You are on page 1of 4

N 6.

2012
eXtoikos
107
La funcin de probabilidad normal: Caractersticas y aplicaciones
Guillermina Martn Reyes
1. Introduccin
L
a funcin de probabilidad normal, tambin
denominada funcin de Gauss, funcin de
Gauss-Laplace o funcin de probabilidad de
los errores, es una funcin de probabilidad para
variables aleatorias continuas de gran aplicacin
en ingeniera, en fsica y en las ciencias sociales.
De hecho, es la funcin de probabilidad con ms
aplicaciones al campo de la Economa y de la Em-
presa. Al ser la distribucin normal una aproxi-
macin excelente a algunos fenmenos aleatorios
continuos, como la estatura, el peso, el tiempo de
servicio al cliente; y a fenmenos aleatorios dis-
cretos, a los cuales se les puede dar un tratamiento
continuo, como la antigedad de la vivienda, los
impuestos anuales, la produccin, etc, dicha dis-
tribucin tiene mucha aplicacin en mbitos tan
variados como el control de calidad, el marketing,
y la gestin de la produccin, entre otros. En ge-
neral, se puede decir que la distribucin normal es
de vital importancia en estadstica por tres razo-
nes esenciales:
Existen muchos fenmenos continuos que pa-
recen seguirla o se pueden aproximar mediante
ella.
Se puede utilizar para aproximar distribucio-
nes discretas de probabilidad y de esta forma evi-
tar clculos engorrosos.
Por su relacin con el teorema central del lmite
es la base de la inferencia estadstica clsica.
2. La Distribucin Normal
La distribucin normal fue introducida por
Carl Friedrich Gauss a principios del siglo XIX, al
estudiar los errores de medida en los movimientos
de los cuerpos celestes. Aunque algunos autores
consideran que en 1733 ya haba sido descrita por
Moivre, y que Laplace tambin realiz sus apor-
taciones casi simultneamente a la descripcin de
Gauss.
La funcin de densidad de una distribucin
normal tiene varios rasgos importantes: Es una
distribucin que tiene forma de campana, es sim-
trica y puede tomar valores entre menos infnito y
ms infnito (fgura 1).
Es decir, los valores centrales de la variable se
presentan con ms frecuencia que los valores ex-
tremos. As por ejemplo, en el caso de los errores
de medida, los errores por defecto o por exceso
pequeos en valor absoluto se presentan frecuen-
temente, mientras que los errores grandes, tanto
los positivos como los negativos, se observan me-
nos veces.
En segundo lugar, decimos que es simtrica.
En efecto, es simtrica respecto a un valor central
alrededor del cual toma valores con gran proba-
Resumen: El objetivo de esta nota es mostar las caractersticas bsicas de la funcin de probabilidad normal, as como
su utilizacin.
Palabras clave: funcin de probabilidad normal; variable aleatoria.
Cdigo JEL: C10.
N 6. 2012 eXtoikos 108
bilidad mientras que apenas aparecen los valores
extremos. De manera que sus medidas de posicin
central (media, mediana y moda) coinciden.
Por ltimo, presenta como asntota el eje de
abscisas al que se va aproximando sin llegar a cor-
tarse.
La expresin matemtica que representa una
funcin de densidad con estas caractersticas es la
siguiente:
coincide con la integral de la funcin de densidad
desde - hasta el valor x
0
.
3. Distribucin normal estandarizada
La distribucin normal que tiene de media =0,
y
2
=1 se denomina distribucin normal estndar,
N(0,1), o tipifcada. Su funcin de distribucin se
encuentra tabulada, siendo de gran utilidad para
el clculo de probabilidades de cualquier distribu-
cin N(,
2
).
Sea una variable X que se distribuye como una
normal con media y variancia
2
.
Dicha variable se puede transformar

en una
variable normal tipifcada, N(0,1), mediante la si-
guiente expresin:
0
0,1
0,2
0,3
0,4
0,3
-4 -2 0 2 4

Grfco 1: Distribucin normal estndar


Fuente: Elaboracin propia.
(1)
(2)
(3)
2
2
2
) (
2
2
1
) (
o

to

=
!
" ! # para s s ! (1)
Funcin de densidad que slo depende de dos
parmetros, la media , y la varianza de la distri-
bucin
2
. Si conocemos la media y la varianza de
una variable X, podemos defnir la distribucin
normal utilizando la notacin:
) , (
2
o $ % ~
.
En la fgura 2 se representan varias funciones de
densidad normal con la misma media y diferentes
varianzas.
Asimismo, la funcin de distribucin acumu-
lada de cualquier variable aleatoria X, se defne
como F(x
0
)= P(X<x
0
), es decir la probabilidad de
que dicha variable tome un valor menor que x
0
.

Matemticamente esta funcin de distribucin
)
2
(
2
2
1
) (
&
" ' #

=
t
o

=
%
'
De manera que la funcin de densidad de esta
nueva variable es:
A partir de dicha expresin, las tablas de la
distribucin normal presentan los valores de o
probabilidad de que la variable Z tome un valor
inferior a z
0
.
N 6. 2012
eXtoikos
109
Las frmulas ms importantes para el clculo
de probabilidades de una N(0,1) son las siguientes:
| | ) ( 1 2 ) ( 2 ) ( ) ( ) (
) ( ) ( ) (
) ( ) (
) ( 1 ) (
( ( ( ( (
) * * )
& + & ' , & ' , & ' , & ' ,
& + & + & ' & ,
& ' , & ' ,
& + & ' ,
= > = s + > = >
= > s
> = s
= >

De forma que si se quiere obtener la probabili-
dad de que X se encuentre entre dos valores, x
a
y
x
b
, primero se tipifcan dichos valores con la ex-
presin (2), y despus se buscara en las tablas de
la distribucin normal la probabilidad acumulada
para esos dos nuevos valores, z
a
y z
b
. De manera
que:
) ( ) ( ) ( ) (
) * * ) * )
& + & + & ' & , ! % ! , = s s = s s
4. Algunas propiedades de la distribu-
cin normal.
En toda distribucin normal en el intervalo
o 2
se encuentra el 95,5 por ciento de la dis-
tribucin; y en el intervalo
o 3
se tiene el 99,7
por ciento de la distribucin.
Una transformacin lineal de una variable nor-
mal tambin se distribuye normalmente. As si X
sigue una distribucin N(,
2
), una nueva variable
* )% - + =
tiene una distribucin normal con
media
* ) +
y desviacin estndar o ) .
Cualquier combinacin lineal de variables
aleatorias independientes e idnticamente distri-
buidas en forma normal, tiene una distribucin
normal. Esta propiedad implica que el promedio
de variables independientes distribuidas normales
tiene una distribucin normal. Resultado que es
crucial para la inferencia estadstica sobre la me-
dia de una poblacin normal.
Si X e Y estn distribuidas normalmente, estas
dos variables son independientes si y slo si la co-
varianza entre X e Y es cero.
Las distribuciones que siguen una binomial o
una distribucin de Poisson se pueden aproximar
a una distribucin normal.
5. Aplicaciones
Suponga que en una determinada empresa se
analiza el tiempo que lleva a los trabajadores la
instalacin de una determinada pieza del pro-
ducto que fabrica, concluyendo que se distribuye
como una normal con una media de 30 minutos y
una desviacin estndar de 5 minutos. Con estos
datos se podran contestar preguntas como:
1. Cul es la probabilidad de que un trabajador
aleatoriamente seleccionado pueda montar la pie-
za en menos de 30 minutos?
La respuesta es la siguiente:
5 , 0 )
5
30 30
( ) 30 ( =

s = s ' , % ,
Es decir, el 50 por ciento.
(5)
0
0,1
0,2
0,3
0,4
0,3
0,6
0,7
0,8
0,9
0 2 4 6

n(3,0.3)
n(3,1)
n(3,2)
Grfco 2. Distribuciones normales con distintas varianzas y la misma media
Fuente: Elaboracin propia.
(6)
(6)
}

=
0
) ( ) (
&
.& ' # ' + (4)
N 6. 2012 eXtoikos 110
2. Cuntos minutos tienen que pasar antes de
que el 10 por ciento de los trabajadores monten
la pieza?
Lo que debemos obtener aqu es el valor de la
variable Z que deja en la cola izquierda de la dis-
tribucin el 10 por ciento. En las tablas obtendra-
mos un valor z
0
=-1,28. Este ser el valor tipifcado,
de manera que el valor de X ser: x
0
=+z
0
=30-
1,28x5=23,6 minutos.
Otro ejemplo en el que se puede aplicar el uso
de la distribucin normal es el siguiente: Suponga
que el encargado de la tesorera de una empresa
est interesado en el nmero de das que trans-
curre entre la facturacin y el pago de las cuentas
a crdito. Una vez recogidos los datos, se obser-
va que el tiempo se distribuye aproximadamente
como una normal con una media y una variancia
determinada. En este caso se podra responder
a preguntas como la siguiente: Qu porcenta-
je de cuentas se pagar antes de x das? Dentro
de cuntos das se pagar el 80 por ciento de las
cuentas?