ESTADÍSTICA GENERAL

Distribución Normal
 1 Distribución Normal

2 Características de la Distribución Normal

Temas a
3 Distribución Normal Estándar
Desarrollar

4 Areas debajo de la Curva Normal

5 Tablas de Distribución Normal

Logro de la sesión
La distribución normal tiene ciertas propiedades matemáticas que nos
permiten predecir qué proporción de la población (estadística) caerá dentro de
cierto rango si la variable tiene distribución normal.
La distribución normal sirve para acercarse a diversas distribuciones de
probabilidad discreta, como la distribución binomial y la distribución de
Poisson. La distribución normal proporciona la base para la estadística
inferencial clásica por su relación con el teorema de límite central.

1.Su aplicación es directa y permite observar muchas variables de interés, que

pueden describirse fácilmente con este modelo.
2.Sirve para acercarse a varias distribuciones de probabilidad discreta, entre
estas la distribución de Poisson y la distribución Binomial.
DISTRIBUCIÓN NORMAL
La Distribución Normal
También conocida como campana de Gauss en honor al matemático Karl
Gauss ( siglo XIX).
a) Es importante por:
 Es muy aplicable para inferencia estadística
 Se ajusta (casi) a las distribuciones de frecuencias reales observadas.

Se utiliza para describir el comportamiento de una variable continua.

b) Características
 Tiene un sólo pico (unimodal). Forma acampanada.
 La media cae en el centro
 La media, mediana y moda coinciden
Es asintótica al eje horizontal
  x  2
 
1
1 2   
f (x)  e
Media 2
Mediana
Moda

La distribución normal de
probabilidad es simétrica con
respecto a una línea vertical que
pase por la media

El extremo izquierdo se extiende El extremo derecho se extiende

de manera indefinida y nunca de manera indefinida y nunca
toca el eje horizontal toca el eje horizontal




  
 
 



c) Fórmula
La función de densidad: f(x), para la distribución normal tiene la siguiente
formula:

 x  2
1 1  
2 
f (x)  e 
2
donde:
e : constante matemática: 2.71828
 : constante matemática: 3.14159
 : media de la población
 : desviación estándar de la población
x : cualquier valor de la variable aleatoria continua
DISTRIBUCION NORMAL
 CARACTERISTICAS:

La curva normal tiene forma de campana y un solo pico en el centro de la

distribución. De esta manera, la media aritmética, la mediana y la moda de
la distribución son iguales y se localizan en el pico.

La distribución de probabilidad normal es simétrica alrededor de su media.

Es asintótica, lo que quiere decir que la curva se acerca cada vez más al eje
”X” pero jamás llega a tocarlo.
 COMPARACIONES:

• La desviación estándar “ 𝜎 ”
mide el grado de dispersión de
la campana.

 La media “ 𝜇 ” mide la
cantidad de observaciones por
encima y debajo de la
campana.
LA DESVIACION NORMAL
 PASOS: • Para resolver este problema, se utiliza
un solo “miembro” de la familia de
• Se observó que no existe una sola distribuciones normales, aquella cuya
distribución de probabilidad normal, media es 0 y desviación estándar 1 que
sino una “familia” de ellas. es la que se conoce como distribución
estándar normal,
 Como sabemos, cada una de las
distribuciones puede tener una media • Primero, convertiremos la distribución
(μ) o una desviación estándar distinta real en una distribución normal
(σ). Por tanto, el número de estándar utilizando un valor llamado Z,
distribuciones normales es ilimitado que será la distancia entre un valor
y sería imposible proporcionar una seleccionado, designado X, y la media
tabla de probabilidades para cada μ, dividida por la desviación estándar
combinación de μ y σ. σ.
La distribución normal estándar (Z)
La distribución normal tiene diferente  y  para calcular probabilidades habría
que integrar la función de densidad. Por este motivo se estandariza la variable.
La estandarización es un proceso estadístico que consiste en restar la media a la
variable y el resultado dividirlo por la desviación estándar.

ഥ
𝑿𝒊 − 𝒙
𝒛𝒊 = Muestral
𝒔
𝑿𝒊 − 𝝁
𝒛𝒊 = Poblacional
𝝈
Áreas debajo de la curva normal
No importa cuales son los valores de  y , para una distribución
de probabilidad normal el área total bajo la curva es 1.00, de
manera que podemos pensar en áreas bajo la curva como si
fuesen probabilidades. Matemáticamente es verdad que:

1: A una Desviación Estándar.

Aproximadamente 68% de todos los

valores de una población 68% datos
normalmente distribuida se
encuentra datos 1 desviación
estándar de la media .


  
    
 
2: A Dos Desviaciones Estándar.

Aproximadamente 95.5% de todos

los valores de una población 94.6% datos
normalmente distribuida se
encuentra datos 2 desviación
estándar de la media.    2
 
   2 
  

3: A Tres Desviaciones Estándar.

Aproximadamente 99.7% de todos
los valores de una población
99% datos
normalmente distribuida se
encuentra datos 3 desviación
estándar de la media.
   3 
    3 
 
 La tabla de distribución normal estándar, es la siguiente:

Distribución normal estándar

𝑋𝑖 = 15
𝜇 = 10
𝜎 = 2.7
𝑋𝑖 − 𝜇
𝑧𝑖 =
𝜎
15−10
𝑧𝑖 =
2.7
= 1.85
Buscamos en la 1° columna z :
1.8 Luego buscamos en la 1°
fila el digito que falta ubicar :
0.05

P( 0< 𝒛𝒊 <1.85) = 0.46784

0.4678


   

  10 Xi =15

0 zi =1.8
 Ejercicio: Un terapista físico piensa que los puntajes en una prueba de destreza
manual tiene una distribución aproximadamente normal, con una media de 10 y
una desviación estándar de 2,5. Si a un individuo, elegido aleatoriamente, se le
aplica el examen, ¿cuál es la probabilidad de que logre un puntaje de 15 o mas
puntos?.
Distribución normal estándar 𝑋𝑖 = 15 𝜇 = 10 𝜎 = 2.5

Normalizando el valor Xi
𝑋𝑖 − 𝜇
𝑧𝑖 =
𝜎
15−10
𝑧𝑖 = = 2.00
2.5

Para Z=2, buscamos en la tabla cual es la

probabilidad (o área) que le corresponde:
0.4772
P(10< Xi <15) = P(0< zi <2)
P(0< zi <2) = 0.4772 
 𝝁= 𝟏𝟎 
𝑿 
= 𝟏𝟓 

𝒊

Área = 0.4772
𝒛𝒊 = 𝟎 𝒛𝒊 = 𝟐
Como deseamos conocer esta área:
0,50
P(Xi ≥15) = 0,5 - P(0< zi <2) = 0,5 -0.4772 = 0,0228 0,4772
  2.5 0,0228

P(Xi ≥15) = 2,28%




 10  

Xi =15
¿Cuál es la probabilidad de que se logre un puntaje entre 11 y 14?

Calculando Z: 𝜇 = 10 𝜎 = 2.5
𝑋𝑖 −𝜇 11 −10
Cuando: 𝑋1 = 11 𝑧1 = = = 0,4
𝜎 2.5
Buscamos en la tabla cual es la probabilidad (o área) que le corresponde

P(10 ≤ X1 ≤ 11) = P(0 ≤ z1 ≤ 0,4)

0.2898
P(0 ≤ z1 ≤ 0,4) = 0.1554
Área = 0.1554  X1 =11
X
𝑋𝑖
2 =14

 

  10
𝑋𝑖 −𝜇 14 −10 𝑧𝑖
Cuando: 𝑋2 = 14 2 𝑧 = = = 1,6 0
𝜎 2.5 z1=0,4 z2=1,6

  
Buscamos en la tabla cual es la probabilidad (o área) que le corresponde

P(10 ≤ X2 ≤ 14) = P(0 ≤ z2 ≤ 0,4)

P(0 ≤ z1 ≤ 1,6) = 0.4452
Área = 0.4452

El área sombreada se encuentra restando del área mayor (0.4452) el área menor (0.1554)
P(11 ≤ Xi ≤ 14) = P(10 ≤ X2 ≤ 14) - P(10 ≤ X1 ≤ 11)
0.4452 - 0.1554 = 0.2898 28.98%
P(0,4 ≤ zi ≤ 1,6) = P(0 ≤ z2 ≤ 0,4) - P(0 ≤ z1 ≤ 0,4)
 Utilizando
la tabla a dos colas
Los paquetes de cereal vienen en cajas de 36 onzas que tienen una desviación estándar de 1.9
onzas. Se piensa que los pesos están distribuidos normalmente. Si se selecciona una caja
aleatoriamente, cuál es la probabilidad de que la caja pese:
a) ¿Menos de 34.8 onzas?
b) ¿Más de 34.8 onzas? 𝟎, 𝟓
c) ¿Entre 34.3 onzas y 38.9 onzas? P(34.8  Xi  36) = 0,23565
d) ¿Entre 39.5 onzas y 41.1 onzas? P(-0.63  Zi  0) = 0,23565
𝝁 = 𝟑𝟔 𝒐𝒏𝒛.
a) ¿Menos de 34.8 onzas? 𝝈 = 𝟏. 𝟗 onz.

DATOS: desviacion estándar = 1.9 media = 36

Primero estándarizamos el valor de Z, para X=34.8


X1= 𝟑𝟒. 𝟖 𝝁 
= 𝟑𝟔 
𝑋𝑖 −𝜇 34.8 −36
𝑧1 = = = −0,6316 

Z1= −𝟎. 𝟔𝟑 𝒁 
= 𝟎  
𝜎 1.9

La probabilidad de que la caja pese menos de 34.8 onz. Es: P(Zi < -0.63) = 0.5- P(-0.63  Zi  0)
P(Zi < -0.63) = 0.5- 0.23565
P(Zi < -0.63) = 0.26435
Análisis del Resultado: Al seleccionar una caja aleatoriamente, la probabilidad de que la caja pese
menos de 34.8 onzas es 0.26435 o el 26.44%.
0.6 + 0.03 = 0.63
 𝟎, 𝟓

P(34.8  Xi  36) = 0,23565

b) ¿Más de 34.8 onzas?1 P(-0.63  Zi  0) = 0,23565
DATOS: desviacion estándar = 1.9 media = 36 𝝁 = 𝟑𝟔 𝒐𝒏𝒛.
𝝈 = 𝟏. 𝟗 onz.
Primero estándarizamos el valor de Z,
para X=34.8
𝑋𝑖 −𝜇 34.8 −36
𝑧1 = = = −0,6316
𝜎 1.9
 X1= 𝟑𝟒. 𝟖 𝝁
 = 𝟑𝟔  


 Z1= −𝟎. 𝟔𝟑 𝒁

 = 𝟎  


La probabilidad de que la caja pese mas de 34.8 onz. Es: P(Zi > -0.63) = 0.5+ P(-0.63  Zi  0)
P(Zi > -0.63) = 0.5+ 0.23565
P(Zi > -0.63) = 0.73565
Análisis del Resultado: Al seleccionar una caja aleatoriamente, la probabilidad de que la caja pese más
de 34.8 onzas es 0.73565 o el 73.57%.
 𝝁 = 𝟑𝟔 𝒐𝒏𝒛.
𝝈 = 𝟏. 𝟗 onz.
c) ¿Entre 34.3 onzas y 38.9 onzas?
DATOS: desviacion estándar = 1.9 media = 36 P(34.3 < Xi < 36) = 0,31327 P(36 < Xi < 38.9) = 0,43699
P(-0.89 < Zi < 0) = 0,31327 P(0 < Zi < 1.53) = 0,43699
Primero estándarizamos el valor de Z, para X1=34.3
𝑋𝑖 −𝜇 34.3 −36
𝑧1 = = = −0,8947
𝜎 1.9

Segundo estándarizamos el valor de Z, para X2=38.9



X1= 𝟑𝟒. 𝟑 𝝁
= 𝟑𝟔  
X2 = 𝟑𝟖. 𝟗 
𝑋𝑖 −𝜇 38.9 −36
𝑧1 = = = 1,5263 Z = 𝟏. 𝟓𝟑
𝜎 1.9 Z1= −𝟎. 𝟖𝟗
 𝒁
=𝟎 
2

La probabilidad de que la caja pese entre de 34.3 onz. y 38.9 onz. Es:

P(34.3< Xi < 38.9) = P(34.3< Xi < 38.9) + P(34.3< Xi < 38.9)

P(-0.89 < Zi < 1.53) = P(-0.89 < Zi < 0) + P(0 < Xi < 1.53)
= 0.31327 + 0.43699 = 0.75026
Análisis del Resultado: Al seleccionar una caja aleatoriamente, la probabilidad de que la caja pese más
de 34.3 onzas pero menos de 38,9 onzas es 0.75026 o el 75.03%.
0.8 + 0.09 = 0.89
1.5 + 0.03 = 1.53
 𝝁 = 𝟑𝟔 𝒐𝒏𝒛.
𝝈 = 𝟏. 𝟗 onz.
d) ¿Entre 39.5 onzas y 41.1 onzas?
DATOS: desviacion estándar = 1.9 media = 36 P(36 < Xi < 34.3) = 0,46712 P(36 < Xi < 41,1) = 0,49632
P(0 < Zi < 1,84) = 0,46712 P(0 < Zi < 2.68) = 0,49632
Primero estándarizamos el valor de Z, para X1=39.5
𝑋𝑖 −𝜇 39.5 −36
𝑧1 = = = 1,8421
𝜎 1.9

Segundo estándarizamos el valor de Z, para X2=41.1

𝑋𝑖 −𝜇 41.1 −36 
 𝝁 
= 𝟑𝟔 
X1= 𝟑𝟗, 𝟓
X2=
𝟒𝟏, 𝟏 
𝑧1 = = = 2,6842
𝜎 1.9 Z2= 𝟐. 𝟔𝟖
 𝒁 1= 𝟏. 𝟖𝟒
= 𝟎 Z 

La probabilidad de que la caja pese entre de 34.3 onz. y 38.9 onz. Es:
P(39,5< Xi < 41,1) = P(36< Xi < 41,1) - P(36< Xi < 39.5)
P(1.84 < Zi < 2.68) = P(0 < Zi < 2.68) - P(0 < Xi < 1.84)
= 0.49632 - 0.46712 = 0.0292
Análisis del Resultado: Al seleccionar una caja aleatoriamente, la probabilidad de que la caja pese
entre 39.5 onzas y 41.1 onzas es 0.0292 o el 2.92%.
1.8 + 0.04 = 1.84
2.6 + 0.08 = 2.68
 Utilizando
la tabla a una cola
Los paquetes de cereal vienen en cajas de 36 onzas que tienen una
desviación estándar de 1.9 onzas. Se piensa que los pesos están
distribuidos normalmente. Si se selecciona una caja aleatoriamente, cuál es
la probabilidad de que la caja pese:
a) ¿Menos de 34.8 onzas?
b) ¿Más de 34.8 onzas?
c) ¿Entre 34.3 onzas y 38.9 onzas?
d) ¿Entre 39.5 onzas y 41.1 onzas?
a) ¿Menos de 34.8 onzas?

DATOS: Desviación estándar = 1.9 media = 36

Primero estándarizamos el valor de Z,
para X=34.8
P(-ꚙ  Xi  34.8 = 0,2643
𝑋𝑖 −𝜇 34.8 −36 P(-ꚙ  Zi  -0,63) = 0,2643
𝑧1 = = = −0,6316
𝜎 1.9 𝝁 = 𝟑𝟔 𝒐𝒏𝒛.
𝝈 = 𝟏. 𝟗 onz.

-ꚙ
 X1= 𝟑𝟒. 𝟖 𝝁 
= 𝟑𝟔 

-ꚙ
Z1= −𝟎. 𝟔𝟑 𝒁 
= 𝟎  

La probabilidad de que la caja pese menos de 34.8 onz. Es: P(Zi < -0.63) = 0.2643

Análisis del Resultado: Al seleccionar una caja aleatoriamente, la probabilidad de que la caja pese
menos de 34.8 onzas es 0.26435 o el 26.44%.
0.6 + 0.03 = 0.63
 𝟏, 𝟎

P(-ꚙ  Xi  34.8 = 0,2643

b) ¿Más de 34.8 onzas?1 P(-ꚙ  Zi  -0,63) = 0,2643

DATOS: desviacion estándar = 1.9 media = 36 𝝁 = 𝟑𝟔 𝒐𝒏𝒛.

𝝈 = 𝟏. 𝟗 onz.
Primero estándarizamos el valor de Z, para X=34.8

𝑋𝑖 −𝜇 34.8 −36
𝑧1 = = = −0,6316
𝜎 1.9
 X1= 𝟑𝟒. 𝟖 𝝁
-ꚙ = 𝟑𝟔  


 Z1= −𝟎. 𝟔𝟑 𝒁

-ꚙ = 𝟎  


La probabilidad de que la caja pese mas de 34.8 onz. Es: P(Zi > -0.63) = 1 - P(-ꚙ < Zi  0,63)
P(Zi > -0.63) = 1 - 0.2643
P(Zi > -0.63) = 0.7357

Análisis del Resultado: Al seleccionar una caja aleatoriamente, la probabilidad de que la caja pese más
de 34.8 onzas es 0.73565 o el 73.57%.
 𝝁 = 𝟑𝟔 𝒐𝒏𝒛.
𝝈 = 𝟏. 𝟗 onz.
c) ¿Entre 34.3 onzas y 38.9 onzas?
P(-ꚙ < Xi < 38.9) = 0,9370
DATOS: desviacion estándar = 1.9 media = 36 P(-ꚙ < Zi < 1.53) = 0,9370
P(-ꚙ < Xi < 34.3) = 0,1867
Primero estándarizamos el valor de Z, para X1=34.3 P(-ꚙ < Zi < -0.89) = 0,1867

𝑋𝑖 −𝜇 34.3 −36
𝑧1 = = = −0,8947
𝜎 1.9

Segundo estándarizamos el valor de Z, para X2=38.9

-ꚙ
 X1= 𝟑𝟒. 𝟑 𝝁
= 𝟑𝟔  
X2 = 𝟑𝟖. 𝟗 
𝑋𝑖 −𝜇 38.9 −36
𝑧1 = = = 1,5263 -ꚙ
 Z1= −𝟎. 𝟖𝟗
 𝒁
=𝟎 Z = 𝟏. 𝟓𝟑

2

𝜎 1.9

La probabilidad de que la caja pese entre de 34.3 onz. y 38.9 onz. Es:

P(34.3< Xi < 38.9) = P(-ꚙ< Xi < 38.9) + P(-ꚙ< Xi < 38.9)

P(-0.89 < Zi < 1.53) = P(-ꚙ < Zi < 1.53) - P(-ꚙ < Xi < -0.89)
= 0.9370 - 0.1867 = 0.7503
Análisis del Resultado: Al seleccionar una caja aleatoriamente, la probabilidad de que la caja pese más
de 34.3 onzas pero menos de 38,9 onzas es 0.75026 o el 75.03%.
-0.8 + -0.09 = -0.89
1.5 + 0.03 = 1.53
 𝝁 = 𝟑𝟔 𝒐𝒏𝒛.
𝝈 = 𝟏. 𝟗 onz.
d) ¿Entre 39.5 onzas y 41.1 onzas?
DATOS: desviacion estándar = 1.9 media = 36 P(-ꚙ < Xi < 34.3) = 0,9671 P(-ꚙ < Xi < 41,1) = 0,9963
P(-ꚙ < Zi < 1,84) = 0,9671 P(-ꚙ < Zi < 2.68) = 0,9963
Primero estándarizamos el valor de Z, para X1=39.5
𝑋𝑖 −𝜇 39.5 −36
𝑧1 = = = 1,8421
𝜎 1.9

Segundo estándarizamos el valor de Z, para X2=41.1

𝑋𝑖 −𝜇 41.1 −36 -ꚙ 𝝁 
 = 𝟑𝟔 
X1= 𝟑𝟗, 𝟓
X2= 
=
𝟒𝟏, 𝟏
𝑧1 = = 2,6842
𝜎 1.9 Z2= 𝟐. 𝟔𝟖
-ꚙ
 𝒁 1= 𝟏. 𝟖𝟒
= 𝟎 Z 
La probabilidad de que la caja pese entre de 34.3 onz. y 38.9 onz. Es:
P(39,5< Xi < 41,1) = P(-ꚙ< Xi < 41,1) - P(-ꚙ< Xi < 39.5)
P(1.84 < Zi < 2.68) = P(-ꚙ < Zi < 2.68) - P(-ꚙ < Xi < 1.84)
= 0.9963 - 0.9671
= 0.0292
Análisis del Resultado: Al seleccionar una caja aleatoriamente, la probabilidad de que la caja pese
entre 39.5 onzas y 41.1 onzas es 0.0292 o el 2.92%.
1.8 + 0.04 = 1.84
2.6 + 0.08 = 2.68
 Ejercicio
Una empresa aplica un programa de entrenamiento diseñado para mejorar la habilidades de
supervisión en los diferentes procesos que se desarrollan en un hospital. Debido a que el
programa es autoadministrado, los supervisores requieren un número diferente de horas para
concluirlo Un estudio de los participantes anteriores indica que el tiempo medio que se lleva
completar el programa es de 500 horas y que esta variable aleatoria normalmente distribuida
tiene una desviación estándar de 100 horas.
1.- ¿Cuál es la probabilidad de que un participante elegido al azar requiera más de 500 horas
para completar el programa?

2.- ¿Cuál es la probabilidad de que un supervisor elegido al azar se tome entre 500 y 650 horas
para completar el programa de entrenamiento.

3.- ¿Cuál es la probabilidad de que un supervisor elegido al azar se tome más de 700 horas en
completar el programa?

4.- Suponga que el director del programa desea saber la probabilidad de que un participante
escogido al azar requiera entre 550 y 650 horas para completar el trabajo requerido en el
programa.
 Pregunta 1. ¿Cuál es la probabilidad de que un participante elegido al azar
requiera más de 500 horas para completar el programa?

Solución:
𝝁 = 𝟓𝟎𝟎 𝒉𝒐𝒓𝒂𝒔
En la figura, podemos ver que la mitad 𝝈 = 𝟏𝟎𝟎 horas
del área bajo la curva está localizada a P(Xi >500) = 0,5
ambos lados de la media de 500 horas.

Por lo tanto podemos deducir que la

probabilidad de que la variable aleatoria
tiene un valor mayor a 500 es el área
sombreada, es decir, 0.5. 
 𝝁
= 𝟓𝟎𝟎 


𝑋𝑖 −𝜇 500 −500
𝑧𝑖 = = = 0,00 P(Xi ≥ 500 ) = 0.5
𝜎 100
P(zi ≥ 0 ) = 0.5

Análisis: La probabilidad de que un participante elegido al azar requiera más de 500 horas
para completar el programa es de un 50%
 Pregunta 2:¿Cuál es la probabilidad de que un supervisor elegido al azar se
tome entre 500 y 650 horas para completar el programa de entrenamiento.
Solución:
La gráfica se muestra la respuesta como zona
P(500  Xi  650) = 0,4332 sombreada, representada por el área entre la
𝝁 = 𝟓𝟎𝟎 𝒉𝒐𝒓𝒂𝒔
𝝈 = 𝟏𝟎𝟎 horas media (500 horas) y el valor de X, en el cual
estamos interesados (650 horas).
Estandarizando la variable tenemos un valor
para Z.
𝑋𝑖 −𝜇 650 −500
𝑧𝑖 = = = 1,5
𝜎 100


 𝝁  
Si buscamos Z = 1.5 en la tabla, encontraremos
= 𝟓𝟎𝟎 Xi=
𝟔𝟓𝟎 
una probabilidad de 0,4332.
P(500  Xi  650) = 0.4332
P(0  zi  1,5) = 0.4332
Análisis: La probabilidad de que un supervisor elegido al azar se tome entre 500 y 650 horas
para completar (terminar) el programa de entrenamiento es del 43,32%.
 Pregunta 3:¿Cuál es la probabilidad de que un supervisor elegido al azar se
tome más de 700 horas en completar el programa?

Solución:
Estamos interesados en el área a la derecha de 700.
𝝁 = 𝟓𝟎𝟎 𝒉𝒐𝒓𝒂𝒔
𝝈 = 𝟏𝟎𝟎 horas
Estandarizamos
𝑋𝑖 −𝜇 700 −500
𝑧𝑖 = = =2
𝜎 100
P(Xi >700) = 0,0228
Si buscamos Z=2 en la tabla, encontraremos
una probabilidad de 0,47725.
P(500  Xi  700) = 0.47725

 𝝁 
= 𝟓𝟎𝟎 
Xi =700 

P(0  zi  2) = 0.47725
En consecuencia, la probabilidad mayor a 700 será P(Xi > 700 )
= 0,5 – 0,47725 = 0.02275
P(zi > 2 )
Análisis: Por lo tanto hay un poco más de 2,28 oportunidades en 100 de que un participante elegido al
azar se lleve más de 700 horas en completar el curso.
 Pregunta 4: Suponga que el director del programa desea saber la probabilidad
de que un participante escogido al azar requiera entre 550 y 650 horas para
completar el trabajo requerido en el programa.

Solución:
Primero calculamos el valor de Z para 650

𝑋𝑖 −𝜇 650 −500 P(500  Xi  650) = 0,4332

𝑧1 = = = 1,5
𝜎 100 𝝁 = 𝟓𝟎𝟎 𝒉𝒐𝒓𝒂𝒔
𝝈 = 𝟏𝟎𝟎 horas
Si buscamos Z = 1.5 en la tabla, encontraremos
una probabilidad de 0,4332.

P(500  X1  650) = 0.4332

P(0  z1  1,5) = 0.4332

𝝁 = X1=
𝟓𝟎𝟎  𝟔𝟓𝟎 

La probabilidad de que un participante escogido alazar requiera entre 550 y 650 horas para
completar su trabajo dentro del programa corresponde a 0,4332 o simplemente al 43.32%.
 Pregunta 4: Suponga que el director del programa desea saber la probabilidad de que un
participante escogido al azar requiera entre 550 y 650 horas para completar el trabajo
requerido en el programa.

Solución:
P(500  Xi  550) = 0,1915
Primero calculamos el valor de Z para 550
𝑋𝑖 −𝜇 550 −500 𝝁 = 𝟓𝟎𝟎 𝒉𝒐𝒓𝒂𝒔
𝑧2 = = = 0,5 𝝈 = 𝟏𝟎𝟎 horas
𝜎 100

Si buscamos Z=0.5 en la tabla,

correspondiente a una probabilidad de
0,1915
P(500  X2  550) = 0.1915
P(0  z2  0,5) = 0.1915 
𝝁 =
𝟓𝟎𝟎  
X2= 𝟓𝟓𝟎

La probabilidad de que un participante escogido alazar requiera entre 500 y 550 horas para
completar su trabajo dentro del programa corresponde a 0,1915 o simplemente al 19.15%.
 P(550  Xi  650) = 0,2417

𝝁 = 𝟓𝟎𝟎 𝒉𝒐𝒓𝒂𝒔
𝝈 = 𝟏𝟎𝟎 horas

P(z2 )= 0.1915

P(z2 )= 0.4332


 𝝁= 𝟓𝟎𝟎   

X2= 𝟓𝟓𝟎 X1= 𝟔𝟓𝟎
z0 = 0 z2 = 0.5 z2 = 1.5

   

Para responde la pregunta debemos estar restar las áreas:
Probabilidad de que la variable aleatoria esté entre la media y 650 horas 0,4332
(-) Probabilidad de que la variable aleatoria esté entre la media y 550 horas 0,1915
(=) Probabilidad de que la variable aleatoria esté 550 y 650 horas 0,2417
Análisis: Así pues, la probabilidad de que un supervisor elegido al azar se tome entre 550 y
650 horas para completar el programa de entrenamiento es un poco menor de 1 entre 4
EJEMPLO

Supóngase que la estancia promedio de internación en un hospital es de 5,5

días con una desviación estándar de 1,8 días. Si se supone que la duración
de la internación se distribuye normalmente, encuentre la probabilidad de
que un paciente seleccionado al azar de dicho grupo, tenga una duración
de internación :
 a. de más de 6 días
 b. entre 4 y 7 días
Conclusiones
La distribución normal es un modelo teórico capaz de aproximar
satisfactoriamente el valor de una variable aleatoria a una situación ideal. En
otras palabras, la distribución normal adapta una variable aleatoria a una
función que depende de la media y la desviación típica.
Dos parámetros determinan una distribución normal: la media y la
desviación estándar. ... La función de densidad tiene dos puntos de
inflexión que están localizados a una distancia de la media de una desviación
típica (más y menos).
Puede tomar cualquier valor (de menos infinito a más infinito), es decir, utiliza
variables cuantitativas continuas. Es simétrica. La Media se sitúa en el centro
de la Distribución Normal (en el punto máximo de la campana) y divide la
campana en dos partes iguales.
Fuentes Bibliográficas
Fundamentos de Estadística. Estadística Descriptiva y Modelos Probabilísticos para la Inferencia.
Madrid: Ariel Editorial. Dura Peiró, J. M. y López Cuñat, J.M. (1992)

Estadística I: Probabilidad. Madrid: AC. Martín Pliego, F. y Ruiz-Maya, L. (1995)

Probabilidad y Estadística, Alejandro D. Zylberberg

Probabilidad y Estadística Schaums, Murray R. Spiegel

Problemas de Estadística (Economía y Empresa), Juan Lopez De La Manzanara Barbero

Probabilidad y Estadística para ingenieros y ciencias, Pearson Educación

Probabilidad y Aplicaciones Estadísticas, Paul L. Meyer

MUCHAS
GRACIAS