Distribución Normal - Wikipedia, La Enciclopedia Libre

Pgina 1 Distribucin normal - Wikipedia, la enciclopedia libre
19/12/2012 12:17:59 http://es.wikipedia.org/wiki/Distribuci%C3%B3n_normal

Distribucin normal
Lalneaverdecorrespondealadistribucinnormal estndar
Funcindedensidaddeprobabilidad
Funcindedistribucindeprobabilidad
Parmetros
Dominio
Funcin de densidad
(pdf)
Funcin de
distribucin (cdf)
Media
Mediana
Moda
Varianza
Coeficiente de
simetra
0
Curtosis 0
Entropa
Funcin generadora
de momentos (mgf)
Funcin
caracterstica
Distribucin normal
DeWikipedia, laenciclopedialibre
En estadstica y probabilidad se llama distribucin normal, distribucin de Gauss o
distribucin gaussiana, a una de las distribuciones de probabilidad de variable continua
queconmsfrecuenciaapareceaproximadaenfenmenosreales.
Lagrficadesufuncindedensidadtieneunaformaacampanadayes simtricarespecto de
undeterminadoparmetroestadstico. EstacurvaseconocecomocampanadeGauss yes el
grficodeunafuncingaussiana.
La importancia de esta distribucin radica en que permitemodelar numerosos fenmenos
naturales, sociales ypsicolgicos. Mientras quelos mecanismos quesubyacenagran parte
de este tipo de fenmenos son desconocidos, por la enorme cantidad de variables
incontrolables que en ellos intervienen, el uso del modelo normal puede justificarse
asumiendo que cada observacin se obtiene como la suma de unas pocas causas
independientes.
Dehecho, la estadsticaes unmodelo matemtico que slopermitedescribir un fenmeno,
sin explicacinalguna. Paralaexplicacincausal es precisoel diseo experimental, deah
que al uso de la estadstica en psicologa y sociologa sea conocido como mtodo
correlacional.
Ladistribucinnormal tambinesimportantepor surelacinconlaestimacinpor mnimos
cuadrados, unodelosmtodosdeestimacinmssimplesyantiguos.
Algunosejemplos devariablesasociadas afenmenosnaturales quesiguenel modelo dela
normal son:
caracteresmorfolgicosdeindividuoscomolaestatura;
caracteresfisiolgicoscomoel efectodeunfrmaco;
caracteres sociolgicos como el consumo de ciertoproducto por un mismo grupo de
individuos;
caracterespsicolgicoscomoel cocienteintelectual;
nivel deruidoentelecomunicaciones;
errorescometidosal medir ciertasmagnitudes;
etc.
La distribucin normal tambin aparece en muchas reas de la propia estadstica. Por
ejemplo, la distribucin muestral de las medias muestrales es aproximadamente normal,
cuando la distribucin de la poblacin de la cual se extrae la muestra no es normal.
1
Adems, la distribucin normal maximiza la entropa entre todas las distribuciones con
media y varianza conocidas, lo cual la convierte en la eleccin natural de la distribucin
subyacente a una lista de datos resumidos en trminos de media muestral y varianza. La
distribucin normal es la ms extendida en estadstica y muchos tests estadsticos estn
basadosenunasupuesta"normalidad".
En probabilidad, la distribucin normal aparececomo el lmitedevarias distribuciones de
probabilidadcontinuasydiscretas.
ndice
1Historia
2Definicinformal
2.1Funcindedensidad
2.2Funcindedistribucin
2.2.1Lmiteinferior ysuperior estrictosparalafuncindedistribucin
2.3Funcionesgeneradoras
2.3.1Funcingeneradorademomentos
2.3.2Funcincaracterstica
3Propiedades
3.1Estandarizacindevariablesaleatoriasnormales
3.2Momentos
3.3El Teoremadel LmiteCentral
3.4Divisibilidadinfinita
3.5Estabilidad
4Desviacintpicaeintervalosdeconfianza
AbrahamdeMoivre, descubridor de
ladistribucinnormal
4.1Formafamiliaexponencial
5Distribucinnormal compleja
6Distribucionesrelacionadas
7Estadsticadescriptivaeinferencial
7.1Resultados
7.2Testsdenormalidad
7.3Estimacindeparmetros
7.3.1Estimacindeparmetrosdemximaverosimilitud
7.3.1.1Sorprendentegeneralizacin
7.3.2Estimacininsesgadadeparmetros
8Incidencia
8.1Recuentodefotones
8.2Medidadeerrores
8.3Caractersticasfsicasdeespecmenesbiolgicos
8.4Variablesfinancieras
8.5Distribucionesentestsdeinteligencia
8.6Ecuacindedifusin
9Usoenestadsticacomputacional
9.1Generacindevaloresparaunavariablealeatorianormal
9.2 Aproximaciones numricas de la distribucin normal y su funcin de
distribucin
10Vasetambin
11Referencias
12Enlacesexternos
Historia
Ladistribucinnormal fuepresentadapor primeravezpor AbrahamdeMoivreenunartculodel ao 1733,
2
quefuereimpresoen la segundaedicindesuThe Doctrine of Chances, de1738, en el contextode cierta
aproximacindela distribucinbinomial paragrandes valores den. Suresultado fueampliadopor Laplace
en su libro Teora analtica de las probabilidades (1812), y en la actualidad se llama Teorema de De
Moivre-Laplace.
Laplace us la distribucin normal en el anlisis de errores de experimentos. El importante mtodo de
mnimoscuadradosfueintroducidopor Legendreen1805. Gauss, queafirmabahaber usadoel mtododesde
1794, lo justific rigurosamenteen 1809 asumiendo unadistribucin normal de loserrores. El nombrede
