You are on page 1of 39

Módulo: II Unidad: IV Semana: 08

ESTADÍSTICA I

Lic. SEGUNDO A. GARCIA FLORES


Distribución continua de
probabilidad

Distribución normal
CONTENIDOS TEMÁTICOS

• Distribución normal.
• Tabla de la normal.
DESARROLLO DE CONTENIDOS - SUBTÍTULOS
DEL TEMA
La Distribución Normal
Distribuciones de
Probabilidad

Distribuciones de Distribuciones de
probabilidad discretas probabilidad continuas

Normal
La distribución normal
También conocida como campana de
Gauss en honor al matemático Karl Gauss
(siglo 19).
Es importante por:
 Es muy aplicable para inferencia
estadística
 Se ajusta (casi) a las distribuciones de
frecuencias reales observadas.
La distribución normal
Media
Mediana
Moda
La distribución normal de
probabilidad es simétrica con
respecto a una línea vertical que
pase por la media

El extremo izquierdo se extiende de


manera indefinida y nunca toca el eje El extremo derecho se extiende de
horizontal manera indefinida y nunca toca el eje
horizontal

Se utiliza para describir el comportamiento de una variable


continua.
Características:
1. Tiene un sólo pico (unimodal). Forma acampanada.
2. La media cae en el centro
3. La media, media y moda coinciden
4. Es asintótica al eje horizontal
La distribución normal
Fórmula
La función de densidad, f(x), para la distribución normal
tiene la siguiente fórmula:
2
 x  
1 
1 2   
f (x)  e
2
donde:
e: constante matemática cuyo valor aprox. es 2,71828
: constante matemática cuyo valor aprox. es 3,14159
: media de la población.
: desviación estándar de la población.
X: cualquier valor de la variable aleatoria continua.
La distribución normal
Teorema 1.
La función de distribución acumulada está dada
por:
1  2
x 1   t    /  
 

F ( x)   e 2 dt
   2
Teorema 2.
La esperanza matemática y la varianza para una
variable aleatoria continua con distribución normal,
son:

E( x )   , V(x)  2 .
La distribución normal
Observaciones:
La gráfica de la distribución normal es en forma de
campana, como se puede observar en la siguiente
figura:
f(x)

-  + x

Además, la figura que representa a f(x), tiene


puntos de inflexión en x  , y en x  .
El máximo de la función f(x) está en x  .
La distribución normal
Teorema 3.
Si una variable aleatoria continua tiene distribución
normal con   , y   , se dice que la variable
tiene una distribución NORMAL ESTANDARIZADA O
TIPIFICADA y su función de densidad de
probabilidad es:
1  x2 / 2
f(x) e
2

Además, su función de distribución acumulada es:


x 1 2
F( x )  P( X  x )   e t /2
dt
 2 
La distribución normal
Observación:
Si X es una variable aleatoria normal con: E(x) = 0,
y   1. Podemos construir la variable aleatoria
estandarizada o tipificada:

x
Z

que tiene: Z , y  Z .
Distribución normal
Existen tablas para la función normal (distribución normal)
estandarizada con tabulaciones desde Z=0 hasta Z=3,49.
Para cualquier otra distribución normal con:   , y,   1,
se puede utilizar la tabla estandarizada, transformando la
variable X a una estándar o tipificada Z.

Teorema 4.
Si Z es variable aleatoria con distribución normal
estandarizada:

P (     Z     )  0,6826
P(   2  Z    2 )  0,9544

P(   3  Z    3 )  0,9974
La distribución normal
Ejemplo:
Si X está distribuida normalmente con media 100 y desviación
estándar 50, el valor de Z para X = 200 es
X   200  100
Z   2 ,0
 50
Esto significa que X = 200 está a 2 desviaciones estándar por
encima de la media 100 (2 incrementos de 50 unidades).

Note que la distribución es la misma, solo la


escala ha cambiado. Se puede expresar
el problema en las unidades originales (X) o
en unidades estandarizadas de (Z).

100 200 X (μ = 100, σ = 50)

0 2,0 Z (μ = 0, σ = 1)
Probabilidad como área bajo la curva
La Probabilidad es medida por el área bajo la curva. El área
total bajo la curva es 1,0, y por ser simétrica, la mitad está por
encima de la media y la otra mitad por debajo.

P(   X  μ)  0,5
f(X)
P(μ  X  )  0,5

0.5 f(X) P(a  X  b)  P(a  X  b)

μ X

P(  X  )  1,0
a b X
(Note que la probabilidad de cualquier valor individual
es cero
ÁREAS BAJO LA DISTRIBUCIÓN DE PROBABILIDAD NORMAL ESTÁNDAR, N(0, 1)
z 0 0,01 0,02 0,03 0,04 0,05 0,06 0,07 0,08 0,09
0,0 0,5000 0,5040 0,5080 0,5120 0,5160 0,5199 0,5239 0,5279 0,5319 0,5359
0,1 0,5398 0,5438 0,5478 0,5517 0,5557 0,5596 0,5636 0,5675 0,5714 0,5753
0,2 0,5793 0,5832 0,5871 0,5910 0,5948 0,5987 0,6026 0,6064 0,6103 0,6141
0,3 0,6179 0,6217 0,6255 0,6293 0,6331 0,6368 0,6406 0,6443 0,6480 0,6517
Tabla de distribución 0,4 0,6554 0,6591 0,6628 0,6664 0,6700 0,6736 0,6772 0,6808 0,6844 0,6879
0,5 0,6915 0,6950 0,6985 0,7019 0,7054 0,7088 0,7123 0,7157 0,7190 0,7224
normal 0,6 0,7257 0,7291 0,7324 0,7357 0,7389 0,7422 0,7454 0,7486 0,7517 0,7549
0,7 0,7580 0,7611 0,7642 0,7673 0,7704 0,7734 0,7764 0,7794 0,7823 0,7852
0,8 0,7881 0,7910 0,7939 0,7967 0,7995 0,8023 0,8051 0,8078 0,8106 0,8133
0,9 0,8159 0,8186 0,8212 0,8238 0,8264 0,8289 0,8315 0,8340 0,8365 0,8389
1,0 0,8413 0,8438 0,8461 0,8485 0,8508 0,8531 0,8554 0,8577 0,8599 0,8621
1,1 0,8643 0,8665 0,8686 0,8708 0,8729 0,8749 0,8770 0,8790 0,8810 0,8830
1,2 0,8849 0,8869 0,8888 0,8907 0,8925 0,8944 0,8962 0,8980 0,8997 0,9015
1,3 0,9032 0,9049 0,9066 0,9082 0,9099 0,9115 0,9131 0,9147 0,9162 0,9177
1,4 0,9192 0,9207 0,9222 0,9236 0,9251 0,9265 0,9279 0,9292 0,9306 0,9319
1,5 0,9332 0,9345 0,9357 0,9370 0,9382 0,9394 0,9406 0,9418 0,9429 0,9441
1,6 0,9452 0,9463 0,9474 0,9484 0,9495 0,9505 0,9515 0,9525 0,9535 0,9545
1,7 0,9554 0,9564 0,9573 0,9582 0,9591 0,9599 0,9608 0,9616 0,9625 0,9633
1,8 0,9641 0,9649 0,9656 0,9664 0,9671 0,9678 0,9686 0,9693 0,9699 0,9706
1,9 0,9713 0,9719 0,9726 0,9732 0,9738 0,9744 0,9750 0,9756 0,9761 0,9767
2,0 0,9772 0,9778 0,9783 0,9788 0,9793 0,9798 0,9803 0,9808 0,9812 0,9817
2,1 0,9821 0,9826 0,9830 0,9834 0,9838 0,9842 0,9846 0,9850 0,9854 0,9857
2,2 0,9861 0,9864 0,9868 0,9871 0,9875 0,9878 0,9881 0,9884 0,9887 0,9890
2,3 0,9893 0,9896 0,9898 0,9901 0,9904 0,9906 0,9909 0,9911 0,9913 0,9916
2,4 0,9918 0,9920 0,9922 0,9925 0,9927 0,9929 0,9931 0,9932 0,9934 0,9936
2,5 0,9938 0,9940 0,9941 0,9943 0,9945 0,9946 0,9948 0,9949 0,9951 0,9952
2,6 0,9953 0,9955 0,9956 0,9957 0,9959 0,9960 0,9961 0,9962 0,9963 0,9964
2,7 0,9965 0,9966 0,9967 0,9968 0,9969 0,9970 0,9971 0,9972 0,9973 0,9974
2,8 0,9974 0,9975 0,9976 0,9977 0,9977 0,9978 0,9979 0,9979 0,9980 0,9981
2,9 0,9981 0,9982 0,9982 0,9983 0,9984 0,9984 0,9985 0,9985 0,9986 0,9986
3,0 0,9987 0,9987 0,9987 0,9988 0,9988 0,9989 0,9989 0,9989 0,9990 0,9990
3,1 0,9990 0,9991 0,9991 0,9991 0,9992 0,9992 0,9992 0,9992 0,9993 0,9993
3,2 0,9993 0,9993 0,9994 0,9994 0,9994 0,9994 0,9994 0,9995 0,9995 0,9995
3,3 0,9995 0,9995 0,9995 0,9996 0,9996 0,9996 0,9996 0,9996 0,9996 0,9997
3,4 0,9997 0,9997 0,9997 0,9997 0,9997 0,9997 0,9997 0,9997 0,9997 0,9998
3,5 0,9998 0,9998 0,9998 0,9998 0,9998 0,9998 0,9998 0,9998 0,9998 0,9998
3,6 0,9998 0,9998 0,9999 0,9999 0,9999 0,9999 0,9999 0,9999 0,9999 0,9999
3,7 0,9999 0,9999 0,9999 0,9999 0,9999 0,9999 0,9999 0,9999 0,9999 0,9999
3,8 0,9999 0,9999 0,9999 0,9999 0,9999 0,9999 0,9999 0,9999 0,9999 0,9999
La tabla Normal Estándar
La columna da el valor del
segundo punto decimal para Z
Z 0,00 0,01 0,02 …

0,0
La fila da el valor 0,1
de Z con su primer .
. El valor dentro de la
punto decimal .
1,9 0,9719 tabla da la
2,0 0,9772 probabilidad de Z =  
hasta el valor deseado
de Z
P(Z < 1,91) = 0,9719
2.0

P(Z < 2,00) = 0,9772

0 2,00 Z
Ejemplo:
Suponga que X es normal con media 8,0 y desviación
estándar 5,0. Encuentre P(X < 8,6)

8,6  8,0
P(X  8,6)  P(Z  )  P( Z  0,12)
5,0

μ=0
μ=8
σ=1
σ = 10

8 8,6 X 0 0,12 Z

P(X < 8,6) = P(Z < 0,12) = 0,5478


Ejemplo:

Una porción de la tabla Normal Estándar

P(X < 8,6) = P(Z < 0,12)


Z 0,00 0,01 0,02 = 0,5478

0,0 0,5000 0,5040 0,5080

0,1 0,5398 0,5438 0,5478

0,2 0,5793 0,5832 0,5871


Z
0,3 0,6179 0,6217 0,6255 0,00
0,12
Procedimiento general para encontrar
probabilidades

Para encontrar P(a < X < b) donde X está distribuida


normalmente:
Dibuje la curva normal para el problema en términos de X

Transforme los valores de X a valores de Z

Use la tabla de la Normal Estándar


Probabilidades cola superior
Suponga que X es normal con media 8,0 y desviación
estándar 5,0. Encuentre P(X > 8,6)

P(X > 8,6) = P(Z > 0,12) = 1,0 - P(Z ≤ 0,12)


= 1,0 – 0,5478 = 0,4522

0,5478
1,000 1,0 – 0,5478 = 0,4522

Z Z
0 0
0,12 0,12
Probabilidades entre dos valores

Si X es normal con media 8,0 y desviación estándar


5,0. Encuentre P(8 < X < 8,6)

Calcule los valores Z:

X μ 8 8
Z  0
σ 5
8 8.6 X
X  μ 8.6  8 0 0.12 Z
Z   0.12
σ 5
P(8 < X < 8,6) = P(0 < Z < 0,12)
Probabilidades entre 2 valores

Porción de la Tabla Normal Estándar P(8 < X < 8.6)=


= P(0 < Z < 0.12)
= P(Z < 0.12) – P(Z ≤ 0)
Z .00 .01 .02 = 0.5478 - .5000 = 0.0478
0.0 .5000 .5040 .5080 0.0478
0.5000

0.1 .5398 .5438 .5478


0.2 .5793 .5832 .5871

0.3 .6179 .6217 .6255 Z


0.00
0.12
Probabilidades de cola inferior

Si X es normal con media 8,0 y desviación estándar


5,0. Encuentre P(7,4 < X < 8)

P(7,4 < X < 8)


= P(-0,12 < Z < 0) 0,0478

= P(Z < 0) – P(Z ≤ -0,12)


= 0,5000 – 0,4522 = 0,0478 0,522

La Normal es simétrica, luego la


probabilidad es la misma que para
P(0 < Z < 0.12)
X
7,4 8,0
- 0,12 0 Z
Ejemplo
Si X es normal con media 8,0 y desviación estándar
5,0. Encuentre el valor de X tal que solo el 20% de
todos los valores estan por debajo de él.

X  8,0
P(Z  )  0,20
5,0

0.2000

? 8,0 X
? 0 Z
Ejemplo:
Encuentre el valor Z para la probabilidad conocida
• El 20% es el área en la cola
Porción de la tabla Normal Estándar
inferior que le corresponde
un valor de Z de – 0,84
Z … .03 .04 .05

-0.9 … .1762 .1736 .1711


0,2000
-0.8 … .2033 .2005 .1977
-0.7 … .2327 .2296 .2266 ? 8,0 X
- 0,84 0 Z

X  8,0 X  8,0
P(Z  )  0,20  0,84   X  3,8
5,0 5,0
Ejemplo:
Un terapista físico piensa que los
puntajes en una prueba de destreza
manual tiene una distribución   2.5

aproximadamente normal, con una media


de 10 y una desviación estándar de 2,5.
  10
15 

Si a un individuo, elegido aleatoriamente,


se le aplica el examen, ¿cuál es la
probabilidad de que logre un puntaje de
15 o más puntos?.
Ejemplo:
Obtenemos la siguiente información:
     2,5
  2.5
Calculando Z:
x 15  10
z  2 


  10 15

 
 




 2,5
Para Z=2, buscamos en la tabla cual es la probabilidad (o área)
que le corresponde: 0,9772
Como deseamos conocer esta área:

P( x  15)  1  0,9772  0,0228  2,28%


Ejemplo:
¿Cuál es la probabilidad de que se logre un puntaje X entre 11 y 14?
Calculando Z:
11  10
Cuando x  11  z   0,4  A  0,1554
2,5
14  10
Cuando x  14  z   1,6  A  0,4452
2,5
  11 14 


El área sombreada se encuentra restando del área mayor (0,4452) el


área menor (0,1554)

P(11  x  14)  0,4452  0,1554  0,2898  28,98%


Aplicaciones
Una empresa aplica un programa de entrenamiento diseñado
para mejorar la habilidades de supervisión en los diferentes
procesos que se desarrollan en un hospital.
Debido a que el programa es autoadministrado, los supervisores
requieren un número diferente de horas para concluirlo Un
estudio de los participantes anteriores indica que el tiempo
medio que se lleva completar el programa es de 500 horas y
que esta variable aleatoria normalmente distribuida tiene una
desviación estándar de 100 horas.
Pregunta 1. ¿Cuál es la probabilidad de que un participante
elegido al azar requiera más de 500 horas para completar el
programa?
Aplicaciones
Pregunta 1. ¿Cuál es la probabilidad de que un participante
elegido al azar requiera más de 500 horas para completar el
programa?

Solución:
En la figura, podemos ver que la mitad del
área bajo la curva está localizada a ambos
P(X>500)=0,5
lados de la media de 500 horas.
Por lo tanto podemos deducir que la
probabilidad de que la variable aleatoria
tiene un valor mayor a 500 es el área
sombreada, es decir, 0,5.
Aplicaciones
Pregunta 2:¿Cuál es la probabilidad de que un supervisor elegido
al azar se tome entre 500 y 650 horas para completar el programa
de entrenamiento.
Solución:
P(500 X 650)=0.4332 La gráfica se muestra la respuesta como
zona sombreada, representada por el área
entre la media (500 horas) y el valor de X,
en el cual estamos interesados (650 horas).
Estandarizando la variable tenemos un
valor para Z

x 650  500


Z Z  1 .5
 100
Si buscamos Z = 1,5 en la tabla, encontraremos una probabilidad
de 0,4332. En consecuencia, la probabilidad de que un candidato
escogido al azar requiera entre 500 y 650 horas para terminar el
programa de entrenamiento es ligeramente mayor a 0,4.
Ejercicios propuestos
1.-Si una variable aleatoria tiene distribución normal (estándar
o tipificada). Hallar las probabilidades de que tome un valor:
(a) menor que 1,5 (e) entre 0 y 2,7
(b) menor que -1,2 (f) entre 1,22 y 2,43
(c) mayor que 2,16 (g) entre -1,35 y – 0,35
(d) mayor que -1,75 (h) entre -1,7 y 1,35

2.-Sea X con distribución N(16,2; 1,5625). Encontrar:


(a) P(X > 6,8)
(b) P(X < 14,9)
Ejercicios propuestos
3.-El diámetro interior de los cilindros producidos por una
máquina está distribuido normalmente con media 1.275 cm. y una
desviación estándar de 0.0125 cm. El propósito para el cual se han
diseñado esos cilindros permite una tolerancia máxima en el
diámetro de 1.26 a 1.29 cm., de otra forma los cilindros se
consideran defectuosos. Calcular el porcentaje de cilindros
defectuosos.
Respuesta: 23%.

4.-La calificación media de un examen final fue 72 y la desviación


estándar 9. El 10% superior de los estudiantes (en calificación)
recibirán un M.B. Calcular cuál es la calificación mínima que debe
obtener un estudiante para recibir M.B.
Respuesta: 84.
Ejercicios propuestos
5.-Si las estaturas de 300 estudiantes están distribuidas
normalmente con media 1,7 m. y desviación estándar de 10 cm.
Calcular el número de estudiantes que tienen una estatura
superior a 1,85 m.
Respuesta: 20 estudiantes.

6.-Calcular la probabilidad de obtener 40 águilas o menos al


lanzar una moneda 100 veces.
Respuesta: 0,0287.

7.-Se lanza 120 veces un dado. Calcular la probabilidad de


que haya salido un número par 70 veces o menos.
Respuesta: 0,9726.
BINOMIAL APROXIMADA POR LA NORMAL:

La distribución normal APROXIMA a la distribución


binomial para: n > 20, y, p > 0,05, donde:  = np,
  npq
Teorema 5.
Si X es una variable aleatoria con media: =np, y
varianza: 2=npq, entonces la forma límite de la
distribución de: x  np
Z
npq
cuando n, es la distribución normal estándar.
Nota.- La distribución normal se definió para variables
aleatorias continuas y la binomial para discretas.
Observación: Siempre que se transforma de binomial a
normal se fracciona, esto es:
b  0.5  
P( x  b )  P( x  b  0.5)  P( Z  )

a  0.5  
P( x  a )  P( x  a  0.5)  P( Z  )

a  0.5   b  0.5  
P(a  x  b )  P(a  0.5  x  b  0.5)  P( Z )
 
f(x) f(x)

a b x
b b+0.5 x b+0.5
a-0.5
CONCLUSIONES Y/O ACTIVIDADES DE
INVESTIGACIÓN SUGERIDAS

SE RECOMIENDA COMPLEMENTAR LO EXPUESTO CON


LA REVISIÓN Y ANÁLISIS DEL MATERIAL BIBLIOGRÁFICO
CONTENIDO EN LOS SIGUIENTES ENLACES:
http://www.matematicasvisuales.com/html/probabilida
d/varaleat/normal.html

https://www.uoc.edu/in3/emath/docs/Distrib_Normal.p
df
GRACIAS

Business Statistics, A First Course (4e) ©


2006 Prentice-Hall, Inc.