Documentos de Académico
Documentos de Profesional
Documentos de Cultura
6TO SEMESTRE.
Conclusión………………………………………………………………………… Pp. 7
Bibliografía………………………………………………………………………… Pp. 7
2
Introducción
De acuerdo con Matías Riquelme, la distribución normal se define como “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”.
(Riquelme, 2019)1
1
https://www.webyempresas.com/distribucion-normal-en-estadisticas/
2
https://www.coursehero.com/file/17455174/aplicaciones-de-distribucion-
normal/?justUnlocked=1#/doc/qa
3
Cuanto más alejado es el valor del centro de la función de densidad menos probable
es observar ese valor.
3
https://es.scribd.com/document/375944434/Estadistica-Probabilidad-y-Precalculo-Manual-Esencial-
Santillana-RECOMENDADO-pdf
4
Contenido: Aplicaciones prácticas de la distribución normal.
La página Matemáticas Visuales (Matemáticas Visuales, S.F.)4, afirma que
podemos usar la distribución normal como una herramienta para calcular
probabilidades. Por ejemplo, puede usarse para aproximar la distribución binomial
(calcular probabilidades de la distribución binomial con números 'grandes' no ha sido
tarea sencilla). Esta propiedad está en el origen de la curva normal. En algunos
casos, una distribución Binomial puede aproximarse con una distribución Normal
con la misma media y varianza.
Matías Riquelme (Riquelme, 2019), señala que los conceptos de probabilidad que
son utilizados en la distribución binomial se utilizan como introducción al método de
Inferencia Estadística, la cual se compone de:
• La estimación: Que busca evaluar los parámetros de la población basados
en una muestra.
• Las pruebas de Hipótesis: Proceso relacionado con aceptación o rechazo de
alguna afirmación sobre los parámetros de la población.
Al hacer mediciones de cualquier tipo y distribuir los resultados bajo algún criterio,
es muy común encontrar que los datos se agrupan de manera singular, en
ocasiones dichas distribuciones siguen una forma con un mayor número de
observaciones para determinado valor, disminuyendo las observaciones a ambos
lados de esta más frecuente.
4
http://www.matematicasvisuales.com/html/probabilidad/varaleat/normal.html
5
probabilidad exacta de un valor dentro de una distribución continua, como la
distribución normal, es igual a cero (0). Esta propiedad diferencia a las variables
continuas, las cuales son medidas, de las variables discretas, que son contadas.
Por ejemplo, el tiempo (en segundos, minutos u horas) se mide, no se cuenta. Por
lo que es una variable factible de determinar. La probabilidad de que el tiempo de
instalación de determinada utilidad para en un ordenador es entre 8 y 15 segundos
o la probabilidad puede ser de entre 8 y 9 segundos. Sin embargo, la probabilidad
de que el tiempo de instalación sea exactamente de 9 segundos es cero.
De igual forma, Juan Manuel Muñoz Berrio (Muñoz, 2014)5 afirma que, también la
distribución normal es aplicable si tomamos como ejemplo una variable aleatoria x.
Suponiendo que una Variable Aleatoria “x” sigue una ley de densidad normal de
parámetros m y s2. Es decir, se cumple lo siguiente:
• Existe una gran variedad de fenómenos cuya medición de su característica
siguen una ley normal. Por lo general, la talla o el peso de un determinado
organismo sigue esta particular probabilidad.
• En general, si el estudio descriptivo de una determinada característica, cuyos
datos son numéricos, entrega un histograma o gráfico de frecuencias
relativas de la forma siguiente
• Se puede vaticinar que el atributo en estudio (talla, peso, etcétera) sigue una
ley de probabilidad normal. La dificultad radica en que por lo general se
desconocen los dos parámetros, m y s2, que caracterizan a la densidad
normal. La estimación de estos parámetros es motivo central de un área de
la estadística llamada Estadística Inferencial, que será estudiada en una
sección posterior. Aquí vamos a suponer que estos parámetros son
conocidos.
5
https://prezi.com/sjlzjo7fmieb/aplicacion-de-la-distribucion-normal/
6
Conclusión.
Puedo concluir que la distribución normal es una herramienta útil para expresar los
problemas de cálculo de probabilidad a través de los gráficos de campana para
facilitar la compresión del problema. Así mismo, la distribución normal es muy usada
en estadística debido a que muchas poblaciones numéricas tienen distribuciones
que se ajustan a las características requeridas para usar este tipo de distribución,
es por ello que es posible utilizarla para calcular sucesos tan sencillos como querer
saber la probabilidad de que x persona se case tomando como referencia cierto
promedio de edad, y claramente, también usando una desviación estándar dada.
Bibliografía.
Baeza, Á., Córdova, C., Garcia, M. J., López, M., Venegas, S., & Villena, M.
(2008). Estadística, Probabilidad y Precálculo. En Á. Baeza, C. Córdova, M.
J. Garcia, M. López, S. Venegas, & M. Villena, Estadística, Probabilidad y
Precálculo (págs. 54-58). Santiago de Chile: Editorial Santillana.