Temas de Estadística y Probabilidades

Estamos

aquí

Lic. Mónica Pascual Página 1

 Temas de Estadística y Probabilidades

DISTRIBUCIONES DE PROBABILIDAD PARA VARIABLES ALEATORIAS

CONTINUAS
Si bien existen un buen números de distribuciones de probabilidad para v.a.c., en
este curso nos ocuparemos de la distribución considerada tal vez como la más importante,
ya que son numerosos los fenómenos aleatorios continuos a los cual se puede aplicar. Por
ejemplo, las respuestas a preguntas relacionadas con altura, peso, antigüedad de
inmuebles, impuestos a cobrar, ventas. Nos estamos refiriendo a la Distribución Normal,
también llamada distribución de Gaussiana o campana de Gauss

 DISTRIBUCIÓN NORMAL: X ~ N (μ, σ2)

Esta distribución se caracteriza porque los valores se distribuyen formando una
campana, en torno a un valor central que coincide con el valor medio µ de la distribución.
Los parámetros que caracterizan a una distribución normal están dados por la
media µ, la varianza 𝛔2 y el desvío estándar 𝛔

μ: es el valor medio de la distribución y precisamente allí es donde se sitúa el centro de la

curva o de la campana de Gauss.

σ2: es la varianza, indica si los valores están más o menos alejados del valor central; si la
varianza es pequeña los valores están próximos a la media; si es alta, entonces los valores
están muy dispersos.

Lic. Mónica Pascual Página 2

 Temas de Estadística y Probabilidades

Características de la distribución normal

 La curva es simétrica respecto de su eje vertical donde tiene la media μ.

 La Moda, que es el punto donde la curva tiene su máximo valor, sobre el eje
horizontal, ocurre en x = μ.
 Por ser simétrica, coinciden los valores de media, mediana y modo
 La curva posee sus puntos de inflexión en x = μ ± σ, entonces es cóncava hacia
abajo si μ - σ < X < μ + σ y es cóncava hacia arriba en cualquier otro punto.
 La curva normal es asintótica en cualquiera de las dos direcciones alejándose de la
media, se acerca al eje horizontal, sin tocarlo.
 El área total bajo la curva y por encima del eje horizontal es igual a uno

Valores grandes de 𝛔 reducen la altura de la curva y aumentan la dispersión;

valores pequeños de𝛔 aumentan la altura de la curva y reducen la dispersión. La imagen
siguiente refleja lo explicado con tres distribuciones normales que tienen la misma media
pero diferentes valores de varianza.

Fuente: https://pybonacci.org/wp-content/uploads/2012/04/normal_pdf1.png

Lic. Mónica Pascual Página 3

 Temas de Estadística y Probabilidades

Función de densidad de probabilidad: f (x)

Hemos visto que para calcular la probabilidad de que valores particulares de la
variable aleatoria continua ocurran dentro de ciertos rangos o intervalos se considera la
función matemática que se conoce con el nombre de función de densidad de
probabilidad: f (x). (página 11)
En el caso de la distribución normal, esta función de densidad de probabilidad viene dada
por la expresión:
𝟏 𝟐 ⁄𝟐𝝈𝟐
𝒇(𝒙) = 𝒆−(𝒙−𝝁)
𝝈√𝟐𝝅

Donde
 e = constante matemática aproximada: 2.71828
 π = constante matemática aproximada: 3.14159
  = media de la población
  = desviación estándar de la población
 x = cualquier valor de la variable aleatoria
Observando la expresión matemática anterior, vemos que, como se explicó
anteriormente, la distribución normal depende de los parámetros  y 2. Cada
combinación de éstos genera una distribución normal diferente, lo que implica que
existen infinitas distribuciones normales.

Función de Distribución o Probabilidad Acumulativa: F(x)

La función de distribución normal útil para el cálculo de probabilidades, viene
dada por la función de distribución que acumula probabilidades. Recordemos que:
La función de distribución F(x) o Función de Probabilidad Acumulativa se define
para cada xi como la probabilidad de que la variable aleatoria X tome un valor menor o
igual que xi.

Lic. Mónica Pascual Página 4

 Temas de Estadística y Probabilidades

Para la distribución normal, esta función de probabilidad acumulativa viene dada

por la siguiente expresión:
𝒖
𝟏 𝟐 ⁄𝟐𝝈𝟐
𝑭(𝒖) = 𝑷(𝑿 ≤ 𝒖) = ∫ 𝒆−(𝒙−𝝁) 𝒅𝒙
𝝈√𝟐𝝅 −∞

 DISTRIBUCIÓN NORMAL ESTANDAR: X ~ N (0, 1)

A efectos de trabajar con una sola función de distribución que pueda comprender
a las infinitas combinaciones de la distribución normal, tal como se ha explicado, se ha
seleccionado una de las combinaciones, que se conoce con el nombre de “distribución
normal estándar”
La característica de esta distribución reside en que:

μ = 0 , σ2 = 1, σ = 1

La principal ventaja del uso de esta distribución normal estándar radica en la notable
reducción de los cálculos y en que cualquier distribución normal, con distintas media y
varianza, se puede transformar en una normal estándar empleando una fórmula de
transformación
 Fórmula de transformación: X ~ N (μ, σ2) a otra variable Z ~ N (0, 1)

𝑿−𝝁
𝒁=
𝝈

Esta nueva variable Z se distribuye como una normal tipificada, con media µ=0 y
desvío estándar σ=1, permitiéndonos, por tanto, conocer la probabilidad acumulada en
cada valor: Z ~ N (0, 1), es decir que para cada valor xi que adopta la variable normal
podemos encontrar un valor zi en la distribución normal estándar.

Lic. Mónica Pascual Página 5

 Temas de Estadística y Probabilidades

Función de densidad de probabilidad: f (z)

Reemplazando la media µ por 1, la varianza σ2 y el desvío estándar σ por cero en la
función de densidad de probabilidad de la distribución normal, se obtiene la expresión
matemática de la función de densidad de probabilidad para la distribución normal
estándar:
𝟏 𝟐 ⁄𝟐
𝒇(𝒛) = 𝒆−(𝒛)
√𝟐𝝅

Función de Probabilidad Acumulativa: F(z)

Reemplazando de la misma forma en la función de la distribución de probabilidad
acumulativa de la distribución normal, se obtiene la expresión matemática de la función
de probabilidad acumulativa de la distribución normal estándar:
𝒖
𝟏 𝟐 ⁄𝟐
𝑭(𝒖) = 𝑷(𝒁 ≤ 𝒖) = ∫ 𝒆−(𝒛) 𝒅𝒛
√𝟐𝝅 −∞

IMPORTANTE: Trabajar con la distribución normal estándar tiene la ventaja, de que las
probabilidades o áreas para cada valor bajo la curva se encuentran en una tabla, razón
por la cual su cálculo es muy sencillo

 Metodología de trabajo con la Tabla Normal Estándar Acumulada

La columna de la izquierda indica el valor estándar Z (entero y primer decimal)

cuya probabilidad acumulada queremos conocer. La fila superior indica el segundo
decimal del valor de Z que estamos consultando.

Por ejemplo, si queremos conocer la probabilidad acumulada en el valor -2,85,

buscamos en la columna de la izquierda el valor -2,8 y en la primera fila el valor 0,05. La
casilla donde se intersectan es su probabilidad acumulada 0,0022

Lic. Mónica Pascual Página 6

 Temas de Estadística y Probabilidades

Z 0 .01 .02 .03 .04 .05 .06 .07 .08 .09

-3,4 0,0003 0,0003 0,0003 0,0003 0,0003 0,0003 0,0003 0,0003 0,0003 0,0002
-3,3 0,0005 0,0005 0,0005 0,0004 0,0004 0,0004 0,0004 0,0004 0,0004 0,0003
-3,2 0,0007 0,0007 0,0006 0,0006 0,0006 0,0006 0,0006 0,0005 0,0005 0,0005
-3,1 0,0010 0,0009 0,0009 0,0009 0,0008 0,0008 0,0008 0,0008 0,0007 0,0007
-3 0,0013 0,0013 0,0013 0,0012 0,0012 0,0011 0,0011 0,0011 0,0010 0,0010
-2,9 0,0019 0,0018 0,0018 0,0017 0,0016 0,0016 0,0015 0,0015 0,0014 0,0014
-2,8 0,0026 0,0025 0,0024 0,0023 0,0023 0,0022 0,0021 0,0021 0,0020 0,0019
-2,7 0,0035 0,0034 0,0033 0,0032 0,0031 0,0030 0,0029 0,0028 0,0027 0,0026
-2,6 0,0047 0,0045 0,0044 0,0043 0,0041 0,0040 0,0039 0,0038 0,0037 0,0036
-2,5 0,0062 0,0060 0,0059 0,0057 0,0055 0,0054 0,0052 0,0051 0,0049 0,0048
-2,4 0,0082 0,0080 0,0078 0,0075 0,0073 0,0071 0,0069 0,0068 0,0066 0,0064

La probabilidad acumulada es el
valor de la tabla para Z y corresponde Probabilidad
al área bajo la curva de la normal
estándar a la izquierda de Z

Z µ=0

Veamos algunos ejemplos que nos ayuden a agilizar el uso de la tabla de la

distribución normal estándar acumulada (las tablas que se muestran en estos ejemplos constituyen
sólo una parte de las mismas por cuestiones de espacio)

Como se explicó, es la función de distribución que acumula probabilidades la que

se emplea para el cálculo de probabilidades. Recordemos las aplicaciones de la función de
distribución explicadas en la página 13.
𝑭(𝒖) = 𝑷(𝒁 ≤ 𝒖)
a) Probabilidad acumulada en Z =-0,85. Utilizando la nomenclatura arriba señalada, la
probabilidad buscada es: 𝐹(−0,85) = 𝑃(𝑍 ≤ −0,85) = 0,1977
Z 0 .01 .02 .03 .04 .05 .06 .07 .08 .09
-1 0,1587 0,1562 0,1539 0,1515 0,1492 0,1469 0,1446 0,1423 0,1401 0,1379
-0,9 0,1841 0,1814 0,1788 0,1762 0,1736 0,1711 0,1685 0,1660 0,1635 0,1611
-0,8 0,2119 0,2090 0,2061 0,2033 0,2005 0,1977 0,1949 0,1922 0,1894 0,1867
-0,7 0,2420 0,2389 0,2358 0,2327 0,2296 0,2266 0,2236 0,2206 0,2177 0,2148
-0,6 0,2743 0,2709 0,2676 0,2643 0,2611 0,2578 0,2546 0,2514 0,2483 0,2451
-0,5 0,3085 0,3050 0,3015 0,2981 0,2946 0,2912 0,2877 0,2843 0,2810 0,2776

Lic. Mónica Pascual Página 7

 Temas de Estadística y Probabilidades

La probabilidad
𝐹(−0,85) = 𝑃(𝑍 ≤ −0,85) = 0,1977

corresponde al área sombreada bajo la curva

Z µ=0

b) 𝐹(0) = 𝑃(𝑍 ≤ 0) = 0,50

Teniendo en cuenta que el área total
bajo la curva normal es igual a uno y que es
simétrica respecto a su media, el 50 % de las 0,50 0,50

observaciones se encuentran por debajo de

Z=µ=0
ella y el otro 50 % está por encima.

c) 𝐹(1,53) = 𝑃(𝑍 ≤ 1,53) = 0,9370

d) 𝐹(1,38) = 𝑃(𝑍 ≤ 1,38) = 0,9162

Z 0 .01 .02 .03 .04 .05 .06 .07 .08 .09

1,3 0,9032 0,9049 0,9066 0,9082 0,9099 0,9115 0,9131 0,9147 0,9162 0,9177
1,4 0,9192 0,9207 0,9222 0,9236 0,9251 0,9265 0,9279 0,9292 0,9306 0,9319
1,5 0,9332 0,9345 0,9357 0,9370 0,9382 0,9394 0,9406 0,9418 0,9429 0,9441
1,6 0,9452 0,9463 0,9474 0,9484 0,9495 0,9505 0,9515 0,9525 0,9535 0,9545
1,7 0,9554 0,9564 0,9573 0,9582 0,9591 0,9599 0,9608 0,9616 0,9625 0,9633

Z 0 .01 .02 .03 .04 .05 .06 .07 .08 .09

-0,3 0,3821 0,3783 0,3745 0,3707 0,3669 0,3632 0,3594 0,3557 0,3520 0,3483
-0,2 0,4207 0,4168 0,4129 0,4090 0,4052 0,4013 0,3974 0,3936 0,3897 0,3859
-0,1 0,4602 0,4562 0,4522 0,4483 0,4443 0,4404 0,4364 0,4325 0,4286 0,4247
0 0,5000 0,5040 0,5080 0,5120 0,5160 0,5199 0,5239 0,5279 0,5319 0,5359
0,1 0,5398 0,5438 0,5478 0,5517 0,5557 0,5596 0,5636 0,5675 0,5714 0,5753

Lic. Mónica Pascual Página 8

 Temas de Estadística y Probabilidades

Veamos ahora con un ejemplo como encontrar las probabilidades de una variable
que sigue una distribución normal, con cualquier media y varianza, al transformarla en
una variable tipificada o estandarizada (a la variable Z de la distribución normal estándar se le suelde
llamar “variable tipificada” o “variable estandarizada”).

El tiempo medio que los empleados de una empresa trabajan en una máquina en
particular, se distribuye según una distribución normal, con media 5 hs. y desviación
estándar de 1 hs.
En este problema tenemos una v.a.c. que sigue una distribución normal X~ N(5, 1)
y la transformaremos en una v.a.c. tipificada: Z~N(0,1)
Pasos a seguir:
1) Transformar X en Z aplicando la fórmula de transformación
2) Encontrar el valor de Z utilizando la tabla de la distribución acumulada estándar

a) Calcular el porcentaje de empleados que trabajan menos de 7 hs. en la

máquina.
Este problema puede escribirse: 𝑃(𝑋 < 7⁄𝜇 = 5, 𝜎 = 1)
Aplicamos la fórmula de transformación:
𝑋−𝜇 7−5
𝑍= = =2
𝜎 1
De manera que ahora el problema puede volverse a escribir en términos de la
distribución normal estándar:
𝑃(𝑋 < 7⁄𝜇 = 5, 𝜎 = 1)~𝑃(𝑍 < 2)
Buscando en la tabla de la distribución
norma estándar acumulada:
𝑃(𝑍 < 2) = (𝐹(2) = 0,9772
El porcentaje de empleados que
trabajan menos de 7 hs. en la máquina es del
97,72%

b) Calcular el porcentaje de empleados que trabajan más de 6,5 hs. en la

máquina.

Lic. Mónica Pascual Página 9

 Temas de Estadística y Probabilidades

La probabilidad que se busca puede escribirse: 𝑃(𝑋 > 6,5⁄𝜇 = 5, 𝜎 = 1)

Estandarizando la variable
𝑋 − 𝜇 6,5 − 5
𝑍= = = 1,50
𝜎 1
Por lo tanto la probabilidad buscada puede volver a escribirse como:
𝑃(𝑋 > 6,5⁄𝜇 = 5, 𝜎 = 1)~𝑃(𝑍 > 1,5)
Corresponde ahora buscar el valor de Z en la tabla de la distribución normal
estándar acumulada. Pero,

ATENCIÓN: Observemos cuál es la diferencia entre este ejercicio, el anterior y los

que se plantearon para aprender el uso de la tabla de la distribución normal estándar
acumulada.
En todos los casos anteriores, la relación de desigualdad utilizada era de “menor” o
“menor o igual”, mientras que en este ejercicio la desigualdad corresponde a la relación
de “mayor”. Tengamos en cuenta que la tabla de la distribución normal estándar nos da
las probabilidades acumuladas desde el inicio de la curva por la izquierda hasta el valor de
Z buscado.

El área sombreada en la siguiente

imagen corresponde a la P(Z >1,5). Como la
tabla de la distribución normal estándar Probabilidad

acumulada nos da la P(Z ≤ 1,50) tendremos

que aplicar la propiedad de eventos
complementarios:
Z= 1,50
𝑃(𝑍 ≤ 1,50) + 𝑃(𝑍 > 1,50) = 1
Despejando en la ecuación anterior:
𝑃(𝑍 > 1,50) = 1 − 𝑃(𝑍 ≤ 1,50). Ahora bien: 𝑃(𝑍 ≤ 1,50) = (1,50). Por lo tanto,
estamos en condiciones de buscar el valor de Z en la tabla.
𝑃(𝑍 > 1,50) = 1 − 𝐹(1,50) = 1 − 0,9332 = 0,0668

Lic. Mónica Pascual Página 10

 Temas de Estadística y Probabilidades

El porcentaje de empleados que trabajan más de 6,5 hs. en la máquina es del

6,68%

c) Calcular el porcentaje de empleados que trabajan entre 4,3 y 5,6 hs. en la

máquina.

En este ítem la probabilidad buscada puede escribirse:

𝑃(4,3 ≤ 𝑋 ≤ 5,6⁄µ = 5, 𝜎 = 1)

Lo primero que se debe hacer es estandarizar los dos valores: x1 = 4,3 y x2 = 5,6

𝑋1 − 𝜇 4,3 − 5 𝑋2 − 𝜇 5,6 − 5
𝑍1 = = = −0,70 𝑍2 = = = 0,6
𝜎 1 𝜎 1

Por lo tanto:

𝑃(4,3 ≤ 𝑋 ≤ 5,6⁄µ = 5, 𝜎 = 1) ~𝑃(−0,70 ≤ 𝑍 ≤ 0,6)

Aplicamos las propiedades de la función de distribución o probabilidad

acumulativa (en la práctica, al área mayor se le resta el área menor).

