1

Teoría de la Distribución y
Probabilidad
Ximena Naranjo Ruiz
Facultad de la Energía, las Industrias y los Recursos Naturales No Renovables
Carrera de Ingeniería en Sistemas/Computación

Julio, 2022
Loja, Ecuador
 Unidad 3

Funciones de una Variable Aleatoria.

Distribuciones de probabilidad normal

3
 Medición de la inteligencia
MEDIDAS DE INTELIGENCIA

Pruebas de aptitud y su interpretación

Hay numerosas clases de pruebas de aptitud. Algunas de ellas son para fines
específicos, por ejemplo medir la destreza con los dedos, algo que podría
ser importante en un trabajo en particular. Otras son de aptitudes
más generales. Las llamadas pruebas de inteligencia son ejemplos de
pruebas de aptitud.

La escala Binet de inteligencia. Alfred Binet, quien ideó la primera

prueba general de aptitud a principios del siglo XX, definió la inteligencia
como la capacidad de hacer adaptaciones. 4
El propósito general de la prueba fue determinar cuáles niños en París
podrían beneficiarse por la escuela. La prueba de Binet, al igual que sus
modificaciones subsiguientes, consta de una serie de tareas cada vez más
difíciles que niños de edades diferentes pueden completar con éxito. Se
dice que un niño que puede resolver problemas que por lo general son
resueltos por niños de un nivel particular de edad tiene esa edad mental.
Por ejemplo, si un niño puede con éxito hacer las mismas tareas que un
niño de ocho años, tiene una edad mental de ocho. El cociente de
inteligencia, o IQ, está definido por la fórmula:

Cociente de inteligencia = 100 × (edad mental/edad cronológica)

5
Ha habido una gran controversia en años recientes sobre lo que miden las
pruebas de inteligencia. Muchos de los elementos de la prueba dependen
del idioma o de otras experiencias culturales específicas para ser resueltos.
No obstante, con estas pruebas se puede pronosticar de manera efectiva el
éxito escolar. Si la escuela requiere capacidad de lenguaje en un punto
particular de la vida de un niño, entonces la prueba es un pronosticador
mejor que la probabilidad de rendimiento escolar.

Mediciones de desviación de IQ. Las pruebas de inteligencia u otras

capacidades de hoy día emplean mediciones de desviación. Estas
mediciones representan la desviación de una persona particular respecto del
promedio de medición para personas semejantes.
6
Supongamos que el lector toma un “examen general de aptitud” y obtiene
una puntuación de 115. Esto no significa que su edad mental sea mayor
que su edad cronológica; significa que está “arriba del promedio” en algún
grado. Como nos hemos acostumbrado a pensar en que una medición de IQ
de 100 como promedio, casi todas las pruebas de aptitud general se miden
en forma tal que 100 es el promedio. Una persona que obtiene 115 por lo
general tendría una puntuación más alta que la de alrededor de 85 por
ciento de las personas que toman la prueba; una puntuación de 84 sería
mejor que la de 16 por ciento. La interpretación exacta de una puntuación
de prueba depende de la prueba en particular, pero la figura 2.2 muestra la
forma en que las puntuaciones de varias pruebas de aptitud comúnmente
empleadas se interpretan en términos de cómo se compara una persona
contra un grupo.
7
La figura 2.2 ilustra la comparación de varias medidas de desviación y
la distribución normal: las medidas estándar tienen una media de cero
y una desviación estándar de 1.0. Las medidas de la Prueba de Aptitud
Escolar (SAT) tienen una media de 500 y una desviación estándar de
100. Las medidas de la Prueba de Inteligencia de Binet tienen una
media de 100 y una desviación estándar de 16. En cada caso hay 34
por ciento de medidas entre la media y una desviación estándar, 14
por ciento entre una y dos desviaciones estándar, y 2 por ciento de
más de dos desviaciones estándar.

8
9
 Distribuciones de probabilidad normal
La distribución de probabilidad normal es considerada como la más
importante distribución de probabilidad. Un número ilimitado de variables
aleatorias continuas tienen una distribución ya sea normal o una
aproximadamente normal. Varias otras probabilidades de distribución de
variables aleatorias discretas y continuas también son aproximadamente
normales bajo ciertas condiciones.
La distribución de probabilidad normal tiene una variable aleatoria continua
y emplea dos funciones: una función para determinar las ordenadas (valores
y) de la gráfica que representa la distribución y una segunda para
determinar las probabilidades.
10
 La fórmula (6.1) expresa la ordenada (valor y) que corresponde a cada
abscisa (valor x).

Cuando se traza una gráfica de todos estos

puntos, la curva normal (en forma de
campana) aparecerá como se ve en la figura
6.1.
11
Nota: cada par diferente de valores para la media, μ, y desviación
estándar, σ, resultarán en una función diferente de distribución de
probabilidad normal.

