Juan Carlos Gallardo Mendoza

Ingeniero Civil CIP 62698

Proyectista y Consultor en Ingeniería Civil

Tlf. 00511 – 999126259

Email:jcgallardo62@yahoo.es

LIMA - PERU
1
2
Introducción
Objetivo general
Objetivos específicos
Glosario de términos

La distribución normal
Utilidad
La función
Propiedades de la distribución normal
Teorema del límite central

3
 La distribución normal estándar
Características
Ejemplos y Ejercicios
Área bajo la curva normal estándar

Ejercicios de prueba

Referencias

4
Una de las herramientas de mayor uso en las empresas es la utilización
de la curva normal para describir situaciones donde podemos recopilar
datos. Esto nos permite tomar decisiones que vayan a la par con las
metas y objetivos de la organización.

En este módulo se describe la relación de la Distribución normal con la

Distribución normal estándar. Se utilizan ejemplos y ejercicios donde se
enseña sobre la determinación de probabilidades y sus aplicaciones.

Este módulo va dirigido a todos/as los/as estudiantes de Ingeniería Civil y

de Construcción Civil con miras a emprender sus propias empresas

5
Objetivo general
Esperamos que cuando termines esta presentación puedas
utilizar la distribución normal para obtener probabilidades,
intervalos y cantidades específicas.

Objetivos específicos
Además, esperamos que puedas:
 Identificar las propiedades de una distribución normal.
 Encontrar el área bajo una distribución normal estándar.
 Interpretar áreas bajo la curva normal de acuerdo al problema.

6
 Asintótica – Línea que se acerca indefinidamente a un
eje sin llegar a encontrarlo.

 Aleatorias – Que son al azar.

 Tipificada – Que tiene un arreglo uniforme o estándar.

 Morfológicos – Aspecto general de las formas y

dimensiones de un cuerpo.

7
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".

8
 Se utiliza muy a menudo porque hay muchas
variables asociadas a fenómenos naturales que
siguen el modelo de la norma.

 Caracteres morfológicos de individuos (personas,

animales, plantas,...) de una especie, por ejemplo:
tallas, pesos, diámetros, distancias, perímetros,...

 Caracteres fisiológicos, por ejemplo: efecto de una

misma dosis de un fármaco, o de una misma
cantidad de abono

9
 Caracteres sociológicos, por ejemplo: consumo de
cierto producto por un mismo grupo de individuos,
puntuaciones de examen

 Caracteres psicológicos, por ejemplo: cociente

intelectual, grado de adaptación a un medio,...

 Errores cometidos al medir ciertas magnitudes

 Valores estadísticos muéstrales como la media,

varianza y moda

10
 Puede tomar cualquier valor (- ∞, + ∞)
 Hay más probabilidad para los valores cercanos a la
media µ
 Conforme nos separamos de µ , la probabilidad va
decreciendo de igual forma a derecha e izquierda
(es simétrica).
 Conforme nos separamos de µ , la probabilidad va
decreciendo dependiendo la desviación típica σ.

11
12
13
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 0.99.

(Las propiedades continuan en la próxima lámina)

14
La forma de la campana de Gauss depende de los parámetros μ y σ.
Tiene una única moda que coincide con su media y su mediana.
La curva normal es asintótica al eje de X.
Es simétrica con respecto a su media μ . Según esto, para este tipo de
variables existe una probabilidad de un 50% de observar un dato mayor
que la media, y un 50% de observar un dato menor.

15
Compruebe el cambio de la distribución variando la desviación estándar

Nota – cuando llegue al

enlance utilice la gráfica #3
Tipificación de la variable

16
Compruebe el cambio de la distribución variando la media

Nota – cuando llegue al enlance

utilice la gráfica #2
Familiarizándonos con la normal

17
 Podemos concluir que hay una familia de distribuciones
con una forma común, diferenciadas por los valores de su
media y su varianza. 
 La desviación estándar (σ ) determina el grado de
apuntamiento de la curva.  Cuanto mayor sea el valor de
σ, más se dispersarán los datos en torno a la media y la
curva será más plana. 
 La media indica la posición de la campana, de modo que
para diferentes valores de μ la gráfica es desplazada a lo
largo del eje horizontal.
 De entre todas ellas, la más utilizada es la distribución
normal estándar, que corresponde a una distribución
de media 0 y varianza 1. 

18
 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.

19
 En la siguiente gráfica vemos la
representación gráfica de la función de Z.

20
 Podemos decir que el valor de Z es la
cantidad de desviaciones estándar a la
que está distanciada la variable X del
promedio.
 A la variable 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

21
 No depende de ningún parámetro.
 Su media es 0, su varianza es 1 y su
desviación estándar es 1.
 La curva  f(x)  es simétrica respecto del
eje de Y
 Tiene un máximo en el eje de Y.
 Tiene dos puntos de inflexión en z=1 y 
z=-1

22
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.

23
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.

24
 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.

Obtenga mas información de cómo

asignar probabilidades utilizando las
Tablas.
25
 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

26
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.

27
 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:

28
 X − µ 150 − 140
Paso 2 - Determinar el valor Z: Z= = = 0.50
σ 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
Compruebe de forma
interactiva el
valor Z

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
29
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:

30
 X − µ 150 − 140
Paso 2 - Determinar el valor Z: Z= = = 0.50
σ 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 31
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:

32
 X − µ 115 − 140
Paso 2 - Determinar el valor Z: Z= = = −1.25
σ 20
Paso 3 - Buscar en la tabla de probabilidades.
Buscamos en la Tabla 1 el valor Z=-1.25 y obtenemos el área de 0.8944.

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

deseada.
En este ejemplo el área de 0.8944 no representa el área que nos interesa
sino la contraria. En este caso debemos restarle 1 a la probabilidad
encontrada.
1 - .8944 = 0.2212 33
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

34
Paso 2 - Determinar el valor Z
X − µ 115 − 140
Cuando X=115 Z= = = −1.25
σ 20

Cuando X=150 X − µ 150 − 140

Z= = = 0.50
σ 20
Paso 3 - Buscar en la tabla de probabilidades.

Buscamos en la Tabla 1 el valor Z=-1.25 y obtenemos el área de 0.8944.

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

35
Paso 4 - Hacer la suma o resta de áreas para encontrar
la probabilidad deseada.

El área de 0.8944 se le resta la diferencia de 1-.6915.

0.8944 – (1-.6915) = .5859

36
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:

37
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 − µ 160 − 140
Z= = = 1.0
σ 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.

38
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

39
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:

40
Paso 2 - Determinar el valor Z

Cuando X=115 X − µ 115 − 140

Z= = = −1.25
σ 20

para X=130 X − µ 130 − 140

Z= = = −0.50
σ 20

Paso 3 - Buscar en la tabla de probabilidades.

Buscamos en la Tabla 1 el valor Z=-1.25 y obtenemos el área de

(1-0.8944.)=0.1056

Para Z = -.050 el área es de (1-.6915)=.3085

41
 
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=.2029.

42
Trabaje los ejercicios de este enlace utilizando la tabla
de probabilidades y luego compruebe los resultados
interaccionando con las gráficas.
Para el primer ejercicio observe la gráfica, manipule los
parámetros m (µ) y s (σ) y luego redacte una
descripción detallada sobre las características de una
curva normal con media de 0 y desviación estándar de 1.

43
Anderson, S. (2006). Estadísticas para administración y
economía, Thomson,

Newbold, P. (2003). Statistics for Business And Economics,

Prentice Hall.

Altman, D., Bland, J. (1995). Statistics Notes: The Normal

Distribution. BMJ, ; 310: 298-298.

Bluman Allan, G. (2007). Statistics, Mc Graw Hill,

Pértega, D., Pita F. (2001) Representación gráfica en el análisis

de datos. Cad Aten Primaria; 8: 112-117.

44
 http://descar tes.cnice.mecd.es/index.html

 http://www.aulafacil.com/CursoEstadistica/Lecc-34-es

 http://www.ruf.rice.edu/~lane/stat_sim/sampling_dist/

45
gracias
46