Distribución normal

La gráfica de la distribución normal tiene la forma de una campana, por este motivo también es conocida como
la campana de Gauss. Sus características son las siguientes:
• Es una distribución simétrica.
• Es asintótica, es decir sus extremos nunca tocan el eje horizontal, cuyos valores tienden a infinito.
• En el centro de la curva se encuentran la media, la mediana y la moda.
• El área total bajo la curva representa el 100% de los casos.
• Los elementos centrales del modelo son la media y la varianza.

En el gráfico, el área sombreada

corresponde a la probabilidad de
encontrar un valor de la variable que sea
igual o inferior a un valor dado. Esa
probabilidad es la que aprenderemos a
determinar usando una tabla
X < Me < Mo X = Me = Mo Mo < Me < X estandarizada
 Fórmula de la distribución normal

Dada una variable aleatoria X, decimos que la frecuencia de sus observaciones puede aproximarse
satisfactoriamente a una distribución normal tal que:

Variable aleatoria X aproximada a una distribución normal.

Donde los parámetros de la distribución son la media o valor central y la desviación típica
poblacional:
 Representación

Función de densidad de probabilidad de una variable aleatoria que sigue una distribución normal.

Función de densidad de una distribución normal.

 Propiedades

•Es una distribución simétrica. El valor de la media, la mediana y la moda coinciden.

Matemáticamente,

Media = Mediana = Moda

•Distribución unimodal. Los valores que son más frecuentes o que tienen más
probabilidad de aparecer están alrededor de la media. En otras palabras, cuando nos
alejamos de la media, la probabilidad de aparición de los valores y su frecuencia
descienden.
 ¿Qué necesitamos para representar una
distribución normal?

•Una variable aleatoria.

•Calcular la media.
•Calcular la desviación típica.
•Decidir la función que queremos representar:
función de densidad de probabilidad o función de
distribución.
 Ejemplo

Suponemos que queremos saber si los resultados de un examen pueden

aproximarse satisfactoriamente a una distribución normal.
Sabemos que en este examen participan 464 estudiantes y que los resultados podrán
oscilar entre 0 y 10. Calculamos la media y la desviación típica a partir de las
observaciones (resultados del examen).
K XI fi
1 0 8
2 1 31
3 2 44
4 3 56
𝑵(𝝁 = 𝟓, 𝝈 = 𝟐. 𝟓𝟕)
5 4 64
6 5 66
7 6 62
8 7 51
9
10
8
9
39
26
La variable aleatoria X representa la variable resultados del
11 10 17 examen y puede aproximarse a una distribución normal de
media 5 y desviación típica de 2.57
n= 464

MEDIA= 5
DESVI= 2.57
MEDIANA= 5
MODA= 5
Diagrama de barras de frecuencias sobre la variable resultados del examen.
La variable resultados del examen sigue una
distribución normal.
 CÁLCULO DE PROBABILIDADES EN UNA
DISTRIBUCIÓN NORMAL.

• P [ Z ≤ a ]= tabla
• P [ Z ≤ - a ]= 1 - P [ Z ≤ a]
• P [ Z > a ]= 1 - P [ Z ≤ a ]
• P [ Z > - a ]= P [ Z < a ]
• P [ a < Z < b ]= P [ Z < b] - P [ Z < a ]

Ejemplos

• P [ Z ≤ 2.43 ] = 0.9925
• P [ Z < -0.04] = 1 - P [ Z < 0.04 ] = 1- 0.5160 = 0.484
• P[ Z > 1.83 ] = 1 - P [ Z ≤ 1.83 ] = 1 - 0.9664 = 0.0336
• P [ Z > -3] = P [ Z < 3 ] = 0.9987
• P [ -3<Z<2.43]= P[Z<2.43] – P[Z<-3]= 0.9925-[1-0.9987]= 0.9912
 Tabla de la distribución normal

La tabla de la distribución normal presenta los valores de probabilidad para una variable estándar Z, con
media igual a 0 y varianza igual a 1.
Para usar la tabla, siempre debemos estandarizar la variable por medio de la expresión:
𝜇 =media poblacional
x=media muestral

Ejemplo: Supongamos un conjunto de personas con edad promedio 25 años y desviación tipica 3,86.
calcular la probabilidad de que la variable X tome un valor menor a 30 años. :

𝑵(𝝁 = 𝟐𝟓 𝝈 = 𝟑. 𝟖𝟔)

25 30 N[25 ; 3.86]
 30 − 25
𝑧= = 1.295 ≈ 1.3
3.86

Vemos que el valor Z = 1,30 tiene una probabilidad asociada de 0,9032. Entonces, la probabilidad de encontrar una
persona con edad de 30 años o menos, en este grupo humano, es 0,9032 o el 90.32%.

25 30 N[25 ; 3.86]
La duración en kilometro de los neumáticos de una cierta marca se ajusta a una
distribución N(48000 ; 3000), calcule el intervalo de confianza del 80%
0.2
N.C=85%→ 0.80 + = 0.9000 → Z= ± 1.28
2

N[48000,3000]
1 2 𝑥ҧ2 − 48000
𝑥ҧ1 − 48000 𝒁𝟐 =
𝒁𝟏 = 3000
3000
𝑥ҧ1 − 48000 𝑥ҧ1 − 4800
−1.28 = 1.28 =
3000 3000
ഥ𝟏 = −1.28 ∗ 3000 + 48000
𝒙 ഥ𝟐 = 1.28 ∗ 3000 + 48000
𝒙
ഥ𝟏 = 𝟒𝟒𝟏𝟔𝟎
𝒙 ഥ𝟐 = 𝟓𝟏𝟖𝟒𝟎
𝒙

-1.28 0 1.28 N[0,1]

𝑰. 𝑪𝟖𝟎% = [𝟒𝟒𝟏𝟔𝟎; 𝟓𝟏𝟖𝟒𝟎]
𝑥ҧ1 48000 𝑥ҧ2 N[48000,3000]

El 80% de sus neumáticos duran entre 𝟒𝟒𝟏𝟔𝟎 km y 𝟓𝟏𝟖𝟒𝟎 km

 Ejemplo
Sea X una variable aleatoria con media 4 y desviación típica 2. calcular la
probabilidad de que dicha variable tome valores inferiores a 5 y hallar su
intervalo de confianza del 98%
𝑵(𝝁 = 𝟒 𝝈 = 𝟐)
0.2
N.C=98%→ 0.98 + 2
= 0.99 → Z= ± 2.33
N[4,2]
1 2 𝑥ҧ2 − 4
𝑥ҧ1 − 4 𝒁𝟐 =
𝒁𝟏 = 2
𝑃(𝑥 ≤ 5) 2
𝑥ҧ1 − 4 𝑥ҧ1 − 4
−2.33 = 2.33 =
2 2
5−4
𝑍= = 0.5 ഥ𝟏 = −2.33𝑥2 + 4
𝒙 ഥ𝟐 = 2.33𝑥2 + 4
𝒙
2
𝑃 𝑧 ≤ 0.5 = 0.6915 ഥ𝟏 = −𝟎. 𝟔𝟔
𝒙 ഥ𝟐 = 𝟖. 𝟔𝟔
𝒙

-2.33 0 2.33 N[0,1]

𝑰. 𝑪𝟗𝟖% = [−𝟎. 𝟔𝟔 ; 𝟖. 𝟔𝟔 ]
𝑥ҧ1 4 𝑥ҧ2 N[4,2]
Sea X una variable aleatoria con media 5 y desviación típica
2. calcular la probabilidad de que dicha variable tome
valores inferiores a 4, calcular su intervalo de confianza del
85% N(𝝁 = 𝟓; 𝝈 = 𝟐)
𝑷𝑿<𝟒 4−5
𝑧= = −𝟎. 𝟓
2
𝑃 𝑍 < −0.5 = 1 − 0.6915 = 0.3085 ≈ 𝟑𝟎. 𝟖𝟓%
0.15
N.C=85%→ 0.85 + = 0.9250 → Z= ± 1.44
2

N[5,2]
1 2 𝑥ҧ2 − 5
𝑥ҧ1 − 5 𝒁𝟐 =
𝒁𝟏 = 2
2
𝑥ҧ1 − 5 𝑥ҧ1 − 5
−1.44 = 1.44 =
2 2
ഥ𝟏 = −1.44𝑥2 + 5
𝒙 ഥ𝟐 = 1.44𝑥2 + 5
𝒙
ഥ𝟏 = 𝟐. 𝟏𝟐
𝒙 ഥ𝟐 = 𝟕. 𝟖𝟖
𝒙

-1.44 0 1.44 N[0,1]

𝑰. 𝑪𝟖𝟓% = [𝟐. 𝟏𝟐; 𝟕. 𝟖𝟖]
𝑥ҧ1 5 𝑥ҧ2 N[5,2]
Sea X una variable aleatoria con media 9 y desviación típica 4.
calcular la probabilidad de que dicha variable tome valores
inferiores a 4, calcular su intervalo de confianza del 99%
N(𝝁 = 𝟗; 𝝈 = 𝟒)
𝑷𝑿<𝟖
8−9
𝑧= = −𝟎. 𝟐𝟓
4
𝑃 𝑍 < −0.25 = 1 − 0.5987 = 0.4013 ≈ 𝟒𝟎. 𝟏𝟑%
0.15
N.C= 99%→ 0.85 + = 0.9950 → Z= ± 2.58
2

N[9,4]
1 2 𝑥ҧ2 − 9
𝑥ҧ1 − 9 𝒁𝟐 =
𝒁𝟏 = 4
4
𝑥ҧ1 − 9 𝑥ҧ1 − 9
−2.58 = 2.58 =
4 4
ഥ𝟏 = −2.58𝑥4 + 9
𝒙 ഥ𝟐 = 1.44𝑥4 + 9
𝒙
ഥ𝟏 = −𝟏. 𝟑𝟐
𝒙 ഥ𝟐 = 𝟏𝟗. 𝟑𝟐
𝒙

-2.58 0 2.58 N[0,1]

𝑰. 𝑪𝟗𝟗% = [−𝟏. 𝟑𝟐; 𝟏𝟗. 𝟑𝟐]
𝑥ҧ1 9 𝑥ҧ2 N[9,4]
Sea X una variable aleatoria con media 5 y desviación típica 2. calcular la probabilidad de
que dicha variable tome valores entre 4 y 5

N(𝝁 = 𝟓; 𝝈 = 𝟐)
𝑷𝟒<𝑿<𝟓
𝑷𝑿<𝟒 𝑷𝑿<𝟓
4−5 5−5
𝑧1 = = −𝟎. 𝟓 ; 𝑧2 = =𝟎
2 2

𝑷 −𝟎. 𝟓 < 𝒁 < 𝟎 = 𝑃 𝑍 < 0 − 𝑃 𝑍 < −0.5 = 0.5 − 1 − 0.6915 = 0.1915 ≈ 𝟏𝟗. 𝟏𝟓%
 Se quiere encontrar el intervalo de confianza para la media del gasto de trasporte de una determinada empresa.
Ese gasto se distribuye de forma normal, con media µ y desviación típica 30, en ese M.A.S la media muestral resulto
ser de 625. considera un nivel de significancia del 5%, hallar el I.C de las medias poblacionales y el I.C de medias
muestrales correspondientes
DATOS: 0.05 MEDIAS MUESTRALES
NS =5% → + 0.95 =0.9750 → Z= ±1.96
ഥ = 625
𝒙 2

625 − µ
N[µ,30]
1 𝒁 = 1
625 − µ2
𝟏
30 2 𝒁𝟐 =
625 − µ1 30 N[0,1] N[0,1]
1.96 = -1.96 0 1.96 -1.96 0 1.96
30 625 − µ2 𝑥ҧ1 𝑥ҧ1
−1.96 = 566.2 𝑥ҧ2 N[µ,4] 683.2 𝑥ҧ2 N[µ,4]
µ𝟏 = 30 x −1.96 +625 30
µ𝟐 = 30 x 1.96 +625 N[566.2;30] N[683.8 ; 30]
µ𝟏 = 𝟓𝟔𝟔. 𝟐
µ𝟐 = 𝟔𝟖𝟑. 𝟖 1 2 1 2
𝑥1ҧ − 566.2 𝑥ҧ2 − 566.2 𝑥1ҧ − 683.8 𝑥ҧ2 − 683.8
𝒁𝟏 = 𝒁𝟐 = 𝒁𝟐 =
𝑰. 𝑪𝟗𝟓% = [𝟓𝟔𝟔. 𝟐; 𝟔𝟖𝟑. 𝟖] 30 30
𝑥1ҧ − 566.2
𝒁𝟏 =
30 30
𝑥1ҧ − 683.8
𝑥1ҧ − 566.2 1.96 = 𝑥1ҧ − 683.8
−1.96 = −1.96 = 1.96 =
30 30 30 30
ഥ𝟏 = −1.96 ∗ 30 + 566.2
𝒙 ഥ𝟐 = 1.96 ∗ 30 + 566.2 𝒙
𝒙 ഥ𝟏 = −1.96 ∗ 30 + 683.8 ഥ𝟐 = 1.96 ∗ 30 + 683.8
𝒙

ഥ
𝒙𝟏 = 𝟓𝟎𝟕. 𝟒 ഥ
𝒙𝟐 = 𝟔𝟐𝟓 ഥ
𝒙𝟏 = 𝟔𝟐𝟓 ഥ
𝒙𝟐 = 𝟕𝟒𝟐. 𝟔

𝑰. 𝑪𝟗𝟓% = [𝟓𝟎𝟕. 𝟒; 𝟔𝟐𝟓] 𝑰. 𝑪𝟗𝟓% = [𝟔𝟐𝟓; 𝟕𝟒𝟐. 𝟔]

-1.96 0 1.96 N[0,1]
µ1 µ µ2 N[µ,4]
 Si x es una variable aleatoria continua
distribuida de forma tal con media de 22 y
varianza 4 .Encontrar el valor de “a”,
𝒙 ≥a)= 0.1814
tal que P(ഥ

N(𝝁 = 𝟐𝟐; 𝝈 = 𝟐)
𝑃 𝑧 ≥ 𝑎 = 0.1814
𝑃 𝑧 ≥ 𝑎 = 1 − 0.1814
𝑃 𝑧 ≥ 𝑎 = 0.8186
𝒁 = 𝟎. 𝟗𝟏
𝑎−22 𝑎−22
𝑧= → 0.91 = → 𝑎 = 0.91 ∗ 2 + 22 → 𝒂 = 𝟐𝟑. 𝟖2
2 2
COMPROBANDO
𝑷 𝑿 > 𝟐𝟑. 𝟖𝟐
23.82 − 22
𝑧= = 𝟎. 𝟗𝟏
2

𝑷 𝒁 > 𝟎. 𝟗𝟏 = 1 − 0.8186 = 0.1814 ≈ 𝟏𝟖. 𝟏𝟒%