La distribucin normal

De entre todas las distribuciones continuas tiene especial relevancia la distribucin Normal o de Gauss. Aparece frecuentemente en las situaciones ms variadas. Las variables que presentan una distribucin Normal tienen caractersticas comunes tales como la acumulacin de valores en torno al valor de la media, la simetra en la distribucin de los valores y escasos valores alejados de la media, por ejemplo ! ! "aracteres morfol#icos de individuos altura, peso, n$mero de pie, tama%o del palmo, etc. "arctersticas de la mayora de los productos de consumo duracin de las bombillas, resistencia a la rotura de muebles o de pie&as, duracin de los electrodom'sticos, etc. "alificaciones obtenidas en cursos, asi#naturas y e(menes.

)e dice que una variable aleatoria continua si#ue una distribucin normal de media y desviacin tpica , y se escribe X N ( , ) , cuando tiene la funcin de densidad

f ( x) =

2 1 x 2

La #rfica de esta funcin de densidad tiene forma campaniforme, y se denomina campana de Gauss. Las *ropiedades de la funcin f+(, se aprecian en su #rfica y son ! ! ! ! ! ! !
,+ ). f+(, tiene por dominio (

f+(, es continua en su dominio. f+(, es sim'trica respecto a la recta (-.. /f(, tiene un m(imo absoluto en ( ,
1

f+(, tiene dos puntos de infle(in en (- .01 y (-.!1. f+(, es siempre positiva y asinttica con respecto al eje 23. La #rfica de la funcin de densidad f+(, se llama campana de Gauss .
1 t 2 . 2

*ara el clculo de probabilidades usamos la funcin de distribucin

1 F ( X ) = P ( X x ) = f (t ) dt = 2

dt .

*ara (-a este valor representa la probabilidad de que la v.a.3 tome valores menores o i#uales que a y #raficamente representa el rea encerrada bajo la curva, el eje 23 y la recta (-a. *uede observarse la dificultad de la inte#ral, es por ello y dado lo 4abitual que es el uso de esta distribucin, que se utili&a una tabla ya confeccionada para el calculo de probabilidades. *ero como bien estars pensando es imposible reali&ar una tabla para cada valor de . y de 1 que pueden tomar los parmetros en la distribucin.

Las curvas de las diferentes funciones de densidad son en realidad la misma curva variando su m(imo y su curvatura en funcin de . y 1, por esto el rea encerrada bajo la curva es siempre la misma +como funcin de densidad que es vale 5, aunque repartida de forma diferente. Los anteriores ar#umentos justifican el uso de la N+6,5, como distribucin estandar, para la cual e(iste la tabla de valores de la funcin de distribucin. A partir de ella y mediante un cambio de variable, que denominamos tipificacin podemos calcular las probabilidades para cualquier distribucin N+.,1,

Uso de tablas

La distribucin N+6,5,, recibe el nombre de distribucin +ormal reducida o estandar. @iene de media D -6 y de desviacin tpica 1 - 5. )u funcin de densidad es de la forma

1 f ( x) = e 2

x 2 2

Las tablas nos ofrecen el valor de /+&6,- *+78 &6, para valores de &6 de 6 a 9 . La primera columna corresponde a valores desde 6,6 a :,; y el se#undo decimal se completa con los valores de la primera fila que van desde 6,66 a 6,6;. <n la interseccin de la fila y la columna correspondiente se encuentra el valor de dic4a probabilidad. Caso 1: P(Z 1,5 ! " #,$%# =uscamos el valor en la interseccin de la fila de 5,> y la columna 6,6?. La probabilidad pedida es el rea sombreada Caso &: P(Z'1,5 ! " 1 ( P(Z 1,5 ! "1 ) #,$%# " #,#5$%

@enemos en cuenta que el area total encerrada por la curva es 5 y procedemos por Apaso al contrarioB Caso *: P(Z )1,5 ! Cabrs observado que en tabla slo aparecen valores positivos de la variable. @enemos en cuenta que la funcin y sus valores son sim'tricos y por tanto

*+78!5,>?,-*+7E5,>?, - 5 F *+785,>?,-5! 6,;96? - 6,6>;9 Caso %: P(Z' ) 1,5 ! " P(Z 1,5 ! " #,$%# Gtili&amos en nuestro ra&onamiento la simetria de la funcin Caso 5:P(#,%, - 1,5 ! "P(Z1,5 !)P(-#,%,! " #,$%# #,&5 & ( #, ,%% "

