Distribución Normal

1
2
3
Distribucin de
Probabilidad Normal
Componente Estratgico Preparacin
Acadmica y Acompaamiento Docente
Componente Estratgico Preparacin Acadmica y Acompaamiento Docente
9
10
Distribucin
Probabilidad
Normal
de
Componente Estratgico Preparacin

Acadmica y Acompaamiento Docente
11
12
13
14
http://www.pace.mineduc.cl/
15
https://www.youtube.com/watch?v=mkdTPk84lfg
16
https://www.facebook.com/profile.php?id=100009569820759
17
18
ndice
19
Simbologa............................................................................................................ 6
20
Introduccin ......................................................................................................... 7
21
Directrices generales ............................................................................................. 8
22
Objetivos .............................................................................................................. 8
23
Conceptos Generales ........................................................................................... 10
24
Variable aleatoria .......................................................................................................10
25
Actividad ....................................................................................................................12
26
Funcin de Probabilidad ...................................................................................... 13
27
Distribucin de probabilidad de una variable discreta .................................................14
28
29
Funcin de distribucin de una variable aleatoria discreta ...........................................14
30
31
32
Media o Esperanza en una Distribucin de Probabilidad ..............................................17
33
34
Varianza y desviacin estndar para datos no agrupados ............................................21
35
36
37
Varianza y desviacin estndar para variables aleatorias discretas ..............................24
38
Variable aleatoria binomial.........................................................................................29
39
40
Variable aleatoria continua.........................................................................................30
41
42
Funcin de Densidad de Probabilidad .........................................................................32
43
Nmero factorial y combinaciones ..............................................................................35
44
Funcin de distribucin de probabilidad normal .................................................. 37
45
Actividad ....................................................................................................................39
46
47
Distribucin normal estndar......................................................................................40
48
Cmo estandarizar una distribucin normal? .............................................................43
49
Aproximacin Binomial a Normal................................................................................44
Actividad ....................................................................................................................................... 16
Actividad ....................................................................................................................................... 18
Actividad ....................................................................................................................................... 20
Actividad ....................................................................................................................................... 23
Actividad ....................................................................................................................................... 26
Actividad ....................................................................................................................................... 28
Actividad ....................................................................................................................................... 31
Actividad ....................................................................................................................................... 33
Actividad ....................................................................................................................................... 42
50
51
Actividad ....................................................................................................................................... 47
Distribucin de Probabilidad Normal
52
53
Simbologa
54
55
56
57
Nosotros te entregaremos informacin

acerca del Programa de
Acompaamiento y Acceso Efectivo a la
Educacin Superior (PACE).
58
59
60
61
62
Uno de nosotros aparecer cuando tengas
que trabajar en equipo.
6
Si me ves es porque, Hay que
resolver un problema!
Y si hay algo importante

que resaltar o recordar,
nosotros apareceremos en
escena!
83
dos componentes:
84
85
86
87
88
89
90
1.
2.
Introduccin
El fundamento de la Estrategia de Preparacin

Acadmica y Acompaamiento Docente (PAAD)
es la preparacin de estudiantes de 3ro y 4to ao
de enseanza media de Establecimientos
Educacionales PACE, facilitando el desarrollo de
competencias
acadmicas
mediante
el
mejoramiento de las prcticas pedaggicas de sus
docentes y a la vez del reforzamiento de su
formacin diferenciada de manera tal de afianzar
los rendimientos en cada contexto.
78
79
80
81
74
Lo anterior, contiene el desafo, para la
75
Universidad de Los Lagos y el Equipo PACE que le
76
asistir en este proceso, de monitorear y evaluar
77
las acciones emprendidas, con el objeto de
sistematizar y validar las buenas prcticas surgidas de esta Estrategia, las
cuales han sido socializadas al interior del Equipo PACE ULagos, Equipo
Directivo, Cuerpo Docente y Estudiantes de su Establecimientos
Educacionales.
82
En la planificacin correspondiente a esta Estrategia, se han considerado
Espacio de Reflexin y Anlisis de la prctica pedaggica que permita identificar las principales
necesidades pedaggicas susceptibles de mejorar, es decir, a travs de un trabajo colaborativo, no
disruptivo y en base a diferentes referentes se contrastarn las prcticas pedaggicas con el fin de
identificar las dimensiones susceptibles de mejorar.
Plan de acompaamiento, que mejore la implementacin de los planes y programas y los
resultados de aprendizaje de los estudiantes, es decir, un plan que contempla el conjunto de
acciones tendientes a satisfacer especficamente estas necesidades.
91
92
93
94
95
96
En este sentido, en el transcurso del ao 2015, se realizaron actividades y acciones de diagnstico de

las necesidades particulares de cada Establecimiento Educacional y de su cuerpo docente, con el fin de
configurar el programa del 2016. Si bien es cierto, estas actividades reflexivas y de diagnstico de la
prctica pedaggica sern sostenidas en el tiempo, como elemento fundamental de retroalimentacin
del sistema de gestin del PACE ULagos, se ha estimado oportuno abordar una serie de temticas desde
un punto de vista metodolgico y didctico.
97
98
99
100
101
102
De esta forma, en el transcurso del 2016, se llevarn a cabo una serie de Talleres o Jornadas de Anlisis
y Reflexin de la Prctica Pedaggica Disciplinarias de formacin para docentes, as como una cantidad
idntica de Jornadas de Acompaamiento, dirigidas principal pero no exclusivamente, a docentes de
3ro y 4to ao de Educacin Media, y estructuradas para el desarrollo de habilidades necesarias que
propicien el buen desempeo en la Educacin Superior de los estudiantes, articulados con los
contenidos mnimos obligatorios.
Te contamos que el PACE

busca restituir el derecho a
la Educacin Superior a
estudiantes de sectores
vulnerables garantizndoles
un cupo en la educacin
superior.
63
64
65
66
67
68
69
70
71
72
73
103
104
105
106
107
Para estos efectos, los miembros de la Estrategia PAAD del Equipo PACE ULagos, han desarrollado estos
Talleres, en virtud de las observaciones y diagnsticos efectuadas y de necesidades declaradas por los
participantes (Equipos Directivos y Docentes) en el 2015, y han propuesto una serie de actividades de
carcter optativo. Todas estas actividades se encuentran directamente relacionadas con distintos
elementos del PME/PEI de su Establecimiento Educacional.
108
109
110
El documento que tiene entre sus manos, ha sido fruto del esfuerzo de los miembros del Equipo PACE,
particularmente de los de la Estrategia PAAD, quienes le dan el ms cordial agradecimiento por ser
parte de este proceso, cuyos beneficiarios directos son los alumnos de su Establecimiento Educacional.
111
112
113
114
115
116
117
118
119
120
121
122
Directrices generales
El taller Funcin de Distribucin se enmarca en la propuesta del programa, la cual est orientada a
desarrollar habilidades en el rea de matemtica que sean tiles a los alumnos en educacin superior.
Est propuesta se sustenta en 3 pilares fundamentales:
Las operaciones aritmticas, como base para construir los procesos matemticos subyacentes
a los contenidos propuestos por el Ministerio.
La interrelacin permanente entre contenidos y conceptos, como herramienta para una mejor
comprensin de los contenidos tratados.
El conocimiento de las habilidades relacionadas con el desarrollo de aprendizajes, como un
elemento prctico para el profesor al momento de pensar en estrategias alternativas para el
desarrollo de estas habilidades.
123
124
125
126
127
En el caso especfico de la funcin de distribucin normal, se inicia con la activacin de conocimientos

previos relacionados con variable aleatoria y funcin de probabilidad. A medida que avanzamos en el
estudio de los contenidos necesarios para el desarrollo de objetivos y habilidades, se hace necesario
continuar con la funcin de distribucin de una variable aleatoria discreta, para luego pasar a la
definicin de variable aleatoria continua y la funcin asociada a ella, la funcin densidad.
128
129
130
131
132
Adems, se realiza un trabajo aritmtico y de interpretacin de la media, varianza y desviacin

estndar, de variables aleatorias, entregando herramientas necesarias para modelar situaciones
probabilsticas que presenten un comportamiento binomial. Es importante destacar que para analizar
y modelar situaciones, utilizando la funcin de distribucin de probabilidad normal y la distribucin
normal estndar, tambin se requiere abordar los conceptos de factorial y combinatoria.
133
134
Para finalizar, se estudia la forma en que se estandariza una distribucin normal y la aproximacin
binomial a normal, con el respectivo anlisis de grficos y de algunas situaciones contextualizadas.
135
136
137
138
Objetivos
1.
Relacionar y aplicar los conceptos de variable aleatoria discreta, funcin de probabilidad y

distribucin de probabilidad.
139
140
141
142
2.
3.
Establecer la importancia de los procesos aritmticos presentes en el clculo de la media,

varianza y desviacin estndar de variables aleatorias.
Aplicar la funcin de distribucin normal y la distribucin normal estndar para modelar
situaciones o experimentos probabilsticos.
143
10
144
145
146
147
148
149
Conceptos Generales
En el taller de Funcin de Probabilidad, desarrollado para 3 medio, se abordaron contenidos

relacionados con variable aleatoria (VA) y funcin de probabilidad. Para iniciar el trabajo con trminos
como funcin de distribucin, variable aleatoria continua (VAC), funcin de densidad, funcin de
distribucin de probabilidad normal, entre otros; es necesario recordar cmo podemos modelar
algunas situaciones relacionadas con la Funcin de Probabilidad.
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
Variable aleatoria
Antes de recordar cmo trabajar con una

Funcin de Probabilidad, se hace
fundamental tener presente lo que es una
variable aleatoria. Anteriormente, los
experimentos se conceban de tal manera
que los resultados del espacio muestral
eran cualitativos, algunos ejemplos de
resultados cualitativos son:
Es importante recordar a sus

alumnos lo qu es una variable
cuantitativa y cualitativa; y cul es
la diferencia entre ellas.
El lanzamiento de una moneda, ya que se obtiene como resultado cara

o sello.
El producto manufacturado en una fbrica puede ser defectuoso o no
defectuoso
Una persona en particular puede preferir la locin X o la Y.
165
166
167
Debido a que resulta interesante, en algunos casos, cuantificar el comportamiento aleatorio de un

espacio muestral, nace el concepto de variables aleatoria (VA) las cuales permiten relacionar cualquier
resultado con una medida cuantitativa.
168
169
170
171
Entonces, si es un espacio muestral sobre el que se encuentra definida una funcin de probabilidad.
Sea X esa funcin de valor real definida sobre de manera que transforme los resultados de en
puntos sobre la recta de los Nmeros Reales. Se dice entonces que X es una variable aleatoria, la cual
transforma todos los posibles resultados del espacio muestral en cantidades numricas.
172
173
Recordemos que se utilizan letras maysculas X, Y, ... para designar VA, y las respectivas minsculas (x,
y, ...) para designar valores concretos de las mismas.
174
175
p(X= x)
X< x
p(X< x)
X x
p(X x)
representa el suceso "la variable aleatoria X toma el valor x".

representa la probabilidad de dicho suceso.
representa el suceso "la variable aleatoria X toma un valor menor a x".
representa la probabilidad de que la variable aleatoria X tome un valor menor a x.
representa el suceso "la variable aleatoria X toma un valor menor o igual a x".
representa la probabilidad de que la variable aleatoria X tome un valor menor o
igual a x.
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
Algunos ejemplos de variable aleatoria son:

1.
2.
Sea el experimento aleatorio de lanzar un dado al aire. Los posibles resultados del
experimento(sucesos elementales o elementos del espacio muestral) son los siguientes:
que salga 1
que salga 4
que salga 2
que salga 5
que salga 3
que salga 6
X= x
Resulta sencillo asociar a cada suceso elemental el nmero correspondiente a la cara del dado
que haya salido. Por lo tanto, la variable aleatoria X, ser: = {1,2,3,4,5,6}
Sea el experimento aleatorio de averiguar la marca de jugo que preferir un alumno entre las
posibles marcas: Watts, Frugo, Andina. En este caso la asociacin de un nmero para cada
suceso elemental posible del experimento no es inmediata. En consecuencia, se establece una
correspondencia entre el conjunto de los sucesos elementales posibles y el conjunto de los
nmeros reales, del modo siguiente:
Al suceso elemental preferir la marca Watts se le hace corresponder el nmero 1.
Al suceso elemental preferir la marca Frugo se le hace corresponder el nmero 2.
Al suceso elemental preferir la marca Andina se le hace corresponder el nmero 3.
La variable aleatoria X ser: = {1,2,3}
11
12
195
196
197
198
199
Actividad
1.
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
Considere el lanzamiento de dos dados.

A) Represente el espacio muestral utilizando el
plano cartesiano.
En esta actividad usted

estar desarrollando las
habilidades comprender
y analizar.
B) Se define como variable aleatoria X a la suma de los valores de los lados de ambos dados
Cules son los valores numricos reales que podras asignar a cada elemento del espacio
muestral?
R.
2.
Se lanzan dos monedas al aire.

A) Represente el espacio muestral utilizando un diagrama.
B) Sea X la VA que identifica el nmero de sellos obtenidos en el lanzamiento Cules son

los valores numricos Reales que podras asignar a cada elemento del espacio muestral?
R.
Funcin de Probabilidad
224
225
Una variable aleatoria puede ser discreta o
226
continua. En el taller anterior nicamente
227
trabajamos con la variable de tipo discreta, ya que
228
los valores obtenidos se restringan a Nmeros
229
Enteros y generalmente representan datos
230
contados.
231
Una Funcin de Probabilidad de una variable aleatoria discreta (VAD), es la funcin
que asigna probabilidades a cada uno de los valores de una variable aleatoria discreta.
Consideremos el experimento de lanzar al aire una moneda y registrar los posibles
resultados (cara o sello); la VAD nos permite asignar valores numricos a cada posible
resultado, por lo que:
Es importante especificar a sus

alumnos que la variable aleatoria
continua ser analizada
posteriormente en el taller.
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
232
233
234
235
236
Obtener sello, le hacemos corresponder el 0.

Obtener cara, le hacemos corresponder el 1.
De esta forma la VAD X ser: = {0,1}, donde 1 = 0 2 = 1

La probabilidad de obtener cara es
1
2
222
223
y la probabilidad de obtener sello es .

2
La funcin de probabilidad () asociada VAD es la funcin que asigna a cada valor (0 y 1) de la

1
variable su correspondiente probabilidad , es decir, si analizamos el comportamiento de la

2
funcin de probabilidad de la VAD lanzamiento de una moneda tenemos:

(0)
[ = 0]
()
(1)
[ = 1]
()
1
2
1
2
Lo anterior lo podemos generalizar de la siguiente forma:

Si consideramos una VAD X, que toma los valores 1 , 2 , . . . , . Supongamos que conocemos la
probabilidad de que la variable X tome dichos valores, es decir, se conoce que: ( = 1 ) = 1 ,
( = 2 ) = 2 , ..., ( = ) = , en general ( = ) = . La funcin de probabilidad
()de la v.a. X ser la funcin que asigna a cada valor de la variable su correspondiente probabilidad
.
13
254
255
256
257
258
259
260
1.
2.
3.
0 () 1 para todos los valores x de X, es decir, la funcin nunca puede arrojar valores
negativos.
La sumatoria de todos los valores de ( ) debe ser igual a 1.
Si no est definida para un valor de , se dir que () = 0.
Distribucin de probabilidad de una variable discreta
261
262
263
Se denomina distribucin de probabilidad de una VAD a la tabla en la que aparecen los diferentes
valores de la variable aleatoria con sus correspondientes probabilidades.
264
Lanzamos 3 monedas al aire. Definimos la variable aleatoria X: nmero de sellos obtenidos.
265
266
267
268
269
270
A) Encuentre el espacio muestral.

