Profesora: Lic.

Carla Zúñiga Vilca

Distribución Normal de Probabilidad
Esta distribución es muy utilizada en las aplicaciones estadísticas, es
la base de la inferencia estadística. Muchos fenómenos aleatorios
que se estudian en la realidad se pueden modelar con esta
distribución.

Se dice que la v.a X sigue una distribución normal con parámetros μ

y σ y se escribe X~N(μ, σ2), si su función de densidad está dada por:
Propiedades:

1. Es simétrica respecto a la recta x=μ.

2. El área bajo la curva f(x) y por encima del eje X es 1.
3. El área comprendida entre las rectas x=a y x=b y que
corresponden a la probabilidad P[a≤X≤b], se calcula usando
métodos de integración; sin embargo, existen tablas a partir de las
cuales se aproximan tales áreas.
4. Es monótona creciente en <-∞,μ] y monótona decreciente en
[μ,+∞>.
5. Tiene puntos de inflexión en x=μ ± σ
6. Toma su valor máximo en:
7. Las probabilidades aproximadas son:
Función de Distribución Acumulada
Tipificación o Estandarización de la V.A. Normal

Si X~N(μ, σ2), entonces la v.a.

se llama normal estandarizada de X, cuya función de densidad es:

Su función de distribución acumulada es:
Característica de la distribución normal estandarizada:

1. Su media es 0, su varianza es 1 y su desviación típica es 1. No

depende de ningún parámetro .

2. La curva es simétrica respecto a z=0, y toma aquí su máximo

valor.

3. Tiene dos puntos de inflexión en z =1 y z = -1.

Ejemplo:

Los compuestos de arsénico son neurotóxicos potentes que produce

efectos en el organismo a nivel del sistema nervioso central y a la
misma dosis de exposición, los niños son mucho más afectados que
los adultos. En un centro minero se ha determinado que el contenido
de arsénico en orina de niños tiene distribución normal con media
igual a 80 μg/L y desviación estándar de 28 μg/L. Si se elige al azar
a un niño de este centro, cuánto es la probabilidad que tenga:

a) como máximo el valor permisible de arsénico ( ≤ 50 μg/L)

b) Mínimo 90 μg/L
c) Entre 66 y 93 μg/L
 Distribución t de Student
Esta distribución es muy utilizada en la estimación de parámetros y
en pruebas de hipótesis. Está distribución es conocida con el nombre
de distribución Student en honor a William Gosset, quien publica sus
estudios en 1908 bajo el seudónimo de Student .

Se dice que la v.a X tiene una distribución t de Student con n grados

de libertad y se escribe t (n) , si su función de densidad está dada
por:
 n  1
 
n 1

 2   x2  2
f ( x)  1   ,    x  , n  1, 2 , ...
n
n    
n 
2
La forma de la gráfica de la función de densidad correspondiente a
esta distribución es semejante a la que corresponde a la distribución
normal estándar.

La diferencia de la función t de Student y la normal estándar está en

que las colas en la t de Student son más pesadas que las de la
normal estándar.

Son más pesadas, en el sentido de que tienen mayor área y por lo

tanto hay mayor probabilidad de encontrar valores extremos. Sin
embargo, si el número de grados de libertad crece indefinidamente
la distribución t de Student tiende a la distribución normal estándar.
La esperanza y la varianza de una v.a X que sigue distribución t
de Student son:
Propiedades:
1. Es simétrica.
2. Sea Z una variable aleatoria con distribución N(0, 1) y V una
variable aleatoria con distribución χ2(n) . Entonces la variable
aleatoria T sigue una distribución t de Student con n grados de
libertad

3. La función de distribución de t(n) se denota por:

3. Se cumple que:
4. Se cumple que:

Nota:

Si x no se encuentra en la tabla, debe utilizar la fórmula de la

interpolación lineal. En concreto, dada una función f definida en
un intervalo [a, b], tomamos: