Distribución normal. Cajón de Ciencias. Qué es una variable estadística?

Transcripción

1 Distribución normal Cajón de Ciencias Qué es una variable estadística? Una variable estadística es un parámetro que puede variar de manera aleatoria dentro de un rango de valores. Por ejemplo, la variable "peso corporal" es aleatoria, porque puede tomar muchos valores distintos dentro de unos márgenes. Observa que no todos los valores tienen por qué tener la misma probabilidad de darse: habrá unos más comunes y otros más raros, y según cómo se repartan estas probabilidades, tendremos una distribución estadística u otra. La distribución normal La distribución normal es un modelo estadístico en el que la variable aleatoria tiene más probabilidades para los valores medios que para los extremos, representándose en lo que se llama una "curva o campana de Gauss" (en honor a un importante matemático). Es una distribución muy común de encontrar en la naturaleza: el peso y la estatura de las personas, por ejemplo, se ajusta a esta distribución. Cómo se lee la Campana de Gauss y la tabla asociada La distribución normal supone que la variable aleatoria que estamos trabajando tiene una media de cero y una desviación típica de + 1 (más adelante veremos cómo adaptar otras variables que no tengan esta media y esta desviación para poder usar con ellas la tabla y la curva de Gauss). La distribución normal tiene una tabla que indica probabilidades para distintos valores. Para leerla, se mira en la primera columna el número y su primer decimal, y en la primera fila, el segundo decimal. El punto donde se corten esos dos valores, nos da una probabilidad entre 0,5 y 1. Con la tabla, comprueba que para los siguientes valores se obtienen las probabilidades indicadas a continuación: 2,34 0,9904 0,03 0,5120 1,45 0,9265 (Nota: como podrían confundirse los valores de la variable con las probabilidades, ya que tienen números muy parecidos, a partir de ahora las cifras que se refieran a probabilidades aparecerán en cursiva). Es importante entender que la curva de Gauss es una curva de probabilidad acumulada. Esto quiere decir que dado un valor de la variable (que se situaría en el eje de las x), toda el área comprendida en la gráfica hasta ese punto es la probabilidad de que esa variable valga dicho valor o menos. Vamos a verlo con un ejemplo para entenderlo mejor. Si la variable aleatoria tomase el valor 0,43, la situaríamos en la gráfica así:

2 El área sombreada es la probabilidad de que la variable X valga 0,43 o menos. Si consultamos la tabla, nos indica que dicha probabilidad vale 0,6664. O, dicho de manera más matemática: p (X< 0,43) = 0,6664 Fíjate que para el valor cero (que cae justo en la mitad de la gráfica), la probabilidad acumulada sería de 0,5. Obvio, porque el área que quedaría coloreada sería exactamente la mitad del área total, y recuerda que el valor máximo de toda probabilidad es 1. Qué ocurre si mi variable no es una N(0,1) La tabla de la normal, como hemos dicho, corresponde a una variable cuya media es igual a cero y su desviación típica igual a 1. Sin embargo, la gran mayoría de las variables del mundo real no son de este tipo. Como no es posible crear una tabla para cada distribución posible, lo que se hace es modificar, tipificar nuestra variable real para adaptarla y poder usar con ella la tabla de N(0,1). Para tipificar una variable (a la variable tipificada la llamaremos Z de ahora en adelante), le restaremos a nuestro valor X la media de la distribución y dividiremos el total entre la desviación típica. Z = (X - ) / La variable X, transformada así en una Z, se podrá utilizar en nuestra tabla de normal (0,1) Otras lecturas de la curva de Gauss A la hora de leer una probabilidad de distribución normal se pueden presentar otros casos que requieren ciertos "retoques", ya que la tabla de probabilidades sólo sirve para los casos en que Z valga igual o menor que un valor. Podemos encontrarnos, además, con las siguientes situaciones: 1. Valores de Z mayores o iguales a un valor 2. Valores de Z negativos menores o iguales a un valor 3. Valores de Z negativos mayores o iguales a un valor 4. Valores de Z comprendidos entre dos valores 5. Valores de Z concretos 6. Valores de Z muy grandes 1. Valores de Z mayores o iguales a un valor (p (Z>k) En este caso, el área que se nos pide hallar es la siguiente (seguimos tomando como ejemplo el 0,43):