= {, , , , , , , }
B) Qu valores toma esta variable aleatoria?
La VAD puede tomar los valores 0,1,2,3; es decir = {0,1,2,3}
C) Construya la distribucin de probabilidad
Variable aleatoria X
obabilidad = ( = )
271
14
La funcin de probabilidad presenta algunas caractersticas que son imprescindibles para el anlisis de
diversas situaciones.
1
1
8
2
3
8
3
3
8
1
8
Funcin de distribucin de una variable aleatoria discreta
272
273
274
275
276
Hasta el momento podemos construir una variable aleatoria para un experimento aleatorio, la Funcin
de probabilidad y representar los datos a travs de una distribucin de probabilidad. Pero, podemos
responder la siguiente pregunta cul es la probabilidad de obtener un nmero menor que 4 en la
suma de los puntos al lanzar dos dados?
277
278
Para responder preguntas como estas podemos hacer uso de una funcin denominada funcin de
distribucin, para estudiar su comportamiento analizaremos el siguiente caso:
279
280
281
282
283
Si lanzamos un dado (no cargado), sabemos que la probabilidad de que salga cualquier nmero del 1
1
al 6 es la misma, . Para calcular la probabilidad de ocurrencia de que salga un nmero menor que 4,
6
podemos trabajar con la funcin () = ( < ). La funcin de distribucin asocia a cada valor de
la VAD la probabilidad acumulada hasta ese valor, entonces, la probabilidad que queremos calcular
seria:
284
285
( < 4) = (1) + (2) + (3)
286
287
A partir de esta funcin podemos construir una tabla con los valores acumulados de las probabilidades
al lanzar un dado:
291
X
<
( = )
<
<
<
<
<
292
293
294
295
296
1
6
2
6
3
6
4
6
5
6
1
A partir de lo anterior generalicemos:

Sea una VAD cuyos valores suponemos ordenados de menor a mayor. Llamaremos funcin de
distribucin de la variable , y designaremos () a la funcin:
297
298
299
300
301
302
La Funcin de distribucin asocia a cada valor de la VAD la probabilidad acumulada hasta ese valor.
Una funcin de distribucin de probabilidad, de una VAD, puede ser representada grficamente
utilizando una grfica escalonada.
303
Observe la siguiente grfica:
304
288
289
290
1 1 1
+ +
6 6 6
3
=
6
() = ( )
15
16
305
306
307
308
309
310
(En el eje X o de las abscisas se registran los valores que puede tomar la variable aleatoria, en el eje Y o de las
ordenadas se registran las distintas probabilidades acumuladas. Cuando el intervalo es cerrado ( ) el inicio o
fin del segmento en la grfica es un circulo, cuando el intervalo es abierto (< >) el inicio o fin del segmento es
un crculo sin rellenar.)
311
312
313
314
315
316
317
318
319
320
321
Actividad
En un centro de cultivo de algas, se realiza un

estudio sobre el aumento de tamao del
producto a partir de la aplicacin de una
nueva tecnologa, la medicin se realiza en
milmetros (mm). Sea X una variable discreta,
se define como la variacin del tamao en
mm del alga extrada al azar y cuya funcin
de probabilidad est presente en la siguiente
tabla.
En esta actividad se desarrollan las

habilidades de aplicar, comprender,
analizar y evaluar, es decir, sers
capaz de analizar la aplicacin de
algunas operaciones y verificar los
resultados obtenidos en las diversas
operaciones.
322
323
324
( = )
0,1
0,2
0,1
0,4
0,1
0,1
A) Calcula y representa grficamente la funcin de distribucin
( = )
326
327
328
329
330
331
332
333
334
335
336
Para continuar con el trabajo con las diversas funciones relacionadas con probabilidades, es necesario
profundizar en el clculo de la media o esperanza, varianza y desviacin estndar.
337
Iniciaremos con la media o promedio de un grupo de datos.
338
339
340
341
342
343
344
Analicemos la siguiente situacin: Si un alumno tiene en matemticas las siguientes notas

2,0 2,5 5,2 4,3 6,8 6,8 , para calcular su promedio basta con sumarlas y dividir esa
cantidad en 6. Con ese procedimiento obtenemos el promedio que es 4,6. Lo anterior quiere decir que
todas las notas se transformaron en una sola, como si todas ellas fueran iguales, el 4,6 es un
representante de ellas. En general la media o promedio de los datos que ests estudiando, es el valor
que los homogeniza, con el fin de hacer ms manipulable el conjunto o para tomar decisiones.
B) Calcula las siguientes probabilidades.

( < 4)
R.
( 3)
R.
(2 < 5)
R.
Media o Esperanza en una Distribucin de Probabilidad
325
17
345
habilidades de interpretar y aplicar,
ya que el alumno ser capaz de dar
significado a la media y utilizar el
concepto para explicar algunas
situaciones.
355
Actividad
1. En qu situaciones
cree que es necesario
utilizar la media o
promedio?
Mencione
alguna situacin.
352
R:
Se
espera
que
353
mencionen
ejemplos
354
donde haya muchos datos
entre los que decidir, por ejemplo, otorgar una beca o algn beneficio.
356
357
Puede utilizar el siguiente ejemplo de la aplicacin del

promedio: Tus certificados de estudios no tendrn todas tus
notas, slo tendrn tus promedios. Por ejemplo, cuando le
pregunten a Juan cul fue tu promedio en matemtica el
segundo semestre? Podrs contestar 4,6, a partir de esto
se pueden tomar variadas decisiones.
358
18
346
347
348
349
350
351
359
360
2.
Podras dar un ejemplo donde se utilice un promedio para tomar una decisin?
R: Se espera que los alumnos, ayudados por el docente, clarifiquen la
aplicabilidad del concepto.
361
362
363
364
Para una VAD, tambin existe una media (denotada ), llamada valor esperado o esperanza
matemtica, que es la suma ponderada de todos los resultados posibles, donde las ponderaciones son
las probabilidades asociados a cada uno de sus resultados (de la distribucin). Veamos un ejemplo.
365
366
Se realiz una encuesta entre 100 alumnos que buscaban Pokemones durante un da. Al consultarle
cuntos Pokemones haban cazado los resultados fueron los siguientes: (tabla de la izquierda):
367
368
N de
Pokemones
N de alumnos
10
0,10
20
0,20
Total
369
370
10
30
15
10
Probabilidad total
100
0,30
0,15
0,1
0,05
1
373
374
Luego la distribucin de probabilidad de encontrar Pokemones en un da, ser:
(4) = 0,15;
(1) = 0,10;
: [0,1]
(0) = 0,10;
375
0,10
La segunda tabla representa una funcin de probabilidad para variables discretas
371
372
Probabilidad
N de Pokemones
(5) = 0,10;
(2) = 0,20;
(6) = 0,05
(3) = 0,30;
= 2,8
19
376
377
= 0 0,1 + 1 0,1 + 2 0,2 + 3 0,3 + 4 0,15 + 5 0,1 + 6 0,05
378
= 0 + 0,1 + 0,4 + 0,9 + 0,6 + 0,5 + 0,3 = 2,8
379
380
= 2,8
Luego, se espera que se encuentren aproximadamente 3 Pokemones en 1 da.
381
382
383
384
385
386
387
388
389
390
391
392
393
394
395
20
Si calculamos la esperanza nos queda
396
Actividad
1.
En un caso ficticio, en un curso de Pilotaje de

aviones un estudiante sac promedio 5,7 en
despegue y 2,5 en aterrizaje, por lo que le
dio promedio final 4,1 aprobando el curso. A
partir de la informacin expresada se
subira en un avin que piloteara l?
Justifique.

habilidades de aplicar y analizar,
es decir, sers capaz de analizar la
aplicacin de algunas operaciones
y verificar los resultados obtenidos
en las diversas operaciones.
R: No, pues aunque haya aprobado el

curso, no significa que sea seguro, pues
reprob en aterrizaje.
Como ve, la media a pesar de ser muy til en algunos casos, en ocasiones nos
pueden inducir al error, es por ello que existen otros estadgrafos que nos pueden
ayudar ya que son ms efectivos al momento de tomar decisiones.
El objetivo general es restituir el derecho a la

Educacin Superior, iniciando un programa que
asegure el Acceso Efectivo de la Educacin
Superior, que incluya la Preparacin, Acceso,
Nivelacin y Permanencia, para asegurar la
titulacin de estudiantes de sectores
vulnerables con rendimiento en contexto.
397
398
399
400
401
402
403
404
405
Cules son los objetivos del PACE?
Varianza y desviacin estndar para datos no agrupados
Anteriormente, calculamos la media para datos no agrupados y variables aleatorias. Comencemos

calculando la varianza y la desviacin estndar para datos no agrupados.
Recordemos las notas de Juan en matemticas: 2,0 2,5 5,2 4,3 6,8 6,8 y su promedio
4,6. El siguiente es un grfico que representa las notas en comparacin con el promedio el que se
marc con una lnea recta continua.
406
21
407
408
Para calcular la varianza debemos:
409
410
411
412
1) A cada nota restar el promedio.

2) Elevar esta diferencia al cuadrado.
3) Sacar el promedio de estos resultados.
Frecuencia
(nota)
Frecuencia menos el promedio
Frecuencia menos el
promedio elevado a 2
( )2
2,6
6,76
0,6
0,36
2,1
0,3
2,2
,
4,6
2,2
Promedios
413
22
414
Nota:
415
416
417
418
419
420
421
422
423
424
425
426
1.
427
428
429
2.
3.
4,41
0,09
4,84
4,84
3,55
Al calcular la diferencia entre cada nota y el promedio, estamos asignndole una distancia entre
ellos, con el fin de ver el grado de dispersin.
Al elevarlo al cuadrado estamos:
a) Eliminando las diferencias negativas que pueden conducir a errores.
b) Resaltando las diferencias significativas, por ejemplo 52 102
Al calcular el promedio de estas diferencias nos da un promedio de la dispersin de los datos con
respecto a la media.
Luego el promedio de la ltima columna se le denomina varianza y se denota 2 . Hay que notar que
este promedio esta al cuadrado por lo que para sacar la dispersin real de los datos en torno a la media,
se debe calcular su raz cuadrada, esta estadgrafo se denomina desviacin tpica o estndar, se
denota = 2 , es decir
= 3,55 1,88414436814 1,9
Qu quiere decir esto? La desviacin estndar se calcula en torno al promedio, es decir, como el
promedio es 4,6 y la desviacin estndar es 1,9.
430
434
435
436
437
Calculamos 4,6 + 1,9 = 6,5

Calculamos 4,6 1,9 = 2,7
Concluimos que todas o casi todas las notas estn entre 2,7 6,5
En conclusin, como la media de las notas es 4,6 y la desviacin estndar es 1,9 concluimos que todas
o casi todas las notas se encuentran en un intervalo entre (4,6 1,9; 4,6 + 1,9), esto se refleja en el
grfico:
431
432
433
438
439
440
441
442
443
444
445
446
447
448
449
450
En general para un grupo de datos no agrupados de media y desviacin estndar , se puede concluir
que los datos estn, en su mayora, en el intervalo ] , + [
Actividad
1.
Supongamos que
Pedro, el compaero
de Juan, tiene el
mismo promedio que
l, pero su desviacin
estndar es de 1,1.
A. Entre qu rango
de notas fluctan las calificaciones de Pedro?
451
452
453
B.
: 4,6 1,1 4,6 + 1,1, 3,5 5,7
Cul es, aproximadamente, la mayor nota que tiene Pedro?

R: Aproximadamente podra estar cerca del 5,7
En esta actividad se
desarrollan las
habilidades de analizar y
calcular.
23
24
454
455
456
457
458
459
460
461
2.
Dos alumnos tienen respectivamente 1 = 4,2 , 1 = 1,6 y 2 = 4,2 , 2 = 0,5

A. Qu notas estn ms dispersas?
R: Alumno 1: las notas varan entre 4,2 1,6 4,2 + 1,6 o bien entre 2,6 5,8
Alumno 2: las notas varan entre 4,2 0,5 5,7 + 0,5 o bien entre 3,7 4,7
Como el rango de fluctuacin es mayor para el alumno 1, sus notas estn ms dispersas.
Varianza y desviacin estndar para variables aleatorias discretas
Tomemos el ejemplo de los Pokemones, explicado anteriormente.
462
463
464
Recordemos que es una funcin de probabilidad discreta definida anteriormente y que para este tipo
de variables, la media = 2,8 es la esperanza de encontrar Pokemones en un da.
465
466
Al igual que en el caso de los datos no agrupados, en este caso podemos calcular e interpretar de
manera anloga la varianza y la desviacin media.
467
468
469
La varianza se define como la suma del promedio ponderado de los cuadrados de la diferencia entre
los valores de la variable aleatoria y la esperanza matemtica de la variable. En este caso utilizaremos
la siguiente tabla:
470
Probabilidad
( )
( )
( ) ( )
0,10
0 2,8 = 2,8
2,82 = 7,84
7,84 0,10 = 0,784
0,10
1 2,8 = 1,8
(1,8)2 = 3,24
3,24 0,10 = 0,324
0,20
0,8
0,64
0,128
0,15
1,2
1,44
0,216
0,30
0,1
0,05
0,2
2,2
3,2
0,04
0,012
4,84
10,24
N de
Pokemones
0,484
Suma
0,512
2,46
471
472
473
474
475
476
Luego la suma de la ltima columna se le denomina varianza y se denota con la letra 2 . Hay que notar
que esta suma esta al cuadrado por lo que para sacar la dispersin real de los datos en torno a la
media, se debe calcular su raz, este estadgrafo se denomina desviacin tpica o estndar, se
denota = 2 , es decir
= 2,46 1,56843871414 1,6
477
A partir de lo anterior, la desviacin estndar se calcula en torno al promedio es decir.
478
Como el promedio es = 2,8 y la desviacin estndar es = 1,6.
479
480
481
482
Calculamos + = 2,8 + 1,6 = 4,4

Calculamos = 2,8 1,6 = 1,2
Concluimos que existe una mayor probabilidad de encontrar entre 2 y 4 Pokemones.
25
483
484
485
486
487
488
489
490
26
491
492
En sntesis, para una variable aleatoria discreta de esperanza , la mayor

probabilidad de ocurrencia est entre los valores + .
Actividad
1.
Se requiere contratar un delantero de ftbol para un equipo, para ello se analizan los rendimientos
de los ltimos 10 partidos de 2 jugadores.
El jugador A tiene el siguiente record:

Partido
10
N de
goles
A.
Organice los datos en la siguiente tabla:

N de goles
N
de partidos
3
Probabilidad
P( )
( )
0
1
0,30
0,30
0,10
0,20
0,20
0,10
0,30
0,00
-0,5
0,25
0,075
0,5
0,25
0,025
0,60
1,5
2,25
0,45
0,40
2,5
6,25
0,625
2
= 1,5
494
495
Varianza
( ) ( ) ()
2,25
0,675

-1,5
1 = 1,85
El Jugador B tiene el siguiente rcord

Partido
10
N de goles
493
496
497
Complete la siguiente tabla:
500
501
502
N
de partidos
3
Probabilidad
P( )
( )
0
1
0,20
0,20
0,30
0,60
0,20
0,00
0,30
0,00

-1,4
-0,4
0,032
0,6
0,86
0,108
0,60
1,6
2,56
0,512
0,00
2,6
6,76
Luego las desviaciones estndar de los jugadores son:
Varianza
( ) ( ) ()
1,96
0,588
0,16
= 1,4
498
499
N de goles
Jugador A: 1 = 1 2 = 1,85 1,36014705087 1,4

Jugador B: 2 = 2 2 = 1,24 1,1135528726 1,1
0
2
= 1,24
27
503
504
505
Se puede decir que, a pesar de que el jugador A, tiene una esperanza mayor (anot 15 goles contra 14
del jugador B) el rendimiento del jugador B es ms estable pues tiene una desviacin estndar menor,
es decir podra ser ms constante a la hora de anotar.
506
Esto se puede visualizar de la siguiente forma:
507
508
Anteriormente mencionbamos que la menor y mayor probabilidad de ocurrencia de un suceso est

en el intervalo , + .
509
510
Para el caso del jugador A: (1,5 1,4, 1,5 + 1,4) = (0,1 ; 2,9)
511
512
513
514
El nmero de accidentes diarios

en una ciudad tiene la siguiente
distribucin de probabilidad.
515
516
Para el caso del jugador B: (1,4 1,1; 1,4 + 1,1) = (0,3 ; 2,5)
Actividad
1.
En esta actividad se
aplicarn las habilidades
comprender, aplicar y
calcular.
Completa la tabla con

los datos dados:
Varianza
N de
accidentes
0
Probabilidad
P( )
( )
0
0,2
0,2
-1
0,45
0,9
0,15
4
5
28
( )2
( )2 ()
0,00
0,45
0,15
0,05
0,2
0,20
0,05
0,25
0,45
0,1
-2
4
1
0,40
0,20
2 = 1,4
1,18
517
518
519
2. A partir de los datos de la tabla anterior conteste:

A. Cul es la probabilidad de que ocurran 3 accidentes en un da?
520
521
522
R: 0,15 15%
B.
Cuntos accidentes se espera que ocurran en un da?

R: Aproximadamente = 2
C.
524
525
D.
526
527
528
529
530
531
Cul es la desviacin estndar?

R: = 2 = 1,4 1,18
Qu significa este valor?
R: 2 1,18 = 0,82 2 + 1,18 = 3,18

Indica que existe una alta probabilidad de que ocurran entre 1 y 3 accidentes.
Para continuar con el desarrollo de los contenidos necesarios para cumplir con los objetivos
propuestos, es necesario identificar las caractersticas de la VAD cuando tiene un comportamiento
binomial.
532
533
534
535
536
537
538
539
540
541
542
543
544
545
546
547
548
Variable aleatoria binomial
Para estudiar las caractersticas de la VAD binomial debemos analizar la distribucin binomial o de
Bernoulli, la que nos permitir establecer de manera clara las caractersticas de la VAD. Para ello
consideraremos fenmenos o experimentos aleatorios que respondan a algunas caractersticas:
Cada situacin considerada conlleva experiencias idnticas.

En cada una de las experiencias solo son posibles dos resultados que, por ser contrarios, son
incompatibles. Estos sucesos se denominan: , ,
).
, etc. En general, () (
Cada experiencia es independiente de las otras.
La probabilidad de que ocurra el es la misma en cada una de las experiencias. Lo
mismo ocurre para la probabilidad de .
A partir de lo anterior, llamaremos a la probabilidad de ocurrencia de , y = a la

probabilidad de ocurrencia de .
Toda experiencia que tiene las caractersticas anteriores sigue el modelo de la distribucin binomial o
distribucin de Bernoulli.
549
550
Considerando lo mencionado anteriormente, se define la variable aleatoria binomial como la variable

que expresa el nmero total de xitos observados que siguen el modelo de una distribucin binomial.
551
552
Estas variables aleatorias son discretas, ya que pueden tomar los valores 0, 1, 2, 3, , 1, , en las
situaciones de experiencias.
553
554
Indicaremos con (, ) a la distribucin binomial de parmetros (nmeros de experiencias) y

(probabilidad del xito).
523
29
555
Para que nos quede ms claro el comportamiento de la variable, analicemos la siguiente situacin:
556
557
558
Consideremos el lanzamiento de un dado 20 veces. Observamos, en cada caso, si la puntuacin

obtenida es mltiplo de tres. Comprueba si la variable que expresa el nmero de veces que se ha
obtenido un mltiplo de tres sigue la distribucin. Seale los parmetros de la distribucin.
559
En cada lanzamiento son posibles dos resultados:
560
561
562
= { 3}
= { 3}
563
564
565
Los resultados obtenidos en cada en cada uno de los 20 lanzamientos son independientes entre si. La
2
1
probabilidad de obtener un mltiplo de tres, = () = = , es constante en cada uno de los
6
3
lanzamientos.
566
567
Por tanto, la variable que expresa el nmero de veces que se ha obtenido un mltiplo de tres puede
tomar los valores 0,1,2,3,., 19,20.
568
Los valores = 20 y =
569
570
20, .
3
1
3
son los parmetros de la distribucin binomial que designaremos por
571
30
Es importante recordar a sus

estudiantes que, cada resultado de un
experimento aleatorio puede
asociarse a un nmero real. La
funcin que asocia un Nmero Real a
cada elemento de un espacio
muestral se denomina variable
aleatoria. Adems, recuerde que una
variable aleatoria discreta (VAD) es a
que puede asumir una cantidad finita
de valores, o una cantidad infinita
numerable de valores.
589
siempre asociadas a intervalos.
Variable
continua
aleatoria
572
573
574
575
576
577
Anteriormente ya se trabaj con la

variable aleatoria discreta, este
apartado centra su estudio en el
anlisis de la variable aleatoria
continua.
578
579
580
581
Una variable aleatoria continua (VAC)

es la que puede tomar cualquier valor
numrico en un intervalo o conjunto
de intervalos en la recta real.
582
583
584
585
586
587
588
La distribucin de probabilidad
asociada a una variable aleatoria
continua se llama distribucin de
probabilidad continua. En esta
distribucin continua la probabilidad
de un valor concreto es cero. Las
probabilidades que calculamos estn
590
591
592
Por ejemplo: La estatura de una persona escogida al azar corresponde a una variable aleatoria
continua, ya que puede tomar cualquier valor posible en un intervalo.
593
594
595
Cabe destacar que, en la mayor parte de los problemas prcticos, la variable aleatoria continua (VAC)
representan datos medidos, como son los posibles pesos, alturas, temperaturas o perodos de vida,
mientras que la variable aleatoria discreta (VAD) representa datos contados.
596
En esta actividad se desarrolla la
habilidad de identificar, es decir, el(la)
estudiante ser capaz de determinar con
precisin las formas o maneras
particulares en que se manifiesta una
variable aleatoria discreta o continua,
considerando sus caractersticas
fundamentales.
603
604
605
606
607
608
597
598
599
600
601
602
Actividad
1.
Complete la
tabla indicando, en
cada caso, si la
variable aleatoria es
discreta o continua.
VARIABLE ALEATORIA X
POSIBLES VALORES DE X
TIPO
Cantidad de respuestas correctas al

responder al azar 10 preguntas en
una prueba.
0, 1, 2, , 10
Discreta
Cantidad de caloras quemadas por

20 personas al realizar un ejercicio
fsico
Continua
Cantidad de ampolletas defectuosas

al revisar 50 ampolletas
0, 1, 2, 3, , 50
Discreta
Tiempo que demoran 10 personas

para armar la primera cara de un
cubo de Rubik.
> 0
Continua
2.
Describa 2 situaciones en las cuales podras definir una variable aleatoria continua y 2
situaciones en las que podras determinar una variable aleatoria discreta.
R.
( )
31
32
609
610
611
612
613
614
615
616
617
618
619
3.
En cada caso, indica si la variable aleatoria es discreta o continua y, luego, escribe los valores
posibles que la variable puede tomar.
A) Cantidad de respuestas incorrectas en un examen de 100 preguntas, si se responde al
azar.
R.
B) Cantidad de automviles que atraviesan el peaje de una carretera en un tiempo
determinado.
R.
C) Tiempo empleado por los competidores en recorrer el circuito de la maratn familiar
de una comuna.
R.
620
621
622
623
624
625
626
Funcin de Densidad de Probabilidad
Para variables aleatorias continuas la funcin de probabilidad es llamada funcin de densidad de

probabilidad y se denota por (). A diferencia de la funcin de probabilidad, la funcin densidad no
determina directamente dicha probabilidad, sin embargo, el rea bajo la grfica de () entre dos
puntos, , determina la probabilidad de que la variable aleatoria continua tome un valor en dicho
intervalo.
627
628
629
630
Si la variable aleatoria continua tiene funcin densidad

