La distribucin normal

La distribucin normal
La distribucin normal fue reconocida
por primera vez por el francs
Abraham de Moivre (1667-1754).

Posteriormente, Carl Friedrich Gauss (1777-1855)

realiz estudios ms profundos
formulando la ecuacin de la curva
conocida comnmente, como la
Campana de Gauss".

Utilidad
Se utiliza muy a menudo porque hay muchas
variables asociadas a fenmenos naturales
que siguen el modelo de la normal.
Caracteres morfolgicos de individuos
(personas, animales, plantas,...) de una
especie, por ejemplo: tallas, pesos, dimetros,
distancias, permetros,...
Caracteres fisiolgicos, por ejemplo: efecto de
una misma dosis de un frmaco, etc

Utilidad
Caracteres sociolgicos, por ejemplo:
consumo de cierto producto por un
mismo grupo de individuos,
puntuaciones de examen.
Caracteres psicolgicos, por ejemplo:
cociente intelectual,

Caractersticas de la distribucin Normal

Tiene forma de campana, es asinttica al eje de las abscisas

Simtrica con respecto a la media ( ) donde coinciden la mediana

(Mn) y la moda (Mo )

Los puntos de inflexin tienen como abscisas los valores

Puntos
de
inflexin

- , Mo, Mn +

Distribucin normal o gaussiana

Est caracterizada por dos parmetros: la media, y la

desviacin tpica, .
Su funcin de densidad es:

1
N (, ) P ( x)
e
2

( x ) 2

2 2

( 0)

La curva normal adopta un nmero infinito de formas,

determinadas por sus parmetros y .

Distribucin normal con =0 para varios valores

1.6

1.2

p(x)

0.8

0.4

0
-2.50

-1.50

-0.50

0.50
x

1.50

2.50

Ejercicio
Encuentra la desviacin
estndar de los siguientes
datos
3
2
3
1
6

Por ejemplo
En el siguiente histograma podemos observar la distribucin de frecuencias
por peso de acuerdo a la edad. De acuerdo a este teorema, segn aumenten
la cantidad de datos se podr trazar una curva que tome cada vez ms
formacin en forma campana.

Propiedades de la
distribucin normal:
El rea bajo la curva aproximado del promedio a ms o
menos una desviacin estndar (1) es de 68 %, a ms o
menos 2 es de 95% y a ms o menos 3 es de 99%.

Teorema del lmite central

Nos indica que, bajo condiciones muy
generales, segn aumenta la cantidad de datos,
la distribucin de la suma de variables aleatorias
tender a seguir hacia una distribucin normal.
En otras palabras el Teorema del lmite central
garantiza una distribucin normal cuando el
tamao de la muestra n es suficientemente
grande.

La distribucin normal
estndar

Cmo calcular probabilidades asociadas

a una curva normal especfica?
Dado que tanto como pueden asumir infinitos valores lo
que hace impracticable tabular las probabilidades para todas las
posibles distribuciones normales, se utiliza la distribucin
normal reducida o tipificada.
Se define una variable

z=

x -

Es una traslacin , y un cambio de escala de

la variable original.

La nueva variable z se distribuye como una

NORMAL con media = 0 y desviacin tpica = 1

Recordemos de nuevo que en cualquier distribucin normal las
probabilidades delimitadas entre :

68 %
2 95 %
3 99 %

68%
95%
-3

-2

-1

99%
0

z
1

 Dada una variable de media y desviacin tpica

, se denomina valor tipificado z, de una
observacin x, a la distancia (con signo) con
respecto a la media, medido en desviaciones
tpicas, es decir:

x
z

En el caso de variable X normal, la interpretacin es clara:

asigna a todo valor de N(, ), un valor de N(0,1) que deja
exctamente la misma probabilidad por debajo.
Nos permite as comparar entre dos valores de dos
distribuciones normales diferentes, para saber cul de los
dos es ms extremo.

Se quiere dar una beca a uno de dos estudiantes

de sistemas educativos diferentes y se asignar al
que tenga mejor expediente acadmico:

El estudiante A tiene una calificacin de 8 en un sistema

donde la calificacin de los alumnos se comporta como
N(6,1).
El estudiante B tiene una calificacin de 80 en un
sistema donde la calificacin de los alumnos se comporta
como N(70,10).

No podemos comparar directamente 8

puntos de A frente a los 80 de B, pero
como ambas poblaciones se comportan
de modo normal, podemos tipificar y
observar las puntuaciones sobre una
distribucin de referencia N(0,1).
Como zA > zB, podemos decir que el
porcentaje de compaeros del mismo
sistema de estudios que ha superado
en calificacin al estudiante A es mayor
que el que ha superado B. En principio
A es mejor candidato para la beca.

zA

xA A 8 6

2
A
1

xB B 80 70
zB

1
B
10

rea bajo la curva normal estndar

El rea bajo la curva normal estndar es til para
asignar probabilidades de ocurrencia de la variable
X.
Debemos tomar en cuenta que el rea total bajo la
curva es igual a 1. Y que por ser una grfica
simtrica cada mitad tiene un rea de 0.5. .

Encentra el valor Z de los

siguientes nmeros

187
207
199
212
196
209

-1.55
0.56
-0.28
1.09
-0.60
0.78