DISTRIBUCION NORMAL O DE GAUUS

INTRODUCCIN:
La distribucin de probabilidad conocida como distribucin normal es, por la cantidad
de fenmenos que explica, la ms importante de las distribuciones estadsticas.
La distribucin normal o distribucin de Gauss es una de las distribuciones de
probabilidad de variables continuas que aparece con ms frecuencia en fenmenos
reales, frente a otros tipos de distribuciones como las asimtricas o la exponencial.
La distribucin normal fue desarrollada por Abraham de Moivre, (16671754). Posteriormente, Carl Friedrich Gauss (17771855) elabor desarrollos ms
profundos y formul la ecuacin de la curva; de ah que tambin se la conozca, ms
comnmente, como la "campana de Gauss".
La distribucin de una variable normal est completamente determinada por dos
parmetros, su media y su desviacin estndar, denotadas generalmente por y .
La distribucin normal es la distribucin de probabilidad ms importante en estadstica,
debido a tres razones fundamentales:
Desde un punto de vista matemtico resulta conveniente suponer que la
distribucin de una poblacin de donde se ha extrado una muestra aleatoria
sigue una distribucin normal, ya que entonces se pueden obtener las
distribuciones de varias funciones importantes de las observaciones muestrales,
que adems resultan tener una forma sencilla.
Desde un punto de vista cientfico, la distribucin normal aproxima en muchas
ocasiones los valores obtenidos para variables que se miden sin errores
sistemticos. Por ejemplo, se ha observado que muchos experimentos fsicos
frecuentemente tienen distribuciones que son aproximadamente normales, como
estaturas o pesos de los individuos, la duracin de un producto perecedero, el
tiempo necesario para llevar a cabo un trabajo, etc
La ltima razn es la existencia del Teorema Central del Lmite, establece que
cuando se dispone de una muestra aleatoria grande, aunque presente una
distribucin no normal e incluso distribuciones tpicas de variables aleatorias
discretas, pueden tratarse como aproximadamente distribuciones normales.

CONCEPTOS FUNDAMENTALES

VARIABLE ALEATORIA CONTINUA:

Una variable aleatoria continua es aquella que puede asumir un nmero infinito de
valores dentro de un determinado rango.
Por ejemplo, el peso de una persona podra ser 80.5, 80.52, 80.525, dependiendo de
la precisin de la bscula.

DISTRIBUCIN DE PROBABILIDAD NORMAL:

La distribucin normal es una distribucin de probabilidad de variable continua que
describe los datos que se agrupan en torno a un valor central.

FUNCIN DE DENSIDAD DE PROBABILIDAD

Es aquella que nos permite conocer la probabilidad que tiene cada punto del intervalo,
viene definida por:

Donde:
b: es el extremo superior.
a: es el extremo inferior.

DISTRIBUCIN NORMAL
DEFINICION:
Una variable aleatoria continua, X, sigue una distribucin normal de parmetros y

Si su funcin de densidad es:

Los smbolos e
y tienen valores
aproximadamente
2.7183 y 3,1416

Donde:
Su MEDIA:

Su VARIANZA:

Su DESVIACION TIPICA:

< x <
< x <
>0

La Funcin de Probabilidad permite calcular la probabilidad de que una variable

aleatoria X, pertenezca a un intervalo [a,b]. Dicha probabilidad se obtiene como:

Se cumple que:

REPRESENTACION GRAFICA:
CAMPANA DE GAUSS

Se verifica
Que la curva es simtrica respecto a su media.
La media, la moda y la mediana coinciden.

La distribucin cumple tres propiedades bsicas:

1. se encuentra el 68% de la distribucin.
2. 2 se encuentra el 95,5% de la distribucin.
3. 3 se encuentra el 99,7% de la distribucin

DISTRIBUCION NORMAL TIPIFICADA:

La distribucin normal con = 0 y =1, N(0,1), se llama distribucin normal tipificada

o distribucin normal estndar y su funcin de distribucin est tabulada para
determinados valores
Se denota:

Si su funcin de densidad es:

Para calcular probabilidades en el caso de variables normales, con media y

desviacin tpica , N( ,), se debe transformar la variable a una variable normal
tipificada, N(0,1) con el siguiente proceso:
Si

X N ( ; ) , entonces la variable aleatoria:

Es decir, que es posible calcular el valor de la funcin de distribucin de cualquier

variable normal en cualquier punto si conocemos la distribucin de la normal tipificada
o estndar.

REPRESENTACIN GRFICA DE LA FUNCIN DE DENSIDAD DE LA

DISTRIBUCIN NORMAL TIPIFICADA:

Se verifica:
La curva es simtrica respecto a 0
La media, la moda y la mediana coinciden.

CARACTERISTICAS DE LA DISTRIBUCION NORMAL:

Los valores de las mediciones tienden a agruparse alrededor de un punto
central, la media.
La representacin de los datos es simtrica a ambos lados de la media.
Las desviaciones estndares quedan situadas a igual distancia unas de otras.
La curva normal tiene forma de campana y un solo pico en el centro de la
distribucin. De esta manera, la media aritmtica, la mediana y la moda de la
distribucin son iguales y se localizan en el pico. As, la mitad del rea bajo la
curva se encuentra a la derecha de este punto central y la otra mitad est a la
izquierda de dicho punto.
La curva normal desciende suavemente en ambas direcciones a partir del valor
central. Es asinttica, lo que quiere decir que la curva se acerca cada vez ms al
eje X pero jams llega a tocarlo. Es decir, las colas de la curva se extienden
de manera indefinida en ambas direcciones.
UTILIDAD:
Se utiliza muy a menudo porque hay muchas variables asociadas a fenmenos naturales
que siguen el modelo de la normal.

 Caracteres morfolgicos de individuos (personas plantas, animales,) de una

especie, por ejemplo: tallas, pesos, dimetros, distancias, permetros, etc.
Caracteres fisiolgicos, por ejemplo: efecto de una misma dosis de un frmaco,
o de una misma cantidad de abono.
Caracteres sociolgicos, por ejemplo: consumo de cierto producto por un mismo
grupo de individuos, puntuaciones de un examen, etc.
Caracteres psicolgicos, por ejemplo; cociente intelectual, grado de adaptacin a
un medio, etc.
Errores cometidos al medir ciertas magnitudes.
Valores estadsticos mustrales como la media, varianza y moda.

VENTAJAS Y DESVENTAJAS
VENTAJAS:

Es muy til cuando el Universo es muy grande o Infinito.

Cuando algunos de los elementos observados se destruye en la observacin.
Para ahorrar recursos, trabajo, tiempo y dinero.
Mayor precisin y exactitud en los resultados por mejor preparacin del
personal.

DESVENTAJA:
Siempre est presente el error de muestreo producto de la variabilidad intrnseca de los
elementos del universo, existen diferencias entre las medidas muestrales y los
parmetros poblacionales.

PROBLEMA 1: En los ltimos 30 ciclo en la Universidad Nacional de Trujillo

en la carrera de Ingeniera Industrial han egresado una cantidad menor a los que
comenzaron desde el primer ciclo. Se desea conocer cul es la probabilidad que
se egresen 85 alumnos en el siguiente ciclo.
DATOS:

DESARROLLO:
Obtenemos la media, desviacin tpica, la distribucin normal, la anchura y el
valor de z en tabla.

P ( Z 0.49 ) =1P ( Z 0.49 )=10.6879=0.3121

CONCLUSIN:
La
egresado de
la carrera
de
Ingeniera
Industrial
en la
sea mayor a
85 alumnos
es de
31.21%.

probabilidad de que la cantidad de

Universidad Nacional de Trujillo

PROBLEMA 2:

Supongamos que las estaturas de los 800 estudiantes de Ingeniera Industrial de

la Universidad Privada Antenor Orrego distribuidas con una media de 168 cm y
desviacin tpica de 10 cm. Hallar el nmero de alumnos con las siguientes
estaturas:
a) Entre 165 y 178 cm
b) Mayor o igual que 183 cm
DESARROLLO: