Función de

Distribución

Hemos visto como se construye un gráfico de frecuencias con
datos extraídos de una población.

1
Función de
Distribución


2
 DISTRIBUCIÓN NORMAL
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
Pierre Simón de Laplace publicada por primera vez en 1733 por
(1749-1827) 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 .

Karl F. Gauss
(1777-1855)
 INTRODUCCION
• Esta distribución es frecuentemente utilizada en las aplicaciones
estadísticas. Su propio nombre indica su extendida utilización,
justificada por la frecuencia o normalidad con la que ciertos
fenómenos tienden a parecerse en su comportamiento a esta
distribución.
• Muchas variables aleatorias continuas presentan una función de
densidad cuya gráfica tiene forma de campana.
• En otras ocasiones, al considerar distribuciones binomiales, tipo
B(n,p), para un mismo valor de  p  y valores de  n  cada vez mayores,
se ve que sus polígonos de frecuencias se aproximan a una curva en
"forma de campana".
• En resumen, la importancia de la distribución normal se debe a que
hay muchas variables asociadas a fenómenos naturales que siguen el
modelo de la normal.
 INTRODUCCION
 Caracteres morfológicos de individuos (personas, animales,
plantas,...) de una especie, [Link]. tallas, pesos, envergaduras,
diámetros, 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.

 Caracteres psicológicos, por ejemplo: cociente intelectual, grado de

adaptación a un medio,...

 Valores estadísticos muestrales, por ejemplo : la media.

 Otras distribuciones como la binomial o la de Poisson son

aproximaciones normales, ...
CARACTERÍSTICAS DE LA
DISTRIBUCIÓN
PROBABILÍSTICA NORMAL
 CARACTERISTICAS DE UNA
DISTRIBUCION PROBABILISTICA NORMAL
1. La curva normal tiene un perfil
de campana (campaniforme), y
presenta un solo pico en el
centro exacto de la distribución.
La media (aritmética), la
mediana y la moda de la
distribución son iguales y están
en el punto central. De esta
forma, la mistad del área bajo la
curva se halla a un lado (o
encima del valor central) de ese
punto, y la otra mitad, al otro
lado (o por debajo).
 CARACTERISTICAS DE UNA
DISTRIBUCION PROBABILISTICA NORMAL
2. La distribución probabilística normal es simétrica con
respecto a su media. Si se corta la curva normal
verticalmente por este valor central las dos mitades serán
como imagines reflejadas en un espejo.
 CARACTERISTICAS DE UNA
DISTRIBUCION PROBABILISTICA NORMAL
3. La curva normal decrece
uniformemente en ambas
direcciones a partir del valor
central. Es asintótica, los cual
significa que la curva se acerca
cada vez mas al eje x pero en
realidad nunca llega a tocarlo.
Esto es, las colas o extremidades
se extienden indefinidamente en
ambas direcciones. Sin embargo
en el mundo real esto no resulta
verdadero. Por ejemplo la duración
de las pilas alcalinas no va jamas
a alcanzar los 300 años.
CURVA NORMAL
 FAMILIA DE
DISTRIBUCIONES NORMALES
FAMILIA DE DISTRIBUCIONES
NORMALES (μs = y σs ≠ )

FAMILIA DE DISTRIBUCIONES
NORMALES (μs ≠ y σs =)

5 5

20 30 40 50 60 70 80 90 100 110 120

FAMILIA DE DISTRIBUCIONES
NORMALES (μs ≠ y σs ≠)

5  7
  10

20 30 40 50 60 70 80 90 100 110 120

AREAS BAJO LA CURVA NORMAL
INTERPRETACIÓN PROBABILISTICA
DE LA CURVA NORMAL

• Entre la media y una desviación estandar

tenemos siempre la misma probabilidad:
aproximadamente el 68.27 %.
INTERPRETACIÓN PROBABILISTICA
DE LA CURVA NORMAL

• Entre la media y dos desviaciones estandars

tenemos siempre la misma probabilidad:
aproximadamente el 95.45 %.
INTERPRETACIÓN PROBABILISTICA
DE LA CURVA NORMAL

• Entre la media y tres desviaciones estandars

tenemos siempre la misma probabilidad:
aproximadamente el 99.73 % .
FUNCION DENSIDAD
 FUNCIÓN DE DENSIDAD


La curva normal es una distribución teórica de los
datos de una población.
Es una curva con forma de campana, descripta por la
siguiente ecuación:

N   x    / 2
2 2
Y e
2 20
 FUNCIÓN DE DENSIDAD

Y = Frecuencia de un valor dado de X


N = Frecuencia total de la distribución
X = Cualquier dato de la distribución
: Media de la distribución
: Constante con un valor aprox. de
3,1416
 : Desviación estándar de la distribución
e: Constante con un valor aproximado
21
AREAS BAJO LA CURVA
NORMAL
DISTRIBUCION NORMAL

Área debajo de la curva normal

23
 DISTRIBUCION NORMAL
Interpretación
Ejemplo: Coeficiente Intelectual (IQ) de 10.000 individuos


24
 DISTRIBUCION NORMAL
Interpretación
Ejemplo: Coeficiente Intelectual (IQ) de 10.000 individuos

Para calcular el número de datos que hay en cada área, lo
único que debemos hacer es multiplicar el porcentaje
correspondiente por la cantidad total de datos.
Así, existen:
- 34,13% X 10.000 = 3.413 datos entre 100 y 116,
- 13,59% X 10.000 = 1359 datos entre 116 y 132,
- 2,15% x 10.000= 215 datos entre 132 y 148, Y
- 0,13% x 10.000= 13 datos son mayores que 148.

Para la otra mitad de la distribución existen 3.413 datos entre

84 y 100, 1.359 datos entre 68 y 84 y 215 datos entre 52 y
68; 13 datos se encuentran por debajo de 52.
 El área bajo la curva normal y sobre el eje x es igual a la
probabilidad de que la variable aleatoria x tome un valor
dentro de cierto intervalo. Para medir esta área es

necesario calcular la integral de la función de la curva
normal para un intervalo de valores. Para evitar la
dificultad de resolver integrales es necesario tabular las
áreas que corresponden a cada valor de x. Como el
número de distribuciones normales es ilimitado sería
una tarea sin fin intentar establecer tablas para cada
combinación de µ y σ. Afortunadamente, un miembro
de la familia de las distribuciones normales puede ser
usado en todos los problemas donde la distribución
normal es aplicable, esta es la distribución normal con
media cero y desviación estándar 1, la cual es llamada
distribución normal estándar.
26
 Cada distribución normal deberá estandarizarse, es
decir, transformarse a una distribución normal estándar,
utilizando un valor z, o variable aleatoria estándar.
Valor Z. Distancia

entre un valor seleccionado,
denominado X, y la media de la distribución, en unidades
de una desviación estándar.

En términos de fórmula:

X-µ
Z=
δ

Gracias a esta fórmula podemos transformar cualquier

distribución normal a la distribución normal estándar .
27
 Si se quiere saber la probabilidad de que la variable
aleatoria tome valores dentro de determinado rango, se
necesitaría calcular el área bajo la curva, resolviendo la

integral de la función para ese rango de valores.
 Una característica que tiene cualquier distribución
normal es que el área bajo la curva, que representa la
probabilidad de que la variable aleatoria tome ciertos
valores, se distribuye en la misma proporción.
 Para facilitar los cálculos se tabularon las áreas bajo la
curva normal que se encuentran a la derecha de algunos
de los valores Z, de esta forma ya no es necesario
resolver integrales, solo se necesita transformar la
distribución normal de interés en una distribución
normal estándar mediante la fórmula, y el área a la
derecha del valor z será el mismo que el área a la
derecha de x.

28
Área bajo la curva normal estándar

El área bajo la curva normal estándar es útil para
asignar probabilidades de ocurrencia de la variable
X.
Debemos tomar en cuenta que el área total bajo la
curva es igual a 1. Y que, por ser una gráfica
simétrica, cada mitad tiene un área de 0.5.
 Pasos para determinar el área bajo la curva
normal estándar

 Paso 1 - Interpretar gráficamente el área de interés.
 Paso 2 - Determinar el valor Z
 Paso 3 - Buscar en la tabla de probabilidades.
 Paso 4 - Hacer la suma o resta de áreas para
encontrar la probabilidad deseada
Ejemplos y ejercicios

Supongamos que sabemos que el peso de los/as
estudiantes universitarios/as sigue una distribución
aproximadamente normal, con una media de 140
libras y una desviación estándar de 20 libras.
 Ejemplo 1

Determine la probabilidad de que una persona tenga un peso


menor o igual a 150 libras

 Paso 1. Interpretar gráficamente el área de interés.

Gráficamente si decimos que a=150 libras, el área
de la curva que nos interesa es la siguiente:
 Ejemplo 1
Determine la probabilidad de que una persona tenga un peso


menor o igual a 150 libras

Paso 2. Determinar el valor Z:

X   150  140
Z   0.50
 20

Paso 3. Buscar en la tabla de probabilidades.

Buscamos en la Tabla 1 el valor Z=0.50 y obtenemos el área de 0.6915

Paso 4. Hacer la suma o resta de áreas para

encontrar la probabilidad deseada.
En este ejemplo no es necesario realizar ningún computo adicional ya
que el área es la misma que se representa en la Tabla 1
 Ejemplo 2
Si deseamos la probabilidad de que una persona, elegida al
azar, tenga un peso mayor o igual a 150 libras

Paso 1 Interpretar gráficamente el área de interés.

 

Gráficamente si decimos que a=150 libras, el área de la curva que nos interesa es la siguiente:

 
 Ejemplo 2
Si deseamos la probabilidad de que una persona, elegida al

 X 
azar, tenga un peso mayor o igual a 150 libras

150  140
Paso 2 - Determinar el valor Z: Z   0.50
 20
Paso 3 - Buscar en la tabla de probabilidades.
 

Buscamos en la Tabla 1 el valor Z=0.50 y obtenemos el área de

0.6915.
Paso 4 - Hacer la suma o resta de áreas para encontrar la
probabilidad deseada.
En este ejemplo el área de 0.6915 no representa el área que nos
interesa sino la contraria. En este caso debemos restarle 1 a la
probabilidad encontrada.
 1 - .6915 = 0.3085
 Ejemplo 3
Determine la probabilidad de que una persona, elegida al azar,


tenga un peso menor o igual a 115 libras

Paso 1 Interpretar gráficamente el área de interés.

 
Gráficamente si decimos que a=115 libras, el área de la curva que nos
interesa es la siguiente:  
 Ejemplo 3
Determine la probabilidad de que una persona, elegida al azar,

X  
tenga un peso menor o igual a 115 libras

115  140
Paso 2 - Determinar el valor Z: Z    1.25
 20
Paso 3 - Buscar en la tabla de probabilidades.
 

 Buscamos en la Tabla 1 el valor Z=-1.25 y obtenemos el área de

0.8944.
Paso 4 - Hacer la suma o resta de áreas para encontrar la
probabilidad deseada.
En este ejemplo el área de 0.8944 no representa el área que nos
interesa sino la contraria. En este caso debemos restarle 1 a la
probabilidad encontrada.
 1 - .8944 = 0.2212
 Ejemplo 4
Si deseamos la probabilidad de que una persona, elegida al


azar, tenga un peso entre 115 y 150 libras.

Paso 1 Interpretar gráficamente el área de interés.

 
Gráficamente si decimos que a=115 libras y b=150 libras, el área de la
curva que nos interesa es la siguiente
 Ejemplo 4
Si deseamos la probabilidad de que una persona, elegida al
azar, tenga un peso entre 115 y 150 libras.

Paso 2 - Determinar el valor Z


X   115  140 Cuando X=115
Z   1.25
 20  

X   150  140 Cuando X=150

Z   0.50
 20  

Paso 3 - Buscar en la tabla de probabilidades.

 
Buscamos en la Tabla 1 el valor Z=-1.25 y obtenemos el área de 0.8944.
 
Buscamos en la Tabla 1 el valor Z=0.50 y obtenemos el área de 0.6915
 Ejemplo 4
Si deseamos la probabilidad de que una persona, elegida al


azar, tenga un peso entre 115 y 150 libras.

Paso 4 - Hacer la suma o resta de áreas para encontrar la probabilidad deseada.

 
El área de 0.8944 se le resta la diferencia de 1-.6915.
 
0.8944 – (1-.6915) = .5859

 
 Ejemplo 5
Determine la probabilidad de que una persona tenga un peso


menor o igual a 150libras

Paso 1 Interpretar gráficamente el área de interés.

 
Gráficamente si decimos que a=150 libras y b= 160 libras, el área de la curva que nos interesa es la siguiente:

 
 Ejemplo 5
Determine la probabilidad de que una persona tenga un peso


menor o igual a 150libras

Paso 2 - Determinar el valor Z

 
Como vimos en el ejemplo 1 y 2 E valor Z cuando X=150 es 0.50.
Para X=160 el valor Z será:

X   160  140
Z   1.0
 20

Paso 3 - Buscar en la tabla de probabilidades.

Buscamos en la Tabla 1 el valor Z=0.50 y obtenemos el área de
0.6915.
Cuando Z = 1.0 el área es de 0.8413.
 Ejemplo 5
Determine la probabilidad de que una persona tenga un peso
menor o igual a 150libras

Paso 4 - Hacer la suma o resta de áreas para encontrar la probabilidad deseada.
 
En este ejemplo se resta el área mayor menos el área menor como se interpreto en el paso 1.
 
0.8413 - .6915 = 0.1498