Distribución normal o de Gauss

Presentación del tema: "Distribución normal o de Gauss"— Transcripción de la presentación:

1 Distribución normal o de Gauss
PEDRO GODOY G.

2 Función Densidad Continua (o distribución de probabilidad continua)
Es una función que permite obtener la probabilidad de ocurrencia para intervalos de valores de una variable aleatoria continua. La función densidad de una variable aleatoria X se denota habitualmente como f(x). Esta función se expresa siempre como una fórmula matemática, como la distribución Normal, distribución t de Student, etc. Supongamos una variable aleatoria X  ]- , +  [. Sea A un evento definido como A={x / a  x  b}, o bien A= [a,b] , con a y b constantes conocidas. Luego, el suceso A es el intervalo de valores de X entre a y b. Entonces si f(x) es la función densidad de X, se tiene:

3 Es decir, la probabilidad de que A ocurra se calcula como el área bajo la curva f(x) en el intervalo de puntos de X que pertenecen al intervalo A. Gráficamente, la probabilidad de que A ocurra es:

4 El área bajo la curva (la probabilidad calculada), no cambia si se toma o no en cuenta el punto a, b o ambos, ya que el área en un punto vale cero. Es decir

5 Propiedades de la Función Densidad Continua
Por ser una función densidad, f(x) debe cumplir las siguientes propiedades:

6

7 Distribución de Probabilidad Normal
La distribución normal fue reconocida por primera vez por el francés Abraham de Moivre ( ). Posteriormente, el matemático alemán Carl Friedrich Gauss ( ) elaboró desarrollos más profundos y formuló la ecuación de la curva; de ahí que también se la conozca, más comúnmente, como la "campana de Gauss".

8 Su propio nombre indica su extendida utilización, justificada por la frecuencia con la que ciertos fenómenos tienden a parecerse en su comportamiento a esta distribución. Luego, muchas variables aleatorias continuas presentan una función de densidad cuya gráfica tiene forma de campana. Por otra parte, varios procedimientos estadísticos usados habitualmente asumen la normalidad de los datos observados. Ejemplos. • Caracteres morfológicos de individuos (personas, animales, plantas,...) de una especie (como estaturas, pesos, diámetros, etc.) • Caracteres fisiológicos, por ejemplo: efecto de una misma dosis de un fármaco, o de una misma cantidad de abono. • Caracteres sociológicos, por ejemplo: consumo de cierto producto por un mismo grupo de individuos, puntuaciones de examen. • Caracteres psicológicos, por ejemplo: cuociente intelectual, grado de adaptación a un medio. • Errores cometidos al medir ciertas magnitudes. • Valores estadísticos muestrales, por ejemplo: distribución del promedio de un conjunto de datos muestrales cuando el tamaño de la muestra es grande.

9 Donde  y  son la varianza de la distribución. Para indicar que una
Variable aleatoria X tiene distribución normal con parámetros  y  se usa la notación X  N( , ) Para cada valor de  y  se tiene una función de densidad distinta, por lo tanto la expresión N( , ) representa una distribución normal.

10 tiene distribución normal con media 0 y varianza 1
tiene distribución normal con media 0 y varianza 1. Esta distribución se denomina distribución normal estándar. Generalmente se usa la letra z para identificar una variable con esta distribución. La operación de transformar X en z se llama estandarización y permite transformar cualquier distribución normal a una normal estándar. Esto facilita el cálculo de probabilidades bajo distribución Normal, ya que sólo se requiere conocer la distribución Normal estándar para determinar probabilidades bajo cualquier distribución Normal.

11 Ejemplo Si se tiene que la presión arterial diastolica(PAD) distribuye N(80,12) e interesa calcular la probabilidad de que un individuo seleccionado al azar tenga un a PAD mayor que 90 mm Hg. Este valor de probabilidad la encontraremos en la tabla de distribución normal

