Professional Documents
Culture Documents
Introduccin:
E n esta dstica y proba bilida d se llama distribucin norma l, distribucin de
Gauss o distribucin gaussiana, a una de las distribuciones de
proba bilidad de varia ble continua que con m s frecuencia a pa rece a proxima da en
fenmenos rea les.
La grfica de su funcin de densidad tiene una forma a campa na da y es simtrica
respecto de un determina do pa rmetro esta dstico. Esta curva se conoce
como campa na de Gauss y es el grfico de una funcin gaussiana.
La importancia de esta distribucin ra dica en que permite modela r numerosos
fenmenos na tura les, socia les y psicolgicos. Mientras que los mecanismos que
subyacen a gran pa rte de este tipo de fenmenos son desconocidos, por la enorme
cantida d de va riables incontrola bles que en ellos intervienen, el uso del modelo
norma l puede justifica rse asumiendo que ca da observa cin se obtiene como la
suma de unas poca s ca usas independientes.
D e hecho, la esta dstica descriptiva slo permite describir un fenmeno, sin
explica cin a lguna. P a ra la explicacin causa l es preciso el diseo experimenta l, de
a h que a l uso de la esta dstica en psicologa y sociologa sea conocido como
mtodo correla ciona l.
La distribucin norma l ta mbin es importa nte por su relacin con la estimacin
por mnimos cua dra dos, uno de los mtodos de estimacin m s simples y antiguos.
A lgunos ejemplos de varia bles a socia da s a fenmenos na tura les que siguen el
modelo de la norma l son:
Origen:
La distribucin norma l se conoce como la curva de Ga uss o ca mpana de Ga uss,
famoso matemtico a lemn del siglo 19.
Rea lmente, fue un tra bajo de m s de 200 aos pa ra descubrirla y esta blecer su
ecua cin.
S u origen viene de la observa cin de un esta dstico francs del siglo 18 , A braha m
de Moivre, que, entre otra s cosa s, a ctua ba como consultor pa ra temas de juegos.
Observ, que a l lanza r una moneda , la probabilida d de obtener ca ra (o cruz ) en
N tira da tena una representacin gr fica con una curva suave a medida que N se
haca gra nde. En el gr fico presenta do a continuacin, la a ltura de cada ba rra
representa la proba bilida d de que ocurra el evento (sa le ca ra a l lanzar una
moneda) de N veces que lanza mos la moneda (hemos cogido, N=2; N=4; N=12). S i
la moneda no est trucada, la proba bilida d de que sa lga ca ra a l la nzarla es del
50% (p=0, 5). Este fenmeno sigue una distribucin conocida como la Binomia l.
D e M oivre explic que si pudiramos encontra r una ec uacin pa ra esta curva,
soluciona ra mos m s fcilmente el c lculo de probabilida des de que a pa rezca x o
ms ca ra a lanza r N veces una moneda. Y eso fue uno de sus tra ba jos.
La gracia reside en que esta peculia r forma de ca mpana tambin se detect, en el
siglo 17, por Ga lileo en el an lisis de errores de medicin de observa ciones
a stronmicas; errores atribuibles a la instrumenta cin y a los observadores. Not
que estos errores eran simtricos y que los pequeos errores eran ms frecuentes
que los error es grandes. D e ah, se plantea ron va ria s hiptesis sobre
la distribucin de los errores de medicin.
F ue solo a principio del siglo 19th que se descubri que estos errores segua n
una distribucin norma l. D os matem ticos establecieron de manera independien te
su frmula : Adrin en 1808 y Gauss en 1809 que a l fina l dio su nombre a la m s
famosa de la s distribuciones esta dstica s ya que numerosos fenmenos na tura les
se a justa n a ella y que presenta una s propiedades sumamente interesa ntes.
Distribucin normal:
Una variab le
aleato ria
co n tinu a , X,
sigue
S u gr fica es:
Tipificacin de la variable
Para poder utiliza r la tabla tenemos que transformar la variable X que sigue
una distribucin N(, ) en otra variable Z que siga una distribucin N(0, 1).
(k) = P(z k)
Casos:
P(Z a)
P(Z a) = 1 P(Z a)
p = K
p = 0.75Z 0. 68
P ara ca lcular la va ria ble X nos va mos a la f rmu la d e la tip ific ac in.
(X - )/ = 0. 68X = + 0.68
Ejemplos:
Ejemplo 1:En una ciudad se estima que la temperatura mxima en el mes de
junio si una distribucin norma l, con media 23 y desviacin tpica 5.
Calcular el nmero de das del mes en los que se espera alcanzar mximas
entre 21 y 27.
Ejemplo 2:La media y los que de los pesos de 500 estudiantes de un colegio
es 70 kg y la desviacin tpica 3 kg. Suponiendo que los pesos se distribuyen
normalmente, hallar cu ntos estudiantes pesan:
1. Entre 60 kg y 75 kg.
2. Ms de 90 kg.
Ejemplo
3:Se
supone
que
los
resultados
de
un
examen
siguen
una
el
Apto
el
No -Apto
(son
declarados
No -Aptos
el
25%
de
los
siguen
una
distribucin
una
distribucin
N(65,
18).
Se
desea
clasifica r a los examinados en tres grupos (de baja cultura genera l, de cultura
general aceptable, de excelente cultura gener al) de modo que hay en el
primero un 20% la poblacin, un 65% el segundo y un 15% en el tercero.
Cules han de ser las puntuaciones que ma rcan el paso de un grupo a l otro?
Ejemplo 5:Varios test de inteligencia dieron una puntuacin que sigue una
ley norma l con media 100 y desviacin tpica 15.
Ejemplo 6:En una ciudad una de cada tres familias posee telfono. Si se
eligen al azar 90 familia s, calcular la probabilidad de que entre ellas haya por
lo menos 30 tipos se han telfono.
Ejemplo 7:En un exa men tipo test de 200 preguntas de eleccin mltiple,
cada pregunta tiene una respuesta correcta y una incorrecta. Se aprueba si se
contesta a ms de 110 respuestas correctas. Suponiendo que se contesta al
azar, calcula r la probabilidad de aproba r el exa men.