UNIVERSIDAD NACIONAL DE

HUANCAVELICA
ESCUELA PROFESIONAL DE INGENIERIA
ELECTRONICA

ESTADISTICA PARA INGENIERIA

DISTRIBUCIN NORMAL

MSC. ING. JAVIER HERRERA MORALES

DISTRIBUCIN NORMAL
La mayora de las variables aleatorias que se presentan en los estudios
relacionados con las ciencias sociales, fsicas y biolgicas, por ejemplo, el peso
de nios recin nacidos, talla de jvenes de 18 aos en una determinada
regin, son continuas y se distribuyen segn una funcin de densidad , que
tiene la siguiente expresin analtica :

1
f ( x)
2

1 x 2

Donde es la media de la variable aleatoria y es su desviacin tpica. Este

tipo de variables se dice que se distribuye normalmente. El rea bajo la
funcin de densidad es 1.
La funcin de densidad, en el caso de la distribucin Normal, tiene forma de
campana :

DISTRIBUCIN NORMAL
Es un ejercicio interesante comprobar que sta alcanza un nico mximo
(moda) en , que es simtrica con respecto al mismo, y por tanto
P X P X 1

2
con lo cual en coinciden la media, la mediana y la moda.

La mayor parte de los hechos de probabilidad (rea comprendida entre la

curva y el eje de abscisas) se encuentra concentrado alrededor de la media,
y las ramas de la curva se extienden asintticamente a los ejes, de modo
que cualquier valor ``muy alejado" de la media es posible (aunque poco
probable).
La forma de la campana de Gauss depende de los parmetros y :
indica la posicin de la campana
(parmetro de centralizacin)

ser el parmetro de dispersin. Cuanto menor

sea, mayor cantidad de masa de probabilidad
habr concentrada alrededor de la media

DISTRIBUCIN NORMAL
Para una variable aleatoria X, que se distribuye normalmente con media : y
desviacin tpica: , la probabilidad de que la variable X est comprendida
entre los valores a y b es el rea oscura en la siguiente figura :

analticamente se puede calcular as:

1
e
a 2

p (a X b )

x 2
2 2

DISTRIBUCIN NORMAL
Como el clculo de esta integral es laborioso, para calcular el rea se realiza el
siguiente cambio de variable:

X
Z

Este cambio origina una distribucin normal estndar de media = 0 y

desviacin tpica = 1 cuya funcin de densidad es :

1
f ( x)
2
Y cuyos
valores se
tabulan :

1 x 2

PRACTICA
1)Hallar, la P(z<1.52)=0.9357
2)Hallar, la P(Z>1.52)=1-0.9357= 0.0643

3)P(0<Z<1.52)=0.9357-0.5=0.4357

4) Hallar P(0<Z<0)= 0.9821-0.5=0.4821

5) Determinar el valor de Z, cuya

probabilidad es mayor a 0.25 P(Z>C)=0.25; de la tabla determinamos

Interpolando

6) Hallar la probabilidad entre 0.2 y 1.4

7) Hallar el valor de Z=C, cuya probabilidad
es 0.95

Ejemplo 1:
Consideremos que el peso de los nios varones espaoles en el momento del
nacimiento se distribuye normalmente.
Si sabemos que el peso medio en el momento de nacer son 3,25 kgs y la
desviacin tpica es de 0,82 kgs, cal es la probabilidad de que el peso de un
nio varn al nacer sea superior a 4 kgs?
Tipificamos la variable aleatoria X, peso de los nios al nacer.
En el proceso de tipificacin, al valor de X=4, le corresponde el valor, z=0,9146 :

X 4 3.25
z

0.9146

0.82

0,9146

En la tabla de la distribucin normal tipificada, buscamos el valor de

correspondiente al valor de z=0,9146 ; la probabilidad de z > 0,9146 es,

p( X 4) p( z 0,9146) 0,18

Ejemplo 2:
Segn un estudio, la altura de los varones de cierta ciudad es una v.a. X, que
podemos considerar que se distribuye segn una ley gaussiana de valor
esperado =175 cm y desviacin tpica =10 cm . Dar un intervalo para el que
tengamos asegurado que el 50% de los habitantes de la ciudad estn
comprendidos en l.
En este caso tenemos que buscar en la tabla de la N(0,1) que valor me deja el
25% de los datos hacia la derecha y el valor que me deja el 25 % a la izquierda,
de esta manera tenemos el 50% en los valores centrales.

De la tabal se observa Z=C=0.675

Por lo tanto si destipificamos

X 175
0,675
X (0,675 10) 175 181,75
10
Como es simtrica la distribucin, el valor que nos deja el 25% por
debajo es -0,675

X 175
0,675
X (0,675 10) 175 168,25
10
El 50% de la poblacin tiene
un peso comprendido en el
intervalo [168,25,181,75].

La panadera Miln elabora piezas de pan, la longitud de una

pieza se distribuye en forma normal con una media de 15cn y
una varianza de 2.25 cm2, determine:
a) La probabilidad de que una pieza exceda los 18cm?
b) La probabilidad de que las piezas de pan estn entre 13 y
17cm.

DISTRIBUCIN NORMAL.
Aproximacin de una Binomial a la Normal
Se puede demostrar (teorema central del lmite) que una v.a. discreta con
distribucin binomial,
se puede aproximar mediante una distribucin normal si n es suficientemente
grande y p no est ni muy prximo a 0 ni a 1. Como el valor esperado y la
varianza de X son respectivamente np y npq, la aproximacin consiste en decir
que
El convenio que se suele utilizar para poder realizar esta aproximacin es:

aunque en realidad esta no da resultados muy precisos a menos que realmente

n sea un valor muy grande y

Ejemplo. Durante cierta epidemia de gripe, enferma el 30% de la poblacin. En

un aula con 200 estudiantes de Medicina, cul es la probabilidad de que al
menos 40 padezcan la enfermedad? Calcular la probabilidad de que haya 60
estudiantes con gripe.
La v.a. que contabiliza el nmero de alumnos que padece la gripe es
cuya media es =200x0,3=60 y cuya =200x0,3x0x7=42
Realizar los clculos con la ley binomial es muy engorroso, ya que intervienen
nmeros combinatorios de gran tamao, y potencias muy elevadas. Por ello
utilizamos la aproximacin normal de X, teniendo en cuenta que se verifican las
condiciones necesarias para que el error sea aceptable:

Con una N(60; 6,48)

Tipificando

X 40 60

3,09

6,48

Buscamos

P( x 40) P ( z 3,09)

Por simetra

P( z 3,09) P( z 3,09)
Por suceso contrario

P( z 3,09) 1 P( z 3,09)
Buscando en la tabla

1 P( z 3,09) 1 0,001 0,999

Con una N(60; 6,48)

Tipificando

X 40 60

3,09

6,48

Buscamos

P( x 40) P ( z 3,09)
Por simetra

P ( z 3,09) P ( z 3,09)
Buscando en la tabla

Tipificando

X 40 60

3,09

6,48

Buscamos

P( x 40) P( z 3,09)
Por simetra

P( z 3,09) P( z 3,09)
Buscando en la tabla