DISTRIBUCIN NORMAL

La distribucin normal fue reconocida

por primera vez por el francs
Abraham de Moivre (1667-1754).

Posteriormente, Carl Friedrich Gauss

(1777-1855) realiz estudios ms a
fondo donde formula la ecuacin de la
curva conocida comnmente, como la
Campana de Gauss".

Es la distribucin ms importante debido a su aplicacin en

diferentes temas.
La importancia de la distribucin normal se debe principalmente a
que hay muchas variables asociadas a fenmenos naturales que
siguen el modelo de la normal
Caracteres morfolgicos de individuos (personas, animales,
plantas,...) de una especie, por ejemplo: tallas, pesos,
envergaduras, dimetros, permetros,...
Caracteres fisiolgicos, por ejemplo: efecto de una misma dosis
de un frmaco, o de una misma cantidad de abono.
Caracteres sociolgicos, por ejemplo: consumo de cierto
producto por un mismo grupo de individuos, puntuaciones de
examen.
Caracteres psicolgicos, por ejemplo: cociente intelectual,
grado de adaptacin a un medio,...
Errores cometidos al medir ciertas magnitudes.
Valores estadsticos mustrales, por ejemplo: la media, varianza
y moda.
Otras distribuciones como la binomial o la de Poisson son
aproximaciones normales, ...

La Funcin De Densidad f (x) Se Define:

Por los parametros;

() =

1
2

()2

. 2.2

< <

Propiedades

= 1

El mximo valor se da cuando =

= ( + )
Es simtrica respecto a la recta =

Este valor se obtiene

2

()

[ ] =
[
. 2.2 ] = 0

1
2

Puntos de inflexin para la curva que describe ser

= + =

0.5
2

 La forma de la campana de Gauss depende de los

parmetros y .
Tiene una nica moda que coincide con su media y su
mediana.
La curva normal es asinttica al eje de X.
Es simtrica con respecto a su media . Segn esto, para
este tipo de variables existe una probabilidad de un 50%
de observar un dato mayor que la media, y un 50% de
observar un dato menor.

Esperanza y desviacin estndar de una

distribucin normal:
Lo hallaremos Mediante momento:

2 2
+ 2

Como se sabe:
=

[ ] = ( +

=0 ]

22
+
2
2 )

=0 =
Adems =

[ [ ]] =

22
2 + 2

+ ( +

=0

22
2 )2 + 2

= 2 + 2

Entonces:
=

( )2

= 2
2

( )2

=
[ [ = 0 ]]

Distribucin Normal
Estndar
Definicin: si Z es una variable aleatoria que tiene una distribucin normal, con
media = 0 y varianza 2 = 1, entonces Z se llama variable aleatoria normal
estndar, su funcin de densidad es,
1 2 /2
=

,
< <
2
La funcin de distribucin de Z, se denota por () o () y est dado por,

= =

1
2

Distribucin Normal Estndar

Los valores de esta funcin estn tabulados y se da en la tabla.

En esta tabla, los valores de estn dados para valores de
z desde -3 hasta 3.
Cualquier variable aleatoria X normal con media y varianza
2 puede ser transformado a una variable aleatoria
estandarizada Z, por la siguiente transformacin
=

Obviamente

=0

=1

Distribucin Normal Estndar

Distribucin Normal Estndar

Distribucin Normal Estndar

TEOREMA

Si X es una variable aleatoria con distribucin normal con media y varianza 2 , entonces
una variable aleatoria con distribucin normal estndar.

DEMOSTRACION

X (, 2 ), entonces la funcin de distribucin es,

= =

Si =

= =

Luego,

Haciendo luego, =

Obtenemos

= =

1
(1/2)[()/]2

la funcin de distribucin de Z est dado por

= + = ( + )

= =

+ 1
1
2
2

/ 2

1
/2
2

1
/2
2

Ya que = , y = , cuando = +

es

Distribucin Normal Estndar

USO DE TABLAS
Los valores dados en la tabla, representa el rea bajo la curva
de la funcin de densidad de una variable aleatoria normal
estndar Z desde menos infinito hasta , o sea, el rea
sombreada que se muestra en la figura est definida por

= =

1
2 /2

= =

Distribucin Normal Estndar

Existe otra tabla, tambin muy usada que da 0.5 cuya
rea bajo la curva est dada en la siguiente figura, para los
valores positivos de , y est definida por
0 =

1
2 /2

0
2

= =

Distribucin Normal Estndar

Otra tabla, es la que da el rea bajo la curva de () desde
hasta ms infinito para valores positivos de . Es decir, el rea
sombreada en la siguiente figura, en smbolos
=

