UNIVERSIDAD NACIONAL

JORGE BASADRE GROHMANN

• PROGRAMA : INGENIERIA CIVIL

• ASIGNATURA :ESTADISTICA Y PROBABILIDAD

• SEMESTRE ACADEMICO : TERCERO

• DOCENTE : LOPEZ PUYCAN LUIS ASUNCION

• TACNA 2021
 CONTEO
Las técnicas de conteo son aquellas que son usadas
para enumerar eventos difíciles de cuantificar.
Ejemplo : ¿Cuántas maneras tiene una persona de
seleccionar una lavadora, una batidora y dos
licuadoras, si encuentra en una tienda 8 modelos
diferentes de lavadoras, 5 modelos diferentes de
batidoras y 7 modelos diferentes de licuadoras?.
Se les denomina técnicas de conteo a las:
– combinaciones, – permutaciones y – diagrama de
árbol Las bases para entender el uso de las técnicas
de conteo son el principio multiplicativo y el aditivo.
 Principio De Multiplicación
Si un evento o suceso A puede ocurrir , en forma
independiente, de m maneras diferentes y otro
suceso de n maneras diferentes, entonces el
número de maneras distintas en que pueden
suceder ambos sucesos es m . n
 Principio De Multiplicación
Franco planea ir al cine planet con sus amigos, y para
escoger la ropa que usará, separo 3 camisas y 2 pantalones .
¿De cuantas maneras se puede vestir Franco ?
Solución
• En este caso, Franco debe tomar dos decisiones:
• d1 = Escoger entre 3 camisas = n
• d2 = Escoger entre 2 pantalones = m
• De esa forma Franco tiene n * m decisiones a tomar o
maneras diferentes de vestirse.
• n * m = 3* 2 = 6 decisiones.
•
 Principio de adición
Supongamos que un evento A se puede realizar de
m maneras y otro evento B se puede realizar de n
maneras diferentes, además, no es posible que
ambos eventos se realicen juntos (A ∩ B ),
entonces el evento A o el evento B se realizarán de
(m + n) maneras.
 Principio de adición
Antonio quiere hacer un viaje pero no decide a cuál destino;
en la Agencia de Turismo del Sur le ofrecen una promoción
para viajar a Lima o Trujillo , mientras que la Agencia de
Turismo del Este le recomienda viajar a Arequipa , Chimbote
o Chiclayo. ¿Cuántas alternativas de viajes diferentes le
ofrecen Antonio?
Solución
• Con la Agencia de Turismo del Sur Antonio tiene 2
alternativas (Lima o Trujillo), mientras que con la Agencia
de Turismo del Este tiene 3 opciones (Arequipa, Chimbote
o Chiclayo). El número de alternativas diferentes es:
• Número de alternativas= m + n = 2 + 3 = 5 alternativas.
 Permutaciones
• Dados n objetos, queremos obtener las
diferentes formas de ordenar r de éstos
objetos
• Por ejemplo, dada las letras a,b,c, de cuántas
formas podemos arreglar 2 de ellas: ab, ba, ac,
ca, bc, cb
• Esto se conoce como las permutaciones de r
en n, P(n, r)
 Permutación
• El número de permutaciones se obtiene de la
siguiente manera:

• Donde n! es el factorial de n, definido como:

n! = n (n-1) (n-2) …. x 2 x 1
• (Por definición: 0! = 1)
 Permutación
1.¿Cuántos números de 5 cifras diferentes se
puede formar con los dígitos 1,2,3,4,5.?
𝑃𝑛𝑛 = 𝑃𝑛 = 𝑃5 = 5! = 5x4x3x2x1= 120 formas
2.Si una familia de 9 integrantes va de viaje y
compra sus boletos con los puestos
consecutivos, ¿de cuántas formas diferentes
pueden sentarse?
P9 = 9!
P9 = 9x8x7x6x5x4x3x2x1 = 362 880 maneras
diferentes de sentarse
 Permutación
• Eduardo, Carlos y Sergio se han presentado a
un concurso de pintura. El concurso otorga
$200 al primer lugar y $100 al segundo. ¿De
cuántas formas se pueden repartir los premios
de primer y segundo lugar?
3! 3𝑥2𝑥1 6
n=3 r= 2 𝑃23 = = 1! = 1 = 6 formas
(3−2)!
 Combinaciones
• Dado que tenemos n objetos, de cuántas
formas podemos seleccionar r de éstos (sin
importar el orden)?
• Por ejemplo, tenemos 3 pelotas, una roja, una
verde y otra azul, de cuántas formas se
pueden sacar 2 pelotas:
• (roja, verde), (roja, azul), (verde azul)
 Combinaciones
Esto son las combinaciones r de n, o C(n, r), y se obtienen
con la siguiente expresión:
𝑛 𝑛!
𝐶𝑟𝑛 = 𝑟
= 𝑛−𝑟 !𝑟!
Ejemplos:
– De cuántas formas se pueden colocar 3 pelotas (iguales)
en 10 cajas, cada caja puede tener máximo una pelota?
– Cuántos números binarios de 5 dígitos con 3 unos se
pueden tener?
– Cuántos comités distintos de 3 personas podría haber
en este grupo de 60 estudiantes?
 Combinaciones
1. Un chef va a preparar una ensalada de
verduras con tomate, zanahoria, papa y brócoli.
¿De cuántas formas se puede preparar la
ensalada usando solo 2 ingredientes?
Solución
4! 4𝑥3𝑥2𝑥1 24
𝐶24 = = = =6 formas
4−2 !2! 2!𝑥2! 4
 Combinaciones
2.En una clase de 35 alumnos se quiere elegir un
comité formado por tres alumnos.? Cuantos
comités diferentes se puede formar?
35! 35𝑥34𝑥33𝑥32! 39270
𝐶335 = = = =6545
35−3 !3! 32!𝑥3! 6
formas
3.Para aprobar un examen de 5 preguntas hay
que contestar bien 2 de ellas. ¿De cuántas
formas diferentes se pueden elegir las dos
preguntas?
𝐶25 = 10 formas diferentes
 Combinaciones
4.Considera un grupo de 10 estudiantes de los
cuales 4 son mujeres y 6 son hombres. De
acuerdo con esa información, determine:
a) El número de formas en que se puede elegir
un representante del grupo .
b) El número de formas en que se puede elegir
un comité de 3 miembros, donde al menos uno
de los miembros sea mujer.
Solución
10! 10𝑥9! 10
a) 𝐶110 = = = =10 formas
10−1 !1! 9!𝑥1! 1
 Combinaciones
b) 𝐶14 X𝐶26 + 𝐶24 X 𝐶16 + 𝐶34 x 𝐶06
60 + 36 + 4 = 100 formas
5. Una persona tiene cinco monedas de
diferentes valores. ¿Cuantas sumas diferentes
de dinero puede formar con las cinco monedas?
Solución
𝐶51 +𝐶52 + 𝐶53 + 𝐶54 + 𝐶55 = 5+10+10+5+1=31
 Combinaciones
6. ¿Cuántos comités de 1 presidente y 3 vocales
se pueden formar a partir de un grupo de 8
personas , las cuales pueden ocupar todas
cualquier puesto?
Solución
8 7
𝐶1 X𝐶3 = 280
 Experimento Aleatorio
Definicion. Un experimento aleatorio es todo
proceso que consiste de la ejecución de un acto
o prueba, una o más veces, cuyo resultado en
cada prueba depende del azar y en
consecuencia no se puede predecir con certeza.
Ejemplo
• Contar objetos defectuosos producidos
diariamente por cierto proceso.
• Aplicar una encuesta para obtener opiniones
 Espacio Muestral
Definicion. Se denomina espacio muestral y se denota
por Ω al conjunto que consiste de todos los resultados
posibles de un experimento aleatorio. A cada
