1.

La distribución normal es la más famosa de todas. La importancia de esta distribución

radica en que permite modelar numerosos fenómenos naturales, sociales y psicológicos.
Además, es la base del análisis estadístico, ya que en ella se sustenta casi toda la
inferencia estadística. Esta distribución también se conoce como distribución de Gauss o
distribución gaussiana. La gráfica de la distribución normal tiene la forma de una
campana, por este motivo la gráfica también es conocida como la campana de Gauss.

Propiedades de la distribución normal:

La distribución normal posee ciertas propiedades importantes que conviene destacar:
i. Tiene una única moda, que coincide con su media y su mediana.
ii. La curva normal es asintótica al eje de abscisas.  Por ello, cualquier valor
entre   y   es teóricamente posible.  El área total bajo la curva es, por
tanto, igual a 1.

iii. Es simétrica con respecto a su media  .  Según esto, para este tipo de
variables existe una probabilidad de un 50% de observar un dato mayor que
la media, y un 50% de observar un dato menor.

iv. La distancia entre la línea trazada en la media y el punto de inflexión de la

curva es igual a una desviación típica ( ).  Cuanto mayor sea  , más
aplanada será la curva de la densidad.

v. El área bajo la curva comprendido entre los valores situados aproximadamente

a dos desviaciones estándar de la media es igual a 0.95.  En concreto, existe
un 95% de posibilidades de observar un valor comprendido en el
intervalo  .

vi. La forma de la campana de Gauss depende de los parámetros   y   (Figura

3).  La media indica la posición de la campana, de modo que para diferentes
valores de   la gráfica es desplazada a lo largo del eje horizontal.  Por otra
parte, la desviación estándar determina el grado de apuntamiento de la
curva.  Cuanto mayor sea el valor de   , más se dispersarán los datos en
torno a la media y la curva será más plana.  Un valor pequeño de este
parámetro indica, por tanto, una gran probabilidad de obtener datos cercanos
al valor medio de la distribución.

2.
 ¿Qué necesitamos para representar una distribución
normal?
 Una variable aleatoria continua. 
 Calcular la media. 
 Calcular la desviación típica. 
 Decidir la función que queremos representar: función de densidad de
probabilidad o función de distribución. 

Ejemplo teórico
Suponemos que queremos saber si los resultados de un examen pueden
aproximarse satisfactoriamente a una distribución normal. 

Sabemos que en este examen participan 476 estudiantes y que los resultados
podrán oscilar entre 0 y 10. Calculamos la media y la desviación típica a partir de
las observaciones (resultados del examen).

Entonces, definimos la variable aleatoria X como los resultados del examen que
depende de cada resultado individual.

Matemáticamente,

El resultado de cada estudiante se anota en una tabla. De esta forma,

obtendremos una visión global de los resultados y de su frecuencia.
Resultado Una vez hecha la tabla, representamos los resultados del
Frecuencia examen y las frecuencias. Si el gráfico se parece a la imagen
s anterior y cumple con las propiedades, entonces, la variable
resultados del examen puede aproximarse satisfactoriamente
a una distribución normal de media 4,8 y desviación típica de
0 20 3,09.

1 31

2 44

3 56

4 64

5 66

6 62

3.
7 51

8 39

9 26

10 16

TOTAL 476