UNIDAD 4

Docente: Ing. Rocío del Pilar Solórzano Torpoco ESTADÍSTICA GENERAL

msolorzano@continental.edu.pe
OBJETIVO

Calcular e interpretar probabilidades en distribuciones

discretas y continuas en acontecimientos cotidianos de su
carrera profesional.
 PROBABILIDAD
 Es la medida numérica de la
posibilidad de que un evento
pueda ocurrir.
 Su valor está entre 0 y 1
 PROBABILIDAD

PROBABILIDAD PROBABILIDAD PROBABILIDAD

CLASICA FRECUENCIA SUBJETIVA
RELATIVA

METODOS O ENFOQUES
 • Actividad que origina un evento.
• Proceso de hacer una observación y
EXPERIMENTO obtener un resultado.
ALEATORIO
CONCEPTOS
BÁSICOS

• Uno o más de los posibles resultados de un

experimento.
EVENTO

• Todos los posibles resultados de un

experimento.
  ¿Cuál es la probabilidad de obtener 1
sello si arrojamos una moneda una vez?
Identifica
experimento,
evento y
espacio
muestral
• EXPERIMENTO: Arrojamos una moneda una vez.
• EVENTO: Obtener un sello.
• ESPACIO MUESTRAL. = P(Ω) = S = {cara , sello} - #S= {2}

Número de Resultados Favorables

Prob 
Número de Resultados Posibles

s  1
 0.5
c, s 2
 Experimentos y Eventos
 ¿Cuál es la probabilidad de obtener 1 cara si arrojamos
una moneda tres veces?
Número de Resultados Favorables
Prob 
Número de Resultados Posibles

(css), (scs), (ssc) 3

  0.375
(ccc), (ccs), (csc), (css), (scc), (scs), (ssc), (sss) 8
• EXPERIMENTO: Arrojamos una moneda tres veces.
• EVENTO: Obtener 1 cara.
• ESPACIO MUESTRAL (P(Ω))
• P(Ω) = S ={ccc,ccs,csc,css,scc,scs,ssc,sss} = #S= {8}
 REGLA DE LA SUMA

Regla de suma para eventos que no son

mutuamente excluyentes

P(A ó B) = P(A U B) = P(A) + P(B) – P(A ∩ B)

La probabilidad de que ocurran los eventos no excluyentes P(A ó B)

que es lo mismo que P(A U B) es la suma de sus probabilidades
individuales P(A) más P(B) menos la probabilidad conjunta de
ambos eventos P(A y B) que también se escribe como P(A ∩ B).

A∩B
 EJERCICIOS PROPUESTOS
1. ¿Cuál es la probabilidad de que salga un número menor que 3 ó mayor que 5 al lanzar un
dado?

Solución: P(<3) = 2 1
y P(>5) =
6 6

P(<3) ó P(>5) = P(<3) U P(>5)

= P(<3) + P(>5)
2 1
= + = 3 = 1 =00.5
6 6 6 2
2. ¿Cuál es la probabilidad de que salga un número menor que 4 ó un número impar, al lanzar
un dado?

Solución: P (< 4) ó P(impar) = P(<4) U – P(<4

P(impar) impar)
U

= P(< 4) + P(impar) – P(<4 y impar)

= 3 + –3 2 4
=
6 6 6 6

P(A U B) = P(A) + P(B) – P(A B) --- REGLA DE LA ADICIÓN

U
REGLA DE LA SUMA
P(A U B) = P(A ó B)

Mutuamente excluyentes

No mutuamente
excluyentes
 ¿Cómo calculamos los siguientes ejercicios de
probabilidades

 De una baraja de cartas,¿Cuál es la probabilidad de

que al extraer una carta, que sea As o espada?

 De una baraja de cartas, ¿Cuál es la probabilidad de

que al extraer una carta,que sea As y espada?

Diapositiva 14
Diapositiva 14
 Ejemplo resuelto:
 De una baraja de cartas, ¿Cuál es la probabilidad
de que al extraer una carta, que sea As o espada?

P(A U B) = P(A o B) = P(A) + P(B) - P(A y B)

P(A) = 4/52
P(B) = 13 /52
P(A ∩ B) = (A y B)= 1 / 52
P(A U B) = P(A o B) = 4/52 + 13 /52 - 1 / 52
P(A U B) = P(A o B) = 16/52 = 4/13= 0.3076
 De una baraja de cartas, ¿Cuál es la probabilidad
de que al extraer una carta,que sea As y espada?
P(A ∩ B) = (A y B)= 1 / 52= 0.0192
5-24

REGLA ESPECIAL DE MULTIPLICACIÓN

 Laregla especial de multiplicación
requiere que:

Dos eventos A y B sean

INDEPENDIENTES.

P(A y B) = P(A ∩ B)= P(A) * P(B).

Dos eventos A y B sean

DEPENDIENTES.
 REGLA DE LA MULTIPLICACIÓN

EVENTOS DEPENDIENTES P(A y B)

EJEMPLO N° 1: P(A ∩ B) = P(A) x P(B|A)

¿Cuál será la probabilidad de extraer dos Ases seguidas (sin

reemplazo) de un paquete de 52 cartas?

Solución
: P(A) es la probabilidad de extraer el primer As
4
𝑃 𝐴 =
52
P(B) es la probabilidad de extraer el segundo As
3
𝑃 𝐵 =
51

Por tanto:

4 3 12
𝑃 𝐴𝑦𝐵 = 52 𝑥 51= 2652 = 0,0045
 REGLA DE LA MULTIPLICACIÓN

EVENTOS INDEPENDIENTES P(A y B)

P(A ∩ B) = P(A) x P(B)
EJEMPLO N° 2:

¿Cuál será la probabilidad de extraer dos Ases seguidas (con

reemplazo) de un paquete de 52 cartas?

Solución
: P(A) es la probabilidad de extraer el primer As
4
𝑃 𝐴 =
52
P(B) es la probabilidad de extraer el segundo As
4
𝑃 𝐵 =
52

Por tanto:

4 4 16
𝑃 𝐴𝑦𝐵 = 52 𝑥 52= 2704 = 0,0059
 EJEMPLO N° 3:
En una urna hay 4 bolas azules, 5 blancas
y 3 rojas. Se sacan tres bolas al azar de una
en una con remplazo. Hallar la probabilidad
de que se extraiga una de cada color
Solución :
Si la primera bola se devuelve, la probabilidad del evento B no
depende del evento A
P(A n B) = P(A) x P(B) x P(C)
(A*B*R)+(A*R*B)+(B*A*R)+(B*R*A)+ (R*A*B)+(R*B*A)
=(4/12) (5/12) (3/12) = (60/1728) = 0.0347
= 0.0347 * 6 = 0.2083 = 20,83%
REGLA DE LA MULTIPLICACIÓN
P(A ∩ B) = P(A y B)
 Probabilidad Condicional
EVENTOS DEPENDIENTES A y B

P ( AyB)
P( A | B) 
P( B)
Donde P(A) es mayor que cero

P(B|A) se lee como probabilidad de B dado que ha ocurrido

A.

***No es una división de la probabilidad de B entre A***

 Ejercicio: ¿Cuál es la probabilidad?
P (A) = Evento
Artículos Artículos sobre
P (C y B) = Total
Evento sobre
estadística
gestión

P (A o D) = C D
Artículos en idioma español

P (A|D) = 4 2 6
A
P (C|B) = Artículos en idioma inglés
1 3 4
Son C y B B
independientes? Total 5 5 10
 Solución
6
P (A) = 10 Evento
Artículos Artículos sobre
Total
Evento sobre gestión

1 estadística
D
P (C y B) =10 C
Artículos en idioma español
4 2 6
P (A o D) = A
Artículos en idioma inglés

(6  5 - 2) 9 1 3 4
P(Ao D)   B
10 10
Total 5 5 10
P (A|D) =
2
P(A y D) 10 2
Son C y B no son
P(A | D)   
independientes
P(D) 5 5
5 1
10 P(C)  P(B | C) 
10 5
5 1
1 
P(C y B) 10 1
P (C|B) =
P(C | B) 
P(B)

