UNIVERSIDAD NACIONAL FEDERICO VILLARREAL

FACULTAD DE INGENIERÍA GEOGRÁFICA AMBIENTAL Y

ECOTURISMO
ESCUELA DE INGENIERÍA AMBIENTAL

• ASIGNATURA: ESTADÍSTICA APLICADA

• DOCENTE: Ing. RIVAS ARGUELLES JOSE WALTER

• INFORME: DISTRIBUCIÓN DE PROBABILIDAD NORMAL Y ESTANDAR

• SECCIÓN: M/A

• ESTUDIANTE: ESPÍRITU EUGENIO, QUINIO BRUNO

2021
Tabla de contenido
INTRODUCCIÓN .................................................................................................................. 3

OBJETIVOS....................................................................................................................... 4

MARCO TEÓRICO ................................................................................................................ 5

1. Definición y características de la distribución Normal ................................................. 5

1.1. ¿Por qué es importante conocer la distribución normal? ......................................... 5

1.2. Distribución normal .................................................................................................. 5

1.3. Distribución normal estándar ................................................................................... 9

CONCLUSIONES .............................................................................................................13

REFENCIAS .....................................................................................................................13
 INTRODUCCIÓN
La distribución normal es, con mucho, la más importante de todas las distribuciones de
probabilidad. Es una distribución de variable continua, con campo de variación ]- , [ . Fue
descubierta por Gauss al estudiar la distribución de los errores en las observaciones
astronómicas. Debe su importancia a tres razones Importantes: Por un lado, un gran número de
fenómenos reales se pueden modelizar con esta distribución (tales el caso de las
características cuantitativas de casi todas las grandes poblaciones). Por otro lado, muchas de
las distribuciones de uso frecuente tienden a aproximarse a la distribución normal bajo ciertas
condiciones; y, por último, en virtud del Teorema Central del Límite, todas aquellas variables
que puedan considerarse causadas por un gran número de pequeños efectos (como pueden
ser los errores de observación) tienden a distribuirse con una distribución normal (Cordova,
2003).
Para entender mejor la distribución normal planteemos su descubrimiento, en un pequeño
gráfico. Nos encontramos midiendo la distancia a un astro (d); evidentemente cada distancia
observada no ha de ser igual a la anteriormente tomada pues cometemos errores al realizar la
medición, ya sea por nosotros o por lo instrumentos. Teóricamente un error puede ser tan
grande que la distancia observada sea más infinita, y menos infinito. Plasmamos en un gráfico,
y sobre un eje, cada observación que realizamos (en el gráfico un cuadrado). Cuantas más
observaciones realizamos los diversos cuadrados, en conjunto, van tomando una determinada
forma; si nos planteamos calcular la expresión analítica de dicha forma llegamos a la función de
la curva, que, tomada como función de densidad, posee las características de dicho tipo de
funciones, de la distribución normal. Dependiente, como se observa, de dos parámetros: uno, el
valor central de la curva, y, otro, la distancia de dicho valor a los puntos de inflexión (luego
comprobaremos que dichos parámetros son la media y la desviación.
Así mismo con esta monografía, conoceremos las características y propiedades de la
distribución normal. Utilizamos ejemplos y ejercicios donde descubriremos los principales
aspectos sobre el cálculo de probabilidades mediante la distribución normal y sus principales
aplicaciones prácticas. Finalmente, hacemos hincapié en los conceptos básicos de aprendizaje
con respecto a la distribución normal, distribución normal estándar y sus aplicaciones
prácticas.
OBJETIVOS
• Identificar las propiedades de una distribución normal.
• Identificar las propiedades de la distribución normal estándar
 MARCO TEÓRICO
1. Definición y características de la distribución Normal

1.1. ¿Por qué es importante conocer la distribución normal?

La distribución normal fue desarrollada por Abraham de Moivre, (1667-1754). Posteriormente,
Carl Friedrich Gauss (1777‐1855) elaboró desarrollos más profundos y formuló la ecuación de
la curva; de ahí que también se la conozca, más comúnmente, como la "campana de
Gauss".La distribución de una La distribución normal está completamente determinada por dos
parámetros, su media y su desviación estándar, denotadas generalmente por μ y σ. La
distribución normal es la distribución de probabilidad más importante en estadística, debido a
tres razones fundamentales (DeGroot, M.H., 1988):
➢ Desde un punto de vista matemático resulta conveniente suponer que la distribución de
una población de donde se ha extraído una muestra aleatoria sigue una distribución
normal, ya que entonces se pueden obtener las distribuciones de varias funciones
importantes de las observaciones muéstrales, que además resultan tener una forma
sencilla.
➢ Desde un punto de vista científico, la distribución normal aproxima en muchas
ocasiones los valores obtenidos para variables que se miden sin errores sistemáticos.
Por ejemplo, se ha observado que muchos experimentos físicos frecuentemente tienen
distribuciones que son aproximadamente normales, como estaturas o pesos de los
individuos, beneficios medios de las empresas, la duración de un producto perecedero,
el tiempo necesario para llevar a cabo un trabajo, etc.
➢ La última razón es la existencia del Teorema Central del Límite, establece que cuando
se dispone de una muestra aleatoria grande, aunque presente una distribución no
normal e incluso distribuciones típicas de variables aleatorias discretas, pueden tratarse
como aproximadamente distribuciones normales. Algunos ejemplos típicos de la
distribución normal son:
✓ Estatura de las personas.
✓ T° de una cámara frigorífica.
✓ Dosis de un aditivo.
✓ Precipitaciones anuales de un determinado país.

