Distribución Normal

Introducción Distribución de probabilidad normal estándar Aproximación de la distribución normal a la binomial Factor de corrección de continuidad
Probabilidad y Estadística Fundamental

Distribución Normal
Martín Macías1
1 Becario Docente
Departamento de Estadística
6 de febrero de 2019
Martín Macías Universidad Nacional de Colombia Principios de variables aleatorias 6 de febrero de 2019 1 / 26
Contenido
1 Introducción
2 Distribución de probabilidad normal estándar
3 Aproximación de la distribución normal a la binomial
4 Factor de corrección de continuidad
Introducción
La distribución de probabilidad más

usada para describir variables alea-
torias continuas es la distribución
de probabilidad normal. La distribu-
ción normal tiene gran cantidad de
aplicaciones prácticas, en las cuales
la variable aleatoria puede ser el
peso o la estatura de las personas,
puntuaciones de exámenes, resulta-
dos de mediciones científicas, preci-
pitación pluvial u otras cantidades si-
milares. La distribución normal tam-
bién tiene una importante aplicación
en inferencia estadística.
Distribución normal
Función de densidad de probabilidad Normal

Se dice que la variable aleatoria X tiene distribución normal de parámetros µ y σ, donde µ es un
número real y σ es un número real positivo, si su función de densidad está dada por :
" #
1 x −µ 2

1
f (x) = √ exp − ;x ∈ <
σ 2π 2 σ
Distribución normal
Función de densidad de probabilidad Normal

Se dice que la variable aleatoria X tiene distribución normal de parámetros µ y σ, donde µ es un
número real y σ es un número real positivo, si su función de densidad está dada por :
" #
1 x −µ 2

1
f (x) = √ exp − ;x ∈ <
σ 2π 2 σ
Características
La distribución de probabilidad normal posee las siguientes características principales.
Tiene forma de campana y posee una sola cima en el centro de la distribución. La media
aritmética, la mediana y la moda son iguales, y se localizan en el centro de la distribución. El
área total bajo la curva es de 1. La mitad del area bajo la curva normal se localiza a la
derecha de este punto central, y la otra mitad, a la izquierda.
Es simétrica respecto de la media. Si hace un corte vertical, por el valor central, a la curva
normal, las dos mitades son imágenes especulares.
Desciende suavemente en ambas direcciones del valor central. Es decir, la distribución es
asintótica. La curva se aproxima más y más al eje X , sin tocarlo. En otras palabras, las colas
de la curva se extienden indefinidamente en ambas direcciones.
La localización de una distribución normal se determina a través de la media, µ La dispersión
o propagación de la distribución se determina por medio de la desviación estándar, σ.
Distribución Normal
Características
Las probabilidades correspondientes a la variable aleatoria normal se dan mediante áreas

bajo la curva normal. Toda el área bajo la curva de una distribución normal es 1. Como esta
distribución es simétrica, el área bajo la curva y a la izquierda de la media es 0.50 y el área
bajo la curva y a la derecha de la media es 0.50.
Los porcentajes de valores que se encuentran en algunos intervalos usados son :
68.3% de los valores de una variable aleatoria normal se encuentran más o menos una
desviación estándar de la media.
95.4% de los valores de una variable aleatoria normal se encuentran más o menos dos
desviaciones estándar de la media.
99.7% de los valores de una variable aleatoria normal se encuentran más o menos tres
desviaciones estándar de la media.
Distribución de probabilidad normal estándar
Estandarización o tipificación
Cualquier distribución de probabilidad normal puede convertirse en una distribución de
probabilidad normal estándar si se resta la media de cada observación y se divide
esta diferencia entre la desviación estándar. Los resultados reciben el nombre de
valores z o valores tipificados.
Valor z
Distancia con signo entre un valor seleccionado, designado X y la media, µ, dividido
entre la desviación estándar, σ. Es decir, el valor z es la distancia de la media, medida
en unidades de desviación estándar.
X −µ
z=
σ
Distribución de probabilidad normal estándar
Estandarización o tipificación
Cualquier distribución de probabilidad normal puede convertirse en una distribución de
probabilidad normal estándar si se resta la media de cada observación y se divide
esta diferencia entre la desviación estándar. Los resultados reciben el nombre de
valores z o valores tipificados.
Valor z
Distancia con signo entre un valor seleccionado, designado X y la media, µ, dividido
entre la desviación estándar, σ. Es decir, el valor z es la distancia de la media, medida
en unidades de desviación estándar.
X −µ
z=
σ
Función de densidad Normal Estándar
2
1 z
f (z) = √ e− 2
2π
Cálculo de probabilidades
Los tres tipos de probabilidades que se necesitan calcular son :

1 La probabilidad de que la variable aleatoria normal estándar z sea menor o igual
que un valor dado
2 La probabilidad de que z esté entre dos valores dados
3 La probabilidad de que z sea mayor o igual que un valor dado.
P(z ≤ 1.0)
Esta probabilidad acumulada es el área bajo la curva normal a la izquierda de z = 1.0

como se muestra en la gráfica siguiente.
En la tabla de la distribución de probabilidad normal estándar. Esta probabilidad

acumulada correspondiente a z = 1.0 se calcula así : Primero localice 1.0 en la
columna del extremo izquierdo de la tabla y después localice 0.00 en el renglón en la
parte superior de la tabla. Observe que en el interior de la tabla, el renglón 1.0 y la
columna 0.00 se cruzan en el valor 0.8413, así P(z ≤ 1.0) = 0.8413
P(−0.5 ≤ z ≤ 1.25)
Para calcular esta probabilidad son necesarios tres pasos :

1 Se encuentra el área bajo la curva normal a la izquierda de z = 1.25
2 Se encuentra el área bajo la curva normal a la izquierda de −0.5
3 Se resta el área a la izquierda de z = −0.5 del área a la izquierda de z = 1.25 y
se encuentra, P(−0.50 ≤ z ≤ 1.25)
P(−0.5 ≤ z ≤ 1.25)
Para encontrar el área bajo la curva normal a la izquierda de z = 1.25, primero se

localiza en la tabla de probabilidad normal estándar el renglón 1.2 y después se
avanza por ese renglón hasta la columna 0.05. Como el valor que aparece en el
renglón 1.2 columna 0.05 es 0.8944, P(z ≤ 1.25) = 0.8944.
De manera similar, para encontrar el área bajo la curva a la izquierda de z ≤ −0.50 se

usa el lado izquierdo de la tabla para localizar el valor en el renglón -0.5 columna 0.00 ;
como el valor que se encuentra es 0.3085, P(z ≤ 0.50) = 0.3085.
Por tanto,
P(−0.50 ≤ z ≤ 1.25) = P(z ≤ 1.25) − P(z ≤ −0.50) = 0.8944 − 0.3085 = 0.5859
Ejemplo
Suponga que desea calcular la probabilidad de que la variable aleatoria normal

estándar se encuentre a no más de una desviación estándar de la media, es decir,
P(−1.0 ≤ z ≤ 1.0)
P(z ≥ 1.58)
Suponga que desea calcular la probabilidad de tener un valor z por lo menos igual a
1.58 ; es decir P(z ≥ 1.58). El valor en el renglón z = 1.5, columna 0.08 de la tabla
normal acumulada es 0.9429. Pero como toda el área bajo la curva normal es 1,
P(z ≥ 1.58) = 1 − 0.9429 = 0.0571
Caso especial
En algunas situaciones se da una probabilidad y se trata de hacer lo contrario,

encontrar el correspondiente valor de z. Suponga que desea hallar un valor z tal que
la probabilidad de obtener un valor z mayor sea 0.10.
Caso especial
Recuerde que la tabla de probabilidad normal estándar da el área bajo la curva a la

izquierda de un determinado valor z. Se sabe que el área en la cola superior (derecha)
de la curva es 0.10. Por tanto, el área bajo la curva a la izquierda del valor
desconocido de z debe ser 0.9000. Al revisar la tabla, se encuentra que 0.8997 es la
probabilidad acumulada más cercana a 0.9000.
Al leer el valor de z en la columna del extremo izquierdo y en el renglón superior de la

tabla, se encuentra que el valor de z es 1.28. De manera que un área de
aproximadamente 0.9000 (en realidad de 0.8997) es la que se encuentra a la izquierda
de z = 1.28. En términos de la pregunta originalmente planteada, 0.10 es la
probabilidad aproximada de que z sea mayor que 1.28.
Cálculo de probabilidades en cualquier distribución de probabilidad

