1.

Un investigador de la UCLA reporta que las ratas viven un

promedio de 40 meses cuando sus dietas son muy restringidas y
luego enriquecidas con vitaminas y proteínas.  Suponiendo que las
vidas de tales ratas están normalmente distribuidas con una
desviación estándar de 6.3 meses, encuentre la probabilidad de que
una rata determinada viva

a)      más de 32 meses;
32−40
p[x>32]=p( ¿
6.3
=p(z=-1.26)=.10383
=1-.10383
=.89
b)      menos de 28 meses;
28−40
p[x>28]=p( ¿
6.3
=p(z=-1.90)
=.0287

c)      entre 37 y 49 meses.
37−40 49−40
p[37<X≤49]=p( < z≤ ¿
6.3 6.3
=p(-.47<z≤1.42)
=p(z≤1.42)-[1-p(z≤.47)]
=.9222-(1-.68082)
=.6080

r. a)0.8980                                                                                                  
b) 0.0287
c) 0.6080
 
2. Las piezas de pan de centeno distribuidas a las tiendas locales por una
cierta pastelería tienen una longitud de 30cm y una desviación estándar de
2cm.  Suponiendo que las longitudes están normalmente distribuidas, ¿qué
porcentaje de las piezas son

a)      de más de 31.7cm de longitud?

31.7−30
p[x>31.7]=p( ¿
2
=p(z=.85)
=1-.8023
=.1977*100
=19.77%

b)      entre 29.3 y 33.5 cm de longitud?

29.3−30 33.5−30
p[29.3<X≤33.5]=p( <z≤ ¿
2 2
=p(-.35<z≤1.75)
=p(z≤1.75)-[1-p(z≤.35)]
=.95994-(1-.63683
=.5967*100
=59.65%

c)      de una longitud menor que 25.5 cm?

25.5−30
p[x>25.5]=p( ¿
2
=p(z=-2.25)
=.01222*100
=1.22%
        

  r. a) 19.77%
      b) 59.67%
      c) 1.22%
4. El diámetro interno ya terminado de un anillo de pistón está normalmente
distribuido con una media de 10 cm y una desviación estándar de 0.03
cm.

 = 10 cm
 =0.03 cm

a) ¿Qué proporción de los anillos tendrá un diámetro interno que

exceda de 10.075 cm?

10.075−10
p[x>10.75]=p( )
.03
=p(z=2.5)
=1-.99379
=.0062

b) ¿Cuál es la probabilidad de que un anillo de pistón tenga un

diámetro interno entre 9.97 y 10.03 cm?
9.97−10 10.03−10
p[9.97<X≤10.03]=p( <z ≤ ¿
.03 .03
=p(-1<z≤1)
=p(z≤1)-[1-p(z≤1)]
=.84134-(1-.84134)
=.6826

 r.
a) 0.0062                                                                                        
b) 0.6826                                                                                             
6. Las estaturas de 1000 estudiantes están normalmente distribuidas con
una media de 174.5 cm y una desviación estándar de 6.9 cm.  Suponiendo
que las alturas se registran cerrando los valores a los medios centímetros,
¿Cuántos estudiantes tendrían estaturas
 = 174.5cm
 =6.9cm

a) menores que 160.0 cm?

160−174.5
Z= ( ¿= -2.10 p=(z=-2-10)= .0179
6.9
P(x<160)= 1- p(z=-2.10)= 1
P(x<160)= 0.0179(1000)= 15.9 =16

b) entre 171.5 y 182 cm?

171.5−174.5 182−174.5
p[171.5<X≤182]=p( <z≤ ¿
6.9 6.9
=p(-0.43<z≤1.08)
=p(z≤1.08)-[1-p(z≤.43)]
=0.8599+(1- 0.6664)
=0.8599+0.6664
=0.5263(1000)= 548.3 = 549

c) de 175 cm?
175−174.5
Z= ( ¿= .0724
6.9
P=(z>.0724)-0.5
P= 0.5279-0.5
P=0.0279(1000)= 27.9 =28
 d) mayores que o iguales a 188.0 cm?
188−174.5    r.
Z= ( ¿= 1.9565
6.9
a)16                  
P=(z>1.9565)+1
b)549                
P= 1-0.9744
c)28                  
P=0.02562(1000)= 26.6= 27
d) 27
                             

8. La resistencia a la tensión de cierto componente metálico está normalmente

distribuida con una media de 10 000 kg/cm2 y una desviación estándar de 100
kg/cm2.  Las mediciones se registran y se redondean a 50 kg.
 = 10 000kg/cm2
 =100kg/cm2
a) ¿Cuál es la proporción de estos componentes que exceden de
10 150 kg/cm2 de resistencia a la tensión?
10150−10000
Z= ¿=1.5 P(Z=.93319)
100
P(X<10150=1-P(Z.93319)=1-.93319=.06681

b) Si las especificaciones requieren que todos los componentes

tengan una resistencia a la tensión entre 9800 y 10200
kg/cm2 inclusive, ¿qué porcentaje de piezas se esperaría que se
desecharan?
9800−10000 10200−10000
P(9800<x≤ 10200)= p( ¿<z≤ ¿
100 100
P=(-2<z≤2)=p (Z≤2)-(1-p(Z≤2))
P=p(Z≤2)+p(Z≤2)-1
P=p(Z≤.97725)+p(Z≤.97725)-1
P=.97725+.97725-1=.9545 P=.0244
     
           
 r.
a) 0.0401                                                                                                     
b) 0.0244
 

DISTRIBUCIÓN NORMAL.
 
Características:
 
a)      Es generada por una variable de tipo continuo, denominada x;
                                     - x  
b)      La función que nos define esta distribución es:
 

                                                        -
 x  
 
 Al dar a la función los valores de  , 2 y valores a x, obtendremos
la      distribución en cuestión, la que tiene forma de campana, por lo
que también se le conoce como campana de Gauss. Hay un número
infinito de funciones de densidad Normal, una para cada combinación
de  y. La media  mide la ubicación de la distribución y la
desviación estándar  mide su dispersión.
                  c)   Es simétrica con respecto a su eje vertical.
d)  Es asintótica con respecto a su eje horizontal; esto quiere decir que
jamás va a tocar el eje de las equis.
e)   El área total bajo la curva es 1.
 f)   Sí sumamos a    , se observará que aproximadamente el
68.26% de los       datos se encuentran bajo la curva,  si sumamos
a   2, el 95.44% de los datos estará entre esos límites y si
sumamos a   3, entonces el 99.74% de los datos caerá dentro de
esos límites. Esta característica es a la vez una forma empírica y rápida
de demostrar si los datos que se analizan tienen una distribución
Normal; ya que para trabajar los datos con esta distribución, debe
verificarse que efectivamente así se distribuyen, ya que de no hacerlo,
las decisiones que en un momento dado se tomarán de un análisis de
los datos con la distribución Normal, serían erróneas.
 
¿Cómo se determinan probabilidades con la distribución Normal?
De acuerdo a como se trataron las distribuciones de probabilidad
continuas en la unidad III, lo más lógico es que la función f(x, , 2), se
integre entre los límites de la variable x; esto es,
 

          
 
La integral anterior nos daría el área bajo la curva de la función, desde a
hasta b, que corresponde o es igual a la probabilidad buscada.
Debido a la dificultad que se presenta para integrar esta función cada
vez que sea necesario, lo que se hace es tipificar el valor de la variable
x, esto es, x se transforma en un valor de z, de la siguiente manera:

                                          
 
Este valor de z es buscado en una tabla donde vienen áreas asociadas a este
valor, y haciendo uso de los valores tabulados, se determina la probabilidad
requerida.