DISTRIBUCIN DE PROBABILIDAD NORMAL (GAUSSIANA)

La distribucin normal naci el 12 de noviembre de 1933, mediante un pequeo trabajo que public el matemtico francs Abraham De Moivre (1667 1754). Posteriormente Gauss (1777 -1855) realiz estudios ms a fondo donde formula la ecuacin de la curva conocida comnmente, como la Campana de Gauss".

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.

IMPORTANCIA DE LA DISTRIBUCIN NORMAL

La distribucin normal es de suma importancia en estadstica por tres razones principales: Numerosas variables continuas de fenmenos aleatorios tienden a comportarse probabilsticamente mediante sta. Es el lmite al que convergen tanto variables aleatorias continuas como discretas. Proporciona la base de la inferencia estadstica clsica debido a su relacin con el teorema del lmite central.

 PROPIEDADES DE LA DISTRIBUCIN NORMAL.

La distribucin tiene 2 parmetros: media () y desviacin estndar () y queda perfectamente determinada por ellos. Debido a esto es que la notacin abreviada que se usa para representar la distribucin es N(, ) La moda (el valor ms frecuente), la mediana (el valor central) y la media tienen el mismo valor. El rea total bajo la curva y el eje de las x es la unidad. La curva tiene forma de campana, por lo que se le llama curva acampanada o campana de Gauss La distribucin es simtrica respecto a la media, es decir, el 50% del rea est a la izquierda de la media y el otro 50% a la derecha.

Ante las infinitas posibles medias y desviaciones, nos encontramos con una infinidad de posibles distribuciones normales pero, el proceso de tipificacin, permite reducirlas a una nica con media 0 y desviacin tpica 1. Tal distribucin se denomina normal tipificada y se representa N(0,1).

EJEMPLO.

EJEMPLO