Universidad Nacional Federico Villarreal

Semana 11
Funciones de probabilidad Continua:
Distribución Normal

Curso: Estadística Inferencial

Docente: Mg. Carmen Valdivia Arenas
Especialidad: Economía
2022
 Distribución Normal
• Es la distribución de probabilidad continua más importante en todo el
campo de la estadística debido a que en la práctica muchos fenómenos
industriales, científicos o de la vida diaria pueden describirse por esta
distribución.
• La distribución normal fue reconocida por primera vez por el francés
Abraham de Moivre (1667 -1754). Luego, Carl Friedrich Gauss (1777 -1855)
realizó estudios más a fondo donde formula la ecuación de la curva conocida
comúnmente, como la “ Campana de Gauss ".
• La distribución normal también puede aproximarse a otras leyes de
probabilidad.
 Distribución Normal
• Gráficamente la función se representa con la curva normal llamada también campana de Gauss.

• Como ejemplo de variables continuas tenemos: peso, estatura, puntuación de exámenes,

resultados de mediciones científicas, entre otras.
Función de la distribución normal
 Características de la distribución Normal
• Toda la familia de distribuciones normales se diferencia por medio de dos parámetros: media (µ)
y desviación Estándar (σ).
• El punto mas alto de una curva normal se encuentra sobre la media la cual coincide con la
mediana y la moda de la distribución.
• La media de una distribución normal puede tener cualquier valor: negativo, positivo o cero.
• La distribución normal es simétrica siendo la forma de la curva normal al lado
izquierdo de la media, la imagen idéntica de la forma derecha.
• Las colas de la curva normal se extienden al infinito en ambas direcciones y en
teoría jamás tocan el eje horizontal.
• La desviación estándar determina que tan plana y ancha es la curva normal.
Cuando la desviación es muy grande la curva es mas plana y mas ancha lo cual
implica mayor variabilidad de los datos.
• Las probabilidades de la normal se dan mediante áreas bajo la curva. Toda el
área bajo la curva normal es 1. Como esta distribución es simétrica, el área bajo
la curva y a la izquierda de la media es 0.5 y el área bajo la curva y a la derecha es
también 0.5.
• Los porcentajes de los valores que se encuentran en algunos intervalos
comúnmente usados se muestran en el gráfico siguiente.
 Distribución de probabilidad Normal Estándar
• La variable normal tiende a estandarizarse a fin de que sea mucho mas fácil operar los
ejercicios.
• La distribución normal estándar tiene una media de 0 y una desviación estándar de 1.
• Para designar a esta función se utiliza la letra Z.
 Función de densidad normal estándar
•

Estas funciones nos permiten estandarizar las variables normales

Las probabilidades que se necesitan encontrar son:

• La probabilidad de que la variable aleatoria normal estándar Z sea menor o igual

que un valor dado.
• La probabilidad de que la variable aleatoria normal estándar Z esté entre dos
valores dados.
• La probabilidad de que la variable aleatoria normal estándar Z sea mayor o igual
que un valor dado.
• No siempre se pedirá la probabilidad de Z, algunas veces se pedirá hallar el
valor de Z.
 Tipificación de la variable (o estandarización)

• Significa estandarizar a la normal. Es decir, pasar de la normal a Z. Este

proceso es fácil y se cuenta con la ayuda de las tablas.
• Para poder utilizar la tabla tenemos que transformar la variable X que sigue
una distribución N(μ,σ) en otra variable Z que siga una distribución N(0, 1).
• La distribución normal estándar, o tipificada o reducida, es aquella que tiene
por media el valor cero(μ =0), y por desviación típica uno (σ =1). La
probabilidad de la variable X dependerá del área debajo de la curva.
 Ejemplos
• Suponga que se tiene una variable con media (μ) 300 y una desviación
estándar (σ) de 30. Se desea conocer:
• a) La probabilidad de que x sea mayor o igual a 250
• b) La probabilidad de que x sea menor o igual a 350
• c) La probabilidad de que x se encuentre entre 260 y 380
•
•
•

2.67

2.67
Uso de tablas
 Ejercicios
• Una compañía ha fabricado un nuevo neumático y los directivos piensan que la
garantía de duración es importante para la venta. Es por eso que se necesita
conocer la duración del neumático en numero de kilómetros.
• De acuerdo con las pruebas realizadas, la duración media en kilómetros es 36500
y la desviación estándar es de 5000 kilómetros. Además, los datos recogidos
indican que es razonable suponer una distribución normal.
a) ¿Qué porcentaje de los neumáticos se espera que duren mas de 40000
kilómetros?
b) Suponga que la fábrica esta considerando dar un descuento en la sustitución
del neumático original si este no dura lo que indica la garantía. ¿Cuál deberá
ser la duración en kilómetros especificada en la garantía si la compañía desea
que no más del 20% de los neumáticos alcancen el beneficio?
•
•
 TEOREMA DEL LIMITE CENTRAL

“Si se toman sucesivas muestras (k) de tamaño n de una

población que puede o no ser normal, la distribución de
probabilidad de esas muestras, conforme n se vuelve
grande, se aproxima a una distribución normal.

x


x = 
• Dada una variable aleatoria cualquiera, si extraemos muestras de tamaño n, y calculamos los
promedios muestrales, entonces:

• dichos promedios tienen distribución aproximadamente normal;

• La media de los promedios muestrales es la misma que la de la variable original.

• La desviación típica de los promedios disminuye.

• Las aproximaciones anteriores se hacen exactas cuando n tiende a infinito.

• Este teorema justifica la importancia de la distribución normal.

• Porque…..sea lo que sea que se mida, cuando se promedia sobre una muestra grande (n>30)
va a aparecer de manera natural la distribución normal.

22
Muchas gracias!
Vamos a practicar con algunos ejercicios