Caso :P() #,%, Z 1,5 ! " P(Z1,5 ! ) P(Z ) #,%,! " P( Z 1,5 ! ( P(Z' #,%,! "P(Z 1,5 ! ( (1) P(Z #,%,! ! "P(Z1,5 ! . P(Z #,%,! )1 " #.$%# . #, ,%% ( 1 " #, &5 <n ocasiones el problema planteado ser el inverso, conocida la probabilidad calcular los valores de la variable. Caso /:0allar -# si P(Z -#! " #, $%1# <l valor no se encuentra en la tabla, pero el ms apro(imado es 6,;96?. "omo 6,;96? esta en la interseccin de la fila 5,> y la columna 6,6? se trata de &6 - 5,>? Caso ,: 0allar -# si P(Z -#! " #,#5$% "omo 6,6>;9 no esta en la tabla, tampoco uno apro(imado, deducimos que & 6 corresponde a un valor ne#ativo y recordamos *+78 !& 6, - 5 F *+78 &6, por tanto *+78!&6, - 5! 6,6>;9 - 6,;96? que si aparece en la tabla como F&6 - ! 5,>?. Caso $:0alla -# si P( #,%, Z -#! " #, &5 & "omo *+ 6,9H 8 7 8 &6, - *+78&6, F *+78 6,9H, - 6,I>?I buscando en la tabla *+78&6, F 6,?H99 - 6,I>?I entonces despejando *+78 & &, - 6,I>?I 0 6,?H99 - 6,;96? @enemos que *+78 &&, - 6,;96?

Tipificacin de la variable
La tipi1icacin consiste en pasar de la v.a. 3 con distribucin N+.,1, a una nueva v.a. 7 con distribucin N+6,5, mediante la e(presin x Z =

)ea 3 una v.a. con distribucin N+?6, >, calcular a, *+3JK6, *ara (6 - K6 su correspondiente valor tipificado es z0 = se#un la tabla de N+6,5, , *+3JK6, - *+7JI, - 6,;KKI b, *+3 L K>,

70 60 = 2 entonces 5

75 60 = 3 entonces 5 se#$n la tabla de N+6,5, ,*+7L:, - 5!*+7J:, - 5 F 6,;;HK - 6,665:

*ara (6 - K> su correspondiente valor tipificado es z 0 = c, *+K6J3JK>, Gtili&ando las tipificaciones anteriores *+K6 J 3 J K>, -*+I J 7 J :, - *+7J :, F *+7J I , - 6,;;HK F 6,;KKI 6,6I5>

Distribucin de probabilidades bajo la curva normal

*ara cualquier distribucinN+ ., 1 , se cumple que La &ona sombreada representa el ?H,I?M del rea total.
*+ . F 1 J 3 J .01, - *+!5 J 7 J 5, - 6,?HI?

*+ .!I1 J 3 J . 0I1 , - *+!I J 7 J I, La &ona sombreada representa el ;>,99M del rea total 6,;>99

La &ona sombreada representa el ;;,K9M del rea total*+ .!:1J 3J. 0:1 , - *+!: J 7 J :, - 6,;;K9

2pro3imacin de la binomial a la normal

Aunque la binomial es una v.a. discreta y la normal es una v.a. continua se puede observar que para cualquier valor de p en la binomial, al aumentar los valores de n los pol#onos de frecuencias asociados a los dia#ramas de barras que represental la distribucin van formando una #rfica similar a la de la curva de densidad de una distribucin normal.

Adems cuando n es muy #rande los clculo en la distribucin binomial se vuelven muy complicados y con muc4os sumandos.

@eorema de Noivre <n una distribucin =inomial para valores de n #randes, nL:6, y cuando npE> y nqE> la distribucin =inomial se puede apro(imar mediante una distribucin Normal. 3 es =+n,p, 3Oes N ( =np, = npq ) <ntonces
Z = X np npq

esN (0,1)

*or el teorema de Noivre podemos afirmar que la normal constituye una muy buena apro(imacin de la binomial. *ara poder aplicar este cambio en la practica no podemos obviar que 3 es una variable discreta y 3Oes una variable continua y que debemos aplicar lo que se conoce como correccin de continuidad.