Está en la página 1de 21

DISTRIBUCIÓN

NORMAL
Profesor:
Héctor José Pinedo Montoya
pinedo109@gmail.com
Distribución Normal
La distribución normal fue reconocida por
primera vez por el francés Abraham de Moivre
(1667-1754).

Posteriormente, Carl Friedrich Gauss (1777-1855)


realizó estudios más a fondo donde formula la
ecuación de la curva conocida comúnmente,
como la
“Campana de Gauss".
Características de la normal
• Es un modelo probabilístico para variables continuas.
• Se llama así por ser la más frecuente en la naturaleza,
esto es porque muchas variables siguen esta distribución
de frecuencias.
• La distribución normal básicamente dice que hay pocos
valores extremos y que la mayor frecuencia se encuentra
en los valores centrales.
• La media, la moda y la mediana coinciden.
Distribución Normal
Una variable aleatoria tiene distribución normal con los
parámetros R y σ2>0 si y sólo si su función densidad
de probabilidad está dada por
1  1 (x)2
 ( x; ; 2 )  f ( x)  e 2 2 ,  x  
2 2

Media y varianza E( X )   , V ( X )   2  0

Probabilidad
b 1  1 (x)2
P(a  X  b)  e 2 2 dx

a 2 2
Gráfica de una distribución normal
Campana de Gauss explicada desde
su desviación
Distribución Normal y
aplicaciones
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...

Caracteres en ingeniería, errores cometidos al medir ciertas magnitudes…

Caracteres estadísticos muestrales como la media, varianza y moda.

La antigüedad de la vivienda, los impuestos anuales, la producción, etc., dicha


distribución tiene mucha aplicación en ámbitos tan variados como el control de
calidad, el marketing y la gestión de la producción, entre otros.
Características matemáticas de una
normal
• La forma de la campana de Gauss depende de los parámetros μ y σ.
• Tiene una única moda que coincide con su media y su mediana.
• La curva normal es asintótica al eje de X.
• Es simétrica con respecto a su media μ . Según 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.
• Es una distribución continua.
La distribución normal
estándar
Una variable aleatoria tiene distribución normal estándar sí
y solo sí tiene distribución normal con media 0 y varianza
1.
EL PORQUÉ DE LA CONVERSIÓN DE LA
NORMAL A LA NORMAL ESTÁNDAR
La curva normal estándar, en lugar de la variable X, transforma esta en
una nueva variable “Z”, que se basa en las siguientes propiedades de la
media aritmética y de la desviación estándar:

a) Si a cada valor de una variable se le resta un valor constante, la


media de la nueva variable es igual a la media de la variable original
menos ese valor constante.

b) Si a cada valor de una variable la dividimos por un valor constante, la


desviación estándar de la nueva variable es igual a la desviación
estándar de la variable original dividida por esa constante.

Según las dos propiedades anteriores: “Si a cada valor de una variable le
restamos la media de la distribución, la media de la nueva distribución
será cero; y si además a cada valor lo dividimos por la desviación
estándar de la distribución será 1.
Densidad de Probabilidad
N (0,1) y N( ,2)
CALCULO DE PROBABILIDADES USANDO LA FÓRMULA - Z
Entonces, esta conversión de la distribución normal
estándar se efectúa con la siguiente fórmula:
𝑋−μ
Z=
σ
Donde Z es el número de desviaciones estándar a las que
una observación está por encima o por debajo de la media.
X es algún valor específico de la variable.

Después de este proceso de conversión, la media de la


distribución es 0 y la desviación estándar es 1.

Estandarizar una distribución normal permite determinar


más fácilmente la probabilidad de que ocurra cierto evento,
hallando el área que está bajo la curva. Es decir, si se
conoce el área, se conocerá la probabilidad.
Tabla normal estándar (tabla z)
Por la simetría de la de la distribución normal estándar tenemos:

Resuelve las siguientes probabilidades usando la tabla z:


1. 𝑃 𝑍 ≤ 1,47
2. 𝑃 𝑍 ≤ −2,57
3. 𝑃 1,23 ≤ 𝑍 ≤ 1,47
4. 𝑃 −0,53 ≤ 𝑍 ≤ 1,47
5. 𝑃 −3,13 ≤ 𝑍 ≤ −1,38
CALCULO DE PROBABILIDAD EN DISTRIBUCIONES
NORMALES, ESTANDARIZANDO.
Ejemplo 1
La media de los pesos de 500 estudiantes de un colegio es
70 kg y la desviación típica 3 kg. Suponiendo que los pesos
se distribuyen normalmente, halla cuántos estudiantes
pesan:
a) Entre 60 kg y 75 kg
b) Más de 90 kg
c) Menos de 64 kg
Ejemplo 2
En una ciudad se estima que la temperatura
máxima en el mes de junio sigue una distribución
normal, con media 23° y desviación típica 5°.
Calcular el número de días del mes en los que se
espera alcanzar máximas entre 21° y 27°.
Ejemplo 3
En una distribución normal con media 4 y varianza
4, calcula el valor de c de tal manera que
𝑃 4 − 𝑐 ≤ 𝑋 ≤ 4 + 𝑐 = 0.5934
Ejemplo 4
Una compañía aleatoria que representa el “tiempo de vida útil
de los focos”. Nos piden calcular la probabilidad que demoran
entre 650 y 780 horas sabiendo que su duración media es 500
horas y una desviación estándar de 100.
Ejemplo 5
Si X es la variable aleatorio que represente “las medidas de la
presión sanguínea sistólica” de un grupo cuyas edades oscilan
entre 20 y 24 años, si X tiene una distribución normal con una
media de 120 y una desviación estándar de 20, encuentre:
a)𝑃 𝑋 > 135
b)𝑃(105 < 𝑋 < 110)

También podría gustarte