DISTRIBUCION

NORMAL

ING. SERGIO LOPEZ NIETO

DISTRIBUCIN NORMAL
o campana de Gauss-Laplace

ING. SERGIO LOPEZ NIETO

Esta distribucin es frecuentemente utilizada en

las aplicaciones estadsticas. Su propio nombre
indica su extendida utilizacin, justificada por la
frecuencia o normalidad con la que ciertos
fenmenos
tienden
a
parecerse
en
su
comportamiento a esta distribucin.
Muchas variables aleatorias continuas presentan
una funcin de densidad cuya grfica tiene
forma de campana.

ING. SERGIO LOPEZ NIETO

En resumen, la importancia de la distribucin normal se debe principalmente a que hay

muchas variables asociadas a fenmenos naturales que siguen el modelo de la normal
Caracteres morfolgicos de individuos (personas, animales, plantas,...) de una especie,
p.ejm. tallas, pesos, envergaduras, dimetros, permetros,...
Caracteres fisiolgicos, por ejemplo: efecto de una misma dosis de un frmaco, o de una
misma cantidad de abono.
Caracteres sociolgicos, por ejemplo: consumo de cierto producto por un mismo grupo
de individuos, puntuaciones de examen.
Caracteres psicolgicos, por ejemplo: cociente intelectual, grado de adaptacin a un
medio,...
Errores cometidos al medir ciertas magnitudes.
Valores estadsticos muestrales, por ejemplo : la media.
Otras distribuciones como la binomial o la de Poisson son aproximaciones normales, ...
Y en general cualquier caracterstica que se obtenga como suma de muchos factores.

ING. SERGIO LOPEZ NIETO

Funcin de densidad

= media
= desviacin estndar
= 3.1416
e = 2.71828

ING. SERGIO LOPEZ NIETO

La distribucin normal posee las siguientes caractersticas

principales:
1.- Tiene forma de campana y posee una sola cima en el centro de la
distribucin. La media, mediana, y la moda son iguales y se localizan en el
centro de la distribucin. El rea total bajo la curva es 1.
2.- Es simtrica respecto a la media.
3.- Desciende suavemente en ambas direcciones del valor central, es decir ,
la distribucin es asinttica. La curva se aproxima ms y ms al eje de las X.
sin tocarlo en realidad, las colas de la curva se extienden indefinidamente
en ambas direcciones.
4.- La localizacin de una distribucin normal se determina a travs de la
media . La dispersin o propagacin de la distribucin se determina por
medio de la desviacin estndar .

ING. SERGIO LOPEZ NIETO

La distribucin normal queda definida por dos parmetros, su media y su

desviacin estndar y la representamos as :
N(,)
Para cada valor de y tendremos una funcin de densidad distinta, por lo tanto
la expresin N(,) representa una familia de distribuciones normales.

Est caracterizada por dos parmetros

a).- Parmetro de localizacin: La media

b).- Parmetro de forma: La varianza

ING. SERGIO LOPEZ NIETO

Figura: Distribuciones gaussianas con igual media

pero varianza diferente.

ING. SERGIO LOPEZ NIETO

Figura: Distribuciones gaussianas con diferentes medias e igual desviacin.

ING. SERGIO LOPEZ NIETO

La media determina la posicin y la

desviacin
estndar
la
forma.
Una
desviacin estndar menor, genera una
curva ms delgada.

ING. SERGIO LOPEZ NIETO

Curvas normales con diferente media y

desviacin estndar

ING. SERGIO LOPEZ NIETO

El punto mximo de f(x) se encuentra en x =

f(x)

ING. SERGIO LOPEZ NIETO

La variable puede tomar valores de (

f(x)

ING. SERGIO LOPEZ NIETO

El rea total bajo la curva es 1

f(x)

0.5

0.5

ING. SERGIO LOPEZ NIETO

Sus puntos de inflexin se encuentran en

f(x)

Punto de inflexin

Punto de inflexin

ING. SERGIO LOPEZ NIETO

DISTRIBUCIN DE PROBABLIDAD
NORMAL ESTNDAR
Una variable aleatoria que tiene una distribucin normal
con media de cero y desviacin estndar de uno es
conocida como una distribucin de probabilidad normal
estndar.

f(z)
1 ( z ) 2 / 2
f ( z)
e
2

ING. SERGIO LOPEZ NIETO

DISTRIBUCIN DE PROBABLIDAD
NORMAL ESTNDAR
La letra z es comunmente usada para designar a la variable
aleatoria normal estndar mediante la conversin de la
varaiable x por medio de la siguiente relacin matemtica.

z
donde:

= media de la distribucin.
= desviacin estndar de la distribucin.
x = variable aleatoria.
z = variable aleatoria estndar.

1 ( z ) 2 / 2
f ( z)
e
2
ING. SERGIO LOPEZ NIETO

Los valores de Z antes de la media son negativos, despus de la media son positivos

f(z)

Z -

ING. SERGIO LOPEZ NIETO

Z +

Un valor x = 12 lo queremos transformar a

valor z

f(x)
Desviacin estndar = 0.8

Desviacin estndar =1

ING. SERGIO LOPEZ NIETO

12

Z=

x
z

f(x)
Desviacin estndar = 0.8

12 10
2.5
.8

Desviacin estndar =1

ING. SERGIO LOPEZ NIETO

12
Z = 2.5

x
z

Observe que P(x<10) = P(z<0) =0.50 porque son reas equivalentes

f(x)
Desviacin estndar = 0.8

Desviacin estndar =1

ING. SERGIO LOPEZ NIETO

x
z

Uso de la tabla normal estndar.

reas acumuladas desde z = - 3.49 hasta z = 3.49

0.01

-3.4 0.0003 0.0003

0.0002

-2.9 0.0019 0.0018

0.0014

-2.8 0.0026 0.0025

0.0019

-2.7 0.0035 0.0034

0.0026

-2.6 0.0047 0.0045

0.0036

-2.5 0.0062 0.0060

0.0048

.....
..

2.5 0.9938 0.9940

0.9952

2.6 0.9953 0.9955

0.9964

2.7 0.9965 0.9966

0.9974 LOPEZ NIETO
ING. SERGIO

0.02

0.03

0.04

0.05

0.06

0.07

z
0.08

0.09

0.0003 0.0003 0.0003 0.0003 0.0003 0.0003 0.0003

0.0018 0.0017 0.0016 0.0016 0.0015 0.0015 0.0014

0.0024 0.0023 0.0023 0.0022 0.0021 0.0021 0.0020
0.0033 0.0032 0.0031 0.0030 0.0029 0.0028 0.0027
0.0044 0.0043 0.0041 0.0040 0.0039 0.0038 0.0037
0.0059 0.0057 0.0055 0.0054 0.0052 0.0051 0.0049
..
0.9941

..
..
..
..
..
..
..
0.9943 0.9945 0.9946 0.9948 0.9949 0.9951

0.9956

0.9957 0.9959 0.9960 0.9961 0.9962 0.9963

0.9967

0.9968 0.9969 0.9970 0.9971 0.9972 0.9973

Uso de la tabla normal estndar.

Ejemplo: Dada una distribucin normal estndar, encuentre el rea

bajo la curva que cae
a) A la izquierda de z =1.43

p( z < 1.43 ) = ?

rea

ING. SERGIO LOPEZ NIETO

1.43

Uso de la tabla normal estndar.

rea
1.43

P( z < 1.43) = 0.9236

Z
0.0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
1.1
1.2
1.3
1.4

0
0.5000
0.5398
0.5793
0.6179
0.6554
0.6915
0.7257
0.7580
0.7881
0.8159
0.8413
0.8643
0.8849
0.9032
0.9192

0.01
0.5040
0.5438
0.5832
0.6217
0.6591
0.6950
0.7291
0.7611
0.7910
0.8186
0.8438
0.8665
0.8869
0.9049
0.9207

0.02
0.5080
0.5478
0.5871
0.6255
0.6628
0.6985
0.7324
0.7642
0.7939
0.8212
0.8461
0.8686
0.8888
0.9066
0.9222

0.03
0.5120
0.5517
0.5910
0.6293
0.6664
0.7019
0.7357
0.7673
0.7967
0.8238
0.8485
0.8708
0.8907
0.9082
0.9236

0.04
0.5160
0.5557
0.5948
0.6331
0.6700
0.7054
0.7389
0.7704
0.7995
0.8264
0.8508
0.8729
0.8925
0.9099
0.9251

0.05
0.5199
0.5596
0.5987
0.6368
0.6736
0.7088
0.7422
0.7734
0.8023
0.8289
0.8531
0.8749
0.8944
0.9115
0.9265

0.06
0.5239
0.5636
0.6026
0.6406
0.6772
0.7123
0.7454
0.7764
0.8051
0.8315
0.8554
0.8770
0.8962
0.9131
0.9279

0.07
0.5279
0.5675
0.6064
0.6443
0.6808
0.7157
0.7486
0.7794
0.8078
0.8340
0.8577
0.8790
0.8980
0.9147
0.9292

0.08
0.5319
0.5714
0.6103
0.6480
0.6844
0.7190
0.7517
0.7823
0.8106
0.8365
0.8599
0.8810
0.8997
0.9162
0.9306

0.09
0.5359
0.5753
0.6141
0.6517
0.6879
0.7224
0.7549
0.7852
0.8133
0.8389
0.8621
0.8830
0.9015
0.9177
0.9319

Observe, para calcular p(z <1.43) es : la acumulada a 1.43 que es 0.9236,

ING. SERGIO LOPEZ NIETO

Uso de la tabla normal estndar.

1-0.9236
0.9236
1.43

P( z >1.43) = 0.0764
Z
0.0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
1.1
1.2
1.3
1.4

0
0.5000
0.5398
0.5793
0.6179
0.6554
0.6915
0.7257
0.7580
0.7881
0.8159
0.8413
0.8643
0.8849
0.9032
0.9192

0.01
0.5040
0.5438
0.5832
0.6217
0.6591
0.6950
0.7291
0.7611
0.7910
0.8186
0.8438
0.8665
0.8869
0.9049
0.9207

0.02
0.5080
0.5478
0.5871
0.6255
0.6628
0.6985
0.7324
0.7642
0.7939
0.8212
0.8461
0.8686
0.8888
0.9066
0.9222

0.03
0.5120
0.5517
0.5910
0.6293
0.6664
0.7019
0.7357
0.7673
0.7967
0.8238
0.8485
0.8708
0.8907
0.9082
0.9236

0.04
0.5160
0.5557
0.5948
0.6331
0.6700
0.7054
0.7389
0.7704
0.7995
0.8264
0.8508
0.8729
0.8925
0.9099
0.9251

0.05
0.5199
0.5596
0.5987
0.6368
0.6736
0.7088
0.7422
0.7734
0.8023
0.8289
0.8531
0.8749
0.8944
0.9115
0.9265

0.06
0.5239
0.5636
0.6026
0.6406
0.6772
0.7123
0.7454
0.7764
0.8051
0.8315
0.8554
0.8770
0.8962
0.9131
0.9279

0.07
0.5279
0.5675
0.6064
0.6443
0.6808
0.7157
0.7486
0.7794
0.8078
0.8340
0.8577
0.8790
0.8980
0.9147
0.9292

0.08
0.5319
0.5714
0.6103
0.6480
0.6844
0.7190
0.7517
0.7823
0.8106
0.8365
0.8599
0.8810
0.8997
0.9162
0.9306

0.09
0.5359
0.5753
0.6141
0.6517
0.6879
0.7224
0.7549
0.7852
0.8133
0.8389
0.8621
0.8830
0.9015
0.9177
0.9319

Observe, para calcular p(z >1.43) es : a 1 le restamos la acumulada a 1.43

que es 0.9236, por lo tanto p(z > 1.43 ) = 0.0764
ING. SERGIO LOPEZ NIETO

Uso de la tabla normal estndar.

Ejemplo: Dada una distribucin normal, encuentre el rea bajo la

curva que cae
a) Entre z = -1.5 y

z =1.43

p(- 1.5 < z < 1.43) = ?

rea

-1.5

ING. SERGIO LOPEZ NIETO

1.43

Uso de la tabla normal estndar.

P(-1.5 < z < 1.43) = .9236
Z
-1.5

0.0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
1.1
1.2
1.3
1.4

0
0.0668

0.5000
0.5398
0.5793
0.6179
0.6554
0.6915
0.7257
0.7580
0.7881
0.8159
0.8413
0.8643
0.8849
0.9032
0.9192

0.01
0.0655

0.5040
0.5438
0.5832
0.6217
0.6591
0.6950
0.7291
0.7611
0.7910
0.8186
0.8438
0.8665
0.8869
0.9049
0.9207

0.02
0.0643

0.5080
0.5478
0.5871
0.6255
0.6628
0.6985
0.7324
0.7642
0.7939
0.8212
0.8461
0.8686
0.8888
0.9066
0.9222

0.03
0.0630

0.5120
0.5517
0.5910
0.6293
0.6664
0.7019
0.7357
0.7673
0.7967
0.8238
0.8485
0.8708
0.8907
0.9082
0.9236

ING. SERGIO LOPEZ NIETO

rea

- .0668 = .8568
0.04
0.0618

0.5160
0.5557
0.5948
0.6331
0.6700
0.7054
0.7389
0.7704
0.7995
0.8264
0.8508
0.8729
0.8925
0.9099
0.9251

0.05
0.0606

0.5199
0.5596
0.5987
0.6368
0.6736
0.7088
0.7422
0.7734
0.8023
0.8289
0.8531
0.8749
0.8944
0.9115
0.9265

0.06
0.0594

0.5239
0.5636
0.6026
0.6406
0.6772
0.7123
0.7454
0.7764
0.8051
0.8315
0.8554
0.8770
0.8962
0.9131
0.9279

0.07
0.0582

0.5279
0.5675
0.6064
0.6443
0.6808
0.7157
0.7486
0.7794
0.8078
0.8340
0.8577
0.8790
0.8980
0.9147
0.9292

-1.5
0.08

0.09

0.0571

0.5319
0.5714
0.6103
0.6480
0.6844
0.7190
0.7517
0.7823
0.8106
0.8365
0.8599
0.8810
0.8997
0.9162
0.9306

0.0559

0.5359
0.5753
0.6141
0.6517
0.6879
0.7224
0.7549
0.7852
0.8133
0.8389
0.8621
0.8830
0.9015
0.9177
0.9319

1.43

Observe:
rea = F(1.43) F(-1.5)

Observe, que esta tabla tiene valores acumulados a partir de z = 0, hay tablas
acumuladas desde z = -3.4 , por lo que el estudiante debe tener cuidado en la tabla
que va usar.

ING. SERGIO LOPEZ NIETO

Porcentajes de rea en algunos intervalos comunes.

El 68.26% de los valores de una variable
aleatoria normal estn entre +/- 1 desviacin
estndar de la media.
El 95.44% de los valores de una variable
aleatoria normal estn entre +/- 2
desviaciones estndar de la media.
El 99.72% de los valores de una variable
aleatoria normal estn entre +/- 3
desviaciones estndar de la media.

ING. SERGIO LOPEZ NIETO

ING. SERGIO LOPEZ NIETO

APROXIMACION DE LA DISTRIBUCION NORMAL Y LA BINOMIAL

Si un problema implica una muestra de 60, generar una
distribucin binomial para dicha cantidad tan grande
habra consumido demasiado tiempo.
Un enfoque ms eficiente consiste en aplicar la
aproximacin de la distribucin normal a la binomial.
Parece razonable emplear la distribucin normal
( continua ) en sustitucin de la distribucin binomial
( discreta) para valores grandes de n pues, conforme n se
incrementa , una distribucin binomial se aproxima cada
vez ms a una distribucin normal.

ING. SERGIO LOPEZ NIETO

La distribucin normal una buena aproximacin de la

distribucin binomial cuando np y n(1-p) son ambos 5 por lo
menos. Sin embargo, antes de aplicar la aproximacin normal,
debe estar seguro de que la distribucin de inters sea en
verdad una distribucin binomial.

Suponga que la administracin

de Santoni Pizza Restaurant se
da cuenta que 70% de sus
nuevos clientes regresan a
comer
.
Cul
es
la
probabilidad de que 60% o ms
clientes regresen a comer
durante una semana en la que
80
nuevos
(primera
vez)
clientes comen en Santoni?

ING. SERGIO LOPEZ NIETO

Observe en la siguiente grfica, una distribucin binomial que

representa el problema, adems una tabla donde aparecen las
probabilidades para diferentes valores de x ( de 43 a 68 ) que
se calcularon con la frmula de la binomial

P(X 60) = 0.063+0.048+ + 0.001) = 0.197

ING. SERGIO LOPEZ NIETO

Observe que de la distribucin

normal es el promedio de una
binomial.
La variancia de la distribucin
normal es la varaiancia de la
binomial.
Adems
observe
que
queremos calcular P( x
60), o sea desde 60 en
adelante,
pero
aqu
aparece desde 59.5 , esto
se debe a un factor de
correccin
de
continuidad.
Notar que llegamos a la
misma respuesta que en
la binomial
ING. SERGIO LOPEZ NIETO

Factor de correccin de continuidad: Valor de 0.5 restado o

sumado, segn se requiera, a un valor seleccionado cuando
una distribucin de probabilidad discreta se aproxima por
medio de una distribucin de probabilidad continua.
Como aplicar el factor de correccin :
1.- Para la probabilidad de que por lo menos ocurra x, se utiliza el rea por
encima de ( x-.5 ) ejemplo : P(x 60) se toma de 59.5
2.- Para la probabilidad de que ocurra mas x, se utiliza el rea por encima de
( x+.5 ) ejemplo : P(x > 60) se toma de 60.5
3.- Para la probabilidad de que ocurra x o menos, se utiliza el rea debajo de
( x+.5 ) ejemplo : P(x 60) se toma de 60.5
4.- Para la probabilidad de que ocurra menos que x, se utiliza el rea debajo
de ( x-.5 ) ejemplo : P(x< 60) se toma de 59.5
5.- Para la probabilidad de que ocurra exactamente x , se utiliza el rea entre
x .5 , por ejemplo P( x = 60) se toma el rea desde 59.5 a 60.5
ING. SERGIO LOPEZ NIETO

P ( x 60) = ?

1.- Para la probabilidad de que por lo

menos ocurra x, se utiliza el rea por
encima de ( x-.5 ) ejemplo : P(x 60)
se toma de 59.5

ING. SERGIO LOPEZ NIETO

ejemplos

ING. SERGIO LOPEZ NIETO

Una refaccionaria vende auto-partes y refacciones incluyendo

un popular aceite multigrado. Cuando la existencia de este
aceite cae a 20 galones, se pone una orden de relleno.
El encargado de la tienda est preocupado porque las ventas
han disminuido debido a inexistencias mientras que espera
por una orden. Se ha determinado que el plazo de demanda
(x)
est normalmente distribuido con una media de 15
galones y una desviacin estndar de 6 galones
El encargado quisiera saber la probabilidad de inexistencia, p
(x > 20).

ING. SERGIO LOPEZ NIETO

La tabla normal estndar muestra un rea acumulada de 0.7967 hasta z = 0.83.

El rea despus de z =0.83 es de 1-0.7967 = 0.2033
La probabilidad de inexistencia es de 0.2033.
z = (x - )/
= (20 - 15)/6

Area = .2967

= .83

Area = 0.2033
Area = 0.7967
0 .83
ING. SERGIO LOPEZ NIETO

Tabla con valores acumulados a partir de z = 0

.00
z
.0 .0000
.1 .0398

.01

.02

.03

.04

.05

.06

.07

.08

.09

.0040 .0080 .0120 .0160

.0438 .0478 .0517 .0557
.2 .0793 .0832 .0871 .0910 .0948
.3 .1179 .1217 .1255 .1293 .1331
.4 .1554 .1591 .1628 .1664 .1700

.0199 .0239 .0279 .0319

.0596 .0636 .0675 .0714
.0987 .1026 .1064 .1103

.0359
.0753

.5 .1915 .1950 .1985 .2019 .2054

.6 .2257 .2291 .2324 .2357 .2389
.7 .2580 .2612 .2642 .2673 .2704
.8 .2881 .2910 .2939 .2967 .2995

.2088 .2123 .2157 .2190 .2224

.2422 .2454 .2486 .2518 .2549
.2734 .2764 .2794 .2823 .2852
.3023 .3051 .3078 .3106 .3133

.1141
.1368 .1406 .1443 .1480 .1517
.1736 .1772 .1808 .1844 .1879

.9 .3159 .3186 .3212 .3238 .3264 .3289 .3315 .3340 .3365 .3389

ING. SERGIO LOPEZ NIETO

Si el encargado de la refaccionaria quiere que la

probabilidad de inexistencia sea de 0.05, Cul sera el
punto de reordenamiento?

Area = 0.05

Area = .5

Area = .
45

z.05

El valor de z que tiene el rea hacia su derecha de 0.05, es de

1.645
ING. SERGIO LOPEZ NIETO

Ahora observamos el rea despus de la

media de 0.4500 en la tabla de Probabilidad
normal estndar para encontrar el valor
a z.05.04 .05 .06 .07 .08 .09
.00
.01
.02
.03
zcorrespondiente
.
.
.
.
1.5 .4332 .4345 .4357
1.6 .4452 .4463 .4474
1.7 .4554 .4564 .4573

.4370 .4382 .4394

.4484 .4495 .4505
.4582 .4591 .4599

.4406 .4418 .4429

.4515 .4525 .4535
.4608 .4616 .4625

.
.4441
.4545

.4633
1.8 .4641 .4649 .4656 .4664 .4671 .4678 .4686 .4693 .4699 .4706
1.9 .4713 .4719 .4726 .4732 .4738 .4744 .4750 .4756 .4761 .4767
.
.
.
.
.
.
.
.
.
.
.

z.05 = 1.645 es el valor de z que tiene el rea de 0.05

hacia su derecha.
ING. SERGIO LOPEZ NIETO

El valor correspondiente de x es dado por

x = + z.05
= 15 + 1.645(6)
= 24.87
Un punto de reordenamiento de 24.87 galones
situara la probabilidad de una inexistencia
durante el plazo de demanda a 0.05. Tal vez la
refaccionaria debera mandar su punto de
reordenamiento a 25 galones para mantener la
probabilidad debajo de .05.

ING. SERGIO LOPEZ NIETO

La vida media de una lmpara, segn el

fabricante, es de 68 meses, con una
desviacin de 5 meses. Se distribuye segn
una distribucin normal.
En un lote de 10 000 lmparas.
a)
Cuntas
lmparas
superarn
previsiblemente los 75 meses?
b) Cuntas lmparas se estropearn antes de
60 meses?

ING. SERGIO LOPEZ NIETO

a). Solucin
z = (75 -68)/5 = 1.4
p (X > 75) = p (z > 1.4) = 1 - P (z 1.4) = 1 0.9192 = 0.0808
Por lo tanto el 8.08% de las lmparas
(808 lmparas) superarn los 75 meses.

Aqu es usando una tabla acumulada

comenzando de z = 0

b). Solucin
z = (60 -68)/5 = -1.6
P (X 60) = (z -1.6) = P (z> 1.6) = 1 - P (z 1.6) = 0.0548
Por lo tanto, el 5.48% del lote (548 lmparas) no llegarn probablemente a
durar 60 meses

ING. SERGIO LOPEZ NIETO

tabla acumulada comenzando de z = 0

z
.

.00
.

.01
.

.02
.

.03
.

.04
.

.05
.

1.5 .4332 .4345 .4357 .4370 .4382

1.6 .4452 .4463 .4474 .4484 .4495
1.7 .4554 .4564 .4573 .4582 .4591
1.8 .4641 .4649 .4656 .4664 .4671

.06
.

.07
.

.08
.

.09
.

.4394 .4406 .4418 .4429 .4441

.4505 .4515 .4525 .4535 .4545
.4599 .4608 .4616 .4625 .4633
.4678 .4686 .4693 .4699 .4706

1.9 .4713 .4719 .4726 .4732 .4738 .4744 .4750 .4756 .4761 .4767
.
.
.
.
.
.
.
.
.
.
.
Se est calculando un rea
simtrica

P (z> 1.6) = 1 - P (z 1.6) = 0.0548

-1.6
ING. SERGIO LOPEZ NIETO

1.6

Un profesor determin que el promedio final en su curso de

estadstica tiene una distribucin normal con media de 72 y
desviacin estndar de 5. Decidi asignar las calificaciones
del curso de manera que 15% de los alumnos reciban una
calificacin de A.
Cul es el promedio ms bajo que un alumno puede tener
para
obtener
una
A?

Sea x el promedio ms bajo.

Encuentre x de manera que P(X > x) = 0.15.
El valor z correspondiente es 1.04.
As se tiene:

x=z+

x = 1.04(5)+72 = 77.2
0.15

X=77.2
Z=1.04
ING. SERGIO LOPEZ NIETO

Un informe reciente de BusinessWeek seala que el 20 % de los

empleados le roba a la empresa cada ao. Si una compaa tiene 50
empleados. Cul es la probabilidad de que menos de 5 roben?
= np = (50) (.20) = 10

= npq = (50)(.2)(.8)=2.828

P(x <5 ) ?

P(x<5) = p(z -1.94) = .0262

2.62%

Z
Z=-1.94
ING. SERGIO LOPEZ NIETO

Un informe reciente de BusinessWeek seala que el 20 % de los

empleados le roba a la empresa cada ao. Si una compaa tiene 50
empleados. Cul es la probabilidad de que ms de 5 roben?
= np = (50) (.20) = 10

= npq = (50)(.2)(.8)=2.828

P(x >5 ) ?

P(x>5) = p(z -1.59) = 0.9441

94.41%

Z
Z=-1.59
ING. SERGIO LOPEZ NIETO

Un informe reciente de BusinessWeek seala que el 20 % de los

empleados le roba a la empresa cada ao. Si una compaa tiene 50
empleados. Cul es la probabilidad de que por lo menos 5 roben?
= np = (50) (.20) = 10

= npq = (50)(.2)(.8)=2.828

P(x 5 ) ?

P(x5) = p(z -1.94) = 0.9738

97.38%

Z
Z=-1.94
ING. SERGIO LOPEZ NIETO

Un informe reciente de BusinessWeek seala que el 20 % de los

empleados le roba a la empresa cada ao. Si una compaa tiene 50
empleados. Cul es la probabilidad de que 5 roben?
= np = (50) (.20) = 10

= npq = (50)(.2)(.8)=2.828

P(x =5 ) ?
P(x=5) = p( -1.94<Z<-1.59) =0.0297
2.97%

Z
Z=-1.94

Z= -1.59

ING. SERGIO LOPEZ NIETO

FIN

ING. SERGIO LOPEZ NIETO