parámetro se obtiene con ayuda de la raíz cuadrada

INSTITUCIÓN UNIVERSITARIA “ANTONIO JOSÉ CAMACHO” la  (la desviación estándar)

Asignatura: ESTADÍSTICA APLICADA  Se denota Z  N (,2).

Las siguientes son algunas de las características más

Guía # 1. Repaso Distribución Normal
Estándar
Temas:
 Aplicaciones de la distribución normal
DISTRIBUCIÓN DE PROBABILIDAD NORMAL
(Lectura independiente, puede recurrir a algún texto)
La distribución normal fue reconocida por primera vez
por el francés Abraham de Moivre (1667-1754).  50% del área está a la derecha de la media, y el otro
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".  hacia ambos lados, el área delimitada será
Una de las distribuciones teóricas mejor estudiadas en
los textos de estadística y más utilizada en la práctica es
la distribución normal, también llamada Distribución
Gaussiana o Campana de Gauss. Su importancia se
debe fundamentalmente a la frecuencia con la que
distintas variables asociadas a fenómenos naturales y
cotidianos siguen, aproximadamente, esta distribución. 
importantes de la distribución normal:
1. Es simétrica respecto a su media (): La curva hacia
cualquiera de los lados de  es una imagen de
espejo de la del otro lado. Según esto, para este tipo
de variables existe una probabilidad de un 50% de
observar un dato mayor que la media, y un 50% de
observar un dato menor.
2. La media, la mediana y la moda son iguales y
coinciden con el pico más alto de la distribución.
3. El área total bajo la curva sobre el eje X es igual al
100%. Si juntamos esto con el dato de la simetría, el
50% está a la izquierda.
4. Si se levantan líneas perpendiculares a una
distancia de una desviación estándar desde la media
aproximadamente, 68% del área total (ver figura 2).
De la misma manera a 2 desviaciones estándar se
encuentra aproximadamente el 95.5% de los datos
(ver figura 3) y a 3 desviaciones estándar el 99.7%
de los datos (ver figura 4).

Como se mencionó anteriormente, algunas

distribuciones de datos de la vida real tienen la forma de
una montaña, es decir se pueden aproximar por una 68%
distribución de frecuencias con formas de una campana
que se conoce como la curva normal. Ver la figura 1.

Figura 2. En una distribución normal aproximadamente el

68% de los datos se encuentra a una desviación estándar de
la media.

Figura 1. Forma de la Distribución normal, curva normal

o campana de Gauss.
La distribución normal es la más importante en la
estadística. La comprensión de los conceptos
relacionados con esta distribución constituye un gran 95.5%
avance en los conocimientos de probabilidad y
estadística. La función de densidad normal está dada
por: - 2 +2

1 2
/ 2 2 Figura 3. En una distribución normal aproximadamente el
f(X )  e ( x   ) , -  <x< 
2  95.5% de los datos se encuentra a dos desviaciones estándar
de la media.
En esta ecuación:

 e=2.71828 y =3.1416 son las constantes que se

utilizan frecuentemente en matemáticas.
 Los dos parámetros que definen la distribución
normal son  (la media) y 2 (Varianza), de este
 Dada la distribución normal estándar, calcular:

P (Z < 2.33) =?

99.7%

-3 +3

Figura 4. En una distribución normal aproximadamente el

99.7% de los datos se encuentra a tres desviaciones estándar
de la media
5. La distribución normal es realmente una familia de
distribuciones. Los parámetros  y 2 determinan
completamente la distribución normal. Es decir, por
cada valor diferente de  y 2 se especifica una
distribución normal diferente. Los valores diferentes
de  trasladan la gráfica de la distribución a lo largo
del eje de la variable x. Los valores de 2
determinan el grado de aplanamiento o Es decir, P (Z < 2.33 ) = 0.9901.
levantamiento de la gráfica de la distribución. (Entre
más pequeña 2 más puntuda será la gráfica y entre
menos valor tenga 2 más aplanada será la gráfica)
DISTRIBUCIÓN NORMAL ESTÁNDAR (Trabajar con
la tabla Normal Estándar (Z))
=0 2.33
Solución: como el z0 solicitado es mayor que cero,
buscamos en la Tabla los valores de Z positivos: En la
columna marcada como z nos ubicamos en la fila
correspondiente al número 2.30; estando en dicha fila
nos vamos hacia la derecha y nos ubicamos en la
columna marcada al inicio como 0.03 (2.30 + 0.03 =
2.33); el valor que intercepta la fila 2.30 y la columna
0.03, es el área solicitada.
Ejemplo 2:
Veamos la simetría de la distribución normal:
Calcular P (Z < - 0.55 ) y P (Z > 0.55)

Tiene una media igual a cero ( =0) y una varianza igual

a 1 (2=1). Se denota Z  N (0, 1). La ecuación para la
distribución normal estándar, z, se escribe:

1 2
f ( z)  e z /2 , -  < z < 
2

Para calcular la probabilidad de que z tome un valor -0.55

entre dos puntos cualesquiera sobre el eje horizontal,
por ejemplo, z0 y z1, se debe calcular el área bajo una
curva. Esto debe hacerse por medio de cálculo integral.
En el caso de la normal univariada, para calcular el área
entre 0.2 y 0.7, es necesario calcular la siguiente
integral:
0.7
0.2 f ( z) dz

Por fortuna, no es necesario efectuar esta operación, 0.55

porque existen tablas disponibles que proporcionan los
resultados de todas las integraciones en las que se
pueda estar interesado. Estas tablas están incluidas en
cualquiera de los textos de probabilidad y estadística.
Para trabajar los siguientes ejemplos, utilizaremos la
Tabla de la distribución normal estándar Z. Esta tabla
presenta áreas de la curva normal P ( z  z0 ). Los
valores en el cuerpo de la tabla son áreas entre -  y z0.
Ejemplo 1:
Solución:
P (Z < -0.55) = 0.2912. Búsquese en la Tabla para
valores de Z negativos la intersección de la fila -0.50
con la columna 0.05.
P (Z > 0.55) = 1 - P (Z < 0.55 ) = 1 – 0.7088 = 0.2912
Por la simetría de la distribución normal, se cumple que:
P (Z < - 0.55) = P (Z > 0.55) = 0.2912.

Para utilizar la tabla normal estándar, el primer paso es Ejemplo 3:

graficar el área solicitada.
Calcular la probabilidad de que una Z, sacada al azar, c) P(Z < -0.86) = 0.1949  Z0.1949 = -0.86
tenga un valor entre -2.87 y 2.64. d) P(Z < 1.05) = 0.8531  Z0.8531 = 1.05
e) P(Z < -2.57) = 0.0051  Z0.0051 = -2.57
f) P(Z < 2.9) = 0.9981  Z0.9981 = 2.9

Ejercicio # 4:

1) Completar:

a) Alrededor del ________% del área por debajo

de la curva normal se encuentra dentro de una
-2.87 0 2.64 desviación estándar de la media.
b) Aproximadamente ________% del área por
Solución: Al dibujar el área solicitada, nos damos cuenta debajo de la curva normal se encuentra dentro
que es necesaria la siguiente operación: de dos desviaciones estándar de la media.
c) Cerca del ________% del área por debajo de la
P (-2.87 < Z < 2.64) = P (Z < 2.64) - P (Z < - 2.87). curva normal esta dentro de tres desviaciones
estándar de la media.
Por tanto, P (-2.87 < z < 2.64) = 0.9959 - 0.0021 =
0.9938. 2) Grafique y utilice la tabla de probabilidad normal
Ejercicio # 3: Verifique los siguientes resultados: estándar para calcular las siguientes probabilidades:
1) En general, para una probabilidad o área menor que a) P (Z < 0.55) b) P (Z < 2.04)
Z, es decir: P(Z < z0), se busca directamente el valor c) P (Z < -0.55) d) P(Z < -1.55)
de la tabla: e) P(Z < 1.96) f) P(Z > 1.25)
g) P (Z > -1.96) h) P (Z > 0.75)
a) P(Z < 1.25) = 0.8944 i) P (Z > 2.55) j) P (Z > -1.86)
b) P(Z < -2.57) = 0.0051 k) P (-1.64 < Z < 1.64) l) P (0.55 < Z < 2.55)
c) P(Z < -0.86) = 0.1949 m) P(0.45 < Z < 1.58) n) P(-0.4 < Z < 0)
d) P(Z < -0.20) = 0.4207 o) P(-1.57 < Z < -0.59)
e) P(Z < 1.05) = 0.8531
f) P(Z < 2.9) = 0.9981 3) Dada la distribución normal estándar, dibujar y
calcular:
2) Para hallar una probabilidad o área mayor que Z, es
decir: P(Z > z0), a la unidad (1) se le resta el valor a) Z 0.025 b) Z 0.0495
de la tabla: c) Z 0.10 d) Z 0.25
e) Z 0.5 f) Z 0.90
a) P(Z > 1.25) = 1 - P(Z < 1.25) = 1 - 0.8944 = 0.1056
g) Z 0.9505 h) Z 0.975
b) P(Z > -2.57) = 1 - P(Z < -2.57) = 1 - 0.0051= 0.9949
c) P(Z > -0.86) = 1 - P(Z < -0.86) = 1 - 0.1949= 0.8051 i) Z 0.9991 j) Z0.1977
d) P(Z > -0.20) = 1 - P(Z < -0.20) = 1 - 0.4207= 0.5793
e) P(Z > 1.05) = 1 - P(Z < 1.05) = 1 - 0.8531= 0.1469 4) P (Z > k) = 0.25. ¿el proceso es el mismo?, luego k
f) P(Z > 2.9) = 1 - P(Z < 2.9) = 1 - 0.9981= 0.0019 es igual a __________

3) Para hallar una probabilidad o área intermedia, es 5) Revisión de su comprensión:

decir: P(z0 < Z < z1), al área mayor se le resta el
área menor. En general:
P(z0 < Z < z1) = P(Z < z1) - P(Z< z0)
a) P(-1.96 < Z < 1.96) = P(Z < -1.96) – P(Z < 1.96)
= 0.9750 – 0.025 = 0.95
b) P(0 < Z < 1.77) = P(Z < 1.77) – P(Z < 0)
= 0.9616 – 0.5000 = 0.4616
a) ¿Qué diferencia hay entre la distribución normal
y la distribución normal estándar?
b) Menciona al menos 5 características de la
distribución normal.
c) ¿Cuáles son los dos parámetros que definen
una distribución de probabilidad normal?
d) ¿Cuáles son las dos principales características
de la distribución normal estándar?

c) P(-2.05 < Z < -1.10) = P(Z < -1.10) – P(Z < -2.05)
= 0.1357 – 0.0202 = 0.1155
4) Para hallar un valor de Z, dada el área:
a) P(Z < 1.96) = 0.9750  Z0.9750 = 1.96
b) P(Z < -1.64) = 0.0505  Z0.0505 = -1.64
APLICACIONES DE LA DISTRIBUCIÓN NORMAL
ESTÁNDAR (Trabajo en el aula y de forma
independiente)
Estandarizar una variable es convertir una variable
aleatoria con distribución normal, con cualquier media y
cualquier varianza a una normal estándar con media 0 y
varianza 1. b) Necesitamos calcular la P( X > 75).

Generalmente, los investigadores después de medir Siguiendo el mismo proceso de estandarización, se

variables cuantitativas, desean hacer "extrapolaciones" tiene que:
a la población de donde obtuvieron las muestras de
mediciones que representan sus datos. Estas P( X > 75 ) = 1 - P ( Z < 75 )
extrapolaciones implican poder estimar las 75  68
probabilidades de ocurrencia de algunos eventos de = 1-P(Z  )
5
interés dentro del rango de valores que toma su variable
= 1 - P ( Z < 1,40) = 1 – 0,9192 = 0,0808
cuantitativa. Para poder hacer esto, se debe primero
establecer la forma de distribución que tienen los datos
Luego, el 8,08% de las lámparas duraran al menos 75
(para esto existen pruebas estadísticas específicas que
meses. De las 10.000 lámparas aproximadamente 808
no trataremos en este curso). Cuando se sabe que las
duraran más de 75 meses (multiplique n * la
mediciones recogidas se ajustan a una distribución
probabilidad encontrada).
normal de probabilidades, se puede "estandarizar" dicha
variable, es decir; se llevan los datos a la forma de una
c) ¿Qué porcentaje de lámparas duraran entre 65 y 75
normal estándar aplicando el siguiente cambio de
meses? P(65 < X < 75) = ?
variable con la ecuación:
x
z Estandarizando en ambos lados de la ecuación se tiene
 que:

Donde  es la media aritmética que toma la variable en P( 65 < X < 75 ) = P(X < 75 ) - P(X < 65 )
la población y  es su desviación estándar poblacional. = P (del mayor) – P (del menor)
75  68
= P (Z  ) - P (Z 
5
Ejemplo 4:
65  68
)
La vida media de una lámpara, según el fabricante, es 5
de 68 meses, con una desviación típica de 5 meses. Se = P ( Z < 1,40) - P ( Z < -0,60)
supone que se distribuye según una distribución normal = 0,9192 – 0,2743
en un lote de 10.000 lámparas. = 0,6450

a) ¿cuál es la variable aleatoria? ¿cuáles son los El 64,5% de las lámparas duraran entre 65 y 75 meses.
parámetros? ¿Qué porcentaje de lámparas se
estropearán antes de 60 meses?
b) ¿Cuántas lámparas superarán previsiblemente los d) ¿Cuánto tiempo durará el 10% de las lámparas
75 meses? menos duraderas?
c) ¿Qué porcentaje de lámparas duraran entre 65 y 75
meses? Llamemos k el valor a encontrar, luego:
d) ¿Cuánto tiempo durará el 10% de las lámparas
menos duraderas? P(X < k) = 0.10

Solución: k  68
Por otro lado: P (Z  ) = 0.10
a) Llamando X la variable aleatoria de la vida de una 5
lámpara (en meses), tenemos que: X  N (68, 25) y
necesitamos calcular la P( X < 60). De la tabla de la normal estándar se sabe que:
P(Z < -1.28) = 0.10, luego
De esta distribución normal no tenemos tabla, pero
x k  68
creando la variable aleatoria z , la = -1.28, y al despejar k se tiene k = 61,6
 5
convertiremos en una distribución normal estándar. meses.
Entonces:
La fórmula que se utiliza en estos casos es despejar x
60  68 x
P( X < 60 ) = P ( Z  ) de la ecuación: z 
5 
= P ( Z  1,60) = 0,0548
Así, se estima que 5.48% del total de lámparas duraran Entonces: x     z
menos de 60 meses.
Ejemplo 5:
 administrador de la asociación, seleccionado al
azar:
Supóngase que los diámetros de los árboles de ciertas
especies de un bosque, distribuyen normalmente con
a) Gane más de $ 3.000.000
media de 8 pulgadas y desviación estándar de 2
b) Gane menos de $ 2.400.000
pulgadas. Si se define que un árbol tiene un diámetro
c) ¿Cuál es el valor máximo del 20% de los
inusualmente grande cuando tiene más de 12 pulgadas:
salarios más bajos?
calcule la probabilidad de encontrar un árbol de
d) ¿Cuánto debe ganar un administrador para
diámetro inusualmente grande.
poder afirmar que está en el grupo del 25% de
los administradores que más sueldo gana?

4) Los empleados de una compañía trabajan un

promedio de 45 horas por semana con una
desviación estándar de 5 horas.

a) ¿Cuántos de los 500 empleados que hay en la

empresa trabajan entre 40 y 60 horas?
b) Los ascensos son más probables para los
empleados que están dentro del 15% de los que
=8 12 pasan mas tiempo trabajando. ¿Cuánto debe
trabajar usted para mejorar sus oportunidades
de ascenso?
Solución: Llamando X la variable aleatoria de las
medidas de los diámetros, tenemos que: X  N ( 8, 4 ) y 5) Los Salarios de trabajadores en cierta industria
necesitamos calcular la P( X > 12 ). norteamericana se distribuyen normalmente con
media US$11.90 por hora y desviación estándar
De esta distribución normal no tenemos tabla, pero US$0.40 por hora.
x
creando la variable aleatoria z , la a) Un trabajador se clasifica como mal pago si

convertiremos en una distribución normal estándar. gana menos de a US$10.90 por hora ¿Qué
Entonces: porcentaje de trabajadores se pueden
considerar mal pagos?
b) ¿Qué porcentaje de los salarios por hora son
P( X > 12 ) = 1 - P ( X  12 )
menores que US$11?
12  8 c) ¿Qué porcentaje de los salarios son mayores
= 1- P ( Z  )
2 que US$11 por hora?
= 1- P ( Z  2 ) = 1 - 0.977 = 0.023

Así, se estima que 2.3% del total de árboles de esta

área tienen un diámetro inusualmente grande.

Ejercicio # 5:

1) Los puntajes logrados en una prueba de aptitud

para estudiantes de Administración siguen una
distribución aproximadamente normal, con una
media de 500 y una varianza de 10.000. ¿Cuál es la
desviación estándar de los puntajes?

2) El tiempo promedio (en minutos) que tardaron 15

operarios en familiarizarse con el manejo de una
nueva máquina adquirida por la empresa fue de 5.4
con una desviación estándar de 2.2. ¿Cuál es la
varianza del tiempo que tardan los operarios en
aprender a operar la nueva maquina?

3) Los salarios promedio de la asociación de

Administradores egresados de una universidad local
son de $2.800.000= con una desviación estándar de
$250.000. Si los salarios siguen una distribución
normal, encuentre la probabilidad de que un