Di s tr i b u c i ó n

Normal
 ¿Que es la
distribución
de
probabilidad
La distrn ibo
ucrióm
n na
orlm
? al es u n a
f un c i ó n de de ns
i da d d e
probabilidad
c o n t i nu a qu
de sc ri be un e
a c u rv a si m
é t ri c a
y u n i m o d al .
M a t e m át i c a
m en t e , s e d
efine
por la fórmu
l a:
Características
de la
distribución
normal
 1. **Simetría**: La distribución es
5. **Desviación Estándar**:
perfectamente simétrica respecto a su
Aproximadamente el 68% de los
media (\( \mu \)).
datos se encuentran dentro de una
desviación estándar (\( \sigma \)) de
2. **Media, Mediana y Moda**: En una
la media, el 95% dentro de dos
distribución normal, la media, la mediana
desviaciones estándar, y el 99.7%
y la moda son iguales y se encuentran en
dentro de tres desviaciones estándar
el centro de la distribución.
3. **Asintótica**: La curva nunca toca el
eje horizontal, se aproxima a cero
conforme nos alejamos de la media.

4. **Área Bajo la Curva**: El área total

bajo la curva es igual a 1, lo que
corresponde a una probabilidad total del
100%.
 La distribución normal es crucial en
estadística y probabilidad por varias
razones:

Importancia de la 1. **Teorema del Límite Central**: Este

distribución de teorema establece que, bajo ciertas

proba b il i d a d n o rma l : condiciones, la suma de un gran número

de variables aleatorias independientes
tiende a distribuirse normalmente,
independientemente de la distribución
original de las variables.
2. **Modelamiento**: Muchos fenómenos
naturales y procesos empresariales se
modelan efectivamente usando la
distribución normal.
3. **Inferencia Estadística**: Facilita la
estimación de intervalos de confianza y la
realización de pruebas de hipótesis.
 Donde se ● C i e n c i a s Na
t u r a l e s: E n b i o
l o g í a y f í s i c a,
aplica la para modelar
pesos y errore
f e n óm e n o s c o
m o a l t u ra s,
s de m e d i c i ó n
distribución ● E c o n om í a y
.

normal retornos de inv

Finanzas: Para
e rsi o n e s y m e
m od e l a r
di r r i e sgo s .
● I n ge n i e rí a : E
n el control de
c al i d ad y
gestión de pro
c esos.
● Psicología y
C i e n c i a s S oc i a
les: Para
analizar datos
de encuestas y
experimentos.

● M e d i c i n a :E n
e l a n ál i s i s d e d
at o s c l í n i c o s
y resultados d
e pruebas.
Propiedades de
la distribución
normal
 Propiedades de la
distribución normal
o r m a l ,
c i ó n n
i s t ri b u m o
L a d i d a c o
c o n o c
b i é n a , e s
ta m g a u s s i a n ● Media ,mediana y
i b u c i ó n
d i str d e l a s moda
u na

n e s d e
r i b u c i o ● Desviación estándar
d i s t á s
l i d a d m
o b a b i a s y varianza
pr u t i l i z a d
n t e s y
p o r t a i d o a
im i c a d e b
s t a d í s t
en e ● Simetría y curtosis
nc i a e n
• Media , mediana y • Desviación
Moda estándar
y varianza
La desviación estándar (\(\
En una distribución sigma\)) y la
normal, estos tres varianza (\(\sigma^2\)) miden la
parámetros de tendencia dispersión de los datos alrededor
central son iguales. de la media.
La distribución está
centrada
En la distribución normal,
alrededor de la media, y la
aproximadamente el 68% de los
curva es simétrica
respecto a este punto. datos se
encuentran a una desviación
estándar de la media, el 95% a
• Simetría y curtosis La distribución normal se representa
gráficamente como una campana y es
fundamental en el teorema del límite
La distribución normal central, que establece que bajo ciertas
es perfectamente condiciones, la suma de un gran
simétrica, lo número de variables aleatorias
independientes
que significa que su tiende a seguir una distribución
coeficiente de simetría normal, independientemente de la
es 0. La curtosis mide distribución
el grado de original de las variables.
concentración de los
datos en la media y en
una distribución
Estandarizacio
n y puntuacion
Z
 Estandarización:
¿Que es la
estandarizacion y Proceso por el cual la estandarización
puntuacion z? convierte los datos en una escala estándar,
lo que facilita la comparación y análisis de los
La estandarización y la
conjuntos de datos con diferentes unidades
puntuación Z son
y escalas. La estandarización se logra
herramientas fundamentales mediante la aplicación de la puntuación Z,
en estadística que permiten que mide la distancia de un punto de datos
comparar y analizar desde la media en términos de la desviación
conjuntos de datos de estándar.
manera estandarizada Puntuacion z:
Es la comprensión de la posición relativa de
los datos en una distribución normal. A
continuación, se presentan los pasos para
interpretar puntuaciones Z:
 Pasos para interpretar
puntuaciones Z
● Identificar la media y la
desviación estándar: Es
fundamental conocer la media y la
desviación estándar del conjunto
de datos. La media es el valor Donde :
central del conjunto, mientras que
la desviación estándar mide la x es el valor del punto de datos,
dispersión de los datos.
μ es la media y

