Estadística

LA DISTRIBUCIÓN NORMAL

Teorema del límite central

Error estañar de la media (eem)
Nivel de confianza
 La distribución normal

DISTRIBCIÓN NORMAL
La distribución de probabilidad continua más importante en todo el campo de la estadística es la
distribución normal. Su gráfica, denominada curva normal, es la curva con forma de campana
de la fi gura 1, la cual describe de manera aproximada muchos fenómenos que ocurren en la
naturaleza, la industria y la investigación
 LA DISTRIBUCIÓN NORMAL

La distribución normal fue reconocida

por primera vez por el francés
Abraham de Moivre (1667-1754). 

Posteriormente, Carl Friedrich Gauss

(1777-1855) realizó estudios más a
fondo donde formula la ecuación
de la curva conocida comúnmente,
como la “Campana de Gauss". 
 DISTRIBUCIÓN NORMAL
La función de distribution de densidad F(x)

La ecuación matemática para la distribución de probabilidad de la variable

normal depende de los dos parámetros μ y σ,su media y su desviación
estándar, respectivamente. Por ello, denotamos los valores de la densidad de
X por n(x; μ, σ).
 DISTRIBUCIÓN NORMAL

Una vez que se especifican μ y σ, la curva normal queda determinada por completo
 DISTRIBUCIÓN NORMAL

Cambio de la distribución variando la media, pero con desviaciones estándares

iguales
 DISTRIBUCIÓN NORMAL

Una vez que se especifican μ y σ, la curva normal queda determinada por completo

Cambio de la distribución variando la desviación estándar , pero con medias

iguales
 DISTRIBUCIÓN NORMAL

Una vez que se especifican μ y σ, la curva normal queda determinada por completo

Cambio de la distribución variando la media y la desviación estándar

 DISTRIBUCIÓN NORMAL

Propiedades de la distribución normal

La distribución de probabilidad conocida como distribución normal es, por la cantidad de
fenómenos que explica, la más importante de las distribuciones estadísticas.
La distribución de probabilidad normal y la curva normal que la representa,
tienen las siguientes características:
• La curva normal tiene forma de campana y un solo pico en el centro de la distribución.
•De esta manera, la media aritmética, la mediana y la moda de la distribución son iguales y se
localizan en el pico.
•Así, la mitad del área bajo la curva se encuentra a la derecha de este punto central y la otra
mitad está a la izquierda de dicho punto.
•La distribución de probabilidad normal es simétrica alrededor de su media.
•La curva normal desciende suavemente en ambas direcciones a partir del valor central.
•Es asintótica, lo que quiere decir que la curva se acerca cada vez más al eje X pero jamás llega a
tocarlo. Es decir, las “colas” de la curva se extienden de manera indefinida en ambas direcciones.
•El valor bajo la curva es igual a 1 o 100%
 DISTRIBUCIÓN NORMAL
Propiedades de la distribución normal
1. La moda, que es el punto sobre el eje horizontal donde la curva tiene su punto máximo, ocurre en x = μ.
2. La curva es simétrica alrededor de un eje vertical a través de la media μ.
3. La curva tiene sus puntos de inflexión en x = μ ± σ, es cóncava hacia abajo si μ – σ < X < μ + σ, y es cóncava hacia arriba
en otro caso.
4. La curva normal se aproxima al eje horizontal de manera asintótica, conforme nos alejamos de la media en cualquier
dirección.
5. El área total bajo la curva y sobre el eje horizontal es igual a uno.
6. El área bajo la curva
u ± 1σ = 68,3%
u ± 2σ = 95,50 %
u ± 3σ = 99,7%
 DISTRIBUCIÓN NORMAL

Propiedades de la distribución normal

La distribución normal estándar:

• No existe una sola distribución de probabilidad normal, sino una “familia” de ellas.
• Cada una de las distribuciones puede tener una media (μ) o una desviación estándar distinta
(σ). Por tanto, el número de distribuciones normales es ilimitado y sería imposible
proporcionar una tabla de probabilidades para cada combinación de μ yσ.
• Para resolver este problema, se utiliza un solo “miembro” de la familia de distribuciones
normales, aquella cuya media es 0 y desviación estándar 1 que es la que se conoce como
distribución estándar normal,
• Todas las distribuciones normales pueden convertirse a la estándar, restando la media de
cada observación y dividiendo por la desviación estándar.
• Primero, convertiremos la distribución real en una distribución normal estándar utilizando un
valor llamado Z, o estadístico Z que será la distancia entre un valor seleccionado, designado
X, y la media μ, dividida por la desviación estándar σ.
 DISTRIBUCIÓN NORMAL

Propiedades de la distribución normal

La distribución normal estándar:
. X 
•Formalmente, si X ∼ N(μ,σ) , entonces la variable aleatoria. Z

•Z se distribuye según una normal de media 0 y desviación estándar 1, i.e.: Z ∼ N(0,1) , que es la
distribución llamada normal estándar o tipificada.

•De esta manera, un valor Z mide la distancia entre un valor especificado de X y la media
aritmética, en las unidades de la desviación estándar.

•Al determinar el valor Z utilizando la expresión anterior, es posible encontrar el área de

probabilidad bajo cualquier curva normal haciendo referencia a la distribución normal estándar
en las tablas correspondientes.
La distribución normal estándar
• Z se la denomina variable tipificada de X, y a la curva de su función de densidad se
le conoce como la curva normal estándar.

• Es una distribución normal con promedio 0 y una desviación estándar de 1.

• Todas las variables normalmente distribuidas se pueden transformar a la distribución

normal estándar utilizando la fórmula para calcular el valor Z correspondiente.
La distribución normal estándar
• Si nosotros normalizamos la curva esta dependerá de los valores X y la Media.
• Z será :

• Z representa el número de veces que está contenida la desviación estándar entre la

media y el punto X .

• Z es la distancia entre X y la media expresada en desviación estándar

X 
Z

• Si tenemos el valor de Z podemos saber cual es la probablidad de que un determinado valor
este dentro de la curva
 La función F(z)
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.

• En la siguiente gráfica vemos la representación gráfica de la función de Z.

X  α
Z

 Área bajo la curva normal estándar
Pasos para determinar el área bajo la curva normal estándar

• Paso 1 - Interpretar gráficamente el área de interés.

• Paso 2 - Determinar el valor Z

1 [Link]
2. [Link]
3 [Link]
4 [Link]
5 [Link]
6 [Link]
7 [Link]
8[Link]
9[Link]
10[Link]
• Paso 3 - Buscar en la tabla de probabilidades.

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

 USO DE LA TABLA NORMAL
La tabla normalizada de Z (0,1) nos da el área bajo la curva en proporción, para diferentes
valores de Z
La tabla va desde En el eje vertical se encuentra los valores de Z desde Z = -3,4 hasta Z = 3,4
con un decimal; en el eje horizontal se encuentra tabulado el segundo decimal de Z ( desde
0,00 hasta 0,09
Los valores que se encuentran en el interior de la tabla corresponden al área bajo la curva
normal
Segundo decimal de Z
Desde
0,00 a 0,09

Valores Z
desde
-3,4 VALORES DE
a PROBABILIDADES
3,4
Tabla P(Z <z)
 Ejemplo 1

Determine la probabilidad de que una persona tenga un peso

menor o igual a 150 libras

 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
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

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

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

X   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 0.1056
  Paso 4 – No hace falta realizar suma o resta de áreas para encontrar la probabilidad
deseada.
 Otra forma es :Encontramos Z para 1,25 ( no consideramos el signo menos) Z = 0.8944 no
representa el área que nos interesa sino la contraria. En este caso debemos restarle 1 a la
probabilidad encontrada.
 1 - 0.8944 = 0.1056
 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

Cuando X=150 X   150  140

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 0.1056.
 
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 0.6915 se le resta 0.1056.
 
0.6915 – 0.1056 = 0.5865

 
 Ejemplo 5
Determine la probabilidad de que una persona tenga un peso entre
150libras y 160 libras

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

 
 Ejemplo 6
Determine la probabilidad de elegir a una persona que pese entre
115 y 130 libras.

Paso 1 Interpretar gráficamente el área de interés .

 
Gráficamente si decimos que a=115 libras y b= 130 libras, el área de la curva
que nos interesa es la siguiente:
 
 Ejemplo 6
Determine la probabilidad de elegir a una persona que pese entre
115 y 130 libras.

Paso 2 - Determinar el valor Z

Cuando X=115 X   115  140

Z   1.25
     20

para X=130 X   130  140

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 (=0.1056 )
 
Para Z = -.050 el área es de (=0.3085)
 Ejemplo 6
Determine la probabilidad de elegir a una persona que pese entre
115 y 130 libras.

 
Paso 4 - Hacer la suma o resta de áreas para encontrar la probabilidad
deseada.
 
 
En este ejemplo el área será la diferencia de .3085-.1056=0.2029 .
 Ejemplo 7

Las resistencias de las varillas obtenidas por un determinado proceso tiene una
distribución normal con una  de 24 y una de 3 el cliente necesita que al menos el
95% de las varillas tenga una resistencia de 20
Cual es el % que cumple.
 Ejemplo 7

El cliente acepta el lote cuando no más del 5% de varillas tengan una resistencia
menor a 20.
Es decir α debe ser:
100% -95% = 5%
1-0.95 = 0.05
α < 0,05
 Ejemplo 7

Determinar el valor Z

X   20  24
Cuando X=20 Z   1.33
 3
Buscamos en la Tabla 1 el valor Z=-1.33 y obtenemos el área de
(=0.0918 )

α = 0,0918 = 9,18%

Esto quiere decir que el 9,18 % de las varillas tienen un resistencia menor a 20 y el
cliente solo acepta que sea el 5%. Por lo tanto el lote no se acepta .
 Ejemplo 8

Los pesos individuales de un lote de ampollas tiene una distribución normal cuya media
es de 1,433 g y una desviación de 0,033.

Las especificaciones para el peso son

X = 1,46 +/- 0,085
Que porcentaje no cumple con la especificación
Cual es el % bajo especificación
Cual es el % sobre especificación.
Que % cumple con la especificación.
 Ejemplo 8

Los pesos individuales de un lote de ampollas tiene una distribución normal cuya media
es de 1,433 g y una desviación de 0,033.

Las especificaciones para el peso son

X = 1,46 +/- 0,085
Cual es el % bajo especificación
Cual es el % sobre especificación.
Que % cumple con la especificación.
Que porcentaje no cumple con la especificación
Ejercicios de prueba

(-3ᵟ) (-2ᵟ) (-1ᵟ)   1ᵟ 2ᵟ 3ᵟ

1,344 1,377 1,41 1,443 1,476 1,509 1,542

LIC= 1,375  LSC= 1,545

 Ejemplo 8
Los pesos individuales de un lote de ampollas tiene una distribución normal cuya media
es de 1,433 g y una desviación de 0,033.
Límites de especificación:
LIE = 1,46 – 0,085 = 1,375 X   1,375  1,433
Z   1.76
 0,033
A = 0,0392
A= 3,92%

X   1,545  1,433
Z   3,39
LSE = 1,46 + 0,085 = 1,545  0,033

A2= 0,9997
A2 = 1-0,9997 = 0,0003
A2 = 0,03%

AT = 3,92 +0,03 = 3,95%

 Ejemplo 9

El peso de un producto se distribuye normalmente con una desviación estándar de 5g

pero no se conoce su media.
Se sabe que el 10% del producto tiene un peso menor e igual al 230 g
Cuál es el valor de la media

10% equivale a 0,10 equivale a Z = -1,28

X 
Z 

230  u
 1,28 
5
u = 236,40 g
 Teorema
del
límite central
 Teorema del Límite Central
[Link]

Las medias
muestrales ( Ẍ)
siguen una
distribución normal
Error estándar de la media
(eem)
 Error estándar de la media

X1 x2 x3 x4 x5 media ( x) (S)
n1 n1 0,51 0,51 0,49 0,51 0,51 0,51 0,009 u 0,50
n2
n2 0,51 0,52 0,48 0,51 0,50 0,50 0,015 σ 0,016308
n3
n3 0,51 0,53 0,46 0,51 0,50 0,50 0,026
n4
n4 0,50 0,48 0,49 0,48 0,53 0,50 0,021
n5 n5 0,51 0,49 0,49 0,50 0,52 0,50 0,013
n6
n6 0,49 0,50 0,48 0,47 0,52 0,49 0,019 ܺധൌ
‫ݑ‬
n7 n7 0,52 0,52 0,49 0,50 0,50 0,51 0,013
n8 n8 0,53 0,49 0,49 0,51 0,50 0,50 0,017
n9
n9 0,50 0,49 0,51 0,49 0,51 0,50 0,010
n10 0,47 0,50 0,47 0,48 0,51 0,49 0,018
n10

ܺധ 0,500 0,016 ܺധ 0,50

ܵ௫ҧ 0,007 ܵ௫ҧ 0,007

eem

0,0163
0,007 =
√5
 Ejemplo 10
Una máquina llena bolsas de patatas fritas, con un contenido medio ( u) de 150 g, y una desviación
estándar (σ ) de 11g. Si se toma una muestra aleatoria de 40 bolsas; cual es la probabilidad de que la
media muestral este entre 145 y 153 gramos
Pasos
1 Graficamos

a =145 b=153

2 Pasamos los valores de x media la curva normal estándar

En este caso como la distribución es de las medias de las muestras, la ecuación de Z toma la forma

Buscamos en la tabla
de la curva normal
Za = - 2,87 cuales son los valores
de probabilidad
correspondientes
Zb = 1,72 estos valores de Z
Para z = -2,87, el valor de la
probabilidad es 0,0021
Para z =1,72, el valor de la
probabilidad es 0,9573
 Ejemplo 10
Una máquina llena bolsas de patatas fritas, con un contenido medio (u) de 150 g, y una desviación
estándar ( σ) de 11g. Si se toma una muestra aleatoria de 40 bolsas cual es la probabilidad de que la
media muestral este entre 145 y 153 gramos
Pasos
3 Buscamos los valores de la probabilidad en las tablas normalizada de la curva normal los valores
correspondientes a los valores de Z. Tomar en consideración que los valores de la probabilidad de cada
valor de Z, van desde menos infinito hasta el valor de Z indicado.
pa = 0,0021
Za = - 2,87
Zb = 1,72 pb = 0,9573

pa = 0,0021
pb = 0,9573

Para calcular la probabilidad que la media p(153-145) = 0,9573- 0,0021

este entre 145 y 153, tenemos que restar p(153-145) = 0,9552
la pb- pa, según se ve en el gráfico
p(153-145) = 95,52%
Nivel de confianza
[Link]

[Link]

[Link]

[Link]
 Nivel de confianza
Por ejemplo podemos tomar un número de muestras ( m) de tamaño (n ) de una población,
para el ejemplo y para facilitar el calculo tomaremos 100 muestras (m) de tamaño ( n ) de una
población. Calculamos su media y desviación estándar y expresamos como ẍ ± s,
construiremos un intervalo de la forma:

Si dibujamos estas 100 medias con sus intervalos, con el valor verdadero (u) tenemos
 n1 n2 n3 n4 n5 Ẍ
(Media)
S
(Desv. Esta)
u
m1    
m1 x1 x2 x3 x4 x5 Ẍ1 S1
   
m2 x1 x2 x3 x4 x5 Ẍ2 S2    
m2
m3 x1 x2 x3 x4 x5 Ẍ3 S3    
m3
   
m4 m4 x1 x2 x3 x4 x5 Ẍ4 S4
   
m5 m5 x1 x2 x3 x4 x5 Ẍ5 S5    
m6 m6 x1 x2 x3 x4 x5 Ẍ6 S6    
m7    
m7 x1 x2 x3 x4 x5 Ẍ7 S7    
m8 m8 x1 x2 x3 x4 x5 Ẍ8 S8    
m9 x1 x2 x3 x4 x5 Ẍ9 S9    
m9
   
m100
. . . . . . . .    
. . . . . . . .    
. . . . . . . .  
 
 
 
m100 x1 x2 x3 x4 x5 Ẍ13 S100    
ܺധ    
De las 100 medias con sus intervalos, vemos que 95
contienen al valor verdadero u ( línea roja), entonces
ܵ௫ҧ decimos que tenemos un 95% de confianza (NC).
5 medias con sus intervalos no contiene al valor
verdadero (u), es decir el 5%, a este porcentaje se
llama nivel de significancia ( α)
 n1 n2 n3 n4 n5 Ẍ
(Media)
S
(Desv. Esta)
u
m1    
m1 x1 x2 x3 x4 x5 Ẍ1 S1
   
m2 x1 x2 x3 x4 x5 Ẍ2 S2    
m2
m3 x1 x2 x3 x4 x5 Ẍ3 S3    
m3
   
m4 m4 x1 x2 x3 x4 x5 Ẍ4 S4
   
m5 m5 x1 x2 x3 x4 x5 Ẍ5 S5    
m6 m6 x1 x2 x3 x4 x5 Ẍ6 S6    
m7    
m7 x1 x2 x3 x4 x5 Ẍ7 S7    
m8 m8 x1 x2 x3 x4 x5 Ẍ8 S8    
m9 x1 x2 x3 x4 x5 Ẍ9 S9    
m9
   
m100
. . . . . . . .    
. . . . . . . .    
. . . . . . . .  
 
 
 
m100 x1 x2 x3 x4 x5 Ẍ13 S100    
ܺധ En este caso de las 100 medias
   
con sus intervalos 90
ܵ௫ҧ contiene al valor verdadero ( u) , entonces decimos que
tiene un 90% de confianza (NC).
10 medias no contiene el valor verdadero (u), entonces
decimos que tiene un nivel de significancia ( α) del 10%
 n1 n2 n3 n4 n5 Ẍ
(Media)
S
(Desv. Esta)
u
m1    
m1 x1 x2 x3 x4 x5 Ẍ1 S1
   
m2 x1 x2 x3 x4 x5 Ẍ2 S2    
m2
m3 x1 x2 x3 x4 x5 Ẍ3 S3    
m3
   
m4 m4 x1 x2 x3 x4 x5 Ẍ4 S4
   
m5 m5 x1 x2 x3 x4 x5 Ẍ5 S5    
m6 m6 x1 x2 x3 x4 x5 Ẍ6 S6    
m7    
m7 x1 x2 x3 x4 x5 Ẍ7 S7    
m8 m8 x1 x2 x3 x4 x5 Ẍ8 S8    
m9 x1 x2 x3 x4 x5 Ẍ9 S9    
m9
   
m100
. . . . . . . .    
. . . . . . . .    
. . . . . . . .  
 
 
 
m100 x1 x2 x3 x4 x5 Ẍ13 S100    
ܺധ    
En este caso de las 100 medias con sus intervalos 99
ܵ௫ҧ contiene al valor verdadero ( u) , entonces decimos que
tiene un 99% de confianza (NC).
1 media con su intervalo no contiene el valor verdadero
(u), entonces tiene un nivel de significancia ( α) del 1%
 Nivel de confianza
dos colas y una cola
 Nivel de confianza y curva normal
Dos colas y Una cola

si tenemos un nivel de significancia del 95% (NC), el de significancia (α) es del 5%, y graficamos esto en la curva tenemos

Recordemos que el área bajo el área de la curva normal es del 100% y dentro de la media ± 1,2 y 3 sigma tenemos

u ± 1σ = 68,3%
u ± 2σ = 95,50 %
u ± 3σ = 99,7%
Para el ejemplo y solo para facilitar la explicación redondearemos los valores a
u ± 1σ = 68%
u ± 2σ = 95 %
u ± 3σ = 99%
 Nivel de confianza y curva normal
Dos colas
Ahora en la curva normal ubicamos el 95% del área bajo la curva, vemos que
queda a los lados, dos áreas pequeñas la cual es igual al 5 %, pero dividido en
dos partes 2,5% y 2,5% y tenemos de forma gráfica.
Para representar que tenemos do colas se identifica a Zα/2
 Nivel de confianza
Dos colas
Podemos calcular cual es el valor de Zα/2 aplicando la tabla de la probabilidades de la
curva normal, para esto tenemos que recordar que el área desde menos infinito, hasta
más infinito es igual a 1 o al 100%

Ubicamos en la gráfica las áreas Desde - ∞ hasta 2,5% + 95% = 97,5%, es decir
Desde - ∞ hasta 2,5%, es decir
(-∞; 0,025) (- ∞ ; 0,975)

Area 1: ( desde - ∞ hasta 2,5%)

