La distribución normal

Introducción
Como sabes una distribución es la relación entre los valores que pueden tomar una variable y la probabilidad que le corresponde.
En este caso estudiaremos la distribución de una variable aleatoria continua la cual proviene de una medición, por ejemplo la estatura
de un grupo de chicos entre 15 y 18 años; el peso en kilogramos de estos chicos; la medición de las placas de acero para una estructura,
etc.
La mejor forma de trabajar con una variable aleatoria continua es por medio del área bajo la curva, cuyo tema lo viste y trabajaste en la
unidad de aprendizaje de Cálculo Integral.
La forma de representar las probabilidades de una variable aleatoria continua es por medio de una gráfica de una función simétrica,
cuyos límites están entre menos infinito y más infinito. El área bajo esta curva es igual a 1 o 100%; esto debido a los axiomas de
probabilidad que ya viste con anterioridad.
Veamos ahora cómo esa curva simétrica se estudia mediante una distribución de probabilidad normal.
La distribución de probabilidad normal es aquella en la cual, a partir de un punto central de máxima frecuencia (la media de la
distribución), los valores mayores y menores que la media se distribuyen simétricamente a derecha e izquierda, disminuyendo
gradualmente hasta desaparecer.

Esta distribución permite resolver, en forma aproximada, los problemas propios de las distribuciones binomial o de Poisson, por lo que
su importancia en probabilidad y estadística es fundamental.
Aunque los conceptos básicos fueron planteados inicialmente por el matemático francés Abraham
de Moivre (1667- 1754) y por el astrónomo francés Marques Pedro Simon de Laplace (1749-1827),
fue el matemático alemán Karl Fiedrich Gauss (1777-1855) quien presentó las leyes fundamentales
de la distribución normal de probabilidad, de manera que ésta se conoce también como distribución
gausiana y su curva (curva normal), se denomina igualmente campana de Gauss.

Propiedades de la curva normal o campana de Gauss

1. Es simétrica en forma de campana.
2. La media, la mediana y la moda tienen el mismo valor, ubicado al centro de la figura.
3. Teóricamente, la curva se extiende hasta el infinito en ambas direcciones, sin tocar nunca el eje horizontal.
Para poder calcular probabilidades con esta curva normal, es necesario hacer varias transformaciones, esto debido a que si utilizamos
la integración de área bajo la curva, dicha integración es muy compleja.

La función de distribución normal con parámetros μ y σ es:

1 2
𝑁(𝜇, 𝜎) = 𝑒 −1/2[(𝑥−𝜇)/𝜎]
𝜎 √2𝜋
Como un número elevado de fenómenos se comportan o pueden ser aproximados por una distribución normal es de importancia
fundamental su estudio y utilización. Por ello nos apoyamos en su expresión gráfica que es la Curva Normal, la cual proviene de una
distribución de frecuencias que tiene muchas observaciones cercanas al centro de la distribución para luego disminuir gradual y
simétricamente en ambas direcciones.
Distribución Normal Estándar

Las variables aleatorias continuas serán transformadas en puntajes estándar o tipificaciones, esto para poder localizar las variables sobre
la gráfica de la curva normal.

La función de Distribución Normal Estándar queda establecida por:

1 2
𝑁(0,1) = 𝑒 −1/2 𝑥
√2𝜋
La transformación la realizaremos mediante la siguiente equivalencia o tipificación, bajo el cambio de variable:

Tipificación

Ahora seguiremos trabajando en resolver cuestionan tés de probabilidad del tipo P (a ≤ x ≤ b) pero usando la estandarización y tablas
de áreas bajo la curva normal estándar, las cuales ya fueron determinadas por matemáticos para evitar perder tiempo en el manejo y
cálculo de áreas bajo la curva por medio de integrales.

Comienza a tipificar analizando los siguientes ejemplos en los cuales, como primer paso, encontrarás el valor de z probabilísticamente.

Ejemplo 1
Obtener la probabilidad de que el puntaje estándar sea menor o igual que -2.38
Entenderás que esto significa z ≤ - 2.38
Como z tiene un signo negativo indica que el valor está a la izquierda del centro, pero el signo debe eliminarse antes de utilizar la tabla
de área bajo la curva.

En la tabla busca el valor absoluto de 2.38

De la lectura de la tabla, podemos determinar que

Como la pregunta dice que debe ser menor o igual que
La probabilidad buscada es el área generada de 0 a y ésta se localiza en el área sombreada de la gráfica siguiente:
Toma en cuenta que la tabla da valores del centro a la izquierda o del centro a la derecha, por tal motivo el área sombreada es el resultado
de

Finalmente la probabilidad cuando es de 0.87% que es casi nula.

Ejemplo 2
Obtener la probabilidad cuando la variable aleatoria continua tome valores de 20 o menos, si la media es 10 y la desviación es 8.
De los datos dados en el enunciado, podemos determinar los siguientes valores:
𝑥 ≤ 20, 𝜇 = 10, 𝜎 = 8
Para poder encontrar la probabilidad harás uso de la fórmula de tipificación, puesto que no te dan el puntaje estándar, sino la variable,
por lo tanto hay que transformarla en puntaje estándar.

Como es positiva estará en el lado derecho de la media.

En la tabla busca el valor absoluto cuando es igual a 1.25

De allí se obtiene que
Como la pregunta dice que debe ser menor o igual que 1.25, la probabilidad buscada es la que está en el área sombreada que va de 0
a 1.25 de la gráfica siguiente:

Toma en cuenta que la tabla da valores del centro a la izquierda o del centro a la derecha, por tal motivo el área sombreada es el resultado
de:
Finalmente la probabilidad de es de 89.44%

Ejemplo 3
Obtener la probabilidad de que el puntaje estandarizado sea mayor o igual que 1.5

Como tiene un signo positivo indica que el valor está a la derecha del centro.

Al buscar en la tabla se define que

Como la pregunta dice que debe ser mayor o igual que 1.5, entonces el área buscada es el resultado de:

Lo que nos indica, que la probabilidad buscada es la que corresponde al área sombreada, la cual va de

Finalmente la probabilidad cuando es de 6.68%

Ejemplo 4
Determinar la probabilidad de que el puntaje estándar sea mayor o igual que -0.69

Como tiene un signo negativo, indica que el valor está a la izquierda del centro.

En la tabla se define el valor absoluto de

Dado que debe ser mayor o igual que 0.69 indica que la probabilidad buscada es la que está en el área sombreada que va
de la gráfica siguiente:
Por tal motivo, el área sombreada es el resultado de:

Finalmente la probabilidad cuando es de 75.49%

Ejemplo 5
Determinar la probabilidad de los puntajes estándar que están entre
esto es:

De tablas se obtienen los siguientes valores y

Por la posición del área sombreada para obtener la probabilidad será de la manera siguiente: "área mayor menos área menor".

Finalmente la probabilidad cuando es de 43.55%

Como habrás observado estos ejemplos te permitieron poder localizar en la gráfica de la campana de Gauss los puntajes estándar, que
más adelante te servirán para poder resolver ejercicios del ámbito general. Recuerda que es indispensable graficar la posición del puntaje
estándar para poder determinar el área bajo la curva, que finalmente es la probabilidad buscada.
Como ya aprendiste a ubicar correctamente los puntajes estándar y además a encontrar el área bajo la curva que en sí es la probabilidad,
vamos emplear estos procedimientos para resolver los ejemplos que se presentan a continuación.

Ejemplo 6
La estatura promedio de los empleados de una empresa es de 1.65m con una desviación estándar de 0.062m. Supón una distribución
normal y determina qué porcentaje de los empleados mide:
a) más de 1.57m
b) menos de 1.70m
c) entre 1.57m y 1.70m

a) Empleados que miden más de 1.57m

Como puedes darte cuenta, el ejemplo nos proporciona la media y la desviación estándar, datos que podemos emplear directamente en
la fórmula de tipificación, ya que si observas la estatura es una variable aleatoria continua que se comporta como una distribución
normal, puesto que viene de una medición y no de un conteo.

En este caso el área buscada va de , como se muestra a continuación:

Al buscar en la tabla, definimos que el valor absoluto de

Como la pregunta dice que debe ser mayor o igual que 1.29, la probabilidad buscada es la que está en el área sombreada que va
de , tal como se muestra en la gráfica siguiente:

Por tal motivo el área sombreada es el resultado de:

Finalmente la probabilidad o porcentaje de los empleados que miden más de 1.57m es de 90.15% .

b) Empleados que miden menos de 1.70m

Tenemos la media y la desviación estándar, datos para sustituir directamente en la fórmula de tipificación.

Graficando la posición obtenida tenemos:

Por lo tanto, el área buscada va de

Por los valores de la tabla, encontramos que

Como la pregunta dice que debe ser menor o igual que 0.81, la probabilidad buscada es la que está representada por el área sombreada
que va de de la gráfica siguiente:

De manera que el área sombreada es:

Finalmente, la probabilidad o porcentaje de cuántos empleados miden menos de 1.70m es de 79.10%

c) Empleados que miden entre 1.57 y 1.70 m.

Sustituimos los valores de la media y la desviación estándar en la fórmula de tipificación, obteniendo dos valores de , uno para cada
límite:

Por lo tanto, el área buscada va de -1.29 a 0.81

En la tabla busca el valor absoluto de 1.29 a 0.81

Como la pregunta dice que debe estar entre -1.29 a 0.81, la probabilidad buscada es el área bajo la curva normal que se encuentra en
dicho intervalo, como se muestra en la siguiente gráfica:
El área sombreada es el resultado de:

Por lo cual podemos decir que la probabilidad o porcentaje de empleados que miden entre 1.57m y 1.70m es de 69.25%

Ejemplo 7
En una ciudad se estima que la temperatura máxima en el mes de junio sigue una distribución normal, con media 23° y desviación
estándar 5°. Calcula el número de días del mes en los que se espera alcanzar máximas entre 21° y 27°
Sustituimos los valores conocidos en la fórmula de tipificación y se obtiene:
21 − 23
𝑧= = −0.4
5
27 − 23
𝑧= = 0.8
5
Graficando las posiciones obtenidas para los valores de z tenemos:

Por lo que a probabilidad buscada es la que está definida por el área sombreada que va de -0.4 a 0.8

Con los valores de la tabla encontramos:

Z(0.4)=0.1554
Z(0.8)=0.2881
El área sombreada es el resultado de:
0.1554+0.2881=0.4435
𝑃(−0.4 ≤ 𝑧 ≤ 0.8) = 0.4435 = 44.35%

Por lo cual podemos decir que la cantidad de días que se esperan con una máxima de temperatura entre 21° y 27° es:

0.4435 X 30 =13.03 ≈13 días

Ejemplo 8:
La vida de cierto tipo de refrigerador está distribuida normalmente con una media de 7.2 años y con una desviación estándar de 1.9 años.
Suponga que el fabricante quiere establecer una garantía, de que aproximadamente el 15% de los refrigeradores sólo necesitarán ser
reparados bajo esta garantía. ¿Cuál es el punto de separación entre aquellos que recibirán reparación bajo garantía y los que no?

𝜇 = 7.2 𝑎ñ𝑜𝑠

𝜎 = 1.9 𝑎ñ𝑜𝑠

De la gráfica 0.5- 0.15 = 0.35

Por tablas para un área de 0.35, z (1.04)= 0.35. Como se encuentra a la izquierda de la media z = - 1.04

De la fórmula de tipificación o cambio de variable y despejando la variable original x.

𝑥 = (𝑧)(𝜎) + 𝜇

Sustituyendo los valores de la media, la desviación estándar y el valor encontrado de z

𝑥 = (−1.04)(1.9) + 7.2 = 5.224 𝑎ñ𝑜𝑠

Así, a partir de los 5.2 años ya no se tiene garantía de reparación.

El teorema de Tchebyshef puede utilizarse para obtener un límite inferior de la probabilidad de que la variable aleatoria de interés “Y”
caiga en un intervalo de la forma 𝜇 ± 𝑘𝜎. Donde sea Y una variable aleatoria con una media finita μ y varianza 𝜎 2 .

Entonces, para cualquier constante positiva k:

1
𝑃(|𝑦 − 𝜇| < 𝑘𝜎) > 1 −
𝑘2
O bien:
1
𝑃(|𝑦 + 𝜇| > 𝑘𝜎) > 1 −
𝑘2
El teorema de Tchebyshef es útil en la aproximación de probabilidades cuando solamente se conoce la media y la varianza.

