Documentos de Académico
Documentos de Profesional
Documentos de Cultura
1) Introduccin... 1
2) Distribucin de probabilidad. 2
3) Distribuciones de variable continua... 2
Contenido 3/11
5)
6)
7)
8)
Anexos 12/13
Recomendaciones ...14
Conclusiones ....15
Bibliografa .16
1)Introduccin
2)Distribucin de probabilidad
En teora de la probabilidad y estadstica, la distribucin de probabilidad de una variable
aleatoria es una funcin que asigna a cada suceso definido sobre la variable aleatoria
la probabilidad de que dicho suceso ocurra. La distribucin de probabilidad est
definida sobre el conjunto de todos los sucesos, cada uno de los sucesos es el rango
de valores de la variable aleatoria.
La distribucin de probabilidad est completamente especificada por la funcin de
distribucin, cuyo valor en cada x real es la probabilidad de que la variable aleatoria
sea menor o igual que x.
que:
Tipos de distribuciones de variable continua
1. Distribuciones definidas en un intervalo acotado
2. Definidas en un intervalo semi-infinito, usualmente [0, )
3. Distribuciones en las que el logaritmo de una variable aleatoria est distribuido
conforme a una distribucin estndar:
4. Definidas en la recta real completa
5. Definidas en un dominio variable
6. Distribuciones mixtas discreta/continua
7. Distribuciones multivariable
8. Distribuciones matriciales
9. Distribuciones no numricas
10. Distribuciones miscelnea
4)Distribucin normal
La Normal es la distribucin de probabilidad ms importante. Multitud de variables
aleatorias continuas siguen una distribucin normal o aproximadamente normal. Una
de sus caractersticas ms importantes es que casi cualquier distribucin de
probabilidad, tanto discreta como continua, se puede aproximar por una normal bajo
ciertas condiciones.
La distribucin de probabilidad normal y la curva normal que la representa, tienen las
siguientes caractersticas:
La curva normal tiene forma de campana y un solo pico en el centro de la
distribucin. De esta manera, la media aritmtica, la mediana y la moda de la
distribucin son iguales y se localizan en el pico. As, la mitad del rea bajo la
curva se encuentra a la derecha de este punto central y la otra mitad est a la
izquierda de dicho punto.
La distribucin de probabilidad normal es simtrica alrededor de su media.
La curva normal desciende suavemente en ambas direcciones a partir del valor
central. Es asinttica, lo que quiere decir que la curva se acerca cada vez ms al
eje X pero jams llega a tocarlo. Es decir, las colas de la curva se extienden de
manera indefinida en ambas direcciones.
Para indicar que una variable aleatoria (v.a.) sigue una distribucin normal de media
y desviacin estndar usaremos la expresin: X N( , ).
intervienen, el uso del modelo normal puede justificarse asumiendo que cada
observacin se obtiene como la suma de unas pocas causas independientes.
De hecho, la estadstica descriptiva slo permite describir un fenmeno, sin explicacin
alguna. Para la explicacin causal es preciso el diseo experimental, de ah que al uso
de la estadstica en psicologa y sociologa sea conocido como mtodo correlacional.
La distribucin normal tambin es importante por su relacin con la estimacin por
mnimos cuadrados, uno de los mtodos de estimacin ms simples y antiguos.
Algunos ejemplos de variables asociadas a fenmenos naturales que siguen el modelo
de la normal son:
caracteres morfolgicos de individuos como la estatura.
caracteres fisiolgicos como el efecto de un frmaco.
caracteres sociolgicos como el consumo de cierto producto por un mismo grupo
de individuos.
caracteres psicolgicos como el cociente intelectual.
nivel de ruido en telecomunicaciones.
errores cometidos al medir ciertas magnitudes.
Historia
La distribucin normal fue presentada por primera vez por Abraham de Moivre en un
artculo del ao 1733 o 1732 que fue reimpreso en la segunda edicin de su The
Doctrine of Chances, de 1738, en el contexto de cierta aproximacin de la distribucin
binomial para grandes valores de n. Su resultado fue ampliado por 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 mnimos cuadrados fue introducido por Legendre en 1805.
Gauss, que afirmaba haber usado el mtodo desde 1794, lo justific rigurosamente en
1809 asumiendo una distribucin normal de los errores. El nombre de Gauss se ha
asociado a esta distribucin porque la us con profusin cuando analizaba datos
5
Teorema de Chebyshev
Si X N(,) , entonces:
a) P(-<X<+) = 0,68
b) P(-2<X<+2) = 0,95
c) P(-3<X<+3) = 0,997
i.e., el 68% (aproximadamente) de los valores que tome la
v.a. X estarn situados a una distancia de la media inferior a
una desviacin estndar. Anlogamente, el 95% de los
Hay que tener en cuenta que, antes de aplicar la distribucin normal, es necesario
asegurarse de que la distribucin que queremos aproximar es, efectivamente, binomial.
Para ello, hay que comprobar:
10
5) Anexos
11
12
13
6) Recomendaciones
14
7) Conclusiones
15
8) Bibliografia
https://es.wikipedia.org/wiki/Distribuci%C3%B3n_de_probabilidad
https://es.wikipedia.org/wiki/Distribuci%C3%B3n_normal
http://www.uoc.edu/in3/emath/docs/Distrib_Normal.pdf
16