Probabilidad y Estadístia INMT-51

Profesor: Mario Rojas Plaza

Primer Semestre 2023
Semana 11
Distribución Normal
Variable Aleatoria

Distribución Normal

La distribución normal es la más importante en toda la

probabilidad y estadística. Muchas poblaciones numéricas
tienen distribuciones que pueden ser representadas muy
fielmente por una curva normal apropiada. Incluso cuando
la distribución subyacente es discreta, la curva normal a
menudo da una excelente aproximación. Además, aun
cuando las variables individuales no estén normalmente
distribuidas, las sumas y promedios de las variables en
condiciones adecuadas tendrán de manera aproximada una
distribución normal; este es el contenido del Teorema del
Límite Central que veremos más adelante.
Variable Aleatoria

Distribución Normal Estándar

Una variable aleatoria continua Z se dice que tiene

distribución normal estándar si su media es 0 y su varianza
1, lo cual denotamos por Z ∼ N(0, 1), si su función de
densidad viene dada por:
1 1 2
fZ (z) = √ e − 2 z , z ∈ R
2π
Variable Aleatoria

Distribución Normal Estándar

Variable Aleatoria

Propiedades

a) Z ∼ N(0, 1) toma valores en toda la recta

real (fZ (z) > 0 ∀ z ∈ R)
b) fZ (z) es simétrica en torno a cero.
c) fZ (z) tiene dos puntos de inflexión en −1 y
+1.
d) Si Z ∼ N(0, 1), entonces E (Z ) = 0 y
V (Z ) = 1.
Variable Aleatoria

Ejemplo
Supongamos que Z ∼ N(0, 1).
Obtener P(Z ≤ 1,76).
Rigurozamente tenemos
Z 1,76
P(Z ≤ 1,76) = fZ (z) dz
−∞
1,76
1
Z
1 2
= √ e − 2 z dz.
−∞ 2π

Gráficamente
Variable Aleatoria
Variable Aleatoria

en este caso se tiene que:

i) La probabilidad inducida vendrá dada por el

área bajo la densidad, ver figura anterior.
ii) Como no existe una expresión explícita para
el área existen tablas con algunas
probabilidades ya calculadas.
iii) Las tablas que nosotros utilizaremos
proporcionan el valor de la función de
distribución, Φ(z) = P(Z ≤ z), de la normal
estándar para valores de z, donde z está
aproximado hasta el segundo decimal.
Variable Aleatoria

Por lo tanto, para calcular Φ(1,76) = P(Z ≤ 1,76).

I Buscaremos en la tabla en el cruce entre la fila
correspondiente a 1,7 y la columna correspondiente a
0,06.
I Así obtenemos Φ(1,76) = P(Z ≤ 1,76) = 0,9608.
I Gráficamente tenemos:
Variable Aleatoria

Ejemplo
Supongamos que Z ∼ N(0, 1).
Obtener P(−1,23 ≤ Z ≤ 2,35).
Rigurozamente tenemos
Z 2,35
P(−1,23 ≤ Z ≤ 2,35) = fZ (z) dz
−1,23
Z 2,35 Z −1,23
= fZ (z) dz − fZ (z) dz
−∞ −∞
= P(Z ≤ 2,35) − P(Z ≤ −1,23)
= Φ(2,35) − Φ(−1,23)

Gráficamente
Variable Aleatoria

P(−1,23 ≤ Z ≤ 2,35) = P(Z ≤ 2,35) − P(Z ≤ −1,23)

= Φ(2,35) − Φ(−1,23)
= 0,9906 − 0,1093
= 0,8813
Variable Aleatoria

Ejemplo
Supongamos que Z ∼ N(0, 1).
Obtener P(Z > −0,69).

P(Z > −0,69) = 1 − P(Z ≤ −0,69)

= 1 − Φ(−0,69)
Variable Aleatoria

P(Z > −0,69) = 1 − Φ(−0,69)

= 1 − 0,2451
= 0,7549
Variable Aleatoria

Ejemplo

Sea Z una variable aleatoria normal estándar, calcule las

siguientes probabilidades, trace las figuras siempre que sea
apropiado.
a) P(Z ≤ 1,64).
b) P(Z ≤ −1,64).
c) P(Z > −1,23).
d) P(Z ≤ −0,53).
e) P(−1,96 ≤ Z ≤ 1,96).
f) P(0 ≤ Z ≤ 2,17).
g) P(−1,50 ≤ Z ≤ 2,00).
e) P(−1,96 ≤ Z ≤ −0,30).
Variable Aleatoria

Solución

a) P(Z ≤ 1,64) = 0,9495.

b) P(Z ≤ −1,64) = 0,0505

c) P(Z > −1,23) = 1 − P(Z ≤ −1,23) = 1 − 0,1093 = 08907

d) P(Z ≤ −0,53) = 0,2981

e) P(−1,96 ≤ Z ≤ 1,96) = P(Z ≤ 1,96) − P(Z ≤ −1,96)

= 0,9750 − 0,0250 = 0,95

f) P(0,00 ≤ Z ≤ 2,17) = P(Z ≤ 2,17) − P(Z ≤ 0,00)

= 0,9850 − 0,500 = 0,4850
Variable Aleatoria

Ejemplo

Sea Z una variable aleatoria con distribución normal

estándar. Hallar los valores k tales que
a) Φ(k) = 0,9838.
b) P(0 ≤ Z ≤ k) = 0,291.
c) P(Z ≤ k) = 0,877.
d) P(Z > k) = 0,05.
e) P(Z > k) = 0,975.
f) P(|Z | > k) = 0,01.
Variable Aleatoria

Solución

a) Φ(k) = P(Z ≤ k) = 0,9838.

k=2.14
b) P(0 ≤ Z ≤ k) = 0,291
P(Z ≤ k) − P(Z ≤ 0,00) = 0,291
P(Z ≤ k) − 0,5000 = 0,291
P(Z ≤ k) = 0,791
k = 0,81
c) P(Z ≤ k) = 0,877
k = 1,16
d) P(Z > k) = 0,05
1 − P(Z ≤ k) = 0,05
P(Z ≤ k) = 0,9500
1,64 + 1,65
k= = 1,645
2
Variable Aleatoria

Definición

Se dice que una variable aleatoria continua X tiene una

distribución normal con parámetros de media µ y varianza
σ 2 , donde −∞ < µ < +∞ y σ > 0, si la función de
densidad de probabilidad de X es
2
1 1 (x−µ)
fX (x) = √ e− 2 σ2 , x ∈R
2πσ 2
Así, la función de densidad de X tendrá la misma forma
de campana, será simétrica en torno a la media µ y sus
puntos de inflexión serán µ − σ y µ + σ.
Variable Aleatoria

El valor de los parámetross µ y σ 2 influyen en la forma de la gráfica

de la función de densidad de la distribución normal. Por ejemplo, las
siguientes gráficas muestran ejemplos de distribuciones con la misma
media µ = 0, pero diferentes varianzas σ 2 .

Si te fijas, la varianza depende de cuán dispersos estén los datos: a

mayor varianza, la gráfica es más baja y más ancha, ya que los datos
se encuentran más dispersos.
Variable Aleatoria

Por otra parte, las siguientes gráficas corresponden a las

funciones de densidad de tres variables aleatorias con
distribución normal, con diferente media y la misma
varianza (σ 2 = 1).
Variable Aleatoria

Para la distribución normal se cumple que:

I El 68,26 % de los valores de una variable aleatoria
normal está dentro de más o menos una desviación
estándar de su media.
I El 95,45 % de los valores de una variable aleatoria
normal está dentro de más o menos dos desviaciones
estándar de su media.
I El 99,73 % de los valores de una variable aleatoria
normal está dentro de más o menos tres desviaciones
estándar de su media.
Variable Aleatoria

La siguiente gráfica muestra la situación anterior:

Variable Aleatoria

Estandarización de una Variable

En la práctica sólo disponemos de la tabla de la distribución

normal estándar. Para efectuar cálculos sobre cualquier
distribución normal hacemos la transformación inversa, esto es,
le restamos la media y dividimos por la desviación típica. A este
proceso le llamamos estandarización de una variable aleatoria.
X −µ
Si X ∼ N(µ, σ 2 ) entonces Z = ∼ N(0, 1)
σ
Debemos observar que la estandarización se puede aplicar a
cualquier variable aleatoria. Al estandarizar una variable
aleatoria, obtendremos otra (variable estandarizada) con media
cero y desviación típica uno. Luego para el calculo de
probabilidades tenemos
Variable Aleatoria

 
X −µ a−µ
P(X ≤ a) = P ≤
σ σ
 
a−µ
= P Z≤
σ
 
a−µ
= Φ
σ

donde Φ(·) es la función de distribución de la Normal

estándar.
Variable Aleatoria

 
a−µ X −µ b−µ
P(a ≤ X ≤ b) = P ≤ ≤
σ σ σ
 
a−µ b−µ
= P ≤Z ≤
σ σ
   
b−µ a−µ
= P Z≤ −P Z ≤
σ σ
   
b−µ a−µ
= Φ −Φ
σ σ

donde Φ(·) es la función de distribución de la Normal

estándar.
Variable Aleatoria

Ejemplo

Dada la v.a X ∼ N(18 ; 6,25), encuentre:

a) P(X < 15).

b) P(17 < X < 21).
c) el valor de k tal que P(X < k) = 0,2236.
d) el valor de k tal que P(X > k) = 0,1814.
Variable Aleatoria

Solución
X − 18
Sabemos que si X ∼ N(18 ; 6,25) ⇒ Z = √ ∼ N(0 ; 1)
6,25
 
X − 18 15 − 18
a) P(X < 15) = P √ < √ .
6,25 6,25
= P(Z < −1,20)
= 0,1151
 
17 − 18 X − 18 21 − 18
b) P(17 < X < 21) = P √ < √ < √ .
6,25 6,25 6,25
= P(−0,40 < Z < 1,20)
= P(Z < 1,20) − P(Z < −0,40)
= 0,8849 − 0,3446
= 0,5403
Variable Aleatoria

Solución
c) P(X ≤ k) = 0,2236.
 
k − 18
P Z ≤ √ = 0,2236
6,25
k − 18
√ = −0,76
6,25
k = 16,1
d) P(X > k) = 0,1814
1 − P(X ≤ k) = 0,1814
P(X ≤ k) = 0,8186

k − 18
P Z ≤ √ = 0,8186
6,25
k − 18
√ = 0,91
6,25
k = 20,275
Variable Aleatoria

Ejemplo

La resistencia a la tensión de cierto componente de metal

se distribuye normalmente con una media de 10000
kilogramos por centímetro cuadrado y una desviación
estándar de 100 kilogramos por centímetro cuadrado. Las
mediciones se redondean a los 50 kilogramos por
centímetro cuadrado más cercanos.
a) ¿Qué proporción de estos componentes excede a 10150
kilogramos por centímetro cuadrado de resistencia a la
tensión?.
b) Si las especificaciones requieren que todos los
componentes tengan una resistencia a la tensión de entre
9800 y 10200 kilogramos por centímetro cuadrado, ¿qué
proporción de piezas esperaría que se descartara?
Variable Aleatoria

Solución

Sea X : v.a que indica la resistencia a la tensión de cierto componente de

metal.
X − 10000
Tenemos que X ∼ N(10000 ; (100)2 ) ⇒ Z = ∼ N(0 ; 1)
100
 
X − 10000 10150 − 10000
a) P(X > 10150) = P > .
100 100
= P(Z > 1,50)
= 1 − P(Z ≤ 1,50)
= 1 − 0,9332
= 0,0668
Variable Aleatoria

9800 − 10000 X − 10000 10200 − 10000

 
b) P(9800 ≤ X ≤ 10200) = P ≤ ≤ .
100 100 100

= P(−2,00 ≤ Z ≤ 2,00)

= P(Z ≤ 2,00) − P(Z ≤ −2,00)

= 0,9772 − 0.o228

= 0,9544

Luego (1-0.9544)=0.0456, es la probabilidad de piezas que esperaría que se descartara.

Variable Aleatoria

Ejemplo

El diámetro interior del anillo de un pistón terminado se

distribuye normalmente con una media de 10 centímetros
y una desviación estándar de 0.03 centímetros.
a) ¿Qué proporción de anillos tendrá diámetros interiores
que excedan 10.075 centímetros?.
b) ¿Cuál es la probabilidad de que el anillo de un pistón
tenga un diámetro interior de entre 9.97 y 10.03
centímetros?.
c) ¿Por debajo de qué valor del diámetro interior caerá el
15 % de los anillos de pistón?.
Variable Aleatoria

Solución

Sea X : v.a que indica el diámetro interior del anillo de un pistón.