4

4
10 5

10
P (B) =
P (C o B) =
P (A y D) =
P (A|D) =
P (C|B) =
Son C y B
independientes?
 Ejercicios propuestos
5. Se ha realizado una encuesta a una muestra de estudiantes del tiempo que permanecen en internet
al realizar su trabajo de investigación de acuerdo a su especialidad, dando los siguientes resultados:

Para un estudiante que recién ingresa en la universidad, determine las siguientes probabilidades:
a) Que sea de Ingeniería
b) Que permanezca en internet al realizar su trabajo mas de 3 horas
c) Que sea de Derecho dado que permanecerá en internet al realizar su trabajo 2 horas
d) Que sea de Derecho o Medicina
e) Que sea de Ingeniería y permanezca en internet al realizar su trabajo 3 horas

https://www.vitutor.com/pro/2/a_a.html
 CONTENIDOS CONCEPTUALES

• DISTRIBUCIÓN DE PROBABILIDADES:
• Variable aleatoria
• Media y varianza
 VARIABLE ALEATORIA
Es aquella que puede asumir
ciertos valores, con frecuencia
números enteros que resultan
principalmente del conteo
VARIABLE
DISCRETA Ejm.:
El lanzamiento de monedas.
El número de productos defectuosos que
VARIABLE produce una máquina.

ALEATORIA
Es aquella que puede tomar
cualquier valor dentro de un
Es una variable cuyo rango dado de infinitos valores.
VARIABLE
valor es el resultado
de un evento aleatorio
CONTINUA Ejm.:
El contenido de gaseosa en una botella.
La cantidad de leche que produce una vaca
diariamente.
 VARIABLES DISCRETAS
Ejemplos:
• El resultado que muestra la cara de un dado.

• El número de hijos.

• El número de goles en un
partido de futbol.
 VARIABLES CONTÍNUAS
Ejemplos:
• El peso de los alumnos de la
modalidad de gente que trabaja
de la UC.

La edad de las personas.

• La cantidad de gasolina que

se utiliza al hacer viaje a La Merced.
DISTRIBUCIÓN DE PROBABILIDADES
DISTRIBUCIÒN DE PROBABILIDADES
• Es el despliegue de todos los posibles resultados de un experimento junto
con las probabilidades de cada resultados

REQUISITOS
• La suma de todas la probabilidades debe ser 1. σ 𝑃 𝑥 = 1
• Para cada valor de x, debe verificar: 0 ≤ 𝑃(𝑥) ≤1

MEDIDAS DE PROBABILIDAD:
• MEDIA O VALOR ESPERADO: µ = 𝐸 𝑥 = σ [𝑥 ∗ 𝑃(𝑥)]
• VARIANZA: σ 2 = σ [ 𝑥 − µ 2 ∗ 𝑃(𝑥)]
• DESVIACIÒN ESTÀNDAR: : σ = σ 2
Ejm. 1:
• En un estudio de un método de X P(x)

selección del género en niños, las 0 0,125

parejas de un grupo control no 1 0,375
reciben tratamiento y cada una de 2 0,375
ellas tiene tres hijos. La distribución 3 0,125
de probabilidades del número se
presenta en la tabla siguiente.
Determine si se trata de una
distribución de probabilidades, si es
así, calcule la esperanza y la
desviación estándar.
Solución 1:
• Para determinar si se trata de una distribución de
probabilidades debe cumplir:
➢ La suma de todas la probabilidades debe ser 1.  P(x)  1
➢ Para cada valor de x, debe verificar: 
• Si cumple, luego completamos la tabla para hallar la
esperanza matemática y la desviación estándar.
𝑥−µ 2 ∗ 𝑃(𝑥)
X P(x) X*P(x)

0 0,125 0 0,28125
1 0,375 0,375 0,09375
2 0,375 0,750 0.09375
3 0,125 0,375 0.28125
Total 1 1,500 0.75000
• Calculando la esperanza matemática:

