UNIDAD 3

La distribución normal fue

reconocida por primera vez por el
francés Abraham de Moivre (1667-
1754)
Posteriormente, Carl Friedrich
Gauss (1777 – 1855) realizó
estudios más a fondo donde formula
la ecuación de la curva conocida
comúnmente, como Campana de
Gauss”.
 INTRODUCCIÓN

Una de las herramientas de mayor uso en las empresas es la

utilización 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 organización.

La distribución normal adapta una variable aleatoria continua a

una función que depende de la media y la desviación típica. Es
decir, la función y la variable aleatoria continua tendrán la misma
representación pero con ligeras diferencias.

La distribución normal es la base de otras distribuciones como la

distribución 𝑡 − 𝑠𝑡𝑢𝑑𝑒𝑛𝑡 , distribución 𝑆ℎ𝑖 − 𝑐𝑢𝑎𝑑𝑟𝑎𝑑𝑎 ,
distribución 𝐹 𝑑𝑒 𝐹𝑖𝑠𝑐ℎ𝑒𝑟 y otras distribuciones
 Dada una variable aletoria 𝑋, decimos que la frecuencia de sus
obervaciones puede aproximarse satisfactoriamente a una
distribución normal tal que: 𝑋~𝑁(𝜇, 𝜎) se denota como la
variable aleatoria 𝑋 aproximada a una distribución normal.

Donde los parámetros de la distribución son la media o valor

central y la desviación típica:
𝑚𝑒𝑑𝑖𝑎 𝑜 𝑣𝑎𝑙𝑜𝑟 𝑐𝑒𝑛𝑡𝑟𝑎𝑙 = 𝜇
𝑑𝑒𝑠𝑣𝑖𝑎𝑐𝑖ó𝑛 𝑡í𝑝𝑖𝑐𝑎 = 𝜎

En otras palabras, estamos diciendo que la frecuencia de una

variable aleatoria 𝑋 puede representarse mediante una
distribución normal.
 REPRESENTACIÓN

Función de densidad de probabilidad de una variable

aleatoria que sigue una distribución normal
 PROPIEDADES

• Es una distribución simétrica. El valor de la

media, la mediana y la moda coinciden. Es
decir 𝑥ҧ = 𝑀𝑒 = 𝑀𝑜 o μ = 𝑀𝑒 = 𝑀𝑜
• Distribución unimodal. Los valores que son
más frecuentes o que tienen más probabilidad
de aparecer están alrededor de la media. En
otras palabras, cuando nos alejamos de la
media (mayor desviación típica), la
probabilidad de aparición de los valores y su
frecuencia descienden.
 ¿QUÉ NECESITAMOS PARA
REPRESENTAR UNA DISTRIBUCIÓN
NORMAL?

• Una variable aleatoria continua

• Calcular la media
• Calcular la desviación típica
• Decidir la función que queremos
representar: función de
densidad de probabilidad o
función de distribución
 EJEMPLO
El resultado de cada estudiante se anota en una tabla. De
esta forma, obtendremos una visión global de los
Suponemos que resultados y de su frecuencia.
queremos saber si
los resultados de Al calcular el promedio 𝜇 =
un examen 4,8 y la Desviación típica
𝜎 = 3,09 muy cercana al
calificados de 0 a
promedio se puede
10 pueden
argumentar que :
aproximarse
satisfactoriamente 𝑋 𝑥1 , 𝑥2 , … . , 𝑥476
a una distribución = ~𝑁 𝜇 = 4,8, 𝜎 = 3,09
normal. Los datos se están
distribuidos normalmente
El diagrama de Campana de Gauss
pone de manifiesto varias
características importantes de una
distribución normal de probabilidad

1. La curva tiene un solo pico; por tanto, es unimodal. Tiene la forma de campana
que mencionamos anteriormente.
2. La media de una población distribuida normalmente cae en el centro de su
curva normal
3. Debido a la simetría de la distribución normal de probabilidad, la mediana y la
moda de la distribución se encuentran también en el centro; en consecuencia,
para una curva normal, la media, la mediana y la moda tienen el mismo valor.
4. Los dos extremos de la distribución normal de probabilidad se extienden
indefinidamente y nunca tocan el eje horizontal (desde luego, esto es imposible
de mostrar de manera gráfica)
La figura muestra las distribuciones normales de probabilidad
con medias idénticas y diferentes desviaciones estándar
(platocúrtica, mesocúrtica y leptocúrtica)
La figura muestra las distribuciones normales de probabilidades con diferentes medias e
iguales de desviaciones estándar
 TABLA DISTRIBUCIÓN
NORMAL
En la tabla se muestra el área bajo la curva normal entre la media y cualquier valor de la
variable aleatoria normalmente distribuida. El valor de 𝑧 está derivado de la fórmula:
𝑥−𝜇
𝑧=
𝜎
Donde:
𝑥 = valor de la variable aleatoria que nos preocupa
𝜇= media de la distribución de la variable aleatoria
𝜎= desviación estándar de la distribución
𝑧= número de desviación estándar que hay desde 𝑥 a la media de distribución

