TECNOLÓGICO NACIONAL DE MÉXICO
Instituto Tecnológico de Saltillo
INGENIERÍA EN SISTEMAS
COMPUTACIONALES
L–V 7 – 8 HRS B – 21
PROBABILIDAD IMPARTIDA POR:
Y
MC MARIA ISABEL PIÑA VILLANUEVA
EQUIPO CONFORMADO POR:
ESTADÍSTICA MARIO ORLANDO TORRES SALAZAR
19051220
UNIDAD 4
MAURICIO EZEQUIEL PUENTE ROCHA
19051181
OMAR SEGURA SENA
19051213
BRANDON ALEXIS PRADO CASTRO
SALTILLO, COAHUILA DE ZARAGOZA, MÉXICO. 19051178
A 17 DE NOVIEMBRE 2020
DISTRIBUCIÓN
NORMAL
DISTRIBUCIÓN NORMAL
Es la distribución de probabilidad de una variable aleatoria
continua X descrita mediante una función que tiene forma
de campana y es simétrica respecto a un valor µ, que es la
media de dicha variable aleatoria.
Esta misma describe de manera aproximada muchos
fenómenos que ocurren en la naturaleza, la industria y la
investigación.
La grafica correspondiente a la distribución normal se
denomina campana de Gauss o gaussiana, en honor a Karl
Friedrich Gauss (1777-1855), quien fue el primero en
estudiar la distribución normal, además de quien también
derivo su ecuación a partir de un estudio de errores en
mediciones repetidas de la misma cantidad.
DISTRIBUCIÓN NORMAL
Una variable aleatoria continua X que tiene la La densidad de la variable aleatoria normal X,
distribución en forma de campana se con media μ y varianza σ2 , es:
denomina variable aleatoria normal.
La ecuación matemática para la distribución de 1 𝑥−µ 2
probabilidad de la variable normal depende de
1 −
𝑛 𝑥; 𝜇, 𝜎 = 𝑒 2 𝜎 , −∞ < x < ∞,
los dos parámetros μ y σ, su media y su 𝜎 2𝜋
desviación estándar, respectivamente. Por ello,
denotamos los valores de la densidad de X por
n(x; μ, σ). Donde 𝜋 = 3.14159 … 𝑦 𝑒 = 2.71828 …
DISTRIBUCIÓN NORMAL
Una vez que se especifican μ y σ, la curva normal queda determinada por completo. Por
ejemplo, si μ = 50 y σ = 5, entonces se pueden calcular las ordenadas n(x; 50, 5) para
diferentes valores de x y dibujar la curva. En la figura 6.3 aparecen dos curvas normales que
tienen la misma desviación estándar pero diferentes medias. Las dos curvas son idénticas
en forma, pero están centradas en diferentes posiciones a lo largo del eje horizontal.
En la figura 6.4 se muestran dos curvas normales con la misma media pero con
desviaciones estándar diferentes. Aquí se observa que las dos curvas están centradas
exactamente en la misma posición sobre el eje horizontal; sin embargo, la curva con la
mayor desviación estándar es más baja y más extendida. Recuerde que el área bajo una
curva de probabilidad debe ser igual a 1 y, por lo tanto, cuanto más variable sea el conjunto
de observaciones, más baja y más ancha será la curva correspondiente.
La figura 6.5 muestra dos curvas normales que tienen diferentes medias y diferentes desviaciones
estándar. Evidentemente, están centradas en posiciones diferentes sobre el eje horizontal y sus
formas reflejan los dos valores diferentes de σ.
Características
ÁREAS BAJO LA CURVA NORMAL
La curva de cualquier distribución continua de probabilidad o función de densidad se construye
de manera que el área bajo la curva limitada por las dos ordenadas x = 𝑥1 y x = 𝑥2 sea igual a la
probabilidad de que la variable aleatoria X tome un valor entre x = 𝑥1 y x = 𝑥2 . Por
consiguiente, para la curva normal de la figura 6.6
es representada por el área de la región sombreada.
El área bajo la curva entre cualesquiera dos ordenadas también debe depender de los
valores μ y σ. Esto es evidente en la fi gura 6.7, donde sombreamos las regiones que
corresponden a P(x1 < X< x2) para dos curvas con medias y varianzas diferentes
Ejemplo :
Dado que X tiene una distribución normal con µ = 300 y σ = 50, calcule la
probabilidad de que X tome un valor mayor a 362
P(x > 362) = P(362 < x)
Cuando los valores son muy grandes esto nos quiere decir que
no estamos manejando una distribución normal estándar,
entonces lo que se tiene que hacer en estos casos es
normalizar los valores y para eso utilizaremos la formula:
Lo cual nos resulta como:
P(X < x) = P(z < x - µ) Z = 362 – 300 = 62 = 1.24
σ 50 50
Lo siguiente es buscar en la tabla correspondiente a Z:
P(z < 1.24) = 0.8925
Para encontrar el valor de la parte derecha
que es lo que se nos pidió primeramente lo
que se tiene que hacer es lo siguiente:
P(362 < x) = 1 – 0.8925
= 0.1075
EJEMPLO
……………….
REFERENCIAS
• Probabilidad y estadística aplicadas para Ciencias e ingeniería,
Ronald E. Walpole, Raymond H Myers, y Sharon L. Myers. Prentice
Hall, 2012.
• [Link]