Estadística para Ciencias de la Salud

Docente: Paola Mendoza Bello

DISTRIBUCIÓN NORMAL

Distribución Normal:

Esta distribución de frecuencias es una de las más utilizadas en Estadística.

Muchos de los procedimientos estadísticos se basan en el supuesto de normalidad, es
decir, que una muestra proviene de una población que se distribuye normal.

Definición:

Sea X una variable aleatoria continua con recorrido en los reales y de parámetros  y 2
(media y varianza). Se dice que X sigue una distribución normal (lo que se expresa como
X  N(,2)) o gaussiana si su función de densidad de probabilidad f(x) está dada por:

( x )2
1
f (X )  e 2 2
si    x  
2   2

Teorema:

Si X  N (  , 2), entonces:

i.- E(X) = 
ii.- V(X) = 2

Como los parámetros de la distribución normal son la media y la varianza,

respectivamente, X  N (  , 2) se lee “X se distribuye normal con media  (mhu) y
varianza 2 (sigma cuadrado).

Algunas características del gráfico de f(x) de la distribución normal son:

a.- Simetría respecto a la recta: x=

b.- Puntos de inflexión en x =  -  y x=  + 
c.- Es asintótico cuando x - y x+
d.- El área bajo la curva es igual a uno.
 Estadística para Ciencias de la Salud
Docente: Paola Mendoza Bello

e.- Entre x =  -  y x =  +  queda comprendido el 68,26% del área bajo el gráfico.

Entre x =  -2 y x =  + 2 queda comprendido el 95,44% del área bajo el gráfico.
Entre x =  - 3 y x =  +3 queda comprendido el 99,74% del área bajo el gráfico.

DISTRIBUCIÓN NORMAL ESTÁNDAR

Existe una infinidad de modelos gaussianos, uno para cada pareja de valores de  y 2.

Entre los infinitos modelos gaussianos existentes destaca el que tiene parámetros  = 0
y 2 =1, conocido como distribución normal estándar, para el cual se tienen tablas de
probabilidades.

Sea la variable aleatoria X  N(, 2). Se define la variable aleatoria Z como:

x
Z


Entonces ZN(0, 1) es conocida como la distribución normal estándar.

Ejemplo:

Sea X la variable aleatoria “Cantidad de radiación que puede soportar un individuo antes
de que le sobrevenga la muerte”, la cual se distribuye normal con media 490 ROENTGEN
y desviación estándar 120 ROENTGEN. Si se toma a una persona al azar. ¿cuál es la
probabilidad de que este soporte:

a) a lo más 510 ROENTGEN?

b) a lo menos 545 ROENTGEN?
c) entre 485 y 500 ROENTGEN?

Desarrollo:

X:”Cantidad de radiación que puede soportar un individuo” (ROENTGEN). De esa forma

se tiene que X ~ N (490,120 2 ) .

a) a lo más 510 ROENTGEN?

 X   510  490 
P X  510   P    PZ  0,17   0,5675
  120 

Por lo tanto, podemos concluir que la probabilidad de que un individuo soporte a lo más
510 ROENTGEN es 0,5675. Alternativamente, podríamos decir que el 56,75% de los
individuos pueden soportar a lo más 510 ROENTGEN.
 Estadística para Ciencias de la Salud
Docente: Paola Mendoza Bello

b) a lo menos 545 ROENTGEN?

En este caso debemos ser cuidadosos y recordar que la tabla de la distribución normal
estándar que nosotros utilizamos arroja las probabilidades acumuladas inferiores.

 X   545  490 
P X  545   1  P X  545   1  P    1  PZ  0,46   1  0,6772  0,3228
  120 

Por lo tanto podemos concluir que la probabilidad de que un individuo soporte a lo menos
545 ROENTGEN es 0,3228. Alternativamente, podríamos decir que el 32,28% de los
individuos pueden soportar a lo menos 545 ROENTGEN.

c) entre 485 y 500 ROENTGEN?

P485  X  500   P X  500   P X  485 

 X   500  490   X   485  490 
 P    P  
  120    120 
 PZ  0,08   PZ  0,04 
 0,5319  0,4840
 0,0479

Por lo tanto podemos concluir que la probabilidad de que un individuo soporte entre 485
y 500 R0ENTGEN es 0,0479. Alternativamente, podríamos decir que el 4,79% de los
individuos pueden soportar entre 485 y 500 ROENTGEN.