elemento del espacio muestral se denomina punto
muestral. Se describe por :
Ω = 𝜔/𝜔 es un punto muestral
Ejemplo.
El experimento aleatorio de lanzar una moneda 3
veces y observar el resultado global, consiste de 3
ensayos, cuyo espacio muestral puede escribirse
como el conjunto de ternas ordenadas:
Ω = (ccc), (ccs),(csc), (scc) ,(ssc),(scs),(css),(sss)
Ejemplos
 Eventos
Definicion.
Se denomina evento a cualquier subconjunto de un espacio
muestral.
Por ejemplo, en el espacio muestral finito Ω = 𝜔1 ,
𝜔2 , ………𝜔𝑛 de n elementos, se pueden definir 2𝑛 eventos
diferentes, entre otros tenemos,
*El evento imposible ∅ que no tiene puntos muéstrales, en
consecuencia no ocurre nunca
*Los eventos unitarios o elementales 𝜔𝑖 que contienen un solo
punto muestral
*Los eventos compuestos que consisten de dos o más eventos
elementales
*El evento seguro o cierto Ω que contiene a todos los eventos
elementales posibles
 Probabilidad Clásica
• Si en un experimento aleatorio todos los
resultados son equiprobables (iguales
probabilidades ), es decir, la ocurrencia de uno
es igualmente posible que la ocurrencia de
cualquiera de los demás , entonces la
probabilidad de un evento E es la razón
P(E) = Número de casos favorables del evento E
Casos posibles o totales
0≤ P( E) ≤ 1
 Probabilidad de un Evento
Definicion. (Axiomática de probabilidad)
Sea Ω el espacio muestral asociado a un
experimento aleatorio. La probabilidad de cualquier
evento A de Ω es el número real P(A) que satisface
los siguientes axiomas:
P1. P(A) ≥ 0 ∀ evento A
P2. P(Ω) =1
P3. Si A y B son dos eventos mutuamente
excluyentes entonces , P(A∪B)= P(A) + P(B)
 TEOREMAS
1.Si ∅ es el evento que no ocurre entonces,
P(∅)=0
2. Si 𝐴𝑐 es el evento complementario del evento
A entonces P(𝐴𝑐 )= 1-P(A)
3.Si A y B son dos eventos tales que A⊂ 𝐵
entonces P(A) ≤ P(B)
Nota 0≤ P(A) ≤ 1
4.Regla de la adición de probabilidades
Si A y B son dos eventos cualesquiera entonces
P(A∪ 𝐵) = 𝑃(𝐴) + 𝑃(𝐵) − 𝑃(𝐴 ∩ 𝐵)
 Probabilidad Condicional
Definicion. Sean A y B dos eventos en un espacio
muestral Ω. La probabilidad condicional de B dado
A es el número P(B /A) que se define por:
𝑃(𝐴∩𝐵)
P (B/A) = Si P(A) > 0
𝑃(𝐴)
Notas
1. Si P (A) = 0, se define P(B/A) =0
2. En particular si A y B son dos eventos de un
espacio muestral finito equiprobable Ω, la
probabilidad condicional de B dado A se calcula
por :
 Probabilidad Condicional
#(𝐴∩𝐵)
P (B/A) = Si #(A) > 0
#(𝐴)
3. Si AΩB = ∅, entonces, P(B/A) =0
4. Si A ⊂ 𝐵 , 𝑒𝑛𝑡𝑜𝑛𝑐𝑒𝑠 P(B/A)=P(A/A)=1
𝑃(𝐵)
5. Si B ⊂ 𝐴 , 𝑒𝑛𝑡𝑜𝑛𝑐𝑒𝑠 P(B/A)=𝑃(𝐴)
 Probabilidad Condicional
1.En la Facultad de Ingeniería Civil y
Arquitectura Geotecnia , el 25% de los
estudiantes desaprobaron matemáticas, el 15%
desaprobaron estadística y el 10%
desaprobaron las dos asignaturas. Se selecciona
un estudiante al azar.
i)Si desaprobó Estadística, ¿Cuál es la
probabilidad de que desaprobara Matemáticas?
 Probabilidad Condicional
ii) Si desaprobó Matemáticas, ¿Cuál es la
probabilidad de que desaprobara Estadística ?
iii)¿Cuál es la probabilidad de que desaprobara
Matemáticas o Estadística ?
Solución
Sean los eventos:
M: Estudiantes que desaprobaron Matemáticas
E: Estudiantes que desaprobaron Estadistica
 Probabilidad Condicional
2.La siguiente tabla presenta la clasificación de
una muestra de 60 comerciantes seleccionados
al azar del mercadillo "Túpac Amaru ” Tacna
según sexo (X) y el tipo de negocio (Y)
Tipo de negocio

Sexo Venta de Venta de ropa Total

artefacto (R)
(A)
Masculino (H) 12 8 20
Femenino(M) 15 25 40
Total 27 33 60
 Probabilidad Condicional
Si se elige al azar un comerciante del Mercadillo Túpac Amaru, calcule
la probabilidad de que
a) un comerciante del mercadillo sea del sexo masculino
b) un comerciante del mercadillo sea del sexo femenino
c) el tipo de negocios de un comerciante del mercadillo sea de la
venta de artefactos.
d) El tipo de negocios de un comerciante del mercadillo sea de la
venta de ropa.
e) Un comerciante del mercadillo del sexo masculino se dedique al
tipo de negocio de sea de venta de artefactos.
f) Un comerciante del mercadillo del sexo masculino se dedique al
tipo de negocio de venta de ropa.
g) Sea de sexo masculino dado que el comerciante del mercadillo
sea la venta de artefactos
h) Sea de sexo femenino dado que el comerciante del mercadillo
sea la venta de artefactos
 Solución
Sean los eventos:
H: El comerciante elegido pertenece al sexo
masculino
M:El comerciante elegido pertenece al sexo
femenino
A: El tipo de negocio de un comerciante sea la venta
de Artefactos
R: El tipo de negocio de un comerciante sea la venta
de Ropa
M ⋂𝐴 : Un comerciante de sexo masculino se
dedique al tipo de negocio venta de artefactos
 Reglas de la Multiplicación de Probabilidades
Teorema.
a) P(A∩ 𝐵) =
𝑃(𝐴)𝑥𝑃(𝐵) 𝑠𝑖 𝐴 𝑦 𝐵 𝑠𝑜𝑛 𝑑𝑜𝑠 𝑒𝑣𝑒𝑛𝑡𝑜𝑠 𝑖𝑛𝑑𝑒𝑝𝑒𝑛𝑑𝑖𝑒𝑛𝑡𝑒𝑠
P(A∩ 𝐵) = 𝑃(𝐴)𝑥𝑃(𝐵/𝐴) si B depende de A.

b) En general , si 𝐴1 , 𝐴2 , 𝐴3 , ………𝐴𝑛 son n eventos

independientes, entonces,

𝑃(𝐴1 ∩ 𝐴2 ∩ 𝐴3 , … ∩ 𝐴𝑛 )=𝑃(𝐴1 )x𝑃(𝐴2 )X……𝑃(𝐴𝑛 )

Si los n eventos no son independientes, entonces

𝑃(𝐴1 ∩ 𝐴2 ∩ 𝐴3 , … ∩ 𝐴𝑛 )=𝑃(𝐴1 )𝑥𝑃(𝐴2/ 𝐴1 )x (𝑃𝐴3/ 𝐴1 ∩ 𝐴2 )x……..
𝑥𝑃(𝐴𝑛/ 𝐴1 ∩ 𝐴2 ∩ ….. ∩ 𝐴𝑛−1 )
siempre que
P( 𝐴1 ∩ 𝐴2 ∩ ….. ∩ 𝐴𝑛−1 ) > 0
 Reglas de la Multiplicación de Probabilidades
3. Una urna contiene 20 tarjetas de créditos
idénticas de las cuales 8 son negras, 7 rojas y 5
blancas. Se extraen 4 tarjetas de la urna sin
reemplazamiento. Encontrar la probabilidad de que
la primera tarjeta es negra, la segunda roja, la
tercera blanca y la cuarta negra.
Sean los eventos:
𝐴1 : La primera tarjeta seleccionada es negra
𝐴2 :La segunda tarjeta seleccionada es roja
𝐴3∶La tercera tarjeta seleccionada es blanca
𝐴4∶La cuarta tarjeta seleccionada es negra
 Reglas de la Multiplicación de Probabilidades
3
 Regla de la Probabilidad Total
𝑆𝑖 𝑘 𝑒𝑣𝑒𝑛𝑡𝑜𝑠 𝐴1 , 𝐴2 , 𝐴3….., 𝐴𝑘 constituyen una particion del espacio muestral Ω,
entonces , para cualquier evento B en Ω se tiene,

𝑘
P(B) = 𝑖=1 𝑃(𝐴𝑖 )𝑥𝑃(𝐵/ 𝐴𝑖 )
Ω
A1 A2 Ak

B abbbbs
B

Figura. Partición de Ω
 Teorema de Bayes
𝑆𝑖 𝑘 𝑒𝑣𝑒𝑛𝑡𝑜𝑠 𝐴1 , 𝐴2 , 𝐴3 , 𝐴𝑘 constituyen una particion del espacio muestral Ω,
entonces , para cualquier evento B de Ω tal que P(B) > 0 se tiene que :

𝑃(𝐴𝑖 ) x 𝑃(B/𝐴𝑖 )
𝑃(𝐴𝑖 /B ) =
𝑃(𝐵)

para cada i=1,2,….k

VARIABLE ALEATORIA
 FUNCION DE CUANTIA

Definicion. Sea x el valor de una variable aleatoria

X, discreta. Una función real valorada f definida en
el rango de la v.a. X. , será una función de cuantía o
una Función de Probabilidad, si :
i) f(x) , ∀x ε Rx = Df
ii) ∀𝑥𝜀𝐷𝑓 𝑓(𝑥) =1 f(x) representa la probabilidad que la variables
aleatoria X tome el valor x
 FUNCION DE DENSIDAD
Definicion. Sea x el valor de una variable aleatoria
continua X. Una función real valorada f, definida en
R, será una Función de densidad, si :
i)f(x) ≥ 0 , ∀x ε R
∞
ii) −∞
𝑓(𝑥) dx = 1
f(x) no representa una probabilidad y como tal
puede ser mayor que uno. Las probabilidades
estarán representadas por porciones de áreas
 Características de la Función de
Distribución F, para X continua
1) El grafo de F es monótona no decreciente.
2) F es continua en toda R
𝑑𝐹(𝑥)
3) f(x) = 𝑑𝑥
4) F(-∞) = 0 ; F(∞) =1
 DISTRIBUCIONES
Definicion . Sea X una v.a. discreta o continua.
Una función real valorada F definida como:
F(t) = P( X≤ t) : ∀x ε R
Se denomina Función de Distribución de la v.a.
X
F(t) es la probabilidad que los valores de una
variable aleatoria X sean menores o iguales que
el número real t; como consecuencia:
 DISTRIBUCIONES
0≤F(t) ≤ 1 : ∀x ε R
De la definición se sigue que :
i) Si f es una función de cuantía (o X es
discreta)
F(t) = P(X≤ t)= 𝑥≤𝑡 𝑓(𝑥); tε R , X es discreta
P(a< X≤ b) = F(b) – F(a) ; a,b ε R
 DISTRIBUCIONES
ii) Si f es una función de densidad (o X es continua)
𝑡
F(t) = P(X≤ t)= −∞
𝑓(𝑥) x,t ε R
P(a< X≤ b) = P(a≤X<b)= P(a≤X ≤ b)= P(a< X < b)
=F(b) - F(b) ; a,b ε R
Variable Aleatoria Discreta
 Esperanza Matemática
• La Esperanza Matemática de la variable
aleatoria X denotado por E(X), se define :
• i) E(X) = ∀𝑥𝜀𝐷𝑓 𝑥 𝑓(𝑥) ; si X es una v.a.
discreta (o f es una cuantía).
∞
• ii) E(X) =−∞
𝑥 𝑓(𝑥) dx ; si X es una v.a.
continua (o f es una densidad ).
• E(X) también se denota por µ
 Varianza
• La varianza de la v.a. X denotado por V(X), se
define :
V(X)= E[(𝑋 − 𝜇)2 ] = ∀𝑥𝜀𝐷𝑓(𝑥 − 𝜇)2 𝑓(𝑥)
Si X es una v.a. discreta ( o f es una cuantía)
∞
V(X)= E[(𝑋 − 𝜇) ] = −∞(𝑋 − 𝜇)2 𝑓(𝑥) dx
2

Si X es una v.a. continua ( o f es una densidad)

V(X) también se denota por 𝜎 2
La raíz cuadrada de la varianza se denomina
Desviación estándar o típica y se denota por σ
 Propiedades de la Esperanza
Matemática y de la varianza
1) E(c)=c 1) V(c)=0
2) E(X+c)= E(X)+ c 2) V(X+c)= V(X)
3) E(bX)= bE(X) 3) V(bX)= 𝑏 2 𝑉(𝑋)
4) E(bX+c)= bE(X)+ c 4) V(bX+c)= 𝑏 2 𝑉(𝑋)
5) E(X-µ)=0 5) V(X)=E( 𝑋 2 ) − (E( 𝑋))2
 Distribución de Probabilidad de
Bernoulli
• Definicion . Es una variable aleatoria discreta
que mide el número de éxitos.
• Se realiza con un único experimento.
• Es dicotómica porque tiene dos posibles
resultados (éxito y fracaso)
• Ω = {E, F}
 Distribución de Probabilidad de
Bernoulli
Se representa como éxito (p) y como fracaso (q=1-
p).
Su formula
f(x) = P[X=x ]= 𝑝 𝑥 𝑞1−𝑥 , 𝑥 = 0,1

F(x) = 0 si x < 0
q si 0≤x <1
1 si x ≥ 1

a)E(x) = p b) Var(x)= p q=p(1-q)

Distribución de Probabilidad Binomial
Definicion. Se denomina experimento binomial a un
número fijo n de repeticiones o pruebas sucesivas
de un experimento aleatorio de Bernoulli, y por lo
tanto, se caracteriza por qué :
1.Las n repeticiones son estadísticamente
independientes.
2.cada repetición de Bernoulli tiene dos resultados
mutuamente excluyentes, éxito (E) o fracaso (F )
3 La probabilidad p de éxito es invariante en cada
una de las n repeticiones
Ω = {(w1,w2,…….wn )/ wi = E o F}
Distribución de Probabilidad Binomial
Formula de la Binomial
𝑛
f(x) = P[X=x ]= 𝑥
𝑝 𝑥 𝑞𝑛−𝑥 x= 0,1,2,….n
• A) E(X)=µ= np b) Var(x)=𝜎 2 =npq
 Distribución de Probabilidad de
Poisson
Definamos una variable aleatoria discreta X como el
número de eventos independientes que ocurren a una
rapidez constante.
−x
𝑒 −λ (λ )
• f(x) = P[X=x ]= λ> 0 , x=0,1,2……n
𝑥!

Donde λ es el número promedio de ocurrencias del

evento por unidad de tiempo o espacio. A esta unidad de
tiempo o espacio le podemos llamar intervalo.
La media y varianza de la variable aleatoria de Poisson
son:
• a)Su media es λ b) Su varianza es λ
 Propiedades de la distribución de
Poisson
• El número de eventos que ocurren en un intervalo, es
independiente del número de eventos que ocurren en
cualquier otro intervalo.
• La probabilidad de que ocurra un evento en un
intervalo, es la misma para cualquier otro intervalo de las
mismas dimensiones.
• La probabilidad de que ocurra un determinado número
de eventos es proporcional al tamaño del intervalo.
• La probabilidad de que ocurran dos o más eventos en
un intervalo, tiende a cero cuando el tamaño del intervalo
tiende a cero.
 Aproximación a Poisson de la
Distribución Binomial
• Sea X una variable aleatoria con distribución
binomial B(n,p). Si cuando n tiende al infinito, y p
tiende a cero y λ =np permanece constante,
entonces la distribución binomial se aproxima a la
distribución de poisson con parámetro λ, esto es :
λ x
𝑛 𝑥 𝑛−𝑥 𝑒 − (λ )
P[X=x ]= 𝑥 𝑝 𝑞 tiende a P[X=x ]= 𝑥!
La aproximación binomial a poisson es aceptable si
n≥ 30 y si p ≤ 0,05
 Aproximación de la distribución
binomial mediante la normal
• Cuando n es suficientemente grande el
comportamiento de una distribución binomial,
X~B(n, p), es aproximadamente igual a una
distribución normal, N np np p , (1 )
• Suele considerarse que la aproximación es
buena cuando np > 5 y n(1-p) > 5
 La Distribución de Probabilidad
Normal
Definicion. Se dice que la variable aleatoria
continua X tiene distribución de probabilidad
normal con parámetros µ y 𝜎 2 , y se denota por
X~ N(µ,𝜎 2 ), si su función de densidad es :
𝑥−𝜇 2
1 −1/2
f(x) = 𝑒 𝜎 donde -∞ < 𝑥< ∞, σ> 0
σ 2𝜋
Propiedades de la Distribución Normal
1. El área total que encierra la curva y el eje X es igual a 1.
2. Su grafica tiene forma de campana y es simétrica con
respecto al eje vertical X=µ.
En efecto f(µ+x ) = f(µ-x ) ya que f(x) depende de x solo en la
expresión (𝑥 − µ)2 de su exponente.
3. Toma su valor máximo en X=µ ( su moda)
1
Este valor máximo es : f(x) =
σ 2𝜋
4.Tiene al eje como una asíntota horizontal
En efecto lim 𝑓 𝑥 = 0 y lim 𝑓 𝑥 = 0
𝑥→−∞ 𝑥→+∞
5.Tiene puntos de inflexión en x=µ-σ y x=µ+σ por lo tanto, es
cóncava hacia abajo en el intervalo µ-σ<x<µ+σ y cóncava
hacia arriba en cualquier otra parte
 La Distribución de Probabilidad
Normal
Teorema.
Si la variable aleatoria X tiene distribución
normal N(µ,𝜎 2 ), entonces, los parámetros
µ y 𝜎 2 son repectivamente la media y la
varianza de la distribución. Esto es,
a) E(X)= µ b) Var( 𝑋) = 𝜎 2
 Distribución Normal Estandar
Si la variable aleatoria X tiene distribución
normal N(µ,𝜎 2 ), entonces, la variable aleatoria
estándar Z= (X-µ,)/σ, tienen distribución normal
N(0,1).
En efecto, la variable Z, estandariza cualquier
media µ en cero y cualquier varianza 𝜎 2 en uno,
esto es, E(Z)= 0 y Var( Z) =1
Distribución Normal Estandar
Las tablas de áreas de la normal estándar
contiene las probabilidades acumuladas de Z
definidas por
𝑧 1
∅(z)= P[Z ≤ z ]= −∞ 2𝜋
𝑒 −𝑡/ 2 dt
El área ∅ (z) que se representa en la parte
sombreada de la figura 1, tiene las siguientes
propiedades:
1. P[a≤ Z ≤ b]= ∅(b)- ∅(a)
2. ∅(-z)=1- ∅(z) , esto es ,simétrica respecto a la
vertical Z=0
 Distribución Normal Estandar
3. P[-a≤ Z ≤ a]= 2∅(a)-1
4. Si la variable aleatoria X tiene distribución
N(µ,𝜎 2 ), entonces, la variable aleatoria Z=(x-µ)/σ
tiene distribución N (0,1).
Por lo tanto :
𝑎−µ 𝑏−µ 𝑏−µ 𝑎−µ
P[a≤ X ≤ b]= P[ σ ≤ Z ≤ σ ]= ∅( σ )- ∅( σ )

Figura 1. Area en la distribución normal

P[Z≤ z]= P[X≤ x]
Uso de la tabla Normal Estandar

Fig.2 Área en la distribución normal estándar

 Aproximación de la Binomial a la
Normal
Una distribución binomial B(n,p) se puede
aproximar por una distribución normal, siempre
que n sea grande y p no esté muy próxima a 0 o
a 1. La aproximación consiste en utilizar una
distribución normal con la misma media y
desviación típica que la distribución binomial.
En la práctica se utiliza la aproximación cuando :
n≥30, np≥5 y nq ≥ 5
Aproximación de la Binomial a la
Normal
Aproximación de la Binomial a la
Normal