INVESTIGACIÓN FORMATIVA
Probabilidad Elemental
Según Matínez, B. C. (2011): “El concepto de probabilidad puede ser interpretado como
algo indefinible, pero utilizado para expresar, de algún modo, un grado de creencia que
uno tiene de la ocurrencia de un suceso: nos referimos a algo que puede suceder con base
en la experiencia que se tenga.”
DISTRIBUCIÓN NORMAL
CITA N° 01
Horra, N. J. D. L. (2018) afirma que: “Es el modelo más importante y más utilizado para
variables aleatorias continuas. Su importancia proviene de que aparece en muchas
situaciones: medidas morfológicas en especies animales o vegetales mediciones en
experimentos físicos, etc.”
En por eso que, la distribución normal sale constantemente que las consecuencias de un
tanteo sean correspondidos a un acumulado muy magnánimo de fuentes autónomas que
operan añadiendo sus bienes, siendo cada efecto propio, de poca calidad en relación al
acumulado.
CITA N° 02
Según Córdova M. (2000), señala que “La distribución normal fue reconocida por primera
vez por el francés Abraham de Moivre (1667-1754). Posteriormente, Carl Friedrich
Gauss (1777-1855) elaboró desarrollos más profundos y formuló la ecuación de la curva;
de ahí que también se la conozca, más comúnmente, como la campana de Gauss. La
distribución de una variable normal está completamente determinada por dos parámetros,
su media y su desviación estándar, denotadas generalmente por ”. Con esta
notación, la densidad de la normal viene dada por la ecuación:
CITA N° 03
Para García C. (1997) “La distribución normal es la distribución de probabilidad más
importante en estadística, conocida por la cantidad de fenómenos que explica. Se la
denomina Campana de Gauss, ya que al representar su función de probabilística la misma
tiene forma de campana. Es la más frecuentemente utilizada en aplicaciones estadísticas,
debido a su extensa utilización, admitida por la frecuencia con la que algunos fenómenos
tienden a parecerse. Para ser precisos respecto a su utilización se puede hacer referencia
al origen de su propio nombre, que proviene del hecho de que por mucho tiempo médicos
y biólogos creyeron que todas las variables naturales de interés seguían este modelo”.
CITA N° 04
Según: William Sealy Gosset (1876-1937) “La distribución t de Student queda
completamente definida por medio de sus grados de libertad, n, y se denota por tn. Surge
cuando se plantea estudiar el cociente entre una variable aleatoria con distribución normal
estándar y la raíz cuadrada del cociente entre una variable aleatoria con distribución ji-
cuadrado y sus grados de libertad (n), siendo las dos variables independientes. Esta
distribución desempeña un papel muy importante en la inferencia estadística asociada a
la teoría de muestras pequeñas y es usada habitualmente en el contraste de hipótesis para
la media de una población o para comparar medias de dos poblaciones. En cuanto a la
forma que presenta su función de densidad cabe destacar las similitudes que mantiene con
la función de densidad de la distribución normal estándar: forma acampanada, simétrica
y centrada en el origen; la única diferencia existente entre ambas distribuciones es que la
función de densidad de la t de Student presenta unas colas más pesadas (mayor dispersión)
que la normal”.
CITA N° 05
(Batanero y Díaz, 2007, p. 141) Dicen la distribución normal es muy importante en
estadística ya que accede detallar variables aleatorias continuas que se ven en
cuantiosos prodigios corporales, orgánico, síquicos o sociológicos, como, por
ejemplo, período de fuerza, temple, peso y loma o resultado de razón. La ocupación
de cohesión de una variable aleatoria normal está precisada por su ocupación de
densidad, estar en manos de de ambos parámetros y , que son su media y su
desvío típica y tiene el siguiente término, donde x varía desde - a :
CITA N° 06
Según: Ramírez, A. G. (2009) afirma “Las distribuciones muestrales que determinen las
categorías de desarrollo del razonamiento de la distribución normal de la siguiente forma:
Categoría 1. Razonamiento ideosincrático o particular (RI): Los estudiantes saben
palabras y símbolos vinculados con la división normal, de los que usan de manera
incorrecta y sin un entendimiento completo, y usar sincrónicamente con información que
no se vincule.
Categoría 2. Razonamiento verbal (RV): Los estudiantes tienen un intelecto verbal de la
división normal, donde selecciona una definición correcta y medita ahí, sin comprender
como son los conceptos claves del cambio y la forma del vínculo.
Categoría 3. Razonamiento de transición (RT): Los estudiantes son capaces de reconocer
una o dos interpretaciones de la división normal. Estas características muestran cuatro
aspectos: interpretar su forma, centro, dispersión y cambio, sea vinculando al promedio
con la forma, o con el cambio.
Categoria 4. Razonamiento de procesos (RP): Los estudiantes son capaces de fusionar
correctamente las cuatro interpretaciones de la división normal, sin una integración total
de ellas.
Categoría 5. Razonamiento de procesos integrados (RPI): Los estudiantes tienen intelecto
completo de la división normal, pautas y conocimientos casuales son coordinados. Por
ejemplo, los estudiantes pueden explicar la interpretación con sus propias palabras,
especificar el cambio de la división normal que disminuye cuando la distorsión estándar
disminuye o porqué el eje de simetría de la división normal como la moda, la media o la
mediana”.
