Distribuciones de Probabilidad
Distribución Normal
Presentado por:
Cindy Nathalia
Morgado
Hernández
Bucaramanga
Recordemos.
Distribuciones
de Probabilidad
Distribuciones Distribuciones
de Probabilidad de Probabilidad
Discretas Continuas
Binomial Normal
Poisson Es considerada una herramienta importante en las
ciencias, la industria, la sociología, el comercio, entre
otros. Muchos fenómenos o variables tienen una
Hipergeométrica distribución de frecuencias cuya forma es muy parecida
a la distribución normal.
2
Si una variable tiene una distribución normal
Función de densidad
( )
2
1 𝑥 −𝜇
−
1 2 𝜎
𝑃 ( 𝑥)= 𝑒
√2 𝜋 𝜎
𝜇: media 𝜋 : 3,14115…
𝜎 : desv. típica 𝑒: 2,7182…
𝜎 2 : varianza 𝑥 : abscisa
𝝁 𝒙
La curva normal adopta un número
geogebra-export.ggb
infinito de formas, determinadas
por sus parámetros μ y σ.
3
MODELO TEÓRICO DE LA Si una variable tiene una distribución normal
DISTRIBUCIÓN
NORMAL O GAUSSIANA
( )
𝟐
Función de densidad:
𝟏 𝒙−𝝁
𝟏 −
𝟐 𝝈
𝒇 (𝒙)= 𝒆
√𝟐 𝝅 𝝈
Características
1. Tiene forma acampanada
2. Es simétrica con respecto a la media.
3. Es unimodal debido a que la media, moda y
mediana coinciden.
𝒙
𝝁−𝝈 𝝁+ 𝝈
4. Es asintótica 𝝁
5. El área total bajo la curva es igual a 1.
6. Las probabilidades correspondientes a la variable
aleatoria normal se dan mediante áreas bajo la
curva normal.
𝝁=𝑴𝒐= 𝑴𝒅
4
La distribución normal estandarizada es la distribución normal
Distribución Normal N(0, 1) de media 0 y desviación típica 1.
Estandarizada
Todas las variables normalmente Si es una observación de una distribución con media y desviación
distribuidas se pueden transformar a la estándar , entonces el valor estandarizado de es:
distribución normal estándar utilizando 𝑥 −𝑢
la fórmula para calcular el valor 𝑧=
𝜎
correspondiente.
Normalizar o tipificar una variable El valor de es la cantidad de
es simplemente expresar su desviaciones estándar a la que
magnitud en unidades de desviación está distanciada la variable la
estándar. media.
𝝁 =𝟎 𝒛
5
Si es una observación de una distribución con media y desviación
Distribución Normal estándar , entonces el valor estandarizado de es:
Estandarizada 𝑥 −𝑢
𝑧=
𝜎
La altura estandarizada es:
• Una mujer de 1.72 m de altura tiene una
Ejemplo: altura estandarizada de:
La distribución de las alturas de las
mujeres entre 18 y 24 años es
aproximadamente normal con una Lo que significa que la estatura de esta
media y una desviación estándar de mujer es estandarizada
La altura 1.33 desviaciones
de unaestándar
mujer es el número de desviaciones estándar
mayor que
que su la media.
altura 𝝁=𝟎 𝒛
difiere de la media de las alturas de todas las mujeres.
𝑁 (𝜇, 𝜎 ) 𝑁 (1.64 , 0.06)
• De manera similar, una mujer de 1.56 m de
altura tiene una altura estandarizada de:
Lo que significa que la estatura de esta mujer
es 1.33 desviaciones estándar menor que la
𝒛 𝝁=𝟎
6 media
Cualquier pregunta sobre qué proporción de observaciones se encuentra en
Cálculos con distribuciones normalesalgún intervalo de valores se puede responder hallando el área por debajo de
la curva en ese intervalo.
Ejemplo. Se encontró que un grupo de calificaciones de exámenes finales en un curso de cálculo diferencial estaba
distribuido normalmente con media y desviación estándar
Calcular la probabilidad de obtener cuando mucho 4.5.
Respuesta.
Probabilidad
La probabilidad
acumulada de obtener
cuando mucho
4.5 es de 0.92
7 𝒛
Ejemplo: Se encontró que un grupo de calificaciones de exámenes finales en un curso de cálculo diferencial estaba
distribuido normalmente con media y desviación estándar
Calcular:
a) La probabilidad de obtener cuando mucho 4.5.
PASOS PARA CÁLCULAR EL ÁREA BAJO LA CURVA
Paso 1. Plantea el problema en términos de la es la calificación. Queremos la
variable observada . proporción de obtener
Paso 2. Estandariza para replantear el problema en
términos de la variable normal estandarizada .
𝑁 ( 𝜇 , 𝜎 ) 𝑵 (𝟑.𝟖 ,𝟎. 𝟓)
𝑥 −𝑢 4.5− 3.8
𝑧= = =1.4
Paso 3. Halla el área buscada por debajo de la 𝜎 0.5
curva normal estandarizada, utilizando la tabla y el 𝑷 ( 𝒛 ≤ 𝟏 . 𝟒)
hecho de que el área por debajo de la curva es 1.
𝑥 −𝑢 4.5− 3.8
𝑧= = =1.4
𝜎𝑷 ( 𝒛 ≤ 𝟏
0.5. 𝟒 ) =0.9192
Respuesta.
