ULADECH CATOLICA

FACULTAD DE CIENCIAS CONTABLES,

FINANCIERAS Y ADMINISTRATIVAS

ESCUELA PROFESIONAL DE CONTABILIDAD

ASIGNATURA
Estadstica Aplicada
DOCENTE
Luis Calderon
TEMA
La Distribucin Normal
AUTOR
Cabrera Barvis Erick Jeampaul
Galindo Baluis Cristian Dougles
Kuroda Calvo Saori Tamiko
Rodrigez Len Lisset
CICLO
III

Chimbote Per

2015

pg. 1

ULADECH CATOLICA

DEDICATORIA

Esta monografa sobre La Distribucin Normal se lo dedicamos a nuestros padres,

quienes han sido gua ejemplar para nosotros, logrando inculcar
superacin y perseverancia de lograr cumplir

en nuestra vida la

objetivos trazados tanto personales y

profesionales Agradecemos en especial a Dios por su infinidad de bendiciones, por darnos

la sabidura para poder aprender y adquirir nuevos conocimientos, los cuales son otorgados
por los docentes de alta calidad de la Universidad ULADECH , que con su dedicacin y
enseanza han logrado un nivel superior como futuro profesional.

pg. 2

ULADECH CATOLICA

INDICE
1. INTRODUCCION

2. OBJETIVOS
3. FORMULACION DEL PROBLEMA

PROPIEDADES DEL MODELO NORMAL

4. CONCEPTO FUNDAMENTALES

4.1 DEFINICIN DE VARIABLE ALEATORIA CONTINUA

4.2 DEFINICIN DE DISTRIBUCIN DE PROBABILIDAD NORMAL
4.4 DEFINICIN DE FUNCIN DE DENSIDAD DE PROBABILIDAD

5. PROBAVILIDADES FOR THE NORMAL DISTRIBUSION

5.1 LA DISTRIBUCIN NORMAL ESTNDAR

5.2 TEOREMA DE CHEBYSHEV
5.3 APROXIMACIN DE LA DISTRIBUCIN NORMAL A LA BINOMIAL

6. FACTOR DE CORRECCIN DE CONTINUIDAD

7. CONCLUCSION
8. BIBLIOGRAFIA
Espero que la informacin aqu descrita cumpla La cabalidad con los objetivos
propuestos.
pg. 3

ULADECH CATOLICA

1.-INTRODUCCIN

La distribucin de probabilidad conocida como distribucin normal es, por la cantidad

de fenmenos que explica, la ms importante de las distribuciones estadsticas.
A la distribucin normal tambin se la denomina con el nombre de campana de Gauss,
pues al representar su funcin de probabilidad, sta tiene forma de campana. [1]
En el math-block sobre la distribucin binomial se introduce el concepto de variable
aleatoria, distinguiendo adems dos tipos de variables, las discretas y las continuas. En este
apartado seguimos con el estudio de distribuciones de probabilidad analizando la
distribucin de probabilidad continua ms importante, la distribucin normal.
A continuacin veremos las caractersticas principales de una distribucin de
probabilidad normal, definiendo posteriormente la distribucin normal estndar as como
sus usos. Posteriormente, veremos cmo utilizar la distribucin normal para estimar
probabilidades binomiales.

pg. 4

ULADECH CATOLICA

2.-OBJETIVOS
Entender el concepto de variable aleatoria continua
Conocer las caractersticas de la distribucin de probabilidad normal
Aprender a calcular los valores de Z
Saber determinar la probabilidad de que una observacin se encuentre entre dos
puntos utilizando la distribucin de probabilidad normal
Saber determinar la probabilidad de que una observacin est por encima (o por
debajo) de un cierto valor utilizando la distribucin de probabilidad normal
Aprender a comparar observaciones que se encuentran en diferentes distribuciones de
probabilidad
Ser capaz de utilizar la distribucin normal para aproximar la distribucin de
probabilidad binomial

pg. 5

ULADECH CATOLICA

3.-FORMULACION DEL PROBLEMA

La distribucin normal fue reconocida por primera vez por el francs Abraham de
Moivre (1667-1754). Para esta presentacin aprendimos la aplicacin y manejo de las
Distribuciones de Probabilidades ms comunes, la Binomial, la de Poisson y finalmente la
distribucin Normal.

Existe un estudio cientfico sobre los factores de la distribucin normal, cientfica

realizado en el rea acadmica para determinar el uso ms adecuado y sofisticado de la
distribucin normal

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".
Deseamos compartir esta compilacin de informacin con alguien ms que al igual que
nosotros tuvimos la necesidad de investigar y realizar un trabajo de este tipo. Anlisis y
estudios que nos han abierto la mente as como nuestras habilidades para desempearnos
con mayor eficiencia en nuestras funciones laborales y personales.

pg. 6

ULADECH CATOLICA

DISTRIBUCIN NORMAL
Distribucin de una variable aleatoria contina con una curva de un solo pico y en forma
de campana. La media se halla en el centro de la distribucin, y la curva es simtrica
alrededor de una lnea vertical que se yergue en la media. Los dos extremos se extienden
indefinidamente, sin que nunca toquen el eje horizontal.<br />El modelo de probabilidad
ms frecuente utilizado en estadstica es la distribucin normal, que puede emplearse en las
formas general y estandarizada. Se dice que X (variable) tiene una distribucin general si
cumple las siguientes condiciones:

LA DISTRIBUCIN NORMAL GENERAL

Como se ha dicho, depende de dos parmetros, , , que como luego comprobaremos,
son su media y su desviacin tpica.
El hecho de que una variable x se distribuya con una distribucin normal de media y
desviacin tpica se representa por: X N[ ; ] L(X) N[ ; ] (Aunque nosotros
seguiremos este sistema de especificacin, es bastante corriente, tambin que a la
distribucin normal se la especifique por los parmetros media y varianza ( en vez de
desviacin tpica), , 2.

Su funcin de densidad es:

Las caractersticas de dicha funcin de densidad sern:

Si realizamos la primera derivada de dicha funcin tendremos que:

pg. 7

ULADECH CATOLICA

Dado que:

la segunda derivada ser:

Igualando a cero la primera derivada obtenemos que y'=0 para X = y para X = .

Como la segunda derivada en x = es negativa, concluimos que la funcin de densidad
presenta un mximo en X = , lo que nos hace afirmar que la media ( es tambin la
moda de la distribucin normal. Es fcil comprobar que la funcin de densidad presenta
dos puntos de inflexin en los valores X = Por otro lado para cualquier valor de a se
verifica que: ( +a)= ( -a) por lo que la funcin es simtrica respecto a .

Teniendo en cuenta estos resultados la representacin grfica de la funcin de densidad

resultara de la siguiente manera:
pg. 8

ULADECH CATOLICA

PROPIEDADES DEL MODELO NORMAL.1. Su esperanza es .

2. Su varianza es 2 y, por tanto, su desviacin tpica es .
3. Es simtrica respecto a su media , como puede apreciarse en la
representacin anterior.
4. Media, moda y mediana coinciden ().

5. Cualquier transformacin lineal de una variable con distribucin Normal

seguir tambin el modelo Normal. Si X ~ N(, ) y definimos Y = aX + b (con a
0), entonces Y~ N(a + b, |a|). Es decir, la esperanza de Y ser a + b y su desviacin
tpica, |a|.

6. Cualquier combinacin lineal de variables normales independientes sigue

tambin una distribucin Normal. Es decir, dadas n variables aleatorias
independientes con distribucin Xi ~ N(i, i) para i = 1, 2, ..., n la combinacin
lineal: Y = anXn + an1Xn1+ ... + a1X1 + a0 sigue tambin el modelo Normal:

pg. 9

ULADECH CATOLICA

4.- CONCEPTO FUNDAMENTALES.-

4.1.-DEFINICIN DE VARIABLE ALEATORIA CONTINUA:

Una variable aleatoria continua es aquella que puede asumir un nmero infinito de valores
dentro de un determinado rango. Por ejemplo, el peso de una persona podra ser 80.5, 80.52,
80.525,... dependiendo de la precisin de la bscula.

4.2.-DEFINICIN DE DISTRIBUCIN DE PROBABILIDAD

NORMAL:
La Normal es la distribucin de probabilidad ms importante. Multitud de variables
aleatorias continuas siguen una distribucin normal o aproximadamente normal. Una de sus
caractersticas ms importantes es que casi cualquier distribucin de probabilidad, tanto
discreta como continua, se puede aproximar por una normal bajo ciertas condiciones.
La curva normal desciende suavemente en ambas direcciones a partir del valor central.
Es asinttica, lo que quiere decir que la curva se acerca cada vez ms al eje X pero jams
llega a tocarlo. Es decir, las colas de la curva se extienden de manera indefinida en ambas
direcciones.
Distribucin son iguales y se localizan en el pico. As, la mitad del rea bajo la curva se
encuentra a la derecha de este punto central y la otra mitad est a la izquierda de dicho punto.
La distribucin de probabilidad normal es simtrica alrededor de su media.

pg. 10

ULADECH CATOLICA

La curva normal desciende suavemente en ambas direcciones a partir del valor central.
Es asinttica, lo que quiere decir que la curva se acerca cada vez ms al eje X pero jams
llega a tocarlo. Es decir, las colas de la curva se extienden de manera indefinida en ambas
direcciones.

Para indicar que una variable aleatoria (v.a.) sigue una distribucin normal de media y
desviacin estndar usaremos la expresin: X N(,).

4.3.-DEFINICIN DE FUNCIN DE DENSIDAD DE

PROBABILIDAD:
La probabilidad de que una variable aleatoria (v.a.) X tome un valor determinado entre
dos nmeros

reales a y b coincide con el rea encerrada por la funcin

(Funcin de densidad de probabilidad) entre los puntos a y b, es decir:

pg. 11

ULADECH CATOLICA

Como hemos comentado anteriormente, observar que:

La distribucin normal es simtrica respecto de su media .

El rea total encerrada por f(x) vale 1, i.e.: + f (x)dx = P( < X < +) = 1 .
Al ser X v.a. continua, P(X=a) = a a f (x)dx = 0 , aR P(Xa) = P(X

Veamos, a travs de una sencilla aplicacin, este concepto de cmo la distribucin normal
representa un rea bajo la curva. Para ello, podemos consultar el siguiente enlace:
http://psych.colorado.edu/~mcclella/java/normal/accurateNormal.html,

donde

veremos,

cambiando (1) los valores de la media y la desviacin estndar, y (2) los valores entre los
cuales queremos calcular la probabilidad, a qu porcin de espacio bajo la curva normal
corresponde la probabilidad buscada.

pg. 12

ULADECH CATOLICA

5. PROBAVILIDADES FOR THE NOR MAL DISTRIBUSION.-

5.1.-LA DISTRIBUCIN NORMAL ESTNDAR:

Se observ que no existe una sola distribucin de probabilidad normal, sino una familia
de ellas. Como sabemos, cada una de las distribuciones puede tener una media () o una
desviacin estndar distinta (). Por tanto, el nmero de distribuciones normales es ilimitado
y sera imposible proporcionar una tabla de probabilidades para cada combinacin de y.
Para resolver este problema, se utiliza un solo miembro de la familia de distribuciones
normales, aquella c32EQWDZX0.
Para resolver este problema, se utiliza un solo miembro de la familia de distribuciones
normales, aquella cuya media es 0 y desviacin estndar 1 que es la que se conoce como
distribucin estndar normal, de forma que todas las distribuciones normales pueden

pg. 13

ULADECH CATOLICA

convertirse a la estndar, restando la media de cada observacin y dividiendo por la

desviacin estndar.
Primero, convertiremos la distribucin real en una distribucin normal estndar utilizando
un valor llamado Z, o estadstico Z que ser la distancia entre un valor seleccionado,
designado X, y la media , dividida por la desviacin estndar .
Formalmente, si X N(,) , entonces la v.a. = X Z se distribuye segn una normal
de media 0 y desviacin estndar 1, i.e.: Z N(0,1) , que es la distribucin llamada normal
estndar o tipificada. De esta manera, un valor Z mide la distancia entre un valor especificado
de X y la media aritmtica, en las unidades de la desviacin estndar. Al determinar el valor
Z utilizando la expresin anterior, es posible encontrar el rea de probabilidad bajo cualquier
curva normal haciendo referencia a la distribucin normal estndar en las tablas
correspondientes. As pues, para averiguar el rea anterior utilizaremos la tabla que
encontraremos al final de este apartado. Dicha tabla nos proporciona la probabilidad de que
la v.a. normal estndar Z tome un valor situado a la izquierda de un nmero c, i.e.: P(Z<c)
En otras palabras, esta tabla nos da el valor del rea encerrada por f(x) entre - y c.

pg. 14

ULADECH CATOLICA

Ejemplos:
a) P(Z<1,52)=[ver tabla]=0,9357
b) P(Z>1,52)=[rea total]=1]=1-P(Z <1,52= =0,0643
c) P(Z<Z<1,52) = [P(Z<1,52)-P (<0) = [simetra] = 0,9357 0,5000=0.4357
d) P(-2,1<Z<0) = P(Z<-2,1) = {sim + tabla} = 0,5000 0,0179 = 0,4821

Por otra parte, denotemos por z() aquel nmero real tal que P[Z>z()] =
Por ejemplo

a)

z(0,25) = n que deja un rea de 0,25 a su derecha = {tabla} 0,675

ya que P(Z<0,68) = 0,7517 .

b)

Si queremos calcular un n real c tal que P(-c<Z<c) = 0,95 , nos

interesa hallar z(0,025) {ver grfico inferior}. Segn la tabla, c = z(0,025) =

1,96 ya que P(Z<-1,96) = 0,025 :

pg. 15

ULADECH CATOLICA

Supongamos ahora que X N(100,16) .

a) Cul es la probabilidad de que la variable X tome un valor entre
100 y 115? :

b) Cal es la probabilidad de que X tome un valor mayor de 90? :

5.2.-TEOREMA DE CHEBYSHEV:
Si X N (, ) , entonces:

i.e., el 68% (aproximadamente) de los valores que tome la v. a. X estarn situados a una
distancia de la media inferior a una desviacin estndar. Anlogamente, el 95% de los
valores estarn situados a menos de 2 veces la desviacin estndar, y un 99,7% de dichos
valores se encontrarn dentro un radio de 3 sigma. Por lo tanto, para una distribucin normal,
la mayor parte de todos los valores yacen a tres desviaciones standard de la media.
Por lo tanto, para una distribucin normal, la mayor parte de todos los valores yacen a tres
desviaciones standard de la media..

pg. 16

ULADECH CATOLICA

Los applets que aparecen a continuacin permiten identificar los respectivos porcentajes
del rea bajo la curva:

5.3.-APROXIMACIN DE LA DISTRIBUCIN NORMAL A LA

BINOMIAL:
Si X B(n, p) y el n de pruebas n es muy grande (en la prctica es suficiente con
verificar: n*p5 y n*(1-p) 5), entonces podemos aproximar la distribucin binomial
anterior a una normal, en concreto: X N(n * p, n * p *(1 p)). Esta aproximacin ser tanto
mejor cuanto mayor sea n. Hay que tener en cuenta que, antes de aplicar la distribucin
normal, es necesario asegurarse de que la distribucin que queremos aproximar es,
efectivamente, binomial.
Para ello, hay que comprobar:

Que un experimento slo puede tener dos resultados posibles y mutuamente

excluyentes: un xito y un fracaso.

La distribucin es consecuencia de contar el nmero de xitos de un nmero

fijo de pruebas.

Cada prueba es independiente.

La probabilidad, p, permanece igual de una prueba a la siguiente.

6.-FACTOR DE CORRECCIN DE CONTINUIDAD

pg. 17

ULADECH CATOLICA

En el caso de una v .a. discreta, tiene sentido preguntarse por la probabilidad de que sta
tome un determinado valor. Sin embargo, si consideramos que la v. a. X es continua,
entonces P(X=a) = 0, a R. Por este motivo tendremos que aplicar el llamado factor de
correccin por continuidad que veremos a continuacin, es decir, en el caso anterior
calcularemos P(a- 0,5<X.}.
Dicho valor 0,5 se suma o se resta, dependiendo de los requerimientos, a un valor
seleccionado cuando una distribucin de probabilidad discreta se aproxima por medio de una
distribucin continua.
Los posibles casos son: Para la probabilidad de que al menos X ocurra, se utilizar el rea por encima
de la curva (X-0,5)
- Para la probabilidad de que ocurra ms que X, se utilizar el rea por encima
de la curva (X+0,5)
Para la probabilidad de que ocurra X o menos, se utilizar el rea por debajo
de la curva (X+0,5)
Para la probabilidad de que ocurra menos de X, se utilizar el rea por debajo
de la curva (X-0,5)

Si consultamos en:
http://www.ruf.rice.edu/~lane/stat_sim/normal_approx/index.html

veremos

mediante un applet muy sencillo la aproximacin de una normal a una distribucin

binomial. Clicaremos en el botn Begin, que aparece a la parte superior izquierda de
la pantalla, y cambiaremos el valor de N y p, as como los valores del intervalo.

pg. 18

ULADECH CATOLICA

Para mostrar la aplicacin de la aproximacin normal a la binomial y la necesidad de un

factor de correccin, veamos el siguiente ejemplo resuelto con Minitab:
Ejemplo:
Para muchas combinaciones de n y p es posible aproximar bastante bien una distribucin
binomial B(n,p) mediante una distribucin normal de media = np y varianza 2 = np(1p). Generalmente, esta aproximacin tiende a ser tanto mejor cuanto mayor es el nmero de
pruebas n.
Introducimos en la columna C1 de una hoja de trabajo los nmeros 0, 1, 2, ..., 16. En la
columna C2 calcular P(X = 0), P(X = 1), ..., P(X = 16), siendo X una binomial de parmetros
n = 16 y p = 0,5.

pg. 19

ULADECH CATOLICA

7.-CONCLUCION.Gracias a la aplicacin de la distribucin normal es una de las distribuciones de

probabilidad de variable continua que con ms frecuencia aparece en fenmenos reales.
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 es un modelo matemtico que 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.

pg. 20

ULADECH CATOLICA

ESQUEMA DE CONTENIDOS

pg. 21

ULADECH CATOLICA

7.-BIBLIOGRAFIA. Lind, D.; Mason, R.; Marchal, W. (2001): Estadstica para Administracin
y Economa. Ed. Irwin McGraw-Hill. Sitio web:
http://es.geocities.com/riotorto/norm/norm.htm

Johnson, R. (1996): Elementary Statistics. Ed. Duxbury.sito web:

http://www.udc.pe/dep/mate/recursos.html

Farber, E. (1995): A Guide to Minitab. Ed. McGraw-Hill.sitio wed:

http://psych.colorado.edu/~mcclella/java/normal/accurateNormal.html

pg. 22