TECSUP Cálculo Diferencial e Integral

UNIDAD VIII

DISTRIBUCION NORMAL

La distribución normal es la distribución más importante de probabilidades, no solo en

la teoría estadística, sino también en sus aplicaciones a problemas industriales. Es una
distribución continua y simétrica conocida también como la distribución de Gauss o de
Laplace. La distribución normal representa el resultado de la actuación conjunta de
causas aleatorias, y por ello resulta fundamental en el control estadístico de calidad,
particularmente en la teoría de los gráficos del control de fabricación.
La función de probabilidades es:

1 2 2
f ( x; ,  2 )  e ( x  ) / 2 -  x  
2
Donde:
 Es la media de la distribución
 Es la desviación estándar

f(x)

X

Gráfica de densidad de Probabilidad Normal

El diagrama es simétrico y el área bajo la curva es la unidad.

1. ESTANDARIZACION DE LA VARIABLE ALEATORIA

Si en lugar de x tomamos:

( x  )
z


63
Cálculo Diferencial e Integral TECSUP

Lo cual significa adoptar como origen de la z el punto en que x   y como

unidad de escala de la z la desviación estándar  ; la que designaremos como
distribución Normal Estándar:
2
1 z
f ( z)  e 2
2

Esta distribución tiene parámetros: (z)  0 y  2 ( z)  1 ; por conveniencia se

acostumbra nombrar esta distribución como la N(0;1) .
Los valores del área desde  ...z son iguales a la probabilidad acumulada de
los valores correspondientes a f(z). Estos valores se encuentran tabulados en la
tabla 3 al final de esta información. Esta tabla corresponde a la distribución
normal estándar, es decir, la distribución normal con   0 y   1
La función acumulada es:
z
1  t2 / 2
F( z) 
2
e dt


F(z)

1 z t2 / 2
F( z)   e dt
2  

z
z
0
Gráfica de densidad de Probabilidad Normal Estándar

Para determinar la probabilidad de que una variable aleatoria con la distribución

normal estándar adopte un valor entre a y b, usamos la ecuación:
P(a  z  b)  F(b)  F(a)
y si a o b es negativa, hacemos uso de la identidad
F(z)  1 F(z) .

EJEMPLO 1
Determine las probabilidades de que una variable aleatoria con la distribución
normal estándar adopte un valor
(a) Entre 0,87 y 1,28 = p(0,87<z<1,28)
(b) Entre -0,34 y 0,62 = p(-0,34<z<0,62)
(c) Mayor que 0,85 = p(z>0,85)
(d) Mayor que -0,65 = p(z>-0,65)

64
TECSUP Cálculo Diferencial e Integral

Solución
Consultando los valores necesarios en la tabla 3, obtenemos

a) Entre 0,87 y 1,28 = p(0,87<z<1,28)

F(1,28)  F(0,87)  0,8997  0,8078
 0,0919
F(z)

z
0,87 1,28

0

b) Entre -0,34 y 0,62 = p(-0,34<z<0,62)

F(0.62)  F(0.34)  0.7324  (1 0.6331)
 0.3655

F(z)

z
-0,34 0,62
0

c) Mayor que 0,85 = p(z>0,85)

1  F(0.85)  1  0.8023
 0.1977
F(z)

z
0,85
0

65
Cálculo Diferencial e Integral TECSUP

d) Mayor que -0,65 = p(z>-0,65)

1 F(0.65)  1 1 F(0.65)  F(0.65)
 0.7422
F(z)

z
0,85
0

EJEMPLO 2
Si el monto de radiación cósmica a la que se expone una persona al volar en
avión por los Estados Unidos es una variable aleatoria con la distribución normal
con   4.35 mrem y   0.59 mrem, determine las probabilidades de que el
monto de radiación cósmica a la que se expondrá una persona en un viaje así sea
de:

(a) entre 4.00 y 5.00 mrem;

(b) al menos 5.50 mrem.

