SlideShare una empresa de Scribd logo
1 de 7
SEMINARIO 8
Distribución normal de variables
8.1. Si X es una Variable Aleatoria Continua que sigue una
distribución Normal definida por los parámetros μ = 5 y σ = 2,
determinar:
1.‐ Determinar la probabilidad de que X tome valores menores a 3
2.‐ Determinar el porcentaje del área de la curva cuando X toma valores
mayores a 7
3.‐ Determinar la probabilidad de que X tome valores entre 3 y 7
4. Determinar un intervalo centrado en la media tal que la probabilidad de
que X pertenezca a ese intervalo sea 0,62.
1. Determinar la probabilidad de que X tome valores menores a 3
Datos: μ = 5
σ = 2
N(5,2)
x<3
¿P(x<3)?
μ = 5
x=3
Función de tipificación:
z= x- μ  z= 3-5 = -1
σ 2
A continuación, busco el valor de z en la
tabla para calcular el área bajo la curva,
es decir, la probabilidad:
P(x<3)= 0,1587 = 15,87%
S= la probabilidad de que x tome valores menores a 3 es del 15,87%
2. Determinar el porcentaje del área de la curva cuando X toma valores
mayores a 7
Datos: μ = 5
σ = 2
N(5,2)
x>7
¿P(x>7)?
Tipificamos suponiendo que queremos
obtener P(x<7), ya que solo podemos
obtener el área bajo la curva desde a un
punto.
z= x- μ  z= 7-5 = 1
σ 2
A continuación, busco el valor de z en la
tabla para calcular el área bajo la curva,
es decir, la probabilidad:
P(x<7)= 0,8413
Para obtener finalmente P(x>7) debemos
realizar la siguiente ecuación: 1-x
P(x>7)= 1-P(x<7)= 1-0,8413= 15,87%
S= el porcentaje del área de la curva cuando X toma valores mayores a 7 es
15,87%
μ = 5
x=7
3. Determinar la probabilidad de que X tome valores entre 3 y 7
Datos: μ = 5
σ = 2
N(5,2)
x>3 y x<7
¿P(x<3<7)?
Para calcular la probabilidad de que x tome
valores entre 3 y 7 debemos calcular, por un
lado, loa probabilidad de que x tome valores
menores que 3, (P(x<3) y, por otro lado, la
probabilidad de x tome valores menores de 7,
P(x<7):
Para x<3  z= 0,1587 (apartado 1)
Para x<7  z= 0,8413 (apartado 2)
P(3<x<7)= 0,8413-0,1587= 0,6826= 68,26%
μ = 5
x=3 x=7
S= la probabilidad de que x tome valores entre 3 y 7 es del 68,26%
4. Determinar un intervalo centrado en la media tal que la probabilidad
de que X pertenezca a ese intervalo sea 0,62. Al ser el intervalo entre x1 y x2 0,62=62%, cada lado,
como es simétrico, es:
100-62= 38%
38/2= 19%
Para x1  el área bajo la curva es de 19%, es decir,
0,19 que corresponde a z= -0,88
Despejando en la función de tipificación la x
obtenemos su valor:
z= x- μ = -0,88= x1-5  x1= 3,24
σ 2
Para x2  el área bajo la curva es de 62+19= 81%, es
decir, 0,81 que corresponde a z= 0,88
Despejando en la función de tipificación la x
obtenemos su valor::
z= x- μ = 0,88= x2-5  x2= 6,76
σ 2
Datos: μ = 5
σ = 2
N(5,2)
μ = 5
x1 x2
62%
19% 19%
S= el intervalo es entre los puntos 3,24 y 6,76
Distribucion normal de variables

Más contenido relacionado

La actualidad más candente (15)

Seminario 8
Seminario 8Seminario 8
Seminario 8
 
Seminario 8
Seminario 8Seminario 8
Seminario 8
 
Seminario 8
Seminario 8Seminario 8
Seminario 8
 
Seminario 8
Seminario 8Seminario 8
Seminario 8
 
TAREA SEMINARIO 8
TAREA SEMINARIO 8TAREA SEMINARIO 8
TAREA SEMINARIO 8
 
Seminario 8
Seminario 8Seminario 8
Seminario 8
 
Seminario 8
Seminario 8Seminario 8
Seminario 8
 
Seminario 8
Seminario 8Seminario 8
Seminario 8
 
U1 Tema1 Límite de una Función
U1 Tema1 Límite de una FunciónU1 Tema1 Límite de una Función
U1 Tema1 Límite de una Función
 
Tarea 8
Tarea 8Tarea 8
Tarea 8
 
Tarea 8 (Probabilidad)
Tarea 8 (Probabilidad)Tarea 8 (Probabilidad)
Tarea 8 (Probabilidad)
 
Estadística 2 guía del profesor
Estadística 2 guía del profesorEstadística 2 guía del profesor
Estadística 2 guía del profesor
 
Ejercicio seminario 8
Ejercicio seminario 8Ejercicio seminario 8
Ejercicio seminario 8
 
Persentacion seminario 8
Persentacion seminario 8Persentacion seminario 8
Persentacion seminario 8
 
Estadio cognocente ii. ajuste de curva pdf
Estadio cognocente ii. ajuste de curva pdfEstadio cognocente ii. ajuste de curva pdf
Estadio cognocente ii. ajuste de curva pdf
 

Destacado

Estudio De Mortalidad Gripe
Estudio De Mortalidad GripeEstudio De Mortalidad Gripe
Estudio De Mortalidad Gripeusapuka
 
Experiencia de la Revista de Investigaciones Veterinarias del Perú (RIVEP) en...
Experiencia de la Revista de Investigaciones Veterinarias del Perú (RIVEP) en...Experiencia de la Revista de Investigaciones Veterinarias del Perú (RIVEP) en...
Experiencia de la Revista de Investigaciones Veterinarias del Perú (RIVEP) en...Open Access Peru
 
Comentarios al proyecto de Ley sobre creación de repositorio: importancia de ...
Comentarios al proyecto de Ley sobre creación de repositorio: importancia de ...Comentarios al proyecto de Ley sobre creación de repositorio: importancia de ...
Comentarios al proyecto de Ley sobre creación de repositorio: importancia de ...Open Access Peru
 
Transformación de Datos en SPSS
Transformación de Datos en SPSSTransformación de Datos en SPSS
Transformación de Datos en SPSSKarina Landero
 
El Proyecto del Repositorio Institucional de la Pontificia Universidad Católi...
El Proyecto del Repositorio Institucional de la Pontificia Universidad Católi...El Proyecto del Repositorio Institucional de la Pontificia Universidad Católi...
El Proyecto del Repositorio Institucional de la Pontificia Universidad Católi...Open Access Peru
 
Tesis digitales: Propuesta de mejora en la UNMSM
Tesis digitales: Propuesta de mejora en la UNMSMTesis digitales: Propuesta de mejora en la UNMSM
Tesis digitales: Propuesta de mejora en la UNMSMOpen Access Peru
 

Destacado (20)

Estudio De Mortalidad Gripe
Estudio De Mortalidad GripeEstudio De Mortalidad Gripe
Estudio De Mortalidad Gripe
 
Quántika1
Quántika1Quántika1
Quántika1
 
Indicadores Altmetrics en repositorios institucionales: caso del Repositorio ...
Indicadores Altmetrics en repositorios institucionales: caso del Repositorio ...Indicadores Altmetrics en repositorios institucionales: caso del Repositorio ...
Indicadores Altmetrics en repositorios institucionales: caso del Repositorio ...
 
Investigación del Comportamiento
Investigación del ComportamientoInvestigación del Comportamiento
Investigación del Comportamiento
 
Experiencia de la Revista de Investigaciones Veterinarias del Perú (RIVEP) en...
Experiencia de la Revista de Investigaciones Veterinarias del Perú (RIVEP) en...Experiencia de la Revista de Investigaciones Veterinarias del Perú (RIVEP) en...
Experiencia de la Revista de Investigaciones Veterinarias del Perú (RIVEP) en...
 
Comentarios al proyecto de Ley sobre creación de repositorio: importancia de ...
Comentarios al proyecto de Ley sobre creación de repositorio: importancia de ...Comentarios al proyecto de Ley sobre creación de repositorio: importancia de ...
Comentarios al proyecto de Ley sobre creación de repositorio: importancia de ...
 
Del suministro de información a la agregación de valor. HA-TENEA, o cómo cont...
Del suministro de información a la agregación de valor. HA-TENEA, o cómo cont...Del suministro de información a la agregación de valor. HA-TENEA, o cómo cont...
Del suministro de información a la agregación de valor. HA-TENEA, o cómo cont...
 
Rendimiento Neuropsicológico de personas con Esquizofrenia en Rehabilitación ...
Rendimiento Neuropsicológico de personas con Esquizofrenia en Rehabilitación ...Rendimiento Neuropsicológico de personas con Esquizofrenia en Rehabilitación ...
Rendimiento Neuropsicológico de personas con Esquizofrenia en Rehabilitación ...
 
00
0000
00
 
Areas conocim
 Areas conocim Areas conocim
Areas conocim
 
Transformación de Datos en SPSS
Transformación de Datos en SPSSTransformación de Datos en SPSS
Transformación de Datos en SPSS
 
Clase 4 SPSS
Clase 4 SPSSClase 4 SPSS
Clase 4 SPSS
 
0 Prob4
0 Prob40 Prob4
0 Prob4
 
El Proyecto del Repositorio Institucional de la Pontificia Universidad Católi...
El Proyecto del Repositorio Institucional de la Pontificia Universidad Católi...El Proyecto del Repositorio Institucional de la Pontificia Universidad Católi...
El Proyecto del Repositorio Institucional de la Pontificia Universidad Católi...
 
0 Prob6
0 Prob60 Prob6
0 Prob6
 
0 Prob5
0 Prob50 Prob5
0 Prob5
 
Descriptivo
DescriptivoDescriptivo
Descriptivo
 
Tesis digitales: Propuesta de mejora en la UNMSM
Tesis digitales: Propuesta de mejora en la UNMSMTesis digitales: Propuesta de mejora en la UNMSM
Tesis digitales: Propuesta de mejora en la UNMSM
 
Panorama investigacion 2015
Panorama investigacion 2015Panorama investigacion 2015
Panorama investigacion 2015
 
0 Prob7
0 Prob70 Prob7
0 Prob7
 

Similar a Distribucion normal de variables

Power p. estadistica .s 8
Power p. estadistica .s 8Power p. estadistica .s 8
Power p. estadistica .s 8MGCR1965
 
Power p. estadistica .s 8
Power p. estadistica .s 8Power p. estadistica .s 8
Power p. estadistica .s 8MGCR1965
 
Power p. estadistica .s 8
Power p. estadistica .s 8Power p. estadistica .s 8
Power p. estadistica .s 8MGCR1965
 
Seminario 8: Tipificación
Seminario 8: TipificaciónSeminario 8: Tipificación
Seminario 8: TipificaciónSalkaTururu
 
Seminario 8 – ejercicio de tipificación ji jiji
Seminario 8 – ejercicio de tipificación ji jijiSeminario 8 – ejercicio de tipificación ji jiji
Seminario 8 – ejercicio de tipificación ji jijiNoe Molina Bonilla
 
distribucion_normal (1).pdf
distribucion_normal (1).pdfdistribucion_normal (1).pdf
distribucion_normal (1).pdfVaneZa GoMez
 
Inferencia lbinomialypoisson
Inferencia lbinomialypoissonInferencia lbinomialypoisson
Inferencia lbinomialypoissonInstruccional
 
Inferencia lbinomialypoisson
Inferencia lbinomialypoissonInferencia lbinomialypoisson
Inferencia lbinomialypoissonInstruccional
 
