Beruflich Dokumente
Kultur Dokumente
UD 4
y Calidad
Estadística
Distribuciones continuas:
• Normal
www.upv.es
¿Por dónde vamos?
muestreo
Muestra
Distribuciones
Estadística descriptiva
Población UD4 § gráficos
§ parámetros
UD3 § tablas UD2
Probabilidad
Conclusiones válidas con
razonable seguridad
Inferencia estadística
DEIOAC – Estadística – Prof. E. Vázquez UD-4 Distribuciones
v.a. y distribuciones de probabilidad
¡Recordar! UD4
Parte 1
Existen modelos (expresiones matemáticas) que se adecuan a las
diferentes pautas de variabilidad de las variables aleatorias:
7. Glosario
8. Competencias
9. Ejercicio resuelto
1000
800
Población f(x)
frequency
600
400
200
muestra
0
0,04
0
0 2 4 6 8 10 12 14 16 18 20
mediana = m = moda X
Coeficiente de asimetría=0
Coeficiente de curtosis=0
¡Recordar! UD2
DEIOAC – Estadística – Prof. E. Vázquez UD-4 Distribuciones
Función de densidad:
Normal Distribution
0,8 Mean,Std. dev.
0,1
0,2
0,6
0,0,5
density
0,4
0,2
0
-10 -6 -2 2 6 10
x
Misma m y diferentes valores de σ
http://descartes.cnice.mecd.es/materiales_didacticos/distribuciones_probabilidad/dis_normal.htm#2
X ~ N(m, s ) s (X) = s
E(X) = m = µ
Ejemplos:
§ Estatura de los alumnos de ADE
§ Coeficiente Intelectual de los españoles
§ Rendimiento de un sistema de telecomunicaciones
§ etc
1) Si X ~ N(mx , sx )
ò ò
-
2 (12 )2
P(X>200) = e 2 s2
dx = e dx
200 s 2p 200 12 2p
è Tablas
è Software
Openintro Statistics
http://spark.rstudio.com/minebocek/dist_calc/
StatKey
http://lock5stat.com/statkey/theoretical_distributi
on/theoretical_distribution.html#normal
density
0,12
density
0,2 0,08
0,1 0,04
0
0 -10 -6 -2 2 6 10
-5 -3 -1 1 3 5 Normal Distribution
Normal Distribution x x
0,05 Mean,Std. dev.
0,8 Mean,Std. dev. 50,9
0,0,5 0,04
0,6
density
0,03
density
0,4 0,02
0,2 0,01
0
0
-2,5 -1,5 -0,5 0,5 1,5 2,5 0 20 40 60 80 100
x x
• Se simboliza como:
P(Z<3,12) = 0,99910
x,x0 x,x1 x,x2 x,x3 x,x4 x,x5
4,0 0,99997 0,99997 0,99997 0,99997 0,99997 0,99997
3,9 0,99995 0,99995 0,99996 0,99996 0,99996 0,99996
3,8 0,99993 0,99993 0,99993 0,99994 0,99994 0,99994
3,7 0,99989 0,99990 0,99990 0,99990 0,99991 0,99991
3,6 0,99984 0,99985 0,99985 0,99986 0,99986 0,99987
3,5 0,99977 0,99978 0,99978 0,99979 0,99980 0,99981
3,4 0,99966 0,99968 0,99969 0,99970 0,99971 0,99972
3,3 0,99952 0,99953 0,99955 0,99957 0,99958 0,99960
3,2 0,99931 0,99934 0,99936 0,99938 0,99940 0,99942
3,1 0,99903 0,99906 0,99910 0,99913 0,99916 0,99918
3,0 0,99865 0,99869 0,99874 0,99878 0,99882 0,99886
0
-5 -3 -1 1 3 5
Z
x
La tabla utilizada sólo da los valores de P(Z< z), para z Є [-4,4]
P(Z > z) = 1 - P(Z < z)
P(Z > z)= P(Z < -z) por simetría
P(a < Z £ b) = P(Z ≤ b) - P(Z ≤ a) como en cualquier otra
distribución (Binomial, Poisson, Exponencial…)
a » -2 b»2
https://gallery.shinyapps.io/dist_calc/
Área azul
Z=0
Z<0 Z>0
z1 z2
Negativo! Positivo!
P(Z£ 0) = 0,5
P(Z£ z1) = 0,3 P(Z£ z2) = 0,7
DEIOAC – Estadística – Prof. E. Vázquez UD-4 Distribuciones
N(m,σ): probabilidad y áreas bajo f(x)
P (a < X ≤ b)
P (a < X ≤ b) =
ma b
P (X ≤ b) = P (X ≤ b)
a b
P (X ≤ a)
- P (X ≤ a)
DEIOAC – Estadística – Prof. E. Vázquez a b UD-4 Distribuciones
3 Cálculo de probabilidades de X~(m,s)
¿Cómo se calculan probabilidades para las variables normales no
tipificadas, que son las que se encuentran en la práctica?
X ~ N(mx , sx)
¿ Cómo calcular P ( X > a) o P(X < a) o… ?
Tipificando
Distribución Normal
X - mx
Z= Þ Z ~N(mZ = 0 , sx = 1) Þ Tipificada à
sx Tabla N(0,1)
X -m 1 1
mz = E ( Z ) = E ( )= ( E ( X ) - m) = (m - m) = 0
s s s
2 2 X -m 1 2 1 2 ¡Recordar! U4-Parte 1
sz =s ( )= s ( X - m) = s =1
s s2 s2 Propiedades E(X)
Libro de texto
(R. Romero, L. Zúnica. Métodos Estadísticos en Ingeniería)
Sean X1, X2, ....., Xn variables aleatorias que se distribuyen según una
distribución cualquiera e independientes :
…
u10
( )
σ2X = np(1 - p) ³ 9
X ~ B(n,p) (
X ~ N m = np, s 2 = np(1 - p) )
m
X - np
Z ~ N(0,1)
np(1 - p)
s
(σ2X = l ) ³ 9
X ~ Ps(l) (
X ~ N m = l, s = l
2
)
m
0,12 50 l >> 9
0,09
0,06
0,03
0 20 40 60 80 100
x
Continuo
[ ] [ l ] [ ]
a-0,5 a+0,5
X>a X ≥ a+0,5
Corrección
X≥a X ≥ a-0,5
por
X<a X ≤ a-0,5 Continuidad
X≤a X ≤ a+0,5
DEIOAC – Estadística – Prof. E. Vázquez UD-4 Distribuciones
Corrección de continuidad
NOTA: no se trata de un test de inferencia estadística. El PPN es una herramienta descriptiva que permite ver si el modelo normal se ajusta lo
suficientemente bien a la realidad de los datos observados (muestra) como para utilizarlo.
1000
600
400
200 muestra
¡Recordar! UD2
100
80
F(x) población
percentage
60
40
20
muestra
0
¡Recordar! UD2
1
F(x) población 0,9
0,8
0,7
0,6
0,5
0,4
0,3
0,2
0,1
0
120 140 160 180 200 220
x
Si se modifica la escala vertical, de forma que los valores de
P(X≤x) de una normal tipificada N(0,1) tengan forma de recta,
el procedimiento es más sencillo.
95
80 n La ordenada del punto es
50 el porcentaje de valores
20 en la muestra que son
5 menores o iguales que el
1 considerado (p)
0,1
2,7 3,2 3,7 4,2 a
4,7 5,2 5,7 6,2 6,7
1
i-
[ En PoliformaT hay una plantilla de PPN ] Para mas informacion p=P(X £ x)(%) = 2 × 100
n
Histograma
Gráfico de Probabilidad Normal 40
99,9
30
porcentaje
99
20
95 10
porcentaje
80 0
-10 10 30 50 70 90 110
TIEMPO
20
0,1
0 10 20 30 40 50 60 70 80 90 100 0 10 20 30 40 50
TIEMPO
60 70 80 90 100
TIEMPO
Histograma
Gráfico de Probabilidad Normal 15
99,9 12
frecuencia
99 9
95
3
porcentaje
80 0
150 160 170 180 190
ESTATURA
Gráfico de Caja y Bigotes
50
20
0,1
150 160 170 180 190
ESTATURA 150 160 170
ESTATURA
180 190
• Dato anómalo
80
50
20
5
1
0,1
-1 2 5 8 11 14 17
var
Datos procedentes de una población Normal
99.9
99
95
80
cumulative percent 50
20
0.1
36 46 56 66 76 86 96
i : 1 2 3 4 5 6 7 8 9 10
11’8 12’5 13’1 13’5 14’1 14’6 15 15’6 16’3 17
P(X£x) (%) 5% 15% 25% 35% 45% 55% 65% 75% 85% 95%
99
95
80
50
20
0,1
11 11,5 12 12,5 13 13,5 14 14,5 15 15,5 16 16,5 17
X
99
95
porcentaje
80
50
20
0,1
11 11,5 12 12,5 13 13,5 14 14,5 15 15,5 16 16,5 17 17,5 18 18,5 19 19,5 20
X
60
Curtosis Estandarizada -0,574519
40
20
0
11 12 13 14 15 16 17 18 19
X
0,08
Teóricamente, en la población,
¿qué valores tendrán la media
0,04
y la desviación típica?
0
?
0 2 4 6 8 10 12 14 16 18 20 22 24 26
x
Normal
1 Media,Desv. Est.
14,5,2
0,8
probabilidad acumulada
0,6
0,4
0,2
0
0 2 4 6 8 10 12 14 16 18 20 22 24 26
x
P(X = 175) = 0
Normal Distribution
El área rayada bajo la curva
f(t) 0,05
es toda la probabilidadMean,Std.
(1) de
0,045 170,9
0,04
0,035
0,03
0,025
0,02
0,015
0,01
0,005
0
120 130 140 150 160 170 180 190 200 210 220
x X
0,01
Z ~ N(0,1)
0
120 140 160 180 200 220
170 Normal Distribution Mean,Std. dev.
x 0,1
X ~ N(m=170,s=9) 0,4
0,3
f(x)0,2
æ X - mx 165 - 170 ö
= Pç £ ÷ = P (N(0,1) £ -0,5 ) = P ( Z £ -0,5 ) =
è sx 9 ø
Tabla
P ( Z £ -0,5 ) = P ( Z ³ 0,5) = 0, 30854
æ X - mx 175 - 170 ö
P(X < 175) = [ tipificando] P ç £ ÷ = P ( Z £ 0,5 ) =
è sx 9 ø
P ( Z £ 0,5 ) = 1- ( Z ³ 0,5 ) = 1- 0,30854 = 0,69
Tabla
0,308 0,308
P(Z £ - 0,5) à es el área bajo la curva de f(x) que queda a la izquierda de - 0,5
P(Z ≥ 0,5) à es el área bajo la curva de f(x) que queda a la derecha de 0,5
Normal (0,1)
0,38
99
porcentaje acumulado
95
80
50
20
0,1
56 61 66 71 76 81 86 91 96
PSO CHICOS
DEIOAC – Estadística – Prof. E. Vázquez UD-4 Distribuciones
PPN PESO de los CHICOS
Gráfica de Probabilidad Normal
99,9
99
porcentaje acumulado
95
80
50
20
0,1
56 61 66 71 76 81 86 91 96
PSO CHICOS
99
X: ~N(mx,sx)
porcentaje acumulado
95
80
mediana = media = moda
50
20
P(X ≤ mediana) = 0,5
5 P(X ≥ mediana) = 0,5
1
0,1
56 61 66 71 76 81 86 91 96
PSO CHICOS
71,24 = mediana = media
Por tanto X ~ N( mx=71,24 Kg, sx)
99
X: ~N(mx,sx)
68,26% Є [m - s, m + s]
porcentaje acumulado
95
84,13%
80
71,24 = mediana = media
50
20
m - s =63
15,87% 71,24 - s = 63
5
1 71,24 - 63 = s = 8,24
0,1
56 61 66 71 76 81 86 91 96
m - s = 63 PSO CHICOS
71,24 = m + s = 79,5
m
Por tanto X ~ N( mx=14,4 , sx=8,24 )
Para obtener s se podría haber utilizado cualquiera de las propiedades de la normal.
También se podía haber tomado m + s = 79,5 para despejar s
c) Calcular la probabilidad de que los ingresos diarios superen las 61580 u.m.
Sol: 1
Sol: 1
99
95
80
50
20
0,1
35 36 37 38 39 40 41 42 43 44 45 46 47
X
84,13%
80
50
20
5
1
0,1
m=40,6 35 37 39 40,6 41 43 45 47
43,9
s =3,3 TPO
Libro de texto
(R. Romero, L. Zúnica. Métodos Estadísticos en Ingeniería)
Libro de texto
(R. Romero, L. Zúnica. Métodos Estadísticos en Ingeniería)
Libro de texto
(R. Romero, L. Zúnica. Métodos Estadísticos en Ingeniería)
Libro de texto
(R. Romero, L. Zúnica. Métodos Estadísticos en Ingeniería)
• Se simboliza como:
X - mx
Z ~ N(0,1) º N(mz=0,s z=1) Z=
sx
La probabilidad de que una N(0,1) sea menor o mayor que un valor
dado nos lo da la tabla, algo parecido a lo que hacíamos con el Ábaco
de Poisson. Disponible en PoliformaT
Sean X1, X2, ....., Xn variables aleatorias que se distribuyen según una
distribución cualquiera e independientes :
X1 ~ g1( m X1 , s X2 1 )
!!!!! Þ Y = X1 + ! + X N
XN ~ gN ( m X N , s 2
XN )
g ® cualquier distribución (Binomial, Poisson, Uniforme, etc.)
Si al dibujar los valores de la muestra sobre PPN, los puntos se alinean formando una
recta, entonces, podemos decir que la v.a. sigue una distribución normal
1
• ¿Qué nos piden calcular? ¿Probabilidad, parámetro o valor de la v.a.?
3
• ¿Alguna variable es combinación lineal de otras?
5
• ¿variables. continuas o discretas?
Esta obra está bajo una licencia Reconocimiento-No comercial-Compartir bajo la misma licencia
2.5 España de Creative Commons. Para ver una copia de esta licencia, visite
http://creativecommons.org/licenses/by-nc-sa/2.5/es/
Fin