Distribución normal | Institución Alberiana

DISTRIBUCIÓN
NORMAL

Alumnas: Anaís Moya y Sofia Zavalla

Profesor: Jonathan Saavedra
Fecha: 20.05.2023
Curso: 4rto Medio

1
 Distribución normal | Institución Alberiana

Introducción
Cuando analizamos datos estadísticos, nos encontramos con diversos métodos y
técnicas que nos ayudan a resolver problemáticas, ante la probabilidad de que
ocurran ciertos asuntos en la vida real. 

Al momento de iniciar este análisis en una serie de datos o variables continuas,

podemos aplicar una de las distribuciones más importantes y comúnmente
utilizadas en aplicaciones estadísticas, la distribución normal. Esta importancia y
prolongada utilización se debe a la normalidad con la que distintas variables
pueden estar relacionadas, bien sea a fenómenos que pueden ser tanto naturales,
como psicológicos o incluso sociales. Ya que estas tienden a parecerse en su
comportamiento y siguen esta distribución.

Con todo lo dicho anteriormente, en el presente informe se busca dar a entender de

mejor manera lo que es la distribución normal y como es que esta puede ser
aplicada en nuestra vida diaria. Para luego, ser capaces de analizar y resolver una
serie de datos estadísticos, con el fin de poder implementar la distribución normal
en problemáticas de la vida cotidiana.

Desarrollo
I.- Distribución normal:
La distribución normal, fue descubierta por primera vez por el francés Abraham de
Moivre en el año 1733. Él publicó un artículo llamado “Approximatio ad Summam
Terminorum Binomii (a + b)n in Seriem Expansi", en el cual plantea la distribución
normal como “distribución de error” o “ley de error”, puesto que se relacionaba
mucho con el error de medición que tenía esta área bajo la curva. Pero años
después, quien elaboró estudios más profundos fue Carl Friedrich Gauss en el año
1809, en el artículo “Theoria Motus Corporum Coelestium" el cual desarrolló y
formuló la ecuación de la curva, más conocida como “Campana de Gauss”. 

Se le llama campana de Gauss, a la gráfica de la función de densidad, y se le otorga

este nombre por la forma acampanada que posee, la cual es simétrica desde ciertos
parámetros determinados, divididos por la media (eje de simetría), que se
encuentra en el centro de la curva.

A esta distribución también se le puede conocer cómo, distribución de Gauss o

distribución Gaussiana, y es una distribución que nos sirve para aproximar el valor
de una variable aleatoria, que es continua, a una función que se determina por dos
parámetros, la media y la desviación estándar o desviación típica.

La media (µ) es un parámetro que nos indica el punto medio o punto de equilibrio
de la distribución. Por ejemplo, aquí se observa una distribución normal con una
media igual a 10.

2
 Distribución normal | Institución Alberiana

También existe otro parámetro muy importante, se trata de la desviación media (),
la cual nos indica que tan dispersos se encuentran los datos o conjuntos numéricos.
Por ejemplo, cuando tenemos una desviación estándar pequeña (desviación
estándar baja), los datos se encontrarán menos dispersos por lo que serán más
homogéneos y se agruparan alrededor de la media, mientras que si tenemos una
desviación estándar grande (desviación estándar alta) los datos se encontrarán más
dispersos siendo así más heterogéneos y se alejaran de la media.

( σ grande )

(σ pequeña)

Función de densidad: 

( )
2
−1 x−μ −1 ( x−μ )
1ⅇ 2 σ
ó 1 2σ
2

F ( x )= F ( x )= ⅇ
√2 π σ σ √2 π

3
 Distribución normal | Institución Alberiana

II. Propiedades y características de la distribución normal:

¿Por qué la distribución normal es continua?

Cuando hablamos de que la distribución normal es continua, nos estamos

refiriendo a que esta puede adoptar cualquier valor dentro de un rango
determinado, es decir, no hay discontinuidades o saltos entre valores. Por lo que la
probabilidad que tenemos de obtener un valor específico sería nula (tenemos una
probabilidad del 0%), ya que esta se mide en intervalos continuos. 

¿Qué indica la media en la distribución normal?

Como se mencionó anteriormente, la media nos indicará el punto medio, por lo

que la distribución normal será simétrica con respecto a su media. Esto quiere
decir, que la curva originada va a ser simétrica en relación a un eje trazado en la
media. Por lo que, vamos a tener la misma probabilidad de que un valor esté sobre
la media como que esté por debajo de esta. Esta simetría nos indicará que la media,
la mediana y la moda serán iguales, esto se afirma debido a que en una
distribución normal los datos están dispersos de manera equitativa a ambos lados
de la media, como consecuencia la suma de todos los valores a la izquierda de la
media, será igual a la suma de todos los valores a la derecha del promedio. 

Al mismo tiempo que la media nos indica el centro de la campana, el promedio nos
indica que tan frecuentes son los datos, es por esto que mientras más nos
acercamos a la media, más frecuente es el valor, por ende, la moda tiende al mismo
valor que la media.

Finalmente, como este mismo valor nos indica el centro de la campana, la mediana
tiene que ser la misma, puesto que de no ser así la campana no sería simétrica. Sin
embargo, esto solo se aplica para una distribución normal simétrica, pues si esto no
es así la media, la moda y mediana pueden diferir en sus valores.

Algunas de las propiedades que posee la distribución normal son:

 Al ser una distribución simétrica, los valores de la media, moda y mediana

serán los mismos.

 El 50% de los valores son mayores a la media y el otro 50% son menores a la
media.

 La distribución normal es unimodal, esto quiere decir que si tenemos

valores que están más cercanos a la media, serán más frecuentes o tienen
más probabilidades de aparecer. Por lo que, si ocurre lo contrario y los
valores se encuentran más alejados de la media, la frecuencia y probabilidad
de aparición, comenzarán a descender.

 La curva es asintótica con respecto al eje x, es decir, nuestro eje ”y” se acerca
mucho a una recta que tiende a cero, pero esta nunca toma el valor de 0,
puesto que ningún valor es 0% probable. En base a lo anterior podemos
decir que “x” puede tomar cualquier valor, pues en teoría todo valor es
posible.

 El área total bajo la curva es 1, puesto que este representa el 100%.

 La forma que tendrá la curva va a depender de los valores que se tengan de

la media (µ) y de la desviación estándar ( σ ). Debido a esto, la media nos

4
 Distribución normal | Institución Alberiana

indica la posición que tendrá la campana, de modo que para los distintos
valores que esta pueda adoptar, se moverá la gráfica a lo largo del eje x. Por
otro lado, la desviación estándar nos indica que tan “puntiaguda” va a ser la
curva.

 La regla empírica de 68.3-95-99.7, nos ayuda a interpretar y visualizar la

variabilidad de los datos, en relación con la distribución normal.

La regla empírica de los 68.3-95-99.7 proporciona una forma fácil e intuitiva de

comprender la distribución de los datos y realizar estimaciones aproximadas de la
probabilidad de que un valor se encuentre dentro de un intervalo. En esta regla, se
indica que el 68.3% de los datos se encuentran dentro de una desviación estándar
en relación a la media y son aquellos datos más probables que ocurran, mientras
que un 95% de los datos estarán dentro de dos desviaciones estándar y por último,
un 99.7% dentro de tres desviaciones estándar en relación a la media y nos
indicarán casi la totalidad de datos. Aquellos que difieran de la media serán los
datos más improbables o atípicos, puesto que la probabilidad de que estos ocurran
es muy baja. 

III. Aplicaciones y uso de la distribución normal:

La aplicación de la distribución normal en probabilidad y estadística varía en

diferentes ámbitos, que van desde caracteres morfológicos, como la estatura o el
peso, hasta incluso en analizar errores de experimentos. Esta, juega un rol
fundamental en la deducción de datos, como la estimación de parámetros o
pruebas de hipótesis en la cual se suponen los datos en base a una normalidad de
variables. 

La distribución gaussiana al utilizar diversos métodos de análisis estadísticos nos

permite predecir el comportamiento de una variable de interés, si es que asumimos
que esta sigue una distribución normal. Esto es muy útil a la hora de aplicarlas en
áreas como la economía, las finanzas y la meteorología.

Ejemplo que podemos encontrar en nuestra vida cotidiana: 

5
 Distribución normal | Institución Alberiana

Eres un empleado de una empresa de alimentos y estás encargado del control de

calidad de un producto. El peso neto del producto sigue una distribución normal
con una media de 500 gramos y una distribución estándar de 50 gramos.

Calcula la probabilidad de que un producto pese más de 530 gramos.

x−μ
z=
σ

530−500
z=
50

30
z=
50

z=0 , 6

Buscamos 0,60 en la tabla de distribución normal estandarizada localizando el 0,6

en el eje vertical y el 0,00 en el horizontal, obteniendo el siguiente valor, 0,2257.

Con este valor indicamos que la probabilidad de que un producto pesa entre 500 y
530 es de 22,57%, pero ese no es el valor que se nos está pidiendo, por lo cual
estandarizamos la función e indicamos que el área bajo la curva equivale a 1 y la
mitad de esta equivale a 0,5, ya que es el 50% del área.

Z= 0,5 - 0,2257

Z=0,2743 x 100%

Z=27,43%
El área que se encuentra entre 0,2257 y
0,5 pertenece a la probabilidad de que
el producto pese más de 530 gramos.

0,2743

0 0,2257 0,5

Conclusión

Para finalizar con este informe, podemos concluir que la distribución normal hasta
el día de hoy sigue siendo igual de importante y aplicable en diversos ámbitos de
nuestra vida cotidiana, ya que nos ayuda a comprender de una manera más
intuitiva y visual la distribución de los datos. Con ella también podemos
determinar que tan dispersos son los datos de interés y que tanta probabilidad
tenemos de que puedan aparecer o no, demostrándonos incluso datos que llegan a
ser muy atípicos.