UNIVERSIDAD NACIONAL DE

MOQUEGUA

FACULTAD DE CIENCIAS CONTABLES Y

“DISTRIBUCIÓN DE PROBABILIDAD NORMAL

Curso:
ESTADÍSTICA

Docente:
MGTR. GUILMAR VICTOR MEDINA ASTORGA

Integrantes:
SUAREZ RAMOS, RODOLFO
VALDIVIA LEÓN, NICOLE
ROQUE HUARACHA, MANUEL

ILO – PERÚ
2023
 ÍNDICE

INTRODUCCIÓN.....................................................................................................................1

DISTRIBUCION DE PROBABILIDAD NORMAL................................................................2

¿Para qué sirve la distribución normal?..................................................................................4

1. Modelar el comportamiento de variables:..............................................................4

2. Hacer inferencias estadísticas:.................................................................................4

3. Realizar pruebas de hipótesis:..................................................................................5

LA DISTRIBUCIÓN NORMAL ESTÁNDAR.........................................................................5

EJEMPLOS............................................................................................................................7

DISTRIBUCIÓN EXPONENCIAL...........................................................................................9

APLICACIÓN EN LA ADMINISTRACIÓN.......................................................................9

1. Gestión de Inventarios............................................................................................10

2. Análisis de Tiempos de Procesos............................................................................10

3. Planificación de Proyectos......................................................................................10

4. Atención al Cliente y Servicio.................................................................................10

5. Análisis de Fallas y Mantenimiento.......................................................................11

6. Gestión de Colas y Tiempos de Espera..................................................................11

7. Análisis de Ciclo de Vida de Productos.................................................................11

EJEMPLO:...........................................................................................................................12

CONCLUSIÓN........................................................................................................................13

BIBLIOGRAFÍA......................................................................................................................15
 INTRODUCCIÓN

La distribución normal y la distribución exponencial son conceptos fundamentales en

estadística que desempeñan un papel crucial en la modelación y comprensión de fenómenos

diversos. Descubierta por Abraham de Moivre en 1733 y posteriormente desarrollada por

Carl Friedrich Gauss en 1809, la distribución normal, también conocida como la distribución

de Gauss, se ha convertido en una herramienta esencial para entender la variabilidad en datos

poblacionales. Su forma característica de campana y propiedades simétricas la han

posicionado como un modelo versátil en disciplinas como la psicología, la economía y la

ciencia, permitiendo analizar fenómenos que van desde la altura de las personas hasta las

puntuaciones de exámenes.

Por otro lado, la distribución exponencial, centrada en el tiempo hasta que ocurre un evento

específico, ofrece una perspectiva única en situaciones temporales. Utilizada comúnmente

para estimar la duración de un producto o el tiempo entre eventos sucesivos, la distribución

exponencial presenta una función de densidad de probabilidad que refleja la probabilidad de

que un evento ocurra en un determinado intervalo de tiempo.

En conjunto, estas distribuciones proporcionan herramientas poderosas para modelar y

analizar datos en contextos diversos. En esta exploración, examinaremos las características

distintivas de la distribución normal, su aplicación en la vida cotidiana y en la estadística, así

como la relevancia de la distribución exponencial en la comprensión del tiempo asociado a

eventos específicos.

1
 DISTRIBUCION DE PROBABILIDAD NORMAL

La distribución normal fue descubierta por primera vez por el matemático alemán Abraham

de Moivre en 1733. Moivre estaba estudiando la distribución de los errores de redondeo en

los cálculos matemáticos. Descubrió que los errores se distribuían de manera

aproximadamente normal, con la mayoría de los errores cercanos a la media y una cola de

errores más extremos.

En 1809, el matemático y físico alemán Carl Friedrich Gauss publicó un trabajo sobre la

distribución normal, que denominó "distribución de error". Gauss utilizó la distribución

normal para estudiar el error de medición en las observaciones astronómicas.

Gauss descubrió que la distribución normal era una buena descripción de la distribución de

los errores de medición. Esto se debe a que los errores de medición suelen ser pequeños y

aleatorios, y la distribución normal es una distribución simétrica con una cola que se extiende

hacia ambos lados de la media.

