DISTRIBUCION DE PROBABILIDAD NORMAL

SANDRA ROCIO ARIZA MATEUS

CODIGO: 1.096.906.091

Docente: German Andrés Bautista Obregón

Unidades Tecnológicas de Santander

Facultad de Ciencias Socioeconómicas
Administración de Empresas
Estadística Inferencial
2020
 1. ¿Cómo se identifica, una distribución de probabilidad normal?

La distribución normal es un modelo continuo más importante en estadística, tanto por su

aplicación directa, veremos que muchas variables de interés general pueden describirse por
dicho modelo, como por sus propiedades, que han permitido el desarrollo de numerosas
técnicas de inferencia estadística.

Su función de densidad viene dada por la fórmula:

A partir de acá se puede graficar la distribución normal, la cual es identificada a través de

su grafica ya que tiene la forma de una campana, razón por la cual es conocida como la
campana de Gauss y tiene varias características como:

 En el centro de la curva se encuentran la media, la mediana y la moda.

 El área total bajo la curva representa el 100% de los casos.
 Es una distribución simétrica Los elementos centrales del modelo son la media y la
varianza.
 Es asintótica, es decir sus extremos nunca tocan el eje horizontal, cuyos valores
tienden a infinito.
Como se puede observar de la representación, es una función con las siguientes
características:

 Su dominio son todos los números reales

 Es simétrica respecto de la media de la distribución
 El eje de abscisas es una asíntota horizontal
 Es creciente desde menos infinito has ta la media y decreciente desde la media hasta
más infinito
 Tiene un máximo relativo en la media
 Esta función queda perfectamente determinada conociendo la media y la desviación
típica: cuanto mayor sea la media más desplazada a la derecha estará la gráfica y
cuánto mayor sea la desviación típica, más ancha y baja será la gráfica

2. ¿Qué propiedades, deberá cumplir una distribución de probabilidad normal?

La distribución normal posee ciertas propiedades importantes que conviene destacar:

 Tiene una única moda, que coincide con su media y su mediana.

 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.
 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.
 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.
 El área bajo la curva comprendida 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

.
  La forma de la campana de Gauss depende de los parámetros   y  .  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.

3. ¿Cómo resolver problemas, mediante utilización de la distribución de probabilidad

normal?

Para iniciar la solución de problemas mediante distribución de probabilidad se debe tener

en cuenta que la distribución de una variable normal está c determinada por diferentes
paramentos, en este caso dos parámetros, que son:
 La Media
 La desviación estándar

Definidas por   y .

Con esto, la densidad de la normal viene dada por la ecuación:

 Ecuación Numero 1

        

Esta fórmula representa la curva en forma de campana conocida como la campana de Gauss

BIBLIOGRAFIA
 Recuperado de
https://analisisdecircuitos1.wordpress.com/2017/07/02/capitulo-5b-tratamiento-de-
las-incertidumbres-y-la-teoria-de-probabilidades/

 Recuperado de https://www.medwave.cl/link.cgi/Medwave/Series/MBE04/5033

 Recuperado de https://www.uv.es/ceaces/pdf/normal.pdf