Distribución de Probabilidad normal

Estadística General
Equipo de Docentes
 Propósito de la Clase

Calcular e interpretar probabilidades

 DISTRIBUCIÓN NORMAL
I. Introducción.
Si se tiene una muestra grande de valores que corresponden a variables continuas, como por ejemplo el
peso en kg de 44 recién nacidos en un hospital, para el análisis de la información se procedería a tabularlos
a través de una distribución de frecuencias y su gráfico correspondiente, el histograma, tal como se muestra
a continuación:
HOSPITAL “X”
Distribución de frecuencias de recién nacidos por Histograma de la distribución de
peso frecuencias de recién nacidos por peso.
Peso (en kg) Frecuencia (cantidad)
1.00 – 1.99 4
2.00 – 2.99 10
3.00 – 3.99 20
4.00 – 4.99 8
5.00 – 5.99 2
Total 44
Analizando los datos en el histograma, observamos que con respecto al peso de los recién nacidos,
existen:
a) Pocos niños con bajo peso al nacer (4 niños tienen entre 1 y 2 kg de peso)
b) La mayoría de recién nacidos, tienen peso medio (20 niños tienen entre 3 y 4 kg de peso)
c) Pocos niños tienen sobrepeso al nacer (2 niños tienen entre 5 kg y 6 kg de peso)
Esta distribución de datos se llama “NORMAL” y se presenta en múltiples mediciones de la vida real.
Si unimos, mediante una curva los puntos medios de cada rectángulo en el histograma, se obtiene el
siguiente gráfico.
A esta curva se le conoce con el nombre de “CURVA NORMAL” o también “CAMPANA DE GAUSS”.

Es importante por que posibilita el cálculo de probabilidades, a través de áreas comprendidas bajo la
curva normal.
Una distribución asume la forma de la curva normal conforme el tamaño de la muestra aumenta (es
decir, cuando se usa gran cantidad de datos)
La representación gráfica de la distribución normal, corresponde a la siguiente función:

( )
𝟐
𝟏 𝒙−𝝁
𝟏 −
𝟐 𝝈
𝒇 ( 𝒙 )= .𝒆
𝝈 √𝟐 𝝅
Donde:

Por lo tanto podemos sostener que:

La distribución normal es una de las distribuciones más utilizadas, que permiten calcular
probabilidades para variables continuas.
Muchas poblaciones tienen distribución normal o pueden ajustarse muy bien a ella.
Ejemplos:
 Estatura, peso y otras características físicas.
 Errores de medición en experimentos científicos
 Tiempos de reacción en experimentos psicológicos
 Mediciones de inteligencia y aptitud.
 Calificaciones en diversas pruebas.
 Muchas medidas e indicadores económicos.
Sin embargo, el cálculo de probabilidades, no es posible en cualquier curva normal, en consideración
a lo siguiente:
La distribución normal queda perfectamente determinada, conociendo dos parámetros:
a) La media o promedio de la población (), que fija la posición de la curva respecto al eje x.
b) La desviación estándar (), que determina la forma (dispersión) de la curva.
 A menos dispersión (), la curva será más estrecha y puntiaguda;
 A mayor dispersión (), la curva será más aplanada y desplazada.
De acuerdo a ello, se puede presentar los siguientes casos:

𝝁1 𝝁2 𝝁3
 Observamos en este gráfico que las 3 curvas
Observamos en este gráfico que las 3 curvas
normales tienen distintas dispersión pero igual
normales tienen idéntica dispersión pero
medias.
distintas medias.
Esto significa que cada curva normal tiene su
propia distribución, lo que hace imposible el
cálculo de probabilidades. Por lo tanto se hace
necesario que la curva normal así obtenida se
trasforme en una CURVA NORMAL TIPIFICADA.
II) Curva Norma Tipificada (estándar, o reducida).
Con el fin de suprimir la individualidad de cada una de las distribuciones señaladas gráficamente, se
convierte a la curva normal, en un modelo matemático con características fijas y definidas y así se
hace posible el cálculo de probabilidades.
Este proceso se conoce con el nombre de TIPIFICACIÓN DE LA CURVA NORMAL, para lo cual se
supone:
 
 La media o promedio de la población es cero :
 La desviación standard es igual a uno:
 La variable independiente x se transforma en un valor “z” que se calcula mediante la fórmula:

𝒙 −𝝁
𝒛=
𝝈
Gráficamente la tipificación de la curva normal, sería:

𝝈 𝝈 =𝟏
𝝁 𝝁=𝟎
Curva normal Curva normal tipificada:

Observamos en el gráfico que la variable “x” se ha trasformado en z; la se ha igualado a cero, por lo

tanto los valores de z hacia la derecha son positivos y hacia la izquierda negativos; la desviación
standard se trasforma en valor de 1, lo que significa que la dispersión o todo el área debajo de la curva
normal tiene un valor de 1 (100%) que es el valor máximo que asume la probabilidad.
III. Características de la curva normal tipificada.
 Es simétrica respecto a su media (50% a la derecha y 50% a la izquierda).
 Es asintótica respecto a z (es decir, no cruza la línea z)
 El área total encerrada es 1 ó 100%
 La media, mediana y moda son iguales.
IV. Cálculo de áreas bajo la curva normal tipificada.
Para calcular probabilidades, es necesario calcular las áreas bajo la curva normal tipificada. Esto se
obtiene trasformando la variable x en variable tipificada z cuyo valor se ubican en la primera fila
superior y en la primera columna de la izquierda de la tabla adjunta.
En el interior de la tabla se encuentran las áreas o probabilidades desde z = 0 hasta cualquier valor
de z.
Los diferentes casos que se pueden presentar sólo consisten en sumar o restar áreas.
Es necesario que Ud. tenga en cuenta que toda el área bajo la curva normal tipificada tiene un valor
de 1 ó 100%, y cada mitad 0.50 ó 50%.
0.50 = 50% 0.50 = 50%
Ejemplo 1:
Determinar el área bajo la curva normal para valores de z entre:
y (es decir ).
Solución
Construyendo el gráfico del área pedida.
Área pedida

En la tabla, ubicaremos el valor de z con un entero y un decimal (1.8) en la primera columna de la

izquierda; y el segundo decimal (0) lo ubicaremos en la primera fila superior, de la siguiente manera.
Z 0.00 0.01 0.02 0.03 0.04 0.05 0.06 0.07 0.08 0.09
0.0 0.0000 0.0040 0.0080 0.0120 0.0160 0.0199 0.0239 0.0279 0.0319 0.0359
0.1 0.0398 0.0438 0.0478 0.0517 0.0557 0.0596 0.0636 0.0675 0.0714 0.0753 Por lo tanto 0.4641 es el área pedida, o también
. .                  
. .                  
podemos decir que la probabilidad de que z esté
1.7 0.4554 0.4564 0.4573 0.4582 0.4591 0.4599 0.4608 0.4616 0.4625 0.4633 comprendida entre 0 y 1.8, es:
1.8 0.4641 0.4649 0.4656 0.4664 0.4671 0.4678 0.4686 0.4693 0.4699 0.4706

𝑝 ( 0 ≤ 𝑧 ≤1.8 )=0.4641=46.41 %
Ejemplo 2:
Determinar el área bajo la curva normal para valores de z entre: z = 0 y z = -1.8
(es decir:
Solución
Construyendo el gráfico del área pedida.

Área pedida

Como se puede observar, en la tabla no existen valores negativos de z, por lo tanto siempre que aparezcan
valores negativos de z, se obvia el signo para buscar su valor en la tabla.
El resultado en este caso es el mismo que el ejemplo anterior debido a que la curva normal tipificada es
simétrica.
𝑝 ( − 1.8 ≤ 𝑧 ≤ 0 )=0.4641=46.41 %
Ejemplo 3:
Determinar el área bajo la curva normal para valores a la derecha de
(es decir: ).
Solución
Construyendo el gráfico del área pedida.
Área pedida

Esto quiere decir:

ÁREA PEDIDA = ÁREA ENTRE: + ÁREA PARA
+
Gráficamente:

En la tabla, ubicamos el número entero con un decimal (1.1) en la primera columna de la izquierda, y el
segundo decimal (5) lo ubicamos en la primera fila superior, de la siguiente manera:
En la tabla, ubicamos el número entero con un decimal (1.1) en la primera columna de la izquierda, y el
segundo decimal (5) lo ubicamos en la primera fila superior, de la siguiente manera:

Z 0.00 0.01 0.02 0.03 0.04 0.05 0.06 0.07 0.08 0.09
0.0 0.0000 0.0040 0.0080 0.0120 0.0160 0.0199 0.0239 0.0279 0.0319 0.0359
.           .        
.           .        
1.1 0.3643         0.3749        

Luego:
ÁREA PEDIDA = 0.3749 + 0.50 = 0.8749
ÁREA PEDIDA =
 Ejemplo 4:
Determinar el área bajo la curva normal, para valores entre z = 0.92 y z = 2.84
(es decir: )
Solución
Construyendo el gráfico del área pedida.

Área pedida

Para obtener está área, es necesario hacer una diferencia:

ÁREA PEDIDA = ÁREA ENTRE - ÁREA ENTRE
. -
Gráficamente sería:
Ubicamos los valores de z = 0.92 y z = 2.84 en la tabla, de la misma forma que en los ejemplos
anteriores.
Z 0.00 0.01 0.02 0.03 0.04 0.05 0.06 0.07 0.08 0.09
0.0 0.0000 0.0040 0.0080 0.0120 0.0160 0.0199 0.0239 0.0279 0.0319 0.0359
                     
0.9 0.3159 0.3186 0.3212 0.3238 0.3264 0.3289 0.3315 0.3340 0.3365 0.3389
                     
2.8 0.4974 0.4975 0.4976 0.4977 0.4977 0.4978 0.4979 0.4979 0.4980 0.4981

Luego:
ÁREA PEDIDA = 0.4977 – 0.3212 = 0.1765
También:
 Aplicando lo aprendido

Desarrolla los siguientes problemas en forma ordena y correcta con el proceso correspondiente:
Hallar el área bajo la curva normal para los siguientes valores de z:
a) Entre: z = 0.5 y z = 1.5
b) A la derecha de z = -0.86
c) Entre z = -0.58 y z = -1.86
d) A la derecha de z = 1.84
e) Entre z = 1.97 y z = 0.56
f) Entre z= -2.14 y z = -0.64
g) Entre z = -0.45 y z = 1.75
Recordando:
Curva Normal Tipificada (estándar o reducida).
Con el fin de suprimir la individualidad de cada una de las distribuciones señaladas gráficamente, se
convierte a la curva normal, en un modelo matemático con características fijas y definidas y así se
hace posible el cálculo de probabilidades.
Este proceso se conoce con el nombre de TIPIFICACIÓN DE LA CURVA NORMAL, para lo cual se
supone:
 La media o promedio de la población es cero :
 La desviación standard es igual a uno:
 La variable independiente x se transforma en un valor “z” que se calcula mediante la fórmula:

Gráficamente la tipificación de la curva normal, sería

𝝈 𝝈 =𝟏
𝝁 𝝁=𝟎
Curva Normal Curva Normal tipificada
Problema 1:
Los coeficientes de inteligencia (CI) de un grupo de estudiantes, tienen aproximadamente una
distribución normal, con una media de 100 y una desviación típica de 10, se pide:
a) Hallar la proporción de estudiantes con CI mayores que 125.
b) ¿Cuál es la probabilidad de que un estudiantes elegido al azar entre los de esa población, tenga
una CI entre 105 y 115?
c) ¿Cuál es la probabilidad de que un estudiantes elegido al azar entre los de esa población, tenga
un CI entre 80 y 95?
Solución
Sea: x = coeficiente de inteligencia.
Donde:
a) Se pide:
Graficando:

𝜎 =10 Área Pedida

𝜎 =1
Tipificando la curva , x se transforma en z, se tiene:

Luego, el problema se reduce a calcular:

 ÁREA PEDIDA = ÁREA PARA – ÁREA ENTRE

0.50 0.4938

Entonces:
La población de pacientes con CI mayores que 125, es de 0.62%
b) Se pide:
Graficando:
á rea pedida
𝝈 =𝟏𝟎 𝝈 =𝟏

Tipificando la curva ( x se transforma en z), se tiene:

No pide hallar:
Se estandariza la variable x a través de:
Para x = 105, entonces:
Para x = 115, entonces:
Luego el problema se reduce a calcular:
ÁREA PEDIDA = ÁREA ENTRE (z = 0 y z =1.5) - ÁREA ENTRE (z = 0 y z = 0.5)

0.1915
0.4332  
 

Buscando los valores de 1.5 y 0.5 en la tabla se tiene:

ÁREA PEDIDAD = 0.4332 – 0.1915 = 0.2417
}
Entonces:
La probabilidad de que un paciente tenga entre 105 y 115 de CI es de 24.17%

…………………..Calcule Ud. las demás incógnitas?

 Aplicando lo aprendido
 La media de los pesos de 500 estudiantes de cierto instituto es de 60 kg con una desviación típica
de 7 kg. Suponiendo que los pesos se distribuyen normalmente, hallar cuántos estudiantes pesan:
a) Entre 45 y 71 kg
b) Más de 70 kg.
 
 Si las alturas de 300 estudiantes se distribuyen normalmente con una media de 163 cm y desviación
típica de 7, cuántos estudiantes tienen alturas:
a)Mayores de 173 cm.
b)Menor o igual a 154 cm.