normal
La razón por la cual la distribución normal estándar se ha visto de manera tan amplia es que todas
las distribuciones normales son calculadas mediante la distribución normal estándar. Esto es,
cuando la distribución normal con una media µ cualquiera y una desviación estándar µ cualquiera,
las preguntas sobre las probabilidades en esta distribución se responden pasando primero a la
distribución normal estándar. Use las tablas de probabilidad normal estándar y los valores
apropiados de z para hallar las probabilidades deseadas.
x −µ
z=
σ
µ−µ
Un valor x igual a su media µ da como resultado z = σ = 0. De manera que un valor x
igual a su media corresponde a z = 0.
Ahora suponga que x se encuentra una desviación estándar arriba de su media. Es decir,
(µ+σ)−µ
x = µ + σ El valor correspondiente es z = σ = σσ = 1 Así que un valor de x que es
una desviación estándar mayor que su media corresponde a z = 1
En otras palabras, z se interpreta como el número de desviaciones estándar a las que está una
variable aleatoria x de su media µ.
Ejemplo
Piense que tiene una distribución normal en la que µ = 10 y σ = 2. ¿Cuál es la

probabilidad de que la variable aleatoria x esté entre 10 y 14 ?
1 Estandarice
2 Calcule la probabilidad equivalente de z
3 Concluya
Ejemplo
Layton Tire and Rubber Company pretende establecer una garantía de millaje mínimo
para su nuevo neumático MX100. Algunas pruebas revelan que el millaje medio es de
67 900 con una desviación estándar de 2 050, y que la distribución de millas tiene una
distribución de probabilidad normal. Layton desea determinar el millaje mínimo
garantizado de manera que no haya que sustituir más de 4% de los neumáticos. ¿Qué
millaje mínimo debe garantizar Layton ?
Ejemplo
Layton Tire and Rubber Company pretende establecer una garantía de millaje mínimo
para su nuevo neumático MX100. Algunas pruebas revelan que el millaje medio es de
67 900 con una desviación estándar de 2 050, y que la distribución de millas tiene una
distribución de probabilidad normal. Layton desea determinar el millaje mínimo
garantizado de manera que no haya que sustituir más de 4% de los neumáticos. ¿Qué
millaje mínimo debe garantizar Layton ?
Ejemplo
1 Estandarización
Ejemplo
1 Estandarización
X −µ X − 67900
z= =
σ 2050
Ejemplo
1 Estandarización
X −µ X − 67900
z= =
σ 2050
2 Observe que hay dos incógnitas, z y X . Para determinar X , primero calcule z, y después
despeje X . Observe que el área total de la curva es de 1. El área complemento de lo que
establecimos es 0.9600 y se determina al restar 1.000 – 0.0400. En seguida, busque en la
tabla el área más próxima a 0.9600. El área más cercana es 0.9599. Siga por los márgenes
de este valor y lea el valor z de 1.75. Como el valor se encuentra a la izquierda de la media,
en realidad es de –1.75.
Ejemplo
1 Estandarización
X −µ X − 67900
z= =
σ 2050
3 A partir de que sabe que la distancia entre µ y X es de −1.75σ, o z = −1.75, puede
despejar X (millaje mínimo garantizado) :
Ejemplo
1 Estandarización
X −µ X − 67900
z= =
σ 2050
X − 67900
z=
2050
X − 67900
−1.75 =
2050
−1.75(2050) = X − 67900
X = 67900 − 1.75(2050) = 64312
Ejemplo
1 Estandarización
X −µ X − 67900
z= =
σ 2050
X − 67900
z=
2050
X − 67900
−1.75 =
2050
−1.75(2050) = X − 67900
X = 67900 − 1.75(2050) = 64312
4 Por consiguiente, Layton puede anunciar que reemplazara de forma gratuita cualquier
neumático que se desgaste antes de llegar a las 64 312 millas, y la empresa sabrá que sólo
4% de los neumáticos se sustituirá de acuerdo con este plan.
Aproximación de la distribución normal a la binomial
¿Parece razonable emplear la distribución normal (una distribución continua) en

sustitución de la distribución binomial (una distribución discreta) en el caso de valores
grandes de n ? La respuesta es sí, conforme n se incrementa, una distribución
binomial se aproxima cada vez más a una distribución normal.
Aproximación de la distribución normal a la binomial
Cuándo utilizar la aproximación normal

