Continuando con el desarrollo del capitulo, ahora estudiaremos la distribucion

Normal, una de las mas importantes en el analisis estadistico.

La variable normal estandar se define asi:
X−M ( X)
Z=
σ
Donde:
Z = variable normal estandar (tablas)
X = variabla aleatoria
M(X) = media aritmetica de X
σ = desviacion estandar de la variable aleatoria
A continuacion resolveremos dos problemas, para que el lector recuerde la aplicación de
la formula de la variable normal estandar:
1.- Los paquetes de mantequilla pesan en promedio 425 gramos con una desviacion
estandar de 25 gramos. De un lote de produccion se elige un paquete al azar, se desea
determinar la probabilidad de que dicho paquete pese:
a) por lo menos 420 gramos
b) menos de 430 gramos
c) entre 421 y 432 gramos
d) exactamente 425 gramos
Solucion:
Sea X: peso (g) de los paquetes de mantequilla
M(X) = 425 (g)
σ = 25 (g)

a) P(X ≥ 420) = 1 – P(X < 420) : Aplicando el complemento

Estandarizando:
420−425
P(X ≥ 420) = 1 – P(Z < ) = 1 – P(Z < - 1)
25
P(X ≥ 420) = 1 – P(Z < - 1) = 1 – F(-1), aplicando el complemento
P(X ≥ 420) = 1 – ( 1 - F(1)) = F(1), buscando este valor en una tabla de la
distribucion normal, se obtiene: F(1) = 0,8413 o sea que la probabilidad de
que un paquete de mantequilla elegido al azar pese por lo menos 420
gramos es de 84,13 %
 4 3 0−425
b) P(X < 430 )= P(Z < ) = P(Z < 0,20) = F (0,20) = 0,5793 (57,93 %)
25
4 21−425 43 2−425
c) P(421<X < 432 )= P( <Z < ) = P(- 0,16 < Z < 0,28)
25 25
P(421<X < 432 )= F (0,28) – F (-0,16) = F (0,28) – 1 + F (0,16)
P(421<X < 432 )= 0,6103 – 1 + 0,5636 = 0,174 (17,4 %)
4 25−425
d) P (X = 425) = P(Z = ) = P (Z = 0) = 0,50 (50 %)
25
En las tablas de la distribucion normal existe la posibilidad de lectura directa e inversa en el
anterior problema para el calculo de probabilidades usamos la lectura directa, en el siguiente
problema realizaremos una lectura inversa de dicha tabla.

2.- Los sacos de productos quimicos pesan en promedio 46 kilogramos, se elige un saco al
azar, hallar la desviacion estandar, sabiendo que existe una probabilidad del 98 % de que
dicho peso este comprendido entre 44 y 48 kilogramos.

Solucion:

Sea X: peso en kilogramos de los sacos de productos quimicos

M(X) = 46 (Kg)
σ=?

P(44<X < 48 )= 0,98

Estandarizando:

4 4−4 6 4 8−4 6
P(44<X < 48 )= P( <Z < ) = 0,98
σ σ
−2 2
P( <Z < ) = 0,98
σ σ
2 −2
F( )–F( ) = 0,98
σ σ
2
2* F ( ) - 1 = 0,98
σ
2
2* F ( ) = 1,98
σ
2
F( ) = 0,99
σ
Buscando e el cuerpo de la tabla de la distribucion normal el valor mas proximo a 0,99,
se debe verificar que dicho valor es: 0,9898 que corresponde a Z = 2,32, es asi que
se tiene:
 2
= 2,32: de donde se obtiene σ = 0,862 kilogramos
σ
Seguidamente determinaremos valores simulados aplicando distribuciones de
probabilidad desarrolladas en clases:
I) Distribucion Uniforme

Se demostro en clases la expresion del valor simulado para la distribucion

uniforme, la cual es:
Valor simulado = a + (b – a) * NA
Donde: a = valor minimo de la variable aleatoria
b = valor maximo de la variable aleatoria
NA = numero aleatorio uniformemente distrubuido
Ejemplo:
Las ventas minima y maxima de un producto registradas durante los anteriores
seis meses fueron respectivamente 200 y 500 unidades, simulese las ventas
durante los siguientes cinco meses.
a= 200 unidades
b = 500 unidades
b – a = 300 unidades
A continuacion elaboramos la siguiente tabla, para tal efecto utilizando cualquier
mecanismo (tabla de numeros aleatorios, generacion de numeros aleatorios con
calculadora cientifica, usando la hoja electronica excel, etc), para generar numeros
aleatorios uniformemente distribuidos en el intervalo ( 0 , 1).
n (meses) Numeros aleatorios (NA) a + (b – a) * NA = Valor Simulado

1 0,66 200 + 300 * 0,66 = 398 unidades

2 0,23 200 + 300 * 0,23 = 269 “ “
3 0,90 200 + 300 * 0,90 = 470 “ “
4 0,70 200 + 300 * 0,70 = 410 “ “
5 0,95 200 + 300 * 0,95 = 485 “ “

ii) Distribucion Exponencial

Se demostro en clases la expresion del valor simulado para la distribucion
exponencial, la cual es:
Valor simulado = - M(X) * Ln ( 1 – NA)
Donde: M(X) = media de la variable aleatoria
Ln = logaritmo natural
NA = numero aleatorio uniformente distribuido
Ejemplo:
En un determinado curso la calificacion promedio es de 60 %, asumiendo que las
calificaciones se distribuyen según la distribucion exponencial, simular las
calificaciones de 4 alumnos elegidos al azar.
M(X) = 60 %
Elaborando una tabla tal como se realizo en el anterior ejemplo:
n (alumnos) Numeros aleatorios -60 * LN (1 – NA ) = Valor Simulado
(NA)
1 0,56 -60 * Ln (1 – 0,56) = 49 %
2 0,25 -60 * Ln (1 – 0,25) = 17 %
3 0,60 -60 * Ln (1 – 0,60) = 55 %
4 0,70 -60 * Ln (1 – 0,70) = 72 %

Practica:
Investigar cual es la expresion del valor simulado para la distribucion normal y
aplicarla a un ejemplo hipotetico, como ayuda les indico que tienen que utilizar una
tabla de numeros aleatorios normalmente distribuidos.
Hasta la proxima sesion.