Upload
others
View
4
Download
0
Embed Size (px)
Citation preview
© 2010 Pearson Prentice Hall. All rights reserved
Capítulo
Distribución de probabilidad normal
© 2010 Pearson Prentice Hall. All rights reserved
3 7
© 2010 Pearson Prentice Hall. All rights reserved
Hasta ahora hemos construído distribuciones de probabilidad para variables discretas. Construir la probabilidad para una variable aleatoria X, que puede asumir cualquier valor en un intervalo requiere interpretar probabilidad como un área. Esto se conoce como una probabilidad continua. En la próximas lecciones estudiaremos dos formas de probabilidad continua: • probabilidad uniforme • probabilidad normal
7-2
La distribución de probabilidad uniforme
© 2010 Pearson Prentice Hall. All rights reserved
Supongamos que UPS va a entregar un paquete a su residencia en algún momento entre 10 a.m.-11 a.m.
Sea X representa el tiempo después de las 10 am cuando la entrega tenga lugar.
Noten que la entrega podría ser a las 10 AM (x = 0) o a las 11 AM (x = 60). Noten, además, que es tan probable que el paquete llegue entre 10:15 AM y 10:16 o que llegue entre 10:40 y 10:41.
O sea que X puede asumir cualquier valor en 0 ≤ 𝑥 ≤ 60 con igual probabilidad.
Como dos intervalos cualesquiera, de igual longitud, entre 0 y 60, inclusive, son igualmente probables, se dice que la variable aleatoria X sigue una distribución de probabilidad uniforme.
EJEMPLO Ilustrar la distribución uniforme
7-3
© 2010 Pearson Prentice Hall. All rights reserved 7-4
La función de densidad de probabilidad
Cuando calculamos las probabilidades de las variables aleatorias discretas, por lo general sustituimos el valor de la variable aleatoria en una fórmula. Como una variable aleatoria continua puede tener una infinidad de resultados posibles, la probabilidad de observar un valor particular de una variable aleatoria continuo es cero. Para resolver este problema, calculamos las probabilidades de variables aleatorias continuas sobre un intervalo de valores. Para calcular probabilidades para variables aleatorias continuas, se utilizan funciones de densidad de probabilidad.
© 2010 Pearson Prentice Hall. All rights reserved 7-5
Una función de densidad de probabilidad (PDF) es una ecuación utilizada para calcular probabilidades de variables aleatorias continuas. Debe satisfacer las dos propiedades siguientes: 1. El área total bajo la gráfica de la ecuación sobre todos los valores posibles de la variable aleatoria debe ser igual a 1. 2. La altura de la gráfica de la ecuación debe ser mayor que o igual a 0 para todos posibles valores de la variable aleatoria.
Definición
Supongamos que UPS va a entregar un paquete a su residencia en algún momento entre 10 am - 11 am.
Sea X representa el tiempo después de las 10 am cuando la entrega tenga lugar.
Construya una gráfica de la distribución de probabilidad.
Note que 1. el área del
rectángulo es 1. 2. la altura de la
gráfica es mayor o igual a 0 para todos los posibles valores de X. 7-6
EJEMPLO Distribución de probabilidad uniforme
© 2010 Pearson Prentice Hall. All rights reserved
El área bajo la gráfica de la función de
densidad en un intervalo representa la
probabilidad de observar un valor de la variable aleatoria continua en ese intervalo.
7-7
La probabilidad de una variable continua
© 2010 Pearson Prentice Hall. All rights reserved
Determine la probabilidad de que el paquete se entregue entre 10:15 AM y 10:30 AM.
P(15 ≤ 𝑥 ≤ 30) es el área bajo la función de densidad uniforme.
15 30
EJEMPLO Probabilidad como área
7-8
Area = P(15 < x < 30)
= 15/60 = 0.25
15 30
© 2010 Pearson Prentice Hall. All rights reserved
El tiempo de reacción X (en minutos) de un cierto proceso químico sigue una distribución de probabilidad uniforme con 5 ≤ 𝑥 ≤ 10.
EJEMPLO Probabilidad como área
7-9
(a) Dibuje la gráfica de la curva de densidad.
(b) (b) ¿Cuál es la probabilidad de que el tiempo de reacción esté entre 6 y 8 minutos?
(c) (c) ¿Cuál es la probabilidad de que el tiempo de reacción esté entre 5 y 8 minutos?
(d) (d) ¿Cuál es la probabilidad de que el tiempo de reacción sea menor que 6 minutos?
Función de densidad normal
La distribución normal es una, sino la más importante de todas las distribuciones de probabilidad.
Las razones principales para su importancia incluyen:
• gran número de fenómenos reales se pueden modelar con esta distribución
• muchas de las distribuciones de uso frecuente tienden a aproximarse a la normal bajo ciertas condiciones
• proporciona la base de la inferencia estadística clásica debido a su relación con el teorema del límite central.
© 2010 Pearson Prentice Hall. All rights reserved
Histogramas de frecuencias relativas que son simétricas y tienen forma acampanadas se dice que tienen la forma de una curva normal.
7-11
La gráfica de una curva normal
© 2010 Pearson Prentice Hall. All rights reserved
Si una variable aleatoria continua se distribuye normalmente, o si tiene una distribución de probabilidad normal, entonces su histograma de frecuencias relativas tiene forma de campana y es simétrica (forma de curva normal ).
7-12
Para distribuciones
simétricas con un solo pico,
tales como la distribución
normal,
moda = media = mediana.
A consecuencia de esto, la
media, es el punto más alto
de la gráfica de la
distribución.
© 2010 Pearson Prentice Hall. All rights reserved 7-13
Las siguientes figuras
muestran cómo los
cambios en 𝝁 y 𝝈 cambian
la curva normal.
En la primera, podemos ver
que el aumento de la media
de 0 a 3 causó que la
gráfica se trasladara tres
unidades a la derecha, pero
mantuvo su forma.
En la segunda, podemos
ver que el aumento de la
desviación estándar de 1 a
2 hace que la gráfica se
vuelva más plana y más
dispersa, pero mantuvo su
punto central.
© 2010 Pearson Prentice Hall. All rights reserved 7-14
Propiedades de la curva de densidad normal 1. 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 − 𝜎 4. 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.
6. Cuando x → ∞, 𝑓 x → 0, Cuando x → − ∞, 𝑓 x → 0 7. Según la regla empírica: aproximadamente
a) 68% del área bajo la curva normal está entre 𝑥 = 𝜇 + 𝜎 𝑦 𝑥 = 𝜇 − 𝜎
b) 95% del área bajo la curva normal está entre 𝑥 = 𝜇 + 2𝜎 𝑦 𝑥 = 𝜇 − 2𝜎
c) 99.7% del área bajo la curva normal está entre 𝑥 = 𝜇 + 3𝜎 𝑦 = 𝜇 − 3𝜎
© 2010 Pearson Prentice Hall. All rights reserved 7-15
La curva de densidad normal
© 2010 Pearson Prentice Hall. All rights reserved
EJEMPLO Identificar 𝜇 𝑦 𝜎 en los histogramas
7-16
𝜇 = 5, 𝜎 = 2 𝜇 = 530, 𝜎 = 100
© 2010 Pearson Prentice Hall. All rights reserved
Los datos en la siguiente diapositiva representan la altura (en pulgadas) de una muestra aleatoria de 50, varones de dos años de edad.
(a) Dibuje un histograma de los datos utilizando como límite inferior 31.5 y ancho de clase igual a 1.
EJEMPLO Una variable aleatoria normal
7-17
© 2010 Pearson Prentice Hall. All rights reserved 7-18
31.5 34.6 35.6 36.2 37.4
33 34.7 35.7 36.7 37.7
33.2 34.8 35.7 36.8 37.9
33.4 34.8 35.7 36.8 38.2
33.5 35 35.7 36.9 38.3
33.6 35.1 36 36.9 38.4
34 35.1 36 37 38.9
34 35.2 36 37 39.3
34.4 35.2 36 37.2 39.3
34.4 35.4 36.1 37.2 39.8
© 2010 Pearson Prentice Hall. All rights reserved 7-19
(b) ¿Cree usted que la variable aleatoria "altura de varones de 2 años de edad" se distribuye normalmente? Justifique su respuesta.
EJEMPLO (cont.) Una variable aleatoria normal
7-20
La figura demuestra
que la curva normal
describe bastante bien
las alturas de los
varones de 2 años de
edad.
Concluimos que las
alturas son
aproximadamente
normales, con
𝜇 = 35.95
y 𝜎 = 1.79
(c) ¿Cómo se relaciona el área del rectángulo correspondiente a una estatura entre 34.5 y 35.5 pulgadas con el área bajo la curva entre estas dos alturas?
EJEMPLO (cont.) Una variable aleatoria normal
7-21
Observe que el área de
esta región sombreada
está muy cerca al área
bajo la curva normal de
la misma región, por lo
que se puede utilizar el
área bajo la curva
normal para aproximar
la proporción de
varones de 2 años de
edad con estatura entre
34.5 y 35.5 pulgadas.
© 2010 Pearson Prentice Hall. All rights reserved 7-22
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 cualquiera
de los siguientes
• la proporción de la población con la característica
descrita por el intervalo de valores
• la probabilidad de que una persona seleccionada
al azar de la población tenga la característica
descrita por el intervalo de valores.
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. Proporcione dos interpretaciones para este resultado.
• La proporción de las
jirafas cuyo peso es menor
que 2,100 libras es 0.3085
• La probabilidad de que
una jirafa seleccionada al
azar pese menos de 2,100 libras es 0.3085.
7-23
© 2010 Pearson Prentice Hall. All rights reserved 7-24
Area bajo una curva normal ¿Cómo se determina el área bajo la curva normal de una
variable aleatoria?
La función de densidad de probabilidad para una
variable aleatoria normalmente distribuida está dada por
donde 𝜇 es la media y 𝜎 es la desviación estándar de la
variable aleatoria.
Determinar el área bajo esta curva requiere técnicas
introducidas en el cálculo, que están fuera del foco de
este curso.
© 2010 Pearson Prentice Hall. All rights reserved 7-25
Variable aleatoria normal estandarizada
Una alternativa al uso de técnicas de cálculo para determinar el área bajo la curva normal sería el uso de una serie de tablas. Sin embargo, esto equivaldría crear una infinidad de tablas… una para cada posible combinación de desviación estándar y media. Una mejor alternativa es estandarizar la variable.
7-26
Z: valor estandarizado
Para transformar una variable aleatoria X, con media 𝜇 y desviación estándar 𝜎, en una variable aleatoria Z, con media 0 y desviación estándar 1 se usa la transformación Note que lo que hace la transformación es determinar a cuántas desviaciones estándares se encuentra el valor de X de la media. Z es una variable aleatoria con una distribución normal estándar.
© 2010 Pearson Prentice Hall. All rights reserved 7-27
Z: distribución normal estándar
Ahora, necesitaremos sólo una tabla para determinar las áreas correspondientes a la distribución normal estándar y, por lo tanto, determinar la probabilidad de que una variable aleatoria normal asuma cierto valor.
La tabla normal
La tabla normal
© 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.
Dibuje una gráfica que demuestra que el área bajo la curva normal entre 2000 y 2300 libra es igual al área bajo la curva normal estándar entre los valores Z para 2,000 y 2,300 libras.
7-30
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
A continuación se muestra el área bajo la curva de los pesos entre
x=2000 y x=2300 Y la curva normal estándar entre los valores para Z entre z=-1 y z = ½
7-31
© 2010 Pearson Prentice Hall. All rights reserved
Seccón 7.2: La distribución normal estándar
7-32
© 2010 Pearson Prentice Hall. All rights reserved 7-33
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 = 1 4. 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.
6. Cuando Z → ∞, P(Z) → 0, Cuando Z → − ∞, 𝑃(Z) → 0 7. Según la regla empírica: aproximadamente
a) 68% del área bajo la curva normal está entre 𝑥 = −1 𝑦 𝑥 = 1
b) 95% del área bajo la curva normal está entre 𝑥 = −2 𝑦 𝑥 = 2
c) 99.7% del área bajo la curva normal está entre 𝑥 = −3 𝑦 = 3
© 2010 Pearson Prentice Hall. All rights reserved 7-34
Area bajo una curva de normal estándar
© 2010 Pearson Prentice Hall. All rights reserved
La tabla para la distribución normal estándar da el área bajo la curva normal estándar para valores a la izquierda de alguna Z, como se muestra
7-35
Determinar el área bajo una curva de normal estándar
© 2010 Pearson Prentice Hall. All rights reserved
Determinar el área bajo la curva normal estándar a la
izquierda de Z = -0.38.
EJEMPLO Determinar el área bajo la curva normal estándar
Area left of z = -0.38 is 0.3520. 7-36
© 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
7-37
Area bajo una curva de normal estándar
Determinar 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 7-38
EJEMPLO Determinar el área bajo la curva normal estándar
© 2010 Pearson Prentice Hall. All rights reserved
Determinar 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)
= 0.9984 – 0.1539
= 0.8445
7-39
EJEMPLO Determinar el área bajo la curva normal estándar
© 2010 Pearson Prentice Hall. All rights reserved
7-40
Problema Procedimiento Solución
Determinar el área a la izquierda de z
Sombrear el área a la izquierda de z
Usar la tabla normal para hallar la fila y la columna que corresponden a z. El área el el valor donde la fila y la columna intersecan.
Determinar el área a la derecha de z
Sombrear el área a la derecha de z
Usar la tabla normal el área a la izquierda de z. Luego reste 1 – área a la izquierda de z
Determinar el área entre 𝑧1 𝑦 𝑧2
Sombrear el área entre 𝑧1 𝑦 𝑧2
Usar la tabla normal el área a la izquierda de 𝑧1 y a la izquierda de 𝑧2. Luego reste área a la izquierda 𝑧2 – área a la izquierda de 𝑧1
© 2010 Pearson Prentice Hall. All rights reserved
Determinar z, dado que el área a la izquierda de z es 0.7157
EJEMPLO Determinar z, dado una área específica debajo de la curva a la izquierda de z.
El valor z tal que el área a la izquierda de z es 0.7157 es z = 0.57.
7-41
© 2010 Pearson Prentice Hall. All rights reserved
Determinar z, dado que el área a la derecha de z es 0.3021.
El área a la izquierda de z es 1 – 0.3021 = 0.6979.
La aproximación para el valor de z que corresponde a un área de 0.6979 a la izquierda (0.3021 a la derecha) es 0.52. Por lo tanto, z = 0.52.
7-42
EJEMPLO Determinar z, dado una área específica debajo de la curva a la derecha de z.
Práctica
Determinar el área bajo la curva normal estándar que
está a la izquierda de z.
Determinar el área bajo la curva normal estándar entre: