UNIVERSIDAD SAN IGNACIO

DE LOYOLA
DISTRIBUCIONES CONTINUAS IMPORTANTES
DISTRIBUCIÓN NORMAL
PLAN DE CLASE
2
• Motivación
• Competencias
Inicio • Saberes previos

• Definición de una variable aleatoria continua

• Distribución Normal. Definición.
Construcción
• Ejemplos contextualizados.

• Retroalimentación
Cierre
• Autoevaluación

martes, 23 de
agosto de 2016
 COMPETENCIAS
Calcular
probabilidades
utilizando la
distribución Normal
en problemas
contextualizados.

Al terminar la
sesión, el
estudiante
estará en
capacidad de:

Utilizar la tabla de Definir la

la distribución distribución
Normal estándar. Normal.
 VARIABLES ALEATORIAS CONTINUAS
Definición
Una variable aleatoria X es continua si puede tomar cualquier valor
dentro de un intervalo. La representación gráfica es una curva que es
conocida como función de densidad de probabilidad.

0.24 n= 6
0.22
0.20
0.18
0.16
f(X)

0.14
0.12 n=12
0.10
0.08 n=24
0.06
0.04
0.02
0.00
10 20 30 40
 DISTRIBUCIÓN NORMAL
La distribución Normal es una de las distribuciones de probabilidad más
importante y es una de las más utilizadas en la Estadística Inferencial.
Definición
Una variable aleatoria continua X sigue una distribución normal con
parámetros µ y σ2 (X ~ N µ, σ2 ) si su función de densidad de probabilidad
está dada por:
𝟏 𝟏 𝒙−𝝁 𝟐
−
𝒇 𝒙 = 𝒆 𝟐 𝝈 , −∞ < 𝛍 < +∞, 𝛔>𝟎
𝝈 𝟐𝟐
Donde:
µ = Media poblacional
σ = Desviación estándar poblacional
 PROPIEDADES DE LA CURVA DE LA DISTRIBUCIÓN
NORMAL

 Tiene forma acampanada.

 Está determinada por dos parámetros: la media (µ) y la varianza (σ2 ).

 Es simétrica con respecto a la media.

 El punto más alto de la curva se encuentra sobre el promedio, el cual coincide

con la mediana y la moda.

 Se hace más plana a medida que la varianza crece.

GRÁFICA DE LA DISTRIBUCIÓN NORMAL

σ =1
σ = 1.5 La gráfica de la distribución
Normal es simétrica con respecto
a la recta x = µ. A esta se le
conoce con el nombre de
Campana de Gauss.
σ =2

-4 -3 -2 -1 0 1 2 3 4
 A continuación, se presentan algunos resultados válidos para esta curva:
 El área bajo la curva que comprende entre
µ−σ yµ+σ es aproximadamente el
68.26% del área total.
 El área bajo la curva que comprende entre
f(X)

µ − 2σ y µ + 2σ es aproximadamente el
95.50% del área total.
σ σ σ σ σ σ
µ X  El área bajo la curva que comprende entre
68.26%
µ − 3σ y µ + 3σ es aproximadamente el
95.50%
99.99% del área total.
99.99%
 DISTRIBUCIÓN NORMAL ESTÁNDAR
Definición
Una variable aleatoria continua Z sigue una distribución normal estándar si
sus parámetros son µ = 0 y σ2 = 1 ( Z~N(0, 1)), si su función de densidad de
probabilidad está dada por:

𝟏 𝟏 𝟐
𝐟 𝒛 = 𝐞−𝟐𝒛 , −∞ < 𝐳 < +∞
𝟐𝟐
 TABLA DE LA DISTRIBUCIÓN NORMAL ESTÁNDAR
Para calcular probabilidades de variables aleatorias continuas que siguen
una distribución Normal, se utiliza la tabla de la distribución normal estándar.

Z 0 1 2 …… 7 8 9

0.0 0.50000 0.50399 0.50798 …… 0.52790 0.53188 0.53586

0.1 0.53983 0.54380 0.54776 …… 0.56749 0.57142 0.57535

P Z ≤ 0.40 = 0.65542
0.2 0.57926 0.58317 0.58706 …… 0.60642 0.61026 0.61409

0.3 0.61791 0.62172 0.62552 …… 0.64431 0.64803 0.65173

0.4 0.65542 0.65910 0.66276 …… 0.68082 0.68439 0.68793

P Z ≤ 3.78 = 0.99992
……
…

…
3.5 0.99977 0.99978 0.99978 …… 0.99982 0.99983 0.99983

3.6 0.99984 0.99985 0.99985 …… 0.99988 0.99988 0.99989

3.7 0.99989 0.99990 0.99990 …… 0.99992 0.99992 0.99992

3.8 0.99993 0.99993 0.99993 …… 0.99995 0.99995 0.99995

3.9 0.99995 0.99995 0.99996 …… 0.99996 0.99997 0.99997

 PROPIEDADES
 P a≤Z≤b =P Z≤b −P Z≤a 𝑃 𝑍 ≥ a = 1 − 𝑃 𝑍 < a

P Z ≥ −a = P Z ≤ a P(Z ≤ −a) = P(Z ≥ a)

 EJEMPLO 1
Si Z sigue una distribución Normal Estándar, calcule la probabilidad de que Z
sea menor o igual que 1.63.

