Tarea 7

TAREA 7
3.8 NORMAL Y LOGARÍTMICO-NORMAL.
Distribución normal
La distribución normal es en muchos aspectos la piedra angular de la
estadística. Se afirma que una variable aleatoria X tiene una
distribución normal con media μ(−∞< μ< ∞) y varianza σ 2> 0 si tiene la
función de densidad.
1 2
f ( x )= e− (1/ 2) [ ( x−μ )/ σ ] −¿ ∞ x< ∞

σ √2 π
Distribución normal
1.6
1.4
1.2
1
f( x )
0.8
0.6
0.4
0.2
0
0 1 2 3 4 5 6
x
Esta distribución se ilustra en forma grafica en la figura anterior. La

distribución normal se emplea de manera tan amplia que a la notación
abreviada X N ( μ , σ 2 ) para indicar que la variable aleatoria se distribuye
normalmente con media µ y varianza σ 2.
Propiedades de la distribución normal
La distribución normal tiene varias propiedades importantes:
1. f ∞ ∞ f ( x ) dx=1, necesaria en todas las funciones de densidad.

2. f ( x ) ≥ ppara todos x.
3. lim →∞ f ( x ) =0 lim →−∞ f ( x )=0
x x
4. f [ ( x + μ ) ]=f [−( x−μ ) ]. La densidad es simétrica alrededor de µ.

5. El valor máximo de f están en x=μ , .
6. Los puntos de inflexión de f están en x=μ ± σ
3.9 Media, varianza y desviación estándar de la distribución

normal
La media de la distribución normal puede determinarse con facilidad.

Puesto que
∞
x
E ( X ) =∫ e−(1/ 2)( x−μ) dx
−∞ σ √2 π
Si hacemos z=( x−μ ) /σ , obtenemos
∞
1 2
E ( X ) =∫ ( μ+ σz ) e− z / 2 dz
−∞ √2π
∞ ∞
1 −z /2 2
1 −z /2 2
¿ μ∫ e dz+ σ ∫ e dz
−∞ √2 π −∞ √ 2 π
Puesto que el integrando de esta primera integral es el de una
densidad normal con μ=0 y σ =0 , el valor de la primera integral es uno.
La segunda integral vale cero esto es,
∫ √ 12 π ze− z /2 dz= √21 π e− z / 2|.−∞

2 2
∞
|=0
−∞
Y en consecuencia
E ( X ) =μ [ 1 ] +σ [ 0 ] =μ
Para determinar la varianza debemos evaluar
∞
1
V ( X )=E [ ( X−μ ) ] =∫ ( x−μ )2
2
e−(1 /2 )(x−μ ) dx
−∞ σ √2 π
La desviación estándar se obtienen de la siguiente formula:
∞
2 2 2
σ x ( x )= ∫ ( x− X ) G X ,σ ( x ) dx=σ
−∞
σ 2 ( x )=σ 2=√ σ 2
Ejemplo: En un proyecto de construcción se ha elaborado una red de

actividades principales para servir como la base para la planificación y
la programación. En una trayectoria crítica hay 16 actividades. Las
medias y las varianzas se dan en la siguiente tabla:
Actividad Media Varianza Actividad Media Varianza
1 2.7 1 9 3.1 1.2
2 3.2 1.3 10 4.2 .8
3 4.6 1 11 3.6 1.6
4 2.1 1.2 12 .5 .2
5 3.6 .8 13 2.1 .6
6 5.2 2.1 14 1.5 .7
7 7.1 1.9 15 1.2 .4
8 1.5 .5 16 2.8 .7
Los tiempos de las actividades pueden considerarse independientes y

el tiempo proyectado es la suma de los tiempos de las actividades en
la trayectoria crítica; esto es, Y = X 1 + X 2 …+ X 16 , donde Y es el tiempo del
proyecto y X 1 es el tiempo correspondiente a la actividad iésima.
Aunque se desconoce las actividades de X i , las distribuciones son de
comportamiento moderado a bueno.
Al contratista le gustaría saber (1) el tiempo de terminación esperado,
y (2) un proyecto del tiempo correspondiente a una probabilidad de .90
de tener el proyecto terminado. Al calcular μY y σ 2Y , obtenemos
μY =49 semanas
σ Y2 =16 semanas
1.2
1
0.8
0.6
0.4
0.2
0
0.5 1 1.5 2 2.5 3 3.5 4 4.5 5 5.5
Distribución de tiempos de proyecto.

El tiempo de terminación esperado para el proyecto es en
consecuencia de 49 semanas. Al determinar el tiempo y 0 tal que la
probabilidad de terminar el proyecto para ese tiempo sea 9.
Podemos calcular:
P ( Y ≤ y 0 ) =.90
O
y 0−49
(
P z≤
4 )
=.90
Por lo que
y 0−49
=1.282
4
Y
y 0=49−1.282 ( 4 )=54.128 semanas
3.10 Grafica
La curva normal es simétrica, ambas mitades son idénticas.
Distribución Logarítmico-normal
Es una distribución de probabilidad continua de una variable aleatoria
cuyo logaritmo se distribuye normalmente . Por lo tanto, si la variable
aleatoria X tiene una distribución logarítmica normal, Y = ln ( X ) tiene
una distribución normal. De manera equivalente, si Y tiene una
distribución normal, entonces la función exponencial de Y , X = exp ( Y
) , tiene una distribución logarítmica normal. Una variable aleatoria que
tiene una distribución logarítmica normal toma solo valores reales
positivos.
En ocasiones, la distribución se denomina distribución de Galton o

distribución de Galton , en honor a Francis Galton . La distribución
logarítmica normal también se ha asociado con otros nombres, como
McAlister, Gibrat y Cobb-Douglas . Un proceso logarítmico normal es
la realización estadística del producto multiplicativo de muchas
variables aleatorias independientes, cada una de las cuales es
positiva. Esto se justifica considerando el teorema del límite central en
el dominio logarítmico. La distribución logarítmica normal es la
distribución de probabilidad de entropía máxima para una variable
aleatoria X, para la cual se especifican la media y la varianza de ln(X)
3.9 Propiedades: Media, Varianza y desviación estándar.

Si X es una variable aleatoria que toma valores positivos, tal que la
variable y=ln(x) es N (μy, σy 2), se dice entonces que X tiene
distribución log normal. La densidad para la variable original x es:
Con media, desviación estándar y mediana:
La variable es gaussina estandar (media 0 y varianza 1).

Ejemplo
Se estudia la proporción de rentistas por encima de 18.000e anuales
para un sector económico cuya distribución salarial medida en miles
de euros sigue un modelo logaritmo normal con parámetros µ = 2 y σ
= 102. Se define la variable aleatoria Y = {renta en dicho sector econ
ómico}. Puesto que Y sigue una distribución lognormal, se puede
considerar una variable X ∼ N(µ, σ), tal que, Y = e X, por tanto;
3.10 Grafica
X tiene una distribución lognormal cuando su logaritmo sigue una distribución
normal. La densidad de probabilidad es:

Tarea 7

Cargado por

Copyright:

Formatos disponibles

Tarea 7

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Tarea 7

Cargado por

Copyright:

Formatos disponibles

TAREA 7

3.8 NORMAL Y LOGARÍTMICO-NORMAL.

f ( x )= e− (1/ 2) [ ( x−μ )/ σ ] −¿ ∞ x< ∞

Esta distribución se ilustra en forma grafica en la figura anterior. La

1. f ∞ ∞ f ( x ) dx=1, necesaria en todas las funciones de densidad.

4. f [ ( x + μ ) ]=f [−( x−μ ) ]. La densidad es simétrica alrededor de µ.

3.9 Media, varianza y desviación estándar de la distribución

La media de la distribución normal puede determinarse con facilidad.

Si hacemos z=( x−μ ) /σ , obtenemos

∫ √ 12 π ze− z /2 dz= √21 π e− z / 2|.−∞

Para determinar la varianza debemos evaluar

La desviación estándar se obtienen de la siguiente formula:

Ejemplo: En un proyecto de construcción se ha elaborado una red de

Los tiempos de las actividades pueden considerarse independientes y

Distribución de tiempos de proyecto.

La curva normal es simétrica, ambas mitades son idénticas.

En ocasiones, la distribución se denomina distribución de Galton o

3.9 Propiedades: Media, Varianza y desviación estándar.

Con media, desviación estándar y mediana:

La variable es gaussina estandar (media 0 y varianza 1).

También podría gustarte