LECCIN 22.

FUNCIN DE DISTRIBUCIN NORMAL

Ejercicio. El parque est formado por 50 torres numeradas de 1 a 50. Denotamos por X 1, X2, X50 las
potencias producidas por cada una de las torres en un momento dado. Supongamos que cada X i sigue
una distribucin Normal con media 1000 y varianza 2500.
a). Cul es la probabilidad de que la potencia producida por una torre sea mayor que 1050 unidades?
b). Suponiendo que las variables X1, ,X50 son independientes, cul es la probabilidad de que haya
exactamente 8 torres que estn produciendo mas de 1050 unidades?
c). Calcular la probabilidad de que mas de 10 torres estn produciendo mas de 1050 unidades.
d). Si P es la potencia total producida por el parque en un momento dado, y si seguimos suponiendo
que las variables X1, ,X50 son independientes, cul es la distribucin de P?
Ejemplo, La renta media de los habitantes de un pas es de 4 millones de pesos/ao, con una varianza
de 1,5. Se supone que se distribuye segn una distribucin Normal. Calcular:
a)
Porcentaje de la poblacin con una renta inferior a 3 millones de pesos.
b)
Renta a partir de la cual se sita el 10% de la poblacin con mayores ingresos.
c)
Ingresos mnimo y mximo que engloba al 60% de la poblacin con renta media.
a)
Porcentaje de la poblacin con una renta inferior a 3 millones de pesos.

z
a)

x4
1.22

El valor de z para 3 millones de pesos es de -0,816.

P(X<3) = P(Z<-0,816)
P (z>-0,816) = 1-P(z<0,816) = 1 - 0,7925 (aprox.) = 0,2075
Luego, el 20,75% de la poblacin tiene una renta inferior a 3 millones pesos.

b) Nivel de ingresos a partir del cual se sita el 10% de la poblacin con renta ms elevada.
Vemos en la tabla el valor de la variable tipificada cuya probabilidad acumulada es el 0,9 (90%),
lo que quiere decir que por encima se sita el 10% superior.
Ese valor corresponde a z=1,282. Ahora calculamos la variable normal x equivalente a ese valor
de la normal tipificada: 1.282=(x-4)/1.22
Despejando x=5,57. Por lo tanto, aquellas personas con ingresos superiores a 5,57 millones de
pesos constituyen el 10% de la poblacin con renta ms elevada.
c)

Nivel de ingresos mnimo y mximo que engloba al 60% de la poblacin con renta media. Vemos
en la tabla el valor de la variable normalizada Y cuya probabilidad acumulada es el 0,8. Como
sabemos que hasta la media la probabilidad acumulada es del 50%, quiere decir que entre la media
y este valor de z hay un 30% de probabilidad.
Por otra parte, al ser la distribucin normal simtrica, entre -z y la media hay otro 30% de
probabilidad. En definitiva, el segmento (-z,z) engloba al 60% de poblacin con renta media.

El valor de z que acumula el 80% de la probabilidad es 0,842 (aprox.), por lo que el segmento viene
definido por (-0,842, +0,842). Ahora calculamos los valores de la variable x correspondientes a estos
valores de z. Los valores de x son 2,97 y 5,03. Por lo tanto, las personas con ingresos superiores a 2,97
millones de pesos e inferiores a 5,03 millones de pesos constituyen el 60% de la poblacin con un
nivel medio de renta.
Ejercicio. Se est investigando el tiempo de aguante de unas bateras recargables. Por estudios
anteriores, se sabe que la distribucin de los tiempos de aguante es aproximadamente normal con una
desviacin tpica de 8mn. Se disea un experimento en el que se mide el tiempo de aguante para 10
bateras, y se encuentra una media de 121 minutos.

a). Construir detalladamente un intervalo de confianza al 95% de confianza para el tiempo promedio
de aguante de una batera.
b). Se puede afirmar al 95% de confianza que el tiempo promedio de aguante es mayor de 115mn?
Calcular el p-valor asociado a la prueba.
c). Cuntas bateras deberan probarse en el experimento si queremos asegurarnos que, con una
confianza de 95%, el margen de error cometido no ser mayor que 4mn?
d). Planeamos contrastar, con 95% de confianza y una muestra de 10 bateras, la hiptesis de que el
tiempo promedio de aguante es igual a 115mn. Cul es la potencia del test contra la alternativa =
120 ? Te parece suficiente? Como se podra mejorar?
Ejemplo. La vida media de los habitantes de un pas es de 68 aos, con una varianza de 25. Se hace un
estudio en una pequea ciudad de 10.000 habitantes:
a) Cuntas personas superarn previsiblemente los 75 aos?
b) Cuntos vivirn menos de 60 aos?
a)

Personas que vivirn (previsiblemente) ms de 75 aos

Calculamos el valor de la normal tipificada equivalente a 75 aos: z=(75-68)/5= 1.40
Por lo tanto, P (x>75) = (z>1,4) = 1 - P (z<1,4) = 1 - 0,9192 = 0,0808
Luego, el 8,08% de la poblacin (808 habitantes) vivirn ms de 75 aos.

b)

Personas que vivirn (previsiblemente) menos de 60 aos

Calculamos el valor de la normal tipificada equivalente a 60 aos, z=(60-68)/5=1.60
Por lo tanto P (x<60) = (z< -1,6) = P(z> 1,6) = 1 - P (z<1,6) = 0,0548
Luego, el 5,48% de la poblacin (548 habitantes) no llegarn probablemente a esta edad.
La funcin caracterstica de la distribucin normal y sus parmetros son

Z (t )

e itz

E (X )

e z

/2

2
V ( X) 2

x ( t ) e it ( t

2 / 2)

siendo

Ejemplo, En una pregunta del CIS sobre la edad hasta la que consideran
convenientes los padres controlar los programas y el tiempo de televisin de
los hijos, la media fue de 15,4 aos y la desviacin tpica de 2,11. Teniendo
en cuenta que las respuestas se distribuyen aproximadamente como la curva
normal y que van de los 7 a los 24 aos, calcular:
a)-Cuantos respondieron que la edad debe ser hasta los 13 aos
b)-Cuantos dijeron que debe estar entre 14 y 17 aos.
c)-Cuantos respondieron que debe estar por encima de los 19 aos
a)

x 15,4
Sx = 2,1

x x 13 15,4

1,13
Sx
2,11

Consultando las tablas de la curva normal comprobamos que entre la media y un desviacin tpica de
1,13 encontramos un rea de 0,3708 que si situara a la izquierda de la curva por tener signo negativo.
Si el rea que queremos calcular es el que queda a la izquierda del valor -1,13, es decir, los de menos
de 13 aos, restamos a 0,5 (que es la superficie de la mitad de la curva) 0,3708 y obtenemos el
resultado de 12,92%
0,5-0,3708= 0,1292

b)

z1

x x 14 15,4

0,66
Sx
2,11

z2

x x 17 15,4

0,75
Sx
2,11

Las reas correspondientes a estos valores z son 0,2454 y 0,2734 respectivamente. Como en este caso
nos preguntan por el rea comprendida entre las unidades z 0,66 y 0,75 sumaremos ambas con el
resultado de del 51,88% 0,2454+0,2734 = 0,5188

x x 19 15,4

1,70
S
2,11

c)
El rea correspondiente es de 0.4554 y los que estn por encima de 1,7 unidades z se obtienen restando
de 0,5, el 0,4554 de las tablas. 0,5-0,4554 = 0,0446, es decir el 4,46%.
Ejemplo, Supongamos que cierto fenmeno pueda ser representado mediante una variable aleatoria
X N( 45,9) , y queremos calcular la probabilidad de que X tome un valor entre 39 y 48, es decir,

P(39 X 48)
Solucin, hallamos la variable estandarizada

39 45
48 45
0.666
y z2
0.333 de modo que
9
9
P(39 X 48) P( 0.666 Z 0.333) 0.378

z1

Remitimos al lector a la tabla de la funcin de distribucin Normal para evaluar los valores de la
funcin acumulada, que se anexan a este captulo
Ejemplo, Durante cierta epidemia de gripe, enferma el 30% de la poblacin. En un aula con 200
estudiantes, Cul es la probabilidad de que al menos 40 de ellos padezcan la enfermedad? y Calcular la
probabilidad de que haya 60 estudiantes con gripe.
Solucin: La variable aleatoria que contabiliza el nmero de alumnos que padece la gripe es

X B(200,0.30)

cuya media es np=60 y varianza es npq=42. Realizar los clculos con la Binomial es muy engorroso,
ya que intervienen nmeros combinatorios de gran tamao, y potencias muy elevadas. Por ello
utilizamos la aproximacin normal de X, teniendo en cuenta que se verifican las condiciones
necesarias para que el error sea aceptable: n=200>30, np=60>4, y nq=140>4, entonces
X N (60, 42 )
As aproximando la variable aleatoria discreta binomial X, mediante la variable aleatoria continua
normal,

X 60

40 60

P( Z 3.09)
42
42

en las tablas : P 0.999

P( X 40) P

Tambin es necesario calcular P(X=60). Esta probabilidad se calcula exactamente como:

1 60

2

20 60 140 1
P(X60) *p *q o f(60) e 0. 63
60 2
Ejemplo, Los resultados de una prueba objetiva de seleccin pasada a 200 personas indicaron que la
distribucin de puntuaciones era normal, con media 60 puntos y desviacin tpica de 6 puntos. Cada
prueba se puntu con 0 1 puntos. Calcular cuntos examinados han obtenido una puntuacin entre 30
y 40 puntos, y cul es la mnima puntuacin por debajo de la cual estn el 75 % de los examinados.
Tipifiquemos la variable con los valores extremos dados:

30 60
5
6
40 60
z2
3,33
6
z1

La probabilidad de obtener una puntuacin entre 30 y 40 es:

p (30 X 40) p (5 z 3,33) p (3,33 z 5) p ( z 5) p( z 3,33) 1 1 0

con lo cual no hay ningn examinado con una puntuacin entre 30 y 40. Por otro lado, la mnima
puntuacin por debajo de la cual est el 75 % de los examinado la obtenemos as:

para 0,67 0,7486

para 0,68 0,7517

p ( z z x ) 0,75 z x

El valor de zx est entre 0,67 y 0,68 podemos realizar una interpolacin proporcional para obtener:
Para 0,01, la diferencia es 0,0031
Para x, la diferencia es 0,0014
luego:

0,0014 0,01
0,0045
0,0031

entonces:

zx=0,67+0,0045=0,6745

x1=6zx+60=6 . 0,6745+60=64

Y la mnima puntuacin por debajo de la cual est el 75 % de los examinados es 64.

Ejemplo, Una empresa instala en una ciudad 20.000 bombillas para su iluminacin. La duracin de
una bombilla sigue una distribucin normal con media 302 das y desviacin tpica 40 das. Cuntas
bombillas es de esperar que se fundan antes de 365 das? Cuntas durarn ms de 400 das? Explica
razonadamente el mtodo seguido par encontrar la solucin.
Tipificamos el valor 365:

365 302
1,575
40

entonces: p ( X 365) p ( z 1,575) 0,9418 siendo la esperanza matemtica: E= n.p=

20000 . 0,9418 = 18836 bombillas se fundirn antes de 365 das. Tipifiquemos el valor 400:

400 302
2,45
40
entonces:
p ( X 400) p ( z 2,45) 1 p ( z 2,45) 1 0,9929 0,0071 y

z1

la

esperanza

matemtica: E=20000 . 0,0071 = 142 bombillas durarn ms de 400 das.

Ejemplo, Explica el significado de la expresin LA BINOMIAL COMO APROXIMACIN A LA
NORMAL.
Considera tres distribuciones binomiales B(10; 0,1), B(200; 0,1) y B(200; 0,5) y explica cul de ellas
se puede aproximar mejor y cul peor por una distribucin normal.
Una distribucin binomial se puede aproximar por una normal de media m = np y desviacin tpica

s npq

siempre que n tienda a infinito (en la prctica es suficiente que n sea mayor o igual que
30) y p sea muy prximo a 0,5. La aproximacin es muy buena cuando np y nq son superiores a 5.
En las tres binomiales dadas:

B (10;0,1) m np 1

s npq 10 0,1 0,9 0,95

B (200;0,1) m 200 0,1 20

B (200;0,5) m 200 0,5 100

s 200 0,1 0,9 4,24

s 200 0,5 0,5 7,07

Siendo la mejor aproximacin la ltima pues en ella n=200>300 y p=0,5 con np=nq=100>5
La peor es la primera pues n=10<30 y p=0,1 siendo np=1 inferior a 5 y nq=10.0,9=9
Ejemplo, Explica qu es una distribucin de probabilidad de variable continua.
Como ejemplo describe la ley de distribucin normal.
Suponiendo que las tallas de los adultos de un pas A siguen una distribucin normal con media 180
cm. y desviacin tpica 5 cm. y que las tallas de los adultos en un pas B siguen una distribucin
tambin normal, pero con media 180 cm. y desviacin tpica 15 cm., contestar razonadamente en cul
de los dos pases es ms probable encontrar adultos con talla superior a 195 cm. y dnde es ms
probable encontrar adultos con talla comprendida entre 175 y 185 cm.
Una variable aleatoria continua es aqulla que puede tomar todos los valores reales comprendidos en
un intervalo. Su distribucin de probabilidad es la expresin que asigna a cada valor de la variable su
correspondiente probabilidad. La distribucin normal es una variable aleatoria continua en la cual
mediante la expresin (funcin de distribucin):
x

p ( X x)

