DISTRIBUCIÓN DE

PROBABILIDAD NORMAL
Características de la probabilidad normal

Distribución normal estándar

Cálculo de la probabilidad con distribución normal

 Distribución Binomial.

(Los valores de una variable aleatoria pueden resumirse en una

distribución de probabilidades)

Distribución binomial:Involucra sólo resultados binarios; si-no;

positivo-negativo.
Características de la distribución binomial :
* un resultado de un experimento se clasifica en una de dos categorías mutuamente
excluyentes -éxito o fracaso.
* los datos recolectados son resultados de contar.
* la probabilidad de éxito es la misma para cada ensayo.
* los ensayos son independientes.

" k " es el número de aciertos.

"n" es el número de ensayos.
"p" es la probabilidad de éxito,

La fórmula para la distribución de probabilidad binomial es:

 Ejemplo distribución binomial:

La Secretaría del Trabajo en el estado de Sonora reporta que 20% de

la fuerza de trabajo en la planta ensambladora Ford está desempleada.
De una muestra de 14 trabajadores, calcule las siguientes
probabilidades con la fórmula de la distribución binomial (n=14, =.2, ):

A).- Tres están desempleados: P(x=3)=.250

Nota: éstos también son ejemplos de distribuciones probabilísticas
acumulativas:

tres o más están desempleados:

P(x ³3)=.250 +.172 +.086 +.032 +.009 +.002=.551
al menos un trabajador está desempleado:
P(x ³ 1) = 1 - P(x=0) =1 - .044 = .956
a lo más dos trabajadores están desempleados:
P(x £2)=.044 +.154 +.250 =.448
 Distribución Poisson

Al igual que la binomial esta también es una distribución discreta, ésta

puede utilizarse para determinar la probabilidad de eventos poco
frecuentes, es decir, indica la probabilidad de que un resultado se
presente un número dado de veces cuando el número de intentos es
grande y la probabilidad de que sobrevenga es baja

x e 
P( X ) 
 = Lambda X!
(número medio de ocurrencias por intervalo de tiempo) elevada a la
potencia x.

e   = e= 2.71828 elevado a la potencia de lambda negativa.

La letra X suele representar esa variable y puede además asumir
valores enteros (0,1,2,3 etc..) .
X ! = x factorial.
 Ejemplos de Distribución Poisson

La distribución de las llamadas telefónicas que llegan a un

conmutador
 La demanda (necesidades) de servicios en una institución asistencial
por parte de los pacientes,
 Los arribos de los camiones y automóviles a la caseta de cobro
 El número de accidentes en un cruce.

Los ejemplos citados tienen un elemento en común, pueden ser

descritos por una variable aleatoria discreta que asume valores
enteros (0,1,2,3,4,5 y así sucesivamente).
Supóngase que estamos investigando la seguridad de un crucero muy
peligroso. Los archivos de la policía indican una media de cinco accidentes
por mes en él. El número de accidentes está distribuido conforme a la
distribución de Poisson, y la división de seguridad en carreteras quiere
calcular la probabilidad de exactamente 0,1,2,3 y 4 accidentes en un mes
determinado.
x e 
Aplicando la fórmula anterior: P( X ) 
X!

P(0) = (5)^0 (e^-5) /0! = 0.00674

P(1) = (5)^1 (e^-5) /1! = 0.03370

P(2) = (5)^2 (e^-5) /2! = 0.08425

P(3) = (5)^3 (e^-5) /3! = 0.14042

P(4) = (5)^4 (e^-5) /4! = 0.17552

Para saber cual es la probabilidad en 3 o menos, sumaremos las
probabilidades de 0,1,2,3 lo que será igual a :
P(0) = 0.00674
P(1) = 0.03370
P(2) = 0.08425
P(3) = 0.14042
P(3 o menos) = 0.26511

Dado que la probabilidad de que haya 3 o menos accidentes es

de 0.26511 entonces la probabilidad de que ocurran más de
tres debe ser = 1 –0.26511 = 0.73489.
 Distribución Normal

Utilizar la distribución normal (una distribución continua) como

sustituto de una distribución binomial (una distribución discreta) para
valores grandes de n, parece razonable porque conforme n aumenta,
una distribución binomial se acerca más a una distribución normal.
La distribución de probabilidad normal, en general, se considera una
buena aproximación a la binomial cuando
n y n(1 - ) son ambos mayores que 5.

La curva normal tiene forma de campana con un

solo pico justo en el centro de la distribución.
La media, mediana y moda de la distribución
aritmética son iguales y se localizan en el pico.
La mitad del área bajo la curva está a la derecha
del pico, y la otra mitad está a la izquierda.
La distribución normal es simétrica respecto
a su media.
La distribución normal es asintótica - la
curva se acerca cada vez más al eje x pero
en realidad nunca llega a tocarlo.
 Características de
Distribución Normal

Distribución Normal (gaussiana): La distribución normal es continua de

modo que puede tomar cualquier valor (no sólo enteros como las dos
anteriores). Es una curva uniforme en forma de campana y simétrica
alrededor de su media  (mu). La desviación estándar (o varianza) se
representa con  (sigma) y es la distancia horizontal entre la media y el
punto de inflexión de la curva
Esta distribución es frecuentemente utilizada en las aplicaciones
estadísticas. Su propio nombre indica su extendida utilización,
justificada por la frecuencia o normalidad con la que ciertos
fenómenos tienden a parecerse en su comportamiento a esta
distribución.

En otras ocasiones, al considerar distribuciones binomiales, tipo

B(n,p), para un mismo valor de p y valores de n cada vez mayores,
se ve que sus polígonos de frecuencias se aproximan a una curva en
"forma de campana".
 Ejemplos de Distribución Normal
Caracteres morfológicos de individuos (personas, animales,
plantas,...) de una especie, p.ejm. tallas, pesos,diámetros,
perímetros,...
Caracteres fisiológicos, por ejemplo: efecto de una misma dosis de
un fármaco, o de una misma cantidad de abono.
Caracteres sociológicos, por ejemplo: consumo de cierto producto
por un mismo grupo de individuos, puntuaciones de examen.

Caracteres psicológicos, por ejemplo: cociente intelectual, grado de

adaptación a un medio,...
Errores cometidos al medir ciertas magnitudes.
Val ores estadísticos muestrales, por ejemplo : la media.
Ot ras distribuciones como la binomial o la de Poisson son
aproximaciones normales, ...
Y en general cualquier característica que se obtenga como suma de
muchos factores.
 Normalización

Si la variable X es N(,) entonces la variable normalizada (tipificada) de X es

Y sigue también una distribución normal pero de =0 y =1.
Es decir, N(0,1)

Por tanto su función de densidad es

y su función de distribución es

Y su gráfica:
Ejemplo: supongamos que se sabe que el peso de los sujetos de
una determinada población sigue una distribución
aproximadamente normal, con una media de 80 Kg y una
desviación estándar de 10 Kg. ¿Podremos saber cuál es la
probabilidad de que una persona, elegida al azar, tenga un peso
superior a 100 Kg?

Denotando por X a la variable que representa el peso de los

individuos en esa población, ésta sigue una distribución N (80,10).

Si su distribución fuese la de una normal estándar podríamos

utilizar la Tabla para calcular la probabilidad que nos
interesa. Como éste no es el caso, resultará entonces útil
transformar esta característica según la fórmula, y obtener la
variable a fin de utilizar la tabla:
x x  80 x  80 100  80
Z  Z   2.0
 10 10 10
 Segunda cifra

TABLA DE DISTRIBUCIÓN
NORMAL TIPIFICADA N(0,1)
Primera cifra

Como el área total bajo la

curva es igual a 1, se puede
deducir
que:

Por lo tanto, la probabilidad

buscada de que una persona
elegida aleatoriamente de esa
población tenga un peso
mayor de 100 Kg , es de 1–
0.9772=0.0228, es decir,
aproximadamente de un 2.3%.
 Otro ejemplo:¿Cuál será la probabilidad de que el peso de un sujeto esté entre 60 y
100 Kg?:

Dado que:

Como ya sabemos que :

Dado que la tabla no proporciona números negativos, se hace uso de la simetría

Finalmente, la probabilidad buscada de que una persona elegida al azar tenga un peso entre
60 y 100 Kg., es de 0.9772-0.0228=0.9544, es decir, aproximadamente de un 95%.