5.

DISTRIBUCIO ES CO TI UAS DE PROBABILIDAD

Distribucin normal
La distribucin continua de probabilidad ms importante en todo el campo de la estadstica es la
distribucin normal. Su grafica, que se denomina curva normal, es la curva con la forma de
campana de la figura 2, la cual describe aproximadamente muchos fenmenos que ocurren en la
naturaleza, la industria y la investigacin. Las mediciones fsicas en reas como los experimentos
meteorolgicos, estudios de lluvia y mediciones de partes fabricadas a menudo se aplican ms que
adecuadamente con una distribucin normal. Adems, los errores en las mediciones cientficas se
aproximan extremadamente bien mediante una distribucin normal. En 1733, Abraham Demoivre
desarrollo la ecuacin matemtica de la curva normal. Proporciona una base sobre la que se
fundamenta gran parte de la teora de la estadstica inductiva. La distribucin normal a menudo se
denomina distribucin gaussiana, en honor de Karl Friedrich Gauss (1777-1855), quien tambin
derivo su ecuacin a partir de un estudio de errores en mediciones repetidas de la misma cantidad.

Figura 2: La curva normal

Una variable aleatoria continua X que tiene la distribucin en forma de campana de la figura 2 se
llama variable aleatoria normal. Le ecuacin matemtica para la distribucin de probabilidad de la
variable normal depende de los dos parmetros y , su media y desviacin estndar. De aqu,
denotamos los valores de la densidad de X con n (x; , ).

Distribucin normal
La funcin de densidad de la variable aleatoria normal X, con media y varianza 2, es:
1
1 [( x ) / ]
2

n(x; ,) = e 2 , - < x <, donde = 3.14159 y e = 2.71828

2
Una vez que se especifiquen y , la curva normal queda determinada por completo. Por ejemplo,
si = 50 y = 5, entonces se puede calcular las ordenadas n (x; 50, 5) para varios valores de x y
dibujar la curva. En la figura 3 dibujamos dos curvas normales que tienen la misma desviacin
estndar pero diferentes medias. Las dos curvas son idnticas en forma pero estn centradas en
diferentes posiciones a lo largo del eje horizontal.

1 2

1 2 x

Ing. Idaly Montoya Aguilar

Figura 3. Curvas normales con 1 < 2 y 1 = 2

Si trazamos dos curvas normales con la misma media pero con diferentes desviaciones estndar.
Esta vez vemos que las dos curvas estn centradas exactamente en la misma posicin sobre el eje
horizontal, pero la curva con la mayor desviacin estndar es ms baja y se extiende ms lejos.
Recuerde que el rea bajo una curva de probabilidad debe ser igual a 1, y entre mas variable sea el
conjunto de observaciones mas baja y ancha ser la curva correspondiente.
Si trazamos dos curvas normales que tienen diferentes medias y diferentes desviaciones estndar,
claramente, estn centradas en posiciones diferentes sobre el eje horizontal y sus formas reflejan los
dos diferentes valores .
De una inspeccin de las anteriores curvas y al examinar la primera y segunda derivadas de n (x; ,
), listamos las siguientes propiedades de la curva normal:
1. La moda, que es el punto sobre el eje horizontal donde la curva es un mximo, ocurre en x = .
2. La curva es simtrica alrededor de un eje vertical a travs de la media .
3. La curva tiene sus puntos de inflexin en x = + , es cncava hacia abajo si - < X < + ,
y es cncava hacia arriba en cualquier otro punto.
4. La curva normal se aproxima al eje horizontal de manera asinttica conforme nos alejamos de la
media en cualquier direccin.
5. El rea total bajo la curva y sobre el eje horizontal es igual a 1.
Muchas variables aleatorias tienen distribuciones de probabilidad que se pueden describir de
manera adecuada mediante la curva normal una vez que se especifiquen y 2. En este capitulo
supondremos que se conocen estos dos parmetros, quizs de investigaciones previas. Mas tarde
haremos inferencias estadsticas cuando se desconozcan y 2 y se estimen a partir de los datos
experimentales disponibles.
Sealamos en un principio el papel que juega la distribucin normal como una aproximacin
razonable de variables cientficas en experimentos de la vida real. La distribucin normal encuentra
una gran aplicacin como distribucin limitante. Bajo ciertas condiciones la distribucin normal
proporciona una buena aproximacin continua a las distribuciones binomial e hipergeometrica.
Resulta que la distribucin limitante de promedios mustrales es normal. Esto proporciona una base
amplia para la inferencia estadstica que es muy valiosa para el analista de datos interesado en la
estimacin y prueba de hiptesis. Las importantes reas del anlisis de varianza y del control de
calidad tienen su teora basada en suposiciones que hace uso de la distribucin normal.