X − 10
Tenemos que X ∼ N(10 ; (0,03)2 ) ⇒ Z = ∼ N(0 ; 1)
0,03
 
X − 10 10,075 − 10
a) P(X > 10,075) = P > .
0,03 0,03
= P(Z > 2,50) = 1 − P(Z ≤ 2,50)
= 1 − 0,9938 = 0,0062
 
9,97 − 10 X − 10 10,03 − 10
b) P(9,97 ≤ X ≤ 10,03) = P ≤ ≤ .
0,03 0,03 0,03
= P(−1,00 ≤ Z ≤ 1,00)
= P(Z ≤ 1,00) − P(Z ≤ −1,00)
= 0,8413 − 0,1587
= 0,6826
Variable Aleatoria

c) P(X ≤ k) = 0,1500.
 
k − 10
P Z ≤ = 0,1500
0,03
k − 10
= −1,035
0,03
k = 9,9690
Variable Aleatoria

Ejemplo
La dureza Rockwell de un metal se determina hincando una punta
endurecida en la superficie del metal y luego midiendo la profundidad de
penetración de la punta. Suponga que la dureza Rockwell de una aleación
particular está normalmente distribuida con media de 70 y desviación
estándar de 3. (La dureza Rockwell se mide en una escala continua)
a) Una probeta es aceptable sólo si su dureza oscila entre 67 y 75, ¿cuál
es la probabilidad de que una probeta seleccionada al azar tenga una
dureza aceptable?.
b) Si el rango de dureza aceptable es (70 − c, 70 + c), ¿con qué valor de c
tendría 95 % de todas las probetas una dureza aceptable?.
c) Si el rango de dureza aceptable es como el del inciso a) y la dureza de
cada una de diez probetas seleccionadas al azar se determina de forma
independiente, ¿cuál es el valor esperado de probetas aceptables entre las
diez?.
d) ¿Cuál es la probabilidad de que cuando mucho ocho de diez probetas
independientemente seleccionadas tengan una dureza de menos de 73.84?.
Variable Aleatoria

Solución
Sea X : v.a que indica la dureza Rockwell de una aleación.
X − 70
Tenemos que X ∼ N(70 ; 9) ⇒ Z = ∼ N(0 ; 1)
3
 
67 − 70 X − 70 75 − 70
a) P(67 ≤ X ≤ 75) = P ≤ ≤ .
3 3 3
= P(−1,00 ≤ Z ≤ 1,67)
= P(Z ≤ 1,67) − P(Z ≤ −1,00)
= 0,9525 − 0,1587
= 0,7938
b) P(X ≤ 70 + c) = 0,9750.
 
(70 + c) − 70
P Z ≤ = 0,9750
3
 c
P Z ≤ = 0,9750
3
c
= 1,96 ⇒ c = 5,88.
3
Variable Aleatoria

c)
Sea Y : v.a que indica el número de probetas aceptables.
n = 10 y p = 0,7938

P(Y = y ) = Cy10 0,7938y 0,208610−x , x = 0, 1, 2, 3, . . . , 10.

luego
E [Y ] = np = (10)(0,7938) = 7, 938 ∼
= 8.
d)  
X − 70 73,84 − 70
P(X ≤ 73,84) = P ≤ = P(Z ≤ 1,28) = 0,8997.
3 3
Sea W : v.a que indica el número de probetas que tienen una dureza de
menos de 73.84.
n = 10 y p = 0,8997
P(W = w ) = Cw10 0,8997w 0,100310−w , w = 0, 1, 2, 3, . . . , 10.

P(W ≤ 8) = 1 − P(W > 8) = 1 − P(W = 9) − P(W = 10)

P(W ≤ 8) = 1 − 0,3874 − 0,3475 = 0,2651.
Variable Aleatoria

Ejemplo
Varillas de plástico extruido se cortan de manera
automática a longitudes nominales de 6 pulgadas. Las
longitudes reales tienen distribución normal con respecto a
una media de 6 pulgadas y su desviación estándar es 0.06
pulgadas.
a) ¿Qué proporción de las varillas tienen longitudes que
están fuera los límites de tolerancia de 5.9 pulgadas a 6.1
pulgadas?.
b) ¿A qué valor debe reducirse la desviación estándar, si
99 % de las varillas deben estar dentro de la tolerancia?.
Variable Aleatoria

Ejemplo
En un proceso fotográfico, el tiempo para procesar 8 × 10
impresiones de una tarjeta de memoria puede tratarse
como una variable aleatoria, cuya distribución normal
tenga una media de 10.28 segundos y una desviación
estándar de 0.12 segundos. encuentre la probabilidad de
que tardará:
a) entre 10.00 y 10.50 segundos para procesar una de las
impresiones;
b) al menos 10.20 segundos para procesar una de las
impresiones;
c) cuando mucho 10.35 segundos para procesar una de las
impresiones.