Está en la página 1de 77

Buscar entradas o autor No leído   

 Suscribirse

Este es un foro de discusión con calificación: 20 puntos posibles


vence el 15 de oct

92 92
(ACV-S08)Foro de Debate Calificado 06 - EP - Distribución de probabilidad

¡Nos encontramos otra vez!

Hoy tienes el desafío de participar en el Foro de Debate Calificado N°6 cuya dinámica consiste
en:

Responder a la pregunta del foro: Explique las aplicaciones prácticas de la distribución


de probabilidad Normal de Gauss.
Comentar una respuesta de alguno tus compañeros, ya sea a favor o en contra de manera
que se cree un debate alturado y relacionado al tema.
Fundamentar tus intervenciones. Utiliza el material de estudio que has revisado hasta el
momento como videos, lecturas, enlaces, etc.
Descarga la rúbrica de evaluación que te indicará qué criterios se considerará para
otorgarte tu nota.
Antes de publicar tu respuesta, te sugiero lo siguiente:
Revisa lo trabajado hasta el momento.
Arma tu respuesta previamente en otro documento, así te das la oportunidad de corregirlo
cuantas veces quieras. Redacta tu comentario en un máximo de 300 palabras.
Comenta las intervenciones de tus compañeros. Mínimo 2 intervenciones. No obstante,
puedes tener más intervenciones en caso quieras aportar en la dinámica del foro.
Toma nota de la fecha máxima para participar.

¡Éxitos!
Este tema fue bloqueado en 15 de oct en 23:59.

(https:// DANNY ELI PEREZ OCAMPO (https://canvas.utp.edu.pe/courses/133597/users/57720) 


12 de oct de 2020

Estimado profesor

Respondiendo a la pregunta planteada, contextualizaré y explicaré los usos.


Cargando [MathJax]/localization/es/MathMenu.js
La distribución normal o distribución de Gauss es la distribución de probabilidad más
importante
Buscar entradas oen estadística , este
autor No tipo
leídoes una de
 las distribuciones
 de probabilidad de variables
 Suscribirse
continuas que aparece con más frecuencia en fenómenos reales, frente a otros tipos de
distribuciones como las asimétricas o la exponencial.

Algunos ejemplos típicos de la distribución normal son:


∼ Estatura de las personas.
∼ Tª de una cámara frigorífica.
∼ Dosis de un aditivo.
∼ Precipitaciones anuales de un determinado país

ejemplos aplicativos :

• Ejemplo 1.

En una ciudad se estima que la temperatura máxima en el mes de junio si una


distribución normal, con media 23° y desviación típica 5°. Calcular el número de días del mes
en los que se espera alcanzar máximas entre 21° y 27°

Ejemplo 2.

Las Empresas multinacionales del sector automoción presentan hasta enero del 2009 un
volumen de facturación, que seguía una distribución normal con media 185 millones de euros
y desviación típica 12 millones de euros. ¿Qué porcentaje de empresas facturará entre 160 y
200 millones?

Ejemplo 3.
Cargando [MathJax]/localization/es/MathMenu.js
El peso del las personas que utilizan un ascensor fluctúan normalmente con media 75 kg y
desviación
Buscar autor 11 kgs. Si laNo
entradas otípica leídomáxima 
carga del ascensor
 es de 500 kgs, ¿cuál
esSuscribirse
la 6
personas en el ascensor se sobrepase dicha carga?

bibliografía:

https://www.superprof.es/apuntes/escolar/matematicas/probabilidades/distribucion-
normal/ejercicios-de-la-distribucion-normal.html

https://riunet.upv.es/bitstream/handle/10251/7939/La%20distribucion%20Normal.pdf?
sequence=3&isAllowed=y

http://www.fisterra.com/mbe/investiga/distr_normal/distr_normal.asp

(http

LEONARDS RANGGELL TEMOCHE QUIZOCAL (https://canvas.utp.edu.pe/courses/133597/users/121592)


13 de oct de 2020

Muy buena información compañero

(http

MANUEL ANGEL CHAFLOQUE CAPUÑAY (https://canvas.utp.edu.pe/courses/133597/users/164050) 


14 de oct de 2020

excelente aporte compañero con la informacion distribución distribución de Gauss

(http
Cargando [MathJax]/localization/es/MathMenu.js
MANUEL ANDRES HURTADO ARELLANO (https://canvas.utp.edu.pe/courses/133597/users/124593) 
14 deooct
Buscar entradas de 2020
autor No leído    Suscribirse

Muy buenos ejemplos compañero, queda claro que el uso de estas medidas ayuda
mucho en la toma de decisiones.

(http GABRIEL FERNANDO RODAS MONTES (https://canvas.utp.edu.pe/courses/133597/users/112542)


14 de oct de 2020

Buena respuesta compañero, buenos ejemplos.

(http EGOR SANCHEZ ESPINOZA (https://canvas.utp.edu.pe/courses/133597/users/118393) 


15 de oct de 2020

Buen aporte Danny, mi recomendación sería, en hacer mención a la tabla de distribución


normal estándar como referencia a los valores obtenidos, gracias.

(http RENZO LUIS ZENTENO CASTAÑEDA (https://canvas.utp.edu.pe/courses/133597/users/153403)


15 de oct de 2020

Buenas noches,

Interesante propuesta compañero, los ejemplos representan bien el uso de la distribución


normal .

Saludos.

(http

JOSE CARLOS ALFREDO QUISPE LINARES (https://canvas.utp.edu.pe/courses/133597/users/241720)


15 de oct de 2020

Claro y Detallado! buen aporte.

(https://
Cargando [MathJax]/localization/es/MathMenu.js
LEONARDS RANGGELL TEMOCHE QUIZOCAL (https://canvas.utp.edu.pe/courses/133597/users/121592)
Buscar entradas o 2020
13 de oct de autor No leído    Suscribirse

La curva de distribución normal o “Campana


de Gauss”

La distribución normal es una distribución de probabilidad de variable continua que describe


los datos que se agrupan en torno a un valor central. Todo proceso en el que solo existan
causas aleatorias de variación sigue una ley de distribución normal. Esta condición que
aparece con frecuencia en fenómenos naturales (de ahí que se la denomine “normal”), puede
obtenerse en los procesos industriales si los procesos se llevan a un esta do en el que solo
existen causas comunes de variación. La representación gráfica es la curva de distribución
normal también denominada campana de Gauss en honor del renombrado científico alemán
Carl Friedrich Gauss a quien se le atribuye erróneamente su invención pero que sin duda la
usó frecuentemente para analizar fenómenos astronómicos con éxito.

Una distribución normal se caracteriza por:

1. Los valores de las mediciones tienden a agruparse alrededor de un punto central, la media

2. La representación de los datos es simétrica a ambos lados de la media

3. Las desviaciones estándares quedan situadas a igual distancia unas de otras

4. La proporción de mediciones situada entre la media y las desviaciones es una constante en


la que:

La media ± 1 * desviación estándar


Cargando [MathJax]/localization/es/MathMenu.js = cubre el 68,3% de los casos
La media ± 2 * desviación estándar = cubre el 95,5% de los casos
La media ± 3 * desviación estándar = cubre el 99,7% de los casos
Buscar entradas o autor No leído    Suscribirse
Podemos analizar el comportamiento de los procesos gráficos y determinar su efectividad
tomando como base su grado de aproximación a la curva de distribución normal a partir de los
datos generados y la creación de histogramas que permitan la comparación con curva de
distribución normal.

Posibilidades:

La curva de distribución normal del proceso coincide o está dentro de los límites
establecidos por la industria (bien en las normas de calidad desarrolladas o bien en las
recomendaciones establecidas por las asociaciones). En este caso el proceso opera con
eficacia y se pueden realizar trabajos de alta exigencia con respecto a la variable controlada.

La curva de distribución supera los límites establecidos por la industria. En este caso
puede que estén operando causas asignables de variación o que existen limitaciones debidas
a los recursos y equipos empleados por lo que no es posible realizar trabajos exigentes con
respecto a la variable controlada hasta que no se hayan eliminado las causas especiales de
variación o no se dispongan de los recursos y equipos adecuados.

El histograma generado no muestra las características básicas de una distribución


normal. En este caso están claramente actuando causas asignables de variación que habrá
que resolver si queremos conseguir un alto grado de fiabilidad del proceso y realizar trabajos
de alta exigencia.

Uso de la distribución en la deducción estadística


Los conceptos de probabilidad y distribuciones de muestras 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.

El uso de esta distribución se encuentra en diversas ramas del conocimiento, se aplica a una
gran variedad de observaciones en la biología, la astronomía, la geografía y la economía.
Cargando [MathJax]/localization/es/MathMenu.js
Muchos fenómenos de la naturaleza se pueden aproximar con una distribución normal. En
general
Buscar seopuede
entradas No leído
autor repasar como resultado de
la interacción
 Suscribirse
de muchos efectosaleatorios en la
variable que se estudia.

