DISTRIBUCION NORMAL O GAUSIANA:

Introduccin:
E n esta dstica y proba bilida d se llama distribucin norma l, distribucin de
Gauss o distribucin gaussiana, a una de las distribuciones de
proba bilidad de varia ble continua que con m s frecuencia a pa rece a proxima da en
fenmenos rea les.
La grfica de su funcin de densidad tiene una forma a campa na da y es simtrica
respecto de un determina do pa rmetro esta dstico. Esta curva se conoce
como campa na de Gauss y es el grfico de una funcin gaussiana.
La importancia de esta distribucin ra dica en que permite modela r numerosos
fenmenos na tura les, socia les y psicolgicos. Mientras que los mecanismos que
subyacen a gran pa rte de este tipo de fenmenos son desconocidos, por la enorme
cantida d de va riables incontrola bles que en ellos intervienen, el uso del modelo
norma l puede justifica rse asumiendo que ca da observa cin se obtiene como la
suma de unas poca s ca usas independientes.
D e hecho, la esta dstica descriptiva slo permite describir un fenmeno, sin
explica cin a lguna. P a ra la explicacin causa l es preciso el diseo experimenta l, de
a h que a l uso de la esta dstica en psicologa y sociologa sea conocido como
mtodo correla ciona l.
La distribucin norma l ta mbin es importa nte por su relacin con la estimacin
por mnimos cua dra dos, uno de los mtodos de estimacin m s simples y antiguos.
A lgunos ejemplos de varia bles a socia da s a fenmenos na tura les que siguen el
modelo de la norma l son:

Ca ra cteres morfolgicos de individuos como, la esta tura

Ca ra cteres fisiolgicos como, el efecto de un f rmaco

Ca ra cteres sociolgicos como, el consumo de cierto producto por un mismo

grupo de individuos

Ca ra cteres psicolgicos como, el cociente intelectua l

Nivel de ruido en telecomunica ciones

Errores cometidos a l medir ciertas magni tudes; etc.

La distribucin norma l ta mbin a pa rece en muchas rea s de la propia

esta dstica . Por ejemplo, la distribucin muestra l de la s media s mustra les es
a proxima da mente norma l, cuando la distribucin de la poblacin de la cua l se
extra e la muestra no es norma l. Adem s, la distribucin norma l maximiza
la entropa entre todas la s distribuciones con media y varianza conocida s, lo
cua l la convierte en la eleccin natura l de la distribucin subya cente a una lista
de da tos resumidos en trminos de media mue stra l y va rianza . La distribucin
norma l es la m s extendida en estadstica y muchos tests esta dsticos estn
ba sa dos en una supuesta "norma lida d".
En proba bilida d, la distribucin norma l aparece como el lmite de varias
distribuciones de probabilida des continuas y discretas .

Origen:
La distribucin norma l se conoce como la curva de Ga uss o ca mpana de Ga uss,
famoso matemtico a lemn del siglo 19.
Rea lmente, fue un tra bajo de m s de 200 aos pa ra descubrirla y esta blecer su
ecua cin.
S u origen viene de la observa cin de un esta dstico francs del siglo 18 , A braha m
de Moivre, que, entre otra s cosa s, a ctua ba como consultor pa ra temas de juegos.
Observ, que a l lanza r una moneda , la probabilida d de obtener ca ra (o cruz ) en
N tira da tena una representacin gr fica con una curva suave a medida que N se
haca gra nde. En el gr fico presenta do a continuacin, la a ltura de cada ba rra
representa la proba bilida d de que ocurra el evento (sa le ca ra a l lanzar una
moneda) de N veces que lanza mos la moneda (hemos cogido, N=2; N=4; N=12). S i
la moneda no est trucada, la proba bilida d de que sa lga ca ra a l la nzarla es del
50% (p=0, 5). Este fenmeno sigue una distribucin conocida como la Binomia l.
D e M oivre explic que si pudiramos encontra r una ec uacin pa ra esta curva,
soluciona ra mos m s fcilmente el c lculo de probabilida des de que a pa rezca x o
ms ca ra a lanza r N veces una moneda. Y eso fue uno de sus tra ba jos.
La gracia reside en que esta peculia r forma de ca mpana tambin se detect, en el
siglo 17, por Ga lileo en el an lisis de errores de medicin de observa ciones
a stronmicas; errores atribuibles a la instrumenta cin y a los observadores. Not
que estos errores eran simtricos y que los pequeos errores eran ms frecuentes
que los error es grandes. D e ah, se plantea ron va ria s hiptesis sobre
la distribucin de los errores de medicin.
F ue solo a principio del siglo 19th que se descubri que estos errores segua n
una distribucin norma l. D os matem ticos establecieron de manera independien te
su frmula : Adrin en 1808 y Gauss en 1809 que a l fina l dio su nombre a la m s
famosa de la s distribuciones esta dstica s ya que numerosos fenmenos na tura les
se a justa n a ella y que presenta una s propiedades sumamente interesa ntes.

Distribucin normal:
Una variab le

aleato ria

co n tinu a , X,

sigue

una d istribu cin

no rmal de med ia y desviac in tp ic a , y se designa por N( , ), si se

cumplen las siguientes condiciones:

1. La va ria ble puede toma r cua lquier va lor: ( -, +)

2. La func in d e d ensid ad , es la expresin en trminos de ecuacin
matem tica de la cu rva d e G au ss :

El campo de existencia es cua lquier va lor rea l, es decir, ( -, +).

Es simtrica respecto a la media .
T iene un mximo en la media .
C rece hasta la media y decrece a pa rtir de ella .
En los puntos y + presenta puntos de inflexin.
El eje de a bscisas es una a sntota de la curva.

E l rea del recinto determina do por la funcin y el eje de a bscisa s es

igu al a la un id ad .

A l ser simtric a respecto a l eje que pa sa por x = , deja un rea igu al

a 0. 5 a la izqu ierd a y o tra igu al a 0. 5 a la derech a .

La p rob ab ilid ad equ ivale al rea en c errad a b aj o la cu rva.

p( - < X + ) = 0.6826 = 68.26 %

p( - 2 < X + 2 ) = 0.954 = 95.4 %

p( - 3 < X + 3 ) = 0.997 = 99.7 %

Distribucin normal estndar:

La d istribuc in no rmal estnd ar, o tip ific ada o reduc id a, es a quella que
tiene por med ia el va lor c ero, = 0, y por desviacin tp ic a la un id ad ,
= 1.

S u funcin de densida d es:

S u gr fica es:

La prob ab ilid ad d e la variab le X d epender d el rea d el rec into

so mb reado en la figu ra . Y pa ra ca lcula rla utiliza remos una tab la.

Tipificacin de la variable

Para poder utiliza r la tabla tenemos que transformar la variable X que sigue
una distribucin N(, ) en otra variable Z que siga una distribucin N(0, 1).

Clculo de probabilidades en distribuciones normales

La tabla nos da las pro babilidades de P(z k) , siendo z la variable
tipificada.

Estas probabilidades nos dan la funcin de distribucin (k).

(k) = P(z k)

Bsqueda en la tabla de valor de k

Unidades y dcimas en la columna de la izquierda.

Cntesimas en la fila de arriba.

Casos:
P(Z a)

P(Z > a) = 1 - P(Z a)

P(Z a) = 1 P(Z a)

P(Z > a) = P(Z a)

P(a < Z b ) = P(Z b) P(Z a)

P(b < Z a ) = P(a < Z b )

Nos encontramos con el caso inverso a los anteriores, conocemos el

valor de la probabilida d y se trata de ha lla r el valor de la abscisa . Ahora
tenemos que buscar en la tabla el valor que ms se ap roxime a K .

P(a < Z b ) = P(Z b) [ 1 P(Z a)]

p = K

p = 0.75Z 0. 68

P ara ca lcular la va ria ble X nos va mos a la f rmu la d e la tip ific ac in.

(X - )/ = 0. 68X = + 0.68

Ejemplos:
Ejemplo 1:En una ciudad se estima que la temperatura mxima en el mes de
junio si una distribucin norma l, con media 23 y desviacin tpica 5.
Calcular el nmero de das del mes en los que se espera alcanzar mximas
entre 21 y 27.

Ejemplo 2:La media y los que de los pesos de 500 estudiantes de un colegio
es 70 kg y la desviacin tpica 3 kg. Suponiendo que los pesos se distribuyen
normalmente, hallar cu ntos estudiantes pesan:

1. Entre 60 kg y 75 kg.

2. Ms de 90 kg.

Ejemplo

3:Se

supone

que

los

resultados

de

un

examen

siguen

una

distribucin norma l con media 78 y desviacin tpica 36. Se pide:

1. Cul es la probabilidad de que una persona que se presenta el

examen obtenga una ca lificacin superior a 72?

2. Calcular la proporci n de estudiantes que tienen puntuaciones que

exceden por lo menos en cinco puntos de la puntuacin que marca la frontera
entre

el

Apto

el

No -Apto

(son

declarados

No -Aptos

el

25%

de

los

estudiantes que obtuvieron las puntuaciones m s bajas).

3. Si se sabe que la calificacin de un estudiante es mayor que 72 cu l

es la prioridad de que su calificacin sea, de hecho, superior a 84?

Ejemplo 4:Tras un test de cultura general se observa que las puntuaciones

obtenidas

siguen

una

distribucin

una

distribucin

N(65,

18).

Se

desea

clasifica r a los examinados en tres grupos (de baja cultura genera l, de cultura
general aceptable, de excelente cultura gener al) de modo que hay en el
primero un 20% la poblacin, un 65% el segundo y un 15% en el tercero.
Cules han de ser las puntuaciones que ma rcan el paso de un grupo a l otro?

Baja cultura hasta 49 puntos.

Cultura aceptable entre 50 y 83.

Excelent e cultura a partir de 84 puntos.

Ejemplo 5:Varios test de inteligencia dieron una puntuacin que sigue una
ley norma l con media 100 y desviacin tpica 15.

1. Determinar el porcentaje de poblacin que obtendra un coeficiente

entre 95 y 110.

2. Qu interva lo centrado en 100 contiene al 50% de la poblacin?

3. En una poblacin de 2500 individuos cuntos individuos se espera n

que tengan un coeficiente superior a 125?

Ejemplo 6:En una ciudad una de cada tres familias posee telfono. Si se
eligen al azar 90 familia s, calcular la probabilidad de que entre ellas haya por
lo menos 30 tipos se han telfono.

Ejemplo 7:En un exa men tipo test de 200 preguntas de eleccin mltiple,
cada pregunta tiene una respuesta correcta y una incorrecta. Se aprueba si se
contesta a ms de 110 respuestas correctas. Suponiendo que se contesta al
azar, calcula r la probabilidad de aproba r el exa men.

Ejemplo 8:Un estudio ha mostra do que, en un cierto ba rrio, el 60% de los

hogares tienen al menos dos televisores Se elige al azar una muestra de 50
hogares en el citado barrio. Se pide:

1. Cul es la probabilidad de que al menos 20 de los citados hoga res

tengan cuando menos dos televisores?

2. Cul es la probabilidad de que entre 35 y 40 hogares tenga cuando

menos dos televisores?