Cómo vamos a utilizar la tabla,

se habla en términos de
unidades estándar (que en
realidad significa desviación
estándar).
El uso de 𝑧 es solamente un
cambio e la escala de medición
del eje horizontal.
 EJEMPLOS
1. Se tiene un programa de entretenimiento diseñado para mejorar la calidad de las
habilidades de supervisión de los supervisores de línea de producción. Debido a que el
programa es autoadministrado, la supervisión requiere un número diferente de horas
para terminarlo. Un estudio de los participantes anteriores indica que el tiempo medio
que se lleva completar el programa es de horas, y que esta variable aleatoria
normalmente distribuida tiene una desviación estándar de horas.
a. ¿Cuál es la probabilidad de que un participante elegido al azar requiere más de 500
horas para completar el programa?

SOLUCIÓN

En la figura, podemos ver que la mitad del área

bajo la curva está localizada a ambos lados de la
media de 500 horas. Por lo tanto podemos
deducir que la probabilidad de que la variable
aleatoria tome un valor mayor a 500 es el área
sombreada; es decir, 0,5.
b. ¿Cuál es la probabilidad de que un candidato elegido al azar se tome entre 500 y 650
horas para completar el programa de entrenamiento?

SOLUCIÓN En consecuencia, la probabilidad de que

un candidato escogido al azar requiera
En la figura se observa que la probabilidad entre 500 y 650 horas para terminar el
a calcular está resaltada entre la media programa de entrenamiento es
(500 horas) y el valor de 𝑥, en el cual ligeramente mayor a 0,4,
estamos interesados (650 horas). Utilizando
la ecuación obtendremos un valor para 𝑧
de:
𝑥−𝜇 650−500
𝑧 = 𝜎 = 100 = 1,5 desviaciones
estándar.

Ahora si buscamos a 𝑧 = 1,5 en la tabla de

la distribución normal (CUARTA COLUMNA),
encontraremos el área bajo la curva o el
valor de la probabilidad de 0,43319 ≈
0,4332.
c. ¿Cuál es la probabilidad de que un candidato elegido al azar se tome más de 700 horas
en completar el programa?

SOLUCIÓN

Esta situación es diferente a los dos casos

anteriores.
Estamos interesados en el área resaltada.
Calculamos el valor de 𝑧.
𝑥−𝜇 700−500
𝑧 = 𝜎 = 100 = 2 desviaciones estándar

Teniendo en cuenta la primer columna del

valor de 𝑧 = 2 se obtiene la probabilidad de
0,02275 ≈ 0,0228.
Por lo tanto, hay un poco más de dos
oportunidades en 100 de que un participante
elegido al azar se lleve más de 700 horas en
completar el curso.
d. Suponga que el director del programa de entretenimiento desea saber la probabilidad
de que un participante elegido al azar requiera entre 550 y 650 horas para completar el
trabajo.

SOLUCIÓN
Esta probabilidad está representada por el área
sombreada. Por lo tanto debemos calcular dos
valores de 𝑧

Calculamos el valor de 𝑧1 .
𝑥−𝜇 650−500
𝑧1 = 𝜎 = 100 = 1,5 desviaciones
estándar con probabilidad de 0,43319
Calculamos el valor de 𝑧2 .
𝑥−𝜇 550−500
𝑧2 = 𝜎 = 100 = 0,5 desviaciones Así que la probabilidad de que un
estándar con la probabilidad de 0,19146 candidato elegido al azar se tome
Calculamos de la probabilidad es: entre 550 y 650 horas para
0,43319 − 0,19146 = 0,2417 completar el programa de
entretenimiento es del 24,17%
e. ¿Cuál es la probabilidad de que un candidato elegido al azar se tome menos de 580
horas para completar el programa?

SOLUCIÓN
Esta probabilidad está representada por el área
sombreada. Por lo tanto debemos calcular dos
valores de 𝑧

Por simple observación se sabe que el valor de

la probabilidad de 𝜇 = 500 hasta −∞ es de
0,5.

Por lo tanto, calculamos el valor de:

𝑥−𝜇 580−500 Así que la probabilidad de que un
𝑧 = 𝜎 = 100 = 0,8 desviaciones
candidato elegido al azar se tome
estándar con la probabilidad de 0,2881 menos de 580 horas de 78,81%
Se suman las dos probabilidad:
0,5 + 0,2881 = 0,7881
f. ¿Cuál es la probabilidad de que un candidato elegido al azar se tome entre 420 y 570
horas?

SOLUCIÓN
Esta probabilidad está representada por el área
sombreada. Por lo tanto debemos calcular dos
valores de 𝑧

Calculamos el valor de 𝑧1 .
𝑥−𝜇 420−500
𝑧1 = 𝜎 = 100 = −0,8 Tomando la cuarta
columna con 0,8 positivo la probabilidad es de
0,28814
Calculamos el valor de 𝑧2 . Así que la probabilidad de que un
𝑥−𝜇 570−500
𝑧2 = 𝜎 = 100 = 0,7 Tomando la cuarta candidato elegido al azar se tome
0,25804 entre las 420 y las 570 horas es de
Sumamos las dos probabilidad: 54,61%
0,2881 + 0,2580 = 0,5461
 TALLER - EJERCICIOS
1. Dennis Hogan es supervisor de la presa hidroeléctrica Conowingo. Hogan sabe que
cuando al menos 3,000,000 de litros pasan por la presa diariamente. También sabe, por
experiencia, que el flujo diario tiene una distribución normal, con la media igual al flujo del
día anterior y una desviación estándar de 600,000 litros. El día anterior, 2,550,000 litros
fluyeron por la presa. ¿Cuál es la probabilidad de que las turbinas generen electricidad a la
tasa máxima durante todo el día? Hacer la representación gráfica de la región sombreada
con la campana de Gauss.

2. Una compañía paga a sus empleados un salario promedio mensual de $320 dólares con
una desviación estándar de $27 dólares, suponga que los salarios se distribuyen
normalmente. ¿cuál es la probabilidad que un trabajador gane menos de $340 dólares
mensualmente? Represente la respuesta gráficamente por la campana de Gauss.

3. La estatura de mujeres adultas en cierta ciudad tiene una distribución normal con
media de 160 cm y desviación estándar de 2 cm. ¿Qué porcentaje de mujeres de esta
región tiene una estatura entre 158 y 163 cm?
 TALLER - EJERCICIOS
4. Si 𝑋 es una variable aleatoria continua distribuida de forma normal con media 18 y
varianza de 6,25. Encontrar el valor de 𝑎, tal que 𝑃 𝑥 ≥ 𝑎 = 0,1814

5. La Compañía Quickie Sales acaba de recibir dos estimaciones de ventas que se consideran conflictivas
para el trimestre que se avecina. La estimación 1 dice que las ventas en millones de dólares estarán
normalmente distribuidas con 𝜇 = 325 y 𝜎 = 60. La estimación 2 dice que las ventas están
normalmente distribuidas con 𝜇 = 300 y 𝜎 = 50. La junta de directores encuentra que cada estimación
parece, a priori, ser igualmente fidedigna. Con el fin de determinar cuál estimación deberá utilizarse
para hacer predicciones, la junta de directores ha decidido unirse de nuevo al final del trimestre y utilizar
información actualizada sobre las ventas para tomar una determinación sobre la credibilidad de cada
estimación. Represente las respuestas gráficamente por la campana de Gauss.
a. Suponiendo que la estimación 1 es precisa, ¿cuál es la probabilidad de que la compañía tenga ventas
trimestrales mayores a $350,000,000?
b. Suponiendo que es la estimación 2 la precisas ¿cuál es la probabilidad de que la compañía tenga
ventas trimestrales mayores a $350,000,000?
c. Al final del trimestre, la juntas de directores encuentra que la compañía tiene ventas mayores a
$350,000,000. Dada esta información actualizada, ¿cuál es la probabilidad de que originalmente la
estimación 1 sea la correcta? (Sugerencia: recuerde el teorema de Bayes)
d. Al final del trimestre, la juntas de directores encuentra que la compañía tiene ventas mayores a
$350,000,000. Dada esta información actualizada, ¿cuál es la probabilidad de que originalmente la
estimación 2 sea la correcta? (Sugerencia: recuerde el teorema de Bayes)
GRACIAS