-
Pgina 1 de 8
DISTRIBUCIN NORMAL o campana de Gauss-Laplace
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 muestrales, 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.
FUNCIN DE DENSIDAD
Empleando clculos bastante laboriosos, puede demostrarse que
el
modelo de la funcin de densidad que corresponde a tales
distribuciones viene dado por la frmula
-
Pgina 2 de 8
Representacin grfica de esta funcin de densidad
La distribucin normal queda definida por dos parmetros, su media
y
su desviacin tpica y la representamos as
FUNCIN DE DISTRIBUCIN
Puede tomar cualquier valor (- , + )
Son ms probables los valores cercanos a uno central que llamamos
media
Conforme nos separamos de ese valor , la probabilidad va
decreciendo de igual forma a derecha e izquierda (es simtrica).
Conforme nos separamos de ese valor , la probabilidad va
decreciendo de
forma ms o menos rpida dependiendo de un parmetro , que es la
desviacin tpica.
-
Pgina 3 de 8
F(x) es el rea sombreada de esta grfica
TIPIFICACIN
Por tanto su funcin de densidad es
y su funcin de distribucin es
siendo la representacin grfica de esta funcin
-
Pgina 4 de 8
a la variable Z se la denomina variable tipificada de X, y a la
curva de su
funcin de densidad curva normal tipificada.
Caracterstica de la distribucin normal tipificada (reducida,
estndar)
No depende de ningn parmetro
Su media es 0, su varianza es 1 y su desviacin tpica es 1.
La curva f(x) es simtrica respecto del eje OY
Tiene un mximo en este eje
Tiene dos puntos de inflexin en z =1 y z = -1
Aproximacin de la Binomial por la Normal (Teorema de De Moivre)
:
Demostr que bajo determinadas condiciones (para n grande y tanto
p
como q no estn prximos a cero) la distribucin Binomial B(n, p)
se
puede aproximar mediante una distribucin normal
Debemos tener en cuenta que cuanto mayor sea el valor de n, y
cuanto
ms prximo sea p a 0.5, tanto mejor ser la aproximacin
realizada.
Es decir, basta con que se verifique
gracias a esta aproximacin es fcil hallar probabilidades
binomiales, que
para valores grandes de n resulten muy laboriosos de
calcular.
-
Pgina 5 de 8
Hay que tener en cuenta que para realizar correctamente esta
transformacin de una variable discreta (binomial) en una
variable
continua (normal) es necesario hacer una correccin de
continuidad.
-
Pgina 6 de 8
MANEJO DE TABLAS. CASOS MS FRECUENTES.
La distribucin de la variable Z se encuentra tabulada
-
Pgina 7 de 8
-
Pgina 8 de 8