1.

DISTRIBUCIÓN NORMAL
En estadística y probabilidad se llama distribución normal, distribución de
Gauss o distribución gaussiana, a una de las distribuciones de
probabilidad de variable continua que con más frecuencia aparece aproximada
en fenómenos reales.

1.1 Definición:
La Normal es la distribución de probabilidad más importante. Multitud de
variables aleatorias continuas siguen una distribución normal o
aproximadamente normal. Una de sus características más importantes es que
casi cualquier distribución de probabilidad, tanto discreta como continua, se
puede aproximar por una normal bajo ciertas condiciones.

1.2 Caracteristicas:
La distribución de probabilidad normal y la curva normal que la representa,
tienen las siguientes características:
• La curva normal tiene forma de campana y un solo pico en el centro de la
distribución. De esta manera, la media aritmética, la mediana y la moda de la
distribución son iguales y se localizan en el pico. Así, la mitad del área bajo la
curva se encuentra a la derecha de este punto central y la otra mitad está a la
izquierda de dicho punto.
• La distribución de probabilidad normal es simétrica alrededor de su media.
• La curva normal desciende suavemente en ambas direcciones a partir del
valor central. Es asintótica, lo que quiere decir que la curva se acerca cada vez
más al eje X pero jamás llega a tocarlo. Es decir, las “colas” de la curva se
extienden de manera indefinida en ambas direcciones.
1.3 Gráfica de la Distribución Normal
La gráfica de su función de densidad tiene una forma acampanada y es
simétrica respecto de un determinado parámetro estadístico. Esta curva se
conoce como campana de Gauss y es el gráfico de una función gaussiana.

El área del recinto determinado por la función y el eje de abscisas es igual a la

unidad. Esto es porque la probabilidad de que un suceso ocurra entre todas las
posibilidades es un 100%

Para indicar que una variable aleatoria

(v.a.) sigue una distribución normal de
media µ y desviación estándar σ
usaremos la expresión: X ∼ N(µ,σ).

1.4 Como calcular la Distribución Normal

Dado que tanto µ como σ pueden asumir infinitos valores, es impracticable
tabular las probabilidades para todas las posibles distribuciones normales. Para
solucionarlo, se utiliza la distribución normal reducida o tipificada.

Para poder utilizar la tabla tenemos que transformar la variable X que sigue
una distribución N(μ,σ) en otra variable Z que siga una distribución N(0, 1).
1.4 Ejemplo:
Las calificaciones de los 500 aspirantes presentados a un examen para
contratación laboral, se distribuye normalmente con media 6'5 y varianza 4. a)
Calcule la probabilidad de que un aspirante obtenga más de 8 puntos. b)
Determine la proporción de aspirantes con calificaciones inferiores a 5 puntos.

R//.
a) La probabilidad de que un aspirante obtenga más de 8puntos es del
22.663%.
b) La probabilidad de que aspirantes obtengan calificaciones inferiores a 5
puntos es del 22.663%.
DISTRIBUCIÓN CHÍ CUADRADO
DISTRIBUCION JI-CUADRADA (X2 ) En realidad la distribución ji-cuadrada es la distribución
muestral de s2 . O sea que si se extraen todas las muestras posibles de una población normal y a
cada muestra se le calcula su varianza, se obtendrá la distribución muestral de varianzas. Para
estimar la varianza poblacional o la desviación estándar, se necesita conocer el estadístico X2 . Si
se elige una muestra de tamaño n de una población normal con varianza , el estadístico: tiene una
distribución muestral que es una distribución ji-cuadrada con gl=n-1 grados de libertad y se denota
X2 (X es la minúscula de la letra griega ji). El estadístico ji-cuadrada esta dado por: donde n es el
tamaño de la muestra, s2 la varianza muestral y la varianza de la población de donde se extrajo la
muestra. El estadístico ji-cuadrada también se puede dar con la siguiente expresión: Propiedades
de las distribuciones ji-cuadrada 1. Los valores de X2 son mayores o iguales que 0. 2. La forma de
una distribución X2 depende del gl=n-1. En consecuencia, hay un número infinito de distribuciones
X2 . 3. El área bajo una curva ji-cuadrada y sobre el eje horizontal es 1. 4. Las distribuciones X2 no
son simétricas. Tienen colas estrechas que se extienden a la derecha; esto es, están sesgadas a la
derecha. 5. Cuando n>2, la media de una distribución X2 es n-1 y la varianza es 2(n-1). 6. El valor
modal de una distribución X2 se da en el valor (n-3). La siguiente figura ilustra tres distribuciones
X2 . Note que el valor modal aparece en el valor (n-3) = (gl-2).