TECSUP - PFR

Matemtica II

UNIDAD X

DISTRIBUCIN NORMAL
1.

INTRODUCCIN
La distribucin normal es la distribucin ms importante de probabilidades, no
solo en la teora estadstica, sino tambin en sus aplicaciones a problemas
industriales. Es una distribucin continua y simtrica conocida tambin como la
distribucin de Gauss o de Laplace. La distribucin normal representa el
resultado de la actuacin conjunta de causas aleatorias, y por ello resulta
fundamental en el control estadstico de calidad, particularmente en la teora de
los grficos del control de fabricacin.
La funcin de probabilidades es:

f ( x; , 2 )

2
2
1
e ( x ) / 2
2

- x

Donde:

Es la media de la distribucin

Es la desviacin estndar
f(x)

Grfica de densidad de Probabilidad Normal

El diagrama es simtrico y el rea bajo la curva es la unidad.

123

Matemtica II

2.

TECSUP - PFR

ESTANDARIZACIN DE LA VARIABLE ALEATORIA

Si en lugar de x tomamos:

( x )

Lo cual significa adoptar como origen de las z el punto en que x y como

unidad de escala de las z la desviacin estndar ; la que designaremos como
distribucin Normal Estndar:
2
z
1
2
e
2

f(z)

Esta distribucin tiene parmetros: ( z ) 0 y 2 ( z ) 1 ; por conveniencia se

acostumbra nombrar esta distribucin como la N(0;1) .
Los valores del rea desde ...z son iguales a la probabilidad acumulada de
los valores correspondientes a f(z). Estos valores se encuentran tabulados en la
tabla 3 al final de esta informacin. Esta tabla corresponde a la distribucin
normal estndar, es decir, la distribucin normal con 0 y 1
La funcin acumulada es:

F( z )

F( z )

1
2

t2 / 2

dt

1 z t 2 / 2
e dt
2

Grfica de densidad de Probabilidad Normal Estndar

Para determinar la probabilidad de que una variable aleatoria con la distribucin

normal estndar adopte un valor entre a y b, usamos la ecuacin:

P(a z b) F(b) F(a)

y si a o b es negativa, hacemos uso de la identidad

124

TECSUP - PFR

Matemtica II

F( z ) 1 F( z ) .
EJEMPLO 1
Determine las probabilidades de que una variable aleatoria con la distribucin
normal estndar adopte un valor.
(a)
(b)
(c)
(d)

Entre 0,87 y 1,28

Entre -0,34 y 0,62
Mayor que 0,85
Mayor que -0,65

=
=
=
=

p(0,87<z<1,28)
p(-0,34<z<0,62)
p(z>0,85)
p(z>-0,65)

Solucin
Consultando los valores necesarios en la tabla 3, obtenemos.
a)

Entre 0,87 y 1,28 = p(0,87<z<1,28)

F(1,28) F(0,87) 0,8997 0,8078

0,0919

b)

Entre -0,34 y 0,62 = p(-0,34<z<0,62)

F(0.62) F( 0.34) 0.7324 (1 0.6331)

0.3655

125

Matemtica II

c)

TECSUP - PFR

Mayor que 0,85 = p(z>0,85)

1 F(0.85) 1 0.8023
0.1977

d)

Mayor que -0,65 = p(z>-0,65)

1 F( 0.65) 1 1 F(0.65) F(0.65)

0.7422

EJEMPLO 2
Si el monto de radiacin csmica a la que se expone una persona al volar en
avin por los Estados Unidos es una variable aleatoria con la distribucin normal
con 4.35 mrem y 0.59 mrem, determine las probabilidades de que el
monto de radiacin csmica a la que se expondr una persona en un viaje as sea
de:
(a)
(b)

entre 4.00 y 5.00 mrem;

al menos 5.50 mrem.

