Estadística Inferencial

Distribución normal Esp. Paola Andrea Muñoz Pinza

Características de la distribución normal de probabilidad

- Está caracterizada por dos parámetros: la media y la desviación

típica

- Tiene una forma de campana simétrica con relación a la media.

- Los valores de la moda y la mediana coinciden con la media

- El efecto de la desviación típica sobre la campana, a menor

desviación típica menor es la dispersión entonces mas cercanos
serán los valores al punto medio
Características de la distribución normal de
probabilidad
 σ  Desviación estándar
Diferente

µ  Media o promedio
Igual
Áreas bajo la curva normal

No importa cuáles sean los valores de μ y σ para una

distribución de probabilidad normal, el área total
bajo la curva es 1.00, de manera que podemos
pensar en áreas bajo la curva como si fueran
probabilidades.
Matemáticamente es verdad que:
1. Aproximadamente el 68% de todos los valores de
una población normalmente distribuida se
encuentra dentro de ± 1 desviación estándar de la
media.
2. Aproximadamente el 95.5% de todos los valores
de una población normalmente distribuida se
encuentra dentro de ± 2 desviaciones estándar de la
media.
3. Aproximadamente el 99.7% de todos los valores
de una población normalmente distribuida se
encuentra dentro de ± 3 desviaciones estándar de la
media.
Uso de la tabla de distribución de probabilidad normal estándar
(Estandarización de la variable)
Z =2,09
  90
𝑧=
Tenemos un programa de entrenamiento diseñado para mejorar la calidad de las
habilidades de los supervisores de línea de producción. Debido a que el programa es
autoadministrado, los supervisores requieren un número diferente de horas para
terminarlo. Un estudio de los participantes anteriores indica que el tiempo medio para
completar el programa es de 500 horas, y que esta variable aleatoria normalmente
distribuida tiene una desviación estándar de 100 horas.
¿Cuál es la probabilidad de que un participante elegido al azar requiera más de 500 horas
para completar el programa?

Solución En la figura 5-16, podemos

ver que la mitad del área bajo la curva
está localizada a ambos lados de la
media de 500 horas. Por tanto,
podemos deducir que la probabilidad
de que la variable aleatoria tome un
valor mayor a 500 es el área
sombreada, es decir, 0.5
¿Cuál es la probabilidad de que un candidato elegido al azar se tome entre 500 – 650 horas para
completar el programa de entrenamiento?

Solución Hemos ilustrado esta situación en la figura 5-17. La probabilidad que responderá a esta
pregunta está representada por el área con pantalla gris entre la media (500 horas) y el valor x, en el
cual estamos interesados (650 horas). Calculamos el valor de z:

Si buscamos z = 1.5 en la tabla 1 del apéndice, encontraremos una probabilidad de 0.4332.

En consecuencia, la probabilidad de que un candidato escogido al azar requiera entre 500 y 650
horas para terminar el programa de entrenamiento es ligeramente mayor al 40%
¿Cuál es la probabilidad de que un candidato elegido al azar se tome mas de 700 horas en completar el
programa?

Solución Esta situación es diferente de los ejemplos anteriores. Observe la figura 5-18. Estamos
interesados en el área sombreada a la derecha del valor “700 horas”. ¿De qué manera podemos
resolver este problema? Podemos empezar por calcular z:

0.5 – 0.4772 = 0.0228

Para z= 2.0, la probabilidad es 0.4772. Esto representa la probabilidad de que el programa tome
entre 500 y 700 horas. Sin embargo, se pide la probabilidad de que tome más de 700 horas.
Puesto que la mitad derecha de la curva representa una probabilidad de 0.5, se puede obtener la
respuesta restando 0.4772 de 0.5
0.5000 - 0.4772 = 0.0228.
Por tanto, hay un poco más de dos oportunidades en 100 de que un participante elegido al azar se
lleve más de 700 horas en completar el curso.
¿Cuál es la probabilidad de que un candidato elegido al azar se tome menos de 350 horas en completar
el programa?
Suponga que el director del programa de entrenamiento desea saber la probabilidad de que un
participante escogido al azar requiera entre 550 y 650 horas para completar el trabajo requerido en el
programa.

Solución Primero calculamos un valor de z para nuestro punto

correspondiente a 650 horas de la siguiente manera:

Para z =1.5 se encuentra una probabilidad de 0.4332. Para el segundo

paso calculamos un valor de z para el punto correspondiente a 550 horas,
así:
El valor z igual a 0.5 tiene una probabilidad de 0.1915 (la posibilidad de que la
variable aleatoria caiga entre la media y 550 horas).

Así pues, la probabilidad de que un candidato elegido al azar se tome entre 550 y 650
horas para completar el programa de entrenamiento es un poco menor de 1 entre 4.
¿Cuál es la probabilidad de que un candidato elegido al azar se tomará menos de 580 horas para
completar el programa?
Solución Esta situación se ilustra en la figura 5-20. Utilizando la ecuación 5-6 para obtener el valor de
z apropiado para 580 horas, tenemos:

Para z igual a 0.8, encontramos una

probabilidad de 0.2881. Debemos sumar
a ésta la probabilidad de que la variable
aleatoria esté entre la cola izquierda y la
media.

En consecuencia, las posibilidades de que un candidato escogido al azar se tome menos de

580 horas para completar el programa son ligeramente mayores al 75%.
¿Cuál es la probabilidad de que un candidato escogido al azar se tome entre 420 y 570 horas para completar el
programa?

Calcular el valor para z correspondiente al punto 570

horas

El valor de z correspondiente a 0.7 es 0.2580 como valor

de probabilidad.
El valor de z para el punto correspondiente a 420 horas:

Como la distribución es simétrica, podemos desentendernos del signo y

buscar un valor de z correspondiente a 0.8. La probabilidad asociada con
este valor de z es 0.2881.
La probabilidad asociada con este valor de z es 0.2881. Encontramos nuestra
respuesta si sumamos estos dos valores, para obtener:
Limitaciones de la distribución normal de
probabilidad
Anteriormente, se enfatizo que las colas de la distribución normal se acercan al eje
horizontal, pero nunca llegan a tocarlo. Esto implica que existe algo de probabilidad
(aunque puede ser muy pequeña) de que la variable aleatoria pueda tomar valores
enormes.

Debido a la forma de la cola derecha de la curva, es posible que la curva de distribución

normal asigne una probabilidad minúscula a la existencia de una persona que pese
2,000 kilogramos. Desde luego, nadie creería en la existencia de tal persona. (Un peso
de una tonelada o más estaría a aproximadamente 50 desviaciones estándar a la
derecha de la media y tendría una probabilidad con ¡250 ceros justo después del punto
decimal!)

No perdemos mucha precisión al ignorar valores tan alejados de la media. Pero a

cambio de la conveniencia del uso de este modelo teórico, debemos aceptar el hecho
de que puede asignar valores imposibles en la práctica.
 Referencias

• Díaz, A (2013). Estadística aplicada a la administración y la economía. Ciudad de

México, México. MacGrawHill

• Levin, R. Rubin, D. (2004). Estadística para Administración y Economía. Séptima edición.

México, México. Pearson Educación.

• Martínez, C. Levin, R. (2012), Estadística Aplicada. Bogotá, Colombia, Primera edición,

Pearson.

• Ritchey, F. (2002). Estadística para las ciencias sociales: El potencial de la imaginación.

Mexico, D. F.: Harcourt Brace.

• Triola, M. (2009). Estadística. Décima edición. México, D. F. Pearson Educación.

Ejercicios

1. Una empresa instala en una ciudad 20.000 bombillas para su iluminación. La duración
de una bombilla sigue una distribución normal con media 302 días y desviación típica
40 días. Calcular. a) ¿Cuántas bombillas es de esperar que se fundan antes de 270
días? ¿Cuántas durarán entre 310 y 320 días? Explica razonadamente las respuestas.

2. La vida media de una lámpara, según el fabricante, es de 68 meses, con una

desviación típica de 5. Se supone que se distribuye según una distribución normal. En
un lote de 20.000 lámparas. a) ¿Cuántas lámparas superarán previsiblemente los 70
meses?. b) ¿Cuántos lámparas se estropearán antes de 65 meses?
1. Una empresa instala en una ciudad 20.000 bombillas para su iluminación. La duración de una
bombilla sigue una distribución normal con media 302 días y desviación típica 40 días. Calcular.
a) ¿Cuántas bombillas es de esperar que se fundan antes de 350 días? ¿Cuántas durarán más
de 450 días? Explica razonadamente las respuestas.
1. Una empresa instala en una ciudad 20.000 bombillas para su iluminación. La duración de una
bombilla sigue una distribución normal con media 302 días y desviación típica 40 días. Calcular.
a) ¿Cuántas bombillas es de esperar que se fundan antes de 365 días? ¿Cuántas durarán más
de 400 días? Explica razonadamente las respuestas.

0,5 – 0,4929 = 0,0071

1. Suponga que sujetos adultos tienen puntuaciones de CI distribuidas
normalmente, con una media de 100 y una desviación estándar de 15
(como en la prueba Wechsler). La prueba se aplica a 2500 adultos.
(Sugerencia: Dibuje una gráfica en cada caso)
a. Calcule la probabilidad de que un adulto seleccionado al azar tenga
un CI menor que 130.
 

100 130
III. Tabla
P(0 < z < 2) =0,4772

IV. 0,5+ 0,4772 = 0,9772.

V. 0,9772*2500=2443 personas
a. Calcule la probabilidad de que un adulto seleccionado al azar tenga un CI
mayor que 131.5 (el requisito para ser miembro de la organización
Mensa, que agrupa a personas con un elevado cociente intelectual).

100 131,5

III. Tabla
P(0 < z < 2,1) =0,4821

IV. 0,5-0,4821= 0,0179

V. 2500*0,0179=44,75 = 45 personas
1. La duración de los embarazos se distribuye normalmente, con una
media de 268 días y una desviación estándar de 15 días.
a. ¿Cuál es la probabilidad de que un embarazo tenga duración de más de
270 días?

268 270

III. Tabla
P(0 < z < 2,1) =0,0517

IV. 0,5-0,0517=0,4483