Distribucion Normal

DISTRIBUCION
NORMAL
ING. SERGIO LOPEZ NIETO
DISTRIBUCIN NORMAL
o campana de Gauss-Laplace
Esta distribucin es frecuentemente utilizada en las aplicaciones

estadsticas. Su propio nombre indica su extendida utilizacin,
justificada por la frecuencia o normalidad con la que 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 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,...) de una especie,
p.ejm. 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: consumo de cierto producto por un mismo grupo de
individuos, puntuaciones de examen.
Caracteres psicolgicos, por ejemplo: cociente intelectual, grado de adaptacin a un
medio,...
Errores cometidos al medir ciertas magnitudes.
Valores estadsticos muestrales, por ejemplo : la media.
Otras distribuciones como la binomial o la de Poisson son aproximaciones normales, ...
Y en general cualquier caracterstica que se obtenga como suma de muchos factores.
Funcin de densidad
= media
= desviacin estndar
= 3.1416
e = 2.71828
La distribucin normal posee las siguientes caractersticas

principales:
1.- Tiene forma de campana y posee una sola cima en el centro de la
distribucin. La media, mediana, y la moda son iguales y se localizan en el
centro de la distribucin. El rea total bajo la curva es 1.
2.- Es simtrica respecto a la media.
3.- Desciende suavemente en ambas direcciones del valor central, es decir ,
la distribucin es asinttica. La curva se aproxima ms y ms al eje de las X.
sin tocarlo en realidad, las colas de la curva se extienden indefinidamente
en ambas direcciones.
4.- La localizacin de una distribucin normal se determina a travs de la
media . La dispersin o propagacin de la distribucin se determina por
medio de la desviacin estndar .
La distribucin normal queda definida por dos parmetros, su media y su

desviacin estndar y la representamos as :
N(,)
Para cada valor de y tendremos una funcin de densidad distinta, por lo tanto
la expresin N(,) representa una familia de distribuciones normales.
Est caracterizada por dos parmetros
a).- Parmetro de localizacin: La media
b).- Parmetro de forma: La varianza
Figura: Distribuciones gaussianas con igual media

pero varianza diferente.
Figura: Distribuciones gaussianas con diferentes medias e igual desviacin.
La media determina la posicin y la desviacin estndar la

forma. Una desviacin estndar menor, genera una curva
ms delgada.
Curvas normales con diferente media y desviacin estndar
El punto mximo de f(x) se encuentra en x =
f(x)
La variable puede tomar valores de (
f(x)
El rea total bajo la curva es 1
f(x)
0.5
0.5
Sus puntos de inflexin se encuentran en
f(x)
Punto de inflexin
Punto de inflexin
DISTRIBUCIN DE PROBABLIDAD
NORMAL ESTNDAR
Una variable aleatoria que tiene una distribucin normal con media de cero y
desviacin estndar de uno es conocida como una distribucin de
probabilidad normal estndar.
f(z)
f ( z)
1 ( z ) 2 / 2
e
2
DISTRIBUCIN DE PROBABLIDAD
NORMAL ESTNDAR
La letra z es comunmente usada para designar a la variable aleatoria normal
estndar mediante la conversin de la varaiable x por medio de la siguiente relacin
matemtica.
z
donde:
= media de la distribucin.
= desviacin estndar de la distribucin.
x = variable aleatoria.
z = variable aleatoria estndar.
f ( z)
1 ( z ) 2 / 2
e
2
Los valores de Z antes de la media son negativos, despus de la media son positivos
f(z)
Z -
Z +
Un valor x = 12 lo queremos transformar a valor z
f(x)
Desviacin estndar = 0.8
Desviacin estndar =1
12
Z=
x
z
f(x)
12 10
2.5
.8
12
Z = 2.5
x
z
Observe que P(x<10) = P(z<0) =0.50 porque son reas equivalentes
f(x)
Uso de la tabla normal estndar.

