Probabilidad y Estadística I

PROBABILIDAD Y ESTADÍSTICA

SEMANA 4

Basada en presentaciones de Ing. Yendry Fernández e Ing. Patricia Ramírez.

Distribución Normal
 DISTRIBUCIÓN NORMAL
3

Es la distribución continua de probabilidad más

importante en todo el campo de la estadística.
Su gráfica se denomina curva normal y describe
aproximadamente muchos fenómenos que ocurren
en la naturaleza, la industria y la investigación.
 DISTRIBUCIÓN NORMAL
4

Se usa cuando la aleatoriedad es causada por varias

fuentes independientes actuando en forma aditiva.

1  ( x   ) 2 / 2 2
f (x )  e -  < x  ,  > 0
 2
Propiedades de la curva de distribución
normal
5

1. La moda que es el valor máximo ocurre en x=µ. Punto

máximo de la curva.
2. La curva es simétrica alrededor de un eje vertical a través de
la media µ.
3. La curva tiene sus puntos de inflexión en x=µ+-σ, es cóncava
hacia abajo si µ- σ<X< µ+ σ, y es cóncava hacia arriba en
cualquier otro punto.
4. Se aproxima al eje horizontal de manera asintótica,
conforme nos alejamos de la media.
5. Área bajo la curva = 1
 Característica de la distribución normal
tipificada (reducida, estándar)
6

 No depende de ningún parámetro.

 Su media es 0, su varianza es 1 y su desviación típica
es 1.
 La curva f(x) es simétrica respecto del eje OY.
 Tiene un máximo en este eje.
 Tiene dos puntos de inflexión en
 z =1 y z = -1 .
 Estandarización de una variable
aleatoria normal
7

Esta nueva variable carece de unidades y

permite hacer comparables dos medidas
que en un principio no lo son
z= (x - ) si se trata de una población

z= (x - )( /n) en caso de una distribución

x
muestral

Recuerde: el coeficiente de variación no debe usarse nunca con variables

tipificadas
 8

Área sombreada
Tablas de distribución normal

Para un z=1.96, ¿cuál es el área bajo la

curva?
Ejemplo
9

Calcule con la tabla P(z≥0.6) y P(0.6≤z≤1.3)

P ( Z  0.6)  0.2743

P (0.6  Z  1.3) 
P ( Z  0.6)  P ( Z  1.3) 
 0.2743  0.0968  0.1775
P(0.6  Z  1.3) 
Otra manera de plantearlo:
P( Z  1.3)  P( Z  0.6) 
 0.9032  0.7257  0.1775
Ejemplo:
10
La dimensión de ciertas piezas de hormigón sigue una distribución normal de media
150 y desviación típica 0.4, ambas en cm. Sabiendo que se consideran aceptables
todas aquellas piezas cuya longitud se encuentre dentro del intervalo (149.2;150.4)
cm. Determine el porcentaje de piezas defectuosas
 Sea D= “dimensión de una pieza de hormigón escogida
 P(149.2  D 150.4) = ?
 X1=149.2; u =150; varianza poblacional = 0.16

 P( (149.2 – 150)/0.4 )  Z _ (150.4 – 150)/0.4)

 z1= -2, luego P(hasta z1)=2.28%; P(Mayor que z1)= 0.9772

 z2= 1, luego P( hasta z2)= 84.13%; P(mayor que z2) = 0.1587
  
 P(149.2  D 150.4) = 0.8185, por tanto, la proporción de piezas defectuosas
es 18.15%.
 Ejemplo:
Los resultados de un examen siguen una distribución normal
con media 78 y varianza 36.
11
• a) cuál es la probabilidad de que una persona
obtuviera una calificación superior a 72?
Solución:
• Z= (72-78)/6 = -1,
luego P(x<72)= 0.1586;
por tanto, p(x>72)= 1-0.1586 = 0.84
• b) si únicamente a los estudiantes que se encuentran en el
10% de las mejores notas se les considera para una beca, cuál
es la puntuación mínima requerida para optar por el
beneficio?
Solución:
• Z para 90% = 1.28
• 1.28= (x-78)/6,
• luego x= 85.69
Cuando se requiere conocer la probabilidad de ocurrencia de un x específico
en una distribución continua tenemos que usar un viejo conocido “truco
matemático”
12

Sigamos con el ejemplo anterior:

Los resultados de un examen siguen una distribución normal con media 78 y

varianza 36

¿cuál es la probabilidad de que una persona

obtenga una calificación IGUAL a 72?

Z1= (71.5-78)/6 = -1.08, luego p(z<-1.08)= 0.1401

Z2= (72.5-78/6)= -0.916; luego p(z<-1.08)= 0.1796
P(X=72) ≈0.1796-0.1401=0.04
Sigamos con el ejemplo anterior:
Los resultados de un examen siguen una distribución
normal con media 78 y varianza 36
cuál es la probabilidad de que una persona obtuviera
una calificación IGUAL O SUPERIOR a 72?

Solución:
Z= (71.5-78)/6 = -1.083, luego P(x<=72)= 0.1401;
por tanto,
p(x>72)=1-0.1401 = 0.86

13
Ejemplo:
14
Se quiere dar una beca a uno de dos estudiantes de sistemas educativos diferentes. Se
asignará al que tenga mejor expediente académico.
El estudiante A tiene una calificación de 8 en un sistema donde la calificación de los
alumnos se comporta como N(u=6,desv=1).
El estudiante B tiene una calificación de 80 en un sistema donde la calificación de los
alumnos se comporta como N(u=70,desv=10).
 Solución
No podemos comparar directamente 8 puntos de A frente a los 80 de B, pero como
ambas poblaciones se comportan de modo normal, podemos tipificar y observar las
puntuaciones sobre una distribución de referencia N(0,1)
Ejemplo
 Se quiere dar una bec a a uno de dos estudiantes de s istemas educ ativos
diferentes. Se asignar á al que tenga m ej or exp ediente académic o.
 El est udiant e A tien e un a calificación de 8 en un sist em a donde la c ali fic ación de l os
alumn os se com port a c om o N(6, 1).
 El est udiant e B tien e un a calificación de 8 0 en un sist em a d on de l a calificaci ón d e los
alumn os se com port a c om o N(7 0, 10 ).
 Solución
 No podem os com p ar ar direct am ent e 8 p unt os de A fr ent e a los 80 de B, pero com o
amb as pobl acion es se com port an d e m od o n orm al, p od em os tipificar y obser var las
puntu aciones sobr e un a distribución de referencia N(0,1 )

zA 
xA  A 
8  6
 2
 A 1
xB   B 80  70
zB    1
B 10

 Com o Z A>ZB, p od em os d ecir que el p orcent aj e d e comp añ eros d el m ism o sist em a d e

est udios que h a sup er ad o en calificació n el estudi ant e A es m ayor que el qu e h a
su p er ad o B. P odrí am os p ensar en princi pio q u e A es m ej or candid at o p ar a l a beca.

Bioestadística. U. M álag a. Tema 5: Modelos probabil ísticos 24

Como ZA>ZB, podemos decir que el porcentaje de compañeros del mismo

sistema de estudios que ha superado en calificación el estudiante A es mayor
que el que ha superado B. Podríamos pensar en principio que A es mejor
candidato para la beca.
EJEMPLO
1
5
La resistencia a la rotura (en Newtons) de una tela sintética se denota
mediante “x” y se distribuye de acuerdo con una distribución normal
con media 800 y varianza 144. El comprador de la tela exige que esta
tenga una resistencia de al menos 772 N. Se selecciona aleatoriamente
y se aprueba una muestra de tela. ¿Cuál es la probabilidad de que
cumpla con las expectativas del comprador?

 x   772  800 
P ( x  772)  P    P( Z  2,33)  0,01
  12 
P( x  772)  1  0,01  0,99
EJEMPLO
16

El tiempo requerido para reparar una máquina automática de

carga en una operación compleja de empaque de alimentos es de
“x” minutos.
Los estudios han demostrado que la aproximación N (120;256)
es bastante buena. Si el proceso se detiene más de 125 minutos,
todo el equipo debe limpiarse, con la pérdida consecuente del
alimento que se esté procesando. El costo total de la pérdida se
estima en $10.000 (pérdida del alimento y tiempo de paro).
¿Cuál es la probabilidad de que esto NO ocurra?

 x   125  120 
P( x  125)  P    P( Z  0.31)  0,6217
  16 
EJEMPLO 3
17

El diámetro de una rosca (cuerda) en una conexión

de tubería se distribuye normalmente con una
media 0,4008 cm y desviación típica 0,0004 cm.
Las especificaciones de diseño son 0,400±0,0010
cm. Se desea determinar qué fracción del producto
se encuentra dentro de la tolerancia.
 0,399  0,4008 0,4010  0,4008 
P(0,399  x  0,401)  P Z 
 0,0004 0,0004 
P(4,5  Z  0,5)  0,6915  0,0000  0,6915

Clase 8
EJEMPLO :
18

Dada una distribución normal estándar, encuentre

el área bajo la curva que yace (a) a la derecha de
z=1.84 y (b) entre z=-1.97 y z=0.86.

Solución
( a) z  1.84  0.9671 es el área a la iz
1  0.9671  0.0329 es el área a la de

(b)entre z  1.97 y z  0.86

0.8051  0.0244  0.7807

Clase 8
 19

Muchas gracias