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/