DISTRIBUCIN NORMAL N (, ):

La distribucin de probabilidad continua ms importante en todo el campo de la

estadstica es la distribucin normal. Su grfica, denominada curva normal, es
la curva con forma de campana.

Modelo matemtico que rige muchos fenmenos. La experiencia demuestra

que las distribuciones de la mayora de las muestras tomadas en el campo de
la industria se aproximan a la distribucin normal si el tamao de la muestra es
grande. Esta distribucin queda definida por dos parmetros: la media y la
desviacin tpica . Se presenta mediante una curva simtrica conocida como
campana de Gauss.

Por ejemplo, las mediciones fsicas en reas como los experimentos

meteorolgicos, estudios de la precipitacin pluvial y mediciones de partes
fabricadas a menudo se explican ms que adecuadamente con una distribucin
normal. Adems, los errores en las mediciones cientficas se aproximan muy
bien mediante una distribucin normal.

Resea histrica

En 1733, Abraham DeMoivre desarroll la ecuacin matemtica de la curva

normal, la cual sent las bases sobre las que descansa gran parte de la teora
de la estadstica inductiva. La distribucin normal a menudo se denomina
distribucin gaussiana en honor de Karl Friedrich Gauss (1777-1855), quien
tambin deriv su ecuacin a partir de un estudio de errores en mediciones
repetidas de la misma cantidad.
Una distribucin normal de media y desviacin tpica se designa por
N (, ). Su grfica es la campana de Gauss:

El rea del recinto determinado por la funcin y el eje de abscisas es igual a la

unidad.

Al ser simtrica respecto al eje que pasa por x = , deja un rea igual a 0.5 a la
izquierda y otra igual a 0.5 a la derecha. La probabilidad equivale al rea
encerrada bajo la curva.

Distribucin normal estndar N (0, 1)

La distribucin normal estndar, o tipificada o reducida, es aquella que tiene

por media el valor cero ( =0), y por desviacin tpica uno ( =1).

La probabilidad de la variable X depender del rea del rea sombreado en la

figura. Y para calcularla utilizaremos una tabla adjunta.
 Tipificacin de la variable

Para poder utilizar la tabla tenemos que transformar la variable X que sigue una
distribucin N (, ) en otra variable Z que siga una distribucin N(0, 1).

X
=

Clculo de probabilidades en distribuciones normales

La tabla nos da las probabilidades de P (z k), siendo z la variable tipificada.

Estas probabilidades nos dan la funcin de distribucin (k).

(k) = P (z k)

Bsqueda en la tabla de valor de k = p

Unidades y dcimas en la columna de la izquierda y Centsimas en la fila de

superior.

P(Z a)=1- P(Z > a) P(Z > a) = 1 - P(Z a) P(Z a) = 1 P(Z a)

P(Z > a) = 1-P(Z -a) P(a < Z b ) = P(Z b) P(Z a)

P(b < Z a ) = P(a < Z b ) P(a < Z b ) = P(Z b) [1 P(Z a)]

Para calcular la variable X nos vamos a la frmula de la tipificacin.

Ejercicio N1: DISTRIBUCION NORMAL

En una panadera se elaboran piezas de pan la longitud de una pieza se

distribuye en forma normal en una media de 15cm y una varianza de
2.252 .

a. Determine la probabilidad que exceda los 18 cm

b. Determine de que las piezas de pan estn entre 13 y 17 cm

Solucin:

a. recolectando datos tenemos que:

=
= .
X=18cm

Entonces realizamos la tipificacin

= =2
.

( ) = . ( )

= 0.5 0.4772

= 0.0288

b.

1 =13 = = .
.

2 =17 = = .
.
Segn la tabla de la distribucin normal N(0,1)

1 =0.4082

2 =0.4082

Para determinar los valores sumamos ambos valores

0.4082+0.4082=0.8164los valores de pan que estn entre el intervalo de 13

17 es de 81%
Ejercicio N2: DISTRIBUCION NORMAL

La duracin de una bombilla fabricada por una cierta empresa se puede

aproximar por una variable aleatoria con distribucin normal de media de 900
horas y desviacin tpica 80 horas, la empresa vende 1000 lotes.

En cuantos lotes la duracin de las bombillas es mayor a 910 horas?

Solucin:

(, )
N (900 horas, 80 horas)

P(X>910horas) Realizamos la tipificacin:

X
( > )

910 900
> = 0.125
80
( > 0.125) = 1 ( 0,125)

= 1 0.5478

= 0.4522

Para saber la cantidad de lotes que ofrecen bombillas mayor a 910 horas
multiplicamos la P (Z>0.125)*LA CANTIDAD DE LOTES.

0.4522*1000=452.2

Por lo tanto se puede decir que la cantidad de lotes que supera 910 horas es
de 452.2 lotes.
BIBLIOGRAFIA:

CURSO DE ESTADSTICA INFERENCIAL EJERCICIOS Y PROBLEMAS

RESUELTOS DE DISTRIBUCIN NORMAL

Prof.:MSc. Julio R. Vargas A.

RONALD E. WALPOLE, RAYMOND H. MYERS, SHARON L. MYERS Y

KEYING YE Probabilidad y estadstica para ingeniera y ciencias Novena
edicin