NORMAL
1
Carl Gauss (Alemania 1777-1855)
Dios
hace
aritmética Hijo de un humilde albañil, dio señales de su genio antes
de los tres años. A los doce años, criticó los fundamentos
de la geometría euclidiana; a los trece le interesaba la
geometría no euclidiana. A los quince, probó el binomio
de Newton.
Estudió la teoría de los errores y dedujo la curva normal
de la probabilidad.
2
Distribución normal
La v.a. continua X es normal con parámetros
y 2 si su función de densidad es:
1 x
2
1
f x e 2
x
2
f(x)
X 3
Descripción
f(x)
Se escribe X N (,2)
Esperado E( X )
Varianza
V (X ) 2
Sus propiedades son: X
4
Distribución Normal
La distribución de probabilidad normal
ocupa un lugar prominente en la
estadística por dos razones:
5
Distribución Normal
2. La distribución normal casi se ajusta a las
distribuciones de frecuencia reales
observadas en muchos fenómenos,
incluyendo características humanas
(pesos, altura, IQ, etc.), resultados de
procesos físicos (dimensiones y
rendimientos) y muchas otras medidas de
interés para los administradores, tanto en
el sector público como en el privado.
6
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.
Histogram of PESO 2, PESO 3 Histogram of PESO 2, PSEO 4
Normal Normal
0.08 Variable
0.08 Variable
PESO 2 PESO 2
0.07 PESO 3 PSEO 4
0.07
Mean StDev N Mean StDev N
0.06 60.27 5.083 120
0.06 60.27 5.083 120
59.42 15.07 120 50.05 5.291 120
0.05 0.05
Density
Density
0.04 0.04
0.03 0.03
0.02
0.02
0.01
0.01
0.00 7
30 45 60 75 90 105 0.00
37.5 45.0 52.5 60.0 67.5
PESO
Data
Distribución Normal
1 x
2
1
f ( x) e 2
, x E(X)=; Var(X)=2
2
8
Distribución normal estándar
1 2
1 z
f ( z) e 2 ; z
2
9
Estandarización
Si X N(,2) y se realiza el cambio de
variable:
X
Z
La variable aleatoria Z estandarizada tiene
una distribución normal estandarizada con
Z N(0, 1)
10
F(a)=P(Z≤a)
Distribution Plot
Distribution Plot Normal, Mean=0, StDev=1
Normal, Mean=0, StDev=1
0.4
0.4
0.3
0.3
0.841
Density
Density
0.2
0.2
0.1
0.1
0.159
0.0
0 1
0.0
-1 0 Z
Z
Distribution Plot
Normal, Mean=0, StDev=1
0.4
0.3
P(Z>b)=1-F(b)
Density
0.2
0.1
0.159
0.0
0 1
Z
11
P(a≤Z≤b)=F(b)-F(a)
Distribution Plot
Normal, Mean=0, StDev=1
0.4 0.910
0.3
Density
0.2
0.1
0.0
-1.5 0 2
Z
12
APLICACIÓN
Existe un programa de entrenamiento diseñado
para mejorar la calidad de las habilidades de
supervisión de los supervisores de la línea de
producción. Debido a que el programa es
autoadministrado, los supervisores requieren un
número diferente de horas para terminarlo. Un
estudio de los participantes anteriores indica que el
tiempo medio que lleva completar el programa es
de 500 horas, y que esta variable aleatoria
normalmente distribuida tiene una desviación
estándar de 100 horas.
1.¿Cuál es la probabilidad de que un participante
elegido al azar requiera más de 540 horas para
completar el programa?
13
Se desea saber:
1.¿Cuál es la probabilidad de que un participante
elegido al azar requiera más de 540 horas para
completar el programa?
X~N(500,1002)
1. P( X 540) 1 P( X 540)
P( X 540) 1 0, 65542
P( X 540) 0, 34458
16
Ejercicio 2
17
Ejercicio 3
En Paco’s Bar, la máquina surtidora de
refrescos está ajustada de tal forma que
sirve en promedio 200 mililitros por vaso.
La cantidad de refresco servido en los vasos
sigue aproximadamente una distribución
normal con una desviación estándar de
cinco mililitros. Si hoy la máquina sirviera
850 vasos de refresco, ¿cuántos vasos
tendrían un contenido de refresco menor a
210 ó mayor a 215 mililitros?
18