DISTRIBUCIN TEORA

Distribuciones de Probabilidad
Distribuciones de
Probabilidad
Distribuciones de
Probabilidad
Discretas

Binomial
Poisson

Distribuciones de
Probabilidad
Continuas

Normal

DISTRIBUCIONES

Distribuciones Continuas
de Probabilidad

Distribucin Uniforme de Probabilidad

En las distribuciones discretas la funcin de

probabilidad toma valores especficos, sin
embargo, cuando es continua se habla de una
funcin de densidad que entrega slo un valor
evaluado
Es el rea bajo la curva, definida por un intervalo,
la que determina la probabilidad de una variable
aleatoria continua.
Una distribucin uniforme de probabilidad es una
distribucin continua en la que la probabilidad de
que la variable aleatoria asuma un valor en
cualquier intervalo es igual para todo intervalo de
igual longitud

Distribucin uniforme

Siempre que la probabilidad sea proporcional a la

longitud del intervalo, la variable tiene distribucin
uniforme

f ( x)

1
ba
0

a xb
x

f ( x)

f( x)dx 1

ejemplo

Ejemplo: el precio medio del litro de gasolina durante el prximo ao se estima que
puede oscilar entre 140 y 160 ptas. Podra ser, por tanto, de 143 ptas., o de 143,4 ptas.,
o de 143,45 ptas., o de 143,455 ptas, etc. Hay infinitas posibilidades, todas ellas con la
misma probabilidad.
Su funcin de densidad, aquella que nos permite conocer la probabilidad que tiene
cada punto del intervalo, viene definida por: f(x) = 1/(b-a)
Donde:
b: es el extremo superior (en el ejemplo, 160 ptas.)
a: es el extremo inferior (en el ejemplo, 140 ptas.)
Por lo tanto, la funcin de distribucin del ejemplo sera:
F(x)= 1/(160-140) = 0.05

ejemplo

El valor medio de esta distribucin se calcula: E(x)= (a+b)/2

En el ejemplo: E(x) = (140 +160) /2 = 150
Por lo tanto, el precio medio esperado de la gasolina para el prximo ao es de 150
ptas.
Veamos otro ejemplo:
El volumen de precipitaciones estimado para el prximo ao en la ciudad de Sevilla va a
oscilar entre 400 y 500 litros por metro cuadrado. Calcular la funcin de distribucin y la
precipitacin media esperada:
F(x)= 0.01
Es decir, que el volumen de precipitaciones est entre 400 y 401 litros
tiene un 1% de probabilidades; que est entre 401 y 402 litros, otro 1%, etc.
E(x)=450 Es decir, la precipitacin media estimada en Sevilla para el prximo ao es de
450 litros.

De acuerdo a lo anterior se presentan 2

diferencias principales entre el manejo de
variables aleatorias discretas y continuas:

Ya no se habla de un valor dado, en su lugar aparece

el trmino un valor dentro de un intervalo
La probabilidad de que una variable aleatoria tome
un valor dentro del intervalo se definen como rea
bajo la curva. Esto implica que la probabilidad de
que esta variable asuma exactamente un valor es 0.

Para este tipo de distribucin se define las siguientes

medidas descriptivas:
ab
2
(b a ) 2
Var ( x)
12
E ( x)

Ejercicio

Se sabe que x es una variable aleatoria

uniformemente distribuida entre 10 y
20.

Trace la grfica de la funcin de

probabilidad
Determine P(x<15)
Determine P(12x 18)
Determine E(x)
Calcule la desviacin estndar

Distribucin Normal de Probabilidad

Abraham de Moivre public en 1733 la

Doctrina de las Probabilidades y dedujo
la distribucin normal de probabilidad
Es la distribucin continua ms
importante de probabilidad.
En casos puntuales se puede aplicar
como una aproximacin en el empleo de
variables discretas

La funcin de densidad normal de

probabilidad se expresa como:

f ( x)

1
( x ) 2 / 2 2
e
2

Promedio
Desviacin estndar

Caractersticas de esta distribucin:

Hay familias de distribuciones normales. Cada una se

identifica por su media y su desviacin estndar
El punto ms alto es la media
La media puede ser cualquier valor numrico
La distribucin de probabilidad normal es simtrica.
Las colas se prolongan hasta el infinito (nunca tocan
el eje de las x)
Las desviaciones estndares determinan el ancho de
la curva
El rea total es 1

Regla emprica
68.26%

95.44%
99.72%

La altura de una distribucin normal

vara por lo cual en el clculo del rea
se debe recurrir al clculo infinitesimal
Cuando tenemos una distribucin
normal con media 0 y desviacin
estndar 1 se habla de una distribucin
normal estndar
El valor de z indica la variable aleatoria
normal

P(.00 z 1.00) .3413

P(1.00 z 1.00) .6826

Ejemplo

Determine la probabilidad de que

neumticos fabricados por Goodyear
puedan superar las 40.000 millas, si se
tiene un promedio de 36.500 millas y una
desv. estndar de 5.000.
40000 36500
z
0.7 0.2580
5000

P(x40000)=?

