TECNOLÓGICO NACIONAL DE MÉXICO

INSTITUTO TECNOLÓGICO DE PINOTEPA

NOMBRE DE LA CARRERA:
CONTADOR PÚBLICO

MATERIA:
ESTADISTICA ADMINISTRATIVA

TEMA:
DISTRIBUCIÓN NORMAL

NOMBRE DEL PROFESOR:

LIC. DANILO CANDELARIO SÁNCHEZ TORRES

INTEGRANTES DEL EQUIPO:

TORRES LÓPEZ GUADALUPE
MEJÍA SANTIAGO KAHELINNE
URIOSTIGUE RAMIREZ LISSETTE ANAHI
JUSTO PEÑA LUIS EDUARDO

GRUPO:
2º A

SANTIAGO PINOTEPA NACIONAL, OAXACA, JUNIO 2018.

Lunes 11 de Junio de 2018.
Guadalupe Torres López:
Buenos días compañeros, profesor.
Somos el último equipo en pasar y les hablaremos del tema DISTRIBUCION
NORMAL en donde mis compañeros se presentarán y dirán el tema que les tocó.
Mi nombre es Guadalupe Torres López y yo les hablaré de la introducción.
Mi nombre es Kahelinne Mejía Santiago y les hablaré sobre las propiedades.
Yo soy Lissette Anahí Uriostigue Ramírez y les hablaré a grandes rasgos de la
función de densidad y algunos ejemplos.
Hola, mi nombre es Luis Eduardo Justo Peña y yo les hablaré sobre la distribución
normal estándar y algunos ejemplos.

Bueno pues, empezaremos la exposición.

Guadalupe Torres López:
Bueno, la distribución normal fue iniciada por el matemático británico de origen
francés Abraham Demoivre, en donde desarrolló una ecuación matemática de la
curva normal en el año de 1733.
La distribución continua es la más importante en todo el campo de la estadística.
También se dice que en una distribución continua la variable aleatoria tiene una
probabilidad de 0 de asumir cualquiera de sus valores exactamente.
Guadalupe Torres López:
¿Distribución normal o distribución gaussiana?
Se dice que a la distribución normal frecuentemente se le llama distribución
gaussiana en honor a Karl Friedrich Gauss (1777-1855), quien también derivo su
ecuación de un estudio de errores en mediciones repetidas de la misma cantidad
que se pueden realizar.
Guadalupe Torres López:
También se dice que frecuentemente esta distribución es utilizada para describir en
forma aproximada muchos fenómenos que ocurren en la naturaleza, la industria y
la investigación.

Y algunos ejemplos que podemos ver en las diapositivas.

Kahelinne Mejía Santiago

Como todos sabemos la moda es el punto más alto sobre el eje horizontal donde la
curva tiene su punto máximo, ocurre en equis es igual a la media.
Nos dice que la curva es simétrica alrededor de su eje vertical, que son iguales de
ambos lados.
Sus puntos de inflexión en equis es igual a la media, más menos, la desviación
estándar y es cóncava hacia abajo si la media es menos la deviación estándar es
menor que equis y equis es menor que la media más le desviación estándar. Es
cóncava hacia arriba en cualquier otro punto.
Kahelinne Mejía Santiago

Como podemos ver la curva normal se acerca al eje horizontal en forma asintótica
en cualquiera de las dos direcciones.
Y todo esto es igual a uno.
Lissette Anahí Uriostigue Ramírez:
Bueno, el tema que sigue es la función de la densidad, la cual es una función
matemática que solo describe la distribución de las variables y que depende de dos
parámetros que son su media la cual describe la ubicación de μ y su desviación
estándar que es la abertura de la campana, sus valores de densidad de X se
representan por n (x; μ, σ), es decir: distribución normal n de la variable aleatoria x,
con media y desviación estándar.
Luis Eduardo Justo Peña:
Se puede identificar la distribución normal estándar por que se representa con la
media cero y la desviación estándar uno y se representa así n (0,1).
Un ejemplo de la distribución normal es el peso al nacer de los bebés, que nuestra
media sería entre 3.500 kilos o 3.600 kilos y los bebés de 4 kilos son muy pocos al
igual que nazcan de 2 kilos los cuales serían toda la población.
Pero para calcular la probabilidad tenemos que convertir esos datos a variables
aleatorias estándar, para eso se utiliza la siguiente fórmula.

Miércoles 13 de Junio de 2018.

