámina)

Propiedades de la distribución normal:

La forma de la campana de Gauss depende de los parámetros μ y σ. 

Tiene una única moda que coincide con su media y su mediana.

La curva normal es asintótica al eje de X. 

Es simétrica con respecto a su media μ .  Según esto, para este tipo de variables existe una probabilidad de un 50% de observar un dato mayor que la media, y un 50% de observar un dato menor.

La desviación estándar (σ )

Compruebe el cambio de la distribución variando la desviación estándar

Nota – cuando llegue al enlance utilice la gráfica #3 Tipificación de la variable

La media μCompruebe el cambio de la distribución variando la media

Nota – cuando llegue al enlance utilice la gráfica #2 Familiarizándonos con la normal

En resumen

Podemos concluir que hay una familia de distribuciones con una forma común, diferenciadas por los valores de su media y su varianza. 

La desviación estándar (σ ) determina el grado de apuntamiento de la curva.  Cuanto mayor sea el valor de σ, más se dispersarán los datos en torno a la media y la curva será más plana. 

La media indica la posición de la campana, de modo que para diferentes valores de μ la gráfica es desplazada a lo largo del eje horizontal.

De entre todas ellas, la más utilizada es la distribución normal estándar, que corresponde a una distribución de media 0 y varianza 1. 

La distribución normal estándar

Z se la denomina variable tipificada de X, y a la curva de su función de densidad se le conoce como la curva normal estándar.

Es una distribución normal con promedio 0 y una desviación estándar de 1.

Todas las variables normalmente distribuidas se pueden transformar a la distribución normal estándar utilizando la fórmula para calcular el valor Z correspondiente.

La función F(z)

En la siguiente gráfica vemos la representación gráfica de la función de Z.

En resumen

Podemos decir que el valor de Z es la cantidad de desviaciones estándar a la que está distanciada la variable X del promedio.

A la variable Z se la denomina variable tipificada de X, y a la curva de su función de densidad se le conoce como la curva normal estándar

Características de la distribución normal estándar.

No depende de ningún parámetro. Su media es 0, su varianza es 1 y su

desviación estándar es 1. La curva  f(x)  es simétrica respecto del eje

de Y Tiene un máximo en el eje de Y. Tiene dos puntos de inflexión en z=1 y z=-1

Teorema del Límite Central

Nos indica que, bajo condiciones muy generales, según aumenta la cantidad de datos, la distribución de la suma de variables aleatorias tendera a seguir hacia una distribución normal.

En otras palabras el Teorema del Límite Central garantiza una distribución normal cuando el tamaño de la muestra es suficientemente grande.

Por ejemplo

En el siguiente histograma podemos observar la distribución de frecuencias por peso de acuerdo a la edad. De acuerdo a este teorema según aumenten la cantidad de dato se podrá trazar una curva que tome cada vez más formación en forma campana.

Área bajo la curva normal estándar

El área bajo la curva normal estándar es útil para asignar probabilidades de ocurrencia de la variable X.

Debemos tomar en cuenta que el área total bajo la curva es igual a 1. Y que, por ser una gráfica simétrica, cada mitad tiene un área de 0.5.

Obtenga mas información de cómo asignar probabilidades utilizando las Tablas.

Pasos para determinar el área bajo la curva normal estándar

Paso 1 - Interpretar gráficamente el área de interés.

Paso 2 - Determinar el valor Z Paso 3 - Buscar en la tabla de probabilidades. Paso 4 - Hacer la suma o resta de áreas para

encontrar la probabilidad deseada

Ejemplos y ejercicios

Supongamos que sabemos que el peso de los/as estudiantes universitarios/as sigue una distribución aproximadamente normal, con una media de 140 libras y una desviación estándar de 20 libras.

Ejemplo 1

Determine la probabilidad de que una persona tenga un peso menor o igual a 150 libras

 Paso 1 Interpretar gráficamente el área de interés.

Gráficamente si decimos que a=150 libras, el área de la curva que nos interesa es la siguiente:

Ejemplo 1

Determine la probabilidad de que una persona tenga un peso menor o igual a 150 libras

Paso 2 - Determinar el valor Z:

 

50.020

140150

X

Z

Paso 3 - Buscar en la tabla de probabilidades.

Buscamos en la Tabla 1 el valor Z=0.50 y obtenemos el área de 0.6915

Paso 4 - Hacer la suma o resta de áreas para encontrar la probabilidad deseada.

En este ejemplo no es necesario realizar ningún computo adicional ya que el área es la misma que se representa en la Tabla 1

Compruebe de forma interactiva el valor Z

Ejemplo 2

Si deseamos la probabilidad de que una persona, elegida al azar, tenga un peso mayor o igual a 150 libras

Paso 1 Interpretar gráficamente el área de interés. 

Gráficamente si decimos que a=150 libras, el área de la curva que nos interesa es la siguiente:

 

Ejemplo 2

Si deseamos la probabilidad de que una persona, elegida al azar, tenga un peso mayor o igual a 150 libras

Paso 2 - Determinar el valor Z:

 

Paso 3 - Buscar en la tabla de probabilidades.

 Buscamos en la Tabla 1 el valor Z=0.50 y obtenemos el área de 0.6915.

 

Paso 4 - Hacer la suma o resta de áreas para encontrar la probabilidad deseada.

En este ejemplo el área de 0.6915 no representa el área que nos interesa sino la contraria. En este caso debemos restarle 1 a la probabilidad encontrada.

