SIGMA

27

LA DISTRIBUCIN NORMAL, LA CALCULADORA

Y LAS NUEVAS TECNOLOGAS
Abel Martn (*) - Rosana lvarez Garca (**)
La distribucin Normal tiene numerosas aplicaciones en el campo de la Probabilidad y la
Estadstica, cada da ms presente en los programas de ESO, Bachillerato y Universitarios.
Como ya hemos dicho en un artculo anterior, de forma clsica y tradicional, siempre hemos
resuelto este tipo de problemas con la ayuda de unas tablas que vienen incorporadas al final de
los libros de texto. En las no tan lejanas pruebas de selectividad, nos facilitaban una fotocopia
de estas tablas, mostrndonos, en realidad, una pista de la estrategia que deberamos de seguir
a la hora de resolver el problema.
A continuacin vamos a describir una nueva forma de afrontar estos problemas, suponiendo que el alumno tiene una calculadora grfica como
herramienta habitual (en nuestro caso utilizamos la CFX 9850 GB PLUS,
la FX 9860G de CASIO y la CLASSPAD 300), como ya ocurre en las
aulas de la casi totalidad de los pases desarrollados, incluidas gran
parte de nuestras Comunidades Autnomas. El uso de la calculadora grfica nos permite comprobar rpidamente y de forma visual, aquello que
estamos buscando, con un enfoque ms investigador e innovador, dando
prioridad al razonamiento, permitindonos ms tiempo para pensar y
analizar tanto lo que hacemos como los resultados que obtenemos, as
como poder observar la procedencia de determinadas frmulas utilizadas
con asiduidad.
No hay que olvidar que esta distribucin es la ms frecuentemente utilizada y sus propiedades
son el fundamento de los procedimientos de INFERENCIA importantes ya que la mayor parte
de las variables aleatorias de los fenmenos naturales presentan un comportamiento semejante
al de esta distribucin, de ah su nombre:

Caracteres morfolgicos: tallas, pesos, dimetros,...

Caracteres fisiolgicos: efecto de antibiticos, pesticidas, dosis de un frmaco
Caracteres sociolgicos: notas obtenidas en un grupo de alumnos
Caracteres psicolgicos: mejora en un tratamiento, actitudes y comportamientos en determinados ambientes, cociente intelectual,...
Valores estadsticos muestrales: comportamiento de la media de diferentes medias
muestrales.
Distribuciones discretas como la Binomial o la Poisson que, al aumentar el tamao muestral, pueden aproximarse en su comportamiento a una distribucin normal, ...
En el caso de distribuciones Binomiales, B(n, p) con igual parmetro p, probabilidad de que
tenga lugar el suceso A, y con valores del parmetro n, tamao muestral, cada vez mayores,
observamos que el polgono de frecuencias se aproxima a una curva en forma de campana
semejante a la funcin de densidad de la Distribucin Normal.

(*) Profesor de Matemticas del IES Prez de Ayala (Oviedo - Asturias).

(**) Profesora de Tecnologa del CPEB Cerredo (Degaa - Asturias).

Noviembre 2005 2005eko Azaroa

59

Abel Martn y Rosana lvarez Garca

Ejemplo: Si estudiamos la altura de 40 alumnos y alumnas de una clase, observamos que vienen dadas por la siguiente tabla de frecuencias con su histograma asociado:

Si disminuimos la amplitud de los intervalos, nuestro polgono de frecuencias quedar de la

forma:

A medida que disminuimos la amplitud de los intervalos los saltos en el grfico de la distribucin disminuyen y la curva asociada a la grfica se aproxima a la funcin de densidad de la
distribucin normal.

60

SIGMA N 27 SIGMA 27 zk.

La Distribucin Normal, la Calculadora y las nuevas Tecnologas

Existen distintas funciones de distribucin tericas, basadas en un modelo de comportamiento

observado en numerosas experimentos. Su aplicacin a una poblacin en estudio se puede
realizar siempre que esta cumpla las condiciones bsicas planteadas en cada una.
Entre las funciones de distribucin tericas para variables aleatorias continuas tenemos la
Distribucin Normal definida por dos parmetros, su media y su desviacin tpica N(, ).

