DISTRIBUCIN NORMAL 1.

Breve resea histrica 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 Moivre-Laplace. 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 astronmicos3 y algunos autores le atribuyen un descubrimiento independiente del de De Moivre.4 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.[cita requerida] A pesar de esta terminologa, otras distribuciones de probabilidad podran ser ms apropiadas en determinados contextos; vase la discusin sobre ocurrencia, ms abajo.

2. Caractersticas de la distribucin normal La curva tiene un solo pico, por consiguiente es un modal. Presenta una forma de campana. La media de una poblacin distribuida normalmente se encuentra en el centro de su curva normal A causa de la simetra de la distribucin normal de probabilidad, la mediana y la moda de la distribucin tambin se hallan en el centro, por tanto en una curva normal, la media, la mediana y la moda poseen el mismo valor. 4. Las dos colas (extremos) de una distribucin normal de probabilidad se extienden de manera indefinida y nunca tocan el eje horizontal. 3. La distribucin normal general La distribucin normal es, con mucho, la ms importante de todas las distribuciones de probabilidad. Es una distribucin de variable continua, con campo de variacin. Fue descubierta por Gauss al estudiar la distribucin de los errores en las observaciones astronmicas. 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 4. La distribucin normal estndar La distribucin normal estndar, o tipificada o reducida, es aquella que tiene por media el valor cero, =0, y por desviacin tpica la unidad, =1.

La probabilidad de la variable X depender del rea del recinto sombreado en la figura. Y para calcularla utilizaremos una tabla. 5. Importancia de la distribucin normal general 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. Por un lado, un gran nmero de fenmenos reales se pueden, idealizar con esta distribucin (tales el caso de las caractersticas cuantitativas de casi de todas las grandes poblaciones). Por otro lado, mucha de las distribuciones de uso frecuente tienden a aproximarse a la distribucin normal bajo ciertas condiciones; y, por ltimo, en virtud del teorema central del lmite, todas aquellas variables que pueden considerarse causadas por un gran nmero de pequeos efectos (como pueden ser los errores del a observacin) tienden a distribuirse con una distribucin normal. 6. Aplicacin de la distribucin normal en la Investigacin Se aplica en la investigacin, cuando por ejemplo, cuando tomas un examen, a veces te dan un tiempo mximo para completarlo. Cmo se determina? Tomas una muestra de los tiempos que tardan los alumnos en completar, haces las pruebas estadsticas correspondientes y podes determinar el tiempo promedio necesario para terminar un examen. Tambin se podra aplicar, por ejemplo, para determinar las alturas mximas en las casillas de peajes. Estandarizar la variable es un modo de trabajarla, pero sigue siendo normal en esencia. 7. 10 ejercicios resueltos de la distribucin normal con su respectiva grfica.

Cul es la probabilidad de encontrar un dato entre 11 y 19? Es decir, como se observa en la grfica:

Debemos hallar la probabilidad para X1=11 y X2=19. Para X1=11 ==11155.690.7 Y para X2=19 ==19155.690.7 En este caso los valores nos dan iguales por tanto debemos buscar en la tabla de probabilidades, el valor correspondiente a Z=0.7 Cul es la probabilidad de encontrar un dato entre 17 y 22? Es decir, como se observa en la grfica:

Debemos hallar la probabilidad para X1=17 y X2=22. Para X1=17 ==17155.690.35 Y para X2=22 ==22155.691.23 Debemos buscar en la tabla los valores correspondientes a Z=0.35 y Z=1.23 Para P (ZX1)=P (Z0.35)= 0.1368307 Por tanto la probabilidad ser igual a: <1<2 = 2 (1) <1<2 = 1.23 (0.35) <1<2 =0.39065140.13683070.2538 R//La probabilidad de encontrar un dato entre 22 y 17, para una media de 15 y una D.E. de 5.69 es igual a 25.38% Cul es la probabilidad de encontrar un dato por encima de 24? Es decir, como se observa en la grfica.

Calculamos Z para X=24 ==24155.691.58 Buscamos este valor en la tabla, la probabilidad asociada a un valor Z=1.58, es decir P (Z1.58) Por las propiedades de la distribucin normal expuestas anteriormente, tenemos que la probabilidad ser Igual a: >1 =0.5(1) >1 =0.5(11.58) >1 =0.50.4429466 >1 =0,0570534 La probabilidad de encontrar un nmero superior a 24 es igual a 5.71% Cul es el valor de X, donde se encuentra el 35% de probabilidad? Grficamente:

Para este caso, tenemos los siguientes datos: Media=15, d.e.=5.69 y P (ZX?)=0.35 Por lo tanto debemos hallar un valor X, que satisfaga la condicin de que la probabilidad sea igual a 35% Por formula sabemos que: = despejando Z =+ Sin embargo nos falta el valor de Z, el cual podemos hallar en la tabla de valores de Z buscando la probabilidad asociada1; para nuestro caso 35%. Haciendo uso de la tabla que proporciona reas a la izquierda de cada valor z de la distribucin normal tipificada, calcular las probabilidades (reas) siguiente a) Pr (z<1'35) b) Pr (z<-0'338) c) Pr (z>2'1) d) Pr (z>-1) e) Pr (-1'39<z-0'44) f) Pr (-1'52z0'897) Observe que, en el clculo de reas (probabilidades) en variables continuas, Pr (xa) equivale a Pr(x<a).

Tendremos que referir los clculos a probabilidades del tipo Pr (z < a), estando expresado el valor a con dos cifras decimales:

a) Pr(z<1'35) = 0'91149