1
2

( x m)2
2s2

dx

calculamos la probabilidad de que un determinado valor X sea menor o igual que otro dado x. Y la
expresin:

f ( x)

1
s 2

( x m)2
2s2

es la funcin de densidad que da los valores de las probabilidades de que X tome un valor fijo x.
A la distribucin normal de media m y desviacin tpica s la representamos abreviadamente por
N(m,s), y su funcin densidad tiene las siguientes propiedades:
- Presenta un mximo en X=m
- La recta y=0 es una asntota horizontal.
- El rea encerrada por la curva de la funcin y el eje OX es 1.
- Presenta puntos de inflexin en m+s(decreciente) y en m-s(creciente.
- Su dominio es R.
- Es simtrica con relacin al eje OY
- Es siempre positiva.
Grficamente la funcin f(x) presenta el siguiente aspecto:

Donde se ha representado la distribucin normal N(0,1), esto es, con m=0 y s=1. Elegido un punto
cualquiera del eje OX, su ordenada correspondiente nos da el valor de la probabilidad de que la
variable independiente tome ese valor concreto.
En el problema planteado, empezaremos tipificando el valor 195 en ambas distribuciones:

195 180
3
5
195 180
z2
1
15
z1

En la primera, la probabilidad de que un adulto tenga talla superior a 195 cm es:

p ( X 195) p( z 3) 1 p( z 3) 0

Y en la segunda:

p ( X 195) p ( z 1) 1 p( z 1) 1 0,8413 0,1587

luego es ms probable encontrar un individuo de la talla dada en la 2.

Tipifiquemos ahora los valores 175 y 185 en ambas distribuciones:

175 180
175 180
1 z1 '
0,33
5
15
185 180
185 180
z2
1 z2 '
0,33
5
15
y las probabilidades son:
z1

p (175 X 185) p (1 z 1) p( z 1) p ( z 1) 2 p ( z 1) 1 2 0,8413 1 0,6826

p (175 X 185) p (0,33 z 0,33) 2 p ( z 0,33) 1 2 0,6293 1 0,2586
luego es ms probable encontrar individuos de tallas comprendidas entre 175 cm. y 185 cm. en la
primera distribucin.
Ejemplo, El peso de los adultos de una poblacin numerosa se distribuye normalmente con media 65
kg. y desviacin tpica 3 kg. Se eligen dios individuos al azar. Calculando las correspondientes
probabilidades, justifica qu es ms probable:
a) Que cada uno de los individuos tenga un peso comprendido entre 63,5 y 66,5 kg.
b) Que uno de ellos tenga un peso comprendido entre 62 y 68 kg. y el otro tenga un peso no
comprendido entre 62 y 68 kg.
Tipifiquemos los valores que nos han proporcionado:

63,5 65
0,5
3
66,5 65
z2
0,5
3
62 65
z3
1
3
68 65
z4
1
3
z1

La probabilidad de que un individuo tenga un peso comprendido entre 63,5 y 66,5 es:

p (63,5 X 66,5) p (0,5 z 0,5) p( z 0,5) p( z 0,5) p ( z 0,5) p ( z 0,5)

p ( z 0,5) 1 p( z 0,5) 2 p ( z 0,5) 1 2 0,6915 1 0,383

y la de que ambos estn en ese intervalo es:

0,383 . 0,383 = 0,147
Por otro lado, la probabilidad de que uno est entre 62 y 68 es:

p (62 X 68) p(1 z 1) p( z 1) p ( z 1) p ( z 1) 1 p ( z 1)

2 p ( z 1) 1 2 0,8413 1 0,6826
y la de que el otro no est en ese intervalo es:

p ( X 62,68 ) p ( z 1,1 ) 1 0,6826 0,3174

y la de que las dos cosas ocurran simultneamente es: 0,6826 . 0,3174 = 0,2167
Luego es ms probable lo que se indica en el apartado b) que lo que se indica en el a).
Ejemplo, Explica qu es una distribucin de probabilidad normal. Supn que x e y representan la talla
de ,los adultos de dos ciudades, que supondremos que se distribuyen normalmente con medias 168 y
171 cm. y desviaciones tpicas de 2 y 1 cm. respectivamente. Justifica, sin recurrir a tablas, que la
probabilidad de que x est comprendida entre 166 y 170 cm. coincide con la probabilidad de que y est
comprendida entre 170 y 172 cm.
Para el concepto de distribucin de probabilidad normal ver ejercicio n 4 de este mismo captulo.
Si tipificamos los datos proporcionados para las variables x e y tendremos:

x 168
166 168

1
2
2
y 171
z2
170 171 1
1
z1

170 168
1
2

172 171 1

Y, como los valores tipificados de los extremos de cada uno de los intervalos dados son iguales, se
cumplir:

p (1 z1 1) p (1 z 2 1) p (166 X 170) p (170 y 172)

como se quera demostrar.