 1 - .6915 = 0.3085

50.020

140150

X

Z

Ejemplo 3

Determine la probabilidad de que una persona, elegida al azar, tenga un peso menor o igual a 115 libras

Paso 1 Interpretar gráficamente el área de interés. Gráficamente si decimos que a=115 libras, el área de la curva que nos interesa es

la siguiente: 

Ejemplo 3

Determine la probabilidad de que una persona, elegida al azar, tenga un peso menor o igual a 115 libras

Paso 2 - Determinar el valor Z:

 

Paso 3 - Buscar en la tabla de probabilidades.

 Buscamos en la Tabla 1 el valor Z=-1.25 y obtenemos el área de 0.8944.

  

Paso 4 - Hacer la suma o resta de áreas para encontrar la probabilidad deseada.

 En este ejemplo el área de 0.8944 no representa el área que nos interesa sino la contraria. En este caso debemos restarle 1 a la probabilidad encontrada.

 1 - .8944 = 0.2212

25.120

140115

X

Z

Ejemplo 4

Si deseamos la probabilidad de que una persona, elegida al azar, tenga un peso entre 115 y 150 libras.

Paso 1 Interpretar gráficamente el área de interés. Gráficamente si decimos que a=115 libras y b=150 libras, el área de la curva que

nos interesa es la siguiente

Ejemplo 4

Si deseamos la probabilidad de que una persona, elegida al azar, tenga un peso entre 115 y 150 libras.

Paso 2 - Determinar el valor Z

Cuando X=115 

25.120

140115

X

Z

Cuando X=150  

50.020

140150

X

Z

Paso 3 - Buscar en la tabla de probabilidades. Buscamos en la Tabla 1 el valor Z=-1.25 y obtenemos el área de 0.8944.  Buscamos en la Tabla 1 el valor Z=0.50 y obtenemos el área de 0.6915

Ejemplo 4

Si deseamos la probabilidad de que una persona, elegida al azar, tenga un peso entre 115 y 150 libras.

Paso 4 - Hacer la suma o resta de áreas para encontrar la probabilidad deseada.  El área de 0.8944 se le resta la diferencia de 1-.6915.  0.8944 – (1-.6915) = .5859

 

Ejemplo 5

Determine la probabilidad de que una persona tenga un peso menor o igual a 150libras

Paso 1 Interpretar gráficamente el área de interés. Gráficamente si decimos que a=150 libras y b= 160 libras, el área de la curva que nos interesa es la siguiente:

 

Ejemplo 5

Determine la probabilidad de que una persona tenga un peso menor o igual a 150libras

Paso 2 - Determinar el valor Z Como vimos en el ejemplo 1 y 2 E valor Z cuando X=150 es 0.50.Para X=160 el valor Z será:

 

Paso 3 - Buscar en la tabla de probabilidades.

Buscamos en la Tabla 1 el valor Z=0.50 y obtenemos el área de 0.6915.

Cuando Z = 1.0 el área es de 0.8413.

0.120

140160

X

Z

Ejemplo 5

Determine la probabilidad de que una persona tenga un peso menor o igual a 150libras

Paso 4 - Hacer la suma o resta de áreas para encontrar la probabilidad deseada.  En este ejemplo se resta el área mayor menos el área menor como se interpreto en el paso 1.  0.8413 - .6915 = 0.1498

 

Ejemplo 6

Determine la probabilidad de elegir a una persona que pese entre 115 y 130 libras.

Paso 1 Interpretar gráficamente el área de interés.  Gráficamente si decimos que a=115 libras y b= 130 libras, el

área de la curva que nos interesa es la siguiente:  

Ejemplo 6

Determine la probabilidad de elegir a una persona que pese entre 115 y 130 libras.

Paso 2 - Determinar el valor Z

 

Cuando X=115 

para X=130 

Paso 3 - Buscar en la tabla de probabilidades. Buscamos en la Tabla 1 el valor Z=-1.25 y obtenemos el área de (1-0.8944.)=0.1056  Para Z = -.050 el área es de (1-.6915)=.3085

25.120

140115

X

Z

50.020

140130

X

Z

Ejemplo 6

Determine la probabilidad de elegir a una persona que pese entre 115 y 130 libras.

 

Paso 4 - Hacer la suma o resta de áreas para encontrar la probabilidad deseada.

 

En este ejemplo el área será la diferencia de .3085-.1056=.2029. 

Ejercicios de prueba

Trabaje los ejercicios de este enlace utilizando la tabla de probabilidades y luego compruebe los resultados interaccionando con las gráficas.

Para el primer ejercicio observe la gráfica, manipule los parámetros m ()  y s () y luego redacte una descripción detallada sobre las características de una curva normal con media de 0 y desviación estándar de 1.

Referencias

Anderson, S. (2006). Estadísticas para administración y economía, Thomson,

Newbold, P. (2003). Statistics for Business And Economics, Prentice Hall.

Altman, D., Bland, J.  (1995). Statistics Notes: The Normal Distribution.  BMJ, ; 310: 298-298.

Bluman Allan, G. (2007). Statistics, Mc Graw Hill,

Pértega, D.,  Pita F. (2001) Representación gráfica en el análisis de datos.  Cad Aten Primaria; 8: 112-117.

Referencias

http://descartes.cnice.mecd.es/index.html

http://www.aulafacil.com/CursoEstadistica/Lecc-34-est.htm

http://www.ruf.rice.edu/~lane/stat_sim/sampling_dist/index.html