ESPERANZA f(x)

DISTRIBUCI DESVIACIÓN
DEFINICIÓN CARACTERISTICAS FUNCIÓN MATEMÁTI VARIANZA USOS GRAFICA
ÓN TÍPICA
CA

0 μ x

Es una distribución Función de Distribución Normal:

 Es unimodal. 2  Se aplica para
de una variable −1 x−μ
1 2 ( σ ) ciencias
continua, más  La curva normal es asintótica al eje de F ( x )= e
abscisas. σ √2 π biológicas,
utilizada en
 Es simétrica con respecto a su media Para −∞ < X < ∞ geográficas,
estadística, donde
donde e=2.71828 y π =3.14159 astronomía,
una variable  El área bajo la curva es igual a 1.
y −∞< μ< ∞ ; σ > 0 economía, etc.
DIST. aleatoria (X)  Tiene un máximo en la media. E [X ]=µ 2
Tenemos: Var [ X ]=σ σ =√ Var [ X ]  Permite determinar
NORMAL está completamente  Crece hasta la madia y decrece a partir de ella.
X →N (μ,σ) la probabilidad de
determinada por dos  Puntos de inflexión: μ – σ y μ + σ.
parámetros, su media Fórmula de Excel: que algunos
 Sub áreas: eventos ocurran
y su desviación (μ – σ < X < μ + σ) = 68.3% de los datos
estándar, denotadas =DISTR.NORM.N(x; media; dentro de
(μ – σ < X < μ + σ) = 95.45% de los datos determinados
generalmente por μ y (μ – σ < X < μ + σ) = 99.73% de los datos desv_estándar; acumulado)
σ. intervalos o rangos

f(Z)

Función de Distribución Normal 0 μ=

Determina y 0
Estándar: Z=-4 Z=4
representa a todas las −1 2
curvas normales 1 2
(Z )
 Permitirán resolver
F ( Z )= e
infinitas en una Dist. σ √2 π preguntas de
Normal. Para −4< Z<+ 4 probabilidad
Corresponde a una donde e=2.71828 y π =3.14159 acerca del
 La curva es simétrica respecto a 0
DIST. distribución de y μ=0 ; σ =1 comportamiento de
NORMAL media 0 y varianza,
 La media, la moda y la mediana coinciden [ ] 2
E [ X ] =µ=0 Var X =σ =1 σ =√ Var [ X ] = variables de las
 El valor estandarizado Z, varia de -4 a +4. Tenemos: 1
ESTÁNDAR donde se tiene que X−μ que se sabe o se
convertir el valor de Z= ; X → N (0 ,1) asume que siguen
σ
X de una Dist. una distribución
Normal, en un valor aproximadamente
Fórmula de Excel:
Z, estandarizado, normal
para la curva Normal
=DISTR.NORM.ESTAND.N(Z;
Estándar.
acumulado)
  Una distribución
binomial se utiliza
en la teoría de la
probabilidad y la
 Aplicamos el Teorema de Movire-Laplace estadística. Se utili
Función De Distribución Binomial
 Se usa la corrección de continuidad o de zan para modelar
que se Aprox. a la Normal:
Yates, para evitar el problema de los valores el número de
X → B(n , p)
fijos: experimentos con
Para una distribución Se convierte: éxito en
Binomial con - P( X =a)=P(a−0,5≤ X ’ ≤ a+ 0,5) X ' → N (n p , √ npq) experimentos de
parámetros n y p, - Tipificando: éxito/fracaso, con
DIST. verificamos si n>30 P( X ≤ a)=P( X ’ ≤ a+0,5)( para que contenga al punto a) X '−μ valores mucho
BINOMIAL y 0.1< p<0.9 , - Z=
σ [ ] 2 σ =√ Var [ X ] = mayores.
QUE SE podemos aproximar P( X < a)=P(X ’ ≤ a−0,5)( para que no contenga al punto a)
Tenemos: E [ X ] =µ=0 Var X =σ =1
la Dist. Binomial a 1
APROX. A LA - X ' → N (0 , 1)
NORMAL una Normal de X’ P( X > a)=P(X ’ ≥ a+ 0,5)( para que no contenga al puntoPara
a) −4< Z<+ 4
con - y μ=0 ; σ =1
parámetros  P( X ≥ a)=P( X ’ ≥ a−0,5)( para que contenga al punto a)
μ=np y σ=√ npq . - Fórmula de Excel:
P(a ≤ X <b)=P(a−0,5 ≤ X ’ ≤b+ 0,5)( para que contenga al punto a y no a b)
 Se aplica el mismo procedimiento de la Dist, =DISTR.NORM.ESTAND.N(Z;
Normal Estándar, previo a la corrección. acumulado

