PROBABILIDADES, VARIABLE PROBABILIDADES, VARIABLE

ALEATORIA Y DISTRIBUCION ALEATORIA Y DISTRIBUCION

NORMAL NORMAL
MAG. RENAN QUISPE LLANOS
UNIVERSIDAD NACIONAL FEDERICO VILLARREAL
ESCUELA UNIVERSITARIA DE POST-GRADO
Maestra : Administracin de Servicios
de Salud
PROBABILIDADES PROBABILIDADES
PROBABILIDAD
CONCEPTOS BSICOS:
EXPERIMENTO: Todo acto que genera un resultado
que es incierto. Observacin de alguna actividad o la
accin de efectuar una medicin.
EXPERIMENTO ALEATORIO: Es aquel que, al ser
observado no se puede predecir con exactitud cul
ser el resultado de la observacin y pueden dividirse
en dos clases: determinstico y no determinstico.
Se dice determinstico cuando los resultados del
experimento estn completamente determinados y
pueden describirse mediante una frmula
matemtica, mientras el no determinstico no puede
predecirse con exactitud antes de realizar el
experimento.
PROBABILIDAD
RESULTADO: Un acontecimiento final de un
experimento.
EVENTO: Consiste de uno ms posibles
resultados de un experimento.
ESPACIO: Muestra es el conjunto de todo los
posibles resultados de un
experimento
PROBABILIDAD
Ejemplo: Experimento: lanzar dos dados y observar lo
que cae.
Resultados posibles:
(1,1),(1,2),(1,3),(1,4) ,(1,5),(1,6)
(2,1),(2,2),(2,3),(2,4),(2,5),(2,6)
(3,1),(3,2),(3,3),(3,4),(3,5),(3,6)
(4,1),(4,2),(4,3),(4,4),(4,5(,(4,6)
(5,1),(5,2),(5,3),(5,4),(5,5),(5,6)
(6,1),(6,2),(6,3),(6,4),(6,5),(6,6)
Sean los eventos:
A: El nmero del segundo dado sea par.
B: El nmero del primer dado sea mayor que el del
segundo.
PROBABILIDAD
TIPOS DE PROBABILIDAD:
CLSICA
CLSICA EMPRICA O DE
FRECUENCIA RELATIVA
SUBJETIVA
DEFINICION CLASICA PROBABILIDAD
nes observacio de total Nmero
favorables resultados de Nmero
evento un de ad Probabilid =
Ejemplo:
Las estimaciones poblacionales del INEI para el ao
2000 determinaron que la poblacin peruana era de
25661,690, de los cuales 7466.190 nacieron en el
departamento de Lima. Calcular la probabilidad de
que una persona que emigre al exterior naci en Lima.
DEFINICION CLASICA PROBABILIDAD
Solucin:
El experimento aleatorio es persona que emigre al exterior.
S = {P
1
, P
2
,, P
25`661,690
}, donde P
i
representa la Persona i.
# Total de observaciones = n(S) = 25661,690
Sea el evento A: Persona que emigre al exterior naci en
Lima.
n(A) = 7466.190 ( total de personas que nacieron en Lima)
0.291
25'661,690
7'466,190
n(S)
n(A)
P(A) = = =
Luego, la probabilidad de que la persona que emigre al
exterior sea del departamento de Lima, para el ao 2000,
es de 0.291.
DEFINICION DE PROBABILIDAD
COMO FRECUENCIA RELATIVA
Ejemplo:
Una muestra aleatoria de 10 fbricas que emplean un
total de 10,000 personas, demostr que ocurrieron
500 accidentes de trabajo durante un perodo reciente
de 12 meses. Hallar la probabilidad de un accidente de
trabajo en una industria determinada.
nes observacio de total #
pasado el en ocurri evento el que veces de #
evento un ceda s que de Prob. = u
DEFINICION DE PROBABILIDAD
COMO FRECUENCIA RELATIVA
Solucin:
N = 10,000 personas que equivale al nmero de veces que se
repite el experimento.
Sea el evento A: un persona que sufri un accidente de
trabajo en la industria determinada
Entonces n(A) = 500 y
La probabilidad que una persona sufra un accidente de trabajo,
en el ao, en la industria, es 0.05.
Si se entrevistan a 100 personas en forma aleatoria es probable
que 5 sufrieron un accidente de trabajo.
0.05
10,000
500
n
n(A)
P(A) = = =
PROBABILIDAD COMO FRECUENCIA
RELATIVA
Ejemplo:
