1.3 Dist Prob Cont - Normal y T Student
1.3 Dist Prob Cont - Normal y T Student
1.3 Dist Prob Cont - Normal y T Student
CARRERA DE DERECHO
ESTADISTICA II
La distribución normal es una curva en forma de campana. Toda el área bajo la curva de una
distribución normal es 1. Como esta distribución es simétrica el área bajo la curva y a la
izquierda de la media es 0.50 y el área bajo la curva y a la derecha de la media es 0.50
50% 50%
Distribución Normal
3
Distribución Normal
Características importantes:
1.- Toda familia de distribuciones normales se diferencia por medio de dos parámetros: la
media y la desviación estándar.
2.- La distribución normal es simétrica. Las colas de la curva normal se extienden al infinito en
ambas direcciones y en teoría jamás tocan el eje horizontal.
3.- El punto mas alto de una curva
normal se encuentra sobre la media.
4.- La desviación estándar determina
qué tan plana y ancha es la curva
normal.
REGLA EMPIRICA
Los porcentajes de los valores que se encuentran en algunos intervalos comúnmente usados son:
5
Comparación entre Distribuciones Normales
6
Distribución Normal ESTANDAR
Tiene una distribución normal con media cero y desviación estándar de uno.
Para designar esta variable aleatoria normal se suele usar la letra Z.
A continuación la gráfica:
7
Distribución Normal ESTANDAR
Para la distribución normal estándar se usa una tabla donde ya están calculadas las áreas bajo la
curva de la normal, es decir son las probabilidades:
1.- La probabilidad de que la variable aleatoria normal estándar z sea menor o igual
0
Distribución Normal ESTANDAR
10
Usando la Simetría…
P( -1.00 < z < 0) = P( 0< z < 1.00) P( z < -0.83) = P( z > 0.83)
11
Distribución Normal ESTANDAR
12
Escenario para el uso de la tabla de la distribución normal estándar:
Probabilidad entre dos valores dados
+ =
+ = 0,5859
Distribución Normal ESTANDAR
13
Escenario para el uso de la tabla de la distribución normal estándar:
0,50
= 0,5 – 0,3413
= 1 - 0,8413 = 0,1587 = 0,1587
Distribución Normal ESTANDAR
15
Grafica de la Distribución Normal Estandar
0,50
= 0,5 – P( -1,3 ≤ z ≤ 0 )
= 0,5 - P( 0 ≤ z ≤ 1,3 )
= 0,5- 0,4032
= 0,0968
=9,68%
-4 -2 -1,3 2 4
Grafica de la Distribución Normal Estandar
= 0,5 + P( -1 ≤ z ≤ 0)
= 0,5 + P(0 ≤ z ≤ 1)
= 0,5 + 0,3413
0,5
= 0,8413
= 84,13%
-4 -2 -1 2 4
Grafica de la Distribución Normal Estandar
= 0,5 + P(-1,5 ≤ z ≤ 0)
= 0,5 + P(0 ≤ z ≤ 1,5)
= 0,5 + 0,4332
= 0,9332
0,4332
0,5
= 93,32%
-4 -2 -1,5 2 4
Grafica de la Distribución Normal Estandar
P(-3 ≤ z ≤ 0) = P(0 ≤ z ≤ 3)
= 0,4987
= 49,87%
-4 -3 -2 2 4
P ( 0< z < 2)
EJERCICIO EXTRA
0,5
-4 -3 -2 0,5 2 4
Distribución Normal ESTANDAR
21
Grafica de la Distribución Normal Estandar
P( 0 ≤ z ≤ Z1) = 0,475
Z1=1,96
0,5 0,475
-4 -2 Z1=1,96
2 4
Grafica de la Distribución Normal Estandar
0,5
P( 0 ≤ z ≤ Z1) =0,475
Z1= 1,96
-4 -2 Z1
2 4
Grafica de la Distribución Normal Estandar
0,5
P( 0 ≤ z ≤ Z1) = 0,2291
Z1= 0,61
0,2291
0,5
-4 -2 Z1=0,61
2 4
Grafica de la Distribución Normal Estandar
0,5
P( 0 ≤ z ≤ Z1) = 0,3686
Z1= 1, 12
0,3686
0,1314
-4 -2 Z1=1,12
2 4
Grafica de la Distribución Normal Estandar
Z1 = 0,44
0,17
-4 -2 Z1=0,44
2 4
Grafica de la Distribución Normal Estandar
0,50
Z1= 0,44
0,1700
0,3300
-4 -2 Z1= 0,44
2 4
DISTRIBUCIÓN NORMAL ESTANDAR
Calculo de probabilidades en cualquier distribución de probabilidad normal.
Se debe convertir la variable aleatoria X con media y desviación estándar en variable normal estándar z, con la fórmula:
28
DISTRIBUCIÓN NORMAL ESTANDAR
29
DATOS
u = 15015
= 3540
Estandarizando la variable x
DATOS 18000 −150 15 2985
u = 15015 𝑧= = = 0,84
= 3540 3540 3540
X = 18000
P(x > 18000 ) = ?
P(𝑧 > 0,84 ) = ?
