TEMA 0: DISTRIBUCIN NORMAL

La distribucin normal o distribucin de Gauss es sin duda la ms

importante y la de ms aplicacin de todas las distribuciones continuas.
Esta distribucin es bastante adecuada para describir la distribucin de
muchos conjuntos de datos que ocurren en la naturaleza, la industria y
la navegacin. As pues para los siguientes conjuntos de datos, se puede
considerar adecuada la distribucin normal:
-

Datos meteorolgicos correspondientes a temperaturas, lluvias, etc.

Las clasificaciones correspondientes a pruebas de aptitud.
Las alturas de individuos de una edad y sexo dado.
Las medidas fsicas de productos manufacturados.
La vida media de un tipo de lmparas con un voltaje dado, etc.

Definicin: Diremos que una variable aleatoria X, de tipo continuo, sigue

una distribucin normal de parmetros y si su funcin de densidad
es:
( x )2

1
2
-< x<+
f ( x)
e 2 ,
2
donde , y tales que -<<+
e=2,71828 )

>0. (=3,14159... ,

Abreviadamente la indicaremos por XN(,)

Veamos ahora la representacin grfica de la funcin de densidad f(x)
de la N( ,). Para ello veremos que se cumplen las siguientes
propiedades:
1. f(x) es continua en toda la recta real.
2. f(x) es simtrica respecto de x = es decir es simtrica respecto
del parmetro .
3. f(x) tiene como asntota horizontal el eje de abscisas.
4. f(x) es estrictamente creciente cuando x<, y estrictamente
decreciente cuando x>.
5. f(x) presenta un mximo cuando x=, ese mximo vale f()=

1
2

El grfico nos muestra la representacin grfica de la funcin de

densidad, f(x), de una distribucin normal de parmetros y :

Se observa que tiene forma de campana, de aqu que frecuentemente se

le llame campana de Gauss. Tambin se pone de manifiesto que el
parmetro corresponde al mximo y al centro de la distribucin y el
parmetro nos da idea del grado de apertura o aplastamiento de la
curva f(x).
Relacin entre la N(,) y la N(0,1)
( x )2

1
2
Veamos pues que la expresin f ( x)
nos da la funcin de
e 2
2
densidad de una familia de distribuciones normales para los diferentes
valores de los parmetros
y
. Dentro de esta familia de
distribuciones normales hay una muy importante, que corresponde a los
valores de los parmetros =0 y =1, es decir la distribucin N(0, 1) y
recibe el nombre de
distribucin tipificada o estndar, cuya
correspondiente funcin de densidad se obtiene haciendo =0 y =1
en la expresin

1
f ( x)
e
2

( x )2
2 2

1 2x
f ( x)
e , x
2
Proposicin: Si X es una variable aleatoria con distribucin N(,),
entonces la variable aleatoria tipificada
Z=(X-)/
sigue una
distribucin N(0,1).
Caractersticas:
1. Funcin de distribucin correspondiente a una variable aleatoria X
distribuida segn una N(,) ser:
1
F(x)=P(X x)
2

( x )2

2 2

dx , -<x<+<

2. Media: E [X]=
El parmetro es la media de la distribucin. Sabemos que la funcin de
densidad f(x) de una N(,) es simtrica respecto de su media , es
decir P[X ]= P [X] = 0,5 lo cual nos permite decir que el
parmetro es la mediana de la distribucin.
La funcin de densidad f(x) presentaba un mximo para x= ,lo cual
nos indica que el parmetro es la moda de la distribucin.
En consecuencia diremos que en una distribucin N( ,), la media, la
mediana y la moda coinciden con el parmetro .
3. Varianza. VAR[X] =
Luego el parmetro que utilizamos en la N( ,) es la desviacin tpica
de la distribucin, y en el caso de la N(0,1) la desviacin tpica es la
unidad.
Utilizacin de las tablas:
En la tabla de tablas estadsticas aparece tabulada la funcin de
distribucin de una N(0,1).
Como la funcin de densidad de la distribucin normal es
completamente simtrica, en este caso respecto al parmetro de media
=0, se da una sola tabla de valores de Z, incluyendo solamente los
valores positivos de Z.
Para indicar el uso de la tabla consideramos las siguientes reglas
bsicas:
1. P(X-a)=1-P(Xa)
2. P(X>a)=1-P(Xa)
3. P(aXb)=P(Xb)-P(Xa)
Propiedades
1. Propiedad reproductiva.
La suma de n variables aleatorias independientes, X 1 , X 2 ,..., X n y
distribuidas segn una N i , i , i = 1, 2, ..., n, sigue una distribucin N
( 1 +....+ n , 12 ... n2 )
2. Si X 1 , X 2 ,..., X n son
n variables aleatorias independientes e
idnticamente distribuidas, segn una N(,), entonces la variable
aleatoria suma de las n variables Y= X 1 X 2 ... X n sigue una distribucin
N( n, n )

3. Si X 1 , X 2 ,..., X n son n variables aleatorias independientes e

idnticamente distribuidas, segn una N(,), entonces la variable
aleatoria media aritmtica de estas n variables
una distribucin N( ,/

n ).

X 1 X 2 ... X n
n

sigue

EJERCICIOS:
1.- Sea XN(200, 20). Determinar las siguientes probabilidades:
a) P(185<X<210)
b) P(215<X<250)
c) P(X>240)
d) P(X>178)
2.- Los pesos de soldados presentan una distribucin normal de media
65 kg y desviacin tpica 8 kg. Calcula la probabilidad de que un soldado
elegido al azar pese:
a) Ms de 61 kg.
b) Entre 63 y 69 kg.
c) Menos de 70 kg.
d) Ms de 75 kg
3.- Sea una v.a. X distribuida segn una normal con media =50 y
desviacin tpica =8. Obtener:
a) Probabilidad de que X tome valores entre 38 y 58.
b) Probabilidad de que X tome un valor mayor que 66.
4.- Supongamos que la demanda semanal de un artculo sigue una
distribucin normal de media =100 y desviacin tpica =20. Qu
existencias deben tener al principio de la semana para poder satisfacer
la demanda con una probabilidad de 095?