La fórmula (6.2) da la probabilidad asociada con el intervalo de x = a a x

= b:

La probabilidad de que x se encuentre dentro del intervalo de x = a a x = b

se muestra como el área sombreada en la figura 6.2.
12
 No estaremos usando las fórmulas precedentes
para calcular probabilidades para distribuciones
normales. La integral definida de la fórmula (6.2)
es un tema de cálculo y está matemáticamente
fuera de lo que se espera en estadística elemental.
(Estas fórmulas aparecen con frecuencia en la
parte superior de tablas de probabilidad normal
como identificación.)
En lugar de usar las fórmulas (6.1) y (6.2), usaremos una tabla para hallar
probabilidades para distribuciones normales. Las fórmulas 6.1 y 6.2 se
usaron para generar esa tabla.
13
Antes que aprendamos a usar la tabla, sin embargo, debe señalarse que la
tabla está expresada en forma “estandarizada” de modo que esta tabla
pueda usarse para hallar probabilidades para todas las combinaciones de
valores de la media, μ, y desviación estándar, σ. Esto es, la distribución de
probabilidad normal con media de 38 y desviación estándar de 7 es
semejante a la distribución de probabilidad normal con media de 123 y
desviación estándar de 32. Recuerde la regla empírica y los porcentajes de
la distribución que caen dentro de ciertos intervalos de la media. Los
mismos tres porcentajes se cumplen para todas las distribuciones normales.

Nota: porcentaje, proporción y probabilidad son básicamente los mismos

conceptos.
14
Se usa el porcentaje (25%) o proporción ( 1–4 ) cuando se habla de parte
de una población, siendo el porcentaje lo más común. La probabilidad
suele usarse cuando se habla de la posibilidad de que el siguiente
elemento individual posea cierta propiedad. El área es la representación
gráfica de las tres cuando trazamos una figura para ilustrar la situación.
La regla empírica es un medio de medición más bien burdo; con ella
podemos hallar probabilidades asociadas sólo con múltiplos enteros de
la desviación estándar (no más de 1, 2 o 3 desviaciones estándar de la
media). Con frecuencia estaremos interesados en las probabilidades
asociadas con partes fraccionales de la desviación estándar. Por ejemplo,
podríamos desear conocer la probabilidad de que x se encuentre a no
más de 1.37 desviaciones estándar de la media.
15
Por tanto, debemos refinar la regla empírica para que podamos manejar
mediciones más precisas. Este refinamiento se estudia en la siguiente
sección.

16
 La distribución normal estándar

Hay un número ilimitado de distribuciones de probabilidad normal, pero

por fortuna todas están relacionadas con una distribución: la distribución
normal estándar. La distribución normal estándar es la distribución
normal de la variable estándar z (llamada “puntaje estándar” o
“puntaje z”).

17
Propiedades de la distribución normal estándar:

1. El área total bajo la curva normal es igual a 1.

2. La distribución tiene forma de campana y es simétrica; se
extiende indefinidamente
3. en ambas direcciones, aproximándose pero sin tocar el eje
horizontal.
4. La distribución tiene una media de 0 y una desviación estándar
de 1.
5. La media divide el área en dos: 0.50 a cada lado.
6. Casi toda el área está entre z = –3.00 y z = 3.00.
18
La tabla 3 del apéndice B es una lista de las probabilidades asociadas con
los intervalos desde la media (ubicada en z = 0.00) hasta un valor
específico de z. Las probabilidades de otros intervalos pueden hallarse
usando las entradas de tabla y las operaciones de adición y sustracción,
de acuerdo con las propiedades precedentes. Veamos varias ilustraciones
que demuestran la forma de usar la tabla 3 para hallar probabilidades del
puntaje normal estándar, z.

19
EJEMPLO 6.1 Para hallar el área a la derecha de z = 0

Encuentre el área bajo la curva normal estándar entre z = 0 y z = 1.52 (vea

figura 6.3).

20
SOLUCIÓN La tabla 3 está diseñada para dar el área entre z = 0 y z = 1.52
directamente. El puntaje z está ubicado en los márgenes, con las unidades
y décimas de dígito por todo el lado izquierdo y centésimas de dígito en la
parte superior. Para z = 1.52, localice la fi la marcada 1.5 y la columna
marcada 0.02; en su intersección encontrará 0.4357, la medida del área o la
probabilidad para el intervalo z = 0.00 a z = 1.52 (vea la tabla 6.1).
Expresado como una probabilidad: P(0.00 < z < 1.52)
= 0.4357.

21
Recuerde que una de las propiedades básicas de probabilidad es que la
suma de todas las probabilidades es exactamente 1.0. Como el área bajo
la curva normal representa la medida de probabilidad, el área total bajo
la curva en forma de campana es exactamente 1. Esta distribución
también es simétrica respecto a la recta vertical trazada por z = 0, que
corta el área en dos en la media. ¿Puede usted verificar este dato al
inspeccionar la fórmula (6.1)? Esto es, el área bajo la curva a la derecha
de la media es exactamente la mitad, 0.5, y el área a la izquierda
también es la mitad, 0.5. Las áreas (probabilidades) que no se dan
directamente en la tabla se pueden hallar si confiamos en estos datos.

A continuación veamos algunos ejemplos.

22
EJEMPLO 6.2 Para hallar el área en la cola derecha de una curva
normal

Encuentre el área bajo la curva normal a la derecha de z = 1.52: P(z >

1.52).
SOLUCIÓN El área a la derecha de la
media (toda el área sombreada de la
figura) es exactamente 0.5000. El
problema pide el área sombreada que
no
está incluida en 0.4357. Por tanto,
restamos 0.4357 de 0.5000:
P(z ˃ 1.52) = 0.5000 - 0.4357 = 0.0643
23
E J E M P L O 6 . 3 Para hallar el área a la izquierda de un valor
positivo de z

Encuentre el área a la izquierda de

z = 1.52: P(z < 1.52).
SOLUCIÓN El total del área
sombreada está formado por
0.4357 hallado
en la tabla y el 0.5000 que está a la
izquierda
de la media. Por tanto, sumamos
0.4357 a 0.5000:
24
 P(z ≤ 1.52) = P(z < 0) + P(0 < z < 1.52) = 0.5000 + 0.4357 = 0.9357

Nota: la suma y resta hechas en los ejemplos 6.2 y 6.3 son correctas
porque las “áreas” representan eventos mutuamente excluyentes.
La simetría de la distribución normal es un factor clave para determinar
probabilidades asociadas con valores debajo de la media (a la izquierda).
El área entre la media y z = – 1.52 es exactamente la misma que el área
entre la media y z = + 1.52. Este dato nos permite hallar valores
relacionados con el lado izquierdo de la distribución, como se ilustra en
los siguientes dos ejemplos.

25
EJEMPLO 6.4 Para hallar el área de una z negativa a z = 0

El área entre la media (z = 0) y z =

–2.1 es igual que el área entre z =
0 y z = + 2.1; esto es,

P(- 2.1< z < 0) = P(0 < z < 2.1)

Así, tenemos

P(- 2.1 < z < 0) = P(0 < z < 2.1) = 0.4821

26
EJEMPLO 6.5 Para hallar el área en la cola izquierda de una curva
normal

El área a la izquierda de z = –1.35

se encuentra al restar 0.4115 de
0.5000.
Por tanto, obtenemos

P (z < -1.35) = P (z < 0) - P ( -1.35

< z < 0) = 0.5000 - 0.4115 = 0.0885

27
EJEMPLO 6.6 Para hallar el área de una z negativa a una z
positiva

El área entre z = –1.5 y z = 2.1, P(–1.5

<
z < 2.1), se encuentra al sumar dos
áreas.
Ambas probabilidades pedidas se leen
directamente de la tabla 3.
Por tanto, obtenemos
P (-1.5 < z < 2.1) = P (-1.5 < z < 0) + P (0 < z < 2.1) = 0.4332 + 0.4821 =
0.9153
28
EJEMPLO 6.7 Para hallar el área entre dos valores z del mismo signo

El área entre z = 0.7 y z = 2.1, P(0.7 < z

< 2.1), se encuentra por resta. El área
entre z = 0 y z = 2.1 incluye toda el área
entre z = 0 y z = 0.7. Por tanto, restamos
el área entre z = 0 y z = 0.7 del área
entre z = 0 y z = 2.1.
Así, tenemos
P(0.7 < z < 2.1) = P(0 < z < 2.1) - P(0 < z < 0.7) = 0.4821 - 0.2580 = 0.2241

La tabla de distribución normal estándar también se puede usar para hallar un

puntaje z cuando nos dan un área. El siguiente ejemplo considera esta idea.29
EJEMPLO 6.8 Para hallar puntajes z asociados con un percentil

¿Cuál es el puntaje z asociado con el 75avo percentil de una distribución

normal? Vea la figura 6.4.

30
Para hallar este puntaje z, vea la tabla 3 del apéndice B y encuentre a la
entrada de “área” más cercana a 0.2500; esta entrada de área es 0.2486.
Ahora lea el puntaje z que corresponde a esta área.

De la tabla, el puntaje z se encuentra que es z = 0.67. Esto dice que el 75avo

percentil en una distribución normal es 0.67 (aproximadamente ( 2–3 ) de la
desviación estándar arriba de la media.
31
EJEMPLO 6.9 Para hallar los puntajes z que limitan un área

¿Qué puntajes z limitan el 95% central de una distribución normal?

SOLUCIÓN El 95% está dividido en dos partes iguales por la media, de
modo que 0.4750 es el área (porcentaje) entre z = 0, la media, y el puntaje
z en la frontera derecha. Vea la figura 6.5.

32
Como tenemos el área, buscamos en la tabla 3 la entrada más cercana a
0.4750 (que es exactamente 0.4750) y leemos el puntaje z. Obtenemos z =
1.96.

Por tanto, z = –1.96 y z = 1.96 limitan el 95% central de una distribución

normal.
33
Gracias
34