DISTRIBUCIN NORMAL

La distribucin normal fue reconocida por primera vez por el francs Abraham de Moivre (1667-1754). Posteriormente, Carl Friedrich Gauss (1777-1855) elabor desarrollos ms profundos y formul la ecuacin de la curva; de ah que tambin se la conoce, ms comnmente, como la "campana de Gauss". La distribucin de una variable normal est completamente determinada por dos parmetros, su media y su desviacin estndar, denotadas generalmente por y . Con esta notacin, la densidad de la normal viene dada por la ecuacin:

y=

1 x 2

Que determina la curva en forma de campana que tan bien conocemos:

Tambin podemos decir que es la distribucin de probabilidad que con ms frecuencia aparece en estadstica y teora de probabilidades. Esto se debe a dos razones fundamentalmente: Su funcin de densidad es simtrica y con forma de campana, lo que favorece su aplicacin como modelo a gran nmero de variables estadsticas. Es, adems, lmite de otras distribuciones y aparece relacionada con multitud de resultados ligados a la teora de las probabilidades gracias a sus propiedades matemticas.

Distribucin Normal Estndar. Estandarizacin Cuando =0 y = 1, la distribucin se conoce con el nombre de normal estndar. Dada una variable aleatoria continua X, con media y desviacin tpica , si definimos a otra X variable Z = entonces la variable aleatoria Z tendr =0 y =1, se dice que se ha tipificado la variable X. Propiedades de la distribucin normal: La distribucin normal posee ciertas propiedades importantes que conviene destacar: a) Tiene una nica moda, que coincide con su media y su mediana. b) La curva normal es asinttica al eje de abscisas. Por ello, cualquier valor entre y es tericamente posible. El rea total bajo la curva es, por tanto, igual a 1. c) Es simtrica con respecto a su media . Segn 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.

d) La distancia entre la lnea trazada en la media y el punto de inflexin de la curva es igual a una desviacin tpica (). Cuanto mayor sea , ms aplanada ser la curva de la densidad. e) El rea bajo la curva comprendida entre los valores situados aproximadamente a dos desviaciones estndar de la media es igual a 0.95. En concreto, existe un 95% de posibilidades de observar un valor comprendido en el intervalo f) La forma de la campana de Gauss depende de los parmetros y . La media indica la posicin de la campana, de modo que para diferentes valores de la grfica es desplazada a lo largo del eje horizontal. Por otra parte, la desviacin estndar determina el grado de apuntamiento de la curva. Cuanto mayor sea el valor de , ms se dispersarn los datos en torno a la media y la curva ser ms plana. Un valor pequeo de este parmetro indica, por tanto, una gran probabilidad de obtener datos cercanos al valor medio de la distribucin. Por otro lado si la variable aleatoria es continua hay infinitos valores posibles de la variable y entre cada dos de ellos se podran definir infinitos valores ms. En estas condiciones no es posible deducir la probabilidad de un valor puntual de la variable, como se puede hacer en el caso de variables aleatorias discretas. Pero s es posible calcular la probabilidad acumulada hasta un cierto valor (funcin de distribucin), ms tarde podremos analizar como cambia la probabilidad acumulada en cada punto (estos cambios no son probabilidades sino otro concepto que denominamos densidad de probabilidad).

Funcin De Densidad

Una funcin y=f(x) es una funcin de densidad de una variable aleatoria continua si cumple las siguientes condiciones:

Funcin De Distribucin En general, la funcin de distribucin de una variable aleatoria continua X es el modelo terico de la curva de frecuencias acumuladas que se espera obtener para X, y debe cumplir, evidentemente, estas propiedades:

Ser creciente Tomar valores de 0 a 1

Si X es una variable aleatoria continua con valores en un intervalo [a, b], entonces F(x) ser la probabilidad de que la variable X tome valores entre a y x. F(x)=P(a < X < x).

Es decir, la funcin de distribucin F(x) es una primitiva de la funcin de densidad f(x), o dicho de otra forma, la funcin de densidad es la derivada de la funcin de distribucin. Indica la probabilidad de que la variable aleatoria continua X sea menor o igual que un valor dado, es decir, proporciona la probabilidad acumulada hasta un determinado valor de la variable

Tabla De reas De Una Distribucin Normal

Cada cantidad es la proporcin bajo la curva de la campana de gauss que se encuentra entre Z=0 y un valor positivo Z. las reas para valores negativos de Z se obtienen por simetra. Ejemplos: 1) Se lanzaran 12 monedas simultneamente o sucesivamente 12 veces una moneda y obtendremos probabilidades de aparicin de 0, 1, 2, 3,.12 caras. Cuando 7.5<X<8.5 y = 6, =1.73, hallaremos P (7.5<X>8.5).

X 8.5 6 = = 1.45 1.73 X 7.5 6 Z= = = 0.87 1.73 Z=

Segn la tabla de las reas de una distribucin normal, cuando Z=1.45 A (rea)= 0.4265 y si Z=0.87 A=0.3078 entonces P=0.4265-0.3078 = 0.1187 P (7.5<X<85) = 11.87%. Observar la figura siguiente:

2) Calcular la probabilidad de que x < 3,14 para una distribucin normal de media 0,19 y desviacin tpica 1,25. Lo que preguntan es: P(X<3.14)

X 3.14 0.19 = = 2.36 1.25 Z = 2.36 Z=

Para la tabla este valor nos da: 0.4904

DISTRIBUCION NORMAL

Integrantes: Juan Ricardo Nuez Zarur Krisanto Garca

Presentado a: William Wood

UNIVERSIDAD DE CARTAGENA FACULTAD DE CIENCIAS E INGENIERIA PROGRAMA INGENIERIA QUIMICA CUARTO SEMESTRE 2007

BIBLIOGRAFIA

BENCARDINO, Ciro. ESTADISTICA Y MUESTREO. Ecoe ediciones. 1997 Colombia

http://www.fisterra.com/mbe/investiga/distr_normal/distr_normal.htm http://es.wikipedia.org/wiki/Distribuci%C3%B3n_normal