Estadistica 1

Acción 1.
¿A que tipos de fenómenos se les puede asociar una distribución normal?

De tres ejemplos de fenómenos a los cuales se les puede asociar una
distribución normal.
 Peso al nacer de los bebés
Está bien documentado que el peso al nacer de los recién nacidos se distribuye
normalmente con una media de unas 7.5 libras.
El histograma del peso al nacer de los bebés recién nacidos en los EE. UU.
Muestra una forma de campana que suele tener la distribución normal:
(Statologos, 7 de mayo de 2021)
 Tallas de zapatos
La distribución de tallas de zapatos para hombres en los EE. UU. Se distribuye

aproximadamente normalmente con una media de talla 10 y una desviación
estándar de 1.
Un histograma de las tallas de calzado de todos los hombres estadounidenses

revela una forma de campana con un solo pico en la talla 10: (Statologos, 7 de
mayo de 2021)
 Presión arterial
La distribución de la presión arterial diastólica para los hombres se distribuye

normalmente con una media de aproximadamente 80 y una desviación estándar
de 20.
Un histograma de la distribución de la presión arterial para todas las medias

muestra una distribución normal con forma de campana: (Statologos, 7 de mayo
de 2021)
Acción 2.
¿A que se atribuye el hallazgo de la formula de la variable aleatoria asociada
a la distribución normal?
Solución:
Historia de la distribución normal
El matemático francés Abraham de Moivre (1667-1754) fue el que descubrió y
presentó la distribución normal por primera vez en un artículo del año 1733, que
también aparece en la segunda edición de su The Doctrine of Chances, en
relación a la aproximación de la distribución binomial para grandes valores de n.
(superprof)
Acción 3.
La grafica correspondiente a la distribución normal estándar tiene varias
propiedades. Escriba tres de ellas y realice un grafico explicando cada una
de las propiedades encontradas.
Para dar respuesta a la probabilidad se hace necesario que la gráfica
asociada al fenómeno observado cumpla con las características de una
distribución normal, luego de ello se hace uso de la siguiente formula
x −μ
Z=
σ
El valor de x corresponde a un valor observado del fenómeno. μ es la media

de los valores correspondientes al fenómeno observado. σ es la desviación
estándar de los valores correspondientes al fenómeno observado. Recuerde
que ↑ μ es una medida de tendencia central, y que σ es una medida de
dispersión. Ahora, debe usar la formula inicial y las tablas de la distribución
normal.
Solución:
Existe una función matemática con forma de campana que tiene la siguiente
definición:
( )
2
−1 x− μ
2 σ
1e
y=f ( x )=
√ 2 πσ
Si se grafica esta función, se obtiene como resultado la curva
normal:
Tiene las siguientes características:
 Toma en cuenta la media( µ) y la desviación estándar(σ ).
 El área bajo la curva es igual a 1.

 Es simétrica respecto al centro, o a la media.
 50% de los valores son mayores que la media, y 50% de los valores son
menores que la media.
 La media es igual a la mediana y a la moda.
 Tiene una asíntota en y=0 (eje x).
Algunos otros ejemplos de variables con distribución normal:
 Notas en un examen.
 Errores de medida.
 Presión sanguínea.
 Tamaño de las piezas producidas por una máquina.
Para encontrar las probabilidades o cantidad de datos entre determinados valores
de la variable, se calcula el área bajo la curva normal, que se encuentra en la tabla
z o tabla de áreas bajo la curva normal estandarizada.
La distribución normal estándar

La distribución normal estándar, es aquella distribución normal que tiene
una media igual a cero, y una desviación estándar igual a uno. Veamos la función
densidad normal estandarizada, que trabaja con la variable estandarizada z en el
eje horizontal:
Por ejemplo, si se desea encontrar la probabilidad de que la variable

estandarizada z , tome un valor entre 0 y 1,50; hay que encontrar el área bajo la
curva entre
z=0 y z=1,50 .
Para calcular el valor de esta área, se utiliza la tabla z y se busca el valor de 1,50:
Como vemos, el valor del área bajo la curva es de 0,4332, y esa sería la
probabilidad de que la variable estandarizada z, tome un valor comprendido entre
0 y 1,50.
¿Y si mi distribución normal no es estandarizada?

En la mayoría de problemas, cuando se analizan diferentes variables x, la
distribución normal no tiene la forma estandarizada, es decir, la media no es cero y
la desviación estándar no es uno. En esos casos, se convierten los valores de la
variable (x) a z, es decir, se estandarizan los valores de la variable (x).
La fórmula de la variable estandarizada «z», la cual indica cuántas desviaciones
estándar se aleja el valor x de la media, es la siguiente:
x−μ
z=
σ
Y luego, con los valores de z, se utiliza la tabla y se calculan las áreas bajo la
curva, porcentajes o probabilidades. En los videos que vienen líneas abajo,
encontrarás muchos ejemplos.
Por ejemplo, si tenemos una variable aleatoria continua X con una distribución
normal no estandarizada, con media igual a 10 y desviación estándar igual a 1, y
el problema pide calcular la probabilidad de que la variable X tome un valor entre
10 y 11,50, hay que estandarizar los valores de la variable X aplicando la fórmula
de z :
x−μ
z=
σ
11,50−10 1,50
z= = =1,50
1 1
Ahora, veamos la gráfica de esta distribución normal:

Y usando la tabla z, se calcula el área bajo la curva. Cuando z es igual a 1,50, el
área bajo la curva es de 0,4332.
Podemos concluir que la probabilidad de que la variable estandarizada z, tome un
valor comprendido entre 10 y 11,50 es de 0,4332. (Matemovil)
Acción 4.
Hacer uso de la fórmula de la distribución normal para resolver el siguiente
problema.
El tiempo medio en realizar una misma tarea por parte de los empleados de
una empresa se distribuye según una distribución normal, con media de 5
días y desviación típica 1 día. Calcular el porcentaje de empleados que
realizan la tarea en un tiempo inferior a 7 días.
Solución:
7−5
t 1=∞ y t 2= =2
1
En la tabla la probabilidad acumulada para el valor 2 (equivalente a un tiempo

inferior a 7 días.). Esta probabilidad es 0,9772. Por lo tanto, el porcentaje de
empleados que realizan la tarea en un tiempo inferior a 7 días es del 97,7%.
Acción 5.
problema.
La vida media de una lámpara, según el fabricante, es de 68 meses, con una
desviación típica de 5 meses. Se supone que se distribuye según una
distribución normal en un lote de 10.000 lámparas.
a) ¿Cuántas lámparas superarán previsiblemente los 75 meses?
Solución:
75−68
t= =1,4
5
P( X > 75)=(t >1,4)=1−P(t ≤ 1,4)=1−0,9192=0,0808
Luego, el 8,08% de las lámparas (808 lámparas) superarán los 75 meses
b) ¿Cuántas lámparas se estropearán antes de 60 meses?

Solución:
60−68
t= =−1,6
5
P( X ≤ 60)=t ≤−1,6 ¿=P(t>1,6)=1−P(t ≤ 1,6)=0,0548
Luego, el 5,48% del lote (548 lámparas) no llegarán probablemente a durar 60

meses
Acción 6.
problema.
El consumo medio bimestral de energía eléctrica en una ciudad es de 59 Kwh
., con una desviación típica de 6 Kwh. Se supone que se distribuye según una
distribución normal.
a) ¿Cuántos Kwh? tendría que consumir bimestralmente para pertenecer al
5% de la población que más consume?
Solución: Buscamos en la tabla el valor de la variable tipificada cuya probabilidad
acumulada es el 0,95 (95%), por lo que por arriba estaría el 5% restante.
Este valor corresponde a t=1,645 . Ahora calculamos la variable normal X
equivalente a ese valor de la normal tipificada:
X −59
1,645=
6
X =68,87
Por lo tanto, tendría usted que consumir más de 68,87 Kwh. bimestralmente para
pertenecer al 5 % de la población que más consume.
b) Si usted consume 45 Kwh . ¿qué % de la población consume menos que

usted?
Solución: Vamos a ver en qué nivel de la población se situaría usted en función
de los 45 Kwh. consumidos.
Calculamos el valor de la normal tipificada correspondiente a 45 Kwh .
45−59
t= =−2.333
9
P(X ≤ 45)=P(t ≤−2,333)=P( t>2,333)=1−P(t ≤ 2,333)=1−0,9901=0,0099
Luego, tan sólo un 1,39 % de la población consume menos que usted.
Acción 7.
problema.
Una empresa instala en una ciudad 20.000 bombillas para su iluminación. La
duración de una bombilla sigue una distribución normal con media 302 días
y desviación típica 40 días. Calcular.
a) ¿Cuántas bombillas es de esperar que se fundan antes de 365 días?
¿Cuántas durarán más de 400 días? Explica razonadamente las respuestas.
Solución:
 Tipificamos el valor 365

365−302
t= =1,575
40
P( X ≤ 365)=P(t ≤ 1,575)=0,9418
Luego él 94,18 % de las lámparas, es decir 20.000 ⋅0.9418=18.836 bombillas se

fundirán antes de 365 días.
 Tipificamos el valor 400
400−302
t= =2,45
40
P( X > 400)=P(t >2,45)=1−P (t ≤ 2,45)=1−0,9929=0,0071

Entonces el 0,71 % de las lámparas, es decir 20.000 ∙ 0.0071=142 bombillas durarán
más de 400 días.
Acción 8.
problema.
El tiempo medio de los electricistas de una empresa en realizar el montaje de
un determinado cuadro eléctrico es de 4 días, con una desviación típica de 1
día. Se supone que se distribuye según una distribución normal. Calcular:
a) Porcentaje de electricistas que tardan menos de 3 días.
Solución:
3−4
t= =−1
1
P( X ≤ 3)=P(t ≤−1)
P(t ≤−1)=P(t> 1)
P(t >1)=1−P(t ≤1)=1−0,8413=0,1587
Luego, el 15,87 % de los electricistas emplean un tiempo inferior a 3 días.
b) Tiempo a partir del cual del cual se sitúa el 10% de los electricistas que
más tiempo emplean en realizar el cuadro.
Solución:
Buscamos en la tabla el valor de la variable tipificada cuya probabilidad acumulada
es el 0,9(90 %), lo que quiere decir que por encima se sitúa el 10 % superior. Este
valor corresponde a t=1,282. Ahora calculamos la variable normal X equivalente a
ese valor de la normal tipificada:
X −4
1,282=
1
X =5,282
Despejando X , su valor es 5,282. Por lo tanto, el 10 % de los electricistas que más

tardan en realizar un cuadro lo hacen en 5.28 días .
c) Tiempos mínimo y máximo que engloba al 60% de los electricistas con
tiempo medio.
Solución:
Buscamos en la tabla el valor de t cuya probabilidad acumulada es el 0,8(80 %).

Como sabemos que hasta la media la probabilidad acumulada es del 50 %, quiere
decir que entre la media y este valor hay un 30 % de probabilidad. Por otra parte, al
ser la distribución normal simétrica, entre −t y la media hay otro 30 % de
probabilidad. Por lo tanto, el segmento (−t ,+t) engloba al 60 % de los electricistas
con tiempo medio.
El valor de t que acumula el 80 % de la probabilidad es 0,842, por lo que el
segmento viene definido por (−0,842 ,+0,842). Ahora calculamos los valores de la
variable X correspondientes a estos valores de t .
X −4
−0,842=
1
X =3,158
X −4
0,842=
1
X =4,158
Los valores de X son 3,158 y 4,158 . Por lo tanto, los electricistas con tiempos
comprendidos entre 3,158 días y 4,158 días constituyen el 60 % de la población con
un tiempo medio de realización del cuadro.
Referencias
Matemovil. (s.f.). Distribución normal. Matemovil.
Statologos. (7 de mayo de 2021). Ejemplos de la vida real de la distribución

normal. Statologos.
superprof. (s.f.). Distribución Normal. superprof.

Estadistica 1

Cargado por

Copyright:

Formatos disponibles

Estadistica 1

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Estadistica 1

Cargado por

Copyright:

Formatos disponibles

Acción 1.

¿A que tipos de fenómenos se les puede asociar una distribución normal?

 Peso al nacer de los bebés

La distribución de tallas de zapatos para hombres en los EE. UU. Se distribuye

Un histograma de las tallas de calzado de todos los hombres estadounidenses

La distribución de la presión arterial diastólica para los hombres se distribuye

Un histograma de la distribución de la presión arterial para todas las medias

El valor de x corresponde a un valor observado del fenómeno. μ es la media

Tiene las siguientes características:

 Toma en cuenta la media( µ) y la desviación estándar(σ ).

 El área bajo la curva es igual a 1.

Algunos otros ejemplos de variables con distribución normal:

La distribución normal estándar

Por ejemplo, si se desea encontrar la probabilidad de que la variable

¿Y si mi distribución normal no es estandarizada?

Ahora, veamos la gráfica de esta distribución normal:

En la tabla la probabilidad acumulada para el valor 2 (equivalente a un tiempo

P( X > 75)=(t >1,4)=1−P(t ≤ 1,4)=1−0,9192=0,0808

Luego, el 8,08% de las lámparas (808 lámparas) superarán los 75 meses

b) ¿Cuántas lámparas se estropearán antes de 60 meses?

P( X ≤ 60)=t ≤−1,6 ¿=P(t>1,6)=1−P(t ≤ 1,6)=0,0548

Luego, el 5,48% del lote (548 lámparas) no llegarán probablemente a durar 60

b) Si usted consume 45 Kwh . ¿qué % de la población consume menos que

P(X ≤ 45)=P(t ≤−2,333)=P( t>2,333)=1−P(t ≤ 2,333)=1−0,9901=0,0099

Luego, tan sólo un 1,39 % de la población consume menos que usted.

 Tipificamos el valor 365

Luego él 94,18 % de las lámparas, es decir 20.000 ⋅0.9418=18.836 bombillas se

P( X > 400)=P(t >2,45)=1−P (t ≤ 2,45)=1−0,9929=0,0071

P(t >1)=1−P(t ≤1)=1−0,8413=0,1587

Luego, el 15,87 % de los electricistas emplean un tiempo inferior a 3 días.

Despejando X , su valor es 5,282. Por lo tanto, el 10 % de los electricistas que más

Buscamos en la tabla el valor de t cuya probabilidad acumulada es el 0,8(80 %).

Matemovil. (s.f.). Distribución normal. Matemovil.

Statologos. (7 de mayo de 2021). Ejemplos de la vida real de la distribución

superprof. (s.f.). Distribución Normal. superprof.

También podría gustarte