PROBABILIDAD Y ESTADÍSTICA APLICADA A

LA INGENIERÍA AMBIENTAL
Departamento de Ingeniería Civil y Ambiental
Facultad de Ingeniería

CLASE 6 – Distribución Normal

1er SEMESTRE, 2023

1
 VARIABILIDAD- DISTRIBUCION NORMAL
• Distribución de probabilidad para datos con)nuos
• Forma de campana (Curva Gausiana)
– Valores de -∞ a +∞
– Simétrica alrededor del promedio µ
– Promedio = Mediana = Moda
– Área debajo de la curva = 1 (distribución normal estandar)

2
Fuente: Banden-Roche, Biostatistics 621, 2004
 VARIABILIDAD- DISTRIBUCION NORMAL

La distribución normal estándar (o unitaria) tiene la siguiente función de

probabilidad:

z2
1 −
f ( z) = e 2
,−∞ < z < +∞ Fuente:
2π

[ ]
Banden-
Roche,
x−µ
µz = 0 σz =1
y Biostatistics
donde z= y 621, 2004
σ z ~ N (0,1) 3
AREA BAJO LA CURVA DE DISTRIBUCION
NORMAL

4
Fuente: Banden-Roche, Biostatistics 621, 2004
 DISTRIBUCION NORMAL

La probabilidad de que X sea menor o igual a x es el área bajo la curva a la

izquierda de x (En una distribución normal estandarizada)

5
Fuente: Banden-Roche, Biostatistics 621, 2004
 6
Fuente: Rosner
 DISTRIBUCION NORMAL
Cálculo de probabilidades

Z0 0 Z1
• Probabilidad de que el valor de z esté entre dos valores, z0
y z1 .
z1 z2
1 −2
P ( z0 ≤ z ≤ z1 ) = ∫ e dz
z0 2π
• Se puede resolver con la tabla de la Distribución Normal, o con
software estadístico
7
Fuente: Banden-Roche, Biostatistics 621, 2004
 DISTRIBUCION NORMAL
Cálculo de probabilidades

-Z0 0 +Z0
• Por simetría
P ( z ≤ −z0 ) = P ( z ≥ z0 )
• Cada mitad de la curva tiene un área igual a 0.5
P ( 0 ≤ z ≤ z0 ) = 0.5 − P ( z ≥ z0 )
P (−z0 ≤ z ≤ 0 ) = 0.5 − P ( z ≤ −z0 )
8
Fuente: Banden-Roche, Biostatistics 621, 2004
 DISTRIBUCION NORMAL
Cálculo de probabilidades

-Z0 0 +Z0

P ( z ≤ z0 ) = 0.5 + P ( 0 ≤ z ≤ z0 )

P ( z ≤ z0 ) = 0.5 + 0.5 − P ( z ≥ z0 )

P ( z ≤ z0 ) = 1− P ( z ≥ z0 )

9
Fuente: Banden-Roche, Biostatistics 621, 2004
 DISTRIBUCION NORMAL
Cálculo de probabilidades

Z0 0 Z1

P ( z ≤ −z0 ) P ( z ≥ z0 )

P (−z0 ≤ z ≤ z0 ) = 1− 2.P ( z ≥ z0 )
10
Fuente: Banden-Roche, Biostatistics 621, 2004
 DISTRIBUCION NORMAL
Cálculo de probabilidades

Z0 0 Z1

• Para z0 ≠ z1

P ( z0 ≤ z ≤ z1 ) = 1− P ( z ≥ z1 ) − P ( z ≤ z0 )
P ( z0 ≤ z ≤ z1 ) = 1− P ( z ≥ z1 ) − P ( z ≥ −z0 )

11
Fuente: Banden-Roche, Biostatistics 621, 2004
 DISTRIBUCION NORMAL
Cálculo de probabilidades

-1 0 2

• Ejemplo
P (−1 ≤ z ≤ 2 ) = 1− P ( z ≥ 2 ) − P ( z ≤ −1)
P (1 ≤ z ≤ 2 ) = 1− P ( z ≥ 2 ) − P ( z ≥ 1)
P (1 ≤ z ≤ 2 ) = 1− 0.0228 − 0.1587 = 0.8185
12
Fuente: Banden-Roche, Biostatistics 621, 2004
 13
Fuente: Rosner
 P(Z # z) 5 ? so the table is used in an inverse fashion: Find in the midd
le .9900; the row and DISTRIBUCION
column in whichNORMAL it lies identify the 99th z perce
9901Ellies at the
percentil 99 intersection ofnormal
de la distribución the row marked
estándar 2.3 valor
es aquel and column marked .0
en el eje del
horizonte tal que el área bajo la curva z a la izquierda del valor es .9900. La tabla
h percentile is (approximately) z 5 2.33. (See Figure 4.17.) By symmetry
de la distribución normal muestra para un z (x) fijo el área bajo la curva normal
ercentile is aasla far
estándar below
izquierda 0 mientras
de z, as the 99th is tenemos
que aquí above 0, so equals
el área 22.33
y queremos el (1%
the valor
first de
andz. Es decir,
also cuál es
above theel 99th).
valor de (See
Z que Figure
corresponde al percentil 99.
4.18.)

Shaded area " .9900

z curve

99th percentile

Figure 4.17 Finding the 99th percentile

14
Devore JL, Probability and Stacsccs Engineering and the Sciences, 8th Ed, 2012
 DISTRIBUCION NORMAL
El percentil 99 de la distribución normal estándar es aquelShaded
valor enarea " del
el eje .9900
horizonte tal que el área bajo
la curva z a la izquierda del valor es .9900. La tabla de la distribución normal muestra para un z (x) fijo el
área bajo la curva normal estándar a la izquierda de z, mientras que aquí tenemos el área y queremos el
z curve99.
valor de z. Es decir, cuál es el valor de Z que corresponde al percentil

Busque en el centro de la tabla el valor 0.9900; la fila y la columna en la

que se encuentra identifican el percentil
0 99 de z. Aquí .9901 se encuentra
en la intersección de la fila marcada como 2.3 y la columna marcada
como .03, por lo que el percentil 99 es (aproximadamente) z = 2.33. Por
99th
simetría, el primer percentil está tan por percentile
debajo de 0 como el 99 está por
encima de 0, por lo que es igual a -2,33 (el 1% está por debajo del primero
y también por encima Figure 4.17 Finding the 99th percentile
del 99).

z curve

Shaded area " .01

!2.33 " 1st percentile 2.33 " 99th percentile

15
Devore JL, Probability
Figure 4.18 Theand Stacsccs Engineering
relationship between theand
1stthe
andSciences, 8th Ed, 2012
99th percentiles ■
DISTRIBUCION NORMAL – Ejemplo peso al nacer

2000 3000 4000 Peso

• Población de niños recien nacidos.

• Los pesos de los niños son datos continuos. Supongamos que los pesos
tienen una distribución normal
• Promedio=mediana=moda=3000 g = µ
• Desviación estándar = 1000 (unidades ?) = σ
• El área bajo la curva representa la probabilidad (proporción) de niños con
pesos al momento de nacer dentro de cierto rango de valores.
Peso de un
recién nacido x−µ
z=
σ 16
Fuente: Banden-Roche, Biostatistics 621, 2004
DISTRIBUCION NORMAL – Ejemplo peso
al nacer

2000 3000 4000

• Promedio = mediana = moda = 3000 g = µ

68% de los pesos
• Desviación estándar = 1000 g = σ
están entre 2000 g
y 4000 g

17
Fuente: Banden-Roche, Biostatistics 621, 2004
DISTRIBUCION NORMAL – Ejemplo peso
al nacer

zo μ z1

• µ = 3000 g
• σ = 1000 g Cuál es la probabilidad de que un
• X = peso al nacer bebé nazca con un peso superior a
X −µ 5000 g?
z=
σ
18
Fuente: Banden-Roche, Biostatistics 621, 2004
 DISTRIBUCION NORMAL – Ejemplo peso
al nacer

X −µ
z=
σ

zo μ z1

Cuál es la probabilidad de que un bebé nazca con un peso superior a 5000 g?

µ = 3000 g; σ = 1000 g; X = peso al nacer

P(X > 5000) =
" X − µ 5000 − 3000 %
P$ > '=
# σ 1000 &
P ( Z > 2 ) = 0.0228
19
Fuente: Banden-Roche, Biostatistics 621, 2004
 DISTRIBUCION NORMAL – Ejemplo peso
al nacer

zo μ z1

Cuál es la probabilidad de que un bebé nazca con un peso inferior a 3500 g?

µ = 3000 g; σ = 1000 g; X = peso al nacer

X −µ
z=
σ
20
Fuente: Banden-Roche, Biostatistics 621, 2004
 DISTRIBUCION NORMAL – Ejemplo peso
al nacer

X −µ
z=
σ
zo μ z1

Cuál es la probabilidad de que un bebé nazca con un peso inferior a 3500 g?

µ = 3000 g; σ = 1000 g; X = peso al nacer

P(X < 3500) = P ( Z < 0.5) =

" X − µ 3500 − 3000 % 1− P ( Z > 0.5) =
P$ < '=
# σ 1000 &
P ( Z < 0.5) = 1− 0.3085 = 0.6915
21
Fuente: Banden-Roche, Biostatistics 621, 2004
 DISTRIBUCION NORMAL – Ejemplo peso
al nacer

X −µ
z=
σ
zo μ z1

Cuál es la probabilidad de que un bebé tenga un peso al nacer entre 2500 y 4000 g?

µ = 3000 g; σ = 1000 g; X = peso al nacer

22
Fuente: Banden-Roche, Biostatistics 621, 2004
 DISTRIBUCION NORMAL – Ejemplo peso
al nacer

X −µ
z=
σ
zo μ z1

Cuál es la probabilidad de que un bebé tenga un peso al nacer entre 2500 y 4000 g?

µ = 3000 g; σ = 1000 g; X = peso al nacer

P(2500 < X < 4000) = P (−0.5 < Z < 1)

" 2500 − 3000 X − µ 4000 − 3000 % = 1− P ( Z > 1) − P ( Z < −0.5)
P$ < < '=
# 1000 σ 1000 & = 1− P ( Z > 1) − P ( Z > 0.5)
= 1− 0.1587 − 0.3085 = 0.5328
23
Fuente: Banden-Roche, Biostatistics 621, 2004
DISTRIBUCION NORMAL - Ejemplo
El voltaje de un diodo elegido al azar se distribuye
normalmente.
1. ¿Cuál es la probabilidad de que el voltaje esté
dentro de una desviación estándar de su valor
medio?
2. ¿Cuál es la probabilidad de que el voltaje esté
dentro de dos desviaciones estándar de su valor
medio?
3. ¿Cuál es la probabilidad de que el voltaje esté
dentro de tres desviaciones estándar de su valor
medio?
Plantee el ejercicio con las ecuaciones, y después
resuélvalo con los valores numéricos.
24
Devore JL, Probability and Stacsccs Engineering and the Sciences, 8th Ed, 2012
 DISTRIBUCION NORMAL - Ejemplo
El voltaje de un diodo elegido al azar se distribuye
normalmente.
1. ¿Cuál es la probabilidad de que el voltaje esté dentro
de una desviación estándar de su valor medio?
X −µ
z=
σ
P (µ − σ ≤ X ≤ µ + σ )

⎛ µ −σ − µ µ +σ − µ ⎞
P⎜ ≤Z≤ ⎟
⎝ σ σ ⎠

P (−1 ≤ Z ≤ +1)

= 1− ( 0.1587 + 0.1587) = 0.6826

25
Devore JL, Probability and Stacsccs Engineering and the Sciences, 8th Ed, 2012
 DISTRIBUCION NORMAL - Ejemplo
El voltaje de un diodo elegido al azar se distribuye
normalmente.
2. ¿Cuál es la probabilidad de que el voltaje esté dentro
de dos desviaciones estándar de su valor medio?
X −µ
z=
σ
P (µ − 2σ ≤ X ≤ µ + 2σ )

⎛ µ − 2σ − µ µ + 2σ − µ ⎞
P⎜ ≤Z≤ ⎟
⎝ σ σ ⎠

P (−2 ≤ Z ≤ +2 )

= 1− ( 0.0228 + 0.0228) = 0.9544

26
Devore JL, Probability and Stacsccs Engineering and the Sciences, 8th Ed, 2012
 DISTRIBUCION NORMAL - Ejemplo
El voltaje de un diodo elegido al azar se distribuye
normalmente.
3. ¿Cuál es la probabilidad de que el voltaje esté dentro
de tres desviaciones estándar de su valor medio?
X −µ
z=
σ
P (µ − 3σ ≤ X ≤ µ + 3σ )

⎛ µ − 3σ − µ µ + 3σ − µ ⎞
P⎜ ≤Z≤ ⎟
⎝ σ σ ⎠

P (−3 ≤ Z ≤ +3)

= 1− ( 0.013+ 0.013) = 0.9774

27
Devore JL, Probability and Stacsccs Engineering and the Sciences, 8th Ed, 2012
 DISTRIBUCION NORMAL - Ejemplo
La cancdad de agua desclada dispensada por una
máquina de laboratorio se distribuye normalmente con
un valor medio de 64 oz y una desviación estándar de
0.78 oz. ¿Qué tamaño de recipiente c garanczará que el
el agua desclada se riegue no más del 0.5% de las
veces?
El Z correspondiente a 0.995 está entre 2.57 y 2.58. Z = 2.575
Z está en términos de desviaciones estándar, por lo cual
podemos mulcplicar 0.78 oz * 2.575 = 2.0085 oz

Por lo tanto el volumen c = 64 oz + 2.0085 oz = 66.0085 oz

28
Devore JL, Probability and Stacsccs Engineering and the Sciences, 8th Ed, 2012
ndard deviations from m.

DISTRIBUCION NORMAL - Ejemplo

e amount of distilled water dispensed by a certain machine is normally distribut
h mean value 64 oz and standard deviation .78 oz. What container size c will ensu
La cancdad de agua desclada dispensada por una
t overflow occurs only .5% of the time? If X denotes the amount dispensed, t
siredmáquina
condition de laboratorio
is that P(X . c) 5 se.005
distribuye normalmente
, or, equivalently, that P(X con
# c) 5 .99
us cun valor
is the medio
99.5th de 64
percentile of oz
theynormal
una desviación estándar
distribution with m 5 64deand s 5 .7
0.78percentile
e 99.5th oz. ¿Quéof tamaño denormal
the standard recipiente c garanczará
distribution is 2.58, so que el
el aguac desclada
5 h(.995) 5se64riegue no más5del
1 (2.58)(.78) 640.5%
1 2.0de
5 las
66 oz
is isveces? Por lo tanto el volumen c = 64 oz + 2.0085 oz = 66.0085 oz
illustrated in Figure 4.23.

Shaded area ! .995

" ! 64

c ! 99.5th percentile ! 66.0

29
Devore JL, Probability and Stacsccs Engineering and the Sciences, 8th Ed, 2012
 DISTRIBUCION NORMAL - Ejemplo
Se sabe que el coeficiente intelectual de una población
determinada (medido mediante un test estandarizado) se
distribuye aproximadamente de forma normal con μ = 100
y σ = 15.
¿Cuál es la probabilidad de que un individuo seleccionado
al azar tenga un CI de al menos 125?

P(X ≥ 125) = . display normal(1.67)

⎛ X − µ 125 −100 ⎞ .95254032
P⎜ ≥ ⎟
⎝ σ 15 ⎠ . display normal(-1.67)
P(Z ≥ 1.67) = 0.475 .04745968

30
Devore JL, Probability and Stacsccs Engineering and the Sciences, 8th Ed, 2012
 DISTRIBUCION NORMAL - Ejemplo
Se sabe que el coeficiente intelectual de una población
determinada (medido mediante un test estandarizado) se
distribuye aproximadamente de forma normal con μ = 100
y σ = 15.
¿Cuál es la probabilidad de que un individuo seleccionado
al azar tenga un CI de al menos 125?

P(X ≥ 125) =
. display invnormal(0.04745968)
⎛ X − µ 125 −100 ⎞ -1.67
P⎜ ≥ ⎟
⎝ σ 15 ⎠
P(Z ≥ 1.67) = 0.475

31
Devore JL, Probability and Stacsccs Engineering and the Sciences, 8th Ed, 2012
 DISTRIBUCION NORMAL - Ejemplo
El cempo que tarda un conductor en reaccionar a las luces de freno
de un vehículo que desacelera es fundamental para evitar
colisiones. El arsculo "Fast-Rise Brake Lamp as a Collision-
Prevencon Device" (Ergonomics, 1993: 391-395) sugiere que el
cempo de reacción para una respuesta en el tráfico a una señal de
freno de las luces de freno estándar puede modelarse con una
distribución normal que cene un valor medio de 1.25 s y una
desviación estándar de 0.46 s. ¿Cuál es la probabilidad de que el
cempo de reacción sea entre 1.00 s y 1.75 s?
h

P(1 ≤ X ≤ 1.75) =
⎛ 1−1.25 1.75 −1.25 ⎞
P⎜ ≤Z≤ ⎟
⎝ 0.46 0.46 ⎠
P (−0.54 ≤ Z ≤ 1.09 )
= 0.2054 + 0.3621 = 0.5675
32
Devore JL, Probability and Stacsccs Engineering and the Sciences, 8th Ed, 2012
 DISTRIBUCION NORMAL - Ejemplo
El cempo que tarda un conductor en reaccionar a las luces de freno de un
vehículo que desacelera es fundamental para evitar colisiones. El arsculo "Fast-
HAPTER 4 Continuous Random Variables and Probability Distributions
Rise Brake Lamp as a Collision-Prevencon Device" (Ergonomics, 1993: 391-395)
sugiere que elbetween cempo 1.00desec reacción
and 1.75 sec?para una
If we let respuesta
X denote enthen
reaction time, el tráfico
standardiz-a una señal de
freno de las luces de freno estándar puede modelarse con una distribución
ing gives
# X # 1.75
normal que cene un valor medio de1.00 1.25 s y una desviación estándar de 0.46 s.
if and only if
¿Cuál es la probabilidad de que el cempo de reacción sea entre 1.00 s y 1.75 s?
1.00 2 1.25 X 2 1.25 1.75 2 1.25
Hágalo
# con STATA
# y dibuje lo que está pasando
P(1 ≤ X ≤ 1.75) = .46 .46 .46

⎛ 1−1.25 Thus −1.25 ⎞

1.75 . display normal(-0.54)
P⎜ ≤Z≤ ⎟ .29459852
1.00 2 1.25 1.75 2 1.25
⎝ 0.46 0.46 ⎠
P(1.00 # X # 1.75) 5 Pa . display # Z #normal(1.09) b
.46 .46
P (−0.54 ≤ Z ≤ 1.09 ) .86214343
5 P(2.54 # Z # 1.09) 5 !(1.09) 2 !(2.54)
= 0.2054 + 0.3621 = 0.5675 5 .8621 2 .2946 5 .5675
P=0.86214343-0.29459852=0.5675
Normal, # ! 1.25, $ ! .46 P(1.00 " X " 1.75)

z curve

1.25 0

1.00 1.75 !.54 1.09 33

Devore JL, Probability and Stacsccs Engineering and the Sciences, 8th Ed, 2012