SABERES PREVIOS

La funcin de Densidad se calcula para variables

aleatorias ?
La estatura de un jugador de basquetbol americano
seguir una distribucin de probabilidad?
El peso de un recin nacido tendr un
comportamiento estadstico o estar asociado a
una distribucin de probabilidad?

Se podr determinar la probabilidad

que un recin nacido tenga un peso
superior a 2800 y menor a 3500 gr. ?

DISTRIBUCIONES DE PROBABILIDAD
CONTINUA NORMAL Y NORMAL
ESTNDAR

LOGRO DE LA SESION
Al finalizar la sesin, el estudiante
ser
capaz
de
calcular
probabilidades haciendo uso de la
distribucin normal y normal
estndar.

Introduccin
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 esta sesin 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.

DISTRIBUCION NORMAL DE GAUSS

Distribucin Normal
La Distribucin normal fue presentada por primera vez
por el francs Abraham de Moivre en un artculo del
ao 1733.
El resultado de Abrahan de Moivre fue ampliado por

Laplace

en

su

libro

teora

analtica

de

las

probabilidades (1812)

Posteriormente, Carl Friedrich Gauss realiz

estudios ms a fondo donde formula la
ecuacin de la curva conocida comnmente

Abraham de Moivre
( 1667- 1754)
Matemtico Francs

como Campana de Gauss".

Pierre Simn Laplace
Carl Friedrich Gauss
( 1749 - 1827)

( 1777 - 1855)

Astrnomo, Fsico y Matemtico

Francs

Astrnomo, Fsico y Matemtico

Alemn

Funcin de densidad de la distribucin Normal

Se dice que la variable aleatoria continua X, se distribuye normalmente con media
y varianza 2, si su funcin de densidad est dado por:

Grfica de la Distribucin Normal

10

Caractersticas de la Distribucin Normal

Es simtrica con respecto a su media como muestra en el grfico
N 1 la curva hacia cualquier de los lados de es una imagen de
espejo de la del otro lado.

Grfico N 01

11

Caractersticas de la Distribucin Normal

Es asinttica con respecto al eje X es decir, la curva no intercepta el eje X.
Los valores de la media, mediana y la moda son iguales.
El rea encerrada bajo la curva y por encima del eje X es igual a la
unidad, de aqu el rea bajo la curva entre dos abscisas X = a y X = b,
donde a < b representa la probabilidad de que X se encuentre entre a y b
y se denota por P (a X b).

12

reas Bajo la Curva Normal

Aproximadamente 68.26% del rea bajo la curva normal est esta dentro de ms menos una
desviacin estndar respecto de la media. Esto se expresa como 1
Aproximadamente 95.44% del rea bajo la curva normal est dentro de ms menos dos
desviaciones estndar respecto de la media. Esto se expresa como 2
Aproximadamente 99.7% del rea bajo la curva normal est dentro de ms menos tres
desviaciones estndar respecto de la media. Esto se expresa como 3

13

Distribucin Normal Estndar

Si se tiene una variable aleatoria X normal con media y varianza 2
puede ser transformada a una variable aleatoria estandarizada Z, por la
siguiente transformacin:

Con

Media z = 0

y varianza2 z = 1

14

Funcin de densidad de la distribucin Normal Estndar

Si Z es una variable que tiene una distribucin normal, con media = 0 y 2 =1
entonces a Z se llama variable normal estndar si su funcin de densidad es:

En este caso podemos denotar la distribucin normal estndar

por:

Se lee, Z tiene una distribucin normal estndar con media

cero y varianza 1.

15

Caractersticas de la Distribucin Normal Estndar

Es simtrica con respecto a su media

Es asinttica respeto a Z, es decir, la curva no intercepta el eje Z
El rea bajo la curva normal es uno.

La media, mediana y la moda son iguales a cero.

16

Caractersticas de la
distribucin normal estndar.
No depende de ningn parmetro.
Su media es 0, su varianza es 1 y su
desviacin estndar es 1.
La curva f(x) es simtrica respecto del
eje de Y
Tiene un mximo en el eje de Y.
Tiene dos puntos de inflexin en z=1
y z=-1

rea bajo la curva normal estndar

El rea bajo la curva normal
estndar es til para asignar
probabilidades de ocurrencia de la
variable X.
Debemos tomar en cuenta que
el rea total bajo la curva es igual a
1. Y que, por ser una grfica
simtrica, cada mitad tiene un rea
de 0.5.

Pasos para determinar el rea bajo la

curva normal estndar
Paso 1 - Interpretar grficamente el rea de inters.
Paso 2 - Determinar el valor Z

Paso 3 - Buscar en la tabla de probabilidades.

Paso 4 - Hacer la suma o resta de reas para encontrar la probabilidad
deseada

FRMULAS PARA CALCULAR EL REA DEBAJO DE LA CURVA NORMAL

Valor de Z=z
Estandarizado: de un
valor de -4 a 4

Probabilidad dada para

un valor de Z
estandarizado de la
forma: P(Z z)

USO DE LA TABLA NORMAL ESTANDAR

P(Z 1.17) =

Ejercicios 02
En una distribucin Normal estandarizada, determine las siguientes probabilidades

a) P( Z < 2.22)
b) P(Z -1.25)

c) P(Z 1.96)
d) P(Z > 2.33)
e) P(Z > -1.5 )
f) P(1.10 Z 2.20)
g) P( -1.50 Z 2.33)

26

Ejercicios 03
Hallar el valor de Zo tal que:
a.

P (Z Zo) = 0.9495

b.

P (Z Zo) = 0.8686

c.

P (Z > Zo) = 0.0170

d.

P (-Zo Z Zo) = 0.6827

e.

P (Zo Z Zo) = 0.9876

27

Ejemplo 4

Una embotelladora de gaseosas envasa sus

productos en latas cuyo contenido neto sigue
una distribucin normal con media igual 12

onzas y varianza 0.0625 (onzas)2 si se elige al

azar una lata. Hallar la probabilidad de que
su contenido
a. Sea menor que 12.5 onzas.

b. sea mayor que 12.29

28

Solucin
a. La probabilidad de que su contenido sea menor que 12.5 onzas.
Sea X: Contenido de las latas de Gaseosas.
= 12 onzas

2 = 0.0625

nos piden :

= 0.25

P(Z < 2)

P (X < 12.5) = P ( Z < 2) = 0.9772

Estandarizamos la variable X

Z=

X- m
s

12.5 - 12
=2
0.25

29

Solucin
b.

La probabilidad de que su contenido sea mayor que 12.29 onzas.

Sea X: Contenido de las latas de Gaseosas.
= 12 onzas

2 = 0.0625

= 0.25

nos piden :
P(Z>1.16)

P (X > 12.29) = P( Z > 1.16) =

1- P(Z 1.16)

= 1- 0.8770
= 0.123

Estandarizamos la variable X
Z=

X- m
s

P(Z 1.16)

P( Z > 1.16)

12.29 - 12
= 1.16
0.25

30

 Ejemplo:
Qu porcentaje de atletas de varios equipos de bsquetbol tienen un
porcentaje de grasa mayor de 19, sabiendo que la media es de 16 con una
desviacin estndar de 3.6.
Solucin: Usando la frmula de la normal estandarizada:

X= 19, = 3.6, = 16, obtenemos: z= (19-16)/3.6,

entonces z= 0.8333, buscamos en la tabla y
encontramos que el porcentaje de atletas con grasa
corporal arriba de 19 es del 20.33%

Verificando mis Logros

La calificaciones de los 500 aspirantes presentados a un examen para contratacin

laboral, se distribuye normalmente con media 7 y varianza de 4
Encuentre :
a. La probabilidad de que un aspirante obtenga 8 puntos o ms
b. El porcentaje de aspirantes con calificaciones inferiores o iguales a 5 puntos
c. Cuntos aspirantes obtuvieron calificaciones comprendidas entre 5 y 8
puntos

Solucin :
a) La probabilidad de que un aspirante obtenga 8 puntos o ms P (X 8)
P ( X 8 ) = 1 - P ( X 8 ) = 1 P ( Z 0.5) = 1 0.6915 = 0.3085
Tipificando :

87
0.5
2

Ver tabla y comprobar con

Mega Stat.

N ( 7; 2)

7 8
0 0.5

(X)
(Z)

La probabilidad de que un aspirante obtenga 8 puntos o ms es de 0.3085.

Solucin:
b) El porcentaje de aspirantes con calificaciones inferiores o iguales a 5 puntos.
P ( X 5) = P ( Z -1) = 0.1587
Tipificando

Ver tabla y comprobar con

Mega Stat.

57
1
2

N ( 7; 2)

El porcentaje de aspirantes con

calificaciones inferiores o iguales a 5
puntos es de 15.87%

5
-1

7
0

( X)
(Z)

Solucin:
c) Cuntos aspirantes obtuvieron calificaciones comprendidas entre 5 y 8 puntos
P ( 5 X 8 ) = P ( X 8 ) - P ( X 5 ) = P ( Z 0.5 ) - P ( Z -1 ) =

Tipificando

Ver tabla y comprobar con

Mega Stat.

87
0.5
2

57
z
1
2

N ( 7; 2)

P ( Z 0.5) - P ( Z -1) = 0.6914 0.1587

P ( Z 0.5) - P ( Z -1) =0.5328

5
-1

7 8 ( X)
0 0.5 ( Z )

Luego como nos piden cuantos aspirantes se encuentran en ste intervalo multiplicamos la
probabilidad por el total de aspirantes: 500 * 0.5328=266.40 aprox 267 aspirantes

QU HEMOS VISTO?
Distribucion de probabilidad continua: Normal y
Normal Estandar.
Caracteristicas.
Uso de tabla.
Desarrollo de Ejercicios utilizando el
Complemento de Excel Megastat.

No existe la suerte. Slo hay preparacin adecuada o

inadecuada para hacer frente a una estadstica.
Robert Heinlein

Bibliografa
1. Moya C. Rufino.

Teora de Probabilidad e inferencia

estadstica 519.5 MOYA

2. Milton, Susan.

Probabilidad y estadstica 519 MILT

37

38