DISTRIBUCIÓN DE PROBABILIDAD NORMAL

• Conceptos
• Historia
• Importancia
• Características
• Utilidad
GRÁFICAS DE
DISTRIBUCIÓN
 +
ASIMETRIA -

Asimétria hacia la Simétria Asimétria hacia la

derecha 𝒈𝟏 > 𝟎 𝒈𝟏 = 𝟎 Izquierda 𝒈𝟏 < 𝟎
CURTOSIS
 ¿Que es una Distribución de Probabilidad?

• Es una función de probabilidades de los valores que puede tomar

una variable

• Que permite modelar y comprender el comportamiento de los datos

para:
• Tomar decisiones informadas
• Realizar inferencias
• y hacer predicciones basadas en datos
Distribuciones de Probabilidad Continua

•Distribución Beta
•Distribución exponencial
•Distribución F
•Distribución Gamma
•Distribución ji cuadrado
•Distribución normal
•Distribución t de Student
•Distribución uniforme continua
 DISTRIBUCIÓN DE PROBABILIDAD NORMAL

La distribución Normal fue

Aportaciones a la teoría
reconocida por primera vez de la probabilidad y
por el matemático Frances predijo la fecha de su
Abraham de Moivre (1667- muerte a través de un
1754) cálculo estadístico

– CAMPANA DE GAUSS-
Posteriormente el matemático,
astrónomo y físico alemán Carl
Friedrich Gauss (1777-1855) , realizo
estudios mas a fondo donde formuló
la ecuación de la curva conocida,
como la “Campana de Gauss”.
 Importancia de la Distribución Normal
La distribución normal tiene propiedades matemáticas bien definidas y predecibles.
- permite a los investigadores y analistas tomar decisiones informadas basadas en datos observados.

fenómenos naturales, sociales y Negocios y en la Administración de empresas

psicológicos. • Salarios de Empleados
• Alturas Personas • Tiempo de Entrega de productos o servicios
• Peso de personas • Ventas y Ingresos
• Puntajes en Pruebas Estandarizadas • Niveles de Inventario
• Errores de Medición • Nivel de Satisfacción del Cliente
• Tiempo de Reacción en tareas • Tiempos de Respuesta en Servicio al Cliente
• Aprendizaje de procesos • Retorno de Inversiones
• Efecto de fármacos en personas, • Tasas de Conversión en Marketing Digital
animales o plantas • Horas Trabajadas por Empleados
• Muchas otras características • Gastos Operativos:
fisiológicas como
CARACTERISTICAS DE LA DISTRIBUCIÓN
NORMAL

Es simétrica de la media, 50% de los datos a cada lado media.

La media, mediana y moda son iguales

CARACTERISTICAS DE LA DISTRIBUCIÓN
NORMAL

Aproximadamente el 68% de todos los valores

están entre (-1 a +1) desviación estándar de la
media.

Aproximadamente el 95.5% de todos los

valores están entre (-2 a +2) desviaciones
estándar de la media.

Aproximadamente el 99.7% de todos los

valores están entre (-3 a +3) desviaciones
estándar de la media.
TOTAL DE LAS CARACTERISTICAS DE LA NORMAL

La Distribución Normal:
1. Es simétrica
2. La media, mediana y moda son iguales
3. Aproximadamente el 68% de los datos están entre ± (1σ) .
4. Aproximadamente el 95.5% de los datos están entre ± (2σ) .
5. Aproximadamente el 99.7% de los datos están entre ± (3σ) .
EJEMPLO DE USO DE LA MEDIA: En una muestra de población de hombres adultos de un
pueblo, su estatura sigue aproximadamente una distribución normal, con una media de 170 cms y
una desviación estándar es de 5 cms. Por lo tanto, podemos concluir que:

Aproximadamente, el 68% de los hombres del

pueblo, tienen una estatura de entre 165 y 175 cms
de estatura. (μ ±1σ) .

165
165 170
170 175
175

Aproximadamente, el 95,5% de los hombres, tienen

una estatura de entre 160 a 180 cms de estatura (μ -
2σ) y 74. (μ ± 2σ).

160 170 180

Aproximadamente, el 99.7% de los hombres, tendrán

entre 155 a 185 cms de estatura (μ ± 3σ) .
155 170 185
FORMULA DE LA DISTIBUCIÓN NORMAL

Donde :
• 𝐶𝑜𝑛𝑠𝑡𝑎𝑛𝑡𝑒 𝜋 = 3,14159 𝑦
• 𝑙𝑎 𝑐𝑜𝑛𝑠𝑡𝑎𝑛𝑡𝑒𝑠 ℯ = 2,71828

• 𝜇 = El pro𝑚𝑒𝑑𝑖𝑜 𝑑𝑒 𝑙𝑜𝑠 𝑑𝑎𝑡𝑜𝑠

• 𝜎 = 𝐿𝑎 𝑑𝑒𝑠𝑣𝑖𝑎𝑐𝑖𝑜𝑛 𝑠𝑡𝑎𝑛𝑑𝑎𝑟

• X es el valor a consultar

https://www.geogebra.org/m/J6KfvXw5
 ÁREA BAJO LA CURVA DE LA DISTRIBUCIÓN NORMAL

• Que área bajo la curva hay en Z= 0,00

P(Z) ≤ 0,00 =0,5000 =50%

P(z)
• Que área hay hasta Z= 1,05 µ= 0 σ=1 z

P(Z) ≤ 1,05 =0,8531

• Que área hay hasta Z= 1,65

P(Z) ≤ 1,65 =0,9505

• Que área hay hasta Z= 0,60

P(Z) ≤ 0,60 =0,7257

• Que área hay mayor a Z= 1,49

P(Z) > 1,49 =1- ,93190= 0,0681

https://www.youtube.com/watch?v=59I-6L5QMfc
APLICACION DE LA DISTRIBUCIÓN NORMAL
 ESTANDARIZACIÓN DE LA DISTRIBUCIÓN NORMAL

• X es el valor a consultar y se debe convertí en Z así:

P(≤ Z)
P( ≤ X)
(µ)

Donde,
• x = valor de la variable aleatoria que nos preocupa
• µ= media de la distribución de la variable aleatoria
• σ = desviación estándar de la distribución
• Z = número de desviaciones estándar que hay desde x a la media de la distribución
 APLICACION DE LA DISTRIBUCIÓN NORMAL
Ejemplo 1: Un estudio indica que el tiempo promedio para completar un programa de
entrenamiento es de 500 horas, cuya variable es normalmente distribuida con una
desviación estándar de 100 horas.

¿Cuál es la probabilidad que un participante elegido al azar requiera máximo 500 horas
para completar el programa?
µ= 500 horas σ = 100 horas P(X ≤ 500 horas)?

1. Área 2. Estandarizar:

𝑥−𝜇 500−500
P(<500) P(X ≤ 500) -> Z= = Z= = 0 → 𝑃(𝑧 ≤0)
𝜎 100

3. Buscar Tabla 4. Cálculos

50%
500 P(Z ≤ 0) = 0,500 = 50%

5. Concluir:

La probabilidad que un candidato escogido al azar requiera a lo máximo

500 hrs, para terminar el programa de entrenamiento es de 50%.
Ejemplo 2 ¿Cuál es la probabilidad que un participante elegido al azar se tomará
menos de 580 horas para completar el programa?

µ= 500 horas σ = 100 horas P(X< 580)

1. Área 2. Estandarizar: 3. Buscar Tabla

P(z ≤ 0.8) = 0.7881

4. Calculo

78.81%

5. Conclusión:

Las posibilidades que un candidato escogido al azar se tome menos de 580 horas para
completar el programa es 78.8%.
Ejemplo 3 ¿Cuál es la probabilidad que un participante elegido al azar se tome entre 500 y
650 horas para completar el programa de entrenamiento?
µ= 500 horas σ = 100 horas P(500< x <650)

1. Área

2. Estandarizar: 3. Buscar Tabla 4. Calcular

P(X ≤ 650) -> Z=

𝑥−𝜇
= Z=
650 −500
= 1,5 P(Z ≤ 0) = 0,9332
𝜎 100 0.9332
- 0.5000
𝑥−𝜇 500−500
P(Z ≤ 0) = 0,5000 0.4332
P(X ≤ 500) -> Z= = Z= =0
𝜎 100

5 Concluir:
La probabilidad que un candidato escogido al azar requiera entre 500 y 650 hrs, para
terminar el programa de entrenamiento es 43,3%
Ejemplo 4 ¿Cuál es la probabilidad de que un participante elegido al azar se tome entre
420 y 570 horas para completar el programa?
µ= 500 horas σ = 100 horas P(420 < X< 570)

1. Área 2. Estandarizar: 3. Buscar Tabla

P(Z ≤ 0,7) = 0,7580

P(Z ≤ -0,80) = 0,2119

0.7580
4. Calcular -0.2119
0.5461

5. Conclusión

La probabilidad que un candidato escogido al azar requiera entre 420 y

570 horas es de 54,61%
Ejemplo 5 ¿Cuál es la probabilidad de que un participante elegido al azar se tome
más de 700 horas en completar el programa?

µ= 500 horas σ = 100 horas P(X>700)

1. Área 2. Estandarizar: 3. Buscar en la tabla:

P( z ≤ 2.0) =0,9772

4. Calcular
1.0000
-0.9772
P(X > 2.00) -> 1 - P(z≤ 2) = 1 - 0,9772
0.0228

5 Concluir:

La probabilidad que un candidato escogido al azar requiera mas de 700 hrs, para
terminar el programa de entrenamiento es 2,28%
 EJERCICIOS

1. Una empresa de material eléctrico fabrica bombillas de luz, cuya duración,

antes de quemarse, se distribuye normalmente con una media igual a 800 horas y
una desviación estándar de 40 horas. Calcule la probabilidad que una bombilla se
queme :

a) Antes de los 820 hrs.

b) Entre 778 y 834 hrs.
c) Después de 850 hrs.

2. En un proceso industrial el diámetro de un cojinete de bolas es una medida

importante. El comprador establece que las especificaciones en el diámetro sean
3.0 mas o menos 0.01 cm. Esto iimplica que no se aceptara ninguna que no
cumpla con estas especificaciones. Se sabe que en el proceso el diámetro de un
cojinete tiene una distribución normal con media μ = 3.0 y una desviación
estándar σ = 0.005. En promedio, ¿cuantos de los cojinetes fabricados se
descartaran?
 GRACIAS

https://www.youtube.com/watch?v=59I-6L5QMfc