Clase

PPTCEG061EM33-A17V1

Distribución normal 1 EM-33

 Esta presentación también está disponible en
formato PREZI en el siguiente enlace
https://prezi.com/view/JTMgykGNWfYdzo6NDU0W/
Resumen de la clase anterior

Recordemos…

- ¿Cuáles son las características de las representaciones gráficas de las

funciones de probabilidad y de distribución?

- ¿A que modelo de distribución discreto corresponde la función de

n
probabilidad P(X  k)     pk  qn-k ?
k 
Aprendizajes
Aprendizajes esperados
esperados

• Comprender el concepto de variable continua.

• Comprender y calcular funciones de densidad de probabilidad de una
variable aleatoria continua y analizarla gráficamente.
• Comprender las propiedades de una distribución de datos normal tipificada
y aplicar en situaciones contextualizadas en estudios estadísticos.
• Determinar intervalos de confianza para la media de una población.

Contenidos

1. Función de densidad de probabilidad.

2. Propiedades distribución normal.
3. Intervalos de confianza.
Pregunta oficial PSU

Un ingeniero de una fábrica debe inferir sobre el diámetro medio (m) de

los rodamientos de su producción, y para ello tomará una muestra al
azar de rodamientos y la utilizará para construir un intervalo de
confianza del 95% para m. Si los diámetros de los rodamientos se
modelan a través de una distribución normal, con varianza 4 mm2,
¿cuál es el mínimo número de rodamientos que debe tener la muestra,
para que el margen de error del intervalo construido sea menor o igual
a 1 mm?
¿Cómo se relaciona la
¿Cómo se calcula el varianza con la
A) 62 desviación estándar?
error?
B) 7
C) 11
D) 4
E) 16

Fuente : DEMRE - U. DE CHILE, Modelo Proceso de admisión 2018.

1. Función de densidad de
probabilidad.
2. Propiedades distribución normal.
3. Intervalos de confianza.
Para comenzar esta clase te invitamos a revisar la
siguiente cápsula...

Para visualizar la cápsula

desde youtube, haz click en
el código QR
 1. Función de densidad de probabilidad

1.1 Definición
En clases anteriores trabajamos el concepto de función de probabilidad
Reflexiona
asociado a alguna variable aleatoria discreta. En el caso de variables
continuas se conoce
En el gráfico adjunto,como
X esfunción de densidad
una variable aleatoriade probabilidad.
continua con función de
densidad
Al f. En gráficamente
representar base a ello: una función Solo se puede calcular la
(1) ¿Cómo se puede despejar probabilidad de intervalos,
de densidad, el área bajo ellavalor de k?
curva
(2) ¿Cuál debe
es el valor del área entre ya que una probabilidad
siempre ser igual a uno, ya1 que
y 7?¿Cómo interpretarías este valor?
(3) ¿Cuánto
bajo esta sees P(0 ≤ X ≤el1),100%
encuentra P(1 ≤ de 4) y P(4 ≤ X ≤puntual
X ≤los 7)? es igual a cero.
datos. Si la función está expresada
algebraicamente, es
Si se quiere conocer el porcentaje de recomendable graficarla.
los datos que se encuentran en un
determinado intervalo de la población,
basta con calcular el área bajo la curva
en dicho intervalo. Este porcentaje está
asociado a la probabilidad de obtener al
azar un elemento de la población que
se encuentre en este intervalo.
 1. Función de densidad de probabilidad

1.2 Ejemplo
Sea X una variable aleatoria
continua cuya función de
densidad de probabilidad es

Si k es un número real positivo, entonces k es

1 ALTERNATIVA
A) CORRECTA
24

B)
1 C
12
Más información en las páginas 201 y
C) 1 202 de tu libro.
21
1 ¡AHORA TÚ! (5 minutos)
D) Ejercicios 4 y 6 de tu guía.
30
E) ninguno de los valores anteriores.
Fuente : DEMRE - U. DE CHILE, Modelo Proceso de admisión 2017.
 2. Propiedades distribución normal

2.1 Distribución normal tipificada

Es una distribución estadística continua cuya función de densidad
es simétrica , y cuya forma se denomina “campana de Gauss”.

Sea Z una variable estadística con distribución normal. Se dice que

Z se distribuye de forma normal tipificada o estandarizada si la
media, la moda y la mediana de la distribución son 0, y su
desviación estándar es 1  Z ~ N(0, 1).