Segn la encuesta de hogares de Lima Metropolitana
del ao 2000 se ha obtenido el siguiente resultado.
En 3 meses de observacin a una muestra de 16,684
personas entrevistadas, 4,955 sufrieron una
enfermedad o accidente. Hallar la probabilidad de
elegir una persona haya sufrido una enfermedad o
accidente.
PROBABILIDAD COMO FRECUENCIA
RELATIVA
Solucin:
N =16,684, nmero de personas entrevistadas.
Sea el evento A: elegir una persona que halla sufrido
una enfermedad o accidente.
n(A) = 4,955 (total de personas que sufrieron alguna
enfermedad o accidente en la muestra)
0.297
16,684
4,955
n(S)
n( )
( ) = = =
La probabilidad de elegir una persona que haya
sufrido alguna enfermedad o accidente es de 0.297.
DEFINICION DE PROBABILIDAD
SUBJETIVA
Una probabilidad subjetiva se basa en
cualquier informacin disponible. Se aplica
slo cuando no existe suficiente informacin
para que sea utilizable otro mtodo.
Ejemplo:
La posibilidad de que un alumno obtenga una
calificacin de 20 en el curso de estadstica.
ALGEBRA DE PROBABILIDAD
Probabilidad Marginal: P (A)
La probabilidad que ocurra un evento
Probabilidad Conjunta: P (A B)=P(A y B)
La Probabilidad de que ocurran todos los eventos
simultneamente, se relaciona con la interseccin en teora de
conjuntos.
Probabilidad de Adicin: P (A U B) = P (A o B)
La Probabilidad de que ocurra uno o ambos de los eventos, se
relaciona con la unin en teora de conjuntos.
Probabilidad Condicional: P (A/B) = P (A dado B)
La Probabilidad que ocurra un evento dado que otro ya ocurri
EVENTOS MUTUAMENTE
EXCLUYENTES O INDEPENDIENTES
Los eventos son mutuamente excluyentes si no
tienen elementos en comn ( su interseccin
es cero) o no pueden ocurrir simultneamente
Los eventos son independientes si la
probabilidad de que ocurra uno no afecta a la
ocurrencia de otro evento, es decir, la
probabilidad se mantiene constante
Los eventos no pueden ser simultneamente
excluyentes o independientes.
REGLAS BASICAS DE PROBABILIDAD
REGLA DE ADICION
Para aplicar la regla especial de adicin, los eventos
deben ser mutuamente excluyentes. Esta regla se
expresa con la frmula siguiente:
) B ( P ) A ( P ) B A ( P + =
Ejemplo:
En el cuadro siguiente, se tiene informacin acerca de
la poblacin de mujeres en edad frtil para el ao
2000. Si se escoge a una mujer para ser censada,
hallar la probabilidad de que una mujer se encuentre
en el grupo de 15 a 19 aos de edad o en el grupo de
35 a 39 aos de edad.
REGLAS BASICAS DE PROBABILIDAD
PER: MUJERES EN EDAD FRTIL- 2000
Grupos de
Edad
2000
Mujeres
Probabilidad de que una
mujer se encuentre en
un grupo de edad
TOTAL 6,874,923 100.0
15-19 1,331,836 0.194
20-24 1,268,424 0.185
25-29 1,126,802 0.164
30-34 989,498 0.144
35-39 859,297 0.125
40-44 710,789 0.103
45-49 588,277 0.086
FUENTE: INEI-Per: Estimaciones y Proyecciones de la Poblacin por Aos Calendarios
REGLAS BASICAS DE PROBABILIDAD
Solucin:
# Total de observaciones: n(s) =6874,923, total de
mujeres en edad frtil.
Sea el evento A: la mujer seleccionada tengan entre
15 y 19 aos de edad
Sea el evento B: la mujer seleccionada tengan entre
35 y 39 aos de edad
Sea el evento A U B: la mujer seleccionada se
encuentre en el grupo de 15 a 19 aos de edad o en el
de 35 a 39 aos de edad.
REGLAS BASICAS DE PROBABILIDAD
Se trata de eventos mutuamente excluyentes.
Reemplazando datos:
La probabilidad de que al escoger a una mujer en
edad frtil para ser censada, que se encuentre en el
grupo de 15-19 aos de edad o en el de 35-39, es
0.319.