SOLUCIÓN
Primero estandarizamos los valores:

 5.00  4.35   4.00  4.35 

a) F   F  = F(1.10)  F(0.59)
 0.59   0.59 
= 0,8643  (1 0,7224)
= 0,5867

 5.50  4.35 
b) 1  F  = 1 F(1.95)
 0.59 
= 1 0.9744
 0.0256

66
TECSUP Cálculo Diferencial e Integral

EJEMPLO 3
El monto real de café instantáneo que una máquina de relleno deposita en
frascos de “4 onzas” puede considerarse una variable aleatoria con una
distribución normal con   0.04 onzas. Si sólo 2% de los frascos contienen
menos de 4 onzas, ¿Cuál debería ser el relleno medio de esos frascos?

Solución
4
Para determinar  de tal manera que F   0.02 y, por lo tanto,
 0.04 
 4
F    0.98 buscamos en la tabla 3 la entrada más cercana a 0.98 y
 0.04 
obtenemos 0.9798, que corresponde a z  2.05. Así:
4
  2.05
0.04

Y al resolver  , determinamos que   4.082 onzas

EJEMPLO 4
En cierta ciudad, el número de interrupciones del suministro eléctrico por mes es
una variable aleatoria con una distribución con   11,6 y   3,3 . Si esta
distribución puede aproximarse cercanamente con una distribución normal, ¿cuál
es la probabilidad de que haya al menos ocho interrupciones en un mes
cualquiera?

Solución
El número de interrupciones de servicio es una variable aleatoria discreta, y si
deseamos aproximar su distribución con una distribución normal, debemos
“dispersar” sus valores en una escala continua.
1
Lo hacemos representando cada número entero k con el intervalo de k  a
2
1
k  . Por ejemplo:
2
3 es representado con el intervalo de 2,5 a 3,5;
10 es representado con el intervalo de 9,5 a 10,5.
y “al menos 8” es representado con el intervalo a la derecha de 7,5 tal como se
muestra en la figura:

67
Cálculo Diferencial e Integral TECSUP

  3,3

X
7,5 Número de
  11,6 Interrupciones

Así, la probabilidad deseada es “aproximada” por:

 7,5  11,6 
1  F   1  F( 1,24)
 3,3 
 F(1,24)
 0,8925

2. APLICACIONES: LIMITES DE CONTROL

La distribución normal puede aplicarse en el control de calidad para “aceptar” un

producto o “rechazar” un producto.
Para ello se establece una franja cuyo ancho será el rango de aceptación.
Este rango se establece alrededor de la media  la que definirá la Línea Media
LM.
El rango R quedara definido en función del valor  estableciéndose diversos
criterios.

Un criterio bastante común es tomar:

R  LSC  LIC
LSC    A
LIC    A
3
Donde A  ; n = tamaño de la muestra.
n
Los límites de este rango serán el Límite Superior de Control LSC y el Límite
Inferior de Control LIC

68
TECSUP Cálculo Diferencial e Integral

LSC
  3
n

LM


  3 LIC
n

MUESTRA

EJEMPLO 5
Construir para muestras de n = 5 artículos el gráfico de control de la media de un
proceso de fabricación de ejes de acero con media   5,60 mm y desviación
estándar   0,05 mm.
Verificar si el proceso de fabricación de ejes se mantiene BAJO CONTROL, si se
han extraído 10 muestras con n = 5 de hora en hora y los valores se encuentran
en la tabla siguiente:

MUESTRA ARTICULO ARTICULO ARTICULO ARTICULO ARTICULO MEDIA

1 2 1 1 1 x
1 5,67 5,50 5,58 5,48 5,70 5,586
2 5,90 5,58 5,61 5,59 5,44 5,624
3 5,52 5,66 5,68 5,59 5,38 5,566
4 5,60 5,76 5,55 5,58 5,57 5,612
5 5,55 5,68 5,65 5,45 5,68 5,602
6 5,39 5,65 5,63 5,57 5,61 5,570
7 5,79 5,61 5,59 5,70 5,51 5,640
8 5,67 5,59 5,59 5,75 5,48 5,616
9 5,51 5,51 5,65 5,55 5,63 5,570
10 5,66 5,64 5,61 5,66 5,56 5,626

Solución
La línea media:
LM =  = 5,60
Los límites de control serán:
LSC    A  5,60  ( 3 )0,05  5,667
5
LIC    A  5,60  ( 3 )0,05  5,533
5

69
Cálculo Diferencial e Integral TECSUP

5,68 LSC
  3 5,667
n
5,66

5,64

5,62
LM
  5,60
5,58

5,56
LIC
5,54 5,533
  3
n
5,52
MUESTRA

1 2 3 4 5 6 7 8 9 10

Mediante el gráfico recomprueba que todos los puntos se encuentran en el rango

en torno a la LM, de ello se concluye que el PROCESO DE FABRICACION SE
ENCUENTRA BAJO CONTROL.

