ESTADÍSTICA

GRADOS EN INGENIERÍA MECÁNICA, INGENIERÍA QUÍMICA E

INGENIERÍA EN ORGANIZACIÓN INDUSTRIAL

TEMA 7.- LA DISTRIBUCIÓN NORMAL

- Introducción.
- Características numéricas.
- La normal estándar.
- Combinaciones lineales de v.a.
normales.
- Efecto límite central.

Tema 7. La distribución normal. 115

 ESTADÍSTICA
GRADOS EN INGENIERÍA MECÁNICA, INGENIERÍA QUÍMICA E
INGENIERÍA EN ORGANIZACIÓN INDUSTRIAL

INTRODUCCIÓN

- Es la distribución continua más importante. Introducida por Gauss (1797).

- Aparece, entre otras, asociado a variables que miden características de interés de productos
fabricados en serie: El proceso de producción está programado para que la característica en cuestión
de cada artículo tome un valor ideal µ, pero distintas causas no controlables (variaciones
imperceptibles en la materia prima, en la tensión eléctrica, en las condiciones ambientales,...) hacen
que el valor real de la característica no sea precisamente µ, sino un valor más o menos próximo.

- La justificación teórica del uso del modelo normal es el denominado “efecto límite central”.
Histograma de frecuencias ajustado
por una densidad normal

100
Ejemplo: A la derecha se muestran mediante un
histograma las longitudes de 500 piezas elegidas al azar 80

de la población de piezas producidas en una planta

60
metalúrgica. El valor ideal de la longitud es 3 cm (media frecuencia
de la población) y la desviación típica 0.01 cm. En el 40
gráfico se incluye también el ajuste de los datos a una
distribución normal. 20

2.96 2.98 3.00 3.02 3.04

Tema 7. La distribución normal. Longitud de piezas 116

 ESTADÍSTICA
GRADOS EN INGENIERÍA MECÁNICA, INGENIERÍA QUÍMICA E
INGENIERÍA EN ORGANIZACIÓN INDUSTRIAL

Definición: Se dice que una variable aleatoria X sigue la distribución normal de parámetros (µ,σ),
µ∈R, σ>0, y se representa, X~N(µ,σ), si la distribución de probabilidades de X está dada por la
función de densidad

f ( x) = 1
e
− 21 ( )
x−µ 2
σ
, −∞< x <∞.
2 πσ

Funciones de densidad de leyes normales N(0,1) Funciones de densidad de leyes normales N(0,1)
con distintas medias y varianza común N(1,1) con media común y distintas varianzas N(0,2)

N(2,1) N(0,3)

0.4 0.4

0.3 0.3

0.2 0.2

0.1 0.1

0 0

-5 -3 -1 1 3 5 -10 -6 -2 2 6 10

X X
Tema 7. La distribución normal. 117
 ESTADÍSTICA
GRADOS EN INGENIERÍA MECÁNICA, INGENIERÍA QUÍMICA E
INGENIERÍA EN ORGANIZACIÓN INDUSTRIAL

Características numéricas de la distribución normal.

Media: EX=µ,
Mediana = Moda = µ.
Desviación típica: DT(X) = σ,
Varianza: Var(X) = σ2.
Coeficiente de Asimetría=0 (independiente de µ y de σ).
Coeficiente de apuntamiento o Kurtosis = 3 (independiente de µ y de σ).

Tipificación de variables normales:

Normal típica o estándar es la distribución normal de media 0 y desviación típica 1, es decir N(0,1),
cuya densidad es
− 12 x 2
f ( x) = 1 e , − ∞ < x < ∞.
2π

Para calcular probabilidades bajo la curva normal estándar es de gran utilidad el manejo de la función
de probabilidad acumulada (función de distribución), denotada habitualmente como Φ(x):

x
Φ ( x) = P( X ≤ x) = ∫
− 12 t 2
1
2π
e dt = P( N (0,1) ≤ x), −∞ < x < ∞
−∞

Tema 7. La distribución normal. 118

 ESTADÍSTICA
GRADOS EN INGENIERÍA MECÁNICA, INGENIERÍA QUÍMICA E
INGENIERÍA EN ORGANIZACIÓN INDUSTRIAL

Esta función está tabulada y permite de forma sencilla calcular la probabilidad de cualquier intervalo:

P (a < X < b) = P ( X < b) − p ( X < a ) = Φ (b) − Φ (a )

Nótese que la tabla sólo contiene los valores de Φ(x) para x>0. Para x<0 basta tener en cuenta que la
simetría de la ley normal implica que Φ(-x) = 1−Φ(x).
Función de densidad Funcion de distribución
1
F(x)

f(x) Φ(b)

P(a,b)=Φ (b)- Φ(a)

P(a,b)

Φ(a)
0
a b a b

Tema 7. La distribución normal. 119

 ESTADÍSTICA
GRADOS EN INGENIERÍA MECÁNICA, INGENIERÍA QUÍMICA E
INGENIERÍA EN ORGANIZACIÓN INDUSTRIAL

- Si X es una v.a. N(0,1) entonces: Y = µ + σ X, para µ∈R, σ>0, se distribuye Y~N(µ,σ)

- Recíprocamente, si Y es una v.a. con distribución N(µ,σ), entonces se cumple que

Y-µ
~ N (0,1) .
σ

- Los resultados anteriores nos permiten calcular probabilidades asociadas a cualquier normal a partir
de las tablas de la ley normal estándar.

 a - µ X - µ b - µ b - µ  a - µ
P(a < X < b) = P < <  = Φ  − Φ 
 σ σ σ   σ   σ 

Ejemplo: Se sabe que la densidad X de ciertos ladrillos cuando se hornean a 125ºC es una variable
aleatoria normal con media 3.85 gr/cm3 y desviación típica 0.05 gr/cm3. Si los límites de tolerancia
son (3.75 gr/cm3 , 4.00 gr/cm3), hallar el porcentaje de ladrillos que se salen de dicho intervalo.

Solución:
 3.75 - 3.85 X - µ 4 - 3.85  4 - 3.85  3.75 - 3.85
P(3.75 < X < 4) = P < <  = Φ   − Φ   = Φ(3) − Φ( −2) = 0.9759
 0.05 σ 0.05   0.05   0.05 
es decir, el 2.41% de la producción.
Tema 7. La distribución normal. 120
 ESTADÍSTICA
GRADOS EN INGENIERÍA MECÁNICA, INGENIERÍA QUÍMICA E
INGENIERÍA EN ORGANIZACIÓN INDUSTRIAL

Ejemplo: Se sabe que los diámetros X de ciertas bolas de acero siguen una ley normal. Se estima que
el 5% de las bolas superan 5.01 mm y, por tanto, son defectuosas por ser demasiado grandes.
Análogamente, se estima que el 2.5% de las bolas tienen un diámetro por debajo de 4.99 mm y son
defectuosas por ser demasiado pequeñas. Obtener la media y la distribución de X.

Solución: Por los datos del problema sabemos que:

 X − µ 5.01 − µ 
P( X > 5.01) = P >  = 0.05
 σ σ 
 X − µ 4.99 − µ 
P( X < 4.99) = P <  = 0.025
 σ σ 

A partir de las tablas de la distribución normal obtenemos las ecuaciones:

5.01 − µ
= 165
.
σ
4.99 − µ
= −196
.
σ

Resolviendo estas ecuaciones, obtenemos: µ=5.00086 mm y σ=0.00554 mm .

Tema 7. La distribución normal. 121

 ESTADÍSTICA
GRADOS EN INGENIERÍA MECÁNICA, INGENIERÍA QUÍMICA E
INGENIERÍA EN ORGANIZACIÓN INDUSTRIAL

Una simple comprobación nos proporciona las probabilidades de los siguientes intervalos de
frecuente aparición en Cálculo de Probabilidades y en Estadística. Si X es una v.a. N(µ,σ), se tiene:

P( µ − σ < X < µ + σ ) = 0.6826 P( µ − 2σ < X < µ + 2σ ) = 0.9545

P( µ − 165 . σ ) = 0.90
. σ < X < µ + 165 P( µ − 2.58σ < X < µ + 2.58σ ) = 0.99
P( µ − 196 . σ ) = 0.95
. σ < X < µ + 196 P( µ − 3σ < X < µ + 3σ ) = 0.9973

Ejercicio: comparar con las acotaciones obtenidas a partir de la desigualdad de Chebyshev.

Combinaciones lineales de variables normales.

Una propiedad característica de la normalidad es que se conserva por transformaciones lineales:

Si X 1 , ..., X n son v.a. independientes con distribuciones X i ~ N ( µi , σ i ), i = 1,..., n , y a0 , a1 ,..., an son

números reales cualesquiera, se tiene
a0 + a1 X 1 + ... + an X n ~ N ( µ ,σ )
donde
µ = a0 + a1µ1 +... + an µ n

y la desviación típica σ, es:

σ 2 = a12σ 12 + ... + an2σ n2 ⇒ σ = a12σ 12 +  + an2σ n2

Tema 7. La distribución normal. 122
 ESTADÍSTICA
GRADOS EN INGENIERÍA MECÁNICA, INGENIERÍA QUÍMICA E
INGENIERÍA EN ORGANIZACIÓN INDUSTRIAL

En particular, si X 1 , ..., X n son v.a. independientes con distribución X i ~ N ( µi , σ i ), i = 1,..., n , se

tiene:
n  n n 
∑ X i ~ N ∑ µi , ∑ σ i

 i =1
2 
,
i =1  i =1 

por lo que se dice que la ley normal es reproductiva respecto a los parámetros µ y σ2.

Si, además, X 1 , ..., X n son v.a. independientes e igualmente distribuidas X i ~ N (µ , σ ) , i = 1,..., n :

n

∑X − nµ
( )
n i

∑X
i =1
i ~ N nµ , nσ 2 , o bien i =1

nσ
~ N (0,1) .

De especial interés en Estadística es el estudio de la distribución del promedio de variables

normales independientes e igualmente distribuidas:

n
 σ  X −µ
X= 1
n ∑
i =1
X i ~ N  µ,

 , o bien
n
n
σ
~ N (0,1) .

Tema 7. La distribución normal. 123

 ESTADÍSTICA
GRADOS EN INGENIERÍA MECÁNICA, INGENIERÍA QUÍMICA E
INGENIERÍA EN ORGANIZACIÓN INDUSTRIAL

Ejemplo: Una máquina automática llena cajas de detergente en polvo. El contenido envasado por
caja es una v.a. con ley N(4 Kg, 0.0125 Kg), con independencia entre las distintas cajas. Las cajas se
empaquetan en lotes de 4 cajas. Hallar la probabilidad de que un lote contenga menos de 15.950 Kg.

Solución: Llamemos X i al contenido de la caja i, i=1,...,4, e Y= X1 +...+ X 4 al contenido total del lote.
Sabemos que la distribución de la v.a. Y es N(16 Kg, 0.025 Kg), De manera que

 Y - µ 15.95 - 16 
P(Y < 15.95) = P <  = Φ( − 2) = 1 − Φ( 2) = 0.02275 .
 σ 0.025 

El efecto límite central.

Con el nombre de “efecto límite central” se conoce el hecho de que cuando una variable X es el
resultado de la contribución de muchas causas X i i = 1,..., n , que actúan independientemente y que
cada una de ellas tiene una contribución pequeña en el valor final de la variable, el modelo normal
suele ser un patrón razonable para el comportamiento de dicha variable. La justificación matemática
de este hecho se sustenta en el siguiente resultado que es uno de los más importantes del Cálculo de
Probabilidades:

Tema 7. La distribución normal. 124

 ESTADÍSTICA
GRADOS EN INGENIERÍA MECÁNICA, INGENIERÍA QUÍMICA E
INGENIERÍA EN ORGANIZACIÓN INDUSTRIAL

Teorema Central del Límite (TCL): Explica porqué la Normal aparece tanto en la naturaleza.
La idea es que si una variable es el resultado de muchos pequeños efectos aleatorios cualesquiera que
se acumulan, su distribución se parece a una Normal; tanto más cuanto mayor es el nº de efectos.
Ejemplo: errores de medida, talla de individuos, calibre de ejes …
Existen muchas versiones del TCL. Una de las más sencillas es ésta:
Si X 1 , ..., X n son v.a. independientes con medias µ i < ∞ y varianzas σ i2 < M i = 1,..., n , cuando n → ∞
 n n  n

∑ X i ~ N ∑ µi , ∑ σ i .
 2 
aprox .

 i =1 
i =1  i =1 
En particular, si X 1 , ..., X n son v.a.i.i.d. con media y varianza comunes µ < ∞ , σ 2 < ∞ :
n

∑X − nµ
( )
n i

∑X
aprox . aprox .

~ N nµ , σ n ; escrito de otra forma:

i =1
~ N (0,1) .
nσ
i
i =1

La calidad de la aproximación es función del número n de variables que sumamos, pero también de
las distribuciones de los sumandos. Cuanto más próximas a la normal estén estas distribuciones,
podremos justificar la aproximación con valores más pequeños de n. En particular, sabemos que si las
distribuciones de los sumandos son normales, la normalidad se tiene de forma exacta para cualquier n.
El T.C.L se puede expresar también en términos de los promedios de las variables:
X n − µ aprox .
~ N (µ , ),
n

∑X
aprox .

Xn = 1
n i
σ
n o bien σ
~ N (0,1) .
i =1 n

Tema 7. La distribución normal. 125

 ESTADÍSTICA
GRADOS EN INGENIERÍA MECÁNICA, INGENIERÍA QUÍMICA E
INGENIERÍA EN ORGANIZACIÓN INDUSTRIAL

Ejemplo: Un aparato electrónico funciona con la energía que le suministra una batería que cuando
se agota es sustituida instantáneamente por otra idéntica y así sucesivamente. Las distintas baterías
tienen un funcionamiento independiente unas de otras. Se desconoce la ley de vida de las baterías,
pero se estima que la vida media es de 8 horas con una desviación típica de 2 horas. Obtener
aproximadamente la probabilidad de que con 100 baterías se pueda mantener funcionando el
aparato electrónico durante un mes (30 días o 720 horas).

Solución: Llamemos X i a la duración de la batería i, i=1,...,100, e Y= X1 +...+ X 100 a la duración total

de las 100 baterías. Aplicando el TCL se tiene que

( )
100
Y = ∑ X i ~ N 800,2 100
aprox .

i =1

con lo que la probabilidad pedida es , aproximadamente,

 Y - µ 720 - 800 
P(Y > 720) = P >  ≅ 1 − Φ( − 4 ) = Φ( 4 ) ≅ 1 .
 σ 400 

Tema 7. La distribución normal. 126