Math ClubMath Club
v1 · padrão canônico

Lección 76 — Distribución normal

Curva de campana: densidad, estandarización Z, regla 68-95-99,7, intervalos de confianza y pruebas Z. La distribución central de la estadística y las ciencias aplicadas.

Used in: Stochastik — Leistungskurs alemán · H2 Math — Singapur · AP Statistics — EE.UU. · Math B — Japón

f(x)=1σ2πe(xμ)22σ2,Z=Xμσf(x) = \frac{1}{\sigma\sqrt{2\pi}}\,e^{-\frac{(x-\mu)^2}{2\sigma^2}}, \quad Z = \frac{X-\mu}{\sigma}
Choose your door

Rigorous notation, full derivation, hypotheses

Definición rigurosa

Densidad y parámetros

"If XX is a random variable and XX has a normal distribution with mean μ\mu and standard deviation σ\sigma, we write XN(μ,σ)X \sim N(\mu, \sigma). The mean μ\mu is the center of the symmetric curve, and the standard deviation σ\sigma gives the spread." — OpenStax Statistics §6.1

"Normal distributions are symmetric around their mean... The area under a normal distribution curve within one standard deviation of the mean is approximately 68%, within two standard deviations is approximately 95%, and within three standard deviations is approximately 99.7%." — OpenIntro Statistics §3.5

μμ−σμ+σμ−2σμ+2σ68%13,6%13,6%

Curva normal: 68% de los datos entre μ ± σ (región central oscura), 27,2% entre μ ± 2σ (regiones laterales), 0,3% en las colas más allá de μ ± 3σ.

Ejemplos resueltos

Exercise list

42 exercises · 10 with worked solution (25%)

Application 24Understanding 2Modeling 12Challenge 1Proof 3
  1. Ex. 76.1Application

    XN(70,102)X \sim \mathcal N(70, 10^2). Calcule la puntuación z para X=85X = 85.

  2. Ex. 76.2Application

    XN(100,152)X \sim \mathcal N(100, 15^2). Calcule la puntuación z para X=80X = 80.

  3. Ex. 76.3ApplicationAnswer key

    Calcule P(Z1,96)P(Z \leq 1{,}96).

  4. Ex. 76.4Application

    Calcule P(Z1,96)P(Z \geq 1{,}96).

  5. Ex. 76.5Application

    Calcule P(1,96Z1,96)P(-1{,}96 \leq Z \leq 1{,}96).

  6. Ex. 76.6Application

    Calcule P(Z1,5)P(Z \leq -1{,}5).

  7. Ex. 76.7Application

    Calcule P(0Z2)P(0 \leq Z \leq 2).

  8. Ex. 76.8Application

    XN(50,102)X \sim \mathcal N(50, 10^2). Calcule P(X>65)P(X > 65).

  9. Ex. 76.9Application

    XN(50,102)X \sim \mathcal N(50, 10^2). Calcule P(40<X<60)P(40 < X < 60).

  10. Ex. 76.10Application

    XN(0,4)X \sim \mathcal N(0, 4) (varianza = 4). Calcule P(X>3)P(X > 3).

  11. Ex. 76.11ApplicationAnswer key

    Calcule el cuantil 90% de N(100,152)\mathcal N(100, 15^2).

  12. Ex. 76.12Application

    Calcule Q1Q_1 (cuantil 25%) de N(100,152)\mathcal N(100, 15^2).

  13. Ex. 76.13Application

    CI N(100,152)\sim \mathcal N(100, 15^2). ¿Qué % de la población tiene CI entre 85 y 115?

  14. Ex. 76.14Application

    CI N(100,152)\sim \mathcal N(100, 15^2). ¿Qué % tiene CI arriba de 130?

  15. Ex. 76.15Application

    CI N(100,152)\sim \mathcal N(100, 15^2). ¿Qué % tiene CI arriba de 145?

  16. Ex. 76.16Application

    Alturas N(170,82)\sim \mathcal N(170, 8^2) cm. ¿Qué % tiene altura arriba de 186 cm?

  17. Ex. 76.17ApplicationAnswer key

    Notas N(70,102)\sim \mathcal N(70, 10^2). ¿A partir de qué nota comienza el top 5%?

  18. Ex. 76.18Application

    XN(0,1)X \sim \mathcal N(0, 1). Calcule P(X>3)P(|X| > 3).

  19. Ex. 76.19ApplicationAnswer key

    Para XN(μ,σ2)X \sim \mathcal N(\mu, \sigma^2), ¿cuál es la relación entre mediana, moda y μ\mu?

  20. Ex. 76.20Application

    XN(20,42)X \sim \mathcal N(20, 4^2) y YN(10,32)Y \sim \mathcal N(10, 3^2) independientes. ¿Cuál es la distribución de X+YX + Y?

  21. Ex. 76.21Application

    Salario mensual N(5000,15002)\sim \mathcal N(5000, 1500^2) euros. ¿Cuál es el piso salarial del top 10%?

  22. Ex. 76.22ApplicationAnswer key

    Duración de vuelo N(120,102)\sim \mathcal N(120, 10^2) min. ¿Cuánto tiempo reservar para tener 99% de confianza de llegar a tiempo?

  23. Ex. 76.23Application

    Retornos diarios de acción N(0,001,  0,012)\sim \mathcal N(0{,}001,\; 0{,}01^2). Calcule P(peˊrdida>2%)P(\text{pérdida} > 2\%).

