Professional Documents
Culture Documents
NORMAL
• MODELO Y CÁLCULO DE PROBABILIDAD
YERKO ECHEVERRIA A.
DOCENTE ING. – SELLO UAC
INTRODUCCIÓN
Sin duda, la distribución continua de
probabilidad más importante, por la
frecuencia con que se encuentra y por
sus aplicaciones teóricas, es la
distribución normal, gaussiana o de
Laplace-Gauss. Fue descubierta y
publicada por primera vez en 1733 por
De Moivre. A la misma llegaron, de
forma independiente, Laplace (1812) y
Gauss (1809), en relación con la
teoría de los errores de observación
astronómica y física .
UTILIDAD
Se utiliza muy a menudo porque hay muchas variables
asociadas a fenómenos naturales que siguen el modelo de la
distribución normal.
Caracteres morfológicos: personas, animales, plantas,... de
una especie, por ejemplo: tallas, pesos, diámetros, distancias,
perímetros,...
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, etc.
Caracteres psicológicos: por ejemplo: cociente intelectual,
grado de adaptación a un medio,...
FUNCIÓN DE DENSIDAD
Distribución normal o gaussiana: Está caracterizada
por dos parámetros: la media, μ y la desviación típica,
σ.
Su función de densidad es:
1 x 2
1 σ
f ( x) e 2
2
La curva normal adopta un número infinito de formas,
determinadas por sus parámetros μ y σ.
FUNCIÓN DE DISTRIBUCIÓN
• Puede tomar cualquier valor (- , + )
• Hay más probabilidad para los valores cercanos a la media .
• Para una variable aleatoria X, que se distribuye normalmente con
media : μ y desviación típica: σ, la probabilidad de que la variable
X esté comprendida entre los valores a y b es el área oscura en la
siguiente figura :
σ
CURVA NORMAL
Esta distribución alcanza un único
máximo (moda) en , que es
simétrica con respecto al mismo, y
por tanto PX PX 1 2
con lo cual en coincide la media,
la mediana y la moda.
68%
95%
99%
CURVA NORMAL
σ
CURVA NORMAL
La mayor parte de la masa de probabilidad (área comprendida entre la
curva y el eje de abscisas) se encuentra concentrado alrededor de la media,
y las ramas de la curva se extienden asintóticamente a los ejes, de modo
que cualquier valor ``muy alejado" de la media es posible (aunque poco
probable).
La forma de la campana de Gauss depende de los parámetros y :
σ
será el parámetro de dispersión. Cuanto menor
indica la posición de la campana sea, mayor cantidad de masa de probabilidad
(parámetro de centralización) habrá concentrada alrededor de la media
FUNCIÓN DE DISTRIBUCIÓN
b x 2
1
IP(a X b) e 2 2
a 2
Para el cálculo de
probabilidades es necesario
σ
antes hacer un cambio de
variable, una estandarización.
IP (a Z b) IP ( Z b) IP ( Z a)
Como el cálculo de esta integral es laborioso, para calcular el área se
realiza el siguiente cambio de variable:
X
Z
Este cambio origina una distribución normal estándar de media μ = 0 y
desviación típica σ = 1 cuya función de densidad es :
1 x 2 1 t2
1
f ( x) e 2 f ( z) e 2
2 2
σ
Y cuyos
valores se
tabulan :
LA DISTRIBUCIÓN NORMAL ESTÁNDAR
El convenio que se suele utilizar para poder realizar esta aproximación es:
Tipificando
X 40 60
z 3,09
6,48
Buscamos
P( x 40) P( z 3,09)
Por simetría
P( z 3,09) P( z 3,09)
Por suceso contrario
P( z 3,09) 1 P( z 3,09)
Buscando en la tabla
1 P( z 3,09) 1 0,001 0,999
Con una N(60; 6,48)
Tipificando
X 40 60
z 3,09
6,48
Buscamos
P( x 40) P( z 3,09)
Por simetría
P( z 3,09) P( z 3,09)
Buscando en la tabla