INSTITUCIÓN UNIVERSITARIA ANTONIO JOSÉ CAMACHO

TALLER DISTRIBUCIÓN NORMAL

Temas:
 Distribución normal estándar
 Aplicaciones de la distribución normal

La primera parte de la guía de este tema contiene orientaciones sobre la distribución normal, en la segunda se
proponen ejercicios a desarrollar en el foro pensamiento aleatorio y aquellos para resolver en el segundo encuentro.

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

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).   Se denota Z  N (,2).
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". 
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, está distribución. 
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 distribución de
frecuencias con formas de una campana que se conoce
como la curva normal. Ver la figura 1.
utilizan frecuentemente en matemáticas.
 Los dos parámetros que definen la distribución normal
son  (la media) y 2 (Varianza), de este parámetro se
obtiene con ayuda de la raíz cuadrada la  (la
desviación estándar)
Las siguientes son algunas de las características más
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% del área está a la derecha de la media, y el otro
50% está a la izquierda.
4. Si se levantan líneas perpendiculares a una distancia
de una desviación estándar desde la media hacia
ambos lados, el área delimitada será
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).

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 avance en los 68%
conocimientos de probabilidad y estadística. La función de
densidad normal está dada por:

1 2
/ 2 2
f(X )  e ( x   ) , -  <x< 
2  Figura 2. En una distribución normal aproximadamente el 68%
de los datos se encuentra a una desviación estándar de la
En esta ecuación: media.

1
 resultados de todas las integraciones en las que se pueda
estár interesado. Estás 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. Está tabla presenta
95.5% áreas de la curva normal P ( z  z0 ). Los valores en el
cuerpo de la tabla son áreas entre -  y z0.
- 2 +2
Ejemplo 1:
Figura 3. En una distribución normal aproximadamente el
95.5% de los datos se encuentra a dos desviaciones estándar de Para utilizar la tabla normal estándar, el primer paso es
la media. graficar el área solicitada.

Dada la distribución normal estándar, calcular:

P (Z < 2.33) =?

99.7%

-3 +3

Figura 4. En una distribución normal aproximadamente el =0 2.33

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 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))
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.
Es decir, P (Z < 2.33 ) = 0.9901.
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
-0.55
Para calcular la probabilidad de que z tome un valor 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 está operación, 0.55

porque existen tablas disponibles que proporcionan los
2
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.
Ejemplo 3:
Calcular la probabilidad de que una Z, sacada al azar,
tenga un valor entre -2.87 y 2.64.
-2.87 0 2.64
Solución: Al dibujar el área solicitada, nos damos cuenta
que es necesaria la siguiente operación:
P (-2.87 < Z < 2.64) = P (Z < 2.64) - P (Z < - 2.87).
a) Por tanto, P (-2.87 < z < 2.64) = 0.9959 - 0.0021 =
0.9938.Para hallar una probabilidad o área intermedia,
es decir: P(z0 < Z < z1), al área mayor se le restá 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
c) P(-2.05 < Z < -1.10) = P(Z < -1.10) – P(Z < -2.05)
= 0.1357 – 0.0202 = 0.1155
a) 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
c) P(Z < -0.86) = 0.1949  Z0.1949 = -0.86
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
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.
Generalmente, los investigadores después de medir
variables cuantitativas, desean hacer "extrapolaciones" a
la población de donde obtuvieron las muestras de
mediciones que representan sus datos. Estás
extrapolaciones implican poder estimar las probabilidades
de ocurrencia de algunos eventos de interés dentro del
rango de valores que toma su variable cuantitativa. Para
poder hacer esto, se debe primero establecer la forma de
distribución que tienen los datos (para esto existen
pruebas estadística específicas que no trataremos en este
curso). Cuando se sabe que las mediciones recogidas se
ajustan a una distribución normal de probabilidades, se
puede "estandarizar" dicha variable, es decir; se llevan los
datos a la forma de una normal estándar aplicando el
siguiente cambio de variable con la ecuación:
x
z

Donde  es la media aritmética que toma la variable en la
población y  es su desviación estándar poblacional.
Ejemplo 4:
La vida media de una lámpara, según el fabricante, es de
68 meses, con una desviación típica de 5 meses. Se
supone que se distribuye según una distribución normal en
un lote de 10.000 lámparas.
a) ¿cuál es la variable aleatoria? ¿cuáles son los
parámetros? ¿Qué porcentaje de lámparas se
estropearán antes de 60 meses?
b) ¿Cuántas lámparas superarán previsiblemente los 75
meses?
c) ¿Qué porcentaje de lámparas duraran entre 65 y 75
meses?
d) ¿Cuánto tiempo durará el 10% de las lámparas menos
duraderas?
Solución:
a) Llamando X la variable aleatoria de la vida de una
lámpara (en meses), tenemos que: X  N (68, 25) y
necesitamos calcular la P( X < 60).
De esta distribución normal no tenemos tabla, pero
x
creando la variable aleatoria z  , la convertiremos

en una distribución normal estándar. Entonces:
60  68
P( X < 60 ) = P ( Z  )
5
= P ( Z  1,60) = 0,0548
Así, se estima que 5.48% del total de lámparas duraran
menos de 60 meses.
3
 La fórmula que se utiliza en estos casos es despejar x de
b) Necesitamos calcular la P( X > 75). x
la ecuación: z 

Siguiendo el mismo proceso de estandarización, se tiene
que:
Entonces: x     z
P( X > 75 ) = 1 - P ( Z < 75 )
Ejemplo 5:
75  68
= 1-P(Z  )
5
= 1 - P ( Z < 1,40) = 1 – 0,9192 = 0,0808 Supóngase que los diámetros de los árboles de ciertas
especies de un bosque, distribuyen normalmente con
Luego, el 8,08% de las lámparas duraran al menos 75 media de 8 pulgadas y desviación estándar de 2 pulgadas.
meses. De las 10.000 lámparas aproximadamente 808 Si se define que un árbol tiene un diámetro inusualmente
duraran más de 75 meses (multiplique n * la probabilidad grande cuando tiene más de 12 pulgadas: calcule la
encontrada). probabilidad de encontrar un árbol de diámetro
inusualmente grande.
c) ¿Qué porcentaje de lámparas duraran entre 65 y 75
meses? P (65 < X < 75) = ?

Estandarizando en ambos lados de la ecuación se tiene

que:

P( 65 < X < 75 ) = P(X < 75 ) - P(X < 65 )

= P (del mayor) – P (del menor)
75  68
= P (Z  ) - P (Z 
5 =8 12
65  68
)
5
= P ( Z < 1,40) - P ( Z < -0,60) Solución: Llamando X la variable aleatoria de las medidas
= 0,9192 – 0,2743 de los diámetros, tenemos que: X  N ( 8, 4 ) y
= 0,6450 necesitamos calcular la P( X > 12 ).

El 64,5% de las lámparas duraran entre 65 y 75 meses. De esta distribución normal no tenemos tabla, pero
x
creando la variable aleatoria z  , la convertiremos

d) ¿Cuánto tiempo durará el 10% de las lámparas menos en una distribución normal estándar. Entonces:
duraderas?
P( X > 12 ) = 1 - P ( X  12 )
Llamemos k el valor a encontrar, luego: 12  8
= 1- P ( Z  )
2
P(X < k) = 0.10
= 1- P ( Z  2 ) = 1 - 0.977 = 0.023
k  68 Así, se estima que 2.3% del total de árboles de esta área
Por otro lado: P (Z  ) = 0.10
5 tienen un diámetro inusualmente grande.

De la tabla de la normal estándar se sabe que:

P(Z < -1.28) = 0.10, luego

k  68
= -1.28, y al despejar k se tiene k = 61,6 meses.
5

4
 EJERCICIOS DEL TALLER
Resolver los ejercicios pares y publicar en la plataforma de acuerdo con los tiempos y la
asignación realizada por el docente.

Ejercicio # 1: Verifique los siguientes resultados:
Indique ¿Cuál de los resultados es falso (F) y cual
Verdadero (V):
Para una probabilidad o área menor que Z,: P(Z < z 0), se
busca directamente el valor de la tabla.
Para hallar una probabilidad o área mayor que Z, es decir:
P(Z > z0), a la unidad (1) se le resta el valor de la tabla.
Para hallar una probabilidad entre dos valores se le resta
el área del mayor al de menor.
a) [ V] P (Z < 0.00) = 0.5000
b) [ F] P (Z < -2.67) = 0.0051
c) [ F] P (Z < -0.89) = 0.1949
d) [ F] P (Z < 1.25) = 0.1056
e) [ F] P (Z < -1.96) = 0.9550
f) [ V] P (Z > 1.25) = 1 - 0.8944 = 0.1056
g) [ F] P (Z > 1.25) = 0.1056
h) [ V] P (Z > -2.57) = 1- P (Z < -2.57) = 1 - 0.0051=
0.9949
i) [ F] P (Z > -1.96) = 0.9550
j) [ F ] P (-1.41 < Z < 1.41) =0.84149
f) [ F] En una distribución normal los indicadores de
Moda, mediana y promedio son iguales.
g) [ V] Cerca del 99,7% del área por debajo de la
curva normal, está dentro de tres desviaciones
estándar.
Ejercicio # 4:
a) Un estudio sobre el colesterol cuya distribución es
normal, revelo que en hombres entre 18 y 60 años de
edad el nivel promedio es de 190 mg/dl de colesterol,
con una desviación estándar de 12. Si se selecciona
un trabajador aleatoriamente, ¿cuál es la probabilidad
de que su nivel de colesterol sea Inferior a 160 mg/dl?
R/. 1/160 x100= 0.6%
0.6% es la probabilidad de que el empleado escogido al
azar tenga el colesterol inferior a 160 mg/dl.
i. ¿Tenga un nivel de Colesterol inferior a
175 mg/dl?
R/ 1/175x100= 0.57%
0.57% es la probabilidad de que el
empleado escogido al azar tenga el
colesterol superior a 175 mg/dl

Ejercicio # 2: ii. ¿Tenga un nivel de Colesterol Superior a

195 mg/dl
Indique ¿Cuál es el resultado?: R/. 1/195 x100=0.51%
0.51% es la probabilidad de que el
a) P (Z > -0.86) = 0.1949 empleado al azar tenga el colesterol
b) P (Z < 0.75) = 0.7734
superior a 195mg/dl
c) P (Z < -1.86) = 0.0314
d) P (Z < 0.55) =0.7088
e) P (Z < -0.20) = 0.4207 iii. ¿Qué su nivel de colesterol se encuentre
f) P (Z > 0.75) =0.7734 entre 185 mg/dl y 195 mg/dl
g) P (Z > -1.86) =0.0314 R/.
h) P (Z < -0.14) = 0.4443
i) P (-1.64 < Z < 1.64) =0.899
j) P (-1.960 < Z < 1.960)= -0.95 b) Se sabe que aproximadamente el 32% de los
sujetos de una población padece por lo menos de
una enfermedad crónica, una multinacional desea
abrir una fábrica en dicha población. Dentro de
Ejercicio # 3:
su proceso de contratación vinculan en total 160,
Indique falso o verdadero a la siguiente afirmación
¿cuál es la probabilidad que en el personal
a) [ F] El área bajo la curva de la distribución de contratado
probabilidad normal estándar puede ser más de
uno i. ¿Al menos el 40% padezcan alguna
b) [ F] El área por debajo de la curva normal que se enfermedad crónica?
encuentra dentro de una desviación estándar de la R/. 40/160x100=25%
media es más o menos de 95,5%. La probabilidad del personal contratado es de
c) [ V] En una distribución normal los indicadores de 25% que padezcan alguna enfermedad
Moda, mediana son iguales, pero no su promedio. crónica.
d) [ V] El área por debajo de la curva normal que se
encuentra dentro de dos desviaciones estándar de
ii. ¿Al máximo el 50% padezcan alguna
la media es más o menos 95,5%.
e) [ F] El área por debajo de la curva normal está
enfermedad crónica?
dentro de tres desviaciones estándar de la media R/. 50/160x100=31%
es cerca de 97.7%
 La probabilidad del personal contratado es de
31% que padezca alguna enfermedad
crónica. CARMEN TATIANA MUÑOZ
MYLLER DAYANA WILCHES
iii. ¿Entre 25% y 35% padezca alguna 6492B
enfermedad crónica?
LILIAN NORAIMA ALOMIA

T3 DISTRIBUCION NORMAL