Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Estadstica Aplicada
ESTADSTICA APLICAD A
DISTRIBUCIN NORMAL ESTNDAR
DOCENTE:
LUIS CALDERN YARLEQUE
AUTOR:
JUAN CARLOS TORRES FARRO
E-mail: Juantorres_virgo.28@hotmail.com
Estadstica Aplicada
1. INTRODUCCIN
La distribucin normal estndar es la distribucin de probabilidad para variables
aleatorias continuas ms estudiada en la teora estadstica debido a su gran
aplicabilidad en fenmenos de toda naturaleza. Llamada tambin distribucin
gaussiana en honor al trabajo que el matemtico alemn del siglo XVIII Karl
Gauss realizo con ella, fue propuesta inicialmente por Abraham de Moivre en
1738. Hoy en da, la distribucin normal, tiene aplicacin prcticamente en
todas las reas donde la estadstica opera, y en una infinidad de mtodos que
esta emplea. Existe un sin nmero de variables aleatorias que pueden ser
explicadas como un modelo de distribucin normal por lo que su estudio es casi
obligatorio para cualquier curso de estadstica bsica.
1.1FORMULACION DEL PROBLEMA
Qu es la distribucin normal estndar?
1.2. OBETIVOS
1.2.1. OBJETIVO GENERAL
Proporcionar el conocimiento aplicado sobre la distribucin
normal estndar
1.2.2. OBJETIVOS ESPECFICOS
Identificar las propiedades de una distribucin normal estndar
Encontrar el rea bajo una distribucin normal estndar
Interpretar reas bajo la curva normal acuerdo al problema
1.3. JUSTIFICACIN
El motivo de este trabajo es debido a que hay una gran importancia ya
que emite modelar numerosos fenmenos naturales, sociales y
psicolgicos, lo cual nos servir de mucha ayuda, como futuros
empresarios.
Estadstica Aplicada
2. MARCO TERICO
2.1. DISTRIBUCIN NORMAL
Esta distribucin es frecuentemente utilizada en las aplicaciones estadsticas. Su
propio nombre indica su extendida utilizacin, justificada por la frecuencia o
normalidad con la que ciertos fenmenos tienden a parecerse en su
comportamiento
a
esta
distribucin.
Muchas variables aleatorias continuas presentan una funcin de densidad cuya
grfica
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 polgonos de
frecuencias se aproximan a una curva en "forma de campana".
En resumen, la importancia de la distribucin normal se debe principalmente a
que hay muchas variables asociadas a fenmenos naturales que siguen el modelo
de la normal.
Caracteres morfolgicos de individuos (personas, animales, plantas,) de
una especie, p. ejm. Tallas, pesos, envergaduras, dimetros,
permetros
Caracteres fisiolgicos, por ejemplo; efecto de una misma dosis de un
frmaco, o de una misma cantidad de abono.
Caracteres sociolgicos, por ejemplo: consumo de cierto producto por un
mismo grupo de individuos, puntuaciones de examen.
Caracteres psicolgicos, por ejemplo: cociente intelectual, grado de
adaptacin a un medio
Errores cometidos al medir ciertas magnitudes.
Valores estadsticos maestrales, por ejemplo: la media.
Otras distribuciones como la binomial o la de Poisson son aproximaciones
normales
Y en general cualquier caracterstica que se obtenga como suma de muchos
factores.
Estadstica Aplicada
Estadstica Aplicada
q
)0.5
(
raz
cuadrada)
Ajuste
de
una
serie
de datos a
una
distribucin
binomial:
Disponemos de una serie de k datos que toman los valores 0,1, ,n.
Para saber si estos datos siguen pueden aproximarse por una distribucin
binomial:
Calculamos la media de los k datos y la igualamos a la Esperanza terica de la
Binomial (n p).
Despejamos de aqu el valor de p.
Calculamos los valores tericos de p(X = r), multiplicndolos por k para obtener
los valores tericos de cada posible valor de la variable aleatoria en series de k
datos.
Si la diferencia es " suficientemente pequea " aceptamos como buena la
aproximacin Binomial, si no, la rechazamos.
(nota: la fundamentacin estadstica que nos permitira decidir de manera
objetiva si la diferencia entre los datos tericos y los reales es "suficientemente
pequea" escapa de los objetivos de esta unidad didctica, con lo cual la
decisin
se
deber
tomar
de
manera
subjetiva)
Estadstica Aplicada
2.3.1. MUESTREO
En estadstica, es el proceso por el cual se seleccionan los individuos que
formarn una muestra.
Para que se puedan obtener conclusiones fiables para la poblacin a partir de la
muestra, es importante tanto su tamao como el modo en que han sido
seleccionados los individuos que la componen.
2.3.2. MTODOS DE MUESTREO
Existen dos mtodos de muestreo:
El muestreo probabilstico y no probabilstico
2.3.3. MTODOS DE MUESTREO PROBABILSTICO
Los mtodos de muestreo probabilsticas son aqullos que se basan en el
principio de equiprobabilidad. Es decir, aquellos en los que todos los individuos
tienen la misma probabilidad de ser elegidos para formar parte de una muestra
y, consiguientemente, todas las posibles muestras de tamao n tienen la misma
probabilidad de ser elegidas. Slo estos mtodos de muestreo probabilsticas
nos aseguran la representatividad de la muestra extrada y son, por tanto, los
ms recomendables. Dentro de los mtodos de muestreo probabilsticas
encontramos los siguientes tipos:
Muestreo aleatorio simpl
Muestreo aleatorio sistemtico
2.3.4. MUESTREO ALEATORIO POR CONGLOMERADOS
Los mtodos presentados hasta ahora estn pensados para seleccionar
directamente los elementos de la poblacin, es decir, que las unidades
maestrales son los elementos de la poblacin. En el muestreo por
conglomerados la unidad muestral es un grupo de elementos de la poblacin que
forman una unidad, a la que llamamos conglomerado.
2.3.5. MTODOS DE MUESTREO NO PROBABILSTICOS
A veces, para estudios exploratorios, el muestreo probabilstico resulta
excesivamente costoso y se acude a mtodos no probabilsticos, an siendo
conscientes de que no sirven para realizar generalizaciones, pues no se tiene
certeza de que la muestra extrada sea representativa, ya que no todos los
sujetos de la poblacin tienen la misma probabilidad de ser elegidos. En general
se seleccionan a los sujetos siguiendo determinados criterios procurando que la
muestra
sea
representativa.
Estadstica Aplicada
Estadstica Aplicada
3. CONCLUSIONES
La distribucin normal estandar es la ms importante de todas las
distribuciones de probabilidad ya que es una distribucin de variable continua
con campo de variacin [-, ], que queda especificada a travs de
dos parmetros ( que acaban siendo la media y la desviacin tpica de
la distribucin), esta se puede utilizar en diferentes tipos de problemas en
lavida cotidiana,
como
tambien
utilizamos la distribucin normal
estandar para obtener probabilidades de valores puntuales, intervalos y
cantidades especficas y por otro lado la aplicamos cuando se desconocen
parmetros de una poblacin,en la cual se toma una muestra aleatoria de
dicha poblacin de la cual se calcula una aproximacin a dichos
parmetros que desconocemos.
Estadstica Aplicada
4. REFERENCIAS BIBLIOGRFICAS
Devore, J. (2008). Probabilidad y estadstica para ingeniera y ciencias.
(7a. Ed.). Mxico: Cengage Learning. Captulo:4
Wakerly, D., Mendenhall, W. et al. (2002). Estadtica matemtica con
aplicaciones. (6a. Ed). Mxico: Cengage Learning
Spiegel, M. (2004). Probabilidad y estadstica (2a. Ed). Mxico: McGraw
Hill
Allen, M. J., & Yen, W. M. (1979). Introduction to measurement theory.
Monterey, CA: Brooks/Cole.
Fernndez-Ballesteros, R. (2004). Evaluacin psicolgica. Conceptos,
mtodos y estudio de casos. Madrid: Pirmide.
Martnez-Arias, R. (1996). Psicometra: Teora de los tests psicolgicos y
educativos. Madrid: Sntesis.
Muiz, J. (1996). Psicometra. Madrid: Editorial Universitaria.
Muiz, J. (2003). Teora Clsica de los Test. Madrid: Pirmide.
Pino, G., & Aravena, R. (2004). Anlisis estadstico de los efectos de la
normalizacin de puntajes en las pruebas de seleccin universitaria.
Statistica et Societatis, 3, 1-15.