La funcin de probabilidad normal: Caractersticas y aplicaciones

Guillermina Martn Reyes

Resumen: El objetivo de esta nota es mostar las caractersticas bsicas de la funcin de probabilidad normal, as como
su utilizacin.

Palabras clave: funcin de probabilidad normal; variable aleatoria.

Cdigo JEL: C10.

1. Introduccin Por su relacin con el teorema central del lmite

L
es la base de la inferencia estadstica clsica.
a funcin de probabilidad normal, tambin
denominada funcin de Gauss, funcin de 2. La Distribucin Normal
Gauss-Laplace o funcin de probabilidad de
los errores, es una funcin de probabilidad para La distribucin normal fue introducida por
variables aleatorias continuas de gran aplicacin Carl Friedrich Gauss a principios del siglo XIX, al
en ingeniera, en fsica y en las ciencias sociales. estudiar los errores de medida en los movimientos
De hecho, es la funcin de probabilidad con ms de los cuerpos celestes. Aunque algunos autores
aplicaciones al campo de la Economa y de la Em- consideran que en 1733 ya haba sido descrita por
presa. Al ser la distribucin normal una aproxi- Moivre, y que Laplace tambin realiz sus apor-
macin excelente a algunos fenmenos aleatorios taciones casi simultneamente a la descripcin de
continuos, como la estatura, el peso, el tiempo de Gauss.
servicio al cliente; y a fenmenos aleatorios dis-
La funcin de densidad de una distribucin
cretos, a los cuales se les puede dar un tratamiento
normal tiene varios rasgos importantes: Es una
continuo, como la antigedad de la vivienda, los distribucin que tiene forma de campana, es sim-
impuestos anuales, la produccin, etc, dicha dis- trica y puede tomar valores entre menos infinito y
tribucin tiene mucha aplicacin en mbitos tan ms infinito (figura 1).
variados como el control de calidad, el marketing,
y la gestin de la produccin, entre otros. En ge- Es decir, los valores centrales de la variable se
neral, se puede decir que la distribucin normal es presentan con ms frecuencia que los valores ex-
de vital importancia en estadstica por tres razo- tremos. As por ejemplo, en el caso de los errores
nes esenciales: de medida, los errores por defecto o por exceso
pequeos en valor absoluto se presentan frecuen-
Existen muchos fenmenos continuos que pa- temente, mientras que los errores grandes, tanto
recen seguirla o se pueden aproximar mediante los positivos como los negativos, se observan me-
ella. nos veces.

Se puede utilizar para aproximar distribucio- En segundo lugar, decimos que es simtrica.
nes discretas de probabilidad y de esta forma evi- En efecto, es simtrica respecto a un valor central
tar clculos engorrosos. alrededor del cual toma valores con gran proba-
N 6. 2012 107 eXtoikos
 Grfico 1: Distribucin normal estndar

Fuente: Elaboracin propia.

bilidad mientras que apenas aparecen los valores coincide con la integral de la funcin de densidad
extremos. De manera que sus medidas de posicin desde - hasta el valor x0.
central (media, mediana y moda) coinciden.
3. Distribucin normal estandarizada
Por ltimo, presenta como asntota el eje de
abscisas al que se va aproximando sin llegar a cor- La distribucin normal que tiene de media =0,
tarse. y 2=1 se denomina distribucin normal estndar,
N(0,1), o tipificada. Su funcin de distribucin se
La expresin matemtica que representa una encuentra tabulada, siendo de gran utilidad para
funcin de densidad con estas caractersticas es la el clculo de probabilidades de cualquier distribu-
siguiente: cin N(,2).
( x )2
1 2 (1) Sea una variable X que se distribuye como una
f ( x) e 2
para x (1) normal con media y variancia 2.
2
2
Dicha variable se puede transformar en una
variable normal tipificada, N(0,1), mediante la si-
Funcin de densidad que slo depende de dos guiente expresin:
parmetros, la media , y la varianza de la distri-
bucin 2. Si conocemos la media y la varianza de X
Z (2)
una variable X, podemos definir la distribucin
normal utilizando la notacin: X N ( , 2 ) .
De manera que la funcin de densidad de esta
En la figura 2 se representan varias funciones de nueva variable es:
densidad normal con la misma media y diferentes z2
varianzas. 1 ( )
(3)
f (Z ) e 2

2
Asimismo, la funcin de distribucin acumu- A partir de dicha expresin, las tablas de la
lada de cualquier variable aleatoria X, se define distribucin normal presentan los valores de o
como F(x0)= P(X<x0), es decir la probabilidad de probabilidad de que la variable Z tome un valor
que dicha variable tome un valor menor que x0. inferior a z0.
Matemticamente esta funcin de distribucin

eXtoikos 108 N 6. 2012

 Grfico 2. Distribuciones normales con distintas varianzas y la misma media

Fuente: Elaboracin propia.

z0 buidas en forma normal, tiene una distribucin

F (Z ) f ( Z )d
z (4) normal. Esta propiedad implica que el promedio
de variables independientes distribuidas normales
Las frmulas ms importantes para el clculo tiene una distribucin normal. Resultado que es
de probabilidades de una N(0,1) son las siguientes: crucial para la inferencia estadstica sobre la me-
dia de una poblacin normal.
P(Z z) 1 F (z)
P(Z z ) P(Z z )
(5)
Si X e Y estn distribuidas normalmente, estas
P( z a Z zb ) F ( zb ) F ( z a )
dos variables son independientes si y slo si la co-
P( Z zc ) P(Z z c ) P(Z zc ) 2 P( Z zc ) 2 1 F ( zc )
varianza entre X e Y es cero.

De forma que si se quiere obtener la probabili- Las distribuciones que siguen una binomial o
dad de que X se encuentre entre dos valores, xa y una distribucin de Poisson se pueden aproximar
xb, primero se tipifican dichos valores con la ex- a una distribucin normal.
presin (2), y despus se buscara en las tablas de
la distribucin normal la probabilidad acumulada 5. Aplicaciones
para esos dos nuevos valores, za y zb. De manera
que: Suponga que en una determinada empresa se
analiza el tiempo que lleva a los trabajadores la
P( xa X xb ) P( z a Z zb ) F ( z b ) F ( z a ) (6) instalacin de una determinada pieza del pro-
ducto que fabrica, concluyendo que se distribuye
4. Algunas propiedades de la distribu- como una normal con una media de 30 minutos y
cin normal. una desviacin estndar de 5 minutos. Con estos
datos se podran contestar preguntas como:
En toda distribucin normal en el intervalo
2 se encuentra el 95,5 por ciento de la dis- 1. Cul es la probabilidad de que un trabajador
tribucin; y en el intervalo 3 se tiene el 99,7
aleatoriamente seleccionado pueda montar la pie-
por ciento de la distribucin. za en menos de 30 minutos?
Una transformacin lineal de una variable nor- La respuesta es la siguiente:
mal tambin se distribuye normalmente. As si X
sigue una distribucin N(,2), una nueva variable 30 30
P( X 30 ) P( Z ) 0,5 (6)
Y a
X b tiene una distribucin normal con
5
media a b y desviacin estndar a . Es decir, el 50 por ciento.

Cualquier combinacin lineal de variables

aleatorias independientes e idnticamente distri-
N 6. 2012 109 eXtoikos
 2. Cuntos minutos tienen que pasar antes de
que el 10 por ciento de los trabajadores monten
la pieza?

Lo que debemos obtener aqu es el valor de la

variable Z que deja en la cola izquierda de la dis-
tribucin el 10 por ciento. En las tablas obtendra-
mos un valor z0=-1,28. Este ser el valor tipificado,
de manera que el valor de X ser: x0=+z0 =30-
1,28x5=23,6 minutos.

Otro ejemplo en el que se puede aplicar el uso

de la distribucin normal es el siguiente: Suponga
que el encargado de la tesorera de una empresa
est interesado en el nmero de das que trans-
curre entre la facturacin y el pago de las cuentas
a crdito. Una vez recogidos los datos, se obser-
va que el tiempo se distribuye aproximadamente
como una normal con una media y una variancia
determinada. En este caso se podra responder
a preguntas como la siguiente: Qu porcenta-
je de cuentas se pagar antes de x das? Dentro
de cuntos das se pagar el 80 por ciento de las
cuentas?

eXtoikos 110 N 6. 2012