La interpretacin en trminos de la frecuencia
relativa es: De cada 100 mujeres en edad frtil, 31 se
encuentran en el grupo de 15 a 19 aos de edad o en
el de 35 a 39 aos de edad.
319 . 0 125 . 0 194 . 0
923 , 874 ' 6
297 , 859
923 , 874 ' 6
836 , 331 ' 1
) B A ( P = + = + =
REGLAS BASICAS DE PROBABILIDAD
LA REGLA GENERAL DE LA ADICIN se utiliza para
combinar eventos que no son mutuamente
excluyentes.
) B A ( P ) B ( P ) A ( P ) B A ( P + =
Ejemplo:
En el siguiente cuadro se presentan datos para el ao
2000, se cuenta con las probabilidades referidas a los
distintos niveles de pobreza. Si elige una persona al
azar, calcular la probabilidad de que esa persona
tenga un ingreso que se encuentra por debajo de la
lnea de pobreza o que tenga al menos una necesidad
bsica insatisfecha .
REGLAS BASICAS DE PROBABILIDAD
ABSOLUTO PROBABI-
LIDAD
Poblacin total 25,661,690
Poblacin no pobre 11,958,347 0.534
P. con ingresos menores a la
lnea de pobreza 9,700,119 0.378
P. con al menos una necesidad
bsica insatisfecha (NBI) 10,033,721 0.391
P. con ingresos menores a la
lnea de pobreza y con al
menos una NBI 6,030,497 0.235
NIVELES DE POBREZA, 2000
REGLAS BASICAS DE PROBABILIDAD
Solucin:
# Total de observaciones: n(s) =25661,690, total de la
poblacin.
Sea el evento A: la persona se encuentre por debajo de
la lnea de pobreza
Sea el evento B: la persona se encuentre con al menos
una necesidad bsica insatisfecha
Sea el evento : persona se encuentre por debajo de la
lnea de pobreza y que tenga necesidades bsicas
insatisfechas.
se trata de eventos que no son mutuamente excluyentes:
534 0 235 0 391 0 378 0
690 661 25 690 661 25 690 661 25
. . . .
, '
,0 0, 97
, '
0,0 ,7
, '
9,700, 9
) ( = + = + =
REGLAS BASICAS DE PROBABILIDAD
LA REGLA DEL COMPLEMENTO sirve para determinar
la probabilidad de que ocurra un acontecimiento,
restando del nmero uno, la probabilidad de que no
suceda el acontecimiento:
) ' ( 1 ) ( A P A P =
Ejemplo:
En la siguiente tabla se muestra la poblacin urbana y
rural. La probabilidad de que una persona viva en el
rea urbana es de 0.723. A partir de este dato calcular
la probabilidad de que una persona viva en el rea
rural.
REGLAS BASICAS DE PROBABILIDAD
SOLUCIN:
# Total de observaciones: n(s) = 25661,690, total
de la poblacin.
Sea el evento A: la persona viva en el rea rural
Sea el evento A: la persona no viva en el rea rural,
es decir que viva en el rea rural.
Entonces:
PER: POBLACION URBANA-RURAL,2000
ABSOLUTO PROBABILIDAD
Per 25,661,690
Urbana 18,553,402 0.723
Rural 7,108,288
277 . 0 723 . 0 1 1 ) ' A ( P 1 ) A ( P = = = =
25,661,690
18,553,402
REGLA DE MULTIPLICACION
Se usa para combinar eventos.La regla especial de
multiplicacin requiere que dos eventos A y B sean
independientes. Se expresa de la forma siguiente:
) B ( P * ) A ( P ) B A ( P =
INDEPENDENCIA DE EVENTOS
Dos o ms eventos son independientes cuando la
ocurrencia de uno no tiene efecto en la probabilidad
de ocurrencia de cualquier otro.
REGLAS BASICAS DE PROBABILIDAD
PROBABILIDAD CONDICIONAL
Es la probabilidad de que ocurra un evento particular,
dado que ocurri otro evento. Es la diferencia que existe
entre elegir al azar un artculo de un lote con o sin
sustitucin.
Ejemplo:
Cuando se elige un tipo de producto en un lote donde existen
productos sanos y defectuosos. La probabilidad condicional
de obtener un producto defectuoso (B) dado que en el lote
por lo general existen productos sanos (A), se denota as: P
(B/A).
REGLAS BASICAS DE PROBABILIDAD
) A ( P
) B A ( P
) A / B ( P