= 1,5

La esperanza de los tres hijos que tenga una pareja, es de dos

niños aproximadamente.
• Calculo de la varianza:
0,75
• Calculo de la desviación estándar:   2
  0,75  0,87 1
La desviación es de un niño aproximadamente
Ejm. 2:
• Durante la fabricación de DVDs
Sony, se seleccionan
aleatoriamente grupos de DVD y
se calcula el número de
defectos x en cada grupo. La
distribución de probabilidades
X P(x)
del número se presenta en la
0 0,502
tabla siguiente. Determine si se
trata de una distribución de 1 0,365
probabilidades, si es así, calcule 2 0,098
la esperanza y la desviación 3 0,011
estándar. 4 0,001
 Solución 2:
• Para determinar si se trata de una
distribución de probabilidades debe
X P(x)
cumplir:
0 0,502
➢ La suma de todas la probabilidades
debe ser 1.  1 0,365
➢ Para cada valor de x, 2 0,098
debe verificar:  0  P(x)  1 , si cumple 3 0,011
4 0,001
• Por lo tanto no cumple con las Total 0,977
condiciones para una distribución de
probabilidades, lo cuál implica que no
se puede calcular la esperanza
matemática ni la desviación estándar.
 DISTRIBUCIÓN DE PROBABILIDADES
DE VARIABLES DISCRETAS

DISTRIBUCIÓN BINOMIAL DISTRIBUCIÓN DE POISSON

Equipo de docentes de Probabilidad y Estadística

Dirección de Calidad Educativa

DISTRIBUCIÓN BINOMIAL

https://www.youtube.com/watch?v=0oBfdHHudTg
 DISTRIBUCIÓN BINOMIAL
Una distribución de probabilidad binomial
resulta de un procedimiento que cumple
con todos los siguientes requisitos:
1. El procedimiento tiene un número fijo de
ensayos.
2. Los ensayos deben ser independientes.
(El resultado de cualquier ensayo
individual no afecta las probabilidades de
los demás ensayos).
3. Todos los resultados de cada ensayo
deben estar clasificados en dos
categorías (generalmente llamadas éxito
y fracaso).
4. La probabilidad de un éxito permanece
igual en todos los ensayos.
 Distribución Binomial
P  x  n C x  p q x nx

Se denotan las dos categorías posibles de todos los resultados: E y F (éxito y

fracaso)
n : Denota el número fijo de ensayos.
x : Denota un número específico de éxitos en “n” ensayos, de manera que
“x” puede ser cualquier número entero entre 0 y “n” inclusive.
p : Denota la probabilidad de éxito en uno de “n” ensayos.
q: Denota la probabilidad de fracaso en uno de “n” ensayos.
P(x) : Denota la probabilidad de lograr exactamente “x” éxitos en los “n”
ensayos.

Media Varianza
  np ;   npq
2
 Ejemplo 1:

En la Caja Huancayo se reportó

que el 20% de préstamos a sus
clientes habían vencido en el mes
de abril. Si se toma una muestra
aleatoria de 8 clientes, de los
cuales se les notifico sobre su
vencimiento. ¿Cuál es la
probabilidad de que 3 clientes
realicen sus pagos de
vencimiento después de la
notificación?
 Solucionario:

Pagos de vencimientos de
Éxito
préstamos

Probabilidad de éxito (p) 0,20

Probabilidad de fracaso (q) 0,80
Número de ensayos (n) 8

Número de éxitos en los “n” ensayos (x) 3

Reemplazando y efectuando
los cálculos se tiene:

P  x  n C x  p q x n x
P  x  3   8 C3 (0,20)3 (0,80)8 3
P  x  3   8 C3 (0,20)3 (0,80)5
P  x  3   0,1468
Interpretación: La probabilidad de los 8 clientes notificados por vencimientos de
pagó por la Caja Huancayo, 3 de ellos realicen sus pagos es de 14,68%
 Ejemplo 2:

La probabilidad de tener una

unidad defectuosa en una
línea de ensamblajes es de
0,05. Si el conjunto de
unidades terminales
constituyen un conjunto de
ensayos independientes.
a) ¿Cual es la probabilidad de
que entre 10 unidades, dos se
encuentres defectuosas?
 Solucionario:

Éxito Unidades de ensamblaje defectuosas

Probabilidad de éxito (p) 0,05

Probabilidad de fracaso (q) 0,95
Número de ensayos (n) 10
Número de éxitos en los “n” ensayos (x) 2

Reemplazando y efectuando
los cálculos se tiene:

P  x  n C x  p q x n x P  x  2   10 C2 (0,0,05)2 (0,95)10 2
P  x  2   10 C2 (0,0,05)2 (0,95)8
P  x  2   0,0746

Interpretación: La probabilidad de que entre 10 unidades de

ensamblaje, dos se encuentren defectuosas es de 7,46%
 b) ¿Cual es la probabilidad de que entre 10
unidades, ninguno se encuentres defectuosas?

Éxito Unidades de ensamblaje defectuosas

Probabilidad de éxito (p) 0,05

Probabilidad de fracaso (q) 0,95
Número de ensayos (n) 10

Número de éxitos en los “n” ensayos (x) 0 (ninguno)

Reemplazando y efectuando
los cálculos se tiene:
P  x  n C x  p q x n x
P  x  0   10 C0 (0,0,05)0 (0,95)10  0
P  x  0   10 C0 (0,0,05)0 (0,95)10
P  x  0   0,5987
Interpretación: La probabilidad de que entre 10 unidades de
ensamblaje, ninguno se encuentren defectuosas es de 59,83%
 Ejemplo 3:

El 25% de los tornillos

producidos por una máquina
están defectuosos.
Determinar la probabilidad de
que de 6 tornillos
seleccionados aleatoriamente
por lo menos 4 estén
defectuosos.
 Solucionario:

Éxito
Tornillo P  x  n C x  p q x n x
defectuoso

Probabilidad de éxito (p) 0,25

Probabilidad de fracaso
(q)
Número de ensayos (n)
Número de éxitos en los
“n” ensayos (x) (por lo menos 4)
Reemplazando y efectuando
los cálculos se tiene:
0,75
P  x  4   6C4 (0,25)4 (0,75)64  0,0330
6
P  x  5   6C5 (0,25)5 (0,75)65  0,0044
4; 5 y 6
P  x  6   6C6 (0,25)6 (0,75)66  0,0002
0,0376

Interpretación: La probabilidad de que de 6 tornillos seleccionados, por lo

menos 4 se encuentren defectuosas es de 3,76 %
 Ejemplo 4:

La probabilidad de encontrar
un pantalón con algún
desperfecto de la producción
total de una máquina
remalladora es de 0,24. Si se
extrae una muestra de 4
pantalones, calcule la media y
la varianza de la distribución.
 Solucionario:

Pantalón con
Media
Éxito
  np
desperfecto

Probabilidad de éxito (p) 0,24

Probabilidad de fracaso (q) 0,76 Varianza

Número de ensayos (n) 4
 2  npq
Reemplazando y efectuando los cálculos se tiene:

   4  0, 24   0,96
 2   4  0, 24  0, 76   0, 7296
DISTRIBUCIÓN POISSON

https://www.youtube.com/watch?v=8uS6-XTjenA
 DISTRIBUCIÓN POISSON
Una distribución de probabilidad Poisson resulta
de un procedimiento que cumple con todos los
siguientes requisitos:
1. El experimento consiste en contar el número
“x” de veces que ocurre un evento en un
intervalo. Esto es en una unidad de tiempo, área
o volumen.
2. La probabilidad de que un evento ocurra en una
unidad dada de tiempo, área o volumen es la
misma para todas las unidades.
3. El número de eventos que ocurren en una
unidad de tiempo, área o volumen es
independiente del número de los que ocurren
en otras unidades.
4. El número medio (o esperado) de eventos en
cada unidad se denota por la letra griega 
(“lambda”)
 Distribución de Poisson
 X .e
P x   ; e  2,7183
x!
 : Denota el número medio de eventos que ocurren en una
unidad dada de tiempo, área o volumen.
x: Denota un número específico de eventos que ocurren
durante una unidad dada de tiempo, área o volumen.
e: Denota la constante matemática “épsilon”
x!: Denota el factorial de “x”
P(x) : Denota la probabilidad de que ocurran “x” eventos en
una unidad dada de tiempo, área o volumen.

Media ; Varianza
  ; 2 
Ejemplo 5:

En un centro telefónico de
atención a clientes se reciben
en promedio 6 llamadas por
hora. ¿Cuál es la probabilidad
de que en una hora
seleccionada aleatoriamente
se reciban exactamente 2
llamadas?
 Solucionario:

6 llamadas por
Media () hora Reemplazando y efectuando
los cálculos se tiene:
Número de eventos 2 llamadas en
esperados (x) una hora
62.e6
P X  2 
2!
 X .e P  X  2   0,0446
Px   ; e  2,7183
x!

