Universidad de Buenos Aires

Facultad de Ciencias Sociales

Carrera de Relaciones del Trabajo

Estadística
cátedra corte raguso
Aplicada I

Material de Cátedra: Variables Aleatorias CONTINUAS

Distribución NORMAL

Estadística Aplicada I Cátedra CORTE RAGUSO 1

ESTADÍSTICA APLICADA I
Cátedra Corte Raguso
SEGUNDO Cuatrimestre 2022
Tabla de contenidos
Carrera de Relaciones del Trabajo
Facultad de Ciencias Sociales Variable Aleatoria CONTINIA (VAC) 03
Universidad de Buenos Aires
Función de DENSIDAD de Probabilidad 03

Función de DISTRIBUCIÓN 04

Variable ESTANDARIZADA 05

Distribución NORMAL 06

Características Estadísticas y
PROHIBIDA SU VENTA
Matemáticas
07
Material de DISTRIBUCIÓN GRATUITA
ISBN 97898705056798 Cálculo de PROBABILIDAD
Resueltos y Explicados
09
Los derechos de autor de este trabajo pertenecen a la
Prof. CP Alicia L. Corte Raguso y están protegidos por la Para resolver 12
Ley 11.723
Cálculo de PERCENTILES
Resueltos y Explicados
13
Este trabajo está bajo una Licencia Creative Commons
Atribución-NoComercial-CompartirIgual 4.0
Internacional En síntesis 16

Para resolver 17

Bibliografía 18

NO ESTÁS SOLX 19

Diseño y desarrollo de Contenidos Educativos:

Alicia L. Corte Raguso

Revisión:
Natalia Guidolín

Estadística Aplicada I Cátedra CORTE RAGUSO 2

Variable Aleatoria CONTINUA (VAC)

Sabemos que una Variable ES CONTINUA cuando su recorrido es INFINITO. Recordemos que entre dos números reales cualesquiera existen
infinitos números, y que cualquiera de ellos puede ser un valor de la variable.

Sabemos también que una Variable ES ALEATORIA, cuando existe una función matemática que describe el comportamiento probabilístico de
esa Variable.

Función de DENSIDAD de Probabilidad

La Función de Probabilidad que describe el comportamiento probabilístico de una VAC, se llama FUNCIÓN DE DENSIDAD de Probabilidad, y
necesariamente cumple con la Condición de CIERRE y con la Condición de NO NEGATIVIDAD.

Condición de CIERRE: f(x) cubre un área igual a 1

Condición de NO NEGATIVIDAD: f(x) ≥ 0 toma valores siempre mayores o iguales a 0 (nunca NEGATIVOS)

Supongamos dos números reales cualquiera, que designaremos como a y b. Si entre esos dos números se puede definir una Función
matemática que cumpla con la Condición de CIERRE y con la Condición de NO NEGATIVIDAD, entonces, es una Función de DENSIDAD de
Probabilidad que describe el comportamiento probabilístico de la variable x, en ese intervalo de números reales cuyos límites son a y b.

Función de DENSIDAD de Probabilidad

f(x) es la función de DENSIDAD de Probabilidad.

a es el menor valor de la variable x
b es el mayor valor de la variable x.

El ÁREA entre la curva de la función f(x) y el eje x, representa Probabilidad. Toda esa área vale 1.
Cuando calculamos Probabilidad con una VAC, estamos calculando un ÁREA.

Estadística Aplicada I Cátedra CORTE RAGUSO 3

Función de DISTRIBUCIÓN

Sabemos que cuando una Variable es CONTINUA, no se verifica ningún valor EXACTO de la Variable, por eso, cuando una Variable es CONTINUA,
NO EXISTE Función de Probabilidad PUNTUAL. Solamente podemos calcular PROBABILIDADES ACUMULADAS entre diferentes valores de la
Variable.
La Función de DISTRIBUCIÓN es una función NO DECRECIENTE que asigna a cada valor del recorrido de una VAC, un valor de probabilidad
ACUMULADA desde el límite inferior del recorrido hasta un determinado valor de la variable x, o entre dos valores cualesquiera de la variable
x.