=
Ejemplo:
En el diagrama siguiente se muestra algunos
datos de la Encuesta Nacional de Hogares - IV
trimestre 2000, stos estn referidos al estado
de salud de la poblacin.
En base a estos datos, se determinara:
EJERCICIOS












































EJERCICIOS APLICATIVOS AL TEMA DE LA MORTALIDAD
POBLACION TOTAL
(25,662 mil personas)
POBLACION QUE SUFRIO ALGUNA
ENFERMEDAD O ACCIDENTE (7,622 mil p.)
POBLACIN SANA
(18,040 mil p.)
OTRO TIPO DE ESTABLECIMIENTO
(724)
ESTABLECIMIENTO DE
SALUD (5,861)
BUSCO ATENCIN (6,585) NO BUSCO ATENCIN (1,037)
LUGARES DE CONSULTA
(6,123)
Puesto, centro de salud MINSA (30.8%)
Hospital MINSA (15.1%)
Establecimiento de ESSALUD (22%)
SE AUTORRECETO (526)
NO BUSCO ATENCIN
(511)
RAZONES POR QUE NO
BUSCO ATENCIN (1,180)
No existe servicio de salud
cercano (4.9%)
No consulto por que no fue
necesario (10.7%)
Falta de credibilidad en la
medicina (38.3%)
Dificultades econmicas
(53%)
Otros motivos (7.0%)
Consultorio mdico particular (7.6%)
OTRO (5.8%)
Farmacia botica (6.7%)
Domicilio del paciente (1.2%)
Clnica particular (3.9%)
a.Calcular la probabilidad de que una persona
este sana.
Las observaciones totales n(S) = 25662 (poblacin
total)
Sea el evento A: escoger una persona sana n(A) =
18041
EJERCICIOS
La probabilidad de que se escoja a una persona
sana es de 0.703. Es decir que de cada 100
personas, 70 personas estn sanas.
703 . 0
662 ' 25
041 ' 18
n(S)
n( )
( ) = = =
VARIABLE VARIABLE
ALEATORIA ALEATORIA
VARIABLE ALEATORIA
Una Variable Aleatoria es una funcin que
asigna un valor numrico a cada ocurrencia de
un experimento
A la lista de todos los posibles valores de X de
un experimento y sus correspondientes
probabilidades de ocurrencia se llama
Distribucin o Funcin de Probabilidad.
VARIABLE ALEATORIA DISCRETA
Una variable Aleatoria Discreta tiene la
forma:
X ={
Una Funcin de Probabilidad Discreta P(X)
Se define como:
P(X=x) = a alguna expresin que contiene a x y que
produce la probabilidad de observar a x, =P(x)
X1 con probabilidad p1
X2 con probabilidad p2
X2 con probabilidad p2
.
.
.
Xn con probabilidad pn
LA FUNCIN DE PROBABILIDAD
DISCRETA
La Funcin de Probabilidad Discreta P(X)
Cumple con lo siguiente:
1. P(x) es un valor entre y 1 para cada x.
2. P(x)=1, sobre todos los valores de X.
F(X) es llamada Funcin de Probabilidad Acumulada
para una variable aleatoria discreta X, si
1. F(-) = , F(+) = 1
2. F(x) es una funcin montona creciente
3. P(xb) = F(b) =
e
) (x P
b x
EJEMPLO:
Se tiene una v. a. discreta X con valores 0, 1 y 2 cuya
ley de probabilidad est dada por:
p(0) = P[X=0]=0.20, p(1) = P[X=1]=0.50,
p(2) = P[X=0]=0.30,
La grfica acumulativa de esta funcin es:
Y
X
1
0.7
0.2
0
1 2
F
VARIABLE ALEATORIA CONTINUA
Una variable aleatoria Continua est dada
sobre un rango continuo de valores, donde
una Funcin de Probabilidad Continua P(X),
se define como:
1. P(x) es un valor entre y 1 para todo rango
de x de la forma a x b.
2.

+

+ = x rango el para dx x P 1 ) (
EJEMPLO:
Sea la v.a. contnua X con funcin de densidad
f dada por:
f(x)=
Claramente, f(x) u 0 y = = 1
Para calcular P(X ), debemos evaluar la
integral :
= 1/4.
|

|

lugar otro en 0,
1 x 0 , 2x
x f(x)d

o
o
x
x 0
1 1
0
2
x x 2x =

x 2x

2 / 1
0
MEDIA Y VARIANZA DE UNA VARIABLE
ALEATORIA
MEDIA
Sea X una variable aleatoria discreta con funcin de
probabilidad p(x
i
). Entonces, el valor esperado de X
(media o esperanza matemtica de X), E(X), est definido
por:
) p(x x E(X)
i
i
i
=
Si p(x
i
) es una caracterizacin exacta de la distribucin
de frecuencias de la poblacin, entonces E(X)=Q, que es
la media de la poblacin.
ESPERANZA MATEMTICA
Considera un experimento aleatorio E, y una funcin
g(x) dependiente de una variable aleatoria X. La
esperanza Matemtica o Valor Esperado de la
Variable Aleatoria g(x) se define como:
? A

|
=

+

dx ) x ( f * ) x ( g
) x ( f * ) x ( g
) x ( g E
x
Para valores discretos de X
Para valores continuos de X
ESPERANZA MATEMTICA
Los Valores Esperados de ciertas funciones g(x)
son de particular inters en la descripcin de las
propiedades de las Funciones de Distribucin.
? A

? A


x
2
x
2
2
x
x
dx ) x ( f * x
) x ( f * x
) x ( g
x ) x ( g si s
dx ) x ( f * x
) x ( f * x
) x ( g x ) x ( g si s
W =

u
u
=
u =
u =

= =

g +
g
g +
g
La varianza de una variable aleatoria X est definida
como el valor esperado de (u x)
2
. Es decir:
Var(X) = E[(X u)
2
]=
La desviacin estndar de X es la raz cuadrada
positiva de Var(X).
Si p(x
i
) es una caracterizacin exacta de la
distribucin de frecuencias de una poblacin,
entonces E(X)=Q, VAR(x)=
2
es la varianza de la
poblacin y es la desviacin estndar de la
poblacin.
VARIANZA Y DESVIACION ESTANDAR
? A

) ( ) (
2
i
x p X Q
VARIANZA
e
) (x P
b x
La Varianza de una Variable Aleatoria Discreta X esta
dada por:
La Varianza de una Variable Aleatoria Continua X
esta dada por:


2
2
x
2
2
x
2
x P * x
x P * x
u = W
u = W

dx x P x
2
2

+g
g
u = W
DESVIACIN ESTNDAR
e
) (x P
b x
La Desviacin Estndar de una Variable Aleatoria
Discreta X esta dada por:
La Desviacin Estndar de una Variable Aleatoria
Continua X esta dada por:


2
2
x
2
x
x P * x
x P * x
u = W
u = W

dx x P x
2

+

u = W
PROPIEDADES DE LOS VALORES
ESPERADOS Y VARIANZAS
1. E (a) = a, donde a es una constante
2. E (ax) = a E(x)
3. E (ax + b) = aE(x) + b
4. E(a
i
x
i
) = a
i
E(x
i
) si x
i
son excluyentes
5. E (xy) = E(x) E (y) si x, y son independientes
6. E (x
1
x
2
x
n
) = E(x
1
) E(x
2
) E(x
n
), si x
i
son indep.
1. Var(a) = , donde a es una constante
2. Var(ax) = a
2
Var (x)
3. Var(ax + b) = a
2
Var (x)
4. E(a
i
x
i
) = a
i
2
Var (x
i
) si x
i
son independientes
5. E(a
i
x
i
) = a
i
2
Var (x
i
) + 2a
i
a
k
Cov(x
i
x
k
)
i<k
Ejemplo: Consideremos una variable aleatoria discreta
X, que puede tomar los valores 0, 1, 2 con distribucin
de probabilidad dada por:
Entonces:
E(x) = (0*1/4) + (1*1/2) + (2*1/4) = 1
Es el valor alrededor del cual se sitan los valores de x.
x p(x)
0
1
2

Ejemplo: Encontrar la media, la varianza y la

desviacin estndar de la variable aleatoria Y, cuya
distribucin de probabilidad es:
y p ( y )
0
1
2
3
1 / 8
1 / 4
3 / 8
1 / 4

Entonces:
Q = E(Y)= =(0*1/8) +(1*1/4)+(2*3/8)
+ (3*1/4)
= 1.75
2
= E[(X u)
2
] =

=
3
0 y
yp(y)

=
3
0 y
)p(y) - (y Q
=(0-1.75)
2
(1/8)+(0-1.75)
2
(1/4)+(2-1.75)
2
(3/8)+
(3-1.75)
2
(1/4)
= 0.9375
W = =0.97
0.9375
2
= o
DISTRIBUCIN DISTRIBUCIN
NORMAL NORMAL
DISTRIBUCIN NORMAL
Una variable Aleatoria Continua X es una
Distribucin Normal si presenta la forma:
2
x
2
2
) x (
x
e
2
1
) x ( f
W
u
x W
=
Donde es la media y
2
es la Varianza
Extremidad
(o cola)
La curva normal es
simtrica Con dos
mitades idnticas
Extremidad
(o cola)
La media, la
mediana
Y la moda
son iguales
En teora,
la curva se
extiende
hasta -
En teora, la
curva se
extiende hasta
+
Caractersticas de la Distribucin Normal:
Caractersticas de la Distribucin Normal:
1.- Es acampanada y la media, la mediana
y la moda son iguales.
2.- La distribucin probabilstica es
simtrica con respecto a la media
3.- La curva normal decrece
uniformemente en ambas direcciones a
partir del valor central. Es asinttica, lo que
significa que la curva se acerca cada vez ms
al eje x, pero en realidad nunca llega a
tocarlo.
Caractersticas de la Distribucin Normal:
4.- Es descrita completamente por la media
y la desviacin estndar.
5.- Existe una familia de distribuciones
normales. Cada vez que cambian la media o
la desviacin estndar, se origina una nueva
distribucin normal.
6.- La variable asume todos los valores
reales, es decir va de - a .
DISTRIBUCION DE PROBABILIDA NORMAL
ESTANDAR
La distribucin normal estndar es un caso especial de
la distribucin normal donde:
a. Tiene una media de 0.00 y una desviacin estndar de
1.00
b. Cualquier distribucin normal puede convertirse a una
distribucin normal estndar mediante la siguiente
frmula:
o
Q
=
x
z
Donde:
Z: variable normal estandarizada
X: es el valor de cualquier observacin especfica
Q: es la media de la distribucin
o: es la desviacin estndar de la distribucin
La funcin de densidad de la distribucin de
probabilidad normal estndar ser:
2
x
2
1
e
2
1
) x ( f

x
= , xcJ
La funcin de distribucin Acumulada es:
? A dt e
2
1
dt ) t ( x X p ) x (
x x
2
t
2

g g

x
= = e = 1
Q - 3W Q -2W Q -1W Q Q -1W Q - 2W Q - 3W
68%
95%
99.7%
Areas bajo la
Curva:
Otras Propiedades:
-X
J(-x)
X
1-J(x)
1.- Si x tiene distribucin N(0,1), entonces para
todo x real positivo se cumple:
J(-x)=1-J(x)
Otras Propiedades:
W
Q
=
x
Z
2.- Si la variable X tiene distribucin N(Q,W
2
),
entonces la variable Z, definida por
tiene distribucin N(0,1) esta propiedad indica lo
siguiente: cualquiera que sea los valores de los parmetros
de la distribucin N(Q,W
2
), ella puede ser transformada a
una N(0,1). Luego las distribuciones probabilidades
correspondientes a X pueden ser calculados a partir de la
distribucin de la variable
W
Q
=
x
z
a la que se denomina variable normal estandarizada. Al
proceso de transformacin aplicado se le denomina
estandarizacin.
Otras Propiedades:
3.- E(x)= Q y Var(x)=W
2
4.- Si la var. X tiene distribucin N(Q,W
2
),
entonces la variable Y= ax + b tiene
distribucin N(aQ+b, a
2
W
2
)
X 0.00 0.01 0.02 0.03...............................0.09
0.0
0.1
.
.
1.0
1.1
.
.
.
3.4
.........
J
(0.11)
.......................................................................
J
(1.09)
....................................
J
(1.13)
......................
J
(3.42)
Tabla de la Distribucin Normal:
Donde:
J(0.11)=0.5438, J(1.09)=0.8621, J(1.13)=0.8708,
J(3.42)=0.9997
Tabla de la Distribucin Normal:
J(1.09)=0.8621
z = 1.09
A= 0.8621
X 0.00 0.01 0.02 0.03...............................0.09
0.0
0.1
.
.
1.0
1.1
.
.
.
3.4
.........
J
(0.11)
.......................................................................
J
(1.09)
....................................
J
(1.13)
......................
J
(3.42)
Tabla de la Distribucin Normal :(otra forma de
ver la tabla)
Donde:
J(0.11)=0.0438, J(1.09)=0.3621, J(1.13)=0.3708,
J(3.42)=0.4997
Tabla de la Distribucin Normal:
J(1.09)=0.3621
z = 1.09
A= 0.3621
Ejemplo: El tiempo de duracin de un foco de luz est
normalmente Distribuido, con una duracin media de 800
horas y una desviacin estndar de 200 horas. Se
compran 500 de estos focos. Cul es la distribucin de
probabilidad del nmero de focos que estarn en servicio
despues de 1000 horas?
Solucin:
Sea X bN(800,200
2
). Que el foco est en servicio despus
de 1000 horas, significa que el tiempo de duracin, X, sea
mayor que 1000 horas.
Entonces,

