UNIVERSIDAD MONTEAVILA

COMUNICACIÓN SOCIAL
SEGUNDO AÑO
ESTADISTICA APLICADA

GUIA Nro. 6 - DISTRIBUCIONES DE PROBABILIDAD NORMAL

OBJETIVOS

1) Conocer las características de la distribución de probabilidad normal

2) Definir y calcular valores z
3) Determinar la probabilidad de que una observación esté entre dos valores de
una distribución, utilizando la distribución normal estándar.
4) Establecer la probabilidad de que una observación sea mayor (o menor) que
un valor determinado, utilizando la distribución normal estándar
5) Comparar dos o más observaciones que se hallen en distintas distribuciones
de probabilidades
6) Utilizar la distribución de probabilidad normal para aproximar la distribución de
probabilidad Binomial

Introducción
Una vez estudiadas tres distribuciones de probabilidad discretas, Binomial,
Hipergeométrica y Poisson, veremos una distribución de probabilidad continua, la
distribución de probabilidad normal. Recordamos que las distribuciones de
probabilidad continuas expresan a variables aleatorias continuas que
corresponden generalmente a mediciones y que pueden tomar un número infinito
de valores en el intervalo considerado.

LA FAMILIA DE DISTRIBUCIONES DE PROBABILIDAD NORMAL

Característica de la representación gráfica (curva) de una distribución de
probabilidad normal:

- La curva normal es de forma acampanada.

- Presenta un solo vértice (pico) en el centro de la distribución
- La media, la mediana y la moda son iguales y apuntan hacia el vértice.
- Es simétrica con respecto a la media. Es decir la mitad de la probabilidad está
a la derecha de la media y la otra mitad a la izquierda.
- Es asintótica. Decrece gradual e infinitamente en ambas direcciones a partir
del valor central. Se acercan cada vez más al eje X pero nunca llegan a
tocarlo.

DISTRIBUCIÓN DE PROBABILIDAD NORMAL ESTÁNDAR

Para cada combinación de media poblacional, μ y desviación estándar
poblacional, σ tenemos una distribución de probabilidad normal diferente. No sería
posible tabular separadamente los valores de cada una de ellas como lo hicimos
con las distribuciones discretas estudiadas.

Prof. Magally González F. Guía Nro. 6 – Distribuciones de Probabilidad Continua / Página 1

Sin embargo podemos utilizar una de ellas como representante y como tabla de
cálculo de todas las probabilidades posibles. Se trata de la distribución normal
estándar cuya media es μ = 0 y desviación estándar, σ = 1.

Cualquier distribución normal se puede expresar en valores de la distribución

normal estándar, restando la media de cada observación y dividiendo esta
diferencia entre la desviación estándar. A los resultados se les da el nombre de
valores z. También se conocen como valores Tipificados. Por lo tanto, un valor z
es la distancia de la media, medida en unidades de la desviación estándar.

Valor de la distribución normal estándar z = (X – μ) / σ

Donde:
 X es el valor de cualquier observación o medición en particular
 μ es la media de la distribución
 σ es la desviación estándar de la distribución

Grafica:
SIMETRICA
Dos Mitades Idénticas

COLA COLA

MEDIA, MEDIANA Y MODA (Iguales)

Las áreas bajo la curva definen probabilidades. El área total por debajo de la curva
normal es 1,0. Esto corresponde a todos los resultados posibles. Como una
distribución de probabilidad normal es simétrica, el área por debajo de la curva a la
izquierda de la media es 0,5 y el área por debajo de la curva a la derecha de la
media es 0,5.

Por ejemplo si las edades de los alumnos de este curso siguen una distribución de
probabilidad normal con media, μ = 20 años y desviación estándar, σ = 0,25,
podríamos representar a la edad de cualquiera de los alumnos, (uno que tenga
20,5 años) en términos de la distribución normal estándar, restando el valor dado
(20,5) menos la media de la población (20) y dividiéndolo entre la desviación
estándar, 0,25.

En este caso, z = (20,5-20) / 0,25 = 2 z = 2 será el valor equivalente en la

distribución normal estándar N(0,1) del valor 20,5 años en la distribución de
probabilidad normal N(20,5;0,25)
Prof. Magally González F. Guía Nro. 6 – Distribuciones de Probabilidad Continua / Página 2
Los valores z corresponden a unidades de desviación estándar por encima o por
debajo de la media. En este caso z = 2 equivale a decir que ese valor z = 2 está a
2 desviaciones estándar a la derecha de la media al igual que 20,5 años está a 2
desviaciones estándar de la media, μ = 20 (2 veces 0,25 es medio año)

En la tabla de la distribución normal estándar podemos calcular cualquier

probabilidad deseada. Observe que en las distribuciones de probabilidad
continuas a diferencia de las discretas es necesario calcular probabilidades
acumuladas y no puntuales. Probabilidades que corresponden a un rango de
valores y no a un valor específico. La tabla de la distribución normal estándar
muestra la probabilidad entre la media y el valor dado.

En nuestro ejemplo de edades, ¿Cuál será la probabilidad de que la edad de un

alumno esté entre la media del curso (μ = 20) y 20,5 años?

Utilizando la tabla de la distribución normal estándar tenemos que para z = 2,00 el

valor de la probabilidad que va de la media μ = 0 (En la distribución de origen,
μ = 20) al valor z = 2 (En la distribución de origen, 20,5 años) será 0,4772 (47,7%)

Ejemplo:
Los ingresos mensuales de los supervisores de la construcción siguen una
distribución normal con media de Bs.F. 1.000,0 y desviación estándar Bs.F. 100,0
N(1.000,0; 100,0) ¿Cuál es el valor equivalente z en la distribución normal
estándar de un sueldo de Bs. 1.100,0 mensuales?

z = (X – μ) / σ z = (1.100,0 – 1.000,0) / 100,0 = 1 Una desviación estándar a la

derecha de la media

¿Cuál será el valor de z de un trabajador que gane Bs. 900,0?

z = (X – μ) / σ z = (900,0 – 1.000,0) / 100,0 = -1 Una desviación estándar a la

izquierda de la media

ÁREAS BAJO LA CURVA NORMAL (LA REGLA EMPÍRICA)

- Alrededor del 68% del área por debajo de la curva normal se encuentra dentro
de una desviación estándar de la media., y se escribe como μ +/- 1 σ.

- Aproximadamente 95% del área por debajo de la curva normal se encuentra

dentro de dos desviaciones estándar de la media y se escribe como μ +/- 2 σ.

- Prácticamente, la totalidad del área por debajo de la curva normal está dentro de
tres desviaciones estándar de la media, y se escribe como μ +/- 3 σ

Prof. Magally González F. Guía Nro. 6 – Distribuciones de Probabilidad Continua / Página 3

Gráfica

68 %

95 %

PRACTICAMENTE TODAS

𝜇 − 3𝜎 µ − 2𝜎 µ − 1𝜎 µ µ + 1𝜎 µ + 2𝜎 µ + 3𝜎
SE CONVIERTE EN
-3 -2 -1 0 +1 +2 +3

Transformar las mediciones a valores normales estándar modifica la escala. En la

gráfica se muestran las conversiones.

 μ +1 σ, se convierte en un valor z de 1,00.

 μ +2 σ, se convierte en un valor z de 2,00.
 μ +3 σ, se convierte en un valor z de 3,00

Ejemplo
Se ha determinado que la duración promedio de las baterías alcalinas AA es de 19
horas y que la distribución de los tiempos de duración de estas pilas se asemeja a
una distribución normal N(19;1,2):

- ¿Entre que par de valores falla alrededor del 68% de las baterías?
- ¿Y el 95% de las baterías?
- ¿Y casi el 100%?

Sabemos que el 68% de los valores de una distribución normal están entre
μ +/- 1 σ es decir, para este ejemplo, 19 +/- 1 (1,2) = 17,8 – 20,2 horas. Las pilas
durarán entre 17,8 y 20,2 horas un 68% de las veces.

De manera similar el 95% de los valores de una distribución normal están entre
μ +/- 2 σ es decir, para este ejemplo, 19 +/- 2 (1,2) = 16,6 – 21,4 horas. Las pilas
durarán entre 16,6 y 21,4 horas un 95% de las veces.

Finalmente es casi imposible que encontremos una pila que falle antes de μ - 3 σ
(19 – 3 (1,2)) = 15,4 horas o después de (19 + 3 (1,2)) = 22,6 horas

Prof. Magally González F. Guía Nro. 6 – Distribuciones de Probabilidad Continua / Página 4

Gráfica:

68 %

95 %

PRACTICAMENTE TODAS

𝜇 − 3𝜎 µ − 2𝜎 µ − 1𝜎 µ µ + 1𝜎 µ + 2𝜎 µ + 3𝜎
SE CONVIERTE EN
15,4 16,6 17,8 19,0 20,2 21,4 22,6