Interpretación:
La probabilidad de que en una hora, exactamente se reciban 2
llamadas por hora es de 4,46 %
Ejemplo 6:

En el centro comercial Plaza Vea,

en la sección de
electrodomésticos, un promedio
de 12 personas por hora le hacen
preguntas al encargado de está
sección. ¿Cuál es la probabilidad
de que exactamente 3 personas
se acerquen al encargado a hacer
preguntas en un periodo de 10
minutos?
 Solucionario:

2 personas en 10
Media () 12 personas en una hora
minutos
Número de eventos 3 personas en 10
3 personas en 10 minutos
esperados (x) minutos

12 personas  60 minutos 
 n  2 personas
n  10 minutos 

Reemplazando y efectuando los cálculos

 X .e se tiene:
P x   23.e2
x! P  X  3 
3!
P  X  3   0,1804
Interpretación:
La probabilidad de que 3 personas realicen preguntas en un periodo
de 10 minutos de 18,04%
 Ejemplo 7:

Un libro de 500 páginas tiene

200 errores de impresión
distribuidos aleatoriamente.
Calcule la probabilidad de que
cualquier página elegida al azar
tenga un error.
Luego calcule la media y la
varianza de esta distribución.
 Solucionario:

 X .e
Media () 200/500 = 0,40

Número de eventos
1 página
(cualquier P x  
esperados (x)
página) x!
Reemplazando y efectuando los cálculos
se tiene:
Interpretación:
0,401.e0,40 La probabilidad de que
P  X  1  cualquier página elegida al
azar del libro de 500 páginas
1! tenga un error es del 26,81%.
P  X  1   0,2681
Calculando la media y la
  ; 2 
varianza, se tiene:
   2  0, 40
 Probabilidad
y Estadística

Tema:DISTRIBCIÓN
NORMAL
 DISTRIBUCIÓN NORMAL
Si una variable aleatoria continua
Fórmula
tiene una distribución con una
gráfica simétrica y en forma de
campana, como la de la figura
adjunta, a la vez que puede ser
descrita por medio de la ecuación
dada como fórmula, decimos que
tiene una distribución normal.
Cada diferente par de valores para media () y desviación estándar () resultará en
una función de distribución de probabilidad normal diferente.

σ1= σ2= σ3 σ1<σ2<σ3

µ1=µ2=µ3
µ1 µ2 µ3
La desviación estándar (σ) determina la forma de la
µ1< µ2 < µ3 curva. A menor dispersión la curva será más
La media aritmética (µ) fija la posición de la curva estrecha y puntiaguda, a mayor dispersión, la curva
respecto al eje “x”. será más ancha y más aplanada.
 CARACTERISTICAS DE UNA DISTRIBUCIÓN
NORMAL ESTÁNDAR (σ = 1 y μ = 0)
Distribución normal de probabilidad con características fijas:

-3 -2 -  + +2 +3

• La distribución es simétrica respecto a su eje vertical; se extiende indefinidamente

en ambas direcciones y tiende a acercarse al eje horizontal “x” pero nunca lo toca.
• La distribución tiene una media de  = 0 y una desviación estándar de  = 1.
• La media divide el área a la mitad, es decir, 0,50 a cada lado.
• El área total bajo la curva normal es igual a 1.
• Casi toda el área está entre z = –3.00 y z = 3.00.
 CÁLCULO DE PROBABILIDADES EN LA CURVA
NORMAL ESTÁNDAR
Primer caso: A la izquierda de un "z" determinado:
Se calcula directo de la tabla considerando las áreas bajo la curva normal tipificada.

Calcule el área bajo la curva LECTURA DE LA TABLA

normal z < -1,61

z = -1,61

RESPUESTA:
P(z≤-1,61) = 0,0537
Calcule las probabilidades acumuladas en cada área a la izquierda de:
1) z = -1,45

2) z = 1,93

3) z = 0,48
 CÁLCULO DE PROBABILIDADES EN LA CURVA
NORMAL ESTÁNDAR
Segundo caso: A la derecha de un "z" determinado:
Se calcula por complementario.

