Profesora: Mg.

Carla Zúñiga Vilca

Distribución Normal de Probabilidad
La distribución normal fue introducida por el matemático francés
Abraham de Moivre (1667−1754) y estudiada luego por el
matemático francés Pierre Simón Laplace (1749−1827) y el
matemático alemán Carl Friedrich Gauss (1777−1855). Gauss llegó a
este modelo estudiando la distribución de ciertos errores de medición.
En honor a estos matemáticos, la distribución también se conoce
como de Moivre-Laplace-Gauss.

Esta distribución es muy utilizada en las aplicaciones estadísticas, es

la base de la inferencia estadística. Muchos fenómenos aleatorios
que se estudian en la realidad se pueden modelar con esta
distribución.
 CARL FRIEDRICH GAUSS
ABRAHAM DE MOIVRE

PIERRE SIMÓN LAPLACE

Se dice que la v.a X sigue una distribución normal con parámetros μ
y σ y se escribe X~N(μ, σ2), si su función de densidad está dada por:
Propiedades:
1. Es simétrica respecto a la recta x=μ.
2. El área bajo la curva f(x) y por encima del eje X es 1.
3. El área comprendida entre las rectas x=a y x=b y que
corresponden a la probabilidad P[a≤X≤b], se calcula usando
métodos de integración; sin embargo, existen tablas a partir de las
cuales se aproximan tales áreas.
4. Es monótona creciente en <-∞,μ] y monótona decreciente en
[μ,+∞>.
5. Tiene puntos de inflexión en x=μ ± σ
6. Toma su valor máximo en:
7. Las probabilidades aproximadas son:
Función de Distribución Acumulada
Tipificación o Estandarización de la V.A. Normal

Si X~N(μ, σ2), entonces la v.a.

se llama normal estandarizada de X, cuya función de densidad es:

Su función de distribución acumulada es:
Característica de la distribución normal estandarizada:

1. Su media es 0, su varianza es 1 y su desviación típica es 1. No

depende de ningún parámetro .

2. La curva es simétrica respecto a z=0, y toma aquí su máximo

valor.

3. Tiene dos puntos de inflexión en z =1 y z = -1.

Ejemplo:

Tenemos un programa de entrenamiento diseñado para mejorar la

calidad de las habilidades de los supervisores de línea de producción.
Debido a que el programa es autoadministrado, los supervisores
requieren un número diferente de horas para terminarlo. Un estudio
de los participantes anteriores indica que el tiempo medio para
completar el programa es de 500 horas y que esta variable aleatoria
normalmente distribuida tiene una desviación estándar de 100 horas.
a. ¿Cuál es la probabilidad de que un participante elegido al azar
requiera más de 500 horas para completar el programa?
b. ¿Cuál es la probabilidad de que un candidato elegido al azar se
tome entre 500 y 650 horas para completar el programa de
entrenamiento?
c. ¿Cuál es la probabilidad de que un candidato elegido al azar se
tome más de 700 horas en completar el programa?
d. Suponga que el director del programa de entrenamiento desea
saber la probabilidad de que un participante escogido al azar
requiera entre 550 y 650 horas para completar el trabajo
requerido en el programa.
e. ¿Cuál es la probabilidad de que un candidato elegido al azar se
tomará menos de 580 horas para completar el programa?
f. ¿Cuál es la probabilidad de que un candidato escogido al azar
se tome entre 420 y 570 horas para completar el programa?
Manejo de tabla normal estándar