En este tipo de distribución, se puede calcular la posibilidad de que unos cuantos eventos
ocurran dentro de determinados intervalos o rangos, sin embargo, la 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.

Bibliografía

https://www.webyempresas.com/distribucion-normal-en-
estadisticas/#Uso_de_la_distribucion_en_la_deduccion_estadistica
(https://www.webyempresas.com/distribucion-normal-en-
estadisticas/#Uso_de_la_distribucion_en_la_deduccion_estadistica)

https://jesusgarciaj.com/2010/01/22/la-curva-de-distribucion-normal/
(https://jesusgarciaj.com/2010/01/22/la-curva-de-distribucion-normal/)

Editado por LEONARDS RANGGELL TEMOCHE QUIZOCAL (https://canvas.utp.edu.pe/courses/133597/users/121592) el 14


de oct en 17:49

(http

MANUEL ANGEL CHAFLOQUE CAPUÑAY (https://canvas.utp.edu.pe/courses/133597/users/164050) 


14 de oct de 2020

muy buen aporte compañero

(http OSCAR ALEJANDRO REYES ALMORA (https://canvas.utp.edu.pe/courses/133597/users/4075)


14 de oct de 2020

Cargando [MathJax]/localization/es/MathMenu.js 
Buscar entradas o autor No leído    Suscribirse
Nuevamente no olviden indicar la fuente y ceñirse a lo indicado en la rúbrica para poder
tener la mayor calificación posible.

(http GABRIEL FERNANDO RODAS MONTES (https://canvas.utp.edu.pe/courses/133597/users/112542)


14 de oct de 2020

Buena infomacion compañero.

(http MAYUMI ESTEFANI ATALAYA ROQUE (https://canvas.utp.edu.pe/courses/133597/users/155213)


14 de oct de 2020

Interesante información compañero.

(http DANNY ELI PEREZ OCAMPO (https://canvas.utp.edu.pe/courses/133597/users/57720) 


14 de oct de 2020

Estimado compañero.

El aporte teórico esta muy bueno, algunos datos que no consideré en mi intervención,
logro ver. Importante es que dichas probabilidades tienen diversas aplicaciones en la vida
real, por no decir que una de las mas completas. A ver mis referencias bibliográficas te
invito, encontraras en ella diversos e ilustrativos ejemplos.

Saludos

(http

JOSE CARLOS ALFREDO QUISPE LINARES (https://canvas.utp.edu.pe/courses/133597/users/241720)


15 de oct de 2020

Los ejemplos están bien detallados, es mas sencillo de comprender.

(https://
Cargando MANUEL ANGEL CHAFLOQUE CAPUÑAY (https://canvas.utp.edu.pe/courses/133597/users/164050)
[MathJax]/localization/es/MathMenu.js
14 de oct de 2020

Buscar entradas o autor No leído    Suscribirse


La función de probabilidad normal de Gauss, es una función de probabilidad para variables


aleatorias continuas de gran aplicación. Al ser la distribución normal una aproximación
excelente a algunos fenómenos aleatorios continuos, como la estatura, el peso, el tiempo de
servicio al cliente; y a fenómenos aleatorios discretos, a los cuales se les puede dar un
tratamiento continuo, como la antigüedad de la vivienda, los impuestos anuales, la
producción, etc, dicha distribución tiene mucha aplicación en ámbitos tan variados como el
control de calidad, el marketing, y la gestión de la producción, entre otros. En general, se
puede decir que la distribución normal es de vital importancia en estadística por tres razones
esenciales:

Existen muchos fenómenos continuos que parecen seguirla o se pueden aproximar


mediante ella.
Se puede utilizar para aproximar distribuciones discretas de probabilidad y de esta forma
evitar cálculos engorrosos.
Por su relación con el teorema central del límite es la base de la inferencia estadística
clásica.

Sus propiedades

Es una distribución simétrica. El valor de la media, la mediana y la moda coinciden.


Matemáticamente,

Media = Mediana = Moda

Distribución unimodal. Los valores que son más frecuentes o que tienen más probabilidad
de aparecer están alrededor de la media. En otras palabras, cuando nos alejamos de la
media, la probabilidad de aparición de los valores y su frecuencia descienden.

Como ejemplo suponga que en una determinada empresa se analiza el tiempo que lleva a los
trabajadores la instalación de una determinada pieza del producto que fabrica, concluyendo
que se distribuye como una normal con una media de 30 minutos y una desviación estándar
de 5 minutos. Con estos datos se podrían contestar preguntas como:

¿Cuál es la probabilidad de que un trabajador aleatoriamente seleccionado pueda montar la


pieza en menos de 30 minutos? Y ¿Cuántos minutos tienen que pasar antes de que el 10 por
ciento de los trabajadores monten la pieza?

Lo que debemos obtener aquí es el valor de la variable Z que deja en la cola izquierda de la
distribución el 10 por ciento. En las tablas obtendríamos un valor z0 =-1,28. Este será el valor
tipificado, de manera que el valor de X será: x0 =μ+z0 σ=30- 1,28x5=23,6 minutos.

Cargando [MathJax]/localization/es/MathMenu.js
Otro ejemplo en el que se puede aplicar el uso de la distribución normal es el siguiente:
Suponga
Buscar entradasque
o autor Nolaleído
el encargado de tesorería deuna empresa
 está interesado enelSuscribirse
número de
días que transcurre entre la facturación y el pago de las cuentas a crédito. Una vez recogidos
los datos, se observa que el tiempo se distribuye aproximadamente como una normal con una
media y una variancia determinada. En este caso se podría responder a preguntas como la
siguiente: ¿Qué porcentaje de cuentas se pagará antes de x días? ¿Dentro de cuántos días
se pagará el 80 por ciento de las cuentas?

Bibliografia

https://economipedia.com/definiciones/distribucion-
normal.html#:~:text=La%20distribuci%C3%B3n%20normal%20es%20un,media%20y%2
0la%20desviaci%C3%B3n%20t%C3%ADpica.

(http JHOSEPH WILLIAM BARAHONA QUISPE (https://canvas.utp.edu.pe/courses/133597/users/53276)


15 de oct de 2020

Interesante información compañero.

(http JOSE ARNALDO VARGAS ASCAMA (https://canvas.utp.edu.pe/courses/133597/users/36941)


15 de oct de 2020

Buen aporte compañero, asi mismo detallo sus características:

• Es una distribución simétrica.


• Es asintótica, es decir sus extremos nunca tocan el eje horizontal, cuyos valores tienden
a infinito.
• En el centro de la curva se encuentran la media, la mediana y la moda.
• El área total bajo la curva representa el 100% de los casos.
• Los elementos centrales del modelo son la media y la varianza.

Saludos

José Vargas

(https:// EGOR SANCHEZ ESPINOZA (https://canvas.utp.edu.pe/courses/133597/users/118393) 


14 de oct de 2020
Cargando [MathJax]/localization/es/MathMenu.js
Buscar entradas o autor No leído    Suscribirse

(http DANNY ELI PEREZ OCAMPO (https://canvas.utp.edu.pe/courses/133597/users/57720) 


14 de oct de 2020
Cargando [MathJax]/localization/es/MathMenu.js
Estimado compañero
Buscar entradas o autor No leído    Suscribirse
Te comparto un link, en el que podrás observar algunos ejemplos adicionales a los que
indicas en tu post. Me gustaron ya que, hasta cosas tan simples como la estatura de las
personas podrían ingresar en el campo de calculo de ese tipo de probabilidades

http://www.fisterra.com/mbe/investiga/distr_normal/distr_normal.asp
(http://www.fisterra.com/mbe/investiga/distr_normal/distr_normal.asp)

Saludos

(http ERICH AMERICO BARINEZA MENDOZA (https://canvas.utp.edu.pe/courses/133597/users/142905)


15 de oct de 2020

Excelente aporte de ambos compañeros, con los ejemplos se entiende mejor.

(http RUDD CESSY HUANUQUEÑO VASQUEZ (https://canvas.utp.edu.pe/courses/133597/users/86477)


15 de oct de 2020

Muchas gracias compañero por tu aporte

(http FANNY MARGOT PERICHE CHERRE (https://canvas.utp.edu.pe/courses/133597/users/60673)


15 de oct de 2020

Además de ello la distribución normal, tiene aplicación prácticamente


en todas las áreas donde la estadística opera, y en una infinidad de
métodos que esta emplea.

(http

JOSE CARLOS ALFREDO QUISPE LINARES (https://canvas.utp.edu.pe/courses/133597/users/241720)


15 de oct de 2020

Buen aporte!, con claros ejemplos de aplicación.

Cargando [MathJax]/localization/es/MathMenu.js
(https:// LUIS ASTUDILLO MENDOZA (https://canvas.utp.edu.pe/courses/133597/users/150870) 
Buscar entradas o14
autor
de oct de 2020 No leído    Suscribirse

El uso extendido de la distribución normal en las aplicaciones estadísticas puede explicarse,


además, por otras razones. Muchos de los procedimientos estadísticos habitualmente
utilizados asumen la normalidad de los datos observados. Aunque muchas de estas técnicas
no son demasiado sensibles a desviaciones de la normal y, en general, esta hipótesis puede
obviarse cuando se dispone de un número suficiente de datos, resulta recomendable
contrastar siempre si se puede asumir o no una distribución normal. La simple exploración
visual de los datos puede sugerir la forma de su distribución. No obstante, existen otras
medidas, gráficos de normalidad y contrastes de hipótesis que pueden ayudarnos a decidir,
de un modo más riguroso, si la muestra de la que se dispone procede o no de una distribución
normal. Cuando los datos no sean normales, podremos o bien transformarlos8
(https://www.fisterra.com/mbe/investiga/distr_normal/distr_normal.asp#Bibliograf%C3%ADa)
o emplear otros métodos
estadísticos que no exijan este tipo de restricciones (los llamados métodos no paramétricos).

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 y . Con esta notación, la densidad de la normal viene dada
por la ecuación.

Ecuación 1:

(http

TARAZONA CACERES, MARTHA RAQUEL (https://canvas.utp.edu.pe/courses/133597/users/185620)


15 de oct de 2020

Estimado:

Para complementar la idea, podemos mencionar algunas usos, por ejemplo, en la


estatura, la inteligencia, curvas de maxwell, en la biología, la geografía y la economía.

Cargando [MathJax]/localization/es/MathMenu.js
No olvides, especificar tus referencias
Editado por TARAZONA CACERES, MARTHA RAQUEL (https://canvas.utp.edu.pe/courses/133597/users/185620)
No leído el 15
Buscar entradas o autor    Suscribirse
de oct en 1:36

(https:// MANUEL ANDRES HURTADO ARELLANO (https://canvas.utp.edu.pe/courses/133597/users/124593)


14 de oct de 2020

LA DISTRIBUCION NORMAL O DE GAUSS:

Se dice que muchos fenómenos en el campo de la salud se distribuyen normalmente. Esto


significa que si uno toma al azar un número suficientemente grande de casos y construye un
polígono de frecuencias con alguna variable continua, por ejemplo peso, talla, presión arterial
o temperatura, se obtendrá una curva de características particulares, llamada distribución
normal. Es la base del análisis estadístico, ya que en ella se sustenta casi toda la inferencia
estadística.

La gráfica de la distribución normal tiene la forma de una campana, por este motivo también
es conocida como la campana de Gauss. Sus características son las siguientes:

• Es una distribución simétrica.


• Es asintótica, es decir sus extremos nunca tocan el eje horizontal, cuyos valores tienden a
infinito.
• En el centro de la curva se encuentran la media, la mediana y la moda.
• El área total bajo la curva representa el 100% de los casos.
• Los elementos centrales del modelo son la media y la varianza.

Esta distribución es un modelo matemático que permite determinar probabilidades de


ocurrencia para distintos valores de la variable. Así, para determinar la probabilidad de
encontrar un valor de la variable que sea igual o inferior a un cierto valor xi, conociendo el
promedio y la varianza de un conjunto de datos, se debe reemplazar estos valores (media,
varianza y xi) en la fórmula matemática del modelo. El cálculo resulta bastante complejo pero,
afortunadamente, existen tablas estandarizadas que permiten eludir este procedimiento.

Cargando [MathJax]/localization/es/MathMenu.js
Buscar entradas o autor No leído    Suscribirse

Tabla de la 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:

Siendo el valor de interés; la media de nuestra variable y su desviación estándar.


Recordemos que y corresponden a parámetros, o sea valores en el universo, que
generalmente no conocemos, por lo que debemos calcular Z usando los datos de nuestra
muestra.

En general, el valor de Z se interpreta como el número de desviaciones estándar que están


comprendidas entre el promedio y un cierto valor de variable x. En otras palabras, se puede
decir que es la diferencia entre un valor de la variable y el promedio, expresada esta
diferencia en cantidad de desviaciones estándar.

Suena abstracto, pero con un ejemplo se podrá entender mejor:

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:

Cargando [MathJax]/localization/es/MathMenu.js
Buscar entradas o autor No leído    Suscribirse

Fuente:

https://www.medwave.cl/link.cgi/Medwave/Series/MBE04/5033?ver=sindiseno
(https://www.medwave.cl/link.cgi/Medwave/Series/MBE04/5033?ver=sindiseno)

Ejemplos: En el siguiente video que comparto tambien se hace una explicacion muy didactica
y de facil comprension. Y muchos ejemplos practicos

https://www.youtube.com/watch?v=T7_ktqfVseU (https://www.youtube.com/watch?
v=T7_ktqfVseU)

(https://www.youtube.com/watch?v=T7_ktqfVseU)

(http EGOR SANCHEZ ESPINOZA (https://canvas.utp.edu.pe/courses/133597/users/118393) 


15 de oct de 2020

Hola Manuel:

Cargando [MathJax]/localization/es/MathMenu.js
El video muy explicativo, comparto también que es un buen soporte el portal en youtube
para aclarar
Buscar entradas o autor dudas. No leído    Suscribirse

(http ERICK EDUARDO TRUJILLO SANTE (https://canvas.utp.edu.pe/courses/133597/users/153896)


15 de oct de 2020

Gracias por el aporte compañero.

(http RUDD CESSY HUANUQUEÑO VASQUEZ (https://canvas.utp.edu.pe/courses/133597/users/86477)


15 de oct de 2020

Interesante video para el tema, gracias compañero

(http KATTY MARILU MOLINA LUNA (https://canvas.utp.edu.pe/courses/133597/users/235925) 


15 de oct de 2020

Buenas noches

Una aplicación con ejemplo:

Suponga que en una determinada empresa se analiza el tiempo que lleva a los
trabajadores la instalación de una determinada pieza del producto que fabrica,
concluyendo que se distribuye como una normal con una media de 30 minutos y una
desviación estándar de 5 minutos. Con estos datos se podrían contestar preguntas como:

¿Cuál es la probabilidad de que un trabajador aleatoriamente seleccionado pueda montar


la pieza en menos de 30 minutos?

La respuesta es la siguiente:

Es decir, el 50 por ciento

fuente: http://www.extoikos.es/n6/pdf/16.pdf (http://www.extoikos.es/n6/pdf/16.pdf)

Cargando [MathJax]/localization/es/MathMenu.js
Buscar entradas o autor No leído    Suscribirse
(https:// GABRIEL FERNANDO RODAS MONTES (https://canvas.utp.edu.pe/courses/133597/users/112542)
14 de oct de 2020

Explique las aplicaciones prácticas de la distribución de probabilidad Normal de Gauss.

Tiene una única moda, que coincide con su media y su mediana.


La curva normal es asintótica al eje de abscisas. Por ello, cualquier valor entre -∞ y +∞
es teóricamente posible.
Es simétrica con respecto a su media µ . Según esto, para este tipo de variables existe
una probabilidad de un 50% de observar un dato mayor que la media, y un 50% de
observar un dato menor.
La distancia entre la línea trazada en la media y el punto de inflexión de la curva es igual a
una desviación típica (σ). Cuanto mayor sea σ, más aplanada será la curva de la
densidad.
El área bajo la curva comprendido entre los valores situados aproximadamente a dos
desviaciones estándar de la media es igual a 0.95. En concreto, existe un 95% de
posibilidades de observar un valor comprendido en el intervalo .
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
dispersarán 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.

https://www.fisterra.com/mbe/investiga/distr_normal/distr_normal.asp
(https://www.fisterra.com/mbe/investiga/distr_normal/distr_normal.asp)

(http ROBERT REYNALDO RIOS GALVAN (https://canvas.utp.edu.pe/courses/133597/users/110566)


14 de oct de 2020

De acurdo con tus comentarios compañero.


Cargando [MathJax]/localization/es/MathMenu.js
(http
Buscar entradas o autor No leído    Suscribirse
TARAZONA CACERES, MARTHA RAQUEL (https://canvas.utp.edu.pe/courses/133597/users/185620)
15 de oct de 2020

Estimado:

Sólo para complementar, también podemos mencionar el uso en la deducción de la


estadística, además de otras ramas del conocimiento.

(https:// MAYUMI ESTEFANI ATALAYA ROQUE (https://canvas.utp.edu.pe/courses/133597/users/155213)


14 de oct de 2020

Explique las aplicaciones prácticas de la distribución de probabilidad Normal de Gauss.

