UNIVERSIDAD NACIONAL DE TRUJILLO ESCUELA DE INGENIERIA INDUSTRIAL
ESTADISTICA II V CICLO Dra. Laura Margot Rivera León
SEMANA 4
FUNCIONES DE PROBABILIDAD CONTINUA
Capacidades:
• Aplicar adecuadamente la distribución normal estándar en la solución
de problemas y en caso relacionados a su realidad.
• Manejar correctamente la tabla de probabilidades de la distribución
normal estándar.
1. Distribución Normal o de Gauss
Fue propuesta por Moivre en el s. XVIII (el mismo de la fórmula
de complejos), pero a la historia ha pasado con el sobrenombre
de distribución gaussina por el uso sistemático en los errores
de medida de datos astronómicos realizados por Gauss. ver
libro de Montgomery
Una variable aleatoria, X, que sigue una distribución normal de
media μ y desviación típica σ se designa por N(μ,σ) si se cumlen
las siguientes condiciones.
1.1. Función de densidad de probabilidad
Dada por la expresión:
𝟏 𝒙− 𝝁 𝟐
𝟏 −( )
f (x)= 𝒆𝟐 𝝈
𝝈√𝟐𝝅
donde:
-∞ < x < ∞ ; e = 2.71828 ; π = 3.14159
Parámetros: μ, σ; con: -∞ < μ < ∞ ; σ>0
Se representa por: X N( μ , σ)
UNIVERSIDAD NACIONAL DE TRUJILLO ESCUELA DE INGENIERIA INDUSTRIAL
ESTADISTICA II V CICLO Dra. Laura Margot Rivera León
Figura 1: Curva de la distribución Normal
1. Es una distribución simétrica con respecto a la media μ.
2. En el eje de las abscisas es asintótica en los extremos
3. Es Unimodal
4. El área del recinto determinado por la función y el eje de las abscisas (bajo la
curva) es igual a la unidad (1).
5. Tiene un máximo en la media μ
6. Crece hasta la media μ y decrece a partir de ella
7. Presenta dos puntos de inflexión μ - σ y μ + σ
8. La probabilidad o área encerrada bajo la curva se puede dividir en sub áreas
de la forma siguiente:
Figura 2
Figura 3
• (μ - σ < X < μ + σ), dentro del cual se encuentra el 68.3 % de datos
UNIVERSIDAD NACIONAL DE TRUJILLO ESCUELA DE INGENIERIA INDUSTRIAL
ESTADISTICA II V CICLO Dra. Laura Margot Rivera León
• (μ - 2σ < X < μ + 2σ), dentro del cual se encuentra el 95.45 % de datos
• (μ - 3σ < X < μ + 3σ), dentro del cual se encuentra el 99.73 % de datos
1.2. Estandarización de la variable X
Para poder hallar las probabilidades se tiene que estandarizar la
v.a. x, mediante la relación:
𝑿−𝝁
𝝈 𝒛=
Donde;
Z: valor estandarizado (aproximadamente a 2 decimales), varía
desde -4 a +4 X: valor de la variable μ: media de la variable σ:
desviación estándar de la variable
2. Distribución Normal Estándar o Tipificada
La distribución normal estándar o tipificada o reducida n(0, 1), es la que
tiene por media μ = 0 y desviación estándar 𝝈 = 𝟏 .
2.1. Función de densidad de probabilidad
𝟏 −𝟏(𝒁)𝟐
𝒆𝟐
f (x)= √𝟐𝝅
2.2. Función de Distribución
𝒛 𝟏
𝟐
F (Z)= P( Z ≤ z ) = 𝒆𝟐
3.3. Uso de la Distribución Normal
UNIVERSIDAD NACIONAL DE TRUJILLO ESCUELA DE INGENIERIA INDUSTRIAL
ESTADISTICA II V CICLO Dra. Laura Margot Rivera León
- Distribución de la media muestral en muestras grandes
(n≥30).
- Distribución de la diferencia de medias muestrales para
muestras grandes (n1≥30), (n2≥30).
