Documente Academic
Documente Profesional
Documente Cultură
DISTRIBUCION NORMAL
Es una distribucin simtrica y tiene la propiedad que la media, la mediana
y la moda son iguales.
Tericamente una variable normal puede tener cualquier valor entre (-) y
(+) pero en la prctica podemos despreciar la posibilidad de que un valor
x caiga fuera de los limites de 3.
Este hecho es una regla importante de la distribucin normal y se llama la
regla de 3 sigma, que nos indica que dentro de los limites 3 se
encuentran el 99.7 % de los datos, entre los lmites 2 estn el 95.4%
de los datos y dentro de los lmites estn el 68.3% de los datos.
f x
1 x 2
2 2
EJEMPLO:
En un proceso de produccin se desea analizar el peso de cada unidad.
Segn el estndar, dicho peso debe estar normalizado con una media de
430g y se admite una variacin (desviacin estndar) de 5g. N(430, 5). Si
se toma una muestra aleatoria:
P X 422 P Z
422 430
P Z
PZ 1.6 0.0548
5
EN EXCEL:
Normal(430 5)
8
Values x 10^-2
< 5,5%
422,00
94,5%
445
440
435
430
425
420
415
>
+Infinity
P X 422 P Z
422 430
P Z
PZ 1.6
5
1 0.0548 0.9452
Normal(430 5)
Normal(430 5)
8
1,0
0,9
0,8
0,6
0,5
0,4
0,3
2
0,2
0,1
94,5%
>
+Infinity
< 5,5%
422,00
94,5%
445
440
435
430
425
420
445
440
435
430
425
420
< 5,5%
422,00
415
0,0
415
Values x 10^-2
0,7
>
+Infinity
P X 1 435 P Z
435 430
P Z
PZ 1.0 0.8413
5
P X 2 438 P Z
438 430
P Z
PZ 1.6 0.9452
5
<
84,1%
445
440
435
430
425
420
415
Values x 10^-2
5,5% >
435,00
JARQUE BERA
SESGO
0.12923191
CURTOSIS RELATIVA -0.17352191
CUENTA
250
JB
1.00951454
MEDIA
0,0483
DESV. ESTANADAR
1,011
VALORES CRITICOS
NIVEL DE CONFIANZA VALOR
90%
4.61
95%
5.99
99%
9.21
CONCLUSION:
SOLUCION:
Columna1
Media
Error tpico
Mediana
Moda
Desviacin estndar
Varianza de la muestra
Curtosis
Coeficiente de asimetra
Rango
Mnimo
Mximo
Suma
Cuenta
0,04837951
0,06400354
0,07572965
-1,18574008
1,01198477
1,02411317
-0,17352191
0,12923191
5,9496233
-3,05401045
2,89561285
12,0948778
250
Normal(0,0483; 1,011)
0,40
Mean = 0,048300
0,35
0,30
Normal
0,25
0,20
0,15
0,10
0,05
< 10,0%
-1,250
90,0%
2,5
2,0
1,5
1,0
0,5
0,0
-0,5
-1,0
-1,5
-2,0
-2,5
0,00
>
35,000
Mean = 0,048300
0,35
0,30
Normal
0,25
0,20
0,15
0,10
0,05
<
75,6%
0,750
2,5
2,0
1,5
1,0
0,5
0,0
-0,5
-1,0
-1,5
-2,0
-2,5
0,00
24,4% >
35,000
Normal(0,0483; 1,011)
0,40
Mean = 0,048300
0,35
0,30
Normal
0,25
0,20
0,15
0,10
0,05
< 15,0%
-1,000
77,5%
2,5
2,0
1,5
1,0
0,5
0,0
-0,5
-1,0
-1,5
-2,0
-2,5
0,00
7,6% >
1,500
Determinar
n 30 .
Sx
S
1,011
0,064
n 1
250 1
5%
97,5% 0,975
2
Distribution Plot
Density
0,3
0,2
0,1
0,0
0
X
1,96
EJEMPLO 2
Una empresa ha registrado las unidades vendidas diariamente en la
siguiente tabla:
DIA
da 1
da 2
da 3
da 4
da 5
da 6
da 7
da 8
da 9
da 10
da 11
da 12
da 13
da 14
da 15
da 16
da 17
da 18
da 19
da 20
da 21
da 22
da 23
da 24
da 25
da 26
da 27
da 28
VENTAS
4
1
6
9
9
10
2
4
8
2
3
0
1
2
3
1
3
4
5
4
4
4
9
5
4
3
11
8
da 29
da 30
da 31
da 32
da 33
12
3
10
0
7
SOLUCION:
Frecuencia
Histograma
14
12
10
8
6
4
2
0
Frecuencia
2,4
4,8
7,2
9,6
y
mayor...
