Distribucin normal

Importancia de la distribucin normal

La distribucin normal es de suma importancia en estadstica por tres razones principales:
1. Numerosas variables continuas de fenmenos aleatorios tienden a comportarse
probabilisticamente mediante sta.
2. Es el lmite al que convergen tanto variables aleatorias continuas como discretas.
3. Proporciona la base de la inferencia estadstica clsica debido a su relacin con el teorema
del lmite central.
Propiedades de la distribucin normal
1. Su grafica tiene forma acampanada.
2. El valor esperado, la mediana y la moda tienen el mismo valor cuando la variable aleatoria
se distribuye normalmente.
3. Su dispersin media es igual a 1.33 desviacines 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.
En la prctica, algunas de las variables que observamos slo pueden aproximar estas
propiedades. As que si el fenmeno puede mediarse aproximadamente mediante la distribucin
normal se tendr:
1.
2.
3.
4.

Que el polgono puede verse en forma de campana y simtrico.

Sus mediciones de tendencia central tienen bastante parecido.
El valor intercuartil puede diferir ligeramente de 1.33 desviaciones estndar.
El dominio de la variable aleatoria normalmente distribuida generalmente caer dentro de
3 desviaciones estndar por encima y por debajo de la media.

El modelo matemtico

El modelo o expresin matemtica que representa una funcin de densidad de probabilidad se

denota mediante el smbolo
probabilidad.

. Para la distribucin normal, se tiene la siguiente funcin de

donde
es la constante matemtica aproximada por 2.71828

es la constante matemtica aproximada por 3.14159

Parmetros
es cualquier valor de la variable aleatoria continua, donde
As,

A continuacin se presentan las grficas de las funciones de densidad Normal con el objetivo de
observar cambios en la distribucin de probabilidad:
caso 1:
Cuando se mantiene la misma media, pero cambia la varianza.
Ejemplo:

caso 2:
Cuando se mantiene la misma varianza, pero cambia la media.
Ejemplo: (

Ahora, al examinar la primera y segunda derivada de

la curva normal:

, se pueden listar otras propiedades de

1. La moda, que es el punto sobre el eje horizontal donde la curva es un mximo ocurre
cuando

2. La curva es simtrica alrededor de un eje vertical a travs del valor esperado

3. La curva tiene sus puntos de inflexin en

, es cncava hacia abajo

si
, y es cncava hacia arriba en cualquier otro punto.
4. La curva normal se aproxima al eje horizontal de manera asinttica conforme nos
alejamos de la media en cualquier direccin.
Haciendo una transformacin a la variable aleatoria normal
conjunto de observaciones de una variable aleatoria normal

, sta se puede llevar a un nuevo

con media cero y varianza 1. A

dicha transformacin se le conoce como estadarizacin de la variable aleatoria normal