𝑃(−0,70 ≤ 𝑍 ≤ 0,6) = 𝐹(0,6) − 𝐹(−0,70) = 0,7257 − 0,2420 = 0,4837

El porcentaje de empleados que trabajan entre 4,3 y 5,6 hs. en la máquina es del
48,37%

d) ¿Qué cantidad de horas trabajan en la máquina el 90% de los empleados?

La diferencia entre esta pregunta y el resto de los ejemplos resueltos hasta acá,
radica en que en los anteriores se consultaba por la probabilidad de un valor X de la
variable. En cambio, en este ítem se pregunta por la cantidad de horas trabajadas, es
decir que la pregunta se hace sobre un valor de la variable y no sobre su probabilidad de
ocurrencia.

El proceso que en los ejercicios previos hemos realizado puede verse reflejado en
la secuencia siguiente:

Lic. Mónica Pascual Página 11

 Temas de Estadística y Probabilidades

Estandarizar con la Buscar la probabilidad

Existe un valor de X fórmula de en la tabla de la
cuya probabilidad se transformación: distribución normal
quiere hallar
Z estándar

Para el problema que nos preocupa, el proceso debe darse en forma inversa:

Buscar el valor de Z al Buscar el valor de X

Existe un valor de
cual le corresponde con la fórmula de
probabilidad
la probabilidad transformación

El área sombreada en la imagen representa

el 90% del área de la distribución normal:
0,90
𝐹(𝑍) = 0,90
Este valor de probabilidad debe ser buscado
Z
en la tabla de la distribución normal
estándar acumulada, desde el centro o cuerpo de la tabla hacia los bordes, donde se
encuentran los valores de Z.

0 .01 .02 .03 .04 .05 .06 .07 .08 .09

0,9 0,8159 0,8186 0,8212 0,8238 0,8264 0,8289 0,8315 0,8340 0,8365 0,8389
1 0,8413 0,8438 0,8461 0,8485 0,8508 0,8531 0,8554 0,8577 0,8599 0,8621
1,1 0,8643 0,8665 0,8686 0,8708 0,8729 0,8749 0,8770 0,8790 0,8810 0,8830
1,2 0,8849 0,8869 0,8888 0,8907 0,8925 0,8944 0,8962 0,8980 0,8997 0,9015
1,3 0,9032 0,9049 0,9066 0,9082 0,9099 0,9115 0,9131 0,9147 0,9162 0,9177
1,4 0,9192 0,9207 0,9222 0,9236 0,9251 0,9265 0,9279 0,9292 0,9306 0,9319
1,5 0,9332 0,9345 0,9357 0,9370 0,9382 0,9394 0,9406 0,9418 0,9429 0,9441

El valor más cercano a 0,90 que está en la tabla es 0,8997 y a esa probabilidad le
corresponde el valor Z = 1,28. Esto lo podemos escribir de la siguiente forma:
𝐹(𝑍) = 0,90 → 𝑍 = 1,28
Por la fórmula de transformación:

Lic. Mónica Pascual Página 12

 Temas de Estadística y Probabilidades

𝑋−𝜇
𝑍= → 𝑿 = 𝝁±𝒁𝝈
𝜎
𝑿 = 𝝁 ± 𝒁 𝝈 = 𝟓 + 𝟏, 𝟐𝟖 × 𝟏 = 𝟔, 𝟐𝟖

El 90% de los empleados trabaja en la máquina 6,28 hs

e) ¿Entre qué cantidad de horas trabajan en la máquina el 95% de los

empleados?
Este problema presenta una situación similar al ejercicio anterior, con una leve
diferencia. En este caso se emplea la expresión “entre que cantidad”, lo que supone que el
95% debe estar centrado en la distribución como refleja la imagen.

0,9500
0,025 0,025
Z1 Z2

A su vez, el 5% restante se reparte en forma idéntica en los extremos: 2,5% en el

extremo de la cola inferior y el otro 2,5% en el extremo de la cola superior.
Esto implica que se deben encontrar dos valores de Z:
𝐹(𝑍1) = 0,025 → 𝑍 = −1,96
𝐹(𝑍2) = 0,9975 → 𝑍 = 1,96 (El área 0,9975 (0,025+0,9500) corresponde a la
probabilidad acumulada desde el inicio de la distribución hasta Z2)
Despejando X en la fórmula de transformación:
𝑿= 𝝁±𝒁𝝈
𝑋1 = 5 − 1,96 × 1 = 3,04 𝑦 𝑋2 = 5 + 1,96 × 1 = 6,96

El 95% de los empleados trabajan en la máquina entre 3,04 hs y 6,96 hs. Esto
significa también que hay un 2,5% que trabaja menos de 3,04 hs y otro 2,5% que trabaja
más de 6,96 hs

Lic. Mónica Pascual Página 13

 Temas de Estadística y Probabilidades

Ejemplo 1: La renta media de los habitantes de un país es de 40.000 $/año, con una
varianza de $ 144 millones. Se supone que se distribuye según una distribución normal.
Calcular:
a) Porcentaje de la población con una renta inferior a $ 30000.
Si 𝛔2 = 144.000.000, entonces 𝛔 = 12.000. Luego, la probabilidad buscada es:
𝑃(𝑋 < 30000⁄𝜇 = 40000, 𝜎 = 12000)
Estandarizamos el valor de X
𝑋 − 𝜇 30000 − 40000
𝑍= = = −0,83
𝜎 12000
𝑃(𝑋 < 30000⁄𝜇 = 40000, 𝜎 = 12000)~𝑃(𝑍 < −0.83)
𝑃(𝑍 < −0.83) = 𝐹(−0.83) = 0,2033
El 20,33% de la población tiene ingresos inferiores a $30.000,-

b) ) Porcentaje de la población con una renta superior a 55 mil.

𝑃(𝑋 > 55000⁄𝜇 = 40000, 𝜎 = 12000)
Recordar: cuando la desigualdad corresponde a una relación de “mayor” o
“mayor o igual” se debe aplicar la propiedad de eventos complementarios.

𝑋 − 𝜇 55000 − 40000
𝑍= = = 1,25
𝜎 12000

𝑃(𝑋 > 55000⁄𝜇 = 40000, 𝜎 = 12000)~𝑃(𝑍 > 1,25)

𝑃(𝑍 > 1,25) = 1 − 𝑃(𝑍 ≤ 1,25) = 1 − 0,8944 = 0,1056

El 10,56% de la población tiene ingresos superiores a $55.000,-

c) Proporción de la población cuyos ingresos se encuentran entre $ 30.000 y $

55.000
𝑃(30000 ≤ 𝑋 ≤ 55000⁄𝜇 = 40000, 𝜎 = 12000)

Lic. Mónica Pascual Página 14

 Temas de Estadística y Probabilidades

Los valores estandarizados de X=30.000 y X=55.000 han sido hallados en los ítmes a) y b)

𝑃(30000 ≤ 𝑋 ≤ 55000⁄𝜇 = 40000, 𝜎 = 12000)~𝑃(−0,83 ≤ 𝑍 ≤ 1,25)

Recordar: cuando la probabilidad a buscar corresponde a un área central de la

distribución, el cálculo se realiza restando al área mayor el área menor

𝑃(−0,83 ≤ 𝑍 ≤ 1,25) = 𝐹(1,25) − 𝐹(−0,83) = 0,8944 − 0,2033 = 0.6911

El 69,11% de la población tiene ingresos entre $30.000,- y $55.000,-

d) Renta a partir de la cual se sitúa el 10% de la población con mayores ingresos.

El planteo de este ítem es:
𝑃(𝑋 ≥ 𝑋1⁄𝜇 = 40000, 𝜎 = 12000) = 0,10
Por la forma en que se trabaja con la
10% de la
tabla de la distribución normal estándar, el población con
mayores
valor de Z que debemos encontrar es aquel al
ingresos
que le corresponde la probabilidad
90%
acumulada de 0,90
𝐹(𝑍) = 0,90 → 𝑍 = 1,28 Z

𝑋 = 𝜇±𝑍𝜎
𝑋1 = 40000 + 1,28 × 12000 = 55360
La renta a partir de la cual se sitúa el 10% con mayores ingresos es de $55.360,-

Ejemplo 2: La vida media de los habitantes de un país es de 68 años, con una

varianza de 25. Se hace un estudio en una pequeña ciudad de 10.000 habitantes:
a) ¿Cuántas personas superarán previsiblemente los 75 años?
Si 𝛔2 = 25 - 𝛔 = 5 El problema presentado tiene el siguiente planteo:
𝑃(𝑋 > 75⁄𝜇 = 68, 𝜎 = 5)
Planteada la probabilidad buscada, se estandariza el valor de X:
𝑋 − 𝜇 75 − 68
𝑍= = = 1,40
𝜎 5

𝑃(𝑋 > 75⁄𝜇 = 68, 𝜎 = 5)~𝑃( 𝑍 > 1,40)

Lic. Mónica Pascual Página 15

 Temas de Estadística y Probabilidades

Como la probabilidad buscada contempla una desigualdad del tipo “mayor”, se

debe utilizar la propiedad de eventos complementarios:

𝑃(𝑍 > 1,40) = 1 − 𝑃(𝑍 ≤ 1,40) = 1 − 𝐹(1,40) = 1 − 0,9192 = 0,0808

Si la probabilidad de superar los 75 años es 0,0808, entonces en una población de

10.000 habitantes se espera que 808 superen esa edad

b) ¿Cuántos vivirán menos de 60 años?

𝑃(𝑋 < 60⁄𝜇 = 68, 𝜎 = 5)

𝑋 − 𝜇 60 − 68
𝑍= = = −1,60
𝜎 5

𝑃(𝑋 < 60⁄𝜇 = 68, 𝜎 = 5)~𝑃(𝑍 < −1,60) = 𝐹(−1,60) = 0,0548

Si la probabilidad de vivir menos de 60 años es 0,0548, entonces en una población

de 10.000 habitantes se espera que 548 no superen esa edad

c) ¿Entre que edades se espera que viva el 95% de la población?

La pregunta de este ítem puede plantearse de la siguiente forma, donde X1 y X2
son las edades límites a encontrar
𝑃(𝑋1 ≤ 𝑋 ≤ 𝑋2⁄𝜇 = 68, 𝜎 = 5)
Como se ha explicado, la expresión “entre que edades”, supone que el 95% debe
estar centrado en la distribución. Mientras que en los extremos inferir y superior de la
distribución se reparten el 2,5% cada una. Dada la metodología de trabajo con la tabla de
la distribución normal estándar acumulada, para Z1 la probabilidad (área a buscar) debe
ser 0,025 y para Z2 corresponda buscar una probabilidad equivalente a 0,025+0,95=0,975
𝐹(𝑍1) = 0,025 → 𝑍 = −1,96
𝐹(𝑍2) = 0,9975 → 𝑍 = 1,96
Despejando X en la fórmula de transformación:
𝑿= 𝝁±𝒁𝝈
𝑋1 = 68 − 1,96 × 5 = 58,2 𝑦 𝑋2 = 68 + 1,96 × 5 = 77,8
El 95% de la población se espera que viva entre 58,2 y 77,8 años

Lic. Mónica Pascual Página 16

 Temas de Estadística y Probabilidades

Ejemplo 3: El consumo medio anual de cerveza de los habitantes de un país es de 59

litros, con una varianza de 36. Se supone que se distribuye según una distribución
normal.
a) Si usted presume de buen bebedor, ¿cuántos litros de cerveza tendría que beber
al año para pertenecer al 5% de la población que más bebe?
Si 𝛔2 = 36 - 𝛔 = 6
Este ejercicio se puede platear como
5% de la
𝑃(𝑋 ≥ 𝑋1⁄𝜇 = 59, 𝜎 = 6) = 0,95 población
que más bebe
donde la incógnita es X1
95%
Según la secuencia explicada en la
página 54, y de acuerdo a la forma en que Z
se usa la tabla de la distribución normal
estándar acumulada, debemos encontrar el valor de Z al que le corresponde una
probabilidad de 0,95:
𝐹(𝑍) = 0,95 → 𝑍 = 1,64 𝑜 1,65
Podrían utilizarse cualquiera de los dos valores de Z ya que las diferencias no serían
significativas. Despejando en la fórmula de transformación: 𝑋 = 𝜇 ± 𝑍 𝜎
𝑋1 = 59 + 1,65 × 6 = 68,9
Para pertenecer al 5% de la población que más bebe debe consumir 68,9 litros o
más

b) Si usted bebe 45 litros de cerveza al año y su mujer le califica de borracho ¿qué

podría argumentar en su defensa?
Para responder esta pregunta, hay que conocer a que porcentaje de la población
que bebe cerveza pertenece:
𝑃(𝑋 ≤ 45⁄𝜇 = 59, 𝜎 = 6)
Estandarizamos la variable:
45 − 59
𝑍= = −2,33
6
𝑃(𝑋 ≤ 45⁄𝜇 = 59, 𝜎 = 6)~𝑃(𝑍 ≤ −2.33) = 𝐹(−2,33) = 0,0099

Lic. Mónica Pascual Página 17

 Temas de Estadística y Probabilidades

En su defensa puede argumentar que pertenece al 0,9% de los que menos beben
cerveza

Ejemplo 4: A un examen de admisión se han presentado 2.000 aspirantes. La nota

media ha sido un 5,5, con una varianza de 1,5.
a) Tan sólo hay 100 plazas. Usted ha obtenido un 7,7. ¿Sería oportuno ir
organizando una fiesta para celebrar su éxito?
Si 𝛔2 = 1,5 - 𝛔 = 1,22
Si hay 2000 aspirantes y sólo entran 100, entonces va a ingresar el 5% de los que mayor
notas han obtenido. La imagen refleja esta situación. El problema debe plantearse como:
𝑃(𝑋 ≥ 𝑋1⁄𝜇 = 5,5, 𝜎 = 1,22) = 0,05
5% de las
Este ejercicio tiene las mismas notas más
características que el 3-a) de la página altas

anterior, por lo tanto: 95%

𝐹(𝑍) = 0,95 → 𝑍 = 1,64 𝑜 1,65
𝑋1 = 5,5 + 1,65 × 1,22 = 7,51 Z

Es oportuno que vaya organizando la fiesta porque el 5% que ingresa con mejores notas
lo hace desde 7,51 puntos en adelante
b) Va a haber una 2ª oportunidad para el 20% de notas más altas que no se hayan
clasificados. ¿A partir de que nota se podrá participar en este repechaje?
Si bien este ejercicio tiene un planteo
20% de las
similar al anterior, lo que cambia es el Z al notas más
que le corresponde ahora una probabilidad altas

de 0,80. Por lo tanto el planteo es: 80%

𝑃(𝑋 ≥ 𝑋1⁄𝜇 = 5,5, 𝜎 = 1,22) = 0,20
𝐹(𝑍) = 0,80 → 𝑍 = 0,84
𝑋 = 𝜇 ± 𝑍 𝜎 = 5.5 + 0,84 × 1,22 = 6,52
Para participar en el repechaje necesita obtener como mínimo una nota de 6,52

Lic. Mónica Pascual Página 18

 Temas de Estadística y Probabilidades

USO DEL EXCEL PARA EL CALCULO DE LA DISTRIBUCIÓN NORMAL

Otra forma de encontrar un valor de probabilidad para una v.a. que sigue una
distribución normal es utilizar la función DISTR.NORM.N

Veamos en uno de los ejemplos antes vistos como utilizar esta función
Ejemplo 1: La renta media de los habitantes de un país es de 40.000 $/año, con una
varianza de $ 144 millones. Se supone que se distribuye según una distribución normal.
Calcular:
Si 𝛔2 = 144.000.000, entonces 𝛔 = 12.000. Luego, la probabilidad buscada es:

Lic. Mónica Pascual Página 19

 Temas de Estadística y Probabilidades

𝑃(𝑋 < 30000⁄𝜇 = 40000, 𝜎 = 12000)

La imagen siguiente muestra como cargar los datos; en el cuadro de diálogo: “X”
corresponde el valor de X buscado, “Media” es el valor promedio µ, en “Desv_estándar”
se coloca el valor de 𝛔 y en “Acumulado” se coloca el texto VERDADERO

En la imagen puede verse que el resultado coincide con el obtenido en la

resolución manual

Lic. Mónica Pascual Página 20

 Temas de Estadística y Probabilidades

USO DEL EXCEL PARA EL CALCULO DE LA DISTRIBUCIÓN NORMAL

ESTANDAR

Para el caso de la distribución normal estándar la función que tiene el Excel

es DISTR.NORM.ESTAND.N

Retomemos el ejemplo anterior, pero ahora aplicando la fórmula de

transformación y usando la función DISTR.NORM.ESTAND.N

Lic. Mónica Pascual Página 21

 Temas de Estadística y Probabilidades

𝑃(𝑋 < 30000⁄𝜇 = 40000, 𝜎 = 12000)

30000 − 40000
𝑍= = −0.83
12000

Se puede observar que el resultado es el mismo que se ha obtenido haciendo el

cálculo con las tablas de distribución normal acumulada o con la función DISTR.NORM.N

Lic. Mónica Pascual Página 22