a) DISTRIBUCIÓN DE PROBABILIDAD

Una distribución de probabilidad indica toda la gama de valores que pueden representarse como
resultado de un experimento si éste se llevase a cabo.

Es decir, describe la probabilidad de que un evento se realice en el futuro, constituye una

herramienta fundamental para la prospectiva, puesto que se puede diseñar un escenario de
acontecimientos futuros considerando las tendencias actuales de diversos fenómenos naturales

Toda distribución de probabilidad es generada por una variable (porque puede tomar diferentes
valores) aleatoria x (porque el valor tomado es totalmente al azar), y puede ser de dos tipos:

Variable aleatoria discreta (x).

Porque solo puede tomar valores enteros y un número finito de ellos. Por ejemplo:

X Variable que nos define el número de alumnos aprobados en la materia de probabilidad en un

grupo de 40 alumnos (1, 2 ,3…ó los 40).

Variable aleatoria continua (x).

Porque puede tomar tanto valores enteros como fraccionarios y un número infinito de ellos dentro
de un mismo intervalo. Por ejemplo:

x es la Variable que nos define la concentración en gramos de plata de algunas muestras de

mineral (14.8 gr, 12.1, 10.0, 42.3, 15.0, 18.4, 19.0, 21.0, 20.8, …, n)

b) DISTRIBUCION NORMAL:

La distribución normal es una distribución con forma de campana donde las desviaciones estándar
sucesivas con respecto a la media establecen valores de referencia para estimar el porcentaje de
observaciones de los datos. Estos valores de referencia son la base de muchas pruebas de
hipótesis, como las pruebas Z y t.
Puesto que la distribución de estos datos es normal, usted puede determinar exactamente qué
porcentaje de los valores está dentro de cualquier rango específico. Por ejemplo:

Alrededor del 95% de las observaciones está dentro de 2 desviaciones estándar de la media,
indicado por el área sombreada en azul. El 95% de los valores se ubicará dentro de 1.96
desviaciones estándar con respecto a la media (entre −1.96 y +1.96). Por lo tanto, menos del 5%
(0.05) de las observaciones estará fuera de este rango. Este rango es la base del nivel de
significancia de 0.05 que se utiliza para muchas pruebas de hipótesis.

Aproximadamente el 68% de las observaciones está dentro de una 1 desviación estándar de la

media (-1 a +1), y alrededor del 99.7% de las observaciones estarían dentro de 3 desviaciones
estándar con respecto a la media (-3 a +3).

c) Utilidad de la distribución Normal de Probabilidad

La importancia de la distribución normal se debe, en primer lugar y como ya lo hemos dicho, a que
muchas variables siguen, aproximadamente, un modelo de probabilidad normal y esto ha
ocasionado que en las diferentes áreas del saber, su aplicación sea generalizada en relación a este
hecho hay que estar alerta y evitar incurrir en el error de creer que todos los conjuntos de datos
siguen una distribución normal, cuestión a la que se tendían en el pasado. Actualmente se conoce
como una compleja variedad de casos donde el modelo normal resulta inadecuado y deben
tratarse utilizando otros tipos de distribuciones.

En segundo lugar, existe un resultado muy importante con la distribución de normal conocido
como Teorema central de limite, El cual establece que para una muestra suficientemente grande, la
media muestral X¯¯¯¯ sigue una distribución aproximadamente normal, independientemente del
tipo de distribución que tenga la población de la cual se extrae la muestra.

La distribución normal también es importante por su relación con la estimación por mínimos
cuadrados, uno de los métodos de estimación más simples y antiguos.

Algunos ejemplos de variables asociadas a fenómenos naturales que siguen el modelo de la normal
son:

 caracteres morfológicos de individuos como la estatura;

 caracteres fisiológicos como el efecto de un fármaco;
 caracteres sociológicos como el consumo de cierto producto por un mismo grupo de
individuos;
 caracteres psicológicos como el cociente intelectual;
 nivel de ruido en telecomunicaciones;
  errores cometidos al medir ciertas magnitudes;
 etc.

d) Tipificación o normalización de la variable a Z

La tipificación consiste en aplicar un cálculo sencillo a la variable objeto de estudio, con él,
conseguimos que los datos de la distribución normalizada tengan un valor de la media aritmética
de 0 y una desviación típica de 1.

Donde X es la media aritmética, delta es la desviación típica, Z es la variable tipificada, xi es el dato

a transformar y ni es la frecuencia con que ese dato se repite en la distribución.