DISTRIBUCION NORMAL

La distribución de probabilidad continua más importante en todo el campo de la

estadística es la distribución normal . Su gráfica, denominada curva normal, es la
curva con forma de campana de la figura 6.1.1.1, la cual describe de manera
aproximada muchos fenómenos que ocurren en la naturaleza, la industria y la
investigación. Por ejemplo, las mediciones físicas en áreas como los experimentos
meteorológicos, estudios de la precipitación pluvial y mediciones de partes
fabricadas a menudo se explican más que adecuadamente con una distribución
normal. Además, los errores en las mediciones científicas se aproximan muy bien
mediante una distribución normal. En 1733, Abraham DeMoivre desarrolló la
ecuación matemática de la curva normal, la cual sentó las bases sobre las que
descansa gran parte de la teoría de la estadística inductiva. La distribución normal
a menudo se denomina distribución gaussiana en honor de Karl Friedrich Gauss
(1777-1855), quien también derivó su ecuación a partir de un estudio de errores en
mediciones repetidas de la misma cantidad.

Figura 6.1.1.1 Curva de distribución normal

Una variable aleatoria continua X que tiene la distribución en forma de campana de la

figura 6.1.1.1 se denomina variable aleatoria normal . La ecuación matemática para la
distribución de probabilidad de la variable normal depende de los dos parámetros μ y σ, su
media y su desviación estándar, respectivamente. Por ello, se denotan los valores de la
densidad de X por n (x;μ,σ).

DEFINICIÓN 6.1.1.1
DISTRIBUCIÓN NORMAL
 La densidad de la variable aleatoria normal X , con media μ y
varianza σ2 , es
n(x;μ,σ)=12πσe−12σ2(x−μ)2,−∞<x<∞,
Donde:

 π=3.14159
 e=2.71828
Las siguientes son observaciones importantes acerca de las características de las
distribuciones normales.

1. Toda la familia de distribuciones normales se diferencia por medio de dos

parámetros: la media μ y la desviación estándar σ.
2. El punto más alto de una curva normal se encuentra sobre la media, la cual coincide
con la mediana y la moda.

3. La media de una distribución normal puede tener cualquier valor: negativo, positivo
o cero. A continuación se muestran tres distribuciones normales que tienen la misma
desviación estándar, pero diferentes medias. (-10,0 y 20).
4. La distribución normal es simétrica, siendo la forma de la curva normal al lado
izquierdo de la media, la imagen especular de la forma al lado derecho de la media.
Las colas de la curva normal se extienden al infinito en ambas direcciones y en teoría
jamás tocan el eje horizontal. Dado que es simétrica, la distribución normal no es
sesgada; su sesgo es cero.

5. La desviación estándar determina qué tan plana y ancha es la curva normal.

Desviaciones estándar grandes corresponden a curvas más planas y más anchas, lo
cual indica mayor variabilidad en los datos. A continuación se muestran dos curvas
normales que tienen la misma media pero distintas desviaciones estándar.

6. Las probabilidades correspondientes a la variable aleatoria normal se dan mediante

áreas bajo la curva normal. Toda el área bajo la curva de una distribución normal
es 1. Como esta distribución es simétrica, el área bajo la curva y a la izquierda de la
media es 0.50 y el área bajo la curva y a la derecha de la media es 0.50.
7. Los porcentajes de los valores que se encuentran en algunos intervalos comúnmente
usados son:

a. 68.3% de los valores de una variable aleatoria normal se encuentran más o menos
una desviación estándar de la media.
b. 95.4% de los valores de una variable aleatoria normal se encuentran más o menos
dos desviaciones estándar de la media.
c. 99.7% de los valores de una variable aleatoria normal se encuentran más o menos
tres desviaciones estándar de la media.

En la figura 6.1.1.2 aparece una gráfica de las propiedades a, b y c.

Figura 6.1.1.2 Área bajo la curva de distribución normal

Una variable aleatoria que tiene una distribución normal con una media cero y
desviación estándar de uno tiene una distribución normal estándar . Para designar
esta variable aleatoria normal se suele usar la letra z . La figura 6.1.1.3 es la
gráfica de la distribución normal estándar. Esta distribución tiene el mismo aspecto
general que cualquier otra distribución normal, pero tiene las propiedades
especiales, μ=0 y σ=1.
A continuación se da la fórmula que se emplea para convertir cualquier variable
aleatoria x con media μ y desviación estándar σ en la variable aleatoria normal
estándar z.
z=x−μσ
Para la distribución normal estándar ya se encuentran calculadas las áreas bajo la
curva normal y se cuenta con tablas que dan estas áreas y que se usan para
calcular las probabilidades. Estas tablas se encuentran en el anexo A.
 Figura 6.1.1.3 Distribución normal estándar

Ejemplo 6.1.1.1
Dada una distribución normal estándar, calcule el área
bajo la curva que se localiza:

a. a la izquierda de z=1.63
b. a la derecha de z=1.84
c. entre z=-1.97 y z=0.86

Solución:
a) El área está sombreada en la figura 6.1.1.4. Como la tabla 1 del
archivo adjunto a esta sección da áreas bajo la curva normal a la
izquierda de un valor especificado de z, sólo se necesita hallar el
valor tabulado para z=1.63. Baje por la columna izquierda de la
tabla hasta z=1.6 y en sentido horizontal en la parte superior de la
tabla hasta la columna marcada 0.03. La intersección de esta
combinación de renglón y columna da el área 0.9484, que
es P(z=1.63).
Figura 6.1.1.4

Figura 6.1.1.5
b) El área en la figura 6.1.1.6 a la derecha de z = 1.84 es igual a 1
menos el área en la tabla del anexo A a la izquierda de z = 1.84, a
saber:

1–0.9671=0.0329

Figura 6.1.1.6

Figura 6.1.1.7

c) El área en la figura 6.1.1.8 entre z=–1.97 y z=0.86 es igual al

área a la izquierda de z=0.86 menos el área a la izquierda de z=–
1.97. A partir de la tabla del anexo A encontramos que el área que
se desea es:
0.8051–0.0244=0.7807
Figura 6.1.1.8

Figura 6.1.1.9