Probabilidad Cap 6 DISTRIBUCION NORMAL · 10 Propiedades de la curva de normal estándar 1. Es...
Transcript of Probabilidad Cap 6 DISTRIBUCION NORMAL · 10 Propiedades de la curva de normal estándar 1. Es...
4.1 - 1Copyright © 2010, 2007, 2004 Pearson Education, Inc. All Rights Reserved.
DISTRIBUCION NORMALProbabilidad – Cap 6
4.1 - 2Copyright © 2010, 2007, 2004 Pearson Education, Inc. All Rights Reserved.
La distribución de probabilidad normal ó distribución normal es
una, sino la más importante de todas las distribuciones de probabilidad.
El histograma de frecuencias relativas de una variable aleatoria
continua que se distribuye normalmente es simétrica y tiene forma
acampanada.
Una distribución de probabilidad como a siguiente se llama una curva
normal.
2
La distribución normal
4.1 - 3Copyright © 2010, 2007, 2004 Pearson Education, Inc. All Rights Reserved.
Si el histograma de frecuencias relativas de una
variable aleatoria continua tiene forma de curva
normal entonces
3
1. La distribución de
probabilidad es simétrica
alrededor de su media.
2. Debido a que moda = media
= mediana, existe un solo
pico y el punto más alto se
produce en 𝑥 = 𝜇.3. Tiene puntos de inflexión en
𝑥 = 𝜇 + 𝜎 𝑦 𝑥 = 𝜇 − 𝜎4. El área bajo la curva es igual
a 1.
5. El área bajo la curva a la
derecha de 𝜇 es igual al área
bajo la curva a la izquierda 𝜇
y es igual a 1
2.
Area total debajo de la curva = 1
4.1 - 4Copyright © 2010, 2007, 2004 Pearson Education, Inc. All Rights Reserved.
EJEMPLO Identificar 𝜇 𝑦 𝜎 en los histogramas
4
Cada histograma que se presenta es simétrica alrededor
de su media. Identifique 𝜇 𝑦 𝜎 para la variable aleatoria
X.
4.1 - 5Copyright © 2010, 2007, 2004 Pearson Education, Inc. All Rights Reserved.
5
Area bajo la curva normal
Supongamos que un variable aleatoria, X, tiene una
distribución normal con media 𝜇 y desviación estándar
𝜎.
El área bajo la curva normal para cualquier intervalo de
valores de la variable aleatoria X representa la
probabilidad de que un individuo seleccionado al azar
de la población tenga la característica que describe el
intervalo de valores.
4.1 - 6Copyright © 2010, 2007, 2004 Pearson Education, Inc. All Rights Reserved.
EJEMPLO Interpretar el área bajo la curva normal
Los pesos de jirafas siguen, aproximadamente, una
distribución normal con μ = 2,200 libras y σ = 200 libras.
(a)Dibuje una curva normal con los parámetros marcados.
Sombree el área bajo la curva normal a la izquierda de x =
2100.
(b)Supongamos que el área bajo la curva normal a la izquierda
de x = 2100 libras es 0.3085. Interprete este resultado.• La probabilidad de que una jirafa
seleccionada al azar pese menos
de 2100 libras es 0.3085.
6
• Nota: Este ejemplo lo pudimos
trabajar por que nos dijeron cuanto era
el área.
• De 100 jirafas que se seleccionan al azar de esta población, se esperaque cerca de 31 pesen 2100 libras. libras es 0.3085.
4.1 - 7Copyright © 2010, 2007, 2004 Pearson Education, Inc. All Rights Reserved.
DISTRIBUCION NORMAL ESTANDAR
Probabilidad – Cap 6
© 2010 Pearson Prentice Hall. All rights reserved
La distribución normal estándar
Para calcular la probabilidad de variables aleatoriascontinuas como el anterior estandarizamos la variable y usamos tablas.
8
© 2010 Pearson Prentice Hall. All rights reserved 9
Variable aleatoria normal estandarizada
Podemos determinar el área bajo la curva normal primeramente estandarizando la variable. Determinamos el valor Z para cada valor de la variable usando la transformación
Luego usamos la tabla conocida como la tabla para la curva normal para determinar el área bajo la curva.
10
Propiedades de la curva de normal estándar
1. Es simétrica alrededor de su media, 𝜇 = 0 𝑦 𝜎 = 1. 2. La moda = media = mediana =0, y el punto más alto
se produce en 𝑥 = 0.3. Tiene puntos de inflexión en 𝑥 = −1 𝑦 𝑥 = 14. El área bajo la curva es igual a 1. 5. El área bajo la curva a la derecha de 𝜇 es igual al
área bajo la curva a la izquierda 𝜇 y es igual a 1
2.
4.1 - 11Copyright © 2010, 2007, 2004 Pearson Education, Inc. All Rights Reserved.
Se muestra una tabla para la distribución normal estándarque da el área bajo la curva normal estándar para valores a la izquierda de alguna Z. Esto es, nos da P(Z≤ 𝑧)
7-11
Determinar el área bajo una curva normal
estándar usando tablas.
