You are on page 1of 7

DISTRIBUCIÓN NORMAL 1.

DEFINICIÓN: La distribución normal fue reconocida por primera vez por el francés Abraham de Moivre (1667-1754). Posteriormente, Carl Friedrich Gauss (1777-1855) elaboró desarrollos más profundos y formuló la ecuación de la curva; de ahí que también se la conozca, más comúnmente, como la "campana de Gauss". La distribución de una variable normal está completamente determinada por dos parámetros, su media y su desviación estándar, denotadas generalmente por notación, la densidad de la normal viene dada por la ecuación: y . Con esta

Ecuación 1: Que determina la curva en forma de campana que tan bien conocemos (Figura 2). Así, se dice que una característica sigue una distribución normal de media y varianza , y se denota como , si su función de densidad viene dada por la Ecuación 1. Al igual que ocurría con un histograma, en el que el área de cada rectángulo es proporcional al número de datos en el rango de valores correspondiente si, tal y como se muestra en la Figura 2, en el eje horizontal se levantan perpendiculares en dos puntos a y b, el área bajo la curva delimitada por esas líneas indica la probabilidad de que la variable de interés, X, tome un valor cualquiera en ese intervalo. Puesto que la curva alcanza su mayor altura en torno a la media, mientras que sus "ramas" se extienden asintóticamente hacia los ejes, cuando una variable siga una distribución normal, será mucho más probable observar un dato cercano al valor medio que uno que se encuentre muy alejado de éste. 2. PROPIEDADES DE LA DISTRIBUCIÓN NORMAL: La distribución normal posee ciertas propiedades importantes que conviene destacar: 1. Tiene una única moda, que coincide con su media y su mediana. 2. 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. 3. Es simétrica con respecto a su media . 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. 4. La distancia entre la línea trazada en la media y el punto de inflexión de la curva es igual a una desviación típica ( ). Cuanto mayor sea , más aplanada será la curva de la densidad. Instituto Tecnológico del Norte Página 1

ya que para una distribución existen tablas publicadas (Tabla 1) a partir de las que se puede obtener de modo sencillo la probabilidad de observar un dato menor o igual a un cierto valor z. Consideremos. ¿Podremos saber cuál es la probabilidad de que una persona. el siguiente problema: supongamos que se sabe que el peso de los sujetos de una determinada población sigue una distribución aproximadamente normal. Si su distribución fuese la de una normal estándar podríamos utilizar la Tabla 1 para calcular la probabilidad que nos Instituto Tecnológico del Norte Página 2 . Por otra parte. de modo que para diferentes valores de la gráfica es desplazada a lo largo del eje horizontal.95. sino una familia de distribuciones con una forma común. con una media de 80 Kg y una desviación estándar de 10 Kg. la más utilizada es la distribución normal estándar. ésta sigue una distribución . a partir de cualquier variable X que siga una distribución . resultando: Es importante conocer que. tenga un peso superior a 100 Kg? Denotando por X a la variable que representa el peso de los individuos en esa población. elegida al azar. Un valor pequeño de este parámetro indica. sin más que efectuar la transformación: Ecuación 2: Esta propiedad resulta especialmente interesante en la práctica. y que permitirán resolver preguntas de probabilidad acerca del comportamiento de variables de las que se sabe o se asume que siguen una distribución aproximadamente normal. Así. por ejemplo. la expresión que define su densidad se puede obtener de la Ecuación 1. Como se deduce de este último apartado. El área bajo la curva comprendida entre los valores situados aproximadamente a dos desviaciones estándar de la media es igual a 0. 6. De entre todas ellas. la desviación estándar determina el grado de apuntamiento de la curva. La media indica la posición de la campana. más se dispersarán los datos en torno a la media y la curva será más plana. por tanto. se puede obtener otra característica Z con una distribución normal estándar. una gran probabilidad de obtener datos cercanos al valor medio de la distribución. Cuanto mayor sea el valor de . diferenciadas por los valores de su media y su varianza. La forma de la campana de Gauss depende de los parámetros y (Figura 3). no existe una única distribución normal. que corresponde a una distribución de media 0 y varianza 1. En concreto. existe un 95% de posibilidades de observar un valor comprendido en el intervalo .5.

se puede deducir que: Esta última probabilidad puede ser fácilmente obtenida a partir de la Tabla 1. Por lo tanto.9772=0. y una Kg. es decir. obteniéndose una media muestral de desviación estándar muestral Instituto Tecnológico del Norte Kg. la probabilidad que se desea calcular será: Como el área total bajo la curva es igual a 1. y obtener la variable: Para poder utilizar dicha tabla. No obstante. Como éste no es el caso. tomando a=-2 y b=2.0228. la probabilidad buscada de que una persona elegida al azar tenga un peso entre 60 y 100 Kg. encontramos el problema de que las tablas estándar no proporcionan el valor de para valores negativos de la variable.0228=0. se realizan una serie de mediciones y se desea extrapolar los resultados obtenidos a la población de origen.9772-0.interesa. Para la segunda probabilidad. Generalmente no se dispone de información acerca de la distribución teórica de la población. resultará entonces útil transformar esta característica según la Ecuación 2. la probabilidad buscada de que una persona elegida aleatoriamente de esa población tenga un peso mayor de 100 Kg. supongamos que se dispone del peso de n=100 individuos de esa misma población. sin embargo. es de 0. querríamos extraer alguna conclusión Página 3 . podemos deducir que: Por el ejemplo previo.. Así. se sabe que . se tiene que: Finalmente. es decir. haciendo uso de la simetría de la distribución normal. resultando ser .9544. es de 1–0. En un ejemplo similar al anterior. aproximadamente de un 2. sino que más bien el problema se plantea a la inversa: a partir de una muestra extraída al azar de la población que se desea estudiar. De modo análogo. podemos obtener la probabilidad de que el peso de un sujeto esté entre 60 y 100 Kg: De la Figura 2. Sin embargo. es fácil observar que este tipo de situaciones no corresponde a lo que habitualmente nos encontramos en la práctica.3%. aproximadamente de un 95%. Resulta interesante comprobar que se obtendría la misma conclusión recurriendo a la propiedad (iii) de la distribución normal.

encuentre el área bajo la curva que está a.9236 b. P(Z>k)= 0.43) = 0.8133 c.0427 k = -1.65) = Φ (-2.7235 + Φ (-0. a la izquierda de z = 1.89 P (Z > -0. resultando .65) = 0. el llamado teorema central del límite.39 P (Z <-1.65 P (-2. Puesto que los valores de y son desconocidos.Φ (1. podremos entonces considerar . encuentre a.0.54 c.39) = Φ (-1.74 P (-0. Dicho axioma viene a decirnos que las medias de muestras aleatorias de cualquier variable siguen ellas mismas una distribución normal con igual media que la de la población y desviación estándar la de la población dividida por la media muestral .154 = 0.3156 2 Dada una distribución normal estándar con μ = 30 y σ = 6. Estaremos. un 95% seguros de que el peso medio real en la población de origen oscila entre 75.16 <Z< -0. por lo tanto.7054 k =0.0823 e.2643 – 0.Φ (-0. a la izquierda de z = -1.2946 Φ (k) = 1.9591 – 0.43 P (Z < 1.93<Z<k)= 0. en líneas generales éste es el modo de construir un intervalo de confianza para la media de una población. 3. entre z = -0.Φ (-0.16 y z = -0. EJERCICIOS: 1 Dada una distribución normal estándar.74) = Φ (1.1867 = 0.9750 = 0. La solución a este tipo de cuestiones se basa en un resultado elemental de la teoría estadística. entre z = -2.93) = 0.0427 Φ (k) = 0.6 Kg y 80.89) = 1. Aunque la teoría estadística subyacente es mucho más compleja.43) = Φ (1.acerca del valor medio real de ese peso en la población original.96) = 1 – 0. a la derecha de z = -0.72 b.16) . con lo cual. P(Z<k)= 0.96 P (Z > 1. En nuestro caso.0. a la derecha de z = 1.0250 f. P(-0.74) .48 <Z< 1.96) = 1 .3 Kg.2946 = 0. a partir de la propiedad (iii) se caerían conoce que aproximadamente un 95% de los posibles valores de dentro del intervalo .2490 d.89) = 1 .Φ (-0. podríamos pensar en aproximarlos por sus análogos muestrales.8997 k = 1.28 Instituto Tecnológico del Norte Página 4 .48) = 0.48 y z = 1.39) = 0.7235 Φ (k) = 0.

Φ [-0.0284 c.Φ [(32 – 40)/6. d.1021 = 0.3 a. c.Φ [(37 – 40)/6.9234 – 0. encuentre la probabilidad de que un ratón dado viva μ = 40 y σ = 6.3 meses. Dada la variable X normalmente distribuida con media 18 y desviación estándar 2. entre 37 y 49 meses P (37 < X < 49) = Φ [49 – 40)/6.4514 ¿cuántos vasos probablemente se derramarán si se utilizan vasos de 230 mililitros para las siguientes 1000 bebidas? P(X > 230) = 1 .8186 Z = 0.5404 4 Un investigador científico reporta que unos ratones vivirán un promedio de 40 meses cuando sus dietas se restringen drásticamente y después se enriquecen con vitaminas y proteínas.67) (15) + 200 = 189.6065 5 Se regula una máquina despachadora de refresco para que sirva un promedio de 200 mililitro por vaso.3 a.Φ [2.Φ [(224 – 200)/15] = 1 . μ = 200 y σ = 15 ¿qué fracción de los vasos contendrán más de 224 mililitros? P(X > 224) = 1 .0548 ¿cuál es la probabilidad de que un vaso contenga entre 191 y 209 mililitros? P (191 < X < 209) = Φ [209 – 200)/15] .5) + 18 = 16.2236 Z = -0. Suponga que las vidas de tales ratones se distribuyen normalmente con una desviación estándar de 6.7257 – 0. menos de 28 meses P(X <28) = Φ [28 – 40)/6. d.2236 Φ (Z) = 0.10 El valor de k tal que P(X > k)= 0.91 k = Zσ + μ = (0.60] = 1 – 0.Φ [-0.Φ [(230 – 200)/15] = 1 . encuentre P(X<15)= P(X < 15) = Φ [(15 .3] = Φ [1.1814 1 . Instituto Tecnológico del Norte Página 5 .Φ [(17 – 18)/2.3] = Φ [-1.76) (2.0228 Total de vasos 1000*0.0228 = 22.60] = 0.5] = Φ [1. Si la cantidad de bebida se distribuye normalmente con una desviación estándar igual a 15 mililitros.8849 – 0.76 k = Zσ + μ = (-0.91) (2.5] = Φ [-1.1814 Φ (Z)= 0. b.3] = 1 .88 a. b.28 P(17<X<21) P (17 < X < 21) = Φ [(21 – 18)/2.Φ [-1.90] = 0.3170 = 0.Φ [-0.00] = 1 – 0.3] .9772 = 0.67 x = Zσ + μ = (-0.25 Z = -0.5] . más de 32 meses P(X > 32) = 1 .Φ [1.27] = 1 – 0.5.25 Φ (Z) = 0.5) + 18 = 20.20] = 0.40] = 0.43] .3446 =0.Φ [(191 – 200)/15] = Φ [0.8979 b.48] = 0.2743 =0.20] .8 aproximadamente 23 ¿por debajo de qué valor obtendremos 25% de las bebidas más pequeñas? P25 K = 25 Área = 0.60] .Φ (Z) = 0.18)/2. c.1151 El valor de k tal que P(X < k)= 0.9452 = 0.

90 por hora con una desviación estándar de $1.0572 Si la oficina abre a las 9:00 am y él sale diario de su casa a las 8:45 am. El fabricante reemplaza gratis todos los motores que fallen dentro del tiempo de garantía.26] = 1 – 0.90 = 18.03 Z = -1.9428 = 0.0578 P (Y = 2) = 3C2(0. El tiempo promedio para un viaje de ida es 24 minutos.8 minutos.37] = 1 – 0.1.645) (1.22 inclusive por hora? P (13.Φ [(30 – 24)/3. e.24 7 8 Una compañía paga a sus empleados un salario promedio de $15.03 Φ (Z) = 0.00925 La vida promedio de cierto tipo de motor pequeño es 10 años con una desviación estándar de dos años.21] .5] . d.15 Φ (Z)= 0.Φ [(13.90 y σ = 1.90)/1. Si está dispuesto a reemplazar sólo 3% de los motores que fallan.9428) = 0.Φ [.75 < X < 16.6 a. con una desviación estándar de 3.22) = Φ [16.88 x = Zσ + μ = (-1.3962 Encuentre la longitud de tiempo por arriba de la cual encontramos el 15% de los viajes más lentos.58] = 1 – 0.Φ [0.22 – 15. μ = 10 y σ = 2 P3 Área = 0.04) (3.43] = 0.0759 = 0. ¿qué porcentaje de los trabajadores reciben salarios entre $13.85 Z = 1.Φ (Z) = 0. ¿cuál es la probabilidad de que pierda el café? P(X > 25) = 1 .50.8] = 1 .9911 Si sale de su casa a las 8:35 am y el café se sirve en la oficina de 8:50 a 9:00 am.0572)2(0.8] = 1 . Si los salarios se distribuyen aproximadamente de forma normal y se pagan al centavo más próximo μ = 15.5] = Φ [0. Suponga que la distribución de los tiempos de viaje está distribuida normalmente. ¿el 5% más alto de los salarios por hora de los empleados es mayor a qué cantidad? P95 Área = 0.75 – 15.8 ¿cuál es la probabilidad de que un viaje tome al menos ½ hora? P(X > 30) = 1 .5086 b.0089 = 0.04 x = Zσ + μ = (1.8] = 1 .37 Instituto Tecnológico del Norte Página 6 .95 Φ (Z) = 0.Φ [(25 – 24)/3.Φ [-2.94 Encuentre la probabilidad de que dos de los siguientes tres viajes tomen al menos ½ hora Del inciso a) p = 0.88) (2) + 10 = 6.90)/1.5) + 15.Φ [1.8) + 24 = 27.Φ [(15 – 24)/3.5 a.75 y $16. b. c. Un abogado va todos los días de su casa en los suburbios a su oficina en el centro de la ciudad. ¿qué porcentaje de las veces llega tarde al trabajo? P(X > 15) = 1 .95 Z = 1. ¿de qué duración debe ser la garantía que ofrezca? Suponga que la duración de un motor sigue una distribución normal.6038 = 0. μ = 24 y σ = 3.645 x = Zσ + μ = (1.5845 – 0. 1 .

67] = 0.25] = 0. Si la universidad requiere un CI de al menos 95. Si las especificaciones requieren de todos los componentes tengan resistencia a la tracción entre 9800 y 10.9878 – 0.Φ [(9775 – 10000)/100] = Φ [2.68 o 29 Instituto Tecnológico del Norte Página 7 .Φ [1.75] = 1 – 0.9756 Proporción de descarte = 1 – 0. a.9 La resistencia a la tracción de cierto componente de metal se distribuye normalmente con una media de 10.150 kilogramos por centímetro cuadrado de resistencia a la tracción? μ = 15. ¿cuántos de estos estudiantes serán rechazados sobre esta base sin importar sus otras calificaciones? P(X < 95) = Φ [(95 – 115)/12]= Φ [-1.200 kilogramos por centímetro cuadrado inclusive.5 unidades = 50 e= + 25 P(X > 10150) = P(X > 10175) = 1 – Φ [(10175 – 10000)/100] = 1 . Las mediciones se registran a los 50 kilogramos por centímetro cuadrado más cercanos.0478 = 28.90 y σ = 1. ¿Qué proporción de estos componentes excede 10.0244 10 Los CI de 600 aspirantes de cierta universidad se distribuyen aproximadamente de forma normal con una media de 115 y una desviación estándar de 12.0478 Número de estudiantes rechazados = 600*0.25] .000 kilogramos por centímetro cuadrado y una desviación estándar de 100 kilogramos por centímetro cuadrado.9756 = 0. ¿qué proporción de piezas esperaría que se descartará? Proporción de descarte = 1 – P (9800 < X < 10200) P (9800 < X < 10200) = P (9775 < X < 10225) = Φ [(10225 – 10000)/100] .Φ [-2.0401 b.0122 = 0.9599 = 0.