reas bajo la curva normal

La curva de cualquier distribucin continua de probabilidad o funcin de densidad se construye de
modo que el rea bajo la curva limitada por las dos ordenadas x = x1 y x = x2 es igual a la
probabilidad de que la variable aleatoria x tome un valor entre x = x1 y x = x2.
El rea bajo la curva entre cualesquiera dos ordenadas tambin debe depender de los valores y .

Ing. Idaly Montoya Aguilar

Por fortuna es posible transformar todas las observaciones de cualquier variable aleatoria normal X
en un nuevo conjunto de observaciones de una variable aleatoria normal Z, con media 0 y varianza
1, esto puede realizarse por medio de la transformacin:

X
Z=

Donde: Z se lee en las tablas A3. X es la variable aleatoria, es la media de la poblacin y es
la desviacin estndar.

La distribucin de una variable aleatoria normal con media cero y varianza 1 se llama distribucin
normal estndar.

Hemos reducido ahora el nmero que se requiere de tablas de reas de curva normal a una, la de la
distribucin normal estndar. La tabla A.3 indica el rea bajo la curva normal estndar que
corresponde a P (Z < z) para valores de z que van de -3.49 a 3.49. Para ilustrar el uso de esta tabla
encontremos la probabilidad de que Z sea menor que 1.74. Primero, localizamos un valor de z igual
a 1.7 en la columna izquierda, despus nos movemos a lo largo del rengln a la columna bajo 0.04,
donde leemos 0.9591. Por tanto, P (Z < 1.74) = 0.9591. Para encontrar un valor z que corresponda a
una probabilidad dada, el proceso se invierte. Por ejemplo, el valor z que deja un rea de 0.2148
bajo la curva a la izquierda de z se ve que es -0.79.

Ejemplo 1: Dada una distribucin normal estndar, encuentre el rea bajo la curva que yace (a) a la
derecha de z = 1.84 y (b) entre z = -1.97 y z = 0.86

Solucin

(a) El rea en la figura 4 (a) a la derecha de z = 1.84 es igual a 1 menos el rea en la tabla A.3 a
la izquierda de z = 1.84 a saber, es decir, 1 0.9671 = 0.0329

(b) El rea en la figura 4 (b) entre z = - 1.97 y z = 0.86 es igual al rea a la izquierda de z = 0.86
menos el rea a la izquierda de z = -1.97. De la tabla A.3 encontramos que el rea que se
desea es 0.8051 0.0244 = 0.7807

(a) 0 1.84 z (b) - 1.97 0 0.86 z

Figura 4. reas del ejemplo 1.

Ejemplo 2: Dada una distribucin normal estndar, encuentre el valor de k tal que (a) P (Z > k) =
0.3015, y (b) P (k < Z < -0.18) = 0.4197

Solucin

Ing. Idaly Montoya Aguilar

 (a) En la figura 5 (a) vemos que el valor k que deja un rea de 0.3015 a la derecha debe dejar
entonces un rea de 0.6985 a la izquierda. De la tabla A.3 se sigue que k = 0.52

0.3015 0.4197

(a) 0 k z (b) k - 0.18 0 z

Figura 5. reas del ejemplo 2

(b) De la tabla A.3 notamos que el rea total a la izquierda de -0.18 es igual a 0.4286. En la
figura 5 (b) vemos que el rea entre k y -0.18 es 0.4197 por lo que el rea a la izquierda de k
debe ser 0.4286 0.4197 = 0.0089. Por lo tanto, de la tabla A.3 tenemos k = -2.37

Ejemplo 3: Dada una distribucin normal con = 50 y = 10, encuentre la probabilidad de que X
tome un valor entre 45 y 62.

Solucin

Los valores z que corresponden a x1 = 45 y x2 = 62 son

45 50
Z1 = = -0.5
10

62 50
Z2 = = 1.2
10

Por tanto, P ( 45 < X < 62)= P ( -0.5 < Z < 1.2)

-0.5 0 1.2 z

Figura 6. rea del ejemplo 3

La P( -.05 < Z < 1.2) se muestra por el rea de la regin sombreada de la figura 6.11. Esta rea se
puede encontrar al restar el rea a la izquierda de z = 1.2. Con el uso de la tabla A.3, tenemos

P (45 < X < 62) = P (-0.5 < Z < 1.2) = P (Z < 1.2) P (Z < -0.5) = 0.8849 0.3085 = 0.5764

Ing. Idaly Montoya Aguilar

Ejemplo 4: Dada una distribucin normal con = 300 y = 50, encuentre la probabilidad de que x
tome un valor mayor que 362.

Solucin

La distribucin de probabilidad normal que muestra el rea que se desea se representa en la figura
6.12. Para encontrar la P(X > 362), necesitamos evaluar el rea bajo la curva normal a la derecha de
x = 362, Esto se puede realizar al transformar x = 362 al valor z correspondiente, al obtener el rea
a la izquierda de z de la tabla A.3 y despus restar esta rea de 1. Encontramos que

362 300
Z= = 1.24
50

Por lo que,

P(X > 362) = P (Z > 1.24) = 1 P (Z < 1.24) = 1 0.8925 = 0.1075

= 50

300 362 x

Figura 7. rea del ejemplo 4

En ocasiones se nos pide encontrar el valor de z que corresponde a una probabilidad especifica que
cae entre los valores que se listan en la tabla A.3 (vase ejemplo 5). Por conveniencia, siempre
elegiremos el valor z que corresponde a la probabilidad tabular que esta mas cerca de la
probabilidad que se especifica. Sin embargo, si la probabilidad dada cae a la mitad entre dos
probabilidades tabulares, debemos elegir para z el valor que cae a la mitad entre los valores
correspondientes de z. Por ejemplo, para encontrar el valor z que corresponde a una probabilidad de
0.7975, que cae entre 0.7964 y 0.7995 en la tabla A.3, elegimos z = 0.83, pues 0.7975 es mas
cercano a 0.7967. Por otro lado, para una probabilidad de 0.7981, que cae en la mitad entre 0.7967 y
0.7995, tomamos z= 0.835.

Los anteriores dos ejemplos se resolvieron al ir primero de un valor de x a un valor z y despus

calcular el rea que se desea. En el ejemplo 6.6 invertimos el proceso y comenzamos con un rea o
probabilidad conocida, encontramos el valor z y despus determinamos x reacomodando la formula:

X
Z= Para dar x = z +

Ejemplo 5: Dada una distribucin normal con = 40 y = 6, encuentre el valor de x que tiene (a)
45% del rea a la izquierda y (b) 14% del rea a la derecha.

Ing. Idaly Montoya Aguilar

Solucin:

(a) En la figura 8 (a) se sombrea un rea de 0.45 a la izquierda del valor x deseado. Requerimos
un valor z que deja un rea de 0.45 a la izquierda. De la tabla A.3 encontramos P (Z < -
0.13) = 0.45 por lo que el valor z deseado es -0.13. De aqu

X = (6) (-0.13) + 40 =39.22

(b) En la figura 8 (b) sombreamos un rea igual a 0.14 a la derecha del valor que se desea. Esta
vez requerimos un valor z que deje 0.14 del rea a la derecha y por ello un rea de 0.86 a la
izquierda. De nuevo, de la tabla A.3, encontramos P (Z <1.08) = 0.86 por lo que el valor z
que se desea es 1.08 y,

x = (6) (1.08) + 40 = 46.48

(a) (b)

=6 =6

0.45 0.14

40 x 40 x

Figura 8. reas del ejemplo 5

Aplicaciones de la distribucin normal

Algunos de los muchos problemas para los que es aplicable la distribucin normal se tratan en los
siguientes ejemplos.

Ejemplo 1: Cierto tipo de batera de almacenamiento dura, en promedio, 3.0 aos, con una
desviacin estndar de 0.5 aos. Suponga que las duraciones de la batera de distribuyen
normalmente, encuentre la probabilidad de que una batera dada dure menos de 2.3 aos.

Solucin

Primero construya un diagrama como el de la figura 9, que muestra la distribucin dad de

duraciones de las bateras y el rea que se desea. Para encontrar la P (X < 2.3), necesitamos evaluar
el rea bajo la curva normal a la izquierda de 2.3. Esto se logra encontrando el rea a la izquierda
del correspondiente valor de z. Por lo tanto se encuentra que:

= 0.5

2.3 3 x

Figura 9. rea del ejemplo 1

Ing. Idaly Montoya Aguilar

 2 .3 3
Z = = - 1.4,
0 .5

Y entonces con el uso de la tabla A.3 tenemos P(X< 2.3) = P (Z < - 1.4) = 0.0808

Ejemplo 2: Una empresa elctrica fabrica focos que tiene una duracin, antes de fundirse, que se
distribuye normalmente con media igual a 800 horas y una desviacin estndar de 40 horas.
Encuentre la probabilidad de que un foco se funda entre 778 y 834 hora.

= 40

778 800 834 x

Figura 10. rea del ejemplo 2

Solucin

La distribucin de los focos se ilustra en la figura 6.15. Los valores z que corresponden a x1 = 778 y
x2 = 834 son:

778 800
Z1 = = - 0.55
40

834 800
Z1 = = 0.85
40

De aqu que:

P (778 < X < 834) = P (-0.55 < Z 0.859)

=P (Z < 0.85) P (Z < - 0.55)

= 0.8023 0.2912 = 0.5111

Ejemplo 3: En un proceso industrial el dimetro de un cojinete es una parte componente importante.

El comprador establece que las especificaciones en el dimetro sean 3.0 0.01 cm. La implicacin
es que ninguna parte que caiga fuera de estas especificaciones se aceptara. Se sabe que en el
proceso el dimetro de un cojinete tiene una distribucin normal con media 3.0 y una desviacin
estndar = 0.005. En promedio, cuntos cojinetes se descartaran?

Solucin

La distribucin de dimetros se ilustra en la figura 6.16. Los valores que corresponden a los limites
especificados son x1 = 2.99 y x2 = 3.01. Los correspondientes valores de z son:

Ing. Idaly Montoya Aguilar

 2.99 3.0
Z1 = = - 2.0 = 0.005
0.005

3.01 3.0
Z2 = = + 2.0 0.0228 0.0228
0.005
2.99 3.0 3.01

Figura 11. rea del ejemplo 3

Por lo tanto, P (2.99 < X < 3.01) = P (-20 < Z < 2.0)

De la tabla A.3, P (Z < - 20) = 0.0228. Debido a la simetra de la distribucin normal, encontramos
que

P (- 2.0 < Z < 2.0) = 2 (0.0228) = 0.0456

Como resultado se anticipa que, en promedio, 4.56% de los cojinetes fabricados se descartaran.

Ejemplo 4: Se utilizan medidores para rechazar todos los componentes donde cierta dimensin no
esta dentro de las especificacin 1.50 d. Se sabe que esta medicin se distribuye de forma normal
con media 1.50 y desviacin estndar 0.2. Determine el valor d tal que las especificaciones
cubran 95% de las mediciones.

Solucin

= 0.2

0.025 0.025

1.108 1.50 1.892 x

Figura 12. Especificaciones del ejemplo 4.

De la tabla A.3 sabemos que, P (-1.96 < Z < 1.96) = 0.95

Por lo tanto, 1.96 =

(1.50 + d ) 1.50 de la cual se obtiene: d = (0.2) (1.96) = 0.392
0 .2

Ejemplo 5: Cierta maquina fabrica resistores elctricos que tiene una resistencia media de 40
ohmios y una desviacin estndar de dos ohmios. Suponga que la resistencia sigue una distribucin
normal y se puede medir con cualquier grado de precisin, que porcentaje de resistores tendr una
resistencia que exceda 43 ohmios?

Solucin

Se encuentra un porcentaje al multiplicar la frecuencia relativa por 100%. Como la frecuencia

relativa para un intervalo es igual a la probabilidad de caer en el intervalo, debemos encontrar el

Ing. Idaly Montoya Aguilar

rea a la derecha de x = 43 en la figura 13. Esto se puede hacer al transformar x = 43 al valor z
correspondiente, con lo que se obtiene el rea a la izquierda de z de la tabla, A.3, y despus se resta
esta rea de 1. Encontramos que:

= 2.0

40 43 x

Figura 13. rea del ejemplo 5

43 40
Z= = 1.5
2

De aqu que, P(X > 43) = P (Z > 1.5) = 1 P (Z < 1.5) = 1 0.9332 = 0.0668

Por tanto, 6.68% de los resistores tendrn una resistencia que excede 43 ohmios.

Ejemplo 6: Encuentre el porcentaje de revisores que exceden 43 ohmios para el ejemplo anterior si
la resistencia se mide al ohm mas cercano.

Solucin

Este problema defiere del ejemplo anterior pues ahora asignamos una media de 43 ohmios a todos
los resistores cuyas resistencias sean mayores que 42.5 y menores que 43.5. Realmente
aproximamos una distribucin discreta por medio de una distribucin continua normal. El rea que
se requiere es la regin sombreada a la derecha de 43.5 en la figura 6.19. Encontramos ahora que:

= 2.0

40 43.5 x

Figura 14. rea del ejemplo 6

43 .5 40
Z= = 1.75
2

De aqu que, P(X > 43.5) = P (Z > 1.75) = 1 P (Z < 1.75) = 1 0.9599 = 0.0401

Por tanto, 4.01% de los resistores exceden 43 ohmios cuando se miden al ohmio mas cercano. La
diferencia 6.68% - 4.01% = 2.67% entre esta respuesta y la del ejemplo anterior representa todos
los resistores que tienen una resistencia mayor que 43 y menor que 43.5 que ahora se registran
como de 43 ohmios.

Ing. Idaly Montoya Aguilar

Ejemplo 7: La calificacin promedio para un examen es 74 y la desviacin estndar es 7. Si 12% de
la clase obtiene A y las calificaciones siguen una curva que tiene una distribucin normal, Cul es
la A mas baja posible y la B mas alta posible?

=7

0.12

74 x

Figura 15. rea del ejemplo 7

Solucin

En este ejemplo comenzamos con una rea de probabilidad conocida, encontramos el valor z y
despus determinamos x de la formula x = + . Un rea de 0.12, que corresponde a la fraccin de
estudiantes que reciben A, se sombrea en la figura 6.20. Requerimos un valor z que deje 0.12 del
rea a la derecha y, por ello, un rea de 0.88 a la izquierda. De la tabla A.3, P (Z < 1.175) = 0.88,
por lo que el valor z que se desea es 1.175.

De aqu : X= (7)(1.175) + 74 = 82.225

Por tanto, la A mas baja es 83 y la B mas alta es 82

Ing. Idaly Montoya Aguilar