Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Esta distribución es frecuentemente utilizada en las aplicaciones estadísticas. Su propio nombre indica su
extendida utilización, justificada por la frecuencia o normalidad con la que ciertos fenómenos tienden a
parecerse en su comportamiento a esta distribución.
Muchas variables aleatorias continuas presentan una función de densidad cuya gráfica tiene forma de
campana.
En otras ocasiones, al considerar distribuciones binomiales, tipo B(n,p), para un mismo valor de p y valores
de n cada vez mayores, se ve que sus polígonos de frecuencias se aproximan a una curva en "forma de
campana".
En resumen, la importancia de la distribución normal se debe principalmente a que hay muchas variables
asociadas a fenómenos naturales que siguen el modelo de la normal
Caracteres morfológicos de individuos (personas, animales, plantas,...) de una especie, p.ejm. tallas,
pesos, envergaduras, diámetros, perímetros,...
Caracteres fisiológicos, por ejemplo: efecto de una misma dosis de un fármaco, o de una misma
cantidad de abono.
Caracteres sociológicos, por ejemplo: consumo de cierto producto por un mismo grupo de individuos,
puntuaciones de examen.
Caracteres psicológicos, por ejemplo: cociente intelectual, grado de adaptación a un medio,...
Errores cometidos al medir ciertas magnitudes.
Valores estadísticos muestrales, por ejemplo : la media.
Otras distribuciones como la binomial o la de Poisson son aproximaciones normales, ...
Y en general cualquier característica que se obtenga como suma de muchos factores.
FUNCIÓN DE DENSIDAD
Empleando cálculos bastante laboriosos, puede demostrarse que el modelo de la función de densidad que
corresponde a tales distribuciones viene dado por la fórmula
FUNCIÓN DE DISTRIBUCIÓN
F(x) es el área sombreada de esta gráfica
TIPIFICACIÓN
y su función de distribución es
Demostró que bajo determinadas condiciones (para n grande y tanto p como q no estén próximos a cero) la
distribución Binomial B(n, p) se puede aproximar mediante una distribución normal
Debemos tener en cuenta que cuanto mayor sea el valor de n, y cuanto más próximo sea p a 0.5, tanto mejor
será la aproximación realizada. Es decir, basta con que se verifique
gracias a esta aproximación es fácil hallar probabilidades binomiales, que para valores grandes de n resulten
muy laboriosos de calcular.
Hay que tener en cuenta que para realizar correctamente esta transformación de una variable discreta
(binomial) en una variable continua (normal) es necesario hacer una corrección de continuidad.
DISTRIBUCIÓN DE POISSON
Pero sabemos que en realidad en cada zona podrían aparecer más de 1 defecto.
Esto hace inexacto nuestro cálculo. Podríamos hacer el cálculo más exacto si
subdividimos las zonas:
Aún así podrían aparecer más defectos por zona, por lo que si dividimos
nuevamente cada zona en 4 tendríamos 64 zonas y ahora la probabilidad de tener
1 defecto en una zona sería p/64
y es una variable aleatoria discreta que puede tomar valores 0, 1/m, 2/m, 3/m, ...
etc.
¿Cuál es la varianza de y?
se elige una muestra de tamaño n de una población normal con varianza , el estadístico:
donde n es el tamaño de la muestra, s2 la varianza muestral y la varianza de la población de donde
se extrajo la muestra. El estadístico ji-cuadrada también se puede dar con la siguiente expresión:
La siguiente figura ilustra tres distribuciones X2. Note que el valor modal aparece en el valor (n-3) =
(gl-2).
para x>0
La tabla que se utilizará para estos apuntes es la del libro de probabilidad y estadística de Walpole, la
cual da valores críticos (gl) para veinte valores especiales de . Para denotar el valor crítico de
2
una distribución X con gl grados de libertad se usa el símbolo (gl); este valor crítico determina a
2
su derecha un área de bajo la curva X y sobre el eje horizontal. Por ejemplo para encontrar
2
X 0.05(6) en la tabla se localiza 6 gl en el lado izquierdo y a o largo del lado superior de la
misma tabla.
Cálculo de Probabilidad
El cálculo de probabilidad en una distribución muestral de varianzas nos sirve para saber como se va a
comportar la varianza o desviación estándar en una muestra que proviene de una distribución normal.
Estimación de la Varianza
Para poder estimar la varianza de una población normal se utilizará la distribución ji-cuadrada.
Los valores de X2 dependerán de nivel de confianza que se quiera al cual le llamamos . Si nos
ubicamos en la gráfica se tiene:
Error tipo II ó
El error tipo II se calcula de la misma forma en la que se calculó con la distribución z. Se realizarán
algunos ejercicios en los cuales se determinará la probabilidad de cometer el error tipo II, utilizando la
tabla de la distribución Ji-cuadrada.
La distribución geométrica es un modelo adecuado para aquellos procesos en los que se repiten
pruebas hasta la consecución del éxito a resultado deseado y tiene interesantes aplicaciones en los
muestreos realizados de esta manera . También implica la existencia de una dicotomía de posibles
resultados y la independencia de las pruebas entre sí.
Proceso experimental del que se puede hacer derivar
Esta distribución se puede hacer derivar de un proceso experimental puro o de Bernouilli en el que
tengamos las siguientes características
Las probabilidades p y q son constantes en todas las pruebas ,por tanto , las pruebas ,son
independientes (si se trata de un proceso de "extracción" éste se llevará a , cabo con devolución del
individuo extraído) .
De lo dicho anteriormente , tendremos que la variable X es el número de pruebas necesarias para la
consecución del primer éxito. De esta forma la variables aleatoria toma valores enteros a partir del
uno ;í 1,2,………ý
La función de cuantía P(x) hará corresponder a cada valor de X la probabilidad de obtener el primer
éxito precisamente en la X-sima prueba. Esto es , P(X) será la probabilidad del suceso obtener X-1
resultados "no A" y un éxito o resultado A en la prueba número X teniendo en cuenta que todas las
pruebas son independientes y que conocemos sus probabilidades tendremos:
dado que se trata de sucesos independientes y conocemos las probabilidades
Función de distribución
Así
La varianza sería
Luego
La moda es el valor de la variable que tiene asociada mayor probabilidad el valor de su función de
cuantía es el mayor. Es fácil comprobar (véase simplemente la representación gráfica anterior)
que .Por lo tanto la media de la distribución geométrica es siempre 1.
En cuanto a la mediana Me será aquel valor de la variable en el cual la función de distribución toma el valor
0,5. Así