2,1% 13,6% 34,1% 34,1% 13,6% 2,1%

Z
–3 –2 –1 0 1 2 3
 2. Propiedades distribución normal

2.1 Distribución normal tipificada

En una curva de distribución normal,

las áreas por intervalo son muy difíciles
de calcular, por lo cual existe una tabla
en el que se indican sus valores
aproximados, donde el área bajo la
curva es equivalente a la frecuencia
relativa de los datos menores o
iguales que un determinado valor de z.
Aquí se presenta parte de ella 
 2. Propiedades distribución normal

2.1 Distribución normal tipificada

Ejemplo: Sea Z una variable estadística

con distribución normal tipificada. Según la
tabla, el área bajo la curva en el intervalo
 – ; 1,15 es 0,875.

Esto significa que la frecuencia relativa de

los valores de Z que son menores o iguales
que 1,15 es 0,875. Es decir, el 87,5% de la
población es menor o igual que 1,15.

Área = 0,875

0 1,15 Z
 2. Propiedades distribución normal

2.2 Propiedades
Sea S el área bajo la curva
en el intervalo  – , a
0 a X

El área bajo la curva en el

intervalo – a, +  también es S
–a 0 X

El área bajo la curva en el

intervalo a, +  es (1 – S)
0 a X

Si el área en el intervalo ] – , a] es S y el
área en el intervalo ] – , b] es R, entonces
el área en el intervalo [b, a] es (S – R) 0b a X
 2. Propiedades distribución normal

2.3 Distribución normal no tipificada

En la vida cotidiana existen muchos parámetros estadísticos que
al ser graficados con respecto a su frecuencia tienen un
comportamiento “normal”: estatura, peso, cociente intelectual, etc.

Su gráfico tiene igual forma que la distribución normal tipificada,

pero con distinta media y/o desviación estándar. Se llaman
distribuciones normales no tipificadas (o no estandarizadas).

Por ejemplo, el gráfico adjunto muestra la distribución de las

masas de recién nacidos, en gramos:

Es una distribución normal de

media 3.200 gramos y desviación
estándar de 600 gramos

1.400 2.000 2.600 3.200 3.800 4.400 5.000

 2. Propiedades distribución normal

2.3 Distribución normal no tipificada

Si una variable estadística X se distribuye de manera normal,

con media µ y desviación estándar σ, se puede tipificar
usando una variable estadística Z que se distribuya de manera
X μ
normal tipificada, mediante el cambio de variable: Z 
σ

En el ejemplo anterior, como m = 3.200 y  = 600, entonces para

X  3.200
los valores de X en la distribución se tiene que Z 
600
es una variable estadística con distribución normal tipificada.

Este cambio de variable permite utilizar la tabla de

áreas bajo la curva con cualquier distribución normal.
 2. Propiedades distribución normal

2.4 Ejemplo
Las temperaturas ambientales de funcionamiento óptimo de los motores
de una fábrica se distribuyen de manera normal, con media de 16 C y
desviación estándar de 4°C. ¿Qué porcentaje de los motores de la
fábrica funcionan óptimamente con una temperatura mayor que 20 C?

A) 84,1%
B) 20% ALTERNATIVA
CORRECTA
C) 35,1%
D) 15,9%
D
E) 90% Más información desde la página 204
hasta la 208 de tu libro.

¡AHORA TÚ! (5 minutos)

Ejercicios 5 y 8 de tu guía.
Fuente : CPECH, Ensayo MT-044 - 2017.
 3. Intervalos de confianza

3.1 Definición
Sea X una variable estadística que se distribuye de forma normal en
una cierta población, con desviación estándar σ. Si la población es muy
grande resulta bastante difícil calcular la media μ de X. Sin embargo, si
se saca una muestra de X de promedio x , se puede determinar un
intervalo de confianza dentro del cual se encuentre μ, con un cierto
nivel de confianza.

α α
1–α
2 2

xα x X
1 α
2 2

α se conoce como el nivel de significancia y

(1 – α) se conoce como el nivel de confianza.
 3. Intervalos de confianza

3.2 Determinar intervalo de confianza

Sea una variable estadística que se distribuye normalmente en una

población, con media m y desviación estándar σ. Si se extrae una
muestra de n elementos, donde el promedio de la muestra es x,
entonces con un nivel de confianza del (1 – α)·100% el valor de m
se encuentra en el intervalo [ x – E, x + E].