La función de densidad de una distribución normal tiene varios rasgos importantes: Es una
distribución que tiene forma de campana, es simétrica y puede tomar valores entre menos
infinito y más infinito (figura 1).
Es decir, los valores centrales de la variable se presentan con más frecuencia que los valores
extremos. Así por ejemplo, en el caso de los errores de medida, los errores por defecto o por
exceso pequeños en valor absoluto se presentan frecuentemente, mientras que los errores
grandes, tanto los positivos como los negativos, se observan menos veces.
En segundo lugar, decimos que es simétrica. En efecto, es simétrica respecto a un valor
central alrededor del cual toma valores con gran probabilidad mientras que apenas aparecen
los valores extremos. De manera que sus medidas de posición central (media, mediana y
moda) coinciden.

Cargando [MathJax]/localization/es/MathMenu.js
Buscar entradas o autor No leído    Suscribirse

Por último, presenta como asíntota el eje de abscisas al que se va aproximando sin llegar a
cortarse.
La expresión matemática que representa una función de densidad con estas características
es la siguiente:

Función de densidad que sólo depende de dos parámetros, la media μ, y la varianza de la


distribución σ2. Si conocemos la media y la varianza de una variable X, podemos definir la
distribución normal utilizando la notación:
En la figura 2 se representan varias funciones de densidad normal con la misma media y
diferentes varianzas.

Asimismo, la función de distribución acumulada de cualquier variable aleatoria X, se define


como F(x0)= P(X<x0), es decir la probabilidad de que dicha variable tome un valor menor que
x0.
Matemáticamente esta función de distribución coincide con la integral de la función de
densidad
Cargando desde -∞ hasta el valor x0.
[MathJax]/localization/es/MathMenu.js
Buscar entradas o autor No leído    Suscribirse

Cargando [MathJax]/localization/es/MathMenu.js
Buscar entradas o autor No leído    Suscribirse

(http JESÚS TANTA GALA (https://canvas.utp.edu.pe/courses/133597/users/125105) 


14 de oct de 2020

concuerdo con la idea planteada de mi compañera, se observa en la imagen la


distribución normal detallado por colores, así mismo, la función de densidad y función de
distribución

(http ROBERT REYNALDO RIOS GALVAN (https://canvas.utp.edu.pe/courses/133597/users/110566)


14 de oct de 2020

Buenas noches compañera solo para agregar, podemos usar la distribución normal para
actividades cotidianas, como por ejemplo la talla de los hombres en el Perú.

(http KATTY MARILU MOLINA LUNA (https://canvas.utp.edu.pe/courses/133597/users/235925) 


15 de oct de 2020

Un aporte con ejemplo para entender la importancia de la probabilidad Normal de Gauss


Cargando [MathJax]/localization/es/MathMenu.js
Otro ejemplo en el que se puede aplicar el uso de la distribución normal es el siguiente:
Suponga
Buscar entradas o autor No de
que el encargado leído
la tesorería
 de una
 empresa está interesado enSuscribirse
el número
de días que transcurre entre la facturación y el pago de las cuentas a crédito. Una vez
recogidos los datos, se observa que el tiempo se distribuye aproximadamente como una
normal con una media y una variancia determinada. En este caso se podría responder a
preguntas como la siguiente: ¿Qué porcentaje de cuentas se pagará antes de x días?
¿Dentro de cuántos días se pagará el 80 por ciento de las cuentas?

saludos

(http FANNY MARGOT PERICHE CHERRE (https://canvas.utp.edu.pe/courses/133597/users/60673)


15 de oct de 2020

Buen aporte compañera, adicional a ello indicar que es una de las distribuciones más
importante dentro de la estadística.

(https:// ROBERT REYNALDO RIOS GALVAN (https://canvas.utp.edu.pe/courses/133597/users/110566) 


14 de oct de 2020

Explique las aplicaciones prácticas de la distribución de probabilidad Normal de Gauss.

La distribución normal (en ocasiones llamada distribución gaussiana) es la distribución


continua que se utiliza más comúnmente en estadística. La distribución normal es de vital
importancia en estadística por tres razones principales:

Muchas variables continuas comunes en el mundo de los negocios tienen distribuciones


que se asemejan estrechamente a la distribución normal.
La distribución normal sirve para acercarse a diversas distribuciones de probabilidad
discreta, como la distribución binomial y la distribución de Poisson.
La distribución normal proporciona la base para la estadística inferencial clásica por su
relación con el teorema de límite central.

En la distribución normal, uno puede calcular la probabilidad de que varios valores ocurran
dentro de ciertos rangos o intervalos. Sin embargo, la probabilidad exacta de un valor
particular dentro de una distribución continua, como la distribución normal, es cero. Esta
propiedad distingue alas variables continuas, que son medidas, de las variables discretas, las
cuales son contadas. Como ejemplo, el tiempo (en segundos) se mide y no se cuenta. Por lo
tanto,
Cargando es factible determinar la probabilidad
[MathJax]/localization/es/MathMenu.js de que el tiempo de descarga para una página
principal en un navegador de la Web esté entre 7 y 10 segundos o que la probabilidad de que
el tiempo de descarga esté entre 8 y 9 segundos, o la probabilidad de que el tiempo de
descarga
Buscar entradasesté
o autor No leído
entre 7.99 y 8.01 segundos. Sin
 embargo,
 la probabilidad de que Suscribirse
 el tiempo de
descarga sea exactamente de 8 segundos es cero.

La distribución normal tiene importantes propiedades teóricas:

Tiene una apariencia de forma de campana (y, por ende, es simétrica).


Sus medidas de tendencia central (media, mediana y moda) son todas idénticas.
Su «50% central» es igual a 1.33 desviaciones estándar. Esto significa que el rango
intercuartil está contenido dentro de un intervalo de dos tercios de una desviación
estándar por debajo de la media y de dos tercios de una desviación estándar por encima
de la media.
Su variable aleatoria asociada tiene un rango infinito (-∞ < X < ∞).

En la práctica, muchas variables tienen distribuciones que se asemejan a las propiedades


teóricas de la distribución normal.

Editado por ROBERT REYNALDO RIOS GALVAN (https://canvas.utp.edu.pe/courses/133597/users/110566) el 14 de oct en


21:42

(http FERNANDO EBER ALEGRE DIAZ (https://canvas.utp.edu.pe/courses/133597/users/86411) 


15 de oct de 2020

Cargando [MathJax]/localization/es/MathMenu.js
Buen día compañero,
Muy clara la explicación, y para complementar la idea podríamos indicar las siguientes
aplicaciones:
Buscar entradas o autor No leído    Suscribirse

∼ Estatura de las personas.


∼ Tª de una cámara frigorífica.
∼ Dosis de un aditivo.
∼ Precipitaciones anuales de un determinado país.

Como podemos ver la distribución normal es una distribución de probabilidad, que nos da
infinitas posibilidades de aplicación.

Éxitos

Fernando Alegre

(http MOISES DANIEL PUERTA GUTIERREZ (https://canvas.utp.edu.pe/courses/133597/users/142898)


15 de oct de 2020

Excelente compañero solo para acotar que la gráfica es también llamada Curva de
Distribución Normal o Campana de Gauss.

(https:// JESÚS TANTA GALA (https://canvas.utp.edu.pe/courses/133597/users/125105) 


14 de oct de 2020

Explique las aplicaciones prácticas de la distribución de probabilidad Normal de


Gauss.

Al iniciar el análisis estadístico de una serie de datos, y después de la etapa de detección y


corrección de errores, un primer paso consiste en describir la distribución de las variables
estudiadas y, en particular, de los datos numéricos. Además de las medidas descriptivas
correspondientes, el comportamiento de estas variables puede explorarse gráficamente de un
modo muy simple. Consideremos, como ejemplo, los datos de la siguiente figura:

Cargando [MathJax]/localization/es/MathMenu.js
Buscar entradas o autor No leído    Suscribirse

se muestra un histograma de la tensión arterial sistólica de una serie de pacientes


isquémicos ingresados en una unidad de cuidados intensivos. Para construir este tipo de
gráfico, se divide el rango de valores de la variable en intervalos de igual longitud,

La Distribución Normal

La distribución de una variable normal está completamente determinada por dos parámetros,
su media y su desviación estándar, denotadas generalmente por y . Con esta notación,
la densidad de la normal viene dada por la ecuación:

Los gráficos de probabilidad normal constituyen otra importante herramienta gráfica para
comprobar si un conjunto de datos puede considerarse o no procedente de una distribución
normal. La idea básica consiste en enfrentar, en un mismo gráfico, los datos que han sido
observados frente a los datos teóricos que se obtendrían de una distribución gaussiana. Si la
distribución de la variable coincide con la normal, los puntos se concentrarán en torno a una
línea recta, aunque conviene tener en cuenta que siempre tenderá a observarse mayor
variabilidad en los extremos.