Función de DISTRIBUCIÓN o de Probabilidad ACUMULADA

a representa el menor valor de la variable x,

b representa el mayor valor de la variable x
x0 representa un valor cualquiera de la variable x

La imagen muestra F(x0 ) que es el área que

representa la Probabilidad que se acumula entre a y x0

En Análisis Descriptivo construimos Distribuciones de Frecuencias para Variables CONTINUAS, y en ellas, calculamos las Frecuencias
Acumuladas hasta el límite superior de un intervalo de clase, o, entre dos valores cualesquiera de la variable.
Ahora, trabajando con Variables ALEATORIAS CONTINUAS, podemos calcular Probabilidades Acumuladas hasta el límite superior de
un intervalo de clase, o, entre dos valores cualesquiera de la VAC.
La columna que representa esta probabilidad acumulada se llama FUNCIÓN de DISTRIBUCIÓN.

Por Ejemplo:
Supongamos que nos interesa poder predecir el peso de las cajas que se despacharán en el próximo envío, sabiendo que el peso suele
ser de entre 18 y 30 Kilos. El peso de las cajas es una Variable Aleatoria CONTINUA:
✓ Es ALEATORIA porque no podemos predecir con exactitud el valor que tomará en la PRÓXIMA observación.
✓ Es CONTINUA porque NO se origina en un conteo, y tiene un recorrido INFINITO (entre dos valores cualesquiera
pueden existir infinitos valores).
Contamos con información que proviene de un Análisis Descriptivo realizado previamente:

Fr
Distribución de FRECUENCIAS

x : Peso Frecuencia
(en kg.) RELATIVA
ACUMULADA
18 - 20 0,1000
20 - 22 0,3800
22 - 24 0,6400
24 - 26 0,8000
26 - 28 0,9200
28 - 30 1,0000

Estadística Aplicada I Cátedra CORTE RAGUSO 4

 Entonces, para poder realizar predicciones, respecto del peso de las cajas, tomamos la información previa del Análisis Descriptivo y
construimos la FUNCIÓN de DISTRIBUCIÓN:

x F(x)
Función de DISTRIBUCIÓN

Probabilidad
Peso (en kg.) Como puede verse, a cada intervalo de valores de la VAC, se le asignó un valor de
ACUMULADA
probabilidad ACUMULADA hasta su límite superior.
18 - 20 0,1000
20 - 22 0,3800 Son todos valores no negativos y la suma de todos ellos da 1.
22 - 24 0,6400
24 - 26 0,8000 Por lo tanto, cumple con las CONDICIONES de No Negatividad y de Cierre.

26 - 28 0,9200
28 - 30 1,0000

Ejemplos:
¿Cuál es la probabilidad de que el peso de una caja sea INFERIOR a 22?
P (x < 22) = F(x = 22) = 0,38

¿Cuál es la probabilidad de que el peso de una caja sea SUPERIOR a 22 Kg?

P(x > 22) = 1 - F(x = 22) = 1 - 0,38 = 0,62

¿Cuál es la probabilidad de que el peso de una caja esté entre 22 y 28 Kg?

P (22 < x < 28) = F(x = 28) - F(x = 22)= 0,54

Variable ESTANDARIZADA (z)

La variable estandarizada es el resultado de convertir los valores de la Variable original (x) en su equivalente en unidades de Desvío
Estándar. Entonces, estandarizar una Variable es convertir el valor de la Variable Original (x) en unidades de Desvío Estándar.

▪ La variable estandarizada se simboliza con la letra z (minúscula)

▪ El valor de una Variable ESTANDARIZADA (z) se calcula dividiendo por el Desvío Estándar (σ), el valor que surge de

restarle al valor de la variable original (x) el valor de su Esperanza (µ).

𝒙−𝝁
𝒛=
𝝈
▪ El RECORRIDO de una variable estandarizada va desde menos infinito ( -∞) hasta más infinito (+∞). Quiere decir que z
puede tomar cualquier valor negativo o positivo.

▪ La ESPERANZA Matemática de una variable estandarizada es µ y vale CERO ➔ µ =0

▪ La VARIANZA de una variable estandarizada es σ2 y vale UNO ➔ σ2 = 1

Estadística Aplicada I Cátedra CORTE RAGUSO 5

Distribución NORMAL

Estudiaremos ahora, la DISTRIBUCIÓN NORMAL, que es el Modelo Teórico que se presenta con mayor frecuencia al analizar el comportamiento
de Variables Aleatorias CONTINUAS. También se la conoce como Distribución de Gauss o Distribución de Laplace-Gauss.

