Qué es?
La distribución normal o también llamada distribución de Gaus, adapta una variable aleatoria
continua a una función que depende de la media y la desviación típica
Características
Es una distribución simétrica.
Tiene una apariencia de forma de campana
Su variable aleatoria asociada tiene un rango infinito
En el centro de la curva se encuentran la media, la mediana y la moda.
Es asintótica al eje de las abscisas
Formula
X = valor de la variable
μ = media o valor central
σ = desviación estándar
¿Qué necesitamos para representar una distribución normal?
Una variable aleatoria continúa
Calcular la media.
Calcular la desviación típica.
Decidir la función que queremos representar: función de densidad de probabilidad o función
de distribución
Cierre:
La distribución normal está presente en todos lados. Es una de las herramientas más comunes
y utilizadas, esta nos permite recopilar y procesar y analizar una gran cantidad de datos.
¿Qué se entiende por distribución normal?
La distribución normal describe un gráfico simétrico de datos alrededor de su valor medio, donde la magnitud de la
curva se define por la desviación estándar. Se representa visualmente como la «curva de campana».
Distribución normal
En estadística y probabilidad, una distribución normal, también llamada distribución de Gauss, distribución
gaussiana o distribución de Laplace-Gauss, es la más importante de todas las distribuciones de probabilidad de
variable continua y es la que aparece con más frecuencia en estadística y en la teoría de probabilidades. Pero
¿qué es exactamente?
Pues es un modelo teórico que sirve para aproximar satisfactoriamente el valor de una variable aleatoria
continua a una situación ideal. ¡Te lo explicamos mejor! La distribución normal adapta una variable aleatoria
continua a una función que depende de la media y la desviación típica. Es decir, la función y la variable
aleatoria continua tendrán la misma representación, pero con ligeras diferencias. Te suena el concepto de
campana de Gauss? Se llama así a la gráfica de su función de densidad por tener una forma acampanada y es el
gráfico de una función gaussiana. Es simétrica respecto a un determinado parámetro estadístico.
¿Y por qué esta distribución es tan importante? Porque con ella podemos modelar una gran cantidad de
fenómenos naturales, sociales y psicológicos. Normalmente, se desconocen los mecanismos de la mayoría de
este tipo de fenómenos por su enorme cantidad de variables incontrolables. Sin embargo, el uso del modelo
normal puede justificarse asumiendo que cada observación se obtiene como la suma de unas pocas causas
independientes.
La importancia de la distribución normal también radica en su relación con la estimación por mínimos
cuadrados, uno de los métodos de estimación más simples y antiguos.
Aquí tienes algunos ejemplos de variables asociadas a fenómenos naturales que siguen el modelo de la
distribución normal:
caracteres morfológicos de individuos como la estatura;
caracteres fisiológicos como el efecto de un fármaco;
caracteres sociológicos como el consumo de cierto producto por un mismo grupo de individuos;
caracteres psicológicos como el cociente intelectual;
nivel de ruido en telecomunicaciones;
errores cometidos al medir ciertas magnitudes;
Historia de la distribución normal
El matemático francés Abraham de Moivre (1667-1754) fue el que descubrió y presentó la distribución
normal por primera vez en un artículo del año 1733, que también aparece en la segunda edición de su
The Doctrine of Chances, en relación a la aproximación de la distribución binomial para grandes valores
de n.
Su descubrimiento fue desarrollado posteriormente por Laplace en su libro Teoría analítica de las
probabilidades (1812), y en la actualidad se llama Teorema de De Moivre-Laplace. Laplace se sirvió de
la distribución normal para analizar los errores de experimentos.
Entonces, ¿por qué se ha asociado el nombre de Gauss a esta distribución? Este matemático, astrónomo
y físico alemán la usó con mucha frecuencia cuando analizaba datos astronómicos y algunos autores le
atribuyen un descubrimiento independiente del de De Moivre.
Por otra parte, el nombre de «campana» proviene del matemático francés Esprit Jouffret que empleó el
término bell surface (superficie campana) por primera vez en 1872 para una distribución normal
bivariante de componentes independientes.
Los que le atribuyeron el nombre de «distribución normal» fueron los científicos Charles S. Peirce,
Francis Galton y Wilhelm Lexis hacia 1875.
Propiedades de la distribución normal
Estas son algunas de las propiedades más importantes de la distribución normal:
Es una distribución simétrica, por lo que el valor de la media, la mediana y la moda son iguales.
Es una distribución unimodal, por lo que los valores más cercanos a la media son los más frecuentes o
los que tienen más probabilidad de aparecer. Es decir, cuanto más nos alejamos de la media, menos
probabilidad habrá de que aparezcan los valores.
La forma de la campana de Gauss depende de los parámetros μ y σ. Por una parte, la media indica la
posición de la campana, de modo que la gráfica se desplaza a lo largo del eje horizontal según los
diferentes valores de μ.
Por otra parte, la desviación estándar determina el grado de apuntamiento de la curva. Así, cuanto mayor
sea el valor de σ, más se espaciarán los datos en torno a la media y más plana será la curva. Por
consiguiente, si obtenemos un valor pequeño de este parámetro, hay una gran probabilidad de obtener
datos cercanos al valor medio de la distribución
La distribución normal (en ocasiones llamada distribución gaussiana) es la distribución continua que se utiliza
más comúnmente en estadística, es un modelo que aproxima el valor de una variable aleatoria a una situación
ideal, dependiendo de la media y la desviación típica.
La distribución normal es de vital importancia en estadística por tres razones principales:
Muchas variables continuas comunes en el mundo de los negocios tienen distribuciones que se asemejan
estrechamente a la distribución normal.
La distribución normal sirve para acercarse a diversas distribuciones de probabilidad discreta, como la
distribución binomial y la distribución de Poisson.
La distribución normal proporciona la base para la estadística inferencial clásica por su relación con el
teorema de límite central.
En la distribución normal, uno puede calcular la probabilidad de que varios valores ocurran dentro de ciertos
rangos o intervalos. Sin embargo, la probabilidad exacta de un valor particular dentro de una distribución
continua, como la distribución normal, es cero. Esta propiedad distingue a las variables continuas, que son
medidas, de las variables discretas, las cuales son contadas.
La distribución normal tiene importantes propiedades teóricas:
Tiene una apariencia de forma de campana (y, por ende, es simétrica).
Sus medidas de tendencia central (media, mediana y moda) son todas idénticas.
Su «50% central» es igual a 1,33 desviaciones estándar. Esto significa que el rango intercuartil está
contenido dentro de un intervalo de dos tercios de una desviación estándar por debajo de la media y de
dos tercios de una desviación estándar por encima de la media.
Su variable aleatoria asociada tiene un rango infinito (-∞ < X < ∞).
Ejemplo de distribución normal
¿Qué es la distribución normal?
La distribución normal es una distribución de probabilidad continua cuya gráfica tiene forma de campana y es
simétrica respecto a su media. En estadística, la distribución normal sirve para modelizar fenómenos de
características muy diferentes, por eso es tan importante esta distribución.
De hecho, en estadística la distribución normal se considera, por mucho, la distribución más importante de todas
las distribuciones de probabilidad, ya que no solo permite modelizar un gran número de fenómenos reales, sino
que además la distribución normal se puede usar para aproximar otros tipos de distribuciones bajo ciertas
condiciones.
El símbolo de la distribución normal es la letra mayúscula N. Así pues, para indicar que una variable sigue una
distribución normal se indica con la letra N y se añade entre paréntesis los valores de su media aritmética y su
desviación estándar.
X N(,O
La distribución normal recibe muchos nombres diferentes, entre ellos destacan distribución de Gauss, distribución
gaussiana y distribución de Laplace-Gauss.
