UNIVERSIDAD NACIONAL SAN AGUSTIN DE

AREQUIPA
ESCUELA PROFESIONAL DE EDUCACIÓN

PROBABILIDADES E INFERENCIA ESTADÍSTICA

DISTRIBUCIONES DE PROBABILIDAD DE
VARIABLE ALEATORIA CONTINUA:
DISTRIBUCIÓN NORMAL Y NORMAL
STANDARIZADA

2017
 La distribución Normal

Introducción
Una de las herramientas de mayor uso en las
instituciones es la utilización de la curva normal para
describir situaciones donde podemos recopilar datos.
Esto nos permite tomar decisiones que vayan a la par
con las metas y objetivos de la organización.
En esta parte se describe la relación de la Distribución
normal con la Distribución normal estándar.
 La distribución normal
La distribución normal fue reconocida
por primera vez por el francés
Abraham de Moivre (1667-1754).

Posteriormente, Carl Friedrich Gauss (1777-1855)

realizó estudios más a fondo donde
formula la ecuación de la curva
conocida comúnmente, como la
“Campana de Gauss".
 Utilidad
Se utiliza muy a menudo porque hay muchas
variables asociadas a fenómenos naturales que
siguen el modelo de la curva normal.
 Caracteres morfológicos de individuos (personas,
animales, plantas,...) de una especie, por
ejemplo: estatura, pesos, diámetros, distancias,
perímetros.
 Caracteres fisiológicos, por ejemplo: efecto de
una misma dosis de un fármaco, o de una misma
cantidad de abono.
 Caracteres psicológicos, por ejemplo: cociente
intelectual, grado de adaptación a un medio,...
 Errores cometidos al medir ciertas magnitudes
 Distribución normal
Dada una variable aleatoria X continua se
denomina normal si su función de densidad
se define por

1  x  2
1   
2  
f ( x)  e xR
2 2
 Características de la
Distribución normal
La distribución normal de probabilidades es simétrica con
respecto a una línea vertical que pase por la media μ
Los extremos izquierdo y derecho, se extienden de manera
indefinida y nunca tocan el eje horizontal.
La media, mediana y moda coinciden en un mismo valor.
La mayor parte de las poblaciones reales no se extienden de
manera indefinida en ambas direcciones; pero para estas
poblaciones, la distribución normal es una aproximación
conveniente. No hay una sola distribución normal, sino una
familia de curvas normales.
No importa cuales sean los valores de μ y σ para una
distribución de probabilidad normal, el área total limitada por
la curva y el eje X, es igual a uno, por tanto podemos pensar en
áreas bajo la curva como si fueran probabilidades.
 Características de la
Distribución Normal
 Cada población se describe por su media y su desviación
estándar, y cada una tiene una curva normal específica.

 Puede ocurrir que se tiene la misma media pero diferentes

desviaciones y las curvas difieren en apariencia.

 Además con la misma desviación estándar pero con

diferente media se forma una familia de curvas normales.
 La desviación estándar (σ )
Compruebe el cambio de la distribución variando la desviación estándar
 La media μ
Compruebe el cambio de la distribución variando la media
 Distribución normal

El área bajo la curva entre dos ordenadas a y b,

donde a < b, representa la probabilidad de que
x se encuentre entre a y b, y se denota por:
P(a ≤ x ≤ b) = área entre a y b.
Para hallar una probabilidad se tiene

b b 1  x 2
1   
P[a  X  b]   f ( x)dx   e 2  
dx
a a 2 

Lo cual se interpreta como sigue

 FUNCIÓN DE DISTRIBUCIÓN

Definimos 2
x x 1  t  
1   

 
2 
F ( X )  P[ X  x]  f (t )dt  e 
dt
  2 

Que se interpreta
gráficamente como
Luego obtenemos que

P[a  X  b]  P[ X  b]  P[ X  a]
Dado que se puede interpretar como una diferencia de áreas
 Propiedades de la
distribución normal:

(Las propiedades continuan en la próxima lámina)

 Resumen

 La distribución normal
estándar
 Z se le denomina variable tipificada de X, y a
la curva de su función de densidad se le
conoce como la curva normal estándar.
 Es una distribución normal con promedio 0 y
una desviación estándar de 1.
 Todas las variables normalmente distribuidas
se pueden transformar a la distribución normal
estándar utilizando la fórmula para calcular el
valor Z correspondiente.
 Distribución Normal Estándar


z t2
1 
F ( Z )  P[ Z  z ]  

2
e 2 dt

x
z

 La función F(z)

 En la siguiente gráfica vemos la representación

gráfica de la función de Z.
 Características de la
distribución normal estándar.

 No depende de ningún parámetro.

 Su media es 0, su varianza es 1 y su desviación
estándar es 1.
 La curva f(x) es simétrica respecto del eje de Y
 Tiene un máximo en el eje de Y.
 Tiene dos puntos de inflexión en z=1 y z=-1
 Estandarización de x
La fórmula para Z puede escribirse como:
x
z 

Donde:
x = valor de la variable aleatoria que nos preocupa
 = valor de la media de la distribución de la variable aleatoria
 = desviación estándar de la distribución
Z = número de desviaciones estándar que hay desde x a la media
de la distribución.
 Teorema del Límite Central

Nos indica que, bajo condiciones muy generales,

según aumenta la cantidad de datos, la
distribución de la suma de variables aleatorias
tendera a seguir hacia una distribución normal.
En otras palabras el Teorema del Límite Central
garantiza una distribución normal cuando el
tamaño de la muestra es suficientemente
grande.
 Por ejemplo
En el siguiente histograma podemos observar la distribución de
frecuencias por peso de acuerdo a la edad. De acuerdo a este
teorema según aumenten la cantidad de dato se podrá trazar
una curva que tome cada vez más formación en forma campana.
 Área bajo la curva normal estándar

El área bajo la curva normal estándar es útil

para asignar probabilidades de ocurrencia de
la variable X.
Debemos tomar en cuenta que el área total
bajo la curva es igual a 1. Y que, por ser una
gráfica simétrica, cada mitad tiene un área de
0.5.
 Pasos para determinar el área bajo la curva
normal estándar

 Paso 1 - Interpretar gráficamente el área de

interés.
 Paso 2 - Determinar el valor Z
 Paso 3 - Buscar en la tabla de probabilidades.
 Paso 4 - Hacer la suma o resta de áreas para
encontrar la probabilidad deseada
 Ejemplo
Utilizando la tabla de la distribución normal estándar hallar

a) P[Z<1.85]

b) P[Z<3]

c) P[Z>-0.74]

d) P[Z>1.52]

e) P[1.13<Z<2.46]
 Ejemplo

Si X tiene una distribución normal con =20  = 3 .

Hallar las siguientes probabilidades

a) P[X<14]

b) P[X>22]

c)P[6  X <23]
 Ejemplo:

Hallar x si se verifica P[x< x]=0.07

con media 24 y desviación estándar 3
 EJEMPLO
Según la oficina de estadísticas de trabajo, el pago
mensual promedio para un obrero de Estados Unidos fue
de 441.84 dólares. Suponga que los datos disponibles
indican que los salarios tienen una distribución normal
con una desviación estándar de 90 dólares
a) ¿Cuál es la probabilidad de que un trabajador gane
entre 400 y 500 dólares?
b) ¿Cuánto tiene que producir un obrero para estar en el
20% superior de quienes perciben un salario?
c) Para un obrero elegido al azar ¿Cuál es la
probabilidad de que gane menos de 250 dólares por
semana?
 Ejemplo
Las cantidades de dinero que se piden en las solicitudes
de crédito hipotecario en una institución bancaria tienen
una distribución aproximadamente normal con una
media de $70,000 y una desviación estándar de $20,000.
Una mañana se recibe una solicitud de crédito. ¿Cuál es
la probabilidad de que:
a) cantidad solicitada sea de $80,000 ó más?
b)La cantidad solicitada sea entre $65,000 y $80,000 ?
c) La cantidad solicitada sea de a lo mas $65,000
d) El 20% de los créditos son superiores a qué cantidad