La distribución normal es un ejemplo importante referido a una variable

aleatoria continua (la variable puede tomar cualquier valor real)

Podemos usar la distribución normal como una herramienta para calcular
probabilidades. Por ejemplo, puede usarse para aproximar la distribución
binomial (calcular probabilidades de la distribución binomial con números
'grandes' no ha sido tarea sencilla). Esta propiedad está en el origen de la
curva normal.
La densidad está concentrada en torno a la media y se hace muy pequeña
conforme nos alejamos del centro por la derecha o la izquierda (las 'colas'
de la distribución). Cuanto más alejado es el valor del centro de la función
de densidad menos probable es observar ese valor.
Dos parámetros determinan una distribución normal: la media y la
desviación estándar. Por tanto, puede ser adecuado hablar de las
distribuciones normales, en plural, y decir que son una familia
biparamétrica de distribuciones. Luego veremos que la más simple de ellas
juega un papel destacado.

Si una variable aleatoria sigue una ditribución normal podemos escribirlo

con esta notación:

La media de la distribución determina el centro de la gráfica de la función

de densidad.
Si cambiamos la media la forma de la gráfica no cambia, simplemente se
traslada a derecha o izquierda.
 

Propiedades del modelo Normal

1. Su esperanza es μ.
2. Su varianza es σ2 y, por tanto, su desviación típica es σ.
3. Es simétrica respecto a su media μ, como puede apreciarse en la
representación anterior.
4. Media, moda y mediana coinciden (μ).
5. Cualquier transformación lineal de una variable con distribución Normal
seguirá también el modelo Normal. Si X ~ N(μ, σ) y
 definimos Y = aX + b (con a ≠ 0), entonces Y ~ N(aμ + b, |a|σ). Es decir,
la esperanza de Y será aμ + b y su desviación típica, |a|σ.
6. Cualquier combinación lineal de variables normales independientes sigue
también una distribución Normal. Es decir, dadas n variables aleatorias
independientes con distribución  Xi ~ N(μi, σi) para i = 1, 2, ..., n la
combinación lineal: Y = anXn + an−1Xn−1+ ... + a1X1 + a0 sigue también el
modelo Normal: