Distribución Normal de Probabilidad La distribución normal fue introducida por el matemático francés Abraham de Moivre (1667−1754) y estudiada luego por el matemático francés Pierre Simón Laplace (1749−1827) y el matemático alemán Carl Friedrich Gauss (1777−1855). Gauss llegó a este modelo estudiando la distribución de ciertos errores de medición. En honor a estos matemáticos, la distribución también se conoce como de Moivre-Laplace-Gauss.
Esta distribución es muy utilizada en las aplicaciones estadísticas, es
la base de la inferencia estadística. Muchos fenómenos aleatorios que se estudian en la realidad se pueden modelar con esta distribución. CARL FRIEDRICH GAUSS ABRAHAM DE MOIVRE
PIERRE SIMÓN LAPLACE
Se dice que la v.a X sigue una distribución normal con parámetros μ y σ y se escribe X~N(μ, σ2), si su función de densidad está dada por: Propiedades: 1. Es simétrica respecto a la recta x=μ. 2. El área bajo la curva f(x) y por encima del eje X es 1. 3. El área comprendida entre las rectas x=a y x=b y que corresponden a la probabilidad P[a≤X≤b], se calcula usando métodos de integración; sin embargo, existen tablas a partir de las cuales se aproximan tales áreas. 4. Es monótona creciente en <-∞,μ] y monótona decreciente en [μ,+∞>. 5. Tiene puntos de inflexión en x=μ ± σ 6. Toma su valor máximo en: 7. Las probabilidades aproximadas son: Función de Distribución Acumulada Tipificación o Estandarización de la V.A. Normal
Si X~N(μ, σ2), entonces la v.a.
se llama normal estandarizada de X, cuya función de densidad es:
Su función de distribución acumulada es: Característica de la distribución normal estandarizada:
1. Su media es 0, su varianza es 1 y su desviación típica es 1. No
depende de ningún parámetro .
2. La curva es simétrica respecto a z=0, y toma aquí su máximo
valor.
3. Tiene dos puntos de inflexión en z =1 y z = -1.
Ejemplo:
Tenemos un programa de entrenamiento diseñado para mejorar la
calidad de las habilidades de los supervisores de línea de producción. Debido a que el programa es autoadministrado, los supervisores requieren un número diferente de horas para terminarlo. Un estudio de los participantes anteriores indica que el tiempo medio para completar el programa es de 500 horas y que esta variable aleatoria normalmente distribuida tiene una desviación estándar de 100 horas. a. ¿Cuál es la probabilidad de que un participante elegido al azar requiera más de 500 horas para completar el programa? b. ¿Cuál es la probabilidad de que un candidato elegido al azar se tome entre 500 y 650 horas para completar el programa de entrenamiento? c. ¿Cuál es la probabilidad de que un candidato elegido al azar se tome más de 700 horas en completar el programa? d. Suponga que el director del programa de entrenamiento desea saber la probabilidad de que un participante escogido al azar requiera entre 550 y 650 horas para completar el trabajo requerido en el programa. e. ¿Cuál es la probabilidad de que un candidato elegido al azar se tomará menos de 580 horas para completar el programa? f. ¿Cuál es la probabilidad de que un candidato escogido al azar se tome entre 420 y 570 horas para completar el programa? Manejo de tabla normal estándar