MA 444 ESTADÍSTICA

 Distribución Normal
 Temario

 Distribución Normal
 Logro de la sesión
• Al finalizar la sesión, el estudiante calcula
probabilidades asociadas a la distribución normal
Analicemos el siguiente caso:

Un investigador desea analizar el peso de un grupo

de estudiantes, para ello el investigador se formula
la siguiente pregunta:
El investigador construye un histograma con los
datos de los pesos de 200 estudiantes:

Observe la forma de la curva superpuesta en el

histograma
Se aumenta la muestra de
estudiantes y nuevamente se
construye un histograma con
los pesos de 500 estudiantes.
Observe la curva superpuesta
en el histograma.

Ahora se tiene el histograma

con los pesos para una
muestra de 5000 estudiantes.
Finalmente observe que la
curva superpuesta en el
histograma tiene forma de
campana.
 Distribución Normal

Esta distribución es frecuentemente utilizada en las aplicaciones

estadísticas. Su propio nombre indica su utilización por la
frecuencia o normalidad con la que ciertos fenómenos tienden a
parecerse en su comportamiento a esta distribución.

La importancia de la distribución normal se debe a que hay

muchas variables aleatorias continuas asociadas a fenómenos
naturales que siguen el modelo de la normal.
 variables aleatorias que tienen distribución normal

Caracteres morfológicos de individuos

la estatura el peso

Caracteres psicológicos de individuos el cociente

intelectual

Errores cometidos al medir

cierta magnitud
 Distribución Normal

La variable aleatoria continua X, tiene distribución normal con

parámetros  y 2 si su función de densidad es:
2
1  x 
1   
f  x  e 2  
  x  
2

Notación X ~ N(, 2)

 Gráfica de la distribución normal
La campana de Gauss

• Es simétrica respecto al eje vertical x = .

• Las medidas de tendencia central coinciden.
• El rango va de –  a + 
 Aplicación: La distribución normal se utiliza en el
control de calidad
Control de calidad en
Control de • Son todos los mecanismos,
un proceso de calidad en los acciones, herramientas realizadas
producción procesos de
producción
para detectar la presencia de
errores

• Se suele interpretar como su aptitud

para producir artículos de acuerdo con
Capacidad las especificaciones. Representa un
del proceso indicador estadístico mide la distancia
Cpk de 3 veces  de cada lado de la media

• Si los límites superior e inferior

del proceso se encuentran
dentro del rango establecido
por las tolerancias, significa
que el proceso satisface las
especificaciones de calidad.
 Estandarización de una variable: X  N(,  2)

X 
Z


El proceso de estandarización es el cambio de variable de

X  N(,  2) a la variable aleatoria Z que tiene
distribución Normal Estándar, es decir Z  N( = 0,  2 = 1)
 Lectura de la tabla de distribución normal estándar (Z)
Utilizamos la tabla normal estándar bajo el criterio gráfico siguiente:

La probabilidad representa el área debajo de la curva normal

estándar con valores menores iguales a un número z0.
 Cálculo de probabilidad usando la tabla normal
estándar (Z):
Ejemplo: Si X~ N( =2,2= 5 ), calcular: P(X<3.5)
=2 y  2 =5

Estandarización:
 Propiedades de la distribución normal estándar

1. P ( Z > a ) = 1- P ( Z  a )

2. P ( Z > a ) = P ( Z < -a )

3. P (a  Z  b) = P(Zb) – P(Za )
 Ejemplo de aplicación:

Caso: ACM Constructores S.A.C

ACM Constructores S.A.C es una
empresa del sector inmobiliario con
más de 10 años de experiencia en el
mercado de Lima. Sus actividades
comprende: la construcción de
viviendas, edificios residenciales,
mantenimiento y rehabilitación,
obras públicas y hostelería.
El jefe de obras de la empresa constructora últimamente ha
tenido ciertos inconvenientes con la duración de las pinturas que
utiliza en el pintado de las paredes, motivo por el cual un
proveedor le presenta dos alternativas de marcas de pintura:
 
 Marca A: pintura cuya duración tienen distribución
exponencial con media de 500 días.
 Marca B: pintura cuya duración tienen distribución normal
con media de 235,30 días y desviación estándar de 73,98
días.
El jefe de obras necesita que la pintura dure más de 200 días,
ante las alternativas propuesta por el proveedor y en base a la
probabilidad de duración, ¿qué marca de pintura debe elegir el
jefe de obras?
 Solución:
Se resolverá este caso aplicando las cinco dimensiones:

Interpretación:
El jefe de obras debe elegir la marca que dure más de 200 días.
Se identifican las siguientes variables:
XA : duración de la pintura marca A
XA  Exp(=500)
 Solución:

XB : duración de la pintura marca B

XB N(=235,30días, =73,98días)

Representación:
Se debe calcular: P(XA >200) y P(XB >200)
Cálculo:

P(XA>200) = e(-200/500) = 0,6703

P(XB>200) = P(Z  200  235,30 )  P(Z  0.48)  1 P(Z  0.48)  1 0,31561  0,68439
73,98
 Solución:

Análisis:
Con los resultados obtenidos se realiza la comparación:
P(XB>200) = 0,68439 > P(XA>200)=0,6703
La marca B tiene mayor probabilidad de duración.
Comunicación/Argumentación:

Dado que la marca B tiene mayor probabilidad de duración por

más de 200 días, el jefe decidirá elegir la pintura de la marca B.
 Autoevaluación

 La forma de la distribución normal estándar F

es asimétrica positiva.

 El rango de la distribución normal estándar es

todos los números reales. V
 En el siguiente gráfico, tiene mayor varianza (a)

 Si X es una variable con distribución normal

se cumple que P(X > 3) = P (X ≤ 3) F
 Bibliografía

 Probabilidad e Inferencia Estadística - Rufino Moya – Gregorio Saravia

 Cuaderno de Trabajo del curso