Ejemplo, La estatura de una poblacin se distribuye normalmente con media 170 cm. y desviacin
tpica 6 cm. Calcular la probabilidad de que, elegido un individuo al azar, tenga estatura comprendida
entre 158 y 182 cm.
Tipificamos los extremos del intervalo:

158 170
2
6
182 170
z2
2
6
z1

Con lo que la probabilidad pedida ser:

p (158 X 182) p (2 z 2) p ( z 2) p( z 2) p ( z 2) 1 p ( z 2)
2 p ( z 2) 1 2 0,9772 1 0,9544

Ejemplo, Los resultados de una prueba objetiva de seleccin pasada a 200 personas indicaron que la
distribucin de puntuaciones era normal, con media de 80 puntos y desviacin tpica de 6 puntos.
Calcular cuntos examinados han obtenido una puntuacin entre 70 y 90 puntos. Si se eligen al azar
dos de esas 200 personas, calcular la probabilidad de que ambas personas tengan puntuacin superior a
90.
Tipificamos:

70 80
1,67
6
90 80
z2
1,67
6
z1

La probabilidad de obtener puntuacin entre 70 y 90 es:

p(70 X 90) p(1,67 z 1,67) p( z 1,67) p( z 1,67) p( z 1,67) 1 p( z 1,67)
2 p( z 1,67) 1 2 0,9525 1 0,905
y el nmero esperado de individuos que la obtienen es:
n= 0,905 . 200 = 181
La probabilidad de que una persona tenga puntuacin superior a 90 es:

p ( X 90) p ( z 1,67) 1 p ( z 1,67) 1 0,9525 0,0475

Y para dos personas:

p= 0,0475 . 0,0475 =0,0023
Ejemplo, Los ingresos diarios de una empresa tienen una distribucin normal con media 35560 ptas. y
desviacin tpica 2530 ptas. Justifica si es o no razonable el esperar obtener un da unas ventas

superiores a 55000 ptas.. Calcular cuntos das en un ao se espera obtener unas ventas superiores a
40620 ptas.
Tipificamos:

55000 35560
7,68
2530
40620 35560
z2
2
2530
z1

La probabilidad de obtener ventas superiores a 55.000 ptas. es.

p ( X 55000) p( z 7,68) 1 p ( z 7,68) 1 1 0

luego no es razonable.
La probabilidad de obtener ventas superiores a 40.620 ptas. es:

p ( X 40620) p( z 2) 1 p ( z 2) 1 0,9772 0,0228

Lo que ocurrir en:

E= 365 . 0,0228 = 8,3 das al ao.
Ejemplo, Se sabe que las puntuaciones obtenidas al pasar un test siguen una distribucin normal con
media 210 puntos y desviacin tpica 0,6 puntos. Si se pasa el test a 100 personas, Cuntas de esas
100 personas deberemos esperar que obtengan una puntuacin entre 209 y 211 puntos?
Tipificamos los extremos del intervalo:

209 210
1,67
0,6
211 210
z2
1,67
0,6
Y la probabilidad de que una persona obtenga puntuacin entre 209 y 211 es:
z1

p ( 209 X 211) p (1,67 z 1,67) p ( z 1,67) p ( z 1,67) 2 p( z 1,67) 1

2 0,9525 1 0,905

Con lo cual, la esperanza matemtica para las 100 personas es:

E= 100 . 0,905 = 90,5 personas estarn en el intervalo indicado.
Ejemplo, Se sabe que dos poblaciones distintas X e Y se distribuyen normalmente con media 0.
Adems, p(X. Se pide que calcules sus respectivas varianzas. Indicaciones: Si Z es normal con
parmetros 0, 1, entonces p ( Z 1) 0,8413 .
Las variables tipificadas sern, llamando s1 y s2 a las respectivas desviaciones tpicas:

z1

2
s1

z2

3
s2

Entonces para las respectivas probabilidades se tiene:

p ( X 2) p(Y 3) 0,1587 p ( z

2
1 p( z s ) 0,1587 p ( z
1

3
1 p( z ) 0,1587 p ( z

s2

2
3
) p ( z ) 0,1587
s1
s2

2
) 1 0,1587 0,8413
s1
3
) 1 0,1587 0,8413
s2

Y de aqu se tiene, siguiendo la indicacin dada en el enunciado, que:

2
1 s1 2 s12 4
s1
3
1 s 2 3 s 22 9
s2
que son las varianzas pedidas.
Ejemplo, Las precipitaciones anuales en una regin son, en media, de 2000 mm., con una desviacin
tpica de 300 mm. Calcular, suponiendo distribucin normal, la probabilidad de que en un ao
determinado la lluvia no supere los 1200 mm.
Tipificamos para obtener:

1200 2000
2,67
300

Y para la probabilidad pedida tenemos:

p ( X 1200) p ( z 2,67) 1 p ( z 2,67) 1 0,9962 0,0038

Ejemplo, Una variable aleatoria continua, tiene como funcin de densidad:

f ( x) k x 2

para

x 0,1

Calcular:
a)
El valor de la constante k.
b) La varianza de dicha distribucin.
Para que se cumpla la condicin de normalizacin, se tendr:
1

kx 3
F ( x ) kx dx 1
3
0

k
1 k 3
3

Y entonces la funcin densidad es:

f(x)=3x2
Por otro lado vamos a calcular la media y la desviacin tpica, usando las definiciones:
1

m
0

3x 4
f ( x) xdx 3 x dx
4
0

3
0,75
4

3
3x 9
s ( x m) 2 f ( x )dx ( x ) 2 3 x 2 dx ( x 2
) 3 x 2 dx
4
2 16
0
0
0
1

3 x 3 27 x 2
3 x 5 3 x 4 27 x 3
(
3
x

)
dx

0
2
16
5
8
48

3 3 27 189 63

0,7875
5 8 48 240 80

Y para la varianza tenemos:

s2=0,78752=0,6202
Ejemplo, Se sabe que la talla media de la poblacin en edad escolar es de 165 cm. con desviacin
tpica de 12 cm. Un centro tiene 1400 alumnos matriculados:
a)
Cuntos alumnos miden ms de 155 cm.?
b) Qu proporcin (%) de alumnos mide entre 150 y 178 cm.?
c)
Determinar la probabilidad de que un cierto alumno mida entre 170 y 185 cm.
Tipificamos el valor 155 y da:

155 165
0,83
12

Por tanto, la probabilidad de que un alumno mida ms de 155 es:

p ( X 155) p ( z 0,83) p( z 0,83) 0,7967

Cabe esperar, pues, que 0,7967 . 1400 = 1115 alumnos midan ms de 155 cm.
Tipificamos ahora los valores 150 y 178:

150 165
1,25
12
178 165
z2
1,08
12
z1

La probabilidad de que un alumno mida entre 150 y 178 cm. es:

p (150 X 178) p (1,25 z 1,08) p ( z 1,08) p ( z 1,25)

p ( z 1,08) 1 p ( z 1,25) p ( z 1,08) p ( z 1,25) 1 0,8599 0,8944 1

0,7543
Lo que supone un 75,43 % de los alumnos:
Tipficamos ahora los valores 170 y 185:

170 165
0,42
12
185 165
z2
1,67
12
z1

Y la probabilidad de que un alumno mida entre 170 y 185 cm. es:

p (170 X 185) p (0,42 z 1,67) p( z 1,67) p ( z 0,42) 0,9525 0,662 0,2897

__________________________________________________________________
Ejemplo, El peso de 600 alumnos se distribuye segn una distribucin normal N(67; 5).
Calcula cuntos de ellos pesan:
a)
Ms de 80 kg.

b) Menos de 50 kg.
c)
Entre 50 y 80 kg.
Tipificamos los valores 50 y 80 kg.:

50 67
3,4
5
80 67
z2
2,6
5
z1

La probabilidad de que un alumno pese ms de 80 kg. es:

p ( X 80) p ( z 2,6) 1 p ( z 2,6) 1 0,9953 0,0047

Cabe esperar, por tanto, que:

E 600 0,0047 2,82 3 alumnos pesen ms de 80 kg.

La probabilidad de que un alumno pese menos de 50 kg. es:

p ( X 50) p ( z 3,4) p ( z 3,4) 1 p( z 3,4) 1 1 0 y ningn alumno pesa

menos de 50 kg.
La probabilidad de que un alumno pese entre 50 y 80 kg. es:

p(50 X 80) p (3,4 z 2,6) p( z 2,6) p ( z 3,4) p( z 2,6) p ( z 3,4) 1

0,9953 1 1 0,9953
Cabe esperar, pues que: E= 0,9953 . 600 = 597 alumnos pesen entre 50 y 80 kg.
Ejemplo, Tras un test de cultura general se observa que las puntuaciones obtenidas siguen una
distribucin N(65; 18). Se desea clasificar a los examinados en tres grupos (de baja cultura general, de
cultura general aceptable y de excelente cultura general) de modo que haya en el primero un 20 % de
la poblacin, un 65 % en el segundo y un 15 % en el tercero. Cules han de ser las puntuaciones que
marcan el paso de un grupo al otro?
De los datos del problema se infiere que:

p ( z z1 ) 0,2

(1)

p ( z1 z z 2 ) 0,65
p ( z z 2 ) 0,15

(2)

(3)

De (1) se deduce (al ser 0,2<0,5) que z1 es negativo, as que:

p ( z z1 ) p ( z z1 ) 1 p ( z z1 ) 1 0,2 0,8 z1 0,85 z1 0,85

x1 0,85 18 65 49,7 50

puntos

De (2) se deduce que:

p ( z1 z z 2 ) p( z z 2 ) p ( z z1 ) p ( z z 2 ) 0,2 0,65 p ( z z 2 ) 0,85

z 2 1,04 x 2 1,04 18 65 83,7 84

Podemos, pues, tomar como notas de corte 50 y 84 puntos y afirmar que:
Por debajo de 50 puntos tienen baja cultura general.
Entre 50 y 84 puntos tienen cultura general aceptable.
Por encima de 84 puntos tienen cultura general excelente.
Ejemplo, La presin sangunea de ciertos enfermos sigue una ley normal de media 90 mm. Hg y de
desviacin tpica 12 mm. Hg. Hallar la probabilidad de que elegido un paciente al azar:

a)
Su presin sea mayor de 115 mm. Hg.
b) Su presin est comprendida entre 80 y 100 mm. Hg.
Tipificando los valores 90, 80 y 100 tenemos:

115 90
2,08
12
80 90
z2
0,83
12
100 90
z3
0,83
12
z1

La probabilidad de que la presin sea mayor de 115 mm. Hg. es:

p ( X 115) p ( z 2,08) 1 p ( z 2,08) 1 0,9812 0,0188

Y la probabilidad de que la presin est comprendida entre 80 y 100 mm. Hg:

p (80 X 100) p(0,83 z 0,83) p ( z 0,83) p( z 0,83) p( z 0,83)

1 p ( z 0,83) 2 p ( z 0,83) 1 2 0,7967 1 0,5934

Ejemplo, En una muestra de 1000 personas de una determinada poblacin, result que la talla media
era de 170 cm. con una desviacin tpica de 10 cm. Sabiendo que la talla se distribuye normalmente,
calcula el nmero de personas que miden:
a)
Menos de 160 cm.
b) Ms de 2 m.
Tipificamos los valores dados:

160 170
1
10
200 170
z2
3
10
z1

La probabilidad de medir menos de 160 cm. es:

p ( X 160) p ( z 1) p ( z 1) 1 p ( z 1) 1 0,8413 0,1587

Por lo que cabe esperar que:

E= 1000 . 0,1587 =158,7 159 personas midan menos de 160 cm.

La probabilidad de medir ms de 2 m. = 200 cm. es:

p ( X 200) p ( z 3) 1 p ( z 3) 1 1 0

Por lo que cabe esperar que nadie mida ms de 2 m.

Ejemplo, En una clase hay 15 alumnos y 20 alumnas. El peso medio de los alumnos es de 58,2 kg. y el
de las alumnas 52,4 kg. Suponiendo que las desviaciones tpicas de los dos grupos son,
respectivamente, 3,1 kg. y 5,1 kg. El peso de Juan L. es 70 kg. y el de Pilar S. es 65 kg. Cul de ellos
puede, dentro del grupo de alumnos de su sexo, considerarse ms grueso?
Tipificamos los valores dados dentro de cada sexo:

70 58,2
3,81
3,1
65 52,4
zP
2,47
5,1
zJ

Como:

p ( z 3,81) p ( z 247)

pues

1 0,932

Se puede afirmar que Juan L. es igual de grueso que Pilar S. dentro de su grupo de sexo. Entre los
chicos habrn 1 . 15 = 15 (todos) alumnos que pesan menos que Juan L. Entre las chicas habrn 0,9932
. 20 = 19,8

20 alumnas (todas) pesan menos que Pilar S.

Luego, tanto Juan L. como Pilar S. son los ms gruesos de su sexo.

Ejemplo, Una persona A mide 1,75 m. y reside en una ciudad donde la estatura media es de 1,60 m. y
su desviacin tpica es de 20 cm. Otra persona B mide 1,80 m. y vive en una ciudad donde la estatura
media es de 1,70 m. y la desviacin tpica es de 15 cm. Cul de las dos ser ms alta respecto a sus
conciudadanos?
Tipificamos los valores dados:

175 160
0,75
20
180 170
zB
0,67
15
zA

Como:

p ( z 0,75) p ( z 0,67)

pues

0,7734 0,7486

La probabilidad de medir en la primera ciudad menos de 175 cm es mayor que la de medir en la

segunda menos de 180. Si ambas ciudades tuvieran el mismo nmero de habitantes, habria ms
ciudadanos en la 1 con estaturas inferiores a la de A que en la 2 con estaturas inferiores a la de B, por
tanto A es ms alto con relacin a sus conciudadanos.
Ejemplo, Las ventas de una determinada revista en un kiosko tienen de media 190 y una desviacin
tpica de 25. Cuntos ejemplares de la revista deben encargar para atender al 80 % de los clientes?
Para que p=0,8, se ha de cumplir que:

p ( z z1 ) 0,8 z1 0,85

Con lo que se han de encargar:

x= 0,85 . 25 + 190 = 211,25 revistas para atender al 80 % de los clientes.
TEOREMA CENTRAL DEL LMITE
Ejemplo, La variable tirar una moneda al aire sigue la distribucin de Bernoulli. Si lanzamos la
moneda al aire 50 veces, la suma de estas 50 variables (cada una independiente entre si) se distribuye
segn una distribucin normal.
Este teorema se aplica tanto a suma de variables discretas como de variables continuas. Los parmetros
de la distribucin normal son Media: n* (media de la variable individual multiplicada por el nmero
de variables independientes), y Varianza: n*(varianza de la variable individual multiplicada por el
nmero de variables individuales)

Ejemplo, Se lanza una moneda al aire 100 veces, si sale cara le damos el valor 1 y si sale Sello el valor
0. Cada lanzamiento es una variable independiente que se distribuye segn el modelo de Bernoulli, con
media 0,5 y varianza 0,25. Calcular la probabilidad de que en estos 100 lanzamientos salga ms de 60
caras.
La variable suma de estas 100 variables independientes se distribuye, por tanto, segn una distribucin
normal.
Media = 100 * 0,5 = 50
Varianza = 100 * 0,25 = 25
Para ver la probabilidad de que salgan ms de 60 caras calculamos la variable normal tipificada
equivalente z=(60-50)/5=2.0
Por lo tanto P(x>60) = P(z>2,0) = 1- P(z< 2,0) = 1 - 0,9772 = 0,0228
Es decir, la probabilidad de que al tirar 100 veces la moneda salgan ms de 60 caras es tan slo del
2,28%
Ejemplo:
Si asumimos que la resistencia de las baldosas se distribuye normalmente con
y
Resistencia de 100 Baldosas

1.
2.
3.
4.
5.
6.

Si extraemos una baldosa al azar : Cual es la probabilidad de que:

Resista menos de 448 Kg/cm2?
Resista ms de 588 Kg/cm2 ?
Resista entre 308 y 588 Kg/cm2 ?
Resista entre 168 y 728 Kg/cm2 ?
Resista ms de 600 Kg/cm2 ?
Resista menos de 200 ms de 700 Kg/cm2 ?
Con la ayuda de los valores tabulados:

CUESTIONARIO Y EJERCICIOS PROPUESTOS

1. La probabilidad de que un visitante efecte una compra en un almacn, durante un da
dado es 0.8. Si al negocio entran 20 clientes, cul es la probabilidad de que el almacn
realice:
1.1 Exactamente 16 ventas?
1.2 Menos de 17 ventas?
1.3 Ms de 14 ventas?
1.4 Exactamente 5 ventas?
1.5 Cul es el nmero esperado de ventas?
2. Si un almacn tiene en promedio 5 ventas por hora. Cual es la probabilidad de que en
una hora determinada:
2.1 Haya exactamente 4 ventas?
2.2 Haya ms de 3 ventas?
2.3 No se efecten ventas?
3. Una de cada 10 personas mayores de 40 aos de una comunidad, sufren de hipertensin.
Se toma una muestra de 50 personas mayores de 40 aos. Utilizando primero la distribucin
binomial y luego la aproximacin a la distribucin de Poisson, responder y comparar los
resultados:
3.1 Cul es la probabilidad que haya ms de 4 hipertensos?
3.2 Cul es la probabilidad que haya exactamente 5 hipertensos?

4. Un lote de arandelas tiene un dimetro normal con media 10 milmetros y desviacin tpica
0.5 milmetros. Se toma una arandela al azar. Cul es la probabilidad de que tenga un
dimetro:
4.1
4.2

Superior
Entre

4.3 Menos de 9 milmetros?

a
9

10.5
y

milmetros?
11

milmetros?