Distribución Normal

Distribución normal

¿Qué es una variable estadística?

Una variable estadística es un parámetro que puede variar de manera aleatoria dentro de un rango de valores. Por ejemplo, la variable "peso corporal" es aleatoria, porque puede tomar muchos valores distintos dentro deunos márgenes. Observa que no todos los valores tienen por qué tener la misma probabilidad de darse: habráunos más comunes y otros más raros, y según cómo se repartan estas probabilidades, tendremos unadistribución estadística u otra.

La distribución normal

La distribución normal es un modelo estadístico en el que la variable aleatoria tiene más probabilidades para los valores medios que para los extremos, representándose en lo que se llama una "curva o campana de Gauss" (en honor a un importante matemático). Es una distribución muy común de encontrar en la naturaleza: el peso y la estatura de las personas, por ejemplo, se ajusta a esta distribución.

Cómo se lee la Campana de Gauss y la tabla asociada

La distribución normal supone que la variable aleatoria que estamos trabajando tiene una media de cero y una desviación típica de + 1 (más adelante veremos cómo adaptar otras variables que no tengan esta media y esta desviación para poder usar con ellas la tabla y la curva de Gauss).

La distribución normal tiene una tabla que indica probabilidades para distintos valores. Para leerla, se mira en la primera columna el número y su primer decimal, y en la primera fila, el segundo decimal. El punto donde se corten esos dos valores, nos da una probabilidad entre 0,5 y 1. Con la tabla, comprueba que para los siguientes valores se obtienen las probabilidades indicadas a continuación:

2,34 → 0,9904 0,03 → 0,5120 1,45 → 0,9265

(Nota: como podrían confundirse los valores de la variable con las probabilidades, ya que tienen números muy parecidos, a partir de ahora las cifras que se refieran a probabilidades aparecerán en cursiva).

Es importante entender que la curva de Gauss es una curva de probabilidad acumulada. Esto quiere decir que dado un valor de la variable (que se situaría en el eje de las x), toda el área comprendida en la gráfica hasta ese punto es la probabilidad de que esa variable valga dicho valor o menos. Vamos a verlo con un ejemplo para entenderlo mejor.

Si la variable aleatoria tomase el valor 0,43, la situaríamos en la gráfica así: El área sombreada es la probabilidad de que la variable X valga 0,43 o menos. Si consultamos la tabla, nos indica que dicha probabilidad vale 0,6664. O, dicho de manera más matemática:

p (X< 0,43) = 0,6664 Fíjate que para el valor cero (que cae justo en la mitad de la gráfica), la probabilidad acumulada sería de 0,5. Obvio, porque el área que quedaría coloreada sería exactamente la mitad del área total, y recuerda que el

valor máximo de toda probabilidad es 1.

Qué ocurre si mi variable no es una N(0,1)

La tabla de la normal, como hemos dicho, corresponde a una variable cuya media es igual a cero y su desviación típica igual a 1. Sin embargo, la gran mayoría de las variables del mundo real no son de este tipo.Como no es posible crear una tabla para cada distribución posible, lo que se hace es modificar, “tipificar” nuestra variable real para adaptarla y poder usar con ella la tabla de N(0,1).

Para tipificar una variable (a la variable tipificada la llamaremos Z de ahora en adelante), le restaremos a nuestro valor X la media de la distribución y dividiremos el total entre la desviación típica.

Z = (X -  ) / 

La variable X, transformada así en una Z, se podrá utilizar en nuestra tabla de normal (0,1)

Otras lecturas de la curva de Gauss

A la hora de leer una probabilidad de distribución normal se pueden presentar otros casos que requieren

ciertos "retoques", ya que la tabla de probabilidades sólo sirve para los casos en que Z valga igual o menor

que un valor. Podemos encontrarnos, además, con las siguientes situaciones:

1. Valores de Z mayores o iguales a un valor 2. Valores de Z negativos menores o iguales a un valor 3. Valores de Z negativos mayores o iguales a un valor 4. Valores de Z comprendidos entre dos valores 5. Valores de Z concretos 6. Valores de Z muy grandes

1. Valores de Z mayores o iguales a un valor (p (Z>k)

En este caso, el área que se nos pide hallar es la siguiente (seguimos tomando como ejemplo el 0,43): La solución es fácil. Ya que la tabla nos da la probabilidad del área en blanco, para hallar el valor del área sombreada hacemos el total menos la que indique la tabla.

p(Z>0,43) = 1- p (Z< 0,43) = 1- 0,6664 = 0,3336

2. Valores de Z negativos menores o iguales a un valor

Si echas un vistazo a la tabla, verás que tanto en la primera fila como en la primera columna aparecen sólo valores positivos. ¿Qué hacemos si el valor es negativo?

Tendríamos la siguiente situación en la curva de Gauss:

Observa que la situación no es tan difícil si nos damos cuenta de un detalle: la campana de Gauss es

simétrica, como si la línea del valor cero fuese un espejo, y por lo tanto el área a la izquierda del

-0,43 ¡es igual a la que queda a la derecha del 0,43! El ejercicio se reduce entonces a lo mismo del

caso anterior.

p (Z< -0,43) = p (Z>0,43) = 1- p (Z<0,43)

3. Valores de Z negativos mayores o iguales a un valor

Este caso se representaría en la curva de Gauss como sigue: Una vez más, el truco está en la simetría de la cruva de Gauss. Este área es igual a esta:

Por lo tanto, p(Z>-0,43) = p (Z< 0,43), que es el caso más simple que describimos al principio.

¿Fácil, no?

...