MT-22

PPTCES049MT22-A16V1

Clase

Distribución normal
Resumen de la clase anterior

Recordemos…

- ¿Cómo se calcula el valor esperado para una determinada

variable aleatoria?

- ¿Cómo es posible reconocer una situación que se modela

mediante una distribución binomial?
 Aprendizajes esperados

• Comprender y aplicar el concepto de variable aleatoria continua.

• Aplicar la distribución normal en problemas cotidianos, tanto en

estudios estadísticos como en el cálculo de probabilidades.

• Determinar intervalos de confianza para la media de una

población.

• Ajustar una distribución binomial a una distribución normal.

Pregunta oficial PSU

Si una variable aleatoria X tiene distribución normal con media μ igual a

1 y desviación estándar σ igual a 2, ¿cuál de las siguientes variables
aleatorias tiene distribución
¿Cómo es lanormal de media 0 y varianza 1?
representación
X 1 gráfica de esta distribución?
Y ¿Qué nombre recibe este
A) 2
tipo de distribución?
X 1
W
B) 2
X 1
V
C) 4
X
K
D) 4
X
L
E) 2

Fuente : DEMRE - U. DE CHILE, Modelo Proceso de admisión 2017

1. Función de densidad
2. Distribución normal
3. Intervalos de confianza
4. Aproximación binomial a normal
 1. Función de densidad

1.1 Definición
En la clase anterior trabajamos el concepto de función de probabilidad
Reflexiona
asociado a alguna variable aleatoria discreta. En el caso de variables
continuas se conoce
En el gráfico adjunto,como
X esfunción de densidad
una variable aleatoriade probabilidad.
continua con función de
densidad f. En base a ello: Solo se puede calcular la
Al representar gráficamente una función
(1) ¿Cómo se puede despejar el valor de k? probabilidad de intervalos,
de densidad, el área bajo la curva
(2) ¿Cuál es el valor del área entre 1 y 7?¿Cómo interpretarías este valor?
ya que una probabilidad
siempre debe ser igual a uno, ya que
(3) ¿Cuánto es P(0 ≤ X ≤ 1), P(1 ≤ X ≤ 4) y P(4 ≤ X ≤puntual
7)? es igual a cero.
bajo esta se encuentra el 100% de los
datos. Si la función está expresada
algebraicamente, es
Si se quiere conocer el porcentaje de recomendable graficarla.
los datos que se encuentran en un
determinado intervalo de la población,
basta con calcular el área bajo la curva
en dicho intervalo. Este porcentaje está
asociado a la probabilidad de obtener al
azar un elemento de la población que
se encuentre en este intervalo.
 1. Función de densidad

1.2 Ejemplo
Sea X una variable aleatoria
continua cuya función de
densidad de probabilidad es

Si k es un número real positivo, entonces k es

1 ALTERNATIVA
A) CORRECTA
24
1 C
B) 12
Más información en la página 146 de
1 tu libro.
C) 21
1 ¡AHORA TÚ! (5 minutos)
D) Ejercicios 1 y 3 de tu guía.
30

E) ninguno de los valores anteriores.

Fuente : DEMRE - U. DE CHILE, Modelo Proceso de admisión 2017.
 2. Distribución normal

2.1 Distribución normal tipificada

Es una distribución estadística cuya función de densidad es simétrica
con respecto al eje Y, y cuya forma se denomina “campana de Gauss”.

Sea Z una variable estadística con distribución normal. Se dice que Z

se distribuye de forma normal tipificada o estandarizada si la media,
la moda y la mediana de la distribución son 0, y su desviación estándar
es 1  Z ~ N(0, 1).

2,1% 13,6% 34,1% 34,1% 13,6% 2,1%

 
 
 

 
 

     

 
 
 

 
Z

 
 
 

–3 –2 –1 0 1 2 3
 2. Distribución normal

2.1 Distribución normal tipificada

En una curva de distribución normal, las áreas
por intervalo son muy difíciles de calcular, por lo
cual existe una tabla en el que se indican sus
valores aproximados, donde el área bajo la
curva es equivalente a la probabilidad que los
datos sean menores o iguales que un
determinado valor, P(Z ≤ z). Aquí se presenta
parte de ella.

