DISTRIBUCIN NORMAL 1. DEFINICIN: La distribucin normal fue reconocida por primera vez por el francs Abraham de Moivre (1667-1754).

Posteriormente, Carl Friedrich Gauss (1777-1855) elabor desarrollos ms profundos y formul la ecuacin de la curva; de ah que tambin se la conozca, ms comnmente, como la "campana de Gauss". La distribucin de una variable normal est completamente determinada por dos parmetros, su media y su desviacin estndar, denotadas generalmente por notacin, la densidad de la normal viene dada por la ecuacin: y . Con esta

Ecuacin 1: Que determina la curva en forma de campana que tan bien conocemos (Figura 2). As, se dice que una caracterstica sigue una distribucin normal de media y varianza , y se denota como , si su funcin de densidad viene dada por la Ecuacin 1. Al igual que ocurra con un histograma, en el que el rea de cada rectngulo es proporcional al nmero de datos en el rango de valores correspondiente si, tal y como se muestra en la Figura 2, en el eje horizontal se levantan perpendiculares en dos puntos a y b, el rea bajo la curva delimitada por esas lneas indica la probabilidad de que la variable de inters, X, tome un valor cualquiera en ese intervalo. Puesto que la curva alcanza su mayor altura en torno a la media, mientras que sus "ramas" se extienden asintticamente hacia los ejes, cuando una variable siga una distribucin normal, ser mucho ms probable observar un dato cercano al valor medio que uno que se encuentre muy alejado de ste. 2. PROPIEDADES DE LA DISTRIBUCIN NORMAL: La distribucin normal posee ciertas propiedades importantes que conviene destacar: 1. Tiene una nica moda, que coincide con su media y su mediana. 2. La curva normal es asinttica al eje de abscisas. Por ello, cualquier valor entre y es tericamente posible. El rea total bajo la curva es, por tanto, igual a 1. 3. Es simtrica con respecto a su media . Segn esto, para este tipo de variables existe una probabilidad de un 50% de observar un dato mayor que la media, y un 50% de observar un dato menor. 4. La distancia entre la lnea trazada en la media y el punto de inflexin de la curva es igual a una desviacin tpica ( ). Cuanto mayor sea , ms aplanada ser la curva de la densidad. Instituto Tecnolgico del Norte Pgina 1

5. El rea bajo la curva comprendida entre los valores situados aproximadamente a dos desviaciones estndar de la media es igual a 0.95. En concreto, existe un 95% de posibilidades de observar un valor comprendido en el intervalo .

6. La forma de la campana de Gauss depende de los parmetros y (Figura 3). La media indica la posicin de la campana, de modo que para diferentes valores de la grfica es desplazada a lo largo del eje horizontal. Por otra parte, la desviacin estndar determina el grado de apuntamiento de la curva. Cuanto mayor sea el valor de , ms se dispersarn los datos en torno a la media y la curva ser ms plana. Un valor pequeo de este parmetro indica, por tanto, una gran probabilidad de obtener datos cercanos al valor medio de la distribucin. Como se deduce de este ltimo apartado, no existe una nica distribucin normal, sino una familia de distribuciones con una forma comn, diferenciadas por los valores de su media y su varianza. De entre todas ellas, la ms utilizada es la distribucin normal estndar, que corresponde a una distribucin de media 0 y varianza 1. As, la expresin que define su densidad se puede obtener de la Ecuacin 1, resultando:

Es importante conocer que, a partir de cualquier variable X que siga una distribucin , se puede obtener otra caracterstica Z con una distribucin normal estndar, sin ms que efectuar la transformacin: Ecuacin 2: Esta propiedad resulta especialmente interesante en la prctica, ya que para una distribucin existen tablas publicadas (Tabla 1) a partir de las que se puede obtener de modo sencillo la probabilidad de observar un dato menor o igual a un cierto valor z, y que permitirn resolver preguntas de probabilidad acerca del comportamiento de variables de las que se sabe o se asume que siguen una distribucin aproximadamente normal. Consideremos, por ejemplo, el siguiente problema: supongamos que se sabe que el peso de los sujetos de una determinada poblacin sigue una distribucin aproximadamente normal, con una media de 80 Kg y una desviacin estndar de 10 Kg. Podremos saber cul es la probabilidad de que una persona, elegida al azar, tenga un peso superior a 100 Kg? Denotando por X a la variable que representa el peso de los individuos en esa poblacin, sta sigue una distribucin . Si su distribucin fuese la de una normal estndar podramos utilizar la Tabla 1 para calcular la probabilidad que nos Instituto Tecnolgico del Norte Pgina 2

interesa. Como ste no es el caso, resultar entonces til transformar esta caracterstica segn la Ecuacin 2, y obtener la variable:

Para poder utilizar dicha tabla. As, la probabilidad que se desea calcular ser:

Como el rea total bajo la curva es igual a 1, se puede deducir que: Esta ltima probabilidad puede ser fcilmente obtenida a partir de la Tabla 1, resultando ser . Por lo tanto, la probabilidad buscada de que una persona elegida aleatoriamente de esa poblacin tenga un peso mayor de 100 Kg, es de 10.9772=0.0228, es decir, aproximadamente de un 2.3%. De modo anlogo, podemos obtener la probabilidad de que el peso de un sujeto est entre 60 y 100 Kg:

De la Figura 2, tomando a=-2 y b=2, podemos deducir que:

Por el ejemplo previo, se sabe que . Para la segunda probabilidad, sin embargo, encontramos el problema de que las tablas estndar no proporcionan el valor de para valores negativos de la variable. Sin embargo, haciendo uso de la simetra de la distribucin normal, se tiene que:

Finalmente, la probabilidad buscada de que una persona elegida al azar tenga un peso entre 60 y 100 Kg., es de 0.9772-0.0228=0.9544, es decir, aproximadamente de un 95%. Resulta interesante comprobar que se obtendra la misma conclusin recurriendo a la propiedad (iii) de la distribucin normal. No obstante, es fcil observar que este tipo de situaciones no corresponde a lo que habitualmente nos encontramos en la prctica. Generalmente no se dispone de informacin acerca de la distribucin terica de la poblacin, sino que ms bien el problema se plantea a la inversa: a partir de una muestra extrada al azar de la poblacin que se desea estudiar, se realizan una serie de mediciones y se desea extrapolar los resultados obtenidos a la poblacin de origen. En un ejemplo similar al anterior, supongamos que se dispone del peso de n=100 individuos de esa misma poblacin, obtenindose una media muestral de desviacin estndar muestral Instituto Tecnolgico del Norte Kg, y una Kg, querramos extraer alguna conclusin Pgina 3

acerca del valor medio real de ese peso en la poblacin original. La solucin a este tipo de cuestiones se basa en un resultado elemental de la teora estadstica, el llamado teorema central del lmite. Dicho axioma viene a decirnos que las medias de muestras aleatorias de cualquier variable siguen ellas mismas una distribucin normal con igual media que la de la poblacin y desviacin estndar la de la poblacin dividida por la media muestral . En nuestro caso, podremos entonces considerar , con lo cual, a partir de la propiedad (iii) se caeran

conoce que aproximadamente un 95% de los posibles valores de

dentro del intervalo . Puesto que los valores de y son desconocidos, podramos pensar en aproximarlos por sus anlogos

muestrales, resultando . Estaremos, por lo tanto, un 95% seguros de que el peso medio real en la poblacin de origen oscila entre 75.6 Kg y 80.3 Kg. Aunque la teora estadstica subyacente es mucho ms compleja, en lneas generales ste es el modo de construir un intervalo de confianza para la media de una poblacin. 3. EJERCICIOS: 1 Dada una distribucin normal estndar, encuentre el rea bajo la curva que est a. a la izquierda de z = 1.43 P (Z < 1.43) = (1.43) = 0.9236 b. a la derecha de z = -0.89 P (Z > -0.89) = 1 - (-0.89) = 1- 0.1867 = 0.8133 c. entre z = -2.16 y z = -0.65 P (-2.16 <Z< -0.65) = (-2.16) - (-0.65) = 0.2643 0.154 = 0.2490 d. a la izquierda de z = -1.39 P (Z <-1.39) = (-1.39) = 0.0823 e. a la derecha de z = 1.96 P (Z > 1.96) = 1 - (1.96) = 1 0.9750 = 0.0250 f. entre z = -0.48 y z = 1.74 P (-0.48 <Z< 1.74) = (1.74) - (-0.48) = 0.9591 0.3156

2 Dada una distribucin normal estndar con = 30 y = 6, encuentre a. P(Z<k)= 0.0427 (k) = 0.0427 k = -1.72 b. P(Z>k)= 0.2946 (k) = 1- 0.2946 = 0.7054 k =0.54 c. P(-0.93<Z<k)= 0.7235 (k) = 0.7235 + (-0.93) = 0.8997 k = 1.28

Instituto Tecnolgico del Norte

Pgina 4

3 a. b.

c.

d.

Dada la variable X normalmente distribuida con media 18 y desviacin estndar 2.5, encuentre P(X<15)= P(X < 15) = [(15 - 18)/2.5] = [-1.20] = 0.1151 El valor de k tal que P(X < k)= 0.2236 (Z) = 0.2236 Z = -0.76 k = Z + = (-0.76) (2.5) + 18 = 16.10 El valor de k tal que P(X > k)= 0.1814 1 - (Z) = 0.1814 (Z)= 0.8186 Z = 0.91 k = Z + = (0.91) (2.5) + 18 = 20.28 P(17<X<21) P (17 < X < 21) = [(21 18)/2.5] - [(17 18)/2.5] = [1.20] - [-0.40] = 0.8849 0.3446 =0.5404

Un investigador cientfico reporta que unos ratones vivirn un promedio de 40 meses cuando sus dietas se restringen drsticamente y despus se enriquecen con vitaminas y protenas. Suponga que las vidas de tales ratones se distribuyen normalmente con una desviacin estndar de 6.3 meses, encuentre la probabilidad de que un ratn dado viva = 40 y = 6.3 a. ms de 32 meses P(X > 32) = 1 - [(32 40)/6.3] = 1 - [-1.27] = 1 0.1021 = 0.8979 b. menos de 28 meses P(X <28) = [28 40)/6.3] = [-1.90] = 0.0284 c. entre 37 y 49 meses P (37 < X < 49) = [49 40)/6.3] - [(37 40)/6.3] = [1.43] - [-0.48] = 0.9234 0.3170 = 0.6065 5 Se regula una mquina despachadora de refresco para que sirva un promedio de 200 mililitro por vaso. Si la cantidad de bebida se distribuye normalmente con una desviacin estndar igual a 15 mililitros, = 200 y = 15 qu fraccin de los vasos contendrn ms de 224 mililitros? P(X > 224) = 1 - [(224 200)/15] = 1 - [1.60] = 1 0.9452 = 0.0548 cul es la probabilidad de que un vaso contenga entre 191 y 209 mililitros? P (191 < X < 209) = [209 200)/15] - [(191 200)/15] = [0.60] - [-0.60] = 0.7257 0.2743 =0.4514 cuntos vasos probablemente se derramarn si se utilizan vasos de 230 mililitros para las siguientes 1000 bebidas? P(X > 230) = 1 - [(230 200)/15] = 1 - [2.00] = 1 0.9772 = 0.0228 Total de vasos 1000*0.0228 = 22.8 aproximadamente 23 por debajo de qu valor obtendremos 25% de las bebidas ms pequeas? P25 K = 25 rea = 0.25 (Z) = 0.25 Z = -0.67 x = Z + = (-0.67) (15) + 200 = 189.88

a. b.

c.

d.

Instituto Tecnolgico del Norte

Pgina 5

a. b.

c.

d.

e.