= = >
200
800 1000
200
800
1 1000 1 ) 1000 (
X
P X P X P
1587 . 0 8413 . 0 1 1 1 1 1 = = = e = c Z P
Ejemplo: El tiempo empleado de ir de un Centro de Salud
al Hospital por la ruta A se distribuye normalmente con
media igual a 27 y desviacin tpica igual a 5; mientras
que por la ruta B, la distribucin es normal con media
igual a 30 y desviacin tpica igual a 2. Qu ruta
conviene utilizar si se dispone de: a. 30 minutos?
Solucin:
Ruta A: = 27 = 5
Ruta B: = 30 = 2
P(x<30)=P(z<0.6)=0.5000+A(0.6)= 0.50000+0.22575 =0.72575
P(x<30) = 72.58%
6 . 0
5
3
5
27 30
z
A
= =

=








A = 0.2258
x
17 22 27 30 32 37
0.6
z
Ruta B: = 30 = 2
P(x<30) = P(z<0) =0.50
0
2
0
2
30 30
z
B
= =

=







B = 0.5
x
25 28 30 32 34
0
z
Como interesa elegir la ruta donde halla
mayores probabilidades de llegar temprano
cuando se dispone de 30 minutos, en este caso
conviene elegir la ruta A que da un mayor valor
para P (x<30) 0.7528 = 72.58%
Ejemplo: En cierta clnica, el salario medio de los
mdicos es de $ 3.60 por hora y la desviacin estndar es
de 45 centavos de dlar. Si se supone que los salarios
tienen una distribucin normal, Qu porcentaje de
mdicos percibe salarios entre 3.00 y 3.500 por hora?
Solucin:
Se sabe que: = 3.6 = 0.45
33 . 1
3
4
45 . 0
60 . 0
45 . 0
60 . 3 00 . 3
z =

=
22 . 0
9
2
45 . 0
10 . 0
45 . 0
60 . 3 50 . 3
z =

=
La solucin es el rea comprendida entre los valores
de z = -0.22 y z = -1.33. Por simetra podemos
calcular esa rea:








x
3.0 3.5 3.6
-1.33 -0.22 0
z
rea pedida:
A (1.33) A (0.22) = 0.4082 0.0871
=0.3211= 32.11%
Ejemplo: En una poblacin de 3,428 adultos, la
distribucin de las estaturas es aproximadamente
normal, con media 140 centmetros y desviacin estndar
de 25 centmetros. Calcule el nmero de dichas personas
con estatura:
a. Superior a 170 centmetros
Solucin:
Poblacin adultos: 3,428 = 140 cm. = 25 cm.
La poblacin con estatura superior a 170 centmetros, se
obtiene mediante:
2 . 1
25
30
25
140 170
z = =

=
El rea que buscamos ser: 0.5 A(1.2)
A (1.2) = 0.38493
0.5000 - 0.3849 = 0.1151 = 11.51%
El 11.51% de 3428 es 395 personas, es decir que hay
395 personas con estatura superior a 1.70 cm.






x
1.40 1.70 1.90
0 1.2
z
f.Entre que valores queda ubicado el 40% central?
Solucin:
Buscando el rea 0.200 en la tabla encontramos para z el
valor 0.52 = 0.1985 Y 0.53 = 0.2019, que interpolado
resulta 0.524.
Q + W =
W
Q
= z x
x
z
i
i
x
i
= 0.524 (25) +140 =13.10 + 140
x
i
= 153.10 a la derecha
x
i
= -0.524 (25) +140 = -13.10 + 140
x
i
= 126.90 a la izquierda
El 40% central queda ubicado entre 126.90 y
153.10







x
126.9 153.1
-0.524 0 0.524
z