Professional Documents
Culture Documents
RESUMEN
Introduccin
Una de las herramientas de mayor uso en las empresas es la utilizacin 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 organizacin. En este mdulo se describe la relacin de la Distribucin normal con la Distribucin normal estndar. Se utilizan ejemplos y ejercicios donde se ensea sobre la determinacin de probabilidades y sus aplicaciones. Este mdulo va dirigido a todos/as los/as estudiantes de Administracin de Empresas en sus distintas concentraciones.
Objetivos de la presentacin
Objetivo general Construir, calcular y aplicar probabilidades asociadas a la distribucin Normal. Objetivos especficos Identificar las propiedades de una distribucin normal. Encontrar el rea bajo una distribucin normal estndar. Interpretar reas bajo la curva normal de acuerdo a una situacin problemtica.
Glosario de trminos
Asinttica : Lnea que se acerca indefinidamente a un eje sin llegar a encontrarlo. Aleatorio : Resultado no previsible; Que es al azar. Tipificada : Que tiene un arreglo uniforme o estndar. Morfolgicos: Aspecto general de las formas y dimensiones de un cuerpo.
La distribucin normal
La distribucin normal fue reconocida por primera vez por el francs Abraham de Moivre (1667-1754).
Posteriormente, Carl Friedrich Gauss (1777-1855) realiz estudios ms a fondo donde formula la ecuacin de la curva conocida comnmente, como la Campana de Gauss".
Utilidad
Se utiliza muy a menudo porque hay muchas variables asociadas a fenmenos naturales que siguen el modelo de la normal. Caracteres morfolgicos de individuos (personas, animales, plantas,...) de una especie, por ejemplo: tallas, pesos, dimetros, distancias, permetros,... Caracteres fisiolgicos, por ejemplo: efecto de una misma dosis de un frmaco, o de una misma cantidad de abono
Utilidad
Caracteres sociolgicos, por ejemplo: consumo de cierto producto por un mismo grupo de individuos, puntuaciones de examen. Caracteres psicolgicos, por ejemplo: cociente intelectual, grado de adaptacin a un medio. Errores cometidos al medir ciertas magnitudes. Valores estadsticos mustrales como la media, varianza y moda
Conclusiones
Hay una familia de distribuciones Normales, diferenciadas por los valores de su media y desviacin tpica o estndar. La desviacin estndar ( ) determina el grado de apuntamiento de la curva. Cuanto mayor sea el valor de , mayor la dispersin de los datos en torno a la media y la curva ser ms plana (platicrtica). La media indica la posicin horizontal de la campana, de modo que para diferentes valores de la grfica es desplazada sobre el eje x. De entre todas ellas, la ms utilizada es la distribucin normal estndar, que corresponde a una distribucin con media aritmtica 0 y desviacin estndar 1.
En resumen
Podemos decir que el valor de Z es la cantidad de desviaciones estndar a la que est distanciada la variable X del promedio. A la variable Z se la denomina variable tipificada de X, y a la curva de su funcin de densidad se le conoce como la curva normal estndar
z=
x -
La nueva variable z se distribuye como una NORMAL con media = 0 y desviacin tpica = 1
Recordemos de nuevo que en cualquier distribucin normal las probabilidades delimitadas entre :
= 68 % 2 = 95 % 3 = 99 %
Tipificacin de la variable
Dada una variable de media y desviacin tpica , se denomina valor tipificado z, de una observacin x, a la distancia (con signo) con respecto a la media, medido en desviaciones tpicas, es decir:
z=
En el caso de variable X normal, la interpretacin es clara: asigna a todo valor de N( , ), un valor de N(0,1) que deja exactamente la misma probabilidad por debajo. Nos permite as comparar entre dos valores de dos distribuciones normales diferentes, para saber cul de los dos es 22 ms extremo.
Se quiere dar una beca a uno de dos estudiantes de sistemas educativos diferentes y se asignar al que tenga mejor expediente acadmico: El estudiante A tiene una calificacin de 8 en un sistema donde la calificacin de los estudiantes se comporta como N(6,1). El estudiante B tiene una calificacin de 80 en un sistema donde la calificacin de los estudiantes se comporta como N(70,10).
No podemos comparar directamente 8 puntos de A frente a los 80 de B, pero como ambas poblaciones se comportan de modo normal, podemos tipificar y observar las puntuaciones sobre una distribucin de referencia N(0,1). Como zA > zB, podemos decir que el porcentaje de compaeros del mismo sistema de estudios que ha superado en calificacin al estudiante A es mayor que el que ha superado B. En principio A es mejor candidato para la beca.
zA = xA A = 86 =2 1
A x B 80 70 = =1 zB = B B 10
23
.0000 .0040 .0080 .0120 .0160 .0199 .0239 .0279 .0319 .0359 .0398 .0438 .0478 .0517 .0557 .0596 .0363 .0675 .0675 .0754 .0793 .0832 .0871 .0910 .0948 .0987 .1026 .... .1179 ..... .1554 .... ...... ...... ..... .... ...... ...... ......
.1915 ....
24
EJEMPLOS GRAFICOS:
1.-Cul es la probabilidad de que un valor de z est entre 0 y -2.03? 2.-Cul es la probabilidad de que un valor de z est entre -2.03 y +2.03? 3. Hallar P( z >1.25 ) 4. Hallar P ( -0.34 < z < )
25
Ejemplo 1
Cul es la probabilidad de que un valor de z est entre 0 y -2.03?
?
-3 -2 -1 0 1 2 z 3
26
Ejemplo 1
Cul es la probabilidad de que un valor de z est entre 0 y -2.03? Se busca en la tabla el rea correspondiente a z = 2.03
0.47882
47. 88%
-3 -2 -1 0 1 2 z 3
27
Ejemplo 2
Cul es la probabilidad de que un valor de z est entre -2.03 y 2.03 ? En el ejemplo 1, vimos que la probabilidad de que z estuviera entre 0 y 2.03= 0.47882 La misma rea hay entre 0 y -2.03 , por lo tanto P ( -2.03< z< 2.03) = 0.95764
? 95.76%
47.88%
-3 -2 -1 0
47.88%
1 2 z 3
28
Ejemplo 3
Cul es la probabilidad de que un valor de z sea mayor a 1.25 ? 1.- La probabilidad de 0 < z < + = 0.500 2.- La probabilidad de 0 < z < 1.25 = 0.39435 3.- La probabilidad de z > 1.25 = 0.500 - 0.39435= 0.10565
-3
-2
-1
z 3
29
Ejemplo 4
Hallar P( -0.34 < z < ) P(0 < z <0.34) = 0.13307 = P(-0.34 < z < 0) P (0 < z < ) = 0.50000 P( -0.34 < z < ) = 0.13307 + 0.50000 = 0.63307
13.31%
50% z 1 2 3
30
63.31%
-3 -2 -1 0
Ejemplo 5
Hallar P( 0.34 < z < 2.30) P(0< z <0.34) = 0.13307 P( 0 < z < 2.30) = 0.4893 P (0.34 < z < 2.30) = 0.48930 - 0.13307 = 0.35623
35.62% z 3
31
-3
-2
-1
EJEMPLO Sea una variable distribuida normalmente con media = 4 y desviacin tpica = 1.5. Cul es la probabilidad de encontrar un valor x 6 (P(x 6 ))?
32
=4
= 1.5
Hallar P ( x > 6 )
1.1.- transformar x en un valor de z z = (6 - 4)/1.5 = 1.33 2.- Hallar P ( 0 < z < 1.33) = 3.- 0.5000 - 0.40824 = 0.40824 0.5
x z=
0.09176=9.17%
?
-0.5 -3 1 -2 2.5 -1 4 0 5.5 6 1 1.33 7 2
x
8.5 3
z
33