1.2. Distribución normal

Corresponde a una variable aleatoria continua que se extiende sobre un campo de variabilidad
infinita y está dada por la función.
Una variable aleatoria continua x que tiene como distribución la forma de campana se
denomina variable aleatoria normal y la ecuación matemática para la distribución de
probabilidad depende de dos parámetros 𝜎 y 𝜇, su media y su desviación estándar (Devore,
2008). De aquí denotaremos los valores de la densidad X con n(x; 𝜎, 𝜇)
Observación: La probabilidad de una V.A. que se distribuye en forma normal, tiene una media
“μ” y una desviación estándar “σ”, la cual se puede llevar siempre a una distribución normal
(𝑥−𝜇)
con parámetros μ = 0 y σ = 1, mediante la fórmula: Ζ =
𝜎

La densidad de la variable aleatoria normal X, con media 𝝁 y varianza 𝝈𝟐 , es normal

(𝑥−𝜇)2
𝑁 −
𝑓(𝑥) = 𝜎√2𝜋 𝑒 2𝜎2 −∞<𝑥 <∞+

Siendo:
N= número de datos
𝜎=distribución estándar de la distribución
binomial
𝜇= media de distribución binomial

La distribución normal es el modelo probabilístico que se usa con frecuencia y sirve como
aproximación de muchas distribuciones que tienen aplicaciones importantes (Martínez, 2012).
Nota. Aceptamos sin verificar que
+∞
1 1(𝑥−𝜇)2
−
𝑓(𝑥) = ∫ 𝑒 2 𝜎2 𝑑𝑥 =1 −∞<𝑥 <∞+
−∞ 𝜎√2𝜋
(𝐱 − 𝛍)
𝐿𝑢𝑒𝑔𝑜, 𝑠𝑖 𝑠𝑒 ℎ𝑎𝑐𝑒 Ζ = , 𝑠𝑒 𝑡𝑖𝑒𝑛𝑒 − ∞ < 𝑥 < ∞+. 𝑑𝑥 = 𝜎𝑑𝑧. 𝑦
𝛔
+∞ (𝑧)2
1
∫ 𝑒− 2 𝑑𝑧 =1
√2𝜋
−∞
1.2.1. Propiedades de la distribución normal
A partir de su gráfica y del análisis de su función de densidad, la curva normal tiene las
siguientes propiedades.
1) Es asimetrica con respecto al eje vertical (𝑥 = 𝜇), ya que f(x) solo depende de x
mediante la expresion (𝑥 − 𝜇)2 luego f(𝑥 + 𝜇) = 𝑓(𝜇 − 𝑥)
1
2) Tiene valor máximo en (𝑥 = 𝜇(moda). Este valor máximo es: 𝑓(𝜇) =
𝜎√2𝜋
 3) Se tiene a x como asintota horizontal, ya que lim 𝑓(𝑥) = 0 𝑦 lim 𝑓(𝑥) = 0
𝑥→−∞ 𝑥→+∞

4) Tienen puntos de inflexión en 𝑥 = 𝜇 − 𝜎 𝑦 𝑥 = 𝜇 + 𝜎. Po lo tanto es concava hacia abajo

en el intervalo 𝜇 − 𝜎 < 𝑥 <= 𝜇 + 𝜎 y concava hacia arriba en cualquier otra parte.
5) El area total que enciera la curva y el eje x es igual a 1.
1.2.2.Teorema
Si la variable aleatoria x tiene distribucion normal 𝑁(𝜇, 𝜎 2 )entonces.
a) E(x) = μ b) Var(x) = 𝜎 2
Prueba.

1.2.3. EJERCICIOS
PROBLEMA1 Una fábrica de producción de agua embotellada, cuenta con una máquina de
envasado automático, la cual vierte en cada botella una cierta cantidad de agua que sigue una
distribución normal con media de 500 mililitros y una varianza de 5 mililitros. ¿Qué porcentaje
de las botellas se llenan con agua entre 490 y 507 mililitros?
Solución: 𝛍 = 500
𝛔=5
Parte 1:(490 ≤ X ≤ 500)
Sumando ambas probabilidades: 0.4772 + 0.4192 = 0.8964 (respuesta)

PROBLEMA 2: Las puntuaciones de un examen tipo test, siguen una distribución normal de
media 28 puntos y desviación típica 10 puntos. Calcula la puntuación tipificada de los alumnos
que obtuvieron:
a) 38 puntos b) 14 puntos c) 45 puntos. d) 10 puntos.
Solución: La variable aleatoria X="puntuación obtenida en el test" sigue una distribución normal

de media 28 puntos y desviación típica 10 puntos, es decir: X → N ( 28;10)

38−28 14−28 45−28
a) 38 puntos.𝑧 = =1 b) 14 puntos. 𝑧 = = −14 C) 𝑧 = = 1.7
10 10 10

PROBLEMA 3: Si en el mismo examen del problema anterior la puntuación tipificada de un

alumno fue 0,8
¿Cuántos puntos obtuvo?
𝑥−28
Solución: 𝑧 = = 0.8, 𝑥 = 36
10
 1.3. Distribución normal estándar
La distribución normal estándar, es aquella distribución normal que tiene una media igual a
cero, y una desviación estándar igual a uno. Veamos la función densidad normal
estandarizada, que trabaja con la variable estandarizada z en el eje horizontal

1.3.1 propiedades
Si la variable aleatoria X tiene distribución normal 𝑁(𝜇, 𝜎 2 ), entonces, la variable aleatoria
(𝑥−𝜇)
estándar Ζ = , tiene distribución normal 𝑁(𝑜, 1). En efecto la variable estándar Z tiene
𝜎

media igual a cero y varianza igual a uno, esto es.

𝐸(𝑍) = 0 𝑦 𝑉𝑎𝑟(𝑧) = 1
Además, la probabilidad.
𝑥1
1 1(𝑥−𝜇)2
−
𝑃[𝑥 ≤ 𝑥1 ] ∫ 𝑒 2 𝜎2 𝑑𝑥
−∞ 𝜎√2𝜋
(𝑥−𝜇)
Si X toma el valor de 𝑥 entonces el correspondiente valor de Z es Ζ =
𝜎
(𝑥1 −𝜇)
Si X toma el valor de 𝑥1 entonces el correspondiente valor de Z es 𝑍 =
𝜎

Tambien −∞ < 𝑧 < ∞+. 𝑑𝑥 = 𝜎𝑑𝑧. Luego.

𝑥1
1 1(𝑥−𝜇)2 𝑥1
1 (𝑧)2
−
𝑃[𝑥 ≤ 𝑥1 ] ∫ 𝑒 2 𝜎2 𝑑𝑥 =∫ 𝑒− 2 𝑑𝑧 = 𝑃[𝑍 ≤ 𝑍1 ]
−∞ 𝜎√2𝜋 −∞ √2𝜋
La funcion de densidad y la función de distribucion acumulada de la normal estandar
son respectivamente.
(𝑧)2 𝐳 (𝐭)𝟐
1 − 𝟏 −
𝜙(𝑧) = 𝑒 2 𝐲 ∅(𝐳) = ∫ 𝐞 𝟐 𝐝𝐭
√2𝜋 −∞ √𝟐𝛑

La frafica de ∅(𝑧) es la parte sombreada de la figura

1.3.2. Ejercicios aplicando la tabla

Problema 1. Por ejemplo, si se desea encontrar la probabilidad de que la variable
estandarizada z, tome un valor entre 0 y 1,50; hay que encontrar el área bajo la curva entre z =
0 y z = 1,50.

Para calcular el valor de esta área, se utiliza la tabla z y se busca el valor de 1,50:

Como vemos, el valor del área bajo la curva es de 0,4332, y esa sería la probabilidad de que
la variable estandarizada z, tome un valor comprendido entre 0 y 1,50.
Problema.2.
1. Los montos de dinero que se piden en las solicitudes de préstamos en Down River Federal
Savings tiene una distribución normal, una media de $70,000 y una desviación estándar de
$20,000. Esta mañana se recibió una solicitud de préstamo. ¿Cuál es la probabilidad de
que

µ = $70,00 x−𝜇
Probabilidad Normal Estándar z=
σ = $20,00 𝜎

a) El monto solicitado sea de $80,000 o superior

p (x ≥ 80,000)
Probabilidad
80,000 – 70,000 10,000
acumulada.
z= 20,000
= 20,000 = 0.50 = 0.6915

p (x ≥ 80,000) = 1 – 0.6915= 0.3085

b) El monto solicitado oscile entre $65,000 y $80,000

p (65,000 ≤ x ≤ 80,000) Probabi
lidad
80,000 – 70,000 10,000 acumulada
z= = = 0.50 =
20,000 20,000 .
z=
65,000 – 70,000
=
−5,000
= −0.25 = 0.6915
20,000 20,000
0.4013
p (65,000 ≤ x ≤ 80,000) = 0.6915 – 0.4013 = 0.2902

c) El monto solicitado sea de $65,000 o superior.

p (x ≥ 65,000)
Probabilidad
65,000 – 70,000 −5,000 acumulada.
z= = = −0.25 =
20,000 20,000 0.4013

p (x ≥ 65,000) = 1 –0.4013 = 0.5987

Ejercicio 3: En una ciudad, las temperaturas máximas diarias durante el mes de julio se
distribuyen según
una normal de media 260 C y desviación típica de 40 C ¿Cuántos días se puede esperar
que tengan
una temperatura máxima comprendida entre 220 C y 280 C?
Solución: Nos dicen en el enunciado del problema que la variable X, temperaturas máximas
diarias durante el mes de julio, sigue una distribución normal de media 260 C y desviación
 22 − 26 28 − 26
típica de 40 C, N ( 26;4) . P(22  x  28)=P( z )
4 4
P (−1  z  0,5) = P( z  0,5) − P( z  −1)
P( z  0,5) − 1 + P( z  1) = 0,6915 − 1 + 0,8413 = 0,5328 . 0,5328.31= 16,5168 → Se puede
esperar que tengan una temperatura máxima comprendida entre 220 C y 280 C,
aproximadamente 17 días.

Ejercicio 4: La duración de un tipo de pilas eléctricas sigue una normal con media de 50 horas
y desviación típica de 5 horas.
Halla la probabilidad de que, eligiendo una pila al azar, dure entre 40 y 55 horas.
Solución: Nos dicen en el enunciado del problema que la variable X, duración de ese tipo de
pilas eléctricas, sigue una distribución normal de media de 50 horas y desviación típica de 5
horas; N (50,5) .
40 − 50 55 − 50
Nos piden la P(40  x  55) = P( z ) =P( − 2  z  1) = =P(z  1) − P( z  −2) = P(z
5 5
 1) − 1 + P ( z  2) = 0,8413-1+0,9772= 0,8185

Ejercicios:5
a) La media de los pesos de 500 estudiantes de un colegio es 70 kg y la desviación típica 3
kg. Suponiendo que los pesos se distribuyen normalmente, hallar cuántos estudiantes pesan:
• Entre 60 kg y 75 kg 2- Más de 90 kg 3- Menos de 64 kg 4- 64 kg 5- 64 kg o menos
 CONCLUSIONES
• Se identificó las distintas propiedades de la distribución normal como: la densidad de la
variable, los valores que puede tomar Z, los cuales siempre son positivos aplicados a la
tabla.
• La diferencia entre la variación normal y estándar radica: la primera toma adquiere
valores reales, pero la estándar para su varianza es 1 y para su media es 0

REFENCIAS
Cordova, M. (2003). Estadística descriptiva e inferencial (Vol. Quinta edición). Lima, Perú:
MOSHERA S.R.I. Obtenido de https://dokumen.tips/documents/estadistica-descriptiva-
e-inferencial-manuel-cordova-zamorapdf.html
Devore, J. L. (2008). Probabilidad y Estadística para Ingeniería y Ciencias (Séptima edición
ed.). (S. R. Cervante, Ed.) California Polytechnic State University, San Luis Obispo:
Cengage Learning Editores, S.A. de C.V. . Obtenido de
https://intranetua.uantof.cl/facultades/csbasicas/matematicas/academicos/jreyes/DOCE
NCIA/APUNTES/APUNTES%20PDF/Probabilidad%20y%20Estadistica%20para%20Ing
enieria%20y%20Ciencias%20-%20Jay%20Devore%20-%20Septima%20Edicion.pdf
Martínez, C. (2012). Estadistica Y Muestreo (Vol. Décimo tercero edición). Bogota, Colombia:
ECOE EDICIONES . Obtenido de
https://l.facebook.com/l.php?u=https%3A%2F%2Flookaside.fbsbx.com%2Ffile%2FEsY
Mu13E%2520%2528CiMaBe12%2529.pdf%3Ftoken%3DAWzhQq2ATjvWmHAVVv2-
UXaBfnvpACE-
nyBF6gPpXYd39eBFJobND9HETIz3wvAkZiGNuPmU_ZiHQrnCUJWX5d14XTEe-
tj1wjYyy8Llhn4DuUK5GUmER3ChczBHOBUz5QOppOx