UNIVERSIDAD NACIONAL DEL SANTA

FACULTAD DE INGENIERIA
Escuela Académico Profesional de Ingeniería Mecánica

PROPIEDAD REPRODUCTIVA DE LA DISTRIBUCIÓN NORMAL

YAPROXIMACIÓN DE LA BINOMIAL A LA NORMAL

INTEGRANTES:
 Aguirre Loyola Ryutaro
 Baltazar Murga Pedro
 Trujillo Valderrama Arley

PROFESOR:
 Jose Antonio Boza

CURSO:
 Estadística y Probabilidades
 Propiedad Reproductiva de la distribución normal.

Sean X1, X2, X3,. . . ., Xn, variables que se distribuyen normalmente, con la misma media:
µ1 = µ2 =µ3 =. . . . = µn y la misma varianza: σ 1=σ2=σ3=. . . .= σn2. La variable que resulta de la suma de las n
variables individuales: X = X1 + X2 + X3+. . .+ Xn, también se distribuye normalmente con una media: µx =µ1
+µ2 +µ3+. . . .+µn =nµ y una varianza: σx =σ 12 + σ 22+ σ 32 +. . . .+σn2 = n 2

Puesto que es posible demostrar que cada uno de los valores (x1, x2, x3,. . . . . nx) que forman parte de
una muestra es una variable aleatoria que proviene de una misma población, se puede concluir que la
media muestral es una variable que resulta de la suma de varias variables que tienen la misma µ y la
misma varianza σ2.

∑𝑥=𝑛
𝑥=1 𝑥𝑖 1 𝑥1 𝑥2 𝑥3 𝑥4
X= = (x1 + x2 + x3 +........+ xn) = + + + ⋯+
𝑛 𝑛 𝑛 𝑛 𝑛 2

Por lo tanto, la media y la varianza de la distribución de medias muestrales serán:

µ σ2 σ2 σ2
µx = 𝑛 𝑛 =µ y = 𝑛 𝑛2 = 𝑛2
𝑥

En resumen, si se toman muestras aleatorias de la población de una variable X que se distribuye

normalmente, la distribución de las medias muestrales también es normal con una media igual a la media
de la población de la variable X y una varianza igual a la de la población dividida entre el tamaño de la
muestra (Figura 4.5). La desviación de la distribución de medias muestrales se le denomina error estándar
y se obtiene como el cociente de dividir la desviación de la población de la variable X entre la raíz cuadrada
del tamaño de la muestra σx = σ n

Figura 4.5. Relación entre las distribuciones de las variables X y X.

1. Un brazo mecánico consta de 3 partes. Suponga que 𝒙𝟏 , 𝒙𝟐 , 𝒙𝟑 𝒚 𝒙𝟒 son reproducidos para diferentes
fábricas y cuya distribución de la longitud de cada una está dada por:

𝒙𝟏 → N (12; 0.02)=N (µ, 𝛔𝟐 )

𝒙𝟐 → N (24; 0.03)=N (µ, 𝛔𝟐 )

𝒙𝟑 → N (18; 0.04)=N (µ, 𝛔𝟐 )

Donde la media está dad en centímetros y la varianza en centímetros cuadrados, calcular la probabilidad
que la longitud del brazo esté comprendido entre 53.8 y 54.2.

Solución:

Sea y=longitud del brazo mecánico

Entonces y=𝑥1 + 𝑥2 + 𝑥3

La variable aleatoria Y está distribuida normalmente de acuerdo a la propiedad reproductiva de la

distribución normal con media.

µ𝑦 = µ1 + µ2 + µ3 = 12 + 24 + 18 = 84
σ2𝑦 = σ12 + σ22 + σ23 = 0.02 + 0.03 + 0.04 = 0.09

53.8−54 𝑦−µ 54.2−54

P⌊53.8 < 𝑦 < 54.2⌋ = 𝑃 [ < < ]
0.3 σ 0.3

−2 2
=P[ 3 < 𝑍 < 3]=Φ (0.67)- Φ (-0.67)

= 0.7486-0.2514=0.49

𝒙 +𝒙
2. Sea: y=[ 𝟏 𝟐 𝟐 ] − 𝒙𝟑
Donde 𝒙𝒊 (𝒊 = 𝟏, 𝟐, 𝟑)son variables aleatorios normales independientes con:

µ𝟏 =20; µ𝟐 = 𝟏𝟔 ; µ𝟑 = 𝟐𝟓 ; 𝛔𝟐𝟏 = 𝟓 ; 𝛔𝟐𝟐 = 𝟏𝟏 ; 𝛔𝟐𝟑 = 𝟓

a) ¿Cuál es la distribución de probabilidad de y?

b) Calcular p[𝒚 > 𝟎]

Solución:
𝑥𝑖 → N (µ𝑖 ; σ2𝑖 ), x𝑖 independiente
 a) Y es una combinación lineal de las x; por lo tanto tiene una distribución normal con E(y)= µ𝑟
y var(y)= σ2𝑦 , donde

𝑥1 +𝑥2 1
µ𝑦 = E (y)= E [( − 𝑥3 )]=2 [𝐸(𝑥1 ) + 𝐸(𝑥2 )] − 𝐸(𝑥3 )
2

1 1
=2 (µ1 + µ2 ). µ3 = 2 [20 + 16]-25=-7

𝑥1 +𝑥2 1
σ2𝑦 = var (y)= var[( ) − 𝑥3 ] = 4 [var(𝑥1 ) + var(𝑥2 )] + var (𝑥3 )
2

1 1
= [σ12 + σ22 ]+σ23 = (5+11)+5=9
4 4

𝑦−µ𝑦 0−(−7) 7
b) P[𝑦 > 0] = P[ > ] = 𝑃 [𝑧 < ]
δ𝑦 3 3
=1-Φ (2-33)
=1-0.9901=0.0099

3. Sea una población de una variable que se encuentra distribuida normalmente en una media y una
varianza igual 800 y 1800 respectivamente, de la cual se selecciona aleatoriamente 16 valores. Cuál es
la probabilidad de que la muestra tenga un valor menor a 775?

σ2 1800
µ𝑥 = 800 y σ2𝑥 = 𝑛𝑥 = =100
18

𝑥−µ𝑥
P (x≤775)= P (z≤ )
δx
𝑥−µ𝑥
=P(𝑧 ≤ δx )
√𝑛

775−800
=P(𝑧 ≤ 40 )
√16

=P (z≤-2.5)=0.0062
 Problemas de la distribución binomial

Supongamos una distribución binomial B(n,p) con un número muy grande de n; por ejemplo
lanzamos un tiro libre 200 veces siendo la probabilidad de encestar del 40%, es decir
B(n=200,p=0,4). Si nos planteamos cual es la probabilidad de encestar más de 100 lanzamientos
tendremos que calcular 100 términos, siendo aburrido y muy laborioso:

P(x>100)=p(x=100)+p(x=101)+…+…+p(x=199)+p(x=200)=

200 200 200 200

=( ).0,4100 . 0,6100 + ( ) . 0,4101 . 0,699 + ⋯ + ( ) . 0,4199 . 0,61 + ( ) . 0,4200 . 0,61
100 101 199 200

Surge así la pregunta natural: ¿no se podría calcular esta probabilidad sin tener que recurrir a la
fórmula de distribución binomial 100 veces? Resulta que si se puede, el Teorema de Movire-Laplace
nos muestra que de forma aproximada podemos aproximar esta probabilidad utilizando la
distribución normal.

Aproximación de la binomial a la normal

 Teorema de Movire-Laplace: si X es una variable discreta que sigue una distribución binomial de
parámetros n y p, B(n,p) y se cumple que n>10, n·p>5 y n·q>5 resulta una aproximación bastante
buena suponer que la variable X’ (recordemos que en la binomial µ=n·p y σ=√𝑛. 𝑝. 𝑞 se aproxima
a la variable normal N(n·p, √𝑛. 𝑝. 𝑞).

Resulta mucho más sencillo trabajar con la variable normal X’ que con la binomial X, pues
recordemos que los valores de la normal están tabulados.

 Corrección de continuidad o de Yates: cuando aproximamos una distribución binomial

mediante una normal, estamos convirtiendo una variable X discreta (toma un número
determinado de valores) en una continua X’ (toma valores en un intervalo).

Los valores de la probabilidad para valores fijos de la variable continua son cero (ya que sería el
área de un punto), y necesitamos definir un intervalo. Para evitar este problema en la
aproximación de los valores fijos estos se corrigen (corrección de continuidad o de Yates)
sustituyéndolos por un intervalo centrado en el punto y de valor unidad.
 1. En una población grande de Drosophila, 25% tienen mutación de alas. Una empresa se muestra de
300 insectos se escoge aleatoriamente. Calcular aproximadamente la probabilidad que más de 60
pero no más que 90insectos de la muestra tiene mutación de alas.

