Esta distribucin es frecuentemente utilizada en las aplicaciones estadsticas.

Su propio nombre indica su extendida utilizacin, justificada por la frecuencia o normalidad con la que 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 valores de n cada vez mayores, se ve que sus polgonos de frecuencias se aproximan a una curva 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, p. ejm. 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: consumo de cierto producto por un mismo grupo de individuos, puntuaciones de examen. Caracteres psicolgicos, por ejemplo: cociente 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 de Poisson son aproximaciones normales

Y en general cualquier caracterstica que se obtenga como suma de muchos factores.

La forma de la curva de la distribucin depende de sus dos parmetros: la media y la desviacin estndar. La media indica la posicin de la campana, la grfica se desplaza a lo largo del eje x. A mayor desviacin la curva ser ms "plana", dado que la distribucin, en este caso, presenta una mayor variabilidad. La curva es simtrica respecto a la media.

Por su importancia en el anlisis estadstico son de inters los intervalos donde el rea bajo la curva corresponde a determinados valores de probabilidad.

Normal o distribucin gaussiana calculadora es una herramienta de estadsticas en lnea para el anlisis programado para calcular la funcin de densidad de probabilidad normal para una determinada media y desviacin estndar. Distribucin gaussiana es una distribucin de probabilidad continua, llamada tambin como funcin gaussiana y la curva asociada se conoce como curva de Bell Distribucin gaussiana es tambin conocida como distribucin Normal, la funcin de probabilidad continua ms prominente en las estadsticas se introdujo por Gauss para estimar los errores en observaciones enormes. En el que la campana en forma de curva conocida como funcin gaussiana o curva de Bell se utiliza para representar la distribucin de la funcin de densidad de probabilidad

El plazo Normal o distribucin gaussiana en probabilidad y estadstica puede derivarse de la frmula

donde el parmetro es la media, ubicacin del pico y 2 es la variacin de la medida del ancho de la distribucin. La distribucin con = 0 y 2 = 1 se llama la distribucin normal estndar. La normal o distribucin gaussiana es el ms ampliamente conocidos y utilizados de todas las distribuciones. Debido a la distribucin normal se aproxima a muchos fenmenos naturales tan bien, se ha convertido

en un estndar de referencia para muchos problemas de probabilidad. Para facilitar los clculos, esta calculadora en lnea de distribucin normal te ayudar a averiguar el valor de la funcin de densidad de probabilidad para los valores dados de media, desviacin estndar y otras variables

Es el modelo de distribucin ms utilizado en la prctica, ya que multitud de fenmenos se comportan segn una distribucin normal. Esta distribucin de caracteriza porque los valores se distribuyen formando una campana de Gauss, en torno a un valor central que coincide con el valor medio de la distribucin:

Un 50% de los valores estn a la dercha de este valor central y otro 50% a la izquierda Esta distribucin viene definida por dos parmetros:

es el valor medio de la distribucin y es precisamente donde se sita el centro de la curva (de la campana de Gauss). es la varianza. Indica si los valores estn ms o menos alejados del valor central: si la varianza es baja los valores estn prximos a la media; si es alta, entonces los valores estn muy dispersos.

Cuando la media de la distribucin es 0 y la varianza es 1se denomina "normal tipificada", y su ventaja reside en que hay tablas donde se recoge la probabilidad acumulada para cada punto de la curva de esta distribucin. Adems, toda distribucin normal se puede transformar en una normal tipificada: una variable aleatoria sigue el modelo de una distribucin normal con media 10 y varianza 4. Transformarla en una normal tipificada. : N (10, 4) Para transformarla en una normal tipificada se crea una nueva variable (Y) que ser igual a la anterior (X) menos su media y dividida por su desviacin tpica (que es la raz cuadrada de la varianza)

En el ejemplo, la nueva variable sera:

Esta nueva variable se distribuye como una normal tipificada, permitindonos, por tanto, conocer la probabilidad acumulada en cada valor.