Calcule el área bajo la curva LECTURA DE LA TABLA

normal para z > 0,83

0,7967

z = 0,83

RESPUESTA:
P(Z≥0,83)=1 - 0,7967 = 0,2033
Calcule la probabilidad acumulada a la derecha de:
1) z = -0,75

2) z = 1,35

3) z = 2,18
 CÁLCULO DE PROBABILIDADES EN LA CURVA
NORMAL ESTÁNDAR
Tercer caso: Entre dos valores "z" determinados
Se calcula por diferencia de áreas (Área pedida = Área mayor – Área menor).

Calcule
Tercerla probabilidad
caso: en la
Entre dos valores “z”curva normal
determinados: CÁLCULO DE ÁREAS
Se calcula porentre
comprendida diferencia
z1 =de-1,23
áreas.y z = 0,43
2
Área mayor: A la izquierda de 0,43

0,6664

z1 = -1,23 z2 = 0,43
Área menor: A la izquierda de -1,23

RESPUESTA:
0,1093
P(-1,23<z≤0,43)=0,6664 – 0,1093
P(-1,23<z≤0,43) = 0,5571
Calcule la probabilidad acumulada entre:
1) z1 = - 1,54 y z2 = -1,28

2) z1 = 0,31 y z2 = 1,17

3) z1 = - 1,29 y z2 = 1,13
 CÁLCULO DE PUNTUACIONES "z"
DE PROBABILIDADES DADAS:
Si la probabilidad aparece en la tabla: Se calcula directo de la tabla el valor de z

Calcule el valor de "z" para la LECTURA DE LA TABLA

probabilidad de 0,9115 (área a la
izquierda igual a 0,9115)

0,9115

RESPUESTA:
z = 1,35
 CÁLCULO DE PROBABILIDADES EN LA CURVA NORMAL
ESTÁNDAR QUE NO FIGURAN EN LA TABLA
Se calcula por interpolación

Calcule la Entre
Tercer caso: probabilidad
dos valorescuando z≤1,7265
“z” determinados: CÁLCULO DE PROBABILIDADES
(el área aporladiferencia
Se calcula izquierda de de z1 = 1,7265)
áreas.

z Prob.
1,72 0,9573
z1 = 1,7265 1,7265 Ai
1,73 0,9582

1, 73  1, 72 0,9582  0,9573
RESPUESTA: 
P(z≤1,7265) = 0,957885 1, 73  1, 7265 0,9582  Ai
Ai  0,957885
Calcule la probabilidad acumulada a la izquierda de:
1) z1 = 1,035

2) z1 = - 0,2753
 ESTANDARIZACIÓN DE VALORES CUANDO σ ≠ 1 y μ ≠ 0:
Puntuación “z”
Definición: Una puntuación "z" es el número de desviaciones estándar que un valor "x" se encuentra por
arriba o por debajo de la media. Se calcula mediante la siguiente expresión:

x  Media
z
Desv.Est.

Nota: Redondear "z" a cuatro posiciones decimales.

Ejemplo: En promedio los estudiantes se demoran en resolver un ejercicio de estadística en 5.8

minutos, con una variabilidad de 4.2 minutos. Al seleccionar a un estudiante en forma aleatoria se
observó que se demora 6.8 minutos. Estandarice el tiempo de demora al resolver el ejercicio el
estudiante y expréselo como puntuación "z".

6.8 − 5.8
𝑧= = 0.2381
4.2
Calcule el valor “z” que corresponde en cada caso:
1) Media = 15 litros ; Desv. Estándar = 3.25 litros ; x = 21 litros

2) Media = 345 m2. ; Desv. Estándar = 150 m2. ; x = 480 m2.

3) Media = 48 km/s. ; Desv. Estándar = 4.28 km/s. ; x = 38 km/s.

