UNIVERSIDAD NACIONAL DEL SANTA

FACULTAD DE EDUCACIN Y HUMANIDADES

ESCUELA ACADEMICO PROFESIONAL DE MATEMTICA, FSICA Y
COMPUTACIN

CURSO

:
ESTADISTICA

DOCENTE

:
BOZA

ESTUDIANTE

:
-

CICLO
TEMA

HUALCAS TANTAPOMA JHON

V
:

DISTRIBUCIN NORMAL

Nuevo Chimbote, JULIO del 2013

INDICE
INTRODUCCIN...................................................................................................3
BREVE RESEA HISTRICA....................................................................,.......4
1. DISTRIBUCIN NORMAL.......................................................................,......5
1.1 Por qu es importante conocer la distribucin normal?.........................6

1.2 IMPORTANCIA DE LA DISTRIBUCIN NORMAL.................,..........7

1.3 Distribucin Normal
1.3.1 Definicin................................................................................,........8
1.3.2 Caractersticas........................................................................,........9
1.3.3 Propiedades.....................................................................................9

2. LA DISTRIBUCIN NORMAL ESTNDAR..............................................11

3. USO DE LA TABLA DE LA DISTRIBUCIN NORMAL TPICA..........13
3.1 Busca de la funcin de distribucin de un nmero positivo...................13
3.2 Clculo de la funcin de distribucin de un nmero negativo...............14
3.3 Clculo de la probabilidad de que la normal tpica caiga
entre dos valores dados. ............................................................................16
3.4 Clculo de la probabilidad de que un normal con parmetros
cualesquiera caiga entre dos valores dados. ..........................................17
4. CLCULO DE REAS DE UNA DISTRIBUCIN NORMAL................18
5. EJERCICIOS RESUELTOS DE LA DISTRIBUCIN NORMAL...........21
6. BIBLIOGRAFA ...............................................................................................29

INTRODUCCIN
Esta distribucin es frecuentemente utilizada en las aplicaciones estadsticas.
Su propio nombre indica su extendida utilizacin, justificada por las frecuencia o
normalidad con la que las ciertos fenmenos tienden a parecerse en
su comportamiento a esta distribucin.
Muchas variables aleatorias continuas presentan una funcin de densidad cuya grfica
tiene forma de campana.

En otras ocasiones, al considerar distribuciones binomiales, tipo B(n,p), para un

mismo valor de p y de valores de n cada vez mayores, se ve que sus polgonos de
frecuencias se aproximan a una forma en forma de campana.
En resumen, la importancia de la distribucin normal se debe principalmente a que hay
muchas variables asociadas a fenmenos naturales que siguen el modelo de la normal.
Caracteres morfolgicos de individuos (personas, animales, plantas, etc ) de una
especie.
Por ejemplo: tallas, pesos, envergaduras, dimetros, permetros.
Caracteres fisiolgicos, por ejemplo: efecto de una misma dosis de un frmaco,
o de una misma cantidad de abono.
Caracteres sociolgicos, por ejemplo: consciente intelectual, grado de
adaptacin
a
un
medio.
Errores cometidos al medir ciertas magnitudes.
Valores estadsticos maestrales, por ejemplo: la media.
Otras distribuciones como la binomial o la Poisson son aproximaciones
normales.
Y en general cualquier caracterstica que se obtenga como suma de mucho
factores.

BREVE RESEA HISTRICA

La distribucin normal fue presentada por vez primera por Abraham de Moivre en un artculo del ao
1733, que fue reimpreso en la segunda edicin de su The Doctrine of Chances, de 1738, en el
contexto de cierta aproximacin de la distribucin binomial para grandes valores de n. Su
resultado fue ampliado por Laplace en su libro Teora analtica de las probabilidades (1812),
y en la actualidad se llama Teorema de De Moivre-Laplace.

Laplace us la distribucin normal en el anlisis de errores de experimentos. El importante mtodo de

mnimos cuadrados fue introducido por Legendre en 1805.Gauss, que afirmaba haber usado el mtodo
desde 1794, lo justific rigurosamente en1809 asumiendo una distribucin normal de los errores. El
nombre de Gauss se ha asociado a esta distribucin porque la us con profusin cuando
analizaba datos astronmicos y algunos autores le atribuyen un descubrimiento independiente del
de De Moivre.
Esta atribucin del nombre de la distribucin a una persona distinta de su primer descubridor es un claro
ejemplo de la Ley de Stigler .El nombre de "campana" viene de Esprit Jouffret que us el trmino "bell
surface"(superficie campana) por primera vez en 1872 para una distribucin normal
bivariante de componentes independientes. El nombre de "distribucin normal" fue otorgado
independientemente por Charles S. Peirce, Francis Galton y Wilhelm Lexis hacia 1875.
La distribucin normal ha sido descubierta y estudiada por diferentes personas de
manera independiente, y no siempre se le ha atribuido a la misma persona. En lo que
podramos llamar historia de la distribucin normal podemos destacar estos nombres.
1. Abraham De Moivre (ltimo tercio del siglo XVII y primera mitad del XVIII) es el
primer autor en publicar una explicacin de la distribucin normal (en 1733) tal como
la entendemos ahora.
El objetivo y el contexto son los juegos de azar (probabilidades de ganar), aunque la
preocupacin de De Moivre era ms teolgica (el aparente desorden del Universo es
consistente con un plan inteligente; el caos es aparente porque tiene sus normas, etc.).
2. El marqus de Laplace y Carlos Federico Gauss (matemticos y astrnomos; ambos
entre los siglos XVIII y primera mitad del XIX; Gauss fue un prodigio de las
matemticas) tambin estudiaron y desarrollaron la distribucin normal (tambin
denominada campana de Gauss), sobre todo, aplicada a la observacin astronmica.
Gauss denomin a esta distribucin distribucin de errores (en sus observaciones sobre
la rbita de los asteroides); de Gauss es tambin el concepto de error tpico de la media.
3. Quetelet (astrnomo belga) y Galton (ambos ya en el siglo XIX) son los primeros en
descubrir y estudiar las aplicaciones de la distribucin normal a las medidas de
antropometra (altura, etc.) y a los fenmenos sociales, y de ah se pas a otro tipo de
medidas (como de inteligencia y a otras ya en el campo de la psicologa, educacin,
etc.).
4. Finalmente a Karl Pearson (1857-1936) le debemos el trmino de curva normal.

Distribucin Normal
Existe una distribucin de frecuencias terica llamada distribucin normal, que puede
considerarse como modelo adecuado para describir la distribucin de un gran nmero de
variables en el campo biolgico.
De entre todas las distribuciones continuas tiene especial relevancia la distribucin
Normal o de Gauss. Aparece frecuentemente en las situaciones ms variadas. Las
variables que presentan una distribucin Normal tienen caractersticas comunes tales

como la acumulacin de valores en torno al valor de la media, la simetra en la

distribucin de los valores y escasos valores alejados de la media, por ejemplo:
Caracteres morfolgicos de individuos: altura, peso, nmero de pie, tamao del
palmo, etc.
Carctersticas de la mayora de los productos de consumo: duracin de las
bombillas, resistencia a la rotura de muebles o de piezas, duracin de los
electrodomsticos, etc.
Calificaciones obtenidas en cursos, asignaturas y exmenes.

Se dice que una variable aleatoria continua sigue una distribucin normal de media
y
X N ,

desviacin tpica , y se escribe

, cuando tiene la funcin de densidad:
1

f ( x)
e
2

1 x

La grfica de esta funcin de densidad tiene forma campaniforme, y se denomina

campana de Gauss.
Las Propiedades de la funcin f(x) se aprecian en su grfica y son:
(, )

f(x) tiene por dominio

f(x) es continua en su dominio.

f(x) es simtrica respecto a la recta x=.
( ,

F(x) tiene un mximo absoluto en

f(x) tiene dos puntos de inflexin en x= + y x=-.
f(x) es siempre positiva y asinttica con respecto al eje OX.
La grfica de la funcin de densidad f(x) se llama campana de Gauss .

Por qu es importante conocer la distribucin normal?

La distribucin normal fue desarrollada por Abraham de Moivre, (1667-1754).
Posteriormente, Carl Friedrich Gauss (17771855) elabor desarrollos ms profundos y
formul la ecuacin de la curva; de ah que tambin se la conozca, ms comnmente,
como la "campana de Gauss". La distribucin de una La distribucin normal variable

normal est completamente determinada por dos parmetros, su media y su desviacin

estndar, denotadas generalmente por y .
La distribucin normal es la distribucin de probabilidad ms importante en estadstica,
debido a tres razones fundamentales (De Groot, M.H., 1988):
Desde un punto de vista matemtico resulta conveniente suponer que la
distribucin de una poblacin de donde se ha extrado una muestra aleatoria
sigue una distribucin normal, ya que entonces se pueden obtener las
distribuciones de varias funciones importantes de las observaciones mustrales,
que adems resultan tener una forma sencilla.
Desde un punto de vista cientfico, la distribucin normal aproxima en muchas
ocasiones los valores obtenidos para variables que se miden sin errores
sistemticos. Por ejemplo, se ha observado que muchos experimentos fsicos
frecuentemente tienen distribuciones que son aproximadamente normales, como
estaturas o pesos de los individuos, beneficios medios de las empresas, la
duracin de un producto perecedero, el tiempo necesario para llevar a cabo un
trabajo, etc.
La ltima razn es la existencia del Teorema Central del Lmite, establece que
cuando se dispone de una muestra aleatoria grande, aunque presente una
distribucin no normal e incluso distribuciones tpicas de variables aleatorias
discretas, pueden tratarse como aproximadamente distribuciones normales.
Algunos ejemplos tpicos de la distribucin normal son:
-

Estatura de las personas.

T de una cmara frigorfica.
Dosis de un aditivo.
Precipitaciones anuales de un determinado pas.

IMPORTANCIA DE LA DISTRIBUCIN NORMAL

La distribucin normal es sin lugar a dudas la ms importante y la de mayor uso de
todas las distribuciones continuas de probabilidad. Su aplicacin abarca prcticamente
todas las reas de la ciencia, gran parte de los fenmenos naturales y proporciona una
representacin adecuada, al menos en una primera aproximacin, de gran cantidad de
variables fsicas. As, su uso comprende problemas relativos a la ingeniera, economa,
sociologa, agricultura, medicina, biologa, finanzas, meteorologa, geofsica,

mediciones de partes manufacturadas, errores de instrumentos de medicin, etc.

Puntualizando podemos decir que:
Son muchas las variables aleatorias que estn distribuidas normalmente cuando se
realizan experimentos u observaciones empricas y hay otras ms que estn
distribuidas en forma aproximadamente normal.
Ciertas distribuciones se pueden aproximar mediante la distribucin normal. Esto se
cumple, por ejemplo, para la distribucin binomial.
Ciertas variables que son bsicas para justificar pruebas estadsticas estn
distribuidas en forma normal, como las distribuciones muestrales de muestras
grandes, intervalos de confianza, pruebas de hiptesis, el teorema del lmite central,
etc.
La importancia de esta distribucin radica en que permite modelar numerosos
fenmenos naturales, sociales y psicolgicos. Mientras que los mecanismos que
subyacen a gran parte de este tipo de fenmenos son desconocidos, por la enorme
cantidad de variables incontrolables que en ellos intervienen, el uso del modelo normal
puede justificarse asumiendo que cada observacin se obtiene como la suma de unas
pocas causas independientes.
De hecho, la estadstica es un modelo matemtico que slo permite describir un
fenmeno, sin explicacin alguna. Para la explicacin causal es preciso el diseo
experimental, de ah que al uso de la estadstica en psicologa y sociologa sea conocido
como mtodo correlacional.
La distribucin normal tambin es importante por su relacin con la estimacin
por mnimos cuadrados, uno de los mtodos de estimacin ms simples y antiguos.
Algunos ejemplos de variables asociadas a fenmenos naturales que siguen el modelo
de la normal son:
Caracteres morfolgicos de individuos como la estatura;caracteres fisiolgicos como el
efecto de un frmaco;caracteres sociolgicos como el consumo de cierto producto por
un mismo grupo de individuos;caracteres psicolgicos como el cociente intelectual;
nivel de ruido en telecomunicaciones;errores cometidos al medir ciertas magnitudes;etc.
Adems
Numerosas variables continuas de fenmenos aleatorios tienden a comportarse
probabilisticamente mediante sta.
Es el lmite al que convergen tanto variables aleatorias continuas como discretas.
Proporciona la base de la inferencia estadstica clsica debido a su relacin
con el teorema del lmite central.

Distribucin Normal
Sea

f X (x)

una funcin de densidad dada por:

1 X

1
e 2
2

f X ( x)

x IR; IR; IR

f X (x )

es una funcin simtrica respecto del parmetro y su forma es conocida como

campana de Gauss, en honor del matemtico Gauss
La distribucin gaussiana, es ms conocida con el nombre de distribucin normal, ya
que es comn encontrar fenmenos de la naturaleza que se comporten de acuerdo a este
modelo probabilstico.
X
Si
es una v.a. con funcin de densidad
f X (x)
X
, entonces se dice que
sigue una
2
distribucin normal de parmetros
y
. lo
2
X N ( , )
que se denota por

es un
2

parmetro de ubicacin, mientras que

es un
parmetro de dispersin.

OTRA IDEA: Sea X una variable continua normalmente distribuda con media
desviacin estndar

, denotamos:

X ~ N ( , )

La funcin densidad de una variable aleatoria Normal est dada por:

2
1
x
f ( x)
e
2

2 2

- x ,

- ,

Punto de
inflexin

Caractersticas:
-

Su grfico semeja una campana simtrica, cuyas colas se extienden hacia el infinito
tanto en direccin negativa como en la positiva.

El promedio, la mediana y la moda de la distribucin tienen el mismo valor.

La distribucin queda completamente definida por el promedio y la desviacin

estndar. El promedio nos informa sobre la posicin o ubicacin de la distribucin en
el eje horizontal y, la desviacin estndar refleja la dispersin de los valores con
respecto al promedio.

Distribucin #3:
Normal con media 80
Desviacin estndar 5
Distribucin #1:
Normal con media 50
Desviacin estndar 10

20

30

Distribucin #2:
Normal con media 80
Desviacin estndar 10

40

50

60

70

80

90

100

Propiedades de la distribucin normal

La distribucin normal tiene forma de campana.

La distribucin normal es una distribucin de probabilidad que tiene media

desviacin estndar = 1.
El rea bajo la curva o la probabilidad desde menos infinito a ms infinito vale 1.
La distribucin normal es simtrica, es decir cada mitad de curva tiene un rea de 0.5.
La escala horizontal de la curva se mide en desviaciones estndar.

= 0 y

La forma y la posicin de una distribucin normal dependen de los parmetros

consecuencia hay un nmero infinito de distribuciones normales.

, en

Existe una relacin del porcentaje de poblacin a la desviacin estndar. En la figura

1
observamos por ejemplo que el rea bajo la curva para
tiene un porcentaje de
2
3 99.73%
68.26%,
= 95.46% y

-3s -2s -1s

+1s +2s +3s

68.26%
95.46%
99.73%

La poblacin incluye todos los datos, la muestra es una porcin de la poblacin.

Poblacin

Muestra

x-3s

x-2s

x-s

x+s

x+2s

x+3s

La desviacin estndar
sigma representa la
distancia de la media al
punto de inflexin de la
curva normal

X
x-3

x-2

x-

x+

x+2

x+3

z
-3

-2

-1

LA DISTRIBUCIN NORMAL ESTNDAR

La distribucin normal estndar, o tipificada o reducida, es aquella que

tiene por media el valor cero, = 0, y por desviacin tpica la unidad,
=1. Su funcin de densidad es:

Su grfica es:

La probabilidad de la variable X depender del rea del recinto

sombreado en la figura. Y para calcularla utilizaremos una tabla.

Tipificacin de la variable

Para poder utilizar la tabla tenemos que transformar la variable X que

sigue una distribucin N (, ) en otra variable Z que siga una
distribucin N(0, 1).

El valor de z
Z

Determina el nmero de desviaciones estndar entre algn valor X y la

media de la poblacin
. Para calcular el valor de Z usamos la siguiente frmula.