● Calcular la puntuación Z: La σ es la desviación estándar

puntuación Z se calcula como la
 Interpretar la puntuación Z:

Puntuaciones Z positivas: Una Puntuaciones Z cercanas a cero:

puntuación Z positiva indica que el Una puntuación Z cercana a cero
punto de datos está por encima de indica que el punto de datos está
la media. La magnitud de la cerca de la media.
puntuación Z indica qué tan lejos
La interpretación de puntuaciones
está el punto de datos de la media
Z es fundamental para comprender
en términos de desviaciones
la posición relativa de los datos en
estándar.
una distribución normal. Al seguir
los pasos mencionados y aplicar la
Puntuaciones Z negativas: Una
regla empírica, podemos
puntuación Z negativa indica que el
determinar la distancia de un punto
punto de datos está por debajo de
de datos de la media y comprender
la media. La magnitud de la
mejor la distribución de los datos.
puntuación Z indica qué tan lejos
 La área bajo la curva se utiliza
en estadística para:

Comparar la importancia de las Área Bajo la

desviaciones observadas: Un C
La área urva: ba j o l a c u r v
valor Z mayor indica que la e s t a n da r i z a a en
c i ó n y p u nt u
ac i ó n
observación es más improbable Z se refiere
a l a m e di da
e s t ad í s t i c a
y, por lo tanto, indica un u t i l i z a da p a
ra
de sc ri bi r l a
problema. p o si c i ó n d e
v al o r i n d i v i d un
ual en relac
c o n l a m e di i ón
a de u na
Determinar la probabilidad de d i s t ri b u c i ó n
normal. Esta
que un valor sea casual: La área se utili
z a p ar a
determinar
probabilidad Q expresa qué tan la probabilid
a d de
que un v al o
r se a una
posible es que un valor de o b se r v a c i ó n
c as u a l o s i s
observación sea una "posibilidad debe a u n a e
c a u s a s i st é m
i c a.
al azar", en lugar de que tenga
 Calculo de
probabilidades
 Calculo de probabilidad de la
distribución normal

La distribución normal, también conocida como distribución de Gauss,

es una distribución de probabilidad continua que es fundamental en
estadística y probabilidad. Se caracteriza por su forma de campana y
se define por dos parámetros: la media y la desviación estándar.

La distribución normal estándar es un caso especial de la distribución

normal donde la media es 0 y la desviación estándar es 1
 TIPIFICACIÓN DE LA
VARIABLE
Para calcular probabilidades con variables que siguen la distribución normal se usan
tablas. Pero, puesto que sería imposible tener una tabla para cada posible
distribución normal, solamente la tenemos para la distribución normal estándar, es
decir, para la N( 0 , 1 ).

Necesitaremos, pues, ser capaces de transformar las variables X "normales" N(µ,σ)

que encontremos, en variables Z que sigan una distribución normal estándar N(0,1).
Este proceso de llevar cualquier distribución normal a una N( 0 , 1 ) se llama
"tipificación de la variable".
El siguiente paso es conseguir que la desviación típica σ sea 1.
Para tipificar X (o sea, transformarla en Z), el primer paso es "centrar" la variable; es
Por tanto para tipificar decir,
una variable lo que
hacer que hemosµ de
la media seahacer
0. es restar la media y
dividir por la desviación típica.
 Ejemplo 1: X →N( 8 , 1.5).
Calcula P[ X < 6]