Guadalupe Torres López:
Hola compañeros buenos días, el día de hoy continuaremos con lo que es nuestra
exposición, distribución normal. En la clase pasada el profesor cuestionó cuál era la
diferencia entre la distribución normal y la distribución normal estándar, y según lo
que yo investigué era que la distribución estandarizada tiene media 0 y desviación
estándar 1, y la distribución normal su media y su desviación estándar puede tomar
números cuales quiera, siempre y cuando sean positivos.
Lissette Anahí Uriostigue Ramírez:

Para poder pasar a resolver los ejercicios me gustaría explicarle algunos casos que
se pueden presentar para calcular las áreas de la campana y serían los siguientes:
Que se pida la probabilidad:
P (Z ≤ z) = Tabla; De que Z sea menor que z, que es lo que encontramos en la tabla.
P (Z > z) = 1 - P (Z ≤ z); De que Z sea mayor que z es igual a 1 menos la probabilidad
ubicada en la tabla.
P (Z > -z) = P (Z ≤ z); De que Z sea mayor que –z, es igual a probabilidad de que Z
sea menor que z.
P (Z ≤ -z) = P (Z ≤ z) = 1 - P (Z ≤ z); De que Z sea menor que –z, si esto es igual a
que Z sea menor que z, entonces esto es igual a 1 menos la probabilidad de que Z
sea menor que z.
P (𝑧1 ≤ 𝑍 ≤ 𝑧2 ) = 𝑃 ( 𝑍 ≤ 𝑧2 ) − 𝑃 ( 𝑍 ≤ 𝑧1 ); entre dos intervalos z1 y z2 es igual a
la probabilidad del segundo menos la probabilidad del primero.
Lissette Anahí Uriostigue Ramírez:
¿Cómo se utiliza la tabla?
Supongamos que se nos pide la probabilidad de que Z sea menor que –0.55
(P (Z ≤ -0.55))
Lo primero que tenemos que hacer es buscar los dos primeros dígitos en la primer
columna de la tabla (-0.5) y después ubicamos el número faltante en la primer fila
(0.05), y en donde se encuentre la intersección eso será la probabilidad que
buscamos en este caso 0.2912.
Luis Eduardo Justo Peña:
Elsa podrías mencionar los datos del ejercicio.
Después se sustituirá la formula, lo haremos dos veces, la primera con x 2 y la otra
con x2.
Jorge me podrás ayudar en realizar la operación, gracias.
Adolfo me podrás ayudar con la segunda operación, gracias.
Después los resultados obtenidos son los que se buscan en la tabla, si el valor es
negativo o positivo será en la tabla que se buscará, los resultados se restan y el
resultado es la probabilidad obtenida del ejercicio.
Lissette Anahí Uriostigue Ramírez:
El segundo ejemplo dice:
Una compañía paga a sus empleados un salario promedio de $9.25 por hora con
una desviación estándar de 60 centavos. Si los salarios están distribuidos
aproximadamente en forma normal y los montos se cierran en centavos.
La primera pregunta dice:
a) ¿Qué porcentaje de los trabajadores reciben salarios entre $8.75 y $9.96 por
hora inclusive?
Primeramente lo que tenemos que hacer es identificar los datos que
necesitamos:
𝑥1 = 8.75
𝑥2 = 9.96
μ = 9.25
σ = 0.60
Como las variables que identificamos son variables aleatorias X, tenemos
que transformarlas a variables aleatorias z, ¿cómo lo hacemos? Con la
fórmula que les proporcionamos anteriormente.

8.75 − 9.25
𝑧1 = = −0.83
0.60
 9.96 − 9.25
𝑧2 = = 1.18
0.60
Los valores que se encontraron son los que se identificarán en la tabla, y se
representan de la siguiente manera:

P (8.75 ≤ X ≤ 9.96) = P (-0.83 ≤ Z ≤ 1.18)

Sí; P (𝑧1 ≤ 𝑍 ≤ 𝑧2 ) = 𝑃 ( 𝑍 ≤ 𝑧2 ) − 𝑃 ( 𝑍 ≤ 𝑧1 ).
Entonces: 0.8833 - 0.2033 = 0.68
Si esto lo multiplicamos por el 100% (0.68*100), tenemos que el 68% de los
trabajadores recibe un salario entre $8.75 y $9.96.

La segunda pregunta es:

b) ¿El 5% más alto de los salarios por hora de empleado es mayor a qué
cantidad?
Aquí ya se nos está proporcionando lo que es la probabilidad es decir el 5%,
entonces lo primero que tenemos que hacer es buscar dentro de las tablas un
valor aproximado al 0.0500, el cual nos da un valor de z de -1.65 y para poder
resolverlo tenemos que despejar la fórmula que se mostró anteriormente, de
la siguiente manera:
𝑥−𝜇
𝑧=
𝜎
(𝑧)(𝜎) = 𝑥 − 𝜇
𝑥 = (𝑧)(𝜎) + 𝜇
Sustituimos:
𝑥 = (1.65)(0.60) + 9.25 = 10.24
Por lo que se encuentra que el 5% de los empleados recibe un salario mayor
a $10.24.