La distribucin de probabilidad f (Z) es una distribucin normal con media 0 y

desviacin estndar 1; esto es Z se distribuye normalmente con media cero y desviacin
estndar = 1 Z~N(0,1): La grfica de densidad de probabilidad se muestra en la figura.

La distribucin f
en la tabla de
estndar. En esta
los valores de Z o
determinado valor

(Z) se encuentra tabulada

distribucin
normal
tabla podemos determinar
la
probabilidad
de
Z.

F(z)

Z
0

Ejemplo 1 : El gerente de personal de una gran compaa requiere que los solicitantes
a un puesto efecten cierta prueba y alcancen una calificacin de 500. Si las

calificaciones de la prueba se distribuyen normalmente con media

485 y

desviacin estndar
30 Qu porcentaje de los solicitantes pasar la prueba?
Calculando el valor de Z obtenemos:

500 485
0.5
30

Buscamos el valor correspondiente Z en las tabla de distribucin normal. Z 0.5 = .69146

= 69.146%. siendo esta la probabilidad de que la calificacin sea menor a 500 P
P ( X 500)

(X<500). Dado que el porcentaje pedido es

30.85% de los participantes pasarn la prueba.

la solucin es 1-.69146 =.3085 ,

485

3 0 .8 5 %

Z.0 5
Ejemplo 2:
Encuentre las probabilidades siguientes usando la tabla Z.
a

P(-1.23 < Z > 0)

-1.23
0

Solucin: Buscamos el valor Z1..23 en las tablas siendo este = .89065. restando .
89065-.05 = .3905, este valor es la probabilidad de 0 a 1.23 que es exactamente la
misma de 1.23 a 0 por simetra. Por lo tanto la probabilidad es .3905

USO DE LA TABLA DE LA DISTRIBUCIN NORMAL

TPICA
Sea Z una variable aleatoria con distribucin normal tpica
1) Busca de la funcin de distribucin de un nmero positivo.
Supongamos que queremos calcular P{ Z 0,92}. Dicha probabilidad est
representada por el rea sombreada en la figura 1.

figura 1

Obtendremos la respuesta buscando en la tabla normal (para ello buscamos

la fila correspondiente al nmero truncado en su primera cifra decimal (es
decir 0,9) y la
columna correspondiente a la segunda cifra decimal (es decir 0,02). La
interseccin
de esa fila y esa columna nos indicar el nmero buscado).

Por lo tanto

P{ Z 0,92}= 0,8212.

2) Clculo de la funcin de distribucin de un nmero negativo.

Supongamos que queremos calcular P{ Z -1,53}. Dicha probabilidad est
representada por el rea sombreada en la figura 3.

figura 3

El nmero -1,53 no figura en la tabla, pero eso no nos impide calcular la

probabilidad en cuestin. Simplemante hay que tener en cuenta que, por la
simetra de la campana de Gauss se tiene:
P{ Z

-1,53}= P{ Z >1,53}

La probabilidad que figura en el segundo miembro de la ecuacin est

respresentada en el rea sombreada en la figura 4:

figura 4

Dicha probabilidad es la complementaria de la probabilidad P{ Z

representada en la figura 5.

1,53},

figura 5

Es decir: P{ Z 1,53}+ P{ Z > 1,53}= 1. Para hallar P{ Z

simplemente vamos a la tabla y procedemos como en el caso 1:

De aqu obtenemos P{ Z

1,53}

1,53} = 0,9370 y, por lo tanto:

P{ Z -1,53}= P{ Z > 1,53} = 1 - P{ Z 1,53}= 10,9370 = 0,0630

3) Clculo de la probabilidad de que la normal tpica caiga entre dos
valores dados.

Supongamos que queremos calcular P{0,41 < Z

1,62}. Esta
probabilidad est representada por el rea sombreada en la figura 7.

figura 7

Dicha probabilidad se puede calcular como

P{ 0,41 < Z 1,62}.= P{ Z 1,62}- P{Z

0,41}.

El minuendo y el sustraendo estn representados por las reas sombreadas

en las figuras 8 y 9, respectivamente.

figura

figura 9

La busca en la tabla nos da los valores:

P{ Z 1,62} = 0,9474,
y
P{Z

0,41} = 0,6591 .

Por lo tanto:
P{ 0,41 < Z 1,62}.= 0,9474 - 0,6591= 0,2883.
4) Clculo de la probabilidad de que un normal con parmetros
cualesquiera caiga entre dos valores dados.
Supongamos que queremos calcular P{2,3 < X 3,7}. Donde X es una
variable aleatoria normal con parmetros =1,5 y =2 Esta probabilidad
est representada por el rea sombreada en la figura 10.

.
figura 10

Para calcular esta probabilidad, llevamos la variable X a una normal tpica,

restando y
dividiendo entre :
P{2,3 < X

3,7} = P{(2,3) / < (X) /

P{(2,31,5) /2 < (X1,5) /2

1,1 }

(3,7) / }=

(3,71,5) /2 }= P{0,4< (X) /

La variable Z= (X) / tiene distribucin normal tpica. La probabilidad

que se quiere calcular es igual al rea sombreada en la figura 11:

figura 11

La resolucin del problema se reduce entonces a lo explicado en la parte 3.

P{2,3 < X 3,7} = P{0,4< Z 1,1 }= P{ Z 1,1 } P{ Z 0,4 } =
0,8643 0,6554 = 0,2089

CLCULO DE REAS DE UNA DISTRIBUCIN NORMAL

Definicin:

X ~ N ( , )
Si

, la variable normal estandarizada:

Tiene distribucin Normal con media cero y varianza igual a uno:

Z ~ N (0, 1)
Z es el nmero de desviaciones estndar que x difiere de la media m:

Si

Z > 0 entonces x es mayor a la media m

Si

Z < 0 entonces x es menor a la media m

Si

Z = 0 entonces x es igual a la media m

68.3%

95.4%
99.7%
- 3

- 2

-3

-2

-1

10

Para cualquier distribucin Normal

N ,

+ 2
2

+ 3
3

se cumple que:

68,3% de las observaciones se encontrarn a una desviacin estndar de la media

95,4% de las observaciones se encontrarn a dos desviaciones estndar de la media

99,7% de las observaciones se encontrarn a tres desviaciones estndar de la media

68.3%

95.4%
99.7%
- 3

- 2

-3

-2

-1

10

+ 2
2

+ 3
3

Clculo de reas
a

Encuentre el rea de la distribucin Normal estndar que se encuentra a la

izquierda de z = 1,22

a re a to th e
le f t o f z = 1 .2 2
is 0 .8 8 8 8

z = 1 .2 2

Encuentre el rea de la distribucin Normal estndar que se encuentra a la

derecha de z = 1,22

Encuentre el rea de la distribucin Normal estndar que se encuentra entre

z = 0 y z =1,22

Encuentre el rea de la distribucin Normal estndar que se encuentra a la

izquierda de z = -2,55

Encuentre el rea de la distribucin Normal estndar que se encuentra entre

z = -1,22 y z = 1,22

EJERCICIOS RESUELTOS DE LA DISTRIBUCIN NORMAL

1.- Halla las siguientes probabilidades en una distribucin N(0, 1):

a) p z 1, 73
b) p 0, 62 z 1, 34

c) p 1, 2 z 1, 2

Solucin:

a) p z 1, 73 p z 1, 73 1 p z 1, 73 1 0, 9582 0, 0418

b) p 0, 62 z 1, 34 p z 1, 34 p z 0, 62 0, 9099 0, 7324 0,1775

c) p 1, 2 z 1, 2 2 p z 1, 2 0, 5 2 0, 8849 0, 5 0, 7698

2.- El tiempo empleado, en horas, en hacer un determinado producto sigue una

distribucin N(10, 2). Calcula la probabilidad de que ese producto se tarde en hacer:

a) Menos de 7 horas.
b) Entre 8 y 13 horas.

