Características:

• La variable aleatoria puede tomar valores entre (-∞, +∞).

• Los valores cercanos a la media, tienen mayor probabilidad y
conforme nos separamos de la media, la probabilidad va
decreciendo de igual forma hacia la derecha que hacia la
izquierda (la distribución es simétrica).
• Presenta dos parámetros que son μ y σ, donde μ representa la
media y σ es la desviación estándar.
Algunos ejemplos son:
• Caracteres morfológicos de individuos (personas, animales,
plantas) de una especie, por ejemplo: tallas, pesos, diámetros,
distancias, perímetros, entre otros.
• 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.
Definición:
Se dice que una variable aleatoria X tiene una distribución
normal, si su función de densidad de probabilidad está dada por:
 1
2
1  x 
  
 e 2  
,   x  
f  x    2

 0, en otro caso
Los parámetros de la distribución normal son la media μ, la cual
toma valores entre -∞ < μ < +∞ y la desviación estándar σ, la
cual es mayor que cero, es decir σ > 0.
Definición:
Para cualquier par de valores de μ y σ la distribución normal es
simétrica y tiene forma de campana:
Gráfica de distribución
Normal. Desv.Est.=2

Media
0,4 10
12
14

0,3
Densidad

0,2

0,1

0,0
0 4 8 12 16 20 24
X
Definición:
Para cualquier par de valores de μ y σ la distribución normal es
simétrica y tiene forma de campana:
Gráfica de distribución
Normal. Media=12

Desv .Est.
0,4 1
2
3

0,3
Densidad

0,2

0,1

0,0
0 4 8 12 16 20 24
X
Propiedades:
• El punto más alto de la curva normal es la media μ, que
también es la mediana y la moda de la distribución.
• La distribución de probabilidad normal es simétrica, y su forma
a la izquierda de la media es una imagen especular de la forma
a la derecha de la media.
• La desviación estándar (σ) determina el ancho de la curva. A
valores mayores de σ se tienen curvas más anchas y bajas, que
muestran una mayor dispersión en los datos.
Definición:
Si X es una variable aleatoria con distribución normal, su función
de distribución acumulada, la media y la varianza están dadas
por:
2
1  t  
1   
F  x  P  X  x 
x

2  
e dt ,    x  
2 

EX    V X  2
Definición:
Si X es una variable aleatoria con distribución normal con media
μ y desviación estándar σ, entonces:
X 
Z

La variable aleatoria Z tiene una distribución normal con media 0
y desviación estándar 1 o también conocida como distribución
normal estándar.
Propiedades:
• No depende de ningún parámetro.
• Su media es 0, su varianza es 1 y su desviación estándar es 1.
• La curva f(z) es simétrica respecto a la media.
• Tiene un máximo cuando Z = 0.
• Tiene dos puntos de inflexión cuando Z = 1 y Z = -1.
• Para la distribución de probabilidad normal estándar se han
determinado las áreas bajo la curva normal, y se muestran en
tablas que se pueden usar para calcular probabilidades.
• El área total bajo la curva para la distribución de probabilidad
normal y normal estándar es 1.
P( Z  1)  0.8413
P( Z  0)  0.5000
Sea X una variable aleatoria con una distribución continua:

Distribución Normal:
+DISTR.NORM(x;media;desv_estándar;acum)
x: Es el valor de la variable x.
media: Es el valor del parámetro μ.
desv_estándar: Es el valor del parámetro σ.
acum: Falso o 0 para probabilidad puntual.
Verdadero o 1 para probabilidad acumulada.