La distribucin normal

TOMADO DE: Walter Lpez Moreno,

MBA, cDBA

Centro de Competencias de la
Comunicacin
Universidad de Puerto Rico en Humacao

Todos los derechos son reservados

2006-07
 Tabla de contenido
Introduccin
Objetivo general
Objetivos especficos
Instrucciones de cmo usar la presentacin
Glosario de trminos

La distribucin normal
Utilidad
La funcin
Propiedades de la distribucin normal
Teorema del lmite central
 Tabla de contenido

La distribucin normal estndar

Caractersticas
Ejemplos y Ejercicios
rea bajo la curva normal estndar

Ejercicios de prueba

Referencias
 Introduccin

Una de las herramientas de mayor uso en las empresas y en la

investigacin es la utilizacin 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 los trabajos
en organizacin e investigaciones

En esta sesin se describe la relacin de la Distribucin normal con la

Distribucin normal estndar. Se utilizan ejemplos y ejercicios donde se
ensea sobre la determinacin de probabilidades y sus aplicaciones.
 Objetivos de la presentacin

Objetivo general
Esperamos que cuando termines esta presentacin puedas
utilizar la distribucin normal para obtener probabilidades,
intervalos y cantidades especficas.

Objetivos especficos
Adems, esperamos que puedas:
Identificar las propiedades de una distribucin normal.
Encontrar el rea bajo una distribucin normal estndar.
Interpretar reas bajo la curva normal de acuerdo al problema.
 Glosario de trminos

Asinttica Lnea que se acerca indefinidamente a un

eje sin llegar a encontrarlo.

Aleatorias Que son al azar.

Tipificada Que tiene un arreglo uniforme o estndar.

Morfolgicos Aspecto general de las formas y

dimensiones de un cuerpo.
 La distribucin normal
La distribucin normal fue reconocida
por primera vez por el francs
Abraham de Moivre (1667-1754).

Posteriormente, Carl Friedrich Gauss (1777-1855)

realiz estudios ms a fondo
donde formula la ecuacin de la curva
conocida comnmente, como la
Campana de Gauss".
 Utilidad

Se utiliza muy a menudo porque hay muchas

variables asociadas a fenmenos naturales
que siguen el modelo de la norma.
Caracteres morfolgicos de individuos
(personas, animales, plantas,...) de una
especie, por ejemplo: tallas, pesos, dimetros,
distancias, permetros,...
Caracteres fisiolgicos, por ejemplo: efecto de
una misma dosis de un frmaco, o de una
misma cantidad de abono
 Utilidad

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 mustrales como la
media, varianza y moda
 La funcin de distribucin

Puede tomar cualquier valor (- , + )

Hay ms 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 simtrica).
Conforme nos separamos de m , la probabilidad va
decreciendo dependiendo la desviacin tpica s.
La funcin F(x)
F(x) es el rea sombreada
de la siguiente grfica
 Propiedades de la
distribucin normal:

El rea bajo la curva aproximado del promedio a ms o

menos una desviacin estndar (1) es de 0.68, a ms o
menos 2 es de .0 95 y a ms o menos 3 es de 0.99.

(Las propiedades continuan en la prxima lmina)

 Propiedades de la
distribucin normal:
La forma de la campana de Gauss depende de los parmetros y .
Tiene una nica moda que coincide con su media y su mediana.
La curva normal es asinttica al eje de X.
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.
 La desviacin estndar ( )
Compruebe el cambio de la distribucin variando la desviacin estndar

Nota cuando llegue al

enlance utilice la grfica #3
Tipificacin de la variable
 La media
Compruebe el cambio de la distribucin variando la media

Nota cuando llegue al enlance

utilice la grfica #2
Familiarizndonos con la normal
 En resumen
Podemos concluir que hay una familia de distribuciones con
una forma comn, diferenciadas por los valores de su media
y su varianza.
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.
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.
De entre todas ellas, la ms utilizada es la distribucin
normal estndar, que corresponde a una distribucin de
media 0 y varianza 1.
 La distribucin normal
estndar
Z se la denomina variable tipificada de X, y a
la curva de su funcin de densidad se le
conoce como la curva normal estndar.
Es una distribucin normal con promedio 0 y
una desviacin estndar de 1.
Todas las variables normalmente distribuidas
se pueden transformar a la distribucin normal
estndar utilizando la frmula para calcular el
valor Z correspondiente.
 La funcin F(z)

En la siguiente grfica vemos la

representacin grfica de la funcin de Z.
 En resumen

Podemos decir que el valor de Z es la

cantidad de desviaciones estndar a la
que est distanciada la variable X del
promedio.
A la variable Z se la denomina variable
tipificada de X, y a la curva de su funcin
de densidad se le conoce como la curva
normal estndar
 Caractersticas de la
distribucin normal estndar.

No depende de ningn parmetro.

Su media es 0, su varianza es 1 y su
desviacin estndar es 1.
La curva f(x) es simtrica respecto del eje
de Y
Tiene un mximo en el eje de Y.
Tiene dos puntos de inflexin en z=1 y z=-1
 Teorema del Lmite Central

Nos indica que, bajo condiciones muy

generales, segn aumenta la cantidad de
datos, la distribucin de la suma de variables
aleatorias tendera a seguir hacia una
distribucin normal.

En otras palabras el Teorema del Lmite

Central garantiza una distribucin normal
cuando el tamao de la muestra es
suficientemente grande.
 Por ejemplo
En el siguiente histograma podemos observar la distribucin de
frecuencias por peso de acuerdo a la edad. De acuerdo a este
teorema segn aumenten la cantidad de dato se podr trazar
una curva que tome cada vez ms formacin en forma campana.
 rea bajo la curva normal estndar

El rea bajo la curva normal estndar es til

para asignar probabilidades de ocurrencia de
la variable X.
Debemos tomar en cuenta que el rea total
bajo la curva es igual a 1. Y que, por ser una
grfica simtrica, cada mitad tiene un rea de
0.5.
Obtenga mas informacin de cmo
asignar probabilidades utilizando las
Tablas.
 Pasos para determinar el rea bajo la curva
normal estndar

Paso 1 - Interpretar grficamente el rea de

inters.
Paso 2 - Determinar el valor Z
Paso 3 - Buscar en la tabla de probabilidades.
Paso 4 - Hacer la suma o resta de reas para
encontrar la probabilidad deseada
 Ejemplos y ejercicios

Supongamos que sabemos que el peso de

los/as estudiantes universitarios/as sigue una
distribucin aproximadamente normal, con
una media de 140 libras y una desviacin
estndar de 20 libras.
 Ejemplo 1
Determine la probabilidad de que una persona tenga un
peso menor o igual a 150 libras

Paso 1 Interpretar grficamente el rea de inters.

Grficamente si decimos que a=150 libras, el rea
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 rea de 0.6915

Compruebe de forma
interactiva el
valor Z

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

deseada.
En este ejemplo no es necesario realizar ningn computo adicional ya que
el rea es la misma que se representa en la Tabla 1
 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 grficamente el rea de inters.

Grficamente si decimos que a=150 libras, el rea 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 rea de 0.6915.

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

deseada.
En este ejemplo el rea de 0.6915 no representa el rea que nos interesa
sino la contraria. En este caso debemos restarle 1 a la probabilidad
encontrada.
1 - .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 grficamente el rea de inters.

Grficamente si decimos que a=115 libras, el rea 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 rea de 0.8944.

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

deseada.
En este ejemplo el rea de 0.8944 no representa el rea que nos interesa
sino la contraria. En este caso debemos restarle 1 a la probabilidad
encontrada.
1 - .8944 = 0.2212
 Ejemplo 4
Si deseamos la probabilidad de que una persona, elegida
al azar, tenga un peso entre 115 y 150 libras.

Paso 1 Interpretar grficamente el rea de inters.

Grficamente si decimos que a=115 libras y b=150 libras, el rea 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 rea de 0.8944.

Buscamos en la Tabla 1 el valor Z=0.50 y obtenemos el rea 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 reas para encontrar la

probabilidad deseada.

El rea de 0.8944 se le resta la diferencia de 1-.6915.

0.8944 (1-.6915) = .5859

 Ejemplo 5
Determine la probabilidad de que una persona tenga un peso
menor o igual a 150libras

Paso 1 Interpretar grficamente el rea de inters.

Grficamente si decimos que a=150 libras y b= 160 libras, el rea

de la curva que nos interesa es la siguiente:
 Ejemplo 5
Determine la probabilidad de que una persona tenga un
peso menor o igual a 150libras

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 ser:
X m 160 140
Z 1.0
s 20

Paso 3 - Buscar en la tabla de probabilidades.

Buscamos en la Tabla 1 el valor Z=0.50 y obtenemos el rea de 0.6915.
Cuando Z = 1.0 el rea es de 0.8413.
 Ejemplo 5
Determine la probabilidad de que una persona tenga un
peso menor o igual a 150libras

Paso 4 - Hacer la suma o resta de reas para encontrar la

probabilidad deseada.

En este ejemplo se resta el rea mayor menos el rea 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 grficamente el rea de inters.

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

rea 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 rea de (1-

0.8944.)=0.1056

Para Z = -.050 el rea es de (1-.6915)=.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 reas para encontrar la

probabilidad deseada.

En este ejemplo el rea ser la diferencia de .3085-.1056=.2029.

 Ejercicios de prueba

Trabaje los ejercicios de este enlace utilizando la tabla de

probabilidades y luego compruebe los resultados
interaccionando con las grficas.
Para el primer ejercicio observe la grfica, manipule los
parmetros m (m) y s (s) y luego redacte una
descripcin detallada sobre las caractersticas de una
curva normal con media de 0 y desviacin estndar de 1.
 Referencias

Anderson, S. (2006). Estadsticas para administracin y

economa, 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,

Prtega, D., Pita F. (2001) Representacin grfica en el anlisis

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/ind
ex.html