Gausssehaasociadoaestadistribucinporquelausconprofusincuandoanalizabadatosastronmicos
3
y
algunosautoresleatribuyenundescubrimientoindependientedel deDeMoivre.
4
Estaatribucindel nombre
deladistribucinaunapersonadistintadesuprimer descubridor esunclaroejemplodelaLeydeStigler.
El nombrede"campana" vienedeEsprit J ouffret queusel trmino"bell surface" (superficiecampana) por
primeravez en 1872paraunadistribucinnormal bivariantedecomponentes independientes. El nombrede
"distribucin normal" fue otorgado independientemente por Charles S. Peirce, Francis Galton y Wilhelm
Lexishacia1875.
[cita requerida]
A pesar deestaterminologa, otrasdistribucionesdeprobabilidadpodranser
msapropiadasendeterminadoscontextos; vaseladiscusinsobreocurrencia, msabajo.
Definicin formal
Hay varios modos de definir formalmenteuna distribucinde probabilidad. La forma ms visual es mediantesu funcin de densidad. Deforma
equivalente, tambin puedendarseparasudefinicinla funcindedistribucin, losmomentos, lafuncincaractersticaylafuncingeneratriz de
momentos, entreotros.
Funcin de densidad
Se diceque una variablealeatoriacontinua X sigue una distribucin normal de
parmetros y ysedenotaX~N(, ) si sufuncindedensidadestdadapor:
donde (mu) eslamediay (sigma) esla desviacinestndar (
2
esla varianza)
.
5
Sellamadistribucin normal "estndar" aaqullaenla quesus parmetrostoman losvalores =0y =1. Enestecasola funcindedensidad
tienelasiguienteexpresin:
Sugrficasemuestraaladerechayconfrecuenciaseusantablasparael clculodelosvaloresdesudistribucin.
Funcin de distribucin
Lafuncindedistribucindeladistribucinnormal estdefinidacomosigue:
Por tanto, lafuncindedistribucindelanormal estndar es:
Estafuncindedistribucinpuedeexpresarseentrminosdeunafuncinespecial llamadafuncinerror delasiguienteforma:
ylapropiafuncindedistribucinpuede, por consiguiente, expresarseas:
El complemento de la funcin de distribucin de la normal estndar, , se denota con frecuencia , y es referida, a veces, como
simplementefuncin Q, especialmenteen textosdeingeniera.
6 7
Esto representala coladeprobabilidaddela distribucingaussiana. Tambinse
usanocasionalmenteotrasdefinicionesdelafuncinQ, lascualessontodasellastransformacionessimplesde .
8
Lainversadelafuncindedistribucindelanormal estndar (funcincuantil) puedeexpresarseentrminosdelainversadelafuncindeerror:
ylainversadelafuncindedistribucinpuede, por consiguiente, expresarsecomo:
Estafuncincuantil sellamaaveces lafuncinprobit. Nohayunaprimitivaelemental para lafuncinprobit. Estonoquieredecir meramenteque
no seconoce, sinoquesehaprobado lainexistenciadetal funcin. Existenvariosmtodos exactos paraaproximar la funcincuantil mediantela
distribucinnormal (vasefuncincuantil).
Los valores (x) pueden aproximarse con mucha precisin por distintos mtodos, tales como integracin numrica, series de Taylor, series
asintticasyfraccionescontinuas.
Lmite inferior y superior estrictos para la funcin de distribucin
Paragrandes valores de x la funcin dedistribucinde lanormal estndar es muy prxima a1y estmuy cercade0. Los
lmiteselementales
entrminosdeladensidad sontiles.
Usandoel cambiodevariablev =u/2, el lmitesuperior seobtienecomosigue:
Distribucindeprobabilidadalrededor delamediaen
unadistribucinN(, ).
Deformasimilar, usando ylaregladel cociente,
Resolviendopara proporcionael lmiteinferior.
Funciones generadoras
Funcin generadora de momentos
Lafuncingeneradorademomentossedefinecomolaesperanzadee
(tX)
. Paraunadistribucinnormal, lafuncingeneradorademomentoses:
comopuedecomprobarsecompletandoel cuadradoenel exponente.
Funcin caracterstica
Lafuncin caractersticase definecomola esperanza dee
itX
, dondei es la unidadimaginaria. Deestemodo, la funcincaracterstica seobtiene
reemplazandot por it enlafuncingeneradorademomentos.
Paraunadistribucinnormal, lafuncincaractersticaes
9
Propiedades
Algunaspropiedadesdeladistribucinnormal son:
1. Essimtricarespectodesumedia, ;
2. Lamodaylamedianasonambasigualesalamedia, ;
3. Lospuntosdeinflexindelacurvasedanparax= yx= +.
4. Distribucindeprobabilidadenunentornodelamedia:
1. en el intervalo [ - , +] seencuentra comprendida, aproximadamente, el
68,26%deladistribucin;
2. enel intervalo[ - 2, +2] seencuentra, aproximadamente, el 95,44%dela
distribucin;
3. por su parte, en el intervalo [ -3, + 3] se encuentra comprendida,
aproximadamente, el 99,74%dela distribucin. Estas propiedadesson degran
utilidad para el establecimiento de intervalos de confianza. Por otra parte, el
hechode que prcticamentela totalidad dela distribucin seencuentre a tres
desviaciones tpicas de la media justifica los lmites de las tablas empleadas
habitualmenteenlanormal estndar.
5. Si X ~N(,
2
) ya yb sonnmerosreales, entonces(aX +b) ~N(a+b, a
2
2
).
6. Si X ~N(
x
,
x
2
) eY ~N(
y
,
y
2
) sonvariablesaleatoriasnormalesindependientes, entonces:
Su suma est normalmente distribuida con U =X +Y ~N(
x
+
y
,
x
2
+
y
2
) (demostracin). Recprocamente, si dos variables
aleatoriasindependientestienenunasumanormalmentedistribuida, debenser normales(TeoremadeCrmer).
Sudiferenciaestnormalmentedistribuidacon .
Si lasvarianzasdeX eY soniguales, entoncesU yV sonindependientesentres.
LadivergenciadeKullback-Leibler,
7. Si e sonvariablesaleatoriasindependientesnormalmentedistribuidas, entonces:
Suproducto sigueunadistribucincondensidad dadapor
donde esunafuncindeBessel modificadadesegundotipo.
Su cociente sigueuna distribucinde Cauchycon . Deestemodo la distribucin deCauchy es un
tipoespecial dedistribucincociente.
8. Si son variables normales estndar independientes, entonces sigue una distribucin con n grados de
libertad.
9. Si sonvariables normales estndar independientes, entonces lamediamuestral yla varianza
muestral son independientes. Esta propiedad caracteriza a las distribuciones
normalesycontribuyeaexplicar por quel test-F noesrobustorespectoalano-normalidad).
Estandarizacin de variables aleatorias normales
ComoconsecuenciadelaPropiedad1; esposiblerelacionar todaslasvariablesaleatoriasnormalesconladistribucinnormal estndar.
Si ~ , entonces
esunavariablealeatorianormal estndar: ~ .
LatransformacindeunadistribucinX ~N(, ) enunaN(0, 1) sellamanormalizacin, estandarizacin otipificacin delavariableX.
Unaconsecuenciaimportantedeestoesquelafuncindedistribucindeunadistribucinnormal es, por consiguiente,
A lainversa, si esunadistribucinnormal estndar, ~ , entonces
esunavariablealeatorianormal tipificadademedia yvarianza .
Ladistribucin normal estndar est tabulada (habitualmenteen la formade el valor de la funcin de distribucin ) y las otras distribuciones
normalespuedenobtenersecomotransformaciones simples, comosedescribems arriba, dela distribucinestndar. Deestemodo sepueden usar
losvalorestabuladosdelafuncindedistribucinnormal estndar paraencontrar valoresdelafuncindedistribucindecualquier otradistribucin
normal.
Momentos
Losprimerosmomentosdeladistribucinnormal son:
Grficadelafuncindedistribucindeunanormal con
=12y =3, aproximandolafuncin dedistribucin
deunabinomial conn =48y p =1/4
Nmero Momento Momento central Cumulante
0 1 1
1 0
2
3 0 0
4 0
5 0 0
6 0
7 0 0
8 0
Todosloscumulantesdeladistribucinnormal, msalldel segundo, soncero.
Losmomentoscentralesdeordensuperior (2k con = 0) vienen dados por la frmula
El Teorema del Lmite Central
El Teorema del lmite central establece que bajo ciertas condiciones (como pueden ser
independienteseidnticamentedistribuidas convarianzafinita), la sumadeungrannmero
devariablesaleatoriassedistribuyeaproximadamentecomounanormal.
Laimportanciaprcticadel Teoremadel lmitecentral es quela funcindedistribucin de
lanormal puedeusarsecomoaproximacindealgunas otras funciones dedistribucin. Por
ejemplo:
Una distribucin binomial de parmetros n y p es aproximadamente normal para
grandes valores den, yp no demasiadocercanoa1 0(algunos libros recomiendan
usar estaaproximacinslosi np yn(1 p) sonambos, al menos, 5; en estecaso se
deberaaplicar unacorreccindecontinuidad).
Lanormal aproximadatieneparmetros=np,
2
=np(1 p).
Una distribucin de Poisson con parmetro es aproximadamente normal para
grandesvaloresde.
Ladistribucinnormal aproximadatieneparmetros=
2
=.
Laexactituddeestasaproximaciones dependedel propsito parael quesenecesitenydela
tasa de convergencia a la distribucin normal. Se da el caso tpico de que tales
aproximacionessonmenos precisas enlas colas deladistribucin. El TeoremadeBerry-Essenproporcionaun lmitesuperior general del error de
aproximacindelafuncindedistribucin.
Divisibilidad infinita
Las normales tienen una distribucin de probabilidad infinitamentedivisible: Para una distribucin normal X de media y varianza
2
0, es
posibleencontrar n variablesaleatorias independientes{X
1
,...,X
n
}cadaunacondistribucinnormal demedia/n yvarianza
2
/ndado quelasuma
X
1
+. . . +X
n
deestasn variablesaleatorias
tengaestaespecficadistribucinnormal (paraverificarlo, seselafuncincaractersticadeconvolucinylainduccinmatemtica).
Estabilidad
Lasdistribucionesnormalessonestrictamenteestables.
Desviacin tpica e intervalos de confianza
Alrededor del 68%delosvaloresdeunadistribucinnormal estnaunadistancia <1(desviacintpica) delamedia, ; alrededor del 95%delos
valores estn ados desviaciones tpicas dela mediay alrededor del 99,7%estn atres desviacionestpicas dela media. Esto seconoce como la
"regla68-95-99,7" ola"reglaemprica".
Paraser msprecisos, el reabajolacurvacampanaentre n y +n entrminosdelafuncindedistribucinnormal vienedadapor
dondeerf eslafuncinerror. Con12decimales, losvaloresparalospuntos1-, 2-, hasta6- son:

1 0,682689492137
2 0,954499736104
3 0,997300203937
4 0,999936657516
5 0,999999426697
6 0,999999998027
Lasiguientetablaproporcionalarelacin inversademltiples correspondientes aunos pocosvalores usados con frecuenciaparael reabajo la
campanadeGauss. Estosvaloressontilesparadeterminar intervalosdeconfianzaparalosnivelesespecificadosbasadosenunacurvanormalmente
distribuida(oestimadoresasintticamentenormales):

0,80 1,28155
0,90 1,64485
0,95 1,95996
0,98 2,32635
0,99 2,57583
0,995 2,80703
0,998 3,09023
0,999 3,29052
0,9999 3,8906
0,99999 4,4172
dondeel valor alaizquierdadela tablaes laproporcindevalores quecaernen el intervalo dado yn es un mltiplo dela desviacintpica que
determinalaanchuradeel intervalo.
Forma familia exponencial
Ladistribucinnormal tieneformadefamiliaexponencial biparamtricacondos parmetrosnaturales, y1/
2
, yestadsticos naturales X yX
2
. La
formacannicatienecomoparmetros y yestadsticossuficientes y
Distribucin normal compleja
Considreselavariablealeatoriacomplejagaussiana
dondeX eY sonvariablesgaussianasrealeseindependientesconigual varianza . Lafuncindedistribucindelavariableconjuntaesentonces
Como , lafuncindedistribucinresultanteparalavariablegaussianacomplejaZ es
Distribuciones relacionadas
es una distribucin de Rayleigh si donde y son dos
distribucionesnormalesindependientes.
es una distribucin con grados de libertad si donde para y son
independientes.
es una distribucin de Cauchy si para y son dos
distribucionesnormalesindependientes.
esunadistribucinlog-normal si y .
Relacinconunadistribucinestable: si entonces .
Distribucinnormal truncada. si entonces truncando X por debajo de ypor encima de dar lugar a una variable
aleatoria de media donde
y es la funcin de densidad de una variable
normal estndar.
Si esunavariablealeatorianormalmentedistribuidae , entonces tieneunadistribucinnormal doblada.
Estadstica descriptiva e inferencial
Resultados
Deladistribucinnormal sederivanmuchosresultados, incluyendorangosdepercentiles ("percentiles" o"cuantiles"), curvasnormales equivalentes,
stanines, z-scores, yT-scores. Adems, un nmerodeprocedimientos deestadsticos decomportamientoestnbasados en la asuncindequeesos
resultadosestnnormalmentedistribuidos. Por ejemplo, el test deStudentyel anlisisdevarianza(ANOVA) (vasemsabajo). Lagradacindela
curvacampanaasignagradosrelativosbasadosenunadistribucinnormal deresultados.
Tests de normalidad
Los tests denormalidad seaplicana conjuntos de datos paradeterminar susimilitud con unadistribucin normal. La hiptesis nulaes, en estos
casos, si el conjuntodedatosessimilar aunadistribucinnormal, por loqueunP-valor suficientementepequeoindicadatosnonormales.
PruebadeKolmogrov-Smirnov
Test deLilliefors
Test deAndersonDarling
Test deRyanJ oiner
Test deShapiroWilk
Normal probabilityplot(rankitplot)
Test deJ arqueBera
Test omnibsdeSpiegelhalter
Estimacin de parmetros
Estimacin de parmetros de mxima verosimilitud
Vase tambin: Mxima verosimilitud.
Supngaseque
sonindependientesycadaunaestnormalmentedistribuidaconmedia yvarianza
2
>0. Entrminosestadsticos losvaloresobservadosdeestas
n variablesaleatoriasconstituyenuna"muestradetamaon deunapoblacinnormalmentedistribuida. Sedeseaestimar la mediapoblacional yla
desviacintpicapoblacional , basndoseenlasvaloresobservadosdeestamuestra. Lafuncindedensidadconjuntadeestasn variables aleatorias
independienteses
Comofuncinde y, lafuncindeverosimilitudbasadaenlasobservacionesX
1
, ..., X
n
es
con alguna constante C >0 (de la cual, en general, se permitiraincluso que dependiera de X
1
, ..., X
n
, aunque desapareciera con las derivadas
parcialesdelafuncindelog-verosimilitudrespectoalosparmetrostenidosencuenta, vasemsabajo).
Enel mtododemximaverosimilitud, losvaloresde y quemaximizanlafuncindeverosimilitudsetomancomoestimadoresdelosparmetros
poblacionales y.
Habitualmenteen lamaximizacin deunafuncindedosvariables, sepodranconsiderar derivadasparciales. Peroaqu seexplotael hechodeque
el valor de que maximizala funcin de verosimilitud con fijo no depende de . No obstante, encontramos que esevalor de , entonces se
sustituyepor enlafuncindeverosimilitudyfinalmenteencontramosel valor de quemaximizalaexpresinresultante.
Esevidentequelafuncindeverosimilitudesunafuncindecrecientedelasuma
As quesedeseael valor de queminimiza estasuma. Sea
lamediamuestral basadaenlasn observaciones. Nteseque
Sloel ltimotrminodependede yseminimizapor
Esta es la estimacin de mxima verosimilitud de basada en las n observaciones X
1
, ..., X
n
. Cuando sustituimos esta estimacin por en la
funcindeverosimilitud, obtenemos
Seconvieneendenotar la"log-funcindeverosimilitud", estoes, el logaritmodelafuncindeverosimilitud, conunaminscula, ytenemos
entonces
Estaderivadaespositiva, ceroonegativasegn
2
estentre0y
