DISTRIBUCIN NORMAL 1.

Historia La distribucin normal naci el 12 de noviembre de 1933, mediante un pequeo trabajo que public el matemtico francs Abraham De Moivre, con el fin de evaluar aproximadamente la funcin de distribucin Binomial para valores grandes de n. Su pensamiento fue desde el histograma hasta la curva continua, para encontrar finalmente la ecuacin de la curva normal. De Moivre fue expulsado de Francia por ser reformista y fue a vivir a Inglaterra, donde daba asesoramiento sobre los juegos de azar. Sin embargo, los juegos de azar no ganaron nada con el conocimiento de la distribucin normal y en esa poca no se encontraron aplicaciones prcticas a esta distribucin, por lo que curva y ecuacin cayeron en el olvido. No fue sino hasta finales del siglo XVIII y principios de XIX, en que apareci un problema prctico que requiri la distribucin normal para su solucin. Los astrnomos siempre se encontraban ante la difcil situacin de que los resultados de sus medidas eran diferentes, lo cual era originado por la imperfeccin de los aparatos que utilizaban. Sin embargo, tenan que averiguar la forma de encontrar el valor correcto ms probable ante una gran cantidad de resultados. Gauss introdujo la distribucin normal para la solucin de este problema, apareciendo su primera referencia impresa en 1809. l observ que la distribucin de frecuencias de los resultados de las medidas se aproximaba a una distribucin normal, por lo que a la curva se le llam Curva de Errores de Gauss y a la distribucin correspondiente se le conoci incorrectamente como Distribucin Gaussiana. No obstante que haya sido Gauss quien dio a conocer esta distribucin, Adolphe Lambert Qutelet fue quien en realidad demostr su enorme importancia en la solucin de una amplia gama de problemas. Durante el siglo XIX se realizaron diversos intentos tratando de establecerle a esta distribucin la ley probabilstica base de todas las variables continuas y debido a esto se utiliz el trmino normal. Al parecer Qutelet fue el primero que habl de Distribucin Normal. 2. Definicin Es una distribucin de una variable aleatoria continua X, cuya funcin de densidad presenta la siguiente estructura:

Su variable aleatoria continua X sigue una distribucin normal de media y desviacin tpica , y se designa por N(, ), si se cumplen las siguientes condiciones: La variable puede tomar cualquier valor: (-, +) La funcin de densidad, es la expresin en trminos de ecuacin matemtica de la curva de Gauss. Este modelo de probabilidad, conocido como distribucin normal o de Gauss, desempea un papel fundamental en Estadstica. 3. Importancia La distribucin normal es definitivamente la ms importante y la de mayor uso de todas las distribuciones continuas de probabilidad. Su aplicacin abarca prcticamente todas las reas de la ciencia, gran parte de los fenmenos naturales y proporciona una representacin adecuada, al menos en una primera aproximacin, de gran cantidad de variables fsicas. As, su uso comprende problemas relativos a la ingeniera, economa, sociologa, agricultura, medicina, biologa, finanzas, meteorologa, geofsica, mediciones de partes manufacturadas, errores de instrumentos de medicin, etc. En resumen, la importancia de la distribucin normal radica en que: Son muchas las variables aleatorias que estn distribuidas normalmente cuando se realizan experimentos u observaciones empricas y hay otras ms que estn distribuidas en forma aproximadamente normal. Ciertas distribuciones se pueden aproximar mediante la distribucin normal. Esto se cumple, por ejemplo, para la distribucin binomial. Ciertas variables que son bsicas para justificar pruebas estadsticas estn distribuidas en forma normal, como las distribuciones muestrales de muestras grandes, intervalos de confianza, pruebas de hiptesis, el teorema del lmite central, etc. 4. Propiedades La distribucin tiene 2 parmetros: media (m) y desviacin estndar (s) y queda perfectamente determinada por ellos. Debido a esto es que la notacin abreviada que se usa para representar la distribucin es N(m, s) Su esperanza es . Su varianza es 2 y, por tanto, su desviacin tpica es .

Sus mediciones de tendencia central tienen bastante parecido. La moda, la mediana y la media tienen el mismo valor. Tiene una nica moda. El valor intercuartil puede diferir ligeramente de 1.33 desviaciones estndar. La distribucin es simtrica respecto a la media, es decir, el 50% del rea est a la izquierda de la media y el otro 50% a la derecha.

