LA DISTRIBUCIÓN NORMAL

INTRODUCCIÓN
Una de las herramientas de mayor uso en las empresas es la utilización de la
curva normal para describir situaciones donde podemos recopilar datos. Esto
nos permite tomar decisiones que vayan a la par con las metas y objetivos de la
organización.

En este módulo se describe la relación de la Distribución normal con la

Distribución normal estándar. Se utilizan ejemplos y ejercicios donde se enseña
sobre la determinación de probabilidades y sus aplicaciones.
OBJETIVOS DE LA PRESENTACIÓN

Objetivo general
Esperamos que cuando termines esta presentación puedas
utilizar la distribución normal para obtener probabilidades,
intervalos y cantidades específicas.

Objetivos específicos
Además, esperamos que puedas:
 Identificar las propiedades de una distribución normal.
 Encontrar el área bajo una distribución normal estándar.
 Interpretar áreas bajo la curva normal de acuerdo al problema.
GLOSARIO DE TÉRMINOS
 Asintótica – Línea que se acerca indefinidamente a un eje
sin llegar a encontrarlo.

 Aleatorias – Que son al azar.

 Tipificada – Que tiene un arreglo uniforme o estándar.

 Morfológicos – Aspecto general de las formas y

dimensiones de un cuerpo.
LA DISTRIBUCIÓN NORMAL

La distribución normal fue reconocida

por primera vez por el francés
Abraham de Moivre (1667-1754).

Posteriormente, Carl Friedrich Gauss (1777-1855)

realizó estudios más a fondo
donde formula la ecuación de la curva
conocida comúnmente, como la
“Campana de Gauss".
UTILIDAD
 Se utiliza muy a menudo porque hay muchas
variables asociadas a fenómenos naturales que
siguen el modelo de la norma.
 Caracteres morfológicos de individuos (personas,
animales, plantas,...) de una especie, por ejemplo:
tallas, pesos, diámetros, distancias, perímetros,...
 Caracteres fisiológicos, por ejemplo: efecto de una
misma dosis de un fármaco, o de una misma
cantidad de abono
UTILIDAD
 Caracteres sociológicos, por ejemplo: consumo de
cierto producto por un mismo grupo de individuos,
puntuaciones de examen
 Caracteres psicológicos, por ejemplo: cociente
intelectual, grado de adaptación a un medio,...
 Errores cometidos al medir ciertas magnitudes
 Valores estadísticos muéstrales como la media,
varianza y moda
LA FUNCIÓN DE DISTRIBUCIÓN
 Puede tomar cualquier valor (- , + )
 Hay más probabilidad para los valores cercanos a la
media m
 Conforme nos separamos de m , la probabilidad va
decreciendo de igual forma a derecha e izquierda (es
simétrica).
 Conforme nos separamos de m , la probabilidad va
decreciendo dependiendo la desviación típica s.
LA FUNCIÓN F(X)
F(X) ES EL ÁREA SOMBREADA DE LA
SIGUIENTE GRÁFICA
PROPIEDADES DE LA DISTRIBUCIÓN
NORMAL:

El área bajo la curva aproximado del promedio μ a más o

menos una desviación estándar (1σ) es de 0.68, a más o
menos 2σ es de .0 95 y a más o menos 3σ es de 0.99.

(Las propiedades continuan en la próxima lámina)

PROPIEDADES DE LA DISTRIBUCIÓN
NORMAL:

La forma de la campana de Gauss depende de los parámetros μ y σ.

Tiene una única moda que coincide con su media y su mediana.
La curva normal es asintótica al eje de X.
Es simétrica con respecto a su media μ . Según esto, para este tipo de
variables existe una probabilidad de un 50% de observar un dato mayor
que la media, y un 50% de observar un dato menor.
LA DESVIACIÓN ESTÁNDAR (Σ )
LA MEDIA Μ
EN RESUMEN

 Podemos concluir que hay una familia de distribuciones

con una forma común, diferenciadas por los valores de su
media y su varianza.
 La desviación estándar (σ ) determina el grado de
apuntamiento de la curva. Cuanto mayor sea el valor de
σ, más se dispersarán los datos en torno a la media y la
curva será más plana.
 La media indica la posición de la campana, de modo que
para diferentes valores de μ la gráfica es desplazada a lo
largo del eje horizontal.
 De entre todas ellas, la más utilizada es la distribución
normal estándar, que corresponde a una distribución de
media 0 y varianza 1.
LA DISTRIBUCIÓN NORMAL ESTÁNDAR

 Z se la denomina variable tipificada de X, y a la

curva de su función de densidad se le conoce
como la curva normal estándar.
 Es una distribución normal con promedio 0 y una
desviación estándar de 1.
 Todas las variables normalmente distribuidas se
pueden transformar a la distribución normal
estándar utilizando la fórmula para calcular el valor
Z correspondiente.
LA FUNCIÓN F(Z)

 En la siguiente gráfica vemos la

representación gráfica de la función de Z.
EN RESUMEN
 Podemos decir que el valor de Z es la
cantidad de desviaciones estándar a la que
está distanciada la variable X del promedio.
 A la variable Z se la denomina variable
tipificada de X, y a la curva de su función de
densidad se le conoce como la curva normal
estándar
CARACTERÍSTICAS DE LA
DISTRIBUCIÓN NORMAL ESTÁNDAR.

 No depende de ningún parámetro.

 Su media es 0, su varianza es 1 y su
desviación estándar es 1.
 La curva f(x) es simétrica respecto del eje
de Y
 Tiene un máximo en el eje de Y.
 Tiene dos puntos de inflexión en z=1 y z=-
1
TEOREMA DEL LÍMITE CENTRAL
Nos indica que, bajo condiciones muy generales,
según aumenta la cantidad de datos, la distribución
de la suma de variables aleatorias tendera a seguir
hacia una distribución normal.

En otras palabras el Teorema del Límite Central

garantiza una distribución normal cuando el
tamaño de la muestra es suficientemente grande.
POR EJEMPLO

En el siguiente histograma podemos observar la distribución de

frecuencias por peso de acuerdo a la edad. De acuerdo a este
teorema según aumenten la cantidad de dato se podrá trazar
una curva que tome cada vez más formación en forma campana.
ÁREA BAJO LA CURVA NORMAL ESTÁNDAR

El área bajo la curva normal estándar es útil

para asignar probabilidades de ocurrencia de
la variable X.
Debemos tomar en cuenta que el área total
bajo la curva es igual a 1. Y que, por ser una
gráfica simétrica, cada mitad tiene un área de
0.5.
PASOS PARA DETERMINAR EL ÁREA BAJO LA CURVA
NORMAL ESTÁNDAR

 Paso 1 - Interpretar gráficamente el área de

interés.
 Paso 2 - Determinar el valor Z

 Paso 3 - Buscar en la tabla de probabilidades.

 Paso 4 - Hacer la suma o resta de áreas para

encontrar la probabilidad deseada
EJEMPLOS Y EJERCICIOS

Supongamos que sabemos que el peso de

los/as estudiantes universitarios/as sigue una
distribución aproximadamente normal, con una
media de 140 libras y una desviación estándar
de 20 libras.
 EJEMPLO 1

DETERMINE LA PROBABILIDAD DE QUE UNA PERSONA

TENGA UN PESO MENOR O IGUAL A 150 LIBRAS

Paso 1 Interpretar gráficamente el área de interés.

Gráficamente si decimos que a=150 libras, el
área de la curva que nos interesa es la siguiente:
 EJEMPLO 1
DETERMINE LA PROBABILIDAD DE QUE UNA PERSONA
TENGA UN PESO MENOR O IGUAL A 150 LIBRAS

X m 150  140
Paso 2 - Determinar el valor Z: Z   0.50
s 20
Paso 3 - Buscar en la tabla de probabilidades.
Buscamos en la Tabla 1 el valor Z=0.50 y obtenemos el área de 0.6915
Paso 4 - Hacer la suma o resta de áreas para encontrar la probabilidad
deseada.
En este ejemplo no es necesario realizar ningún computo adicional ya que
el área es la misma que se representa en la Tabla.
P[X <=150] = P[Z <=0,5] = 0,6915.
 EJEMPLO 2
SI DESEAMOS LA PROBABILIDAD DE QUE UNA PERSONA,
ELEGIDA AL AZAR, TENGA UN PESO MAYOR O IGUAL A 150
LIBRAS
Paso 1 Interpretar gráficamente el área de interés.

Gráficamente si decimos que a=150 libras, el área de la curva que nos interesa es la siguiente:
 EJEMPLO 2
SI DESEAMOS LA PROBABILIDAD DE QUE UNA PERSONA,
ELEGIDA AL AZAR, TENGA UN PESO MAYOR O IGUAL A 150
LIBRAS
X m 150  140
Paso 2 - Determinar el valor Z: Z   0.50
s 20
Paso 3 - Buscar en la tabla de probabilidades.
Buscamos en la Tabla 1 el valor Z=0.50 y obtenemos el área de 0.6915.
Paso 4 - Hacer la suma o resta de áreas para encontrar la probabilidad
deseada.
En este ejemplo el área de 0.6915 no representa el área que nos interesa
sino la contraria. En este caso debemos restarle 1 a la probabilidad
encontrada.
P[X > =150] = P[Z > =0,5] = 1 - P[Z < 0,5] = 1 - 0,6915 = 0,3085
 EJEMPLO 3
DETERMINE LA PROBABILIDAD DE QUE UNA PERSONA,
ELEGIDA AL AZAR, TENGA UN PESO MENOR O IGUAL A 115
LIBRAS

Paso 1 Interpretar gráficamente el área de interés.

Gráficamente si decimos que a=115 libras, el área de la curva que nos

interesa es la siguiente:
 EJEMPLO 3
DETERMINE LA PROBABILIDAD DE QUE UNA PERSONA,
ELEGIDA AL AZAR, TENGA UN PESO MENOR O IGUAL A 115
LIBRAS

X m 115  140
Paso 2 - Determinar el valor Z: Z   1.25
s 20
Paso 3 - Buscar en la tabla de probabilidades.
Buscamos en la Tabla 1 el valor Z= -1.25 y obtenemos el área de 0.1056.
Paso 4 - Hacer la suma o resta de áreas para encontrar la probabilidad
deseada.
En este ejemplo el área de 0.1056 representa el área que nos interesa.
P[X <=115] = P[Z <= - 1,25] = 0,1056
EJEMPLO 4
SI DESEAMOS LA PROBABILIDAD DE QUE UNA PERSONA,
ELEGIDA AL AZAR, TENGA UN PESO ENTRE 115 Y 150 LIBRAS.

Paso 1 Interpretar gráficamente el área de interés.

Gráficamente si decimos que a=115 libras y b=150 libras, el área de la curva

que nos interesa es la siguiente
 EJEMPLO 4
SI DESEAMOS LA PROBABILIDAD DE QUE UNA PERSONA,
ELEGIDA AL AZAR, TENGA UN PESO ENTRE 115 Y 150 LIBRAS.

Paso 2 - Determinar el valor Z

X m 115  140
Cuando X=115 Z   1.25
s 20

X m 150  140
Cuando X=150 Z   0.50
s 20
Paso 3 - Buscar en la tabla de probabilidades.

Buscamos en la Tabla 1 el valor Z=-1.25 y obtenemos el área de 0.1056.

Buscamos en la Tabla 1 el valor Z=0.50 y obtenemos el área de 0.6915

 EJEMPLO 4
SI DESEAMOS LA PROBABILIDAD DE QUE UNA PERSONA,
ELEGIDA AL AZAR, TENGA UN PESO ENTRE 115 Y 150 LIBRAS.

Paso 4 - Hacer la suma o resta de áreas para encontrar la probabilidad deseada.

El área es 0,6915 – 0,1056 = .5859
 EJEMPLO 5
DETERMINE LA PROBABILIDAD DE QUE UNA PERSONA
TENGA UN PESO ENTRE 150 LIBRAS Y 160 LIBRAS

Paso 1 Interpretar gráficamente el área de interés.

Gráficamente si decimos que a=150 libras y b= 160 libras, el área de la curva que nos interesa es la
siguiente:
Paso 2 - Determinar el valor Z

Como vimos en el ejemplo 1 y 2 E valor Z cuando X=150 es 0.50.

Para X=160 el valor Z será:

X m 160  140
Z   1.0
s 20

Paso 3 - Buscar en la tabla de probabilidades.

Buscamos en la Tabla el valor Z=0.50 y obtenemos el área de 0.6915.
Cuando Z = 1.0 el área es de 0.8413.
Paso 4 - Hacer la suma o resta de áreas para encontrar la probabilidad deseada.

En este ejemplo se resta el área mayor menos el área menor como se interpreto en el paso 1.

0.8413 - .6915 = 0.1498

 EJEMPLO 6
DETERMINE LA PROBABILIDAD DE ELEGIR A UNA PERSONA
QUE PESE ENTRE 115 Y 130 LIBRAS.

Paso 1 Interpretar gráficamente el área de interés.

Gráficamente si decimos que a=115 libras y b= 130 libras, el

área de la curva que nos interesa es la siguiente:
 EJEMPLO 6
DETERMINE LA PROBABILIDAD DE ELEGIR A UNA PERSONA
QUE PESE ENTRE 115 Y 130 LIBRAS.

Paso 2 - Determinar el valor Z

X m 115  140
Cuando X=115 Z   1.25
s 20
X m 130  140
para X=130 Z   0.50
s 20

Paso 3 - Buscar en la tabla de probabilidades.

Buscamos en la Tabla 1 el valor Z = -1,25 y obtenemos el área de

0,1056

Para Z = - 0,050 el área es de = 0,3085

 EJEMPLO 6
DETERMINE LA PROBABILIDAD DE ELEGIR A UNA PERSONA
QUE PESE ENTRE 115 Y 130 LIBRAS.

Paso 4 - Hacer la suma o resta de áreas para encontrar la probabilidad

deseada.

En este ejemplo el área será la diferencia de

0,3085 – 0,1056 = 0,2029.
REFERENCIAS
Anderson, S. (2006). Estadísticas para administración y
economía, Thomson,

Newbold, P. (2003). Statistics for Business And Economics,

Prentice Hall.

Altman, D., Bland, J. (1995). Statistics Notes: The Normal

Distribution. BMJ, ; 310: 298-298.

Bluman Allan, G. (2007). Statistics, Mc Graw Hill,

Pértega, D., Pita F. (2001) Representación gráfica en el análisis

de datos. Cad Aten Primaria; 8: 112-117.
REFERENCIAS
 http://descartes.cnice.mecd.es/index.html

 http://www.aulafacil.com/CursoEstadistica/Lecc-34-est.htm

 http://www.ruf.rice.edu/~lane/stat_sim/sampling_dist/index.h
tml