La distribución de probabilidad normal constituye una buena aproximación de la
distribución de probabilidad binomial cuando np ≥ 5 y n(1 − p) ≥ 5 y cuando cumplen
los supuestos de la probailidad binomial :
1 Sólo existen dos resultados mutuamente excluyentes en un experimento : éxito o
fracaso.
2 La distribución resulta del conteo del número de éxitos en una cantidad fija de
pruebas.
3 La probabilidad de un éxito, p es la misma de una prueba a otra.
4 Cada prueba es independiente
Cuando se usa la aproximación
p normal a la binomial, en la definición de la curva
normal µ = np y σ = np(1 − p)
Factor de corrección de continuidad
Ejemplo
Suponga que una empresa sabe por experiencia que 10% de sus facturas tienen
algún error. Toma una muestra de 100 facturas y desea calcular la probabilidad de que
12 de estas facturas contengan algún error. Es decir, quiere hallar la probabilidad
binomial de 12 éxitos en 100 ensayos
Supuestos
1 Sólo hay dos posibles resultados : una factura tiene un error o no lo tiene
2 Es posible contar el número de éxitos, lo cual significa, por ejemplo, que 10 de las
12 facturas tengan errores
3 Las pruebas son independientes, lo cual significa que si la factura número 3 tiene
errores, esto no influye en el hecho de que la factura 7 los tenga
4 La probabilidad de que una factura tenga errores se mantiene.
Aplicando
p la aproximación
p normal a este caso se tiene µ = np = (100)(0.1) = 10 y
σ = np(1 − p) = (100)(0.1)(0.9) = 3
Recuerde que en una distribución de probabilidad continua las probabilidades se calculan como
areas bajo la curva de la función de densidad de probabilidad. En consecuencia, la probabilidad
que tiene un solo valor de la variable aleatoria es cero. Por tanto, para aproximar la probabilidad
binomial de 12 éxitos se calcula el área correspondiente bajo la curva normal entre 11.5 y 12.5. Al
0.5 que se suma y se resta al 12 se le conoce como factor de corrección por continudad. Este
factor se introduce debido a que se está usando una distribución continua para aproximar una
distribución discreta. Así, P(x = 12) de una distribución binomial discreta se aproxima mediante
P(11.5 ≤ x ≤ 12.5) en la distribución normal continua.
Convirtiendo la distribución normal estándar para calcular P(11.5 ≤ x ≤ 12.5), se

tiene :
z−µ 12.5 − 10.0
z= = = 0.83 para x = 12.5
σ 3
y
z−µ 11.5 − 10.0
z= = = 0.50 para x = 11.5
σ 3
En la tabla de la probabilidad normal estándar aparece que el área bajo la curva (figura
anterior) a la izquierda de 12.5 es 0.7967. De manera similar, el área bajo la curva a la
izquierda de 11.5 es 0.6915. Por tanto, el área entre 11.5 y 12.5 es 0.7967 - 0.6915 =
0.1052. El cálculo normal de la probabilidad de 12 éxitos en 100 ensayos es 0.1052.

Para tener un ejemplo más, suponga que se quiere calcular la probabilidad de 13 o
menos facturas con errores en una muestra de 100 facturas. En la figura siguiente se
muestra el área bajo la curva que aproxima esta probabilidad.
Observe que debido al uso del factor de continuidad el valor que se usa para calcular
esta probabilidad es 13.5. El valor z que corresponde a 13.5 es :
13.5 − 10
z=
= 1.17
3.0
En la tabla de probabilidad normal estándar se observa que el área bajo la curva
Ejercicios
1 Los ingresos semanales de los supervisores de turno de la industria del vidrio se

rigen por una distribución de probabilidad normal con una media de $1000 y una
desviación estándar de $100. ¿Cuál es el valor z del ingreso X de un supervisor
que percibe $1100 semanales ? ¿Y de un supervisor que gana $900 semanales ?
2 Como parte de su programa de control de calidad, la compañía Autolite Battery
realiza pruebas acerca de la vida útil de las baterías. La vida media de una
batería de celda alcalina D es de 19 horas. La vida útil de la batería se rige por
una distribución normal con una desviación estándar de 1.2 horas. Responda las
siguientes preguntas :
¿Entre qué par de valores se localiza el 68% de las baterías ?
¿Entre qué par de valores se localiza el 95% de las baterías ?
¿Entre qué par de valores se localiza prácticamente la totalidad de las baterías ?
3 Del primer ejercicio, piense que el ingreso medio semanal de un supervisor de
turno de la industria del vidrio tiene una distribución normal, con una media de
$1000 y una desviación estándar de $100. Es decir, µ = $1000 y σ = $100.
¿Cuál es la probabilidad de seleccionar a un supervisor cuyo ingreso semanal
oscile entre $1000 y $1100 ? Es decir : P($1000 ≤ ingreso semanal ≤ $1100)
Ejercicios
Consultando la información relacionada con el ingreso semanal de los

supervisores de turno en la industria del vidrio, la distribución de los ingresos
semanales tiene una distribución de probabilidad normal, con una media de
$1000 y una desviación estándar de $100. ¿Cuál es la probabilidad de
seleccionar a un supervisor de turno de la industria del vidrio cuyo ingreso :
oscile entre $790 y $1 000 ?
sea menor que $790 ?
De la pregunta anterior, los ingresos semanales tienen una distribución de
probabilidad normal, con una media de $1 000 y una desviación estándar de
$100. ¿Cuál es el área bajo esta curva normal, entre $840 y $1 200 ?, ¿cuál es el
área bajo la curva normal entre $1 150 y $1 250 ?

Distribución Normal

Cargado por

Copyright:

Formatos disponibles

Distribución Normal

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

Distribución Normal

Cargado por

Copyright:

Formatos disponibles

Introducción Distribución de probabilidad normal estándar Aproximación de la distribución normal a la binomial Factor de corrección de continuidad

Probabilidad y Estadística Fundamental

2 Distribución de probabilidad normal estándar

3 Aproximación de la distribución normal a la binomial

4 Factor de corrección de continuidad

La distribución de probabilidad más

Función de densidad de probabilidad Normal

Función de densidad de probabilidad Normal

Las probabilidades correspondientes a la variable aleatoria normal se dan mediante áreas

Distribución de probabilidad normal estándar

Distribución de probabilidad normal estándar

Función de densidad Normal Estándar

Los tres tipos de probabilidades que se necesitan calcular son :

Esta probabilidad acumulada es el área bajo la curva normal a la izquierda de z = 1.0

En la tabla de la distribución de probabilidad normal estándar. Esta probabilidad

Para calcular esta probabilidad son necesarios tres pasos :

Para encontrar el área bajo la curva normal a la izquierda de z = 1.25, primero se

De manera similar, para encontrar el área bajo la curva a la izquierda de z ≤ −0.50 se

P(−0.50 ≤ z ≤ 1.25) = P(z ≤ 1.25) − P(z ≤ −0.50) = 0.8944 − 0.3085 = 0.5859

Suponga que desea calcular la probabilidad de que la variable aleatoria normal

En algunas situaciones se da una probabilidad y se trata de hacer lo contrario,

Recuerde que la tabla de probabilidad normal estándar da el área bajo la curva a la

Al leer el valor de z en la columna del extremo izquierdo y en el renglón superior de la

Cálculo de probabilidades en cualquier distribución de probabilidad

Piense que tiene una distribución normal en la que µ = 10 y σ = 2. ¿Cuál es la

Aproximación de la distribución normal a la binomial

¿Parece razonable emplear la distribución normal (una distribución continua) en

Aproximación de la distribución normal a la binomial

Cuándo utilizar la aproximación normal

Factor de corrección de continuidad

Factor de corrección de continuidad

Factor de corrección de continuidad

Convirtiendo la distribución normal estándar para calcular P(11.5 ≤ x ≤ 12.5), se

Factor de corrección de continuidad

1 Los ingresos semanales de los supervisores de turno de la industria del vidrio se

Consultando la información relacionada con el ingreso semanal de los

También podría gustarte