DISTRIBUCIÓN NORMAL

La distribución normal es un modelo teórico capaz de aproximar satisfactoriamente el valor de una

variable aleatoria continua a una situación ideal.

En otras palabras, la distribución normal adapta una variable aleatoria continua a una función que
depende de la media y la desviación típica. Es decir, la función y la variable aleatoria continua
tendrán la misma representación pero con ligeras diferencias.

Una variable aleatoria continua puede tomar cualquier número real. Por ejemplo, las rentabilidades
de las acciones, los resultados de un examen, el coeficiente de inteligencia IQ y los errores estándar
son variables aleatorias continuas.

La distribución normal es la base de otras distribuciones como la distribución t de Student,

distribución ji-cuadrada, distribución F de Fisher y otras distribuciones.

Fórmula

Dada una variable aleatoria X, decimos que la frecuencia de sus observaciones puede aproximarse
satisfactoriamente a una distribución normal tal que:

X N (μ,σ)
Variable aleatoria X aproximada auna distribución normal .
Donde los parámetros de la distribución son la media o valor central y la desviación típica:

media o valor central=μ

desviación típica=σ
En otras palabras, estamos diciendo que la frecuencia de una variable aleatoria X puede
representarse mediante una distribución normal.

Representación

Función de densidad de probabilidad de una variable aleatoria que sigue una distribución normal.
Propiedades

 Es una distribución simétrica. El valor de la media, la mediana y la moda coinciden.

Matemáticamente,

Media = Mediana = Moda

 Distribución unimodal. Los valores que son más frecuentes o que tienen más probabilidad
de aparecer están alrededor de la media. En otras palabras, cuando nos alejamos de la
media, la probabilidad de aparición de los valores y su frecuencia descienden.

¿Qué necesitamos para representar una distribución normal?

 Una variable aleatoria continúa.

 Calcular la media.
 Calcular la desviación típica.
 Decidir la función que queremos representar: función de densidad de probabilidad o
función de distribución.

EJEMPLOS:

1) El acero que se utiliza para tuberías de agua a menudo se recubre internamente con un mortero de
cemento para evitar la corrosión. En un estudio de los recubrimientos de mortero de una tubería
empleada en un proyecto de transmisión de agua en California (Transportation Engineering Journal,
Noviembre de 1979) se especificó un espesor de 7/16 pulgadas para el mortero. Un gran número de
mediciones de espesor dieron una media de 0.635 pulgadas y una desviación estándar de 0.082
pulgadas. Sí las mediciones de espesor, tenían una distribución Normal, ¿qué porcentaje
aproximado fue inferior a 7/16 de pulgada?

Solución:
x=variable que nos define el espesor delmortero en pulgadas
μ=0.635 pulgadas
σ =0.082 pulgada s
 7
−035
16 0.4375−0.635
Z= = =−2.4085 ≈−2.41
0.082 0.082

p ( z=−2.41 )=0.492

p(x <7/16 pulgadas)=0.5− p( z =−2.41)=0.5−0.492=0.008

Por tanto , 0.008 x 100 %=0.8 % de los recubrimientos de mortero tienen

un espesor menor de 7 /16 pulgadas

2) Un tubo fluorescente estándar tiene una duración distribuida Normalmente, con una media de
7,000 horas y una desviación estándar de 1,000 horas. Un competidor ha inventado un sistema de
iluminación fluorescente compacto que se puede insertar en los receptáculos de lámparas
incandescentes. El competidor asegura que el nuevo tubo compacto tiene una duración distribuida
Normalmente con una media de 7,500 horas y una desviación estándar de 1,200 horas. a. ¿Cuál tubo
fluorescente tiene mayor probabilidad de tener una duración mayor de 9,000 horas? b. ¿Cuál tubo
tiene mayor probabilidad de tener una duración de menos de 5,000 horas?

a ¿ Tubo 1
X 1 =variable que nos define la duración en horas de un tubo fluorescente
μ=7,000horas
σ =1,000 hora s

Tubo 2
X 2 =variable que nos define la duración deltubo fluorescente del competidor
μ=7,500horas
σ =1,200 hora s

9,000−7,000
Z1 = =2.00 p ( z1 =2.00 )=0.4772
1,000

p(x 1 >9,000 horas)=0.5 – p( z 1=2.00)=0.5 – 0.4772=0.0228

 9,000−7,500
z 1= =1.25 p ( z 2=1.25 ) =0.3944
1,200

p ( x 2> 9,000 horas ) =0.5−p ( z 2=1.25 )=0.5−0.3944=0.1056

Por tanto el tubo fluorescente del competidor tiene una probabilidad mayor de durar
más de 9,000horas .
b)

5,000−7,000
z 1= =−2.00 p ( z 1=2.00 ) =0.4772
1,000

p ( x 1<5,000 horas ) =0.5− p ( z 1=−2.00 ) =0.5−0.4772=0.0228

5,000−7500
z 2= =−2.08 p ( z 2=−2.08 ) =0.4812
1,200

p ( x 2<5,000 horas ) =0.5− p ( z 2=−2.08 )=0.5−0.4812=0.0188

Por tanto , el tubo fluorescente que tiene una mayor probabilidad de durar menosde
5,000 horas es el del primer fabricante.