Sede: Palmira

Profesor: José Alfredo Diaz Escobar

 Modelos de distribución de probabilidad
En muchas situaciones es posible encontrar un modelo que
permita estimar los valores de probabilidad de una variable
aleatoria. Los modelos más comunes son: Bernoulli, Binomial,
Hipergeométrico, Poisson, Normal, Exponencial, Weibull entre
muchos usados en los diferentes campos del conocimiento. Se
analizaran algunos de estos modelos con sus respectivas
características así como las fórmulas de valor esperado y varianza.

Modelos de distribución de probabilidad discretos

Modelos de distribución de probabilidad continuos

 Modelos de distribución de probabilidad Continuas
La distribución normal fue reconocida por primera vez por el francés Abraham de
Moivre (1667-1754). Posteriormente, Carl Friedrich Gauss (1777-1855) elaboró
desarrollos más profundos y formuló la ecuación de la curva; de ahí que también
se la conozca, más comúnmente, como la "campana de Gauss".

Una de las distribuciones teóricas mejor estudiadas en los textos de estadística y

más utilizada en la práctica es la distribución normal, también llamada
Distribución Gaussiana o Campana de Gauss. Su importancia se debe
fundamentalmente a la frecuencia con la que distintas variables asociadas a
fenómenos naturales y cotidianos siguen, aproximadamente, esta distribución.
Distribución de probabilidad Normal
 Distribución de probabilidad Normal
La distribución normal es una de las más importante en la estadística. La
comprensión de los conceptos relacionados con esta distribución constituye un gran
avance en los conocimientos de probabilidad y estadística. La función de densidad
normal está dada por:

1  ( x   ) 2 / 2 2
f ( x)  e
2 
, -  <x< 

X  N (,2)
 Distribución de probabilidad Normal
Las siguientes son algunas de las características más importantes de la
distribución normal:
1. Es simétrica respecto a su media (): Según esto, para este tipo de variables
existe una probabilidad de un 50% de observar un dato mayor que la media, y un 50%
de observar un dato menor
 Distribución de probabilidad Normal
2. La media, la mediana y la moda son iguales y coinciden con el pico más

alto de la distribución.
 Distribución de probabilidad Normal
3.1.

68,0%
 Distribución de probabilidad Normal
3.2.

95.5%

- 2 +2
 Distribución de probabilidad Normal
3.3.

99.7%

-3 +3
 Distribución de probabilidad Normal Estándar
La variable aleatoria X tiene una distribución normal estándar si tiene una

distribución normal con parámetros 𝜇 = 0 y 𝜎 2 = 1.

2
f ( x) 
1
e x /2
-<X<
2
,

Función de densidad de la distribución normal con media 0 y varianza 1

Es posible transformar una variable aleatoria normal no estándar en una estándar

mediante la siguiente operación:

X 
Z 

Estandarización
 Distribución de probabilidad Normal Estándar
Suponga que X es una variable aleatoria con distribución N(μ, 𝜎 2 ), y que
deseamos calcular, por ejemplo, P(a < X < b), para a < b números dados.
Tenemos entonces que:

Es también común denotar la función de distribución acumulativa de Z como

Φ(x), es decir,
Distribución de probabilidad Normal Estándar

Fuente: Curso elemental de Probabilidad y Estadística (Luis Rincón)

 Distribución de probabilidad Normal Estándar

Calcular :

a. P (Z < 2.45)

b. P (Z < - 0.67 )

c. P (Z > 0.67)

d. P (-2.67 < Z < 2.67)

e. ¡Estudiantes!
 Distribución de probabilidad Normal Estándar
Ejemplo 1: La vida media de una lámpara, según el fabricante, es de
68 meses, con una desviación típica de 5 meses. Se supone que se
distribuye según una distribución normal en un lote de 10.000
lámparas.

a. ¿cuál es la variable aleatoria? ¿cuáles son los parámetros? ¿Qué

porcentaje de lámparas se estropearán antes de 60 meses?
b. ¿Cuántas lámparas superarán previsiblemente los 75 meses?
c. ¿Qué porcentaje de lámparas duraran entre 65 y 75 meses?
d. ¿Cuánto tiempo durará el 10% de las lámparas menos
duraderas?
Distribución de probabilidad Normal Estándar

Fuente: Curso elemental de Probabilidad y Estadística (Luis Rincón)

 Distribución de probabilidad Normal Estándar
Ejemplo 2: Los salarios promedio de la asociación de ingenieros
egresados de una universidad local son de $2.800.000 con una
desviación estándar de $250.000. Si los salarios siguen una
distribución normal, encuentre la probabilidad de que un ingeniero
de la asociación, seleccionado al azar:

a. Gane más de $ 3.000.000

b. Gane menos de $ 2.400.000
c. ¿Cuál es el valor máximo del 20% de los salarios más bajos?
d. ¿Cuánto debe ganar un ingeniero para poder afirmar que está en
el grupo del 25% de los ingenieros que más sueldo gana?
 Distribución de probabilidad Normal Estándar
Ejemplo 3: Un proceso fabrica rodamientos de bolas cuyos
diámetros se distribuye normalmente con media 2.5 cm. Las
especificaciones requieren que el diámetro esté dentro del intervalo
2.5± 0,01 cm. ¿A qué valor debe reducirse la desviación estándar
para que 95% de los diámetros satisfaga la especificación?
¡Muchas Gracias por la atención
prestada!