DISTRIBUCION DE

PROBABILIDAD CONTINUA
DISTRIBUCION NORMAL
• Área bajo la curva normal
• Aproximación normal a la
binomial
Estadística PROF. LIC. AMANDA MARLENE C. DURE ROLON
Las distribuciones normales son de gran
importancia en estadística.
Fueron descubiertas inicialmente por
Abraham de Moivre( 1667-1754) , un
matemático francés radicado en
Londres, al tratar de resolver problemas
de apostadores.
Después fueron estudiadas por Pierre
Laplace y Karl Gauss, Gauss ( 1777-
1855) , matemático alemán , fue el ABRAHAM DE MOIVRE(1667-1754)
primero en investigar las propiedades de
las distribuciones normales que llegaron
a ser conocidas como la ley Gaussiana
del error, en referencia a su uso para
describir la distribución de los errores de
estimación en el método de los mínimos
cuadrados, un método que el invento en
1795 , a la edad de 18 años.
KARL GAUSS ( 1777-1855)

2
 Distribución uniforme continua
Es una de las distribuciones continuas mas simples de la estadística .
Se caracteriza por una función de densidad que es plana , por lo cual la probabilidad es
uniforme en un intervalo cerrado.

La función de densidad de la variable aleatoria uniforme continua X en el intervalo es :

Esta función tiene como grafica un segmento de recta horizontal situado sobre el eje x. El
área comprendida entre el segmento y el eje x es igual a 1.

Si x no esta en A y B , entonces definimos

f(x)=0. la inclusión o exclusión de un punto
extremo de un intervalo no afecta la
probabilidad de que una probabilidad caiga en
el intervalo porque la probabilidad de un
punto extremo es cero.

3
Ejemplo

Un servicio de llamadas telefónicas se ha diseñado de forma tal que el tiempo

mínimo de espera de quien llame sea de 20 segundos y el máximo de 50; si los
tiempos de respuesta se distribuyen uniformemente , encuentre la probabilidad de que
, al llamar, una persona tenga un tiempo de respuesta entre 25 y 45 segundos
Denotemos la variable aleatoria X como el tiempo de espera en un servicio de
llamadas telefónicas
Nótese que A=20 segundos y B= 50 segundos . La función de densidad de
probabilidad es :

1/30

20 50

4
Barboza, Perdomo y Rodríguez 2009
 Distribución normal
La distribución de probabilidad continua mas importante en todo el campo de
la estadística es la distribución normal , desde su descubrimiento hace mas
de 350 años, se ha desenvuelto como una herramienta indispensable en
cualquier rama de la ciencia , la industria y el comercio.

Muchos eventos reales y naturales ( las mediciones físicas en áreas del

campo meteorológico, estudios de la precipitación pluvial, en la actualidad un
ejemplo claro es la propagación del Covid -19) ,tienen una distribución de
frecuencias cuya forma es muy parecida a la distribución normal .

5
La ecuación matemática para la distribución normal depende de los dos parámetros y su
media y desviación estándar ,respectivamente .
Por ello , denotamos los valores de densidad de X por .

Los dos parámetros especifican por completo la posición y la forma respectivamente , de

una distribución normal .
Un valor pequeño de σ significa que la curva normal es una campana delgada, picuda
Un valor grande de σ significa que la curva normal es ancha , aplanada .

6
 PROPIEDADES DE LA DISTRIBUCIÓN NORMAL

1. Una distribución normal tiene forma de montaña o de campana.

2. El área bajo una curva normal y sobre el eje x es siempre igual a 1

3. La media se localiza en el centro de la distribución y la curva normal es

simétrica con respecto a la línea perpendicular , al eje horizontal en el valor
de la media .

4. La media , la mediana y la moda coinciden

5. La curva se extiende indefinidamente a la izquierda y a la derecha de la

media y tiende hacia el eje horizontal.

6. Una curva para una distribución normal nunca toca al eje horizontal.

7. La curva tiene sus puntos de inflexión en , es cóncava hacia abajo si , y

es cóncava hacia arriba en otro caso.

7
 Regla empírica
a) Aproximadamente el 68% de las medidas distan menos de una desviación
estándar de la media , es decir , caen el intervalo .
b) Casi un 95% de las medidas distan menos de dos desviaciones estándar de la
media , es decir , caen en el intervalo .
c) Alrededor del 99,7 % de las medidas distan menos de tres desviaciones típicas
de la media , esto es, pertenecen al intervalo .

