LA DISTRIBUCIÓN DE PROBABILIDAD NORMAL

Las variables aleatorias continuas, como se mencionó en el capítulo 4, son

aquellas que pueden tomar cualquier valor de entre todos los contenidos en
un intervalo de la recta. Como ejemplo de variables aleatorias continuas se
pueden citar las siguientes:

1. las estaturas o pesos de un grupo de personas

2. la duración de un producto perecedero, como una bombilla, una
componente de una máquina o un producto alimenticio.
3. el tiempo necesario para llevar a cabo un determinado trabajo.
4. los errores de medición que resultan de experimentos de laboratorio.

En resumen, cualquier variable aleatoria cuyos valores son mediciones es

una variable aleatoria continua. Es importante hacer notar que muchas de las
variables aleatorias observadas en la naturaleza tienen una distribución de
frecuencias de forma aproximadamente acampanada.

La función de densidad de probabilidad normal está dada por la ecuación de

la curva acampanada de la figura 6.7. Como la ecuación de la función de
densidad se construye de manera que el área bajo la curva representa una
probabilidad, el área total es igual a 1.

Figura 6.7 Función de densidad de probabilidad normal

1
En la práctica, es raro encontrar variables cuyo recorrido va de “menos
infinito” a “más infinito,” cualquiera que sea el significado que e le quiera dar
a estas frases. Ciertamente la estatura de los seres humanos, el peso de una
especia de escarabajo o la duración de una bombilla son variables que no
satisfacen este requisito. Sin embargo, el histograma de frecuencia relativa,
para muchos tipos de mediciones, genera al graficarse una figura
acampanada que podría aproximarse por la función cuya gráfica aparece en
la figura 6.7.

Además, frecuentemente la distribución normal puede usarse para aproximar

distribuciones de probabilidad de variables aleatorias discretas.

Función de densidad de probabilidad normal

( x )2
1 
2 2
f ( x) e -∞ < x < ∞
 2

Los símbolos e y  representan números irracionales cuyos valores son

aproximadamente 2.718281828 y 3.141592, respectivamente, mientras que
 y  son la media y la desviación estándar de la población.

La ecuación de la distribución de probabilidad normal depende de los valores

numéricos de  y  y al hacer variar estos valores se genera una familia
infinita de distribuciones normales. De ser posible, sería conveniente tener
una tabla de áreas bajo la curva que pudiera usarse en todos los casos. La
forma más simple de hacerlo es trabajando con áreas limitadas por un
determinado número de desviaciones estándar de la media como en el caso
de la regla empírica. Por ejemplo, se sabe que aproximadamente 0.68 del
área total está comprendida entre    y    ; 0.95 entre   2 y
  2 , y casi toda el área está entre   3 y   3 . Pero cómo
podría encontrarse el área que está comprendida por ejemplo entre   0.7
y   0.7 y más valores que comprenderían porción de área bajo la curva
normal. Se utilizarán tablas (tabla 6.4) para encontrar éstos tipos de valores.

2
Dado que la curva normal es simétrica alrededor de la media, la mitad del
área bajo la curva está a la izquierda de la media y la mitad a la derecha.
También, debido a la simetría se puede simplificar la tabla de áreas listando
únicamente las áreas entre la media y un determinado número z de
desviaciones estándar a la derecha de  . Las áreas que se encuentran a la
izquierda de la media pueden calcularse usando las correspondientes áreas
a la derecha de la media. La distancia de la media a un valor dado x ( x   ).
Expresando esta distancia en unidades de la desviación estándar  , se
tiene que
x
z


DEFINICIÓN
Una variable aleatoria normal con media igual a cero y varianza igual 1
recibe el nombre variable aleatoria normal estándar y se denota como Z.
(x  )
Si hacemos la sustitución z  en la fórmula de la distribución normal

con media μ y varianza sigma cuadrada obtenemos la distribución normal
estándar.

z2
1 2
f ( x) e con  0 y varianza  2  1
2

Nótese que hay una correspondencia uno-a-uno entre z y x y, en particular,

z=0 cuando x   . Como se menciona antes la distribución de probabilidad
de z es la llamada distribución normal estándar, debido a que su media es 0
y su desviación estándar es 1, cuya gráfica aparece en la figura 6.8. El área
bajo la curva normal entre z=0 y un valor especificado de z, digamos z 0 , es
la probabilidad P(0  z  z 0 ) , ésta área corresponde al área sombreada de la
figura 6.8. La tabla 6.4 presenta las áreas bajo la curva.

3
 Figura 6.8 Distribución normal estandarizada

El valor de z, hasta la primera cifra decimal, aparece en la columna de la

izquierda. La segunda decimal de z, que corresponde a las centésimas,
aparece en la fila superior. Por lo tanto, el área comprendida entre la media
(recuerda que la media es igual a 0) y z=0.7 desviaciones estándar a la
derecha, aparece en la segunda columna de la tabla 6.4, en la fila
correspondiente a 0.7 y su valor es .2580, en otras palabras, el área bajo la
curva comprendida entre la media y z=0.7 es igual a .2580. El área que se
busca es el área bajo la curva que presenta la figura 6.9

Figura 6.9 Área comprendida entre 0 y 0.7

En la figura 6.10 se ilustra como encontrar el área que está entre cero 0.7.

Por lo tanto, P(0≤z≤0.7)=.2580 (es el área bajo la curva comprendida entre 0

y 0.7).

4
Figura 6.10 Área comprendida entre 0 y 0.7

5
Tabla 6.4 Áreas de la curva normal estándar.

AREAS DE LA CURVA NORMAL ESTANDAR

z .00 .01 .02 .03 .04 .05 .06 .07 .08 .09
0.0 .0000 .0040 .0080 .0120 .0160 .0199 .0239 .0279 .0319 .0359
0.1 .0398 .0438 .0478 .0517 .0557 .0596 .0636 .0675 .0714 .0754
0.2 .0793 .0832 .0871 .0910 .0948 .0987 .1026 .1064 .1103 .1141
0.3 .1179 .1217 .1255 .1293 .1331 .1368 .1406 .1443 .1480 .1517
0.4 .1554 .1591 .1628 .1664 .1700 .1736 .1772 .1808 .1844 .1879

0.5 .1915 .1950 .1985 .2019 .2054 .2088 .2123 .2157 .2190 .2224
0.6 .2257 .2291 .2324 .2357 .2389 .2422 .2454 .2486 .2518 .2549
0.7 .2580 .2612 .2642 .2673 .2704 .2734 .2764 .2794 .2823 .2852
0.8 .2881 .2910 .2939 .2967 .2996 .3023 .3051 .3078 .3106 .3133
0.9 .3159 .3186 .3212 .3238 .3264 .3289 .3315 .3340 .3365 .3389

1.0 .3413 .3438 .3461 .3485 .3508 .3531 .3554 .3577 .3599 .3621
1.1 .3643 .3665 .3686 .3708 .3729 .3749 .3770 .3790 .3810 .3830
1.2 .3849 .3869 .3888 .3907 .3925 .3944 .3962 .3980 .3997 .4015
1.3 .4032 .4049 .4066 .4082 .4099 .4115 .4131 .4147 .4162 .4177
1.4 .4192 .4207 .4222 .4236 .4251 .4265 .4279 .4292 .4306 .4319

1.5 .4332 .4345 .4357 .4370 .4382 .4394 .4406 .4418 .4429 .4441
1.6 .4452 .4463 .4474 .4484 .4495 .4505 .4515 .4525 .4535 .4545
1.7 .4554 .4564 .4573 .4582 .4591 .4599 .4608 .4616 .4625 .4633
1.8 .4641 .4649 .4656 .4664 .4671 .4678 .4686 .4693 .4699 .4706
1.9 .4713 .4719 .4726 .4732 .4738 .4744 .4750 .4756 .4761 .4767

