INTRODUCCION

Una de las herramientas de mayor uso en las empresas

es la utilizacin de la curva normal para describir
situaciones donde podemos recopilar datos. Esto nos
permite tomar decisiones que vayan a la par con las
metas y objetivos de la organizacin.
En este mdulo se describe la relacin de la
Distribucin normal con la Distribucin normal
estndar. Se utilizan ejemplos y ejercicios donde se
ensea sobre la determinacin de probabilidades y sus
aplicaciones.

DISTRIBUCIONES IMPORTANTES DE
VARIABLES ALEATORIAS CONTINUAS

Volumen de produccin,
Tiempo de procesamiento de un producto,
Rendimiento promedio por mquina
Costo de operacin mensual
Tienen valores que no estn circunscritos a un nmero finito de
posibilidades, sino que pueden variar continuamente en un
intervalo dado; por tanto necesitamos un mtodo diferente al de
las discretas para poder calcular las probabilidades asociadas con
los posibles valores de estas variables

DISTRIBUCION NORMAL
La distribucin normal es una de las distribuciones ms usadas e
importantes. Se ha desenvuelto como una herramienta
indispensable en cualquier rama de la ciencia, la industria y el
comercio.
Muchos eventos reales y naturales tienen una distribucin de
frecuencias cuya forma es muy parecida a la distribucin normal. La
distribucin normal es llamada tambin campana de Gauss por su
forma acampanada.
Cuando se incluyen todos los datos de un proceso o poblacin, sus
parmetros se indican con letras griegas, tales como: promedio o
media = (mu), y desviacin estndar (indicador de la dispersin de
los datos) = (sigma).

PROPIEDADES DISTRIBUCION NORMAL ESTANDAR

La distribucin normal estndar tiene media = 0 y desviacin estndar =1.
La media, Mediana y Moda coinciden, son iguales y se localizan en el pico.
La desviacin estndar
sigma representa la
distancia de la media al
punto de inflexin de la
curva normal

X
x-3

x-2

x-

x+

x+2

x+3

z
-3

-2

-1

El rea bajo la curva o probabilidad de menos infinito a ms infinito vale 1.

La distribucin normal es simtrica, la mitad de curva tiene un rea de 0.5.
La escala horizontal de la curva se mide en desviaciones estndar.
La forma y la posicin de una distribucin normal dependen de los parmetros , por
lo que hay un nmero infinito de distribuciones normales.

DISTRIBUCION NORMAL
Existe una relacin del porcentaje de probabilidad o rea bajo la curva normal a la
desviacin estndar. En la figura observamos por ejemplo que el rea bajo la curva
para +/- 1s tiene un porcentaje de 68.26%, +/- 2s = 95.46% y +/- 3s= 99.73%.

-3s

-2s

-1s

+1s +2s +3s

68.26%
95.46%
99.73%

Lo anterior se puede calcular con la Tabla de distribucin normal o con Excel (Fx
=distr.norm.estand(Z) proporciona el rea desde menos infinito hasta Z).
En la tabla normal, se busca el valor de Z y se encuentra el rea bajo la curva.
La primera tabla sirve para determinar el rea o probabilidad que se encuentra
fuera de los lmites de especificaciones. La segunda tabla proporciona valores de
rea bajo la curva para Zs mayores a cero.

DISTRIBUCION NORMAL
Estandarizacin de valores reales
En la prctica, se tienen valores reales de promedio diferentes de cero y con
desviacin estndar diferentes de uno, para determinar la probabilidad o rea
bajo la curva, se determina el nmero de desviaciones estndar Z entre algn
valor X y la media de la poblacin o de la muestra X como sigue:
Z

XX
s

s se consideran los datos completos del proceso.

s se consideran slo los datos de una muestra.

Ejemplo:
El departamento de personal de una empresa requiere que los solicitantes a un puesto
en cierta prueba alcancen una calificacin de 500. Si las calificaciones de la prueba se
distribuyen normalmente con media 485 y desviacin estndar 30 Qu porcentaje de
los solicitantes pasar la prueba?. Calculando el valor de Z obtenemos:
Z

500 485
0.5
30

Buscamos el valor correspondiente Z en las tablas de distribucin normal estndar o por

medio de Excel =distr.norm.estand(0.5). Z0.5 = 0.69146 = 69.146%. donde la probabilidad
de que la calificacin sea menor a 500 es P (X <= 500). Dado que el porcentaje pedido es
la solucin es 1-0.69146 =0.3085, por tanto slo 30.85% de los participantes pasarn la
prueba.
Otra forma es tomando la Z como negativa con P(Z <= -0.5) = 0.3085.
485

30.85%

Z.05

TEOREMA del LIMITE CENTRAL

A medida que el tamao de la muestra se incrementa (n), la
distribucin muestral de la media se aproxima a la distribucin normal
independientemente de la distribucin de la poblacin original de la
cual se obtuvieron las muestras.
La aproximacin es suficientemente buena para n > 30.
_
Las medias muestrales X se distribuyen normalmente con una media
igual a y una desviacin estndar igual a x .
El estadgrafo Z se define por

DISTRIBUCION DE MUESTREO DE LA MEDIA

La distribucin muestral de la media es la distribucin de
Probabilidad de todos los posibles valores de la media muestral de
la media.

1. Desviacin Estndar de todas las medias Muestrales posibles,

Mide la dispersin de todas las posibles medias muestrales,
2. Es menor que la Desviacin Estndar de la Poblacin
3. Frmula:

DISTRIBUCION DE MUESTREO DE PROPORCIONES

La distribucin de muestreo de proporciones p es la distribucin
de probabilidad de todos los posibles valores de la proporcin
muestralp.
1. Variable Categrica.
2. % de la Poblacin que tiene una Caracterstica.
3. Slo hay dos resultados, Distribucin Binomial
Posee - No Posee la Caracterstica
4. Proporcin Muestral ( p )
5. La distribucin de proporciones se aproxima a una distribucin
normal.

x
# Exitos
p
n TamaoMuestra