La distribución normal es una de las distribuciones de probabilidad más importantes en

estadística. Se utiliza para modelar una amplia gama de fenómenos, incluyendo la altura de

las personas, el peso de los objetos y las puntuaciones de los exámenes.

Campana de Gauss

2
La distribución normal tiene las siguientes características:

 Es una distribución simétrica. Esto significa que la mitad de los datos se encuentra

por encima de la media y la otra mitad se encuentra por debajo de la media.

N(σ ; µ)

 Es una distribución asintótica. Esto significa que la curva de la distribución se

acerca al eje horizontal, pero nunca lo toca.

3
  La media, la mediana y la moda están en el mismo punto. Esto significa que el

valor más común de la distribución es también el valor medio y el valor central de la

curva.

 El área total bajo la curva es igual a 1. Esto significa que el 100% de los datos se

encuentran bajo la curva.

La distribución normal es fundamental en diversos campos, con su característica forma de

campana presente en disciplinas como Psicología, Negocios, Economía, Ciencias, Enfermería

y Matemáticas. Se utiliza para modelar datos poblacionales y a menudo se emplea en la

determinación de calificaciones, coeficientes intelectuales (IQ) y hasta en la evaluación de

precios inmobiliarios.

Sin embargo, es crucial recordar que la distribución normal no es universal en el mundo real.

Se aplica a los datos de la población, no a todos los conjuntos de datos. Esta distribución

permite calcular probabilidades de eventos específicos cuando los datos de la población están

normalmente distribuidos, similar a como se hace con distribuciones binomiales o de Poisson.

La distribución normal se caracteriza por dos parámetros: la media (μ) y la desviación

estándar (σ). Si una cantidad X sigue una distribución normal con una media μ y una

desviación estándar σ, se representa mediante la fórmula de la función de densidad de

probabilidad normal:

( )
2
−1 x−µ
1 2 σ
f (x)= ⋅ⅇ
σ ⋅ √2 π

Donde:

σ = Desviación estándar.

µ = Media, mediana.

4
 x = Valor especifico.

¿Para qué sirve la distribución normal?

1. Modelar el comportamiento de variables: Nos ayuda a entender cómo se distribuyen

los datos de una variable, como la altura de las personas, las notas de un examen o los

errores de medición en un experimento.

2. Hacer inferencias estadísticas: A partir de una muestra de datos, podemos estimar la

media y la desviación estándar de la población completa, y calcular la probabilidad de

que un valor futuro pertenezca a un determinado rango.

3. Realizar pruebas de hipótesis: Nos permite evaluar si dos grupos de datos provienen

de la misma población o si existe una diferencia significativa entre ellos.

LA DISTRIBUCIÓN NORMAL ESTÁNDAR

La distribución normal estándar es una distribución normal de valores estandarizados

llamados puntuaciones Z. Una puntuación z se mide en unidades de la desviación típica.

Tiene una media igual a cero (µ = 0), y una desviación estándar igual a uno (σ =

1). Veamos la función densidad normal estandarizada, que trabaja con la variable

estandarizada z en el eje horizontal:

x−μ
z=
σ

Pasos para calcular la probabilidad en una distribución estándar:

5
 1. Comprender la distribución normal estándar: La distribución normal estándar es

una distribución con media (μ) igual a 0 y desviación estándar (σ) igual a 1.

2. Identificar el valor Z: Convertir los valores de la distribución normal a valores Z,

que son puntuaciones estándar. La fórmula para calcular el valor Z es:

x−μ
z=
σ

Donde:

 X es el valor específico.

 μ es la media.

 σ es la desviación estándar.

3. Encontrar la probabilidad utilizando tablas Z o software: Una vez que se ha

calculado el valor Z, se puede usar una tabla de valores Z o un software estadístico

para encontrar la probabilidad asociada con ese valor Z.

6
4. Interpretar el resultado: La probabilidad obtenida representa el área bajo la curva de

la distribución normal hasta el valor Z específico.

7
EJEMPLOS

1. Dada una variable aleatoria continua Z, con distribución normal estándar, es decir, N

(0;1), encuentre la siguiente probabilidad usando la tabla.

a) P ( 0 ≤ Z ≤ 1 , 25 )

Z = 1.25 = 1.2 + 0.5

Z = 0.3944 = 39.44%

b) P (Z ≥ 1.25)

A3 + A4 = 0.5

A4 = 0.5 – A3

A4 = 0.5 – 0.3944

A4 = 0.1056 = 10.56%

2. El precio de cierto modelo de baterías sigue una distribución normal con una media de

6gr y una desviación estándar de 2gr. Determine el porcentaje de baterías cuyo peso

es mayor a 8gr.

x−μ 8−6
z= ¿ =1
σ 2

z=1= A 3=0.3413

8
A 3+ A 4=0.5

A 4=0.5− A 3

A 4=0.5−0.3413

A 4=0.1587=15.87 %

9
 DISTRIBUCIÓN EXPONENCIAL

La distribución exponencial se refiere comúnmente al tiempo transcurrido hasta que ocurre

un evento específico, como el tiempo hasta un terremoto o la duración de llamadas

telefónicas de larga distancia. Esta distribución también se aplica a otras situaciones, como la

duración de la batería de un automóvil o la cantidad de tiempo entre eventos sucesivos.

En la distribución exponencial, hay más valores pequeños y menos valores grandes. Por

ejemplo, en estudios de marketing, se observa que más personas gastan cantidades pequeñas

en el supermercado y menos gastan sumas considerables.

Es utilizada en cálculos de fiabilidad de productos para estimar la duración de un producto.

La variable aleatoria de esta distribución es continua y generalmente representa el tiempo.

Las preguntas típicas involucran la probabilidad de que un evento ocurra en un cierto

período, o entre dos intervalos de tiempo, o la probabilidad de que un evento dure más de

cierta cantidad de tiempo.

La función de densidad de probabilidad de la distribución exponencial es expresada como:

−x
1
f ( x )= ⋅ ⅇ μ
μ

Aquí, μ es el tiempo promedio de espera histórico, con una media y desviación típica de 1/μ.

APLICACIÓN EN LA ADMINISTRACIÓN

La distribución exponencial encuentra diversas aplicaciones en el campo de la

administración, especialmente en situaciones donde es esencial modelar y entender la

10
duración de eventos y procesos. Algunas de las aplicaciones más relevantes en

administración incluyen:

1. Gestión de Inventarios:

En la administración de inventarios, la distribución exponencial puede ser utilizada

para modelar el tiempo entre las solicitudes de reabastecimiento de inventario. Esto

ayuda a prever cuándo se necesitarán nuevos suministros y a planificar eficientemente

las órdenes de compra.

2. Análisis de Tiempos de Procesos:

En la gestión de procesos, la distribución exponencial puede modelar el tiempo que

tarda en completarse una tarea o proceso. Esto es crucial para identificar cuellos de

botella, optimizar flujos de trabajo y mejorar la eficiencia operativa.

3. Planificación de Proyectos:

En la planificación de proyectos, la distribución exponencial puede utilizarse para

modelar la duración de actividades específicas. Esto ayuda a los administradores de

proyectos a estimar el tiempo necesario para completar cada fase y a planificar de

manera más precisa.

4. Atención al Cliente y Servicio:

En el ámbito de servicios y atención al cliente, la distribución exponencial puede

aplicarse para modelar el tiempo entre solicitudes de servicio o la duración de

llamadas telefónicas. Esto es esencial para optimizar la asignación de recursos y

mejorar la calidad del servicio.

11
 5. Análisis de Fallas y Mantenimiento:

En la gestión de activos y mantenimiento, la distribución exponencial se utiliza para

modelar el tiempo entre fallas en equipos o sistemas. Esto permite planificar

mantenimientos preventivos y minimizar tiempos de inactividad no planificados.

6. Gestión de Colas y Tiempos de Espera:

En situaciones donde hay colas o esperas, como en bancos o centros de servicio, la

distribución exponencial se aplica para modelar el tiempo que los clientes pasan en

espera. Esto ayuda a dimensionar adecuadamente el personal y mejorar la experiencia

del cliente.

7. Análisis de Ciclo de Vida de Productos:

En la administración de productos, la distribución exponencial puede utilizarse para

modelar la duración de vida de un producto antes de que sea reemplazado o retirado

del mercado. Esto es útil para la planificación de lanzamientos y estrategias de retiro.

En conjunto, la distribución exponencial proporciona una herramienta valiosa para la

administración al permitir la modelación y análisis de eventos y procesos temporales, lo que

facilita la toma de decisiones informadas y eficaces en diversas áreas de la gestión

empresarial.

12
EJEMPLO:

El tiempo de vida de un paciente tras haber recibido un tratamiento médico es de 5 años. Si el

tiempo de vida se distribuye de manera exponencial. ¿Cuál es la probabilidad de que el

paciente supere los 10 años de vida tras suministrar el tratamiento?

−λk
P ( x ≤ k ) =1−ⅇ

−λk
P ( x ≥ k ) =ⅇ

μ=5

1 1
λ = μ = 5 = 0.2

 P ( x ≥ 10 )= ⅇ−0.2 × 10=ⅇ−2
= 0.1353
= 13.53%

CONCLUSIÓN

13
En resumen, tanto la distribución normal como la exponencial son herramientas

fundamentales en estadística, proporcionando marcos conceptuales poderosos para

comprender y modelar diversos fenómenos.

La distribución normal, descubierta por Abraham de Moivre y desarrollada por Carl Friedrich

Gauss, se ha convertido en un pilar en campos que van desde la psicología hasta la economía.

Su simetría, caracterizada por la campana de Gauss, refleja la naturaleza común de muchos

errores y mediciones. La capacidad de describir cómo se distribuyen los datos en torno a una

media y desviación estándar la convierte en una herramienta esencial para entender el

comportamiento de variables y realizar inferencias estadísticas. La distribución normal

estándar, con una media de cero y desviación estándar de uno, facilita aún más el análisis al

proporcionar una referencia estandarizada para calcular probabilidades.

Por otro lado, la distribución exponencial se especializa en modelar el tiempo transcurrido

hasta que ocurre un evento específico, como la duración de llamadas telefónicas o el tiempo

de vida de un producto. Su función de densidad de probabilidad, expresada en términos del

tiempo promedio de espera histórico (μ), ofrece una herramienta valiosa para calcular

probabilidades relacionadas con la duración de eventos sucesivos. A través de ejemplos

prácticos, como la evaluación del tiempo de vida de un paciente después de un tratamiento, se

ilustra cómo la distribución exponencial se aplica en contextos que involucran periodos de

tiempo y probabilidades de eventos.

Ambas distribuciones, aunque distintas en sus enfoques, son esenciales en el análisis

estadístico. Mientras que la distribución normal destaca por su versatilidad en modelar una

14
amplia gama de variables, la distribución exponencial brinda una perspectiva valiosa en

situaciones donde el tiempo es una variable crítica. En conjunto, estas distribuciones ofrecen

herramientas esenciales para la interpretación de datos, la toma de decisiones informadas y el

entendimiento profundo de fenómenos en diversos campos de estudio.

15
 BIBLIOGRAFÍA

De esta obra, L. N. E., Verdadero, U., & lo aprendido: métodos, C. P. U. G. C. de E. C.

D. R. A. L. S. de P. se D. en T. P. a. F. de R. (s/f). 10 a edición. Upg.mx.

Recuperado el 13 de diciembre de 2023, de https://www.upg.mx/wp-

content/uploads/2015/10/LIBRO-13-Estadistica-para-administracion-y-

economia.pdf

Holmes, A., Illowsky, B., & Dean, S. (2022, febrero 14). 5.3 La distribución

exponencial. Introducción a la estadística empresarial; OpenStax.

https://openstax.org/books/introducci%C3%B3n-estad%C3%ADstica-

empresarial/pages/5-3-la-distribucion-exponencial

16