Aproximacin Normal a distribucin

Binomial

La distribucin binomial consiste en la sucesin de

n intentos independientes idnticos que tienen 2
posibilidades:xito o fracaso.
Cuando tenemos n mayores de 20, np5, y n(1-p)
5 la distribucin normal da como resultado una
aproximacin a la distribucin binomial
En este caso se iguala en la definicin de la curva
normal:
np

np (1 p )

Sin embargo, se debe aplicar un factor de

continuidad de 0.5 ya que la evaluacin de un
valor en una distribucin normal es 0.

En una empresa se ha visto que en un 10%

de sus facturas se cometen errores y se desea
calcular la probabilidad que de 100 facturas,
12 de ellas los contengan
100(.10) 10
np (1 p ) 3
12.5 10.0
0.83 0.2967
3
11.5 10
z2
0.5 0.1915
3
z1

z1
z2

P(12) 0.2967 0.1915 0.1052

Distribucin exponencial de
probabilidad

Es una distribucin continua de probabilidad

que se aplica para determinar las
probabilidades de ocurrencias de un evento en
el tiempo y espacio
La funcin de densidad de esta distribucin
es:
1 x /
x 0, 0
f ( x) e

De acuerdo a sta la distribucin exponencial

de probabilidad (rea bajo la curva)
corresponde a:

P ( x xo ) 1 e xo /

Funcin
f ( x)

Tiempo

f ( x)

Distribucin

Tiempo

Ejemplo

Determinar la probabilidad de que un camin

que llega a un puerto sea cargado en 6
minutos o menos. Se sabe que en promedio
se demoran 15 minutos
f ( x)

P( x 6) 1 e 6 /15 0.3297

0 6

Tiempo(min)

Se puede llegar a establecer una relacin

entre la distribucin exponencial y la
distribucin de Poisson considerando que
ambas incluyen intervalos de tiempo

e
f p ( x)
x!
1
x
e
f e ( x) p e p
p

Ejercicios

El tiempo necesario para terminar

una operacin de ensamblaje se
distribuye uniformemente entre 30 y
40 minutos

Calcule la ecuacin de la funcin de

densidad de probabilidad
Calcule la probabilidad de que la
operacin requiera ms de 38 minutos
Determine el valor esperado y la varianza

Una mquina llena recipientes con

determinado producto. Se sabe que la
desviacin estndar de pesos de llenado,
de acuerdo a datos histricos, es de 0.6
onzas. Si slo el 2% de los recipientes
contienen menos de 18 onzas, Cul es
el peso promedio de llenado de la
mquina?. Suponga distribucin
uniforme.

El tiempo, en minutos, que tarda cada

llamada telefnica en entrar a una oficina de
corredores de seguros tiene la siguiente
distribucin:
0.50 x
f ( x) 0.50e

x0

Cul es la media del tiempo entre llamadas?

Cul es la probabilidad de tener 30 segundos o
menos entre llamadas telefnicas?
Cul es la probabilidad de tener 5 minutos o ms
sin una llamada?

Distribucin Bernoulli
Un experimento muy comn es observar una caracterstica
dicotmica.

1 si ocurre A
p x (1 p )1 x
si
x 0,1

X
p( x)

0 si no ocurre
0
enotrocaso

E(X) = 1.p + 0.(1- p) = p

V ( X )E ( X ) E ( X ) p p p(1 p )
2

Experimento binomial
Muchos experimentos satisfacen las siguientes condiciones:

a) El experimento consiste en n pruebas o

repeticiones Bernoulli con n fijo.
b) Las pruebas son independientes, es decir el
resultado de una prueba no influye sobre el de
cualquier otra.
c) La probabilidad de xito se mantiene constante de
prueba en prueba y se denotar p.

DISTRIBUCIN BINOMIAL
Una sucesin de pruebas Bernoulli genera la variable aleatoria
binomial

X es el nmero de veces que ocurre el atributo A

X es el nmero de xitos
Los valores que puede tomar X es: 0,1, 2, 3, , n

X ~B(n,p)

EJEMPLO 1
De una urna que contiene 8 bolas blancas y 12 negras, se
extraen con reemplazo, 5 bolas.
La variable que contabiliza el nmero de bolas blancas
extradas es una variable aleatoria binomial.
X cuenta el nmero de xitos en este caso el nmero de
bolas blancas extradas.
Los parmetros de esta distribucin binomial son:

n5

8 2
p

20 5

DISTRIBUCIN BINOMIAL
La funcin de distribucin de probabilidad de una
variable aleatoria X Binomial

p( x / n, p)

p x (1 p)n x
0

si
en otro caso

x 0,1,2,..., n

ESPERANZA Y VARIANZA DE UNA

VARIABLE BINOMIAL

E( X ) E

i 1

V ( X ) V

X
i

i 1

E ( X ) p np
i

i 1

i 1

V ( X ) p(1 p) np ( 1 p)
i

i 1

i 1

DISTRIBUCIN BINOMIAL
p(x)

n =12
p = 0.7

DISTRIBUCIN BINOMIAL
p(x)

n =12
p = 1/2

DISTRIBUCIN BINOMIAL

X se distribuye en forma binomial con

parmetros n y p
n es el nmero de repeticiones
p es la probabilidad de xito
Funcin de probabilidad

Funcin de probabilidad
acumulada

P[ X r ]

p r q nr ,

x 0

P[ X r ]

0rn

Media: =n p

p x q n x

Varianza: 2 = n p q

EJEMPLO 2
De una urna que contiene 8 bolas blancas y 12 verdes, se
extraen con reemplazo, 6 bolas.
a) Cul es la probabilidad de que se extraigan
exactamente 3 bolas blancas?
b) Cul es la probabilidad de que se extraigan a lo sumo
3 bolas blancas?
c) Cul es la probabilidad de que se extraigan al menos
3 bolas blancas?

EJEMPLO 2

X cuenta el nmero de xitos en este caso el nmero de

bolas blancas extradas.
Los parmetros de esta distribucin binomial son:

n6

8 2
p

20 5

EJEMPLO 3
La probabilidad de que un paciente se recupere de
una rara enfermedad sangunea es de 0.6. Si se
sabe que 15 personas contraen esta enfermedad,
cul es la probabilidad de que:
(a)sobrevivan al menos 10,
(b)sobrevivan de 3 a 8
(c) sobrevivan exactamente 5

EL PROCESO DE POISSON
Es una sucesin de fallas o acontecimientos puntuales,
que ocupan individualmente, una porcin despreciable
en un medio continuo.
Ese medio continuo puede ser un intervalo dado o una
regin especfica.

EL PROCESO DE POISSON
El intervalo dado puede ser de cualquier longitud,
como un minuto, un da, una semana, etc.
La regin especfica podra ser un segmento, un rea,
etc.
Genera valores para la v. a. X que representa por
ejemplo: el numero de llamadas telefnicas por hora
que recibe una oficina.

EL PROCESO DE POISSON
De modo que la probabilidad de que ocurra un nmero
dado X de fallas en una extensin T de continuo es
independiente de la posicin de T dentro del continuo
y de la ocurrencia de fallas en otros tramos, esto es,
que las fallas no se producen en cadenas y el
proceso no tiene memoria.

 CORTES DE LUZ EN UNA CIUDAD

LLAMADAS TELEFNICAS A UNA LNEA
LLEGADAS DE PERSONAS A UN COMERCIO
FALLAS EN LOS ROLLOS DE ALFOMBRA
ACCIDENTES DE TRANSITO EN UNA CIUDAD
TEMBLORES EN UNA REGION DETERMINADA
PASAS DE UVAS EN UN BUDIN

= TASA DE FALLAS (RESULTADOS) O PROMEDIO DE

FALLAS (RESULTADOS) POR UNIDAD DE CONTINUO.

UNA UNIDAD DE CONTINUO PUEDE SER UN

INTERVALO, UNA REGION ESPECFICA.

NMERO MEDIO DE FALLAS

UNIDAD DE EXTENSIN DEL CONTINUO

DISTRIBUCIN DE POISSON
Fijada la extensin t del continuo, el nmero de
fallas X (acontecimientos o resultados) que pueden
encontrarse en ella es una variable aleatoria,
denominada variable de POISSON, cuya media o
esperanza es

E( X ) t

DISTRIBUCIN DE POISSON
La probabilidad de encontrar x fallas en la extensin t
est dada por:

p ( x; t )

t
x!

x 0, 1, 2, 3, ...

x!

EJEMPLO 4
El proceso productivo de un tipo de tela produce fallas a
una tasa de 1.2 fallas cada 100 metros y se bobina en
rollos de 80 metros. Definiremos como rollo de Primera
Calidad aquel que tiene una falla o ninguna, de Segunda
Calidad que tiene 2 fallas y de rechazo el que tiene 3
ms fallas. Calculemos las probabilidades para cada una
de estas calidades.

x 0, 1, 2, 3, ...

X: Nmero de fallas

NMERO MEDIO DE FALLAS

UNIDAD DE EXTENSIN DEL CONTINUO

1.2

0.012
100

t 0.012 * 80 0.96

p ( x; 0.96)

0.96

0.96
x!

p (0; 0.96)

0.96

0.96

0.383

0!
1
0.96

e
0.96
p (1; 0.96)
0.367
1!
P (1a Calidad) 0.75
P (2 a Calidad) p (2) 0.176
P (Re chazo) 0.074

DISTRIBUCIONES
DISCRETAS DE
PROBABILIDAD

Variable aleatoria
Definicin: Se llama variable aleatoria a toda funcin
que asocia a cada elemento del espacio muestral un
nmero real
X:E

Ejemplo: Consideremos el experimento consistente en el

lanzamiento de dos monedas. El espacio muestral
asociado ser

E c, c , c, x , x , c , x, x

Asignamos a cada elemento del espacio

muestral un nmero, el correspondiente
al nmero de caras.
E
(c,c)
(c,x)
(x,c)
(x,x)

X
2
1
1
0

Funcin de probabilidad
Definicin: Se llama funcin de probabilidad de una
variable aleatoria X a la funcin que asocia a cada valor x
de la variable su probabilidad

Ejemplo: Consideremos el experimento

consistente en el lanzamiento de un dado
perfecto. Tendremos la siguiente situacin :

Funcin de probabilidad
p

1
2
3
4
5
6

1/6
1/6
1/6
1/6
1/6
1/6

Se debe cumplir que p1 p2 ..... pn 1

Funcin de distribucin
Definicin: Sea X una variable aleatoria discreta cuyos
valores suponemos ordenados de menor a mayor.
Llamamos funcin de distribucin de la variable X a la
funcin
F ( xi ) p ( X xi )

Ejemplo: Consideremos el experimento

consistente en el lanzamiento de un dado
perfecto.
Tendremos
la
siguiente
situacin:

1/6

1/6

1/6

2/6

1/6

3/6

1/6

4/6

1/6

5/6

1/6

Media
Definicin: Se llama media de la variable aleatoria X, que
x1 , x2 ,......xn
toma valores
p1 , p 2 ,....., p n
con probabilidades
al valor:
n

x1 p1 x2 p2 ......xn pn xi pi
i 1

Ejemplo: En el ejemplo del lanzamiento del dado perfecto

tendremos:
1
1
1
1 2 ...... 6
6
6
6
1 21
(1 2 3 4 5 6)
3,5
6 6

Desviacin Tpica
Definicin: Se llama desviacin tpica de la variable
aleatoria X, a la raz cuadrada positiva de la varianza:

2
(
x

)
pi
i

i 1

2
2
x

i i

i 1

La Distribucin Normal
Captulo 6

Continuaremos el estudio de las

distribuciones de probabilidad
analizando una
distribucin de probabilidad contnua
muy importante

Distribuciones de Probabilidad
Distribuciones de
Probabilidad
CAP. 5

Distribuciones de
Probabilidad
Discretas

Binomial
Poisson

Distribuciones de
Probabilidad
Continuas

Normal

CAP. 6

La distribucin normal

Repasemos
Una variable aleatoria contnua
es aquella que puede asumir un
nmero infinito de valores
dentro de cierto rango especfico.

Ejemplos:
La presin ejercida por un
brazo robot en manufactura
El peso del equipaje en un avin
El tiempo transcurrido en
procesar una orden de compra

En esta unidad estudiaremos:

las caractersticas principales
de la distribucin de probabilidad
normal
la distribucin normal estndar
cmo se utiliza la distribucin
normal para estimar
probabilidades binomiales

La distribucin normal se usa en:

Psicologa
Biologa
Economa y finanzas
Astronoma
Ciencias de la nutricin
Ciencias sociales y
administrativas

La familia de las distribuciones

de probabilidad
normal
No existe una sola distribucin
de probabilidad normal, sino ms bien
se trata de toda una familia de ellas.
Cada una de las distribuciones puede
tener una media distinta (u)
y desviacin estndar distinta ().
Por tanto, eI nmero de distribuciones
normales es ilimitado.

La familia de las distribuciones

de probabilidad
normal

Al variar los parmetros and , obtenemos diferentes

distribuciones normales

La familia de las distribuciones

de probabilidad
normal
f(X)

Cambiando movemos la
distribucin lhacia la izquierda
o derecha.
Cambiando aumentamos o
disminumos su altura..

La distribucin de probabilidad normal y

la curva normal que la acompaa tienen
las siguientes caractersticas:
La curva normal
tiene forma de
campana y un
slo pico en el
centro de la
distribucin.

Caractersticas (cont.)
El promedio aritmtico, la mediana y la moda
de la distribucin son iguales y se ubican en
el pico.

