ESCUELA PROFESIONAL DE
TEMA DE CLASE: CONTABILIDAD
DISTRIBUCIONES
CONTINUAS NORMAL Y
CHI CUADRADO
CURSO: ESTADÍSTICA INFERENCIAL
DOCENTE: MG. ANNE E. ANICETO CAPRISTÁN
SEMESTRE
ACADÉMICO
2023B
UNIDAD 1: Variables aleatorias e Intervalos de confianza
LOGRO DE APRENDIZAJE: Al finalizar la unidad I, los estudiantes
elaboran el primer informe estadístico de su problema
planteado haciendo uso de los métodos inferenciales de
intervalos de confianza para estimaciones de parámetros
poblacionales, evidenciando un correcto manejo en su uso e
interpretaciones.
Distribuciones Continuas
Distribución Normal
La variable aleatoria X tiene una distribución normal con parámetros μ y
σ2 (σ2 > 0) si su función de densidad de probabilidad es
; x ∈ IR
• Se denota X ~ N (μ, σ2) y se lee que la variable aleatoria X sigue una
distribución normal con parámetros µ y σ2.
• La función de densidad de una variable normal tiene forma de
campana y es simétrica, por lo que las medidas de tendencia central
coinciden.
Interpretación geométrica de los parámetros de
una distribución normal
• Se puede interpretar la media como un
parámetro de traslación.
Interpretación geométrica de los parámetros de
una distribución normal
• Se puede interpretar la media como un
parámetro de traslación.
Interpretación geométrica de los parámetros de
una distribución normal
• Se puede interpretar la media como un
parámetro de traslación.
Interpretación geométrica de los parámetros de
una distribución normal
• Se puede interpretar la varianza como un
parámetro de escala o grado de dispersión.
Interpretación geométrica de los parámetros de
una distribución normal
• Se puede interpretar la varianza como un
parámetro de escala o grado de dispersión.
Interpretación geométrica de los parámetros de
una distribución normal
• Se puede interpretar la varianza como un
parámetro de escala o grado de dispersión.
Distribuciones Continuas
Áreas bajo la curva Normal
Distribuciones Continuas
Propiedad de la distribución Normal
Distribuciones Continuas
Estandarización de una variable Normal
La función de densidad de Z es
La función de distribución acumulada de Z es
Distribuciones Continuas
Cálculo de probabilidades para una variable Normal
*Margen izquierdo : Los enteros de c y
su primer decimal.
* Margen superior: segundo decimal
* Cuerpo de la tabla: áreas correspondientes,
La tabla consta de: acumuladas desde -4.09
hasta 4.09
c 0 1 2 3 4 5 6 7 8 9
-4.0 .0000 .0000 .0000 .0000 .0000 .0000 …...
-3.9 .0000 .0000 .0000 ……
-3.8 .0001 .0001 .0001 .... ...... ......
-3.7 .0001 ..... ...... ...... ......
-3.6 .0002 .... ..... ....
.0002 ....
-3.5
Ejemplo:
¿Cuál es la probabilidad de que Z ~ N(0,1) sea menor o igual que 2.03?
Se busca en la tabla el área correspondiente a c = 2.03
c 0 1 2 3 0.04
1.9
2.0 0.9788
2.2
0.9788
2.2
Ejemplo:
Si Z ~ N(0,1), halle P(-1.22 < Z < 2.5)
P(-1.22 < Z < 2.5) = P(Z < 2.5) – P(Z <-1.22). Hallemos primero P(Z< 2.5)
c 0 1 2 3 0.04
2.4
2.5 0.9938
2.6
2.7
0.9938
Hallemos ahora P(Z< -1.22)
c 0 1 2 3 4
-1.3
-1.2 0.1112
-1.1
0.1112
-1.0
Entonces P(-1.22 < Z < 2.5) = P(Z < 2.5) – P(Z <-1.22) se halla
restando las áreas; es decir, P(-1.22 < Z < 2.5) = 0.9938 – 0.1112 = 0.8818
EJERCICIOS
1. Si
a) Calcule P(Z < 1,25), P(Z < -1,25), P(-1,25 < Z < 1,25), P(Z >
2,16), P(Z < 4), P(Z = 2,05)
b) Determine c para que P(Z < c) = 0,975
c) Determine c para que P(-c < Z < c) = 0,95
2. Si
a) Calcule , , ,
b) Determine c para que P(X < c) = 0,7549
Distribuciones asociadas a la normal
• Dependiendo del problema, podemos
encontrar otras (asociadas):
• X2 (chi cuadrado)
• t- student
• F-Snedecor
20
Chi cuadrado de Pearson
• Tiene un sólo parámetro
denominado grados de
libertad.
• La función de densidad es
asimétrica positiva. Sólo
tienen densidad los valores
positivos.
• La función de densidad se
hace más simétrica incluso casi
gaussiana cuando aumenta el
número de grados de libertad.
• Normalmente consideraremos
anómalos aquellos valores de
la variable de la “cola de la
derecha”.
Sea 𝑥1 , 𝑥2 , 𝑥3 , … … … 𝑥𝑛 variables aleatorias que se distribuyen como
normales N(0,1) , y se define una nueva variable
𝑋 = 𝑋12 + 𝑋22 + 𝑋32 + ⋯ + 𝑋𝑛2 , entonces se dice que X se distribuye como
una Chi- Cuadrado o Ji-Cuadrado con n grados de libertad, donde n es el
número de variables aleatorias normales independientes elevadas al
cuadrado que se han sumado. Esta se representa como:
𝑋 → 𝜒𝑛2
Su función de densidad es
Gráficamente se representa
Uso de la tabla Chi cuadrado
2
𝜒∝,𝑛
Calcular :
2
a) P( 𝜒0.95,10 )
2
b) P( 𝜒18 >a) =0.05
2
c) P( 𝜒15 <a) =0.05
d) Calcular los puntos que delimitan el área sombreada en una
distribución Chi cuadrado con 8 grados de libertad y un alfa= 0.05
f) Calcular
los puntos que delimitan el área sombreada en una distribución
Chi cuadrado con 30 grados de libertad y un alfa= 0.10
g) Calcular el punto que delimita el área sombreada en una
distribución Chi cuadrado con 7 grados de libertad y un alfa= 0.10
2
h) P( 𝜒25 >a) =0.90
2
i) P( 𝜒21 <a) =0.05
2
j) P( 𝜒0.80,12 )
2 2
𝑘) 𝑃( 𝜒19,∝/2 < 𝜒 2 < 𝜒19,1−𝛼/2 siendo alfa= 0.01
Ejercicios
1. Si los puntajes de los postulantes en un examen de ingreso se
distribuyen como una variable aleatoria normal con una media de 1 200
y una desviación estándar de 300 puntos.
a) Encontrar la probabilidad de que el puntaje de un postulante sea de
por lo menos 1 300.
b) Si ingresa el 12,3 % de los postulantes con puntajes más altos,
hallar el puntaje mínimo para ingresar.
2. En una ciudad se estima que la temperatura máxima en un día del mes
de enero puede modelarse con una variable normal con media 30°C y
desviación estándar 2°C.
a) Si se escoge al azar un día del mes de enero, calcule la probabilidad
de que la temperatura máxima sea menor a 31°C.
b) Si se escoge al azar un día del mes de enero, calcule la probabilidad
de que la temperatura máxima esté entre 28,5 y 32°C.
c) Calcule el número esperado de días en el mes de enero en que la
temperatura máxima es mayor a 33°C. Asuma independencia entre las
temperaturas de un día y otro.
3. Suponga que la demanda mensual de leche en una tienda se distribuye
normalmente con una media de 650 litros y una desviación estándar de 100
litros.
¿Qué probabilidad hay de que la demanda supere los 500 litros en un mes
y qué cantidad del bien debe haber mensualmente a fin de satisfacer la
demanda en el 89.8% de los meses?
Propiedad reproductiva de la normal
Si son v. a independientes donde
cada y sean
constantes,
entonces
En particular tomado se cumple que:
Ejercicios
1. El indicador de un ascensor dice “Máximo 1200 kg”. Un repartidor de
mercancía introduce 10 cajas grandes, cuyo peso se distribuye según
una distribución normal de media 140 kg y desviación típica 10 kg.
¿Cuál es la probabilidad de que suba 10 cajas en el ascensor y este se
quede bloqueado?
Y: Peso de 10 cajas cada caja
Y=𝑋1 +𝑋2 +𝑋3 + ⋯ 𝑋10
𝑌~𝑁 140 10 , 102 10
𝑌~𝑁 1400, 1000
𝑌~𝑁 1400, 31.6232
1200−1400
P(Y>1200) = P(Z>( ) = 1 − P Z < −6.32 = 1
31.623
Teorema del Límite Central (TLC)
Si son v.a independientes donde cada
siendo F una distribución cualquiera no
necesariamente normal. Entonces para n suficientemente
grande (n ≥ 30):
Así también
