Universidad Arturo Michelena

Facultad de Ciencias Sociales y Económicas

Escuela de Administración y Contaduría Publica

San Diego – Edo. Carabobo

Distribución de la Normal

San Diego, Noviembre del 2022

La Distribución de la Normal
 En ocasiones llamada distribución gaussiana. Es la distribución de variable continua

que se utiliza más comúnmente en estadística, siendo esta un modelo que aproxima el valor de

una variable aleatoria a una situación ideal, dependiendo de la media y la desviación estándar.

La distribución normal es de vital importancia en estadística por tres razones principales:

• Muchas variables continuas comunes en el mundo de los negocios tienen

distribuciones que se asemejan estrechamente a la distribución normal.

• La distribución normal sirve para acercarse a diversas distribuciones de probabilidad

discreta, como la distribución binomial y la distribución de Poisson.

• La distribución normal proporciona la base para la estadística inferencial clásica por su

relación con el teorema de límite central.

Historia y Origen

Su origen viene de la observación de un estadístico Francés en el siglo XVIII,

Abraham de Moivre, que entre otras cosas actuaba como consultor de juegos. Observo que al
lanzar una moneda, la probabilidad de obtener cara o cruz en el número de tiradas tenía una
representación gráfica con una curva suave a medida que el número de veces se hacía más
grande.
De Moivre explico que si pudiéramos encontrar una ecuación para esta curva,
solucionamos más fácilmente el cálculo de probabilidades de que aparezca “X” ó “CARA” al
lanzar un número de veces una moneda.
Por otra parte existió una teoría de que esta peculiar forma de campana también se
detectó en el siglo XVII, por Galileo en el análisis de errores de medición de observaciones
astronómicos, errores atribuibles a la instrumentación y a los observadores. Noto que estos
errores eran simétricos y que los pequeños eran más frecuentes que los errores más grandes.
De ahí se plantearon hipótesis sobre la distribución de los errores de mediación, fue solo a
principios del siglo XIX que se descubrió que estos errores siguen una distribución normal; A
causa de esto la distribución fue reconocida por primera vez por Abraham de moivre y
posteriormente, Carl Friedrich Gauss en 1777, siendo este último quien elaboro desarrollos
más profundos y formulo la ecuación de la curva; de ahí se le conoce más comúnmente como
la “Campana de Gauss”.
El nombre de Gauss se ha asociado a esta distribución porque la uso con profundidad
cuando analizaba datos astronómicos y algunos autores le atribuyen un descubrimiento
independiente del de Moivre. El nombre de “Campana” viene de Esprit Juffret (matemático)
que uso el término “Superficie campana” por primera vez en 1872 para una distribución
normal bivariante de componentes independientes. El nombre de distribución normal fue
otorgado independientemente por Charles S. Peirce 1875.

Modelo matemático

La distribución normal es una distribución de variable aleatoria continua que se rige

por una media ´´μ´´ y una desviación estándar ´´σ´´ (sigma), esta se nos presenta de la

siguiente forma: N (μ , σ) y por ser variable continua puede tomar valores desde el -∞ hasta el

+∞.

Su función es la expresión matemática de la campana de gauss la cual se representa de

la siguiente forma

Y σ

0 μ X

Donde el área bajo la curva siempre será 1 lo que equivale a la suma de las

probabilidades, es decir, en la distribución normal la probabilidad será calculada obteniendo

el valor de las áreas bajo la curva a evaluar y podemos representarlo de la siguiente forma

P(x)=A donde ´´A´´ es el área a evaluar. Esta campana de gauss tiene otra característica

importante a resaltar como lo es que sus lados son simétricos al centro, es decir, el 50% de sus

valores está a cada lado de la media

 Ahora bien, para calcular estas áreas debemos utilizar una opción bastante sencilla

como lo es la variable estandarizada ´´Z´´ la cual nos da como resultado el área a la derecha

de la media y a la izquierda del punto a evaluado. La distribución normal estandarizada posee

valor de media igual a 0 y una desviación estándar de 1 y se nos representa de la siguiente

forma ´´N(0 ; 1)´´.

En caso de no tener los datos de la distribución normal estandarizados debemos aplicar

la siguiente ecuación donde la variable ´´X´´ pertenece al objeto a analizar y la

media junto con la desviación nos las entrega el enunciado, al aplicarla podemos obtener el

valor que representa ´´X´´ dentro de la variable estandarizada ´´Z´´ y de esta forma poder

aplicar nuestra tabla.

La tabla de distribución normal

La tabla de la distribución normal, también llamada tabla normal estándar o tabla Z es

un modelo matemático muy utilizado dentro los análisis matemáticos y estadísticos para

determinar cuáles son las probabilidades de ocurrencia para los distintos valores que presenta

una variable.

Para usar dicha tabla, siempre se requiere estandarizar la variable por medio de la

expresión, siendo el valor de interés: la media de nuestra variable y su desviación estándar. La

tabla de la distribución normal presenta los valores de probabilidad para una variable estándar

Z, con media igual a 0 y una desviación igual a 1.

Estructura de la tabla

- Las etiquetas de las columnas contiene el segundo decimal de Z.

- Las etiquetas de las filas contiene la parte entera y el primer decimal de Z.

- Los valores dentro de la tabla son las probabilidades correspondientes con el área que

se presenta bajo la curva de la campana de gauss.

Procedimiento de selección:

Ejemplo; para encontrar 0.86, se busca hacia abajo en las filas hasta encontrar el

primer decimal 0.8 y luego a través de las columnas hasta 0.06, lo que daría una probabilidad

de 0.3051.

0,30511
1
Ejercicio

Una variable aleatoria X sigue una distribución normal de media µ=8,5 y desviación típica
σ= 2,5. Se pide:
a) Calcular la probabilidad de que la variable tome un valor comprendido entre 8 y 9,3.
b) Calcular el valor de “a” tal que P (X < a) = 0,05.

a) X N (8`5, 2`5) = X-8`3/2`5 FORMULA: Z= X-M/σ

P (8< X < 9`3) = P (8 - 8`3/2,5 < Z < 9`3 – 8`5/2,5) = P (-0,2 < Z < 0´32) – P (Z < - 0`2) =
P (< Z < 0´32) - {1- P (Z< 0`2)} = 0`6255 - (1- 0´5793) = 0´2048