La distribución normal, también conocida como la distribución de Gauss o la campana
de Gauss, es una de las distribuciones de probabilidad más importantes y
ampliamente utilizadas en estadística y ciencias naturales. Fue descubierta por el
matemático Carl Friedrich Gauss en el siglo XIX, aunque su uso se ha extendido a
muchas áreas desde entonces. La distribución normal se caracteriza por su forma de
campana y está completamente determinada por dos parámetros: la media (μ) y la
desviación estándar (σ).
Aquí hay algunos puntos clave sobre la distribución normal:
1. Forma de la curva: La distribución normal es simétrica alrededor de su media.
La mayoría de los valores se concentran cerca de la media y la probabilidad de
que un valor esté muy lejos de la media disminuye a medida que nos alejamos
de ella.
2. Media y desviación estándar: La media (μ) indica el centro de la distribución y
la desviación estándar (σ) determina qué tan dispersos están los valores con
respecto a la media. Cuanto mayor sea la desviación estándar, más dispersos
estarán los valores alrededor de la media.
3. Fórmula de la distribución normal: La función de densidad de probabilidad
(PDF) de la distribución normal está dada por la fórmula:
2
1 ( x−u )
f (x)=¿ ⅇ−
O√2 π 2 o2
Donde:
x es el valor para el cual se está evaluando la PDF.
μ es la media de la distribución.
σ es la desviación estándar de la distribución.
e es la base del logaritmo natural, aproximadamente igual a 2.71828.
4. Propiedades de la distribución normal: La distribución normal tiene varias
propiedades importantes, como la propiedad de la suma y la propiedad del
producto. La suma de dos variables aleatorias independientes distribuidas
normalmente también es normal. Si se toma una muestra grande de una
población con cualquier distribución y se calcula la media de esa muestra, la
distribución de las medias tenderá a una distribución normal a medida que el
tamaño de la muestra aumenta (teorema del límite central).
5. Aplicaciones: La distribución normal es fundamental en estadística inferencial,
donde se utiliza en pruebas de hipótesis, intervalos de confianza y análisis de
regresión. También se utiliza en campos como la física, la ingeniería, la
economía, la biología y la psicología, entre otros.
6. Transformaciones lineales: Si una variable aleatoria X sigue una distribución
normal con media μ y desviación estándar σ, entonces una transformación
lineal de X, como Y= aX+b, también seguirá una distribución normal, donde la
media de Y será aμ+b y la desviación estándar será ∣ a ∣ σ.
Ejemplo:
Imaginemos que estamos midiendo la estatura de un gran número de personas
adultas en una población. Supongamos que las estaturas siguen una distribución
normal con una media de 170 cm y una desviación estándar de 5 cm. Esto significa
que la mayoría de las personas tendrán estaturas cercanas a 170 cm y que la mayoría
de las diferencias en las estaturas serán dentro de ±5 cm de la media.
Ahora, para ilustrar mejor este ejemplo, podríamos considerar algunas situaciones:
Probabilidad de que una persona tenga una estatura específica: Si queremos saber la
probabilidad de que una persona seleccionada al azar tenga una estatura de 175 cm,
podemos usar la distribución normal. Utilizando la fórmula de la distribución normal,
podemos calcular esta probabilidad.
Intervalos de confianza: Podríamos estar interesados en estimar un intervalo de
confianza para la estatura promedio de la población. Por ejemplo, un intervalo de
confianza del 95% podría ser de 165 cm a 175 cm, lo que significa que estamos
bastante seguros de que la verdadera estatura promedio de la población caerá dentro
de este rango.
Comparación de estaturas: Si tenemos dos muestras de personas y queremos
comparar sus estaturas promedio, podríamos utilizar la distribución normal para
calcular las probabilidades asociadas con las diferencias entre estas estaturas
promedio.
Outliers: Si encontramos a una persona con una estatura significativamente diferente
de la media, podríamos considerarla un outlier o valor atípico. Podríamos utilizar la
distribución normal para determinar cuán inusual es esta estatura en relación con el
resto de la población.
En resumen, la distribución normal nos proporciona un marco útil para comprender y
analizar datos que siguen este patrón de distribución. En el ejemplo de la estatura, nos
ayuda a hacer predicciones, estimaciones y evaluaciones sobre la población en
cuestión.
