Descarga la aplicación para disfrutar aún más
Vista previa del material en texto
La distribución de probabilidad normal Condiciones La variable X, para tener distribución normal, debe cumplir lo siguiente: • X debe ser continua • Deben existir las constantes μ y σ, tales que: -∞ < μ < ∞ y σ > 0 • La función de densidad es: El histograma de frecuencias y la curva normal Tensión sistólica de 1000 pacientes Tensión sistólica de 5000 pacientes Gráfico Q – Q de probabilidad (Q – Q plot) Para probar la normalidad de los datos muestrales Propiedades • Tiene una única moda, que coincide con su media y su mediana. • La curva normal es asintótica al eje de abscisas. Por ello, cualquier valor entre -∞ y ∞ es teóricamente posible. El área total bajo la curva es, por tanto, igual a 1. • Es simétrica con respecto a su media μ . Según esto, para este tipo de variables existe una probabilidad de un 50% de observar un dato mayor que la media, y un 50% de observar un dato menor. • La distancia entre la línea trazada en la media y el punto de inflexión de la curva es igual a una desviación típica (σ). Cuanto mayor sea σ, más aplanada será la curva de la densidad. • El área bajo la curva comprendido entre los valores situados aproximadamente a dos desviaciones estándar de la media es igual a 0.95. En concreto, existe un 95% de posibilidades de observar un valor comprendido en el intervalo ( μ – 1,96σ ; μ + 1,96σ ) • La forma de la campana de Gauss depende de los parámetros μ y σ. La media indica la posición de la campana, de modo que para diferentes valores de μ la gráfica es desplazada a lo largo del eje horizontal. Por otra parte, la desviación estándar determina el grado de apuntamiento de la curva. Cuanto mayor sea el valor de σ , más se dispersarán los datos en torno a la media y la curva será más plana. Un valor pequeño de este parámetro indica, por tanto, una gran probabilidad de obtener datos cercanos al valor medio de la distribución. Función de distribución acumulada • Puede tomar cualquier valor (-∞, +∞) • Son más probables los valores cercanos a uno central que llamamos media • Conforme nos separamos de ese valor , la probabilidad va decreciendo de igual forma a derecha e izquierda (es simétrica). • Conforme nos separamos de ese valor , la probabilidad va decreciendo de forma más o menos rápida dependiendo de un parámetro , que es la desviación típica. La distribución normal estandarizada, reducida o típica No existe una única distribución normal, sino una familia de distribuciones con una forma común, diferenciadas por los valores de su media y su varianza. De entre todas ellas, la más utilizada es la distribución normal estándar, que corresponde a una distribución de media 0 y varianza 1. Variable normal tipificada o Z E(Z) = 0 V(Z) = 1 σz = 1 La transformación de la variable X en la variable Z produce el efecto de reducir X a unidades en términos de desviaciones estándares alejadas de la media. Es decir, dado un valor de X, el correspondiente valor de Z indica cuán alejada está X de su media , y en qué dirección, en términos de su desviación estándar . Por ejemplo, Z = 1,8 significa que el valor de X está a una distancia igual a 1,8 veces a la derecha de . En cambio z = -2,3 indica que X se encuentra a una distancia de 2,3 a la izquierda de . La función de densidad de Z es: Ejemplo de aplicación Supongamos que se sabe que el peso de los sujetos de una determinada población sigue una distribución aproximadamente normal, con una media de 80 Kg y una desviación estándar de 10 Kg. •a) ¿Cuál es la probabilidad de que una persona, elegida al azar, tenga un peso superior a 100 Kg? •b) ¿Cuál es el peso no superado por el 40% de los individuos de menor peso? •c) ¿Cuál es la probabilidad de que el peso de un sujeto esté entre 60 y 100 Kg? Aproximación binomial-normal Cuando una variable binomial tiene p ≈ q ≈ 0,5, entonces… Slide 1 Slide 2 Slide 3 Slide 4 Slide 5 Slide 6 Slide 7 Slide 8 Slide 9 Slide 10 Slide 11 Slide 12 Slide 13 Slide 14 Slide 15 Slide 16 Slide 17 Slide 18 Slide 19 Slide 20 Slide 21 Slide 22 Slide 23
Compartir