DISTRIBUCION NORMAL

La distribución normal (en ocasiones llamada distribución gaussiana) es la

distribución continua que se utiliza más comúnmente en estadística. La
distribución normal es de vital importancia en estadística por dos razones
principales:

 La distribución normal sirve para acercarse a diversas distribuciones de

probabilidad discreta, como la distribución binomial y la distribución de
Poisson.
 La distribución normal proporciona la base para la estadística inferencial
clásica por su relación con el teorema de límite central.

CONCEPTOS FUNDAMENTALES DE LA DISTRIBUCION NORMAL

Para entender y trabajar adecuadamente con distribución normal en estadística

es necesario conocer y tener claros ciertos conceptos sobre los cuales se basa
este modelo.

 Variable aleatoria continua: Es aquella que alcanza adjudicarse un número

infinito de valores dentro de determinado rango. Por ejemplo, el peso de una
persona según la precisión de la báscula puede ser 80.5, 80.52, etc.

 Distribución de probabilidad normal: Muchas variables aleatorias siguen

una distribución normal o cerca de la misma. Pues su característica más
resaltante es que la gran mayoría de distribución de probabilidad bien sea
discreta o continua, pude ser aproximada con una probabilidad normal bajo
ciertas condiciones.

Las características tanto de la distribución de probabilidad normal y la curva que la

representa son:

 La curva tiene forma de campana con un pico en el centro de la

distribución. Por lo que la media aritmética, la moda y la mediana son
iguales y se localizan en el pico.
  Es simétrica alrededor de su media. La mitad del área bajo la curva se
encuentra a la derecha de dicho punto central y la otra mitad está a la
izquierda.
 La curva desciende mansamente en ambas direcciones a partir del valor
central.
 Es asintótica, es decir, que la curva se acerca bastante al eje X pero no
llega a tocarlo.

 Función de densidad de probabilidad: es la expresión en términos

de ecuación matemática de la curva de Gauss:

Dicha función de densidad:

 Puede usar cualquier valor (- ∞ ,+ ∞ )

 Son más probables los valores cercanos al punto central (media).
 Conforme se aleja del valor µ, la probabilidad decrece de la misma forma
a la derecha e izquierda (simétrica).
 Conforme se aleje del valor µ, la probabilidad decrece de forma más o
menos rápida dependiendo de la desviación típica (parámetro s).
 Su “50% central” es igual a 1.33 desviaciones estándar. Esto significa que
el rango intercuartil está contenido dentro de un intervalo de dos tercios
de una desviación estándar por debajo de la media y de dos tercios de
una desviación estándar por encima de la media.
En la distribución normal, uno puede calcular la probabilidad de que varios valores
ocurran dentro de ciertos rangos o intervalos. Sin embargo, la probabilidad exacta
de un valor particular dentro de una distribución continua, como la distribución
normal, es cero. Esta propiedad distingue a las variables continuas, que son
medidas, de las variables discretas, las cuales son contadas.

IMPORTANCIA DE LA DISTRIBUCIÓN NORMAL

Es el modelo continuo de mayor importancia en estadística debido a las siguientes

razones:

 Su aplicación es directa y permite observar muchas variables de interés,

que pueden describirse fácilmente con este modelo.
 Sirve para acercarse a varias distribuciones de probabilidad discreta, entre
estas la distribución de Poisson y la distribución Binomial.
 Sus propiedades han permitido el desarrollo de muchas técnicas de
inferencia estadística. Proporcionando la base de la estadística inferencial
clásica, por su relación con el teorema de límite central.

Bibliografía
 Riquelme, M. (s.f.). Web y empresas. Obtenido de Web y empresas:
https://www.webyempresas.com/distribucion-normal-en-estadisticas/

 GestioPolis.com Experto. (2002, Septiembre 8). ¿Qué es la distribución

normal? Recuperado de https://www.gestiopolis.com/que-es-la-
distribucion-normal/
