Juan Carlos Gallardo MendozaIngeniero Civil CIP 62698
Proyectista y Consultor en Ingeniería Civil
Tlf. 00511 – 999126259
Email:[email protected]
LIMA - PERU
1
2
Introducción Objetivo general Objetivos específicos Glosario de términos
La distribución normal Utilidad
La funciónPropiedades de la distribución normal Teorema del límite central
3
La distribución normal estándar
CaracterísticasEjemplos y EjerciciosÁrea bajo la curva normal estándar
Ejercicios de prueba
Referencias
4
Una de las herramientas de mayor uso en las empresas es la utilización de la curva normal para describir situaciones donde podemos recopilar datos. Esto nos permite tomar decisiones que vayan a la par con las metas y objetivos de la organización.
En este módulo se describe la relación de la Distribución normal con la Distribución normal estándar. Se utilizan ejemplos y ejercicios donde se enseña sobre la determinación de probabilidades y sus aplicaciones.
Este módulo va dirigido a todos/as los/as estudiantes de Ingeniería Civil y de Construcción Civil con miras a emprender sus propias empresas
5
Objetivo general
Esperamos que cuando termines esta presentación puedas utilizar la distribución normal para obtener probabilidades, intervalos y cantidades específicas.
Objetivos específicos
Además, esperamos que puedas: Identificar las propiedades de una distribución normal. Encontrar el área bajo una distribución normal estándar. Interpretar áreas bajo la curva normal de acuerdo al problema.
6
Asintótica – Línea que se acerca indefinidamente a un eje sin llegar a encontrarlo.
Aleatorias – Que son al azar.
Tipificada – Que tiene un arreglo uniforme o estándar.
Morfológicos – Aspecto general de las formas y dimensiones de un cuerpo.
7
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".
8
Se utiliza muy a menudo porque hay muchas variables asociadas a fenómenos naturales que siguen el modelo de la norma.
Caracteres morfológicos de individuos (personas, animales, plantas,...) de una especie, por ejemplo: tallas, pesos, diámetros, distancias, perímetros,...
Caracteres fisiológicos, por ejemplo: efecto de una
misma dosis de un fármaco, o de una misma cantidad de abono
9
Caracteres sociológicos, por ejemplo: consumo de cierto producto por un mismo grupo de individuos, puntuaciones de examen
Caracteres psicológicos, por ejemplo: cociente intelectual, grado de adaptación a un medio,...
Errores cometidos al medir ciertas magnitudes
Valores estadísticos muéstrales como la media, varianza y moda
10
Puede tomar cualquier valor (- , + ) Hay más probabilidad para los valores
cercanos a la media Conforme nos separamos de , la
probabilidad va decreciendo de igual forma a derecha e izquierda (es simétrica).
Conforme nos separamos de , la probabilidad va decreciendo dependiendo la desviación típica
11
12
13
El área bajo la curva aproximado del promedio μ a más o menos una desviación estándar (1σ) es de 0.68, a más o menos 2σ es de 0.95 y a más o menos 3σ es de 0.99.
(Las propiedades continuan en la próxima lámina)14
La forma de la campana de Gauss depende de los parámetros μ y σ.
Tiene una única moda que coincide con su media y su mediana.
La curva normal es asintótica al eje de X.
Es simétrica con respecto a su media μ . Según 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.
15
Compruebe el cambio de la distribución variando la desviación estándar
Nota – cuando llegue al enlance utilice la gráfica #3 Tipificación de la variable
16
Compruebe el cambio de la distribución variando la media
Nota – cuando llegue al enlance utilice la gráfica #2 Familiarizándonos con la normal
17
Podemos concluir que hay una familia de distribuciones con una forma común, diferenciadas por los valores de su media y su varianza.
La desviación estándar (σ ) determina el grado de apuntamiento de la curva. Cuanto mayor sea el valor de σ, más se dispersarán los datos en torno a la media y la curva será más plana.
La media indica la posición de la campana, de modo que para diferentes valores de μ la gráfica es desplazada a lo largo del eje horizontal.
De entre todas ellas, la más utilizada es la distribución normal estándar, que corresponde a una distribución de media 0 y varianza 1.
18
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.
19
En la siguiente gráfica vemos la representación gráfica de la función de Z.
20
Podemos decir que el valor de Z es la cantidad de desviaciones estándar a la que está distanciada la variable X del promedio.
A la variable 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
21
No depende de ningún parámetro. Su media es 0, su varianza es 1 y
su desviación estándar es 1. La curva f(x) es simétrica
respecto del eje de Y Tiene un máximo en el eje de Y. Tiene dos puntos de inflexión
en z=1 y z=-1
22
Nos indica que, bajo condiciones muy generales, según aumenta la cantidad de datos, la distribución de la suma de variables aleatorias tendera a seguir hacia una distribución normal.
En otras palabras el Teorema del Límite Central garantiza una distribución normal cuando el tamaño de la muestra es suficientemente grande.
23
En el siguiente histograma podemos observar la distribución de frecuencias por peso de acuerdo a la edad. De acuerdo a este teorema según aumenten la cantidad de dato se podrá trazar una curva que tome cada vez más formación en forma campana.
24
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.
Obtenga mas información de cómo asignar probabilidades utilizando las Tablas.
25
Paso 1 - Interpretar gráficamente el área de interés.
Paso 2 - Determinar el valor Z Paso 3 - Buscar en la tabla de
probabilidades. Paso 4 - Hacer la suma o resta de áreas
para encontrar la probabilidad deseada
26
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.
27
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:
28
Paso 2 - Determinar el valor Z:
50.020
140150
X
Z
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
Compruebe de forma interactiva el valor Z
29
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:
30
Paso 2 - Determinar el valor Z:
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
50.020
140150
X
Z
31
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:
32
Paso 2 - Determinar el valor Z:
Paso 3 - Buscar en la tabla de probabilidades.
Buscamos en la Tabla 1 el valor Z=-1.25 y obtenemos el área de 0.8944.
Paso 4 - Hacer la suma o resta de áreas para encontrar la probabilidad deseada.
En este ejemplo el área de 0.8944 no representa el área que nos interesa sino la contraria. En este caso debemos restarle 1 a la probabilidad encontrada.
1 - .8944 = 0.2212
25.120
140115
X
Z
33
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
34
Paso 2 - Determinar el valor Z
Cuando X=115
25.120
140115
X
Z
Cuando X=150
50.020
140150
X
Z
Paso 3 - Buscar en la tabla de probabilidades. Buscamos en la Tabla 1 el valor Z=-1.25 y obtenemos el área de 0.8944. Buscamos en la Tabla 1 el valor Z=0.50 y obtenemos el área de 0.6915
35
Paso 4 - Hacer la suma o resta de áreas para encontrar la probabilidad deseada. El área de 0.8944 se le resta la diferencia de 1-.6915. 0.8944 – (1-.6915) = .5859
36
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:
37
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:
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.
0.120
140160
X
Z
38
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
39
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:
40
Paso 2 - Determinar el valor Z
Cuando X=115
para X=130
Paso 3 - Buscar en la tabla de probabilidades. Buscamos en la Tabla 1 el valor Z=-1.25 y obtenemos el área de (1-0.8944.)=0.1056 Para Z = -.050 el área es de (1-.6915)=.3085
25.120
140115
X
Z
50.020
140130
X
Z
41
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=.2029.
42
Trabaje los ejercicios de este enlace utilizando la tabla de probabilidades y luego compruebe los resultados interaccionando con las gráficas.
Para el primer ejercicio observe la gráfica, manipule los parámetros m () y s () y luego redacte una descripción detallada sobre las características de una curva normal con media de 0 y desviación estándar de 1.
43
Anderson, S. (2006). Estadísticas para administración y economía, Thomson,
Newbold, P. (2003). Statistics for Business And Economics, Prentice Hall.
Altman, D., Bland, J. (1995). Statistics Notes: The Normal Distribution. BMJ, ; 310: 298-298.
Bluman Allan, G. (2007). Statistics, Mc Graw Hill,
Pértega, D., Pita F. (2001) Representación gráfica en el análisis de datos. Cad Aten Primaria; 8: 112-117.
44
http://descartes.cnice.mecd.es/index.html
http://www.aulafacil.com/CursoEstadistica/Lecc-34-est.htm
http://www.ruf.rice.edu/~lane/stat_sim/sampling_dist/index.html
45
gracias
46