DISTRIBUCIONES IMPORTANTES

DISTRIBUCCION NORMAL
7.1

DEFINICION

Esta distribucin es frecuentemente utilizada en las aplicaciones estadsticas. Su

propio nombre indica su extendida utilizacin, justificada por la frecuencia o
normalidad con la que ciertos fenmenos tienden a parecerse en su
comportamiento a esta distribucin.
Muchas variables aleatorias continuas presentan una funcin de densidad cuya
grfica tiene forma de campana.
Se dice que la variable aleatoria X es continua cuando toma valores reales desde
el - < x< y se dice que se distribuye normalmente con media y variancia 2
X ~ N (, 2)

La distribucin normal se utiliza como modelo para variables como el peso, la

altura, la calificacin en un examen, etc., es decir, en variables cuya distribucin es
simtrica con respecto a un valor central (alrededor del cual toma valores con gran
probabilidad) y apenas aparecen valores extremos.
Si una variable aleatoria x tiene distribucin normal suele representarse como
N(,2) donde , es la media o valor esperado de la variable y = x es la desviacin
tpica de la variable, que son los dos parmetros que caracterizan la distribucin
normal.
En la distribucin normal, la mayora de la probabilidad se concentra en la zona
central.

47

Propiedades de la distribucin normal:

La distribucin normal posee ciertas propiedades importantes que conviene
destacar:

Tiene una nica moda, que coincide con su media y su mediana.

La curva normal es asinttica al eje de abscisas. Por ello, cualquier valor
entre
y
es tericamente posible. El rea total bajo la curva es, por
tanto, igual a 1.

Es simtrica con respecto a su media.

La distancia entre la lnea trazada en la media y el punto de inflexin de la

curva es igual a una desviacin tpica.

El rea bajo la curva comprendida entre los valores situados

aproximadamente a dos desviaciones estndar de la media es igual a 0.95.

La forma de la campana de Gauss depende de los parmetros

Distribucin normal estndar

La distribucin normal estndar, o tipificada o reducida, es aquella que
tiene por media el valor cero, =0, y por desviacin tpica la unidad, =1.

La probabilidad de la variable X depender del rea del recinto sombreado en la

figura. Y para calcularla utilizaremos una tabla.

Tipificacin de la variable
Para poder utilizar la tabla tenemos que transformar la variable X que sigue una
distribucin N(, ) en otra variable Z que siga una distribucin N(0, 1).

48

Clculo de probabilidades en distribuciones normales

La tabla nos da las probabilidades de P(z k), siendo z la variable
tipificada.
Estas probabilidades nos dan la funcin de distribucin (k).
(k) = P(z k)

Bsqueda en la tabla de valor de k

Unidades y dcimas en la columna de la izquierda. Cntesimas en la fila de

arriba.
P(Z a)

P(Z > a) = 1 - P(Z a)

P(Z a) = 1 P(Z a)

49

P(Z > a) = P(Z a)

P(a < Z b ) = P(Z b) P(Z a)

P(b < Z a ) = P(a < Z b )

Ejemplos.
1) Determinar la probabilidad de cada una de las siguientes expresiones:
a) P ( Z < 1.25 )

b) P ( Z< -2.28)

c) P (Z < 0 )

d) P ( 0 < Z < 2.5 )

e) P ( -2.38 < Z < 0 )

f) P ( - 2.25 < Z < 2.25 )

50

g) P (1.55 < Z < 2.35)

i)

h ) P ( Z > 2.43 )

P ( z > - 1.25)

2) En una poblacin normalmente distribuida con media = 30 y variancia igual a 25

se pregunta: Qu porcentaje del total de las observaciones estarn entre 20 y 35?

3) Se sabe que el peso medio de la poblacin de un grupo de estudiantes es igual a 60

Kg., y su desviacin estndar es igual a 3 kg. Halle la probabilidad de que el peso de
un alumno este entre 55 y 65 Kg?

4) El peso de los atletas de pruebas de medio fondo sigue una distribucin normal
con media 64,3 kilos y desviacin tpica 2,3 kilos. Hallar un intervalo centrado
alrededor de la media que contenga:
a) El 68,3% de la poblacin.
Solucin.-

b) El 95,5% de la poblacin.
Solucin.-

51

c) El 99,7% de la poblacin
Solucin.-

Ejemplo
La longitud a que se puede estirar sin rotura un filamento de Nylon es una
variable aleatoria con media 5000 pies y desviacin estndar 5000. Cul es la
probabilidad que la longitud promedio de 100 filamento este comprendido
entre 4750 y 5500?

52

7.2 DISTRIBUCIN T STUDENT

sea Z una variable aleatoria normal con media 0 y varianza 1 sea, sea Y
una variable aleatoria que tiene una distribucin Chi - cuadrado con r grado
de libertad, y si Y e Z son independiente, entonces la variable aleatoria
T

Z
Y /r

Se dice que tiene una distribucin t student, r grados de libertad.

P T r a p

r = grado de libertad
a = cuantil
p = probabilidad
Ejemplo 3
Hallar la probabilidad P (T5< 2,571) = p
Ejemplo 4
Hallar el grado de libertad P (Tr< 1,812) = 0,95
Ejemplo 5
Hallar el cuantil P (T8< a) = 0,95

53

TABLA DE LA DISTRIBUCION t-Student

c t1, r
La tabla da reas 1 y valores
, donde,
distribucin t-Student con r grados de libertad..

P[T c] 1 , y donde T

tiene

1
r

0.75

0.80

0.85

0.90

0.95

0.975

0.99

0.995

1
2
3
4
5

1.000
0.816
0.765
0.741
0.727

1.376
1.061
0.978
0.941
0.920

1.963
1.386
1.250
1.190
1.156

3.078
1.886
1.638
1.533
1.476

6.314
2.920
2.353
2.132
2.015

12.706
4.303
3.182
2.776
2.571

31.821
6.965
4.541
3.747
3.365

63.657
9.925
5.841
4.604
4.032

6
7
8
9
10

0.718
0.711
0.706
0.703
0.700

0.906
0.896
0.889
0.883
0.879

1.134
1.119
1.108
1.100
1.093

1.440
1.415
1.397
1.383
1.372

1.943
1.895
1.860
1.833
1.812

2.447
2.365
2.306
2.262
2.228

3.143
2.998
2.896
2.821
2.764

3.707
3.499
3.355
3.250
3.169

11
12
13
14
15

0.697
0.695
0.694
0.692
0.691

0.876
0.873
0.870
0.868
0.866

1.088
1.083
1.079
1.076
1.074

1.363
1.356
1.350
1.345
1.341

1.796
1.782
1.771
1.761
1.753

2.201
2.179
2.160
2.145
2.131

2.718
2.681
2.650
2.624
2.602

3.106
3.055
3.012
2.977
2.947

16
17
18
19
20

0.690
0.689
0.688
0.688
0.687

0.865
0.863
0.862
0.861
0.860

1.071
1.069
1.067
1.066
1.064

1.337
1.333
1.330
1.328
1.325

1.746
1.740
1.734
1.729
1.725

2.120
2.110
2.101
2.093
2.086

2.583
2.567
2.552
2.539
2.528

2.921
2.898
2.878
2.861
2.845

21
22
23
24
25

0.686
0.686
0.685
0.685
0.684

0.859
0.858
0.858
0.857
0.856

1.063
1.061
1.060
1.059
1.058

1.323
1.321
1.319
1.318
1.316

1.721
1.717
1.714
1.711
1.708

2.080
2.074
2.069
2.064
2.060

2.518
2.508
2.500
2.492
2.485

2.831
2.819
2.807
2.797
2.787

26
27
28
29
30

0.684
0.684
0.683
0.683
0.683

0.856
0.855
0.855
0.854
0.854

1.058
1.057
1.056
1.055
1.055

1.315
1.314
1.313
1.311
1.310

1.706
1.703
1.701
1.699
1.697

2.056
2.052
2.048
2.045
2.042

2.479
2.473
2.467
2.462
2.457

2.779
2.771
2.763
2.756
2.750

40
60
120

0.681
0.679
0.677
0.674

0.851
0.848
0.845
0.842

1.050
1.046
1.041
1.036

1.303
1.296
1.289
1.282

1.684
1.671
1.658
1.645

2.021
2.000
1.980
1.960

2.423
2.390
2.358
2.326

2.704
2.660
2.617
2.576

54

7.3 DISTRIBUCIN CHI CUADRADO

Sean
Z1, Z2, Zr,
variables
aleatorias
independientes
distribuidas
normalmente, cada una con media 0 y varianza 1, la variable aleatoria

X 2 Z 12 Z 22 ......Z r2
Se dice que es una variable aleatoria Chi - cuadrado con r grado de libertad

PX2 a p
r = grado de libertad
a = cuantil
p = probabilidad
Ejemplo
Hallar la probabilidad P (x24< 2,19) = p
Ejemplo
Hallar el grado de libertad P (x2r< 18,3) = 0,95
Ejemplo
Hallar el cuantil P (x26< a) = 095

55

DISTRIBUCIN F DE FISHER

7.4

Considerando dos muestras aleatorias independientes, de tamao n1 y n2,

extradas de una poblacin normal, el estadstico F ser

DEFINICIN
Una variable F se define como el cociente entre dos variables ji-cuadrado
divididas por sus correspondientes grados de libertad.

CARACTERISTICAS

Una variable con distribucin F es siempre positiva.

La distribucin de la variable es asimtrica, pero su asimetra disminuye
cuando aumentan los grados de libertad del numerador y denominador.
Hay una distribucin F por cada par de grados de libertad.
Parmetros: Grados de libertad asociados al numerador y denominador

56

57

58