La distribucin de probabilidad continua ms importante en todo el campo
de la estadstica es la distribucin normal. Su grfica, denominada curva normal, es la curva con forma de campana de la figura 6.2, la cual describe de manera aproximada muchos fenmenos que ocurren en la naturaleza, la industria y la investigacin. Por ejemplo, las mediciones fsicas en reas como los experimentos meteorolgicos, estudios de la precipitacin pluvial y mediciones de partes fabricadas a menudo se explican ms que adecuadamente con una distribucin normal. Adems, los errores en las mediciones cientficas se aproximan muy bien mediante una distribucin normal. En 1733, Abraham DeMoivre desarroll la ecuacin matemtica de la curva normal, la cual sent las bases sobre las que descansa gran parte de la teora de la estadstica inductiva. La distribucin normal a menudo se denomina distribucin gaussiana en honor de Karl Friedrich Gauss (17771855), quien tambin deriv su ecuacin a partir de un estudio de errores en mediciones repetidas de la misma cantidad.
Una variable aleatoria continua X que tiene la distribucin en forma de
campana de la figura 6.2 se denomina variable aleatoria normal. La ecuacin matemtica para la distribucin de probabilidad de la variable normal depende de los dos parmetros y , su media y su desviacin estndar, respectivamente. Por ello, denotamos los valores de la densidad de X por n(x; , ). La densidad de la variable aleatoria normal X, con media y varianza es: 1
n ( x ; ,)=
Donde,
1 2 (x ) e ,< x < 2 2
3.14159.. .
e=2.71828 . ..
REAS BAJO LA CURVA NORMAL
La curva de cualquier distribucin continua de probabilidad o funcin de
densidad se construye de manera que el rea bajo la curva limitada por las dos ordenadas x = x1 y x = x2 sea igual a la probabilidad de que la variable aleatoria X tome un valor entre x = x1 y x = x2. Por consiguiente, para la curva normal de la fi gura 6.6. x2
x2
( x ) 1 P ( x1 < X < x2 ) = n ( x ; , ) dx= e 2 dx 2 x x 2