INTRODUCCIN

Esta distribucin es frecuentemente utilizada en las aplicaciones estadsticas.

Su propio nombre indica su extendida utilizacin, justificada por las frecuencia o
normalidad con la que las 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 otras ocasiones, al considerar distribuciones binomiales, tipo B(n,p), para un
mismo valor de p y de valores de n cada vez mayores, se ve que sus polgonos de
frecuencias se aproximan a una forma en 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: consciente intelectual, grado de adaptacin
a un medio.
- Errores cometidos al medir ciertas magnitudes.
- Valores estadsticos maestrales, por ejemplo: la media.
- Otras distribuciones como la binomial o la Poisson son aproximaciones normales.
Y en general cualquier caracterstica que se obtenga como suma de mucho
factores.

DISTRIBUCIN NORMAL
I.

Resea histrica
Abrahan De Moivre (1733) fue el primero en obtener la
ecuacin matemtica de la curva normal. Kart Friedrich Gauss y Mrquez
De Laplece (principios del siglo diecinueve) desarrollaron ms ampliamente
los conceptos de la curva. La curva normal tambin es llamada curva de
error, curva de campana, curva de Gauss, distribucin gaussiana o curva de
De Moivre.Su altura mxima se encuentra en la media aritmtica, es decir
su ordenada mxima corresponde a una abscisa igual a la media aritmtica.
La asimetra de la curva normal es nula y por su grado de apuntamiento o
curtosis se clasifica en mesocrtica.

II.

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 probabilsticamente 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.

III.

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 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.
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:
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.

IV.

Ecuacin
Su ecuacin matemtica de la funcin de densidad es:

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: N(30,1),N(30,3),N(30,6)

CASO 2:
Cuando se mantiene la misma varianza, pero cambia la media.
Ejemplo: ( N(30,2),N(35,2) y N(40,2) )

Ahora, al examinar la primera y segunda derivada de

f ( x ) , se pueden listar

otras propiedades de la curva normal:

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

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

esperado

3. La curva tiene sus puntos de inflexin en x=

hacia abajo si

x x < x < x + x

, es cncava

, 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 X, sta se puede llevar
a un nuevo conjunto de observaciones de una variable aleatoria normal con Z
media cero y varianza 1. A dicha transformacin se le conoce como estadarizacin
de la variable aleatoria normal X:

V.

Por qu es normal la distribucin Normal?

Al hacer mediciones de cualquier tipo y distribuir nuestros resultados bajo
algn criterio, es muy comn encontrar que los datos se agrupen de manera
muy caracterstica. En muchos de estos casos veremos que dichas
distribuciones siguen una forma muy particular en la que tenemos un mayor
nmero de observaciones para cierto valor, disminuyendo la cantidad de
observaciones a ambos lados de la observacin ms frecuente.
Un ejemplo es al dejar caer canicas por entre una serie clavos como lo
muestra la figura, al final del experimento con muchas canicas tendremos
que las canicas se han agrupado como se ve en la figura.

A este tipo de distribucin se le conoce como Distribucin Gaussiana, ya

que el matemtico alemn Karl F. Gauss (1799-1830) fue quien la describi
de manera analtica. La forma de sta funcin es parecida a la de una
campana, por eso tambin se conoce como campana de Gauss.

VI Cmo utilizar las tablas de la distribucin normal

Las tablas de la distribucin se pueden presentar de maneras distintas y hay que
examinarlas, pero la informacin es siempre la misma. Lo que habitualmente
interesa conocer es la probabilidad de obtener una puntuacin mayor o menor que
una determinada puntuacin tpica. Recordamos que una puntuacin tpica indica
la distancia o diferencia de una puntuacin (u observacin) con respecto a la
media expresada en desviaciones tpicas.
La media corresponde siempre a z = 0; las puntuaciones tpicas superiores a la
media tienen el signo ms y las puntuaciones tpicas inferiores a la media tienen el
signo menos. Cmo se utilizan las tablas de la distribucin normal lo veremos con
unos ejemplos.
1. Puntuaciones tpicas positivas (superiores a la media)
Por ejemplo z = +1.64
1. Lo primero que tenemos que hacer es imaginar o dibujar una curva
normal en la que la media (z = 0) divide la distribucin en dos reas de
idntico tamao; por encima de la media cae el 50% de los casos y por
debajo tenemos el otro 50% de los casos.

2. Como z
= +1.64 es
superior a
la media,
trazamos
una lnea por
dnde ms o menos cae z = +1.64, lo que importa es dibujarla a la derecha
de la media que es donde estn todos los valores positivos.

