Distribución Normal
Variables Aleatorias Continuas
Se dice que una variable X es continua si su conjunto de posibles
valores es todo un intervalo de números, esto es, si para algún
𝐴 < 𝐵, cualquier número 𝑥 entre A y B es posible.
Longitudes y pesos son ejemplos de variables continuas.
Un atributo esencial de una variable continua es que, a diferencia de
lo que ocurre con una variable discreta, nunca se la puede medir
exactamente. Con una variable continua debe haber inevitablemente
un error de medida.
Un importante principio sobre variables continuas es que siempre se
registran en forma discreta, quedando la magnitud de la distancia
entre valores registrables adyacentes determinada por la precisión de
la medición.
Función de densidad de probabilidad - 𝒇(𝒙)
Definición
A la función sumable 𝒇(𝒙) en todo los reales; que cumple, con las
condiciones siguientes le llamaremos “función de densidad de
probabilidad”, abreviado por fdp, de la variable aleatoria continua 𝑋.
𝑎
𝑃 𝑋 = 𝑎= 𝑃 𝑎 ≤ 𝑋 ≤ 𝑎= 𝑓 𝑥 𝑑𝑥 = 0
𝑎
Función acumulada de una variable aleatoria continua – 𝑭(𝒙)
Definición
Dado un experimento y una variable aleatoria continua 𝑿 en él con
función de densidad 𝒇(𝒙) , llamaremos Función de distribución
acumulada (Fda) de la variable aleatoria continua 𝑿, a la función 𝑭(𝒙)
definida en todos los reales, tal que:
𝒙
𝑭𝒙= 𝑷𝑿 ≤ 𝒙= 𝒇𝒙 𝒅𝒙
−∞
Por otro lado,
𝑷 𝑿 > 𝒙= 𝟏 − 𝑭(𝒙)
𝑿
Cuando se conozca una Fda de una Variable Aleatoria Continua (VAC)
X, podremos encontrar su función de densidad correspondiente, por
medio de:
𝒅𝑭(𝒙)
𝒇𝒙=
𝒅𝒙
Valor Esperado de una variable aleatoria continua – 𝑬(𝒙)
Definición
Dado un experimento y una variable aleatoria continua 𝑿 en él con
función de densidad 𝒇(𝒙), llamaremos Valor Esperado de 𝑿 (o
esperanza matemática de 𝑿), al valor que denotaremos por 𝑬(𝒙) o
𝝁𝒙, y se determina mediante:
∞
𝑬𝒙= 𝒙𝒇𝒙𝒅𝒙
−∞
Varianza de una variable aleatoria continua – 𝑽(𝒙)
Definición
Dado un experimento y una variable aleatoria continua 𝑿 en él con
función de densidad 𝒇(𝒙), llamaremos Varianza de 𝑿, al valor que
denotaremos por 𝑽(𝒙) o 𝝈𝟐𝒙, y se determina mediante:
∞
𝑽𝒙=𝝈𝟐 𝒙= 𝒙 − 𝑬(𝒙) 𝟐𝒇𝒙𝒅𝒙
−∞
𝑽𝒙=𝝈𝟐 𝒙= 𝑬𝑿𝟐 −𝑬(𝑿) 𝟐
Distribución Normal
Definición : Se dice que una VA X continua tiene una distribución
normal con parámetros 𝝁 y 𝝈, donde -∞ < 𝛍 <∞ y 𝝈 > 𝟎, si la fdp de
X es
𝟏 𝒆− 𝟏𝒙−𝝁 𝟐 -∞ < 𝒙 <∞
𝒇𝒙= 𝟐𝝅
𝟐 𝝈
𝝈
La expresión de que 𝑿 está
normalmente distribuida con
parámetros 𝝁 y 𝝈 se denota
𝑿 ~𝑵(𝝁, 𝝈)
PROPIEDADES
Tiene una única moda, que coincide con su media y su
mediana.
La curva normal es asintótica al eje de abscisas. Por ello, cualquier valor
entre −∞ e ∞ es teóricamente posible. El área total bajo la curva es, por
tanto, igual a 1.
Es simétrica con 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 que la media.
La distancia entre la línea trazada en la media y el punto de inflexión de la
curva es igual a una desviación típica (σ). Cuanto mayor sea σ, más
aplanada será la curva de la densidad.
Distribución Normal
PROPIEDADES
El área bajo la curva comprendido entre los valores situados aproximadamente a dos
desviaciones estándar de la media es igual a 0.95. En concreto, existe un 95% de
posibilidades de observar un valor comprendido en el intervalo .
La forma de la Campana de Gauss depende de los parámetros 𝝁 y 𝝈. La media indica la
posición de la campana, de modo que para diferentes valores de σ, la gráfica es
desplazada a lo largo del eje horizontal. Por otra parte, la desviación estándar
determina el 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.
Distribución Normal
PROPIEDADES
Distribución Normal con igual 𝝁 y diferentes 𝝈 Distribución Normal con igual 𝝈 y diferentes 𝝁
Variable Aleatoria Normal
Distribución Normal
99,73%
68,26%
95,44%
Estandarización de variables aleatorias normales
𝒙−𝝁
Definición : Si 𝑿 ~𝑵(𝝁, 𝝈), entonces 𝒁 = es una variable
𝝈
aleatoria normal estándar 𝒁~𝑵(𝟎, 𝟏)
𝒙−𝝁
𝒁 = 𝝈 ~𝑵(𝟎, 𝟏)
La transformación de una distribución 𝑿 ~𝑵(𝝁, 𝝈) en una 𝑵(𝟎, 𝟏) se
llama normalización, estandarización o tipificación de la variable 𝑿.
𝒇𝒛 𝟏𝒁 𝟐
𝟏 −𝟐
𝒇𝒁 = 𝒆
𝝈 𝟐𝝅
Los valores de probabilidad normal estándar están tabulados
Variable Aleatoria Normal
Distribución Normal
𝒁
Estandarización de variables aleatorias normales
𝑭 𝒛 =𝑷 𝒁≤𝒛
𝒛
𝑭𝒛= 𝑷 𝒁 ≤ 𝒛= 𝒇𝒛 𝒅𝒛
−∞
𝑺𝒊 𝑿~𝑵(𝝁, 𝝈)
𝑷𝒂 ≤ 𝑿 ≤ 𝒃= 𝑷𝑿 ≤ 𝒃− 𝑷𝑿 ≤ 𝒂= 𝑭𝒃− 𝑭(𝒂)
𝑺𝒊 𝑿~𝑵(𝟏𝟎, 𝟐) 𝑷𝒂 ≤ 𝑿 ≤ 𝒃= 𝑭𝒃− 𝑭(𝒂)
𝑷 𝟖 ≤ 𝑿 ≤ 𝟏𝟐= 𝑷 𝑿 ≤ 𝟏𝟐− 𝑷 𝑿 ≤ 𝟖= 𝑭 𝟏𝟐− 𝑭(𝟖)
𝑿 𝑿
𝑷 𝟖 ≤ 𝑿 ≤ 𝟏𝟐 = 0,6826
𝑿
𝒂−𝝁 𝒃−𝝁
𝑷𝒂≤𝑿≤𝒃 =𝑷 ≤𝒁≤
𝝈 = 𝑃 𝒛 𝟏 ≤ 𝒁 ≤ 𝒛𝟐 = 𝑭 𝒛𝟐 − 𝑭 𝒛𝟏
𝝈
𝑿~𝑵(𝟏𝟎, 𝟐)
𝑷 𝟖 ≤ 𝑿 ≤ 𝟏𝟐 = P 8 − 10 𝑥− 𝜇 12 − 10
≤ ≤ = 𝑃 −1 ≤ 𝑍 ≤ 1 = 𝐹 1 − 𝐹 −1 = 0,8413 − 0,1587 = 0,6826
2 𝜎 2
𝒁 𝒁
𝒁
EstandarizaciónTabladeDistribución
variablesNormal aleatorias normales
Variable Aleatoria Normal
Variable Aleatoria Normal
a llenar en promedio 250 g con una desviación estándar de 2,5 g. Si
Variable Aleatoria Normal
”’“ Ta@a Distrfl ‹zci‹l$n Nzzrwial Estâzzztar
-S. OXXXXI33 0.lXI0DS 0.0t Q36 0.I¥¥XD7 0.Q¥XD9 0.I@OOH I IL@¥XK2 OF 0.IX Xt46 0 8 • . .
—J$ 0.00¥ i5g a. oa J 0uX¥os4 a.OXB37 a.OxOsy 0.tBM@ d &t¥t0z›6< 9AXgxs3 OF 0 72 Q.1 0.539828 0.543793 DH77J8 0.5JI7I3 0.J537é0 0.399d18 0.363539 0.547493 0.fi7l484 QJ7J343
-g.T ones fta›ooz8 o.o‹xoxz «azo«s zoxX›8â a.a›oosz «a›o‹ns a.o›otro oJxo›iu n jo« a.z ask o.saw astzne+ zséosss 0.su+acs o.seam a.ezzsso ai ›e+zo w›azei 0.si+o•u
-36 OF l12 0,{I0'01 JR 0.0tXlI2J b.fXt0l26 0.ONO l3t 0.M0I36 &w0la3 0J}00t41 0J¥j0tS3 d J59 0.3 &¥179l I 0.62l7t9 Q '254l é &6293QI g.633072 0 D 83I 0.é40476 &64430P 0.6480Z7 0.63J 732
-‹.s onas a.coin ao‹sizs aooiss zosis3 a.o›oz‹o a.oooau a.ooozi+ a.o›ozz+ a ‹z3 a.« saz2 o.em›o must asec+az aaaxoi a+zzeas a.‹zzzu asaoszz a.mass 0 ‹j
-3.I o,000Z42 ft,Ot025 i 0.0txl20d & 270 0,0o04N 0,a x2SI ztzXgt3o2 0./¥gEI8 0JXt0325 n y'z 0.5 L69I 46Z 0 974 D69846d 0.70l944 9.70g49l €L70864O 0.7IZZ60 &7JS46t L7J9043 0.7Z2405
-3J OJX¥D50 0.00036Z 0.000376 0.04KG90 0.f¥@404 0.IXI04J9 0.04¥0434 0XI00430 0.I¥Xi407 6 1 0.D 0.725747 0.729069 D73237J &73M•fi3 IL7389t4 0.?42I54 0.745373 &74&S7I 0.75J 748. 0.7549tt3
-3J Oil 0.0 ,l5J9 o.0j¥j33g a.OX›5w LIST 9.tajo3e4 &Oj06t9 OF i 9JX›neea 9 v 0.7 fL7°iB036 0.76I 148 O.76dZ38 &7d730S 0.7703fiO D373371 0.776373 0.779M0 D7823OS d.3€g236
-‹.i ox•xr/i i aooozu o.oarzsz za›ozes zoseis n.as a.a›osz< a.aom I ozs or a.s azsst•s o.viiuo amsssz aYsszJ a.wee+s aa›z:us a.zosiu asozsso as ass a.size
—JR 0.00'l00't frf¥iI0Nf 0.0010Y0 &W I I 0.OOH I4d 0.%LL83 0,€¥âIZ2t4 0.00IZ84 0.% t30¥' 0.00'1J5O 0.9 0.6J5940 0.8t9SS9 0.¥2I2I4 &¥g38I S 0.82gJ0I OA36044 0.87 J473 &843fiU 0.g36U7 0&S9I3
OF
-z.+ arises aaiiui aoo «ss a.aiisze zausss a.min a.ours a.ootzso ona‹iz oases a on sae ow‹zsz as+size a.mass ozsoszo Azs‹tsi a.sssua aaszceo ozss•zzs onxz
-IQ 0.O0t920 £L@ IP86 0.0fQ052 £KINt2l Gb &V I@ 0,00 €L@2327 O,£XI2A0I QW2éY7 0 3 1.I 0.864334 0.86 d XI B8€a€d3 &Sf07é2 047ZBS7 0674925 9.6769?6 &8'f8999 0.66l000 0.g829?7
-2.7 0.002€55 &0027J8 D002¥0g g.0ltZ890 0.MZP80 0.%3072 0.063l67 0.003Zd4 OJ¥03364 g 7 IN €L884930 OF 0.888767 0.g900SJ 0J{9Z51g €L894350 0.89dl b5 0.8979 8 0.BP9727 0.90J473
-2A 0 XXD4JJ 0.Ot368 I 0.00379S &taD4oz IU &t Id l45 fLt¥MZ69 oJXN39b 0.tQ4W7 OJKM€d'l 1.3 &903I99 0.90490E €kS06g8Z €L908241 0.909B77 0.91I4sZ &9I 3085 0.9 I4657 L9t62D7 0.917736
-2.5 oxXt4709 0.z¥I4940 odoso&s P.uszs4 k 46 a.&9s43 a.zgss703 a.0o58es 0 r 'izt37 a.0‹Xc IO JR 0.9J92d3 0.9Z0730 Q922Jse D923641 0,9230eg 0.9Z047I 6.9Z7854 &92P2l9 0.930ñ63 0.y1JBc8
—9A 0 Xrx •367 6 i Xtfc 4i9 0.0047M &{¥}6947 0.007l43 0.007344 &/Xt7s49 9A0W60 0@7P76 0 i¥ l9¥ IN 0.935193 0.934478 0.S35744 0.936P9Z 0.938MO 0.939429 0.940620 0.94I79Z L942947 0.946083
—2J o.0084M &iXl06s6 ad08B94 &fXi 1 8? 0.W387 0 Xt9642 &0099a3 0dlot?0 0Jsl0444 6s l0714 1s o.9452oi o.94e30I DPs7384 &948449 0.949497 o.9f•0s29 u.95Is43 0.9SW0 D953sZf 0.9s44a6
-7.2 OSI i0I I 0.01I304 0.0t J604 0.0t }9t ¥ 0.DE3Z d 0.0IZM5 0,0¥7B74 II I I32 9 OFI3M3 OF I3903 1.7 0.935433 0.956367 D9J7Z84 &9J6j 64 0.95P07 I 0.Sg994 I 9.Pti0796 0.P6I636 0.96346Z 0.P¥327J
-z.‹ o.oi‹zez note aoiso‹o zpt‹ssa zotszza a.at+mz a.Items a.orrons oo‹zazs onzze‹ z asesuzo o.se‹asz asessz› asean a.see ›+ o.suzu› a.s‹ issz mseezss acs a.sa›szi
-» ooissos ao ‹zcz a.oiszzs a.a saes a.azoizz o. zoezs a.azi iyg ooziesz owzzis ozzzzso i.s anizsz o.use› amzrr› awe n a.Ans o o.+ywiz a.s sxu oatsszt awe 4s a.szozos
- i.s o.o23zs5 aaz3ss:z o.oz44is ixaz4s•zg a.ozssas a.0a6iso a0aaao3 ow742s owe06v a.o287 i7 2a pg77 $0 o.g777@ o.9g'$jo8 rLpggz2 0.9w32$ o.g7ggIg 0. ul u.98g714 a.g8i2g7 0.9gtzigi
- iz oozes s &050ag4 aozoz+z «asi+u zusz a.azzeu a.e‹6zs a.ones a.mete oozes a z.i zsaz›zs asazwi asszxrz zssui< 0.sssazz o.seszzz o. 4 z asossz a.sssz‹s
-* * *+** V ^*** * +W 4o*zoss *• !**1 * !^ * +63+ * 2s &9esup7 o.ss6447 os8s7sJ &ss71z6 kss74ss o.s87?76 a.s8sous a.y8z296 o988e9s u.s8a98s
- z aussie a u omz<u z roe zi a.i›s‹eoz a.as ss a.oszei+ a.a less ozs+s 2a a.saszzs o.s8ess5 a.seoo o.p›ans zsauss o.sa;aij zpXm a.ssi ›e a.sew o,ssi174
-\.s o.as n a u o. sazez itossJso a.nszt «men a uo›z ones owss‹z a.oaaczr zx anisaz a.wzazs asvza‹o msvzssz a.mzess o.sszzsy a.ssm›s3 asszz+s assJ‹z a.ssxiz
-IA OX i0112 fL0e9 r7 0.0T07&J P.0TZI49 0.0T3929 0.074934 0.07é3S9 0.077804 0.07PZ70 0.080797 24 0.493790 0.993963 N994J 32 DP9d29? k994457 0.W46I4 I.P94766 &9949 IS &9g5060 0.99SZ0I
-7.4 0.08ZBd4 P003 9J 0.0833c3 &086Pt5 O,08B3& 0.090'IZ4 0,09IY@ O@34 I B 0J¥930 B €I.09686{ 2A 0.995339 0.99S473 0.995V 0.9g573 J U.99SB5S D995975 U.P96093 0.996207 L9g •1l9 U.P96427
— in oxmszs atoozw aioa>«z a.iazzzs nossso a.nozzle atese+s a.‹ i izzz o. izt+a e.i iss a z.1 a 1s o.ss sz s a.ssezJs a zs a.ssaets o.ntozo 0.ssrzi o sped +d asszzz:z a.ssrtzss
— ! •! !! !! •! 2* * ! ! *•!***** ! *•** !* *3* *•! 2A 0.9g7443 u.9PM23 0.W7W Dt 7o73 II.9977d4 0.W7gl4 tL9f7882 &@7P46 0.W60l2 0.99¥074
-J d 0.I&7857 0.I40fi7l 0.l4Z3l0 P.l4d972 0.IN 0. \49J70 IL t5l305 0.M3864 0.¥Jfi24S fLl 5804S Q.g asss›zs o.s•rsiss assszs8 assszas a.m›s•z on i a.s s zz m less i i as• sts a.s•rzctis
-OF OJ48268 0.3SI973 0.35S •91 0.39942d &3A3IA9 9.366P2-8 &370T00 0.37d484 0.378Z8I OJB2089 $p 0.99gg4j p,ggpg$y 0.ggg853 pg$tpg g g,ppyg$„t g,gygg,$§ jj,ggggyq g_ggpgyq q g,pggggg
-OF 0C89P0B 0.389739 &3933B0 &397434 €L40I 294 0.405 I6S &40@¥46' 0.4I2936 0.4I6834 OA20740 $ g {} {}gg$›gpg {} {},p }ggg,} g,gggggg ggg $ g ppgg.§ $ {}.9'999 IB ggggg$ g $
Variable Aleatoria Normal
Variable Aleatoria Normal
EJERCICIOS DISTRIBUCION NORMAL
1) ) L8s cOmiSio:it9s 8nu8Jes pdr 6gcnic dc vent8S dc una emprc6& f8Aric8ntc de m8guza8rtg ltgcr&, tuvo 4} Una emprtsa de transports utilize el camiñn de tipo 5uptr 1310 en forma fixcluaiva y ‹ksea
un prDmedio de (JS$40 tfD con un8 desviaeibn est&idar dt (JS$5 tfD, distribuidm en forma rcalizar un esiiidio de cosins dc mantcnimiailo y otros. En vcz de caudiar los 3500 camiones, sc
normal. ¿Qué porcfintaje de los vcndok›res ganan entre US$32 ONO y U5$42 000'? sckccionb una rfiuflstr8. fi618 Delo que dufantc el aito pasado 18 rfiodia dc la distaaei8 reeorrid8
por cami6n fuc 60 000 kit6metroc As distancias in distribuycn tn fornta normal y la desviaci6n
Ua& iadustria produce cDj aetes dc bOI8s en forma autOWhC8 en una Wquizt8 Kz0nar BBX. P8z8 wio estfatd r dc la muestra fufi 2 000 kitbmctros. Con base en los datos muestrales:
dc 1o6 Cojinctc&, la madia aritmética de toe dike sc dctcmtina Como 20,00 mm (milimetro6). La a) ¿Qué porcent8jc dt los camionts reconi6 65 200 km o mls''
dcsviaei6n est dar dc la produeci6n duraaie un largn ptnodo u calcula como 0,150 rum, b) Rficuerdfi que la fimpresa postfi 3500 eamiones. hon hash en lo obtcnido en la miitstra, ¿euântos
distribuidos en forma itnrmal rtmnicrnn 55 000 km o mcix›s'?
a) ¿Qué porcfintnjfi dc los cojinclcs lendrân diâmfitros entre 20,00 y 20,27 rum? C) ¿Cuénto6 rccfgtiCrox 62 000 km a mcnos durantc el año'/
b) ¿Qué porcfint8jfi dc los eojineles tendrân diâmfitros de 20,27 o ntfis?
c) ¿Qué porcfintnjfi dc los cojinclcs lendrân diâmfitros entrc 19,85 y 20,30 mm? 5) La media de iin gnipo de ingresns semanales con distribuciñn normal para iin conjunto de
d) ¿Qué porcfint8jfi dc los cojineles ten‹lr&i diâmctros de I9,9t o mcnos? gerentes de nivel medio, es US$3500, y la desviaciñn estândar es US$ 35D.
a) ¿CH fis la probsbilidad dfi que un gcrentc de nivcl modin tangs iut ingreso entrc U58 2000 y
La gcrcncia dc una contpafiia elcctr6nica esd eoniiderando adoplar un siaema de bonos o primas LI$S 4000'?
para incremental la pnxtiiccidn. Una opcibn consists en pagar nut prima sabre ct 5% mls alto dc b} ¿CH fis la probabilidad dfi que un gcrentc de nivcl modin tenga iut ingress superior a OSS 280ti?
la prodilfci6n con base tn la fixptritncia. Los registrars antfirinres irdican qic, tn promodio,
durantt una strrtana sfi produefin 4OXi unidadfis dfi un pequeño finsamblfi. La distribueibn de la
profucei6n semanal es, aproximadamfintc, un8 normal con desviacibn est ndar dfi 60 unidadfix. Si la
prima sc paga sobre cl 5% superior de la produccifin, ¿eslc bano sc pagaré erm rcqieclo a cidnias
unidades o mls?
6} Para envasar un rcfresto se utilizan botellas de plRh‹x› de dos litros. sc envian en Inc dc 100.
Los in tienen 5% de defecios. Algunas botellas tienen fugai, otras son demasiadn pcquehas,
elt.
a) ¿fuâl es la prohabilidad que una remfisa dc botellas eontenga rms de 8 defcctuom?
b) ¿fiuâl ts la prnhabilidad que entre 8 y 10 boicllas sean dcfeetumas?
c) ¿fuâ) cs la prnhabilidad que haya ianicnic 8 dcfecaiosas'?
d) ¿fiuffl es la probabilidad que fio haya fDltllas coli &feetoa'?
