Tema 5

Distribución normal

Lic. Carmen Gisberth M.

 Distribución normal estándar

1. El punto Z
Las puntuaciones z son transformaciones que se pueden hacer a los Valores o
las puntuaciones obtenidas, con el propósito de analizar su distancia respecto a
la media, en las puntuaciones obtenidas en unidades de desviación estándar.
Una puntuación z nos indica la dirección y el grado en que un valor individual
obtenido se aleja de la media, en una escala de unidades de desviación
estándar.
La distribución de puntuaciones “z” no cambia la forma de la distribución
original, pero sí modifica las unidades originales a “unidades de desviación
estándar” (Wright, 1979). La distribución de puntuaciones “z” tiene una media
de 0 (cero) y una desviación estándar de 1 (uno). La figura 1, muestra a la
distribución de puntuaciones “z”.

Figura 1: Distribución de puntuaciones Z

Las puntuaciones z son el método más comúnmente utilizado para estandarizar

la escala de una variable medida en un nivel por intervalos
Su fórmula es:

Página 3
 Dónde:

Donde el punto z es la puntuación transformada en unidades de desviación

estándar por debajo de la media de la distribución.

Ejercicio:
Supongamos que en una distribución de frecuencias de las notas de
estudiantes de la materia informática aplicada a la investigación, se obtuvo
una media de 70 y una desviación estándar de 10, y deseamos comparar a una
puntuación de “60” con el resto de la distribución. Entonces, transformamos
esta puntuación o valor en una puntuación “z”, aplicando la formula se tiene
siguiente:

La puntuación z correspondiente a un valor 60 es -1, podemos decir que la

nota 60 , se localiza a una desviación estándar por debajo de la media de la
distribución
.

Página 4
 Figura 2: Distribución de puntuaciones Z

El estandarizar los valores nos puede permitir comparar puntuaciones de dos

distribuciones diferentes (la forma de medición es la misma, pero se trata de
distribuciones distintas). Por ejemplo, podemos comparar una distribución
obtenida en una preprueba con otra obtenida en una postprueba (en un contexto
experimental).

Supongamos que se trata de aplicar una nueva didáctica en la materia de

Estadistica I, mejoro el rendimiento académico. Un estúdiate obtuvo en la
preprueba una nota promedio de 70 (la media grupal fue de 65 y la desviación
estándar de 5). Y en la postprueba obtuvo 75 (la media del grupo fue de 78 y
la desviación estándar de 2,5).

La pregunta es, si mejoró el rendimiento académico del estudiante,

aparentemente la mejoría no es considerable. Sin transformar las dos
calificaciones en puntuaciones “z” no podemos asegurarlo porque los valores no
pertenecen a la misma distribución.

Entonces transformamos ambos valores a puntuaciones “z”, los transformamos

a una escala común, donde la comparación es válida.
La nota de 70 en términos de unidades de desviación estándar igual a:

Página 5
Como podemos observar, en términos absolutos 75 es una mejor puntuación
que 70, pero no en términos relativos (en relación a sus respectivas
distribuciones).

Figura 3: Distribución de puntuaciones Z , con sus equivalencias

Las puntuaciones “z” también sirven para comparar mediciones de distintas

pruebas o escalas aplicadas a los mismos sujetos (los valores obtenidos en cada
escala se transforman a puntuaciones “z” y se comparan). No debe olvidarse
que en la fórmula se trata de la media y la desviación estándar que corresponde
al valor a transformar (de su misma distribución). También, las puntuaciones “z”
sirven para analizar distancias entre puntuaciones de una misma distribución y
áreas de la curva que abarcan estas distancias o sopesar el desempeño de un
grupo de sujetos en varias pruebas.
Las puntuaciones “z” son un elemento descriptivo adicional que podemos
agregar para analizar nuestros datos.
Página 6
Ejercicio:

Tenemos dos test de rendimiento de matemáticas, uno de 40 preguntas y otro

de 20, si en ambas test el estudiante obtiene 18 puntos, esta puntuación no
significa lo mismo. Para poder analizar y comparar utilizaremos la puntuación
Z.

Datos:

Si en el test de 40 preguntas, la media es 23 y la desviación típica es 5 , y en

el de 20 preguntas la media es 9 y la desviación típica 3 para comparar una
puntuación directa de 18 en los dos test , podemos calcular su puntuación de
ambos aplicando la formula.

Remplazando los valores, tenemos lo siguiente:

Esto indica que se ha destacado mucho más el segundo, que se aleja 3

desviaciones típicas por encima de la media, el se aleja una desviación típica por
debajo de la media, puesto que la z es negativa.

Página 7
Debe entenderse que una puntuación z, como hemos dicho, es una puntuación
que depende tanto de la media como de la variabilidad del grupo. En
consecuencia, las puntuaciones z variarán dependiendo de la homogeneidad o
heterogeneidad del grupo.
Si un grupo es muy homogéneo, su desviación típica será pequeña y, por tanto,
a una puntuación que no se aleje mucho de la media le puede corresponder una
puntuación z, mucho mayor, que la que le correspondería si el grupo fuese
heterogéneo.

Ejercicio:
Supongamos que se ha pasado un examen a dos grupos. En ambos la media es
de 5,5. El primer grupo es bastante homogéneo (todos sacan puntuaciones
cercanas a la media), por lo que su desviación típica es de s = 0,4 , en el segundo
grupo la desviación típica es de s = 2,5.

¿Qué puntuación z le corresponde en cada grupo a un estudiante que ha

sacado un 7 en el examen?
Solución:

En el primer grupo, un sujeto con una X = 7 se aleja 3,75 desviaciones típicas

por encima de la media del grupo ( x=5,5), mientras que en el segundo grupo,
un sujeto con la misma puntuación directa sólo se desvía 0,6 desviaciones típicas
por encima de la media del grupo. En este sentido se podría decir que la
obtención de un 7 en el primer grupo tiene más valor o destaca más (mayor
puntuación típica) que esa misma puntuación en el segundo grupo.

Página 8
 2. Modelo Normal General y Estándar

La distribución de probabilidades normal, está considerado como el tipo más

importante entre las diferentes distribuciones de probabilidades. No tan solo
porque aparece en una gran variedad de casos , sino también porque muchos
otras distribuciones pueden aproximarse a la normal.
También es notable como el modelo normal se puede aplicar a casi todos los
campos de la ciencia, así por ejemplo la biología , educación , psicología ,
economía , etc. La importancia de la distribución normal en la teoría de la
estadística es profunda e indiscutible.
Muchas variables aleatorias continuas , tales como el peso de los estudiantes ,
coeficientes de inteligencia de los estudiantes, tiene distribución normal.

Por ejemplo, si hacemos una estadística para conocer la altura de 1400 mujeres
y representamos los resultados en un diagrama de barras, obtenemos:

Figura 4: Distribución de estaturas de 1400 mujeres

Las gráficas de este tipo son muy corrientes: Hay pocos individuos en los
extremos y un aumento paulatino hasta llegar a la parte central del recorrido,
donde está la mayoría de ellos, estos datos se distribuyen normalmente.

Definición: Diremos que una distribución de probabilidad sigue una distribución

normal de media y desviación estándar S, y lo representaremos por N( S)

Página 9
cuando la representación gráfica de su función de densidad es una curva positiva
continua, simétrica respecto a la media, de máximo en la media, y que tiene 2
puntos de inflexión , situados a ambos lados de la media ( - S y + S
respectivamente) y a distancia de S, tal como se muestra en la figura 5.

Figura 5: Distribución normal N( ; S)

Dependiendo de los valores que tomen S, la gráfica de esta función puede

ser más o menos alargada, achatada, pero en cualquier caso siempre tiene las
mismas condiciones de simetría, continuidad.

Se dice que una variable aleatoria X tiene distribución normal, si su función de

densidad esta da por:

3. Distribución normal estándar

Si Z es una variable aleatoria normal con =0 y s=1 entonces Z es una

variable aleatoria Normal estándar cuya función de densidad es:

Página 10
Representación gráfica de la función de densidad de la distribución Normal
estándar es la siguiente:

Figura 6: Distribución Normal Estándar

La variable Z se la denomina variable tipificada de X, y a la curva de su

función de densidad curva normal tipificada.

Para un valor cualquiera k, definimos la probabilidad de que la distribución Z,

N(0;1) , sea menor o igual que k como:
p(Z ≤ k) = “ Área encerrada bajo la curva normal N(0,1) desde −∞ hasta k”
tal como puede verse en la figura 7

Figura 7: Área encerrada por la curva normal desde −∞ hasta k

El área encerrada bajo la curva normal N(0;1) siempre es igual 1 y la

pregunta que nos hacemos es como calcular el área o la probabilidad, la
respuesta es que estas probabilidades ya están calculadas y se encuentran en
una tabla, (Ver Anexo)

Página 11
3.1 Uso de las tablas de la distribución normal N(0;1)

Las áreas o probabilidades de la normal N(0;1) se encuentra tabuladas en una

tabla, para valores a partir de 0 y hasta 3,99.
Si queremos calcular p (Z ≤ 2,78), debemos realizar los siguientes pasos:

Paso 1. Buscar la parte entera y las décimas en la primera columna (en este
caso 2,7).

Paso 2. Buscar las centésimas en la primera fila (en este caso 8).

Paso 3. En el punto común a la fila y la columna que hemos encontrado,

tenemos la
Probabilidad buscada, en este caso 0,9973.

Por tanto las p(Z ≤ 2,78) = 0,9973, en la figura 8 , muestra el área hallada

Página 12
 Figura 8: Área encerrada por la curva normal desde −∞ hasta K=2,78

3.2 Casos más frecuentes, para el uso de la tabla

Caso 1 : P(Z>K)= 1-P(Z≤K)

Caso 2: P(Z≤-K)= 1-P(Z≤K)

Página 13
Caso 3: P(-K<Z≤L)= P(Z≤L)- [1-P(Z≤K)]

Caso 4 : P(K<Z≤L)= P(Z≤L)- P(Z≤K)

Caso 5: P(-L<Z≤-K)= P(K<Z≤L)

Página 14
Ejercicios

Si Z es una variable aleatoria normal estándar , calcularemos las siguientes

probabilidades , usando directamente la tabla verifique los resultados.

1. P(Z≤ −2)= 0,0227 ok

2. P(Z≤ 1,24)= 0,8925 ok
3. P(1≤ Z ≤ 2)= P(Z≤ 2)- P(Z≤ 1)=0,9773-0,8413=0,136 ok
4. P(Z>0,4) = 1- P(Z≤ 0,4) = 1- 0,6554=0,3446 ok

Ejercicio

Supongamos que el ingreso mensual promedio de 1200 obreros en la ciudad de

La Paz es 750 Bs., con una desviación estándar de 100 Bs. Si X representa el
ingreso y tiene distribución normal , hallar el número de obreros que tienen un
ingresos mensual inferior a 750 Bs. , el número de obreros con ingresos
superior a 750 Bs. Pero inferior a 900 Bs. ; número de obreros con ingresos
mayor a 900 Bs.
En este caso , es suficiente determinar la parte porcentual de obreros con un
ingreso determinado.

Solución:

Página 15
1. El número de obreros que tienen un ingresos mensual inferior a 750,
esto es igual a P(X<750)
Para resolver debemos convertir X=750 Bs. En su equivalente punto Z.

Datos:
=750
S=100
X1=750
Solución
Remplazando los valores en la función

Para calcular el número de obreros que tienen un ingreso mensual

inferior a 750, debemos multiplicar 1200 obreros por la probabilidad

Número de Obreros = 1200*0,5 = 600

Entonces podemos decir que 600 obreros tiene un ingreso económico

menor a 750 Bs.

2. El número de obreros con ingresos superior a 750 Bs. Pero inferior a

900 Bs., esto es igual a P(750<X<900).

Página 16
Para calcular el número de obreros que tienen un ingreso mensual superior a 750
, pero inferior a 900, debemos multiplicar 1200 obreros por la probabilidad

Número de Obreros = 1200*0,4332 = 519,84

Entonces podemos decir que 519 obreros tienen un ingreso económico

superior a 750 Bs. , pero menor a 900 Bs.

3. El número de obreros con ingresos superior a 900 Bs., esto es igual a

P(X>900).

Datos:
=750

Página 17
 S=100
X=900 equivalente en el Z=1,5
Solución

P(x>900)=1-P(X<900)= 1- P(z<900-750 ) = 1 – P(z<1,5)=1-0,9332= 0,0668

100

Número de Obreros = 1200*0,0668 = 80,16

Entonces podemos decir que 80 obreros tienen un ingreso económico

mensual superior a 900 Bs.

Página 18