Republica Bolivariana de Venezuela

Ministerio del Poder Popular de Economa y Finanzas

Escuela Nacional de Administracin y Hacienda Pblica (ENAHP-IUT)
Unidad Curricular: estadstica II

Distribucin Normal

Profesor:
Eduardo Bocarruido.

Integrantes:
Bohrquez, Carlos
Campos, Josmary
Rodrguez Eduard
Caracas, noviembre de 2015

Concepto
Es

el
modelo
probabilstico
ms
importante asociado a una variable
aleatoria continua; fue desarrollada por el
matemtico Karl Gauss (1777-1855), de
all su nombre. Tambin se le conoce
como distribucin Normal.

Posee propiedades que la hacen aplicable en muchas

situaciones en donde se hace necesario obtener
estimaciones de los verdaderos parmetros en una
poblacin.

Hay dos razones bsicas para su estudio y que hacen que ocupe un lugar importante en estadstica:

El modelo se ajusta muy fcilmente a distribuciones de

frecuencias obtenidas de muestras representativas de una
poblacin.

Una variable aleatoria continua, X, sigue una distribucin normal

de media y desviacin tpica , y se designa por N(, ), si se
cumplen las siguientes condiciones:
1. La variable puede tomar cualquier valor: (-, +)
2. La funcin de densidad, es la expresin en trminos de
ecuacin matemtica de la curva de Gauss:

f(x)=

1
* -1/2(x2 *

/ )2

: media aritmtica=E(x)
: desviacin tpica o estndar

Curva

de la distribucin normal

El campo de existencia es cualquier valor real, es

decir, (-, +).
Tiene un mximo en la media .
En los puntos y + presenta puntos de
inflexin.
La probabilidad equivale al rea encerrada bajo la
curva.

 Como

en los casos reales, las distribuciones que

estudiamos tienen diferentes medias y varianzas,
estos clculos se hacen demasiados complejos; por lo
que se opta por hacer un cambio de variable:
f(x)=
1
* -1/2(x- / )2
2 *

de la funcin anterior se hace una conversin y queda

as:
Z=
Xi -

Y la ventaja de esta funcin es que ya todos los

integrales estn calculados en una tabla

Tabla de Valores

Ejemplo:
Una

variable se distribuye como una

normal con media=500 horas y desviacin
estndar=100 horas. Usando la tabla
calcular las siguientes probabilidades:
P(X>500)
P(500<X<650)
P(X<580)