Caractersticas (cont.)
La mitad del
rea bajo la
curva se
encuentra a la
derecha de este
punto central y
la otra mitad
est a la
izquierda de
dicho punto.

Caractersticas (cont.)

Es simtrica en torno a su promedio.

Si se corta Ia curva normal de manera
vertical por el valor central, las dos
mitades sern como imgenes en un
espejo.

Caractersticas (cont.)
La curva normal desciende suavemente en
ambas direcciones a partir del valor central.
Es asinttica, Ia curva se acerca cada vez ms
al eje de X pero jams llega a tocarlo. Es decir, las
colas de Ia curva se extienden de manera
indefinida en ambas direcciones.

Caractersticas (cont.)

La distribucin de probabilidad
normal estndar
Sera fsicamente imposible proporcionar
una tabla de probabilidades para cada
combinacin de u y (como para Ia
distribucin binomial o para Ia de Poisson) .
Es posible utilizar un slo miembro de Ia
familia de distribuciones normales para
todos los problemas en los que se aplica
Ia distribucin normal.

La distribucin de probabilidad
normal estndar
Tiene una media de 0 y una desviacin
estndar de 1
f(Z)

Los valores mayores al promedio tienen

valores Z positivos y, valores menores al
promedio tendrn valores Z negativos.

La distribucin de probabilidad
normal estndar
Todas las distribuciones normales pueden
convertirse a distribucin normal estndar
restando Ia media de cada observacin y
dividiendo por Ia desviacin estndar.
Utilizando un valor z, se convertir, o
estandarizar, Ia distribucin real a una
distribucin normal estndar.
Transformamos unidades X en unidades Z

El valor z
Un valor z es Ia distancia a partir de
Ia media, medida en las unidades de
desviacin estndar.

El valor z
Valor z = Ia distancia entre un valor
seleccionado (x) y Ia media (u),
dividida por la desviacin estndar ().

X
Z

Lmites sigma

Lmites dos sigma

Lmites tres sigma

Al determinar el valor z empleando Ia frmula

anterior, es posible encontrar eI rea de
probabilidad bajo cualquier curva normal
haciendo referencia a Ia distribucin normal
estndar en el apndice D (pgina 523).

0.00

0.01

0.02

0.03

0.04

0.05

0.06

0.07

0.08

0.09

0.0

0.0000

0.0040

0.0080

0.0120

0.0160

0.0199

0.0239

0.0279

0.0319

0.0359

0.1

0.0398

0.0438

0.0478

0.0517

0.0557

0.0596

0.0636

0.0675

0.0714

0.0753

0.2

0.0793

0.0832

0.0871

0.0910

0.0948

0.0987

0.1026

0.1064

0.1103

0.1141

0.3

0.1179

0.1217

0.1255

0.1293

0.1331

0.1368

0.1406

0.1443

0.1480

0.1517

0.4

0.1554

0.1591

0.1628

0.1664

0.1700

0.1736

0.1772

0.1808

0.1844

0.1879

0.5

0.1915

0.1950

0.1985

0.2019

0.2054

0.2088

0.2123

0.2157

0.2190

0.2224

0.6

0.2257

0.2291

0.2324

0.2357

0.2389

0.2422

0.2454

0.2486

0.2517

0.2549

0.7

0.2580

0.2611

0.2642

0.2673

0.2704

0.2734

0.2764

0.2794

0.2823

0.2852

0.8

0.2881

0.2910

0.2939

0.2967

0.2995

0.3023

0.3051

0.3078

0.3106

0.3133

0.9

0.3159

0.3186

0.3212

0.3238

0.3264

0.3289

0.3315

0.3340

0.3365

0.3389

1.0

0.3413

0.3438

0.3461

0.3485

0.3508

0.3531

0.3554

0.3577

0.3599

0.3621

1.1

0.3643

0.3665

0.3686

0.3708

0.3729

0.3749

0.3770

0.3790

0.3810

0.3830

1.2

0.3849

0.3869

0.3888

0.3907

0.3925

0.3944

0.3962

0.3980

0.3997

0.4015

1.3

0.4032

0.4049

0.4066

0.4082

0.4099

0.4115

0.4131

0.4147

0.4162

0.4177

1.4

0.4192

0.4207

0.4222

0.4236

0.4251

0.4265

0.4279

0.4292

0.4306

0.4319

1.5

0.4332

0.4345

0.4357

0.4370

0.4382

0.4394

0.4406

0.4418

0.4429

0.4441

1.6

0.4452

0.4463

0.4474

0.4484

0.4495

0.4505

0.4515

0.4525

0.4535

0.4545

1.7

0.4554

0.4564

0.4573

0.4582

0.4591

0.4599

0.4608

0.4616

0.4625

0.4633

1.8

0.4641

0.4649

0.4656

0.4664

0.4671

0.4678

0.4686

0.4693

0.4699

0.4706

1.9

0.4713

0.4719

0.4726

0.4732

0.4738

0.4744

0.4750

0.4756

0.4761

0.4767

2.0

0.4772

0.4778

0.4783

0.4788

0.4793

0.4798

0.4803

0.4808

0.4812

0.4817

2.1

0.4821

0.4826

0.4830

0.4834

0.4838

0.4842

0.4846

0.4850

0.4854

0.4857

2.2

0.4861

0.4864

0.4868

0.4871

0.4875

0.4878

0.4881

0.4884

0.4887

0.4890

2.3

0.4893

0.4896

0.4898

0.4901

0.4904

0.4906

0.4909

0.4911

0.4913

0.4916

2.4

0.4918

0.4920

0.4922

0.4925

0.4927

0.4929

0.4931

0.4932

0.4934

0.4936

2.5

0.4938

0.4940

0.4941

0.4943

0.4945

0.4946

0.4948

0.4949

0.4951

0.4952

2.6

0.4953

0.4955

0.4956

0.4957

0.4959

0.4960

0.4961

0.4962

0.4963

0.4964

2.7

0.4965

0.4966

0.4967

0.4968

0.4969

0.4970

0.4971

0.4972

0.4973

0.4974

2.8

0.4974

0.4975

0.4976

0.4977

0.4977

0.4978

0.4979

0.4979

0.4980

0.4981

2.9

0.4981

0.4982

0.4982

0.4983

0.4984

0.4984

0.4985

0.4985

0.4986

0.4986

3.0

0.4987

0.4987

0.4987

0.4988

0.4988

0.4989

0.4989

0.4989

0.4990

0.4990

APENDICE D
Areas debajo de la
curva normal

Ejemplo:
Supongamos que se calcul el valor z y el
resultado es 1.91.
CuI es eI rea bajo la curva normal entre
u y X?

Utilizamos el apndice D.
Baja por Ia columna de la tabla
encabezada con Ia Ietra z hasta
llegar a 1.9.
Luego muvete en direccin
horizontal a la derecha y lee Ia
probabilidad en Ia columna con el
encabezado 0.01.
Es 0.4719.

0.00

0.01

0.02

0.03

0.04

0.05

0.06

0.07

0.08

0.09

0.0

0.0000

0.0040

0.0080

0.0120

0.0160

0.0199

0.0239

0.0279

0.0319

0.0359

0.1

0.0398

0.0438

0.0478

0.0517

0.0557

0.0596

0.0636

0.0675

0.0714

0.0753

0.2

0.0793

0.0832

0.0871

0.0910

0.0948

0.0987

0.1026

0.1064

0.1103

0.1141

0.3

0.1179

0.1217

0.1255

0.1293

0.1331

0.1368

0.1406

0.1443

0.1480

0.1517

0.4

0.1554

0.1591

0.1628

0.1664

0.1700

0.1736

0.1772

0.1808

0.1844

0.1879

0.5

0.1915

0.1950

0.1985

0.2019

0.2054

0.2088

0.2123

0.2157

0.2190

0.2224

0.6

0.2257

0.2291

0.2324

0.2357

0.2389

0.2422

0.2454

0.2486

0.2517

0.2549

0.7

0.2580

0.2611

0.2642

0.2673

0.2704

0.2734

0.2764

0.2794

0.2823

0.2852

0.8

0.2881

0.2910

0.2939

0.2967

0.2995

0.3023

0.3051

0.3078

0.3106

0.3133

0.9

0.3159

0.3186

0.3212

0.3238

0.3264

0.3289

0.3315

0.3340

0.3365

0.3389

1.0

0.3413

0.3438

0.3461

0.3485

0.3508

0.3531

0.3554

0.3577

0.3599

0.3621

1.1

0.3643

0.3665

0.3686

0.3708

0.3729

0.3749

0.3770

0.3790

0.3810

0.3830

1.2

0.3849

0.3869

0.3888

0.3907

0.3925

0.3944

0.3962

0.3980

0.3997

0.4015

1.3

0.4032

0.4049

0.4066

0.4082

0.4099

0.4115

0.4131

0.4147

0.4162

0.4177

1.4

0.4192

0.4207

0.4222

0.4236

0.4251

0.4265

0.4279

0.4292

0.4306

0.4319

1.5

0.4332

0.4345

0.4357

0.4370

0.4382

0.4394

0.4406

0.4418

0.4429

0.4441

1.6

0.4452

0.4463

0.4474

0.4484

0.4495

0.4505

0.4515

0.4525

0.4535

0.4545

1.7

0.4554

0.4564

0.4573

0.4582

0.4591

0.4599

0.4608

0.4616

0.4625

0.4633

1.8

0.4641

0.4649

0.4656

0.4664

0.4671

0.4678

0.4686

0.4693

0.4699

0.4706

1.9

0.4713

0.4719

0.4726

0.4732

0.4738

0.4744

0.4750

0.4756

0.4761

0.4767

2.0

0.4772

0.4778

0.4783

0.4788

0.4793

0.4798

0.4803

0.4808

0.4812

0.4817

2.1

0.4821

0.4826

0.4830

0.4834

0.4838

0.4842

0.4846

0.4850

0.4854

0.4857

2.2

0.4861

0.4864

0.4868

0.4871

0.4875

0.4878

0.4881

0.4884

0.4887

0.4890

2.3

0.4893

0.4896

0.4898

0.4901

0.4904

0.4906

0.4909

0.4911

0.4913

0.4916

2.4

0.4918

0.4920

0.4922

0.4925

0.4927

0.4929

0.4931

0.4932

0.4934

0.4936

2.5

0.4938

0.4940

0.4941

0.4943

0.4945

0.4946

0.4948

0.4949

0.4951

0.4952

2.6

0.4953

0.4955

0.4956

0.4957

0.4959

0.4960

0.4961

0.4962

0.4963

0.4964

2.7

0.4965

0.4966

0.4967

0.4968

0.4969

0.4970

0.4971

0.4972

0.4973

0.4974

2.8

0.4974

0.4975

0.4976

0.4977

0.4977

0.4978

0.4979

0.4979

0.4980

0.4981

2.9

0.4981

0.4982

0.4982

0.4983

0.4984

0.4984

0.4985

0.4985

0.4986

0.4986

3.0

0.4987

0.4987

0.4987

0.4988

0.4988

0.4989

0.4989

0.4989

0.4990

0.4990

APENDICE D
Areas debajo de la
curva normal

Esto signitica que 47.19 por

ciento del rea bajo Ia curva se
encuentra entre u y eI valor
X,1.91 desviaciones estandar a
la derecha de Ia media.
Esta es Ia probabilidad de que
una observacin est entre 0 y
1.91 desviaciones estndar de Ia
media.

Ejercicios:
Valor z calculado

Area bajo Ia curva

2.84

.4977

1.00

.3413

0.49

.1879

Ahora calcularemos eI valor z dada:

Ia media de Ia poblacin, u,
la desviacin estndar de sta, ,
y una X seleccionada.

Ejercicios:
Los ingresos semanales de los gerentes de
nivel intermedio tienen una distribucin
aproximadamente normal con una media de
$1,000.00 y una desviacin estndar de
$100.00.
Cul es el valor z para un ingreso X de
$1,100.00?
Y, para uno de $900.00?

Utilizando la frmula:

X
Z

Para X = $1,100:

Para X = $900:

1100 1000
100

900 - 1000
100
= - 1.00

= 1.00

La z de 1.00 indica que un ingreso semanal

de $1,100.00 para un gerente de nivel
intermedio est una desviacin estndar a la
derecha de Ia media.
La z de -1.00 indica que un ingreso de
$900.00 est una desviacin estndar a la
izquierda de Ia media.
Ambos ingresos ($1,100 y $900) estn a Ia
misma distancia ($100) de Ia media.

900

1,000

1,100

(pgina 200)
Auto evaluacin 6-1
Ejercicios

3 a) b)
4

La primera aplicacin de Ia distribucin

normal estndar es encontrar el rea bajo Ia
curva normal entre una media y un valor
seleccionado, designado como X.
Utilizando Ia misma distribucin que en eI
ejemplo anterior del ingreso semanal
(u = $1 000, = $100)
CuI es el rea bajo Ia curva normal entre
$1,000 y $1,100?

Ya se calcul el valor z para $1,100

utilizando la frmula: z = 1.00
La probabilidad asociada con el valor z de
1.00 se encuentra en el apndice D.
Para ubicar el rea, desciende por la
columna de Ia izquierda hasta 1.0. Luego
muvete a Ia derecha y lee el rea bajo Ia
curva en Ia columna marcada 0.00.
Es 0.3413.

0.5

0.5

La media divide Ia curva normal en dos

mitades idnticas. El rea bajo Ia mitad a Ia
izquierda de Ia media es 0.5 y eI rea a Ia
derecha de Ia media es tambien 0.5.

Ejercicios:
Utilizando nuevamente el ingreso medio de
$1,000 al mes y Ia desviacin estndar de
$100 al mes:
1.Cul es Ia probabilidad de que un ingreso
semanal especfico elegido aI azar est
entre 790 y 1,000 dlares?

