Estadística 1

DMAE E003
Prof. Edmundo Peña Rozas

Distribución Normal
Cuando se trabaja con variables aleatorias continuas se debe tener en cuenta que, al tomar cualquier valor en un intervalo,
no es posible proceder como en el caso de las variables discretas a la hora de proponer un modelo de probabilidad que rija
su comportamiento ya que toman un número infinito no numerable de valores.

El modelo de probabilidad más frecuentemente utilizado en las más distintas áreas de las ciencias es la distribución normal.
En general, es este modelo de distribución o dicho de otra manera, es el supuesto de normalidad, el que sustenta la validez
de muchas técnicas y herramientas de inferencia estadística.

Se dice que una variable aleatoria continua X, tiene una distribución normal con parámetros μ y σ2 (X~N(μ,σ2)), si su función
de densidad de probabilidad f(x) está dada por:

2
1  x 
  
1
f ( x)  e 2     x  
2   2

donde:
 E(X) = μ, tal que -∞≤μ≤∞
 V(X) = σ2

La distribución normal posee ciertas propiedades importantes que conviene destacar:

 Es unimodal, la moda coincide con su media y su mediana.
 La curva normal es asintótica al eje de las abscisas. Por ello, cualquier valor entre -∞ y +∞ es al menos
teóricamente posible.
 Es simétrica con respecto a su media (μ).
 La distancia entre la línea trazada en la media y el punto de inflexión de la curva es igual a una desviación estándar
(σ). Mientras mayor sea la dispersión de la variable, más aplanada será la curva de la densidad.
 Entre x = μ - σ y x = μ + σ queda comprendido el 68,26% del área bajo la curva.
 Entre x = μ -2σ y x = μ + 2σ queda comprendido el 95,44% del área bajo la curva.
 Entre x = μ - 3σ y x = μ +3σ queda comprendido el 99,74% del área bajo la curva.
 La forma de la campana de Gauss depende de los parámetros μ y σ, donde μ señala la posición de la curva, de tal
manera que para diferentes valores de μ la curva es desplazada a lo largo del eje horizontal. Por otra parte, la
desviación estándar (σ) define la forma o grado de apuntamiento de la curva. Cuanto mayor sea el valor de σ, más
se dispersarán los datos en torno a la media y la curva será más plana. Un valor pequeño de este parámetro indica,
por tanto, una gran probabilidad de obtener datos cercanos al valor medio de la distribución.

02/05/2019
Estadística 2
DMAE E003
Prof. Edmundo Peña Rozas

Distribución Normal Estándar

La distribución Normal si bien en su forma general es una sola, varía en cuanto a su posición y forma, dependiendo de los
valores que pueden adoptar sus parámetros (μ y σ2), de tal forma que en la práctica, se podrá tener infinitas combinaciones.

Lo anterior implica que para cada caso, cuando se desee calcular una determinada probabilidad sería necesario integrar la
función de densidad, lo cual a menos de que se cuente con las herramientas computacionales apropiadas resulta sin lugar
a dudas una complicación.

A objeto de solucionar la situación antes descrita, y en la búsqueda de eficiencia y rapidez en el trabajo práctico, el concepto
de distribución normal estándar resulta indispensable.

Se dice que la distribución normal es de la forma estándar si su media es cero y su varianza es 1, es decir, la función de
densidad general
2
1  x 
  
1
f ( x)  e 2  
2   2
Al ser estandarizada queda de la forma:
z2
1 
f ( z)  e 2
2 
La función de distribución acumulada correspondiente a la densidad estándar da la probabilidad de que la variable normal
estándar asuma un valor menor o igual que z (P(Z≤z).

La transformación de la variable aleatoria X, distribuida N(μ,σ2) se logra a través de la estandarización o tipificación de la

variable aleatoria, definida como:
x
Z ~ N (0,1)


La estandarización de una variable distribuida N(μ,σ2) que implica su transformación a una variable distribuida N(0,1)
permite obtener las probabilidades con suma facilidad, evitando cálculos engorrosos por cuanto se encuentra debidamente
tabulada.

Ejemplo:

La edad de la primera visita de los niños al ortodoncista, se distribuye normal con una media de 12 años y una varianza de
6,76 años2. Si se selecciona un niño al azar:

a) ¿Cuál es la probabilidad de que la edad del niño sea menor o igual a 13 años?
 x   13  12 
P( x  13)  P    P  Z  0,38   0,6480
  2, 6 

02/05/2019
Estadística 3
DMAE E003
Prof. Edmundo Peña Rozas

b) ¿Cuál es la probabilidad de que la edad del niño sea superior a 15 años?

P( x  15)  1  P( x  15)
 x   15  12   3 
 1 P     1 P  Z 
  2, 6   2, 6 
 1  P( Z  1,15)  1  0,8749  0,1251

c) ¿Cuál es la probabilidad de que la edad del niño sea menor o igual a 11 años?
 x   11  12   1 
P( x  11)  P     PZ   P  Z  0,38   0,3520
  2, 6   2, 6 
equivalentemente
P  Z  0,38   1  P( Z  0,38)  1  0,6480  0,3520

d) ¿Cuál es la probabilidad de que la edad del niño se encuentre entre 12,5 y 14,5 años
P ( a  X  b)  P ( X  b)  P ( X  a )
 x   14,5  12   x   12,5  12 
P(12,5  X  14,5)  P     P 
  2, 6    2, 6 
 P  Z  0,96   P( Z  0,19)
 0,8315-0,5753
 0,2562
De manera análoga se puede resolver de la siguiente manera:
a x b  a b 
P ( a  X  b)  P      P Z
        
 12,5  12 14,5  12 
P(12,5  X  14,5)  P  Z 
 2, 6 2, 6 
 P  0,19  Z  0,96   P  Z  0,96   P( Z  0,19)
= 0,8315-0,5754  0,2561

e) ¿Cuál es la probabilidad de que la edad del niño se encuentre entre 11 y 14,5 años?
P ( a  X  b)  P ( X  b)  P ( X  a )
P(11  X  14,5)  P ( X  14,5)  P ( X  11)
 x   14,5  12   x   11  12 
 P    P 
  2, 6    2, 6 
 P  Z  0,96   P ( Z  0,38)
 0,8315-0,3520
 0,4795

De manera análoga se puede resolver de la siguiente manera:

02/05/2019
Estadística 4
DMAE E003
Prof. Edmundo Peña Rozas

P(-a  Z  b)  P(Z  b)-[1-P(Z  a)]

P(11  X  14,5)  P(0,38  Z  0,96)
 P( Z  0,96)  [1-P(Z  0,38)]
 0,8315-[1-0,6480]
 0,8315- 0,3520
 0,4795

f) ¿Cuál es la probabilidad de que la edad del niño se encuentre entre 9 y 10 años?

P ( a  X  b)  P ( X  b)  P ( X  a )
P(9  X  10)  P( X  9)  P( X  10)
 x   10  12   x   9  12 
 P    P 
  2, 6    2, 6 
 P  Z  0, 77   P ( Z  1,15)
 0, 2207  0,1251
 0, 0956

1. Dado que Z distribuye normal con media 0 y varianza 1, encuentra los siguientes valores y/o probabilidades
a) P(Z< 0; 96) =

b) P(0; 3 < Z < 1; 38) =

c) P(Z > 0; 41) =

d) P(Z < a) =0,975

02/05/2019
Estadística 5
DMAE E003
Prof. Edmundo Peña Rozas

2. Suponga que en la maternidad de un hospital, las estaturas, en centímetros, de los recién nacidos se comporta de
acuerdo a un modelo de distribución Normal, con media 47 cm y varianza 4 cm2.
a) ¿Cuál es la probabilidad de que un recién nacido mida menos de 45 cm?
b) ¿Qué porcentaje de los niños y niñas nacidos en este hospital mide entre 45 y 48 cm?
c) Entre que estaturas, simétricas respecto de la media se encuentra el 95,54% de los recién nacidos de este
hospital?

REFERENCIAS BIBLIOGRÁFICAS

 Meyer, P., (1992), Probabilidad y Aplicaciones Estadísticas, 2° ed., Wilmington: Addison-Wesley Iberoamericana S.A.
 Walpole R., Myers R., Myers S. (1999), Probabilidad y Estadística para Ingenieros, 6° ed., México: Pearson Educación.
 Webster, A., (2000), Estadística Aplicada a la Economía y los Negocios, 3°ed., Bogotá: McGraw-Hill

02/05/2019