oseaigual aesacantidad, o mayor queesacantidad. (Si haysolamenteunaobservacin, loquesignificaquen =1, o si X
1
=... =X
n
, lo cual slo
ocurrecon probabilidad cero, entonces por estafrmula, refleja el hechode que en estos casos la funcinde verosimilitud es ilimitada
cuando decrecehastacero.)
Consecuentementeesta media de cuadrados de residuos es el estimador de mxima verosimilitud de
2
, y su raz cuadrada es el estimador de
mxima verosimilitud de basado en las n observaciones. Este estimador es sesgado, pero tieneun menor error medio al cuadrado que el
habitual estimador insesgado, queesn/(n 1) vecesesteestimador.
Sorprendente generalizacin
Laderivadadel estimador demximaverosimilituddelamatriz decovarianzadeunadistribucinnormal multivarianteesdespreciable. Involucrael
teoremaespectral y la razn por la que puede ser mejor para ver un escalar como la traza de una matriz 11que como un mero escalar. Vase
estimacindelacovarianzadematrices.
Estimacin insesgada de parmetros
El estimador demximaverosimilituddelamediapoblacional , esunestimador insesgadodelamediapoblacional.
El estimador de mxima verosimilitud de la varianza es insesgado si asumimos que la media de la poblacin es conocida a priori, pero en la
prcticaestono ocurre. Cuando disponemos deunamuestrayno sabemos nadadela mediao lavarianzadela poblacindelaquesehaextrado,
comoseasuma en la derivadademxima verosimilitudde arriba, entonces el estimador de mximaverosimilitudde lavarianza es sesgado. Un
estimador insesgadodelavarianza
2
eslacuasi varianzamuestral:
quesigueunadistribucinGammacuandolasX
i
sonnormalesindependienteseidnticamentedistribuidas:
conmedia yvarianza
Laestimacin demxima verosimilitudde la desviacin tpicaes la raz cuadrada de la estimacin de mximaverosimilitud dela varianza. No
obstante, ni sta, ni la raz cuadradadela cuasivarianzamuestral proporcionanun estimador insesgado parala desviacintpica(vaseestimacin
insesgadadeladesviacintpicaparaunafrmulaparticular paraladistribucinnormal.
Incidencia
Las distribuciones aproximadamente normales aparecen por doquier, como queda explicado por el teorema central del lmite. Cuando en un
fenmenosesospechalapresenciadeun grannmero depequeas causasactuando de forma aditiva e independiente es razonablepensar quelas
observacionessern"normales". Haymtodosestadsticosparaprobar empricamenteestaasuncin, por ejemplo, el test deKolmogorov-Smirnov.
Hay causas que pueden actuar de forma multiplicativa (ms que aditiva). En este caso, la asuncin de normalidad no est justificada y es el
logaritmodelavariableen cuestinel queestaranormalmentedistribuido. Ladistribucindelasvariablesdirectamenteobservadasen estecaso se
denominalog-normal.
Finalmente, si hayunasimpleinfluenciaexternaquetieneungranefectoenlavariableenconsideracin, laasuncindenormalidadnoesttampoco
justificada. Esto es cierto incluso si, cuando la variable externa se mantieneconstante, las distribuciones marginales resultantes son, en efecto,
normales. Ladistribucincompletaserunasuperposicindevariablesnormales, quenoesengeneral normal. Elloestrelacionadoconlateorade
errores(vasemsabajo).
A continuacin semuestran unalista desituaciones queestaran, aproximadamente, normalmentedistribuidas. Ms abajopuede encontrarseuna
discusindetalladadecadaunadeellas:
En problemas de recuento, dondeel teoremacentral del lmiteincluye una aproximacin dediscreta a continua y dondelas distribuciones
infinitamentedivisiblesydescomponiblesestninvolucradas, talescomo:
variablesaleatoriasbinomiales, asociadasconpreguntass/no;
variablesaleatoriasdePoisson, asociadasconeventosraros;
Enmedidasfisiolgicasdeespecmenesbiolgicos:
El logaritmo delasmedidasdel tamaodetejidosvivos(longitud, altura, superficiedepiel, peso);
Lalongitud deapndicesinertes (pelo, garras, rabos, dientes) deespecmenesbiolgicosen la direccin del crecimento;
Otrasmedidasfisiolgicaspodranestar normalmentedistribuidas, aunquenohayraznparaesperarloa priori;
Seasumeconfrecuenciaqueloserrores demedidaestnnormalmentedistribuidos ycualquier desviacin delanormalidadseconsiderauna
cuestinquedeberaexplicarse;
Variablesfinancieras, enel modeloBlack-Scholes:
Cambiosenel logaritmo de
Cambios en el logaritmo detasas decambio, ndices de precios, ndices deexistencias demercado; estas variables secomportan comoel inters
compuesto, nocomoel interssimple, por tanto, sonmultiplicativas;
Mientras queel modelo Black-Scholes presuponenormalidad, en realidadestas variables exhiben colaspesadas, comopuedeverseen
crashdelasexistenciasdemercado;
Otrasvariablesfinancieraspodranestar normalmentedistribuidas, peronohayraznparaesperarloa priori;
Intensidaddelaluz:
Laintensidaddelaluzlser estnormalmentedistribuida;
LaluztrmicatieneunadistribucindeBose-Einsteinenescalasdetiempomuybrevesyunadistribucinnormal engrandesescalas de
tiempodebidoal teoremacentral del lmite.
Esrelevanteparalabiologaylaeconomael hechodequelossistemascomplejostiendenamostrar laleydepotenciasmsquenormal.
Recuento de fotones
Laintensidaddelaluz deunasolafuentevara conel tiempo, as comolas fluctuacionestrmicas quepuedenobservarsesi laluzseanalizaauna
resolucin suficientementealta. La mecnica cuntica interpreta las medidas de la intensidad de la luz como un recuento de fotones, donde la
asuncinnatural es usar ladistribucindePoisson. Cuando laintensidad dela luzseintegraalolargodegrandes periodosdetiempomayores que
el tiempodecoherencia, laaproximacinPoisson- Normal esapropiada.
Medida de errores
Lanormalidades la asuncin central dela teoramatemticadeerrores. Deformasimilar en el ajustedemodelos estadstico, unindicador de la
bondaddel ajustees queel error residual (as es comosellamanlos errores en estacircunstancia) seaindependienteynormalmentedistribuido. La
asuncines quecualquier desviacin dela normalidadnecesitaser explicada. En esesentido, en ambos, ajustedemodelos y teoradeerrores, la
normalidades la nicaobservacinqueno necesitaser explicada, sinoquees esperada. Noobstante, si los datos originales no estn normalmente
distribuidos (por ejemplo, si siguen una distribucin de Cauchy, entonces los residuos tampoco estarn normalmentedistribuidos. Estehecho es
ignoradohabitualmenteenlaprctica.
Lasmedidasrepetidas delamismacantidadseesperaquecedanel pasoaresultadosqueestnagrupadosentornoaunvalor particular. Si todas las
fuentesprincipalesdeerrores sehantomadoencuenta, seasume queel error quequedadebeser el resultadodeungrannmero demuypequeos y
aditivos efectos y, por consiguiente, normal. Lasdesviacionesdelanormalidadseinterpretancomoindicaciones deerrores sistemticosqueno han
sidotomadosencuenta. Puededebatirsesi estaasuncinesvlida.
UnafamosaobservacinatribuidaaGabriel Lippmanndice:
[cita requerida]
Todoel mundo cree en la ley normal delos errores: los matemticos, porque piensan que es un hecho experimental; y los experimentadores,
porquesuponenquees unteoremamatemtico
Otrafuentepodraser Henri Poincar(http://en.wikiquote.org/wiki/Henri_Poincar#Misattributed) .
Caractersticas fsicas de especmenes biolgicos
Los tamaos de los animales adultos siguen aproximadamente una distribucin log-normal. La evidencia y explicacin basada en modelos de
crecimientofuepublicadapor primeravezenel libroProblemas de crecimiento relativo, de1932, por J ulianHuxley.
Las diferencias de tamao debido a dimorfismos sexuales u otros polimorfismos de insectos, como la divisin social de las abejas en obreras,
znganosyreinas, por ejemplo, hacequeladistribucindetamaossedesvehacialalognormalidad.
Laasuncindequeel tamao lineal delosespecmenes biolgicoses normal (msquelognormal) nos llevaaunadistribucinno normal del peso
(puesto que el peso o el volumen es proporcional al cuadrado o el cubo de la longitud y las distribuciones gaussianas slo mantienen las
transformacioneslineales). A la inversa, asumir que el peso sigue unadistribucin normal implica longitudes no normales. Esto es un problema
porque, a priori, no hay razn por la que cualquiera de ellas (longitud, masa corporal u otras) debera estar normalmente distribuida. Las
distribucioneslognormales, por otrolado, semantienenentrepotencias, as queel "problema" sedesvanecesi seasumelalognormalidad.
Por otraparte, hayalgunasmedidasbiolgicasdondeseasumenormalidad, talescomolapresinsanguneaenhumanosadultos. Estaasuncinslo
esposibletrasseparar ahombresymujeresendistintaspoblaciones, cadaunadelascualesestnormalmentedistribuida.
El modelonormal demovimientode
activos noincluyemovimientos
extremos tales comoquiebras
financieras.
Variables financieras
Yaen 1900Louis Bachelier propuso representar losprecios decambiousandoladistribucinnormal. Esta
aproximacin se ha modificado desde entonces ligeramente. A causa de la naturaleza multiplicativa del
inters compuesto, los indicadores financieros como valores de mercado y precios de las materias primas
exhiben un "comportamiento multiplicativo". Como tales, sus cambios peridicos (por ejemplo, cambios
anuales) no son normales, sino lognormales. Esta es todava la hiptesis ms comnmente aceptada en
economa.
No obstante, en realidad las variables financieras exhiben colas pesadas y as, la asuncin de normalidad
infravalorala probabilidadde eventos extremos como quiebras financieras. Se hansugerido correcciones a
este modelo por parte de matemticos como Benot Mandelbrot, quien observ que los cambios en el
logaritmo durante breves periodos de tiempo (como un da) se aproximan bien por distribuciones que no
tienenunavarianza finitay, por consiguiente, el teoremacentral del lmite no puedeaplicarse. Ms an, la
sumademuchosdetalescambiossigueunadistribucindelog-Levy.
Distribuciones en tests de inteligencia
A veces, la dificultad y nmero de preguntas en un test de inteligencia se selecciona de modo que
proporcionen resultados normalmentedistribuidos. Ms an, las puntuaciones "en crudo" seconvierten a
valoresquemarcanel cocienteintelectual ajustndolasaladistribucinnormal. Encualquier casosetratade
un resultado causado deliberadamente por la construccin del test o de una interpretacin de las
puntuacionesquesugierenormalidadparala mayoradela poblacin. Sinembargo, la cuestinacercadesi
lainteligenciaen s estnormalmentedistribuidaes ms complicadaporquesetratadeunavariablelatente
y, por consiguiente, nopuedeobservarsedirectamente.
Ecuacin de difusin
Lafuncindedensidaddeladistribucinnormal estestrechamenterelacionada conla ecuacindedifusin(homogneaeistropa) y, por tanto,
tambinconlaecuacin decalor. Esta ecuacin diferencial parcial describeel tiempo deevolucin deunafuncinde densidadbajodifusin. En
particular, lafuncindedensidaddemasa
paraladistribucinnormal conesperanza0yvarianzat satisfacelaecuacindedifusin:
Si ladensidaddemasapara untiempo t =0vienedadapor ladeltadeDirac, lo cual significa, esencialementequetodala masaest inicialmente
concentradaen un punto, entonces la funcin de densidad de masa en el tiempo t tendr la forma de la funcin de densidad de la normal, con
varianza creciendo linealmente con t. Esta conexin no es coincidencia: la difusin se debe a un movimiento Browniano que queda descrito
matemticamentepor unprocesodeWiener, ytal procesoenuntiempot tambinresultarnormal convarianzacreciendolinealmentecont'.
Msgeneralmente, si la densidaddemasainicial vienedadapor unafuncin(x), entoncesla densidaddemasaen untiempo t vendrdadapor la
convolucinde yunafuncindedensidadnormal.
Uso en estadstica computacional
Generacin de valores para una variable aleatoria normal
Parasimulaciones por ordenador es til, en ocasiones, generar valores que podran seguir una distribucin normal. Hay varios mtodos y el ms
bsico de ellos es invertir la funcin de distribucin de la normal estndar. Se conocen otros mtodos ms eficientes, uno de los cuales es la
transformacindeBox-Muller. Un algoritmoincluso msrpidoesel algoritmozigurat. Ambos sediscutenmsabajo. Unaaproximacinsimplea
estosmtodosesprogramarloscomosigue: simplementesmense12desviacionesuniformes(0,1) yrstense6(lamitadde12). Estoesbastantetil
en muchas aplicaciones. Lasumadeesos 12valores sigueladistribucindeIrwin-Hall; son elegidos12 para dar ala sumaunavarianza de uno,
exactamente. Las desviaciones aleatorias resultantes estn limitadas al rango (6, 6) y tienen una densidad que es una doceava seccin de una
aproximacinpolinomial deundcimoordenaladistribucinnormal .
10
El mtodo de Box-Muller diceque, si tienes dos nmeros aleatorios U y V uniformemente distribuidos en (0, 1], (por ejemplo, la salida de un
generador denmerosaleatorios), entoncesX eY sondosvariablesaleatoriasestndar normalmentedistribuidas, donde:
Esta formulacin aparece porque la distribucin con dos grados de libertad (vase la propiedad 4, ms arriba) es una variable aleatoria
exponencial fcilmentegenerada(lacual correspondealacantidadlnU enestas ecuaciones). As, unnguloelegidouniformementealrededor deun
crculovalavariablealeatoriaV yunradioelegidoparaser exponencial setransformanentoncesencoordenadasx ey normalmentedistribuidas.
Unmtodomucho msrpidoquela transformacindeBox-Muller, peroquesiguesiendoexactoesel llamadoalgoritmoZigurat, desarrolladopor
George Marsaglia. En alrededor del 97% de los casos usa slo dos nmeros aleatorios, un entero aleatorio y un uniforme aleatorio, una
multiplicaciny un test-si . Slo un 3%delos casos dondela combinacin de estos dos caefuera del "corazn del zigurat", un tipo de rechazo
muestral usandologaritmos, exponencialesynmerosaleatoriosmsuniformesdeberanser empleados.
Hay tambin alguna investigacin sobrela conexin entrela rpida transformacin de Hadamard y la distribucin normal, en virtud de que la
transformacin emplea slo adicin y sustraccin y por el teoremacentral del lmite los nmeros aleatorios de casi cualquier distribucin sern
transformados en la distribucin normal. En esta visin se pueden combinar una serie de transformaciones de Hadamard con permutaciones
aleatoriasparadevolver conjuntosdedatosaleatoriosnormalmentedistribuidos.
Aproximaciones numricas de la distribucin normal y su funcin de distribucin
Lafuncinde distribucinnormal seusa extensamenteen computacincientfica yestadstica. Por consiguiente, hasido implementadade varias
formas.
Abramowitz yStegun(1964) danla conocidacomo"mejor aproximacinde Hastings" para (x) conx > 0 conunerror absoluto |(x)| <7.510
8
(algoritmo26.2.17(http://www.math.sfu.ca/~cbm/aands/page_932.htm) ):
donde
(x) eslafuncindedensidaddeladistribucinnormal estndar,