70
TECSUP Cálculo Diferencial e Integral

BLOQUE I

1. Una troqueladora produce tapas de lata cuyos diámetros se distribuyen

normalmente con una desviación estándar de 0,01 pulgadas. ¿En que diámetro
“nominal” debería fijarse la máquina para que no mas del 5% de las tapas
producidas tengan diámetros que excedan de 3 pulgadas?
Sol:
  2,984

2. Se corta automáticamente varillas de plástico moldeadas por inyección en

longitudes nominales de 6 pulgadas. Las longitudes reales están normalmente
distribuidas en torno a una media de 6 pulgadas y su desviación estándar es de
0,06 pulgadas.
a) ¿Qué proporción de las varillas excede los límites de tolerancia de 5,9 a 6,1
pulgadas.
b) ¿A qué valor es necesario reducir la desviación estándar si el 99% de las
varillas den hallarse dentro de la tolerancia.
Sol:
a)
b)

3. Si una variable aleatoria tiene la distribución binomial con n=30 y p=0,60; use
la aproximación normal para determinar la probabilidad de que adopte:
a) El valor de 14
b) Un valor menor que 12
Sol:
a) 0,049
b) 0,008

4. Un fabricante sabe que, en promedio, 2% de las tostadoras eléctricas que produce

requerirán reparaciones en un término de 90 días posteriores a su venta. Use la
aproximación normal a la distribución binomial para determinar la probabilidad de
que entre 1200 tostadoras al menos 30 requerirán reparaciones en los primeros
90 días de su venta.
Sol:

5. La probabilidad de que un componente electrónico falle en menos de 1000 horas

de uso continuo es de 0,25. Use la aproximación normal para determinar la
probabilidad de que entre 200 de esos componentes menos de 45 fallen en
menos de 1000 horas de uso continuo.
Sol:
0,1841

71
Cálculo Diferencial e Integral TECSUP

6. Un ingeniero de seguridad supone que el 30% de los accidentes industriales en

su planta se deben a que los empleados no siguen las instrucciones. Si esa cifra
es correcta, determine aproximadamente la probabilidad de que entre 84
accidentes industriales en esa planta cualquier número entre 20 a 30 inclusive se
deban a la negligencia de los empleados de no seguir las instrucciones.
Sol:

7. Una variable aleatoria tiene una distribución normal con   62,4 . Determine su
desviación estándar si la probabilidad de que adopte un valor mayor que 79,2 es
de 0,20.
Sol:
  19,88

8. Una variable aleatoria tiene una distribución normal con   10 . Si la

probabilidad de que adopte un valor menor que 82,5 es de 0,8212. ¿Cuál es la
probabilidad de que adopte un valor mayor que 58,3?
Sol:

9. Las especificaciones de cierto trabajo implican limpiadores con un diámetro

interior de 0,300  0,005 pulgadas. Si los diámetros interiores de los limpiadores
provistos por cierto fabricante pueden considerarse una variable aleatoria con la
distribución normal con   0,302 pulgadas y   0,003 pulgadas, ¿Qué
porcentaje de estos limpiadores cumplirá las especificaciones?
Sol:
83.15%

10. Se sabe que la vida útil de un componente eléctrico sigue una distribución normal
con media   2000 hr y una desviación estándar   200 hr.
a) Determine la probabilidad de que un componente aleatoriamente seleccionado
dure entre 2000 y 2400 horas.
b) Determine la probabilidad de que un componente aleatoriamente seleccionado
dure mas de 2200 horas.
Sol:
a) 0,4772
b) 0,1587

72