Deben destacarse dos aspectos importantes del resultado anterior:

1º. Se puede aplicar el resultado para cualquier distribución de probabilidad, ya sea que tenga forma de campana o no.
2º. Los resultados del teorema son muy conservadores en el sentido de que la probabilidad real de que Y esté en el intervalo 𝜇 ± 𝑘𝜎
generalmente excede por mucho el límite inferior de la probabilidad.

Más aún, el Teorema de chebyshev, nos establece que:

si Z Є [-1,1] el área es del 68.26%

si Z Є [-2,2] el área es del 95.44%
si Z Є [-3,3] el área es del 99.74%
si Z Є [-4,4] el área es del 99.98%
Ejercicios:

1. La variable aleatoria X representa la vida promedio de cierto aparato electrónico; tiene una distribución aproximadamente
normal, con media de 3.5 años y desviación estándar de 1.5 años. Si el fabricante de dichos aparatos desea reparar
solamente 10% de estos, en el periodo de garantía, calcula cuál tendrá que ser el periodo de garantía.

2. Se supone que X representa la resistencia a la ruptura de una cuerda, con un promedio de 100 y una desviación estándar
de 4. Cada alambre para cuerda produce una utilidad de $25, si x>95. En caso contrario, la cuerda se tiene que utilizar con
otro propósito y se obtiene una utilidad de $10 por alambre. Calcular la utilidad esperada por alambre.

3. Una distribución normal tiene una media (µ) de 50 y una desviación estándar de 5. ¿Qué porcentaje de la población de
valores se encuentra entre los siguientes intervalos? Realiza una gráfica representativa de cada uno de ellos.

a) De 40 a 50
b) De 40 a 45
c) De 56 a 60
d) De 40 a 65
e) Mayor a 50
f) Menor a 50

4. Calcula los valores de z que corresponden a estas probabilidades:

a) El área entre +z y –z es 0.5000
b) El área entre +z y –z es 0.8400
c) El área a la derecha de z es 0.3500
d) El área a la izquierda de z es 0.3500

5. El peso que se necesita para poder ingresar al equipo de ballet del país de Rumania está basado en una distribución normal
con una media de 49.3 kg y una desviación estándar de 4.5 kg. Si hay 345 chicas ansiosas de pertenecer a este equipo en
el siguiente año.

a) ¿Cuántas chicas estarán por debajo de 44.8 kg.?

b) ¿Cuántas chicas estarán por arriba de 57 kg.?
c) ¿Cuantas chicas estarán en el peso requerido para poder ingresar al equipo?

6. Unos expertos agrícolas descubren que el rendimiento por acre de un determinado grano tiene una distribución
aproximadamente a la normal, con una media de 40 toneladas y varianza de 100. Si se elige un acre en la hacienda donde
se siembra este grano:

a) ¿Cuál es la probabilidad de que produzca menos de 15 toneladas?

b) ¿Cuál es la probabilidad de que produzca más de 53 toneladas?

7. El tiempo necesario para que un alumno responda completamente un examen parcial de Matemáticas se distribuye
normalmente con una media de 100 minutos y una desviación estándar de 9 minutos. El tiempo límite para la solución del
examen es de 120 minutos. Se sabe que en el turno matutino de la ESIME Azcapotzalco hay 923 alumnos inscritos. Con
esta información responde a las siguientes preguntas:

a) ¿Cuántos alumnos no terminarán de resolver el examen?

b) ¿En cuántos minutos habrán salido el 90.15% de los alumnos?

8. En un proceso industrial, el diámetro de un balero es parte importante de un componente. El comprador establece en sus
especificaciones que el diámetro debe ser 3.0 cm ±0.01 cm. Esto implica que no se acepta ningún balero que se salga de
esta especificación. Se sabe que el proceso, el diámetro de un balero es una variable aleatoria X que tiene una distribución
normal con una media de 3.0 y una desviación estándar de 0.005 ¿en promedio, que porcentaje de baleros fabricados se
descartará?

9. Se utilizan medidores para verificar y poder rechazar, todos los componentes de un lote de piezas mecánicas cuyas
dimensiones no se encuentran dentro de la especificación 1.5 ±d. Se sabe que esta dimensión es una variable aleatoria X
que tiene distribución normal con una media de 1.5 y una desviación estándar de 0.2. Determinar el valor de d para que la
especificación cubra el 95% de las mediciones.