  24. Ex. 76.24Application

    Voltaje N(220,52)\sim \mathcal N(220, 5^2). El aparato falla si V>235V > 235 V. Calcule la probabilidad de falla.

  25. Ex. 76.25Modeling

    Piezas con diámetro N(10,00;  0,022)\mathcal N(10{,}00;\; 0{,}02^2) mm. Tolerancia 10,00±0,0510{,}00 \pm 0{,}05 mm. ¿Qué fracción se rechaza?

  26. Ex. 76.26Modeling

    Encuesta con 1000 entrevistados estima proporción real p=0,50p = 0{,}50. Construya IC 95% para pp.

  27. Ex. 76.27ModelingAnswer key

    Xˉ=105\bar X = 105, n=25n = 25, σ=10\sigma = 10 (conocido). Construya IC 95% para μ\mu.

  28. Ex. 76.28Modeling

    Prueba H0:μ=100H_0: \mu = 100 vs. H1:μ100H_1: \mu \neq 100. Xˉ=105\bar X = 105, n=25n = 25, σ=10\sigma = 10. Calcule el p-valor y decida.

  29. Ex. 76.29ModelingAnswer key

    Tiempo de ejecución N(50,52)\sim \mathcal N(50, 5^2) ms. Para garantizar SLA con 95% de las solicitudes abajo del límite, ¿qué threshold definir?

  30. Ex. 76.30Modeling

    Six Sigma: especificación μ±6σ\mu \pm 6\sigma. Con ajuste de 1,5σ para deriva del proceso, calcule los defectos por millón. ¿Por qué el resultado es 3,4 ppm y no prácticamente cero?

  31. Ex. 76.31Modeling

    Gráfico X-bar con n=5n = 5, σ=2\sigma = 2 (conocido), Xˉˉ=100\bar{\bar{X}} = 100. Calcule UCL y LCL a ±3σ\pm 3\sigma.

  32. Ex. 76.32Modeling

    Scores de modelo de ML N(0,80,  0,052)\sim \mathcal N(0{,}80,\; 0{,}05^2). ¿Cuál es el threshold para seleccionar el top 20% de los modelos?

  33. Ex. 76.33Modeling

    Resistor 100Ω con tolerancia ±5%\pm 5\%. Asumiendo σ=5/3\sigma = 5/3 ohm (3σ\sigma = tolerancia), calcule la fracción dentro de la especificación.

  34. Ex. 76.34Modeling

    Retorno anual de cartera N(5%,20%2)\sim \mathcal N(5\%, 20\%^2). Calcule la probabilidad de retorno negativo en un año.

  35. Ex. 76.35Modeling

    Notas del ENEM (Matemática) N(520,1102)\sim \mathcal N(520, 110^2). Calcule P(nota>700)P(\text{nota} > 700).

  36. Ex. 76.36ModelingAnswer key

    IPCA anual modelado como N(4,5%,  1,5%2)\mathcal N(4{,}5\%,\; 1{,}5\%^2). Meta de inflación: hasta 6,5%. ¿Cuál es la probabilidad de desbordar la meta?

  37. Ex. 76.37Understanding

    ¿Por qué estandarizamos a la normal estándar? ¿Qué justifica la existencia de una única tabla Φ(z)\Phi(z)?

  38. Ex. 76.38Understanding

    ¿Cómo es la cola de la normal — "fina" o "pesada"? ¿Por qué es importante en modelado de riesgo financiero?

  39. Ex. 76.39Challenge

    Demuestre que si XN(0,1)X \sim \mathcal N(0, 1), entonces Y=X2Y = X^2 tiene distribución chi-cuadrado con 1 grado de libertad.

  40. Ex. 76.40Proof

    Demuestre que si XN(μ,σ2)X \sim \mathcal N(\mu, \sigma^2) y Y=aX+bY = aX + b (con a>0a > 0), entonces YN(aμ+b,  a2σ2)Y \sim \mathcal N(a\mu + b,\; a^2\sigma^2).

  41. Ex. 76.41ProofAnswer key

    Demuestre que +ex2/2dx=2π\int_{-\infty}^{+\infty} e^{-x^2/2}\,dx = \sqrt{2\pi} por el truco de coordenadas polares.

  42. Ex. 76.42ProofAnswer key

    Demuestre (esbozo) que la distribución normal maximiza la entropía diferencial entre todas las distribuciones continuas con media μ\mu y varianza σ2\sigma^2 fijas.

Fuentes

  • OpenIntro Statistics (4ª ed) — Diez, Çetinkaya-Rundel, Barr · 2019 · EN · CC-BY-SA. Fuente primaria — §3.5 (estandarización, regla 68-95-99,7, gráfico Q-Q, aplicaciones).
  • Statistics (OpenStax) — Illowsky, Dean · 2022 · EN · CC-BY. §6.1–6.4 — densidad, FDP, IC, TCL, ejercicios a nivel AP.
  • Introduction to Probability (Grinstead-Snell) — Grinstead, Snell · 1997 · EN · GNU FDL. §5.2 — integral gaussiana, MGF, máxima entropía, límite De Moivre-Laplace; ejercicios demostrativo.

Updated on 2026-05-11 · Author(s): Clube da Matemática

Found an error? Open an issue on GitHub or submit a PR — open source forever.