AREAS BAJO LA CURVA NORMAL

Conceptos preliminares:

La Distribucin Normal:

Es una distribucin cuyas variables aleatorias pueden tomar un nmero infinito de

posibles valores, o cuyas diferencias entre si pueden ser infinitesimales; por lo tanto es
una distribucin continua, ya que sus variables pueden medirse con el grado de
precisin que se desee.

Algunos ejemplos de variables continuas son las medidas de:

. Tiempo (aos, meses, das, horas, minutos, segundos, etc.)

. Distancia (Km, metros, centmetros, milmetros, etc.)

. Estatura

. Peso

. Coeficiente intelectual CI (IQ)

Importancia de la Distribucin Normal:

Existen numerosas variables que parecen seguir una forma similar a la

distribucin normal (pesos, alturas, coeficientes intelectuales, calificaciones en
exmenes, etc.)

La distribucin muestral de muchos estadgrafos muestrales como la media

tienen una distribucin aproximadamente normal e independiente de la
configuracin de la poblacin, si los datos son suficientemente numerosos.

Es una excelente aproximacin a otras distribuciones muestrales como la de

Poisson y Binomial, por ejemplo.

La Funcin Normal:

Es una curva lisa, de forma acampanada y unimodal como se presenta en la figura 1.1
Se dice que una variable x numrica de experimentacin con media aritmtica
probabilstica x y desviacin estndar probabilstica positiva x sigue una
distribucin normal o es una variable normal si tiene definida una funcin densidad de
probabilidad dada por (1.2). En este caso su probabilidad rayo del tipo k est dada
por (1.3).

F u n c 1i x n 2 d e d eFNn( x)s = i F d fnua( x)nddx c i

k n d e l r a y o
1 x
2 x


fn( x) = e
x 2
En las frmulas anteriores intervienen las siguientes
constantes:

1.2 Aproximadamente 3.141592 1.3

e Aproximadamente 2.718281

x Parmetro desviacin estndar probabilstica de x (variables normales

diferentes pueden tener distintas desviaciones estndar probabilsticas, pero para cada
variable normal, su desviacin estndar probabilstica es constante).

x Parmetro media aritmtica de probabilstica de x (variables normales diferentes

pueden tener distinta medias aritmticas probabilsticas, pero para cada variable
normal su media aritmtica probabilstica es constante).

Distribucin Normal Estandar o Tipificada

Una variable de experimentacin es estndar o tipificada si su media aritmtica

probabilstica es cero (0) y su desviacin estndar probabilstica es uno (1). Si una
variable de experimentacin x es normal y tipificada, su funcin de densidad de
probabilidad se denomina normal estndar o normal tipificada y se ajusta a la frmula
(1.4).

x2
1
(1.4)
fnt ( x) = e 2
2

*Curva Normal Tipificada (lo que interesa)

Con el fn de suprimir la individualidad de cada una de las distribuciones sealadas

grficamente, se convierte a la curva normal, en un modelo matemtico con
caractersticas fijas y definidas y as se hace posible el clculo de probabilidades. Este
proceso se conoce con el nombre de tipificacin de la curva normal. Para lo cual se
supone.

a) La media o promedio de la poblacin es cero =0

b) La desviacin estndar igual a uno

c) La variable independiente x, se transforma en un valor z.

-3 -2 -1 0 1 2 3

Desviacin normal estndar (Formulas de utilizacin)

Frmulas de clculo se reproducen a continuacin como las frmulas (1.5) y (1.6).

x x
z a x
x (1.5) za = (1.6)
x

Caracterstica de la curva normal tipificada

a) Es simtrica respecto a su media (50% a la derecha y 50% a la izquierda de la

media)

b) El rea encerrada es 1 o 100%

c) La media, mediana y moda son iguales

Ejemplos de los casos ms frecuentes del clculo de probabilidades de intervalos.
Ejemplo: = P ( z < a ) + P ( z > b)

1) En la Universidad del Oeste, la calificacin promedio sobre una escala vigesimal

obtenida por un estudiante elegido al azar es una variable de experimentacin
con media aritmtica probabilstica 14 y desviacin estndar probabilstica 2,
cuya distribucin de probabilidad se aproxima a la normal. Estime las
probabilidades de que una calificacin x escogida al azar sea: a) 13 : b)>13
; c)
. - 17
a ; d)>17 ; e)>13 pero
b 17 ; f) 13 >17 ; g)>15 pero <=17 ;
h)>10 pero <=14

Solucin:

A partir de los datos: a=13; b=17; x =14 y x =2 se obtiene las siguientes

respuestas:

a. P(x<=13) caso3

x x 13 14
za = = = 0.5
x 2

P(x<=13)=P(z<=-0.5) 0.3085

b. P(x>13)
P(x>13)=1-P(x<=13)=1.0-0.3085

P(x>13)=0.6915

c. P(x<=17) caso1

x x 17 14
zc = = = 1 .5
x 2

P(x<=17)=P(z<=1.5) 0.9332

d. P(x>17) caso2

P(x>17)=1-P(x<=17)=1-0.9332

P(x>17)=0.0668

e. P(13<x<=17) caso4

z a = 0.5 z b =1.5

P(13< x<=17)=P(-0.5<z<=1.5)

P(13< x<=17)=0.9332-0.3085=0.6247

f. P(x<=13 x>17) caso7

P(x<=13 x>17)= P(x<=13)+ P(x>17)

P(x<=13 x>17)= P(z<=-0.5)+P(x>=1.5)

P(x<=13 x>17)= P(z<=-0.5)+1- P(x<=1.5)

P(x<=13 x>17)=0.3085+1-0.9332

P(x<=13 x>17)=0.3753

g. P(15<z<=17) caso5

=P(z<=17)-P(z<15)

=0.9332-0.6914

=0.2417
Ejemplo

La capacidad de gasto anual en actividades educativas de una familia elegida

aleatoriamente de una poblacin universitaria del departamento de Lima es una
variable de experimentacin con media aritmtica probabilstica 400 um y desviacin
estndar probabilstica 100 um, cuya distribucin de probabilidades es muy
aproximada a la normal. Se requiere estimar el importe tal que exista 88.1% de
probabilidades de que la familia elegida aleatoriamente gaste como mximo tal
cantidad.

x =400 x x
z
x
x =100

P(z)=88.1%=0.881

0.881=(x-400)/100

X=488.1 Respuesta el importe debe ser <=488.1

PROBLEMAS PROPUESTOS

1) El consumo mensual en um de una persona elegida aleatoriamente a partir de la poblacin

de un pas es una variable normal con media aritmtica probabilstica 500 um y desviacin
estndar probabilstica 100 um. Cul es el nivel tal que exista 76.73% de probabilidad de
que dicha variable supere tal nivel?

x = 500 x = 100 z=0.7673

0.73=(x-500)/100 x=573

Respuesta: Para la variable que sea >= que 573 um.

2) La posicin sangunea sistlica media de hombres de 20 24 aos de edad es 123 con
una desviacin tpica de 137 se sabe que la presin sangunea se distribuye normalmente.
Si se selecciona al azar uno de estos hombres. Cul es la probabilidad de que su presin
sangunea sea mayores que 139.44

139 .44 123

P(x>139.44)=P(z> )
137

=P(z>0.12)

=P(1-P(z<=0.12)

=1-0.5478

=0.4522

3) Del problema anterior Cul es la probabilidad de que su presin sanguinea sea menores
que 110

110 123
P ( x < 110 ) = P ( z < )
137

=P(z<-0.098)

=0.4920

4) Los coeficientes de inteligencia CI de las personas tienen una distribucin aproximada a la

normal con media 100 y desviacin estndar 10. Cul es la probabilidad que el CI de
cualquier individuo quede en el intervalo 100 a 110?

x = 100 x = 10

Piden: P(100<x<110)

100 100 110 100

P(100<x<110)=P( <z< )
10 10

=P(0<z<1)

P(0<z)=1-P(z<0)=1-0.5=0.5

P(z<1)=0.5398

0.5398-0.5=0.0398
P(100<x<110)=0.0398

5) Para cierta prueba la calificacin media es 500 y desviacin tpica 100. Se desea aprobar
al 75% de los candidatos que rinden esta prueba. Cul debe ser la calificacin mnima
aprobatoria?

x = 500 x = 100 z=0.75 z c = 0.25

 x 500
P( z c < )=-0.25 = -0.68 por tabla
100

x-500=-0.25*100 x=432

6) La vida til de un componente elctrico tiene una distribucin normal con una media de
2000 horas que una desviacin estndar de 200 horas. Cul ser la probabilidad de que
un componente elegido al azar dure entre 1800 y 2200?

1800 u 2200 u
(1800<=x<=2200)= P z
200 200

=P(-1<=z<=1)=P(z<=1)-P(z<=-1)

=2(0.84134)-1=0.68268

7) Del problema anterior Cul es la vida til del 90% de los componentes elcticos?

X: Vida til del complemento electronico

A 200
P(x<=A)=P( z )=0.9
200

A 200
Z0 = 1.28
200

A=2256

8) Los pesos de los paquetes recibidos en un almacn tiene una media de 300 libras, con una
desviacin Standard de 50. Cul es la probabilidad de que 25 paquetes puestos al azar
excedan el lmite de seguridad de ste que es de 8200 libras?

Resolucion

Limite superior 8200

u=300 n=25 = 50

25-300=7500 Los que se van a poner en el ascensor

50
= = = 10 n = 10 * 25 = 250
n 25

8200 7500 700

z= = = 2.8 P(z>70)=0.5-0.4974=0.0026
250 250

La probabilidad que se rompa es 0.0026

9) Ciertos focos fabricados por una compaa, tiene una duracin media de 800 horas y una
desviacin tpica de 60 horas. Hallar la probabilidad de que una muestra al azar de 16
tubos tomada de entre ellos tenga una duracin de entre 790 y 810 horas?.

u=800 = 60 x = 60 =15
16

792 800
z1 = = 0.67
15

810 800
z2 = = 0.67
15

P(-0.67<=z<=0.67)=2(0.2486)=0.4972

10) Del problema anterior hallar la probabilidad de que una muestra al azar de 16 tubos
tomada menor de 785 horas.

785 800
z= = 1
15

P(z<=-1)=0.5-0..3413

=0.1587

BIBLIOGRAFIA

1. Estadstica y Probabilidades (LAFONTE)

2. DISTRIBUCIN NORMAL(Lic. Adm. Carlos Aliaga Valdez)

3. ESTADISTICA (Murria R. Spiegel)

4. Distribucin Normal o de Gauss(http://www.scribd.com/doc/6784181/Distribucion-

Normal-o-de-Gauss)