La distribución normal

DISTRIBCIÓN NORMAL
Si a un histograma aumentamos el número de datos se obtiene una distribución de frecuencias
continua, en realidad es una expresión de la población puesto que se obtienen un número
infinito de datos.
Existen muchas clases de distribución, y una de las más frecuentes es la Distribución Normal
La forma de la Distribución Normal puede describirse como la de una campana.
La curva característica queda determinada totalmente por dos parámetros: u

Mario Bermeo 2018

 LA DISTRIBUCIÓN NORMAL

La distribución normal fue reconocida

por primera vez por el francés
Abraham de Moivre (1667-1754). 

Posteriormente, Carl Friedrich Gauss

(1777-1855) realizó estudios más a
fondo donde formula la ecuación
de la curva conocida comúnmente,
como la “Campana de Gauss". 
DISTRIBUCIÓN NORMAL

La función F(x)
 DISTRIBUCIÓN NORMAL

F(x) es el área sombreada de la siguiente gráfica

 DISTRIBUCIÓN NORMAL
La desviación estándar (σ )

Cambio de la distribución variando la desviación estándar

 DISTRIBUCIÓN NORMAL

La media μ

Cambio de la distribución variando la media

 DISTRIBUCIÓN NORMAL

Propiedades de la distribución normal

La distribución de probabilidad conocida como distribución normal es, por la cantidad de
fenómenos que explica, la más importante de las distribuciones estadísticas.
La distribución de probabilidad normal y la curva normal que la representa,
tienen las siguientes características:
• La curva normal tiene forma de campana y un solo pico en el centro de la distribución.
•De esta manera, la media aritmética, la mediana y la moda de la distribución son iguales y se
localizan en el pico.
•Así, la mitad del área bajo la curva se encuentra a la derecha de este punto central y la otra
mitad está a la izquierda de dicho punto.
•La distribución de probabilidad normal es simétrica alrededor de su media.
•La curva normal desciende suavemente en ambas direcciones a partir del valor central.
•Es asintótica, lo que quiere decir que la curva se acerca cada vez más al eje X pero jamás llega a
tocarlo. Es decir, las “colas” de la curva se extienden de manera indefinida en ambas direcciones.
•El valor bajo la curva es igual a 1 o 100%
 DISTRIBUCIÓN NORMAL
Propiedades de la distribución normal

• Puede tomar cualquier valor (- ¥, + ¥)

• Hay más probabilidad para los valores cercanos a la media m
• Conforme nos separamos de m , la probabilidad va decreciendo de igual forma a derecha e
izquierda (es simétrica).
• Conforme nos separamos de m , la probabilidad va decreciendo dependiendo la desviación
típica s .
• El área bajo la curva aproximado del promedio μ a más o menos una desviación estándar (1σ)
es de 0.68, a más o menos 2σ es de 0,95 y a más o menos 3σ es de 0.997
 DISTRIBUCIÓN NORMAL

Propiedades de la distribución normal

La distribución normal estándar:

• No existe una sola distribución de probabilidad normal, sino una “familia” de ellas.
• Cada una de las distribuciones puede tener una media (μ) o una desviación estándar distinta
(σ). Por tanto, el número de distribuciones normales es ilimitado y sería imposible
proporcionar una tabla de probabilidades para cada combinación de μ yσ.
• Para resolver este problema, se utiliza un solo “miembro” de la familia de distribuciones
normales, aquella cuya media es 0 y desviación estándar 1 que es la que se conoce como
distribución estándar normal,
• Todas las distribuciones normales pueden convertirse a la estándar, restando la media de
cada observación y dividiendo por la desviación estándar.
• Primero, convertiremos la distribución real en una distribución normal estándar utilizando un
valor llamado Z, o estadístico Z que será la distancia entre un valor seleccionado, designado
X, y la media μ, dividida por la desviación estándar σ.
 DISTRIBUCIÓN NORMAL

Propiedades de la distribución normal

La distribución normal estándar:
. X 
•Formalmente, si X ∼ N(μ,σ) , entonces la variable aleatoria. Z

•Z se distribuye según una normal de media 0 y desviación estándar 1, i.e.: Z ∼ N(0,1) , que es la
distribución llamada normal estándar o tipificada.