La probabilidad de obtener cuando mucho 4.5 es de 0.92
8
Función pnorm Calcular:
pnorm(x,mu,sigma,lower.tail = TRUE o FALSE) a) La probabilidad de obtener cuando mucho 4.5. 𝑁 ( 𝜇 , 𝜎 ) 𝑵 (𝟑.𝟖 ,𝟎. 𝟓)
TRUE o FALSE: si queremos proporción antes o
después del valor
RStudio
Rta. La probabilidad de obtener cuando mucho 4.5 en
9 la calificación es de 0.9192
Ejemplo: Se encontró que un grupo de calificaciones de exámenes finales en un curso de cálculo diferencial estaba
distribuido normalmente con media y desviación estándar 𝑵 ( 𝟑. 𝟖 , 𝟎 .𝟓)
Calcular:
b) El porcentaje de estudiantes que alcanzaron calificaciones entre 4.0 y 5.0
𝟒.𝟎≤ 𝒙 ≤𝟓.𝟎
𝟒 . 𝟎− 𝟑 .𝟖 𝒙 − 𝒖 𝟓 . 𝟎 − 𝟑 .𝟖
≤ ≤ 𝑷 ( 𝒛 ≤ 𝟎 . 𝟒)
𝟎 .𝟓 𝝈 𝟎.𝟓
𝟎 . 𝟒 ≤ 𝒛 ≤ 𝟐. 𝟒
𝑷 ( 𝒛 ≤ 𝟐 . 𝟒 ) − 𝑷 ( 𝒛 ≤ 𝟎 . 𝟒 ) =𝟎 . 𝟑𝟑𝟔𝟒 𝑷 ( 𝒛 ≤ 𝟐 . 𝟒)
Rta. El 33.64% de los estudiantes 𝑷 ( 𝟎 . 𝟒 ≤ 𝒛 ≤ 𝟐 .𝟒 )
alcanzaron calificaciones entre 4.0 y
5.0
10
Función pnorm b) El porcentaje de estudiantes que alcanzaron calificaciones entre 4.0 y 5.0
props <- 𝑁 ( 𝜇 , 𝜎 ) 𝑵 (𝟑.𝟖 ,𝟎. 𝟓)
pnorm(x,mu,sigma,lower.tail = TRUE o FALSE)
props
RStudio
Rta. Cerca del 33.64% de estudiantes alcanzaron calificaciones
entre 4 y 5.
11
Se encontró que un grupo de calificaciones de exámenes finales en un curso de cálculo diferencial estaba
Ejemplo: distribuido normalmente con media y desviación estándar
Calcular:
c) La calificación del examen final si sólo el 5% de los estudiantes que pasaron la prueba tuvieron
calificaciones más altas.
Queremos hallar con un área a su derecha de 0,05 por debajo de una curva𝑷 ( 𝒛 ≥ ? )=𝟎 .𝟎𝟓
normal de media µ = 3.8 y desviación típica σ = 0.5
𝑥 −𝑢
𝑧=
𝜎
𝑥 − 3.8
1.64 =
0.5
𝑷 ( 𝒛 ≤ −𝟏 . 𝟔𝟒 )=𝟎 . 𝟎𝟓 𝑷 ( 𝒛 ≥ 𝟏 . 𝟔𝟒 ) =𝟎 . 𝟎𝟓
𝑥 = 4.62
−𝟏.𝟔𝟒 𝟏 . 𝟔𝟒
Rta. El estudiante debe tener una calificación igual o mayor a 4.6 para estar
dentro del 5% de los estudiantes que pasaron la prueba con calificación alta.
12
Función qnorm b) c) La calificación del examen final si sólo el 5% de los estudiantes que
Calcula los valores de x, que delimitan una pasaron la prueba tuvieron calificaciones más altas. 𝑁 ( 𝜇 , 𝜎 ) 𝑵 (𝟑.𝟖 ,𝟎. 𝟓)
proporción en la curva de densidad normal.
𝑷 ( 𝒛 ≥ ? )=𝟎 .𝟎𝟓
qnorm (p, mean, sd)
RStudio
Rta. El estudiante debe tener una calificación igual o mayor a 4.6
para estar dentro del 5% de los estudiantes que pasaron la
prueba con calificación alta.
13
Resumen
RStudio
14
Gráficas
RStudio
15
Ejercicio Práctico con RStudio
1. La tasa de rendimiento anual de las acciones tiene una distribución aproximadamente normal. Desde
1945, esas tasas de rendimiento delos 500 valores que componen el índice Standard & Poor’s tienen
una media anual del 12% y una desviación típica del 16,5%. Tomando los datos anteriores como
referencia para un periodo plurianual bastante largo, responde a las siguientes preguntas:
(a) ¿En qué intervalo hallamos el 95% central de las tasas de rendimiento anuales?
(b) Se considera que la Bolsa está en crisis si la tasa de rendimiento es menor que 0. ¿En
qué porcentaje de años la Bolsa está en crisis?
(c) ¿En qué porcentaje de años el índice gana al menos el 25%?
16
Referencias
• Moore, D. S. (2005). Estadística aplicada básica. Bosh, Antoni.
• RStudio Team (2020). RStudio: Integrated Development for R. RStudio, PBC, Boston,
MA URL http://www.rstudio.com/.
• Geogebra.org. 2022. GeoGebra Classic - GeoGebra. [online] Available at:
https://www.geogebra.org/classic?lang=en [Accessed 10
November2022].
• R CODER (2022). Estadística con R.
https://r-coder.com/distribucion-normal-r/#Dibujar_la_distribuci
on_normal_en_R
17
GRACIAS POR SU
ATENCIÓN
18