2.0 .4772 .4778 .4783 .4788 .4793 .4798 .4803 .4808 .4812 .4817
2.1 .4821 .4826 .4830 .4834 .4838 .4842 .4846 .4850 .4854 .4857
2.2 .4861 .4864 .4868 .4871 .4875 .4878 .4881 .4884 .4887 .4890
2.3 .4893 .4896 .4898 .4901 .4904 .4906 .4909 .4911 .4913 .4916
2.4 .4918 .4920 .4922 .4925 .4927 .4929 .4931 .4932 .4934 .4936

2.5 .4938 .4940 .4941 .4943 .4945 .4946 .4948 .4949 .4951 .4952
2.6 .4953 .4955 .4956 .4957 .4959 .4960 .4961 .4962 .4963 .4964
2.7 .4965 .4966 .4967 .4968 .4969 .4970 .4971 .4972 .4973 .4974
2.8 .4974 .4975 .4976 .4977 .4977 .4978 .4979 .4979 .4980 .4981
2.9 .4981 .4982 .4982 .4983 .4984 .4984 .4985 .4985 .4986 .4986

3.0 .4987 .4987 .4987 .4988 .4988 .4989 .4989 .4989 .4990 .4990
3.1 .4990 .4991 .4991 .4991 .4992 .4992 .4992 .4992 .4993 .4993
3.2 .4993 .4993 .4994 .4994 .4994 .4994 .4994 .4995 .4995 .4995
3.3 .4995 .4995 .4995 .4996 .4996 .4996 .4996 .4996 .4996 .4997
3.4 .4997 .4997 .4997 .4997 .4997 .4997 .4997 .4997 .4997 .4998

6
Ejemplo 6.23

Encontrar la P(0≤z≤1.0).

Solución

La probabilidad que se pide es el área bajo la curva, comprendida entre 0 y

1, como lo muestra la siguiente gráfica

Si buscamos en la tabla 6.4 el valor que le corresponde a z=1; es .3413.

Por lo tanto P(0≤z≤1.0)=0.3413

Ejemplo 6.24

Encontrar la P(-1.0≤z≤1.0).

Solución

El área será la que se encuentra entre -1 y 1, como lo muestra la siguiente

gráfica

7
en el ejemplo 6.23 se encontró la probabilidad P(0≤z≤1.0)=0.3413, como la
distribución normal es simétrica por lo tanto sería 2 veces
P(0≤z≤1.0)=0.3413,
es decir:

P(-1.0≤z≤1.0)=2(.3413)=0.6826

Ejemplo 6.25

Encontrar la P(-2.0≤z≤2.0).

Solución

La tabla 6.4 nos presenta el área comprendida entre 0 y 2 que es igual a

0.4772, por lo tanto el área entre -2 y 2 será dos veces ésta área por ser
simétrica, es decir

P(-2.0≤z≤2.0)=2(0.4772)=0.9544

La siguiente gráfica muestra el área que se desea encontrar

Ejemplo 6.26

Encontrar la P(-3.0≤z≤3.0).

8
Solución

La tabla 6.4 nos presenta el área comprendida entre 0 y 3 que es igual a

0.4987, por lo tanto el área entre -3 y 3 será dos veces ésta área por ser
simétrica, es decir

P(-3.0≤z≤3.0)=2(0.4987)=0.9974

En ejemplo 6.24 se encontró el área comprendida entre la media menos una

desviación estándar y la media más una desviación estándar. En ejemplo
6.25 se encontró el área comprendida entre la media menos dos
desviaciones estándar y la media más dos desviaciones estándar. En
ejemplo 2.26 se encontró el área comprendida entre la media menos tres
desviaciones estándar y la media más tres desviaciones estándar, es decir

P(    Z     )  0.6826

P(  2  Z    2 )  0.9544

P(  3  Z    3 )  0.9974

Los números anteriores corresponden a los valores aproximados de 68%,

95% y 99% que se usaron para la regla empírica.

