DISTRIBUCIÓN NORMAL

1. Distribución Normal
La distribución normal o Gausiana es indudablemente la más importante y de ma-
yor uso de todas las distribuciones continuas de probabilidad. Es la piedra angular
en la aplicación de la inferencia estadı́stica para el análisis de datos, puesto que las
distribuciones de muchas estadı́sticas muestrales tienden hacia la distribución normal
conforme crece el tamaño de muestra. La apariencia gráfica de la distribución normal
es una curva simetrica con forma de campana, que se extiende sin limite tanto en la
dirección positiva como en la negativa.

Definición 1. Se dice que una variable aleatoria continua X tiene una Distribución
Normal con parámetros µ y σ (o µ y σ 2 ), donde −∞ < µ < ∞ y σ > 0, si la función
de densidad de probabilidad de X es:
1 2 2
f (x; µ, σ) = √ e−(x−µ) /(2σ ) −∞<x<∞
2πσ

El enunciado de que X está normalmente distribuida con los parámetros µ y σ 2 a

menudo se abrevia como X ∼ N (µ, σ 2 ).
Propiedades
Supongamos que la variable X sigue una distribución normal cuyos parámetros son
µ y σ 2 . En ese caso, se cumplen las siguientes propiedades:

1. La media de la variable aleatoria es µ:

E[X] = µ

2. La varianza de la variable aleatoria es σ 2

V (X) = E[(X − µ)2 ] = σ 2

3. La forma de la función de densidad de probabilidad es una curva simétrica en

forma de campana centrada en la media

1
La distribución normal tiene algunas caracterı́sticas importantes para nuestros análisis
estadı́sticos aplicados. Es simétrica. Las diferentes tendencias centrales son indicadas
por las diferencias entre las µ. En cambio, las diferencias entre las σ 2 dan como resultado
funciones de densidad de diferentes amplitudes. Seleccionando distintos valores de µ y
σ 2 , podemos definir una gran familia de funciones de densidad normales. Si cambia
la media, se desplaza toda la distribución. Pero cambiando la varianza se obtienen
distribuciones de diferentes amplitudes.
Nuestra siguiente tarea es aprender a hallar las probabilidades de una distribución
normal especı́fica. Primero presentamos la función de distribución acumulada.

2
1.1. Distribución Normal estándar
Para calcular P (a ≤ X ≤ b) cuando X es una variable aleatoria normal con paráme-
tros µ y σ, se debe determinar
Z b
1 2 2
√ e−(x−µ) /(2σ ) dx
a 2πσ
Ninguna de las técnicas estándar de integración puede ser utilizada para evaluar la
expresión anterior.
Definición 2. La distribución normal con valores de parámetro µ = 0 y σ = 1 se llama
Distribución Normal Estándar. Una variable aleatoria que tiene una distribución
normal estándar se llama variable aleatoria normal estándar y se denotará por Z. La
función de densidad de probabilidad de Z es:
1 2
f (, 0, 1) = √ e−z /2
2π
La función de distribución acumulativa de Z es
Z x
P (Z ≤ z) = f (y; 0, 1) dy
−∞

La cual será denotada por Φ(z)

La distribución normal estándar no sirve con frecuencia como modelo de una pobla-
ción que surge naturalmente. En cambio, es una distribución de referencia de la que se
puede obtener información sobre otra distribución normal.
La tabla da Φ(z) = P (Z ≤ z), el área bajo la curva de densidad normal estándar a
la izquierda de z.

Ejemplo 1. Determı́nense las siguientes probabilidades normales estándar:

1. P (Z ≤ 1,25) = Φ(1,25) = 0,8944
2. P (Z > 1,25) = 1 − P (Z ≤ 1,25) = 1 − Φ(1,25) = 0,1056
3. P (Z ≤ −1,25) = Φ(−1,25) = 0,1056
4. P (−0,38 ≤ Z ≤ 1,25) = Φ(1,25) − Φ(−0,38) = 0,8944 − 0,3520 = 0,5424

3
1.2. Distribuciones normales no estándar
Cuando X ∼ N (µ, σ) las probabilidades que implican X se calculan estandarizando.
La variable estandarizada es (X − µ)/σ.
Propiedad 1. Si X tiene una distribución normal con media µ y desviación estándar,
entonces
X −µ
Z= ,
σ
tiene una distribución normal estándar. Por tanto
 
a−µ X −µ b−µ
P (a ≤ X ≤ b) = P ≤ ≤
σ σ σ
 
a−µ b−µ
=P ≤Z≤
σ σ
   
b−µ a−µ
=Φ −Φ
σ σ
Donde:    
a−µ b−µ
P (X ≤ a) = Φ P (X ≥ b) = 1 − Φ
σ σ

1.3. Regla empirica

Si la distribución de la población de una variable es (aproximadamente) normal,
entonces
1. Aproximadamente 68 % de los valores están dentro de 1 desviación estandar de la
media.
2. Aproximadamente 95 % de los valores están dentro de 2 desviación estandar de la
media.
3. Aproximadamente 99.7 % de los valores están dentro de 3 desviación estandar de
la media.

4
1.4. Aproximación de la Distribución Binomial a la Normal
Recuerde que el valor medio ypla desviación estándar de una variable aleatoria
binomial X son µX = np y σX = np(1 − p), respectivamente, La figura muestra un
histograma de probabilidad de la distribución binomial, con n = 20, p = 0,6, con el cual
µ = 12 y σ = 2,19, vemos que la curva normal da muy buena aproximación, entonces el
área de cualquier rectángulo, excepto la de los localizados en las colas extremas, puede
ser aproximada con precisión mediante el área de la curva normal correspondiente.

Definición 3. Sea X una variable aleatoria normal basada en n ensayos con pro-
babilidad de éxito p. Luego si el histograma de probabilidad binomial no es dema-
siadopasimétrico, X tiene aproximadamente una distribución normal con µ = np y
σ = np(1 − p), entonces:
!
x + 0,5 − np
P (X ≤ x) = Φ p
np(1 − p)

En la práctica, la aproximación es adecuada siempre que tanto np ≥ 10 como n(1 −

p) ≥ 10, puesto que en ese caso existe bastante simetrı́a en la distribución binomial
subyacente.

1.5. ejercicios
Ejercicio 1. Dado que Z es la variable z <= 1,04).
normal estándar, calcule las probabilida- Ejercicio 2. Dado que Z es la variable
des siguientes. a.p(−1,98 <= z <= 0,49); normal estándar, halle z en cada una de
b. p(0,52 <= z <= 1,22); c. p(−1,75 <= las situaciones siguientes.

5
a. El área a la izquierda de z es 0.2119 Ejercicio 8. De acuerdo con la Sleep
b. El área entre -z y z es 0.9030. Foundation, en promedio se duermen 6.8
c. El área entre -z y z es 0.2052. horas por noche. Suponga que la desvia-
d. El área a la izquierda de z es 0.9948. ción estándar es 0.6 horas y que la distri-
e. El área a la derecha de z es 0.6915. bución de probabilidad es normal. a. ¿Cuál
Ejercicio 3. En una ciudad se estima que es la probabilidad de que una persona se-
la temperatura máxima en el mes de ju- leccionada al azar duerma más de ocho ho-
nio sigue una distribución normal, con me- ras? b. ¿De que una persona tomada alea-
dia 23° y desviación tı́pica 5°. Calcular el toriamente duerma seis horas o menos? c.
número de dı́as del mes en los que se espera Los médicos aconsejan dormir entre siete
alcanzar máximas entre 21° y 27°. y nueve horas por noche. ¿Qué porcentaje
de la población duerme esta cantidad?
Ejercicio 4. Suponga que la fuerza que
actúa en una columna que ayuda a sopor- Ejercicio 9. En enero de 2003 un emplea-
tar un edificio está normalmente distribui- do estadounidense pasaba, en promedio, 77
da con media de 15.0 kips y desviación horas conectado a Internet durante las ho-
estándar de 1.25 kips. ¿Cuál es la proba- ras de trabajo (CNBC, 15 de marzo de
bilidad de que la fuerza: 2003). Suponga que la media poblacional
sea de más de 18 kips?; esté entre 10 y 12 es 77 horas, tiempos que están distribuidos
kips?; Difiera de 15.0 kips en cuando mu- normalmente y que la desviación estándar
cho 1.5 desviaciones estándar? es 20 horas. a. ¿Cuál es la probabilidad de
Ejercicio 5. Los pesos de los indivı́duos que en enero de 2003 un empleado selec-
de una población se distribuyen normal- cionado aleatoriamente haya pasado me-
mente con media 70 kilogramos y desvia- nos de 50 horas conectado a Internet? b.
ción estándar 6 kilogramos. De una pobla- ¿Qué porcentaje de los empleados pasó en
ción de 2000 personas calcular el número enero de 2003 más de 100 horas conecta-
de personas que tendrán un peso compren- do a Internet? c. Un usuario es clasificado
dido entre 74 y 76 kilogramos. como intensivo si se encuentra en el 20 %
superior de uso. ¿Cuántas horas tiene un
Ejercicio 6. Si X tiene una distribución empleado que haber estado conectado a In-
binomial con parámetros n = 25 y p, calcu- ternet en enero de 2003 para que se le con-
le cada una de las siguientes probabilida- siderara un usuario intensivo?
des mediante la aproximación normal (con
la corrección por continuidad) en los casos Ejercicio 10. La puntuación de una per-
p = 0,5, 0,6, y 0,8: sona en una prueba de IQ debe estar en el
P (15 ≤ X ≤ 20); P (X ≤ 15); P (20 ≤ X) 2 % superior para que sea clasificado como
Ejercicio 7. Una empresa lleva a cabo una miembro de la sociedad internacional de IQ
prueba para seleccionar nuevos empleados. elevado (U.S. Airways Attaché, septiembre
Por la experiencia de pruebas anteriores, se de 2000). Si las puntuaciones de IQ tienen
sabe que las puntuaciones siguen una dis- una distribución normal con una media de
tribución normal de media 80 y desviación 100 y desviación estándar de 15, ¿cuál de-
tı́pica 25. ¿Qué porcentaje de candidatos be ser la puntuación de una persona para
obtendrá entre 75 y 100 puntos?. que se le considere miembro de ese grupo?