DISTRIBUCION NORMAL Y LA APROXIMACIÓN DE LA BINOMIAL A LA

NORMAL.

AUTOR: ING. FELIPE SALINAS VELAZQUEZ.

TITULAR DE LA MATERIA: PROBABILIDAD Y ESTADISTICA.

CARRERA: ING. EN GESTION EMPRESARIAL..

UNIDAD III. VARIABLES CONTINUAS Y SUS DISTRIBUCIONES DE

PROBABILIDAD.

Una variable aleatoria continua es una función X que asigna a cada resultado posible de
un experimento un número real. Si X puede asumir infinito valores posibles en algún
intervalo dado.

http://www.zweigmedia.com/MundoReal/cprob/cprob1.html

Una variable aleatoria continua, X, sigue una distribución normal de media μ y

desviación típica σ, y se designa por N(μ, σ), si se cumplen las siguientes
condiciones:

1. La variable puede tomar cualquier valor: (-∞, +∞)

2. La función de densidad, es la expresión en términos de ecuación matemática

de la curva de Gauss:

Curva de la distribución normal

El campo de existencia es cualquier valor real, es decir, (-∞, +∞).

Es simétrica respecto a la media µ.

Tiene un máximo en la media µ.

Crece hasta la media µ y decrece a partir de ella.

En los puntos µ − σ y µ + σ presenta puntos de inflexión.

El eje de abscisas es una asíntota de la curva.

El área del recinto determinado por la función y el eje de abscisas es igual a la

unidad.

Al ser simétrica respecto al eje que pasa por x = µ, deja un área igual a 0.5 a la
izquierda y otra igual a 0.5 a la derecha.

La probabilidad equivale al área encerrada bajo la curva.

P (μ - σ < X ≤ μ + σ) = 68%

P (μ - 2σ < X ≤ μ + 2σ) = 95%

P (μ - 3σ < X ≤ μ + 3σ) = 99.7 %

Demostración. Se sabe que las calificaciones que obtiene los aspirantes para
entrar en el IT.C. tienen una distribución aproximadamente normal. Si el promedio
de calificación fue de 62 en una escala de 0 – 100 con una desviación estándar de
las calificaciones es 14 podemos saber que aproximadamente. (Elena de Oteysa,
et. Al. 2015).

68% de los aspirantes sacan entre 62-14=48 y 62 + 14= 76

95% de los aspirantes sacan entre 62 – 2 x 14=34 y 62 + 2 x 14= 90

99.7% de los aspirantes sacan entre 62 – 3 x 14 = 20 y 62 +3 x 14 = 104

Distribución normal estándar

La distribución normal estándar, o tipificada o reducida, es aquella que tiene

por media el valor cero, μ =0, y por desviación típica la unidad, σ =1.

Su función de densidad es:

Su gráfica es:
La probabilidad de la variable X dependerá del área del recinto sombreado en la
figura. Y para calcularla utilizaremos una tabla.

Tipificación de la variable

Para poder utilizar la tabla tenemos que transformar la variable X que sigue una
distribución N(μ, σ) en otra variable Z que siga una distribución N(0, 1).

Cálculo de probabilidades en la distribución normal

La tabla nos da las probabilidades de P(z ≤ k), siendo z la variable tipificada.

Estas probabilidades nos dan la función de distribución f(k).

f(k) = P(z ≤ k)

Búsqueda en la tabla de valor de k

Según Said Infante Gil y Guillermo P. Zárate de Lara 1990, la tabla C está
integrada de la siguiente forma: la primera columna tiene valores de la variable Z
de -3.6 a 3.6 y la primera hilera, números que permiten obtener valores de Z con
una decimal más. El resto del cuerpo de la tabla contiene las probabilidades de
que la variable aleatoria Z tome un valor menor o igual que el valor particular Z
que se desea, es decir, el área bajo la curva a la izquierda del valor Z. Así, por
ejemplo se deseamos calcular P(Z≤ 1.96), buscamos en la primera columna el
número 1.9 y en la primera hilera el número 0.06. El número ubicado en la
intersección de la hilera con el número 1.9 y la columna encabezada por 0.06 es la
probabilidad buscada; en este caso ese número es 0.975 por lo que:

P(Z≤ 1.96) = 0.975

Ejemplo: Caso 1: se desea encontrar P(Z ≤ 1.47) la probabilidad corresponde al
área sombreada ( área bajo la curva a la izquierda del número 1.47) y puede
observarse directamente de la tabla C. Este número es 0.9292 y por lo tanto, P(Z
≤ 1.47) =0.9292

P(Z ≤ 1.47) = 0.9292

Caso 2: Calcule la probabilidad P(Z≥ 1.47) para este caso la probabilidad pedida
corresponde al área que no está sombreada en la figura anterior. Para su cálculo
se procede de la siguiente manera:

P(Z > a) = 1 - P(Z ≤ a)

P(Z > 1.47) = 1 − P(Z ≤ 1.47) = 1 − 0.9292 = 0.0708

Caso 3: P(Z ≤ −a) = 1 − P(Z ≤ a)

P(Z ≤ −1.47) = 1 − P(Z ≤ 1.47) = 1 − 0.9292 = 0.0708

Caso 4: P(Z > −a) = P(Z ≤ a)

p(Z > −1.47) = p(Z ≤ 1.47) = 0.9292

Caso 5: P(a < Z ≤ b ) = P(Z ≤ b) − P(Z ≤ a)

P( 0.45 <Z ≤ 1.47) = P(Z ≤ 1.47) − P(Z ≤ 0.45) =

= 0.9292 − 0.6736 = 0.2556

P(−b < Z ≤ −a ) = P(a < Z ≤ b )

P(−1.47 <Z ≤ − 0.45) = P( 0.45 <Z ≤ 1.47) =

= P(Z ≤ 1.47) − P(Z ≤ 0.45) = 0.9292 − 0.6736 = 0.2556

P(−a < Z ≤ b ) = P(Z ≤ b) − [ 1 − P(Z ≤ a)]

P(-1.47 < Z ≤ 0.45) = P(Z ≤ 0.45) − [ 1 − P(Z ≤ 1.47)]=

= 0.6736 − (1 − 0.9292) = 0.6028

Ejercicios:

Calcule la probabilidad y señale en la gráfica el área de la probabilidad pedida.

a).- P (-0.17≤ 𝑍 ≤ 1.82)

b).- P (-3.6≤ 𝑍 ≤ 3.6)

c).- Se desea encontrar el valor de z tal que P(Z ≥ 𝑧) = 0.4286: el valor de z que
se busca es aquel cuya área a su derecha es 0.4286. Entonces restamos 1-
0.4286= 0.5714.en el renglón encontrará 0.1 y en la columna 0.08 por lo tanto el
valor de z= 0.18 Ilustre el resultado mediante la gráfica.

Recuerde que el área no sombreada corresponderá 0.4286.

Ejercicio: Se desea encontrar el valor de z tal que P(Z ≥ 𝑧) = 0.4602

Ejercicios de aplicación.

Suponga que se tiene una muestra aleatoria de los pesos de los estudiantes del
I.T.C. donde la media 𝜇 = 50 kilogramos y una varianza 𝜎 2 = 100. Encuentre la
probabilidad de que los estudiantes tengan un peso igual o menos de 30
kilogramos.

P(X≤ 30) =

𝑋−𝜇 30−50
Para su solución ese valor de X se transforma en un valor de z= =
𝜎 10

P(Z≤ −2)=0.0228 GRAFIQUE.

Si el tiempo en segundos que una batería resiste a determinado antibiótico tiene

una distribución se distribuye Normalmente con una media 𝜇 =1200, y una
varianza 𝜎 2 = 14400), ¿Cuál es la proporción de bacterias que resisten más de
1000 segundos?

Realice el cálculo y grafique.

Aproximación de la distribución binomial por la normal.

Para resolver problemas con la aproximación Normal, es bueno aclarar que se

están evaluando probabilidades asociadas a una variable discreta x, con una
distribución que evalúa variables de tipo continuo como es la Normal.

Conforme el número de ensayos Bernoulli aumenta, la distribución de probabilidad

binomial tiende a la normal, así podemos aproximar una probabilidad de una
variable aleatoria que sigue una distribución binomial, como si siguiera una
distribución normal, siempre y cuando el número de ensayos sea suficientemente
grande. En general, se considera que n es suficientemente grande si np > 5 y

n(1-p) > 5

La distribución binomial X ~B(n, p) se puede aproximar mediante una

distribución normal: X ~ N ( 𝝁 , 𝝈)

𝑿−𝒏𝒑
X ~ N (np, √𝒏𝒑𝒒 ) y Z=
√𝒏𝒑𝒒

Ejemplo

En una ciudad una de cada tres familias posee teléfono. Si se eligen al azar 90
familias, calcular la probabilidad de que entre ellas haya por lo menos 30 tengan
teléfono.

1
DIST. BINOMIAL X ~ BIN ( n , p) X ~ BIN(90, 3)

1 1 2
Dist. Normal X ~ N (90*3 , √90 ∗ 3 ∗ 3) = (30, 4.47)

P (X > 30) =

𝑋− 𝜇 30−30
El valor de X se convierte en Z= = = 0 se busca su probabilidad en la
𝜎 4.47
tabla de Z y es igual a 0.5, es decir el 50%.

En la aproximación binomial a la normal la variable Z sufre un cambio.

 (𝑋±1⁄2)− 𝜇
Z=
𝜎

¿Por qué vamos a sumar o a restar ½ a x?

Este es un factor de corrección debido a que se está evaluando una variable

discreta con una distribución continua, por lo que hay que delimitar claramente
desde que punto se va a evaluar la variable, dicho de otra forma, en que límite de
la barra (inferior o superior) nos debemos posicionar para determinar la
probabilidad requerida, cada barra de probabilidad a evaluar tiene como base la
unidad, ese es el porqué del  ½.

𝑋− 𝜇 29.5−30
Z= = = -0.5 por lo tanto la P ( Z > - 0.5)= 0.3085
𝜎 4.47

http://www.ditutor.com/distribucion_normal/distribucion_normal.html

Una ilustración.

Ejemplos:

1.- La probabilidad de que un paciente se recupere de una rara enfermedad de la

sangre es de 0.4. Si se sabe que 100 personas han contraído esta enfermedad,
¿Cuál es la probabilidad de que:

a) al menos 30 sobrevivan? P (x ≥ 30)

n = 100

p = p(paciente se recupere) = 0.40

q = p(paciente no se recupere) = 1 – p = 1 – 0.40 = 0.60

 = np = (100)(0.40) = 40 pacientes se recuperen

𝜎 = √𝑛𝑝𝑞 = √100(0.40)(0.60) = 4.899 pacientes que se recuperan

x = variable que nos define el número de pacientes que se recuperan

x = 0, 1, 2,....,100 pacientes que se recuperan.

X = 29.5

= 40

(𝑋− 1⁄2)− 𝜇 (30− 1⁄2)−40 29.5−40

Z= = = = -2.1433 ≅ -2.14
𝜎 4.899 4.899

P (x ≥ 30) = p( z ≥ -2.14) = 1 – 0.0162 = 0.9838

b) más de 46 sobrevivan? P(x > 46 )

n = 100

p = p(paciente no sobreviva) = 0.60

q = p(paciente sobreviva) = 1 – p = 0.40

𝜇 = np=(100) (0.60) = 60 pacientes que no se recuperan

𝜎 = √𝑛𝑝𝑞 = √100(0.60)(0.40) =4.899

 (𝑋+1⁄2)−40 (46+1⁄2)−40 46.5−40
Z= = = = 1.33
4.899 4.899 4.899

p(x  46) = p(z > 1.33) = 1-0.9082 = 0.0918

c) Menos de 50 no sobrevivan?

n = 100

p = p(paciente no sobreviva) = 0.60

q = p(paciente sobreviva) = 1 – p = 0.40

𝜇 = np=(100) (0.60) = 60 pacientes que no se recuperan

𝜎 = √𝑛𝑝𝑞 = √100(0.60)(0.40) =4.899

x = variable que nos define el número de pacientes que no sobreviven

x = 0, 1, 2,....,100
 p(x  50) =

p(x  50) = p( z < -2.14) = 0.0162

2.- Una prueba de opción múltiple tiene 200 preguntas, cada una con 4 posibles
respuestas, de las cuáles solo una es la correcta ¿cuál es la probabilidad de que
al azar se den de 25 a 30 respuestas correctas para 80 de las 200 preguntas
acerca de los cuales el estudiante no tiene conocimientos?

n = 80

p = p(dar una contestación correcta) = 0.25

q = p(dar una contestación incorrecta) = 1 – p = 0.75

𝜇 = np=(80) (0.25)=20 preguntas contestadas correctamente.

𝜎 = √𝑛𝑝𝑞 = √(80)(0.25)(0.75) = 3.8729

x = número de preguntas que son contestadas correctamente = 0, 1, 2,...,80

 , p(z1 = 1.16) = 0.377

, p(z2 = 2.71) = 0.4966

p(25  x  30) = p(z2) – p(z1) = 0.4966 – 0.377 = 0.1196

3.- Si 35% de los productos manufacturados en cierta línea de producción es

defectuoso, ¿cuál es la probabilidad de que entre los siguientes 1000 productos
manufacturados en esa línea:

a) menos de 354 productos sean defectuosos?

n = 1000

p = p(un producto sea defectuoso) = 0.35

q = p(un producto no sea defectuoso) = 1- p = 0.65

productos defectuosos

15.0831 productos defectuosos

x = número de productos defectuosos que se manufacturan en la línea = 0, 1,

2,..., 1000
 , p(z = 0.23) = 0.091

p(x 354 ) = 0.5 + p(z = 0.23) = 0.5 + 0.091 = 0.5091

b) Entre 342 y 364 productos sean defectuosos?

, p(z1= - 0.56) = 0.2123

 0.96, p(z2= 0.96) = 0.3315

p(342  x  364) = p(z1) + p(z2) = 0.2123 + 0.3315 = 0.5438

c) Exactamente 354 productos sean defectuosos?

 0.23, p(z1 = 0.23) = 0.091

, p(z2= 0.30) = 0.1179

p(x = 354) = p(z2) - p(z1) = 0.1179 – 0.091 = 0.0269

EJERCICIOS RESUELTOS DE LA DISTRIBUCIÓN NORMAL

1.- Si X es una variable aleatoria de una distribución X ~ N(µ, σ), hallar:

p(µ−3σ ≤ X ≤ µ+3σ)

P (-3 ≤ 𝑍 ≤ 3) = P ( Z = 3 ) - P(Z= -3 )= 0.9987 - 0.0013= 0.9974

P (Z= -3 ) = 0.0013 Y P( Z = 3 ) = 0.9987 obtenga la gráfica.

Es decir, que aproximadamente el 99.74% de los valores de X están a menos de

tres desviaciones típicas de la media.
2.- En una ciudad se estima que la temperatura máxima en el mes de junio sigue
una distribución normal, con media 23° y desviación típica 5°. Calcular el número
de días del mes en los que se espera alcanzar máximas entre 21° y 27°

3.- La media de los pesos de 500 estudiantes de un colegio es 70 kg y la

desviación típica 3 kg. Suponiendo que los pesos se distribuyen normalmente,
hallar cuántos estudiantes pesan:

A).- Entre 60 kg y 75 kg

B).- Más de 90 kg

C).- Menos de 64 kg

D).- de 64 kg
E).- 64 kg o menos

4.- Se supone que los resultados de un examen siguen una distribución normal
con media 78 y desviación típica 36. Se pide:

¿Cuál es la probabilidad de que una persona que se presenta el examen obtenga

una calificación superior a 72?

5.- Varios test de inteligencia dieron una puntuación que sigue una ley normal con
media 100 y desviación típica 15

Determinar el porcentaje de población que obtendría un coeficiente entre 95 y 110

6.-En una población de 2500 individuos ¿cuántos individuos se esperan que

tengan un coeficiente superior a 125?

7.- En un examen tipo test de 200 preguntas de elección múltiple, cada pregunta
tiene una respuesta correcta y una incorrecta. Se aprueba si se contesta a más de
110 respuestas correctas. Suponiendo que se contesta al azar, calcular la
probabilidad de aprobar el examen

8.- Un estudio ha mostrado que, en un cierto barrio, el 60% de los hogares tienen
al menos dos televisores Se elige al azar una muestra de 50 hogares en el citado
barrio. Se pide:

¿Cuál es la probabilidad de que al menos 20 de los citados hogares tengan

cuando menos dos televisores?

¿Cuál es la probabilidad de que entre 35 y 40 hogares tengan cuando menos dos

televisores?

OBSERVACION: Es indispensable que practique los ejercicios utilizando la tabla C