La distribucin normal es una curva con forma de campana que se caracteriza por:
La distribucin es simtrica respecto al valor de la media m.
La variable puede tomar cualquier valor en el intervalo (- , + ).
A medida que nos alejamos del valor de la media de la distribucin m, la probabilidad de
los valores de la variable va decreciendo de igual forma a derecha e izquierda.

La probabilidad de los valores que toma la variable van decreciendo de forma ms o

menos rpida segn el valor de la desviacin tpica .
Tiene dos puntos de inflexin en x1= -

Noviembre 2005 2005eko Azaroa

x2= + .

61

Abel Martn y Rosana lvarez Garca

El rea total encerrada bajo la curva es 1, lo que nos permite el uso de la funcin de distribucin para calcular las probabilidades de los diferentes valores que toma la variable.
Qu ocurre cuando se modifican los valores de la media m y la desviacin tpica s que
caracterizan una distribucin normal?
La media determina la posicin de la distribucin:

La desviacin tpica (s) nos indica el grado de apuntamiento de la distribucin, el mayor o

menor agrupamiento de los datos en torno a la media (m).

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 debemos hacer es conseguir que su media
() sea cero.
El siguiente paso es lograr que el valor de la desviacin tpica sea 1, para ello debemos contraer o expandir la campana que representa la distribucin normal.

62

SIGMA N 27 SIGMA 27 zk.

La Distribucin Normal, la Calculadora y las nuevas Tecnologas

Una vez conseguido que ambas variables presenten una distribucin N(0, 1) hay que buscar
la expresin analtica que nos permita realizar esa transformacin. Esta relacin es:
Z=

N(0, 1)

La distribucin normal tipificada (N(0, 1)) presenta las siguientes caractersticas:

No depende de ningn parmetro = 0 y = 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.
Cmo se calculan probabilidades con las tablas?
Vamos a ver como se calculan las probabilidades a partir de la funcin de
distribucin normal:
Caso I

Buscamos directamente en la tabla N(0, 1) el valor de la variable, en este caso 1,2, F(1,2) = 0,88493
Caso II

Las tablas de distribucin de la normal nos dan la P(X x), la probabilidad de que la variable
sea menor o igual a un determinado valor. Para poder calcular esta probabilidad debemos trabajar con la grfica para poder entenderlo mejor. El rea que encierra la funcin de densidad
de la distribucin normal es la unidad, por tanto:

Noviembre 2005 2005eko Azaroa

63

Abel Martn y Rosana lvarez Garca

Caso III

Las tablas slo nos dan la probabilidad de valores positivos de la variable, la simetra de la
distribucin N(0, 1) respecto al eje de ordenadas nos permite calcular fcilmente la probabilidad de valores negativos de la variable.

P (Z - 1,52) = P (Z - 1,52)

Caso IV

64

SIGMA N 27 SIGMA 27 zk.

La Distribucin Normal, la Calculadora y las nuevas Tecnologas

Caso V

Para calcular la probabilidad de un intervalo calculamos el valor de la probabilidad de los valores de la variable que forman el mismo. La probabilidad de ese intervalo ser la diferencia:

Caso VI

En este caso el proceso es el mismo pero con la dificultad aadida de calcular probabilidades
de valores de la variable negativos que no obtenemos directamente de la tabla.

Noviembre 2005 2005eko Azaroa

65

Abel Martn y Rosana lvarez Garca

Otra forma mucho ms directa y sencilla:

Caso VII

66

SIGMA N 27 SIGMA 27 zk.

La Distribucin Normal, la Calculadora y las nuevas Tecnologas

MODELO DE ACTIVIDAD (I)

Para cierto modelo de lavadora se ha analizado el tiempo de funcionamiento que transcurre
sin necesitar revisin tcnica, llegando a la conclusin de que dicho tiempo es una variable
Normal de media 5.040 horas de lavado con una desviacin tpica de 720 horas.
(a) Calcula la probabilidad de que una lavadora de ese modelo no supere las 6.480 horas
sin necesitar revisin.
(b) Y de que no supere las 3.960 horas?
(c) Calcula la probabilidad de que supere las 6.480 horas sin necesitar revisin.
(d) Calcula la probabilidad de que funcione sin necesidad de revisin entre 5.760 y 6.120
horas.
(e) Qu nmero de horas no supera, sin necesitar revisin, el 90% de este tipo de lavadoras?
[Algunos valores de la funcin de distribucin de la normal de media 0 y desviacin tpica
1: F(0) = 0,5, F(1) = 0,8413, F(1,5) = 0,9332, F(2) = 0,9772, F(5.040) = 1, F(1,29) = 0,90,
F(0,90) = 0,8159].
Encuadrando el problema
La variable en estudio viene definida como:
X nmero de horas de funcionamiento que transcurren sin que una lavadora en funciona
miento sea revisada
Sigue una distribucin N(5.040, 720)
Para calcular las diferentes probabilidades debemos de tipificar la variable y obtener las
correspondientes probabilidades en la tabla de distribucin N(0, 1)

Resolucin apartado (a)

1. Utilizando los datos del enunciado del problema

Anlisis crtico de los resultados

El 97,72% de las lavadoras necesitan una revisin tras las 6.480 horas de funcionamiento.

Noviembre 2005 2005eko Azaroa

67

Abel Martn y Rosana lvarez Garca

2. Utilizando las tablas

3. Con la ayuda de la calculadora grfica

Despus de tipificar:

Resolucin apartado (b)

1. Utilizando los datos del enunciado del problema

P(X 3.960) = P(Z 1,5)

La tabla de la distribucin N(0, 1) no nos da las probabilidades de los valores negativos,
para calcularlos nos basamos en la simetra de la distribucin normal y en el caso de la
distribucin N(0, 1) la simetra respecto al origen de ordenadas.

P(Z 1,5)= P(Z 1,5)

68

SIGMA N 27 SIGMA 27 zk.

La Distribucin Normal, la Calculadora y las nuevas Tecnologas

Anlisis crtico de los resultados

El 6,68% de las lavadoras necesitan ser revisadas tras las 3.960 horas
de funcionamiento.
2. Con la ayuda de la calculadora grfica
Despus de tipificar, el clculo es directo:

RESOLUCIN apartado (c)

1. Utilizando los datos del enunciado del problema

Anlisis crtico de los resultados

El 2,275% de las lavadoras superan las 6.480 horas de funcionamiento sin necesidad de
ser revisadas.
2. Con la ayuda de la calculadora grfica
Despus de tipificar, el clculo es directo:

Noviembre 2005 2005eko Azaroa

69

Abel Martn y Rosana lvarez Garca

Resolucin apartado (d)

1. Utilizando los datos del enunciado del problema
N(5.040, 720) N(0, 1)
P(5.760 X 6.120) =
=P

=
= P(1 Z 1,5)

Anlisis crtico de los resultados

El 9,19% de las lavadoras funcionan sin necesidad de ser revisadas entre 5.760 y 6.120 horas.
2. Con la ayuda de la calculadora grfica

P(Z 1,5) - P(Z 1)

70

SIGMA N 27 SIGMA 27 zk.

>LV >]>
>V>`>>i>/iV}>

Resolucin apartado (e)

N(5.040, 720) N(0, 1)

P(X k) = 0,90 = P

= 0,90

Miramos los valores dados en el enunciado o bien el valor de la probabilidad (0,90) en la

tabla, y observamos que este valor se verifica para F(1,28)
P
P

= F(1,28)
= P(Z 1,28)

= 1,28 k 5.040 = 921,6 k = 5.961,6

1. Confirmacin con la ayuda de la calculadora grfica
La funcin que de la calculadora grfica que nos da el valor P
momento

en cada

k , como ya hemos visto en anteriores problemas, es PC ; Representemos grficamente

dicha funcin y averiguaremos para que valor de k entonces P(x) = 0,90

EXE

Noviembre 2005 2005eko Azaroa


Li>,>>>i>V>

Para qu valor de x la funcin P(x) tendr como valor 0,90

G- Solve

F5

X-CAL

F6

F2

EXE

= 1,281 k 5.040 = 922,32 k = 5.962,32

NOTA: La pequea diferencia entre los valores calculados con las tablas y los de la calculadora grfica se deben a que esta ltima aproxima ms.
Anlisis crtico de los resultados
El nmero de horas que no supera (sin necesitar revisin) el 90% de este tipo de lavadoras se estima que debe de ser 5.961,6.

MODELO DE ACTIVIDAD (II)

Una compaa de autobuses realiza un estudio sobre el nmero de veces que, semanalmente,
utilizan el autobs los usuarios. Se sabe que los datos se distribuyen N(10, 3). Calcula la probabilidad de que un usuario utilice el autobs:
(a) Ms de 11 veces.
(b) Ocho veces o menos.
(c) Diecisis veces.
Encuadrando el problema
La variable en estudio viene definida como:
X n de veces que, semanalmente, utilizan el autobs los usuarios
Sigue una distribucin N(10, 3)

SIGMA N 27 SIGMA 27 zk.

La Distribucin Normal, la Calculadora y las nuevas Tecnologas

Para calcular las diferentes probabilidades debemos de tipificar la variable y obtener las
correspondientes probabilidades en la tabla de distribucin N(0, 1)

Resolucin apartado (a)

Tipificamos la variable Z =

= P(Z > 1/3) P(Z > 0,33)

P(X > 11) = P

1. Con la ayuda de la calculadora grfica

P(Z > 0,33) = 0,3707

2. Utilizando las tablas

P(X > 11) = P

= P(Z > 0,33)

1 - F(0,33) = 1 - 0,6293 = 0,3707

La probabilidad de que un usuario utilice el autobs ms de 11 veces es 0,3707.

Resolucin apartado (b)

P(X 8) = P

= P(Z - 0,67)

1. Con la ayuda de la calculadora grfica

Noviembre 2005 2005eko Azaroa

73

Abel Martn y Rosana lvarez Garca

2. Utilizando las tablas

P(X 8) = P

= P(Z - 0,67)

La probabilidad de que un usuario utilice el autobs 8 veces o menos es 0,251

Resolucin apartado (c)

La funcin de distribucin de la normal nos da reas que nos permiten calcular probabilidades. El rea de una lnea es cero y por tanto la probabilidad de que la variable aleatoria
continua tome un valor concreto tambin.

Una vez finalizada la breve presentacin terica del tema y alguna actividad
bsica, propondremos Actividades indagatorias tipo Test, con una respuesta a
elegir de entre varias, con el objetivo de Consolidar y comprobar el grado de
comprensin de los conceptos. La respuesta ser individual, trabajada en casa
y registrada en el cuaderno, para una posterior puesta en comn y discusin en
clase, actuando el profesor como moderador, buscando el debate y la reflexin.

74

SIGMA N 27 SIGMA 27 zk.

>LV >]>
>V>`>>i>/iV}>

PROPUESTAS DE ACTIVIDADES INDAGATORIAS TIPO TEST

1. Cul es la media de una distribucin normal tipificada?
1
0
1,96s
Depende de cada distribucin
2. Si una variable que se distribuye normalmente presenta una media de 100 y una desviacin
estndar de 10. Cul es la probabilidad de encontrar un sujeto en el intervalo 80-120?
95%
65%
No se puede calcular con estos datos
78,6%
68,7%
3. Las variables biolgicas siguen mayoritariamente:
La distribucin binomial
La distribucin de Poisson
Ninguna de las anteriores
La distribucin de Gauss
4. La curva de Gauss se caracteriza por:
Ser simtrica respecto a la media
Encierra un rea entre - y +
Su rea total es la unidad
Todas las anteriores son ciertas
5. Tipificar una variable significa
Transformar la variable en otra que sigue una distribucin N(0, 1)
Poder trabajar con una distribucin binomial de parmetros conocidos
Calcular probabilidades
Modificar los parmetros que caracterizan la variable
6. La distribucin normal se caracteriza por ser simtrica a uno de los parmetros que la
caracteriza, este parmetro es
La media
La varianza
La desviacin tpica
La mediana

Noviembre 2005 2005eko Azaroa


Li>,>>>i>V>

7. A medida que aumenta el valor de la media m en una distribucin normal la grfica que
la representa
Se desplaza a la derecha respecto al eje de ordenadas
Se desplaza hacia arriba con respecto al eje de abscisas
Se desplaza a la izquierda respecto al eje de ordenadas
No se desplaza respecto a ninguno de los ejes
8. La variacin de la desviacin tpica en las distribuciones normales se manifiestan en la
grfica que las caracteriza en
Su posicin respecto al eje de abscisas
Su posicin respecto al eje de ordenadas
Su grado de apuntamiento
Su mayor o menor rea
9. En una muestral aleatoria extrada de poblacin sana se encuentra que una variable bioqumica tiene como media 90 y desviacin tpica 10. La afirmacin: aproximadamente
el 95% de los individuos sanos tienen un valor de esa variable comprendido entre 70 y
110 es correcta:
Siempre
Nunca
Slo si la variable tiene distribucin normal
Slo si la muestra es suficientemente grande
Slo si la variable tiene distribucin normal y la muestra es suficientemente grande
10. En un estudio realizado en una muestra de 300 sujetos se informa que su edad media es de
50 aos, con una desviacin estndar de 10 aos. Cul es el significado de estas cifras?
Las edades de los sujetos de la muestra se sitan entre 40 y 60 aos
Las edades de los sujetos de la muestra se sitan entre 30 y 70 aos
El 95% de los sujetos de la muestra tienen edadesentre 40 y 60 aos
El 95% de los sujetos de la muestra tienen edadesentre 30 y 70 aos
La edad que se ha presentado con mayor frecuencia en los sujetos de la muestra es
de 50 aos.
11. Cul de las siguientes afirmaciones sobre la distribucin normal NO es correcta?
La media, la mediana y la moda coinciden
Es simtrica respecto a la media
Es definida por una funcin de probabilidad continua
Queda perfectamente definida por la media y la varianza
El intervalo media ms menos desviacin estndar incluye aproximadamente el 95%
de los valores

SIGMA N 27 SIGMA 27 zk.

>LV >]>
>V>`>>i>/iV}>

12. En variables aleatorias continuas la probabilidad de que la variable tome un valor concreto
es:
No se puede calcular
Es cero, la funcin de distribucin empleada para calcular probabilidades nos da reas
y el rea de una lnea es cero
Depende siempre del valor pedido
Slo se puede calcular si las muestras son muy grandes
Debemos de transformar la variable en otra nueva que siga distribucin de parmetros
N(0, 1)
13. Sea X una v.a con distribucin N(4, 2), entonces
P(X > 5) < 0,5
P(X > 5) = 0,5
P(X > 5) = (5-4)/2
P(X > 5) > 0,5
Pocos son los profesores que no utilizan las tablas de la Normal para afrontar este tema; de
hecho, aquellos que se atreven a hacerlo aplicando las TIC que se ponen a nuestro alcance,
siguen utilizando tablas y utilizan la calculadora para comprobar si los resultados obtenidos
son los correctos y as poder afirmar que el problema est bien, simplemente porque estamos
metidos en un sistema y tenemos el temor de que otro profesor que pueda impartir la materia
en un prximo curso siga utilizando esos mtodos ancestrales y nuestros alumnos se encuentren en franca desventaja.
Derribemos poco a poco esas barreras y dmosle prioridad
al razonamiento, la reflexin y la comprensin de conceptos, huyendo de clculos matemticos superfluos.
Vistanos en:
www.aulamatemtica.tk

www.abelmartin.tk

Para cualquier duda, soluciones del test, intercambio de

opiniones, materiales, sugerencias, peticin de materiales...
no dudis en poneros en contacto con nosotros:
abelj@telecable.es

Noviembre 2005 2005eko Azaroa

rosanaag@telecable.es

mit VI
Circle li
scher
M. C. E