Clases Prácticas

- Distribución Normal
En primer lugar realizamos ejercicios de un cariz más teórico.

* Sea X una variable normal N(μ, σ).

A) Construir un intervalo centrado en la media más/menos k veces la

desviación.

Kσ Kσ
Entonces el intervalo seria:

Intervalo Centrado = (μ- kσ , μ+Kσ)

μ

EN EL CENTRO SE SITÚA LA
MEDIA”μ”
 B) Demostrar que la probabilidad de que X pertenezca al intervalo
anterior sólo depende de k, es decir no depende ni de la media, μ, ni
de la desviación, σ.

Hay que hallar la probabilidad de que X pertenezca a (μ- Kσ, μ+Kσ)

Posteriormente observaremos que no depende de los parámetros.

Prob (μ- Kσ <X<μ+Kσ) =

Tipificamos  Función de Ф

= F (μ+Kσ)- F (μ-Kσ)

= Ф ((μ+ Kσ – μ)/σ) -Ф ((μ- Kσ – μ)/σ)

= Ф(K)- Ф(-K)

No depende de los parámetros

 C) Calcule la probabilidad anterior para k=4 ¿considera difícil
en la práctica que una variable normal se aleje más de cuatro
veces la desviación de su valor medio?

Prob (μ- 4σ<X<μ+4σ) = Ф(4)- Ф(-4) Distribución Z ~ N (0,1)

 Statgraphics  Ф(4)-Ф(-4) =0,999968-0,000031686 =0,999936314

La probabilidad de estar fuera del

intervalo es prácticamente nula. Esta
regla es muy útil para evaluar los
valores aleatorios máximos o
mínimos que podemos esperar. Por
ejemplo, si X ~ N(120, 5) representa
la demanda diaria de un producto
perecedero, ¿tiene sentido que
tengamos en stock 150 unidades
para afrontar la misma?
 D) Compara el valor obtenido en el apartado c) con la cota de
Chebychev, imaginando que no conocemos la distribución pero si su
valor medio y su desviación.

Recordatorio desigualdad de Chebychev:

Cuando desconocemos la función de distribución podemos utilizar la
cota de Chebychev:
Prob(μ- Kσ<X<μ+Kσ) ≥1-1/k2

Sabiendo Normalidad Prob (μ- 4 σ<X<μ+4σ)= Ф(4)- Ф(-4)~1

Desconociendo distribución 1-1/k2 = 1-1/42 = 1-1/16= 15/16 = 0,9315

Al ser una cota es obviamente menos precisa,

observe que el verdadero valor 0,9999 es mayor que 0,9375.
 * Sea X~N(100, 5) calcule la distribución de las siguientes transformaciones
lineales:
g(X) = 3X
g(X) =X-2
g(X) =-2X+2
g(X) =5X+4
g(X) =1-X/3
Todas son transformaciones lineales  g(X)~N(aμ+b, |a|σ) sólo hay que
determinar a y b en cada caso.

!Ojo! Otro tipo de transformaciones podrían ser muy difíciles de tratar.

g(X) = 3X ; g(X)~N(a μ+b, aσ)  3X ~ N(3x100,5x3) = N(300, 15)

g(X) =X-2; g(X)~N(a μ+b, aσ)  X-2 ~ N(100-2, 5) = N(98, 5)

g(X) =-2X+2; g(X)~N(aμ+b, |a|σ)  -2X+2 ~ N(-2x100+2, 2x5) = N(-198, 10)

g(X) =5X+4 ; g(X)~N(aμ+b, aσ)  5X+4 ~ N(5x100+4, 5x5) = N(504, 25)

g(X) = 1-X/3; g(X)~N(a μ+b, |a|σ)  1-X/3 ~ N(1-100/3, (1/3)x5) = N(-97/3, 5/3)
* Una facultad recibe solicitudes de ingreso para el siguiente curso. Los aspirantes se someten a
pruebas de selectividad cuyos resultados se puntúan de 0 a 1.000, siguiendo las calificaciones una
distribución N(550,100). Se sabe que hay 350 personas con puntuaciones comprendidas entre 400
y 450, ambas inclusive.

X Variable Aleatoria Calificación de un Alumno:

Las calificaciones se distribuyen de forma normal

de media 550 y desviación típica 100

N(550,100)

550

Sabemos también que hay 350 personas entre 400 y 450 puntos.

Dato del Problema 400<X<450 350 personas

Si la facultad decide admitir al 25% de los aspirantes que obtengan las calificaciones más
altas, ¿cuál es la mínima calificación necesaria para ser admitido?

75% 25%

Rango de valores de
las calificaciones
C

la Nota de corte es
nuestra incógnita

F(c) =0,75  Percentil 75%  Problema resuelto por Statgraphics

– Módulo CDF Inverso-

Solución  c =617,49
 b) ¿Cuántas personas se esperan que hayan obtenido entre 620 y 740 puntos?

1º Calculo la probabilidad  prob(620<calificación<740)

F(740)-F(620) = 0,971284-0,758038
= 0,213246

2º Traslado la probabilidad a la población  Esperamos 21,3246%(N) = 0,213246xN

N=número de personas total

¿Cómo obtengo N? Utilizo la información inicial 

Nº de personas con 400<X<450

F(450)-F(400) = 0,158655-0,066807 = 0,091848

Por lo tanto, siguiendo el mismo esquema  Nx(0,091848) = 350  El número
total de personas es N=3810
Las personas esperadas que han obtenido entre 620 y 740 puntos:
Prob(620<calificación<740) x N  0,213246 x 3810 = 812 personas
* Supongamos que los diámetros (en mm.) de los huevos puestos por las gallinas de
una granja se distribuyen normalmente con media 40 y varianza 4. El precio de
venta por huevo es de 1um para los de diámetro menor que 37mm., 1,60um para
las de diámetro mayor que 42mm. y 1,30um para los restantes.

X =Diámetro del huevo, que se distribuye según una variable normal de

μ=40mm. y σ = 2mm. ( Varianza = 4  σ = 2)
Diámetro  N(40, 2)

Xi Pi
1um P(x<37)

1,30um P(37<X<42)

1,60um P(X>42)
 Calculo cada una de las probabilidades:

X ~ N(40, 2) 
P (X<37) = F(37) = 0,066807
P (37<X<42) = F(42) – F(37) =
0,841345-0,066807= 0, 774538
P (X>42) = 0,158655

a)¿Cuál es el precio medio de venta por huevo producido en dicha granja?

Precio, variable discreta  E(X)   x i p i

i 1

(1um x 0,066807) + (1,30um x 0,774538) + (1,60 euros x 0,158655 )

El precio medio de venta por huevo es 1,3275um

* Un consultor de dirección ha encontrado que la cantidad de tiempo que
invierten los ejecutivos cada día en realizar tareas administrativas, sigue una
distribución normal de media 2,4 horas. También ha observado que un 33%
invierten más de 2,84 horas en hacer este tipo de tareas. Calcule la probabilidad
de que un ejecutivo invierta más de 3 horas en este tipo de tareas.

Información del Problema  X = Tiempo invertido en tareas administrativas.

X ~ N(2,4horas, σ)  desconocemos σ; P(X>2,84 horas) = 0,33 (33%)

Solución: Debemos calcular P( X>3).

¿Problema? No tenemos identificada perfectamente la variable normal debido a
que, aunque conozcamos su media, desconocemos su desviación. ¿Cómo obtener
la desviación?  Utilizo la información del problema:
Prob (X>2,84 horas)=0,33  1-F(2,84)=0,33  F(2,84)=0,67
Utilizando la propiedad de tipificación  F(x) = Φ((x-μ)/σ)

2,84 -  2,84 - 2,4

F(2,84)   (z)  0,67, donde z  
 
(z)  0,67  CDF Inverso  z  0,439915
2,84 - 2,4 0,44
  0,439915     1hora
 0,439915
Solución : P(X  3)  -Conocemos  y  -  0,274252
* La tasa de alcoholemia permitida en la sangre es de 0,5 gr/l. El etilómetro
(medidor), no es un sistema 100% fiable y lleva implícito un error el cual se
distribuye normalmente con media 0 y desviación proporcionada por el
fabricante. Si un individuo marca 0,55gr/l en un control entonces
a) ¿Cómo debe ser la desviación del error para estar seguros al 90% que
realmente da positivo?
b) ¿Qué interpretamos si dicho valor calculado es notablemente inferior al
proporcionado por el fabricante?

Información del Problema  E = Error en la medición del etilómetro.

E ~ N(0, σ)  desconocemos σ. Medida Legal Sanción = 0,5gr/l. Medida Obtenida

por el etilómetro = 0,55gr/l. ¿Estamos seguro de que es positivo?

a) ¿Qué significa estar seguro al 90%? P( Medida Real > 0,5gr/l)=0,9 (90%)
¿Cuál es la Medida de la máquina? La medida de la máquina es función del error –
recordamos la relación 3 y los ejercicios sobre variables que miden errores -.
0,55 (Medida del etilómetro) = Medida Real + Error 
Medida Real = 0,55 - Error

P(Medida Real  0,5gr/l)  P(0,55gr/l - Error  0,5gr/l.) 

 P(Error  0,05gr/l.)  0,90  F(0,05)  0,90
 0,05 - 0 0,05
F(0,05)  0,90   ( )  0,90   ( z )  0,90; z 
 
N(0, 1) (CDF Inverso) (z )  0,90  z  1,28155
0,05 0,05
  1,28155     0,039
 1,28155
b) ¿Qué interpretamos si dicho valor calculado es notablemente inferior al
proporcionado por el fabricante del etilómetro?

Si la desviación calculada es menor a la proporcionada por el fabricante del

etilómetro, significa que el margen de error de la máquina es mayor, con lo
cual no podremos estar seguros al 90% de que hemos dado positivo.
* En una determinada ciudad, la cuota por contribuyente del impuesto municipal de
vehículos de tracción mecánica sigue una distribución normal con media 30€. El
porcentaje de contribuyentes que pagan menos de 18€ es del 15,85%.

Información del Problema  X = Cuota Impuesto Vehículos Tracción Mecánica.

X ~ N(30€, σ)  desconocemos σ. P(X<18€)=0,1585 (15,85%)

Primer Paso  Identificamos completamente la variable X calculando σ.

 Utilizo la información del problema:
P (X<18€)=0,1584  F(18)=0,1584
Utilizando la propiedad de tipificación  F(x) = Φ((x-μ)/σ)

18 -  18 - 30
F(18)  (z)  0,1584, donde z  
 
(z)  0,1584  CDF Inverso  z  1,00106
18 - 30  12
  1,00106     12€
  1,00106

X Variable Identifica da - Conocemos  y  -  N(30€, 12€)

a) ¿Qué porcentaje de contribuyentes paga una cuota comprendida entre 12€ y 24€?

Solución  ¿Probabilidad(12<X<24)? Al estar X

identificada, se resuelve con el software.

P (12<X<24)=F(24)-F(12) =0,308536-0,066807=
=0,241729
El 24,1719% de los contribuyentes paga una cuota
comprendida entre 12€ y 24€.

b) En la misma ciudad, la cuota por contribuyente del impuesto del servicio de

recogida de basuras se distribuye también normalmente con media 30€ y desviación
típica 12€. Si las cuotas de cada impuesto son independientes:
b.1) ¿Qué distribución sigue la cuota total por contribuyente procedente de la suma
de las cuotas de estos dos impuestos?

b.2) ¿Qué porcentaje de contribuyentes pagan una cuota total superior a 48€?
 Sabemos que:
Y = Cuota Impuesto del Servicio de Recogida de Basuras  Y ~ N(30€, 12€)

b.1) ¿Qué distribución sigue la cuota total por contribuyente procedente de la

suma de las cuotas de estos dos impuestos?

Cuota Total =Suma de las Cuotas =Suma de ambos Impuestos = X+Y

 Suma de Variables Normales 

N(μ1 , σ1 )  N(μ 2 , σ 2 )  N(μ1  μ 2 , σ12  σ 22 )

En nuestro caso:

N(30,12)  N(30,12)  N(30  30, 122  122 )

Suma Impuestos  N(60, 16,97)
 b.2) ¿Qué porcentaje de contribuyentes pagan una cuota total superior a 48€?

Suma N(60€, 16,97€)

P(Suma  48€)  (Conocemos μ y σ)  0,760258

El 76,0258% de los contribuyentes pagan una cuota total superior a 48€.

* Estudios biológicos aseguran que un tipo de pez se alimenta diariamente con una
media de 1,78kgs de plancton y con una desviación de 0,13kgrs. Si el pez se observa
durante 170 días. ¿Cuál es la probabilidad de que la cantidad de plancton total
ingerida no supere los 305kgs?

La variable aleatoria: X ~ Kg de Plancton ingerido diariamente por

un pez donde E(X)=1,78 kg. y DT (X) =0,13 kg.
Variable de interés: Suma de los 170 días. Desconocemos la
distribución de X. Este problema se soluciona aplicando el Teorema
Central del límite.

 
n

X
i 1
i  N n ; n Teorema central del límite:
Este teorema nos dice que
 
170

X
i 1
i  N 170 1,78; 170  0,13 cuando sumamos muchas
variables independientes
170
con misma esperanza y
X  N 302,6kg., 1,695kg.  desviación se obtiene una
i 1
i
Normal.

