Distribución De DISTRIBUCION NORMAL

-Es una distribución de probabilidad de

Probabilidades variables continuas.
-El matemático Gauss contribuyó
BINOMIAL Y NORMAL notablemente en el estudio y difusión de
esta distribución.
DISTRIBUCION NORMAL Y LA -La mayoría de las variables continuas
CAMPANA DE GAUSS tienen polígonos de frecuencias que
permiten visualizar un aumento gradual
-Es una distribución de probabilidad de hasta llegar a un máximo (que es la moda)
variables continuas. y luego un descenso igualmente gradual.
-Su importancia se debe principalmente a EJEMPLO:
que hay muchas variables asociadas a
fenómenos naturales que siguen el -Valores de presión arterial sistólica en una
modelo de la distribución normal muestra de 1000 pacientes isquémicos
ingresados en UCI.
• Caracteres morfológicos de
individuos (personas, animales, -Polígono de frecuencias:
plantas) de una especie • Se hace un histograma y luego se
Þ Ejemplo: tallas, pesos, unen los puntos medios de la parte
envergaduras, diámetros, superior de cada barra.
perímetros...
• Caracteres fisiológicos, por
ejemplo: efecto de una misma
dosis de un fármaco, o de una
misma cantidad de abono.
• Caracteres sociológicos, por
ejemplo: consumo de cierto
producto por un mismo grupo de
individuos, puntuaciones de
examen.
• Caracteres psicológicos, por
ejemplo: cociente intelectual,
grado de adaptación a un medio... -En este gráfico vemos que el polígono de
• Errores cometidos al medir ciertas frecuencias se va asemejando más a la
magnitudes. curva normal cuando más grande sea la
• Valores estadísticos muestrales, muestra
por ejemplo: la media.
• Otras distribuciones como la
binomial o la de Poisson son
aproximaciones normales...
• Y en general cualquier
característica que se obtenga
como suma de muchos factores.
Características de la distribución delimitado aproximadamente el 68% del
probabilística normal área total.
*Recordar porque esta parte viene EJEMPLO:
siempre en los exámenes: -Si a la media le resto 1 desviación estándar
-La curva normal tiene forma de campana y en ese punto elevo una recta y al otro
con un solo pico justo en el centro de la lado (a la media) le sumo una desviación
distribución. estándar y trazo una recta
-La media, mediana y moda de la • El área debajo de la curva será el
distribución son iguales (son simétricas) y 68%
se localizan en el pico. -Si se extienden estas perpendiculares
-La mitad del área bajo la curva está a la hasta dos desviaciones estándar, se define
derecha del pico, y la otra mitad está a la aproximadamente el 95% del área total y
izquierda. con 3 desviaciones estándar
aproximadamente el 100%.
-La distribución normal es simétrica
respecto a su media. -Así:

-La distribución normal es asintótica –

significa que la curva se acerca cada vez
más al eje x pero en realidad nunca llega a
tocarlo.
-Ejemplo de curva normal:
5. La curva normal queda completamente
determinada por los parámetros media (µ)
y desviación estándar (s).

Áreas bajo la curva normal

-Cerca de 68% del área bajo la curva
normal está a menos de una desviación
estándar respecto a la media. μ ± 1 σ
-Alrededor de 95% está a menos de dos
Características más importantes de la desviaciones estándar de la media. μ ± 2 σ
distribución normal
-Casi el 100% está a menos de tres
1. Es simétrica respecto a la media, µ. desviaciones estándar de la media. μ ± 3
2. La media, la mediana y la moda son
iguales y están en el pico.
3. El área total debajo de la curva y el eje x
es igual a una unidad cuadrada
• El área total debajo de la curva es 1
al cuadrado
4. Si se levantan perpendiculares a una
distancia de una desviación estándar a
ambos lados de la media, se habrá
*Esta parte no la vamos a aprender y no la -Conforme nos separamos de ese valor m,
vamos a usar: la probabilidad va decreciendo de forma
más o menos rápida dependiendo de un
-Como toda figura geométrica en el plano,
parámetro s, que es la desviación
la curva normal posee una fórmula o
estándard.
ecuación denominada también Función de
densidad de la variable aleatoria continua
que es la siguiente:

Representación gráfica de esta función de

densidad

DISTRIBUCION NORMAL

-Queda definida por dos parámetros, su

media y su desviación típica y la
representamos así

𝑵 = (𝝁, 𝝈)
-Para cada valor de 𝜇 𝑦 𝜎 tendremos una
función de densidad distinta, por lo tanto,
la expresión 𝑁=(𝜇,𝜎) representa una
familia de distribuciones normales.

Ejemplos de distribuciones normales con

diferentes parámetros.
-La media determina dónde está el centro
Función de Distribución de la curva.

-Puede tomar cualquier valor (- ∞, + ∞) -La desviación estándar determina que tan
ancha es la distribución.
-Son más probables los valores cercanos a
uno central que llamamos media (m)

-Conforme nos separamos de ese valor m,

la probabilidad va decreciendo de igual
forma a derecha e izquierda (es simétrica).
 -Las cuatro distribuciones del gráfico son
normales, con distintos valores de la media
y la desviación típica.
-La verde es la "normal estándar", de
media cero y desviación típica uno.

-La desviación estándar más grande es la

línea celeste y la más pequeña la azul
• Debido a que es una medida de
dispersión

DISTRIBUCION NORMAL
UNITARIA O NORMAL ESTÁNDAR
-Tiene una media de cero y desviación
estándar de uno Gráfica de una distribución normal y
significado del área bajo la curva.
-Se obtiene a partir de la ecuación:
2
-Para hacer ejercicios, vamos a tener que
1 æ x- μ ö
- ç ÷ hallar las probabilidades de tener un valor
2è σ ø
1 e entre a y b
y= -Esa área bajo la curva es la probabilidad de
2π σ tener un valor entre a y b

haciendo µ=0, s=1 y x - µ = z

s
Distribución normal estándar (ejemplo)
-Una distribución normal que tiene media
igual a 0 y desviación estándar igual a 1 se
denomina distribución normal estándar.
 ABREVIACIONES -Hay áreas grandes cuando se traza la recta
a la derecha del centro
-Media de la población = μ
-Desviación estandar = σ
-Media de una muestra = x
-Desviación estandar muestral = s
Þ Población = N
Þ Muestra = n
-Grados de libertad = v
-Distribución Normal Estándar = z
μ = 0 y σ =1
-Curva T: Cálculo de área o probabilidad en la curva
normal estándar
-Se utiliza la tabla de áreas (tabla z).
-Ejemplo 1:
Þ Calcular el área entre z=0 y z=2
Þ El z va al medio por ser curva
estándar y el 2 a la derecha por ser
positivo
-Solución:
Þ Se recomienda graficar la curva
normal y sombrear el área
solicitada para facilitar la
TABLA DE DISTRIBUCIÓN resolución del problema.
Þ Así:
-Curva Z: da valores por detrás de lo que
queramos encontrar, por detrás de x
-Normal estándar N(0,1)

-De la tabla de áreas se obtiene:

Þ p( z £ 2) = 0.97725
-La tabla z en la primera columna da -Se va a la tabla y se encuentra el valor de
valores de z y en la segunda columna da la z igual a 2 y el área es igual a 0.97725
probabilidad
• Probabilidad: área bajo la curva a la
izquierda
-De la mitad de la tabla a la izquierda se
encuentran valores de p menores a 0.5
porque hay probabilidades pequeñas

-De la tabla de áreas se obtiene:
Þ p( z £ 2) = 0.97725
Þ (eso es todo lo pintado de rojo)
-Pero piden (lo pintado en azul):
Þ p(0 £ z £ 2)
- ¿Recuerdan cuánto había a la izquierda
de cero? Hay 0.5 con una probabilidad del
50%
-p(0 £ z £ 2) =
Þ 0.9774 – 0.5 = 0,47725
-Interpretación:
Þ La probabilidad de que la variable z
asuma valores entre 0 y 2 inclusive,
es 0,47725
-Ejemplo 2:
-Si de la población de posibles valores de z,
se elige uno al azar, ¿Cuál es la
probabilidad de que se encuentre entre
0,84 y 2,45 inclusive?
-Solución:
Þ La pregunta permite calcular:
Þ p(0,84 £ z £ 2,45) = ?
-Veamos el gráfico siguiente:
De la tabla: área entre -∞ y z=2,45 ®
Þ área entre -∞ y z=0,84 ®
p(0,84 £ z £ 2,45) =
-Se resta al área verde el área roja para ver
cual es el área azul que pide el problema
-De la tabla: área entre -∞ y z=2,45 ®
0.99286
-Área entre -∞ y z=0,84 ® 0.79955
-p(0,84 £ z £ 2,45) = 0,99286 - 0,79955=
0,19331
-Interpretación:
Þ La probabilidad de que una z
elegida al azar quede entre 0,84 y
2,45 es de 0,19331 ó el 19,33% de
los valores de z están entre 0,84 y
2,45.
-Ejemplo 3:
-Calcular p(z ³ 2,71) -> calcular área roja
• Se debe calcular el área verde y
restarle al 1 ese valor
-Solución: Graficando:
-De la tabla:
Þ área entre -∞ y z=2,71 ®0,99664
-Luego: p(z ³ 2,71) = 1 - 0,99664= 0,00336.
-Interpretación:
Þ La probabilidad de que un valor de
z sea mayor o igual a 2,71 es de
0,00336.