DISTRIBUCION NORMAL

La distribucin de probabilidad conocida como distribucin normal es, por la cantidad de fenmenos que explica, la ms importante de las distribuciones estadsticas. A la distribucin normal tambin se la denomina con el nombre de campana de Gauss, pues al representar su funcin de probabilidad, sta tiene forma de campana.

A continuacin veremos las caractersticas principales de una distribucin de probabilidad normal,definiendo posteriormente la distribucin normal estndar as como sus usos. Posteriormente,veremos cmo utilizar la distribucin normal para estimar probabilidades binomiales. Definicin de distribucin de probabilidad normal: La Normal es la distribucin de probabilidad ms importante. Multitud de variables aleatorias continuas siguen una distribucin normal o aproximadamente normal. Una de sus caractersticas ms importantes es que casi cualquier distribucin de probabilidad, tanto discreta como continua, se puede aproximar por una normal bajo ciertas condiciones. La distribucin de probabilidad normal y la curva normal que la representa, tienen las siguientes caractersticas: 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 distribucin de probabilidad normal es simtrica alrededor de su media. 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. Para indicar que una variable aleatoria (v.a.) sigue una distribucin normal de media y desviacin estndar usaremos la expresin: X N(,).

Definicin de funcin de densidad de probabilidad:

La probabilidad de que una variable aleatoria (v.a.) X tome un valor determinado entre dos nmeros reales a y b coincide con el rea encerrada por la funcin

f(X)=

(funcin de densidad de probabilidad) entre los puntos a y b, es decir :

P(aXb) =
Grfica de una distribucin normal y significado del rea bajo la curva.

Como hemos comentado anteriormente, observar que: La distribucin normal es simtrica respecto de su media . El rea total encerrada por f(x) vale 1, es decir: Al ser X v.a. continua, P(X=a) =

=P(entonces P(X =P(X

=1

=0,

La distribucin normal estndar:

Se observ que no existe una sola distribucin de probabilidad normal, sino una familia de ellas. Como sabemos, cada una de las distribuciones puede tener una media () o una desviacin estndar distinta (). Por tanto, el nmero de distribuciones normales es ilimitado y sera imposible proporcionar una tabla de probabilidades para cada combinacin de y . Para resolver este problema, se utiliza un solo miembro de la familia de distribuciones normales, aquella cuya media es 0 y desviacin estndar 1 que es la que se conoce como distribucin estndar normal, de forma que todas las distribuciones normales pueden convertirse a la estndar, restando la media de cada observacin y dividiendo por la desviacin estndar. Primero, convertiremos la distribucin real en una distribucin normal estndar utilizando un valor llamado Z, o estadstico Z que ser la distancia entre un valor seleccionado, designado X, y la media , dividida por la desviacin estndar . Formalmente, si X N(,) , entonces la v.a.

Z=
se distribuye segn una normal de media 0 y desviacin estndar 1, es decir: Z N(0,1) , que es la distribucin llamada normal estndar o tipificada. De esta manera, un valor Z mide la distancia entre un valor especificado de X y la media aritmtica, en las unidades de la desviacin estndar. Al determinar el valor Z utilizando la expresin anterior, es posible encontrar el rea de probabilidad bajo cualquier curva normal haciendo referencia a la distribucin normal estndar en las tablas correspondientes. As pues, para averiguar el rea anterior utilizaremos la tabla .Dicha tabla nos proporciona la probabilidad de que la v.a. normal estndar Z tome un valor situado a la izquierda de un nmero c entonces: P(Z<c). En otras palabras, esta tabla nos da el valor del rea encerrada por f(x) entre

- y c. Ejemplos: a) P(Z<1,52) = {ver tabla} = 0,9357 b) P(Z>1,52) = {rea total = 1} = 1 P(Z<1,52) = 0,0643 c) P(0<Z<1,52) = P(Z<1,52) P(Z<0) = {simetra} = 0,9357 0,5000 = 0,4357 d) P(-2,1<Z<0) = P(Z<0) P(Z<-2,1) = {sim+tabla} = 0,5000 0,0179 = 0,4821

Por otra parte, denotemos por z() aquel nmero real tal que P[Z>z()] = Por ejemplo: a) z(0,25) = n que deja un rea de 0,25 a su derecha = {tabla} 0,675 ya que P(Z<0,67) = 0,7486 y P(Z<0,68) = 0,7517 . b) Si queremos calcular un n real c tal que P(-c<Z<c) = 0,95 , nos interesa hallar z(0,025) {ver grfico inferior}. Segn la tabla, c = z(0,025)= 1,96 ya que P(Z<1,96) = 0,975 y P(Z<-1,96) = 0,025
EJEMPLO:

Supongamos ahora que X N(100,16) . a) Cul es la probabilidad de que la variable X tome un valor entre 100 y115? : P(100 p(Z -P(z =P( =0.8264-0.5000=0.3264 )=P(0 )

b) Cal es la probabilidad de que X tome un valor mayor de 90? : P(X =P( =1-0.643=0.7357
Si X N(,) , entonces: a) P(-<X<+) = 0,68 b) P(-2<X<+2) = 0,95 c) P(-3<X<+3) = 0,997 Entonces, el 68% (aproximadamente) de los valores que tome la v.a. X estarn situados a una

) = P(Z

= 1-P(Z

Teorema de Chebyshev

distancia de la media inferior a una desviacin estndar. Anlogamente, el 95% de los valores estarn situados a menos de 2 veces la desviacin estndar, y un 99,7% de dichos valores se encontrarn dentro un radio de 3 sigma. Por lo tanto, para una distribucin normal, la mayor parte de todos los valores yacen a tres desviaciones standard de la media..

Aproximacin de la distribucin normal a la binomial:

Si X B(n, p) y el n de pruebas n es muy grande (en la prctica es suficiente con verificar: n*p5 y n*(1-p)5 ), entonces podemos aproximar la distribucin binomial anterior a una normal, en concreto: X N(n * p, n * p * (1 p) ) . Esta aproximacin ser tanto mejor cuanto mayor sea n. La d i s t r i b u c i n b i n o m ia l B ( n , p ) se puede aproximar mediante una d i s t ri b u c i n n o r m a l:

Hay que tener en cuenta que, antes de aplicar la distribucin normal, es necesario asegurarse de que la distribucin que queremos aproximar es, efectivamente, binomial. Para ello, hay que comprobar: - Que un experimento slo puede tener dos resultados posibles y mutuamente excluyentes: un xito y un fracaso. - La distribucin es consecuencia de contar el nmero de xitos de un nmero fijo de

pruebas. - Cada prueba es independiente. - La probabilidad, p, permanece igual de una prueba a la siguiente.

Ejemplo
1.-En una ciudad una de cada tres familias posee telfono. Si se eligen al azar 90 familias, calcular la probabilidad de que entre ellas haya por lo menos 30 que tengan telfono.

2.-Un estudio ha mostrado que, en un cierto barrio, el 60% de los hogares tienen al menos dos televisores Se elige al azar una muestra de 50 hogares en el citado barrio. Se pide: a.-Cul es la probabilidad de que al menos 20 de los citados hogares tengan cuando menos dos televisores?

b . - Cul es la probabilidad de que entre 35 y 40 hogares tengan cuando menos dos televisores?