En una distribución con variable continua no se pueden

calcular probabilidades de valores puntuales, solo de
intervalos. Luego, P(Z = z) = 0, por lo cual P(Z ≤ z) = P(Z < z).
 2. Distribución normal

2.1 Distribución normal tipificada

Ejemplo: Sea Z una variable aleatoria con
distribución normal tipificada.
La probabilidad que el valor de Z sea menor o
igual que 1,15 es 0,875; ya que es igual al área
bajo la curva hasta este punto. Es decir, el
87,5% de la población es menor o igual que
1,15.

Área bajo
la curva
Z
0 1,15

Por simetría de la curva, el 87,5% de la población

es mayor o igual que – 1,15.
 2. Distribución normal

2.2 Propiedades
Propiedades:

X
–a 0 b a

Si se conoce P(X ≤ a) y P(X ≤ b), con a > b, entonces:

P(X ≥ a) = 1 – P(X ≤ a) (ya que el área total bajo la curva es 1)

P(X ≥ – a) = P(X ≤ a) (ya que la curva es simétrica)

P(b ≤ X ≤ a) = P(X ≤ a) – P(X ≤ b) (por descomposición de áreas)

 2. Distribución normal

2.3 Distribución normal no tipificada

En la vida cotidiana existen muchos parámetros estadísticos que al ser
graficados con respecto a su frecuencia tienen un comportamiento
“normal”: estatura, peso, cociente intelectual, presión arterial, etc.
Matemáticamente, significa que su gráfico tiene igual forma y
características gráficas que la distribución normal tipificada, pero con
distinta media y/o desviación estándar. Se llaman distribuciones
normales no tipificadas (o no estandarizadas).
Si una variable aleatoria X se
distribuye de manera normal,
con media µ y desviación
estándar σ, X ~ N(µ, σ), se
X puede tipificar usando una
μ–σ μ μ+σ variable Z que se distribuya de
manera normal tipificada,
Si la desviación estándar aumenta, el
“ancho” de la curva (distancia entre mediante el cambio de variable:
dos puntos simétricos) aumenta, X μ
Z
mientras que su altura disminuye. σ
 2. Distribución normal

2.4 Ejemplo
Sea X una variable aleatoria continua, tal que X ~ N(μ, σ2), donde se sabe
que P(μ – σ ≤ X ≤ μ + σ) = 0,6826 y P(μ – 2σ ≤ X ≤ μ + 2σ) = 0,9545.
¿Cuál es el valor de P(μ + σ ≤ X ≤ μ + 2σ)?

A) 0,13595
B) 0,2719
C) 0,86405 ALTERNATIVA
CORRECTA
D) 0,81855
A
E) Ninguno de los anteriores.
Más información desde la página 147
hasta la 150 de tu libro.

¡AHORA TÚ! (5 minutos)

Ejercicios 4 y 15 de tu guía.
Fuente : DEMRE - U. DE CHILE, Modelo Proceso de admisión 2016.
 3. Intervalos de confianza

3.1 Definición
Sea X una variable aleatoria que se distribuye de forma normal en una
cierta población, con desviación estándar σ. Si la población es muy
grande resulta bastante difícil calcular la media μ de X. Sin embargo, si
se saca una muestra de X de promedio x , se puede determinar un
intervalo de confianza dentro del cual se encuentre μ, con un cierto
nivel de confianza.

α α
1–α
2 2

X
xα x
1 α
2 2

α se conoce como el nivel de significancia y (1

– α) se conoce como el nivel de confianza.
 3. Intervalos de confianza

3.1 Definición

Ejemplo: Sea Z una variable aleatoria con distribución normal

tipificada. Si el nivel de confianza es del 95%, entonces:

(1 – α) · 100 = 95 Entre – 1,96 y 1,96 se

(1 – α) = 0,95 encuentra el 95% de la
α = 0,05 población, es decir, en
α el intervalo:
= 0,025 [– 1,96; 1,96].
2
α
1 – = 0,975
2

Luego:
z1 α = 1,96
2
 3. Intervalos de confianza

3.2 Error

Si de una población, que para una cierta variable tiene un

comportamiento normal con media μ y desviación estándar σ, se
extrae una muestra de n elementos, donde el promedio de la
muestra es x , entonces el intervalo de confianza, con un nivel de
confianza (1 – α), es:
[ x – E, x + E]

Donde E es el error, y se determina con la fórmula:

σ
Ez α
1
2 n

De esto se concluye que con un (1 – α)% de seguridad, la media de la

población se encuentra en el intervalo [ x – E, x + E].
 3. Intervalos de confianza

3.3 Ejemplo
Los datos de una población se modelan mediante una distribución normal,
con media μ y varianza 4. Se toma una muestra de esta población de
tamaño 49, cuyo promedio es 57,5. Si de esta muestra se obtiene un
intervalo de confianza para μ igual a [56,94; 58,06], ¿cuál de los
siguientes valores es el coeficiente asociado al nivel de confianza de este
intervalo?

A) 13,72 ALTERNATIVA
CORRECTA
B)
C)
0,98
1,96
C
D) 0,56 Más información en las páginas 151 y
152 de tu libro.
E) 0,28
¡AHORA TÚ! (5 minutos)
Ejercicios 9 y 11 de tu guía.
Fuente : DEMRE - U. DE CHILE, Modelo Proceso de admisión 2017.
 4. Aproximación binomial a normal

4.1 Definición

Si un ensayo de Bernoulli se repite una gran cantidad de veces, esta

distribución se puede aproximar a una distribución normal, donde la media
de esta distribución será μ = n · p y la desviación estándar será
σ  n p  q ( (con n igual al número de
repeticiones, p igual a la probabilidad de éxito y q igual a la probabilidad
de fracaso). En general, entre más grande es n, mejor es la aproximación
a la normal, aunque también se recomienda que se cumpla que n · p > 5 y
n · q > 5.

X ~ B(n, p) se aproxima a X ~ N(n · p, n  p  q )

 4. Aproximación binomial a normal

4.2 Ejemplo
Sea X una variable aleatoria tal que X ~ B(40; 0,5). Si la distribución de X
es aproximada por una distribución normal con media μ y desviación
estándar σ, ¿cuáles de los siguientes valores corresponden a los valores
de μ y σ, respectivamente?

A) 20,5 y 10
B) 20 y 10 ALTERNATIVA
CORRECTA
C) 20 y 0,5
D) 20,5 y 0,5
E
E) 20 y 10 Más información en la página 161 de
tu libro.

¡AHORA TÚ! (5 minutos)

Ejercicios 21 y 22 de tu guía.
Fuente : DEMRE - U. DE CHILE, Modelo Proceso de admisión 2017.
Pregunta oficial PSU

Si una variable aleatoria X tiene distribución normal con media μ igual a

1 y desviación estándar σ igual a 2, ¿cuál de las siguientes variables
aleatorias tiene distribución normal de media 0 y varianza 1?
X 1
Y
A) 2
X 1
W
B) 2
X 1
V
C) 4
X
K
D) 4 ALTERNATIVA
CORRECTA
X
E)
L
2 B
Fuente : DEMRE - U. DE CHILE, Modelo Proceso de admisión 2017
Síntesis de la clase

Recordemos…

- ¿Qué características tiene una distribución normal tipificada?

- ¿Qué información se necesita para determinar un intervalo de

confianza respecto a la media poblacional?
Prepara tu próxima clase

En la próxima sesión realizaremos

Taller de Datos y Azar
Tabla de corrección

Nº Clave Unidad temática Habilidad

1 B Azar Aplicación
2 D Azar ASE
3 C Azar Aplicación
4 C Datos Comprensión
5 A Datos Comprensión
6 E Datos Comprensión
7 A Datos Aplicación
8 E Datos Comprensión
9 B Datos ASE
10 C Datos Comprensión
11 E Datos Aplicación
12 B Azar Aplicación
Tabla de corrección

Nº Clave Unidad temática Habilidad

13 B Azar Aplicación
14 C Azar ASE
15 D Azar Aplicación
16 B Azar Aplicación
17 C Azar ASE
18 B Azar Aplicación
19 C Azar ASE
20 C Azar Aplicación
21 D Azar Aplicación
22 B Azar ASE
23 D Azar Aplicación
24 E Datos ASE
25 D Azar ASE
Equipo Editorial Matemática

ESTE MATERIAL SE ENCUENTRA PROTEGIDO POR EL REGISTRO DE

PROPIEDAD INTELECTUAL.

Propiedad Intelectual Cpech RDA: 186414

Cuenta regresiva

Volver a:

1. Función de densidad
2. Distribución normal
3. Intervalos de confianza
4. Aproximación binomial a normal
5. Pregunta oficial PSU