DISTRIBUCION NORMAL

ASIGNATURA: MATEMATICAS
PROFESOR: IVAN FLORES ESPINOZA
INTEGRANTES: JOSE PONCE
RODRIGO VICENCIO
CURSO: 4 MEDIO A
 Índice:

Introducción……………………………………..3
Origen…………………………………………....4
Objetivos y conceptos claves…………………5
Definición………………………………………..6
Distribución normal estándar…………………7
Donde, como y para que se ocupa………….9
Ejercicios……………………………………….11
Conclusión……………………………………..13
Introducción:
El presente trabajo trata sobre uno de los modelos más comunes en el área de las
probabilidades y estadísticas, el cual permite modelar diversas variables prácticas
de interés. Este modelo corresponde a la distribución normal.

Como todo trabajo de investigación, se describirán los inicialmente los objetivos

esperados de dicho estudio y se contextualizará definirán conceptos
fundamentales para el análisis de este modelo.

Para comenzar, se realizará una breve reseña sobre el origen de éste, para luego
describir las características principales de esta distribución de probabilidad,
definiendo cada factor incorporado en el modelo e indicando cada paso a seguir
en el método de cálculo.

Por último, se hará referencia en qué situaciones se utiliza esta distribución en la

vida cotidiana y el porqué.
Origen:
La distribución normal
primeramente fue presentada por
Abraham de Moivre en un artículo
en el año 1933, el que luego fue
reimpreso en la segunda edición
del diario “The Doctrine of
Chances” en 1938, donde se dijo
que esta distribución era cierta
aproximación de otras
distribuciones, tal como la
binominal, usado para grandes valores de n. Esto fue ampliado en el libro del
mismo Moivre “Teoría Analítica de las Probabilidades” en 1812, que actualmente
se llama “teorema de Moivre-Laplace.

Esta distribución se ocupó para el análisis de errores de experimentos, o también

se usó con profusión cuando se analizaban datos astronómicos, esto último
realizado por Gauss. Gauss, por su parte, es el apellido de un físico y matemático.
La noción de campana de Gauss alude a la representación gráfica de una
distribución estadística vinculada a una variable. Dicha representación tiene la
forma de una campana. La campana de Gauss grafica una función gaussiana, que
es una clase de función matemática. Esta campana muestra cómo se distribuye la
probabilidad de una variable continua. Sus aportes científicos han marcado el
desarrollo de las matemáticas. El nombre distribución normal fue otorgado
finalmente por Charles Peirce, Francis Galton y Lexis en 1875.

En realidad, el nombre de Normal proviene del hecho de que durante un tiempo se

creyó, por parte de médicos y biólogos, que todas las variables naturales de
interés seguían este modelo.
Objetivos:
 Saber qué tipo de variable está asociada al modelo
 Entender en que consiste una distribución normal
 Conocer el método de cálculo asociado a una distribución normal
 Comprender el por qué se debe utilizar una variable auxiliar Z
 Aprender a utilizar las tablas asociadas al valor de probabilidad

Conceptos Importantes:
Variable aleatoria continua: Una variable aleatoria continua es aquella que
puede asumir un número infinito de valores dentro de un determinado rango.

Distribución de probabilidad: La distribución de probabilidad de una variable

aleatoria es una función que asigna a cada suceso definido sobre
la variable la probabilidad de que dicho suceso ocurra. La distribución de
probabilidad está definida sobre el conjunto de todos los sucesos y cada uno de
los sucesos es el rango de valores de la variable aleatoria. También puede decirse
que tiene una relación estrecha con las distribuciones de frecuencia. De hecho,
una distribución de probabilidades puede comprenderse como una frecuencia
teórica, ya que describe cómo se espera que varíen los resultados.

