DISTRIBUCION NORMAL: TIPIFICANDO LA VARIABLE

Zayira Marcela Brito Pea1, Yuli Sofa Castro Barbosa1

1
Estudiantes de la Universidad Del Magdalena
Carrera 32 No 22-08. Santa Marta, Colombia.

RESUMEN

La distribucin normal es la ms importante de las distribuciones estadsticas debido a la cantidad

de fenmenos que pueden explicarse en su utilizacin, dentro de esta distribucin se encuentra la
distribucin normal estndar, y la tipificacin de una variable entre otras. Con este trabajo se
pretende conocer ms acerca de las distribuciones estadsticas, conocer su utilizacin e importancia
de la aplicacin en la vida cotidiana.
Palabras clave: Distribucin normal, Desviacin estndar, Media, variable.

ABSTRACT
The normal distribution is the most important statistical distributions due to the number of
phenomena that can be explained in its use; within this distribution is the standard normal
distribution, and typing a variable among others. This work is to learn more about statistics
distributions know their use and importance of any use everyday life.
Keywords: Dirtribution normal, Standard deviation, Half, variable

INTRODUCCIN
La distribucin normal fue considerada por De
Moivre en el ao de 1753 y fue olvidada, hasta
que en el siglo XIX fue puesta en la actualidad
por Gauss y Laplace, contribuyendo todos los
fundamentos tericos que la sustentan, es por
ello que se conoce en la estadstica como la
distribucin de Laplase-Gaus 1.
La distribucin normal corresponde a la
distribucin de probabilidades ms importante
en las variables aleatorias continuas; esta
aplicacin como su nombre lo indica, sugiere
que es muy comn debido a dos razones; la
primera que muchas de las caractersticas que
se encuentran en las poblaciones tienen una
distribucin de frecuencias que pueden ser
iguales o semejantes a la distribucin normal,
por ejemplo en la sociedad humana se pude
tomar como caractersticas el peso, coeficiente
de inteligencia, estatura, rendicin en el
trabajo, as como los errores de medicin que
se presentan en las observaciones, o el
volumen del contenido de cada envase de un
lote de ellos y otras variables aleatorias que
pueden ser evaluadas travs de esta
distribucin en la vida cotidiana 2.
La segunda es debido a que se hace necesario
realizar inferencias de las variables observadas
en la muestra hacia una poblacin. Esto
representa ciertas caractersticas que la hacen
una distribucin normal o tambin otras
distribuciones que se relacionen con ella las
que describan distribucin de la probabilidad
necesaria para asociarle a esta inferencia un
error probable.
Adems de las caractersticas que se
mencionaron se resaltan aspectos importantes,
como que es unimodal, la curva que se realiza
es simtrica y por estas caractersticas la
media, la mediana y la moda de las
distribuciones normales tienen el mismo valor
y se ubican en el centro de la distribucin;
luego ambos lados son asintticas sobre el eje
horizontal, es decir, que la probabilidad que se
presente un valor lejano al centro de la curva
se puede presentar aunque sea muy pequea, y
por ltimo la probabilidad de que se de en la
variable un valor especifico es cero, al igual
que sucede en cualquier tipo de probabilidades
que sean continuas. Una distribucin de
probabilidades `para una variable continua
solo asigna la probabilidad a intervalos dados
de esa variable 2.
La importancia de esta distribucin normal en
primer lugar, radica en que su utilizacin est
constituida por distribuciones mustrales, es
decir, las que se conocen como muestras
pequeas y otras que se manejan en el mbito
de las matemticas se pueden aproximar
mediante esta distribucin 3. En segundo lugar,
porque existe un resultado importante de esta
distribucin conocido como teorema central
del lmite, que establece que para una muestra
suficientemente grande, la media muestra
sigue una distribucin aproximada normal,
independiente del tipo de distribucin que
tenga la poblacin de la cual es tomada la
muestra.
MARCO TEORICO
1. Distribucin normal
La distribucin normal conocida ms
comnmente, como la "campana de Gauss"
fue reconocida por primera vez por el francs
Abraham de Moivre (1667-1754) y
posteriormente por Carl Friedrich Gauss
(1777-1855) quien elabor desarrollos ms
profundos y formul la ecuacin de la curva.
Esta distribucin nos da la probabilidad de que
al elegir un valor, ste tenga una medida
contenida en unos intervalos definidos. Esto
permitir predecir de forma aproximada, el
comportamiento futuro de un proceso,
conociendo los datos del presente.
La Distribucin Normal es un tipo de funcin
de distribucin terica para variables
aleatorias continuas, y est caracterizada por
dos parmetros, su media () que es el centro
de la distribucin y tambin se corresponde
con el punto mximo de la distribucin y su
desviacin estndar () que es una medida de
que tan ancha es la curva, las cuales
abreviadamente pueden ser indicadas as: N
(, ). Su estudio terico suele introducirse
directamente a partir de su funcin de
densidad.
Una variable aleatoria continua es aquella
que puede asumir un nmero infinito de
valores dentro de un determinado rango.
Ejemplo 1. El peso de una persona podra ser
80.5, 80.52, 80.525,... dependiendo de la
precisin de la bscula.
La frmula de la mediana:
=
Donde la letra griega , sigma mayscula,
indica la sumatoria de los valores individuales
de X, cifra que es dividida por el nmero de
menciones.
La variabilidad de los valores se calcula como
promedio de las desviaciones con respecto a la
media. Como la mitad de los valores son
mayores que la media y la otra mitad son
menores, el resultado final seria 0. Para
eliminar el signo negativo de la mitad menor,
se eleva al cuadrado cada desviacin. Este
promedio de desviaciones elevadas al
cuadrado desde la media es la varianza.
Expresada con la frmula:
( )2
2 =
N
La funcin de la distribucin normal est
definida formalmente de la siguiente manera:
Y por lo tanto, la funcin de la normal
estndar es:
La funcin de densidad de la normal viene
dada, o se define por la ecuacin:
Donde es el numero pi, cuyo valor es
3.1159, e es la base de los logaritmos
neperianos cuyo valor es 2,7182, es la
media aritmtica de la variable aleatoria X,
es la desviacin tpica de la variable aleatoria.
El rea entre la curva y el eje de abscisas
representa la probabilidad de que la variable
aleatoria tome un valor cualquiera entre - y
+ , teniendo en cuenta que sea el que sea el
valor de la variable tiene que estar entre menos
y ms infinito, dicha probabilidad debe ser
igual a 1, que es el suceso seguro.
1.1 Propiedades de la distribucin normal
Las caractersticas sobresalientes de esta
distribucin son:
Tiene una nica moda, que coincide con su
media y su mediana.
La curva normal es asinttica al eje de
abscisas. Por ello, La variable puede tomar
cualquier valor en el intervalo (- y + ).
El rea total bajo la curva es, por tanto,
igual a 1.
Es simtrica con respecto a su media .
Segn esto, para este tipo de variables
existe una probabilidad de un 50% de
observar un dato mayor que la media, y un
50% de observar un dato menor.
La distancia entre la lnea trazada en la
media y el punto de inflexin de la curva
es igual a una desviacin tpica (). Cuanto
mayor sea , ms aplanada ser la curva de
la densidad.
El rea bajo la curva comprendida entre
los valores situados aproximadamente a
dos desviaciones estndar de la media es
igual a 0.95. En concreto, existe un 95%
de posibilidades de observar un valor
comprendido en el intervalo ( - 1.96; +
1.96 ).
La forma de la campana de Gauss depende
de los parmetros y , La media indica
la posicin de la campana, de modo que
para diferentes valores de la grfica es
desplazada a lo largo del eje horizontal.
Por otra parte, la desviacin estndar
determina el grado de apuntamiento de la
curva. Cuanto mayor sea el valor de , ms
se dispersarn los datos en torno a la media
y la curva ser ms plana. Un valor
pequeo de este parmetro indica, por
tanto, una gran probabilidad de obtener
datos cercanos al valor medio de la
distribucin.
1.3 Distribucin normal estndar N (0, 1)
No existe una nica distribucin normal, sino
una familia de distribuciones con una forma
comn, diferenciadas por los valores de su
media y su varianza, y para calcular reas bajo
la curva se necesitan complicados clculos
matemticos; u otra posibilidad que sera
tabular los valores para el clculo de las reas,
pero para eso se necesitara disponer de una
tabla para cada posible media y para cada
media una tabla para cada posible desviacin
tpica (infinitas tablas); por lo cual mediante
una sencilla tcnica y disponiendo de una sola
tabla se puede calcular reas bajo curvas
normales cualesquiera sean sus parmetros.
Para resolver este problema, se utiliza un solo
miembro de la familia de distribuciones
normales, aquella cuya media es 0 y
desviacin estndar 1 que es la que se conoce
como distribucin estndar normal o
tipificada, de forma que todas las
distribuciones normales pueden convertirse a
la estndar, restando la media de cada
observacin y dividiendo por la desviacin
estndar.
1.3.1 Tipificacin de la variable
La distribucin normal viene determinada por
los parmetros m y s, siendo necesaria una
tabla de probabilidades para cada normal N (,
), y slo disponemos de las probabilidades
tabuladas de la distribucin normal N (0, 1).
Para poder calcular las probabilidades de
cualquier distribucin normal de parmetros N
(, ), debemos transformar la variable X que
sigue esta distribucin en otra variable que
llamamos Z que sigue una distribucin normal
N (0,1), a este proceso se le conoce como
tipificar la variable.
Para tipificar la variable X N (, ) lo
primero que se debe hacer es conseguir que su
media () sea cero; el siguiente paso es lograr
que el valor de la desviacin tpica sea 1, para
ello se debe contraer o expandir la campana
que representa la distribucin normal.
Una vez logrado que ambas variables
presenten una distribucin N (0, 1) hay que
buscar la expresin analtica que permita
realizar esa transformacin. Cuya relacin es:
X
Z= N (0, 1)
El valor -z nos indica cuantas desviaciones
estndares est la observacin original de si
media y en qu direccin. Las observaciones
mayores que su media toman valores positivos
cuando se estandarizan mientras los valores
que son menores a su media toman valores
negativos.
Ejemplo 2. El peso de una bolsa de papitas"
cuya etiqueta indica que es de 9oz es
aproximadamente Normal con = 9:12oz y
= 0:15oz. El peso estndar es
9.12
=
0,15
Por ejemplo una bolsa que pese 9.3oz, su peso
estandarizado lo es
9.3 9.12
= = 1.2
0,15
O simplemente 1.2 desviaciones estndar por
encima de la media. Similarmente una bolsa
que pese 8:7oz tiene un peso estandarizado de
8.7 9.12
= = 2.8
0,15
O 2.8 desviaciones por debajo de la media.
Si las variables originales (antes de aplicar el
proceso de estandarizacin) tenan una
distribucin normal, el proceso de
estandarizacin no brinda una nueva escala
(comn) esta distribucin sigue siendo una
Normal conocida como distribucin Normal Multiplicamos la probabilidad obtenida por
estndar. 100

Ejemplo 3. La temperatura durante setiembre 0. 6825 x 100 = 68. 25 %

est distribuida normalmente con media Por lo tanto, el 68.25 % de las personas pesan
18,7C y desviacin standard 5C. Calcule la entre 64 y 76 kg
probabilidad de que la temperatura durante Para saber el nmero de personas:
setiembre est por debajo de 21C. 0. 6825 x 2000 = 1365 personas

Resolucin: = 18.7C = 5C X= 1.3.2 Caractersticas de la distribucin

21C normal tipificada

21 18.7 2.3 La distribucin normal tipificada (N (0, 1))

= = = = 0.6
5 5 presenta las siguientes caractersticas:

Tipificando la variable No depende de ningn parmetro = 0 y

Ejemplo 4. Los pesos de los individuos de una
poblacin e distribuyen normalmente con
media 70 kg y deviacin tpica 6kg. De una
poblacin de 2000 personas, calcular cuantas
personas tendrn un peso comprendido entre
64 y 76 kg.
Solucin: SE trata de una distribucin normal
de media = 70 y desviacin tpica = 6
N(70, 6)
Tipificamos la variable y leemos
6470
P (64 x 76) = ( ) distribucin normal.
6
7670
( )=
6
P (-1 z 1) = P (-1 z 1) = P (z 1) P (z
-1)=
Hallamos p (z 1) y p (z 1) y completamos
P (z 1) = 0,8413 leemos directamente.
P (z -1) = P (z 1) = 1- P (z 1) = 1- 0.8413
= 0.1587
P (-1 z -1) = P (z 1) - P (z -1) = 0.8413
0.1587 = 0, 6825
Expresamos la probabilidad en %
= 1.
Su media es 0 y su desviacin tpica 1.
La funcin de densidad f(x) es simtrica
respecto al eje OY por ser = 0.
En este caso los puntos de inflexin - y
+ , son z = -1 y z = 1.
DISCUSION
La distribucin normal o Gaussiana se aplica a
una gran gama de observaciones en ramas
como la biologa, la geografa, la astronoma y
por supuesto la economa. Muchos ejemplos
de la naturaleza se pueden aproximar con una
La distribucin normal se presenta con mayor
frecuencia en variables cuantitativas. Muchas
variables biolgicas la siguen (como pesos de
hombres y mujeres adultos, frecuencia
cardaca, tensin arterial, errores aleatorios en
muchos tipos de medidas de laboratorio,
componentes qumicos de la sangre y orina,
medidas corporales...), duracin o vida de
objetos y seres vivos, etc.3,4 Caracteres
sociolgicos: consumo de un cierto producto
por un grupo de individuos, puntuaciones de
examen; caracteres psicolgicos: cociente
intelectual y grado de adaptacin a un medio
tambin pueden ser analizados con esta
distribucin,6 por lo que es muy utilizada en
ciencias de la salud y en las ciencias
Biolgicas. Por otra parte, en ciencias
empresariales, su uso est ligado a la
capacidad de poder analizar el tiempo que
puede llevar a los trabajadores la realizacin
de una labor y manejo de la contabilidad 5.
CONCLUSION
Las distribuciones normales son muy
utilizadas en la estadstica porque de acuerdo a
sus caractersticas representa una herramienta
importante en los estudios estadsticos ya que
puede ser aplicable a cualquier tipo de
BIBLIOGRAFIA
1. Paloma, V. Q., & Prez, A. G.
(1988). Lecciones de clculo de
probabilidades. Ediciones Daz de Santos.
2. Valerio, B., & Jorge, A. (1986). La
administracin y planificacin como
procesos (Vol. 1). EUNED.
3. Botella R. P. Alacreu G. M. Martnez B. M.
(2014). Apuntes de Estadstica en Ciencias de
la Salud. CEU. Universidad Cardenal Herrera.
1- 167.
4. Buesa I. E. (2010) Apuntes de
Bioestadstica. ESCUELA UNIVERSITARIA
DE ENFERMERIA N S DEL SAGRADO
CORAZN. HOSPITA GENERAL DE
CASTELLON. 1-71.
5. Reyes, G. M. (2012). La funcin de
probabilidad normal: Caractersticas y
aplicaciones. eXtoikos, (6), 107-110.
6.
http://cienciasempresariales.info/distribucion-
normal/ 27/10/2016
investigacin por sus aplicaciones tericas.
Con este tipo de distribucin se pueden
representar por ejemplo caracteres
morfolgicos de individuos (personas,
animales, plantas), caracteres sociolgicos
(consumo de cierto producto por un mismo
grupo e individuos, puntuaciones de un
examen), caracteres fisiolgicos (efecto de una
misma dosis de un frmaco), errores, valores
estadsticos etc., eta distribucin normal est
caracterizada por dos parmetros que son la
media y la varianza y que por su aplicabilidad
como se puede observar corresponde a la
distribucin ms importantes en el campo de
la estadstica.
7. Cndor, I. Teoria de la Probabilidad y
Aplicaciones Estadsticas. Ilmer.
8.
http://www.vadenumeros.es/sociales/tipificaci
on-de-la-variable.htm 27/10/2016.
9. Alvarez, A. J. M., & Garca, R. A. (2005).
La distribucin normal, la calculadora y las
nuevas tecnologas. Sigma: revista de
matemticas= matematika aldizkaria, (27),
59-78.
10. Prtegas Daz, S., & Pita Fernndez, S.
(2001). La distribucin normal. Unidad de
Epidemiologa Clnica y Bioestadstica.
Complexo Hospitalario Universitario de A
Corua (Espaa), CAD ATEN PRIMARIA, 8,
268-274.
11. Dagnino, J. (2014). La distribucin
normal. Rev Chil Anest, 43, 116-121.
11. Cceres, R. . (2007). Estadstica
aplicada a las ciencias de la salud. Ediciones
Daz de Santos.