La curva de distribución normal o “Campana de
Gauss”
La distribución normal es una distribución de probabilidad de variable
continua que describe los datos que se agrupan en torno a un valor
central.
Todo proceso en el que solo existan causas aleatorias de variación sigue
una ley de distribución normal.
El nombre de distribución normal viene del hecho que esta distribución es la
que se aplica a mayor número de situaciones donde está involucrada alguna
variable aleatoria continua en un grupo o población dada. Esta condición
aparece con frecuencia en fenómenos naturales (de ahí que se la
denomine “normal”).
Como ejemplos donde se aplica la distribución normal se tienen: la altura de
los hombres o de las mujeres, variaciones en la medida de alguna magnitud
física o en rasgos psicológicos o sociológicos medibles como el cociente
intelectual o los hábitos de consumo de cierto producto.
La representación gráfica es la curva de distribución normal también
denominada campana de Gauss en honor del renombrado científico alemán
Carl Friedrich Gauss a quien se le atribuye erróneamente su invención
pero que sin duda la usó frecuentemente para analizar fenómenos
astronómicos con éxito.
Quien la descubrió fue un gran matemático de origen francés, Abraham de
Moivre, allá por el año 1733.
Una distribución normal se caracteriza por:
1. Los valores de las mediciones tienden a agruparse alrededor de un punto
central, la media.
2. La representación de los datos es simétrica a ambos lados de la media.
3. Las desviaciones estándares quedan situadas a igual distancia unas de
otras. La desviación típica σ siempre es positiva.
4. La proporción de mediciones situada entre la media y las desviaciones es
una constante en la que (regla empírica) :
La media ± 1 * desviación estándar = cubre el 68,3% de los casos
La media ± 2 * desviación estándar = cubre el 95,5% de los casos
La media ± 3 * desviación estándar = cubre el 99,7% de los casos.
5. En una distribución gaussiana la media, la mediana y la moda coinciden.
6. A mayor valor de σ mayor dispersión, ruido o distanciamiento de los datos
alrededor del valor medio. Es decir a mayor σ la forma de campana es más
abierta. En cambio σ pequeño indica que los datos se ciñen a la media y la
forma de la campana es más cerrada o puntiaguda.
El cambio de la variable x a la z recibe el nombre de estandarización o
tipificación y es de gran utilidad al momento de aplicar las tablas de la
distribución estándar a los datos que siguen una distribución normal no-
estándar.
Donde μ es la media 0 y σ es la desviación estándar 1. La función de
distribución acumulada de la distribución normal no tiene una forma cerrada,
por lo que se utiliza una tabla de distribución normal para calcular
probabilidades . La distribución normal es importante porque permite
modelar numerosos fenómenos naturales, sociales y psicológicos.
Aplicaciones de la distribución normal
Para aplicar la distribución normal es necesario pasar por el cálculo de la
integral de la densidad de probabilidad, lo cual desde el punto de vista
analítico no es fácil y no siempre se dispone de un programa informático que
permita su cálculo numérico. Para este fin se usan las tablas de valores
normalizados o tipificados, que no es más que la distribución normal en
el caso μ =0 y σ =1.
Debe notarse que estas tablas no incluyen los valores negativos. Sin
embargo, usando las propiedades de simetría de la función densidad de
probabilidad gaussiana pueden obtenerse los valores correspondientes.
Variables normalizadas
En textos de estadística frecuentemente se habla de variable normalizada,
también se conoce como unidad tipificada, variable centrada
reducida o variable estandarizada. Normalizar una variable es
simplemente expresar su magnitud en unidades de desviación estándar.
Para lograr ello tomamos la variable, restamos la media y dividimos por la
desviación estándar.
z: la variable normalizada
x: una observación de X (Puntuación)
Es importante entender que normalizar una variable no cambia su valor,
solo su unidad de medida: Es lo mismo comprar medio kilo de queso que
comprar quinientos gramos.
Normalizar las variables nos permite comparar su distribución
independientemente de su unidad de medida y amplitud, también nos permite
sacar conclusiones sobre probabilidades y proporciones.
Variable Continua: Las variables continuas son aquellas que pueden
adoptar cualquier valor en el marco de un intervalo que ya está
predeterminado.
Entre dos de los valores, siempre puede existir otro valor intermedio,
susceptible de ser tomado como valor por la variable continua.
Un ejemplo de variable continua es el peso.
Distribución Normal Bivariada: Se compone de dos variables aleatorias
independientes.
Las dos variables en una normal bivariada se distribuyen normalmente y
tienen una distribución normal cuando ambas se suman. Visualmente, la
distribución normal bivariada es una curva en forma de campana
tridimensional.
