Variable aleatoria de la distribución normal
Una variable aleatoria continua, X, sigue una distribución normal de media μ y desviación típica σ, y se
designa por N(μ, σ), si se cumplen las siguientes condiciones:
1. La variable puede tomar cualquier valor: (-∞, +∞)
2. La función de densidad, es la expresión en términos de ecuación matemática de la curva de Gauss:
Curva de la distribución normal
El campo de existencia es cualquier valor real, es decir, (-∞, +∞).
Es simétrica respecto a la media µ.
Tiene un máximo en la media µ.
Crece hasta la media µ y decrece a partir de ella.
En los puntos µ − σ y µ + σ presenta puntos de inflexión.
El eje de abscisas es una asíntota de la curva.
El área del recinto determinado por la función y el eje de abscisas es igual a la unidad.
Al ser simétrica respecto al eje que pasa por x = µ, deja un área igual a 0.5 a la izquierda y otra
igual a 0.5 a la derecha.
La probabilidad equivale al área encerrada bajo la curva.
p(μ - σ < X ≤ μ + σ) = 0.6826 = 68.26 %
p(μ - 2σ < X ≤ μ + 2σ) = 0.954 = 95.4 %
p(μ - 3σ < X ≤ μ + 3σ) = 0.997 = 99.7 %
Distribución Normal Tipificada o Estandarizada N(0, 1)
La distribución normal estándar, o tipificada o reducida, es aquella que tiene por media el valor cero, μ =
0, y por desviación típica la unidad, σ =1.
Su función de densidad es:
Su gráfica es:
La probabilidad de la variable X dependerá del área del recinto sombreado en la figura. Y para calcularla
utilizaremos una tabla.
Tipificación de la variable
Para poder utilizar la tabla tenemos que transformar la variable X que sigue una distribución N(μ, σ) en otra
variable Z que siga una distribución N(0, 1).
Tabla de la curva normal (0, 1)
La tabla nos da las probabilidades de P(z ≤ k), siendo z la variable tipificada. Estas probabilidades nos dan
la función de distribución Φ(k). Φ(k) = P(z ≤ k)
Búsqueda en la tabla de valor de k
Unidades y décimas en la columna de la izquierda.
Centésimas en la fila de arriba.
P(Z ≤ a)
P(Z ≤ 1.47) = 0.9292
P(Z > a) = 1 - P(Z ≤ a)
P(Z > 1.47) = 1 − P(Z ≤ 1.47) = 1 − 0.9292 = 0.0708
P(Z ≤ −a) = 1 − P(Z ≤ a)
P(Z ≤ −1.47) = 1 − P(Z ≤ 1.47) = 1 − 0.9292 = 0.0708
P(Z > −a) = P(Z ≤ a)
p(Z > −1.47) = p(Z ≤ 1.47) = 0.9292
P(a < Z ≤ b ) = P(Z ≤ b) − P(Z ≤ a)
P( 0.45 <Z ≤ 1.47) = P(Z ≤ 1.47) − P(Z ≤ 0.45) = = 0.9292
− 0.6736 = 0.2556
P(−b < Z ≤ −a ) = P(a < Z ≤ b )
P(−1.47 <Z ≤ − 0.45) = P( 0.45 <Z ≤ 1.47) = = P(Z ≤ 1.47)
− P(Z ≤ 0.45) = 0.9292 − 0.6736 = 0.2556
P(−a < Z ≤ b ) = P(Z ≤ b) − [ 1 − P(Z ≤ a)]
P(-1.47 < Z ≤ 0.45) = P(Z ≤ 0.45) − [ 1 − P(Z ≤ 1.47)]= =
0.6736 − (1 − 0.9292) = 0.6028
p=K
Nos encontramos con el caso inverso a los anteriores, conocemos el valor de la probabilidad y se trata de
hallar el valor de la abscisa. Ahora tenemos que buscar en la tabla el valor que más se aproxime a K.
p = 0.75Z ≤ 0.68
Para calcular la variable X nos vamos a la fórmula de la tipificación.
(X - μ)/σ = 0.68X = μ + 0.68 σ