 Ejemplo
El tiempo promedio que se demora el estudiante universitario
en almorzar es de 22 minutos, con una desviación estándar
de 2 minutos. Se asume que los datos de la población se
encuentra distribuida normalmente.
Si aleatoriamente se elige a un estudiante de esta población
determine:
a) La probabilidad de que su tiempo
de almorzar sea menos de 24
minutos
b) La probabilidad de que su tiempo
de almorzar sea entre de 21 a
24,6 minutos
c) La probabilidad de que su tiempo
de almorzar sea mas de 26
minutos
El tiempo promedio que se demora el estudiante universitario en almorzar es de 22 minutos, con una
desviación estándar de 2 minutos.
Si aleatoriamente se elige a un estudiante de esta población determine:
a) La probabilidad de que su tiempo de almorzar sea menos de 24 minutos

Convirtiendo:

24 - 22
oz= 2

oz= 1
P(z<1) = 0,8413

z=1
 El tiempo promedio que se demora el estudiante universitario en almorzar es de 22 minutos, con
una desviación estándar de 2 minutos.
Si aleatoriamente se elige a un estudiante de esta población determine:
b) La probabilidad de que su tiempo de almorzar sea entre de 21 a 24,6 minutos

Convirtiendo:
P(-0,5<z<1,3) = b - a
21 - 22 24,6 - 22
o z= o z= P(-0,5<z<1,3) = 0,9032-0.3085
2 2
o z= -0,5 o z= 1,3 P(-1,22<z<1,34) = 0,5947
P(z<-0,5) = 0,3085 = a P(z<1,3) = 0,9032 = b P(21<x<24,6) = 0,5947

a b

z = -0,5 z = 1,3 z = -0,5 z = 1,3

 El tiempo promedio que se demora el estudiante universitario en almorzar es
de 22 minutos, con una desviación estándar de 2 minutos.
• Si aleatoriamente se elige a un estudiante de esta población determine:
c) La probabilidad de que su tiempo de almorzar sea mas de 26 minutos

Convirtiendo:

26 - 22
oz= 2

oz= 2
P(z<2) = 0,9772

P(x<26) = 0,9772
0,9772
P(x>2) = 1-0,9772=0,0228

z=2
 Ejemplo 2

El promedio de consumo de azúcar en los hogares

mensualmente es de 2 kilos, con una desviación estándar de
1.5 kilos. Se asume que los datos están distribuidos
normalmente. Si se elige un hogar aleatoriamente:
a) ¿cuál es la probabilidad de que consuma a lo más 1,8
kilos?
b) ¿cuál es la probabilidad que consuma al menos 2,5 kilos?
c) Si la probabilidad de consumo es de 0,9251, ¿cuántos kilos
de azúcar consume?
 Ejemplo 3:
El tiempo necesario para hacer un examen final en un
determinado curso de una universidad tiene una distribución
normal cuya media es 80 minutos con desviación estándar de
10 minutos. Conteste las preguntas siguientes
a) ¿Cuál es la probabilidad de terminar el examen en una
hora o menos?
b) ¿Cuál es la probabilidad de que un estudiante termine el
examen en más de 60 minutos pero en menos de 75
minutos?
 Resumen
Distribución Normal

σ1<σ2<σ3
σ1= σ2= σ3
Es diferente para cada
conjunto de datos

µ1 µ2 µ3 µ1=µ2=µ3
µ1< µ2 < µ3

Cuando μ ≠ 0 y σ ≠ 1, x
se “estandariza” para
𝑥𝑖 −𝑚𝑒𝑑𝑖𝑎
z=
calcular la probabilidad 𝐷𝑒𝑠𝑣.𝐸𝑠𝑡á𝑛𝑑.

Si el área es P(x<k) Si el área es P(x>k) Si el área es P(j<x<k)

cola a la Lectura de cola a la 1 – Valor Tabla entre 2 valores Área mayor –
izquierda la tabla derecha área menor
b-a
 1) ¿Qué aprendí? 3) ¿Para qué aprendí?

Las características de la distribución Para calcular probabilidades de

normal y normal estándar. variables aleatorias continuas.
Estandarizar valores.
Calcular áreas bajo la curva normal
estándar.

4) ¿Qué me falta
2) ¿Cómo aprendí?
aprender?

Identificando características ¿Cómo se aplica la distribución

Analizando normal y normal estándar en la
Calculando solución de problemas?
Transformando valores
Interpretando
Haciendo uso de tablas