Está en la página 1de 17

DISTRIBUCION NORMAL

INTRODUCCIÓN

La distribución normal es la distribución más importante de probabilidades, no solo en la teoría


estadística, sino también en sus aplicaciones a problemas industriales. Es una distribución continua
y simétrica conocida también como la distribución de Gauss o de Laplace. La distribución normal
representa el resultado de la actuación conjunta de causas aleatorias, y por ello resulta
fundamental en el control estadístico de calidad, particularmente en la teoría de los gráficos del
control de fabricación. Su importancia se debe fundamentalmente a la frecuencia con la que
distintas variables asociadas a fenómenos naturales y cotidianos siguen, aproximadamente, esta
distribución.

- Caracteres morfológicos de individuos (personas, animales, plantas,…) de una especie.


Por ejemplo: tallas, pesos, envergaduras, diámetros, perímetros,…
- Caracteres fisiológicos, por ejemplo: efecto de una misma dosis de un fármaco, o de una misma
cantidad de abono.
- Caracteres sociológicos, por ejemplo: cociente intelectual, grado de adaptación a un medio.
- Errores cometidos al medir ciertas magnitudes.
- Valores estadísticos maestrales, por ejemplo: la media.
- Otras distribuciones como la binomial o la Poisson son aproximaciones normales.
Y en general cualquier característica que se obtenga como suma de mucho factores.

Por esa razón con mucha frecuencia, los datos medidos en la naturaleza —como los ejemplos ya
mencionados anteriormente— se representan por medio de una variable aleatoria cuya función
de densidad puede aproximarse mediante la curva en forma de campana (campana de Gauss). La
curva se extiende de manera indefinida a la derecha y la izquierda y nunca toca al eje x. Esta curva
llamada la curva normal, es la gráfica más importante de todas las funciones de densidad, la
función de densidad normal.

Objetivos
 Identificar las propiedades de una distribución normal.

 Encontrar el área bajo una distribución normal estándar.

 Interpretar áreas bajo la curva normal de acuerdo al problema

DISTRIBUCION NORMAL

La distribución normal fue reconocida por primera vez por el francés Abraham de Moivre (1667-
1754). Posteriormente, Carl Friedrich Gauss (1777-1855) elaboró desarrollos más profundos y
formuló la ecuación de la curva; de ahí que también se la conozca, más comúnmente, como la
"campana de Gauss". La distribución de una variable normal está completamente determinada por
dos parámetros, su media y su desviación estándar, denotadas generalmente por σ y .
Definicion: Una variable aleatoria continua X es una variable aleatoria normal, de manera
equivalente tiene una distribución normal (también llamada gaussiana), si la función de densidad
está dada por:
Caracteristicas:

 Toma en cuenta la Media y Desviación Estándar


 El Área bajo la curva es 1
 Es simétrica respecto al centro
 Toma el 50 % de valores a cada lado de la media
 Tiene una asíntota en y = 0

DISTRIBUCION NORMAL ESTANDAR

Tabla de la distribución normal estándar, representada por Z


ESTANDARIZACIÓN DE LA VARIABLE ALEATORIA
Gráfica de densidad de Probabilidad Normal Estándar

Entonces decimos que:


Entonces decimos que:

EJEMPLOS:
Conclusiones

 La distribución normal es la más usada en la probabilidad y estadística, ya que a muchas


poblaciones numéricas tienen distribuciones que se ajustan perfectamente a una cuerva
normal.
 El teorema central de límite nos permite aproximar la distribución binomial en una
distribución normal.

 Si una variable aleatoria X se distribuye de manera normal con media “u” y desviación
estándar O,X,N (U,O), se pueden típicar usando una variable Z que se distribuye de manera
normal tipificada mediante la expresión:

Z: X-U = 0

EJERCICIOS:
EJERCICIO 2:

También podría gustarte