•De esta manera, un valor Z mide la distancia entre un valor especificado de X y la media
aritmética, en las unidades de la desviación estándar.

•Al determinar el valor Z utilizando la expresión anterior, es posible encontrar el área de

probabilidad bajo cualquier curva normal haciendo referencia a la distribución normal estándar
en las tablas correspondientes.
La distribución normal estándar
• Z se la denomina variable tipificada de X, y a la curva de su función de densidad se
le conoce como la curva normal estándar.

• Es una distribución normal con promedio 0 y una desviación estándar de 1.

• Todas las variables normalmente distribuidas se pueden transformar a la distribución

normal estándar utilizando la fórmula para calcular el valor Z correspondiente.
La distribución normal estándar
• Si nosotros normalizamos la curva esta dependerá de los valores X y la Media.
• Z será :

• Z representa el número de veces que está contenida la desviación estándar entre la

media y el punto X .

• Z es la distancia entre X y la media expresada en desviación estándar

X 
Z

• Si tenemos el valor de Z podemos saber cual es la probablidad de que un determinado valor
este dentro de la curva
 La función F(z)

• En la siguiente gráfica vemos la representación gráfica de la función de Z.

α
 Teorema del Límite Central
Nos indica que, bajo condiciones muy generales, según aumenta la cantidad de
datos, la distribución de la suma de variables aleatorias tendera a seguir hacia una
distribución normal.

En otras palabras el Teorema del Límite Central garantiza una distribución normal
cuando el tamaño de la muestra es suficientemente grande.
 Por ejemplo

En el siguiente histograma podemos observar la distribución de frecuencias por peso de acuerdo

a la edad. De acuerdo a este teorema según aumenten la cantidad de dato se podrá trazar una
curva que tome cada vez más formación en forma campana.
 Área bajo la curva normal estándar

El área bajo la curva normal estándar es útil para asignar probabilidades de ocurrencia de la
variable X.

Debemos tomar en cuenta que el área total bajo la curva es igual a 1. Y que, por ser una
gráfica simétrica, cada mitad tiene un área de 0.5.
• Pasos para determinar el
área bajo la curva Normal
Estándar
 Pasos para determinar el área bajo la curva
normal estándar
• Paso 1 - Interpretar gráficamente el área de interés.

• Paso 2 - Determinar el valor Z

• Paso 3 - Buscar en la tabla de probabilidades.

• Paso 4 - Hacer la suma o resta de áreas para encontrar la probabilidad deseada

 Ejemplo 1

Determine la probabilidad de que una persona tenga un peso

menor o igual a 150 libras

 Supongamos que sabemos que el peso de los/as estudiantes universitarios/as sigue una
distribución aproximadamente normal, con una media de 140 libras y una desviación estándar
de 20 libras
Paso 1 Interpretar gráficamente el área de interés.
Gráficamente si decimos que a=150 libras, el área de la curva que nos interesa es la siguiente:
 Ejemplo 1
Determine la probabilidad de que una persona tenga un peso
menor o igual a 150 libras

Paso 2 - Determinar el valor Z:

X   150  140
Z   0.50
 20
 
Paso 3 - Buscar en la tabla de probabilidades.
Buscamos en la Tabla 1 el valor Z=0.50 y obtenemos el área de 0.6915
Paso 4 - Hacer la suma o resta de áreas para encontrar la probabilidad deseada.
En este ejemplo no es necesario realizar ningún computo adicional ya que el área es la misma
que se representa en la Tabla 1
 Ejemplo 2
Si deseamos la probabilidad de que una persona, elegida al azar,
tenga un peso mayor o igual a 150 libras

Paso 1 Interpretar gráficamente el área de interés.

 

Gráficamente si decimos que a=150 libras, el área de la curva que nos interesa es la siguiente:

 
 Ejemplo 2
Si deseamos la probabilidad de que una persona, elegida al azar,
tenga un peso mayor o igual a 150 libras

X   150  140
Paso 2 - Determinar el valor Z: Z   0.50
 20
  Paso 3 - Buscar en la tabla de probabilidades.