0,025

Area 1: desde - ∞ hasta 2,5% Área 2 : 95%

Área 3 : ( A1 desde -∞ hasta 2,5%) +( A2: 95% ) = 97,5%

0,025 + 0,95 = 0,975

 Nivel de confianza
Dos colas
Buscamos que valor tiene 𝑍(𝛼/2) en la tabla de probabilidades de la curva normal, para las proporciones
de las áreas
A1 = 0,025
A3 = 0,025 + 0,95 = 0,975

Area 1: (desde - ∞ hasta 2,5%)

0,025

Area 1: (desde - ∞ hasta 2,5%) Ärea 2: 95%

Área 3 : (A1: desde -∞ hasta 2,5%) + ( A2: 95%) = 97,5%
0,025 + 0,95 = 0,975

Para un Nivel de Confianza ( NC) del 95% y nivel el de significancia α 5%, con dos colas
(cuando ponemos 𝑍(𝛼 /2)estamos indicando que es dos colas) tenemos un valor de 𝑍(𝛼/2)
Ejercicios de prueba
 Nivel de confianza y curva normal
Una cola

Para un nivel de confianza también podemos tener una cola, esta puede ser
derecha o izquierda

Cola Cola
Izquierda derecha
 Nivel de confianza y curva normal
Una cola
Si tenemos un nivel de confianza (NC) del 95%, y el de significancia (α ) del 5% y
una cola tenemos Z(α), si es cola izquierda este será - Z(α), y si es de cola
derecha este será + Z(α)
Con la tabla de la distribución normal calculamos cual sería el valor de Z(α)
cuando sea de cola izquierda – Z(α) y cuando sea de cola derecha + Z(α)

Cola Izquierda – Z(α) Cola derecha + Z(α)

 Buscamos el valor más
próximo a 0,05
o podemos sacar el valor
medio de los dos
Ejercicios de prueba

Buscamos el valor más

próximo a 0,95
o podemos sacar el valor
medio de los dos
 Nivel de confianza y curva normal
Una cola
Con la tabla de la distribución normal calculamos cual sería el valor de Z(α)
cuando sea de cola izquierda – Z(α) y cuando sea de cola derecha + Z(α)

Cola Izquierda – Z(α) Cola derecha + Z(α)

Área: (-∞; hasta 2,5%) Área: (-∞; hasta 95%)

Área: (-∞; hasta 0,025 Área: (-∞; hasta 0,95)

Para un Nivel de Confianza (NC) del 95% y nivel el de significancia α 5%, con una cola (cuando ponemos Zα estamos indicando que es de
una cola) tenemos un valor de Zα
Cola izquierda 𝑍𝛼=−1,645 y para la cola derecha 𝑍𝛼=+1,645
 Nivel de confianza y curva normal

Ejercicio,
Calcular cual es el valor de Z, cuando se tiene un nivel de confianza del 90%,
a)
Para dos colas
b)
Para cola izquierda
c)
Para cola derecha
 Nivel de confianza y curva normal
Ejercicio,
Calcular cual es el valor de Z, cuando se tiene un nivel de confianza del 90%,
a)Para dos colas

NC 90%

Área: (-∞; hasta 5%)

Área: (-∞; hasta 0,05

Área: (-∞; hasta 5%) Área 2: 90%

Área3 : (5%) + (90%) = 95%

Área3 : (0,05) + (0,9) = 0,95

 Buscamos el valor más
próximo a 0,05
o podemos sacar el valor
medio de los dos
Es decir
(1,64 +1,65)/2 = 1,645
Ejercicios de prueba

Buscamos el valor más

próximo a 0,95
o podemos sacar el valor
medio de los dos, es decir
(1,64 +1,65)/2 = 1,645
 Nivel de confianza y curva normal

Ejercicio,
Calcular cual es el valor de Z, cuando se tiene un nivel de confianza del 90%,
b- Para cola izquierda

Cola Izquierda – Z(α)

Área: (-∞; hasta 10%)

Área: (-∞; hasta 0,10

Buscamos el valor más
próximo a 0,1
 Nivel de confianza y curva normal
Ejercicio,
Calcular cual es el valor de Z, cuando se tiene un nivel de confianza del 90%,
c- Para cola derecha

Cola derecha + Z(α)

Área: (-∞; hasta 90%)

Área: (-∞; hasta 0,90

Ejercicios de prueba

Buscamos el valor más

próximo a 0,9