“Año de la Universalización de la Salud"

FACULTAD: CIENCIA DE LA SALUD

ESCUELA PROFESIONAL DE OBSTETRICIA

 Estudiante:

Guzmán Vilcherrez, Patricia

 Curso:

Bioestadística

 Temas:

- Uso del cálculo directo y propiedades para el cálculo de otras áreas en la

distribución normal
(Apreciación Personal del video).
- Cálculo inverso bajo la curva normal.
- Estandarización o tipificación.
- Distribuciones de probabilidad continuas importantes.

 Docente:

Mg. Ignacia Lozano Ramos.

 Sección:

“A”

 Ciclo:

III

Viernes, 24 de abril del 2019

Índice
1. Introducción 3.
2. Uso del cálculo directo y propiedades para el cálculo de otras áreas en la
distribución normal 4.
3. El cálculo inverso bajo la curva normal 5.
3,1. Ejemplos 6.
4. Estandarización o Tipificación 7.
4,1. Comentario y Demostración 8.
4,2. Ejemplos 9.
5. Distribución de Probabilidad Continuas Importantes 9.
5,1. Definición 9.
5,2. Distribución beta
9.
5,3. Distribución exponencial 10.
5,4. Distribución F 10
5,5. Distribución Gamma 10.
5,6. Distribución Normal 10.
6. La Anemia 11.
7. buscadores a académicos 12.
8. Bibliografía 13.
9. Turnitin 14.
 Uso del cálculo directo y propiedades para
el cálculo de otras áreas en la
distribución normal

Mi punto de apreciación sobre el video al uso del cálculo directo y propiedades para el cálculo de
otras áreas en la distribución normal es que tiene un contenido muy preciso y adecuado, ya que
procede con los modelos de distribución de probabilidad más usuales que es la distribución
normal y es la más importante de todas las distribuciones de probabilidad porque facilitan el
cálculo, por qué este interviene en ingeniería, arquitectura, ciencias sociales. Ya que También nos
explica que es muy importante por tres razones: un gran número de fenómenos reales se pueden
modelizar con esta distribución (tales el caso de las características cuantitativas de casi todas las
grandes poblaciones). Por otro lado, muchas de las distribuciones de uso frecuente tienden a
aproximarse a la distribución normal bajo ciertas condiciones; y, por ˙último, en virtud del
Teorema Central del Límite, todas aquellas variables que puedan considerarse causadas por un
gran número de pequeños efectos (como pueden ser los errores de observación) tienden a
distribuirse con una distribución normal. Una variable aleatoria se puede calcular tablas o
expresiones sencillas. Si queremos realizar un ejercicio no podremos si no conocemos cual es la
distribución normal a pesar que tengamos los otros datos.
Pero a lo largo de la presentación del video nos explicó las herramientas para realizar un cálculo a
la distribución normal reducida ya que se define por una variable normal reducida y la
representamos por la campana de gauss y tiene una definición de distribución que es (  ) y nos
da una probabilidad que X es mayor o igual que Z. También en la tabla podemos obtener el valor
de distribuciones para una variable y nos da a saber que lo que representa la tabla que es la
función de distribución de una supuesta K o la probabilidad que la variable autónoma sea mayor o
igual que el valor K. también que si una distribución normal se relaciona con una reducida
mediante un cambio de origen que se da por la media y un cambio de escala viene dando por una
desviación típica, su función de distribución como su función de densidad cambian radicalmente
gracias a toda esta explicación ya podremos
realizar problemas de este tipo.

El cálculo inverso bajo

la curva normal.
La relación que tiene la imagen que trata sobre inversa
tabla normal es que en el anterior tema tratábamos sobre
sobre el cálculo directo donde dada una determinada área
hallamos el valor de la variable aleatoria normal estándar y
ahora tendremos que hacerlo a la inversa donde una
definida área tiene que hallar el valor de la variable
aleatoria normal estándar donde utilizamos las tablas
estadísticas de la distribución 1, 2 y de las propiedades.
Lo que indica que el área de probabilidad acumula hasta x=-
0.7 es 0.249637
También es muy frecuente calcular probabilidades cola, es
decir, áreas bajo la normal después de un determinado
valor, como la zona verde de la figura 2.4, en este caso, a la
derecha de la abscisa x=2. Dado que, como dijimos antes,
el área acumulada bajo la curva normal es igual a 1, el valor
buscado se calculará ejecutando.
>1 – pnorm (2,0,1)
[1] 0.02275013

Es decir, la probabilidad cola más allá de la abscisa x=2 es 0.002275.

Otros calculo muy habitual relacionando con la normal es lo que se denomina cuantil, que es el
inverso de la probabilidad antes calculadas. Es decir, en lugar de calcular la probabilidad
acumulada hasta un determinado valor, se quiere determinar el valor de la abscisa que tiene
acumulada una determinada probabilidad acumulado hasta un determinado valor, se quiere
determinar el valor de la abscisa que tiene acumulada una determinada probabilidad a hasta él,
valor que se denomina acuantil. Por ejemplo, por los cálculos anteriores, la abscisa-0.7 es el
0.24196-cuantil, aunque los acuantiles más buscados son el 0.05-cuantil y el 0.95- cuantil. Con R
todos los cuantiles.
son muy fáciles de entender con la función qnorm. Por ejemplo, el 0,24196-cuantil de la n (0,1)
se determina ejecutando. >qnorm (0.24196,0.1)
[1]-0.7000117
Si la distribución normal considerada no fuera la N (0,1) sino otra normal con otros parámetros,
en todos los cálculos anteriores bastaría cambiar el 0 y el 1 del segundo y tercer argumenta para
hacer los correspondientes cálculos para ese modelo. De hecho, cuando se ejecutan cálculos con
una N (0.1) no es necesario poner estos valores, R los toma por defecto. Por ejemplo, el o.95-
cuantil de una N (1.2) seria.
>qnorm (0.95,1,2)
[1] 4.289707
Si Z n (0,1). Hallar Z o en:

P [Z < Z o ] = 0.95

En la tabla 1 observamos que el valor Z, se encu entra 1.64 y 1.65 y llevamos a cabo el
proceso de interpolación:
Es un procedimiento que facilita la comparación entre:
 Los valores de dos distribuciones distintas.
 Los valores de variables con unidades distintas.
 Reconocimientos de valores atípicos o dentro de ciertos
valores de acuerdo a la regla empírica.
Una variable estatificada o estandarizada cuando a sus
valores se les resta su media aritmética y se les divide por su
desviación estándar.

El resultado de esta operación es otra variable (tipificada) con

media cero y de varianza y desviación estándar 1.
A estas variables se les representa por la letra Z.
Dada una variable aleatoria normal X, con media μ y desvío
σ, si definimos otra variable aleatoria Z= x – u entonces la
variable aleatoria Z tendrá una distribución normal estándar.
Al usar la fórmula de transformación cualquier variable
aleatoria normal X se convierte en una variable aleatoria
normal estandarizada Z. Mientras los datos originales para la
variable aleatoria X tenían una media y una desviación
estándar, la variable aleatoria estandarizada Z siempre tendrá
una media μ = 0 y una desviación estándar σ = 1.

el valor de la integral de la función de

densidad
entre no se puede calcular analíticamente por que la función de densidad no tiene
primitiva expresable en el término de las funciones elementales medidas operaciones
algebraicas. Se calcula numéricamente y se han tabulado algunos valores (en la conocida”
tabla de la normal¨: véase al apéndice E), para hacer la tabulación se ha considerado solo
una normal, la de parámetro , conocida como normal estándar (o típica). La relación
entre una viene dada por: La transformación de la variable X para convertirla en la
variable Z se conoce como normalización, estandarización o tipificación de X.
Recíprocamente, a partir de una, podremos construir una cualesquiera, Sin más que
despejar en la expresión anterior.
 La distribución normal es un modelo teórico capaz de
aproximar satisfactoriamente el valor de una variable
aleatoria continua a una situación ideal. En otras
palabras, la distribución normal adapta una variable
aleatoria continua a una función que depe nde de la media
y la desviación típica.

Es una enfermedad que se da comúnmente por tener muy

limitados los eritrocitos. Esto hace que disminuya la
capacidad de los glóbulos rojos o llamados eritrocitos los
cuales trasladan oxígeno y hierro.
Los que dependen del hierro son las sustancias químicas de
los tejidos y estos pueden afectar al manejo celular de los
nervios y los muscular. El niño pequeño siempre va a
dependerse de la sangre de la mamá. Si una gestante tiene
anemia es probables que él bebe no pueda desarrollarse hasta
que alcance su peso ideal, pero puede ser que su nacimiento
sea prematuro o no tenga su peso ideal.
La rapidez con la que se puede diagnosticar la anemia en una gestante depende de cómo está de
hemoglobina en la sangre, debe ser el límite normal. El rango normal o razonable, por la cual se
podría probar del diagnóstico de anemia, seria 10g de hemoglobina/100 ml de sangre, 34% de un
hematocrito. Los niveles serian diminuto si se aplicara el habitante no embarazado, porque la
hemodilución del embarazó el límite normal baje.
pero en la gestación la masa eritrocitaria se extienda, se incrementa el volumen para plasmático
para que los hematíes se disuelvan, específicamente en la segunda del trimestre.

A lo largo de la gestación, la chica tiene una buena cantidad de sangre. Esto ayuda para que las
manifestaciones de los glóbulos rojos en el organismo se disuelvan.

A lo largo de la gestación, él bebe dispone de los glóbulos rojos de la mujer o la madre para
desarrollarse específicamente en los casi últimos tres meses de la gestación.

Esta vitamina(B12) es muy importante para que se puedan formar de la síntesis de la

proteína y de los glóbulos rojos. Debemos de comer alimentos que vengan de los animales,
como es la leche, huevos y pájaros, para así evitar la falta de (vitamina 12).

El ácido fólico (folato), es la vitamina B esta aliada con el hierro para el crecimiento celular.
Si una gestante no tiene lo necesario de folato puede ser le falte ácido fólico e hierro lo
podemos encontrar en el mismo tipo de alimento.