DISTRIBUCIÓN NORMAL

En estadística y probabilidad se llama distribución normal, distribución de Gauss o distribución gaussiana, a una de
las distribuciones de probabilidad de variable continua que con más frecuencia aparece aproximada en fenómenos reales
La gráfica de su función de densidad tiene una forma acampanada y es simétrica respecto de un determinado parámetro
estadístico. Esta curva se conoce como campana de Gauss y es el gráfico de una función gaussiana.
La importancia de esta distribución radica en que permite modelar numerosos fenómenos naturales, sociales y psicológicos.

Mientras que los mecanismos que subyacen a gran parte de este tipo de fenómenos son desconocidos, por la enorme cantidad
de variables incontrolables que en ellos intervienen, el uso del modelo normal puede justificarse asumiendo que cada
observación se obtiene como la suma de unas pocas causas independientes.
De hecho, la estadística descriptiva sólo permite describir un fenómeno, sin explicación alguna. Para la explicación causal es
preciso el diseño experimental, de ahí que al uso de la estadística en psicología y sociología sea conocido como método
correlacional.

La distribución normal también es importante por su relación con la estimación por mínimos cuadrados, uno de los métodos de
estimación más simples y antiguos.

Algunos ejemplos de variables asociadas a fenómenos naturales que siguen el modelo de la normal son:
 Caracteres morfológicos de individuos como la estatura;
 Caracteres fisiológicos como el efecto de un fármaco;
 Caracteres sociológicos como el consumo de cierto producto por un mismo grupo de individuos;
 Caracteres psicológicos como el cociente intelectual; nivel de ruido en telecomunicaciones; errores cometidos al medir
ciertas magnitudes;
 etc.

Gran número de distribuciones tienen la forma de una campana; es decir, alejándonos de la media, a derecha e izquierda, el
número de observaciones decrece de forma similar. Esto genera una curva simétrica. Se estudió su ecuación, resultando en
función de la media y desviación típica de la distribución. Ante las infinitas posibles medias y desviaciones, nos encontramos con
una infinidad de posibles distribuciones normales pero, el proceso de tipificación, permite reducirlas a una única con media 0 y
desviación típica 1. Tal distribución se denomina normal tipificada y se representa N(0,1).

En términos de probabilidad, definimos igualmente la variable aleatoria normal,

como aquella que tiene por gráfica de su función de densidad la representada a la
izquierda. El área bajo la curva será igual a la unidad y, con este criterio se
confeccionaron tablas estadísticas que calculan el área para un cierto intervalo de
valores de la variable.

Recordemos pues que la curva normal: a) es simétrica respecto a la media b) se

establece que el área bajo su gráfica es igual a 1.

Consecuencia de ello es, por ejemplo, que el área a la derecha de la media (o a la

izquierda es 0'5) y que el área desde la media a un valor -v coincide con el área
desde la media a v.
Tipificación

 Dada una variable de media μ y desviación típica σ, se denomina valor tipificado z,

de una observación x, a la distancia (con signo) con respecto a la media, medido en
desviaciones típicas, es decir:

 En el caso de variable X normal, la interpretación es clara: asigna a todo valor de N

(μ, σ), un valor de N(0,1) que deja exáctamente la misma probabilidad por debajo.

 Nos permite así comparar entre dos valores de dos distribuciones normales diferentes, para saber cuál de los dos es más
extremo.

Ejemplos

1. La estatura de una población es una variable aleatoria normalmente distribuida con media 172.2 cm y desviación estándar
6.35 cm. Se desea seleccionar una muestra al azar de 200 personas. Cuantas de ellas se espera que midan:
a. Entre 170 y 172 cm
b. Más de 177.8 cm
c. Menos de 150 cm
d. Al menos 120 cm
e. Más de 200 o menos de 120 cm
2. Suponga que se sabe que la estatura de cierta población de individuos sigue una distribución aproximadamente normal con
media de 70 pulgadas y una desviación estándar de 3 pulgadas. ¿Cuál es la probabilidad de que una persona seleccionada al
azar de este grupo tenga una estatura entre 65 y 74 pulgadas?

Análogamente, para x = 74 se tiene

Se encuentra que el área entre - 00 y -1.67 es de .0475 y el área entre

- 00 y 1.33 es 0.9082. El área deseada es la diferencia entre
0.9082 .0475 = 0.8607. En resumen Distribución de estaturas (x) y la distribución
normal estándar correspondiente (z).

Por 10 tanto, la probabilidad .8607 responde a la pregunta original.

b) En una población de 10,000 de las personas descritas en el ejemplo anterior, ¿cuántas personas se espera que tengan una
estatura de 6 pies y 5 pulgadas 0 mas?

Solución: Primero se calcula la probabilidad de que una persona, elegida al azar entre esa población, tenga una estatura de 6
pies y 5 pulgadas; esto es,

Se puede esperar que de las 10,000 personas: 10,000(.0099) = 99 tengan una estatura de 6 pies y 5 pulgadas (77 pulgadas)
0 mas.

3. Las calificaciones de los 500 aspirantes presentados a un examen para contratación laboral, se distribuye
normalmente con media 6.5 y varianza 4.
a) Calcule la probabilidad de que un aspirante obtenga más de 8 puntos.
b) Determine la proporción de aspirantes con calificaciones inferiores a 5 puntos.
c) ¿Cuántos aspirantes obtuvieron calificaciones comprendidas entre 5 y 7.5 puntos?