Solución:

N=300
X=1; 2; 3;…; 300

Puesto que la población es grande, la extracción de los 300 insectos puede considerarse como 300
ensayos de Bernoulli con p=0.25 constantes en cada extracción. Por lo tanto, la variable x tiene una
distribución binomial con n=300 y p=0.25.
Pero, np=300(0.25)=75>5, aproximadamente la binomial por la normal con media µ=np = 75 y
desviación estándar σ=√𝑛. 𝑝. 𝑞 =√300. (0.25). (0.75)= 7.5

P[60 < 𝑥 ≤ 90] = 𝑃[60.5 ≤ x ≤ 90.5]

60.5−75 𝑥−𝑛𝑝 90.5−75

=P[ ≤ ≤ ]
7.5 √𝑛.𝑝.𝑞 7.5

−14.5 15.5
=P[ ≤𝑧≤ ]= Φ (2.06)- Φ (-1.93)
7.5 7.5
= 0.9803- 0.0268 = 0.9535

2. Se sabe que cierto virus ha invadido la UNI y ataca la mitad de los estudiantes. Se toma una muestra
aleatoria de 200 alumnos y se pide ¿calcular:
a) La probabilidad que en dicha muestra el 49% sean atacadas por el virus.
b) La probabilidad que en la misma muestra ninguno presenta síntoma de virus.

Solución:
n=200
x=1; 2; 3;…; 200
p=1/2

Debido a que n es grande, y np=100, daremos una aproximación de las probabilidades pedidas
por la distribución normal, con:

µ=np = 100 y σ=√𝑛. 𝑝. 𝑞 =√50

a) X=49%. 200=98

P[𝑥 = 98] = 𝑃[97.5 ≤ x ≤ 98.5]

97.5−75 𝑥−𝑛𝑝 98.5−100

=P[ ≤ ≤ ]
7.07 √𝑛.𝑝.𝑞 7.07

= Φ (-0.21)- Φ (-0.35)=0.4168 – 0.3632 = 0.0536

 b) P[𝑥 = 0] = 𝑃[−0.5 ≤ x ≤ 0.5]

−100.5 𝑥−𝑛𝑝 99.5

=P[ ≤ ≤ ]=0
7.07 √𝑛.𝑝.𝑞 7.07

3. En un almacén se tienen 300 fusibles, y por experiencia se sabe que hay 2 % de defectuosos en la
producción de fusibles.

a) ¿Cuál es la distribución de probabilidad del número de fusibles defectuoso en el almacén?

¿Cuáles son sus parámetros?
b) Haya exactamente 1 defectuoso.
c) No hay más de 5 defectuosos

Solución:

a) n=300
x=0; 1; 2;…; 300
La variabilidad aleatoria así definida es una binomial, su distribución de probabilidad con
n=300 y p=0.02, es

300
P[𝑥 = x; 300; 0.2] = ( ) (0.02)𝑛 (0.98)300−𝑥
𝑥
Los parámetros de x son n=300 y p=0.02

Desde que np=300(0.02)= 6 >5, aproximamos la distribución binomial a la distribución

normal con µ=np =6 y σ=√𝑛. 𝑝. 𝑞 =√5.88

0.5−6 𝑥−𝑛𝑝 15−6

b) P[𝑥 = 1] = 𝑃[0.5 ≤ x ≤ 1.5] = P[ ≤ ≤ ]
√5.88 √𝑛.𝑝.𝑞 √5.88

= 𝑃[−2.27 ≤ z ≤ −1.56] = = Φ (-1.86) - Φ (-2.27)

= 0.0314 – 0.0116 = 0.0198

𝑥−𝑛𝑝 5.5−6
c) P[𝑥 ≤ 5] = 𝑃[x ≤ 5.5] = P[ ≤ ]
√𝑛.𝑝.𝑞 √5.88

= 𝑃[z ≤ −0.21]= Φ (-0.21)=0.4168

Bibliografía:

 Probabilidad e inferencia estadística (Rufino Moya Calderón – Gregorio Saramia A.)

 Probabilidad y estadística para ingenieros (Richard A. Johnson)