- Distribución de la proporción muestral.
z = -4 z=4
Figura 4: Gráfica de la distribucion normal estándar
Ejemplo 1.
Sea X: Tiempo de procesamiento de cierto producto (minutos)
X: 75 66 85 68 74 76 80 82
Estandarice los valores de la variable de esta población.
Solución
- Primero hallamos la media y la desviación estándar y luego
estandarizamos los valores de X, mediante la fórmula de Z.
UNIVERSIDAD NACIONAL DE TRUJILLO ESCUELA DE INGENIERIA INDUSTRIAL
ESTADISTICA II V CICLO Dra. Laura Margot Rivera León
La Tabla nos da las probabilidades de P (Z ≤ z), siendo Z la variable
estandarizada.
Ejemplo 2
Considerando el ejemplo anterior halle la probabilidad de que el tiempo de
un proceso elegidos al azar sea: a) Menos de 85 minutos.
b) Más de 66 minutos, pero menos de 76 minutos.
c) Desde qué valor empieza el mayor tiempo de proceso del producto el
límite inferior para una probabilidad de 0.05?
Usemos la distribución de Probabilidad Normal en EXCEL.
Ejemplo 3
Si X es una variable aleatoria de una distribución N(µ, σ), hallar:
P(µ−3σ ≤ X ≤ µ+3σ)
0.99865 - 0.00135 = 0.9973
Es decir, que aproximadamente el 99.73% de los valores de X están a
menos de tres desviaciones típicas de la media.
UNIVERSIDAD NACIONAL DE TRUJILLO ESCUELA DE INGENIERIA INDUSTRIAL
ESTADISTICA II V CICLO Dra. Laura Margot Rivera León
Ejemplo 4
Una fábrica que produce neumáticos, con una vida media de útil de 85 mil
kilómetros y una desviación estándar de 8,3 mil kilómetros. si siguen una
distribución normal. Halle la probabilidad de:
a) Que un neumático dure más de 98 mil kilómetros.
b) Que un neumático dure entre 73 y 88 mil kilómetros.
c) Si el 50,798%de los neumáticos duran entre X1 y X2 mil kilómetros.
Halle los valores de X1 y X2, si son simétricos con respecto a la
media.
d) Desde que tiempo de vida empieza el mejor 15% de neumáticos.
Ejemplo 5
Una máquina que regula la cantidad de hormona a dispensar para preparar
una droga puede ser ajustada para dispensar una media de µ mililitros. Se
sabe que la cantidad de hormona dispensada sigue una distribución normal
con desviación estándar de 0.4 mililitros, si la maquina descarga más de 6
mililitros, la droga obtenida es rechazada, determine el valor de µ necesario
para que solo el 1% de la droga procesada sea rechazada.
UNIVERSIDAD NACIONAL DE TRUJILLO ESCUELA DE INGENIERIA INDUSTRIAL
ESTADISTICA II V CICLO Dra. Laura Margot Rivera León
3.2. Aproximación de la Binomial por la Normal
Teorema de MOIVRE
Vamos a representar en un sistema de referencia distribuciones binomiales
para distintos valores de n y p=0,3.
Queremos aproximar estas distribuciones a una distribución normal
estándar:
Se puede apreciar en los gráficos anteriores, como a medida que aumenta
n mejora el parecido de las gráficas de barras de las distribuciones
binomiales (discretas) a la gráfica de la distribución normal estándar
(continua), pero con el inconveniente de que se produce un desplazamiento
hacia la derecha de la distribución binomial a medida que aumenta n.
UNIVERSIDAD NACIONAL DE TRUJILLO ESCUELA DE INGENIERIA INDUSTRIAL
ESTADISTICA II V CICLO Dra. Laura Margot Rivera León
Distribución binomial
UNIVERSIDAD NACIONAL DE TRUJILLO ESCUELA DE INGENIERIA INDUSTRIAL
ESTADISTICA II V CICLO Dra. Laura Margot Rivera León
Ejemplos
