TEMA 0: DISTRIBUCIN NORMAL La distribucin normal o distribucin de Gauss es sin duda la ms importante y la de ms aplicacin de todas las distribuciones continuas.

Esta distribucin es bastante adecuada para describir la distribucin de muchos conjuntos de datos que ocurren en la naturaleza, la industria y la navegacin. As pues para los siguientes conjuntos de datos, se puede considerar adecuada la distribucin normal: - Datos meteorolgicos correspondientes a temperaturas, lluvias, etc. - Las clasificaciones correspondientes a pruebas de aptitud. - Las alturas de individuos de una edad y sexo dado. - Las medidas fsicas de productos manufacturados. - La vida media de un tipo de lmparas con un voltaje dado, etc. Definicin: Diremos que una variable aleatoria X, de tipo continuo, sigue una distribucin normal de parmetros y si su funcin de densidad es: 1 2 -< x<+ f ( x) = e 2 , 2 donde , y tales que -<<+ y >0. (=3,14159... , e=2,71828 ) Abreviadamente la indicaremos por X N(,) Veamos ahora la representacin grfica de la funcin de densidad f(x) de la N( ,). Para ello veremos que se cumplen las siguientes propiedades: 1. f(x) es continua en toda la recta real. 2. f(x) es simtrica respecto de x = es decir es simtrica respecto del parmetro . 3. f(x) tiene como asntota horizontal el eje de abscisas. 4. f(x) es estrictamente creciente cuando x<, y estrictamente decreciente cuando x>. 5. f(x) presenta un mximo cuando x=, ese mximo vale f()=
1 2
( x )2

El grfico nos muestra la representacin grfica de la funcin de densidad, f(x), de una distribucin normal de parmetros y :

Se observa que tiene forma de campana, de aqu que frecuentemente se le llame campana de Gauss. Tambin se pone de manifiesto que el parmetro corresponde al

mximo y al centro de la distribucin y el parmetro nos da idea del grado de apertura o aplastamiento de la curva f(x). Relacin entre la N(,) y la N(0,1) 1 2 Veamos pues que la expresin f ( x) = nos da la funcin de densidad e 2 2 de una familia de distribuciones normales para los diferentes valores de los parmetros y . Dentro de esta familia de distribuciones normales hay una muy importante, que corresponde a los valores de los parmetros =0 y =1, es decir la distribucin N(0, 1) y recibe el nombre de distribucin tipificada o estndar, cuya correspondiente funcin de densidad se obtiene haciendo =0 y =1 en la expresin
x 1 2 f ( x) = e , < x < + 2
2

( x )2

1 f ( x) = e 2

( x )2 2 2

Proposicin: Si X es una variable aleatoria con distribucin N(,), entonces la variable aleatoria tipificada Z=(X-)/ sigue una distribucin N(0,1). Caractersticas: 1. Funcin de distribucin correspondiente a una variable aleatoria X distribuida segn una N(,) ser: 1 F(x)=P(X x) = 2

( x )2

2 2

dx , -<x<+<

2. Media: E [X]= El parmetro es la media de la distribucin. Sabemos que la funcin de densidad f(x) de una N(,) es simtrica respecto de su media , es decir P[X ]= P [X] = 0,5 lo cual nos permite decir que el parmetro es la mediana de la distribucin. La funcin de densidad f(x) presentaba un mximo para x= ,lo cual nos indica que el parmetro es la moda de la distribucin. En consecuencia diremos que en una distribucin N( ,), la media, la mediana y la moda coinciden con el parmetro . 3. Varianza. VAR[X] = Luego el parmetro que utilizamos en la N( ,) es la desviacin tpica de la distribucin, y en el caso de la N(0,1) la desviacin tpica es la unidad. Utilizacin de las tablas: En la tabla de tablas estadsticas aparece tabulada la funcin de distribucin de una N(0,1). Como la funcin de densidad de la distribucin normal es completamente simtrica, en este caso respecto al parmetro de media =0, se da una sola tabla de valores de Z, incluyendo solamente los valores positivos de Z.

Para indicar el uso de la tabla consideramos las siguientes reglas bsicas: 1. P(X-a)=1-P(Xa) 2. P(X>a)=1-P(Xa) 3. P(aXb)=P(Xb)-P(Xa) Propiedades 1. Propiedad reproductiva. La suma de n variables aleatorias independientes, X 1 , X 2 ,..., X n y distribuidas segn una N ( i , i ) , i = 1, 2, ..., n, sigue una distribucin N ( 1 +....+ n , 12 + ... + n2 )

2. Si X 1 , X 2 ,..., X n son n variables aleatorias independientes e idnticamente distribuidas, segn una N(,), entonces la variable aleatoria suma de las n variables Y= X 1 + X 2 + ... + X n sigue una distribucin N( n, n ) 3. Si X 1 , X 2 ,..., X n son n variables aleatorias independientes e idnticamente distribuidas, segn una N(,), entonces la variable aleatoria media aritmtica de estas n variables
X = X 1 +X 2+ + X ... n
n

sigue una distribucin N( ,/

n ).

EJERCICIOS: 1.- Sea X N(200, 20). Determinar las siguientes probabilidades: a) P(185<X<210) b) P(215<X<250) c) P(X>240) d) P(X>178) 2.- Los pesos de soldados presentan una distribucin normal de media 65 kg y desviacin tpica 8 kg. Calcula la probabilidad de que un soldado elegido al azar pese: a) Ms de 61 kg. b) Entre 63 y 69 kg. c) Menos de 70 kg. d) Ms de 75 kg 3.- Sea una v.a. X distribuida segn una normal con media =50 y desviacin tpica =8. Obtener: a) Probabilidad de que X tome valores entre 38 y 58. b) Probabilidad de que X tome un valor mayor que 66. 4.- Supongamos que la demanda semanal de un artculo sigue una distribucin normal de media =100 y desviacin tpica =20. Qu existencias deben tener al principio de la semana para poder satisfacer la demanda con una probabilidad de 095?