La distribución normal, también conocida como la distribución gaussiana o curva de campana, es una de las distribuciones de probabilidad más importantes en estadística. Su importancia radica en que describe la distribución de muchos fenómenos naturales y artificiales. Es continua, simétrica y está definida por dos parámetros: la media (μ) y la desviación estándar (σ).
La media (μ) representa el valor central de la distribución. Indica dónde se centra la campana. La desviación estándar (σ) mide la dispersión de los datos alrededor de la media. Una desviación estándar grande indica que los datos están más dispersos, mientras que una desviación estándar pequeña indica que están más agrupados.
Características Clave
La distribución normal posee características distintivas. Es simétrica con respecto a la media. El área total bajo la curva es igual a 1, lo que representa el 100% de la probabilidad. Aproximadamente el 68% de los datos se encuentran dentro de una desviación estándar de la media (μ ± σ), el 95% dentro de dos desviaciones estándar (μ ± 2σ) y el 99.7% dentro de tres desviaciones estándar (μ ± 3σ). Esto se conoce como la regla empírica o la regla del 68-95-99.7.
Must Read
Ejemplos Resueltos
Para comprender mejor, veamos algunos ejemplos prácticos.
Ejemplo 1: Altura de Estudiantes
Supongamos que la altura de los estudiantes en una universidad sigue una distribución normal con una media de 175 cm y una desviación estándar de 8 cm. ¿Qué porcentaje de estudiantes tienen una altura entre 167 cm y 183 cm?
Solución: Primero, notamos que 167 cm es una desviación estándar por debajo de la media (175 - 8 = 167) y 183 cm es una desviación estándar por encima de la media (175 + 8 = 183). Según la regla empírica, aproximadamente el 68% de los estudiantes tienen una altura entre 167 cm y 183 cm.
Ejemplo 2: Puntuaciones de un Examen
Las puntuaciones de un examen se distribuyen normalmente con una media de 70 y una desviación estándar de 10. ¿Cuál es la probabilidad de que un estudiante obtenga una puntuación superior a 80?
Solución: Una puntuación de 80 está una desviación estándar por encima de la media (70 + 10 = 80). Sabemos que el 68% de los datos se encuentran dentro de una desviación estándar de la media. Esto significa que el 32% de los datos están fuera de este rango (100% - 68% = 32%). Como la distribución es simétrica, la mitad de este 32% está por encima de 80 y la otra mitad por debajo de 60. Por lo tanto, la probabilidad de que un estudiante obtenga una puntuación superior a 80 es del 16% (32% / 2 = 16%).
Ejemplo 3: Producción de una Máquina
Una máquina produce tornillos cuyo diámetro sigue una distribución normal con una media de 10 mm y una desviación estándar de 0.2 mm. Si un tornillo se considera defectuoso si su diámetro es menor a 9.6 mm o mayor a 10.4 mm, ¿qué porcentaje de tornillos serán defectuosos?
Solución: Primero, calculamos cuántas desviaciones estándar están 9.6 mm y 10.4 mm lejos de la media. 9.6 mm está dos desviaciones estándar por debajo de la media (10 - 20.2 = 9.6) y 10.4 mm está dos desviaciones estándar por encima de la media (10 + 20.2 = 10.4). Según la regla empírica, el 95% de los tornillos tendrán un diámetro entre 9.6 mm y 10.4 mm. Esto significa que el 5% de los tornillos serán defectuosos (100% - 95% = 5%).
Aplicaciones en la Vida Real
La distribución normal tiene innumerables aplicaciones. En ingeniería, se utiliza para modelar la variación en las dimensiones de las piezas fabricadas. En finanzas, se usa para modelar los rendimientos de las inversiones. En biología, se aplica para analizar la distribución de características físicas como la altura y el peso. En psicología, se utiliza para modelar las puntuaciones de los tests de inteligencia. En resumen, es una herramienta fundamental en cualquier campo que involucre el análisis de datos.
Conclusión
La distribución normal es una herramienta poderosa y versátil. Comprender sus características y cómo aplicarla en diferentes contextos es esencial para cualquier estudiante de estadística o cualquier profesional que trabaje con datos. Practicando con ejemplos y explorando sus aplicaciones, podemos apreciar su importancia y su utilidad.