CÁLCULO DEL ÁREA BAJO LA CURVA NORMAL

Ejemplo
El profesor de estadística registra las participaciones en clase de los alumnos más
interesados en la materia, las cuales, al finalizar el corte se traducen en puntos
adicionales para los alumnos más destacados. La distribución de las
participaciones durante una semana se comportan como una distribución normal
N(16;2)

a) ¿Cuál será la probabilidad de que las participaciones en clase durante esta

semana estén entre 16 y 20?
b) Calcule la probabilidad de que las participaciones en clase sean mayores de 20
c) Obtenga la probabilidad de que las participaciones en clase estén entre 15 y
17,
d) Entre 17 y 18, y finalmente
e) Entre 14 y 15

Solución:
1. Dado que el intervalo comienza a partir de la media (igual que en la tabla
N(0;1)) tenemos que tipificar o estandarizar solo el valor del extremo superior
del intervalo, es decir 20.

z = (X – μ) / σ z = (20 – 16) / 2 = 2

En la tabla podemos observar que la probabilidad de las participaciones en

clase estén entre 16 y 20 (valores originales, N(16;2)) o su equivalente en la
distribución normal estándar, N(0;1) 0 y 2 es 0,4772 (47,7%)

2. Si a la probabilidad total bajo la curva (menos infinito hasta mas infinito) que es
1 le restamos la probabilidad de que las participaciones sean menores a 16
(media, 50%) y la probabilidad calculada en a) (entre 16 y 20) nos queda la
probabilidad mayor que 20 participaciones, 2,3%

Prof. Magally González F. Guía Nro. 6 – Distribuciones de Probabilidad Continua / Página 5

 1 – (0,50 + 0,4772) = 0,0228 (2,3%)
3. Dado que los valores 15 y 17 se encuentran a ambos lados de la media, 16 y
que la distribución normal es simétrica, basta con obtener la probabilidad de
que las participaciones estén entre 16 y 17 y al resultado lo multiplicamos por
dos.

Tipificando el valor extremo, 17. z = (X – μ) / σ z = (17 – 16) / 2 = 0,5 y

buscando en la tabla tenemos

P(0 ≤ z ≤ 0,5) = 0,1915 0,1915 x 2 = 0,39 … 39% es la probabilidad de que

las participaciones en clase estén entre 15 y 17

4. Dado que ambos valores 17 y 18 están a la derecha de la media (16)

Los valores tipificados de 17 y 18 son:

z = (X – μ) / σ z = (17 – 16) / 2 = 0,5 z = (18 – 16) / 2 = 1

Si restamos P(0 ≤ z ≤ 1) menos P(0 ≤ z ≤ 0,5) obtendremos la probabilidad que

estamos buscando

P(0,5 ≤ z ≤ 1). Buscando en la tabla tenemos, 0,3413 – 0,1915 = 0,1498, 15%

5. Dado que ambos valores 14 y 15 están a la izquierda de la media (16). Los

valores tipificados de 14 y 15 corresponden a los valores tipificados absolutos
(sin tomar en cuenta el signo) de 17 y 18. Estos últimos valores están a 0,5y a
1,0 desviaciones estándar a la derecha de la media y de igual manera, 14 y 15
están a 0,5 y 1,0 desviaciones estándar a la izquierda de la media. Así que la
probabilidad es la misma del caso anterior, es decir, 0,1498

Ejemplo
Un fabricante de cauchos para automóviles desea establecer un número mínimo
de kilómetros de garantía para su nueva línea de cauchos. Las pruebas realizadas
a estos nuevos cauchos determinó que la duración de los mismos tuvo un
comportamiento normal, con media igual a 67.900 kilómetros y desviación
estándar 2.050 kilómetros. (interpretar estos valores). El fabricante quiere
establecer un número mínimo de kilómetros de garantía de tal manera de no tener
que reemplazar más del 4% de los cauchos. ¿Cuál debería ser el número mínimo
de kilómetros garantizados que pueden recorrer los nuevos cauchos?

Observando la tabla de probabilidades bajo la curva normal (0;1) tenemos que una
cola equivalente al 4%, le debe corresponder un valor de z casi igual a 1,75 (al
restar el área de la mitad de la curva, 0,50 menos 0,04 tenemos una probabilidad
de 0,46 equivalente aproximadamente a z = 1,75. Como el problema se refiere a
un valor mínimo utilizamos z = -1,75

¿Cuál es el valor en la escala original de kilómetros que le corresponde a un valor

de z = -1,75?
Prof. Magally González F. Guía Nro. 6 – Distribuciones de Probabilidad Continua / Página 6
 z = (X – μ) / σ -1,75 = (X – 67.900) / 2.050 X – 67.900 = (-1,75) (2.050)

X = 67.900 – 3.587.50 = 64.312.5

Así que el fabricante puede anunciar al público que reemplazará gratuitamente

todos los cauchos que se dañen antes de los 64.312 kilómetros y tendrá la
seguridad de no reemplazará a más del 4% de los cauchos vendidos.

APROXIMACIÓN NORMAL A LA BINOMIAL

La distribución normal (distribución continua) se puede utilizar como un sustituto

para una distribución Binomial (distribución discreta) para valores muy grandes de
n, ya que en la medida en que n se incrementa, una distribución Binomial se
acerca cada vez más a una distribución normal.

¿Cuándo podemos utilizar la aproximación normal a la Binomial?

Cuando n π y n(1 – π) sean por lo menos igual a 5 y la distribución de interés

cumpla con las condiciones de una distribución Binomial, a saber:
 Sólo hay dos resultados mutuamente excluyentes para un experimento: un
éxito y fracaso.
 La distribución resulta de contar el número de éxitos en un número fijo de
intentos.
 La probabilidad de éxito, p, no sufre ningún cambio de un ensayo a otro.
 Cada intento es independiente.

Factor de Corrección de Continuidad

Para aplicar la aproximación normal a la Binomial se debe utilizar un factor de
corrección llamado Factor de Corrección de Continuidad, debido a que una
distribución continua (la distribución normal) se utiliza para aproximar una
distribución discreta (la distribución Binomial), este factor de corrección es 0,5, el
cual se debe restar o sumar, dependiendo de la pregunta, a un valor seleccionado.
El factor de corrección solo se puede aplicar en cuatro casos, que son:

1. Para la probabilidad de que al menos X ocurra, se utiliza el área por arriba de

(X - 0,5).
2. Para la probabilidad de que a lo más ocurra X, se utiliza el área por arriba de
(X + 0,5).
3. Para la probabilidad de que por lo menos ocurra X, se utiliza el área por debajo
de (X + 0,5).
4. Para la probabilidad de que por lo más ocurra X, se utiliza el área por debajo
de (X - 0,5).

Ejemplo: Los promotores de una nueva revista del municipio han determinado
que 70% de las personas que leen la revista una vez, vuelven a comprarla. En una

Prof. Magally González F. Guía Nro. 6 – Distribuciones de Probabilidad Continua / Página 7

semana se detectaron 80 nuevos lectores de la revista. ¿Cuál es la probabilidad
de que 60 o más de ellos vuelvan a comprarla?

¿Satisface este ejemplo las condiciones de la distribución Binomial?

- Estamos ante dos resultados posibles, que el cliente vuelva a comprar la
revista o no
- Los eventos comprar o no comprar son mutualmente excluyentes.
- Las probabilidades de éxito son las mismas personas tras persona. 70% de
que compren nuevamente.
- El hecho de que una persona compre nuevamente la revista no influye en que
otra lo haga
- Consideramos una cantidad fija de repeticiones (personas). 80 nuevas
personas.

1. Nuestra tabla de la distribución Binomial para resolver este tipo de problemas

resulta insuficiente y resolverlo mediante la fórmula P(x) = n C x π x (1-π) n-x
sería extremadamente largo.

En este problema n = 80 y π = 0,70 y tanto n π como n (1-π) son mayores que

5. La distribución normal en la escala original será:

μ=nπ (80) (0,70) = 56 σ 2 = n π (1 – π) = (56) (0,30) = 16,8 σ = 4,1

2. ¿Cuál es la probabilidad de que 60 o más personas vuelvan a comprar la

revista?

Utilizamos X – 0,5 dado que vamos a calcular la probabilidad de que al menos

sean X = 60 aproximando una distribución discreta (Binomial) a una
distribución continua (normal). En este caso en lugar de X = 60 tenemos X =
59,5

Tipificando X = 59,5 tenemos z = (X – μ) / σ z = (59,5 – 56) / 4,1 = 0,85

3. Determine el área por debajo de la curva normal entre μ = 0,56 y un X = 59,5.

Buscamos en la Tabla de la Normal, leemos hacia abajo 0,8 y luego a la
derecha hasta debajo de la columna de 0,05. Esta área es 0,3023.
4. Para calcular el área más allá de 59,5, restamos 0,3023 a 0,5000 (0,500 –
0,3023) = 0,1977

El área de probabilidad correspondiente a z = 0,8536 es aproximadamente 0,3023

Sabemos que la tabla normal las probabilidades corresponden a los valores entre
la media y el valor de z correspondiente. Para calcular la cola de la derecha
debemos restar 0,50 del valor obtenido. En este caso, 0,5000 menos 0,3023 =
0,1977
Así que la probabilidad de que 60 o más personas compren nuevamente la revista
es de 19,77%
Prof. Magally González F. Guía Nro. 6 – Distribuciones de Probabilidad Continua / Página 8