A la REPRESENTACIÓN GRÁFICA de la función NORMAL, se le llama Campana de Gauss:

▪ La función de Densidad Normal tiene DOS PUNTOS DE INFLEXIÓN cuando x=µ-σ y cuando x=µ+σ
▪ La Función de Densidad Normal es SIMÉTRICA respecto del punto de máxima ordenada.

▪ La Función de Densidad Normal es ASINTÓTICA al eje de abscisas (quiere decir que se acerca mucho al eje de x, pero nunca llega a
cortarlo)

Prueba de JARQUE-BERA

Una de las formas de probar si una variable

se distribuye NORMALMENTE,
es realizar la Prueba de Jarque-Bera.

Se trata de una prueba de “bondad de ajuste” que

sirve para comprobar si los datos surgidos de
observar la variable, presentan la ASIMETRÍA y
la CURTOSIS
de una Variable con Distribución Normal.

Estadística Aplicada I Cátedra CORTE RAGUSO 6

Principales Características MATEMÁTICAS de una VARIABLE con Distribución NORMAL

▪ Una variable con distribución Normal puede tomar cualquier valor desde - ∞ (menos infinito) hasta + ∞ (más infinito)
▪ La curva alcanza un MÁXIMO RELATIVO cuando el valor de la variable es la Media, o sea, cuando x =µ
▪ Toda el área debajo de la curva representa PROBABILIDAD, esa área SIEMPRE es igual a 1.
Quiere decir que la Probabilidad acumulada debajo de la curva es igual a 1, (Condición de CIERRE).
El área delimitada por la curva, representa probabilidad: F(x).

▪ La curva es SIMÉTRICA respecto de su MÁXIMO RELATIVO.

Entonces ➔ x = µ
• Recordemos que el MODO de una Variable Aleatoria es el valor de la variable con mayor probabilidad de ocurrencia, por lo tanto, el
MÁXIMO RELATIVO de la función es el MODO.
Entonces ➔ x = µ = Mo
▪ Quiere decir que su máximo relativo está justo en la
MITAD de la curva. Entonces, significa que el área
HASTA el máximo relativo ES IGUAL al área DESDE su
máximo relativo.
Si HASTA el máximo relativo se acumula una
Probabilidad = 0,50 y DESDE allí se acumula una
Probabilidad = 0,50, quiere decir que en el MÁXIMO
RELATIVO está la MEDIANA.

Entonces ➔ x = µ = Mo = Me

Principales Características ESTADÍSTICAS de una VARIABLE con Distribución NORMAL

Sabemos que, en general, la Esperanza matemática es el Promedio Aritmético Esperado.

2
▪ Los números µ y σ de la función de densidad Normal son PARÁMETROS ESTADÍSTICOS de la función.

▪ El DESVÍO ESTÁNDAR de una variable con Distribución Normal es la raíz cuadrada de la Varianza ➔ σ = √𝝈𝟐
▪ Dado que la Función de Densidad Normal es SIMÉTRICA, entonces
cuando x = µ, se cumple que x = Me
▪ Dado que es simétrica respecto de su punto máximo relativo, entonces también se cumple que
cuando x = µ, se cumple que x = Mo

Por lo tanto, en una Función Normal se cumple que µ = Me = Mo

▪ Las Medidas de FORMA de la Distribución NORMAL son:

Coeficiente de ASIMETRÍA ➔ As(x) = 0

Coeficiente de CURTORSIS ➔ K(x) = 0

Estadística Aplicada I Cátedra CORTE RAGUSO 7

Cálculo de Probabilidad NORMAL

ACLARACIÓN MUY IMPORTANTE:

En este curso, en los problemas de Distribución NORMAL que resolveremos, los valores de µ y de σ SIEMPRE

serán un DATO del enunciado.

Los valores finales que se requieran en el proceso de resolución de los Problemas, tanto de la FUNCIÓN DE
DISTRIBUCIÓN como de los PERCENTILES de la Variable Estandarizada, surgirán de las Tablas de Estadística,
que podrán descargar del Aula Virtual de la Cátedra.

Para calcular Probabilidad de una variable con Distribución Normal:

✓ Es necesario conocer el valor de µ y el valor de σ de la variable con la que se trabaja. Los valores de µ y σ son constantes para
cualquier valor de una misma variable (x)

✓ SIEMPRE es necesario ESTANDARIZAR la variable x, para convertirla en valores de z.

x−
El valor de z, se calcula ➔ z=


✓ z es un valor de variable estandarizada, cuyo recorrido va de menos infinito ( -∞) hasta más infinito (+∞), es decir que:
z puede tomar cualquier valor, NEGATIVO o POSITIVO.

✓ Una vez calculado el valor de z, simplemente se busca en Tabla, el valor de Probabilidad Acumulada [ F(z) ] que le corresponde a
la z calculada.

✓ F(z) ➔ es un valor de PROBABILIDAD Acumulada, por lo tanto, puede tomar cualquier valor entre 0 y 1

F(z) NUNCA será MAYOR A 1, NUNCA será NEGATIVO.

LA PROBABILIDAD DE QUE: SE RESUELVE:

ESQUEMAS de

RESOLUCIÓN

x sea MENOR a determinado valor (x0) ➔P No (x < x0) = F(x0)

x sea MAYOR a determinado valor (x0) ➔ P No (x > x0) = 1 - F(x0)

x esté ENTRE dos determinados valores ➔P No (x1 < x < x2) = F(x2) - F(x1)

Estadística Aplicada I Cátedra CORTE RAGUSO 8

 resueltos y explicados de cálculo de PROBABILIDAD
Ejemplo A
El tiempo de fabricación de ciertas herramientas tiene distribución Normal, con media 30 minutos y desvío estándar 3 minutos.
1) ¿Cuál es la probabilidad de que el tiempo de fabricación de una herramienta sea MENOR a 28 minutos?
2) ¿Cuál es la probabilidad de que el tiempo de fabricación de una herramienta sea SUPERIOR a 28 minutos?
3) ¿Cuál es la probabilidad de que el tiempo de fabricación de una herramienta sea de ENTRE 28 y 32 minutos?
4) ¿Cuál es la probabilidad de que el tiempo de fabricación de una herramienta que sea MENOR a 28 o que sea SUPERIOR a 32 minutos?

RESOLUCIÓN:
DATOS: x: Tiempo de fabricación ; µ = 30 minutos ; σ = 3 minutos

1) ¿Cuál es la probabilidad de que el tiempo de fabricación de una herramienta sea MENOR a 28 minutos?
SIMBOLIZACIÓN DE LA PREGUNTA y ESQUEMA de RESOLUCIÓN: PNo (x < 28 ) = F(28 )

DESARROLLO:
Debemos calcular el área que representa la probabilidad de que x sea MENOR a 28. Una vez simbolizada la Pregunta y el Esquema de
Resolución, graficamos:

Es necesario estandarizar x, es decir calcular cuánto vale z, cuando el tiempo de fabricación es de 28 minutos (x = 28)

𝑥− 𝜇 28−30
𝑧= = = - 0,66
𝜎 3
➔ PNo (x < 28 ) = F(28 ) = F(z= - 0,66)

Debo buscar en la Tabla qué valor le corresponde a

F(z) cuando z = - 0,66

-0,66

En la Tabla, el valor más cercano a z = -0,66 es z = - 0,659,

y a este valor de z, le corresponde un valor de
Probabilidad Acumulada, es decir, un valor de F(z) = 0,255
Finalmente:

PNo (x < 28 ) = F(28 ) = F(z = - 0,66) = 0,255

RESPUESTA: La probabilidad de que el tiempo de fabricación

sea MENOR a 28 minutos es 0,255

Estadística Aplicada I Cátedra CORTE RAGUSO 9

2) ¿Cuál es la probabilidad de que el tiempo de fabricación de una herramienta sea SUPERIOR a 28 minutos?
SIMBOLIZACIÓN DE LA PREGUNTA y ESQUEMA de RESOLUCIÓN: PNo (x > x0 ) = 1 - F(x0) ➔ PNo (x > 28 ) = 1 - F(28 )

DESARROLLO:
Debemos calcular el área que representa la probabilidad de que x sea MAYOR a 28. Una vez simbolizada la Pregunta y el Esquema de
Resolución, graficamos:
Es necesario estandarizar x, es decir calcular cuánto vale z, cuando el tiempo de fabricación es de 28 minutos (x = 28)

𝑥− 𝜇 28−30
𝑧= = = - 0,66 ➔ F (z= - 0,66) = 0,255
𝜎 3

PNo (x > 28 ) = 1 - F(28 ) ➔ 1 – 0,255 = 0,745

-0,66

RESPUESTA: La probabilidad de que el tiempo de fabricación sea SUPERIOR a 28 minutos es 0,745

3) ¿Cuál es la probabilidad de que el tiempo de fabricación de una herramienta sea de ENTRE 28 y 32 minutos?
SIMBOLIZACIÓN DE LA PREGUNTA y ESQUEMA de RESOLUCIÓN:
PNo (x1 < x < x2) = F(x2) - F(x1)
➔ PNo (28 < x < 32) = F(32) - F(28 )
DESARROLLO:
Debemos calcular el área comprendida ENTRE 28 y 32. Grafiquemos:

0,66

𝑥− 𝜇 28−30
En los puntos anteriores ya calculamos z 1: ➔ z 1= = = - 0,66 ➔ F (z1 = - 0,66) = 0,255
𝜎 3
𝑥− 𝜇 32−30
Calculemos z2 y busquemos F(z2) en la Tabla ➔ z2= = = 0,66 ➔ F (z2 = 0,66) = 0,745
𝜎 3
Finalmente:

No (x1 < x < x2) = F(x2) - F(x1) ➔ PNo (28 < x < 32) = F(32) - F(28 ) = 0,745 - 0,255 = 0,49

RESPUESTA: La probabilidad de que el tiempo de fabricación sea de ENTRE 28 y 32 minutos es 0,49

Estadística Aplicada I Cátedra CORTE RAGUSO 10

4) ¿Cuál es la probabilidad de que el tiempo de fabricación de una herramienta sea MENOR a 28 o que sea SUPERIOR a 32
minutos?

SIMBOLIZACIÓN DE LA PREGUNTA y ESQUEMA de RESOLUCIÓN: PNo (x < x1) + PNo (x > x2) = F(x1) + [ 1- F(x2) ]

DESARROLLO:
Fíjense que nos piden que calculemos el área menor a 28 pero además el área mayor a 32 (Recordemos que la o indica suma) Grafiquemos:

𝑥− 𝜇 28−30
x1= = = - 0,66 ➔ calculado en 1)
𝜎 3

𝑥− 𝜇 28−30
x2= = = 0,66 ➔ calculado en 3)
𝜎 3

F(x1) = F(28 ) = F(z = - 0,66) = 0,255

1 - F(x2) = 1 - F(32) = 1 - F(z = 0,66) = 1 - 0,745 = 0,255
PNo (x < 28) + PNo (x > 32) = F(28) + [ 1- F(32) ] = 0,255 + 0,255 = 0,51

RESPUESTA: La probabilidad de que el tiempo de fabricación sea MENOR a 28 o MAYOR a 32 minutos es 0,51

Estadística Aplicada I Cátedra CORTE RAGUSO 11

 para resolver

A) El peso de determinados paquetes de fabricación de ciertas herramientas tiene distribución Normal, con media 50 kilos y desvío

estándar 5 kilos.

1) ¿Cuál es la probabilidad de que el peso de un paquete sea MENOR a 46 kilos?

2) ¿Cuál es la probabilidad de que el peso de un paquete sea SUPERIOR a 58 kilos?

3) ¿Cuál es la probabilidad de que el peso de un paquete sea de ENTRE 42 y 52 kilos?

4) ¿Cuál es la probabilidad de que el peso de un paquete sea INFERIOR a 44 kilos?

5) ¿Cuál es la probabilidad de que el peso de un paquete sea MAYOR a 55 kilos?

B) La altura de los alumnos de Primer Grado de una Escuela Municipal tiene distribución Normal, con Mediana 110 cm. y desvío

estándar 10 cm.

1) ¿Cuál es la probabilidad de que la altura de un alumno de Primer Grado de esa Escuela sea INFERIOR a 110 cm.?

2) ¿Cuál es la probabilidad de que la altura de un alumno de Primer Grado de esa Escuela sea MAYOR a 125 cm.?

3) ¿Cuál es la probabilidad de que la altura de un alumno de Primer Grado de esa Escuela sea de ENTRE 95 y 115 cm.?

4) ¿Cuál es la probabilidad de que la altura de un alumno de Primer Grado de esa Escuela sea MENOR a 100 cm.?

5) ¿Cuál es la probabilidad de que la altura de un alumno de Primer Grado de esa Escuela sea SUPERIOR a 98 cm.?

6) ¿Cuál es la probabilidad de que la altura de un alumno de Primer Grado de esa Escuela sea INFERIOR a 95 o SUPERIOR a 115

cm.?

C) La superficie de las casas de un Barrio Cerrado se distribuye Normalmente con Modo 220 mts. y desvío estándar 25 mts.

1) Cuál es la probabilidad de que la superficie de una casa de ese Barrio sea INFERIOR a 230 mts.?

2) Cuál es la probabilidad de que la superficie de una casa de ese Barrio sea SUPERIOR a 180 mts.?

3) Cuál es la probabilidad de que la superficie de una casa de ese Barrio sea MAYOR a 220 mts.?

4) Cuál es la probabilidad de que la superficie de una casa de ese Barrio sea MENOR a 200 mts.?

5) Cuál es la probabilidad de que la superficie de una casa de ese Barrio sea INFERIOR a 190 o SUPERIOR a 240 mts.?

6) Cuál es la probabilidad de que la superficie de una casa de ese Barrio sea de ENTRE 205 y 235 mts.?

Estadística Aplicada I Cátedra CORTE RAGUSO 12

 Cálculo de Percentiles
Luego de haber leído, comprendido, estudiado y aprendido, las características de la Distribución de NORMAL y el cálculo de Probabilidad con
una variable que se distribuye normalmente, veamos ahora cómo calcularemos Percentiles (o Fractiles).

Recordemos qué es un PERCENTIL:

es el valor de la VARIABLE (x)
HASTA el que se acumula una probabilidad igual a F(z) y
DESDE el que se acumula una Probabilidad igual a 1 – F(z)

El Percentil de Orden k, se simboliza: xk

Y se calcula: 𝑥𝑘 = (𝑧𝑘/100 ∗ 𝜎) + 𝜇

De modo que cuando calculemos un Percentil, vamos a estar calculando el valor de x HASTA el que se acumula determinada Probabilidad.
Recordemos que k es el ORP del Percentil, el valor que se le asigne a k, es el que indica qué Percentil se va a determinar.
Ahora, como estamos trabajando con Probabilidad, debemos saber que, multiplicando por 100 una Probabilidad Acumulada - F(z) -,
obtenemos el valor de k que le corresponde:

F(z) * 100 = k ➔ F(z) = k /100

x : tiempo de fabricación  No; con 𝜇 = 30 y 𝜎 = 3

a) Calcular la Probabilidad Normal de que el tiempo de fabricación sea MENOR a 28
minutos:

PNo (x < 28 ) = F(28 ) = F(z = ..?)

𝑥− 𝜇 28−30
𝑧= 𝜎
= 3
= - 0,66
se busca en la Tabla➔ z = - 0,66 la Tabla dice que le corresponde F(z) = 0,25 -0,66

PNo (x < 28 ) = F(28 ) = F(z = -0,66) = 0,25

EJEMPLO

RESPUESTA: La Probabilidad de que el tiempo de fabricación sea MENOR a 28 minutos es 0,25.

b) Sabiendo que HASTA 28 minutos, se acumula una Probabilidad de 0,25 ¿el Percentil de qué orden es 28 minutos?
Si HASTA 28 minutos se acumuló una Probabilidad de 0,25, entonces, 28 minutos es el Percentil de orden 25
recordemos que ➔ F (z) * 100 = k ➔ 0,25 * 100 = 25 ➔ k = 25
RESPUESTA: 28 minutos = x25

c) Sabiendo que DESDE 28 minutos, se acumula una Probabilidad de 0,75 ¿el Percentil de qué orden es 28 minutos?
Si DESDE 28 minutos se acumuló una Probabilidad de 0,75, quiere decir que ➔ 1 – F(z) = 0,75
quiere decir que F(z) = 0,25
Entonces, 28 minutos es el Percentil de orden 25
RESPUESTA: 28 minutos = x25