Clase
Columna1
Media
4,88
Error tpico
0,58
Mediana
4
Moda
4
Desviacin estndar
3,34
Varianza de la muestra 11,17
Curtosis
-0,73
Coeficiente de asimetra 0,56
Rango
12
Mnimo
0
Mximo
12
Suma
161
Cuenta
33
0,56 2 0,732
JB 33
2,45
6
24
VALORES CRITICOS
NIVEL DE CONFIANZA VALOR
90%
4.61
95%
5.99
99%
9.21
CONCLUSION:
COMO JB = 2.45 ES MENOR QUE 4.61 NO SE RECHAZA
HIPOTESIS DE NORMALIDAD AL 90%. En este caso los
parmetros de la distribucin sern: N(5, 3.34)
EJEMPLO 3
Una empresa ha registrado los precios de venta histricos de su
producto en la siguiente tabla:
PRECIOS
96,3
99,9
98,6
99,5
95,4
98,5
95,0
103,0
102,6
100,6
98,9
102,0
97,3
99,4
100,9
Aplique la prueba Jarque-Bera para determinar si las ventas se
pueden modelar mediante una distribucin Normal.
EJEMPLO 4
Una empresa ha registrado los costos de compra histricos de su
producto en la siguiente tabla:
COSTOS
93,7
91,6
86,5
87,9
90,0
80,3
84,3
87,7
87,6
83,5
92,1
80,1
84,8
91,5
82,4
86,8
92,2
83,7
81,7
90,5
83,4
84,5
89,8
81,4
90,1
89,1
85,4
87,4
N * 2 * Z 2
n
N 1 * E 2 2 * Z 2
Donde:
n = tamao de la muestra.
N = tamao de la poblacin.
2 = varianza = p*q= S2
Z = nivel de confianza.
E = error admisible.
p = probabilidad de xito (0,5).
q = probabilidad de fracaso (0,5).
Cuando no se conoce la poblacin:
2 *Z2
E2
EJERCICIO:
Para una investigacin de campo, en una poblacin de 8400 empresarios,
mediante estimacin se propone un error admisible del 6% y un 95% de
nivel de confianza. Calcular el tamao de la muestra.
SOLUCION:
N = tamao de la poblacin = 8400
2 = varianza = p*q= S2 = 0,5*0,5 = 0,25
Z = nivel de confianza = 95% = 0,95 = 1,96
E = error admisible = 6%
p = probabilidad de xito (0,5).
q = probabilidad de fracaso (0,5).
Distribution Plot
Density
0,3
0,2
0,1
0,0
0
X
1,96
N * 2 * Z 2
n
N 1 * E 2 2 * Z 2
8400*0,25* 1,96
258,59 259
EJERCICIOS DE APLICACIN 1
Resolver el ejercicio anterior, considerando que no se conoce el tamao de
la poblacin.
EJERCICIOS DE APLICACIN 3
Aplique la prueba Jarque-Bera para determinar si los datos se
pueden modelar mediante una distribucin Normal.
DATOS
22,5
25,3
25,2
24,4
23,0
23,7
30,6
29,5
18,6
25,5
22,5
28,3
26,6
29,7
22,4
24,1
30,3
23,4
27,1
24,6
25,6
26,2
18,9
26,1
23,8
24,4
27,9
28,5
19,1
23,9
28,5
23,2
23,7
26,7
22,8
20,7
22,2
19,0
29,3
26,8
20,2
27,2
26,4
30,0
26,5
22,0
23,3
21,9
26,9
23,3
EJERCICIOS DE APLICACIN 4
1.- Una fbrica de telas ha determinado que la resistencia a la rotura de una
tela sinttica se distribuye de acuerdo con: N(800, 12) Newtons. El
comprador de la tela exige que sta tenga una resistencia de al menos 772
Newtons.
a) Si se selecciona aleatoriamente una muestra de la tela, determinar la
probabilidad de que tal muestra cumpla con las exigencias del
comprador.
b) Existe otro comprador al que le interesa que la tela tenga mximo
una resistencia de 780 Newtons.
c) Determinar la probabilidad de que la tela tenga mximo 810
Newtons de resistencia.
d) Calcular la probabilidad de que la tela tenga una resistencia entre 785
y 815 Newtons.
e) Para un tamao de muestra de 45 determinar el intervalo de
confianza para la media al 95%.