y para terminar y calcular la probabilidad,

aplicamos lo que viene a continuación. Con Un concepto asociado a cualquier
esto lo que hemos hecho es simplemente distribución de probabilidad es el de
tipificar la variable transformando la Función de Distribución. La función de
probabilidad pedida en una relacionada con distribución en un punto se define como la
la normal N ( 0 , 1 ). probabilidad de que la variable tome
valores menores o iguales a él. Así, la
A partir de ahora nos centramos en la función de distribución en el punto "a", que
distribución normal N( 0 , 1 ) y vamos a ver representaremos por F(a), será :
cómo calcular probabilidades en ella. Para
distinguir, siempre que hagamos referencia
a una variable N(0,1), vamos a expresarla
 La siguiente escena muestra la función de
Existen tablas de la función de distribución
distribución de la variable Z → N( 0 , 1 ) para
de esta variable N(0,1). A continuación se
valores positivo de Z. Desplazando el punto rojo
obtienes el valor del área bajo la curva que muestra la tabla con sus valores.
representa la probabilidad P [ Z ≤ a ]

Calcula las siguientes probabilidades a partir de la

escena y anota los resultados en tu cuaderno:

P [ Z ≤ 0.5]

P [ Z ≤ 1.24]

P[ Z < 2.5 ]

P[ Z < 0 ]
Por ejemplo, si quiero calcular P [ Z ≤
P[ Z ≤ 2.98] 2.43 ], tenemos que buscar 2.4 en las filas
y 0.03 en las columnas y vemos que en esa
P[ Z ≤ 4] cuadrícula lo que aparece es .9925, por
tanto, P [ Z ≤ 2.43 ] = 0.9925
Aproximación
de la binomial
a la normal
 Aproximación Condiciones para la
de la binomial a Aproximación
la normal Número de ensayos (n): Debe ser lo
La aproximación de la suficientemente grande para que la
distribución binomial a la distribución binomial se acerque a la
distribución normal se normal.
utiliza cuando se cumplen
ciertas condiciones y se Probabilidad de éxito (p): La probabilidad

(𝑞=1−𝑝) deben ser lo suficientemente

aplica un ajuste de de éxito (p) y la probabilidad de fracaso

grandes para que np y 𝑛𝑞 sean mayores

continuidad para
compensar la diferencia
entre las distribuciones que 5. Esto garantiza que la distribución
discretas y continuas. binomial tenga una forma similar a la
 Calcular la media (u)
Calculo de y la desviación
probabilidad estándar (ơ):
U = np

Para calcular la probabilidad

O= npq
utilizando la aproximación
normal se sigue el siguiente Aplicar la corrección de
proceso:
continuidad
Agregar o restar 0.5 del valor de interés para
compensar la diferencia entre las
distribuciones discretas y continuas

Utiliza la función acumulativa

normal
Con los parámetros adecuados para calcular
la probabilidad deseada
Aplicaciones
de la
distribución
normal
 Distribución Normal
Aplicaciones de la
distribución Definición: La distribución
Normal normal es una distribución de
La distribución normal,
también conocida como
probabilidad continua que es
distribución de Gauss, es simétrica en torno a su media.
fundamental en probabilidad
y estadística debido a su Características:
frecuente aparición en •Campana simétrica.
diversos fenómenos
•Media, mediana y moda
naturales y procesos
industriales. coinciden.
•Desviación estándar determina
el ancho de la campana.
 Muestreo y Estimación de Parámetros

Muestreo: Proceso de seleccionar una muestra de una población

para inferir sobre la población total.
Teorema del Límite Central: Las distribuciones de las medias
muestrales de poblaciones normales o no normales tienden a ser
normales si el tamaño de la muestra es suficientemente grande.

Media (𝜇): La media de la muestra (𝑥ˉ ) se usa como estimador de

Estimación de Parámetros:

Desviación Estándar (𝜎): La desviación estándar de la muestra (s)

la media poblacional.

se usa como estimador de la desviación estándar poblacional.

 Pruebas de Hipótesis

Definición: Método para tomar decisiones sobre los parámetros de

una población basándose en una muestra.

1.-Formulación de las hipótesis nula (𝐻o ) y alternativa (𝐻𝑎).

Pasos en una Prueba de Hipótesis:

2.-Selección del nivel de significancia (𝛼).

3.-Cálculo del estadístico de prueba.

5.-Toma de decisión: rechazar o no rechazar 𝐻o

4.-Determinación del valor p.
Gracias