UNIVERSIDAD ALAS PERUANAS

FACULTAD DE ARQUITECTURA Y INGENIERIA CIVIL

TEMA:
“MATRICES”

PRESENTADO POR:
• ALVAREZ CORDOVA ,NEFTALY
• COLQUEHUANCA YANQUE ,JOSE
• CUPE ALARCON ,EFRAIN
• MAMANI CANAZA ,PERCY
• QUISPE HUMALLA ,RUHONAN

CURSO:
ESTADÍSTICA Y PROBABILIDADES

DOCENTE:
Mg. Wilver Quispe Hancco

SEMESTRE : III

JULIACA - PERÚ

2016
 MODELOS PROBABILÍSTICOS DE VARIABLES ALEATORIAS CONTINUAS

1.1 DISTRIBUCIÓN NORMAL

Distribución normal: Es una de las distribuciones más importantes. Es el modelo de

distribución más utilizado en la práctica, ya que multitud de fenómenos se comportan
según una distribución normal.
Esta distribución de caracteriza porque los valores se distribuyen formando una
campana de Gauss, en torno a un valor central que coincide con el valor medio de la
distribución: Las ventajas teóricas de este modelo hacen que su uso se generalice en
las aplicaciones reales. Sea X una variable aleatoria continua, se dice que se
distribuye como una normal
La distribución normal es una de las distribuciones más usadas e importantes. Se ha
desenvuelto como una herramienta indispensable en cualquier rama de la ciencia, la
industria y el comercio.
Muchos eventos reales y naturales tienen una distribución de frecuencias cuya forma
es muy parecida a la distribución normal. La distribución normal es llamada también
campana de Gauss por su forma acampanada.
Cuando se incluyen todos los datos de un proceso o población, sus parámetros se
indican con letras griegas, tales como: promedio o media =  (mu), y desviación
estándar (indicador de la dispersión de los datos) =  (sigma).
Para el caso de estadísticos de una muestra se tiene media = X y desv. est.= s.

Un proceso opera en condiciones normales, si tiene los materiales dentro de de

especificaciones y del mismo lote, un método consistente, un medio ambiente
adecuado, el operador capacitado, y el equipo ajustado correctamente, si se toman
mediciones en alguna característica del producto, mostrará el siguiente
comportamiento:
Fig. 1.1 Construcción de la distribución normal

La distribución normal es una de las distribuciones más usadas e importantes. Se ha

desenvuelto como una herramienta indispensable en cualquier rama de la ciencia, la
industria y el comercio.

Muchos eventos reales y naturales tienen una distribución de frecuencias cuya forma
es muy parecida a la distribución normal. La distribución normal es llamada también
campana de Gauss por su forma acampanada.
Cuando se incluyen todos los datos de un proceso o población, sus parámetros se
indican con letras griegas, tales como: promedio o media =  (mu), y desviación
estándar (indicador de la dispersión de los datos) =  (sigma).
Para el caso de estadísticos de una muestra se tiene media = X y desv. est.= s.

Propiedades de la distribución normal estándar

 La distribución normal estándar tiene media  = 0 y desviación estándar  =1. La

media, Mediana y Moda coinciden, son iguales y se localizan en el pico.
Propiedades de la distribución normal
 El área bajo la curva o probabilidad de menos infinito a más infinito vale 1.
 La distribución normal es simétrica, la mitad de curva tiene un área de 0.5.
 La escala horizontal de la curva se mide en desviaciones estándar.
 La forma y la posición de una distribución normal dependen de los parámetros
 ,  , por lo que hay un número infinito de distribuciones normales.

Distribuciones normales con varias desv. Estándar

 LIE LSE
Fig. 1.4 Distribuciones normales con varias medias y desviaciones estándar
Podemos usar la distribución Normal, para responder preguntas como:
 ¿Cuál es la probabilidad de que un hombre adulto tenga un nivel de glicemia < o
igual de 150 mg/100 ml?
 Podemos responder, tomando el porcentaje de hombres observados, que tienen
niveles de glicemia menores de 150 mg/100 ml.

Existe una relación del porcentaje de probabilidad o área bajo la curva normal a la
desviación estándar. En la figura observamos por ejemplo que el área bajo la curva

para  1 tiene un porcentaje de 68.26%,  2 = 95.46% y  3  99.73% .

-3s -2s -1s +1s +2s +3s

68.26%
95.46%

99.73%
Fig. 1.5 Área bajo la curva de Distribución normal

1.2 DISTRIBUCIÓN NORMAL ESTÁNDAR

 La distribución Normal es definida por una fórmula matemática complicada,
pero tenemos tablas publicadas que definen el área debajo de la curva Normal:
la distribución Normal estándar.
 En ella, su media es 0 y la desviación estándar es ±1.
 Estas tablas están en cualquier texto de estadística.

1.2.1 LA TABLA DE LA NORMAL ESTÁNDAR

La tabla de la Normal estándar da la probabilidad de los menores que para un
valor deseado de Z (es decir, desde menos infinito hasta Z)

Ejemplo:
P(Z < 2.00) = 0.9772
1.2.2 LA REGLA EMPÍRICA
μ ± 2σ contiene el 95% de las X’s
μ ± 3σ contiene el 99.7% de las X’s

1.2.3 PROBABILIDADES COMO ÁREAS BAJO LA CURVA

El area total bajo la curva es 1.0, y por ser simétrica, la mitad está por encima
de la media y la otra mitad por debajo.

1.2.4 TRANSFORMACIÓN A LA DISTRIBUCIÓN NORMAL ESTÁNDAR

Para Transformar X a la normal estándar (la distribución “Z”) se resta la media
de X y se divide por su desviación estándar:

X μ
Z
σ

La distribución Z siempre tendrá media = 0 y desviación estándar = 1

LA TABLA DE DISTRIBUCION NORMAL
1.3 EJERCICIOS

1.3.1 Ejemplo
a) Determinar el área bajo la curva de menos infinito a Z = 1.
P(Z <= 1) = 0.8413

b) Determinar el área bajo la curva de menos infinito a Z = 2.

P(Z <= 2) = 0.9772 8
c) Determinar el área bajo la curva de menos Z = 1 a Z = 2
P(1 <= Z <= 2) = 0.9772 – 0.8413 = 0.1369

1.3.2 Ejemplo 1.3 El departamento de personal de una empresa requiere que los
solicitantes a un puesto en cierta prueba alcancen una calificación de 500. Si
las calificaciones de la prueba se distribuyen normalmente con media   485
y desviación estándar  30 ¿Qué porcentaje de los solicitantes pasará la
prueba?
Calculando el valor de Z obtenemos:
X   500  485
Z =  0.5
 30
Buscamos el valor correspondiente Z en las tablas de distribución normal estándar o
por medio de Excel =distr.norm.estand(0.5). Z0.5 = 0.69146 = 69.146%. donde la
probabilidad de que la calificación sea menor a 500 es P (X <= 500). Dado que el
porcentaje pedido es P( X  500) la solución es 1-0.69146 =0.3085, por tanto sólo
30.85% de los participantes pasarán la prueba.
Otra forma es tomando la Z como negativa con P(Z <= -0.5) = 0.3085.

485

3 0 .8 5 %

Z.0 5