0,50
P(z > 0,87 ) = 0,50 - P( 0 ≤ z ≤ 0.84)
P( 0≤ z ≤ 0.84)
0,2995
Tenemos el 7,78% de que una persona con Buena historia crediticia tenga una deuda
MENOR a $10000
DATOS Estandarizando la variable x = 12000
12000 −150 15 −3015
u = 15015 𝑧= = = −0,85
3540 3540
= 3540
Estandarizando la variable x = 18000
P(12000< x < 18000 ) = ? 18000 −150 15 2985
𝑧= = = 0,84
3540 3540
P(−𝟎, 𝟖𝟓 < 𝒛 < 0,84 ) = P(𝟎< 𝒛 < 0,84) + 𝐏(𝟎 < 𝒛 < 0,85)
=0,2995 + 0,3023
=0,6018
Tenemos el 60,18% de que una persona con Buena historia crediticia tenga una deuda
ENTRE $12000 y $ 18000
DATOS Estandarizando la variable x = 14000
u = 15015 14000 −150 15 −1015
𝑧= = = −0,29
= 3540 3540 3540
X = 10000
P( x > 14000 ) = ? P( 𝑧 > -0,29 )=?
0,6141
Tenemos el 61,41% de que una persona con Buena historia crediticia tenga una deuda
MAYOR a $14000
Distribución T -student
Distribución T -student
Características:
1. Es, como la distribución z, una distribución continua.
2. Es, como la distribución z, en forma de campana y simétrica.
3. No hay una distribución t, sino una familia de distribuciones t. Todas las
distribuciones t tienen una media de 0, pero sus desviaciones estándar
difieren según el tamaño de la muestra, n.
4. La distribución t está más extendida y más plana en el centro que la
distribución normal estándar. Sin embargo, a medida que aumenta el
tamaño de la muestra, la distribución t se acerca a la distribución normal
estándar,
5. El area total bajo la curva es 1
6. Se utiliza para tamaños de muestra pequeños (menores a 30 elementos; n
menor a 30)
Comparando las distribuciones z y t cuando n es pequeño
Distribución de Z
95%
−1.96 1.96 Z
Distribución de t
n=5
95%
−2.776 2.776 t
Como se lee la tabla t
FORMULAS
𝑡α,𝑉 v=grados de Libertad ; n–1
DATOS
u = 0,6 mg (media poblacional)
s = 0,175 mg (desv estandar muestral)
𝑥ҧ = 0,744 (media muestral)
n=16
v=n-1=16-1=15 grados de libertad
t =?
0,744−0,6 0,144
𝑡= 0,175 = = 3,2914 𝑡0.0025 ,15 = 3,3257 Resp. 0.25%
0,04375 42
16
Resp. a) 10% b) 70%
Ejemplo:
2. En la ciudad capital el precio medio de venta de las casas nuevas es 115mil dólares. Se toma una muestra
aleatoria de 10 casas nuevas resultando una desviación estándar de 25 mil dólares. ¿Cuál es la
probabilidad de que la media muestral de los precios de venta sea:
a) menor de 104 mil dólares?; b) mayor de 110500 dólares?
Resolución de a)
DATOS
u = 115000 (media poblacional)
s = 25000 (desv estandar muestral)
𝑥ҧ = 104000 (media muestral) α
n=10
v=n-1=10-1=9 grados de libertad
t =? P(T < - t) = P( T > t)
𝑥ത − µ
𝑡= 𝑠
𝑛
104000−115000 11000 P(T > t)= α
𝑡= 25000 = = -1,3914 P(T > 1,3914) = 0,10 = 10%
7905,69
10 44
Resolución de b)
DATOS α
u = 115000 (media poblacional)
s = 25000 (desv estandar muestral) 1- α
𝑥ҧ = 110500 (media muestral)
n=10
v=n-1=10-1=9 grados de libertad
t =?
P( T > -0,5692) = 1 - P( T < -0,5692)
𝑥ത − µ = 1 - P( T > 0,5692) 1- α α
𝑡= 𝑠 = 1 - 0,30
𝑛 = 0,7 70%
110500−115000 −4500
𝑡= 25000 = = -0,5692
7905,69
10
Ejemplo:
3. El presidente de una compañía de focos dice que sus focos duran 300 días. Entonces la competencia va a
varios supermercados y compra 15 focos para probar esa afirmación. Los focos de la muestra duran en
promedio 290 días con una desviación estándar de 50 días. Podrá desmentir al presidente de la compañía de
focos. Calcular la probabilidad de que 15 focos seleccionados al azar tengan una vida promedio mayor de 290
días
DATOS
µ=300
𝑥̃=290
s=50
n=15 1- α
v=n-1=15-1=14 grados de libertad
t =?
𝑥ത − µ
𝑡= 𝑠 P(T > t)= α
P(T > -0,7745) = 1- P(T < -0,7745) 1- α
𝑛
= 1 - P(T > 0,7745)
290−300 − 10 = 1 – 0,25
𝑡= 50 = 12,91= -0,7745 = 0,75 75%
15
Ejemplo: Ejercicio de dos colas
4. Una compañía manufacturera asegura que las baterías utilizadas en sus juegos electrónicos duran un
promedio de 30 horas. Para conservar este promedio se prueba 16 baterías mensualmente. Si el valor
calculado de t cae entre –t0.025 y t0.025 la compañía está satisfecha con su afirmación ¿Qué conclusión
sacaría la empresa de una muestra que tiene una media de 27.5 horas y una desviación estándar de 5 horas?
–t0.025 y + t0.025 significa que el area bajo la curva corresponde a las 2 colas
𝑡 α = 𝑡±0.025, 15 = ± 2,1315
± , 𝑛−1
2
1- α
t= - 2 esta dentro de -2,1315< t < 2,1315
𝑥ത − µ
𝑡= 𝑠
𝑛