P(Z ≤ z) = Area
bajo la curva
normal hacia la
izquierda de z
4.1 - 12Copyright © 2010, 2007, 2004 Pearson Education, Inc. All Rights Reserved.
Determinar P(Z ≤ -0.38).
Solución: P(Z ≤ -0.38). área bajo la curva normal
estándar a la izquierda de Z = -0.38.
EJEMPLO Determinar el área bajo la curva normal estándar
Área hacia la izquierda de z = -0.38 es________ P(Z ≤ -0.38) = _______
4.1 - 13Copyright © 2010, 2007, 2004 Pearson Education, Inc. All Rights Reserved.
Determinar P(z ≤ -0.84).
EJEMPLO Determinar probabilidad para una variable estandarizada
Área hacia la izquierda de z = -0.84 es _____. P(Z ≤ -0.84) = _______7-13
© 2010 Pearson Prentice Hall. All rights reserved
Área bajo la curva normal estándar a
la derecha de zo es igual a 1 – Area
to the left of zo
7-14
Area bajo una curva normal estándar
Determinar P(Z > 1.25).
Solución: P(Z > 1.25) es el área bajo la curva normal estándar a la derecha de Z = 1.25
Área a la derecha 1.25 = 1 – área a la izquierda de 1.25= 1 – 0.8944 = 0.1056 P(Z > 1.25) = 0.1056
7-15
EJEMPLO Determinar el área bajo la curva normal estándar
© 2010 Pearson Prentice Hall. All rights reserved
Area bajo una curva normal estándar
© 2010 Pearson Prentice Hall. All rights reserved
Práctica
17
La tabla normal
18
La tabla normal (cont)
19
4.1 - 20Copyright © 2010, 2007, 2004 Pearson Education, Inc. All Rights Reserved.
MATERIAL PARA BONO 2DO EXAMEN PARCIAL
Determinar P(-1.02 < Z < 2.94)
Solución: P(-1.02 < Z < 2.94) es el área bajo la curva normal estándar entre z = -1.02 y z = 2.94.
Área entre -1.02 y 2.94
= (Área a la izquierda de z = 2.94) – (área a la izquierda de z = -1.02)
Buscando en la tabla de curva normal estándar tenemos
= 0.9984 – 0.1539
= 0.8445
21
EJEMPLO Determinar el área bajo la curva normal estándar
P(-1.02 < Z < 2.94) = 0.8445
© 2010 Pearson Prentice Hall. All rights reserved
EJEMPLO Estandarizar una variable aleatoria
Los pesos de jirafas siguen una distribución normal con media, μ = 2,200 libras y desviación estándar, σ = 200 libras. • Determine el área bajo la curva normal estándar para X entre
los valores de Z correspondientes a x=2000 y x = 2300.
22
𝑧 =𝑥 − 𝜇
𝜎
𝑧 =2000 − 2200
200
𝑧 =−200
200
𝑧 = −1
𝑧 =2300 − 2200
200
𝑧 =100
200
𝑧 =1
2
EJEMPLO (cont.) Estandarizar una variable aleatoria
Si comparamos el área bajo la curva de los pesos entre x=2000 y
x=2300
Con la curva normal estándar entre los valores para Z entre z=-1
y z = ½ Notamos que son iguales.
23
P(-1 < z < ½ ) = Área bajo la curva entre -1 y ½
= (Área a la izquierda de z = ½ ) – (área a la izquierda de z = -1)
Buscando en la tabla de curva normal estándar tenemos
= 0.6915 – 0.1587
= 0.5328
© 2010 Pearson Prentice Hall. All rights reserved
Práctica
Determinar el área bajo la curva normal estándar que
está a la derecha de z.
Determinar el área bajo la curva normal estándar que
está entre:
© 2010 Pearson Prentice Hall. All rights reserved
Probabilidad para una variable aleatorianormal estándar
25
P(a < Z < b) representa la probabilidad de que una variable aleatoria normal estándar está entre a y b
P(Z > a) representa la probabilidad de que una variable aleatoria normal estándar es mayor que a.
P(Z < a) representa la probabilidad de que una variable aleatoria normal estándar es menor que a.
© 2010 Pearson Prentice Hall. All rights reserved
Determinar las siguientes probabilidades:
(a) P(Z < -0.23)
(b) P(Z > 1.93)
(c) P(0.65 < Z < 2.10)
EJEMPLO Determinar la probabilidad una variable aleatoria normal estándar.
26
= 0.4090
= 0.0268
= 0.2399
© 2010 Pearson Prentice Hall. All rights reserved
NOTA:
Para cualquier variable aleatoria continua, la probabilidad de observar
un valor específico de la variable aleatoria es 0.
Por ejemplo, para una variable aleatoria normal estándar, P (a) = 0,
para cualquier valor de a.
Esto es debido a que no hay área bajo la curva normal estándar en
un sólo valor, por lo que la probabilidad es 0.
Por lo tanto, las siguientes probabilidades son equivalentes:
P(a < Z < b) = P(a < Z < b) = P(a < Z < b) = P(a < Z < b)
27
P(Z=z)