UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS

FACULTAD DE INGENIERIA ELECTRONICA Y ELECTRICA

E. P. DE INGENIERÍA: ELECTRONICA, ELECTRICA Y BIOMEDICA

CURSO : PROBABILIDAD Y ESTADISTICA SEMESTRE: 2020-II

PROFESOR: JACINTO PEDRO MENDOZA SOLIS

DISTRIBUCIÓN NORMAL

La curva o Distribución Normal, llamada también campana de Gauss, es una forma

particular de distribución para variables aleatorias continuas; de gran importancia en los
test o prueba de significación estadística paramétrica.
Ejemplos de variables aleatorias continuas que se pueden medir y representar en una
curva normal típica son: la talla, el peso, las calificaciones de un examen, etc.
Definición
La variable aleatoria continua X, que toma todos los valores reales -∞ < x <∞ , tiene una
distribución Normal o Gaussiana si su función de densidad de probabilidad está dada
por;
1 ( x   )2
1 
f ( x)  e 2 2
,  x
2 
Los parámetros µ y σ satisfacen las siguientes condiciones - ∞ < µ < +∞ y σ > 0.
π = 3,14159 . . . ; e = 2,718281 . . .
Notación.- Si X es una variable aleatoria continua, X  N(µ , σ2 ).
Gráfica de la distribución Normal: N ( 20 , 25 )

DISTRIBUCION NORMAL

Tabla Nº3 0.09

x f(x) 0.08
5 0.00088637 0.07
10 0.01079819 0.06
15 0.04839414 0.05
20 0.07978846 f(x) 0.04
25 0.04839414 0.03
30 0.01079819 0.02
35 0.00088637 0.01
0
0 5 10 15 20 25 30 35 40
x

CARACTERÍSTICAS DE LA DISTRIBUCIÓN NORMAL

1. f(x), es una función de densidad de probabilidad.

2. f(x), es continua en R.

Prof. Jacinto Pedro Mendoza Solís 1 Enero/ 2021

 3. f(x), alcanza su valor máximo en x = µ ( altura máxima de f(x) ), entonces
1
f ( x) 
2 
4. Los parámetros µ y σ2 son respectivamente el valor esperado y la varianza de la
distribución normal: E(x) = µ , Var(x) = σ2.
5. f(x), es simétrica respecto a la media µ.
6. Es unimodal, la media coincide con la moda y con la mediana.
7. La curva normal es asintótica al eje X, porque las colas de la curva no llegan a
encontrarse con ese eje.
8. los puntos de inflexión en la curva, en donde cambia la concavidad de la curva, se
dan para valores de X iguales a la media aumentada o disminuida de la desviación
estándar. Estos valores les dan la forma de la curva.
9. El área encerrada bajo la curva entre dos puntos de la abscisa: X = a , X = b; donde

0.09
0.08
0.07
0.06
0.05
f(x)
0.04
0.03
0.02
0.01
0
0 5 10 15 20 25 30 35 40
x

a < b, representa la probabilidad de que X se encuentre entre a y b.

10. En una distribución normal se tiene;

.a) El 68,3 % del total de los datos se encuentran en el intervalo ( µ - σ ; µ + σ ).

.b) El 95,5 % del total de los datos se encuentran en el intervalo ( µ - 2 σ ; µ +2 σ ).
.c) El 99,7 % del total de los datos se encuentran en el intervalo ( µ - 3 σ ; µ +3 σ ).

LA DISTRIBUCIÓN NORMAL ESTANDAR

La distribución Normal con media µ = 0 y varianza σ2 = 1, se le llama Distribución

Normal estándar. La función de densidad de la distribución Normal estándar,
generalmente se le denota con el símbolo Φ y su Función de Distribución Acumulada
se denota con Φ .

1 2
1  z
f ( z)   ( z)  e 2
, z
2

Prof. Jacinto Pedro Mendoza Solís 2 Enero/ 2021

 z
FZ ( z )   ( z )  P ( Z  z )   
 (t ) dt

Gráfica de la distribución Normal estándar : N( 0, 1 )

DISTRIBUCION NORMAL ESTANDAR

z f(z)
-3 0.00443185 0.45
-2.5 0.0175283 0.4
-2 0.05399097 0.35
-1.5 0.1295176 0.3
-1 0.24197072 0.25
-0.5 0.35206533 f(z) 0.2
0 0.39894228
0.15
0.5 0.35206533
0.1
1 0.24197072
0.05
1.5 0.1295176
0
2 0.05399097
2.5 0.0175283 -4 -3 -2 -1 0 1 2 3 4
3 0.00443185 z

Gráfica de la Función de Distribución Acumulada de la N( 0 , 1 )

FUNCION DE DISTRIBUCION ACUMULADA DE LA

NORMAL ESTANDAR

z F(z) 1.2
-3 0.0013499
1
-2 0.02275013
-1 0.15865525
0.8
0 0.5
1 0.84134475 F(z) 0.6
2 0.97724987
3 0.9986501 0.4

0.2

0
-4 -3 -2 -1 0 1 2 3 4
z

Prof. Jacinto Pedro Mendoza Solís 3 Enero/ 2021

PROPIEDAD N°1.-

Si X es una variable aleatoria continua con distribución Normal, tal que X  N (  ,  2 )

x
entonces, la variable aleatoria continua Z, definida como Z  , tiene distribución

Normal Estándar: N ( 0 , 1 ), denotado por Z  N (0,1) .
Este procedimiento se llama Estandarización de la variable aleatoria X.

EJERCICIOS

1. Si z  N (0,1) , hallar :
a) P( Z < 1,7 ) ( b ) P( Z < -0,86 ) ( c ) P( Z ≥ 1,25 ) ( d ) P( Z=1 )
e) P( -2 < Z < 2,38 ) ( f ) P( / Z / ≤ 1,6 )

2. Si Z, es una variable aleatoria con distribución normal, con media igual a 0 y varianza
igual a 1, hallar el valor de z para que se cumpla:
a) P( Z < z ) = 0,7703 ( b ) P(Z ≥ z ) = 0,83
c) P(Z≤ z ) = 0,65 ( d ) P( - z < Z < z ) = 0,9298.

3. Si X  N (8, 4) , hallar:
a) P( X < 11 ) ( b ) P( 6 < X < 12 ) ( c ) P(X≥12.5 )
d) P( / X – 8 / ≤ 1 ) ( e ) P( X = 9 )

4. Dada una variable aleatoria X con distribución normal, con media 50 y varianza 10;
hallar:
a) k tal que P( X < k ) = 0,1 b) P( X ≥ k ) = 0,25

5. El tiempo de vida de un grupo de personas tiene una distribución normal con media
21 años y varianza 25 (años) 2.
a) Hallar la probabilidad de que la edad de una persona escogida al azar sea mayor
de 23 años.
b) Si se toma al azar un grupo de 200 personas, ¿cuántas personas del grupo se
espera que tengan entre 20 y 22 años?
6. Suponiendo que las calificaciones de un examen de postulantes, se distribuye según
una distribución normal con media 500 y varianza 10000. Si de 674 postulantes que
rindieron el examen sólo podrán ingresar 550 de ellos, ¿cuál debe ser la calificación
mínima aprobatoria?

7. El gerente de Moraveco piensa que la vida útil de sus refrigeradoras está distribuida
normalmente con una media de 50 000 horas. Si, además, el gerente piensa que hay
una probabilidad de 0.20 de que la refrigeradora dure menos de 30 000 o más de
70000 horas, ¿Cuál es la desviación estándar?

Prof. Jacinto Pedro Mendoza Solís 4 Enero/ 2021