8
9
 Ilustración de la grafica de una distribución
normal estándar

0,5 0,5

-z z

Cola Eje de Cola

izquierda simetría 𝜇=0 , 𝜎=1 derecha
AREAS BAJO LA CURVA NORMAL

11
 Ejemplo 6.5 pag.186 b) A la derecha de z = 1,96
1. Halla el área bajo la curva normal
a) a la izquierda de z = -1,39
b) a la derecha de z= 1,96
c) correspondiente a -0,48< z <1,74

a) A la izquierda de z = -1,39

A = P( z > 1,96) = 1 - P(z<1,96) = 1-0,9750 =0,0250

c) correspondiente a -0,48<z<1,74

A = P(z < -1,39)=0,0823

𝐴=𝑃 ( −0,48<𝑧<1,74) =𝑃 ( −∞<𝑧<1,74 ) −𝑃 ( −∞<𝑧<−0,48) =0,9591−0,3156=0,6435

 Tenemos como datos :
Ejemplo 6.13 pag.186
Sea x la v.a. tiempo de vida de un ratón en
Un investigador informa que unos meses
ratones a los que primero se les
restringen drásticamente sus dietas y ( grafico 2)
después se les enriquecen con
vitaminas y proteínas vivirán en
promedio de 40 meses.

Si suponemos que la vida de tales

ratones se distribuye normalmente ,
con una desviación estándar de 6,3
meses, calcule la probabilidad de que Grafico 1 Grafico 2
un ratón determinado viva
a) mas de 32 meses
b) menos de 28 meses
c) Entre 37 y 49 meses
Luego, la probabilidad de que un ratón viva mas de
32 meses es de 0,8980, es decir, 89,8%
b)

Luego , la probabilidad de que un ratón viva

menos de 28 meses es de 0,0287, es decir 2,87 %

Luego , la probabilidad de que un ratón viva entre

37 y 49 meses es de 0,6080 , es decir, 60,8%
Ejemplo 6.9
En un proceso industrial el diámetro de un cojinete de bolas es una medida importante .
El comprador establece que las especificaciones en el diámetro sean 3,0 ±0,01 cm. Esto
implica que no se aceptara ninguna parte que no cumpla estas especificaciones Se sabe
que en el proceso el diámetro de un cojinete tiene una distribución normal con media de
3,0 y desviación estándar de 0,005 En promedio,¿ cuantos de los cojinetes fabricados se
descartaran?

Sabemos que :
Los valores que corresponden a los limites especificados son : 2,99 y 3,01 .
Calculamos los valores de z correspondientes

Luego, en promedio, se descartaran 4,56% de los cojinetes fabricados

 Aproximación normal a la binomial
La distribución normal a menudo es una buena aproximación a una distribución
discreta cuando la ultima adquiere una forma de campana simétrica .
Desde un punto de vista teórico, algunas distribuciones convergen a la normal a
medida que sus parámetros se aproximan a ciertos limites .

Teorema: Si X es una variable aleatoria binomial con media , entonces la forma

limitante de la distribución de
,

conforme , es la distribución normal estándar

La distribución normal no solo ofrece una aproximación muy precisa a la binomial

cuando n es grande y p no esta extremadamente cerca de 0 y 1 , sino que también
brinda una aproximación bastante buena aun cuando n es pequeña y p esta
razonablemente cerca de ½ .
APROXIMACION NORMAL A LA DISTRIBUCION
BINOMIAL
Sea X una variable aleatoria binomial con parámetros n y p. para una n grande , X tiene
aproximadamente unja distribución normal con

Y la aproximación será buena si n p y n(1-p) son mayores que o iguales a 5 .

Ejemplo 6.27 pág. 193
Un paciente tiene 0,9 de probabilidad de recuperarse de una operación de corazón
delicada. De los siguientes 100 pacientes que se someten a esta operación , ¿ cual es
la probabilidad de que :
a) Sobrevivan entre 84 y 95 inclusive?
b) Sobrevivan menos de 86 ?
Representemos a X como la v. a pacientes que sobreviven de una operación
del corazón .
Como n = 100 , deberíamos obtener resultados precisos usando la
aproximación de la curva normal con :

Para obtener las probabilidades que se desean , tenemos que calcular el área
entre x1=83,5 y x2 = 95,5 .
Los valores de z serán :
 85 , 5 − 90
𝑧= =− 1 , 5
3

b)

Luego, la probabilidad que sobrevivan

menos de 86 pacientes es de 0,0668 , o
bien , 6,68 %

La probabilidad de que sobrevivan a la operación entre 84 y 95 pacientes , mediante la distribución

binomial , lo calcularíamos mediante :