CASOS DE DISTRIBUCIÓN DE PROBABILIDAD NORMAL

YULY GUERRERO
LUIS ANGEL CEPEDA
ISABEL GONZALEZ
LUZ FAJARDO
LAURA GÓMEZ

EQUIPO DE TRABAJO 7

ESTADISTICA

CECILIA BRICEÑO

UNIVERSIDAD AUTONOMA DE BUCARAMANGA

ADMINISTRACIÓN DE EMPRESAS VIRTUAL
BUCARAMANGA

2021

1
 CASOS DE DISTRIBUCIÓN DE PROBABILIDAD NORMAL

En estadística y probabilidad se llama distribución normal, distribución de Gauss,

distribución gaussiana o distribución de Laplace-Gauss, a una de las distribuciones
de probabilidad de variable continua que con más frecuencia aparece en estadística
y en la teoría de probabilidades.

La mecánica de los gases de Maxwell

Fue la obra del astrónomo Quetelet (más abajo) quien puso a James Clerk Maxwell
(1831-1879) en el camino de la mecánica estadística: las moléculas de un gas son
como los individuos de una población, ya que el desorden a escala individual se
transforma en orden a escala poblacional.
Lo que importa de los movimientos de las partículas de gas, afirmó Maxwell, son
dos cosas: la velocidad media a la que se mueve cada partícula —la cual determina
su energía cinética media— y cuánto se aparta de esa media por arriba o por abajo.
Maxwell intuyó que la distribución de velocidades semeja el tipo de curva en forma
de campana. La curva de Maxwell indica cuántas partículas de gas se mueven a
una velocidad determinada y se eleva suavemente desde velocidades bajas,
alcanza el pico en la media, y vuelve a descender suavemente hacia las velocidades
altas. Esta distribución muestra que muy pocas partículas alcanzan velocidades

2
mucho más altas que el promedio. Maxwell dijo que lo importante no es la trayectoria
precisa de todas las partículas del gas, sino su comportamiento medio. Maxwell
imaginó un enjambre de abejas: las abejas zumban furiosamente en todas
direcciones, pero el propio enjambre se mantiene estacionario, porque, teniendo en
cuenta el promedio de sus vuelos, no es más probable que las abejas vuelen en
una dirección que en otra.
La curva de Maxwell indica cuántas partículas de gas se mueven a una velocidad
determinada y se eleva suavemente desde velocidades bajas, alcanza el pico en la
media, y vuelve a descender suavemente hacia las velocidades altas. Esta
distribución muestra que la mayoría de las partículas se mueven a una velocidad
alrededor del promedio.

Las distribuciones de probabilidad son idealizaciones de los polígonos de

frecuencias. En el caso de una variable estadística continua consideramos el
histograma de frecuencias relativas, y se comprueba que al aumentar el número de
datos y el numero de clases el histograma tiende a estabilizarse llegando a
convertirse su perfil en la gráfica de una función.

Las distribuciones de probabilidad variable continua se definen mediante una

función y=f(x) llamada función de probabilidad o función de densidad.

3
Así como en el histograma la frecuencia viene dada por el área, en la función de la
densidad la probabilidad viene dada por el área bajo la curva, por lo que:
• El área encerrada bajo la totalidad de la curva es 1.
• Para obtener la probabilidad P (a<X<b) obtenemos la proporción de área que
hay bajo la curva desde a hasta b.
• La probabilidad de sucesos puntuales es 0, P (X=a)=0

Propiedades de la distribución normal

• La media y la desviación estándar serán los determinantes para graficar

esta función.
• La media indica la posición de la campana y se desplazará en el eje x.
• Mientras exista más desviación la curva se hará más plana.
• La curva es simétrica con relación a la media.

Ejemplos de distribución normal

1. En una distribución normal de media 4 y desviación típica 2, calcule el

valor de a para que: P(4−a ≤ x ≤ 4+a) = 0.5934.
2. Calcule la probabilidad de un valor localizado entre 75,0 y 90.0
P[75≤x≤90]

4
 3. Calcule la probabilidad de un valor de 75.0 o menor. P[x≤75]
4. Calcule la probabilidad de un valor localizado entre 55.0 y 70.0
P[55≤x≤70]

5. La vida media de una lámpara, según el fabricante, es de 68 meses,

con una desviación típica de 5. Se supone que se distribuye según
una distribución normal En un lote de 10.000 lámparas. a) ¿Cuántas
lámparas superarán previsiblemente los 75 meses?. b) ¿Cuántos
lámparas se estropearán antes de 60 meses?

a) t = (75 -68)/5 = 1,4

P (X > 75) = (t > 1,4) = 1 - P (t ≤ 1,4) = 1 - 0,9192 = 0,0808

Luego, el 8,08% de las lámparas (808 lámparas) superarán los 75 meses

b) t = (60 -68)/5 = -1,6

P (X ≤ 60) = (t ≤ -1,6) = P (t> 1,6) = 1 - P (t ≤ 1,6) = 0,0548

Luego, el 5,48% del lote (548 lámparas) no llegarán probablemente a durar

60 meses