UNIVERSIDAD RICARDO PALMA
FACULTAD DE CIENCIAS ECONMICAS Y EMPRESARIALES
PROGRAMA EPEL
DISTRIBUCIN NORMAL
Mg. Ofelia Roque Paredes
Distribucin Normal
Uno de estos modelos probabilsticos que tiene que ver
con variables continuas es la distribucin Normal.
Esta se llama as por ser la ms frecuente en la
naturaleza, esto es porque muchas variables siguen esta
distribucin de frecuencias.
Distribucin Normal
La distribucin normal bsicamente dice que hay pocos
valores extremos y que la mayor frecuencia se
encuentra en los valores centrales.
Esto adems coincide con la media, la moda y la
mediana.
N(0 1)
250
Count
188
125
63
0
-6.0
-3.5
-1.0
N(0 1)
1.5
4.0
Histogram
10.0
Count
6.7
3.3
0.0
-4.0
-1.3
1.3
C1
4.0
Histogram
2.0
Count
1.3
0.7
0.0
-4.0
-1.3
1.3
C1
4.0
Clculo de Probabilidad
Al convertirse en una variable continua la probabilidad
en esta funcin es representada por el rea debajo de
la curva entre dos valores determinados.
Es por esto que en ocasiones se llama funcin de
densidad.
Qu tiene Distribucin
Normal?
Caracteres morfolgicos de individuos (personas, animales,
plantas,...) de una especie, p.ejm. tallas, pesos,
envergaduras, dimetros, permetros,...
Caracteres fisiolgicos, por ejemplo: efecto de una misma
dosis de un frmaco, o de una misma cantidad de abono.
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 muestrales, por ejemplo : la media.
Otras distribuciones como la binomial o la de Poisson son
aproximaciones normales, ...
Y en general cualquier caracterstica que se obtenga como
suma de muchos factores.
Concepto
Como es imposible determinar esta rea de manera
directa se deber calcular por medio del concepto de
INTEGRAL DEFINIDA
Esto es el rea debajo de una porcin de la curva, esto se
hace calculando la Integral entre dos valores
determinados.
Ejemplo
Distribucin Normal Estndar
Es el Modelo Tpico de la distribucin Normal
La Media, La Moda y la Mediana coinciden en el 0 (cero)
Es simtrica en torno a este valor
La distancia del valor central al punto de inflexin vale 1
Este valor es igual a la Varianza y Desviacin estndar,
Distribucin Normal o
campana de Gauss-Laplace
Propiedades
Si se conoce que la distribucin normal estndar tiene esas propiedades se
pueden calcular las siguientes cualidades.
La probabilidad entre -1 desviacin estandar () y
+1 es de 0.68 o sea que el 68% de los datos estn en ese intervalo
La probabilidad entre -2 y +2 es de 0.96 o sea que el 96% de los datos estn
en ese intervalo
La probabilidad entre -3 y +3 es de 0.99 o sea de 99% de los datos estn en
ese intervalo
Ejemplos
La probabilidad de que un valor caiga entre 0 y 1.35
es de 0.4115
La probabilidad de que un valor caiga entre
+1.35 es de 0.823
La probabilidad de que un valor sea superior a 1.35 es
de 0.0885
Que es la misma probabilidad de un valor menor a -1.35
-1.35 y
Propiedades
Basado en lo anterior
El 95% de los datos cae en el intervalo comprendido entre
-1.96 y + 1.96
El 99% de los datos cae en el intervalo entre -2.58 y
+2.58
Esto significa que
Un valor cualquiera tendr 95% de probabilidad de caer en
el intervalo de 1.96 y -1.96
Un valor cualquiera tendr 99% de probabilidad de caer
entre 2.58 y -2.58
Valores de z
Para poder transformar la variable en unidades de desviacin estndar.
Se lleva hace la transformacin en lo que se llama la normalizacin que se
hace con la siguiente frmula.
Desviaciones de la Normal
En la coleccin de datos pueden darse desviaciones de
las caractersticas de la normal
Cambios en la Kurtosis o concentracin los datos en
torno a la media
Cuando los datos estn muy concentrados en torno a la
media se dice que la distribucin es leptocrtica
Cuando los datos estn muy dispersos se llama distribucin
platiocrtica.
Variaciones de la Normal
Asimetrias
Cuando en la distribucin normal no coinciden la media
y la moda, y no se encuentran centradas se dice que
hay sesgo
El sesgo positivo es cuando la concentracin de los datos
es a la derecha de la media
El sesgo negativo es cuando la mayora de los datos
estn por arriba de la media
Sesgo Positivo
