Estadística y Probabilidad II

Profesor: Aquilino Zecua Fernández

Clase 6. Distribución Normal

Nombre del Alumno: _______________________________________________________
Grupo: _____________ Fecha: ____________________

Distribución Normal
La Distribución Normal es una distribución continua, es decir cuando una variable
aleatoria asume cualquier valor en una escala continua entre dos puntos, de tal forma que
ningún valor sea más probable que otro.

Las Distribuciones Normales son importantes en la estadística aplicada, porque suele

coincidir con las distribuciones de frecuencia observadas de muchas mediciones naturales
y físicas. También se puede utilizar para aproximar probabilidades binomiales cuando” n”
es grande.

Las curvas Normales tienen ciertas caracteristicas en términos de su configuración y de

forma cómo están especificadas y en su utilización para obtener probabilidades. La
distribución Normal se asemeja en su forma a una campana, es decir es suave, unimodal
y simétrica con respecto a su media y es asíntota con respecto al eje horizontal, esto nos
indica que los extremos de la curva nunca tienden a tocar el eje horizontal si no por el
contrario se extiende a todo lo largo del eje de las “x”. Teóricamente podemos decir que los
valores van de −,..a.., +

Otra característica de la distribución Normal es el área total o la Probabilidad bajo la curva

normal donde se considera que es igual a “1.0” o del 100%, el valor de cero hacia la derecha
vale “0.5” o el 50% e inversamente del valor cero hacia la izquierda también vale “0.5”
o el 50%.

1
Estadística y Probabilidad II

Cuando el valor de la media es cero “0” y la desviación típica vale uno “1.0”, la curva
Normal toma el nombre de Curva Normal Estándar, curva normal unitaria, curva normal
normalizada o Curva Normal Tipificada y su gráfica seria la siguiente:

N (Media, Desviación estándar)

N (0,1) → N (  , )

Para transformar cualquier Distribución Normal a Distribución Normal Estandarizada, basta

convertir al factor “Z” las puntuaciones de la distribución Normal mediante la fórmula:
x−
Z=

El modelo normal general es uno de los de más frecuente uso, puede expresarse en la
forma general y estandarizada. Se dice que una variable aleatoria X tiene Distribución
Normal general si es continua, si existen las constantes  y  , −  x   ,   0 y si la
función densidad es:

− ( x−  )
2
e 2 2
1
f (x) =
 2

La gráfica de la Distribución Normal tiene la forma de una campana con simetría respecto
al valor de x donde la distribución alcanza su máximo valor, el cual está en x =  y decrece
en forma continua hacia ambos lados sin llegar a tocar el eje horizontal.

Como ejemplo, obsérvese la siguiente gráfica donde se tienen dos variables aleatorias que
tiene una Distribución aproximadamente Normal, igual media, pero desviación estándar
distinta.

2
Estadística y Probabilidad II

Dos Distribuciones Normales cuyas medias son de 90, pero las desviaciones estándar son
de 30 y 10.

En la gráfica, se puede observar la manera en que la variabilidad de los datos (representada

por la desviación estándar) influye en la altura de las gráficas, así se tiene que la curva que
tiene una mayor desviación estándar, es más plana que la que tiene una desviación
estándar menor.

Regla empírica

Debido a su forma acampanada, las probabilidades de la distribución normal cumplen la

regla empírica, que dice lo siguiente:
• Aproximadamente el 68% de sus valores se encuentran a no más de una desviación
estándar respecto de la media.
• Aproximadamente el 95% de sus valores se encuentran a no más de dos
desviaciones estándar respecto de la media.
• Aproximadamente el 99.7% de sus valores se encuentran a no más de tres
desviaciones estándar respecto de la media.
• Es posible hallar probabilidades para todos los intervalos de valores posibles en la
distribución normal (no sólo para los que se encuentren a no más de 1, 2 o 3
desviaciones estándar respecto de la media) utilizando las tablas que existen para
ello.

3
Estadística y Probabilidad II

4
Estadística y Probabilidad II

Área bajo la Curva Normal Estandarizada

5
Estadística y Probabilidad II

Ejemplos del Área bajo la Curva Normal Estandarizada

Calcular el área o probabilidad del intervalo indicado de la gráfica de la distribución normal.

La tabla que se va utilizar en los ejemplos de la variable aleatoria continua, es la tabla de

las áreas bajo la curva normal estandarizada del lado derecho.

P(L ,L )
Inf. Sup.
a) P(0  Z  1.28) = 0 + Z
1.28
P(0  Z  1.28) = 0 + 0.3997 = 0.3997

b) P(−  Z  1.28) = 0.5 + Z

1.28
P(−  Z  1.28) = 0.5 + 0.3997 = 0.8997
De otra forma, se calcular el intervalo abierto:
P(Z  1.28) = 0.5 + 0.3997 = 0.8997

6
Estadística y Probabilidad II

c) P(1.28  Z  +) = 0.5 − Z

1.28
P(1.28  Z  +) = 0.5 − 0.3997 = 0.1003
De otra forma, se calcular el intervalo abierto es:
P(Z  1.28) = 0.5 − 0.3997 = 0.1003

d) P(Z  −1.28) = 0.5 − Z

−1.28
P(Z  −1.28) = 0.5 − 0.3997 = 0.1003

7
Estadística y Probabilidad II

e) P(−1.55  Z  1.65) = Z + Z
1 2
P(−1.55  Z  1.65) = Z +Z
−1.55 1.65
P(−1.55  Z  1.65) = 0.4394 + 0.4505 = 0.8899  0.8900

f) P(−2.25  Z  −1.5) = Z − Z
2 1
P(−2.25  Z  −1.5) = Z −Z
−2.25 −1.5
P(−2.25  Z  −1.5) = 0.4875 − 0.4332 = 0.0543

8
Estadística y Probabilidad II

g) P(1.2  Z  2.5) = Z − Z
2 1
P(1.2  Z  2.5) = Z −Z
2.5 1.2
P(1.2  Z  2.5) = 0.4938 − 0.3849 = 0.1089
Ejercicios
Calcular la probabilidad y la representación gráfica del intervalo indicado de la Distribución
Normal.
a) P( Z  −1.75)

b) P(0.78  Z  1.17)

9
Estadística y Probabilidad II

c) P(Z  2.35)

d) P(Z  2.05)

e) P(−2  Z  2)

10
Estadística y Probabilidad II

f) P(−2.19  Z  −1.3)

g) P(Z  −1,69)

Ejemplos prácticos de la Distribución Normal

Ejemplo 1
En los elevadores de un centro comercial, existen letreros que advierten la capacidad
máxima que puede soportar cada uno de ellos, la cual es de 10 personas. De un registro
que se llevó a cabo por personal de seguridad del centro comercial, se obtuvo que la
distribución del peso de las 10 personas recomendadas para abordar el elevador, tiene un
promedio de 900 Kg y una desviación estándar de 45 Kg. ¿Cuál es la probabilidad de que
el peso total de 10 personas exceda de 950 Kg?
Solución
Datos
 = 900  = 45 x = 950

11
Estadística y Probabilidad II

La probabilidad que se solicita de la variable x se representa en la siguiente gráfica con su

nomenclatura:

P( x  950)
x−
Estandarizando el valor de x, con la ecuación de Z: Z=

950 − 900
Z= = 1.11
45
Con este valor de Z, se puede obtener la probabilidad del área bajo la curva normal
estándar, con ayuda de la tabla de la Distribución Normal estándar del lado derecho cuyo
valor es de Z= 1.11 y se representa en la siguiente gráfica:

El cálculo de la probabilidad:
P(Z  1.11) = 0.5 − Z
1.11
P(Z  1.11) = 0.5 − 0.3665 = 0.1335

12
Estadística y Probabilidad II

Interpretación de resultados
Se puede concluir que la P(x  950) = P(Z  1.11) = 0.1335 , lo cual indica que se tiene
una probabilidad del 13.35% de que el elevador exceda los 950 Kg de carga.

Ejemplo 2
La variable aleatoria “Resistencia a la tensión de cierta clase de cable de acero” tiene una
distribución aproximadamente normal, con una  = 200 kg y desviación estándar  = 40
Kg. Calcular:
a) ¿Cuál es la probabilidad de que al probar a la tensión un cable de este tipo, se obtenga
una resistencia entre 250 y 300 kg?
b) ¿Cuál es la probabilidad de obtener una resistencia en la tensión menor o igual a 190
kg?
Solución
Para el inciso a)
Datos
 = 200  = 40 x = 250 x = 300
1 2
La probabilidad que se solicita de la variable x se representa en la siguiente gráfica con su
nomenclatura:

P(250  x  300)
x−
Estandarizando los valores de x, con la ecuación de Z: Z=

250 − 200 300 − 200
Z = = 1.25 Z = = 2.5
1 40 2 40

13
Estadística y Probabilidad II

Con estos valores de Z, se puede obtener las probabilidades del área bajo la curva normal
estándar, con ayuda de la tabla de la Distribución Normal estándar del lado derecho cuyos
valores son: Z = 1.25 y Z = 2.5 se representan en la siguiente gráfica:
1 2

El cálculo de la probabilidad:
P(1.25  Z  2.50) = Z − Z
2 1
P(1.25  Z  2.50) = Z −Z
2.50 1.25
P(250  x  300) = P(1.25  Z  2.50) = 0.4938 − 0.3944 = 0.0994

Interpretación del resultado:

De acuerdo a este último resultado, la probabilidad de que un cable de acero diseñado para
tener una resistencia de 200 Kg/cm2 incremente su resistencia en un 25% o hasta un 50%,
implica una probabilidad muy baja de que esto pueda ocurrir, ya que dicha probabilidad no
llega al 9.94% o al 10%.

Para el inciso b)
 = 200  = 40 x = 190
La probabilidad que se solicita de la variable x se representa en la siguiente gráfica con su
nomenclatura:

14
Estadística y Probabilidad II

P( x  190)
x−
Estandarizando el valor de x, con la ecuación de Z: Z=

190 − 200
Z= = −0.25
40
Con este valor de Z, se puede obtener la probabilidad del área bajo la curva normal
estándar, con ayuda de la tabla de la Distribución Normal estándar del lado derecho cuyo
valor es de Z= -0.25 y se representa en la siguiente gráfica:

P(Z  −0.25) = 0.5 − Z

−0.25
P( x  190) = P(Z  −0.25) = 0.5 − 0.0987 = 0.4013

Interpretación de resultados
En este caso, que la resistencia disminuya 10 Kg o menos, es decir disminuya un 5% o
menos, tiene una probabilidad del 40.13%, por el contrario, derivado de este resultado, se
tiene una probabilidad del 59.87% que la resistencia sea mayor de 190 Kg.

15