La distribución normal Walter López Moreno, MBA, cDBA Centro de Competencias de la Comunicación Universidad de Puerto Rico en Humacao ©Todos los derechos son reservados

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.

La distribución normal La distribución normal fue reconocida por primera vez por el francés Abraham de Moivre ( ). Posteriormente, Carl Friedrich Gauss ( ) 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 (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 μ Compruebe 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: Paso 3 - Buscar en la tabla de probabilidades. Buscamos en la Tabla 1 el valor Z=0.50 y obtenemos el área de 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 1Tabla 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 Paso 4 - Hacer la suma o resta de áreas para encontrar la probabilidad deseada. En este ejemplo el área de no representa el área que nos interesa sino la contraria. En este caso debemos restarle 1 a la probabilidad encontrada =

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 Paso 4 - Hacer la suma o resta de áreas para encontrar la probabilidad deseada. En este ejemplo el área de no representa el área que nos interesa sino la contraria. En este caso debemos restarle 1 a la probabilidad encontrada =

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 Cuando X=150 Paso 3 - Buscar en la tabla de probabilidades. Buscamos en la Tabla 1 el valor Z=-1.25 y obtenemos el área de Buscamos en la Tabla 1 el valor Z=0.50 y obtenemos el área de

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 se le resta la diferencia de – ( ) =.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 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 Cuando Z = 1.0 el área es de

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 =

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 ( )= Para Z = el área es de ( )=.3085

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 =.2029.

Ejercicios de prueba En una ciudad se estima que la temperatura máxima en el mes de junio sigue una distribución normal, con media 23° y desviación típica 5°. Calcular el número de días del mes en los que se espera alcanzar máximas entre 21° y 27°.

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: Bluman Allan, G. (2007). Statistics, Mc Graw Hill, Pértega, D., Pita F. (2001) Representación gráfica en el análisis de datos. Cad Aten Primaria; 8:

Referencias   est.htm est.htm  ex.html ex.html