REPUBLICA BOLIVARIANA DE VENEZUELA

MINISTERIO DEL PODER POPULAR PARA LA EDUCACION

UNIVERSITARIA
UNIVERSIDAD BICENTENARIA DE ARAGUA
FACULTAD DE CIENCIAS SOCIALES
ESCUELA DE PSICOLOGIA
SAN JOAQUIN DE TURMERO.

PSICOLOGIA T1

Participante:
Carlos Alberto Cabuya Guerrero.
Docente: Lic. Wilmar Prez Rojas.

San Cristbal, febrero 2016

INTRODUCCIN
El presente trabajo es realizado con la finalidad de dar a conocer la importancia que
tuvo Carl Friedrich Gauss, con su Obra: La Campana de Gauss.
El estudio es importante porque va a aportar en el conocimiento de los educandos
que se vienen desarrollando en la UNIVERSIDAD BICENTENARIA DE ARAGUA.
Gauss es sin duda uno de los tres genios de la historia de las Matemticas. Sus
aportaciones en todos los campos matemticos fueron increbles, aunque algunos de
sus descubrimientos tuvieran que esperar ms de un siglo para ser valorados
debidamente.
En conclusin la campana de Gauss intenta dar una base matemtica a ciertos
comportamientos de la naturaleza o de la sociedad.

DISTRIBUCION NORMAL O DISTRIBUCION DE GAUSS

En estadstica y probabilidad se llama distribucin normal, distribucin de Gauss o
distribucin gaussiana, a una de las distribuciones de probabilidad de variable
continua que con ms frecuencia aparece aproximada en fenmenos reales.
La distribucin normal es una distribucin de probabilidad de variable continua que
describe los datos que se agrupan en torno a un valor central. Todo proceso en el que
solo existan causas aleatorias de variacin sigue una ley de distribucin normal.
Esta condicin que aparece con frecuencia en fenmenos naturales (de ah que se la
denomine normal), puede obtenerse en los procesos industriales si los procesos se
llevan a un estado en el que solo existen causas comunes de variacin. La
representacin grfica es la curva de distribucin normal tambin denominada
campana de Gauss en honor del renombrado cientfico alemn Carl Friedrich Gauss a
quien se le atribuye errneamente su invencin pero que sin duda la us
frecuentemente para analizar fenmenos astronmicos con xito.
La grfica de su funcin de densidad tiene una forma acampanada y es simtrica
respect de un determinado parmetro. Esta curva se conoce como campana de
Gauss. En otras palabras, La campana de Gauss es una representacin grfica de la
distribucin normal de un grupo de datos. stos se reparten en valores bajos, medios
y altos, creando un grfico de forma acampanada y simtrica con respecto a un
determinado parmetro. El punto mximo de la curva corresponde a la media, y tiene
dos puntos de inflexin a ambos lados.

Caractersticas de la distribucin normal de la

probabilidad.
1. La curva tiene un solo pico, por consiguiente es unimodal. Presenta una forma de
campana.
2. La media de una poblacin distribuida normalmente se encuentra en el centro de
su curva normal.
3. A causa de la simetra de la distribucin normal de probabilidad, la mediana y la
moda de la distribucin tambin se hallan en el centro, por tanto en una curva normal,
la media, la mediana y la moda poseen el mismo valor.
4. Las dos colas (extremos) de una distribucin normal de probabilidad se extienden
de manera indefinida y nunca tocan el eje horizontal.
5. La distribucin normal tiene forma de campana.
6. La distribucin normal es una distribucin de probabilidad que tiene
y desviacin estndar = 1.

media = 0

7. El rea bajo la curva o la probabilidad desde menos infinito a ms infinito vale 1.

8. La distribucin normal es simtrica, es decir cada mitad de curva tiene un rea
de0.5.
9. La escala horizontal de la curva se mide en desviaciones estndar.
10. La forma y la posicin de una distribucin normal dependen de los parmetros,
en consecuencia hay un nmero infinito de distribuciones normales
11. Los valores de las mediciones tienden a agruparse alrededor de un punto central,
la media
12. La representacin de los datos es simtrica a ambos lados de la media
13. Las desviaciones estndares quedan situadas a igual distancia unas de otras
14. La proporcin de mediciones situada entre la media y las desviaciones es una
constante en la que:

La media 1 * desviacin estndar = cubre el 68,3% de los casos

La media 2 * desviacin estndar = cubre el 95,5% de los casos
La media 3 * desviacin estndar = cubre el 99,7% de los casos

Podemos analizar el comportamiento de los procesos grficos y determinar su

efectividad tomando como base su grado de aproximacin a la curva de distribucin
normal a partir de los datos generados y la creacin de histogramas que permitan la
comparacin con curva de distribucin normal.

IMPORTANCIA
La importancia de esta distribucin radica en que permite modelar numerosos
fenmenos naturales, sociales y psicolgicos. Mientras que los mecanismos que
subyacen a gran parte de este tipo de fenmenos son desconocidos, por la enorme
cantidad de variables incontrolables que en ellos intervienen, el uso del modelo normal
puede justificarse asumiendo que cada observacin se obtiene como la suma de unas
pocas causas independientes.
De hecho, la estadstica es un modelo matemtico que slo permite describir un
fenmeno, sin explicacin alguna. Para la explicacin causal es preciso el diseo
experimental, de ah que al uso de la estadstica en psicologa y sociologa sea
conocido como mtodo correlacional.
La distribucin normal tambin es importante por su relacin con la estimacin por
mnimos cuadrados, uno de los mtodos de estimacin ms simples y antiguos.
Algunos ejemplos de variables asociadas a fenmenos naturales que siguen el
modelo de la normal son:
* Caracteres morfolgicos de individuos como la estatura;
* Caracteres fisiolgicos como el efecto de un frmaco;
* Caracteres sociolgicos como el consumo de cierto producto por un mismo
grupo de individuos;
* Caracteres psicolgicos como el cociente intelectual;
* Nivel de ruido en telecomunicaciones;
* Errores cometidos al medir ciertas magnitudes, etc.
La distribucin normal tambin aparece en muchas reas de la propia estadstica.
Por ejemplo, la distribucin muestral de las medias mustrales es aproximadamente
normal, cuando la distribucin de la poblacin de la cual se extrae la muestra no es
normal. Adems, la distribucin normal maximiza la entropa entre todas las
distribuciones con media y varianza conocidas, lo cual la convierte en la eleccin
natural de la distribucin subyacente a una lista de datos resumidos en trminos de
media muestral y varianza. La distribucin normal es la ms extendida en estadstica y
muchos test estadsticos estn basados en una supuesta "normalidad".
En probabilidad, la distribucin normal aparece como el lmite de varias distribuciones
de probabilidades continuas y discretas.

PROPIEDADES
El campo de existencia es cualquier valor real, es decir, (-, +).
Es simtrica respecto a la media .
Tiene un mximo en la media .
Crece hasta la media y decrece a partir de ella.
En los puntos y + presenta puntos de inflexin.
El eje de abscisas es una asntota de la curva.
El rea del recinto determinado por la funcin y el eje de abscisas es igual a la
unidad.
Al ser simtrica respecto al eje que pasa por x = , deja un rea igual a 0.5 a
la izquierda y otra igual a 0.5 a la derecha.
La probabilidad equivale al rea encerrada bajo la curva.

p( - < X + ) = 0.6826 = 68.26 %

p( - 2 < X + 2) = 0.954 = 95.4 %
p( - 3 < X + 3) = 0.997 = 99.7 %

DISTRIBUCIN NORMAL

La distribucin normal queda definida por dos parmetros,

su media y su desviacin tpica y la representamos as

FUNCIN DE DISTRIBUCIN
Puede tomar cualquier valor (- , + )
Son ms probables los valores cercanos a uno central que llamamos media
Conforme nos separamos de ese valor , la probabilidad va decreciendo
de igual forma a derecha e izquierda (es simtrica).
Conforme nos separamos de ese valor , la probabilidad va
decreciendo de forma ms o menos rpida dependiendo de un
parmetro , que es la desviacin tpica.

F(x) es el rea sombreada de esta

grfica

TIPIFICACIN
DISTRIBUCIN NORMAL

Por tanto su funcin de densidad es

y su funcin de distribucin es

Siendo la representacin grfica de esta funcin a la variable Z se la

denomina variable tipificada de X, y a la curva de su funcin de densidad curva
normal tipificada.

Caracterstica de la distribucin normal tipificada (reducida, estndar)

No depende de ningn parmetro

Su media es 0, su varianza es 1 y su desviacin tpica es 1.

La curva f(x) es simtrica respecto del eje OY

Tiene un mximo en este eje

Tiene dos puntos de inflexin en z =1 y z = -1

DISTRIBUCIN NORMAL
Aproximacin de la Binomial por la Normal (Teorema de De Moivre) :
Demostr que bajo determinadas condiciones (para n grande y
tanto p como q no estn prximos a cero) la distribucin Binomial B(n, p) se
puede aproximar mediante una distribucin normal

Debemos tener en cuenta que cuanto mayor sea el valor de n, y

cuanto ms prximo sea p a 0.5, tanto mejor ser la aproximacin realizada.
Es decir, basta con que se verifique

Gracias a esta aproximacin es fcil hallar probabilidades

binomiales, que para valores grandes de n resulten muy laboriosos de
calcular.
Hay que tener en cuenta que para realizar correctamente esta
transformacin de una variable discreta (binomial) en una variable
continua (normal) es necesario hacer una correccin de continuidad.

DISTRIBUCIN NORMAL

MANEJO DE TABLAS. CASOS MS FRECUENTES.

La distribucin de la variable Z se encuentra tabulada

DISTRIBUCIN NORMAL

UTILIZANDO OTRO TIPO DE EXPLICACION DE LA

DISTRIBUCION NORMAL O DISTRIBUCION DE GAUSS
LA DISTRIBUCIN NORMAL:
La distribucin normal N (, ): es un modelo matemtico que rige muchos
fenmenos. La experiencia demuestra que las distribuciones de la mayora de las
muestras tomadas en el campo de la industria se aproximan a la distribucin normal si
el tamao de la muestra es grande. Esta distribucin queda definida por dos
parmetros: la media y la desviacin tpica . Se presenta mediante una curva
simtrica conocida como campana de Gauss. Esta distribucin nos da la probabilidad
de que al elegir un valor, ste tenga una medida contenida en unos intervalos
definidos. Esto permitir predecir de forma aproximada, el comportamiento futuro de
un proceso, conociendo los datos del presente.

La distribucin normal fue reconocida por primera vez por el

francs Abraham de Moivre (1667 -1754).
Posteriormente, Carl Friedrich Gauss (1777 -1855) realiz estudios ms a fondo
donde formula la ecuacin de la curva conocida comnmente, como la Campana de
Gauss ".

Una distribucin normal de media y desviacin tpica se designa por

N(, ). Su grfica es la campana de Gauss :

El rea del recinto determinado por la funcin y el eje de abscisas es igual a la

unidad.

Al ser simtrica respecto al eje que pasa por x = , deja un rea igual a 0.5 a la
izquierda y otra igual a 0.5 a la derecha.
La probabilidad equivale al rea encerrada bajo la curva.

DISTRIBUCIN NORMAL ESTNDAR N(0, 1)

La distribucin normal estndar, o tipificada o reducida, es aquella que tiene
por media el valor cero( =0), y por desviacin tpica uno ( =1).

La probabilidad de la variable X depender del rea del rea sombreado en

la figura. Y para calcularla utilizaremos una tabla adjunta)

TIPIFICACIN DE LA VARIABLE
Para poder utilizar la tabla tenemos que transformar la variable X que sigue una
distribucin N (,) en otra variable Z que siga una distribucin N(0, 1).

Clculo de probabilidades en distribuciones normales

La tabla nos da las probabilidades de P(z k) , siendo z la variable tipificada.

Estas probabilidades nos dan la funcin de distribucin (k).

(k) = P(z k)

Bsqueda en la tabla de valor de k

Unidades y dcimas en la columna de la izquierda y Centsimas en la
fila de superior .
P(Z a)=1- P(Z > a)

P(Z > a) = 1 - P(Z a)

P(Z a) = 1 P(Z a)

P(Z > a) = 1-P(Z -a)

P(a < Z b ) = P(Z b) P(Z a)

P(b < Z a ) = P(a < Z b )

Nos encontramos con el caso inverso a los anteriores, conocemos el valor de la

probabilidad y se trata de hallar el valor de la abscisa. Ahora tenemos que buscar en la
tabla el valor que ms se aproxime a K.

P(a < Z b ) = P(Z b) * 1 P(Z a)+

p=K
Para calcular la variable X nos vamos a la frmula de la tipificacin.

EJERCICIOS
1. Varios test de inteligencia dieron una puntuacin que sigue una ley
normal con media 100 y desviacin t tpica 15.
a) Determinar el porcentaje de poblacin que obtendra un
coeficiente entre 95 y 110.

2.
Varios test de inteligencia dieron una puntuacin que sigue una ley
normal con media 100 y desviacin tpica 15.

a) Determinar el porcentaje de poblacin que obtendra un

coeficiente entre 95 y 110

CONCLUSIONES
Gauss es sin duda uno de los tres genios de la historia de las
Matemticas. Sus aportaciones en todos los campos matemticos fueron
increbles, aunque algunos de sus descubrimientos tuvieran que esperar ms
de un siglo para ser valorados debidamente.
Bsicamente, la campana de Gauss intenta dar una base
matemtica a ciertos comportamientos de la naturaleza o de la sociedad.
Explica los ciclos de nacimiento, crecimiento, madurez y declive de todo lo que
nos rodea.
Un ejemplo claro y entendible por todos, aplicado al mundo
empresarial, podra ser el ciclo de vida de una empresa: sta nace con unos
beneficios escasos o casi nulos. Con el tiempo va crendose un nicho de
mercado que hace que sus beneficios vayan en aumento. As continuar
durante un perodo de tiempo indeterminado. La comprensin y aplicacin de
la Funcin Gaussiana, es base fundamental para el estudio de la probabilidad,
al dar respuesta a situaciones complejas y de una forma sencilla, mediante la
distribucin de datos en una representacin grfica en forma de campana.