Un abogado va todos los das de su casa en los suburbios a su oficina en el centro de la ciudad. El tiempo promedio para un viaje de ida es 24 minutos, con una desviacin estndar de 3.8 minutos. Suponga que la distribucin de los tiempos de viaje est distribuida normalmente. = 24 y = 3.8 cul es la probabilidad de que un viaje tome al menos hora? P(X > 30) = 1 - [(30 24)/3.8] = 1 - [1.58] = 1 0.9428 = 0.0572 Si la oficina abre a las 9:00 am y l sale diario de su casa a las 8:45 am, qu porcentaje de las veces llega tarde al trabajo? P(X > 15) = 1 - [(15 24)/3.8] = 1 - [-2.37] = 1 0.0089 = 0.9911 Si sale de su casa a las 8:35 am y el caf se sirve en la oficina de 8:50 a 9:00 am, cul es la probabilidad de que pierda el caf? P(X > 25) = 1 - [(25 24)/3.8] = 1 - [0.26] = 1 0.6038 = 0.3962 Encuentre la longitud de tiempo por arriba de la cual encontramos el 15% de los viajes ms lentos. 1 - (Z) = 0.15 (Z)= 0.85 Z = 1.04 x = Z + = (1.04) (3.8) + 24 = 27.94 Encuentre la probabilidad de que dos de los siguientes tres viajes tomen al menos hora Del inciso a) p = 0.0578 P (Y = 2) = 3C2(0.0572)2(0.9428) = 0.00925 La vida promedio de cierto tipo de motor pequeo es 10 aos con una desviacin estndar de dos aos. El fabricante reemplaza gratis todos los motores que fallen dentro del tiempo de garanta. Si est dispuesto a reemplazar slo 3% de los motores que fallan, de qu duracin debe ser la garanta que ofrezca? Suponga que la duracin de un motor sigue una distribucin normal. = 10 y = 2 P3 rea = 0.03 (Z) = 0.03 Z = -1.88 x = Z + = (-1.88) (2) + 10 = 6.24

Una compaa paga a sus empleados un salario promedio de $15.90 por hora con una desviacin estndar de $1.50. Si los salarios se distribuyen aproximadamente de forma normal y se pagan al centavo ms prximo = 15.90 y = 1.5 a. qu porcentaje de los trabajadores reciben salarios entre $13.75 y $16.22 inclusive por hora? P (13.75 < X < 16.22) = [16.22 15.90)/1.5] - [(13.75 15.90)/1.5] = [0.21] - [- 1.43] = 0.5845 0.0759 = 0.5086 b. el 5% ms alto de los salarios por hora de los empleados es mayor a qu cantidad? P95 rea = 0.95 (Z) = 0.95 Z = 1.645 x = Z + = (1.645) (1.5) + 15.90 = 18.37

Instituto Tecnolgico del Norte

Pgina 6

La resistencia a la traccin de cierto componente de metal se distribuye normalmente con una media de 10,000 kilogramos por centmetro cuadrado y una desviacin estndar de 100 kilogramos por centmetro cuadrado. Las mediciones se registran a los 50 kilogramos por centmetro cuadrado ms cercanos. a. Qu proporcin de estos componentes excede 10,150 kilogramos por centmetro cuadrado de resistencia a la traccin? = 15.90 y = 1.5 unidades = 50 e= + 25 P(X > 10150) = P(X > 10175) = 1 [(10175 10000)/100] = 1 - [1.75] = 1 0.9599 = 0.0401 b. Si las especificaciones requieren de todos los componentes tengan resistencia a la traccin entre 9800 y 10,200 kilogramos por centmetro cuadrado inclusive, qu proporcin de piezas esperara que se descartar? Proporcin de descarte = 1 P (9800 < X < 10200) P (9800 < X < 10200) = P (9775 < X < 10225) = [(10225 10000)/100] - [(9775 10000)/100] = [2.25] - [-2.25] = 0.9878 0.0122 = 0.9756 Proporcin de descarte = 1 0.9756 = 0.0244 10 Los CI de 600 aspirantes de cierta universidad se distribuyen aproximadamente de forma normal con una media de 115 y una desviacin estndar de 12. Si la universidad requiere un CI de al menos 95, cuntos de estos estudiantes sern rechazados sobre esta base sin importar sus otras calificaciones? P(X < 95) = [(95 115)/12]= [-1.67] = 0.0478 Nmero de estudiantes rechazados = 600*0.0478 = 28.68 o 29

Instituto Tecnolgico del Norte

Pgina 7