Observamos que el rea total de la distribucin queda dividida en dos

partes, rea mayor y rea menor. Al menos estas reas mayor y menor
suelen figurar en todas las tablas. Vamos a las tablas para ver los valores
que corresponden a z = 1.64:

Cmo se interpreta:
rea de la parte mayor.
a) La proporcin de casos que caen por debajo de + 1.64 es de .9495 o
(multiplicando por 100) el 94.95 % de los casos tienen una puntuacin inferior a z
= + 1.64.
b) Si redondeamos los decimales tenemos que una puntuacin de z = + 1.64
supera al 95 % de los casos o, lo que es lo mismo, que en la distribucin normal
una puntuacin tpica de +1.64 corresponde al Percentil 95. 10
rea de la parte menor.
a) La proporcin de casos que caen por encima de + 1.64 es de .0505 o
(multiplicando por 100 y redondeando) el 5 % de los casos tienen una puntuacin
superior a z = + 1.64.
b) La probabilidad de obtener una puntuacin tpica superior a + 1.64 es de .05
(slo el 5 % de los casos superan a z = + 1.64), o, lo que es lo mismo, en la
distribucin normal una puntuacin tpica de -1.64 corresponde al Percentil 5.
2. Puntuaciones tpicas negativas (inferiores a la media)
Por ejemplo z = -1.64
Como z = -1.64 es inferior a la media (x= 0), trazamos una lnea por dnde
ms o menos cae z = -1.64, lo que importa ahora es dibujarla a la izquierda
de la media (x= 0) que es donde estn todos los valores negativos, como ya
hemos visto en la imagen.

Ahora las reas mayor y menor estn invertidas (la curva es simtrica). Como en
las tablas las puntuaciones tpicas estn sin signo ms o menos, los valores son
los mismos.

Lo que va a variar cuando la puntuacin tpica es negativa (inferior a la media) es

la interpretacin de las reas mayor y menor.
rea de la parte mayor
El 95 % de los casos caen por encima de z = -1.64, o la probabilidad de
obtener una puntuacin superior a 1.64 es de .95 (o del 95 %).
rea de la parte menor.
a) La probabilidad de obtener una puntuacin tpica inferior a 1.64 es
de .05 (o del 5 %)
b) Una puntuacin tpica igual a 1.64 supera al 5 % de los casos, o, lo que
es lo mismo, en la distribucin normal una puntuacin tpica de z = -1.64
equivale al Percentil 5.

Las interpretaciones ms tiles y frecuentes son las que estn puestas en cursiva:
1. Probabilidad de obtener una puntuacin tpica superior si es positiva o inferior si
es negativa. En ambos casos nos fijamos en el rea menor.
2. Percentil equivalente a cualquier puntuacin tpica, o tanto por ciento de casos
que caen por debajo porque son superados por esa puntuacin tpica

3. Puntuaciones tpicas positivas o negativas (en trminos absolutos)

Con frecuencia nos interesa conocer las probabilidades de obtener una
puntuacin mayor en trminos absolutos (superiores con signo ms e
inferiores con signo menos). En estos casos multiplicamos por dos el rea
menor, porque nos fijamos en los dos extremos de la distribucin

La probabilidad de obtener una puntuacin superior a 1.64 en trminos

absolutos es de 0.10 o del 10%; un 5 % por encima de +1.64 y otro 5 % por
debajo de 1.64.
Un caso de especial inters en estadstica inferencial, que corresponde a z
= 1.96

La probabilidad de encontrar una puntuacin superior a 1.96 (positiva o

negativa, en trminos absolutos) es del 5% (2.5% + 2.5%). El apartarse en
1.96 desviaciones tpicas de la media (independientemente del signo) se
considera ya muy inusual, muy poco probable; en muchos planteamientos
de investigacin los resultados convencionalmente normales (el 95%) se
sitan entre 1.96 y +1.96.

4. Probabilidad entre la media y un valor X

Cul es la probabilidad de encontrar un dato entre la media y 24?
Suponiendo que la media es 15.
Es decir, como se observa en la grfica.
Calculamos Z para X=24

z=

x 2415
=
=1.58

5.69

Buscamos este valor en la tabla, la probabilidad asociada a un valor

Z=1.58, es decir P (Z1.58)

Por tanto la probabilidad de encontrar un dato entre la media y 24 es igual a

0,4429466. Recuerde que si en vez de 24 el dato fuera 6, el valor Z
resultante sera aproximadamente -1.58, y el valor de la probabilidad seria el
mismo, por las propiedades de la distribucin normal ya expuestas
anteriormente.

5. Probabilidad entre un valor X1< y X2>

6.
Cul es la probabilidad de encontrar un dato entre 11 y 19? Suponiendo
que la media es 15.
Es decir, como se observa en la grfica:

En este caso los valores nos dan iguales por tanto debemos buscar en la
tabla de probabilidades, el valor correspondiente a Z=0.7

Por lo tanto la probabilidad sera igual a:

P(X1<<X2) = P (ZX1) + P (Zx2)
P (11<<19) = P (Z0.7) + P (Z0.7)
P (11<<19) = O.25803 + 0.25803
P (11<<19) = 0.51606
Por tanto, la probabilidad de encontrar un nmero 11 y 19, para una media
igual a 15, con desviacin estndar igual a 5.69 es de 51.606%

7. Probabilidad entre un valor <X1<X2

Cul es la probabilidad de encontrar un dato entre 17 y 22? Es decir, como

se observa en la grfica:

Debemos buscar en la tabla los valores correspondientes a Z=0.35 y Z=1.23

Para P (ZX1)=P (Z0.35)= 0.1368307

Para P (ZX2)=P(Z1.23)= 0.3906514

Por lo tanto la probabilidad ser igual a:

< 1 < 2 = (2) (1)
< 1 < 2 = (1.23 ) (0.35)
< 1 < 2 = 0.3906514 0.1368307 0.2538
R// La probabilidad de encontrar un dato entre 22 y 17, para una media de
15 y una D.E. de 5.69 es igual a 25.38%
8. Probabilidad para una valor superior a X1
Cul es la probabilidad de encontrar un dato por encima de 24? Es decir,
como se observa en la grfica.

Calculamos Z para X=24

Z=

x
2415
=

5.69 =1.58

Buscamos este valor en la tabla, la probabilidad asociada a un valor

Z=1.58, es decir P (Z1.58).

Por las propiedades de la distribucin normal expuestas anteriormente,

tenemos que la probabilidad ser Igual a:
> 1 = 0.5 (1)
> 1 = 0.5 (11.58 )

 > 1 = 0.5 0.4429466

> 1 = 0,0570534
La probabilidad de encontrar un nmero superior a 24 es igual a 5.71%

9. Probabilidad para <X1Y X2>

Lo que deseamos en este caso es encontrar la probabilidad de encontrar un
dato por fuera de dos nmeros; X1, en este caso lo tomaremos como 7.5, y
X2 que ser 22.5, como se observa en la grfica.

Debemos, como hemos hecho en casos anteriores, calcular las

probabilidades para X1 y X2.
Z=

x
22.515
=
=1.32

5.69

Buscamos este valor en la tabla, la probabilidad asociada a un valor

Z=1.32, es decir P (Z1.32)

Z=

x
5.515
= 5.69
=-1.67

Buscamos este valor en la tabla, la probabilidad asociada a un valor

Z=1.67, es decir P (Z1.67)

Por propiedades de la distribucin normal vistas anteriormente.

< 1 2 > = 1 1

+ (2 )

< 1 2 > = 1 1.32 + (1.67)

< 1 2 > = 1 0,4065825 + 0,4525403
< 1 2 > = 1 0,85183653
< 1 2 > =0,14816347
Por tanto, la probabilidad de encontrar un numero por fuera de 5.5 y 22.5,
para una media igual a 15 y una desviacin igual a 5.69 es de 14.82%
VII.

TABLA DE LA DISTRIBUCIN NORMAL

VIII. PROBLEMA PROPUESTO

Se presenta una muestra de 80 ventas de acero (Tn) realizadas en el
ao 2013 por la corporacin Aceros Arequipa S.A.
Datos:
60; 66; 77; 70; 66; 68; 57; 70; 66; 57; 75; 65; 69; 71; 58; 66; 67; 74; 61;
63; 69; 80; 59; 66; 70; 67; 78; 75; 64; 71; 81; 62; 64; 69; 68; 72; 85; 57;
65; 74; 67; 57; 65; 65; 69; 61; 67; 73; 57; 62; 67; 68; 63; 67; 71; 68; 76;
61; 62; 63; 76; 61; 67; 67; 64; 72; 64; 73; 79; 58; 67; 71; 68; 59; 69; 70;
66; 62; 63; 66
Formando la tabla:

R = 85 57 = 28
1+ 3.3Log (80)
W=

K=

28
7

= 7,2 = 7

Li Ls

Xi

fi

Fi

hi

Hi

hi %

Hi%

Xifi

(xiX

57
61>
61
65>
65
69>
69
73>

- 5
9
- 6
3
- 6
7
- 7
1

1
0
1
6
2
5
1
5

1
0
2
6
5
1
6
6

(xi2

0.125

0.125

12.5

12.5

590

21.16

0.2

0.325

20

32.5

73.96

0.312
5
0.187
5

0.637
5
0.825

31.2
5
18.7
5

63.7
5
82.5

100
8
167
5
106
5

158.7
6
275.5
6

fi
211.6
2

1183.3
6
3969
4133.4

73
77>
77
81>
81
85>

- 7
8
5
- 7
4
9
- 8
2
3
N=80
=16948.8

x =

7
4
7
8
8
0

4355
80 =54.4

S= 211.86 =14.5

0.1

0.925

10

92.5

600

0.05

0.975

97.5

316

0.025

1.000

2.5

166

424.3 3394.8
6
8
605.1 2420.6
6
4
817.9 1635.9
6
2
=4355

16948.8
S2 80
=211.86