Solucin:

x 10 7 10

p z 1, 5
2
2

a) p x 7 p

p z 1, 5 1 p z 1, 5 1 0,9332 0, 0668

8 10 x 10 13 10

p 1 z 1, 5
2
2
2

b) p 8 x 13 p

p z 1, 5 p z 1 p z 1, 5 p z 1
p z 1, 5 1 p z 1 0, 9332 1 0, 8413 0, 7745

3.- En una distribucin N(0, 1), calcula:

a) p z 1, 18
b) p z 2, 1

c) p 0,71 z 1, 23

Solucin:

a) p z 1,18 1 p z 1,18 1 0, 8810 0,1190

b) p z 2,1 p z 2,1 1 p z 2,1 1 0, 9821 0, 0179

c) p 0, 71 z 1, 23 p z 1, 23 p z 0, 71 p z 1, 23 p z 0, 71

p z 1, 23 1 p z 0, 71 0, 8907 1 0, 7612 0, 6519

4.- Las ventas diarias, en euros, en un determinado comercio siguen una distribucin
N(950, 200). Calcula la probabilidad de que las ventas diarias en ese comercio:

a) Superen los 1200 euros.

b) Estn entre 700 y 1000 euros.

Solucin:

 x 950 1200 950

p z 1, 25
200
200

a) p x 1200 p

1 p z 1, 25 1 0, 8944 0,1056

700 950 x 950 1000 950

200
200
200

b) p 700 x 1000 p

p 1 z 0, 25 p z 0, 25 p z 1
p z 0, 25 p z 1 p z 0, 25 1 p z 1

0, 5987 1 0, 8413 0, 44

5.- El nivel de colesterol en una persona adulta sana sigue una distribucin normal
N(192, 12). Calcula la probabilidad de que una persona adulta sana tenga un nivel de
colesterol:

a) Superior a 200 unidades.

b) Entre 180 y 220 unidades.

Solucin:

x 192 200 192

p z 0, 67
12
12

a) p x 200 p

1 p z 0, 67 1 0, 7486 0, 2514

180 192 x 192 220 192

12
12
12

b) p 180 x 220 p

p 1 z 2, 33 p z 2, 33 p z 1
p z 2, 33 p z 1 p z 2, 33 1 p z 1

0, 9901 1 0, 8413 0, 8314

6.-Se calcul que el promedio de enfriamiento de todas las neveras para una lnea
de cierta compaa, emplean una temperatura de -4C con una desviacin tpica
de 1.2C.
a. Cul es la probabilidad de que una nevera salga con una temperatura superior
a -3C?
b. Cul es la probabilidad de que una nevera salga con una temperatura menor a
- 5.5C?

La probabilidad de que una nevera salga con una temperatura superior a -3C es
de 20,33%

La probabilidad de que una nevera salga con una temperatura menor a - 5.5C es
de 10,56%

7.-

8.- Varios test de inteligencia dieron una puntuacin que sigue una ley normal con
media 100 y desviacin tpica 15.
a. Determinar el porcentaje de poblacin que obtendra uncoeficiente entre 95 y 110.

b.- Qu intervalo centrado en 100 contiene al 50% de lapoblacin?

9.- En una poblacin de 2500 individuos cuntos individuosse esperan que tengan un
coeficiente superior a 125?

10.- El fabricante de una impresora lser informa que la cantidad media de

pginas que imprime un cartucho antes de reemplazarlo es de12200.
La distribucin de pginas impresas por cartucho se aproxima a la
distribucin de probabilidad normal y la desviacin estndar es de 820
pginas.
El fabricante desea proporcionar lineamientos a los posibles clientes sobre
el tiempo que deben esperar que les dure un cartucho.
Cuntas pginas debe indicar el fabricante por cartucho si desea obtener
99% de certeza en todo momento?

BIBLIOGRAFA
Lind, D. A., W. G. Marchal, y S. A. Wathen. (2008). Estadistica Aplicada a los
negocios y la economa (13 Ed). Mxico: McGraw-Hill. 239 - 242
Sobre la historia de la Distribucin Normal puede verse David Lane, History of
Normal Distribution
http://cnx.rice.edu/content/m11164/latest/http://www.vitutor.com/pro/5/a_2.html
http://www.sites.upiicsa.ipn.mx/polilibros/z_basura/Polilibros/Probabilidad/doc/
Unidad%203/3.7.htm