(), la probabilidad de que pertenezca al intervalo
[, ] est dada por el rea bajo la curva de entre y ,
tal como se representa en la figura.
631
632
633
Por lo tanto, una funcin de densidad debe cumplir dos

propiedades que garantizan que se cumpla, a su vez, las
caractersticas de la probabilidad:
634
635
636
637
638
639
640
1.
2.
() > 0, lo cual garantiza que cualquier

probabilidad que se calcule ser un nmero
positivo.
El rea bajo la curva de en su dominio es igual a 1. Esta propiedad es anloga a la
interpretacin de variables aleatorias discretas de que la suma de todas las probabilidades es
igual a 1.
Si consideramos la funcin cuya grfica est en la imagen,

puede ser una funcin densidad de una variable aleatoria
continua, pues cumple con las dos propiedades anteriores:
644
645
646
647
648
1. () > 0 para cualquier valor de , y el rea bajo la curva

es igual a 1.
2. En este caso el dominio de f es el intervalo [0.2]. Esto
significa que la probabilidad de que la variable aleatoria tome
un valor entre 0 y 2 es 1, es decir, 100%.
649
650
651
652
653
654
655
Actividad
Responda las siguientes preguntas:

1.
656
R. = {, , , }
657
658
659
660
661
B) Defina la variable aleatoria

que representa la cantidad
de sellos que pueden
presentarse en los
lanzamientos.
663
C) Indica que valores tomara dicha variable aleatoria.
664
R. = {0,1,2,3}
665
D) Clasifica la variable en discreta o continua.
666
669
670
671

habilidades de Identificar y calcular,
es decir, sers capaz de determinar
con precisin las formas particulares
en que se manifiesta una variable
aleatoria discreta o continua,
considerando sus caractersticas
fundamentales, adems, llevar a cabo
operaciones matemticas para
obtener los resultados de cada
actividad.
R. = .
662
667
668
Dado el experimento aleatorio lanzar

una moneda dos veces, realice lo que
se indica a continuacin:
A) Escriba el espacio muestral.
R. variable aleatoria discreta.

2.
Por qu el rea bajo la curva de una funcin densidad es igual a 1?
R. El rea bajo la curva de en su dominio es igual a 1. Esta propiedad es anloga a la

interpretacin de variables aleatorias discretas de que la suma de todas las probabilidades
es igual a 1.
641
642
643
33
672
673
Cunto crees que es el valor de ( = ) si es una variable aleatoria continua? Justifica

tu respuesta.
674
675
676
677
678
4.
R. En una variable aleatoria continua , la probabilidad de que esta tome exatamente un

valor a es 0, es decir, ( = ) = 0.
A partir de la funcin , definida en el intervalo [0,5; 1] y

cuya grfica se representa en la imagen, realicemos la
actividad.
679
680
Corresponder la funcin a una funcin de densidad de

una variable aleatoria continua?
681
682
683
R. Para determinar si la funcin f es una funcin de densidad

de una VAC, se deben cumplir las dos condiciones
mencionadas anteriormente.
684
685
686
687
688
689
690
34
3.
Entonces:
A) Ser la funcin () > 0?
R. Se cumple ya que la grfica de f siempre se encuentra sobre el eje ; en otras palabras,

los valores que toma () son siempre positivos.
B) El rea bajo la curva de es igual a 1? (escribe el procedimiento que te perite responder a

la pregunta)
R. Si.
691
El PACE tiene como principio

inspirador que todos los talentos
(acadmicos, tcnicos,
pedaggicos, artsticos, cientficos,
etc.) estn democrticamente
distribuidos en toda la poblacin,
entre ricos y pobres, en todas las
etnias y en todas las culturas.
692
693
701
702
703
704
Nmero factorial y combinaciones
Docente, antes de continuar, es importante recordar conceptos como factorial y combinaciones.

1.
2.
Factorial (!): indica la multiplicacin de los n primeros nmeros naturales. Por ejemplo:
3! = 1 2 3 = 6
Combinaciones : indica todas las agrupaciones posibles que pueden hacerse con los n
elementos de forma, teniendo presente que:

No entran todos los elementos.
No importa el orden, es decir, se tiene que es lo mismo que .
No se repiten los elementos.
Se denota . La frmula que permite determinar el nmero de agrupaciones es:
! ( )!
705
706
707
708
709
Si queremos calcular
5!
5!
54321
5
=
=
=
= 10
2
2! (5 2)! 2! 3! 2 1 3 2 1
710
711
712
713
714
715
694
695
696
697
698
699
700
Para resolver un problema, consideremos el siguiente ejemplo:

En un curso de 35 alumnos se quiere elegir un grupo de delegados formado por tres de ellos. Cuntos
diferentes se pueden formar?
35
716
717
718
719
720
721
722
723
724
Luego,
35!
35
=
= 6545
3!(353)!
3
Al avanzar en el trabajo de las funciones asociadas a las probabilidades, es necesario el trabajo con
algunos problemas relacionados con la combinatoria
Analicemos la siguiente situacin:
Un embarque de ocho notebook similares para una tienda contiene tres que estn defectuosos. Si un
liceo de la regin hace una compra al azar de dos de estos notebook. Para determinar la probabilidad
725
726
727
728
729
730
731
732
733
734
735
736
737
738
739

3

0

5

2
Luego, los casos favorables son:
740
741
742
743
744
745
746
747
36
de que uno o ms equipos salgan defectuosos, debemos inicialmente definir VAD y luego calcular la
probabilidad de cada uno de dichos valores. Una forma de representar ordenadamente los resultados
obtenidos es la distribucin de probabilidad.
Sea X una VA cuyos valores x son los nmeros posibles de notebook defectuosos que compra el liceo.
Entonces x puede ser 0,1 o 2, tal que = {0,1,2}
Ahora es importante mencionar que para calcular estas probabilidades haremos uso de combinatoria.
Analicemos lo siguiente:
Para calcular la probabilidad de comprar 0 notebook defectuosos utilizaremos la regla de Laplace,
entonces para calcular los casos favorables necesitamos combinar:
748
749
750
754
755
Los casos posibles estn dados por:
3 5

0 2
8

2
Entonces para calcular la probabilidad de comprar 0 netbook defectuosos utilizaremos la siguiente

expresin:
3 5

(0) = 0 2
8

2
5!
54321
10
2!
3!
2
1321
(0) =
=
=
8!
8 7 6 5 4 3 2 1 28
2! 6!
21654321
Es importante mencionar a sus
estudiantes que existen algunas
propiedades en el clculo de
combinatoria, por ejemplo,
= 1 y = .
0
1
751
752
753
756
757
Ahora, determine la probabilidad de

comprar
1
2
notebook
defectuosos:
3 5

(1) = 1 1 =
8

2
(2) =
759
760
761
762
763
764
765
766
767
768
769
8

2
Funcin de distribucin de probabilidad normal
Primero veamos cuando una variable aleatoria se distribuye de manera normal, para ello, diremos que
una VA se distribuye normalmente cuando los valores centrales de la variable se presentan con ms
frecuencia que los valores extremos.
Si una V.A continua, que sigue una distribucin normal, entonces la funcin de densidad (funcin
de distribucin para una V.A continua), estar determinada por dos parmetros, la media () y la
desviacin estndar o tpica (). Se designa por ~(, ) y cumple con las siguientes condiciones:
La variable toma cualquier valor real, esto es, (, +)

La funcin de densidad viene dada por la expresin:
770
() =
771
La grfica de es el siguiente:
()2
2 2
Las propiedades de son:

-
772
773
Otras consideraciones:
774
775
Al ser una funcin de densidad para la VA :
758
Los extremos se prolongan de manera

indefinida en el eje horizontal.
El eje horizontal es una asntota para
().
La funcin es simtrica respecto a la
media , esto significa que es ms
probable que la V.A tome valores
cercanos a la media, disminuyendo la
probabilidad al alejarse de la media.
Tiene un mximo para = .
Crece hasta la media () y decrece a
partir de ella.
37
El rea del recinto determinado por la funcin y el eje horizontal es igual a 1
La probabilidad de que X tome un valor fijo es cero, ( = ) = 0
La probabilidad de que X tome un valor menor o igual a un

valor fijo , ( ) es igual al rea bajo la curva en el
intervalo ], ].
El 68,28% de los valores est dentro de ms o

menos una desviacin estndar, esto es
( + ) = 68,26%

menos dos desviaciones estndar, esto es
( 2 + 2) = 95,45%

menos tres desviaciones estndar, esto es
( 3 + 3) = 99,73%
38
776
777
La probabilidad de que X tome un valor en un intervalo,

( ) es igual al rea bajo la curva en el intervalo
[, ].
Al ser simtrica respecto a la recta = (eje de simetra), deja un rea igual a 0,5 a la izquierda y otra
igual a 0,5 a la derecha o bien el 50%.
778
779
780
781
782
783
784
785
786
787
788
789
790
791
792
793
801
802
803
804
805
Analicemos la siguiente situacin:

Las medidas (en cm) de los 700 alumnos de un liceo de Puerto Montt se distribuyen normalmente
~(165; 15)
Cul es la probabilidad de que al elegir un
alumno de este liceo al azar, mida menos de
180 cm?
Puesto que el 68,28% de los valores est

dentro de ms o menos una desviacin
estndar y puesto
que 180 = + ,
entonces el rea entre y + es 34,13%. El
rea a la izquierda es igual a 0,5 = 50%.
Finalmente el rea total corresponde a la

suma, es decir 84,13%.
794
795
796
797
798
799
800
Actividad
Recuerde que la
En esta actividad se desarrollan
distribucin
las habilidades de Identificar,
normal
se denota
calcular y aplicar.
por
(; ),
donde
corresponde a la
media
y
corresponde a la
desviacin estndar. Debido a que la funcin de densidad normal depende de los parmetros y ,
estos tambin influyen en la forma de la grfica de ().
1.
Observe la imagen y luego completa la tabla adjunta.
39
40
806
807
Funcin
()
Media ()
Desviacin estndar ()
()
()
808
809
810
811
812
813
814
815
816
817
818
819
820
821
822
823
2.
La desviacin estndar es una medida de la dispersin de los datos respecto a la media.

Respecto a esto qu sucede con la grfica de la densidad para valores mayores de ?
R.
3.
En una empresa con 250 trabajadores los sueldos se distribuyen normalmente

(502000; 22500)
a. Cuntos trabajadores ganan menos de $502.000?
R. 50%
b. Cul es la probabilidad que, al elegir un trabajador de la empresa al azar, este gane
ms de $524.500?
R. + = 68,2 %
Distribucin normal estndar
Estudiaremos una distribucin normal muy particular, aquella que tiene media 0 y desviacin estndar
1. Esta distribucin recibe el nombre de distribucin normal estndar y se denota por (0; 1).
824
825
826
827
La V.A normal, que se distribuye (0; 1), se designa con la letra y recibe el nombre de variable
normal estndar o tipificada. La particularidad de esta distribucin es que las reas bajo la curva para
estn tabulados, esto significa que las probabilidades del tipo ( ) se pueden obtener
fcilmente de una tabla (anexa al final del taller).
828
La funcin de distribucin est dada por (note que slo se reemplazaron los valores de y de ):
830
831
() =
Por ejemplo:
1.
()2
2
cul es la probabilidad de que tome un valor menor o igual a 1,32, esto es ( 1,32)?
832
833
834
835
836
837
En la tabla buscamos la interseccin de la fila que comienza por 1,3 y la columna correspondiente a
0,02:
Z
1,2
1,3
0,00
0,01
0,02
0,03
0,88493
0,9032
0,88686
0,9049
0,88877
0,9066
0,89065
0,90824
Por tanto ( 1,32) = 0,9066 90,66%.
2. cul es la probabilidad de que tome un valor mayor o igual a 0,74, esto es ( 0,74)?
838
839
840
841
842
829
Si observa la grfica, la probabilidad pedida corresponde al suceso contrario, esto es:

( 0,74) = 1 ( 0,74)
En la tabla buscamos la interseccin de la fila que comienza por 0,7 y la columna correspondiente a
0,04, luego:
( 0,74) = 0,7704
41
42
0,00
0,01
0,02
0,03
0,04
0,6
0,72575
0,72907
0,73237
0,73565
0,73891
0,7
0,75804
0,76115
0,76424
0,7673
0,77035
843
844
Finalmente:
845
( 0,74) = 1 ( 0,74) = 0,2296 22,96%
846
847
848
849
850
851
852
853
854
Actividad
1.
Explique
coherentemente como
calcular (use las
propiedades de
(0; 1), la grfica y la
tabla para (0; 1))
( 2,26)
( 1,7)
En la siguiente actividad se
desarrollan las habilidades
de interpretar, analizar y
calcular.
855
856
857
858
859
860
861
Cmo estandarizar una distribucin normal?
Veremos que cualquier distribucin normal (; ) de media y desviacin estndar , se puede

asociar con una distribucin normal estndar (0; 1) de media 0 y desviacin tpica 1.
La distribucin normal se puede aplicar en muchas situaciones de la vida real, sin embargo, en la vida
diaria la gran mayora de las situaciones que pueden modelarse usando variables aleatorias con
distribucin normal no corresponden siempre a la forma estndar, sino que su media y su desviacin
estndar pueden adoptar cualquier valor, lo cual hace difcil calcular la probabilidad.
862
863
Existe una forma de estandarizar cualquier distribucin normal para una VA ~(; ) y as poder
calcular la probabilidad usando la tabla de distribucin normal estndar.
864
865
Sea el valor que toma la VA que tiene media y desviacin estndar , se define como el valor
que toma la VA estandarizada, entonces el valor que toma viene dado por la expresin:
866
867
868
869
870
871
872
873
874
Veamos un ejemplo. Para cierto modelo de lavadora se ha analizado el tiempo de funcionamiento que
transcurre sin necesitar revisin tcnica, llegando a la conclusin de que dicho tiempo es una variable
Normal de media 5.040 horas de lavado con una desviacin tpica de 720 horas.
1.
Calcule la probabilidad de que una lavadora de ese modelo no supere las 6.480 horas sin
necesitar revisin.
X: nmero de horas que la lavadora funciona sin necesitar revisin.
~(5040; 720)
875
876
Entonces, para calcular la probabilidad debemos de tipificar la variable y obtener la correspondiente

probabilidad en la tabla de distribucin normal estndar N(0, 1)
877
Lo que estamos buscando es ( 6480), al tipificar la variable se tiene:
878
879
(1,27 1,66)
Luego debemos buscar ( 2) = 0,9772
6480 5040
=2
720
43
1,9
2
0,02
0,97128
0,97193
0,97257
0,97725
0,97778
0,97831
O bien 97,72%
882
883
884
885
886
887
888
889
44
0,01
880
881
0,00
890
891
892
893
Aproximacin Binomial a Normal
Anteriormente trabajaste con la distribucin binomial, que es una funcin de distribucin para una
VAD para una cantidad de intentos y con probabilidad de xito y de fracaso = 1 . Esta
distribucin se denota por ~(; ).
Para este tipo de distribucin recordemos que:
La media es = y la desviacin estndar viene dada por = (1 ).

Analicemos la grfica para una VA al aumentar la cantidad de intentos ().
Supongamos que un futbolista lanza un penal y que su probabilidad de acierto es = 0,85, luego su
probabilidad de fracaso es = 1 = 0,15.
= 70
=
= 70 0,85
= 59,5
Al lanzar 100 penales:
= (1 )
= 70 0,85 0,15
= 2,98
= 100
=
= 100 0,85
= 85
= (1 )
= 100 0,85 0,15
= 3,57
Al lanzar 200 penales:
= 200
=
= 200 0,85
= 170
894
895
896
897
898
899
900
Al lanzar 70 penales
= (1 )
= 200 0,85 0,15
= 5,05
Al aumentar en nmero de intentos, la grfica de ~(; )se aproxima a la grfica de la distribucin
normal ~(; ).
En general, esto ocurre para cualquier distribucin binomial en la que sea un valor grande, y y
no sean valores muy pequeos ( = 1 ). Cuanto mayor es n, mejor se aproxima la distribucin
binomial a la normal. En la prctica, se estima que la aproximacin es buena cuando se cumple que:
30, > 5 y (1 ) > 5.
45
901
902
903
Veamos un ejemplo. La probabilidad de que un piloto de carreras sufra un reventn en un circuito es

0,04. Si en la carrera participan 200 conductores, cul es la probabilidad de que se registren entre 12
y 18 reventones?
904
Veamos los datos:

Entonces podemos aproximar la distribucin
binomial a una distribucin normal donde:
= 200
= 0,05
= 1 = 0,95
=
= 200 0,05
= 10
luego ~(200; 0,05).
= (1 )
= 200 0,05 0,95
= 3,08
Finalmente debemos estandarizar la distribucin:
es decir: ~(10; 3,08).
Estamos buscando la probabilidad de que ocurran entre 12 y 18 reventones.
Tipificando:
(12 18)
12 10
18 10

3,08
3,08
(0,64 2,6)
Buscamos este valor en la tabla de ~(0; 1) y obtenemos que la probabilidad es de 25,64%.
46
905
906
907
908
Al aproximar una distribucin binomial a una distribucin normal, se debe considerar una correccin
puntual, esto porque la distribucin binomial trabaja con una VAD y la distribucin normal trabaja con
una VAC. Y es la VAD y X es la VAC
909
( = ) = ( 0,5 + 0,5)
910
( ) = ( + 0,5)
911
( < ) = ( 0,5)
912
913
( > ) = ( + 0,5)
914
915
916
917
Actividad
Desarrolle los siguientes ejercicios

en el espacio designado.
En la siguiente actividad se
desarrollan las habilidades de
analizar, calcular e
interpretar.
918
919
920
921
922
923
924
925
926
927
928
929
930
931
1.
Una compaa realiza un

estudio sobre el nmero de
veces que semanalmente usan
el transporte pblico sus usuarios. Se observa una distribucin normal ~(10; 3).
Si escogemos una persona al azar:
a) Calcule la probabilidad de que esta use el transporte pblico ms de 11 veces.
R.
932
933
934
935
936
937
938
939
940
941
942
943
944
945
946
947
948
2.
La longitud del fmur de cualquier feto a las 25 semanas de gestacin sigue una distribucin
normal con media de 44 mm y desviacin estndar de 2 mm. Al elegir al azar una mujer
embarazada con 25 semanas de gestacin cul es la probabilidad de que el feto tenga un fmur
con una longitud entre 47 y 49 mm?
R.
3.
El peso de los nios de 1 ao sigue una distribucin normal de media 10 kg y desviacin 2 kg. Al
elegir un nio al azar qu porcentaje de los nios de 1 ao pesa menos de 8 kg?
R.
4.
Una mquina expendedora de caf est calibrada de modo tal que descarga el producto con una
media de 250 ml y con una desviacin de 14 ml. Si vas a comprar un caf a esta mquina:
( ) = ( 0,5)
b) Calcule la probabilidad de que esta use el transporte pblico menos de 8 veces.

R.
47
48
949
950
951
952
953
954
955
956
957
958
959
960
961
962
963
964
965
966
967
968
969
970
971
972
973
974
975
976
977
978
979
a)
cul es la probabilidad de que este tenga un volumen menor a 240 ml?

R.
b) cul es la probabilidad de que este tenga un volumen entre 245 y 256 ml?
R.
5.
El gerente de una distribuidora informa que existe una probabilidad = 0,09 de que un producto
especfico no est disponible. Si un embarque cubre los pedidos para 130 artculos distintos:
a) cul es la probabilidad de que 16 a ms de ellos no se encuentren disponibles?
R.
b)
cul es la probabilidad de que haya entre 14 y 20 artculos (incluidos 14 y 20) que no se

encuentren en disponibles?
R.
980
981
983
Cmo acceder al cupo garantizado PACE?
Terminar en el 15% de mejor Puntaje Ranking

Rendir la PSU (aunque no se considerar su
puntaje)
Aprobar satisfactoriamente las actividades de
preparacin del PACE durante la educacin
media
Haber cursado al menos 3 y 4 medio en un
establecimiento educacional del Programa
PACE
Asistencia sobre 85%
Demostrar rendimiento creciente en las
evaluaciones del proceso de preparacin
982
49
50
984
985
986
987
988
989
990
http://www.pace.mineduc.cl/
991
https://www.youtube.com/watch?v=mkdTPk84lfg
992
https://www.facebook.com/profile.php?id=100009569820759
993
994
995

Distribución Normal

Hochgeladen von

Dokumentinformationen

Copyright

Verfügbare Formate

Dieses Dokument teilen

Dokument teilen oder einbetten

Freigabeoptionen

Stufen Sie dieses Dokument als nützlich ein?

Sind diese Inhalte unangemessen?

Copyright:

Verfügbare Formate

Distribución Normal

Hochgeladen von

Copyright:

Verfügbare Formate

1

Componente Estratgico Preparacin Acadmica y Acompaamiento Docente

Componente Estratgico Preparacin

Componente Estratgico Preparacin Acadmica y Acompaamiento Docente

Directrices generales ............................................................................................. 8

Conceptos Generales ........................................................................................... 10

Variable aleatoria .......................................................................................................10

Funcin de Probabilidad ...................................................................................... 13

Distribucin de probabilidad de una variable discreta .................................................14

Funcin de distribucin de una variable aleatoria discreta ...........................................14

Media o Esperanza en una Distribucin de Probabilidad ..............................................17

Varianza y desviacin estndar para datos no agrupados ............................................21

Varianza y desviacin estndar para variables aleatorias discretas ..............................24

Variable aleatoria binomial.........................................................................................29

Variable aleatoria continua.........................................................................................30

Funcin de Densidad de Probabilidad .........................................................................32

Nmero factorial y combinaciones ..............................................................................35

Funcin de distribucin de probabilidad normal .................................................. 37

Distribucin normal estndar......................................................................................40

Cmo estandarizar una distribucin normal? .............................................................43

Aproximacin Binomial a Normal................................................................................44

Distribucin de Probabilidad Normal

Componente Estratgico Preparacin Acadmica y Acompaamiento Docente

Nosotros te entregaremos informacin

Y si hay algo importante

El fundamento de la Estrategia de Preparacin

En la planificacin correspondiente a esta Estrategia, se han considerado

En este sentido, en el transcurso del ao 2015, se realizaron actividades y acciones de diagnstico de

Distribucin de Probabilidad Normal

Te contamos que el PACE

Componente Estratgico Preparacin Acadmica y Acompaamiento Docente

En el caso especfico de la funcin de distribucin normal, se inicia con la activacin de conocimientos

Adems, se realiza un trabajo aritmtico y de interpretacin de la media, varianza y desviacin

Relacionar y aplicar los conceptos de variable aleatoria discreta, funcin de probabilidad y

Establecer la importancia de los procesos aritmticos presentes en el clculo de la media,

Distribucin de Probabilidad Normal

Componente Estratgico Preparacin Acadmica y Acompaamiento Docente

En el taller de Funcin de Probabilidad, desarrollado para 3 medio, se abordaron contenidos

Antes de recordar cmo trabajar con una

Es importante recordar a sus

El lanzamiento de una moneda, ya que se obtiene como resultado cara

Debido a que resulta interesante, en algunos casos, cuantificar el comportamiento aleatorio de un

representa el suceso "la variable aleatoria X toma el valor x".

Algunos ejemplos de variable aleatoria son:

Distribucin de Probabilidad Normal

Componente Estratgico Preparacin Acadmica y Acompaamiento Docente

Considere el lanzamiento de dos dados.

En esta actividad usted

Se lanzan dos monedas al aire.

B) Sea X la VA que identifica el nmero de sellos obtenidos en el lanzamiento Cules son

Es importante especificar a sus

Obtener sello, le hacemos corresponder el 0.

De esta forma la VAD X ser: = {0,1}, donde 1 = 0 2 = 1

Distribucin de Probabilidad Normal

y la probabilidad de obtener sello es .

La funcin de probabilidad () asociada VAD es la funcin que asigna a cada valor (0 y 1) de la

variable su correspondiente probabilidad , es decir, si analizamos el comportamiento de la

funcin de probabilidad de la VAD lanzamiento de una moneda tenemos:

Lo anterior lo podemos generalizar de la siguiente forma:

Componente Estratgico Preparacin Acadmica y Acompaamiento Docente

Distribucin de probabilidad de una variable discreta

Lanzamos 3 monedas al aire. Definimos la variable aleatoria X: nmero de sellos obtenidos.

A) Encuentre el espacio muestral.

Funcin de distribucin de una variable aleatoria discreta