Estad quimestimacionintconfianza
Estad quimestimacionintconfianzaEstad quimestimacionintconfianza
Estad quimestimacionintconfianzaLúaz Garcia
 

Similar a Distribucion normal de variables (19)

Power p. estadistica .s 8
Power p. estadistica .s 8Power p. estadistica .s 8
Power p. estadistica .s 8
 
Power p. estadistica .s 8
Power p. estadistica .s 8Power p. estadistica .s 8
Power p. estadistica .s 8
 
Power p. estadistica .s 8
Power p. estadistica .s 8Power p. estadistica .s 8
Power p. estadistica .s 8
 
Seminario 8
Seminario 8Seminario 8
Seminario 8
 
Seminario 8 subir
Seminario 8 subirSeminario 8 subir
Seminario 8 subir
 
Seminario 8: Tipificación
Seminario 8: TipificaciónSeminario 8: Tipificación
Seminario 8: Tipificación
 
Seminario 8 D
Seminario 8 DSeminario 8 D
Seminario 8 D
 
Ejecicico 1
Ejecicico 1Ejecicico 1
Ejecicico 1
 
Seminario 8
Seminario 8Seminario 8
Seminario 8
 
Seminario 8 – ejercicio de tipificación ji jiji
Seminario 8 – ejercicio de tipificación ji jijiSeminario 8 – ejercicio de tipificación ji jiji
Seminario 8 – ejercicio de tipificación ji jiji
 
Tarea 8
Tarea 8Tarea 8
Tarea 8
 
02.6 varianza
02.6   varianza02.6   varianza
02.6 varianza
 
02.6 varianza
02.6   varianza02.6   varianza
02.6 varianza
 
7 distribucion normal
7 distribucion normal7 distribucion normal
7 distribucion normal
 
ENSAYO 7
ENSAYO 7ENSAYO 7
ENSAYO 7
 
distribucion_normal (1).pdf
distribucion_normal (1).pdfdistribucion_normal (1).pdf
distribucion_normal (1).pdf
 
Inferencia lbinomialypoisson
Inferencia lbinomialypoissonInferencia lbinomialypoisson
Inferencia lbinomialypoisson
 
Inferencia lbinomialypoisson
Inferencia lbinomialypoissonInferencia lbinomialypoisson
Inferencia lbinomialypoisson
 
Estad quimestimacionintconfianza
Estad quimestimacionintconfianzaEstad quimestimacionintconfianza
Estad quimestimacionintconfianza
 

Más de Blanca Páez

Distribucion normal de variables
Distribucion normal de variablesDistribucion normal de variables
Distribucion normal de variablesBlanca Páez
 
Base de datos: PubMed
Base de datos: PubMedBase de datos: PubMed
Base de datos: PubMedBlanca Páez
 
Tarea Seminario 3: PubMed
Tarea Seminario 3: PubMedTarea Seminario 3: PubMed
Tarea Seminario 3: PubMedBlanca Páez
 
Bases de datos: Dialnet y Cuiden
Bases de datos: Dialnet y CuidenBases de datos: Dialnet y Cuiden
Bases de datos: Dialnet y CuidenBlanca Páez
 

Más de Blanca Páez (7)

Distribucion normal de variables
Distribucion normal de variablesDistribucion normal de variables
Distribucion normal de variables
 
Tarea 6
Tarea 6Tarea 6
Tarea 6
 
Trabajo 5 SPSS
Trabajo 5 SPSSTrabajo 5 SPSS
Trabajo 5 SPSS
 
SPSS
SPSSSPSS
SPSS
 
Base de datos: PubMed
Base de datos: PubMedBase de datos: PubMed
Base de datos: PubMed
 
Tarea Seminario 3: PubMed
Tarea Seminario 3: PubMedTarea Seminario 3: PubMed
Tarea Seminario 3: PubMed
 
Bases de datos: Dialnet y Cuiden
Bases de datos: Dialnet y CuidenBases de datos: Dialnet y Cuiden
Bases de datos: Dialnet y Cuiden
 

