SlideShare une entreprise Scribd logo
1  sur  29
Télécharger pour lire hors ligne
Realizado por:
Stalin Coronel
Diego Espinoza
Revisado por:
Mónica Mantilla
 La

Distribución Normal fue inventada por:
De Moivre
 El nombre de Distribución normal fue
aplicado por F. Galton en 1889
 Conocida
también
como
Distribución
Gaussiana
La distribución de probabilidad de una variable
aleatoria continua X se llama normal si su
función de densidad es:

1
( x   ) 2 / 2 2
f ( x) 
e
, x  (, )
2 
1
( x   ) 2 / 2 2
f ( x) 
e
, x  (, )
2 
μ
σ

Promedio= esperanza
desviación estándar (valor positivo)
 NOTACIÓN:

X ~ N (μ,σ²)
 Función

de Distribución:

1
F ( x) 
2 

x





e

 ( x   ) 2 / 2 2

dx


f(x)

Simetría con respecto a x=μ



F(x)

Asíntotas en:
X=0 y X=1
 Esperanza:

E(x)=μ
 Varianza:

Var(x)=σ²
 Normal
-

-

estándar (N (0,1))

μ=0
σ²=1

Función de
densidad

Función de
distribución

1 x2 / 2
 ( x) 
e
, x  (, )
2
( x) 

1
2

x





e

x2 / 2

dx
 Ley

normal

x
F ( x )  

  
 Fórmula

desarrollada por Derenzo




1
 (83 x  351) x  562 
 exp 
, x  0
703
2


 165 
x




  0.5, x  0




1  1 exp  (83x  351) x  562 , x  0


703
 2


 165

x



Tabla de probabilidad acumulada para la
distribución normal estándar
EJERCICIOS RESUELTOS


a)

El perímetro craneal de los hombres, en una ciudad, es
una variable aleatoria de media 60cm y desviación
estándar 2cm.
Qué porcentaje de los hombres tienen un perímetro
craneal entre 57 y 64 cm?

  60
 2
x
F ( x )  

  
Pr(57  x  64)  F (64)  F (57)
 64  60 
 57  60 
Pr(57  x  64)  
  
   (2)   (1.5)
2 
2 


Pr(57  x  64)  0.9772  0.0668  0.9104

R= 91%
b) Qué perímetro craneal debe tener un hombre para que el
16.6% de sus paisanos “tenga más cabeza que él”?
  60
 2
 x 
F ( x )  

 

Pr( X  x)  0.166
Pr( X  x)  1  Pr( X  x)  1  F ( x)  0.166
F ( x)  1  0.166  0.834
 x  60 

  0.834
 2 
 (0.97)  0.834
x  60
 0.97
2
x  61.94cm
c) Y cuánto para que el 35.2% tenga menos?

  60
 2
 x 
F ( x )  

 

Pr( X  x)  0.352
Pr( X  x)  F ( x)  0.352
 x  60 

  0.352
 2 
 (0.28)  0.352
x  60
 0.38
2
x  59.24cm


a)

Se experimenta con un medicamento que produce
variación en el peso de las personas que lo toman. Pruebas
de laboratorio han demostrado que al cabo de un mes la
variación del peso sigue una distribución Gaussiana de
media 2kg y desviación estándar 1.25kg. Determine la
probabilidad de que una persona:
Haya aumentado al menos un kilogramo
2
  1.25
Pr( x  1)  1  Pr( x  1)  1  F (1)
 x 
F ( x )  

  
1 2 
Pr( x  1)  

 1.25 
Pr( x  1)  1   (0.8)
Pr( x  1)  1  0.2119  0.7881
b) Haya rebajado de peso

2
  1.25
Pr( x  0)  F (0)
 x 
F ( x)  

  
02
Pr( x  0)  

 1.25 
Pr( x  0)   (1.6)
Pr( x  0)  0.0548
c) Haya aumentado menos de 3kg

2
  1.25
Pr(0  x  3)  F (3)  F (0)
 x 
F ( x )  

  
 3 2
02
Pr(0  x  3)  
  

 1.25 
 1.25 
Pr(0  x  3)   (0.8)   (1.6)
Pr(0  x  3)  0.7881  0.0548  0.7333


En una fábrica de autos un ingeniero está diseñando
autobuses pequeños. Sabe que la estatura de la
población está normalmente distribuida con media
1.70m y varianza σ², con σ=5 cm.
¿Qué altura mínima deberán tener los autobuses para
que no más del 1% de las personas golpee su cabeza con
la parte superior del autobús?
Sea X { estatura de las personas } .Denominemos h a la
altura mínima para que la probabilidad de que una
persona golpee su cabeza con el techo del autobús
sea del 1 % .
  1.70
 5
 x 
F ( x )  

 

Pr( x  h)  0.01
Pr( x  h)  1  Pr( x  h)  1  F (h)
 h  1.70 
Pr( x  h)  1  

0.05 

Entonces :
 h  1.70 
0.01  1  

 0.05 
 h  1.70 

  1  0.01  0.99
 0.05 
h  1.70
 2.33
0.05
h  1.70  (0.05 * 2.33)
h  1.817

Por lo tanto el ingeniero deberá diseñar el autobús
con una altura de 1.82 m


Se tomaron dos exámenes sobre 100 puntos , en el primero
se obtuvo μ1=80 , σ1=4 y en el segundo μ2=65 , σ2=5 .Un
estudiante sacó 84 en el primer examen y 75 en el
segundo.

Comparativamente , ¿en cuál de los exámenes obtuvo mejor
resultado?
Para poder hacer una comparación de cómo le fue al
estudiante en cada examen determinaremos para cada
caso el porcentaje de compañeros que sacaron menor nota
que el estudiante :

PRIMER EXAMEN :
  80
 4
 x 
F ( x )  

 

 84  80 
Pr( x  84)  F (84)  
  1  0.8413
 4 


SEGUNDO EXAMEN :

  65
 5
 x 
F ( x )  

 

 75  65 
Pr( x  75)  F (75)  
  2  0.9772
 5 
Respuesta : Como en el primer examen el porcentaje de
compañeros que obtuvo menor nota es 84.13% y en el segundo
97.72% , tuvo, comparativamente mejor resultado en el segundo
examen aunque la media de la nota haya sido menor.
EJERCICIO PROPUESTO 1
Se sabe que el gasto en cigarrillos es, para los
fumadores, de $.5 diarios por término medio,
y que la desviación estándar es de 0,8 dólares.
Suponiendo que el gasto sigue una distribución
normal,
¿qué proporción de los fumadores
gastan entre 4 y 6,2 dólares diarios?
EJERCICIO PROPUESTO 2
Supongamos que la cantidad de radiación cósmica
a la que una persona está expuesta cuando vuela
en jet por Estados Unidos es una variable
aleatoria que tiene una distribución normal con
una media de 4,35 mrem y una desviación
estándar de 0,59 mrem. ¿cuál es la probabilidad
de que una persona estará expuesta a más de
5.20 mrem de radiación cósmica en un vuelo
como éste?
EJERCICIO PROPUESTO 3
Supongamos que durante los periodos de
meditación trascendental la reducción del
consumo de oxígeno de una persona es una
variable aleatoria que tiene una media de 37.6
cc por minuto y desviación de 4.60c por minuto.
Encuentre las probabilidades de que durante un
periodo de meditación el consumo de oxígeno de
una persona se reducirá por:
a) Al menos 44.5 cc por minuto
b) Cuando mucho 35.00 cc por minuto
c) Cualquier valor entre 30.0 y 40.0 cc por minuto

Contenu connexe

Tendances

79276671 ejercicios-unidad-8
79276671 ejercicios-unidad-879276671 ejercicios-unidad-8
79276671 ejercicios-unidad-8
Cecy De León
 
Solucionario libro: Probabilidad y estadística para ingenieros 6 ed - walpole
Solucionario libro: Probabilidad y estadística para ingenieros 6 ed - walpoleSolucionario libro: Probabilidad y estadística para ingenieros 6 ed - walpole
Solucionario libro: Probabilidad y estadística para ingenieros 6 ed - walpole
Miguel Leonardo Sánchez Fajardo
 
RESUMEN DE ESTADISTICA II INIDAD 2
RESUMEN DE ESTADISTICA II INIDAD 2RESUMEN DE ESTADISTICA II INIDAD 2
RESUMEN DE ESTADISTICA II INIDAD 2
FELIX Castro Garcia
 
Distribución de poisson ejercicio práctico-
Distribución de poisson  ejercicio práctico-Distribución de poisson  ejercicio práctico-
Distribución de poisson ejercicio práctico-
Jhonatan Arroyave Montoya
 
Investigación de Operaciones 1/2
Investigación de Operaciones 1/2Investigación de Operaciones 1/2
Investigación de Operaciones 1/2
CEMEX
 
Ejercicios resueltos semana_9dic10
Ejercicios resueltos semana_9dic10Ejercicios resueltos semana_9dic10
Ejercicios resueltos semana_9dic10
milena cas
 
Ejercicios de distribucion normal estandar
Ejercicios de distribucion normal estandarEjercicios de distribucion normal estandar
Ejercicios de distribucion normal estandar
Nathywiiz Hernández
 

Tendances (20)

79276671 ejercicios-unidad-8
79276671 ejercicios-unidad-879276671 ejercicios-unidad-8
79276671 ejercicios-unidad-8
 
Tarea 7 de probabilidad y estadistica con respuesta (esperanza matemática o v...
Tarea 7 de probabilidad y estadistica con respuesta (esperanza matemática o v...Tarea 7 de probabilidad y estadistica con respuesta (esperanza matemática o v...
Tarea 7 de probabilidad y estadistica con respuesta (esperanza matemática o v...
 