σ
E es el error, y se determina con la fórmula E  z α
1 n
2

z1 α es el coeficiente asociado al nivel de confianza, y

2
se determina con el procedimiento descrito a continuación…
 3. Intervalos de confianza

3.2 Determinar intervalo de confianza

Por ejemplo si el nivel de confianza es

del 95%, entonces:

(1 – α) · 100 = 95
(1 – α) = 0,95
α = 0,05
α
= 0,025
2
α
1 – = 0,975
2

z1 α = 1,96
2
 3. Intervalos de confianza

3.3 Ejemplo
Los datos de una población se modelan mediante una distribución normal,
con media μ y varianza 4. Se toma una muestra de esta población de
tamaño 49, cuyo promedio es 57,5. Si de esta muestra se obtiene un
intervalo de confianza para μ igual a [56,94; 58,06], ¿cuál de los siguientes
valores es el coeficiente asociado al nivel de confianza de este intervalo?

A) 13,72
ALTERNATIVA
B) 0,98 CORRECTA

C) 1,96 C
D) 0,56
Más información en la página 210 de
E) 0,28 tu libro.

¡AHORA TÚ! (5 minutos)

Ejercicios 16 y 19 de tu guía.
Fuente : DEMRE - U. DE CHILE, Modelo Proceso de admisión 2017.
Pregunta oficial PSU

Un ingeniero de una fábrica debe inferir sobre el diámetro medio (m) de

los rodamientos de su producción, y para ello tomará una muestra al
azar de rodamientos y la utilizará para construir un intervalo de confianza
del 95% para m. Si los diámetros de los rodamientos se modelan a través
de una distribución normal, con varianza 4 mm2, ¿cuál es el mínimo
número de rodamientos que debe tener la muestra, para que el margen
de error del intervalo construido sea menor o igual a 1 mm?
Ahora responde la mayor cantidad de
A) 62 preguntas posibles de tu guía.
¡MANOS A LA OBRA!
B) 7
C) 11
D) 4
E) 16 ALTERNATIVA
CORRECTA

E
Fuente : DEMRE - U. DE CHILE, Modelo Proceso de admisión 2018
Síntesis de la clase

Recordemos…

- ¿Qué características tiene una distribución normal tipificada?

- ¿Qué información se necesita para determinar un intervalo de

confianza respecto a la media poblacional?
Prepara tu próxima clase

En la próxima sesión estudiaremos

Distribución normal 2
Tabla de corrección

Dificultad
Nº Clave Unidad temática Habilidad
estimada
1 C Análisis de variable estadística Comprensión Media
2 B Análisis de variable estadística Aplicación Difícil
3 C Análisis de variable estadística Aplicación Media
4 D Análisis de variable estadística Aplicación Media
5 D Análisis de variable estadística ASE Media
6 C Análisis de variable estadística ASE Media
7 C Análisis de variable estadística Comprensión Fácil
8 A Análisis de variable estadística Comprensión Fácil
9 E Análisis de variable estadística Comprensión Media
10 E Análisis de variable estadística Comprensión Difícil
11 D Análisis de variable estadística Aplicación Media
12 D Análisis de variable estadística Aplicación Media
Tabla de corrección

Dificultad
Nº Clave Unidad temática Habilidad
estimada
13 C Análisis de variable estadística Aplicación Media
14 D Análisis de variable estadística ASE Media
15 E Análisis de variable estadística Comprensión Media
16 C Análisis de variable estadística Comprensión Fácil
17 E Análisis de variable estadística Aplicación Difícil
18 A Análisis de variable estadística Aplicación Difícil
19 E Análisis de variable estadística Aplicación Media
20 B Análisis de variable estadística Aplicación Difícil
21 B Análisis de variable estadística Aplicación Media
22 B Análisis de variable estadística ASE Difícil
23 C Análisis de variable estadística ASE Difícil
24 A Análisis de variable estadística ASE Difícil
25 E Análisis de variable estadística ASE Media
Equipo Editorial Matemática

ESTE MATERIAL SE ENCUENTRA PROTEGIDO POR EL REGISTRO DE

PROPIEDAD INTELECTUAL.

Propiedad Intelectual Cpech RDA: 186414

Cuenta regresiva

Volver a:

Función de densidad
Propiedades distribución normal
Estrategia de síntesis
Intervalos de confianza
Pregunta oficial PSU