12 z 0,00 0,01 0,02 0,03 0,04 0,05 0,06 0,07 0,08 0,09 0,0 0,1 0,2 0,3 0,4 0,5000 0,5398 0,5793 0,6179 0,6554 0,5040 0,5438 0,5832 0,6217 0,6591 0,5080 0,5478 0,5871 0,6255 0,6628 0,5120 0,5517 0,5910 0,6293 0,6664 0,5160 0,5557 0,5948 0,6331 0,6700 0,5199 0,5596 0,5987 0,6368 0,6736 0,5239 0,5636 0,6026 0,6406 0,6772 0,5279 0,5675 0,6064 0,6443 0,6808 0,5319 0,5714 0,6103 0,6480 0,6844 0,5359 0,5753 0,6141 0,6517 0,6879 0,5 0,6 0,7 0,8 0,9 0,6915 0,7257 0,7580 0,7881 0,8159 0,6950 0,7291 0,7611 0,7910 0,8186 0,6985 0,7324 0,7642 0,7939 0,8212 0,7019 0,7357 0,7673 0,7967 0,8238 0,7054 0,7389 0,7703 0,7995 0,8264 0,7088 0,7422 0,7734 0,8023 0,8289 0,7123 0,7454 0,7704 0,8051 0,8315 0,7157 0,7486 0,7793 0,8078 0,8340 0,7190 0,7517 0,7823 0,8106 0,8364 0,7224 0,7549 0,7652 0,8133 0,8389 1,0 1,1 1,2 1,3 1,4 0,8413 0,8643 0,8849 0,9032 0,9192 0,8438 0,8665 0,8869 0,9049 0,9207 0,8461 0,8686 0,8888 0,9066 0,9222 0,8485 0,8708 0,8907 0,9082 0,9235 0,8508 0,8729 0,8925 0,9099 0,9251 0,8531 0,8749 0,8944 0,9115 0,9265 0,8554 0,8770 0,8962 0,9131 0,9279 0,8577 0,8790 0,8980 0,9147 0,9292 0,8599 0,8810 0,8997 0,9162 0,9306 0,8621 0,8930 0,9015 0,9177 0,9319 1,5 1,6 1,7 1,8 1,9 0,9332 0,9452 0,9554 0,9641 0,9713 0,9345 0,9463 0,9564 0,9649 0,9719 0,9357 0,9474 0,9573 0,9656 0,9726 0,9370 0,9485 0,9582 0,9664 0,9732 0,9382 0,9495 0,9591 0,9671 0,9738 0,9394 0,9505 0,9599 0,9678 0,9744 0,9406 0,9515 0,9608 0,9686 0,9750 0,9418 0,9525 0,9616 0,9693 0,9756 0,9429 0,9535 0,9625 0,9699 0,9762 0,9441 0,9545 0,9633 0,9706 0,9767

13

14

15 Buscar en la tabla de la normal estándar N(0;1) las probabilidades:
a) p(Z ≤ 1,05) b) p(Z ≤ 1,52) c) p(Z ≤ - 0,82) d) p(Z  1,35) e) p(Z > 3,24)

16 Haciendo uso de la tabla que proporciona áreas entre cada valor z y la media 0 de la distribución normal tipificada, calcular las probabilidades (áreas) siguientes : a) P(z ≤ 0,22) b) P(z <-1,8) c) P(z > 1,0092) d) P(z>-1,61) e) P(-2,06 < z <-0,24) f) P(-0,02 ≤ z ≤ 1,7)

17

18 Supongamos que se sabe que el peso de los sujetos de una determinada
población sigue una distribución aproximadamente normal, con una media de 80 Kg y una desviación estándar de 10 Kg. ¿Cuál es la probabilidad de que una persona, elegida al azar, tenga un peso superior a 100 Kg? R

19

20 Los tiempos de la primera avería de una unidad de cierta marca de impresoras tiene una distribución de tipo normal con un promedio de horas y una desviación estándar de 200 horas. ¿Qué fracción de impresoras fallará antes de horas? ¿Cuál debe ser el tiempo de garantía para estas impresoras si el fabricante desea que solamente presenten averías el 5% de las impresoras dentro del tiempo de garantía?

21 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°

22 Las calificaciones de los 500 aspirantes presentados a un examen para contratación laboral, se distribuye normalmente con media 6,5 y varianza 4. Calcule la probabilidad de que un aspirante obtenga más de 8 puntos R: 0,22663 Determine la proporción de aspirantes con calificaciones inferiores a 5 puntos. R : 0,22663 c) ¿Cuántos aspirantes obtuvieron calificaciones comprendidas entre 5 y 7,5 puntos ? R : 232 aspirantes

23 La media de los pesos de 500 estudiantes de un colegio es 70 kg y la desviación típica 3 kg. Suponiendo que los pesos se distribuyen normalmente, hallar cuántos estudiantes pesan: Entre 60 kg y 75 kg Más de 90 kg Menos de 64 kg 64 kg 64 kg o menos

24 Entre 60 kg y 75 kg

25 Más de 90 kg

26 Menos de 64 kg

27 64 kg

28 64 kg o menos

29 Se supone que los resultados de un examen siguen una distribución normal con media 78 y desviación típica 36. Se pide: ¿Cuál es la probabilidad de que una persona que se presenta el examen obtenga una calificación superior a 72?

30

31 Una máquina produce tubos cuyo diámetro sigue una distribución N(35,6 ; 0,16) . Suponiendo que los tubos no sirven si su diámetro es inferior a 36,1mm. ¿Qué porcentaje de tubos defectuosos produce ésta máquina? Suponga que las edades de inicio de cierta enfermedad sigue una distribución N(11,5 ; 9). Un niño contrae recientemente la enfermedad. ¿Cuál es la probabilidad de que la edad del niño sea entre 8,5 y 14,5 años?

32

33 N(,  ): Interpretación probabilista
Entre la media y una desviación típica tenemos siempre la misma probabilidad: aprox. 68% Entre la media y dos desviaciones típicas aprox. 95%

34