Estadística

Administrativa I

2016-1
 Capítulo VII

• Distribuciones de probabilidad
• Distribución binomial
• Distribución normal
 Distribuciones de
probabilidad
Son similares a las distribuciones de frecuencias
relativas; pero, en lugar de analizar el pasado,
describe la probabilidad de que un evento ocurra
en el futuro.

- Distribuciones discretas de probabilidad

- Distribuciones continuas de probabilidad
3
Distribución de probabilidad

¿Qué es una distribución

de probabilidad?

Es un listado de todos los resultados de

un experimento y la probabilidad
asociada a cada resultado.
Ejemplo 7.1 …
1. Tiene planes de lanzar una monedas tres veces y espera
que le salga aunque sea una cara. Generar una tabla de
todas las posibilidades que (puede ser 1, 2 o 3 caras).

Desarrollo
La variable “Lanzar moneda” tiene dos eventos,
cara y escudo. Las opciones que se tienen
empiezan de la siguiente manera:
Opción 1: 1° vez cara, 2° vez cara, 3° vez cara
Opción 2: 1° vez cara, 2° vez cara, 3° vez escudo
Opción 3: 1° vez cara, 2° vez escudo, 3° vez cara
5
. . . Ejemplo 7.1
• Resumen
Opción 1° vez 2° vez 3° vez Caras
1 C C C 3
2 C C E 2
3 C E C 2
4 C E E 1
5 E C C 2
6
6 E
E C
C E
E 1
7
7 E
E E
E C
C 1
8
8 E
E E
E E
E 0
6
. . . Ejemplo 7.1
Crear una tabla con las frecuencias para cada
opción en que cae “cara”, siendo que:
• 1 opción en la que no cae ninguna cara
• 3 opciones en la que cae una cara
• 3 opciones en la que caen dos caras
• 1 opción en la que caen las 3 caras.
Caras Frecuencia
0 1
1 3
2 3
3 1 7
. . . Ejemplo 7.1
Calcular la frecuencia relativa (probabilidad)
de la tabla:
Frecuencia
Caras Frecuencia Probabilidad
relativa
0 1 1/8 = 0.1250
1 3 3/8 = 0.3750
2 3 3/8 = 0.3750
3 1 1/8 = 0.1250
1.0000

Distribución de
probabilidad 8
. . . Ejemplo 7.1
2. Cuántas posibilidades existen en el caso que se lance al
aire una moneda 5 veces.
Desarrollo
La variable “Lanzar moneda” tiene 2 eventos (cara
y escudo) y se quiere lanzar 5 veces.

25 = 32
Se tendrían 32 opciones.
Para construir la distribución de
𝑛!
probabilidad de las veces que se 𝑛 𝐶𝑟 =
puede caer escudo se utiliza la fórmula 𝑟! 𝑛 − 𝑟 !
de combinaciones. 9
 𝑛!
. . . Ejemplo 7.1 𝑛 𝐶𝑟 =
𝑟! 𝑛 − 𝑟 !
Veces que aparece una cara
Caras Frecuencia 5! 5!
5 𝐶0 = = =1
0! 5 − 0 ! 5!
0 5! 5!
5 𝐶1 = = =5
1 1! 5 − 1 ! 4!
2 5! 5!
5 𝐶2 = = = 10
2! 5 − 2 ! 2! 3!
3 5! 5!
5 𝐶3 = = = 10
4 3! 5 − 3 ! 3! 2!
5! 5!
5 5 𝐶4 = = =5
4! 5 − 4 ! 4! 1!
5! 5!
5 𝐶5 = = =1
5! 5 − 5 ! 5! 0! 10
. . . Ejemplo 7.1
Tabla de frecuencias Distribución de probabilidad

Escudo Frecuencia Escudo Probabilidad

0 1 0 0.0313
1 5 1 0.1563
2 10 2 0.3125
3 10 3 0.3125
4 5 4 0.1563
5 1 5 0.0313
11
 Características de una
distribución de probabilidad

1. La probabilidad se encuentra entre 0 y 1

2. Los resultados son eventos mutuamente
excluyentes.
3. La lista es exhaustiva.
4. La suma de las probabilidades debe ser 1.

12
 Variables aleatorias
Siempre se que se hace referencia a
variables aleatorias, se debe asumir que el
experimento que se está llevando a cabo
es al azar.

Si la información puede ser manipulada, ya

no serán variables aleatorias.

La cantidad que resulta de un experimento, por

azar, puede adoptar diferentes resultados.

Una variable aleatoria puede ser discreta o

continua. 13
 Variable aleatoria discreta

Variable aleatoria que adopta solo

valores claramente separados.

En algunos casos, el hecho de que

una variable tenga un resultado
decimal no significa que es continua.

14
 Ejemplo 7.2 ….

1. Cantidad de ausencias de empleados.

2. El peso de los lingotes de oro en la Reserva del Banco
Central
3. Los puntajes de los clavados realizados por los atletas
en la competencia de hoy.
4. El tiempo en minuto que duran las llamadas por quejas
de falta de entrega de periódicos en Seattle atendidas
por el Call Center Altia en San Pedro.
5. Número de focos defectuosos producidos por hora en la
empresa General Electric.

15
 Variable aleatoria continua

Las variables aleatorias continuas son las que

resultan de procesos de medición que
involucran masa, longitud, volumen, etc.

16
Ejemplo 7.3…

1. Los tiempos de vuelos comerciales entre Atlanta y

Miami puede durar 4.56 horas, 5.13 horas, 4.354
horas, etc. En esta caso la variable aleatoria es
HORAS.

2. La presión medida en libras por pulgada cuadrada

(psi) en un nuevo neumático para Chevy puede ser de
32.78 psi, 31.62, 33.07 psi, etc. La variable aleatoria
es la PRESIÓN de la llanta.

17
Medidas de ubicación y
dispersión

• Media
• Varianza
• Desviación estándar

18
 Media

• Valor típico para representar la localización

central de una distribución de probabilidad.
• La media de una distribución de probabilidad
también se le conoce como “Valor Esperado” o
“Esperanza”.
• Es un valor ponderado entre las frecuencias y su
respectiva probabilidad.

𝜇 = σ 𝑥 𝑃(𝑥)
19
 Varianza y desviación estándar
• Mide el grado de dispersión de los datos con
relación al valor esperado.
• También es un valor ponderado entre las
diferencias de sus frecuencias, multiplicadas
por su respectiva probabilidad.

𝜎 2 = ෍(𝑥 − 𝜇)2 𝑃(𝑥)

• Es la raíz cuadrada de la varianza.

𝜎= 𝜎2 20
Ejemplo 7.4…
Juan Pérez vende vehículos en la empresa “El Pelícano”;
por lo general vende la mayor cantidad de vehículos los
días sábados. Ideó la siguiente distribución de
probabilidad de la cantidad que espera vender el próximo
sábado.
Cantidad de
vehículos Probabilidad
vendidos en P(x)  Determinar el tipo de
sábado
distribución de probabilidad
0 0.10
1 0.20  ¿Cuántos automóviles
2 0.30 espera vender?
3 0.30  Desviación estándar
4 0.10
21
. . .Ejemplo 7.4
• Tipo de distribución: Aleatoria discreta
• Variable aleatoria: número de automóviles vendidos.

• Media 𝜇=σ 𝑥 𝑃(𝑥)

Vehículos
vendidos en día Probabilidad
sábado P(x)  Se multiplica cada dato
x de la variable aleatoria
0 0.10 por su respectiva
1 0.20 probabilidad
2 0.30
 Se suman todos los
3 0.30
productos.
4 0.10
22
. . .Ejemplo 7.4 𝜇=σ 𝑥 𝑃(𝑥)

Vehículos
vendidos en Probabilidad
x * P(x)
día sábado P(x)
x

0 0.1 0.00 𝜇 = 2.1

1 0.2 0.20
2 0.3 0.60
3 0.3 0.90
4 0.1 0.40
1.0 2.10
23
. . .Ejemplo 7.4
• Varianza 𝜇 = 2.1

Vehículos
vendidos en Probabilidad
día sábado P(x) )( − − 𝑃( )
x
0 0.1 4.41 0.441
1 0.2 1.21 0.242
2 0.3 0.01 0.003
3 0.3 0.81 0.243
4 0.1 3.61 0.361
1.290

24
. . .Ejemplo 7.4
• Desviación estándar 𝜎= 𝜎2

Si Varianza 𝜎 2 =1.29 entonces

𝜎 = 1.29 = 1.13578

25
Distribuciones de probabilidad

Discretas Continuas
• Binomial • Uniforme
• Hiper-geométrica • Normal
• Poisson

26
 Distribuciones de probabilidad
discretas

• Binomial 

• Hiper-geométrica

• Poisson

27
 Distribución de
probabilidad binomial
Es una de las técnicas más utilizadas
con experimentos en los que se tienen
únicamente dos eventos.

28
 Distribución de probabilidad
Binomial

• Eventos mutuamente excluyentes

• Se clasifican sus eventos como éxito y fracaso
(no se debe confundir con bueno o malo).
• La variable aleatoria es el resultado de conteos
• La probabilidad de éxito es la misma para todas
las pruebas.
• El resultado es Independiente de cualquier otro.

29
 Distribución binomial

𝑃 𝑥 =𝑛 𝐶𝑥 𝜋 𝑥 (1 − 𝜋)𝑛−𝑥

C : Combinación
n : Número de pruebas
𝑥 : Variable aleatoria definida
𝜋 : Probabilidad de éxito de cada prueba

Al ser discreta, las probabilidades son números enteros; de

tal manera que si se quiere eventos con varias frecuencias,
deberá hacerse uno para cada uno.
30
Ejemplo 7.5 …
1. Super Airlines tiene 5 vuelos diarios de Miami a
su ciudad. Suponer que la probabilidad histórica
de que cualquier vuelo llegue tarde es de 0.23.

a) ¿Cuál es la probabilidad de que ninguno de los

vuelos se retrase?
b) ¿Cuál es la probabilidad de que exactamente 1
de los vuelos se retrase el día de hoy.

𝜋 = 0.23 31
… Ejemplo 7.5 𝜋 = 0.23
a) ¿Cuál es la probabilidad de que ninguno de los
vuelos llegue tarde hoy?
La empresa hace 5 vuelos diarios 𝑛=5
Probabilidad es 0.23 𝜋 = 0.23

Que ningún vuelo llega retrasado 𝑥=0

𝑃 𝑥 = 0 =𝑛 𝐶𝑥 𝜋 𝑥 (1 − 𝜋)𝑛−𝑥

=5 𝐶0 (0.23)0 (1 − 0.23)5−0
5!
= 0.23 0 (0.77)5
0! 5 − 0 !
32
… Ejemplo 7.5
5!
𝑃 𝑥=0 = 0.23 0 (0.77)5
0! 5 − 0 !
5!
= 0.23 0 (0.77)5
0! 5 !
5!
= (1)(0.2707)
1 5 !

= 0. 2707

La probabilidad de que ningún vuelo llegue tarde el día de

hoy es 0.27 (27%).
33
… Ejemplo 7.5
b) ¿Cuál es la probabilidad de que exactamente 1 de los
vuelo llegue tarde el día de hoy.
𝑃 𝑥 = 1 =𝑛 𝐶𝑥 𝜋 𝑥 (1 − 𝜋)𝑛−𝑥

=5 𝐶1 (0.23)1 (1 − 0.23)5−1
5!
= 0.23 1 (0.77)4
1! 5 − 1 !
5!
= 0.23 1 (0.77)4
1! 4 !

= 5 0.23 1 (0.77)4 = 0.4043

La probabilidad de que un vuelo llegue tarde el día de hoy
es 0.4 (40%) 34
Ejemplo 7.5 …

2. Embotelladora de Sula abrió un centro de

distribución de refrescos en San José y ha
estado monitoreando la logística de entrega a 7
de las ciudades más alejadas de la ciudad. Los
registros indica que la probabilidad de que un
pedido se entregue tarde es de 0.12.
a) ¿Cuál es la probabilidad de que el pedido se
entregue tarde a 1 o 2 ciudades?

𝜋 = 0.12 35
… Ejemplo 7.5 𝜋 = 0.12
a) ¿Cuál es la probabilidad de que el pedido se
entregue tarde a 1 o 2 ciudades?
Son 7 rutas las que se están evaluando 𝑛=7
Probabilidad histórica es 0.12 𝜋 = 0.12

Entrega tarde a una o dos ciudades 𝑥 = 1, 𝑥 = 2

Para cada evento =𝑛 𝐶𝑥 𝜋 𝑥 (1 − 𝜋)𝑛−𝑥

𝑃 𝑥 = 1 𝑜 𝑥 = 2 = 𝑃 𝑥 = 1 + 𝑃(𝑥 = 2)

𝑆𝑜𝑛 𝑒𝑣𝑒𝑛𝑡𝑜𝑠 𝑚𝑢𝑡𝑢𝑎𝑚𝑒𝑛𝑡𝑒 𝑒𝑥𝑐𝑙𝑢𝑦𝑒𝑛𝑡𝑒𝑠 36

… Ejemplo 7.5 𝜋 = 0.12
𝑃 𝑥 = 1 =𝑛 𝐶𝑥 𝜋 𝑥 (1 − 𝜋)𝑛−𝑥
=7 𝐶1 (0.12)1 (1 − 0.12)7−1
7!
= 0.12 1 (0.88)6
1! 7 − 1 !
= 0. 3901
𝑃 𝑥 = 2 =7 𝐶2 (0.12)2 (1 − 0.12)7−2
7!
= 0.12 2 (0.88)5
2! 7 − 2 !
= 0. 1596
𝑃 𝑥 = 1 + 𝑃 𝑥 = 2 = 0.3901 + 0.1596 = 𝟎. 𝟓𝟒𝟗𝟕

La probabilidad de que el pedido llegue tarde es 0.5497

37
(55%).
Medidas de Ubicación y
Dispersión
• Media
• Varianza
• Desviación estándar

38
 Medidas

* Media : 𝜇 = 𝑛𝜋

* Varianza : 𝜎 2 = 𝑛𝜋(1 − 𝜋)

* Desviación estándar : 𝜎 = 𝑛𝜋(1 − 𝜋)

39
Ejemplo 7.6…
US Airways tiene 5 vuelos diarios de Pittsburgh al Aeropuerto
de Bradford, Pennsylvania. La probabilidad histórica de que
cualquier vuelo llegue tarde es de 0.19.
 Calcular el tiempo promedio de llegada tarde.
 Calcular la variación estándar entre cada llegada tarde.

𝜇 = 𝑛𝜋

𝜎= 𝜎2 𝜎 2 = 𝑛𝜋 1 − 𝜋

40
 Ejemplo 7.6…
 Tiempo promedio de llegada tarde
𝜇 = 𝑛𝜋
𝜇 = 5 0.19 = 0.8
 Calcular la variación estándar entre cada llegada tarde.
𝜎 2 = 𝑛𝜋 1 − 𝜋
𝜎 2 = 5 0.19 1 − 0.19
𝜎 2 = 0.7695

𝜎= 0.8895) = 0.941 41
Distribución de probabilidad
normal
 Familias de distribuciones
de probabilidad normal
La distribución normal viene generada por una
fórmula compleja para trabajar con probabilidades
continuas. 2
1 𝑥−𝜇
−
𝑃 𝑥 = 𝑒 2𝜎 2
𝜎 2𝜋
 Es una de las técnicas de investigación estadística más
utilizada con probabilidades estimadas con exactitud
variable.
 La información base para trabajar con una distribución
normal son la Media poblacional y la Desviación estándar
poblacional. 43
 Características de la distribución
normal
Tiene forma de campana y posee una sola cima en
el centro de la distribución.
La media aritmética, mediana y moda son
iguales.
Es simétrica con respecto a la media.
– Desciende suavemente en ambas
direcciones del valor central. Se
dice que la distribución es
asintótica.
• La localización es a través de la media
𝜇 y la desviación estándar 𝜎
 Familia de distribuciones de
probabilidad normal.
• La curva varía en su forma
dependiendo de los resultados que
se obtengan de los estudios
realizados.
• Algunas curvas pueden parecerse;
pero, ser muy distintas.
• Se pueden obtener infinita cantidad
de distribuciones normales.

45
 Distribución de probabilidad
normal estándar
Cualquier distribución de probabilidad normal se puede
convertir en una distribución de probabilidad normal
estándar.

Existe técnicas que permiten que se tome cualquiera de

ellas y mediante unos pequeños cálculos, se aproxime
a una distribución ya establecida que proporciona los
resultados mejor ajustados.
46
… Distribución de probabilidad normal
estándar

Tomando de base, media aritmética y desviación

estándar, éstas se convierten en media 0 y
desviación estándar 1 para obtener los
resultados que se buscan.

El resultado que convierte a la media en 0 y la

desviación estándar en 1 se llama “Valor
tipificado” o “valor z”.
47
 Valor Z

Distancia con signo entre un valor seleccionado X

y la media aritmética dividido entre la desviación
estándar.

𝑋−𝜇
𝑧=
𝜎

Nota: Aplicación de la regla empírica 48

 Valor Z
• Según la definición anterior, el valor z expresa la
distancia (diferencia) entre un valor dado de X y
la media aritmética en unidades de desviación
estándar.
• Una vez que se estandarizan las observaciones
con distribución normal, los valores z se
distribuyen normalmente con media aritmética 0
y desviación estándar 1.
• La distribución z posee todas las características
de cualquier distribución de probabilidad normal.
49
 Valor Z

• El valor Z siempre es un datos entre 0.00 y 3.00;

todos los valores decimales se manejas con 2
dígitos.
• En los apéndices de los libros de estadística
siempre viene una tabla con todos los posibles
resultados de Z.
• Todos los resultados de estas probabilidades se
buscan en la tabla “Área bajo la curva normal”

50
Ejemplo 7.7…
1. Los ingresos mensuales de los supervisores de los turnos
de la Maquila “El buen vestir” se rigen por una
distribución de probabilidad normal con media de
Lps.10,000.00 y una desviación estándar de Lps.850.

a. ¿Cuál es el valor z para el ingreso X de un supervisor

que percibe Lps. 12,000.00 mensuales?
b. ¿Cuál es el valor z para el ingreso de un supervisión
que percibe Lps.9,000.00 mensuales?

𝑋 = 12000
𝜇 = 10000
𝜎 = 850 51
. . . Ejemplo 7.7
a. ¿Cuál es el valor z para el ingreso X de un supervisor que
percibe Lps. 12,000.00 mensuales?
𝑋 = 12000 12000 − 10000 2000
𝑍= = = 2.35
𝜇 = 10000 850 850
𝜎 = 850

2.35

𝜇 𝑍 𝜎=1

• Z indica que el salario de Lps.12,000 está a 2.35

desviaciones estándar de la media aritmética (𝜇).
• Z positivo indica que el salario es mayor (>) que el salario
promedio.
52
. . . Ejemplo 7.7
b. ¿Cuál es el valor z para el ingreso X de un supervisor que
percibe Lps. 9,000.00 mensuales?
𝑋 = 9000 9000 − 10000 −1000
𝑍= = = −1.18
𝜇 = 10000 850 850
𝜎 = 850

−1.18

𝜎=1 𝑍 𝜇

• Z indica que el salario de Lps.9,000 está a -1.18

desviaciones estándar de la media aritmética (𝜇).
• Z negativo indica que el salario es menor(<) que el salario
promedio.
53
 Regla empírica

En cualquier distribución de frecuencias

simétrica con forma de campana

1. Cerca del 68% del área bajo la curva

normal se encuentra a una desviación 𝜇 ± 1𝜎
estándar de la media.
2. Alrededor del 95% del área bajo la
curva normal se encuentra a 2 𝜇 ± 2𝜎
desviaciones estándar de la media.
3. Prácticamente toda el área bajo la
curva normal se encuentra a 3 𝜇 ± 3𝜎
desviaciones estándar de la media.
54
 Regla empírica
La información que proporciona la
aplicación de la regla empírica es un
rango que oscila entre -1 y 1.

[ 𝜇 − 1𝜎 , 𝜇 + 1𝜎 ]
 Regla empírica

Lind, D.A., Marchal, W.G., Wathen, S.A. (15). (2012). Estadística Aplicada a los56
Negocios y la Economía. México: McGrawHill
Ejemplo 7.8…

La distribución de los ingresos anuales de un grupo de

subalternos de mandos medios en Compton Plastics se
aproxima a una distribución normal, con una media de
$47,200.00 y desviación estándar $800.

a) ¿Entre qué valores se encuentra el 68% de los ingresos?

b) ¿Entre qué valores se encuentra el 95% de los ingresos?
c) ¿Cuál es el ingreso medio y el ingreso modal?
d) ¿La distribución de ingresos es simétrica?

𝜇 = 47,200
𝜎 = 800 57
…Ejemplo 7.8 𝜇 = 47,200
𝜎 = 800

a) ¿Entre qué ingresos se encuentra el 68% de los

ingresos?
𝜇 ± 1𝜎 = 47200 ± 1(800)
= 47200 ± 800

47200 + 800
=ቊ
47200 − 800
48000
=ቊ
46400

El 68% de los ingresos anuales se encuentran entre

$46,400 y $48,000.
58
 …Ejemplo 7.8
b) ¿Entre qué valores se encuentra el 95% de los ingresos?
𝜇 ± 2𝜎 = 47200 ± 2(800)
= 47200 ± 1600

47200 + 1600
=ቊ
47200 − 1600
48800
=ቊ
45600

El 95% de los ingresos anuales se encuentran entre

$45,600 y $48,800.
59
…Ejemplo 7.8
c) ¿ Cuál es el ingreso medio y el ingreso modal?
• En la distribución normal, el ingreso medio es igual
que la media aritmética, mediana y moda.
• Ingreso medio : 𝜇 = 47,200

• Ingreso modal : 𝑋෠ = 47,200

d) ¿La distribución de ingresos es simétrica?

• La distribución es normal; por lo tanto, es simétrica.

60
 Área bajo la curva
normal
Aplicación de la distribución normal
estándar que determina el valor
existente entre el valor de la media y
el z elegido.
 Distribución normal
Valor Z
Rango=[0,4[

z 0 0.01 0.02 0.03 0.04 0.05 0.06 0.07 0.08 0.09

0.0 - 0.0040 0.0080 0.0120 0.0160 0.0199 0.0239 0.0279 0.0319 0.0359
0.1 0.0398 0.0438 0.0478 0.0517 0.0557 0.0596 0.0636 0.0675 0.0714 0.0753
0.2 0.0793 0.0832 0.0871 0.0910 0.0948 0.0987 0.1026 0.1064 0.1103 0.1141
0.3 0.1179 0.1217 0.1255 0.1293 0.1331 0.1368 0.1406 0.1443 0.1480 0.1517
0.4 0.1554 0.1591 0.1628 0.1664 0.1700 0.1736 0.1772 0.1808 0.1844 0.1879

0.5 0.1915 0.1950 0.1985 0.2019 0.2054 0.2088 0.2123 0.2157 0.2190 0.2224
0.6 0.2257 0.2291 0.2324 0.2357 0.2389 0.2422 0.2454 0.2486 0.2517 0.2549
0.7 0.2580 0.2611 0.2642 0.2673 0.2704 0.2734 0.2764 0.2794 0.2823 0.2852
0.8 0.2881 0.2910 0.2939 0.2967 0.2995 0.3023 0.3051 0.3078 0.3106 0.3133
0.9 0.3159 0.3186 0.3212 0.3238 0.3264 0.3289 0.3315 0.3340 0.3365 0.3389

1.0 0.3413 0.3438 0.3461 0.3485 0.3508 0.3531 0.3554 0.3577 0.3599 0.3621

62
 Área bajo la curva normal
La base del área bajo la curva es el valor de z; con
el auxilio de la tabla de distribución normal.
Al estandarizar la información en 𝜇 = 0 𝑦 𝜎 = 1
se desglosa el valor de z en dos datos.
Los dos dígitos a la par del punto forman un dato
y el resto del decimal es el otro dato.
𝑧 = 1 .0 2 Dato 1: 1.0
Dato 1
Dato 2: 0.02
Dato 2

z 0 0.01 0.02 1.0

+0.02
1.0 0.3413 0.3438 0.3461 1.02 63
 Distribución Normal

• El cálculo del área bajo la curva está

definido (en la mayoría de libros) para
calcular el 50% del total de la curva
normal.

• Se trabaja en base al lado positivo de la

curva.
• Para cualquier valor de Z el resultado
será el área entre 𝜇 = 0 y el valor de Z

P(z = x. yz) 64
 Distribución Normal
• Los cálculos para Z menor que 0 se realizan en
el lado positivo; es decir, si el valor de Z es -1.22,
se busca en la curva como si fuera 1.22

𝑃(𝑧 = 1.0) 𝑃(𝑧 = −1.0)

65
 Tipos de áreas
El cálculo del área bajo la curva varía
dependiendo de las necesidades de la
probabilidad que se está buscando. La básicas
son las siguientes:
 Tipos de Áreas

𝑃(𝑧 = 𝑎) 𝑃(𝑧 = −𝑎)

𝑃(𝑧 > 𝑎) 𝑃(𝑧 < 𝑎) 67

 Tipo de Áreas

𝑃(−𝑎 < 𝑧 < 𝑎) 𝑃(𝑧 < 𝑎)

𝑃(𝑧 > 𝑎) 𝑃(𝑎 < 𝑧 < 𝑏) 68

Área entre 𝜇 =0 y un z positivo

• Paso 1: Dividir en dos partes el valor de Z.

• Paso 2: Encontrar la probabilidad en la tabla.
z 0 0.01 0.02 0.03 0.04

0.0 - 0.0040 0.0080 0.0120 0.0160

0.1 0.0398 0.0438 0.0478 0.0517 0.0557
0.2 0.0793 0.0832 0.0871 0.0910 0.0948
0.3 0.1179 0.1217 0.1255 0.1293 0.1331
0.4 0.1554 0.1591 0.1628 0.1664 0.1700
0.5 0.1915 0.1950 0.1985 0.2019 0.2054
0.6 0.2257 0.2291 0.2324 0.2357 0.2389
Ejemplo 7.9…..
Calcular el área bajo la curva para Z = 1.23
• Dividir Z en dos partes:
z 0 0.01 0.02 0.03
1.-) 1.2
2.-) 0.03 1.2 0.3849 0.3869 0.3888 0.3907

• Ubicar el z en la tabla,
unir la fila 1.2 con la
columna 0.03.

P(z = 1.23) = 0.3907

70
Área entre 𝜇 =0 y un z negativo

• Paso 1: Eliminar el signo negativo a Z

• Paso 2: Dividir en dos partes el valor de Z.
• Paso 3: Encontrar la probabilidad en la tabla.
z 0 0.01 0.02 0.03 0.04

0.0 - 0.0040 0.0080 0.0120 0.0160

0.1 0.0398 0.0438 0.0478 0.0517 0.0557
0.2 0.0793 0.0832 0.0871 0.0910 0.0948
0.3 0.1179 0.1217 0.1255 0.1293 0.1331
0.4 0.1554 0.1591 0.1628 0.1664 0.1700
0.5 0.1915 0.1950 0.1985 0.2019 0.2054
0.6 0.2257 0.2291 0.2324 0.2357 0.2389
Ejemplo 7.10 . . .
Calcular el área bajo la curva para Z = -1.0
• Quitar el signo negativo a Z.
• Dividir Z en dos partes:
1.- 1.0
2.- 0.00
• Ubicar z en la tabla. Unir la z 0.00 0.01 0.02

fila 1.0 con la columna 0.00. 1.0 0.3413 0.3438 0.3461

𝑃 𝑧 = −1.0 = 0.3413
72
 Área después de z positivo

• Paso 1: Dividir en dos partes el valor de Z.

• Paso 2: Encontrar la probabilidad en la tabla.
• Paso 3: A 0.50 restar la probabilidad calculada
z 0 0.01 0.02 0.03 0.04

0.0 - 0.0040 0.0080 0.0120 0.0160

0.1 0.0398 0.0438 0.0478 0.0517 0.0557
0.2 0.0793 0.0832 0.0871 0.0910 0.0948
0.3 0.1179 0.1217 0.1255 0.1293 0.1331
0.4 0.1554 0.1591 0.1628 0.1664 0.1700
0.5 0.1915 0.1950 0.1985 0.2019 0.2054
0.6 0.2257 0.2291 0.2324 0.2357 0.2389
 Ejemplo 7.11. . .
Calcular el área bajo la curva para Z >1.32
• Dividir Z en dos partes:
1.- 1.3
2.- 0.02
• Ubicar z en la tabla. Unir la fila z 0.00 0.01 0.02
1.3 con la columna 0.02 1.3 0.4032 0.4049 0.4066

• La probabilidad 0.4066 restarla de 0.5

𝑃 𝑧 > 1.32 = 0.5 − 0.4066

𝑃 𝑧 > 1.32 = 0.0934

74
 Área antes de z negativo

• Paso 1: Eliminar el signo negativo de Z

• Paso 2: Dividir en dos partes el valor de Z.
• Paso 3: Encontrar la probabilidad en la tabla.
• Paso 4: A 0.50 restar la probabilidad calculada
z 0 0.01 0.02 0.03 0.04

0.0 - 0.0040 0.0080 0.0120 0.0160

0.1 0.0398 0.0438 0.0478 0.0517 0.0557
0.2 0.0793 0.0832 0.0871 0.0910 0.0948
0.3 0.1179 0.1217 0.1255 0.1293 0.1331
0.4 0.1554 0.1591 0.1628 0.1664 0.1700
0.5 0.1915 0.1950 0.1985 0.2019 0.2054
0.6 0.2257 0.2291 0.2324 0.2357 0.2389
 Ejemplo 7.12. . .
Calcular el área bajo la curva para Z < -0.76
• Quitar el signo negativo a Z.
• Dividir Z en dos partes:
1.- 0.7
2.- 0.06
• Ubicar z en la tabla. Unir la z 0.00 0.01 0.02 0.03 0.04 0.05 0.06

fila 0.7 con la columna 0.06 0.7 0.2580 0.2611 0.2642 0.2673 0.2704 0.2734 0.2764

• La probabilidad 0.2764 restarla de 0.5

𝑃 𝑧 < −0.76 = 0.5 − 0.2764
𝑃 𝑧 < −0.76 = 0.2236

76
 Área a ambos lados de 𝜇 = 0

• Paso 1: Eliminar el signo negativo de Z

• Paso 2: Dividir en dos partes ambos Z
• Paso 3: Encontrar probabilidad de cada Z
• Paso 4: Sumar las 2 probabilidades calculadas
z 0 0.01 0.02 0.03 0.04

0.0 - 0.0040 0.0080 0.0120 0.0160

0.1 0.0398 0.0438 0.0478 0.0517 0.0557
0.2 0.0793 0.0832 0.0871 0.0910 0.0948
0.3 0.1179 0.1217 0.1255 0.1293 0.1331
0.4 0.1554 0.1591 0.1628 0.1664 0.1700
0.5 0.1915 0.1950 0.1985 0.2019 0.2054
0.6 0.2257 0.2291 0.2324 0.2357 0.2389
Ejemplo 7.13 . . .
Calcular el área bajo la curva, para los datos que están
entre Z= -0.72 y Z=1.03

• Eliminar el signo a z= -0.72

• Dividir cada Z en 2 partes
𝑧 = 0.72 𝑧 = 1.03
1.- 0.7 1.- 1.0
2.- 0.02 2.- 0.03
. . . Ejemplo 7.13
• Ubicar 0.72 y 1.03 en la tabla. z 0.00 0.01 0.02 0.03

0.7 0.2580 0.2611 0.2642 0.2673

0.8 0.2881 0.2910 0.2939 0.2967
0.9 0.3159 0.3186 0.3212 0.3238
1.0 0.3413 0.3438 0.3461 0.3485

𝑃 𝑧 = 0.72 = 0.2642
𝑃 𝑧 = 1.03 = 0.3485
• Sumar ambas probabilidades

𝑃 −0.72 < 𝑧 < 1.03 = 0.2642 + 0.3485

𝑃 −0.72 < 𝑧 < 1.03 = 0.6127
 Área menor que Z

• Paso 1: Dividir en dos partes el valor de Z.

• Paso 2: Encontrar probabilidad de Z
• Paso 4: Sumar 0.5 a la probabilidad calculada
z 0 0.01 0.02 0.03 0.04

0.0 - 0.0040 0.0080 0.0120 0.0160

0.1 0.0398 0.0438 0.0478 0.0517 0.0557
0.2 0.0793 0.0832 0.0871 0.0910 0.0948
0.3 0.1179 0.1217 0.1255 0.1293 0.1331
0.4 0.1554 0.1591 0.1628 0.1664 0.1700
0.5 0.1915 0.1950 0.1985 0.2019 0.2054
0.6 0.2257 0.2291 0.2324 0.2357 0.2389
Ejemplo 7.14 . . .
Calcular el área bajo la curva, para los datos z < 1.06

• Dividir Z en dos partes

1.- 1.0
2.- 0.06
• Calcular la probabilidad que z=1.06
z 0.00 0.01 0.02 0.03 0.04 0.05 0.06

1.0 0.3413 0.3438 0.3461 0.3485 0.3508 0.3531 0.3554

• Suma de probabilidades
𝑃 𝑧 < 1.06 = 0.5 + 0.3554
𝑃 𝑧 < 1.06 = 0.8554
 Área mayor que Z

• Paso 1: Dividir en dos partes el valor de Z.

• Paso 2: Encontrar probabilidad de Z
• Paso 4: Sumar 0.5 a la probabilidad calculada
z 0 0.01 0.02 0.03 0.04

0.0 - 0.0040 0.0080 0.0120 0.0160

0.1 0.0398 0.0438 0.0478 0.0517 0.0557
0.2 0.0793 0.0832 0.0871 0.0910 0.0948
0.3 0.1179 0.1217 0.1255 0.1293 0.1331
0.4 0.1554 0.1591 0.1628 0.1664 0.1700
0.5 0.1915 0.1950 0.1985 0.2019 0.2054
0.6 0.2257 0.2291 0.2324 0.2357 0.2389
Ejemplo 7.15 . . .
Calcular el área bajo la curva, para los datos z > -0.03

• Eliminar el signo a z= -0.03

• Dividir Z en dos partes
1.- 0.0
2.- 0.03
• Calcular la probabilidad que z=0.03
z 0.00 0.01 0.02 0.03

0.0 - 0.0040 0.0080 0.0120

• Suma de probabilidades
𝑃 𝑧 > 0.03 = 0.5 + 0.0120
𝑃 𝑧 > 0.03 = 0.5120
 Área entre Z de signos iguales

• Paso 1: Dividir en dos partes ambos Z

• Paso 2: Encontrar probabilidad de ambos Z
• Paso 4: Restar la probabilidad menor de la mayor
z 0 0.01 0.02 0.03 0.04

0.0 - 0.0040 0.0080 0.0120 0.0160

0.1 0.0398 0.0438 0.0478 0.0517 0.0557
0.2 0.0793 0.0832 0.0871 0.0910 0.0948
0.3 0.1179 0.1217 0.1255 0.1293 0.1331
0.4 0.1554 0.1591 0.1628 0.1664 0.1700
0.5 0.1915 0.1950 0.1985 0.2019 0.2054
0.6 0.2257 0.2291 0.2324 0.2357 0.2389
Ejemplo 7.16 . . .
Calcular el área bajo la curva, para los datos entre z=1 y
z=2
• Dividir los Z en dos partes
1.- 1.0 1.- 2.0
2.- 0.00 2.- 0.00
• Calcular la probabilidad que z=1 y z=2
𝑃 𝑧 = 1.00 = 0.3413 z 0.00 0.01 0.02 0.03

𝑃 𝑧 = 2.00 = 0.4772 1.0 0.3413 0.3438 0.3461 0.3485

2.0 0.4772 0.4778 0.4783 0.4788
• Resta de probabilidades

𝑃 1 < 𝑧 < 2 = 0.4772 − 0.3413

𝑃 1 < 𝑧 < 2 = 0.1359
 Interpretación de
probabilidades

La interpretación de las probabilidades

se muestra como porcentajes.
Ejemplo 7.17 . . .

Los salarios mensuales de los supervisores de los

turnos de la Maquila “El buen rostro” se rigen por una
distribución de probabilidad normal con media de
Lps.10,000.00 y desviación estándar de Lps.850.
a) ¿Cuál es la probabilidad de que, al contratar un
nuevo supervisor, devengue entre L.9,500 y
L.10,900?
b) ¿Cuál es la probabilidad de que, al contratar un
nuevo supervisor, devengue ingresos entre
L.10,500 y L.11,500?

87
 𝑋−𝜇
. . . Ejemplo 7.17 𝑧=
𝜎
a) ¿Cuál es la probabilidad de que, al contratar un nuevo
supervisor, devengue entre L.9,500 y L.10,900?
• Datos poblacionales
𝜋 = 10,000
𝜎 = 850
• Calcular el valor de z para L.9,500.
9500 − 10000 −500
𝑧= =
850 850
𝑧 = −0.59
• Calcular el valor de z para L.10,900.
10900 − 10000 900
𝑧= =
850 850
𝑧 = 1.06 88
 𝑋−𝜇
. . . Ejemplo 7.17 𝑧=
𝜎
• Calcular 𝑃(−0.59 < 𝑧 < 1.06)

z 0.00 0.01 0.02 0.03 0.04 0.05 0.06 0.07 0.08 0.09

0.5 0.1915 0.1950 0.1985 0.2019 0.2054 0.2088 0.2123 0.2157 0.2190 0.2224
1.0 0.3413 0.3438 0.3461 0.3485 0.3508 0.3531 0.3554 0.3577 0.3599 0.3621

