RAL ARTEAGA TREJO

OSCAR URIEL ACEVEDO LEAL

PROBABILIDAD Y ESTADSTICA

UNIDAD 6: MODELOS PROBABILISTICOS BSICOS

DISTRIBUCIN NORMAL

I.S.C Rosa E. Valdez V.

 Introduccin
Una de las distribuciones tericas mejor estudiadas en los
textos de bioestadstica y ms utilizada en la prctica es
la distribucin normal, tambin llamada distribucin
gaussiana. Su importancia se debe fundamentalmente a
la frecuencia con la que distintas variables asociadas a
fenmenos naturales y cotidianos siguen,
aproximadamente, esta distribucin.
Caracteres morfolgicos (como la talla o el peso), o
psicolgicos (como el cociente intelectual) son ejemplos de
variables de las que frecuentemente se asume que siguen
una distribucin normal.
No obstante, y aunque algunos autores han sealado que el
comportamiento de muchos parmetros en el campo de la
salud puede ser descrito mediante una distribucin
normal, puede resultar incluso poco frecuente encontrar
variables que se ajusten a este tipo de comportamiento.
 UNIDAD 6: MODELOS PROBABILSTICOS BSICOS
DISTRIBUCIN NORMAL
La distribucin normal fue reconocida por primera vez
por el francs Abraham de Moivre (1667-
1754). Posteriormente, Carl Friedrich Gauss (1777-
1855) elabor desarrollos ms profundos y formul la
ecuacin de la curva; de ah que tambin se la conozca,
ms comnmente, como la "campana de Gauss". La
distribucin de una variable normal est
completamente determinada por dos parmetros, su
media y su desviacin estndar, denotadas
generalmente por y . Con esta notacin, la densidad
de la normal viene dada por la ecuacin:
 La ecuacin que determina la curva en forma de
campana. As, se dice que una caracterstica sigue una
distribucin normal de media y varianza , y se
denota como si su funcin de densidad viene
dada por la Ecuacin 1.
 Al igual que ocurra con un histograma, en el que el rea de
cada rectngulo es proporcional al nmero de datos en el
rango de valores correspondiente si, tal y como se muestra
en la figura, en el eje horizontal se levantan
perpendiculares en dos puntos a y b, el rea bajo la curva
delimitada por esas lneas indica la probabilidad de que la
variable de inters, X, tome un valor cualquiera en ese
intervalo.

Puesto que la curva alcanza su mayor altura en torno a la

media, mientras que sus "ramas" se extienden
asintticamente hacia los ejes, cuando una variable siga
una distribucin normal, ser mucho ms probable
observar un dato cercano al valor medio que uno que se
encuentre muy alejado de ste.
Propiedades de la distribucin normal
Tiene una nica moda, que coincide con su media y su mediana.
La curva normal es asinttica al eje de abscisas. or ello, cualquier valor
entre - y + es tericamente posible. El rea total bajo la curva es,
por tanto, igual a 1.

Es simtrica con respecto a su media . Segn esto, para este tipo de

variables existe una probabilidad de un 50% de observar un dato mayor
que la media, y un 50% de observar un dato menor.

El rea bajo la curva comprendido entre los valores situados

aproximadamente a dos desviaciones estndar de la media es igual a
0.95. En concreto, existe un 95% de posibilidades de observar un valor
comprendido en el intervalo .

La distancia entre la lnea trazada en la media y el punto de inflexin

de la curva es igual a una desviacin tpica (). Cuanto mayor sea ,
ms aplanada ser la curva de la densidad.
 Cmo se calcula?
No existe una nica distribucin normal, sino una
familia de distribuciones con una forma comn,
diferenciadas por los valores de su media y su
varianza. De entre todas ellas, la ms utilizada es
la distribucin normal estndar, que corresponde a
una distribucin de media 0 y varianza 1. As, la
expresin que define su densidad se puede obtener de
la Ecuacin:
 Es importante conocer que, a partir de cualquier
variable X que siga una distribucin N(,), se puede
obtener otra caracterstica Z con una distribucin
normal estndar, sin ms que efectuar la
transformacin:

a partir de la que se puede obtener de modo sencillo la

probabilidad de observar un dato menor o igual a un
cierto valor z, y que permitirn resolver preguntas de
probabilidad acerca del comportamiento de variables
de las que se sabe o se asume que siguen una
distribucin aproximadamente normal.
 tablas
Tabla 1. reas bajo la curva normal estndar. Los valores de la tabla que no
se muestran en negrita representan la probabilidad de observar un valor
menor o igual a z. La cifra entera y el primer decimal de z se buscan en la
primera columna, y el segundo decimal en la cabecera de la tabla.
 P(Z a)
P(Z > a) = 1 - P(Z a)

P(Z a) = 1 P(Z a)

P(Z > a) = P(Z a)

P(Z > a) = P(Z a)

P(a < Z b ) = P(Z b) P(Z a)

P(b < Z a ) = P(a < Z b )

 Nos encontramos con el caso inverso a los anteriores,
conocemos el valor de la probabilidad y se trata de
hallar el valor de la abscisa. Ahora tenemos que buscar
en la tabla el valor que ms se aproxime a K.

P(a < Z b ) = P(Z b) [ 1 P(Z a)]

p=K
 ejemplos
En una ciudad se estima que la temperatura mxima
en el mes de junio si una distribucin normal, con
media 23 y desviacin tpica 5. Calcular el nmero de
das del mes en los que se espera alcanzar mximas
entre 21 y 27.
 solucin
P(a < Z b ) = P(Z b) P(Z a) sabiendo que: P(Z > a) = 1 - P(Z a)

Por los 30 dias del

mes
La media y los que de los pesos de 500 estudiantes de un
colegio es 70 kg y la desviacin tpica 3 kg. Suponiendo
que los pesos se distribuyen normalmente, hallar
cuntos estudiantes pesan:
1. Entre 60 kg y 75 kg. P(a < Z b ) = P(Z b) P(Z a)

500
alumnos
2.Menos de 64 kg.

3.64 kg o menos.
 Supongamos que se sabe que el peso de los sujetos de
una determinada poblacin sigue una distribucin
aproximadamente normal, con una media de 80 Kg y
una desviacin estndar de 10 Kg. Podremos saber
cul es la probabilidad de que una persona, elegida al
azar, tenga un peso superior a 100 Kg?
Denotando por X a la variable que representa el peso de los individuos en
esa poblacin, sta sigue una distribucin

As, la probabilidad que se desea calcular ser:

Como sabemos que P(Z > a) = 1 - P(Z a) esta ltima probabilidad puede
ser fcilmente obtenida a partir de la Tabla 1, resultando ser .
Por lo tanto, la probabilidad buscada de que una persona elegida
aleatoriamente de esa poblacin tenga un peso mayor de 100 Kg , es de 1
0.9772=0.0228, es decir, aproximadamente de un 2.3%.
Ejercicios
Se supone que los resultados de un examen siguen una
distribucin normal con media 78 y varianza 36. Se
pide:
1. Cul es la probabilidad de que una persona que se
presenta el examen obtenga una calificacin superior a
72?
 Varios test de inteligencia dieron una puntuacin que
sigue una ley normal con media 100 y desviacin tpica
15.
1. Determinar el porcentaje de poblacin que
obtendra un coeficiente entre 95 y 110.