Beruflich Dokumente
Kultur Dokumente
Estamos
aquí
σ2: es la varianza, indica si los valores están más o menos alejados del valor central; si la
varianza es pequeña los valores están próximos a la media; si es alta, entonces los valores
están muy dispersos.
Fuente: https://pybonacci.org/wp-content/uploads/2012/04/normal_pdf1.png
Donde
e = constante matemática aproximada: 2.71828
π = constante matemática aproximada: 3.14159
= media de la población
= desviación estándar de la población
x = cualquier valor de la variable aleatoria
Observando la expresión matemática anterior, vemos que, como se explicó
anteriormente, la distribución normal depende de los parámetros y 2. Cada
combinación de éstos genera una distribución normal diferente, lo que implica que
existen infinitas distribuciones normales.
μ = 0 , σ2 = 1, σ = 1
La principal ventaja del uso de esta distribución normal estándar radica en la notable
reducción de los cálculos y en que cualquier distribución normal, con distintas media y
varianza, se puede transformar en una normal estándar empleando una fórmula de
transformación
Fórmula de transformación: X ~ N (μ, σ2) a otra variable Z ~ N (0, 1)
𝑿−𝝁
𝒁=
𝝈
Esta nueva variable Z se distribuye como una normal tipificada, con media µ=0 y
desvío estándar σ=1, permitiéndonos, por tanto, conocer la probabilidad acumulada en
cada valor: Z ~ N (0, 1), es decir que para cada valor xi que adopta la variable normal
podemos encontrar un valor zi en la distribución normal estándar.
IMPORTANTE: Trabajar con la distribución normal estándar tiene la ventaja, de que las
probabilidades o áreas para cada valor bajo la curva se encuentran en una tabla, razón
por la cual su cálculo es muy sencillo
-3,4 0,0003 0,0003 0,0003 0,0003 0,0003 0,0003 0,0003 0,0003 0,0003 0,0002
-3,3 0,0005 0,0005 0,0005 0,0004 0,0004 0,0004 0,0004 0,0004 0,0004 0,0003
-3,2 0,0007 0,0007 0,0006 0,0006 0,0006 0,0006 0,0006 0,0005 0,0005 0,0005
-3,1 0,0010 0,0009 0,0009 0,0009 0,0008 0,0008 0,0008 0,0008 0,0007 0,0007
-3 0,0013 0,0013 0,0013 0,0012 0,0012 0,0011 0,0011 0,0011 0,0010 0,0010
-2,9 0,0019 0,0018 0,0018 0,0017 0,0016 0,0016 0,0015 0,0015 0,0014 0,0014
-2,8 0,0026 0,0025 0,0024 0,0023 0,0023 0,0022 0,0021 0,0021 0,0020 0,0019
-2,7 0,0035 0,0034 0,0033 0,0032 0,0031 0,0030 0,0029 0,0028 0,0027 0,0026
-2,6 0,0047 0,0045 0,0044 0,0043 0,0041 0,0040 0,0039 0,0038 0,0037 0,0036
-2,5 0,0062 0,0060 0,0059 0,0057 0,0055 0,0054 0,0052 0,0051 0,0049 0,0048
-2,4 0,0082 0,0080 0,0078 0,0075 0,0073 0,0071 0,0069 0,0068 0,0066 0,0064
La probabilidad acumulada es el
valor de la tabla para Z y corresponde Probabilidad
al área bajo la curva de la normal
estándar a la izquierda de Z
Z µ=0
La probabilidad
𝐹(−0,85) = 𝑃(𝑍 ≤ −0,85) = 0,1977
Z µ=0
Veamos ahora con un ejemplo como encontrar las probabilidades de una variable
que sigue una distribución normal, con cualquier media y varianza, al transformarla en
una variable tipificada o estandarizada (a la variable Z de la distribución normal estándar se le suelde
llamar “variable tipificada” o “variable estandarizada”).
El tiempo medio que los empleados de una empresa trabajan en una máquina en
particular, se distribuye según una distribución normal, con media 5 hs. y desviación
estándar de 1 hs.
En este problema tenemos una v.a.c. que sigue una distribución normal X~ N(5, 1)
y la transformaremos en una v.a.c. tipificada: Z~N(0,1)
Pasos a seguir:
1) Transformar X en Z aplicando la fórmula de transformación
2) Encontrar el valor de Z utilizando la tabla de la distribución acumulada estándar
𝑃(4,3 ≤ 𝑋 ≤ 5,6⁄µ = 5, 𝜎 = 1)
Lo primero que se debe hacer es estandarizar los dos valores: x1 = 4,3 y x2 = 5,6
𝑋1 − 𝜇 4,3 − 5 𝑋2 − 𝜇 5,6 − 5
𝑍1 = = = −0,70 𝑍2 = = = 0,6
𝜎 1 𝜎 1
Por lo tanto:
El porcentaje de empleados que trabajan entre 4,3 y 5,6 hs. en la máquina es del
48,37%
La diferencia entre esta pregunta y el resto de los ejemplos resueltos hasta acá,
radica en que en los anteriores se consultaba por la probabilidad de un valor X de la
variable. En cambio, en este ítem se pregunta por la cantidad de horas trabajadas, es
decir que la pregunta se hace sobre un valor de la variable y no sobre su probabilidad de
ocurrencia.
El proceso que en los ejercicios previos hemos realizado puede verse reflejado en
la secuencia siguiente:
Para el problema que nos preocupa, el proceso debe darse en forma inversa:
El valor más cercano a 0,90 que está en la tabla es 0,8997 y a esa probabilidad le
corresponde el valor Z = 1,28. Esto lo podemos escribir de la siguiente forma:
𝐹(𝑍) = 0,90 → 𝑍 = 1,28
Por la fórmula de transformación:
𝑋−𝜇
𝑍= → 𝑿 = 𝝁±𝒁𝝈
𝜎
𝑿 = 𝝁 ± 𝒁 𝝈 = 𝟓 + 𝟏, 𝟐𝟖 × 𝟏 = 𝟔, 𝟐𝟖
0,9500
0,025 0,025
Z1 Z2
El 95% de los empleados trabajan en la máquina entre 3,04 hs y 6,96 hs. Esto
significa también que hay un 2,5% que trabaja menos de 3,04 hs y otro 2,5% que trabaja
más de 6,96 hs
Ejemplo 1: La renta media de los habitantes de un país es de 40.000 $/año, con una
varianza de $ 144 millones. Se supone que se distribuye según una distribución normal.
Calcular:
a) Porcentaje de la población con una renta inferior a $ 30000.
Si 𝛔2 = 144.000.000, entonces 𝛔 = 12.000. Luego, la probabilidad buscada es:
𝑃(𝑋 < 30000⁄𝜇 = 40000, 𝜎 = 12000)
Estandarizamos el valor de X
𝑋 − 𝜇 30000 − 40000
𝑍= = = −0,83
𝜎 12000
𝑃(𝑋 < 30000⁄𝜇 = 40000, 𝜎 = 12000)~𝑃(𝑍 < −0.83)
𝑃(𝑍 < −0.83) = 𝐹(−0.83) = 0,2033
El 20,33% de la población tiene ingresos inferiores a $30.000,-
𝑋 − 𝜇 55000 − 40000
𝑍= = = 1,25
𝜎 12000
Los valores estandarizados de X=30.000 y X=55.000 han sido hallados en los ítmes a) y b)
𝑋 = 𝜇±𝑍𝜎
𝑋1 = 40000 + 1,28 × 12000 = 55360
La renta a partir de la cual se sitúa el 10% con mayores ingresos es de $55.360,-
𝑋 − 𝜇 60 − 68
𝑍= = = −1,60
𝜎 5
En su defensa puede argumentar que pertenece al 0,9% de los que menos beben
cerveza
Es oportuno que vaya organizando la fiesta porque el 5% que ingresa con mejores notas
lo hace desde 7,51 puntos en adelante
b) Va a haber una 2ª oportunidad para el 20% de notas más altas que no se hayan
clasificados. ¿A partir de que nota se podrá participar en este repechaje?
Si bien este ejercicio tiene un planteo
20% de las
similar al anterior, lo que cambia es el Z al notas más
que le corresponde ahora una probabilidad altas
Otra forma de encontrar un valor de probabilidad para una v.a. que sigue una
distribución normal es utilizar la función DISTR.NORM.N
Veamos en uno de los ejemplos antes vistos como utilizar esta función
Ejemplo 1: La renta media de los habitantes de un país es de 40.000 $/año, con una
varianza de $ 144 millones. Se supone que se distribuye según una distribución normal.
Calcular:
Si 𝛔2 = 144.000.000, entonces 𝛔 = 12.000. Luego, la probabilidad buscada es:
30000 − 40000
𝑍= = −0.83
12000