CURVA DE DENSIDAD DE UNA DISTRIBUCIÓN NORMAL

Análogo a las funciones de densidad empíricas pero tomando todos los posibles valores numéricos
de una variable (Es decir a nivel poblacional) se pueden obtener la curvas de la distribución de
densidad. Es importante tener en cuenta que en este caso la distribución estará asociada con
medidas descriptivas que al tomar todos los valores de la variable se consideran constantes
poblacionales llamadas parámetros, tales como, la media µ y la varianza σ2 . Además denotaremos
por X en mayúscula a la variable y x minúscula a los posibles valores de la variable.

La función de densidad de una variable continua X con distribución normal está dada por:

1  x 
2

1   
 
f ( x)  e 2 Para −∞ < 𝑥 < ∞ (Dominio en los reales, R)
 2

Donde la media poblacional  y la desviación estándar poblacional  son los parámetros de la

distribución.

Lo anterior también se puede interpretar como que la variable X tiene una distribución normal con
parámetros media y varianza poblacionales:  y  2 .

Por ejemplo mediante una tabla de valores empleando la función de densidad haga un bosquejo
del gráfico de una variable que tiene una distribución normal con media 5 y desviación estándar 2.
Sugerencia tome valores de la variable tales como: -2,0,2,4,5,6,8,10 y una los puntos obtenidos
mediante una curva suave obteniendo el bosquejo de la curva de densidad para la variable.

Normal Distribution: Mean=5, Standard deviation=2

0.20
0.15
Density

0.10
0.05
0.00

-2 0 2 4 6 8 10 12

A partir de la anterior curva de densidad trate de identificar el valor de la variable en el cual la

curva de densidad cambia de concavidad.
 Normal Distribution: Mean=5, Standard deviation=2

0.20
0.15
Density

0.10
σ

0.05
0.00

-2 0 2 4 6 8 10 12

DISTRIBUCIÓN NORMAL ESTANDAR

En general las variables que tienen una curva de densidad con esta distribución son denotadas por
Z (en lugar de X) y se definen como variables que tienen una curva de densidad correspondiente a
una distribución normal con media 0 y varianza 1.

Normal Distribution: M ean=0, Standard deviation=1

0.4
0.3
Density

0.2
0.1
0.0

-3 -2 -1 0 1 2 3

ESTANDARIZACIÓN DE UNA V.A. NORMAL

Para estandarizar una variable X tal que tiene una distribución normal con media  y varianza  2
se transforma la variable X en una variable Z como sigue:

X 
Z Obteniendo la variable Z de tal forma que Z tiene una distribución normal estándar.

Distribución acumulada (Acumulativa) de una variable cuantitativa continua o función de
densidad acumulada.

Sea X una variable continua, una distribución acumulada de la variable X es una función F (similar a
la función de densidad acumulativa H a nivel muestral) tal que:

𝐹(𝑥) = 𝑃(𝑋 ≤ 𝑥)

Donde 𝑃(𝑋 ≤ 𝑥) representa la proporción de observaciones o valores de la variable que son

menores o iguales al valor x.

Note que:

 𝐹(−∞) = 0
 𝐹(∞) = 1
 𝐹(𝑎) ≤ 𝐹(𝑏) 𝑠𝑖𝑒𝑚𝑝𝑟𝑒 𝑞𝑢𝑒 𝑎 < 𝑏
 𝑃(𝑎 ≤ 𝑋 ≤ 𝑏) = 𝐹(𝑏) − 𝐹(𝑎) 𝑠𝑖𝑒𝑚𝑝𝑟𝑒 𝑞𝑢𝑒 𝑎 ≤ 𝑏

Notación para una variable normal estándar

Si la variable es normal estándar entonces la Función de densidad acumulada se denota por  en

lugar de F es decir:

( z)  P(Z  z)

Normal Distribution: M ean=0, Standard deviation=1

0.4
0.3
Density

0.2
0.1
0.0

-3 -2 -1 0
z1 2 3