You are on page 1of 32

UNIVERSIDAD POLITECNICA DEL GOLFO

DE MEXICO

« DISTRIBUCIÓN DE PROBABILIDAD NORMAL »

PRESENTAN:
 Celina Ivett Hernández Pérez
 Gelmy Xiomara Baeza Marcos
 Aldo Enrique Álvarez García
 Gerardo Naranjo Vázquez
 Martha María López Méndez

PROBABILIDAD Y ESTADÍSTICA

VI Cuatrimestre Grupo «A»

Facilitadora:
M.C Gladys del Carmen Velázquez López

Paraíso, Tabasco, 06 de Agosto de 2014






Introducción
La distribución normal (también conocida como distribución
de Gauss) es la distribución mas utilizada en la estadística.
Constituye un buen modelo para muchas, aunque no para
todas las poblaciones continuas.

La media de una variable aleatoria normal puede tener
cualquier valor y la varianza cualquier valor positivo.


Objetivo General:


Presentar las características y aplicaciones de la
distribución normal, por medio de definiciones, deducciones y
ejemplos de fácil entendimiento con la finalidad que los
alumnos puedan identificar cuándo es apropiada su aplicación
y no tengan complicaciones al hacerlo.


Objetivos Específicos:


Definir las principales utilidades de la distribución normal.
 Presentar las características de la distribución normal.
Resolver algunos problemas apropiados para el empleo de
la distribución normal.


Contenido:


Aspectos a tomar en cuenta para el uso de la distribución
normal.
Utilidades de la distribución normal.
Características de la distribución normal.
Planteamiento de la función de densidad.
Problemas apropiados para el empleo de la distribución
normal.
Conclusión.
Referencias.



Aspectos a tomar en cuenta para
el uso de la distribución normal.
• La distribución normal sirve para representar el comportamiento
estadístico de una característica cuantitativa continua en una
determinada población.

• Para que este modelo sea aplicable, la característica de interés debe
distribuirse simétricamente alrededor de su esperanza y cumplir un
conjunto de propiedades.

• La distribución normal es apropiada en muchas situaciones de interés
para representar a una variable, pero debemos recordar que no es
siempre válida (p.e. en caso de características con valores muy
asimétricos).
Utilidades de la distribución normal
Se utiliza muy a menudo porque hay muchas variables asociadas a fenómenos
naturales que siguen el modelo de la norma.

• Caracteres morfológicos de individuos (personas, animales, plantas) de una
especie, por ejemplo: tallas, pesos, diámetros, distancias, perímetros.

• Caracteres fisiológicos, por ejemplo: efecto de una misma dosis de un
fármaco, o de una misma cantidad de abono


7
• Caracteres sociológicos, por ejemplo: consumo de cierto
producto por un mismo grupo de individuos,
puntuaciones de examen.

• Caracteres psicológicos, por ejemplo: cociente
intelectual, grado de adaptación a un medio.

Características de la distribución
normal
La distribución de probabilidad normal y la curva normal que la
representa, tienen las siguientes características:


La curva normal tiene forma de campana y un solo pico en el centro
de la distribución . De manera que la media aritmética, la mediana y
la moda de la distribución son iguales y se localizan en el pico.



La distribución de probabilidad normal es simétrica alrededor
de su media.



La curva normal desciende suavemente en ambas direcciones
a partir del valor central. Es asintótica, lo que quiere decir que
la curva se acerca cada vez más al eje X pero jamás llega a
tocarlo. Es decir, las «colas» de la curva se extienden de
manera indefinida en ambas direcciones.


Para indicar que una variable aleatoria (v.a) sigue una
distribución normal de media µ y desviación estándar σ ,
usaremos la expresión: X ~ N(µ,σ)
• DEFINICION:

Se dice que una variable aleatoria tiene una distribución de
probabilidad normal si y solo si, para σ > 0 y −∞ < < ∞,
la función de densidad de es :

=
1
σ 2

−(−)
2
(2σ
2
)
, −∞ < < ∞
• =
1
σ 2

−(−)
2
(2σ
2
)
≫≫

= 1

−∞


1
σ 2

−(−)
2
(2σ
2
)
= 1

−∞

1
σ 2

−(−)
2
( 2σ)
= 1

−∞




1
σ 2

−(−)
2
( 2σ)
= 1

−∞




1
σ 2

−(−)
2
( 2σ)
= 1

−∞


• =

2
=
1
2
≫≫ 2 =


1
σ 2
.


2
2 = 1

−∞



2
σ 2
.


2
= 1

−∞


2
=

−∞




2
2
. = 1


• 1 = 1

En general, se convierte en unidades estándar al restar la media
y dividir entre la desviación estándar. Por consiguiente, si es
una unidad seleccionada de una población normal con media y
varianza
2
, la unidad estándar equivalente a es el numero
donde,

=

Algunas veces al numero se le denomina “puntaje z”.
En este tipo de curva se considera que la media aritmética, mediana y
la moda son la misma y tienden a dar forma simétrica a la curva
Nuestros valores para p siempre serán 0 ≤ z < 1
Cuando -3 < p > 3 entonces toma valor de = 50% (para uso practico)
Cuando se obtenga un resultado negativo se buscara en la tabla como
positivo ya que tiene el mismo valor
El eje x varia en función de
El valor de y varia en función de
El valor de z se obtiene por la ec. =

50% 50%
Ejemplo 1:
En una ciudad se estima que la temperatura máxima en el mes de junio sigue una
distribución normal, con media 23° y desviación típica 5°. Calcular el número de días del
mes en los que se espera alcanzar máximas entre 21° y 27°.
Ejemplo 2:
Una fábrica de gasolina emplea una máquina para envasarlo que llena
automáticamente botellas de 16 onzas. No obstante, la cantidad de
líquido que se vierte en cada una varía. Se observó que la cantidad del
líquido contenido en las botellas se aproxima a una distribución normal
con una media de 16 onzas y una desviación estándar de 1 onza. ¿Qué
porcentaje de botellas se llenará con 17 onzas?
=

:

= 1
= 16

= 17
Sustituyendo

=
17−16
1


=
1
1


= 1


Usando la tabla
siguiente
obtenemos que z
en 1 es .8413
Porcentaje de
botellas que se
llenara con de
17 onzas es del
84%
Ejemplo 3:
Tiempo promedio que los estudiantes demoran en llegar a la universidad
Es de 35 minutos con una desviación estándar de 10 minutos
= 35 = 10
a)¿Qué % de los estudiantes llega ente 35 y 50 minutos?
=
50−35
10
=
15
10
= 1.5 = 0.9332
93.32% – 50% = 43.32%
35 50
b) ¿ Que % de los estudiantes llegan entre 18 y 41 minutos?
= 35
= 10
18
41
8 =
18−35
10
=
−17
10
= −1.7 = 0.0446
41 =
41−35
10
=
6
10
= 0.6 = 0.7275
72.75% - 4.46% == 68.29%
c) ¿ Que % de los estudiantes llegan después de 28 minutos?
28
28 =
28 − 35
10
=
−7
10
= −0.7 = 0.2425
100% − 24.25 % = 75.25%
= 35
= 10
50
d) ¿Que % de los estudiantes llegan después de 50.5 minutos’
50.5 =
50.5 − 35
10
=
15.5
10
= 1.55 = 0.9394
100% - 93.94% = 6.06%
Conclusión


Las poblaciones numéricas tienen distribuciones que pueden ser
representadas muy fielmente por una curva normal apropiada;
pudimos darnos cuenta que ejemplos de poblaciones numéricas
ideales para utilizar la distribución de probabilidad normal son
estaturas, tiempos de reacción en experimentos y numerosas
medidas e indicadores económicos, siempre que las poblaciones
sean apropiadas podremos adaptarla a la conocida forma
acampanada que se estudio en relación con la regla empírica.
Referencias


 Devore, J. L. (2008). Probabilidad y Estadística para
Ingeniería y Ciencias . California Polytechnic State
University: CENGAGE Learning.


 Navidi, W. (2006). Estadística para ingenieros y científicos.
Mexico DF: Mc. Graw Hill.