• Probabilidad de z=0.59 y z=1.06

𝑃 𝑧 = 0.59 = 0.2224
𝑃 𝑧 = 1.06 = 0.3554
89
. . . Ejemplo 7.17
• Calcular 𝑃(−0.59 < 𝑧 < 1.06)

𝑃 −0.59 < 𝑧 < 1.06 = 0.2224 + 0.3554

𝑃 −0.59 < 𝑧 < 1.06 = 0.5778

la probabilidad de que, al contratar un nuevo

supervisor, devengue entre L.9,500 y L.10,900
es de 58%
90
 𝑋−𝜇
. . . Ejemplo 7.17 𝑧=
𝜎
b) ¿Cuál es la probabilidad de que, al contratar un nuevo
supervisor, devengue ingresos entre L.10,500 y L.11,500?
• Datos poblacionales
𝜋 = 10,000
𝜎 = 850
• Calcular el valor de z para L.10,500.
10500 − 10000 500
𝑧= =
850 850
𝑧 = 0.59
• Calcular el valor de z para L.11,500.
11500 − 10000 1500
𝑧= =
850 850
𝑧 = 1.76 91
 𝑋−𝜇
. . . Ejemplo 7.17 𝑧=
𝜎
• Calcular 𝑃(0.59 < 𝑧 < 1.76)

z 0.00 0.01 0.02 0.03 0.04 0.05 0.06 0.07 0.08 0.09

0.5 0.1915 0.1950 0.1985 0.2019 0.2054 0.2088 0.2123 0.2157 0.2190 0.2224
1.7 0.4554 0.4564 0.4573 0.4582 0.4591 0.4599 0.4608 0.4616 0.4625 0.4633

• Probabilidad de z=0.59 y z=1.76

𝑃 𝑧 = 0.59 = 0.2224
𝑃 𝑧 = 1.76 = 0.4608
92
. . . Ejemplo 7.17
• Calcular 𝑃(−0.59 < 𝑧 < 1.06)

𝑃 0.59 < 𝑧 < 1.76 = 0.2224 + 0.4608

𝑃 0.59 < 𝑧 < 1.76 = 0.6902

la probabilidad de que, al contratar un nuevo

supervisor, devengue entre L.10,500 y L.11,500
es de 69%
93
1. En una distribución binomial, n=8 y 𝜋 = 0.30. Determinar la
probabilidad de que x sea igual a 2.
2. En una distribución binomial, n=12 y 𝜋 = 0.60. Determinar la
probabilidad de que x sea 1 o 2.
3. En un estudio reciente se descubrió que el 90% de los anuncios
publicitarios sobre alimentos infantiles son un éxito. En una
muestra de 9 anuncios publicitarios. ¿Cuál es la probabilidad de
que los 9 tengan éxito?
4. Cinco por ciento de los engranajes producidos por una fresadora
automática de alta velocidad se encuentra defectuosa.
1. ¿Cuál es la probabilidad de que, en seis engranajes seleccionados,
ninguno esté defectuoso?
2. ¿Cuál es la probabilidad de que en seis engranajes seleccionados, tres
estén defectuosos?
1. En una distribución binomial, n=8 y 𝜋 = 0.30. Determinar la
probabilidad de que x sea igual a 2.
2. En una distribución binomial, n=12 y 𝜋 = 0.60. Determinar la
probabilidad de que x sea 1 o 2.
3. En un estudio reciente se descubrió que el 90% de los anuncios
publicitarios sobre alimentos infantiles son un éxito. En una
muestra de 9 anuncios publicitarios. ¿Cuál es la probabilidad de
que los 9 tengan éxito?
4. Cinco por ciento de los engranajes producidos por una fresadora
automática de alta velocidad se encuentra defectuosa.
1. ¿Cuál es la probabilidad de que, en seis engranajes seleccionados,
ninguno esté defectuoso?
2. ¿Cuál es la probabilidad de que en seis engranajes seleccionados, tres
estén defectuosos?
5. El 8% de los empleados de la planta General Motors en
el Zip de Cofradía recibe su sueldo por medios de
transferencias de fondos electrónicos. Suponga que
selecciona una muestra aleatoria de 7 empleados. ¿Cuál
es la probabilidad de que a los 7 se les haga un depósito
directo?
6. Un fabricante de marcos para ventanas sabe por experiencia,
que el 5% de la producción tendrá algún tipo de defecto menor,
que requerirá reparación. ¿Cuál es la probabilidad de que en
una muestra de 20 marcos:
a. Ninguno requiera reparación (0)
b. Por lo menos 1 requiera reparación (el resultado de ninguno se resta de
1 para obtener el resultado)
c. Menos de 4 requieran reparación (ninguno, 1, 2, 3)
d. Calcular la desviación estándar
 Para más información leer la página web
www.lbanegas.com
𝐵𝑖𝑏𝑙𝑖𝑜𝑔𝑟𝑎𝑓í𝑎
Lind, D.A., Marchal, W.G., Wathen, S.A. (15). (2012). Estadística Aplicada a los
Negocios y la Economía. México: McGrawHill

David M. Levine, Timothy C. Krehbiel, Mark L. Berenson. 2006. Estadística para

Administración. (4° edición). Naucalpan de Juárez, México.: Pearson Prentice Hall
98