3 La solución es fácil. Ya que la tabla nos da la probabilidad del área en blanco, para hallar el valor del área sombreada hacemos el total menos la que indique la tabla. 2. Valores de Z negativos menores o iguales a un valor p(z>0,43) = 1- p (Z< 0,43) = 1-0,6664 = 0,3336 Si echas un vistazo a la tabla, verás que tanto en la primera fila como en la primera columna aparecen sólo valores positivos. Qué hacemos si el valor es negativo? Tendríamos la siguiente situación en la curva de Gauss: Observa que la situación no es tan difícil si nos damos cuenta de un detalle: la campana de Gauss es simétrica, como si la línea del valor cero fuese un espejo, y por lo tanto el área a la izquierda del -0,43 es igual a la que queda a la derecha del 0,43! El ejercicio se reduce entonces a lo mismo del caso anterior. p (Z< -0,43) = p (Z>0,43) = 1- p (Z<0,43)

4 3. Valores de Z negativos mayores o iguales a un valor Este caso se representaría en la curva de Gauss como sigue: Una vez más, el truco está en la simetría de la cruva de Gauss. Este área es igual a esta: Por lo tanto, p(z>-0,43) = p (Z< 0,43), que es el caso más simple que describimos al principio. Fácil, no?

5 4. Valores de Z comprendidos entre dos valores. Cajón de Ciencias Este caso consistiría en hallar, por ejemplo, cuál es la probabilidad de que el valor de Z esté entre 0,22 y 0,43. En la curva de Gauss se representaría así: En estos casos tenemos que calcular dos áreas de probabilidad, y restar a la mayor la menor: p (Z< 0,43) = 0,6664 p (Z< 0,22) = 0,5871 p (0,22 < Z < 0,43) = 0,6664-0,5871 = 0,0793 Da igual que uno o ambos valores sean positivos o negativos. De todas formas estaríamos en alguno de los casos anteriores. 5. Valores de Z concretos Recuerda que la tabla da valores de probabilidad acumulada. Qué ocurre si lo que nos piden es p(z=0,43)? La respuesta es muy fácil. La probabilidad vale cero. Es sencillo de entender si recuerdas la regla de Laplace (casos favorables/casos posibles). Cuál es la probabilidad de encontrar a una persona que pese exactamente 62,73 Kg? Un caso favorable entre casi una infinidad de casos posibles. Total, una probabilidad de prácticamente cero. 6. Valores de Z muy grandes Qué pasa si el valor que nos piden de Z es tan alto que no aparece en la tabla? En estos casos, la probabilidad vale 1. Fíjate que los últimos valores de probabilidad de la tabla valen prácticamente uno. Se supone que valores de Z más altos valen directamente uno.

6 Usando la tabla al revés También puede ser que el dato que nos den sea la probabilidad, y nos pregunten para qué valor de Z se corresponde esa probabilidad en la curva de Gauss: p (Z< k ) = 0,78 Para resolver estos casos, buscamos en la tabla el valor de probabilidad más cercano al que nos dan. Para 0,78 las probabilidades más próximas son 0,7794 y 0,7823, estando más cerca el primero (si los dos estuvieran igual de cerca, se coge cualquiera de los dos, por defecto). Para la probabilidad 0,7794 el valor correspondiente es 0,77. Por lo tanto, k = 0,77. Es importante saber si la probabilidad que nos dan como dato está a la izquierda o la derecha de la línea del cero. Si es mayor que 0,5, se resuelve como acabamos de decir. Si es menor de 0,5, estaría a la izquierda: p (Z< k ) = 0,22 Hay que caer en un detalle: si está a la izquierda del cero, la k es entonces negativa. Pero si buscamos la k positiva que dejaría a su izquierda lo que en la gráfica anterior queda en blanco, estaríamos resolviendo el problema. Vale, es un poco confuso dicho así, pero no lo es tanto en realidad. Lo que quiere decir todo este embrollo es que hallar la - k para 0,22, es lo contrario a hallar la probabilidad para +k.

7 Buscamos entonces un k positiva que nos valga para 1-0,22 y a lo que nos salga, le cambiamos el signo. Para este ejemplo concreto: p (Z< k) = 0,78 ---> k = 0,77 por lo tanto, p (Z< k) = 0,22 ---> k = -0,77

8 Tabla de la distribución normal z