ANÁLISIS DE DATOS EXPERIMENTALES U.II. Distribución normal.

Distribución Normal

Sin lugar a dudas, la distribución normal es la más utilizada para modelar

experimentos aleatorios. Esta distribución puede obtenerse al considerar el modelo
básico de una variable aleatoria binomial cuando el numero de ensayos se vuelve
cada vez más grande. Se le atribuye su desarrollo a Karl Gauss y por ello se le
conoce también como Distribución Gaussiana.

Su importancia va más allá de proporcionar aproximaciones de las distribuciones

binomiales. Por ejemplo, puede demostrarse que cada vez que un experimento
aleatorio está formado por una serie de ensayos independientes, donde cada uno
da como resultado un valor observado de la variable aleatoria en particular,
entonces la variable aleatoria que representa el resultado promedio o total de n
ensayos tiende a una distribución con una función de densidad de probabilidad
similar a la de la siguiente ecuación:

− ( x −  )2
1
fx( x;  ,  ) = e 2 2
, −  x  
2

Los valores de  y  determinan la forma de la función de densidad de

probabilidad. Esta es una curva simétrica con forma de campana. El valor de 
determina el centro de la función y  determina la dispersión. Es evidente que esta
función siempre es positiva y siempre existe alguna probabilidad asociada a
cualquier intervalo de números reales. Es demostrable que el área bajo la curva en
el intervalo de -∞ <x < ∞ es uno y el valor máximo de la función es √‾2 el cual se
presenta en x= . La siguiente figura ilustra varias funciones de densidad de
probabilidad normal con distintos valores de los parámetros.

1
Dra. M. Estefanía Angeles San Martín
 ANÁLISIS DE DATOS EXPERIMENTALES U.II. Distribución normal.

Tipificación de la variable:
Una variable aleatoria normal con  = 0 y 2 = 1 recibe el nombre de variable
aleatoria normal estándar se denota como Z y puede tomar los valores z, los valores
se definen por:

x−
z=

Entonces la función de distribución normal queda:
−t 2
1 
f ( z) =
2 
−
2
e dt y se denota como N ( ,  )

Una de las características mas importantes de la distribución normal es que casi

cualquier variable, tanto discreta como continua, puede aproximarse a una normal
bajo ciertas condiciones. La distribución normal y su curva tienen las siguientes
características:

a) Se utilizan variables continuas.

b) La curva tiene forma de campana con un solo pico en el centro. De esta
forma, la media aritmética, moda y mediana son iguales y se localizan en el
punto máximo del pico. Así, la curva se divide en dos mitades a la izquierda
y derecha de la media.
c) La curva es simétrica alrededor de la media.
d) La curva desciende suavemente en ambas direcciones a partir de la media.
Es asintótica, lo que significa que en sus extremos se aproxima cada vez más
al eje x pero jamás lo toca; esto es las “colas” o extremos de la curva se
extienden indefinidamente en ambas direcciones.

Identidades:
P ( z > x ) = 1 – f (z)
P (a ≤ z ≤ b) = f(b) - f(a)
P (-z) = 1 - f(z)
P (-∞< z < a) = f(z)

2
Dra. M. Estefanía Angeles San Martín