Su grafica tiene forma acampanada y es simtrico. El rea total bajo la curva y el eje de las x es la unidad. La probabilidad equivale al rea encerrada bajo la curva. La distribucin de probabilidad en un entorno a la media es: En el intervalo [ - , + ] se encuentra comprendida,

aproximadamente, el 68,26% de la distribucin: p( - < X + ) = 0.6826 = 68.26 % En el intervalo [ - 2, + 2] se encuentra, aproximadamente, el 95,44% de la distribucin: p( - 2 < X + 2) = 0.954 = 95.4 % En el intervalo [ - 2, + 2] se encuentra, aproximadamente, el 95,44% de la distribucin: p( - 3 < X + 3) = 0.997 = 99.7 % El punto de inflexin de la curva se encuentra a una distancia de una desviacin estndar (+s y -s) respecto al eje de las y, e invariablemente la tangente en este punto de inflexin corta al eje de las x a una distancia de 2 desviaciones estndar (+2s y -2s). La curva se extiende en ambas direcciones y tiende gradualmente a unirse al eje de las x por lo que solamente se juntan en menos infinito (-) y en ms infinito (+), aunque en la prctica la curva se corta en +4s y -4s. Es decir, la curva normal es asinttica al eje de las abscisas, por lo que cualquier valor entre menos infinito e infinito es tericamente posible. Su dispersin media es igual a 1.33 desviaciones estndar. Es decir, el alcance intercuartil est contenido dentro de un intervalo de dos tercios de una desviacin estndar por debajo de la media a dos tercios de una desviacin estndar por encima de la media.

El dominio de la variable aleatoria normalmente distribuida generalmente caer dentro de 3 desviaciones estndar por encima y por debajo de la media.

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 forma de la campana de Gauss depende de los parmetros y desviacin estndar. La media indica la posicin de la campana, de modo que para diferentes valores de la grfica es desplazada a lo largo del eje horizontal. Por otra parte, la desviacin estndar determina el grado de apuntamiento de la curva. Cuanto mayor sea el valor de la desviacin estndar, ms se dispersarn los datos en torno a la media y la curva ser ms plana. Un valor pequeo de este parmetro indica, por tanto, una gran probabilidad de obtener datos cercanos al valor medio de la distribucin.

Cualquier transformacin lineal de una variable con distribucin Normal seguir tambin el modelo Normal. Cualquier combinacin lineal de variables normales independientes sigue tambin una distribucin Normal.

5. Definicin 6. Caractersticas 7. Objetivos

} Esta distribucin es frecuentemente utilizada en las aplicaciones estadsticas. Su propio nombre indica su extendida utilizacin, justificada por la frecuencia o normalidad con la que ciertos fenmenos tienden a parecerse en su comportamiento a esta distribucin. Muchas variables aleatorias continuas presentan una funcin de densidad cuya grfica tiene forma de campana. En resumen, la importancia de la distribucin normal se debe principalmente a que 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, envergaduras, dimetros, permetros,...

Caracteres fisiolgicos, por ejemplo: efecto de una misma dosis de un frmaco, o de una misma cantidad de abono. Caracteres sociolgicos, por ejemplo: consumo de cierto producto por un mismo grupo de individuos, puntuaciones de examen entre otros. Caracteres psicolgicos, por ejemplo: cociente intelectual, grado de adaptacin a un medio etc. Errores cometidos al medir ciertas magnitudes. Valores estadsticos muestrales, por ejemplo: la media. Otras distribuciones como la binomial o la de Poisson se pueden aproximar adecuadamente con la distribucin normal. FUNCIN DE DENSIDAD DE UNA DISTRIBUCIN NORMAL:

Si la variable aleatoria x tiene densidad

para menos infinito < x < mas infinito

Donde la media y la desviacin estndar son nmeros tales que menos infinito < la media < mas infinito y cero < la desviacin estndar < ms infinito, donde e y son las constantes; e = 2,7182 y = 3,141. NOTACIN: Si la variable aleatoria x sigue una distribucin normal con media y varianza X~n(, )

Ahora, la media proporciona una medida de posicin central, mientras que la varianza da una medida de dispercin alrededor de la media.

El rea total debajo de la curva es igual a 1. El rea debajo de la curva comprendida entre - y + es aproximadamente igual a 0,68 del rea total; entre - 2 y + 2 es aproximadamente igual a 0,95 del rea total: Es importante ver que los nicos parmetros necesarios para dibujar el grfico de la distribucin normal son la media y desviacin stndard de la poblacin. Con estos dos parmetros sabemos donde situar la campana de Gauss (En el punto correspondiente a la media) y cual es su dispersin (Determinado por la desviacin standard).