reas acumuladas desde z = - 3.49 hasta z = 3.49
0.01
0.02
-3.4
-2.9
-2.8
-2.7
-2.6
-2.5
2.5
2.6
2.7
2.8
2.9
3.4
0.0003
0.0019
0.0026
0.0035
0.0047
0.0062
.....
0.9938
0.9953
0.9965
0.9974
0.9981
0.9997
0.0003
0.0018
0.0025
0.0034
0.0045
0.0060
..
0.9940
0.9955
0.9966
0.9975
0.9982
0.9997
0.0003
0.0018
0.0024
0.0033
0.0044
0.0059
..
0.9941
0.9956
0.9967
0.9976
0.9982
0.9997
0.03
0.0003
0.0017
0.0023
0.0032
0.0043
0.0057
..
0.9943
0.9957
0.9968
0.9977
0.9983
0.9997
0.04
0.05
0.0003
0.0016
0.0023
0.0031
0.0041
0.0055
..
0.9945
0.9959
0.9969
0.9977
0.9984
0.9997
0.0003
0.0016
0.0022
0.0030
0.0040
0.0054
..
0.9946
0.9960
0.9970
0.9978
0.9984
0.9997
0.06
0.07
0.08
0.09
0.0003 0.0003 0.0003 0.0002
0.0015 0.0015 0.0014 0.0014

0.0021 0.0021 0.0020 0.0019
0.0029 0.0028 0.0027 0.0026
0.0039 0.0038 0.0037 0.0036
0.0052 0.0051 0.0049 0.0048
..
..
..
..
0.9948 0.9949 0.9951 0.9952
0.9961 0.9962 0.9963 0.9964
0.9971 0.9972 0.9973 0.9974
0.9979 0.9979 0.9980 0.9981
0.9985 0.9985 0.9986 0.9986
0.9997 0.9997 0.9997 0.9998
Ejemplo: Dada una distribucin normal estndar, encuentre el rea

bajo la curva que cae
a) A la izquierda de z =1.43
p( z < 1.43 ) = ?
rea
0
1.43

rea
1.43
P( z < 1.43) = 0.9236

Z
0.0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
1.1
1.2
1.3
1.4
0
0.5000
0.5398
0.5793
0.6179
0.6554
0.6915
0.7257
0.7580
0.7881
0.8159
0.8413
0.8643
0.8849
0.9032
0.9192
0.01
0.5040
0.5438
0.5832
0.6217
0.6591
0.6950
0.7291
0.7611
0.7910
0.8186
0.8438
0.8665
0.8869
0.9049
0.9207
0.02
0.5080
0.5478
0.5871
0.6255
0.6628
0.6985
0.7324
0.7642
0.7939
0.8212
0.8461
0.8686
0.8888
0.9066
0.9222
0.03
0.5120
0.5517
0.5910
0.6293
0.6664
0.7019
0.7357
0.7673
0.7967
0.8238
0.8485
0.8708
0.8907
0.9082
0.9236
0.04
0.5160
0.5557
0.5948
0.6331
0.6700
0.7054
0.7389
0.7704
0.7995
0.8264
0.8508
0.8729
0.8925
0.9099
0.9251
0.05
0.5199
0.5596
0.5987
0.6368
0.6736
0.7088
0.7422
0.7734
0.8023
0.8289
0.8531
0.8749
0.8944
0.9115
0.9265
0.06
0.5239
0.5636
0.6026
0.6406
0.6772
0.7123
0.7454
0.7764
0.8051
0.8315
0.8554
0.8770
0.8962
0.9131
0.9279
0.07
0.5279
0.5675
0.6064
0.6443
0.6808
0.7157
0.7486
0.7794
0.8078
0.8340
0.8577
0.8790
0.8980
0.9147
0.9292
0.08
0.5319
0.5714
0.6103
0.6480
0.6844
0.7190
0.7517
0.7823
0.8106
0.8365
0.8599
0.8810
0.8997
0.9162
0.9306
0.09
0.5359
0.5753
0.6141
0.6517
0.6879
0.7224
0.7549
0.7852
0.8133
0.8389
0.8621
0.8830
0.9015
0.9177
0.9319
Observe, para calcular p(z <1.43) es : la acumulada a 1.43 que es 0.9236,

1-0.9236
0.9236
1.43
P( z >1.43) = 0.0764
Z
0.0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
1.1
1.2
1.3
1.4
0
0.5000
0.5398
0.5793
0.6179
0.6554
0.6915
0.7257
0.7580
0.7881
0.8159
0.8413
0.8643
0.8849
0.9032
0.9192
0.01
0.5040
0.5438
0.5832
0.6217
0.6591
0.6950
0.7291
0.7611
0.7910
0.8186
0.8438
0.8665
0.8869
0.9049
0.9207
0.02
0.5080
0.5478
0.5871
0.6255
0.6628
0.6985
0.7324
0.7642
0.7939
0.8212
0.8461
0.8686
0.8888
0.9066
0.9222
0.03
0.5120
0.5517
0.5910
0.6293
0.6664
0.7019
0.7357
0.7673
0.7967
0.8238
0.8485
0.8708
0.8907
0.9082
0.9236
0.04
0.5160
0.5557
0.5948
0.6331
0.6700
0.7054
0.7389
0.7704
0.7995
0.8264
0.8508
0.8729
0.8925
0.9099
0.9251
0.05
0.5199
0.5596
0.5987
0.6368
0.6736
0.7088
0.7422
0.7734
0.8023
0.8289
0.8531
0.8749
0.8944
0.9115
0.9265
0.06
0.5239
0.5636
0.6026
0.6406
0.6772
0.7123
0.7454
0.7764
0.8051
0.8315
0.8554
0.8770
0.8962
0.9131
0.9279
0.07
0.5279
0.5675
0.6064
0.6443
0.6808
0.7157
0.7486
0.7794
0.8078
0.8340
0.8577
0.8790
0.8980
0.9147
0.9292
0.08
0.5319
0.5714
0.6103
0.6480
0.6844
0.7190
0.7517
0.7823
0.8106
0.8365
0.8599
0.8810
0.8997
0.9162
0.9306
0.09
0.5359
0.5753
0.6141
0.6517
0.6879
0.7224
0.7549
0.7852
0.8133
0.8389
0.8621
0.8830
0.9015
0.9177
0.9319
Observe, para calcular p(z >1.43) es : a 1 le restamos la acumulada a 1.43

que es 0.9236, por lo tanto p(z > 1.43 ) = 0.0764
Ejemplo: Dada una distribucin normal, encuentre el rea bajo la

curva que cae
a) Entre z = -1.5 y
z =1.43
p(- 1.5 < z < 1.43) = ?
rea
-1.5
1.43

P(-1.5 < z < 1.43) = .9236
Z
-1.5
0.0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
1.1
1.2
1.3
1.4
0
0.0668
0.5000
0.5398
0.5793
0.6179
0.6554
0.6915
0.7257
0.7580
0.7881
0.8159
0.8413
0.8643
0.8849
0.9032
0.9192
0.01
0.0655
0.5040
0.5438
0.5832
0.6217
0.6591
0.6950
0.7291
0.7611
0.7910
0.8186
0.8438
0.8665
0.8869
0.9049
0.9207
0.02
0.0643
0.5080
0.5478
0.5871
0.6255
0.6628
0.6985
0.7324
0.7642
0.7939
0.8212
0.8461
0.8686
0.8888
0.9066
0.9222
0.03
0.0630
0.5120
0.5517
0.5910
0.6293
0.6664
0.7019
0.7357
0.7673
0.7967
0.8238
0.8485
0.8708
0.8907
0.9082
0.9236
rea
- .0668 = .8568
0.04
0.0618
0.5160
0.5557
0.5948
0.6331
0.6700
0.7054
0.7389
0.7704
0.7995
0.8264
0.8508
0.8729
0.8925
0.9099
0.9251
0.05
0.0606
0.5199
0.5596
0.5987
0.6368
0.6736
0.7088
0.7422
0.7734
0.8023
0.8289
0.8531
0.8749
0.8944
0.9115
0.9265
0.06
0.0594
0.5239
0.5636
0.6026
0.6406
0.6772
0.7123
0.7454
0.7764
0.8051
0.8315
0.8554
0.8770
0.8962
0.9131
0.9279
0.07
0.0582
0.5279
0.5675
0.6064
0.6443
0.6808
0.7157
0.7486
0.7794
0.8078
0.8340
0.8577
0.8790
0.8980
0.9147
0.9292
-1.5
0.08
0.09
0.0571
0.5319
0.5714
0.6103
0.6480
0.6844
0.7190
0.7517
0.7823
0.8106
0.8365
0.8599
0.8810
0.8997
0.9162
0.9306
0.0559
0.5359
0.5753
0.6141
0.6517
0.6879
0.7224
0.7549
0.7852
0.8133
0.8389
0.8621
0.8830
0.9015
0.9177
0.9319
1.43
Observe:
rea = F(1.43) F(-1.5)
Observe, que esta tabla tiene valores acumulados a partir de z = 0, hay tablas
acumuladas desde z = -3.4 , por lo que el estudiante debe tener cuidado en la tabla
que va usar.
Porcentajes de rea en algunos intervalos comunes.

El 68.26% de los valores de una variable aleatoria normal
estn entre +/- 1 desviacin estndar de la media.
estn entre +/- 2 desviaciones estndar de la media.
estn entre +/- 3 desviaciones estndar de la media.
APROXIMACION DE LA DISTRIBUCION NORMAL Y LA BINOMIAL

Si un problema implica una muestra de 60, generar una distribucin binomial
para dicha cantidad tan grande habra consumido demasiado tiempo.
Un enfoque ms eficiente consiste en aplicar la aproximacin de la distribucin
normal a la binomial.
Parece razonable emplear la distribucin normal ( continua ) en sustitucin de
la distribucin binomial ( discreta) para valores grandes de n pues, conforme n
se incrementa , una distribucin binomial se aproxima cada vez ms a una
distribucin normal.
La distribucin normal una buena aproximacin de la distribucin binomial cuando np y

n(1-p) son ambos 5 por lo menos. Sin embargo, antes de aplicar la aproximacin
normal, debe estar seguro de que la distribucin de inters sea en verdad una
distribucin binomial.
Suponga que la administracin de Santoni

Pizza Restaurant se da cuenta que 70% de
sus nuevos clientes regresan a comer .
Cul es la probabilidad de que 60% o ms
clientes regresen a comer durante una
semana en la que 80 nuevos (primera vez)
clientes comen en Santoni?
Observe en la siguiente grfica, una distribucin binomial que representa el problema,

adems una tabla donde aparecen las probabilidades para diferentes valores de x ( de
43 a 68 ) que se calcularon con la frmula de la binomial
P(X 60) = 0.063+0.048+ + 0.001) = 0.197
Observe que de la distribucin

normal es el promedio de una
binomial.
La variancia de la distribucin
normal es la varaiancia de la
binomial.
Adems observe que queremos
calcular P( x 60), o sea desde 60 en
adelante, pero aqu aparece desde
59.5 , esto se debe a un factor de
correccin de continuidad.
Notar que llegamos a la misma
respuesta que en la binomial
Factor de correccin de continuidad: Valor de 0.5 restado o sumado, segn se

requiera, a un valor seleccionado cuando una distribucin de probabilidad discreta
se aproxima por medio de una distribucin de probabilidad continua.
Como aplicar el factor de correccin :
1.- Para la probabilidad de que por lo menos ocurra x, se utiliza el rea por
encima de ( x-.5 ) ejemplo : P(x 60) se toma de 59.5
2.- Para la probabilidad de que ocurra mas x, se utiliza el rea por encima de
( x+.5 ) ejemplo : P(x > 60) se toma de 60.5
3.- Para la probabilidad de que ocurra x o menos, se utiliza el rea debajo de
( x+.5 ) ejemplo : P(x 60) se toma de 60.5
4.- Para la probabilidad de que ocurra menos que x, se utiliza el rea debajo
de ( x-.5 ) ejemplo : P(x< 60) se toma de 59.5
5.- Para la probabilidad de que ocurra exactamente x , se utiliza el rea entre
x .5 , por ejemplo P( x = 60) se toma el rea desde 59.5 a 60.5
P ( x 60) = ?
1.- Para la probabilidad de que por lo

menos ocurra x, se utiliza el rea por
encima de ( x-.5 ) ejemplo : P(x 60)
se toma de 59.5
ejemplos
Una refaccionaria vende auto-partes y refacciones incluyendo un popular aceite

multigrado. Cuando la existencia de este aceite cae a 20 galones, se pone una orden
de relleno.
El encargado de la tienda est preocupado porque las ventas han disminuido debido
a inexistencias mientras que espera por una orden. Se ha determinado que el plazo
de demanda (x) est normalmente distribuido con una media de 15 galones y una
desviacin estndar de 6 galones
El encargado quisiera saber la probabilidad de inexistencia, p (x > 20).
La tabla normal estndar muestra un rea acumulada de 0.7967 hasta z = 0.83.

El rea despus de z =0.83 es de 1-0.7967 = 0.2033
La probabilidad de inexistencia es de 0.2033.
z = (x - )/
= (20 - 15)/6
Area = .2967
= .83
Area = 0.2033
Area = 0.7967
0 .83
Tabla con valores acumulados a partir de z = 0
.00
.01
.02
.03
.04
.05
z
.0 .0000 .0040 .0080 .0120 .0160 .0199
.1 .0398 .0438 .0478 .0517 .0557 .0596
.2 .0793 .0832 .0871 .0910 .0948 .0987
.3 .1179 .1217 .1255 .1293 .1331 .1368
.06
.07
.08
.09
.0239 .0279 .0319 .0359

.0636 .0675 .0714 .0753
.1026 .1064 .1103 .1141
.1406 .1443 .1480 .1517
.4
.1554 .1591 .1628 .1664 .1700 .1736 .1772 .1808 .1844 .1879
.5
.1915 .1950 .1985 .2019 .2054 .2088 .2123 .2157 .2190 .2224
.6
.2257 .2291 .2324 .2357 .2389 .2422 .2454 .2486 .2518 .2549
.7
.2580 .2612 .2642 .2673 .2704 .2734 .2764 .2794 .2823 .2852
.8
.2881 .2910 .2939 .2967 .2995 .3023 .3051 .3078 .3106 .3133
.9
.3159 .3186 .3212 .3238 .3264 .3289 .3315 .3340 .3365 .3389
Si el encargado de la refaccionaria quiere que la

probabilidad de inexistencia sea de 0.05, Cul sera el
punto de reordenamiento?
Area = 0.05
Area = .5
Area = .45
z.05
El valor de z que tiene el rea hacia su derecha de 0.05, es de

1.645
Ahora observamos el rea despus de la media de 0.4500

en la tabla de Probabilidad normal estndar para
encontrar el valor correspondiente a z.05
z
.
.00
.01
.02
.03
.04
.05
.06
.07
.08
.09
1.5 .4332 .4345 .4357 .4370 .4382 .4394

1.6 .4452 .4463 .4474 .4484 .4495 .4505
1.7 .4554 .4564 .4573 .4582 .4591 .4599
1.8 .4641 .4649 .4656 .4664 .4671 .4678
.4406 .4418 .4429 .4441

.4515 .4525 .4535 .4545
.4608 .4616 .4625 .4633
.4686 .4693 .4699 .4706
1.9 .4713 .4719 .4726 .4732 .4738 .4744 .4750 .4756 .4761 .4767
.
.
.
.
.
.
.
.
.
.
.
z.05 = 1.645 es el valor de z que tiene el rea de 0.05

hacia su derecha.
El valor correspondiente de x es dado por

x = + z.05
= 15 + 1.645(6)
= 24.87
Un punto de reordenamiento de 24.87 galones situara la
probabilidad de una inexistencia durante el plazo de demanda a
0.05.
Tal vez la refaccionaria debera mandar su punto de
reordenamiento a 25 galones para mantener la probabilidad
debajo de .05.
La vida media de una lmpara, segn el fabricante, es de 68

meses, con una desviacin de 5 meses. Se distribuye segn una
distribucin normal.
En un lote de 10 000 lmparas.
a) Cuntas lmparas superarn previsiblemente los 75 meses?
b) Cuntas lmparas se estropearn antes de 60 meses?
a). Solucin
z = (75 -68)/5 = 1.4
p (X > 75) = p (z > 1.4) = 1 - P (z 1.4) = 1 0.9192 = 0.0808
Por lo tanto el 8.08% de las lmparas
(808 lmparas) superarn los 75 meses.
b). Solucin
Aqu es usando una tabla acumulada

comenzando de z = 0
z = (60 -68)/5 = -1.6

P (X 60) = (z -1.6) = P (z> 1.6) = 1 - P (z 1.6) = 0.0548
Por lo tanto, el 5.48% del lote (548 lmparas) no llegarn probablemente a
durar 60 meses
tabla acumulada comenzando de z = 0
z
.
.00
.01
.02
.03
.04
.05
.06
.07
.08
.09
1.5 .4332 .4345 .4357 .4370 .4382 .4394

1.6 .4452 .4463 .4474 .4484 .4495 .4505
1.7 .4554 .4564 .4573 .4582 .4591 .4599
1.8 .4641 .4649 .4656 .4664 .4671 .4678
.4406 .4418 .4429 .4441

.4515 .4525 .4535 .4545
.4608 .4616 .4625 .4633
.4686 .4693 .4699 .4706
1.9 .4713 .4719 .4726 .4732 .4738 .4744 .4750 .4756 .4761 .4767
.
.
.
.
.
.
.
.
.
.
.
Se est calculando un rea
simtrica
P (z> 1.6) = 1 - P (z 1.6) = 0.0548
-1.6
1.6
Un profesor determin que el promedio final en su curso de estadstica tiene una

distribucin normal con media de 72 y desviacin estndar de 5. Decidi asignar
las calificaciones del curso de manera que 15% de los alumnos reciban una
calificacin de A.
Cul es el promedio ms bajo que un alumno puede tener para obtener una A?
Sea x el promedio ms bajo.

Encuentre x de manera que P(X > x) = 0.15.
El valor z correspondiente es 1.04.
As se tiene:
x=z+
x = 1.04(5)+72 = 77.2
0.15
X=77.2
Z=1.04
Un informe reciente de BusinessWeek seala que el 20 % de los

empleados le roba a la empresa cada ao. Si una compaa tiene 50
empleados. Cul es la probabilidad de que menos de 5 roben?
= np = (50) (.20) = 10
= npq = (50)(.2)(.8)=2.828
P(x <5 ) ?
P(x<5) = p(z -1.94) = .0262
2.62%
Z
Z=-1.94

empleados. Cul es la probabilidad de que ms de 5 roben?
= np = (50) (.20) = 10
= npq = (50)(.2)(.8)=2.828
P(x >5 ) ?
P(x>5) = p(z -1.59) = 0.9441

94.41%
Z
Z=-1.59

empleados. Cul es la probabilidad de que por lo menos 5 roben?
= np = (50) (.20) = 10
= npq = (50)(.2)(.8)=2.828
P(x 5 ) ?
P(x5) = p(z -1.94) = 0.9738

97.38%
Z
Z=-1.94

empleados. Cul es la probabilidad de que 5 roben?
= np = (50) (.20) = 10
= npq = (50)(.2)(.8)=2.828
P(x =5 ) ?
P(x=5) = p( -1.94<Z<-1.59) =0.0297
2.97%
Z
Z=-1.94
Z= -1.59
FIN

Distribucion Normal

Загружено:

Сведения о документе

Авторское право

Доступные форматы

Поделиться этим документом

Поделиться или встроить документ

Параметры публикации

Этот документ был вам полезен?

Это неприемлемый материал?

Авторское право:

Доступные форматы

Distribucion Normal

Загружено:

Авторское право:

Доступные форматы

DISTRIBUCION

ING. SERGIO LOPEZ NIETO

ING. SERGIO LOPEZ NIETO

Esta distribucin es frecuentemente utilizada en las aplicaciones

Muchas variables aleatorias continuas presentan una funcin de

ING. SERGIO LOPEZ NIETO

En resumen, la importancia de la distribucin normal se debe principalmente a que hay

ING. SERGIO LOPEZ NIETO

ING. SERGIO LOPEZ NIETO

La distribucin normal posee las siguientes caractersticas

ING. SERGIO LOPEZ NIETO

La distribucin normal queda definida por dos parmetros, su media y su

b).- Parmetro de forma: La varianza

ING. SERGIO LOPEZ NIETO

Figura: Distribuciones gaussianas con igual media

ING. SERGIO LOPEZ NIETO

Figura: Distribuciones gaussianas con diferentes medias e igual desviacin.

ING. SERGIO LOPEZ NIETO

La media determina la posicin y la desviacin estndar la

ING. SERGIO LOPEZ NIETO

Curvas normales con diferente media y desviacin estndar

ING. SERGIO LOPEZ NIETO

El punto mximo de f(x) se encuentra en x =

ING. SERGIO LOPEZ NIETO

La variable puede tomar valores de (

ING. SERGIO LOPEZ NIETO

El rea total bajo la curva es 1

ING. SERGIO LOPEZ NIETO

Sus puntos de inflexin se encuentran en

ING. SERGIO LOPEZ NIETO

ING. SERGIO LOPEZ NIETO

ING. SERGIO LOPEZ NIETO

ING. SERGIO LOPEZ NIETO

Un valor x = 12 lo queremos transformar a valor z

ING. SERGIO LOPEZ NIETO

ING. SERGIO LOPEZ NIETO

Observe que P(x<10) = P(z<0) =0.50 porque son reas equivalentes

ING. SERGIO LOPEZ NIETO

Uso de la tabla normal estndar.

ING. SERGIO LOPEZ NIETO

0.0003 0.0003 0.0003 0.0002

0.0015 0.0015 0.0014 0.0014

0.9997 0.9997 0.9997 0.9998

Uso de la tabla normal estndar.

Ejemplo: Dada una distribucin normal estndar, encuentre el rea

ING. SERGIO LOPEZ NIETO

Uso de la tabla normal estndar.

P( z < 1.43) = 0.9236

Observe, para calcular p(z <1.43) es : la acumulada a 1.43 que es 0.9236,

Uso de la tabla normal estndar.

Observe, para calcular p(z >1.43) es : a 1 le restamos la acumulada a 1.43

Uso de la tabla normal estndar.

Ejemplo: Dada una distribucin normal, encuentre el rea bajo la

p(- 1.5 < z < 1.43) = ?

ING. SERGIO LOPEZ NIETO

Uso de la tabla normal estndar.

ING. SERGIO LOPEZ NIETO

ING. SERGIO LOPEZ NIETO

Porcentajes de rea en algunos intervalos comunes.

ING. SERGIO LOPEZ NIETO

ING. SERGIO LOPEZ NIETO

APROXIMACION DE LA DISTRIBUCION NORMAL Y LA BINOMIAL

ING. SERGIO LOPEZ NIETO

La distribucin normal una buena aproximacin de la distribucin binomial cuando np y