Solución
La representación gráfica es la siguiente:

La probabilidad buscada, es el área bajo la curva a la izquierda de 1.63. De

la tabla, se tiene que: P(Z ≤ 1.63) = 𝟎. 𝟗𝟗𝟗𝟗𝟗.
 EJEMPLO 2
Si Z sigue una distribución Normal Estándar, calcule la probabilidad de que Z
sea menor o igual a -2.60.

Solución
La representación gráfica es la siguiente:

La probabilidad buscada, es el área bajo la curva a la izquierda de -2.60. De

la tabla, se tiene que: P(Z ≤ −2.60) = 𝟎. 𝟎𝟎𝟎𝟎𝟎.
 EJEMPLO 3
Si Z sigue una distribución Normal Estándar, calcule la probabilidad de que Z
tome valores entre -2.53 y 1.87.
Solución
La representación gráfica es la siguiente:

La probabilidad buscada, es el área bajo la curva entre - 2.53 y 1.87, luego:

P −2.53 ≤ Z ≤ 1.87 = P Z ≤ 1.87 − P Z < −2.53 = 0.96926 − 0.00570 = 𝟎. 𝟗𝟗𝟗𝟗𝟗
 EJEMPLO 4
Si Z sigue una distribución Normal Estándar, calcule la probabilidad de que Z
sea mayor a 1.76.

Solución
La representación gráfica es la siguiente:

La probabilidad buscada, es el área bajo la curva a la derecha de 1.76, luego:

P(Z > 1.76) = 1 − P(Z ≤ 1.76) = 1 − 0.96080 = 𝟎. 𝟎𝟎𝟎𝟎
 ESTANDARIZACIÓN

Teorema 1
Si la variable aleatoria continua X sigue una distribución Normal con
parámetros µ y σ2 , la variable aleatoria:
X−µ
Z=
σ

sigue una distribución Normal Estándar, es decir: Z ~ N(0, 1).

Observación
El cambio de variable anterior (X ⟶ Z) recibe el nombre de estandarización.
 EJEMPLO 5
En un restaurante se sabe que el ingreso diario por la venta de comida sigue
una distribución normal con media igual a 625 nuevos soles y desviación
estándar igual a 49 nuevos soles. Para un día cualquiera:

a) Defina la variable de interés

b) Identifique los parámetros que le corresponden a la variable definida.
c) Calcule la probabilidad de que el ingreso sea a lo más 600 nuevos soles.
d) Calcule la probabilidad de que el ingreso este comprendido entre 611 y 639
nuevos soles.
e) Se sabe que solo el 4.5% de los días son considerados con la denominación
de excelente con respecto a la venta de comida, calcule el ingreso mínimo
diario para que un día sea considerado con esta denominación.
 SOLUCIÓN
a) Sea la variable:
X = Ingreso diario por la venta de comida.

b) Sea los parámetros:

μ = 625 y σ2 = 492
c) Se pide:
X − µ 600 − 625
P X ≤ 600 = P ≤
σ 49

P X ≤ 600 = P Z ≤ −0.51

𝐏 𝐗 ≤ 𝟔𝟔𝟔 = 𝟎. 𝟑𝟑𝟑𝟑𝟑
d) Se pide:
611 − 625 X − µ 639 − 625
P 611 ≤ X ≤ 639 = P ≤ ≤
49 σ 49

P 611 ≤ X ≤ 639 = P −0.29 ≤ Z ≤ 0.29

P 611 ≤ X ≤ 639 = P Z ≤ 0.29 − P Z < −0.29

P 611 ≤ X ≤ 639 = 0.61409 − 0.38591

𝐏 𝟔𝟔𝟔 ≤ 𝐗 ≤ 𝟔𝟔𝟔 = 𝟎. 𝟐𝟐𝟐𝟐𝟐

 e) Gráficamente: En la tabla de distribución Normal
Estándar, el valor de z al que le
corresponde un área igual a 0.955 es
aproximadamente 1.70. Igualando, se
tiene:
k − 625
= 1.70
0.955 0.045
49
k
k = Ingreso mínimo para que un día sea considerado excelente
𝐤 = 𝟕𝟕𝟕. 𝟑
Del gráfico:
P X ≤ k = 0.955 El ingreso mínimo diario para que el día
sea considerado con la denominación de
Estandarizando, se tiene: excelente con respecto a la venta de
k − 625 comida es 708.3 nuevos soles.
P Z≤ = 0.955
49
 EJERCICIO PROPUESTO
Una empresa cervecera sabe que el consumo de cerveza anual por persona en
una ciudad sigue una distribución Normal con un consumo promedio de 45 Litros
y una desviación estándar de siete litros. Para una persona de esta ciudad, se
pide:
a) Defina la variable de interés.
b) Identifique los parámetros que le corresponden a la variable definida.
c) Calcule la probabilidad de que su consumo de cerveza de sea por lo menos
50 litros.
d) Calcule la probabilidad de que su consumo de cerveza este comprendido
entre 30 y 60 litros.
e) Si se considera de buenos bebedores al 10% que más consume, ¿cuántos
litros de cerveza como mínimo tendría que consumir para considerarse dentro
de este grupo?
BIBLIOGRAFÍA

Estadística General-CPEL
(Estadística Descriptiva y una introducción al cálculo de probabilidades)