La funcin de probabilidad normal: Caractersticas y aplicaciones

Guillermina Martn Reyes

Resumen: El objetivo de esta nota es mostar las caractersticas bsicas de la funcin de probabilidad normal, as como
su utilizacin.
Palabras clave: funcin de probabilidad normal; variable aleatoria.
Cdigo JEL: C10.

1. Introduccin

Por su relacin con el teorema central del lmite

es la base de la inferencia estadstica clsica.

a funcin de probabilidad normal, tambin

denominada funcin de Gauss, funcin de
Gauss-Laplace o funcin de probabilidad de
los errores, es una funcin de probabilidad para
variables aleatorias continuas de gran aplicacin
en ingeniera, en fsica y en las ciencias sociales.
De hecho, es la funcin de probabilidad con ms
aplicaciones al campo de la Economa y de la Empresa. Al ser la distribucin normal una aproximacin excelente a algunos fenmenos aleatorios
continuos, como la estatura, el peso, el tiempo de
servicio al cliente; y a fenmenos aleatorios discretos, a los cuales se les puede dar un tratamiento
continuo, como la antigedad de la vivienda, los
impuestos anuales, la produccin, etc, dicha distribucin tiene mucha aplicacin en mbitos tan
variados como el control de calidad, el marketing,
y la gestin de la produccin, entre otros. En general, se puede decir que la distribucin normal es
de vital importancia en estadstica por tres razones esenciales:

2. La Distribucin Normal
La distribucin normal fue introducida por
Carl Friedrich Gauss a principios del siglo XIX, al
estudiar los errores de medida en los movimientos
de los cuerpos celestes. Aunque algunos autores
consideran que en 1733 ya haba sido descrita por
Moivre, y que Laplace tambin realiz sus aportaciones casi simultneamente a la descripcin de
Gauss.
La funcin de densidad de una distribucin
normal tiene varios rasgos importantes: Es una
distribucin que tiene forma de campana, es simtrica y puede tomar valores entre menos infinito y
ms infinito (figura 1).

Existen muchos fenmenos continuos que parecen seguirla o se pueden aproximar mediante
ella.

Es decir, los valores centrales de la variable se

presentan con ms frecuencia que los valores extremos. As por ejemplo, en el caso de los errores
de medida, los errores por defecto o por exceso
pequeos en valor absoluto se presentan frecuentemente, mientras que los errores grandes, tanto
los positivos como los negativos, se observan menos veces.

Se puede utilizar para aproximar distribuciones discretas de probabilidad y de esta forma evitar clculos engorrosos.

En segundo lugar, decimos que es simtrica.

En efecto, es simtrica respecto a un valor central
alrededor del cual toma valores con gran proba-

N 6. 2012

107

eXtoikos

Grfico 1: Distribucin normal estndar

Fuente: Elaboracin propia.

bilidad mientras que apenas aparecen los valores

extremos. De manera que sus medidas de posicin
central (media, mediana y moda) coinciden.

coincide con la integral de la funcin de densidad

desde - hasta el valor x0.
3. Distribucin normal estandarizada

Por ltimo, presenta como asntota el eje de

abscisas al que se va aproximando sin llegar a cortarse.

La distribucin normal que tiene de media =0,

y 2=1 se denomina distribucin normal estndar,
N(0,1), o tipificada. Su funcin de distribucin se
encuentra tabulada, siendo de gran utilidad para
el clculo de probabilidades de cualquier distribucin N(,2).

La expresin matemtica que representa una

funcin de densidad con estas caractersticas es la
siguiente:

f ( x)

( x )2

1
2

para

(1)

Sea una variable X que se distribuye como una

normal con media y variancia 2.

(1)

Dicha variable se puede transformar en una

variable normal tipificada, N(0,1), mediante la siguiente expresin:

Funcin de densidad que slo depende de dos

parmetros, la media , y la varianza de la distribucin 2. Si conocemos la media y la varianza de
una variable X, podemos definir la distribucin
normal utilizando la notacin: X N ( , 2 ) .

(2)

De manera que la funcin de densidad de esta

nueva variable es:

En la figura 2 se representan varias funciones de

densidad normal con la misma media y diferentes
varianzas.

f (Z )

Asimismo, la funcin de distribucin acumulada de cualquier variable aleatoria X, se define

como F(x0)= P(X<x0), es decir la probabilidad de
que dicha variable tome un valor menor que x0.
Matemticamente esta funcin de distribucin

eXtoikos

1
2

z2
)
2

(3)

A partir de dicha expresin, las tablas de la

distribucin normal presentan los valores de o
probabilidad de que la variable Z tome un valor
inferior a z0.

108

N 6. 2012

Grfico 2. Distribuciones normales con distintas varianzas y la misma media

Fuente: Elaboracin propia.

z0

F (Z )

buidas en forma normal, tiene una distribucin

normal. Esta propiedad implica que el promedio
de variables independientes distribuidas normales
tiene una distribucin normal. Resultado que es
crucial para la inferencia estadstica sobre la media de una poblacin normal.

(4)

f ( Z )d
z

Las frmulas ms importantes para el clculo

de probabilidades de una N(0,1) son las siguientes:
P(Z
P(Z

z) 1 F (z)
z ) P(Z z )

P( z a

P( Z

zc )

zb )
P(Z

z c ) P(Z

Si X e Y estn distribuidas normalmente, estas

dos variables son independientes si y slo si la covarianza entre X e Y es cero.

(5)

F ( zb ) F ( z a )
zc )

2 P( Z

zc )

2 1 F ( zc )

De forma que si se quiere obtener la probabilidad de que X se encuentre entre dos valores, xa y
xb, primero se tipifican dichos valores con la expresin (2), y despus se buscara en las tablas de
la distribucin normal la probabilidad acumulada
para esos dos nuevos valores, za y zb. De manera
que:
P( xa

xb )

P( z a

zb )

Las distribuciones que siguen una binomial o

una distribucin de Poisson se pueden aproximar
a una distribucin normal.
5. Aplicaciones
Suponga que en una determinada empresa se
analiza el tiempo que lleva a los trabajadores la
instalacin de una determinada pieza del producto que fabrica, concluyendo que se distribuye
como una normal con una media de 30 minutos y
una desviacin estndar de 5 minutos. Con estos
datos se podran contestar preguntas como:

F ( z b ) F ( z a ) (6)

4. Algunas propiedades de la distribucin normal.

En toda distribucin normal en el intervalo
2 se encuentra el 95,5 por ciento de la dis3 se tiene el 99,7
tribucin; y en el intervalo
por ciento de la distribucin.

1. Cul es la probabilidad de que un trabajador

aleatoriamente seleccionado pueda montar la pieza en menos de 30 minutos?

Una transformacin lineal de una variable normal tambin se distribuye normalmente. As si X

sigue una distribucin N(,2), una nueva variable
Y
a
X
b tiene una distribucin normal con
b y desviacin estndar a .
media a

La respuesta es la siguiente:
P( X

30 )

P( Z

30

30
5

0,5

(6)

Es decir, el 50 por ciento.

Cualquier combinacin lineal de variables

aleatorias independientes e idnticamente distri-

N 6. 2012

109

eXtoikos

2. Cuntos minutos tienen que pasar antes de

que el 10 por ciento de los trabajadores monten
la pieza?
Lo que debemos obtener aqu es el valor de la
variable Z que deja en la cola izquierda de la distribucin el 10 por ciento. En las tablas obtendramos un valor z0=-1,28. Este ser el valor tipificado,
de manera que el valor de X ser: x0=+z0 =301,28x5=23,6 minutos.
Otro ejemplo en el que se puede aplicar el uso
de la distribucin normal es el siguiente: Suponga
que el encargado de la tesorera de una empresa
est interesado en el nmero de das que transcurre entre la facturacin y el pago de las cuentas
a crdito. Una vez recogidos los datos, se observa que el tiempo se distribuye aproximadamente
como una normal con una media y una variancia
determinada. En este caso se podra responder
a preguntas como la siguiente: Qu porcentaje de cuentas se pagar antes de x das? Dentro
de cuntos das se pagar el 80 por ciento de las
cuentas?

eXtoikos

110

N 6. 2012