10. Las mediciones de corriente eléctrica en una tira de alambre es una variable aleatoria X que tiene distribución normal con
una media de 10 mA y una varianza de 4 mA ¿cuál es la probabilidad de que una medición exceda a 13 mA?
Ahora ya puedes calcular probabilidades de variables aleatorias continuas, por medio de la distribución normal, sin embargo también
existe una aproximación, la cual estudiaremos a continuación.

3.1 Aproximación de la distribución normal a la binomial

La aproximación es un procedimiento matemático donde las variables aleatorias discretas las transformamos en continuas por medio de
la aproximación de la normal a la binomial. Esto con el propósito de simplificar procedimientos laboriosos y tardados que se presentan
algunas veces en la distribución binomial.

Veamos los siguientes casos:

La distribución normal proporciona una buena aproximación de la distribución binomial siempre y cuando n sea grande y los valores
de np y n(1-p) sean mayores o iguales que cinco (np≥5).

Para esta aproximación hacemos una corrección en nuestras variables aleatoria discretas, que es restar o sumar un valor de 0.5, llamado
parámetro de corrección.
Para saber cuándo restar o sumar se verifica la pregunta del ejercicio y por medio de esta tabla, donde te damos la simbología que
pudieras utilizar, te darás cuenta de la operación a utilizar.

Para determinar los valores de x debemos analizar la frase que indica los valores, por ejemplo:
1. al menos 120, por lo tanto x=119.5
2. más de 120, por lo tanto x = 120.5
3. a lo sumo 120, por lo tanto x = 120.5
4. menos de 120, por lo tanto x = 119.5
5. exactamente 120, por lo tanto x = 119.5 entre x = 120.5

Como habrás notado en la frase "exactamente 120", con una distribución normal la probabilidad sería cero, pero como en este caso es
una aproximación la corrección nos permite poder calcular la probabilidad, ya que nos generará dos valores llamados límites.

Ejemplo 9
Un dado equilibrado es lanzado 180 veces. Determina la probabilidad de que aparezca la cara con el número 6:
a) entre 29 y 32 veces inclusive
b) entre 31 y 35 veces inclusive
c) menos de 22 veces

Un diagrama de árbol sería muy difícil de hacer para 180 lanzamientos, lo correcto es utilizar una distribución binomial, pero también
podemos utilizar una aproximación de una distribución discreta a una continua. A continuación te mostraremos ambos procedimientos
para que observes la diferencia entre una binomial y una aproximación.

a) entre 29 y 32 veces inclusive 𝑃(29 ≤ 𝑥 ≤ 32)

Para una distribución binomial tenemos los parámetros siguientes:
1 5
n = 180 𝑝= 𝑞=
6 6
En este caso los valores que calcularemos serán: x = 29, 30, 31, 32
Aplicando la fórmula de binomial tenemos:
32
180 1 𝑥 5 180−𝑥
∑( )×( ) ×( ) = 0.3073
𝑥 6 6
29
𝑃(29 ≤ 𝑥 ≤ 32) = 30.73%

En este caso empleamos la notación sigma ∑ que nos indica que tenemos que desarrollar la fórmula de la binomial desde el valor de la
x, la variable discreta, de 29 hasta 32; lo cual nos permite simplificar la escritura, si bien el procedimiento es el mismo que viste en el
tema de la distribución binomial.
Realizando este mismo inciso pero como aproximación, primeramente hacemos el ajuste de continuidad en nuestras variables.
𝑃(29 ≤ 𝑥 ≤ 32) utilizando la tabla de ajuste por continuidad, x =28.5, x = 32.5
Ahora calcularemos la media y la desviación con las fórmulas de la distribución binomial.
1
𝜇 = 𝑛𝑝 = 180 × = 30
6
1 5
𝜎 = √𝑛 × 𝑝 × 𝑞 = √180 × × =5
6 6
Y como np≥5 es decir, como se cumple que 30≥5 podemos realizar la aproximación.
28.5 − 30
𝑧= = −0.30
5
32.5 − 30
𝑧= = 0.50
5
Graficando y obteniendo valores de la tabla tenemos:

Por lo tanto la probabilidad de 𝑃(28.5 ≤ 𝑥 ≤ 32.5) = 0.1179 + 0.1915 = 0.3094 = 30.94%

Como puedes observar tenemos los siguientes resultados:
1. La probabilidad calculada por medio de la distribución binomial es 30.73% (PB=30.73%)
2. La probabilidad por medio de una aproximación es 30.94% (ApB=30.94%)

Lo cual nos indica que la aproximación es adecuada.

b) entre 31 y 35 veces inclusive P(31≤x≤35)

En este caso los valores que calcularemos para la distribución binomial serán:
x = 31, 32, 33, 34, 35
Aplicando la fórmula de binomial tenemos:
35
180 1 𝑥 5 180−𝑥
∑( )×( ) ×( ) = 0.3150
𝑥 6 6
31
𝑃(31 ≤ 𝑥 ≤ 35) = 31.50%
Aplicando la aproximación y realizando el ajuste de continuidad tenemos:
x = 30.5 , x=35.5
30.5 − 30
𝑧= = 0.10
5
35.5 − 30
𝑧= = 1.10
5
Graficando y obteniendo valores de la tabla tenemos:

Por lo tanto la probabilidad de 𝑃(30.5 ≤ 𝑥 ≤ 35.5) = 0.3245 = 32.45%

Comparando ambos resultados: PB= 31.50%, ApB = 32.45%
La diferencia es de 0.0095 lo cual es aceptable entre la binomial y la aproximación.
c) menos de 22 veces P(0≤x≤21)
En este inciso las variables que calcularemos serán:
X = 0,1,2,3,4,……,19,20,21
Aplicando la fórmula de binomial tenemos:
21
180 1 𝑥 5 180−𝑥
∑( )×( ) ×( ) = 0.0401
𝑥 6 6
0
𝑃(0 ≤ 𝑥 ≤ 21) = 4.01%

Calculando con aproximación, y el ajuste de continuidad de nuestras variables tenemos:

x = 21.5
21.5 − 30
𝑧= = −1.70
5
Graficando y obteniendo valores de la tabla tenemos:

Por lo tanto la probabilidad de 𝑃(𝑥 ≤ 21.5) = 0.0446 = 4.46%

Comparando ambos resultados: PB= 4.01%, ApB = 4.46%
La diferencia es de 0.0045 lo cual es aceptable entre la binomial y la aproximación.

Como observas la aproximación se sugiere aplicar cuando los procedimientos para calcular una distribución binomial son muy largos,
como en el inciso c, y además siempre y cuando np≥5, si esto no se cumple, la aproximación no se puede realizar.
Pero la aproximación sí es aceptada como válida, porque la diferencia de la distribución binomial con la aproximación es muy pequeña,
casi nula.

Ejercicios:

1. Al realizar un experimento para 200 familias (cada familia simulada se considera un ensayo) la probabilidad de que nazca un niño o
una niña es del 50%.

a) ¿Cuál es la probabilidad de que salga un varón entre 105 y 120 ensayos?

b) ¿Cuál es la probabilidad de que salga un varón en más de 88 ensayos?
c) ¿Cuál es la probabilidad de que salga un varón en menos de 110 ensayos?
d) ¿Cuál es la probabilidad de que salga un varón entre 55 y 97 inclusive ensayos?
e) ¿Por qué medio es más fácil resolver el problema, mediante un estudio estadístico o probabilístico?
f) ¿Resultó más explicativo y entendible el estudio probabilístico?

2. Una fábrica de tapones para botella de licor tiene 20% de producción defectuosa (rebabas, manchas, etc.). Los productores de licor
deciden seguir comprando tapones a la fábrica, si al inspeccionar aleatoriamente un lote de 200 tapones no se encuentran más de 25
defectuosos. Se calcula la probabilidad de que los productores no tengan que cambiar de proveedor.

Conclusión
Como pudimos constatar a lo largo de este curso las características básicas de las distribuciones de frecuencia y probabilidad son
semejantes, pero con la diferencia importante de que, por lo general, las distribuciones de probabilidad representan distribuciones
teóricas y las distribuciones de frecuencia representan observaciones obtenidas de experimentos reales. De esta forma podemos asegurar
que una distribución de probabilidad (teórica) dice lo que se puede esperar al observar en una distribución de frecuencias que se ha
obtenido de un experimento, encuesta o estudio de muestras. En el estudio de la estadística existen diversas distribuciones teóricas, cada
una de ellas sirve como modelo de estudio de los experimentos que se realizan en las diversas actividades científicas y sociales de interés
a la humanidad.