Pregunta 1

Calculamos eI valor z para $790 utilizando

Ia frmula:

X
Z

790 1000 = - 210 = -2.10

100
100

 El signo negativo en 2.10 indica que el rea

est a Ia izquierda de Ia media.

-2.10

900

1,000

1,100

 El rea bajo Ia curva normal entre u y X que

corresponde a un valor z de -2.10 es:
(apndice D).
.4821

.4821

|
|
|
-2.10

900

1,000

1,100

2.CuI es Ia probabilidad de que eI ingreso

sea menos de 790 dlares?

0.5

0.5

La media divide Ia curva normal en dos

mitades idnticas. El rea bajo Ia mitad a Ia
izquierda de Ia media es 0.5 y eI rea a Ia
derecha de Ia media es tambien 0.5.

Por tanto,
0.5000 - 0.4821 = 0.0179

.4821

.0179 ||

||
|

-2.10

900

1,000

1,100

(pgina 202)
Auto evaluacin 6-2
Ejercicios

5 a) b) c)
7 a) b) c)

Continuemos
Una segunda aplicacin de Ia distribucin
normal estndar es:
combinar dos reas:
- una a Ia derecha
- y Ia otra a Ia izquierda de Ia media.

Regresemos a Ia distribucin de
ingresos semanales
(u = $1,000 = $100)
CuI es el rea bajo Ia curva normal entre
$ 840 y $1,200?

Es necesario dividir Ia pregunta en dos partes.

Para el rea entre $840 y Ia media de $1,000:
840 -1000 = -160 = 1.60
100
100
Para el rea entre $1,200 y Ia media de $1,000:
1,200 -1000 = 200 = 2.00
100
100

(apndice D).
El rea bajo la curva para un valor z de -1.60
es: 0.4452.
El rea bajo Ia curva para un valor z de 2.00
es 0.4772.
Sumando las dos reas:
0.4452+ 0.4772 = 0.9224

As, Ia probabilidad de seleccionar un

ingreso entre $840 y $1,200 es 0.9224.
En otras palabras, 92.24 por ciento de los
gerentes tienen ingresos semanales entre
$840 y $1,200.

| 0.4452.
|
|
|
840

0.4772.

1,000

|
|
|
1,200

Continuemos
Otra aplicacin de Ia distribucin normal
estndar esi:
encontrar el rea mayor o menor de un
valor especfico.

Continuemos con Ia distribucin de

ingresos semanales
(u = $1 000, = $100)
qu porcentaje de los ejecutivos recibe
ingresos semanales de $1,245 o ms?

Para el rea entre $1,245 y Ia media de $1,000:

1,245 -1000 = 245 = 2.45
100
100

(apndice D).
El rea bajo Ia curva para un valor z de 2.45
es 0.4929.

Restando: 05000 - 0.4929 = 0.0071

Slo el .71 por ciento de los gerentes tienen

ingresos semanales de $1,245 o ms.

0.4929

840

1,000

| 0.0071
|
|
1,245

Continuemos
Otra aplicacin de Ia distribucin normal
estndar es:
determinar el rea entre dos valores en
el mismo lado de la media.

Sigamos con Ia distribucin de

ingresos semanales
(u = $1 000, = $100)
CuI es el rea bajo Ia curva normal entre
$ 1,150 y $1,250?

Es necesario dividir Ia pregunta en dos partes.

Para el rea entre $1,250 y Ia media de $1,000:
1,250 -1000 = 250 = 2.50
100
100
Para el rea entre $1,150 y Ia media de $1,000:
1,150 -1000 = 150 = 1.50
100
100

(apndice D).
El rea bajo la curva para un valor z de 2.50
es: 0.4938.
El rea bajo Ia curva para un valor z de 1.50
es 0.4332.
Restando las dos reas:
0.4938 - 0.4332 = 0.0606

As, Ia probabilidad de seleccionar un

ingreso entre $1,150 y $1,250 es 0.0606.
En otras palabras, 6.06 por ciento de los
gerentes tienen ingresos semanales entre
$1,150 y $1,250.

|
|
|0.0606.|
|
|
1,000

1,150

1,250

Para resumir, existen cuatro situaciones en

las que pudiera ser posible encontrar el
rea bajo Ia distribucin normal estndar.

1. Para encontrar el rea entre u y z,

entonces es posible buscar directamente el
valor en Ia tabla.

2. Para encontrar el rea ms alI (mayor o

menor) de z, entonces localice Ia
probabilidad de z en Ia tabla y reste ese
valor de 0.5000.

3. Para encontrar eI rea entre dos puntos a

diferentes lados de Ia media, determine los
valores z y sume las reas
correspondientes.

4. Para encontrar el rea entre dos puntos

en el mismo lado de Ia media, determine los
valores z y reste el rea menor de Ia mayor.