Función de densidad de probabilidad: describe la probabilidad relativa según la

cual dicha variable aleatoria tomará determinado valor.
Definición:
Este tipo de distribución se utiliza comúnmente en lo que se conoce como
estadística, y esta sirve para acercarse a diversas distribuciones de probabilidad
discreta. Esta es representada con una gráfica donde es expresa su función de
densidad, la cual tiene forma acampada y simétrica respecto de un determinado
parámetro estadístico.

La Normal es la distribución de probabilidad más importante. Multitud de variables

aleatorias continuas siguen una distribución normal o aproximadamente normal.
Una de sus características más importantes es que casi cualquier distribución de
probabilidad, tanto discreta como continua, se puede aproximar por una normal
bajo ciertas condiciones.

La distribución de probabilidad normal y la curva normal que la representa, tienen

las siguientes características:

 La curva normal tiene forma de campana y un solo pico en el centro de la

distribución. De esta manera, la media aritmética, la mediana y la moda de
la distribución son iguales y se localizan en el vértice. Así, la mitad del área
bajo la curva se encuentra a la derecha de este punto central y la otra mitad
está a la izquierda de dicho punto.
 La distribución de probabilidad normal es simétrica alrededor de su media.
 La curva normal desciende suavemente en ambas direcciones a partir del
valor central. Es asintótica, lo que quiere decir que la curva se acerca cada
vez más al eje X pero jamás 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 distribución normal de
media µ y desviación estándar σ usaremos la expresión: X ∼ N(µ,σ).

La probabilidad de que una variable aleatoria (v.a.) X tome un valor determinado

entre dos números reales a y b coincide con el área encerrada por la función:
1
1 𝑋−𝜇 2
𝑓(𝑥) = 𝛿√2𝜋 𝑒 −2 ( )
𝛿

𝑏
Es decir: 𝑃[𝑎 ≤ 𝑋 ≤ 𝑏] = ∫𝑎 𝑓(𝑥) 𝑑𝑥

Lo que gráficamente se puede representar de la siguiente forma:

Esta función, puede tomar valores desde −∞ 𝑎 + ∞.

Como se puede apreciar, los términos involucrados en el cálculo no son triviales,

por lo cual existen tablas que proporcionan los valores de probabilidad, sin
embargo, se debe realizar previamente un arreglo en las variables para
estandarizar los valores y así poder obtener los valores en la tabla. Esto se explica
de mejor manera a continuación.

Distribución normal estándar:

Se observó que no existe una sola distribución de probabilidad normal, sino una
“familia” de ellas. Como sabemos, cada una de las distribuciones puede tener una
media (µ) o una desviación estándar distinta (σ). Por tanto, el número de
distribuciones normales es ilimitado y sería imposible proporcionar una tabla de
probabilidades para cada combinación de µ yσ. Para resolver este problema, se
utiliza un solo “miembro” de la familia de distribuciones normales, aquella cuya
media es 0 y desviación estándar 1 que es la que se conoce como distribución
estándar normal, de forma que todas las distribuciones normales pueden
convertirse a la estándar, restando la media de cada observación y dividiendo por
la desviación estándar. Primero, convertiremos la distribución real en una
distribución normal estándar utilizando un valor llamado Z, o estadístico Z que será
la distancia entre un valor seleccionado, designado X, y la media µ, dividida por la
desviación estándar σ.

𝑋−𝜇
Formalmente, si X ∼ N(µ,σ) , entonces la v.a. 𝑧 = se distribuye según una
𝛿
normal de media 0 y desviación estándar 1, es decir: Z ∼ N(0,1) , que es la
distribución llamada normal estándar o tipificada.

De esta manera, un valor Z mide la distancia entre un valor especificado de X y la

media aritmética, en las unidades de la desviación estándar. Al determinar el valor
Z utilizando la expresión anterior, es posible encontrar el área de probabilidad bajo
cualquier curva normal haciendo referencia a la distribución normal estándar en
las tablas correspondientes.

Así pues, para averiguar el área anterior utilizaremos la tabla que encontraremos
al final de este apartado. Dicha tabla nos proporciona la probabilidad de que la v.a.
normal estándar Z tome un valor situado a la izquierda de un número c, es decir:
P(Z<c). En otras palabras, esta tabla nos da el valor del área encerrada por f(x)
entre −∞ 𝑦 𝑐 .
Donde se ocupa: Principal mente se ocupa en la materia de estadística, donde
se asocia a fenómenos naturales con diversos caracteres como:

 Carácter Morfológico: Esto se ocupa en variables que poseen los

individuos, por ejemplo la estatura.
 Carácter Fisiológico: Esto se puede referir a la medida del efecto que puede
generar un fármaco.
 Carácter Sociológico: Esto se puede observar en la medida del consumo de
cierto producto por un mismo grupo.
 Carácter Psicológico: Un ejemplo de esto es la medida del coeficiente
intelectual de las personas.

También puede ser ocupado para medir niveles de telecomunicaciones y cuando

se cometen errores al medir ciertas magnitudes.

Para que se ocupa: La distribución normal se ocupa con algunos objetivos,

tales como:

 Para acercarse a diversas otras distribuciones, como la binomial o la de

poisson.
 También se ocupa para proporcionar la base para la estadística inferial
clásica, esto por su relación con el teorema de louvite central.

Como se ocupa: La distribución normal es posible que se practique, ya que

posee algunas fórmulas, con las cuales se pueden determinar las variables
posibles que se presentan en los ejercicios.

Para sacar la función de distribución se utiliza la siguiente formula:

1
1 − 𝑋−𝜇 2
F(x)= 𝑒 ( 2 )
𝛿 √2𝜋 𝛿
Esta fórmula se puede ocupar simplemente con aparatos tecnológicos hechos
para aplicarla en su sistema, y en el caso de ocuparla manualmente se haría muy
difícil llegar al resultado. En el caso nuestro debemos usar la tipificación o
estandarización para poder calcularla de forma manual. En donde para obtener las
probabilidades que se piden en los ejercicios se encuentran ya establecidos en la
siguiente tabla:

Con la siguiente tabla se puede obtener la probabilidad que se piden en los

ejercicios, pero para poder llegar a este porcentaje se necesita realizar una
estandarización o una tipificación, que es la una forma más fácil de conseguir la
distribución normal. La fórmula que se ocupa en la distribución normal estándar o
tipificada es la siguiente:

(𝑋−𝜇)
Z= Donde X es una variable, µ es la media de probabilidad y δ
𝛿
desviacion estandar.

El resultado de esta ecuación es el valor que debe buscarse en la tabla

anteriormente mensionada, el cual se busca según su primer numero y sus
decimales. Por ejemplo si el resultado obtenido es 0,46 se debe buscar en la
columna que esta nombrada como “z”, es aquí donde se busca el numero dado
con su primer desimal, en este caso se encontraria en la fila numero 6. Luego se
continua con el segundo deciamal que se encuentra en la 8 columna de la tabla. El
dato ta estatificado seria 0,6772, el cual debe ser multiplicado por 100 para
obtener el porsentaje solicitado, el que seria 67,72%
Ejemplo 1: La temperatura durante setiembre está distribuida normalmente con
media 18,7ºC y desviación estandar es de 5ºC. Calcule la probabilidad de que la
temperatura durante setiembre esté por debajo de 21ºC.

Resolución. µ = 18,7ºC σ = 5ºC X = 21ºC

Aquí hacemos uso de la formula de tipificacion:

(𝑋−𝜇) 21−18.7 2,3

Z= = = = 0,46
𝛿 5 5
Ahora vamos a la tabla y para el valor de Z = 0,46 tenemos que la probabilidad es
de 0,6772.

EJERCICIOS

1.- La media de los pesos de 5000 estudiantes de un colegio es 70 kg y la

desviación estandar es de 3 kg. Suponiendo que los pesos se distribuyen
normalmente, “hallar cuántos estudiantes” pesan menos de 60 kg.

Resolución

µ = 70Kg

σ = 3 Kg. X = 60Kg.

En el ejercicio dan como datos µ el cual es 70kg y la δ que es 3 kg. Ademas dan la
variable X la cual en este caso es 60%.

En este caso solo debemos ubicar los datos en la formula ya dada, de la siguente
forma:

(𝑋−𝜇) 60−70 10
Z= = = = -3,33
𝛿 3 3

Lo siguiete es buscar la probabilidad en la tabla anteriomente como ejemplo, pero

en este caso el valor de la ecuacion nos vio negativo.

¿Y cómo buscamos en la tabla un número negativo?

El valor negativo sólo nos está diciendo que estamos por debajo de la media. Pero
en la tabla todos los valores de Z son positivos. ¿Entonces?
Lo unico que se debe hacer es calcular su complemento, con 1 – (resultado
anterior).

Mirando la tabla para Z = 3.33, queda que la probabilidad es de 0,9996.

Entonces, P(Z>3,33) = 1 - 0,9996 = 0,0004. = P (Z < - 3,33)

2. Varios test de inteligencia dieron una puntuación que sigue una ley

normal con media 100 y desviación típica 15.

a) Determinar el porcentaje de población que obtendría un

coeficiente entre 95 y 110.

En este caso cuando se pide encontrar un porcentaje entre dos datos que tienen a
la media entre su rango, hay que hacer la siguiente referencia p(-1 < z < 1). Donde
el -1 indica que el dato es menor que la z, y el 1 es mayor a esta misma. Luego
solo se debe cambiar a los valores entregados en la formula de la estandarizacion
para los dos casos, como se muestra a continuación.

P(95 < x < 110) = p (95-100 / 15) < z < (110-100 / 15) = p(0.33 < z < 0.67)

Luego se buscan los valores en tabla y el caso en donde la ecuacion dio negativa
se le debe sumar 1, para luego al restar las dos probabilidades poder encontra
probabilidad buscada y multiplicarlo por 100 para obtener el porcentaje.

p(z < 0.67) – [1-p(z < 0.33)]

= 0.7486 – (1 – 0,6293) = 0,3779 x 100 = 37,79%

3.El peso de lso invidivuos de una poblacion se distribuye normalmente con media
70kg y desviacion estandar 6kg. De una poblacion de 2000 personas, calcula
cuantas personas tendran un peso comprendido entre 64 y 76 kg.

Se trata de una distibucion normal de media µ=70 y con una desviacion estandar
de σ=6 ,

Nuevamente tipificamos la variable y leemos ( -1 < z < 1)

P(64 < x < 76) = p(64-70 / 6) < z < (76-70 / 6)

Hallamos p(z < 1) y p(z < -1) y completamos p(z < 1) = 0,8413 leemos
directamente, donde nuevamente a la probabilidad delresultado negativo se le
suma uno para obtener la verdadera probabilidad. Donde solo quedaria restar las
dos probabilidades y el resultado de esto multiplicarlo por 100 para obtener su
porcentaje.

P(z < -1)=P(Z < 1)= 1-P(Z < 1)= 1- 0,8413= 0,1587

P(-1 < Z < 1) = P(Z < 1)-P(Z < -1) = 0,8413 – 0,1587 = 0,6825

0.6825 x 100 = 68,25%

El 68,25% de las personas pesan entre 64 y 76 kg

Para saber el numero de personas

0.6825 x 2000 = 1365 personas

Conclucion:
En este trabajo pudimos comprender la importancia que tiene la distribucion
normal en la vida cotidiana, logrando ocuparla con su respectiva formula y
comprender cada parte de estas . Tambien logramos observar cuales son los
casos mas recurrentes en donde es ocupa tales como variables de seres vivos o
las medidas con un mayor rango de error. Aunque lo que.