Scribd Logo
Cargar

¡Te damos la bienvenida a Scribd!

  • 15 vistas

    Lecture Class7 DistriNorm

    Cargado por

    SrPolar12
    Este documento explica la distribución normal, incluyendo su función de densidad de probabilidad, valor medio, varianza, función de distribución acumulada y percentiles. También cubre cómo transformaciones lineales y la aproximación binomial a la distribución normal.

    Copyright:

    © All Rights Reserved
    Descargue como PDF, TXT o lea en línea desde Scribd

    Lecture Class7 DistriNorm

    Cargado por

    SrPolar12
    15 vistas15 páginas
    Este documento explica la distribución normal, incluyendo su función de densidad de probabilidad, valor medio, varianza, función de distribución acumulada y percentiles. También cubre cómo transformaciones lineales y la aproximación binomial a la distribución normal.

    Título original

    Lecture_Class7_DistriNorm

    Derechos de autor

    © © All Rights Reserved

    Formatos disponibles

    PDF, TXT o lea en línea desde Scribd

    ¿Le pareció útil este documento?

    ¿Este contenido es inapropiado?

    Este documento explica la distribución normal, incluyendo su función de densidad de probabilidad, valor medio, varianza, función de distribución acumulada y percentiles. También cubre cómo transformaciones lineales y la aproximación binomial a la distribución normal.

    Copyright:

    © All Rights Reserved
    Descargue como PDF, TXT o lea en línea desde Scribd
    Descargar como pdf o txt
    15 vistas15 páginas

    Lecture Class7 DistriNorm

    Cargado por

    SrPolar12
    Este documento explica la distribución normal, incluyendo su función de densidad de probabilidad, valor medio, varianza, función de distribución acumulada y percentiles. También cubre cómo transformaciones lineales y la aproximación binomial a la distribución normal.

    Copyright:

    © All Rights Reserved
    Descargue como PDF, TXT o lea en línea desde Scribd
    Descargar como pdf o txt
    Está en la página 1de 15

    Distribución Normal

    Javier
    César A. Lozano
    Gómez

    Escuela de Estadı́stica
    Distribución de Normal

    Definición 1
    Decimos que una va continua X posee distribución normal con parámetros
    µ ∈ (−∞, ∞) y σ > 0 , si la función de densidad de probabilidad de X es
    de la forma
    1 (x−µ)2
    f (x; µ, σ) = √ e − 2σ2 , −∞ < x < ∞. (1)
    2πσ

    Por supuesto calculamos probabilidades integrando esta densidad

    Z b (x−µ)2
    1
    P(a ≤ X ≤ b) = √ e − 2σ2 dx, (2)
    a 2πσ

    Si X posee distribución normal con parámetros µ y σ denotamos este


    hecho por medio de X ∼ N(µ, σ 2 ).
    Distribución Normal 1 / 14
    El Valor Medio y la Varianza

    Si X ∼ N(µ, σ 2 ) entonces

    E[X ] = µ, y V [X ] = σ 2 . (3)

    Distribución Normal Estándar


    Si Z es una va con distribución normal de tal modo que µ = 0 y σ = 1, es
    decir Z ∼ N(0, 1) decimos que Z posee una distribución normal estándar.
    En este caso la pdf de la va Z es

    1 z2
    f (z) = √ e − 2 , −∞ < z < ∞. (4)
    2π

    Distribución Normal 2 / 14
    Una aplicación simple

    Figura 1: Acá x̄ ≈ 68.0, and s ≈ 1.9, basado en una muestra de n = 25000

    Distribución Normal 3 / 14
    Distribución Normal 4 / 14
    Función de Distribución Acumulada

    Si Z ∼ N(0, 1) entonces vamos a denotar la fda de Z por Φ(z) es decir


    Z z
    1 u2
    Φ(z) = P(Z ≤ z) = √ e − 2 du. (5)
    −∞ 2π

    En general tenemos

    P(a ≤ Z ≤ b) = Φ(b) − Φ(a).


    P(Z ≤ b) = Φ(b) y P(Z > b) = 1 − Φ(b).
    Si a < 0 , Φ(a) = 1 − Φ(−a).

    Definición 2
    Sea p un número con 0 < p < 1, el 100p ◦ percentil de la distribución de
    una va continua X con fda F (x) es el número η tal que F (η) = p.

    Distribución Normal 5 / 14
    Proposición 1
    Sea X ∼ N(µ, σ 2 )
    1 Para 2 valores cualesquiera a y b, la va Y = aX + b también posee
    distribución normal con

    E[Y ] = aµ + b, y V [Y ] = a2 σ 2 . (6)
    2 La va

    X −µ
    Z= , (7)
    σ
    Posee distribución normal estándar.

    Distribución Normal 6 / 14
    Observación. Como consecuencia de esta proposición si X ∼ N(µ, σ 2 )
    entonces

    a−µ X −µ b−µ
    P(a ≤ X ≤ b) = P( ≤ ≤ ),
    σ σ σ

    a−µ b−µ
    = P( ≤Z ≤ ),
    σ σ
       
    b−µ a−µ
    P(a ≤ X ≤ b) = Φ −Φ
    σ σ
    (8)

    Luego la forma de calcular probabilidades con X ∼ N(µ, σ 2 ) es


     
    b−µ
    P(X ≤ b) = Φ . (9)
    σ
    Distribución Normal 7 / 14
    Percentiles de la distribución normal estándar

    Proposición 2
    Si X ∼ N(µ, σ 2 ) y ηµ,σ denota el 100p ◦ percentil de la distribución de X ,
    entonces

    ηµ,σ = µ + σ · ηest , (10)

    donde ηest denota el 100p ◦ percentil de la distribución normal estándar.

    Distribución Normal 8 / 14
    Observación. Si X ∼ N(µ, σ 2 ) entonces

     
    x − µ
    P (|x − µ| ≤ nσ) = P
    ≤n ,
    σ
     
    X −µ
    = P −n ≤ ≤ n = Φ(n) − Φ(−n),
    σ

    = 2Φ(n) − 1.
    (11)

    {|x − µ| ≤ nσ} es el conjunto de los “x que están entre n desviasiones


    estándar por lado y lado de la media”.

    Distribución Normal 9 / 14
    P(−1 ≤ X ≤ 1) = φ(1) − φ(−1) ≈ 0.6826.

    Es decir la población a una desviación estándar de la media es


    aproximadamente del 68 %.

    Distribución Normal 10 / 14
    P(−2 ≤ X ≤ 2) = φ(2) − φ(−2) ≈ 0.9546.

    Es decir la población a 2 desviaciones estándar de la media es


    aproximadamente del 95 %.

    Distribución Normal 11 / 14
    P(−3 ≤ X ≤ 3) = φ(3) − φ(−3) ≈ 0.9974.

    Es decir la población a 3 desviaciones estándar de la media es


    aproximadamente del 99 %.

    Distribución Normal 12 / 14
    Aproximación Normal de la Binomial

    Proposición 3
    Si X es una va binomial X ∼ bin(n, p) entonces la va

    X − np
    Y =p , (12)
    np(1 − p)

    posee una distribución aproximada normal estándar. Y

    P(X ≤ x) = b(1) + b(2) + b(3) + · · · + b([x]),

    !
    x + 0.5 − np
    ≈ P Z≤ p ,
    np(1 − p)
    !
    x + 0.5 − np
    = Φ p .
    np(1 − p)
    (13)
    Distribución Normal 13 / 14
    Aproximación Normal de la Binomial

    Es decir

    !
    x + 0.5 − np
    P(X ≤ x) ≈ Φ p . (14)
    np(1 − p)

    Regla Empı́rica.
    Se puede aplicar la transformación de forma satisfactoria cuando

    np ≥ 10, y n(1 − p) ≥ 10. (15)

    Distribución Normal 14 / 14

    También podría gustarte