Solucin
Primero estandarizamos los valores:
a)

5.00 4.35 4.00 4.35

F
F

0.59
0.59

= F(1.10) F( 0.59)
= 0,8643 (1 0,7224)

126

TECSUP - PFR

Matemtica II

= 0,5867
b)

5.50 4.35
1 F

0.59

= 1 F(1.95)
= 1 0.9744

0.0256
EJEMPLO 3
El monto real de caf instantneo que una mquina de relleno deposita en
frascos de 4 onzas puede considerarse una variable aleatoria con una
distribucin normal con 0.04 onzas. Si slo 2% de los frascos contienen
menos de 4 onzas, Cul debera ser el relleno medio de esos frascos?
Solucin

4
0.02 y, por lo tanto,
0.04

Para determinar de tal manera que F

4
F
0.98
0.04

buscamos en la tabla 3 la entrada ms cercana a 0.98 y

obtenemos 0.9798, que corresponde a z 2.05. As:

4
2.05
0.04

Y al resolver , determinamos que 4.082 onzas

EJEMPLO 4
En cierta ciudad, el nmero de interrupciones del suministro elctrico por mes es
una variable aleatoria con una distribucin con 11,6 y 3,3 . Si esta
distribucin puede aproximarse cercanamente con una distribucin normal, cul
es la probabilidad de que haya al menos ocho interrupciones en un mes
cualquiera?
Solucin
El nmero de interrupciones de servicio es una variable aleatoria discreta, y si
deseamos aproximar su distribucin con una distribucin normal, debemos
dispersar sus valores en una escala continua.
Lo hacemos representando cada nmero entero k con el intervalo de k

1
k . Por ejemplo:
2
127

1
a
2

Matemtica II

TECSUP - PFR

3 es representado con el intervalo de 2,5 a 3,5;

10 es representado con el intervalo de 9,5 a 10,5.
y al menos 8 es representado con el intervalo a la derecha de 7,5 tal como se
muestra en la figura:

3,3

11,6

As, la probabilidad deseada es aproximada por:

7,5 11,6
1 F
1 F( 1,24)
3,3
F(1,24 )
0,8925
3.

APLICACIONES: LMITES DE CONTROL

La distribucin normal puede aplicarse en el control de calidad para aceptar un
producto o rechazar un producto.
Para ello se establece una franja cuyo ancho ser el rango de aceptacin.
Este rango se establece alrededor de la media la que definir la Lnea Media
LM.
El rango R quedara definido en funcin del valor establecindose diversos
criterios.
Un criterio bastante comn es tomar:

R LSC LIC
LSC A

LIC A
Donde A

3
; n = tamao de la muestra.
n

128

TECSUP - PFR

Matemtica II

Los lmites de este rango sern el Lmite Superior de Control LSC y el Lmite
Inferior de Control LIC.

EJEMPLO 5
Construir para muestras de n = 5 artculos el grfico de control de la media de
un proceso de fabricacin de ejes de acero con media 5,60 mm y
desviacin estndar 0,05 mm.
Verificar si el proceso de fabricacin de ejes se mantiene BAJO CONTROL, si se
han extrado 10 muestras con n = 5 de hora en hora y los valores se encuentran
en la tabla siguiente:
MUESTRA

ARTICULO
1

ARTICULO
2

ARTICULO
1

ARTICULO
1

ARTICULO
1

MEDIA

5,67

5,50

5,58

5,48

5,70

5,586

5,90

5,58

5,61

5,59

5,44

5,624

5,52

5,66

5,68

5,59

5,38

5,566

5,60

5,76

5,55

5,58

5,57

5,612

5,55

5,68

5,65

5,45

5,68

5,602

5,39

5,65

5,63

5,57

5,61

5,570

5,79

5,61

5,59

5,70

5,51

5,640

5,67

5,59

5,59

5,75

5,48

5,616

5,51

5,51

5,65

5,55

5,63

5,570

10

5,66

5,64

5,61

5,66

5,56

5,626

129

Matemtica II

TECSUP - PFR

Solucin
La lnea media:
LM = = 5,60
Los lmites de control sern:

LSC A 5,60 ( 3
LIC A 5,60 ( 3

5,68

3
n

5
5

)0,05 5,667

)0,05 5,533

LSC

5,667

5,66
5,64
5,62

LM

5,60
5,58
5,56
5,54

3
n

LIC
5,533

5,52

MUESTRA
1

10

Mediante el grfico recomprueba que todos los puntos se encuentran en el rango

en torno a la LM, de ello se concluye que el PROCESO DE FABRICACION SE
ENCUENTRA BAJO CONTROL.

4.

BLOQUE I
1.

Una troqueladora produce tapas de lata cuyos dimetros se distribuyen

normalmente con una desviacin estndar de 0,01 pulgadas. En que
dimetro nominal deberia fijarse la mquina para que no mas del 5% de
las tapas producidas tengan dimetros que excedan de 3 pulgadas?
Sol:

2,984

2.

Se corta automticamente varillas de plstico moldeadas por inyeccin en

longitudes nominales de 6 pulgadas. Las longitudes reales estn

130

TECSUP - PFR

Matemtica II

normalmente distribuidas en torno a una media de 6 pulgadas y su

desviacin estndar es de 0,06 pulgadas.
a) Qu proporcin de las varillas excede los lmites de tolerancia de 5,9 a
6,1 pulgadas.
b) A qu valor es necesario reducir la desviacin estndar si el 99% de las
varillas den hallarse dentro de la tolerancia.
Sol:
a)
b)
3.

Si una variable aleatoria tiene la distribucin binomial con n=30 y p=0,60;

use la aproximacin normal para determinar la probabilidad de que adopte:
a) El valor de 14
b) Un valor menor que 12
Sol:
a) 0,049
b) 0,008

4.

Un fabricante sabe que, en promedio, 2% de las tostadoras elctricas que

produce requerirn reparaciones en un trmino de 90 das posteriores a su
venta. Use la aproximacin normal a la distribucin binomial para
determinar la probabilidad de que entre 1200 tostadoras al menos 30
requerirn reparaciones en los primeros 90 das de su venta.
Sol:

5.

La probabilidad de que un componente electrnico falle en menos de 1000

horas de uso continuo es de 0,25. Use la aproximacin normal para
determinar la probabilidad de que entre 200 de esos componentes menos
de 45 fallen en menos de 1000 horas de uso continuo.
Sol:
0,1841

6.

Un ingeniero de seguridad supone que el 30% de los accidentes industriales

en su planta se deben a que los empleados no siguen las instrucciones. Si
esa cifra es correcta, determine aproximadamente la probabilidad de que
entre 84 accidentes industriales en esa planta cualquier nmero entre 20 a
30 inclusive se deban a la negligencia de los empleados de no seguir las
instrucciones.
Sol:

7.

Una variable aleatoria tiene una distribucin normal con 62,4 .

Determine su desviacin estndar si la probabilidad de que adopte un valor
mayor que 79,2 es de 0,20.
Sol:

19,88

131

Matemtica II

TECSUP - PFR

8.

Una variable aleatoria tiene una distribucin normal con 10 . Si la

probabilidad de que adopte un valor menor que 82,5 es de 0,8212. Cul es
la probabilidad de que adopte un valor mayor que 58,3?
Sol:

9.

Las especificaciones de cierto trabajo implican limpiadores con un dimetro

interior de 0,300 0,005 pulgadas. Si los dimetros interiores de los
limpiadores provistos por cierto fabricante pueden considerarse una variable
aleatoria

con

la

distribucin

normal

con

0,302

pulgadas

0,003 pulgadas, Qu porcentaje de estos limpiadores cumplir las

especificaciones?
Sol:
83.15%
10.

Se sabe que la vida til de un componente elctrico sigue una distribucin

normal con media 2000 hr y una desviacin estndar 200 hr.
a)
b)

Determine la probabilidad de que un componente aleatoriamente

seleccionado dure entre 2000 y 2400 horas.
Determine la probabilidad de que un componente aleatoriamente
seleccionado dure ms de 2200 horas.

Sol:
a) 0,4772
b) 0,1587

132