Descargar la presentación
La descarga está en progreso. Por favor, espere
Publicada porPsicólogos Gratis Modificado hace 8 años
1
La Distribución Normal Walter López Moreno, DBA Módulo Instruccional Preparado para el ©Todos los derechos son reservados 2013
2
Tabla de contenido Introducción Objetivo general Objetivos específicos Instrucciones de cómo usar la presentación Glosario de Términos La Distribución Normal Utilidad La Función Propiedades de la Distribución Normal Teorema del Límite Central La Distribución Normal Estándar Características Ejemplos y Ejercicios Área Bajo la Curva Normal Estándar Ejercicios de Prueba Referencias
3
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 los estudiantes de Administración de Empresas en sus distintas concentraciones.
4
Objetivos que persigue la presentación Objetivo General Esperamos que cuando termines esta presentación puedas utilizar la distribución normal para obtener probabilidades, intervalos y cantidades especificas. Objetivos Específicos Ademas esperamos aque 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.
5
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.
6
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 profundos formulando la ecuación de la curva conocida comúnmente, como la “Campana de Gauss".
7
Utilidad Se utiliza muy a menudo porque hay muchas variables asociadas a fenómenos naturales que siguen el modelo de la normal. 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. (continua en el próximo slide) (La utilidad continua en la próxima lámina)
8
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.
9
La Función de Distribución Puede tomar cualquier valor (- , + ) Hay mas 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
10
La Función F(x)
11
F(x) es el área sombreada de la siguiente gráfica
12
Propiedades de la distribución normal: El área bajo la curva aproximado del promedio μ a mas o menos una desviación estándar (1σ) es de 0.68, a mas o menos 2σ es de.0 95 y a mas o menos 3σ es de 0.99. (Las propiedades continuan en la próxima lámina)
13
Propiedades de la distribución normal: La forma de la campana de Gauss depende de los parámetros μ y σ los que se pueden designar utilizando N(μ,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.
14
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.
15
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. Esto es N(0,1). Todas las variables normalmente distribuidas se pueden transformar a la distribución normal estándar utilizando la fórmula para calcular el valor Z correspondiente.
16
La Función F(z) En la siguiente gráfica vemos la representación de la función de Z.
17
En Resumen Podemos decir que el valor de Z es la cantidad de desviaciones estándar a la que esta 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
18
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 deY Tiene un máximo en el eje de Y. Tiene dos puntos de inflexión en z=1 y z=-1
19
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 tenderá hacia una distribución normal. En otras palabras el Teorema del Límite Central garantiza una distribución normal cuando el tamaño de la muestra n es suficientemente grande.
20
Por ejemplo En el siguiente histograma podemos observar la distribución de frecuencias por peso en 15 intervalos. De acuerdo a este teorema según aumenta la cantidad de datos, la forma de campana se hará mas evidente.
21
Area 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.
22
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
23
Ejemplos y Ejercicios Supongamos que sabemos que el peso del llenado de un producto sigue una distribución aproximadamente normal con N(140,20). Esto es con una media de 140 libras y una desviación estándar de 20 libras
24
Ejemplo 1 Determine la probabilidad de que un llenado 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:
25
Ejemplo 1 Determine la probabilidad de que un llenado 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 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 1Tabla 1 Compruebe de forma interactiva el valor Z
26
Ejemplo 2 Si deseamos la probabilidad de que un llenado, elegido 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:
27
Ejemplo 2 Si deseamos la probabilidad de que un llenado, elegido 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
28
Ejemplo 3 Determine la probabilidad de que un llenado, elegido 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:
29
Ejemplo 3 Determine la probabilidad de que un llenado, elegido 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
30
Ejemplo 4 Si deseamos la probabilidad de que un llenado, elegido 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
31
Ejemplo 4 Si deseamos la probabilidad de que un llenado, elegido 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 0.8944. Buscamos en la Tabla 1 el valor Z=0.50 y obtenemos el área de 0.6915
32
Ejemplo 4 Si deseamos la probabilidad de que un llenado, elegido 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 0.6915 se le resta la diferencia de 1-.8944: 0.6915 – (1-.8944) =.5859
33
Ejemplo 5 Determine la probabilidad de que un llenado 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:
34
Ejemplo 5 Determine la probabilidad de que un llenado 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.
35
Ejemplo 5 Determine la probabilidad de que un llenado 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
36
Ejemplo 6 Determine la probabilidad de elegir a un llenado 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:
37
Ejemplo 6 Determine la probabilidad de elegir a un llenado 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
38
Ejemplo 6 Determine la probabilidad de elegir a un llenado 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.
39
Referencias Anderson, Sweeney, Estadísticas para administración y economía, 8tva edición, Thomson, México 2006 Newbold P., Statistics for Business And Economics, Prentice Hall, 5ta edición,New Jersey, 2003. Altman D., Bland J. Statistics notes: The normal distribution. Londres Inglaterra, BMJ 1995; 310: 298-298. Bluman, Allan G. Statistics,6ta edición, Mc Graw Hil,New York, 2007. Pértega D, Pita F., Representación gráfica en el análisis de datos. Cad Aten Primaria España,2001; 8: 112- 117. 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
Presentaciones similares
© 2024 SlidePlayer.es Inc.
All rights reserved.