LECTURA DE LA TABLA

Se debe tener en cuenta la siguiente:

1 La tabla proporciona rea bajo la curva normal estndar desde menos
infinito hasta z. es decir rea correspondiente a P[Z z] = (z).
2 Los valores de z estn dados en centsimos desde -3.49 hasta 3.49.
3 Es una tabla con dos entradas encabezadas por la letra z. en la primera
columna se lee el valor de z. en dcimos. En la segunda columna se lee al
centecimal.
4 La tabla ayuda a resolver dos tipos de problemas
a) Conocido z hallar el rea.
Digamos z = 1.86, es decir queremos calcular P[Z 1.86]. En la
primera columna se ubica el valor de Z con un decimal 1.8, y el
segundo decimal se ubica en la primera fila 0.06. Por ambos puntos se
traza una horizontal y una vertical, el nmero que corresponde a la
interseccin de ambas rectas: 0.686, es el rea deseada.
b) Conocido el rea hallar z.
es un procedimiento inverso al anterior. Se ubica el rea en el cuerpo de
la tabla, por este punto se traza una horizontal y una vertical. Se halla z
sumado el punto de interseccin de la horizontal con la primera
columna + el punto de interseccin de la vertical con la primera fila.
 3. EXTRACTO DE LA TABLA III
Z 0.00 0.01 0.02 0.03 0.04 0.05 0.06 0.07 0.08 0.09
.
.
.
0.9 0.8159 0.8186 0.8212 0.8238 0.8264 0.8289 0.8315 0.8340 0.8365 0.8386
1.0 0.8413 0.8438 0.8461 0.8485 0.8508 0.8531 0.8554 0.8577 0.8599 0.8621
1.1 0.8643 0.8665 0.8686 0.8708 0.8729 0.8749 0.8770 0.8790 0.8891 0.8830
1.2 0.8849 0.8869 0.8888 0.890. 0.8925 0.8944 0.8962 0.8980 0.8997 0.9015
1.3 0.9032 0.9049 0.9066 0.9092 0.9099 0.9115 0.9131 0.9147 0.9162 0.9177
1.4 0.9192 0.9207 0.9222 0.9236 0.9251 0.9265 0.9278 0.9292 0.9306 0.9319
1.5 0.9332 0.9345 0.9357 0.9370 0.9382 0.9394 0.9406 0.9418 0.9429 0.9441
1.6 0.9452 0.9463 0.9474 0.9484 0.9495 0.9505 0.9515 0.9525 0.9535 0.9545
1.7 0.9554 0.9564 0.9573 0.9582 0.9595 0.9599 0.9608 0.9616 0.9625 0.9633
1.8 0.9641 0.9649 0.9656 0.9664 0.9671 0.9678 0.9686 0.9693 0.9699 0.9706
1.9 0.9713 0.9719 0.9726 0.9632 0.9638 0.9644 0.9650 0.9656 0.9661 0.9667

IV. PROBLEMAS
1. Si X es una variable aleatoria distribuida normalmente con media U = 6 y
varianza o 2 = 25. hallar:
a) P[6 X 12] b) P[0 X 8]
6 6 x 6
P 6 x 12 P 0 6 x 8 6
P 0 x 8 P
5 5 5
5
P0 z 1.2
P0 z 1.2
( 1.2 ) ( 0 )
( 0.4 ) ( 1.2 )
0.8461 0.5 0.3461
0.6554 0.1151 0.5403

c) P[-2 < X < 0] d) P[X >21]

x 21 6
2 6 x 0 6
P 2 x 0 P P x 21 P P z 3
5 5 5
P 1.6 z 1.2 1 Pz 3
( 1.2 ) ( 1.6 )
0.1151 0.0548 0.0603 1 0.9987 0.0013
1. Si X es una variable aleatoria distribuida normalmente con media U = 6 y
varianza o 2 = 25. hallar:
e) P[(X-6) < 5] b) P[(x -6) < 10]
P( x 6 ) 5 P 5 x 6 5 P( x 6 ) 10 P 10 x 6 10
5 x 5 10 x 10
P z P z
5 5 5 5
P 1 z 1 P 2 z 2 ( 2 ) ( 2 )
( 1 ) ( 1 )
09772 0.0228 0.544
0 ,8413 0.1587 0 ,682
b5
1.28 b 8.84
3
2. Si X es N (25, 36) determinar la constante e tal que a5
1.28 a 1.16
P[/X -25/ c]= 0.9544 3

c c
36
2 P c x 25 c 0.9544 0.9544
6 6
6 P( x 25 ) c 0.9544
c
c x 25 c 2 1 0.9544
P 0.9544 6
6 6 6
c c c c
0.2 c 1,2
P z 0.9544 0.9772
6 6 6 6
3. Si X es N (u, 4) Calcular P[(x u) > 3]
4 2
P [( x u ) 3 ] 1 P [( x u ) 3 ]
1 P [ 3 x u 3 ] 1 P [ 1.5 z 1.5 ]
1 P [ ( 1.5 ) ( 1.5 )] [ 0.9332 0.0668 ] 0.1336

4. Si X es N (50, 25) Calcular:

a) P[X > 62] b) P[(x -50) < 8]
8 x 50 8
50 ; 5 P [( x 50 ) 8 ] P
5 5 5
P [ x 62 ] 1 P [ x 62 ] P [ 16 z 16 ]
x u 62 50 ( 1.6 ) ( 1.6 )
1 P
o 5
1 P [ z 2 ,4 ]
0.9452 0.0548 0.8904

1 0 ,9918 0.0082
5. Si X es N (5, 9)Hallar los valores de a y b tal que P[a < X < b] = 0.80
donde a y b son simtricos con respecto a la media.
u5 a u b u
Si son simtri cos
o2 o o
a 5 b 5
P [ a x b ] 0.80 P Z 0.80
3 3
b 5
0.8 2 1
3

b 5 b5
0.9 1.28 b 8.84
3 3

6. Si X es N(3, 4). Hallar el nmero c tal que P[x c] = 2P[x < c]

3 P x c 2 P x c
2 1 Pz c 2Px c
Px c 0.3333
10 3 c3
Px 0.3333 0.43 c 2.14
2 2
7. Una variable aleatoria X se distribuye normalmente. Si E(x2)=68 y
P[X<10] = 0.8413. Determinar: u y o2.
P [ x 10 ] 0.8413
10 u
P z 0.8413
o
10 u 10 u
0.8413 1 o 10 u
o o

8. Los tubos fabricados por cierta mquina tienen un dimetro medio de u =

9.8mm, con desviacin estndar o = 0.536mm. Qu porcentaje de tubo ser
rechazado, si no se aceptan dimetros inferiores a 9.0mm? Asuma que los
dimetros tiene una distribucin normal.
u 9.8mm 9 9.8
P [ x 9 ] P z
o 0.536mm 0.536

P [ z 1.49 ]

( 1.49 ) 0.0681 Se rechazara 6.81%

9. Los lmites de aceptacin de los dimetros de los balones producidos por cierta
mquina son u o que porcentaje de balones sern aceptados?

u o u u o u
P [ u o x u o] P z
o o
P [ z z 1 ] ( 1 ) ( 1 )

0.8413 0.5187 0.6826 Se aceptara 68.26%

10. Para cierto examen la calificacin media es 11 y o = 2. .Se desea desaprobar al

40% de los examinados. Cul debe ser la calificacin mxima probatoria?

m 11
u 11 P X m 0.4 Z 0.4
2
02 m 11
0.25
2
M 10.5
11. Un ictilogo est interesado en estimar cuanto tiempo puede sobrevivir cierto tipo
de pez de mar en aguas del ro Amazonas. Luego de una serie de experimentos
llega a estimar que la vida media de este tipo de pez alcanza los 210 das despus
de haber sido colocado en el agua del ro con una desviacin estndar de 40 das.
El ictilogo estima que la distribucin de los das vividos es normal. Un pez
particular ha sobrevivid 230 das.cual es la probabilidad de que viva ms de un
da?

u 210 das 1 P x 240

P [ x 240 | x 230 ]
1 P x 230
o 40 das
240 210
1 P z
40 1 P z 0.75

240 230 1 P z 0.75
1 P z
40

1 0.7734 0.2266
0.5647
1 0.7734 0.4013
12. Se est construyendo un grupo de 100 casas en la Urbanizacin San Borja. El
material empleado en las redes de desage es tal que el 9.512% de las tuberas de
desage tienen perodos de duracin que exceden los 15 aos y que el 62.556%
tienen perodos de duracin que exceden los 9 aos. Considerando que la
distribucin de probabilidad de los perodos de duracin de estas tuberas es
normal, determine la media y la varianza de estas distribuciones.
Segn datos
P ( x 5 ) 0.09512

15 u
P z 0.9512
o
15 u
0.90488
o
15 u
131
o
15 u 1.31o 15 u 1.31o
13. El gerente de produccin de una fbrica piensa que la vida til de una mquina M
est distribuida normalmente en una media de 3000 horas. Si adems el gerente
piensa que hay una probabilidad de 0.50 de que la mquina dure menos de 2632 o
ms de 3368 horas. Cul es la desviacin estndar?

u 3000 horas P ( x 2632 ) P ( x 3368 ) 0.5

2632 3000 3368 3000
o ? P z P z 0.5
o o
368 368
P z 1 P z 0.5
o o
368 368
1 P z 1 P z 0.5
o o
368
1.5 2 P z
o
368
0.75 P z
o
368
0.75
o
o 545.19
14. Un rodamiento es considerado defectuoso y por lo tanto es rechazado si su
dimetro es mayor de 2.2 pulgadas menor que 1.98 pulgadas Cul es el nmero
esperado de rodamientos rechazados , si los dimetros e una partida de 10000
rodamientos estn distribuidos normalmente con una media de 2 pulgadas y una
desviacin estndar de 0,01 pulgadas?
2.02 2 1.98 2
P ( x 2 ,02 ) P ( 1,98 ) P z P z
0.01 0.01
1 P ( z 2 ) P ( z 2 )

1 p( z 2 ) 1 P ( z 2 )

2 2P( z 2 ) 21 P( z 2 )

2 [ 1 0.9772 ] 0.0456

Re chazados : 10000 0.0456 456 rodamientos rechazados

15. Los dimetros de una partida grande de rodamientos estn distribuidos
normalmente con una media de 2.0 pulgadas y una desviacin estndar de 0.01
pulgadas. Suponga que se necesita un rodamiento con dimetro mayor que 2.02
pulgadas. Cul es la probabilidad de tener que probar 10 rodamientos?

P ( x 2.02 ) 1 P ( x 0.02 )

2.02 2
1 P z 1 P( z 2 )
0.01

1 0.9772 0.0228 2.28%

2.28% de los rodamientos 0.228 rodamientos 2 pu lg adas

 Volver al inicio

APROXIMACIONES DE LAS
DISTRIBUCIONES
DISCRETAS A LA NORMAL
Cuando p es muy pequea y n muy grande hemos visto que la aproximacin
Binomial a la Poison es buena.
Observe que la distribucin binomial discreta, cuya grfica se muestra en la 1
figura se aproxima al rea bajo la cura de la 2 figura.

0 1 2 3 4 5 6 0 1 2 3 4 5 6
Distribucin Binomial. Curva Normal como aproximacin de
la Binomial.

As la probabilidad de obtener
exactamente un valor x, es
aproximada mediante el rea
bajo la curva normal entre x -
y x + como es, el rea
sombrea da en el grfico de
alado. x-
x
x+
1
Es decir, P X x P x X x
1
2 2
El cuadro siguiente presenta algunas aproximaciones
de las probabilidades Binomiales a la curva normal.
Probabilidad Binomial del Con la correccin por En trminos de la funcin de
evento que se desea continuidad distribucin normal estandar
calcular
1 1
x 2 np x 2 np
PX x 1 1
P x X x
2 2 npq npq

1
1 x np
P X x P X x 2

2
npq

1
1 x 2 np
PX x PX x 1 P X x 1
2
npq

1
x 2 np
P X x 1
P X x 1
2 npq

1
x 2 np
PX x PX 1 1
P X x 1 1
2 npq

1 1
1 x 2 np x 2 np
Pa X b
1
P a X b
2 2 npq npq

II. APROXIMACIN POISSON A LA
NORMAL.
1. DEFINICIN.
La aproximacin de Distribucin de Poisson a la normal, se hace
teniendo en cuenta que si x1, x2, xn. Son variables aleatorias n
independientes de Poisson, cada una con parmetro , entonces: X X i
es una variable aleatoria de Poisson i 1
con parmetro n (propiedad
reproductiva) Por el teorema central X n Xn
Z
del lmite, la variable aleatoria n
n
tiene aproximadamente una distribucin N(0, 1), para n suficientemente grande.
La aproximacin de la distribucin de Poisson a la normal se mejora conforme
aumenta el valor del parmetro n , de la suma. En la prctica se considera una
aproximacin buena cuando n > 5. Por lo tanto, si el parmetro comn de los
sumandos es pequea, n puede reducirse en forma correspondiente.
La distribucin Normal es continua y de Poisson es discreta, por lo tanto, para
aproximar la distribucin la Distribucin de Poisson por el rea bajo la curva
normal se usa el factor de correccin de continuidad. Es decir: X 0.5 n
Z
n
El cuadro siguiente presenta algunas aproximaciones
de la distribucin de Poisson a la curva normal.
Probabilidad de Poisson Con la correccin por En trminos de la funcin de
del evento que se desea continuidad distribucin normal estandar
calcular

x 0.5 n x 0.5 n
PX x P x 0.5 X x 0.5
n n
x 0.5 n
P X x 0.5
P X x n
x 0.5 n
PX x PX x 1 P X x 1 0.5
n

x 0.5 n
P X x P X x 0.5 1
n

x 0.5 n
PX x PX x 1 P X x 1 0.5 1
n
x 0.5 n x 0.5 n
Pa X b P a 0.5 X b 0.5
n n
III. APROXIMACIN DE LA
HIPERGEOMTRICA A LA NORMAL.
1. DEFINICIN.
La distribucin Hipergeomtrica se relaciona con problemas en donde el
muestreo se obtiene sin reemplazo de una poblacin finita.
Sea N el tamao d la poblacin finita constituida por objetos de dos clases A y
B. suponga que hay M objetos de clase A y N M de clase B. se extrae una
muestra de tamao n sin reemplazo de la poblacin, y se define la variable
aleatoria como sigue
X = nmero de objetos de clase A en la muestra de tamao n.
Rx = {0, 1 , 2,,min(M,n)}
La variable aleatoria as definida tiene una distribucin hipergeomtrica con
media M M M N n
E ( X ) n y Var( X ) n 1
N N N N 1

definimos ahora la variable aleatoria siguiente

Xi = n de objetos de clase A obtenida en la i-sima extraccin.
donde i = 0, 1 , 2,,n
Rxi ={0, 1} n
Entonces, la variable aleatoria X se escribe X Xi
i 1
IV. PROBLEMAS
1. Con base en experiencia pasada, el 40% de todos los clientes de cierta estacin de
gasolina pagan sus compras con tarjeta de crdito. Si se selecciona una muestra
aleatoria de 200 clientes, Cul es la probabilidad que
n 200
u 80 y o npq 6.93 np 200( 0.4 ) 80 5
p 0 .4

a) Cuando menos 75 paguen con tarjeta de crdito?

74.5 80
P ( x 75 ) 1 P ( x 74.5 ) 1 P z 1 P [ z 0.79 ] 1 0.2141 0.7859
6.93

b) No ms de 70 paguen con tarjeta de crdito?

70.5 80
P ( x 70 ) P z P [ z 1.37 ] 0.0853
6.93

c) Entre 70 y 75 clientes, inclusive paguen con tarjeta de crdito?

69.5 80 75.5 80
P ( 70 x 75 ) P z P [ 1.52 z 0.65 ] 0.2578 0.0643 0.1935
6.93 6.93
2. Si una muestra de 100 tiene 3 menos artculos defectuosos se acepta el lote de
100. Si se supone que la probabilidad de producir artculos buenos del proceso de
produccin es de 0.90, Cul es la probabilidad deque se acepte el lote?
B var ios 0.90 Defectuosos 0.1

p 100 0.9 90 5 o 100( 0.9 )( 0.1 ) 3

97.5 90
P [ x 97 ] P z P [ z 2 ,5 ] 0.9938
3
3. Si el 10% de los tubos de los receptores de radio se queman antes que la garanta
haya expirado: un comerciante ha vendido 100 tubos. Cul es la probabilidad
que:
p 0.10 ; n 100 np 10 5 o 100( 0.1 )( 0.9 ) 3

a) Se vea obligado a sustituir por lo b) Sustituya por lo menos 5 y no ms

menos 20 de ellos? de 15 tubos?
4.5 10 15.5 10
19.5 10 P [ x 15 ] P z
P [ x 20 ] 1 P z 3 3
3
P [ 1.83 z 1.83 ]
1 P [ z 3.17 ]
0.9664 0.0336
1 0.9992 0.0008 0.9328
4. En la playa de estacionamiento de cierta empresa grande, el registro de los
automviles de los empleados revel, que la razn de los automviles de
manufactura nacional a extranjera es 2 a 1, es decir dos de cada tres automviles
son de manufactura nacional. Si se elige al azar 72 propietarios de autos y
asumiendo una poblacin suficientemente grande,
2
p ; n 72 parmetros
3
a) Qu tipo de distribucin de b) Utilice una aproximacin a la
probabilidad tendr el nmero de verdadera distribucin de
propietarios de automviles de probabilidad para determinar la
manufactura nacional en la probabilidad que en la muestra
muestra?cuales son los valores de haya a lo ms 48 propietarios de
sus parmetros? autos de manufactura nacional.
2 48.5 48
np 72 48 5 ; P [ x 48.5 ] P z
3
4
2 1
o pnq 72 4 P [ z 0.2 ] 05478
3 3
5. Una compaa estima que ha de recibir de vuelta al rededor del 30 % de los
cupones especiales de premio que planea enviar por correo para un programa de
promocin de ventas. Si se envan 500 cupones Cul es la probabilidad de que se
reciban de vuelta ms de 165 respuestas?

p 0.3 n 500
np 500 0.3 150 5 o 500 0.3 0.7 10.25

165.5 150
P [ x 165 ] 1 P z
10.25
1 P [ z 1.51 ]
1 0.9345 0.655
6. Para decidir a cerca de un proyecto de remodelacin de un sector de Lima, el
Concejo Municipal decide seleccionar al azar 100 unidades habitacionales de este
sector. Si el 40% ms de ellas estn en mal estado, se proceder a la
remodelacin, en caso contrario. No se har la remodelacin.
n 100 ; p 0.4
a) Cul es la probabilidad que se haga la remodelacin si slo el 36% de todas las
viviendas de ese sector estn en mal estado?
np 100( 0 ,4 ) 40 5 ; o 100( 0.4 )( 0.6 ) 4.9

35.5 40 36.5 40
P [ x 36 ] P [ 35.5 x 36.5 ] P z
4.9 9.4
( 0.71 ) ( 0.92 ) 0.9838 0.9738 0.01

b) Cul es la probabilidad que no se haga la remodelacin si el 50% de las

viviendas estn en mal estado?
P [ x 50 ] P [ 49.5 x 50.5 ]
49.5 40 50.5 40
P z
4.9 9.4

P [ 1.94 z 2.14 ] 0.9838 0.9738 0.01

7. Suponga que el 10 % de los neumticos de un fabricante tienen defectos en la
superficie, y que los embarca en lotes de 100.
p 10% 0.10 ; n 100

a) Cul es la probabilidad (aproximada) que un lote contenga 8 menos

neumticos con defectos en la superficie?

np 100( 0.1 ) 10 5 ; 0 100( 0.1 )( 0.9 ) 3

8.5 10
P [ x 8 ] P z
3
P [ z 0.5 ] 0.3085
b) Un comprador mayorista recibe 500 lotes Cul es la probabilidad (aproximada)
que al menos 140 lotes contengan8 8 menos neumticos con defectos en la
superficie cada uno?
8. Sean X1, X2, X30.variables aleatorias de Poisson distribuidos cada una con =
2/3. calcular:
30
a) P[15 <
30
xi < 22]
P 15

xi 22 P [ 15.5 x 21.5 ]

i 1 i 1

n 30( 2 / 3 ) 20 5
n 20 4.47
15.5 20 21.5 20
P z
4.47 4.47

P [ 1.01 z 0.34 ] 0.6331 0.1562 0.4769

30
b) P[21 xi < 27]
i 1
P [ 21 x 27 ] P [ 20.5 x 26.5 ]