Estadística Aplicada I Cátedra CORTE RAGUSO 13

 resueltos y explicados de cálculo de PERCENTILES

Ejemplo B
La duración de las pilas producidas por un fabricante se distribuye normalmente con una media de 8500 horas y un
desvío estándar de 100 horas.
a) ¿Cuál es la duración MÍNIMA del 85% de las pilas de MAYOR duración? (SÓLO superada por el 85%)
b) ¿Cuál es la duración MÁXIMA del 64% de las pilas de MENOR duración? (NO superada por el 64%)

a) ¿Cuál es la duración MÍNIMA del 85% de las pilas de MAYOR duración? (SÓLO superada por el 85%)
xk = (zk . σ) + µ
Debe calcularse el valor de la variable MÍNIMO del 85% de MAYOR valor,
que es el valor de la variable DESDE el que se acumula el 85% MAYOR

Por lo tanto, es el valor de la variable MÁXIMO del 15% con MENOR valor.
Que es el valor de la variable HASTA el que se acumula el 15% MENOR

Recordemos que el ORP lo da el porcentaje “ACUMULADO HASTA”

Por lo tanto debemos calcular el Percentil 15.

x15 ➔ k = 15 ➔ F(z) = 0,15

Una vez determinado el ORP del Percentil que necesitamos calcular,

solamente debemos ir a la Tabla, para averiguar, ¿cuál es el valor que le

corresponde a z cuando F(z) = 0,15 ?

En la Tabla se busca:

F(z) = 0,15 ➔ z = -1,036

Una vez que se tiene el valor de z, todo lo que debe hacerse es reemplazarlo en la fórmula y
calcular.

Resolución:
xk = zk . σ + µ
x15 = (z(Fz=0,15) * σ) + µ = -
1,036 . 100 + 8500 = 8396,40 horas

Estadística Aplicada I Cátedra CORTE RAGUSO 14

b) ¿Cuál es la duración MÁXIMA del 64% de las pilas de MENOR duración? (NO superada por el 64%)
xk = zk . σ + µ
Debe calcularse el valor de la variable MÁXIMO del 64% de MENOR valor,
que es el valor de la variable HASTA el que se acumula el 64% MENOR.

También es el valor de la variable MÍNIMO del 36% con MAYOR valor.

Que es el valor de la variable DESDE el que se acumula el 36% MAYOR.

Recordemos que el ORP lo da el porcentaje “ACUMULADO HASTA”

Por lo tanto debemos calcular el Percentil 64.

x64 ➔ k = 64 ➔ F(z) = 0,64

Una vez determinado el ORP del Percentil que necesitamos calcular, solamente debemos ir a la Tabla para averiguar,

¿cuál es el valor que le corresponde a z? cuando F(z) = 0,64

En la Tabla se busca:
F(z) = 0,64 ➔ z = 0,358
Una vez que se tiene el valor de z, todo lo que debe hacerse es reemplazarlo en la
fórmula y calcular:

Resolución:
xk = zk . σ + µ
x64 = z(Fz=0,64) . σ + µ = 0,358 . 100 + 8500 = 8535,80 horas

Ejemplo C
Observando el Gráfico

y sabiendo que:
1 - F(x2) = 1 - F(32) = 1 - F(z = 0,66) = 1 - 0,75 = 0,25
Determine qué Percentil es 32 minutos

Resolución:
F(32) = 0,75 ➔ F(x) * 100 = k ➔ 0,75 * 100 = 75 ➔ k = 75
32 es el percentil 75 ➔ x 75

Estadística Aplicada I Cátedra CORTE RAGUSO 15

 en síntesis

La PROBABILIDAD de que:
x ˂ (menor, a lo sumo) F(z)

x ˃ (mayor, más de) 1 – F(z)

x1 ˂ x ˂ x2 (entre dos valores) F (z2) – F (z1)

z: es un valor de Variable estandarizada, que puede tomar valores POSITIVOS O NEGATIVOS.

F (z) : es un valor de Probabilidad Acumulada, por lo tanto,

F (z) JAMÁS es mayor a 1, JAMÁS es NEGATIVO

Para calcular PROBABILIDAD:

𝒙− 𝝁
1) Se calcula el valor de z, 𝒛=
𝝈

2) Una vez que se calculó el valor de “z”, se busca en la Tabla qué valor de F(z) le corresponde a ese
valor de z calculado.

Para calcular un PERCENTIL:

1) De la lectura del enunciado, se interpreta el ORP, (o sea, el valor de “k”), para determinar qué
percentil se debe calcular.

2) El valor de “k” siempre está determinado por la probabilidad acumulada HASTA

3) “k” dividido 100 es una valor de F(z), es decir, k / 100 = F(z)

4) Una vez que se conoce el valor de F(z), se busca en la Tabla qué valor de “z” le corresponde a
ese valor de F(z), que surgió de dividir k/100.
5) Una vez que se obtiene de la Tabla el valor de “z” correspondiente, se calcula el valor de “x”:

x k = (z * σ) + µ

Estadística Aplicada I Cátedra CORTE RAGUSO 16

 para resolver

D) El peso de determinados paquetes de fabricación de ciertas herramientas tiene distribución Normal, con media 50 kilos y desvío

estándar 5 kilos.

6) Cuál es el peso MÁXIMO del 46% de los paquetes de MENOR Peso?

7) Cuál es el peso MÍNIMO del 64% de los paquetes de MAYOR Peso?

8) Cuál es el peso NO SUPERADO por el 22% de los paquetes?

9) Cuál es el peso SUPERADO por el 22% de los paquetes?

10) Cuál es el peso SUPERADO por el 50% de los paquetes?

E) La altura de los alumnos de Primer Grado de una Escuela Municipal tiene distribución Normal, con Mediana 110 cm. y desvío

estándar 10 cm.

7) Cuál es la altura de SUPERADA por el 75% de los alumnos de Primer Grado de esa Escuela?

8) Cuál es la altura de MÁXIMA del 75% de los alumnos de MENOR altura del Primer Grado de esa Escuela?

9) Cuál es la altura de MÍNIMA del 75% de los alumnos de MAYOR altura del Primer Grado de esa Escuela?

10) Cuál es la altura de NO SUPERADA por el 75% de los alumnos de Primer Grado de esa Escuela?

11) Cuál es la altura de SUPERADA por el 35% de los alumnos de Primer Grado de esa Escuela?

12) Cuál es la altura de MÁXIMA del 15% de los alumnos de MENOR altura del Primer Grado de esa Escuela?

F) Observando el Gráfico y sabiendo que:

x: la longitud de ciertos listones se distribuye normalmente con F(x) = 0,35

µ: 70 cm. y σ: 7cm.
Determine el valor de la longitud marcada en el Gráfico con
¿De qué Percentil se trata? (¿Cuál es el valor de k?)

Estadística Aplicada I Cátedra CORTE RAGUSO 17

 bibliografía ampliatoria y de consulta

➔ ESTADÍSTICA Tomo 1
C. Capriglioni. (3C Editores, 2014)

➔ TABLAS PARA ESTADÍSTICA

Joseph Craus (Editesa, 2014)

➔ ESTADÍSTICA PARA ADMINISTRACIÓN Y ECONOMÍA

Levin, Rubin y Otros. (Pearson Edit. ,2011)

➔ ESTADÍSTICA
M. Triola (Pearson Edit.,2009)

➔ ESTADÍSTICA SOCIAL
Hubert M. Blalock (Fondo de Cultura Económica, 1996)

Estadística Aplicada I Cátedra CORTE RAGUSO 18

 necesitás saber que no estás solx..!
yo sí te creo no solo duelen los golpes
DONDE HAY TEMOR NO HAY AMOR no estás
solx si duele, no es amor, es otra cosa la
complicidad mata SILENCIO es COMPLICIDAD
las violencias se suman y crecen hasta llegar al
femicidio el maltrato emocional también te mata

podés buscar ayuda e información

en la Facultad: http://www.sociales.uba.ar/genero

cualquier día y a cualquier hora llamando a:

Estadística Aplicada I Cátedra CORTE RAGUSO 19