Ejercicios resueltos
Ejercicios resueltosEjercicios resueltos
Ejercicios resueltos
 
Solucionario libro: Probabilidad y estadística para ingenieros 6 ed - walpole
Solucionario libro: Probabilidad y estadística para ingenieros 6 ed - walpoleSolucionario libro: Probabilidad y estadística para ingenieros 6 ed - walpole
Solucionario libro: Probabilidad y estadística para ingenieros 6 ed - walpole
 
Problemas resueltos de distribución muestral
Problemas resueltos de distribución muestralProblemas resueltos de distribución muestral
Problemas resueltos de distribución muestral
 
Calculo del tamaño de muestra
Calculo del tamaño de muestraCalculo del tamaño de muestra
Calculo del tamaño de muestra
 
Tarea 9 de probabilidad y estadistica con respuestas
Tarea 9 de probabilidad y estadistica con respuestasTarea 9 de probabilidad y estadistica con respuestas
Tarea 9 de probabilidad y estadistica con respuestas
 
S12 distribución binomial (1)
S12 distribución binomial (1)S12 distribución binomial (1)
S12 distribución binomial (1)
 
RESUMEN DE ESTADISTICA II INIDAD 2
RESUMEN DE ESTADISTICA II INIDAD 2RESUMEN DE ESTADISTICA II INIDAD 2
RESUMEN DE ESTADISTICA II INIDAD 2
 
50ejerciciodeestadistica docx1-120121174706-phpapp01
50ejerciciodeestadistica docx1-120121174706-phpapp0150ejerciciodeestadistica docx1-120121174706-phpapp01
50ejerciciodeestadistica docx1-120121174706-phpapp01
 
Distribución de poisson ejercicio práctico-
Distribución de poisson  ejercicio práctico-Distribución de poisson  ejercicio práctico-
Distribución de poisson ejercicio práctico-
 
Investigación de Operaciones 1/2
Investigación de Operaciones 1/2Investigación de Operaciones 1/2
Investigación de Operaciones 1/2
 
Ejercicios resueltos semana_9dic10
Ejercicios resueltos semana_9dic10Ejercicios resueltos semana_9dic10
Ejercicios resueltos semana_9dic10
 
Ejemplos de Procesos Estocásticos
Ejemplos de Procesos EstocásticosEjemplos de Procesos Estocásticos
Ejemplos de Procesos Estocásticos
 
Estadística Probabilidades
Estadística ProbabilidadesEstadística Probabilidades
Estadística Probabilidades
 
Ejercicios de distribucion normal estandar
Ejercicios de distribucion normal estandarEjercicios de distribucion normal estandar
Ejercicios de distribucion normal estandar
 
28 ejercicios
28 ejercicios28 ejercicios
28 ejercicios
 
ejercicios resuelto de estadística l
ejercicios resuelto de estadística lejercicios resuelto de estadística l
ejercicios resuelto de estadística l
 
13 problema de redes
13 problema de redes13 problema de redes
13 problema de redes
 
Ejercicios de distribución normal estándar y área bajo la curva (5)
Ejercicios de distribución normal estándar y área bajo la curva (5)Ejercicios de distribución normal estándar y área bajo la curva (5)
Ejercicios de distribución normal estándar y área bajo la curva (5)
 

En vedette

Uso de la tabla de distribucion de probabilidad normal estandar
Uso de la tabla de distribucion de probabilidad normal estandarUso de la tabla de distribucion de probabilidad normal estandar
Uso de la tabla de distribucion de probabilidad normal estandar
Araceli Gomez
 
Tablas distribuciones
Tablas distribucionesTablas distribuciones
Tablas distribuciones
pilosofando
 
distribucion-de-probabilidades
distribucion-de-probabilidadesdistribucion-de-probabilidades
distribucion-de-probabilidades
ROSAURA GARCIA
 
50 ejercicios estadistica
50 ejercicios estadistica50 ejercicios estadistica
50 ejercicios estadistica
PAHOLA24
 
Distribucion Normal
Distribucion NormalDistribucion Normal
Distribucion Normal
nestor
 
La distribucion normal y su uso en la inferencia estadistica
La distribucion normal y su uso en la inferencia estadisticaLa distribucion normal y su uso en la inferencia estadistica
La distribucion normal y su uso en la inferencia estadistica
eraperez
 
Tabla distribución normal 1 cola z=0 a derecha
Tabla distribución normal 1 cola z=0 a derechaTabla distribución normal 1 cola z=0 a derecha
Tabla distribución normal 1 cola z=0 a derecha
Francisco Molina
 
DISTRIBUCIÓN NORMAL RUTH CORDOVA
DISTRIBUCIÓN NORMAL RUTH CORDOVADISTRIBUCIÓN NORMAL RUTH CORDOVA
DISTRIBUCIÓN NORMAL RUTH CORDOVA
andymaque
 
Modulo sobre la distribucion normal por wallter lopez
Modulo sobre la distribucion normal por wallter lopezModulo sobre la distribucion normal por wallter lopez
Modulo sobre la distribucion normal por wallter lopez
francisxm
 
Tabla distribución normal 1 cola izquierda
Tabla distribución normal 1 cola izquierdaTabla distribución normal 1 cola izquierda
Tabla distribución normal 1 cola izquierda
Francisco Molina
 

En vedette (20)

Uso de la tabla de distribucion de probabilidad normal estandar
Uso de la tabla de distribucion de probabilidad normal estandarUso de la tabla de distribucion de probabilidad normal estandar
Uso de la tabla de distribucion de probabilidad normal estandar
 
Tablas distribuciones
Tablas distribucionesTablas distribuciones
Tablas distribuciones
 
Tabla z
Tabla zTabla z
Tabla z
 
Ejercicio de probabilidad de distribución normal
Ejercicio de probabilidad de distribución normalEjercicio de probabilidad de distribución normal
Ejercicio de probabilidad de distribución normal
 
distribucion-de-probabilidades
distribucion-de-probabilidadesdistribucion-de-probabilidades
distribucion-de-probabilidades
 
Tabla z
Tabla zTabla z
Tabla z
 
50 ejercicios estadistica
50 ejercicios estadistica50 ejercicios estadistica
50 ejercicios estadistica
 
La Distribucion Normal
La Distribucion NormalLa Distribucion Normal
La Distribucion Normal
 
Tabla Distribucion normal 2
Tabla Distribucion  normal 2Tabla Distribucion  normal 2
Tabla Distribucion normal 2
 
Ensayos de hipótesis de una y dos colas con medias y proporciones
Ensayos de hipótesis de una y dos colas con medias y proporcionesEnsayos de hipótesis de una y dos colas con medias y proporciones
Ensayos de hipótesis de una y dos colas con medias y proporciones
 
Distribucion normal por wallter lopez
Distribucion normal por wallter lopezDistribucion normal por wallter lopez
Distribucion normal por wallter lopez
 
Distribucion Normal
Distribucion NormalDistribucion Normal
Distribucion Normal
 
La distribucion normal y su uso en la inferencia estadistica
La distribucion normal y su uso en la inferencia estadisticaLa distribucion normal y su uso en la inferencia estadistica
La distribucion normal y su uso en la inferencia estadistica
 
Distribucion normal
Distribucion normalDistribucion normal
Distribucion normal
 
Tabla distribución normal 1 cola z=0 a derecha
Tabla distribución normal 1 cola z=0 a derechaTabla distribución normal 1 cola z=0 a derecha
Tabla distribución normal 1 cola z=0 a derecha
 
DISTRIBUCIÓN NORMAL RUTH CORDOVA
DISTRIBUCIÓN NORMAL RUTH CORDOVADISTRIBUCIÓN NORMAL RUTH CORDOVA
DISTRIBUCIÓN NORMAL RUTH CORDOVA
 
Modulo sobre la distribucion normal por wallter lopez
Modulo sobre la distribucion normal por wallter lopezModulo sobre la distribucion normal por wallter lopez
Modulo sobre la distribucion normal por wallter lopez
 
Tabla distribución normal 1 cola izquierda
Tabla distribución normal 1 cola izquierdaTabla distribución normal 1 cola izquierda
Tabla distribución normal 1 cola izquierda
 
Tabla t student
Tabla t studentTabla t student
Tabla t student
 
Tablas estadisticas
Tablas estadisticasTablas estadisticas
Tablas estadisticas
 

Similaire à Distribucion Normal

mat 260 unidjjjjjjad 3 parte 1 2020.pptx
mat 260 unidjjjjjjad 3 parte 1 2020.pptxmat 260 unidjjjjjjad 3 parte 1 2020.pptx
mat 260 unidjjjjjjad 3 parte 1 2020.pptx
potaca7533
 
Presentación probabilidad
Presentación probabilidadPresentación probabilidad
Presentación probabilidad
ojitos55
 
Distribuciones de Probabilidad (Variable Aleatoria Continua)
Distribuciones de Probabilidad (Variable Aleatoria Continua)Distribuciones de Probabilidad (Variable Aleatoria Continua)
Distribuciones de Probabilidad (Variable Aleatoria Continua)
Daniel Gómez
 
Distribuciones muestrales. distribucion muestral de medias
Distribuciones muestrales. distribucion muestral de mediasDistribuciones muestrales. distribucion muestral de medias
Distribuciones muestrales. distribucion muestral de medias
eraperez
 
265337372 analisis-granulometrico-funciones-de-distribucion-convertido
265337372 analisis-granulometrico-funciones-de-distribucion-convertido265337372 analisis-granulometrico-funciones-de-distribucion-convertido
265337372 analisis-granulometrico-funciones-de-distribucion-convertido
BladyPilco
 

Similaire à Distribucion Normal (20)

Distrubución binomial
Distrubución binomialDistrubución binomial
Distrubución binomial
 
Guia distnormal
Guia distnormalGuia distnormal
Guia distnormal
 
mat 260 unidjjjjjjad 3 parte 1 2020.pptx
mat 260 unidjjjjjjad 3 parte 1 2020.pptxmat 260 unidjjjjjjad 3 parte 1 2020.pptx
mat 260 unidjjjjjjad 3 parte 1 2020.pptx
 
Presentación probabilidad
Presentación probabilidadPresentación probabilidad
Presentación probabilidad
 
Distribucion Normal Modelos de probabilidad continuos
Distribucion Normal Modelos de probabilidad continuosDistribucion Normal Modelos de probabilidad continuos
Distribucion Normal Modelos de probabilidad continuos
 
Problemas resueltos-de-dist-normal1
Problemas resueltos-de-dist-normal1Problemas resueltos-de-dist-normal1
Problemas resueltos-de-dist-normal1
 
Problemas resueltos-de-dist-normal1
Problemas resueltos-de-dist-normal1Problemas resueltos-de-dist-normal1
Problemas resueltos-de-dist-normal1
 
Problemas resueltos-de-dist-normal1
Problemas resueltos-de-dist-normal1Problemas resueltos-de-dist-normal1
Problemas resueltos-de-dist-normal1
 
Labo 2
Labo   2Labo   2
Labo 2
 
Laboratorio 2
Laboratorio 2Laboratorio 2
Laboratorio 2
 
Distribucion de poisson
Distribucion de poissonDistribucion de poisson
Distribucion de poisson
 
Distribuciones de Probabilidad (Variable Aleatoria Continua)
Distribuciones de Probabilidad (Variable Aleatoria Continua)Distribuciones de Probabilidad (Variable Aleatoria Continua)
Distribuciones de Probabilidad (Variable Aleatoria Continua)
 
Distribuciones muestrales. distribucion muestral de medias
Distribuciones muestrales. distribucion muestral de mediasDistribuciones muestrales. distribucion muestral de medias
Distribuciones muestrales. distribucion muestral de medias
 
Normal
NormalNormal
Normal
 
265337372 analisis-granulometrico-funciones-de-distribucion-convertido
265337372 analisis-granulometrico-funciones-de-distribucion-convertido265337372 analisis-granulometrico-funciones-de-distribucion-convertido
265337372 analisis-granulometrico-funciones-de-distribucion-convertido
 
Ejercicios estadistica
Ejercicios estadisticaEjercicios estadistica
Ejercicios estadistica
 
Trabajos resueltos de inferencia 2015
Trabajos resueltos de inferencia 2015Trabajos resueltos de inferencia 2015
Trabajos resueltos de inferencia 2015
 
distribucion_normal (1).pdf
distribucion_normal (1).pdfdistribucion_normal (1).pdf
distribucion_normal (1).pdf
 
trabajo funcoines trigonometricasn
trabajo funcoines trigonometricasntrabajo funcoines trigonometricasn
trabajo funcoines trigonometricasn
 
Distribuciones de probabilidad en minitab
Distribuciones de probabilidad en minitabDistribuciones de probabilidad en minitab
Distribuciones de probabilidad en minitab
 

Plus de Monica Mantilla Hidalgo

Plus de Monica Mantilla Hidalgo (16)

Gráficos estadísticos
Gráficos estadísticosGráficos estadísticos
Gráficos estadísticos
 
Distribucion uniforme continua
Distribucion uniforme continuaDistribucion uniforme continua
Distribucion uniforme continua
 
Teorema del limite central
Teorema del limite centralTeorema del limite central
Teorema del limite central
 
Distribucion uniforme continua
Distribucion uniforme continuaDistribucion uniforme continua
Distribucion uniforme continua
 
Distribucion exponencial
Distribucion exponencialDistribucion exponencial
Distribucion exponencial
 
Propuesta de Capacitación-Grupo 13
Propuesta de Capacitación-Grupo 13Propuesta de Capacitación-Grupo 13
Propuesta de Capacitación-Grupo 13
 
Informe de gestión
Informe de gestiónInforme de gestión
Informe de gestión
 
Módulo X- Mónica Mantilla
Módulo X- Mónica  MantillaMódulo X- Mónica  Mantilla
Módulo X- Mónica Mantilla
 
Realidad aumentada
Realidad aumentadaRealidad aumentada
Realidad aumentada
 
Misión 1
Misión 1Misión 1
Misión 1
 
Modelo de investigación.grupo 13-CIU
Modelo de investigación.grupo 13-CIUModelo de investigación.grupo 13-CIU
Modelo de investigación.grupo 13-CIU
 
Estrategias innovadoras Grupo1-CIU
Estrategias innovadoras Grupo1-CIUEstrategias innovadoras Grupo1-CIU
Estrategias innovadoras Grupo1-CIU
 
Variablesaleatoriasdiscretas
VariablesaleatoriasdiscretasVariablesaleatoriasdiscretas
Variablesaleatoriasdiscretas
 
I estadística descriptiva2
I estadística descriptiva2I estadística descriptiva2
I estadística descriptiva2
 
Variables aleatorias
Variables aleatoriasVariables aleatorias
Variables aleatorias
 
Variables aleatorias
Variables aleatoriasVariables aleatorias
Variables aleatorias
 

Dernier

TEMA 14.DERIVACIONES ECONÓMICAS, SOCIALES Y POLÍTICAS DEL PROCESO DE INTEGRAC...
TEMA 14.DERIVACIONES ECONÓMICAS, SOCIALES Y POLÍTICAS DEL PROCESO DE INTEGRAC...TEMA 14.DERIVACIONES ECONÓMICAS, SOCIALES Y POLÍTICAS DEL PROCESO DE INTEGRAC...
TEMA 14.DERIVACIONES ECONÓMICAS, SOCIALES Y POLÍTICAS DEL PROCESO DE INTEGRAC...
jlorentemartos
 
Proyecto de aprendizaje dia de la madre MINT.pdf
Proyecto de aprendizaje dia de la madre MINT.pdfProyecto de aprendizaje dia de la madre MINT.pdf
Proyecto de aprendizaje dia de la madre MINT.pdf
patriciaines1993
 
Concepto y definición de tipos de Datos Abstractos en c++.pptx
Concepto y definición de tipos de Datos Abstractos en c++.pptxConcepto y definición de tipos de Datos Abstractos en c++.pptx
Concepto y definición de tipos de Datos Abstractos en c++.pptx
Fernando Solis
 

Dernier (20)

Los avatares para el juego dramático en entornos virtuales
Los avatares para el juego dramático en entornos virtualesLos avatares para el juego dramático en entornos virtuales
Los avatares para el juego dramático en entornos virtuales
 
TEMA 14.DERIVACIONES ECONÓMICAS, SOCIALES Y POLÍTICAS DEL PROCESO DE INTEGRAC...
TEMA 14.DERIVACIONES ECONÓMICAS, SOCIALES Y POLÍTICAS DEL PROCESO DE INTEGRAC...TEMA 14.DERIVACIONES ECONÓMICAS, SOCIALES Y POLÍTICAS DEL PROCESO DE INTEGRAC...
TEMA 14.DERIVACIONES ECONÓMICAS, SOCIALES Y POLÍTICAS DEL PROCESO DE INTEGRAC...
 
Biografía de Charles Coulomb física .pdf
Biografía de Charles Coulomb física .pdfBiografía de Charles Coulomb física .pdf
Biografía de Charles Coulomb física .pdf
 
Posición astronómica y geográfica de Europa.pptx
Posición astronómica y geográfica de Europa.pptxPosición astronómica y geográfica de Europa.pptx
Posición astronómica y geográfica de Europa.pptx
 
Proyecto de aprendizaje dia de la madre MINT.pdf
Proyecto de aprendizaje dia de la madre MINT.pdfProyecto de aprendizaje dia de la madre MINT.pdf
Proyecto de aprendizaje dia de la madre MINT.pdf
 
Lecciones 06 Esc. Sabática. Los dos testigos
Lecciones 06 Esc. Sabática. Los dos testigosLecciones 06 Esc. Sabática. Los dos testigos
Lecciones 06 Esc. Sabática. Los dos testigos
 
Prueba libre de Geografía para obtención título Bachillerato - 2024
Prueba libre de Geografía para obtención título Bachillerato - 2024Prueba libre de Geografía para obtención título Bachillerato - 2024
Prueba libre de Geografía para obtención título Bachillerato - 2024
 
Usos y desusos de la inteligencia artificial en revistas científicas
Usos y desusos de la inteligencia artificial en revistas científicasUsos y desusos de la inteligencia artificial en revistas científicas
Usos y desusos de la inteligencia artificial en revistas científicas
 
ACRÓNIMO DE PARÍS PARA SU OLIMPIADA 2024. Por JAVIER SOLIS NOYOLA
ACRÓNIMO DE PARÍS PARA SU OLIMPIADA 2024. Por JAVIER SOLIS NOYOLAACRÓNIMO DE PARÍS PARA SU OLIMPIADA 2024. Por JAVIER SOLIS NOYOLA
ACRÓNIMO DE PARÍS PARA SU OLIMPIADA 2024. Por JAVIER SOLIS NOYOLA
 
Tema 10. Dinámica y funciones de la Atmosfera 2024
Tema 10. Dinámica y funciones de la Atmosfera 2024Tema 10. Dinámica y funciones de la Atmosfera 2024
Tema 10. Dinámica y funciones de la Atmosfera 2024
 
FUERZA Y MOVIMIENTO ciencias cuarto basico.ppt
FUERZA Y MOVIMIENTO ciencias cuarto basico.pptFUERZA Y MOVIMIENTO ciencias cuarto basico.ppt
FUERZA Y MOVIMIENTO ciencias cuarto basico.ppt
 
Prueba de evaluación Geografía e Historia Comunidad de Madrid 2º de la ESO
Prueba de evaluación Geografía e Historia Comunidad de Madrid 2º de la ESOPrueba de evaluación Geografía e Historia Comunidad de Madrid 2º de la ESO
Prueba de evaluación Geografía e Historia Comunidad de Madrid 2º de la ESO
 
Infografía EE con pie del 2023 (3)-1.pdf
Infografía EE con pie del 2023 (3)-1.pdfInfografía EE con pie del 2023 (3)-1.pdf
Infografía EE con pie del 2023 (3)-1.pdf
 
Interpretación de cortes geológicos 2024
Interpretación de cortes geológicos 2024Interpretación de cortes geológicos 2024
Interpretación de cortes geológicos 2024
 
TIENDAS MASS MINIMARKET ESTUDIO DE MERCADO
TIENDAS MASS MINIMARKET ESTUDIO DE MERCADOTIENDAS MASS MINIMARKET ESTUDIO DE MERCADO
TIENDAS MASS MINIMARKET ESTUDIO DE MERCADO
 
Power Point: Fe contra todo pronóstico.pptx
Power Point: Fe contra todo pronóstico.pptxPower Point: Fe contra todo pronóstico.pptx
Power Point: Fe contra todo pronóstico.pptx
 
PLAN DE REFUERZO ESCOLAR MERC 2024-2.docx
PLAN DE REFUERZO ESCOLAR MERC 2024-2.docxPLAN DE REFUERZO ESCOLAR MERC 2024-2.docx
PLAN DE REFUERZO ESCOLAR MERC 2024-2.docx
 
Tema 11. Dinámica de la hidrosfera 2024
Tema 11.  Dinámica de la hidrosfera 2024Tema 11.  Dinámica de la hidrosfera 2024
Tema 11. Dinámica de la hidrosfera 2024
 
Concepto y definición de tipos de Datos Abstractos en c++.pptx
Concepto y definición de tipos de Datos Abstractos en c++.pptxConcepto y definición de tipos de Datos Abstractos en c++.pptx
Concepto y definición de tipos de Datos Abstractos en c++.pptx
 
Sesión de clase APC: Los dos testigos.pdf
Sesión de clase APC: Los dos testigos.pdfSesión de clase APC: Los dos testigos.pdf
Sesión de clase APC: Los dos testigos.pdf
 

Distribucion Normal

  • 1. Realizado por: Stalin Coronel Diego Espinoza Revisado por: Mónica Mantilla
  • 2.  La Distribución Normal fue inventada por: De Moivre  El nombre de Distribución normal fue aplicado por F. Galton en 1889  Conocida también como Distribución Gaussiana
  • 3. La distribución de probabilidad de una variable aleatoria continua X se llama normal si su función de densidad es: 1 ( x   ) 2 / 2 2 f ( x)  e , x  (, ) 2 
  • 4. 1 ( x   ) 2 / 2 2 f ( x)  e , x  (, ) 2  μ σ Promedio= esperanza desviación estándar (valor positivo)
  • 5.  NOTACIÓN: X ~ N (μ,σ²)
  • 6.  Función de Distribución: 1 F ( x)  2  x   e  ( x   ) 2 / 2 2 dx
  • 7.  f(x) Simetría con respecto a x=μ  F(x) Asíntotas en: X=0 y X=1
  • 9.  Normal - - estándar (N (0,1)) μ=0 σ²=1 Función de densidad Función de distribución 1 x2 / 2  ( x)  e , x  (, ) 2 ( x)  1 2 x   e x2 / 2 dx
  • 10.  Ley normal x F ( x )      
  • 11.  Fórmula desarrollada por Derenzo    1  (83 x  351) x  562   exp  , x  0 703 2    165  x       0.5, x  0     1  1 exp  (83x  351) x  562 , x  0   703  2    165  x   
  • 12. Tabla de probabilidad acumulada para la distribución normal estándar
  • 13.
  • 15.  a) El perímetro craneal de los hombres, en una ciudad, es una variable aleatoria de media 60cm y desviación estándar 2cm. Qué porcentaje de los hombres tienen un perímetro craneal entre 57 y 64 cm?   60  2 x F ( x )       Pr(57  x  64)  F (64)  F (57)  64  60   57  60  Pr(57  x  64)         (2)   (1.5) 2  2    Pr(57  x  64)  0.9772  0.0668  0.9104 R= 91%
  • 16. b) Qué perímetro craneal debe tener un hombre para que el 16.6% de sus paisanos “tenga más cabeza que él”?   60  2  x  F ( x )       Pr( X  x)  0.166 Pr( X  x)  1  Pr( X  x)  1  F ( x)  0.166 F ( x)  1  0.166  0.834  x  60     0.834  2   (0.97)  0.834 x  60  0.97 2 x  61.94cm
  • 17. c) Y cuánto para que el 35.2% tenga menos?   60  2  x  F ( x )       Pr( X  x)  0.352 Pr( X  x)  F ( x)  0.352  x  60     0.352  2   (0.28)  0.352 x  60  0.38 2 x  59.24cm
  • 18.  a) Se experimenta con un medicamento que produce variación en el peso de las personas que lo toman. Pruebas de laboratorio han demostrado que al cabo de un mes la variación del peso sigue una distribución Gaussiana de media 2kg y desviación estándar 1.25kg. Determine la probabilidad de que una persona: Haya aumentado al menos un kilogramo 2   1.25 Pr( x  1)  1  Pr( x  1)  1  F (1)  x  F ( x )       1 2  Pr( x  1)     1.25  Pr( x  1)  1   (0.8) Pr( x  1)  1  0.2119  0.7881
  • 19. b) Haya rebajado de peso 2   1.25 Pr( x  0)  F (0)  x  F ( x)       02 Pr( x  0)     1.25  Pr( x  0)   (1.6) Pr( x  0)  0.0548
  • 20. c) Haya aumentado menos de 3kg 2   1.25 Pr(0  x  3)  F (3)  F (0)  x  F ( x )        3 2 02 Pr(0  x  3)        1.25   1.25  Pr(0  x  3)   (0.8)   (1.6) Pr(0  x  3)  0.7881  0.0548  0.7333
  • 21.  En una fábrica de autos un ingeniero está diseñando autobuses pequeños. Sabe que la estatura de la población está normalmente distribuida con media 1.70m y varianza σ², con σ=5 cm. ¿Qué altura mínima deberán tener los autobuses para que no más del 1% de las personas golpee su cabeza con la parte superior del autobús?
  • 22. Sea X { estatura de las personas } .Denominemos h a la altura mínima para que la probabilidad de que una persona golpee su cabeza con el techo del autobús sea del 1 % .   1.70  5  x  F ( x )       Pr( x  h)  0.01 Pr( x  h)  1  Pr( x  h)  1  F (h)  h  1.70  Pr( x  h)  1    0.05  
  • 23. Entonces :  h  1.70  0.01  1     0.05   h  1.70     1  0.01  0.99  0.05  h  1.70  2.33 0.05 h  1.70  (0.05 * 2.33) h  1.817 Por lo tanto el ingeniero deberá diseñar el autobús con una altura de 1.82 m
  • 24.  Se tomaron dos exámenes sobre 100 puntos , en el primero se obtuvo μ1=80 , σ1=4 y en el segundo μ2=65 , σ2=5 .Un estudiante sacó 84 en el primer examen y 75 en el segundo. Comparativamente , ¿en cuál de los exámenes obtuvo mejor resultado?
  • 25. Para poder hacer una comparación de cómo le fue al estudiante en cada examen determinaremos para cada caso el porcentaje de compañeros que sacaron menor nota que el estudiante : PRIMER EXAMEN :   80  4  x  F ( x )        84  80  Pr( x  84)  F (84)     1  0.8413  4 
  • 26.  SEGUNDO EXAMEN :   65  5  x  F ( x )        75  65  Pr( x  75)  F (75)     2  0.9772  5  Respuesta : Como en el primer examen el porcentaje de compañeros que obtuvo menor nota es 84.13% y en el segundo 97.72% , tuvo, comparativamente mejor resultado en el segundo examen aunque la media de la nota haya sido menor.
  • 27. EJERCICIO PROPUESTO 1 Se sabe que el gasto en cigarrillos es, para los fumadores, de $.5 diarios por término medio, y que la desviación estándar es de 0,8 dólares. Suponiendo que el gasto sigue una distribución normal, ¿qué proporción de los fumadores gastan entre 4 y 6,2 dólares diarios?
  • 28. EJERCICIO PROPUESTO 2 Supongamos que la cantidad de radiación cósmica a la que una persona está expuesta cuando vuela en jet por Estados Unidos es una variable aleatoria que tiene una distribución normal con una media de 4,35 mrem y una desviación estándar de 0,59 mrem. ¿cuál es la probabilidad de que una persona estará expuesta a más de 5.20 mrem de radiación cósmica en un vuelo como éste?
  • 29. EJERCICIO PROPUESTO 3 Supongamos que durante los periodos de meditación trascendental la reducción del consumo de oxígeno de una persona es una variable aleatoria que tiene una media de 37.6 cc por minuto y desviación de 4.60c por minuto. Encuentre las probabilidades de que durante un periodo de meditación el consumo de oxígeno de una persona se reducirá por: a) Al menos 44.5 cc por minuto b) Cuando mucho 35.00 cc por minuto c) Cualquier valor entre 30.0 y 40.0 cc por minuto