DISTRIBUCIN NORMAL

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.

Una de sus caractersticas ms importantes es que casi cualquier distribucin de

probabilidad, tanto discreta como continua, se puede aproximar por una normal bajo
ciertas condiciones.
La distribucin de probabilidad normal y la curva normal que la representa, tienen las
siguientes caractersticas:
La curva normal tiene forma de campana y un solo pico en el centro de la distribucin.
De esta manera, la media aritmtica, la mediana y la moda de la distribucin son iguales y
se localizan en el pico. As, la mitad del rea bajo la curva se encuentra a la derecha de
este punto central y la otra mitad est a la izquierda de dicho punto.
La distribucin de probabilidad normal es simtrica alrededor de su media.
La curva normal desciende suavemente en ambas direcciones a partir del valor central.
Es asinttica, lo que quiere decir que la curva se acerca cada vez ms al eje X pero jams
llega a tocarlo. Es decir, las colas de la curva se extienden de manera indefinida en
ambas direcciones.

El r ea de l re cinto de te r mina do po r la fun ci n y el e je de

abscisas es igua l a la un ida d .
Al se r sim t r ic a re spe cto al e je que pasa por x = , de ja un r ea
igua l a 0.5 a la iz quier da y o tr a igua l a 0.5 a la der ec ha .
La pr o babilida d equiva le a l r ea enc err a da ba jo la c ur va .
p ( - < X + ) = 0 .6 82 6 = 68 .2 6 %
p ( - 2 < X + 2 ) = 0 .9 54 = 9 5 .4 %
p ( - 3 < X + 3 ) = 0 .9 97 = 9 9 .7 %

DISTIBUCION ESTANDAR

En efecto, todas las distribuciones Normales son lo mismo si usamos las unidades de
medida alrededor de su media que es el centro. El proceso para cambiar nuestra
distribucin a estas variables se le conoce como estandarizacin.

Si x es una observacin de una distribucin con media y desviacin estndar , el valor

estndar de x lo es

Este valor estndar tambin se le conoce como valor-z. El valor-z nos indica cuantas
desviaciones estndares esta la observacin original de si media y en que direccin. Las
observaciones mayores que su media toman valores positivos cuando se estandarizan
mientras los valores que son menores a su media toman valores negativos.

Para po der
utiliz ar
la
tabla
te ne mo s que
transfo r mar
la
var iable X que sigue una distr i buci n N (, ) e n o tra var iable
Z que siga una distr ib uci n N (0, 1) .

TABLA DE DISTRIBUCION NORMAL ESTANDAR

INTERVALO DE CONFIANZA

En el contexto de estimar un parmetro poblacional, un intervalo de confianza es

un rango de valores (calculado en una muestra) en el cual se encuentra el
verdadero valor del parmetro, con una probabilidad determinada.
La probabilidad de que el verdadero valor del parmetro se encuentre en el
intervalo construido se denomina nivel de confianza, y se denota 1- . La
probabilidad de equivocarnos se llama nivel de significancia y se simboliza .
Generalmente se construyen intervalos con confianza 1- =95% (o
significancia =5%). Menos frecuentes son los intervalos con =10% o =1%.
Para construir un intervalo de confianza, se puede comprobar que la distribucin
Normal Estndar cumple 1:
P(-1.96 < z < 1.96) = 0.95 (lo anterior se puede comprobar con una tabla de
probabilidades o un programa computacional que calcule probabilidades
normales).
Luego, si una variable X tiene distribucin N( ,
se cumple:

Despejando

), entonces el 95% de las veces

en la ecuacin se tiene:

El resultado es un intervalo que incluye al el 95% de las veces. Es decir, es

un intervalo de confianza al 95% para la media cuando la variable X es
normal y
es conocido.

II- Intervalo de confianza para un promedio:

Generalmente, cuando se quiere construir un intervalo de confianza para la media
poblacional , la varianza poblacional
es desconocida, por lo que el intervalo
para construido al final de II es muy poco prctico.
Si en el intervalo se reemplaza la desviacin estndar poblacional
desviacin estndar muestral s, el intervalo de confianza toma la forma:

por la

La cual es una buena aproximacin para el intervalo de confianza de 95% para

con
desconocido. Esta aproximacin es mejor en la medida que el tamao
muestral sea grande.
Cuando el tamao muestral es pequeo, el intervalo de confianza requiere utilizar
la distribucin t de Student (con n-1 grados de libertad, siendo n el tamao de la
muestra), en vez de la distribucin normal (por ejemplo, para un intervalo de
95% de confianza, los lmites del intervalo ya no sern construidos usando el
valor 1,96).
Ejemplo:
Los siguientes datos son los puntajes obtenidos para 45 personas de una escala de
depresin (mayor puntaje significa mayor depresin).
2
11
14
16
19

5
11
15
16
19

6
13
15
17
19

8
13
16
17
19

8
14
16
17
19

9
14
16
18
19

9
14
16
18
19

10
14
16
18
20

11
14
16
19
20

Para construir un intervalo de confianza para el puntaje promedio poblacional,

asumamos que los datos tienen distribucin normal, con varianza poblacional
desconocida. Como
es desconocido, lo estimamos por s =18,7. Luego, un
intervalo de confianza aproximado es:

Luego, el intervalo de confianza para es (13,2 , 15,8). Es decir, el puntaje

promedio poblacional se encuentra entre 13,2 y 15,8 con una confianza 95%.
III. Intervalo de Confianza para una Proporcin.
En este caso, interesa construir un intervalo de confianza para una proporcin o
un porcentaje poblacional (por ejemplo, el porcentaje de personas con
hipertensin, fumadoras, etc.)
Si el tamao muestral n es grande, el Teorema Central del Lmite nos asegura
que:

O bien:

Donde p es el porcentaje de personas con la caracterstica de inters en la

poblacin (o sea, es el parmetro de inters) y p es su estimador muestral.
Luego, procediendo en forma anloga al caso de la media, podemos construir un
intervalo de 95% de confianza para la proporcin poblacional p.

Ejemplo:
En un estudio de prevalencia de factores de riesgo en una cohorte de 412 mujeres
mayores de 15 aos en la Regin Metropolitana, se encontr que el 17.6% eran
hipertensas. Un intervalo de 95% de confianza para la proporcin de mujeres
hipertensas en la Regin Metropolitana est dado por:

Luego, la proporcin de hipertensas vara entre (0,139 , 0,212) con una confianza
de 95%.
IV. Uso de Intervalos de Confianza para verificar Hiptesis.
Los intervalos de confianza permiten verificar hiptesis planteadas respecto a
parmetros poblacionales.
Por ejemplo, supongamos que se plantea la hiptesis de que el promedio de peso
de nacimiento de cierta poblacin es igual a la media nacional de 3250 gramos.
Al tomar una muestra de 30 recin nacidos de la poblacin en estudio, se obtuvo:
= 2930
s= 450
n= 30
Al construir un intervalo de 95% de confianza para la media poblacional, se
obtiene:

Luego, el peso de nacimiento vara entre 2769 y 3091 gramos, con una confianza
de 95%.
Como el intervalo no incluye el valor =3250 gramos planteado en la hiptesis,
entonces esta es rechazada con confianza 95% (o un valor p menor a 0,5).