ylasconstantessonb
0
=0.2316419, b
1
=0.319381530, b
2
=0.356563782, b
3
=1.781477937, b
4
=1.821255978, b
5
=1.330274429.
La Biblioteca Cientfica GNU calcula valores de la funcin de distribucin normal estndar usando aproximaciones por funciones racionales a
trozos. Otro mtododeaproximacinusapolinomios detercer gradoenintervalos.
11
El artculosobreel lenguajedeprogramacinbc proporciona
unejemplodecmocomputar lafuncindedistribucinenGNUbc.
Paraunadiscusinms detallada sobrecmo calcular la distribucinnormal, vasela seccin 3.4.1C. deThe Art of Computer Programming (El
arte de la programacin por ordenador), deKnuth.
Vase tambin
Carl FriedrichGauss.
Cocienteintelectual.
Desenfoquegaussianoyconvolucinusandoladistribucinnormal comoncleo.
Distribucin.
Distribucin de Pearson Familia general de distribuciones de probabilidad que extienden la distribucin gaussiana para incluir diferentes
valoresdeasimetrasycurtosis.
Distribucingaussianainversa
Distribucinlogstica
Distribucinlog-normal
DistribucinNormal-gamma
Distribucinnormal matriz
Distribucinnormal multivariante
Distribucinnormal torcida
Distribucinnormal truncada
DistribucintdeStudent
DistribucionesTweedie
Funcingaussiana(campanadeGauss).
Funcinlogit.
Funcinprobit
Gradacindelacurvacampana
Grficodeprobabilidadnormal
IannisXenakis, distribucingaussianaenmsica.
Integral del Gauss
Normalmente distribuidas e incorreladas no implica independencia (un ejemplo de dos variables aleatorias normalmente distribuidas e
incorreladasquenosonindependientes; estonoocurriraenpresenciadeunadistribucinconjunta).
ProblemadeBehrensFisher
ProcesodeGauss
PuenteBrowniano
ProcesodeOrnstein-Uhlenbeck
ProcesodeWiener
PruebadeMann-Whitney. Mtodonoparamtricoqueaproximaaunanormal.
Sumadevariablesaleatoriasnormalmentedistribuidas
Tabladistribucinnormal tipificada
Tamaodelamuestra
TeoremaCentral del Lmite.
Transformacindedatos(Estadstica). Tcnicassimplesdetransformacindedatosenunadistribucinnormal.
TeoremadeErds-Kac, sobrelaocurrenciadeladistribucinnormal enteoradenmeros.
Referencias
1. Es unaconsecuenciadel TeoremaCentral del Lmite
2. AbrahamdeMoivre, "Approximatio ad SummamTerminorumBinomii (a +b)
n
in Seriemexpansi" (impreso el 12 denoviembrede1733 en Londres para
unaedicin privada). Estepanfleto sereimprimi en: (1) Richard C. Archibald (1926) A rare pamphlet of Moivreand someof his discoveries, Isis, vol. 8,
pginas671-683; (2) Helen M. Walker, DeMoivreon thelaw of normal probability enDavid EugeneSmith, A Source Book in Mathematics [Nueva York,
NuevaYork: McGraw-Hill, 1929; reimpresin: NuevaYork, NuevaYork: Dover, 1959], vol. 2, pginas566-575.; (3) AbrahamDeMoivre, The Doctrine of
Chances (2 ed.) [Londres: H. Woodfall, 1738; reimpresin: Londres: Cass, 1967], pginas 235-243; (3ed.) [Londres: A Millar, 1756; reimpresin: Nueva
York, Nueva York: Chelsea, 1967], pginas 243-254; (4) Florence N. David, Games, Gods and Gambling: A History of Probability and Statistical Ideas
[Londres: Griffin, 1962], Apndice5, pginas 254-267.
3. Havil, 2003
4. Wussing, Hans (marzo de 1998). Leccin 10 (http://books.google.es/books?id=IG3_b5Xm8PMC) . Lecciones de Historia de las Matemticas (1
(castellano) edicin). SigloXXI deEspaaEditores, S.A.. pp. 190. ISBN 84-323-0966-4. http://books.google.es/books?id=IG3_b5Xm8PMC. "La distribucin
normal y sus aplicaciones ala teora deerrores se asocia amenudocon el nombre deGauss, quien la descubri -igual queLaplace- independientemente; no
obstanteyahabasidoestudiadapor deMoivre
5. Weisstein, Eric W. Normal Distribution (http://mathworld.wolfram.com/NormalDistribution.html) (eningls). MathWorld. WolframResearch. Consultado
el 18demarzo de2009.
6. Lafuncin Q(http://cnx.org/content/m11537/latest/)
7. http://www.eng.tau.ac.il/~jo/academic/Q.pdf
8. Weisstein, Eric W. Normal Distribution Function (http://mathworld.wolfram.com/NormalDistributionFunction.html) (en ingls). MathWorld. Wolfram
Research.
9. M.A. Sanders. Characteristic function of the univariate normal distribution (http://www.planetmathematics.com/CharNormal.pdf) . Consultado el
06-03-2009.
10. JohnsonNL, Kotz S, Balakrishnan N. (1995) Continuous UnivariateDistributionsVolume2, Wiley. Equation(26.48)
11. Andy Salter. B-Splinecurves (http://www.doc.ic.ac.uk/~dfg/AndysSplineTutorial/BSplines.html) . Consultadoel 05-12-2008.
Enlaces externos
reasbajolacurvanormal (http://www.digitalreview.com.ar/distribucionnormal/) Tablaconteniendolosvaloresdelafuncinnormal
Calculadora de probabilidades en una distribucin Normal (http://www.ugr.es/~jsalinas/normal.htm) . Permite hacer clculos directos e
inversos.
[1] (http://www.foro.resuelveproblemas.com/Matematicas-La-distribuci%C3%B3n-normal) Demostracindeladistribucinnormal
Tabladeladistribucinnormal (http://www.vaxasoftware.com/doc_edu/mat/dnormal.pdf) Tabladeladistribucinnormal enformatoPDF
Sepuedeusar softwareyunprogramadecomputadoraparael ajustedeunadistribucindeprobabilidad, incluyendolanormal, aunaseriededatos:
Easyfit (http://www.mathwave.com/articles/distribution_fitting.html) , "dataanalysis&simulation"
MathWorksBenelux(http://www.mathworks.nl/products/statistics/demos.html?file=/products/demos/shipping/stats/cfitdfitdemo.html)
ModelRisk(http://www.vosesoftware.com/) , "riskmodellingsoftware"
Ricci distributions, fittingdistrubutionswithR (http://cran.r-project.org/doc/contrib/Ricci-distributions-en.pdf) , VitoRicci, 2005
Risksolver, automaticallyfit distributionsandparameterstosamples(http://www.solver.com/risksolver8.htm)
StatSoftdistributionfitting(http://www.statsoft.com/textbook/distribution-fitting/)
CumFreq[2] (http://www.waterlog.info/cumfreq.htm) , libresin costo, incluyela distribucinnormal, lalognormal, raz-normal, cuadrado-
normal, eintervalosdeconfianzaabasedeladistribucinbinomial
CalculadoraDistribucinnormal (http://www.stud.feec.vutbr.cz/~xvapen02/vypocty/no.php?language=espanol)
[3] (http://cajael.com/mestadisticos/T7DContinuas/node3.php) Calcular la probabilidad de una distribucion normal con R (lenguaje de
programacin)
Obtenidodehttp://es.wikipedia.org/w/index.php?title=Distribucin_normal&oldid=62120875
Categora: Distribucionescontinuas
Men de navegacin
Estapginafuemodificadapor ltimavezel 11dic2012, alas11:00.
El textoestdisponiblebajolaLicenciaCreativeCommonsAtribucinCompartir Igual 3.0; podranser aplicablesclusulasadicionales.
Lanselostrminosdeusoparamsinformacin.
WikipediaesunamarcaregistradadelaFundacinWikimedia, Inc., unaorganizacinsinnimodelucro.

Distribución Normal - Wikipedia, La Enciclopedia Libre

Cargado por

Información del documento

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Distribución Normal - Wikipedia, La Enciclopedia Libre

Cargado por

Copyright:

Formatos disponibles

Pgina 1 Distribucin normal - Wikipedia, la enciclopedia libre

19/12/2012 12:17:59 http://es.wikipedia.org/wiki/Distribuci%C3%B3n_normal

(x) eslafuncindedensidaddeladistribucinnormal estndar,

También podría gustarte