DISTRIBUCIN NORMAL O DE GAUSS

HISTORIA

Figura 1. Abraham de Moivre primero en descubrir la distribucin normal

Fuente. Datos tomados de la pgina web https://es.wikipedia.org/wiki/Distribuci%C3%B3n_

La distribucin normal fue presentada por primera vez por Abraham de

Moivre en un artculo del ao 1733,2 que fue reimpreso en la segunda
edicin de su The Doctrine of Chances, de 1738, en el contexto de cierta
aproximacin de la distribucin binomial para grandes valores de n. Su
resultado fue ampliado por Laplace en su libro Teora analtica de las
probabilidades (1812), y en la actualidad se llama Teorema de De MoivreLaplace.
Laplace us la distribucin normal en el anlisis de errores de
experimentos. El importante mtodo de mnimos cuadrados fue introducido
por Legendre en 1805. Gauss, que afirmaba haber usado el mtodo desde
1794, lo justific rigurosamente en 1809 asumiendo una distribucin normal
de los errores. El nombre de Gauss se ha asociado a esta distribucin
porque la us con profusin cuando analizaba datos astronmicos y algunos
autores le atribuyen un descubrimiento independiente del de Moivre. Esta

atribucin del nombre de la distribucin a una persona distinta de su primer

descubridor es un claro ejemplo de la ley de Stigler.
El nombre de "campana" viene de Esprit Jouffret que us el trmino "bell
surface" (superficie campana) por primera vez en 1872 para una distribucin
normal

bivariante

de

componentes

independientes.

El

nombre

de

"distribucin normal" fue otorgado independientemente por Charles S. Peirce,

Francis Galton y Wilhelm Lexis hacia 1875. A pesar de esta terminologa,
otras distribuciones de probabilidad podran ser ms apropiadas en
determinados contextos.
Distribucin Normal
En estadstica y probabilidad se llama distribucin normal, distribucin de
Gauss o distribucin gaussiana, a una de las distribuciones de probabilidad
de variable continua que con ms frecuencia aparece aproximada en
fenmenos reales. La grfica de su funcin de densidad tiene una forma
acampanada y es simtrica respecto de un determinado parmetro
estadstico. Esta curva se conoce como campana de Gauss y es el grfico de
una funcin gaussiana.
La importancia de esta distribucin radica en que permite modelar
numerosos fenmenos naturales, sociales y psicolgicos. Mientras que los
mecanismos que subyacen a gran parte de este tipo de fenmenos son
desconocidos, por la enorme cantidad de variables incontrolables que en
ellos intervienen, el uso del modelo normal puede justificarse asumiendo que
cada observacin se obtiene como la suma de unas pocas causas
independientes.
De hecho, la estadstica descriptiva slo permite describir un fenmeno,
sin explicacin alguna. Para la explicacin causal es preciso el diseo
experimental, de ah que al uso de la estadstica en psicologa y sociologa
sea conocido como mtodo correlacional.

La distribucin normal tambin es importante por su relacin con la

estimacin por mnimos cuadrados, uno de los mtodos de estimacin ms
simples y antiguos. Algunos ejemplos de variables asociadas a fenmenos
naturales que siguen el modelo de la normal son:
-Caracteres morfolgicos de individuos como la estatura
-Caracteres fisiolgicos como el efecto de un frmaco
-Caracteres sociolgicos como el consumo de cierto producto por un
mismo grupo de individuos
-Caracteres psicolgicos como el cociente intelectual
-Nivel de ruido en telecomunicaciones

Ecuaciones
La campana de Gauss est definida por la funcin:

Figura 2. Formula de gauss

Fuente.

Propiedades
El campo de existencia es cualquier valor real, es decir, (-, +).
Es simtrica respecto a la media .
Tiene un mximo en la media .
Crece hasta la media y decrece a partir de ella.
En los puntos y + presenta puntos de inflexin.
El eje de abscisas es una asntota de la curva.

El rea del recinto determinado por la funcin y el eje de abscisas es igual

a la unidad.

Funcin de la Densidad
Empleando clculos bastante laboriosos, puede demostrarse que el
modelo de la funcin de densidad que corresponde a tales distribuciones
viene dado por la frmula

Figura 3. Formula de densidad

Fuente.

La distribucin normal queda definida por dos parmetros, su media y su

desviacin tpica y se representa as:

Funcin de Distribucin
Puede tomar cualquier valor (- , + )
Son ms probables los valores cercanos a uno central que se llama media

Conforme se separamos de ese valor , la probabilidad va decreciendo de

igual forma a derecha e izquierda (es simtrica).
Conforme se separa de ese valor , la probabilidad va decreciendo de
forma ms o menos rpida dependiendo de un parmetro , que es la
desviacin tpica.

Figura 4. Formula de distribucin

Fuente.

Tipificacin

Caractersticas de la Distribucin Normal Tipificada

No depende de ningn parmetro

Su media es 0, su varianza es 1 y su desviacin tpica es 1.
La curva f(x) es simtrica respecto del eje OY
Tiene un mximo en este eje
Tiene dos puntos de inflexin en z =1 y z = -1