 Buscamos en la Tabla 1 el valor Z=0.50 y obtenemos el área de 0.6915.

 Paso 4 - Hacer la suma o resta de áreas para encontrar la probabilidad deseada.

En este ejemplo el área de 0.6915 no representa el área que nos interesa sino la contraria. En
este caso debemos restarle 1 a la probabilidad encontrada.
 1 - .6915 = 0.3085
 Ejemplo 3
Determine la probabilidad de que una persona, elegida al azar,
tenga un peso menor o igual a 115 libras

Paso 1 Interpretar gráficamente el área de interés.

 
Gráficamente si decimos que a=115 libras, el área de la curva que nos interesa es la
 
siguiente:
 Ejemplo 3
Determine la probabilidad de que una persona, elegida al azar,
tenga un peso menor o igual a 115 libras

X   115  140
Paso 2 - Determinar el valor Z: Z   1.25
 20
  Paso 3 - Buscar en la tabla de probabilidades.
 Buscamos en la Tabla 1 el valor Z=-1.25 y obtenemos el área de 0.1056
  Paso 4 – No hace falta realizar suma o resta de áreas para encontrar la probabilidad
deseada.
 Otra forma es :Encontramos Z para 1,25 ( no consideramos el signo menos) Z = 0.8944 no
representa el área que nos interesa sino la contraria. En este caso debemos restarle 1 a la
probabilidad encontrada.
 1 - 0.8944 = 0.1056
 Ejemplo 4
Si deseamos la probabilidad de que una persona, elegida al azar,
tenga un peso entre 115 y 150 libras.

Paso 1 Interpretar gráficamente el área de interés.

 
Gráficamente si decimos que a=115 libras y b=150 libras, el área de la curva que nos
interesa es la siguiente
 Ejemplo 4
Si deseamos la probabilidad de que una persona, elegida al azar,
tenga un peso entre 115 y 150 libras.

Paso 2 - Determinar el valor Z

X   115  140
Cuando X=115 Z   1.25
   20

Cuando X=150 X   150  140

Z   0.50
 
 20
Paso 3 - Buscar en la tabla de probabilidades.
 
Buscamos en la Tabla 1 el valor Z=-1.25 y obtenemos el área de 0.1056.
 
Buscamos en la Tabla 1 el valor Z=0.50 y obtenemos el área de 0.6915
 Ejemplo 4
Si deseamos la probabilidad de que una persona, elegida al azar,
tenga un peso entre 115 y 150 libras.

Paso 4 - Hacer la suma o resta de áreas para encontrar la probabilidad deseada.

 
El área de 0.6915 se le resta 0.1056.
 
0.6915 – 0.1056 = 0.5865

 
 Ejemplo 5
Determine la probabilidad de que una persona tenga un peso entre
150libras y 160 libras

Paso 1 Interpretar gráficamente el área de interés.

 
Gráficamente si decimos que a=150 libras y b= 160 libras, el área de la curva que nos interesa es la siguiente:

 
 Ejemplo 5
Determine la probabilidad de que una persona tenga un peso
menor o igual a 150libras

Paso 2 - Determinar el valor Z

 
Como vimos en el ejemplo 1 y 2 E valor Z cuando X=150 es 0.50.
Para X=160 el valor Z será:

X   160  140
Z   1.0
 20
Paso 3 - Buscar en la tabla de probabilidades.
Buscamos en la Tabla 1 el valor Z=0.50 y obtenemos el área de 0.6915.
Cuando Z = 1.0 el área es de 0.8413.
 Ejemplo 5
Determine la probabilidad de que una persona tenga un peso
menor o igual a 150libras

Paso 4 - Hacer la suma o resta de áreas para encontrar la probabilidad deseada.

 
En este ejemplo se resta el área mayor menos el área menor como se interpreto en el paso 1.
 
0.8413 - .6915 = 0.1498

 
 Ejemplo 6
Determine la probabilidad de elegir a una persona que pese entre
115 y 130 libras.

Paso 1 Interpretar gráficamente el área de interés .

 
Gráficamente si decimos que a=115 libras y b= 130 libras, el área de la curva
que nos interesa es la siguiente:
 
 Ejemplo 6
Determine la probabilidad de elegir a una persona que pese entre
115 y 130 libras.

Paso 2 - Determinar el valor Z

Cuando X=115 X   115  140

Z   1.25
     20

para X=130 X   130  140

Z   0.50
   20

Paso 3 - Buscar en la tabla de probabilidades .

 
Buscamos en la Tabla 1 el valor Z=-1.25 y obtenemos el área de (=0.1056 )
 
Para Z = -.050 el área es de (=0.3085)
 Ejemplo 6
Determine la probabilidad de elegir a una persona que pese entre
115 y 130 libras.

 
Paso 4 - Hacer la suma o resta de áreas para encontrar la probabilidad
deseada.
 
 
En este ejemplo el área será la diferencia de .3085-.1056=0.2029 .
 Ejemplo 7

Las resistencias de las varillas obtenidas por un determinado proceso tiene una
distribución normal con una  de 24 y una de 3 el cliente necesita que al menos el
95% de las varillas tenga una resistencia de 20
Cual es el % que cumple.
 Ejemplo 7

El cliente acepta el lote cuando no más del 5% de varillas tengan una resistencia
menor a 20.
Es decir α debe ser:
100% -95% = 5%
1-0.95 = 0.05
α < 0,05
 Ejemplo 7

Determinar el valor Z

X   20  24
Cuando X=20 Z   1.33
 3
Buscamos en la Tabla 1 el valor Z=-1.33 y obtenemos el área de
(=0.0918 )

α = 0,0918 = 9,18%

Esto quiere decir que el 9,18 % de las varillas tienen un resistencia menor a 20 y el
cliente solo acepta que sea el 5%. Por lo tanto el lote no se acepta .
 Ejemplo 8

Los pesos individuales de un lote de ampollas tiene una distribución normal cuya media
es de 1,433 g y una desviación de 0,033.

Las especificaciones para el peso son

X = 1,46 +/- 0,085
Que porcentaje no cumple con la especificación
Cual es el % bajo especificación
Cual es el % sobre especificación.
Que % cumple con la especificación.
Ejercicios de prueba



LIC= 1,375  LSC= 1,545

 Ejemplo 8

Los pesos individuales de un lote de ampollas tiene una distribución normal cuya media
es de 1,433 g y una desviación de 0,033.

Las especificaciones para el peso son

X = 1,46 +/- 0,085
Cual es el % bajo especificación
Cual es el % sobre especificación.
Que % cumple con la especificación.
Que porcentaje no cumple con la especificación
Ejercicios de prueba

(-3ᵟ) (-2ᵟ) (-1ᵟ)   1ᵟ 2ᵟ 3ᵟ

1,344 1,377 1,41 1,443 1,476 1,509 1,542

LIC= 1,375  LSC= 1,545

 Ejemplo 8
Los pesos individuales de un lote de ampollas tiene una distribución normal cuya media
es de 1,433 g y una desviación de 0,033.
Límites de especificación:
LIE = 1,46 – 0,085 = 1,375 X   1,375  1,433
Z   1.76
 0,033
A = 0,0392
A= 3,92%

X   1,545  1,433
Z   3,39
LSE = 1,46 + 0,085 = 1,545  0,033

A2= 0,9997
A2 = 1-0,9997 = 0,0003
A2 = 0,03%

AT = 3,92 +0,03 = 3,95%

 Ejemplo 9

El peso de un producto se distribuye normalmente con una desviación estándar de 5g

pero no se conoce su media.
Se sabe que el 10% del producto tiene un peso menor e igual al 230 g
Cuál es el valor de la media

10% equivale a 0,10 equivale a Z = -1,28

X 
Z 

230  u
 1,28 
5
u = 236,40 g
Ejercicios de prueba