Scribd
Cargar
53 vistas15 páginas

Puntuaciones Z y Distribución Normal

El documento aborda la distribución normal y sus características, destacando su importancia en estadística para modelar fenómenos reales. Se explica la conversión a una distribución normal estándar y se presentan ejemplos de cálculo de probabilidades. Además, se menciona el teorema del límite central, que establece que la distribución muestral de las medias se aproxima a una normal para muestras grandes.

Cargado por

Ernesto Prado
Derechos de autor
© All Rights Reserved
Nos tomamos en serio los derechos de los contenidos. Si sospechas que se trata de tu contenido, reclámalo aquí.
Formatos disponibles
Descarga como PPTX, PDF, TXT o lee en línea desde Scribd
53 vistas15 páginas

Puntuaciones Z y Distribución Normal

El documento aborda la distribución normal y sus características, destacando su importancia en estadística para modelar fenómenos reales. Se explica la conversión a una distribución normal estándar y se presentan ejemplos de cálculo de probabilidades. Además, se menciona el teorema del límite central, que establece que la distribución muestral de las medias se aproxima a una normal para muestras grandes.

Cargado por

Ernesto Prado
Derechos de autor
© All Rights Reserved
Nos tomamos en serio los derechos de los contenidos. Si sospechas que se trata de tu contenido, reclámalo aquí.
Formatos disponibles
Descarga como PPTX, PDF, TXT o lee en línea desde Scribd

Puntuaciones Z

 
ESTADISTICA I

Ing. López Esquivel Miguel Ángel


Distribución Normal
La función de distribución es:
2

1 1  x  
  
f ( x)  e 2  
, -
 2

X
Características
La distribución normal es posiblemente la
distribución de probabilidad más conocida y
más aplicada en el campo de la estadística
debido a que una gran cantidad muy
grandes de fenómenos reales pueden
explicarse mediante este modelo de
probabilidad. Como la vida útil de
producción, coeficiente intelectual ,
observaciones astronómicas, etc.
Características
 La curva normal tiene forma de campana y
es simétrica con respecto a su media
 Máximo valor de f(x) ocurre cuando x=
 Los puntos de inflexión de f(x) esta en x=
Características
Los parámetros tienen la siguiente característica

f(X) Cambiando μ movemos


la distribución hacia la
izquierda o derecha.

Cambiando σ
σ
aumentamos o
disminuimos su altura..

μ X
Los sigmas
Distribución Normal
Estándar
Sea X una variable aleatoria cuya
distribución es normal con parámetros y
esta dado por la distribución:

; -

Una Variable aleatoria con distribución


normal se puede convertir en un distribución
normal estándar

Z=
Z
Distribución Normal
Estándar
Distribución Normal
Estándar

Φ(-x) 1- Φ(x)

-x
x

Por lo que se tiene que: Φ(-x)=1-Φ(x)


Niveles
La probabilidad de que el
verdadero valor del
parámetro se encuentre en
el intervalo se denomina
nivel de confianza y es 1-α
y la probabilidad de equivocarnos
se llama nivel de significancia y se -Z
representa α. Z
α=0.10 entonces Z=1.645
α=0.05 entonces Z=1.959
α=0,01 entonces Z=2.576
Ejemplo
El tiempo de un usuario de internet tiene
distribución normal con media de 90
minutos y desviación estándar 15 minutos.
a) Calcule la probabilidad de que se demore
menos de 100 minutos.

b) Calcule la probabilidad que se demore


mas de 80 minutos pero menos de 130.
Solución
a) P(x˂100)= P(
= P(Z
por tabla aproximadamente 0.746
por Excel tendremos exactamente 0.7475
b) P(80˂x˂130)= P(
= P(Z
=0.74367711
Ejemplo
Se lanza una moneda correcta al aire 400
veces. Calcula la probabilidad de obtener un
número de caras comprendido desde 180 a
210.
Solución:
n=400, p=0.5 entonces
n.p=200 y n.p.q=100
P(180˂X˂210)=P(˂Z˂)
=P(-2.05˂Z˂1.05)
=0.83295
Propiedad reproductiva de la Normal

Siendo X1, X2, X3,…, Xn. una muestra


aleatoria con Xi
Se tiene que:
M= X1+ X2+X3+…+ Xn.
E(M)=n.
Var(M)=n.
Z=
Teorema del límite Central
El teorema del límite central afirma que, para
grandes muestras aleatorias. La distribución
muestral de las medias está más próxima a una
distribución de probabilidad normal. La
aproximación es más precisa para muestras
grandes. Siendo X1, X2, X3,…, Xn. Variables
independientes e idénticamente distribuidas para
n grande (mayor a 30)

Se distribuye aproximadamente N() es decir que:


se distribuye aproximadamente como N(0,1)

También podría gustarte