μ=n∗p
σ 2=n∗p∗q σ =√ n∗p∗q
BINOMIAL El número "X" de  En cada ensayo, experimento o prueba solo Función de distribución Donde, Donde, Donde:  Usada en Una distribución binomial se utiliza en la
n
éxitos en "n" son posibles dos resultados (éxito o fracaso). n: nº de n: nº de n: nº de producción teoría de la probabilidad y la estadística. Se
experimentos de  La probabilidad del éxito ha de ser constante. F ( X )=P ( X ≤ x )=∑ x i P(x i) experimento experimentos experimentos industrial, para utilizan para modelar el número de
x=1
Bernoulli se  La probabilidad de fracaso ha de ser también s p: probabilidad p: probabilidad determinar la experimentos con éxito en experimentos de
denomina variable constate. Esta se representa mediante la letra q Para cada número real xi habrá una p: de éxito q: de éxito proporción éxito/fracaso
aleatoria binomial. = 1-p. probabilidad X que tomará los valores probabilidad probabilidad de q: probabilidad defectuosa de un
La distribución de  El resultado obtenido en cada experimento es menores iguales a cada xi. de éxito fracaso de fracaso producto.
probabilidad de esta independiente del anterior.  Para el control de
variable aleatoria  Los sucesos son mutuamente excluyentes. Función de probabilidad calidad de un
discreta se llama  Los sucesos son colectivamente exhaustivos. producto.
distribución P ( X )= n p x qn− x  Se podría usar para
binomial y sus ()
X la prueba del
valores se denotarán Donde, covid, para ver si
como b(x; n, p), ya n: nº de experimentos tiene o no el virus. 0 1 2 3 10
que dependen del p: probabilidad de éxito P(X ≤ 1)
número de ensayos y q: probabilidad de fracaso
de la probabilidad de
P(X ≤ 2)
éxito en un ensayo Fórmula de Excel:
dado.
¿ DISTR . . ¿
N
casos de éxito ; ensayos;
probabilidad ode0,éxito;acumulado)
Acumulado=1 depende del caso
 Se parte de 2
variables aleatorias Gran aplicación en
X e Y tales que: Función de Densidad de Probabilidad la inferencia
estadística ,
m n fundamentalmente en
X → X 2m es decir, m+ n la contrastación de la f(x)
m 2 ∙n 2 ∙ Γ ( ) m −1 −m +n
n 2
una Ji-cuadrado con 2 2 n (m+ n+2)σ = 2 n (m+ n+2)

F DE
m grados de libertad. 


Asimétrica positiva(x>1)
Área bajo la curva igual a 1
Dos parámetros m,n (grados de libertad
f (x)=
m n
Γ ( ). Γ ( )
2 2
∙ x 2 (n+mx) 2 μ= n−2
σ 2=
2

√ 2
igualdad de
varianzas de dos
m( n−2)2 (n−4) m(n−2) ( n−4)
poblaciones normales,
Y → X 2n es decir, una con n>2 Con n>4 y , fundamentalmente x
SNEDECOR de numerador u denominador Con n>4
Ji-cuadrado con n Función de Excel en el análisis de la
respectivamente).
grados de libertad. varianza , técnica que
permite detectar la
DISTR.F.N(x;grados_de_libertas1;
De manera que, si existencia o
grados_de_libertad2;acumulado)
establecemos el inexistencia de
cociente,  diferencias
( X /m) significativas entre
F=   muestras diferentes.
(Y / N )
Sea la V.A “X” con Se aplica cuando la
una Distribución población estudiada
Función de Densidad de Probabilidad
normal estándar y la sigue una distribución
V.A “U” con una normal pero el tamaño
distribución Ji-
Cuadrada, con “n” 1
r ( n+12 ) 1+ x 2 −n+1
muestral es demasiado

n ( n)
 Es continua y exacta t n ( x )= 2 pequeño como para 0
grados de libertad. √ nπ que el estadístico en el
 Es unimodal y simétrica con respecto a la r( ) μ=0 n n
T DE
STUDENT
Si las variables “X”
y “U” son 
media
Área bajo la curva igual a 1
2 σ 2=
n−2 σ=
√ n−2
que está basada la
inferencia esté
normalmente
independientes,  Un solo parámetro “n” (grados de con−∞< x <∞+¿ Con n>2 Con n>2 distribuido,
entonces la libertad) utilizándose una
distribución de la Función de Excel:
estimación de la
V.A “t” dado por: desviación típica en
DISTR.T.N(x;grados_de_libertad;acum lugar del valor real. Es
X−μ ulado) utilizado en análisis
t= , con dist . t ( n−1 ) g .l .
s/ √ n discriminante.
JI Sea X una variable  Los valores de X2 son mayores o iguales que Función de Densidad de Probabilidad μ=n σ 2=2 n σ =√ 2n Se usa para el estudio
CUADRADA aleatoria con una 0. de la varianza
distribución normal;  Hay un número infinito de distribuciones X2, 1 poblacional en
consideremos cuando n es pequeño es asimétrica y cuando n
X2= xn / 2 e− x/2 muestras grandes y
muestras pequeñas
de tamaño n < 30. El 
crece tiende a la distribución normal.
El área bajo una curva ji-cuadrada y sobre el
2n /2 r ( n2 ) pequeñas y pruebas de
bondad de ajuste en
estadístico de eje horizontal es 1. regresión logística. Se
prueba, tiene una Para 0< x <∞ consideran muestras
distribución muestral pequeñas de tamaño n
que es una Función de Excel < 30.
distribución ji-
cuadrada con “n-1” DISTR.CHICUAD(x;grados_de_libertad;acumul
grados de libertad y ado)
se denota por:
 (n−1)s 2
X2=
σ2