La figura 6.10 presenta la gráfica, para  1  z  1 el área bajo la curva es

68.2%; y para  2  z  2 el área bajo la curva es 95.4%.

Figura 6.10 Áreas comprendidas entre los valores enteros desde -3 a 3

9
Ejemplos 6.27

Sea X una variable aleatoria con distribución estándar. Hallar: P(0≤X≤0.57)

Solución

El área que se desea es la que está comprendida entre 0 y 0.57 como lo

muestra la siguiente gráfica

Utilizando la tabla 6.4 el valor correspondiente se encuentra en la

intersección de la fila donde está el número 0.5 con la columna
correspondiente a .07, como se observa en la figura siguiente.

Por lo que el área comprendido entre cero y 0.57 es igual a 0.2157.

Por lo tanto P(0≤X≤0.57)=0.2157

10
Ejemplos 6.28

Sea X una variable aleatoria con distribución estándar. Hallar: P(-0.57≤X≤0)

Solución

El área que se pide está a la izquierda de cero, como lo muestra la siguiente

gráfica

No significa que el área sea negativa, es decir la probabilidad que se pide,

ahora como la gráfica es simétrica es igual al área comprendida entre 0 y
0.57 que se encontró en el ejemplo 6.27.

Por lo tanto P(-0.57≤X≤0)=0.2157

Ejemplos 6.29

Sea X una variable aleatoria con distribución estándar. Hallar: P(0≤X≤1.42)

Solución

El área que se desea encontrar está a la derecha de la media (cero),

utilizando la tabla 6.4, corresponde al valor que se encuentra en la
intersección de la fila correspondiente a 1.4 con la columna correspondiente
a .02. El valor de ésta área es 0.4222. Como se ilustra en la figura siguiente:

11
Por lo tanto, P(0≤X≤1.42)=0.4222

Ejemplos 6.30

Sea X una variable aleatoria con distribución estándar. Hallar: P(-0.73≤X≤0)

Solución
Por simetría de la distribución normal P(-0.73≤X≤0)=
P(0≤X≤0.73)=0.2673

12
Ejemplos 6.31

Sea X una variable aleatoria con distribución estándar. Hallar: P(-

1.37≤X≤2.01)

Solución

El área que se desea es la comprendida entre -1.37 y 2.01, como lo muestra

la siguiente gráfica

El área entre -1.37 y 0, es igual a la que está comprendida entre 0 y 1.37,

utilizando la tabla 6.4, el valor es el que está en la intersección de la fila
correspondiente a 1.3 con la columna correspondiente a .07. El valor de esta
área es de 0.4147. Es decir P(-1.37≤X≤0)=0.4147. Pero además se desea el
área que está entre 0 y 2.01, el valor de esta área es de .4778. Como se
ilustra en la figura siguiente:

13
Por lo tanto el área que se pide es

P(-1.37 ≤X≤2.01)= P(-1.37≤X≤0) + P(0≤X≤2.01) =0.4147+.4778=0.8925

Ejemplos 6.32

Sea X una variable aleatoria con distribución estándar. Hallar:

P(0.65≤X≤1.26)

Solución

El área que se desea es la comprendida entre 0.65 y 1.26, como lo muestra

la siguiente gráfica

14
 Para encontrar el área sombreada de la gráfica anterior no se encuentra
directamente en la tabla 6.4. Lo que se debe de realizar es una resta, puesto
que el área comprendida entre 0 y 1.26, abarca la comprendida entre 0 y
0.65 que no se desea. Por lo tanto el área deseada es la que está entre 0 y
1.26 menos la que está comprendida entre 0 y 0.65, es decir:

P(0.65≤X≤1.26)= P(0≤X≤1.26)- P(0≤X≤0.65)=0.3962-0.2422

Ejemplos 6.33

Sea X una variable aleatoria con distribución estándar. Hallar: P(X≥1.13)

Solución

El área que se desea es la que está delante de 1.13, como lo muestra la

siguiente gráfica

15
La tabla 6.4 presenta el área bajo la curva entre 0 y 1.13, pero lo que se
desea es el área delante de 1.13. Para encontrar ésta como sabemos que de
0 a infinito el área es igual a 0.5, para quedarnos con el área que se pide se
resta a 0.5 menos el área entre 0 y 1.13, es decir P(X≥1.13)= P(X≥0)-
P(0≤X≤1.13)

Por lo tanto
P(X≥1.13)= 0.5-0.3708=0.1292

Ejemplos 6.34

Sea X una variable aleatoria con distribución estándar. Hallar: P( X≤-1.13)

Solución

El área que se desea es la que está a la izquierda de -1.13, como lo muestra

la siguiente gráfica

En ejemplo 6.33 se encontró el área a la derecha de 1.13, como la

distribución es simétrica ésta área es idéntica a la que está a la izquierda de
1.13, por lo tanto

P( X≤-1.13)= 0.5-0.3708=0.1292

Ejemplos 6.35
Sea X una variable aleatoria con distribución estándar. Hallar: P( X≤2.37)

Solución
El área que se desea es la que está a la izquierda de 2.37, como lo muestra
la siguiente gráfica

16
El área de menos infinito a 0 es igual a 0.5, entonces se sumaría a éste valor
el área que está entre 0 y 2.37, por lo tanto

P( X≤2.37)=0.5+P(0≤X≤2.37)=0.5+0.4911

Ejemplos 6.36

Supongamos que la temperatura T durante junio está distribuida

normalmente con media 68 0 y desviación estándar de 6 0 . Hallar la
probabilidad de que la temperatura esté entre 70 0 y 80 0 .

Solución

Como la media no es cero ni la desviación estándar no es uno. Se utiliza la

x
fórmula Z  para estandariza los valores y poder utilizar la tabla 6.4

para encontrar el área correspondiente.

Así para estandarizar los valores se tiene entonces

x 70  68 80  68
Z1    0.33 y Z2   2.00
 6 6

Por lo que el área deseada es la que se encuentra entre 0.33 y 2.00, como lo
muestra la siguiente figura

17
Este ejemplo se resuelve similar al ejemplo 6.32, en éste caso la
probabilidad que se desea es

P(0.33≤T*≤2)= P(0≤X≤2)- P(0≤X≤0.33)=.4772-.1293= 0.3479

Ejemplos 6.37

Supongamos que las estaturas H de 800 estudiantes están normalmente

distribuidas con media 66 pulgadas y una desviación estándar de 5
pulgadas. Hallar el porcentaje de estudiantes con estatura, entre 65 y 70
pulgadas.

Solución

Como la media no es cero, ni la desviación no es uno, es similar al ejemplo

3.36

Así para estandarizar los valores se tiene entonces

65  66  1 70  66 4
Z1    0.2 y Z2    0.8
5 5 5 5

Por lo que el área deseada es la que se encuentra entre -0.2 y 0.8, como lo
muestra la siguiente figura

18
El área entre -0.2 y 0, es igual a la que está comprendida entre 0 y 0.2,
utilizando la tabla 6.4, el valor es del área es igual a 0.0793. Es decir P(-
0.2≤X≤0)=0.0793. Pero además se desea el área que está entre 0 y 0.8, el
valor de esta área es de .2881

Por lo que el área que se pide es

P(-0.2 ≤X≤0.8)= P(-0.2≤X≤0) + P(0≤X≤0.8) =0.0793+0.2881=0.3674

Por lo tanto el porcentaje de estudiantes con estatura, entre 65 y 70

pulgadas es 36.74%

19