Documentos de Académico
Documentos de Profesional
Documentos de Cultura
“DISTRIBUCIÓN NORMAL”
DOCENTE:
Fernando Arce
CURSO:
Estadística
INTEGRANTES:
Pantigoso Rivera Danna
Sánchez Valverde Jessica
Trujillo Amado Diana Celeste
Vilca Vilca Julio
SEMESTRE:
2019-B
Índice
I. Introducción
II. Objetivos
III. Cuerpo de trabajo
3.1. Definición
3.2. Importancia
3.3 Propiedades
3.4. Cálculo de otras probabilidades
IV. Ejemplos
V. Conclusiones
VI. Anexos
1
I. INTRODUCCIÓN
2
II. OBJETIVOS
OBJETIVO GENERAL:
OBJETIVOS ESPECÍFICOS.
3
III. CUERPO DEL TRABAJO
DISTRIBUCIÓN NORMAL
DEFINICIÓN
La distribución normal, también llamada distribución de Gauss (en honor a Carl F. Gauss),
distribución gaussiana o distribución de Laplace-Gauss, refleja cómo se distribuyen ciertas
características (o datos) en una población. Se trata de la distribución más frecuente en
estadística, y se considera la más importante por la gran cantidad de variables reales que
adoptan. Así, muchas de las características en la población se distribuyen según una
distribución normal: la inteligencia, datos antropométricos en los seres humanos (por
ejemplo la altura). También se trata, pues, de una distribución de probabilidad de una
variable continua. Las variables continuas son aquellas que pueden adoptar cualquier valor
en el marco de un intervalo que ya está predeterminado.
Entre dos de los valores, siempre puede existir otro valor intermedio, susceptible de ser
tomado como valor por la variable continua. Un ejemplo de variable continua es el peso.
PROPIEDADES
La distribución normal posee ciertas propiedades importantes que conviene destacar:
4
7. La forma de la campana de Gauss depende de los parámetros µ y σ. La media
indica la posición de la campana, de modo que para diferentes valores de µ la
gráfica es desplazada a lo largo del eje horizontal. Por otra parte, la desviación
estándar determina el grado de apuntamiento de la curva. Cuanto mayor sea el
valor de σ, más se dispersan los datos en torno a la media y la curva será más
plana. Un valor pequeño de este parámetro indica, por tanto, una gran probabilidad
de obtener datos cercanos al valor medio de la distribución.
Distribuciones normales con distinta desviación estándar e igual media
8.
5
TABLA DE DISTRIBUCIÓN NORMAL
La tabla de la distribución normal presenta los valores de probabilidad para una
variable estándar Z, con media igual a 0 y varianza igual a 1.
Para usar la tabla, siempre debemos estandarizar la variable por medio de la expresión:
X−μ
Z= σ
Supongamos un conjunto de personas con edad promedio 25 años y desviación estándar 3,86. Nuestro
valor de interés (x) es 30 años. El valor de Z correspondiente será:
Este valor de Z nos dice que la edad de 30 años está a 1,29 desviaciones estándar sobre el promedio.
6
Ahora bien, la tabla de la distribución normal, entrega valores de probabilidad para los distintos valores
de Z.
7
Ejemplo 1. La temperatura durante septiembre está distribuida normalmente con media
18,7ºC y desviación standard 5ºC. Calcule la probabilidad de que la temperatura durante
setiembre esté por debajo de 21ºC.
P (Z ≤ X−100
6 ) 100 = 0, 990
8
● P(Z > a) = 1 - P(Z ≤ a)
9
● P(−b < Z ≤ −a ) = P(a < Z ≤ b )
Nos encontramos con el caso inverso a los anteriores, conocemos el valor de la probabilidad
y se trata de hallar el valor de la abscisa. Ahora tenemos que buscar en la tabla el valor que
más se aproxime a K.
10
Es el modelo continuo de mayor importancia en estadística debido a las siguientes razones:
● Su aplicación es directa y permite observar muchas variables de interés, que pueden
describirse fácilmente con este modelo.
● Sirve para acercarse a varias distribuciones de probabilidad discreta, entre estas la
distribución de Poisson y la distribución Binomial.
● Sus propiedades han permitido el desarrollo de muchas técnicas de inferencia
estadística. Proporcionando la base de la estadística inferencial clásica, por su relación
con el teorema de límite central.
IV. EJEMPLOS
PROBLEMA 4
Solución
11
12
V. CONCLUSIONES
13
VI. ANEXOS
Distribucion Normal Estandar
Z ∼ Normal(0, 1)
z
p = P (Z ≤ z ) = Φ(z) = ∫ ϕ(u)du = 1 − α
−∞
donde
1 − 12 u2
ϕ(u) = √2π
e
P (X ≤ x) = Φ( x−u
σ
)
14