20.5 20 26.5 20
P z
4.47 4.47
9. El nmero de accidentes de un tramo de 100 km de un autopista es una variable
aleatoria de Poisson con media 2 por semana. Cul es la probabilidad
(aproximada) que hayan menos de 100 accidentes en este tramo durante un ao?

n 52 2 104 ; o 104 10.2

P [ x 100 ] P [ x 99.5 ]
99.5 104
P z
10.2
P [ z 0.44 ]
0.33
10. Se utiliza la siguiente regla para controlar el funcionamiento de una mquina
que produce cierto tipo de artculos. Se selecciona una muestra de 400 artculos
cada hora. Si el nmero de artculos defectuosos es de 12 o ms, se detiene la
mquina; y si el nmero de artculos defectuosos es inferior a 12, se deja que la
mquina siga funcionando. Cul es la probabilidad de:
n 12
a) Detener la mquina si est produciendo un 2 % de artculos defectuosos en
promedio? 7.5 12 8.5 12
Defectuosas 400 0.02 8 P z
12 12
P [ x 8 ] P [ 7.5 x 8.5 ]
P [ 1.3 z 1.05 ] 0.1562 0.0968
0.0594 se det enga
b) Dejar que la mquina siga funcionando si est produciendo un 4% de artculos
defectuosos en promedio?
Defectuosas 400 0.04 16
15.5 12 16.5 12 P [ 1.01 z 1.3 ]
P [ x 16 ] P [ 15.5 x 16.5 ] P z
12 12
0.0594 se det enga
Siga produciendo 1 0.0594 0.9406
12. Tornillos de hierro de pulg fabricados por cierta empresa ocasionalmente no
tienen ranura. Esto ocurre al azar, y la probabilidad de este hecho y de que
escape a la inspeccin es de 0.02. en una remesa se 2500 de tales tornillos. Cul
es la probabilidad que:
Defectuosas : 2500 0.02 50

a) 64 ms carezcan de ranuras?
63.5 50
P [ x 64 ] P [ x 63.5 ] P z
50

1 P [ z 1.91 ] 1 0.9719
0.0281

b) 36 o menos? Entre 36 y 64 inclusive?

36.5 50
P [ x 36 ] P P [ z 1.91 ]
50
0.02881
16. Un funcionario de asistencia pblica en cierta rea de una ciudad grande
sospecha que un 10% de los nios sufren grave desnutricin. En esa rea viven
2000 nios. Se selecciona una muestra de 80 nios.

a) Qu distribucin de probabilidad tiene el nmero de nios desnutridos de la

muestra?cules son sus parmetros?
Parmetros n 80 ; q 0.1
Binomial

b) cul es la probabilidad
(aproximada) que cuando menos 5
nios estn desnutridos?
nq 8 5 ; o 8( 0.9 ) 2.68
P [ x 5 ] P [ x 4.5 ]
4.5 8
P z
2.68
1 P [ z 2.80 ]
1 0.0026 0.9974
17. Los automviles llegan a un servicio de lavado automtico a razn de 9 cada
media hora. Determine la probabilidad que en cualquier periodo dado de ocho
horas.
En 8 horas : 2 9 8 144 autos

a) Lleguen cuando menos 120 automviles.

P [ x 120 ] P [ x 119.5 ]
119.5 144
P z P [ z 2.04 ]
144

b) Lleguen entre 120 y 150 automviles

P [ 120 x 150 ] [ 12.05 x 149.5 ]

120.5 144 149.5 144
P z
12 12
P [ 196 z 0.46 ]
0.6772 0.025 0.6522
18.
a) Un sistema est formado por 100
componentes que funcionan
independientemente. La
probabilidad que cualquier
componente falle durante el periodo
de operacin es igual a 0.10. El
sistema funciona si funcionan al
menos 85 componentes. Calcular la
probabilidad que funcione el
sistema.
b) Suponga que el sistema anterior est
formado por n componentes, cada
una con una confiabilidad de 0.90.
El sistema funcionar si al menos el
80% de las componentes funcionan
correctamente. Determinar n de
modo que el sistema tenga una
confiabilidad de 0.95.

250 ; q 0.9 ; nq 90 5 ; o npq 3

P ( X 85 ) 1 P [ x 8.45 ]

84.5 90
1 P z
3
1 P [ z 1.83 ]
0.9664