1
2 /2

= =

RELACIN DE LA DISTRIBUCIN NORMAL CON LAS DISCRETAS:

Una normal puede ayudar aproximar probabilidades de varias
funciones discretas como la binomial poisson y la hipergeometrica,
para que la aproximacin sea ms exacta se emplea un ajuste o
correccin por continuidad.
APROXIMACION DE LA DISTRIBUCION
BINOMIAL A LA NORMAL:
Distribucin Binomial:

=
=

Tiene una aproximacin, una normal estndar 0,1 , cuando n es

1
muy grande. Para p cercano a un > 10 la aproximacin de la
2
normal a la binomial es muy buena.
En general la experiencia indica que la aproximacin es buena
cuando:

1. > 5

<

2. > 5

<

1
2
1
2

Las siguientes imgenes muestra mejor este comportamiento de la

aproximacin de la binomial a la normal donde el eje horizontal
representa la cantidad de datos y el eje vertical representa la
probabilidad.

Proceso de normalizacin:

La probabilidad de obtener exactamente un valor x, es

aproximadamente el rea bajo la curva normal entre
1
1
+ , la siguiente figura ilustra mejor lo dicho anteriormente
2

1
2

Es decir = +

1
2

Si se quiere aproximar la probabilidad que se tendr que

esta aproximada por el rea bajo la curva normal entre
1
1
y + , es decir
2

1
2

1
2

1
2

1
2

El ajuste de
unidad a cada lado del intervalo discreto, se
2
conoce como el factor de correccin de continuidad para las
aproximaciones discretas a la normal.
Despus de la correccin de continuidad se estandariza las
variables discretas para que tengan una distribucin (0,1)

=
~ (0,1)

=
~ (0,1)

Por ejemplo:
=

= [

; este es el valor de la probabilidad el cual

se saca de tablas

Probabilidad binomial
del evento que se
desea calcular
=

Con la correccin
por continuidad

1
1
+
2
2

> = [
+ 1]

1
+
2

1+

En funcin de la distribucin
normal estndar

1
2

+1

1
2

1
+ 2

1
2

1
+ 2

1
2

1

2
1

1
2

1
1
+
2
2

1
+ 2

1
+ 2

1
2

APROXIMACION DE LA DISTRIBUCION
POISSON A LA NORMAL:

DISTRIBUCIN POISSON: =
;
=
=

e
!

, = 1, 2, 3

La aproximacin de la distribucin de poisson a la normal se mejora

conforme aumenta el valor del parmetro , en la prctica se
considera una aproximacin buena cuando > 5
La normalizacin es similar al de la binomial:
Primero se usa el factor de correccin de continuidad ya que la normal es
una continua y la poisson es una discreta
1
= =
2

Despus de la correccin de continuidad se estandariza las variables

discretas para que tengan una distribucin (0,1)

=
~ 0,1

+0.5

~ (0,1)

APROXIMACION DE LA DISTRIBUCIN HIPERGEOMETRICA A LA NORMAL:

DISTRIBUCIN HIPERGEOMETRICA:

= 1,2,3,4, . ,

En la prctica, la aproximacin de la distribucin hipergeometrica a la

distribucin normal se utiliza siempre que tanto:

>5 1
>5

Primero se usa el factor de correccin de continuidad ya que la normal

es una continua y la hipergeometrica es una discreta
1
= =
2

Despus de la correccin de continuidad se estandariza las variables

discretas para que tengan una distribucin (0,1)
=

~ 0,1
0.5

~ (0,1)

Aplicaciones de la distribucin
normal
Recuento de fotones
La intensidad de la luz de una sola fuente vara con el tiempo, as como las
fluctuaciones trmicas que pueden observarse si la luz se analiza a una
resolucin suficientemente alta. La mecnica cuntica interpreta las medidas
de la intensidad de la luz como un recuento de fotones, donde la suposicin
natural lleva a usar la distribucin de Poisson. Cuando la intensidad de la luz se
integra a lo largo de grandes periodos de tiempo mayores que el tiempo de
coherencia, la aproximacin Poisson - Normal es apropiada.
Nivel de ruido en telecomunicaciones
El ruido Gaussiano se encuentra asociado con la radiacin electromagntica
ya que no podemos tener comunicacin elctrica sin electrones es imposible
evitar el ruido, el ruido Gaussiano muestra una densidad de probabilidad que
responde a una distribucin normal (o distribucin de Gauss). Si un ruido es
Gaussiano, la probabilidad que se aleje de ms de 3 del valor promedio es
muy baja. Esta propiedad es utilizada para identificar la seal del ruido, pero
slo funciona si el ruido es realmente Gaussiano.