Último

Informatica Generalidades - Conceptos Básicos
Informatica Generalidades - Conceptos BásicosInformatica Generalidades - Conceptos Básicos
Informatica Generalidades - Conceptos BásicosCesarFernandez937857
 
TECNOLOGÍA FARMACEUTICA OPERACIONES UNITARIAS.pptx
TECNOLOGÍA FARMACEUTICA OPERACIONES UNITARIAS.pptxTECNOLOGÍA FARMACEUTICA OPERACIONES UNITARIAS.pptx
TECNOLOGÍA FARMACEUTICA OPERACIONES UNITARIAS.pptxKarlaMassielMartinez
 
La empresa sostenible: Principales Características, Barreras para su Avance y...
La empresa sostenible: Principales Características, Barreras para su Avance y...La empresa sostenible: Principales Características, Barreras para su Avance y...
La empresa sostenible: Principales Características, Barreras para su Avance y...JonathanCovena1
 
Planificacion Anual 4to Grado Educacion Primaria 2024 Ccesa007.pdf
Planificacion Anual 4to Grado Educacion Primaria   2024   Ccesa007.pdfPlanificacion Anual 4to Grado Educacion Primaria   2024   Ccesa007.pdf
Planificacion Anual 4to Grado Educacion Primaria 2024 Ccesa007.pdfDemetrio Ccesa Rayme
 
RAIZ CUADRADA Y CUBICA PARA NIÑOS DE PRIMARIA
RAIZ CUADRADA Y CUBICA PARA NIÑOS DE PRIMARIARAIZ CUADRADA Y CUBICA PARA NIÑOS DE PRIMARIA
RAIZ CUADRADA Y CUBICA PARA NIÑOS DE PRIMARIACarlos Campaña Montenegro
 
TEMA 13 ESPAÑA EN DEMOCRACIA:DISTINTOS GOBIERNOS
TEMA 13 ESPAÑA EN DEMOCRACIA:DISTINTOS GOBIERNOSTEMA 13 ESPAÑA EN DEMOCRACIA:DISTINTOS GOBIERNOS
TEMA 13 ESPAÑA EN DEMOCRACIA:DISTINTOS GOBIERNOSjlorentemartos
 
ACUERDO MINISTERIAL 078-ORGANISMOS ESCOLARES..pptx
ACUERDO MINISTERIAL 078-ORGANISMOS ESCOLARES..pptxACUERDO MINISTERIAL 078-ORGANISMOS ESCOLARES..pptx
ACUERDO MINISTERIAL 078-ORGANISMOS ESCOLARES..pptxzulyvero07
 
Plan Refuerzo Escolar 2024 para estudiantes con necesidades de Aprendizaje en...
Plan Refuerzo Escolar 2024 para estudiantes con necesidades de Aprendizaje en...Plan Refuerzo Escolar 2024 para estudiantes con necesidades de Aprendizaje en...
Plan Refuerzo Escolar 2024 para estudiantes con necesidades de Aprendizaje en...Carlos Muñoz
 
SELECCIÓN DE LA MUESTRA Y MUESTREO EN INVESTIGACIÓN CUALITATIVA.pdf
SELECCIÓN DE LA MUESTRA Y MUESTREO EN INVESTIGACIÓN CUALITATIVA.pdfSELECCIÓN DE LA MUESTRA Y MUESTREO EN INVESTIGACIÓN CUALITATIVA.pdf
SELECCIÓN DE LA MUESTRA Y MUESTREO EN INVESTIGACIÓN CUALITATIVA.pdfAngélica Soledad Vega Ramírez
 
Lecciones 04 Esc. Sabática. Defendamos la verdad
Lecciones 04 Esc. Sabática. Defendamos la verdadLecciones 04 Esc. Sabática. Defendamos la verdad
Lecciones 04 Esc. Sabática. Defendamos la verdadAlejandrino Halire Ccahuana
 
Caja de herramientas de inteligencia artificial para la academia y la investi...
Caja de herramientas de inteligencia artificial para la academia y la investi...Caja de herramientas de inteligencia artificial para la academia y la investi...
Caja de herramientas de inteligencia artificial para la academia y la investi...Lourdes Feria
 
CALENDARIZACION DE MAYO / RESPONSABILIDAD
CALENDARIZACION DE MAYO / RESPONSABILIDADCALENDARIZACION DE MAYO / RESPONSABILIDAD
CALENDARIZACION DE MAYO / RESPONSABILIDADauxsoporte
 
Qué es la Inteligencia artificial generativa
Qué es la Inteligencia artificial generativaQué es la Inteligencia artificial generativa
Qué es la Inteligencia artificial generativaDecaunlz
 
Clasificaciones, modalidades y tendencias de investigación educativa.
Clasificaciones, modalidades y tendencias de investigación educativa.Clasificaciones, modalidades y tendencias de investigación educativa.
Clasificaciones, modalidades y tendencias de investigación educativa.José Luis Palma
 
2024 - Expo Visibles - Visibilidad Lesbica.pdf
2024 - Expo Visibles - Visibilidad Lesbica.pdf2024 - Expo Visibles - Visibilidad Lesbica.pdf
2024 - Expo Visibles - Visibilidad Lesbica.pdfBaker Publishing Company
 
ACERTIJO DE LA BANDERA OLÍMPICA CON ECUACIONES DE LA CIRCUNFERENCIA. Por JAVI...
ACERTIJO DE LA BANDERA OLÍMPICA CON ECUACIONES DE LA CIRCUNFERENCIA. Por JAVI...ACERTIJO DE LA BANDERA OLÍMPICA CON ECUACIONES DE LA CIRCUNFERENCIA. Por JAVI...
ACERTIJO DE LA BANDERA OLÍMPICA CON ECUACIONES DE LA CIRCUNFERENCIA. Por JAVI...JAVIER SOLIS NOYOLA
 
Historia y técnica del collage en el arte
Historia y técnica del collage en el arteHistoria y técnica del collage en el arte
Historia y técnica del collage en el arteRaquel Martín Contreras
 

Último (20)

Informatica Generalidades - Conceptos Básicos
Informatica Generalidades - Conceptos BásicosInformatica Generalidades - Conceptos Básicos
Informatica Generalidades - Conceptos Básicos
 
TECNOLOGÍA FARMACEUTICA OPERACIONES UNITARIAS.pptx
TECNOLOGÍA FARMACEUTICA OPERACIONES UNITARIAS.pptxTECNOLOGÍA FARMACEUTICA OPERACIONES UNITARIAS.pptx
TECNOLOGÍA FARMACEUTICA OPERACIONES UNITARIAS.pptx
 
La empresa sostenible: Principales Características, Barreras para su Avance y...
La empresa sostenible: Principales Características, Barreras para su Avance y...La empresa sostenible: Principales Características, Barreras para su Avance y...
La empresa sostenible: Principales Características, Barreras para su Avance y...
 
Planificacion Anual 4to Grado Educacion Primaria 2024 Ccesa007.pdf
Planificacion Anual 4to Grado Educacion Primaria   2024   Ccesa007.pdfPlanificacion Anual 4to Grado Educacion Primaria   2024   Ccesa007.pdf
Planificacion Anual 4to Grado Educacion Primaria 2024 Ccesa007.pdf
 
RAIZ CUADRADA Y CUBICA PARA NIÑOS DE PRIMARIA
RAIZ CUADRADA Y CUBICA PARA NIÑOS DE PRIMARIARAIZ CUADRADA Y CUBICA PARA NIÑOS DE PRIMARIA
RAIZ CUADRADA Y CUBICA PARA NIÑOS DE PRIMARIA
 
Tema 8.- PROTECCION DE LOS SISTEMAS DE INFORMACIÓN.pdf
Tema 8.- PROTECCION DE LOS SISTEMAS DE INFORMACIÓN.pdfTema 8.- PROTECCION DE LOS SISTEMAS DE INFORMACIÓN.pdf
Tema 8.- PROTECCION DE LOS SISTEMAS DE INFORMACIÓN.pdf
 
TEMA 13 ESPAÑA EN DEMOCRACIA:DISTINTOS GOBIERNOS
TEMA 13 ESPAÑA EN DEMOCRACIA:DISTINTOS GOBIERNOSTEMA 13 ESPAÑA EN DEMOCRACIA:DISTINTOS GOBIERNOS
TEMA 13 ESPAÑA EN DEMOCRACIA:DISTINTOS GOBIERNOS
 
ACUERDO MINISTERIAL 078-ORGANISMOS ESCOLARES..pptx
ACUERDO MINISTERIAL 078-ORGANISMOS ESCOLARES..pptxACUERDO MINISTERIAL 078-ORGANISMOS ESCOLARES..pptx
ACUERDO MINISTERIAL 078-ORGANISMOS ESCOLARES..pptx
 
Plan Refuerzo Escolar 2024 para estudiantes con necesidades de Aprendizaje en...
Plan Refuerzo Escolar 2024 para estudiantes con necesidades de Aprendizaje en...Plan Refuerzo Escolar 2024 para estudiantes con necesidades de Aprendizaje en...
Plan Refuerzo Escolar 2024 para estudiantes con necesidades de Aprendizaje en...
 
Presentacion Metodología de Enseñanza Multigrado
Presentacion Metodología de Enseñanza MultigradoPresentacion Metodología de Enseñanza Multigrado
Presentacion Metodología de Enseñanza Multigrado
 
SELECCIÓN DE LA MUESTRA Y MUESTREO EN INVESTIGACIÓN CUALITATIVA.pdf
SELECCIÓN DE LA MUESTRA Y MUESTREO EN INVESTIGACIÓN CUALITATIVA.pdfSELECCIÓN DE LA MUESTRA Y MUESTREO EN INVESTIGACIÓN CUALITATIVA.pdf
SELECCIÓN DE LA MUESTRA Y MUESTREO EN INVESTIGACIÓN CUALITATIVA.pdf
 
Lecciones 04 Esc. Sabática. Defendamos la verdad
Lecciones 04 Esc. Sabática. Defendamos la verdadLecciones 04 Esc. Sabática. Defendamos la verdad
Lecciones 04 Esc. Sabática. Defendamos la verdad
 
Caja de herramientas de inteligencia artificial para la academia y la investi...
Caja de herramientas de inteligencia artificial para la academia y la investi...Caja de herramientas de inteligencia artificial para la academia y la investi...
Caja de herramientas de inteligencia artificial para la academia y la investi...
 
CALENDARIZACION DE MAYO / RESPONSABILIDAD
CALENDARIZACION DE MAYO / RESPONSABILIDADCALENDARIZACION DE MAYO / RESPONSABILIDAD
CALENDARIZACION DE MAYO / RESPONSABILIDAD
 
Qué es la Inteligencia artificial generativa
Qué es la Inteligencia artificial generativaQué es la Inteligencia artificial generativa
Qué es la Inteligencia artificial generativa
 
Clasificaciones, modalidades y tendencias de investigación educativa.
Clasificaciones, modalidades y tendencias de investigación educativa.Clasificaciones, modalidades y tendencias de investigación educativa.
Clasificaciones, modalidades y tendencias de investigación educativa.
 
2024 - Expo Visibles - Visibilidad Lesbica.pdf
2024 - Expo Visibles - Visibilidad Lesbica.pdf2024 - Expo Visibles - Visibilidad Lesbica.pdf
2024 - Expo Visibles - Visibilidad Lesbica.pdf
 
ACERTIJO DE LA BANDERA OLÍMPICA CON ECUACIONES DE LA CIRCUNFERENCIA. Por JAVI...
ACERTIJO DE LA BANDERA OLÍMPICA CON ECUACIONES DE LA CIRCUNFERENCIA. Por JAVI...ACERTIJO DE LA BANDERA OLÍMPICA CON ECUACIONES DE LA CIRCUNFERENCIA. Por JAVI...
ACERTIJO DE LA BANDERA OLÍMPICA CON ECUACIONES DE LA CIRCUNFERENCIA. Por JAVI...
 
Historia y técnica del collage en el arte
Historia y técnica del collage en el arteHistoria y técnica del collage en el arte
Historia y técnica del collage en el arte
 
Sesión de clase: Defendamos la verdad.pdf
Sesión de clase: Defendamos la verdad.pdfSesión de clase: Defendamos la verdad.pdf
Sesión de clase: Defendamos la verdad.pdf
 

Distribucion normal de variables

  • 2. 8.1. Si X es una Variable Aleatoria Continua que sigue una distribución Normal definida por los parámetros μ = 5 y σ = 2, determinar: 1.‐ Determinar la probabilidad de que X tome valores menores a 3 2.‐ Determinar el porcentaje del área de la curva cuando X toma valores mayores a 7 3.‐ Determinar la probabilidad de que X tome valores entre 3 y 7 4. Determinar un intervalo centrado en la media tal que la probabilidad de que X pertenezca a ese intervalo sea 0,62.
  • 3. 1. Determinar la probabilidad de que X tome valores menores a 3 Datos: μ = 5 σ = 2 N(5,2) x<3 ¿P(x<3)? μ = 5 x=3 Función de tipificación: z= x- μ  z= 3-5 = -1 σ 2 A continuación, busco el valor de z en la tabla para calcular el área bajo la curva, es decir, la probabilidad: P(x<3)= 0,1587 = 15,87% S= la probabilidad de que x tome valores menores a 3 es del 15,87%
  • 4. 2. Determinar el porcentaje del área de la curva cuando X toma valores mayores a 7 Datos: μ = 5 σ = 2 N(5,2) x>7 ¿P(x>7)? Tipificamos suponiendo que queremos obtener P(x<7), ya que solo podemos obtener el área bajo la curva desde a un punto. z= x- μ  z= 7-5 = 1 σ 2 A continuación, busco el valor de z en la tabla para calcular el área bajo la curva, es decir, la probabilidad: P(x<7)= 0,8413 Para obtener finalmente P(x>7) debemos realizar la siguiente ecuación: 1-x P(x>7)= 1-P(x<7)= 1-0,8413= 15,87% S= el porcentaje del área de la curva cuando X toma valores mayores a 7 es 15,87% μ = 5 x=7
  • 5. 3. Determinar la probabilidad de que X tome valores entre 3 y 7 Datos: μ = 5 σ = 2 N(5,2) x>3 y x<7 ¿P(x<3<7)? Para calcular la probabilidad de que x tome valores entre 3 y 7 debemos calcular, por un lado, loa probabilidad de que x tome valores menores que 3, (P(x<3) y, por otro lado, la probabilidad de x tome valores menores de 7, P(x<7): Para x<3  z= 0,1587 (apartado 1) Para x<7  z= 0,8413 (apartado 2) P(3<x<7)= 0,8413-0,1587= 0,6826= 68,26% μ = 5 x=3 x=7 S= la probabilidad de que x tome valores entre 3 y 7 es del 68,26%
  • 6. 4. Determinar un intervalo centrado en la media tal que la probabilidad de que X pertenezca a ese intervalo sea 0,62. Al ser el intervalo entre x1 y x2 0,62=62%, cada lado, como es simétrico, es: 100-62= 38% 38/2= 19% Para x1  el área bajo la curva es de 19%, es decir, 0,19 que corresponde a z= -0,88 Despejando en la función de tipificación la x obtenemos su valor: z= x- μ = -0,88= x1-5  x1= 3,24 σ 2 Para x2  el área bajo la curva es de 62+19= 81%, es decir, 0,81 que corresponde a z= 0,88 Despejando en la función de tipificación la x obtenemos su valor:: z= x- μ = 0,88= x2-5  x2= 6,76 σ 2 Datos: μ = 5 σ = 2 N(5,2) μ = 5 x1 x2 62% 19% 19% S= el intervalo es entre los puntos 3,24 y 6,76