Suma N(302,6kgs , 1,695kgs)

P(Suma  305kgs.)  0,921602
 * Un ascensor tiene cabida para 10 personas o un peso máximo de 875 kilogramos.
Suponiendo que sólo lo utilizan hombres y que sus pesos se distribuyen
normalmente con media 80 kilogramos y desviación típica 10 kilogramos, ¿cuál es la
probabilidad de que un grupo de 10 hombres, elegidos al azar, sobrepase el peso
límite?

Información del Problema  X = Peso de un Hombre.

X ~ N(80Kgs., 10Kgs.) Identificada.

Cabida Máxima  10 personas ó 875Kgs. Entran 10 personas en el ascensor.

Problema  Probabilidad (Suma Pesos > 875kgs)

Para calcularlo tenemos que hallar el peso total= P1+…+P10

Aplicamos la propiedad Aditiva

N(μ1 , σ1 )  ...  N(μ10 , σ10 )  N(μ1  ...  μ10 , σ12  ...  σ10
2
)
Como μ i  80 y σ i  10  N(10·80, 10 ·10)
Suma N(800kgs, 31,622776kgs)
P(Suma  875kgs.)  0,00885299
Porcentaje  0,885299%
 Problemas de examen

Problema 1. Un profesor, como cualquier otro humano, comete errores al corregir

los exámenes de su asignatura. Estudios de una prestigiosa universidad alemana
modelaron los mismos a través de una normal de media 0 puntos que se suman a la
verdadera nota del alumno. Se revisaron los exámenes corregidos por un colectivo
de profesores observándose que en el 90% se cometían errores inferiores a 0,2
puntos de más en la nota final.

Información del Problema  X = Error Cometido al Corregir.

X ~ N(0ptos., σ)  desconocemos σ. P(X <0,2ptos) = 0,90 (90%)

a) Calcule la desviación típica del error de corrección.

 Utilizo la información del problema:
P (X<0,2ptos) = 0,9  F(0,2)=0,9
Utilizando la propiedad de tipificación  F(x) = Φ((x-μ)/σ)

0,2 -  0,2 - 0
F(0,2)   (z)  0,9, donde z  
 
(z)  0,9  CDF Inverso  z  1,28155
0,2 0,2
  1,28155     0,15606ptos.
 1,28155
b) Si un alumno aparece en acta con una calificación de 4,5 puntos ¿qué
probabilidad existe de que realmente haya aprobado el examen?
¿Cuál es la Nota Obtenida? La Nota Obtenida es función del error – recordamos la
relación 3 y los ejercicios sobre variables que miden errores -.
4,5 puntos = Nota Real + Error 
Nota Real = 4,5 - Error

P(Nota Real  5ptos)  P(4,5ptos. - Error  5ptos.) 

 P(Error  0,5ptos.)  F(-0,5)   Normal identifica da-  0,00067797

Si obtuve 4,5 puntos existe una probabilidad de sólo el 0,064%

de que, teniendo en cuenta el error del profesor, hubiese
aprobado el examen.
 Problema 2. Un sistema de envasado de un tipo de producto alimenticio tiene
asociado un error normal de media 0 gramos y desviación típica 2 gramos.
Necesitamos 45 gramos del producto para preparar una receta y compramos una
bolsa de producto cuya etiqueta afirma que contiene 48 gramos.

a) ¿Qué probabilidad existe de que me sobre producto?

Error (Variable Normal Identificada)  N(0 gramos, 2 gramos)

P (Contenido Paquete > 45 gramos) = P (48 gramos + Error > 45 gramos) =
P ( Error > -3 gramos) = -Statgraphics- = 0,933193

b) Si compramos dos bolsas ¿qué probabilidad existe de que tengamos más de 100
gramos de producto en total?

Cantidad en la bolsa 1º  48grs.+Error1 Suma = 96 + Error1+ Error2

Error1+Error2 =N(0, 2) + N(0, 2)
Cantidad en la bolsa 2º  48grs.+Error2 N(0  0, 22  22 )  N(0, 8 )

Prob(Suma  100)  Prob(Suma Errores  100 - 96) 

Prob(N(0, 8 )  4)  0,078618 - Statgraphi cs - .