Cargando [MathJax]/localization/es/MathMenu.js
Buscar entradas o autor No leído    Suscribirse

Editado por JESÚS TANTA GALA (https://canvas.utp.edu.pe/courses/133597/users/125105) el 14 de oct en 21:36

(http

EDINSON CARLOS FLORIAN GUTIERREZ (https://canvas.utp.edu.pe/courses/133597/users/167241) 


14 de oct de 2020

Gracias por el aporte compañero , faltarian unos ejemplos para comprender mejor su
aplicacion

(http JORGE ALEX OLIVERA CHUMBIAUCA (https://canvas.utp.edu.pe/courses/133597/users/155272)


15 de oct de 2020

Compañero, esta clara la explicación necesaria para entender la distribución de


probabilidad normal de Gauss, como ya hemos visto esta tiene un sin números de
aplicaciones tanto en salud, educación, la vida cotidiana de las personas, ciencias, etc.
por lo que si indicarías algunos ejemplos se entendería mejor tu explicación.

(http ERICH AMERICO BARINEZA MENDOZA (https://canvas.utp.edu.pe/courses/133597/users/142905)


15 de oct de 2020

Compañeros, adjunto un link donde podrán encontrar ejercicios para el calculo de la


distribución normal y poder complementar la teoría.

Cargando [MathJax]/localization/es/MathMenu.js
https://www.superprof.es/apuntes/escolar/matematicas/probabilidades/distribucion-
Buscar entradas o autor No leído
normal/ejercicios-de-la-distribucion-normal.html
   Suscribirse
(https://www.superprof.es/apuntes/escolar/matematicas/probabilidades/distribucion-
normal/ejercicios-de-la-distribucion-normal.html)

(http JHOSEPH WILLIAM BARAHONA QUISPE (https://canvas.utp.edu.pe/courses/133597/users/53276)


15 de oct de 2020

Excelente aporte compañero.

(https:// EDINSON CARLOS FLORIAN GUTIERREZ (https://canvas.utp.edu.pe/courses/133597/users/167241)


14 de oct de 2020

La distribución normal es una de las mas estudiada en la teoría estadistica por su grado de
aplicación a diversas situaciones y fenomenos de la naturaleza y en todas las áreas de la
estadística. Se conoce como distribución gaussiana en honor altrabajo que el matemático
aleman del siglo XVIII Karl Gauss, fue propuesta inicialmente por Abraham de Moivreen 1738.

Es una distribución que tiene forma de campana, es simétrica y puede tomar valores entre
menos infnito y más infinito Es decir, los valores centrales de la variable se presentan con
más frecuencia que los valores extremos.

Así por ejemplo, en el caso de los errores de medida, los errores por defecto o por exceso
pequeños en valor absoluto se presentan frecuentemente, mientras que los errores grandes,
tanto los positivos como los negativos, se observan me-nos veces. En segundo lugar,
decimos que es simétrica. En efecto, es simétrica respecto a un valor central alrededor del
cual toma valores con gran probabilidad mientras que apenas aparecen los valores extremos.
De manera que sus medidas de posición central (media, mediana y moda) coinciden. Por
último, presenta como asíntota el eje de abscisas al que se va aproximando sin llegar a
cortarse. La expresión matemática que representa una función de densidad con estas
características es la siguiente:

Cargando [MathJax]/localization/es/MathMenu.js
Buscar entradas o autor No leído    Suscribirse

Una distribución normal se caracteriza por:

1. Los valores de las mediciones tienden a agruparse alrededor de un punto central, la media

2. La representación de los datos es simétrica a ambos lados de la media

3. Las desviaciones estándares quedan situadas a igual distancia unas de otras

4. La proporción de mediciones situada entre la media y las desviaciones es una constante en


la que:

La media ± 1 * desviación estándar = cubre el 68,3% de los casos


La media ± 2 * desviación estándar = cubre el 95,5% de los casos
La media ± 3 * desviación estándar = cubre el 99,7% de los casos

Podemos analizar el comportamiento de los procesos gráficos y determinar su efectividad


tomando como base su grado de aproximación a la curva de distribución normal a partir de los
datos generados y la creación de histogramas que permitan la comparación con curva de
distribución normal.

EJEMPLO 1:

¿Cuál es la probabilidad de que una persona que se presenta el examen obtenga una
calificación superior a ?

Sustituimos los valores en la formula:

La probabilidad de que una persona obtenga una puntuación mayor a al presentar el


examen es de .

Ejemplo 2 :
Cargando [MathJax]/localization/es/MathMenu.js
Buscar entradas o autor No leído    Suscribirse

Ejemplo 3 :

Suponga que en una determinada empresa se analiza el tiempo que lleva a los trabajadores
la instalación de una determinada pieza del producto que fabrica, concluyendo que se
distribuye como una normal con una media de 30 minutos y una desviación estándar de 5
minutos. Con estos datos se podrían contestar preguntas como:

1. ¿Cuál es la probabilidad de que un trabajador aleatoriamente seleccionado pueda


montar la pieza en menos de 30 minutos?

La respuesta es la siguiente:

0,5Es decir, el 50 por ciento

2. ¿Cuántos minutos tienen que pasar antes de que el 10 por ciento de los trabajadores
monten la pieza?
Lo que debemos obtener aquí es el valor de la variable Z que deja en la cola izquierda
de la distribución el 10 por ciento. En las tablas obtendríamos un valor z0=-1,28. Este
será el valor tipificado, de manera que el valor de X será: x0 =μ+z0 σ=30-1,28x5=23,6
minutos.

Fuentes
Cargando :
[MathJax]/localization/es/MathMenu.js
http://www.extoikos.es/n6/pdf/16.pdf (Enlaces a un sitio externo.)
No leído
(http://www.extoikos.es/n6/pdf/16.pdf)
Buscar entradas o autor    Suscribirse

https://jesusgarciaj.com/2010/01/22/la-curva-de-distribucion-normal/
(https://jesusgarciaj.com/2010/01/22/la-curva-de-distribucion-normal/)

(http CYNTHIA ELVIA CACERES SANCHEZ (https://canvas.utp.edu.pe/courses/133597/users/156632)


15 de oct de 2020

Excelentes graficos , con los ejemplos queda mas claro.

(https:// TARAZONA CACERES, MARTHA RAQUEL (https://canvas.utp.edu.pe/courses/133597/users/185620)


15 de oct de 2020

Introducción
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
(https://www.webyempresas.com/campana-de-gauss/) , ya que al representar su función de
probabilística la misma tiene forma de campana.

Uso de la distribución en la deducción estadística


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.

En este tipo de distribución, se puede calcular la posibilidad de que unos cuantos eventos
ocurran dentro de determinados intervalos o rangos, sin embargo, la 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
Cargando [MathJax]/localization/es/MathMenu.js
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
Buscar de 9 segundos No
entradas o autor leído
es cero.    Suscribirse

Otros usos distribución gaussiana


1. Estatura

Pensemos en la estatura de todas las mujeres españolas; dicha altura sigue una distribución
normal. Es decir, la estatura de la mayoría de mujeres estará cerca de la estatura media. En
este caso, la altura media española es de 163 centímetros en las mujeres.

Por otro lado, un número similar de mujeres serán un poco más altas y un poco más
bajas que 163cm; sólo unas pocas serán mucho más altas o mucho más bajas.

2. Inteligencia

En el caso de la inteligencia, la distribución normal se cumple a nivel mundial, para todas las
sociedades y culturas. Esto implica que la mayor parte de la población tiene una
inteligencia media, y que en los extremos (por debajo, personas con discapacidad
intelectual, y por arriba, superdotados), se encuentra menor parte de la población (el mismo %
por debajo que por arriba, aproximadamente).

3. Curva de Maxwell

Otro ejemplo que ilustra la distribución normal es la curva de Maxwell. La curva de


Maxwell, dentro del campo de la física, indica cuántas partículas de gas se mueven a
una velocidad determinada.

Esta curva se eleva suavemente desde velocidades bajas, alcanza el pico en la media, y
vuelve a descender suavemente hacia las velocidades altas. Así, esta distribución muestra
que la mayoría de las partículas se mueven a una velocidad alrededor del promedio,
característica propia de la distribución normal (concentrar la mayor parte de los casos en la
media).

Conclusión
El uso de esta distribución se encuentra en diversas ramas del conocimiento, se aplica a una
gran variedad de observaciones en la biología, la astronomía, la geografía y la economía.
Cargando [MathJax]/localization/es/MathMenu.js
Muchos fenómenos de la naturaleza se pueden aproximar con una distribución normal. En
general
Buscar seopuede
entradas No leído
autor repasar como resultado de
la interacción
 Suscribirse
de muchos efectosaleatorios en la
variable que se estudia.

Referencias
https://psicologiaymente.com/cultura/distribucion-normal
(https://psicologiaymente.com/cultura/distribucion-normal)

https://www.webyempresas.com/distribucion-normal-en-estadisticas/
(https://www.webyempresas.com/distribucion-normal-en-estadisticas/)

https://jrvargas.files.wordpress.com/2010/07/problemas-resueltos-de-dist-normal1.pdf
(https://jrvargas.files.wordpress.com/2010/07/problemas-resueltos-de-dist-normal1.pdf)

(http JORGE ALEX OLIVERA CHUMBIAUCA (https://canvas.utp.edu.pe/courses/133597/users/155272)


15 de oct de 2020

Buen aporte compañera , sería adecuado acompañar la explicación con ejemplos


prácticos para una mejor comprensión.

(https:// FERNANDO EBER ALEGRE DIAZ (https://canvas.utp.edu.pe/courses/133597/users/86411) 


15 de oct de 2020

Buen día profesor,

A continuación daré explicación a la pregunta planteada en el foro.


Hoy en día, la distribución normal llamada también distribución gaussiana, tiene aplicación
prácticamente en todas las areas donde la estadística opera, y en una infinidad de métodos
que esta emplea. Existe un sin número de variables aleatorias que pueden ser explicadas
como un modelo de distribución normal por lo que su estudio es casi obligatorio para
cualquier curso de estadística básica.

Algunos ejemplos incluyen:

1. Ingresos mensuales de los empleados de una planta, que ganan en promedio 1000 soles
Cargando [MathJax]/localization/es/MathMenu.js
mensuales. con desviación estándar de 50 soles mensuales.
2. Peso de los paquetes de arroz producidos por cierta marca, los cuales tienen un peso
promedio
Buscar entradas o autor No leído estándar
de 900 gr. con desviación  de 1 gr.  Suscribirse
3. Contaminación del aire en una comunidad medida en partículas por millón, con un
promedio de 2500 y una desviación estándar de 750 partículas por millón.
4. Ingreso per cápita de un pais en desarrollo, con un ingreso promedio de 1400 $ con
desviación estándar de 300 $.
5. Numero de delitos violentos por año en una ciudad. Con un promedio de 8000 y una
desviación estándar de 900.

Aplicaciones
Suponga que en una determinada empresa se analiza el tiempo que lleva a los trabajadores
la
instalación de una determinada pieza del producto que fabrica, concluyendo que se distribuye
como una normal con una media de 30 minutos y una desviación estándar de 5 minutos. Con
estos
datos se podrían contestar preguntas como:

1. ¿Cuál es la probabilidad de que un trabajador


aleatoriamente seleccionado pueda montar la pieza en menos de 30 minutos?
La respuesta es la siguiente:

30−30
P (X ≤ 30) = P (Z ≤ ) = 0.5
5

Es decir, el 50 por ciento.

Fuentes:

http://www.extoikos.es/n6/pdf/16.pdf (http://www.extoikos.es/n6/pdf/16.pdf)

http://webdelprofesor.ula.ve/economia/daniel.p/Distribucion_normal.pdf
(http://webdelprofesor.ula.ve/economia/daniel.p/Distribucion_normal.pdf)

Saludos,

Fernando Alegre

Cargando [MathJax]/localization/es/MathMenu.js
(http CYNTHIA ELVIA CACERES SANCHEZ (https://canvas.utp.edu.pe/courses/133597/users/156632)
15 de oct de 2020
Buscar entradas o autor No leído    Suscribirse

Excelente ejemplo , compañero.

(https:// JORGE ALEX OLIVERA CHUMBIAUCA (https://canvas.utp.edu.pe/courses/133597/users/155272)


15 de oct de 2020

Las aplicaciones prácticas de la distribución de probabilidad Normal de Gauss

1. La mecánica de los gases de Maxwell

La curva de Maxwell indica cuántas partículas de gas se mueven a una velocidad


determinada y se eleva suavemente desde velocidades bajas, alcanza el pico en la media, y
vuelve a descender suavemente hacia las velocidades altas. Esta distribución muestra que la
mayoría de las partículas se mueven a una velocidad alrededor del promedio.

2. Los datos antropométricos en los seres humanos

Adolphe Quetelet, fue el primero en advertir que los datos antropométricos de los individuos
de una misma población, raza, sexo y edad, constituyen una variable normal. Esto es que, si
alguna persona tiene características extremas como ser muy alta o muy inteligente, también
debe existir personas con características extremas totalmente opuestas como muy bajas o
extremadamente poco inteligentes.

3. La morfología del cerebro

Una de las preguntas más comunes con respecto a las particularidades del cerebro radica en
la diferencia que existe entre sexos. Tradicionalmente, distintos estudios científicos
consideran que existen desigualdades insalvables entre los cerebros de hombres y mujeres.
Tales diferencias se han utilizado a través de la historia para justificar el comportamiento de
uno y otro sexo, estableciendo estereotipos entre la mentalidad masculina y femenina.

El doctor Stuart Ritchie, especialista en Psicología de la Universidad de Edimburgo, se valió


de más de 500 mil datos disponibles en el UK Biobank (una iniciativa científica del Reino
Unido para la recopilación de información relativa a los órganos del cuerpo humano) para
escanear cerebros y descifrar si la información arrojada a través de resonancias magnéticas
era suficiente para descubrir si se trataba de un hombre o una mujer.

4. Las
Cargando características psico-sociales
[MathJax]/localization/es/MathMenu.js
Adolphe Quetelet fue también el primero en descubrir que, además de los caracteres
antropométricos,
Buscar No psicológicos
entradas o autor los caracteres leído y sociales
  de los seres humanos  Suscribirse
tienden a
distribuirse como campanas de Gauss. La propensión a la violencia, a la aflicción, la empatía
hacia los demás, el sentido del humor… Existe una mayoría de personas con características
de este tipo en la media, disminuyendo la proporcion a medida que vamos hacia los extremos.

5. El consumo de petróleo, gas, electricidad, de una ciudad, un país, en un determinado


periodo de tiempo

El consumo de petróleo (o gas, o electricidad, propano…) de una ciudad (ayuntamiento,


urbanización, etc.) es la suma de los consumos individuales de las familias o particulares. Por
ello, y debido al teorema central del límite (del que hablamos más adelante), la distribución de
esta variable (consumo) va a seguir una distribución normal.

6. Los errores de medición

El problema de los errores de medición era algo que preocupaba a los astrónomos desde
siempre: al realizarse mediciones de, por ejemplo, distancias de la tierra a otros puntos del
mapa celeste, estas no coincidan (las mediciones se realizaban desde diferentes puntos de la
tierra en diferentes momentos, pero, obviamente, al realizar las transformaciones
matemáticas pertinentes, las mediciones deberían ser iguales, cosa que no ocurría). La teoría
de los errores de medida fue iniciada por Galileo (1564-1642), que advirtió que estos errores
eran simétricos, y que los errores pequeños se producen con más frecuencia que los grandes.
Esta idea fue apoyada por otros muchos científicos, en su mayoría astrónomos; como, por
ejemplo, Ticho Brahe (1546–1601), quien encontró que cada medida tiene un posible error.
Brahe fue quien intuyó que, debido a estos errores, la medida se podía precisar realizando
varias observaciones y calculando la media aritmética.

Cotes (1682–1716), T. Simpson (1710–1761) y Daniel Bernoulli fueron los primeros en tratar
matemáticamente la teoría de la medida de errores Cotes opinaba que los errores se
distribuían uniformemente, es decir, que se cometían tantos errores pequeños como grandes.
Más adelante, Laplace afirmó que los errores de medida observados eran la suma de una
gran cantidad de pequeños errores; si estos errores tenían una distribución normal, su suma
también debería tenerla. Como estimación del valor desconocido del error, Laplace sugirió
tomar el valor que minimiza la cantidad que es igual a la mediana de las observaciones
realizadas. Sin embargo, su trabajo no alcanzó mucha difusión, debido a las aportaciones de
Gauss y Legendre (1752–1833), que propusieron y desarrollaron el método de mínimos
cuadrados. Gauss demostró que, bajo ciertas condiciones generales, la función de densidad
de los errores de medida tiene la forma de la distribución normal.

7. Duración de un embarazo

Se sabe que es una variable aproximadamente normal, con una media de 266 días y una
Cargando [MathJax]/localization/es/MathMenu.js
desviación típica de 16 (Moore and Kirkland 2007 ).
8. Velocidad de las Galaxias
Buscar entradas o autor No leído    Suscribirse
En el trabajo de (Roeder 1990 (https://bookdown.org/aquintela/EBE/ejemplos-de-la-
distribucion-normal.html#ref-roeder1990density) ) se puede ver la distribución que sigue el
conjunto de velocidades de 82 galaxias de la Corona Boreal.

En el paquete MASS de R se encuentra este conjunto de datos. Se trata de la velocidad en


km/seg de 82 galaxias de seis secciones cónicas bien separadas, de un estudio de la región
de Corona Borealis. Como se ve, no hay una única distribución normal, sino lo que se conoce
como una mixtura de distribuciones, donde cada una de las distribuciones que se “mezclan”
aparece representada por la moda (máximo). Según explican en el trabajo de (Roeder 1990
(https://bookdown.org/aquintela/EBE/ejemplos-de-la-distribucion-normal.html#ref-
roeder1990density) ), esa multimodalidad es evidencia de vacíos y superclusters en el
universo lejano (obvio para cualquiera).

9. La ley de Farr de las epidemias

William Farr, el famoso epidemiólogo inglés (1807–1883), postuló que las epidemias tienden a
crecer y caer con un patron aproximadamente simétrico, del tipo Campana de Gauss. La idea
fue resucitada por Brownlee a principios del siglo XX. Un artículo famoso sobre la epidemia
del sida (Bregman, Langmuir, and others 1990) analizó 200.000 casos desde 1982 hasta
1988, estimando que la enfermedad tendería a desaparecer hacia 1994. Sin embargo,
artículos posteriores adviertieron de la no consideración del periodo de incubación de la
enfermedad, lo que debería hacer construir una curva desde diez años más atrás y hasta
después del año 2000.

10. Crecimiento de las plantas

Las reglas matemáticas que rigen el crecimiento de las plantas son similares a cómo brotan
conexiones en las células cerebrales, según descubrieron científicos del Salk Institute.

11. Votos en las elecciones: Putin contra Gauss

Gracias a la campana de Gauss (entre otros detalles), se sabe desde hace tiempo que Putin
gana las elecciones haciendo trampas: la curva de distribución de la variable mesas
electorales según su participación no sigue una curva gaussiana. Existe una amplia cantidad
de artículos científicos donde se demuestran las constantes irregularidades en los procesos
electorales en Rusia.

12. Los seis grados de separación

Esta teoría la propuso el escritor Frigyes Karinthy en 1930, y viene a decir que se puede
acceder a cualquier persona del planeta en sólo seis (o menos) pasos o conexiones, o, dicho
de otra manera:
Cargando [MathJax]/localization/es/MathMenu.js
Cualquier persona del mundo estaría unida a nosotros a través de una cadena de conocidos
deentradas
Buscar no másodeautor No leído
cinco intermediarios o intermediarias,
   Suscribirse
conectándonos con sólo seis enlaces,
pasos o saltos.

En 2003, el sociólogo Duncan J. Watts recogió la teoría actualizada en su libro Seis grados: la
ciencia de las redes en la era conectada del acceso. Watts intentó probar la teoría de nuevo,
esta vez a través del correo electrónico con personas de todo el mundo. El resultado
promedió de nuevo los famosos seis grados.

El estudio más extenso hasta la fecha sobre la teoría de los seis grados de separación lo
realizó Facebook en 2011 (“Anatomy of Facebook”): el estudio se realizó con todas las
personas usuarias activas de su página en esa fecha (que rondaban los 720 millones,
alrededor de un 10% de la población mundial. Consistió en analizar el conjunto de amigos o
amigas en común de las personas usuarias de la página, para promediar cuántos eslabones
hay entre dos usuarios cualesquiera de la página. El estudio mostró que un 99′6% de pares
de personas usuarias estuvieron conectados por cinco grados de separación (4.754.75
eslabones de promedio).

13. La psicofísica

La psicofísica fue introducida en 1850 por Gustav Fechner (Polonia, 1801 - Alemania, 1887),
quien se preguntaba hasta qué punto una persona puede distinguir objetos de pesos
ligeramente diferentes.

Posteriormente, Charles S. Peirce (filósofo, matemático y padre de la semiótica; 1839-1914) y


un alumno suyo, Joseph Jastrow (1863-1944), hicieron experimentos “ciegos” (el sujeto no
sabía si se le daba una caja más pesada o liviana). Es importante destacar que este fue el
primer experimento en que la serie de pruebas fue determinada por un casualizador artificial.
(Peirce and Jastrow 1884)

Sí, la curva de gauss. La variación mide la sensibilidad de un individuo. Desde el punto de


vista histórico, esta comprobación significó una mayor autonomía a las leyes estadísticas.
Estas son también capaces de medir una realidad psicológica de la cual ni siquiera tenemos
conciencia. La sensibilidad alrededor del peso real sigue la curva de Gauss. Tanta gente se
equivoca “por abajo” como “por arriba”, y menos cuanto más se aleja del peso real.

Peirce pensó que su descubrimiento de que no existe un umbral mínimo podía explicar la
intuición femenina y la telepatía (tenues sensaciones de las que no tenemos plena
conciencia). Posteriormente, se fundó en Londres, en 1882, la sociedad de investigación
psíquica. Sus miembros deseaban reemplazar por un estudio científico el entusiasmo vulgar
por la figura del médium: en lugar de suponer que había comunicación con las muertes, se
suponía que podía existir transferencia de pensamiento entre personas vivas.

Cargando [MathJax]/localization/es/MathMenu.js
Fuente: https://bookdown.org/aquintela/EBE/ejemplos-de-la-distribucion-normal.html
Buscar entradas o autor No leído  
(https://bookdown.org/aquintela/EBE/ejemplos-de-la-distribucion-normal.html)  Suscribirse

(http ERICK EDUARDO TRUJILLO SANTE (https://canvas.utp.edu.pe/courses/133597/users/153896)


15 de oct de 2020

Buen aporte compañero , gracias .

(http FERNANDO EBER ALEGRE DIAZ (https://canvas.utp.edu.pe/courses/133597/users/86411) 


15 de oct de 2020

Muy buen aporte compañero.

(https:// ERICK EDUARDO TRUJILLO SANTE (https://canvas.utp.edu.pe/courses/133597/users/153896) 


15 de oct de 2020

La distribución normal es quizás la distribución de probabilidad para variables aleatorias


continuas mas estudiada en la teoría estadística debido a su gran aplicabilidad en fenómenos
de toda naturaleza. Llamada también distribución gaussiana en honor al trabajo que el
matemático alemán del siglo XVIII Karl Gauss realizo con ella, fue propuesta inicialmente por
Abraham de Moivre en 1738. Hoy en día, la distribución normal, tiene aplicación
prácticamente en todas las ´áreas donde la estadística opera, y en una infinidad de métodos
que esta emplea. Existe un sin número de variables aleatorias que pueden ser explicadas
como un modelo de distribución normal por lo que su estudio es casi obligatorio para
cualquier curso de estadística básica.

Es la función de probabilidad con más aplicaciones al campo de la Economía y de la


Empresa. Al ser la distribución normal una aproximación excelente a algunos fenómenos
aleatorios continuos, como la estatura, el peso, el tiempo de servicio al cliente; y a fenómenos
aleatorios discretos, a los cuales se les puede dar un tratamiento continuo, como la
antigüedad de la vivienda, los impuestos anuales, la producción, etc, dicha distribución tiene
mucha aplicación en ámbitos tan variados como el control de calidad, el marketing, y la
gestión de la producción, entre otros. En general, se puede decir que la distribución normal es
Cargando [MathJax]/localization/es/MathMenu.js
de vital importancia en estadística por tres razones esenciales
La distribución normal fue introducida por Carl Friedrich Gauss a principios del siglo XIX, al
estudiar
Buscar loso errores
entradas autor Noen
de medida leído
los movimientos
 de  Suscribirse
 los cuerpos celestes. Aunque algunos
autores consideran que en 1733 ya había sido descrita por Moivre, y que Laplace también
realizó sus aportaciones casi simultáneamente a la descripción de Gauss.

(http ALCIDES SAUL NIMBOMA CARRASCO (https://canvas.utp.edu.pe/courses/133597/users/110259)


15 de oct de 2020

Muy buen aporte compañero y aquí dejo una fuente mas sobre el tema.

https://www.youtube.com/watch?v=hIj_d6rAS74 (https://www.youtube.com/watch?
v=hIj_d6rAS74)

(http ARTURO ALDO SOTO ARROYO (https://canvas.utp.edu.pe/courses/133597/users/132336) 


15 de oct de 2020

tu aporte es bueno compañero, me ayudo a entender mejor el tema estudiado. gracias.

(https:// MOISES DANIEL PUERTA GUTIERREZ (https://canvas.utp.edu.pe/courses/133597/users/142898)


15 de oct de 2020

Explique las aplicaciones prácticas de la distribución de probabilidad Normal de Gauss.

Primeramente veamos a la distribución normal, que es una distribución de probabilidad de


variable continua que describe los datos que se agrupan en torno a un valor central. Todo
proceso en el que solo existan causas aleatorias de variación sigue una “ley de distribución
normal”. Esta condición que aparece con frecuencia en fenómenos naturales (de ahí que se la
denomine “normal”), puede obtenerse en los procesos industriales si los procesos llevan a un
estado en el que solo existen causas comunes de variación. La representación gráfica es la
curva de distribución normal también denominada campana de Gauss en honor del
renombrado científico alemán Carl Friedrich Gauss a quien se le atribuye erróneamente su
invención pero que sin duda la usó frecuentemente para analizar fenómenos astronómicos
con éxito.

Algunas de sus aplicaciones se ven reflejadas en la caracterización de la distribución normal,


por tanto tenemos:

Cargando [MathJax]/localization/es/MathMenu.js
1. Los valores de las mediciones tienden a agruparse alrededor de un punto central, la media
2. La representación de los datos es simétrica a ambos lados de la media
Buscar3.entradas
Las desviaciones
o autor No leído
estándares quedan situadas
 a  Suscribirse
igual distancia unas de otras

Asimismo, la curva de distribución normal del proceso coincide o está dentro de los límites
establecidos por la industria(bien en las normas de calidad desarrolladas o bien en las
recomendaciones establecidas por las asociaciones). En este caso el proceso opera con
eficacia y se pueden realizar trabajos de alta exigencia con respecto a la variable controlada.

La curva de distribución supera los límites establecidos por la industria. En este caso puede
que estén operando causas asignables de variación o que existen limitaciones debidas a los
recursos y equipos empleados por lo que no es posible realizar trabajos exigentes con
respecto a la variable controlada hasta que no se hayan eliminado las causas especiales de
variación o no se dispongan de los recursos y equipos adecuados.

El histograma generado no muestra las características básicas de una distribución normal. En


este caso están claramente actuando causas asignables de variación que habrá que resolver
si queremos conseguir un alto grado de fiabilidad del proceso y realizar trabajos de alta
exigencia.

Veamos una representación de la curva de distribución normal o también llamada campana


de Gauss.

(https:// ERICH AMERICO BARINEZA MENDOZA (https://canvas.utp.edu.pe/courses/133597/users/142905)


15 de oct de 2020
Cargando [MathJax]/localization/es/MathMenu.js

Buscar entradas o autor No leído    Suscribirse
Explique las aplicaciones prácticas de la distribución de probabilidad Normal de Gauss.

La distribución normal de Gauss


Estudiando las variaciones que se producen al medir repetidamente un mismo objeto (largo
de una mesa, posición de un planeta), o sea lo que se llamaría “distribución de los errores de
medición”, Gauss describió una ecuación cuyo gráfico es la famosa “curva normal” o “curva
de Gauss”, (1) que es de forma acampanada y simétrica, cuya altura y ancho dependen del
valor de la varianza de la población; cuanto mayor sea la varianza (mayor es la dispersión) y
más baja y ancha es la curva. La curva de Gauss estándar tiene una media del universo (µ) =
0, y una varianza (σ2) = 1

A esa “distribución de los errores de medición” Gauss la llamó “distribución normal”, en el


sentido de “norma”, porque al decir “distribución normal de los errores de medición”, quería
decir que ésa era la “norma de distribución de los errores de medición” de un solo y mismo
objeto. Entonces, al hablar del límite fiduciario (del latín fides = confianza) intervalo de
confianza del 95%, se quiere decir que entre esos límites tendríamos el 95% de los errores
posibles de medición. A Gauss nunca se le ocurrió pensar que su ecuación y gráfico se
utilizaría para hablar de “distribución normal” de un grupo o serie de valores individuales
distintos.

Características de la distribución normal

Existe una función matemática con forma de campana que tiene la siguiente definición:

Si se grafica esta función, se obtiene como resultado la curva normal:

Cargando [MathJax]/localization/es/MathMenu.js
Buscar entradas o autor No leído    Suscribirse

Además, tiene las siguientes características:

Toma en cuenta la media(µ) y la desviación estándar(σ).


El área bajo la curva es igual a 1.
Es simétrica respecto al centro, o a la media.
50% de los valores son mayores que la media, y 50% de los valores son menores que la
media.
La media es igual a la mediana y a la moda.
Tiene una asíntota en y = 0 (eje x).

Algunos otros ejemplos de variables con distribución normal:

Notas en un examen.
Errores de medida.
Presión sanguínea.
Tamaño de las piezas producidas por una máquina.

Para encontrar las probabilidades o cantidad de datos entre determinados valores de la


variable, se calcula el área bajo la curva normal, que se encuentra en la tabla z o tabla de
áreas bajo la curva normal estandarizada.

Referencias:

https://matemovil.com/distribucion-normal-ejercicios-resueltos/
(https://matemovil.com/distribucion-normal-ejercicios-resueltos/)

http://halweb.uc3m.es/esp/Personal/personas/jmmarin/esp/EstCCPP/Dist%20Normal%2
0y%20Quetelet.pdf
(http://halweb.uc3m.es/esp/Personal/personas/jmmarin/esp/EstCCPP/Dist%20Normal%20y%20Qu
etelet.pdf)
Cargando [MathJax]/localization/es/MathMenu.js
Editado por ERICH AMERICO BARINEZA MENDOZA (https://canvas.utp.edu.pe/courses/133597/users/142905)
No leído el 15 de oct en
Buscar entradas o autor    Suscribirse
17:34

(http ARTURO ALDO SOTO ARROYO (https://canvas.utp.edu.pe/courses/133597/users/132336) 


15 de oct de 2020

Buen aporte compañero, el vídeo que compartes me ayudo bastante

gracias.

(https:// CYNTHIA ELVIA CACERES SANCHEZ (https://canvas.utp.edu.pe/courses/133597/users/156632)


15 de oct de 2020

Explique las aplicaciones prácticas de la distribución de probabilidad Normal de Gauss

La Distribución Normal de Gauss tiene la forma de una campana, por este motivo también es
conocida como la campana de Gauss. Sus características son las siguientes:

• Es una distribución simétrica.


• Es asintótica, es decir sus extremos nunca tocan el eje horizontal, cuyos valores tienden a
infinito.
• En el centro de la curva se encuentran la media, la mediana y la moda.
• El área total bajo la curva representa el 100% de los casos.
• Los elementos centrales del modelo son la media y la varianza.

Esta distribución es un modelo matemático que permite determinar probabilidades de


ocurrencia para distintos valores de la variable. Así, para determinar la probabilidad de
encontrar un valor de la variable que sea igual o inferior a un cierto valor xi, conociendo el
promedio y la varianza de un conjunto de datos, se debe reemplazar estos valores (media,
varianza y xi) en la fórmula matemática del modelo. El cálculo resulta bastante complejo pero,
afortunadamente, existen tablas estandarizadas que permiten eludir este procedimiento.

La distribución normal nos permite crear modelos de muchísimas variables y fenómenos,


como por ejemplo, la estatura de los habitantes de un país, la temperatura ambiental de una
ciudad, los errores de medición y muchos otros fenómenos naturales, sociales y hasta
psicológicos.

Ejemplo:

Cargando [MathJax]/localization/es/MathMenu.js
¿Qué pasaría si se realiza una encuesta en una ciudad a personas adultas consultando su
estatura?
Buscar entradasAo partir No leído
autor de los resultados obtenidos,
se puede
 elaborar un histograma Suscribirse
 que tendría la
siguiente forma:

Como vemos, el histograma tiene forma de campana, una característica importante de la


distribución normal.

Bibliografía :

http://www.x.edu.uy/inet/Distribucion_Normal_ejemplos.pdf
(http://www.x.edu.uy/inet/Distribucion_Normal_ejemplos.pdf)

https://matemovil.com/distribucion-normal-ejercicios-resueltos/
(https://matemovil.com/distribucion-normal-ejercicios-resueltos/)

Editado por CYNTHIA ELVIA CACERES SANCHEZ (https://canvas.utp.edu.pe/courses/133597/users/156632) el 15 de oct en


17:45

(https:// RUDD CESSY HUANUQUEÑO VASQUEZ (https://canvas.utp.edu.pe/courses/133597/users/86477)


15 de oct de 2020

Distribución de probabilidad Normal de Gauss

Gauss describió una ecuación cuyo gráfico es la famosa “curva normal” o “curva de Gauss”,
(1) que es de forma acampanada y simétrica, cuya altura y ancho dependen del
valor de la varianza de la población; cuanto mayor sea
la varianza (mayor es la dispersión) y más baja y ancha es la curva. La curva de Gauss
Cargando [MathJax]/localization/es/MathMenu.js
estándar tiene :
media
Buscar entradas o autor (µ) = 0, yNo
del universo leído
una varianza (σ2)
 = 1.  Suscribirse

A esa “distribución de los errores de medición ”Gauss la llamó “distribución normal”, en el


sentido dé “norma”, porque al decir “distribución normal de
los errores de medición”, quería decir que ésa era la “norma de distribución de los errores de
medición "de un solo y mismo objeto.

Sus características son las siguientes:

• Es una distribución simétrica.


• Es asintótica, es decir sus extremos nunca tocan el eje horizontal, cuyos valores tienden a
infinito.
• En el centro de la curva se encuentran la media, la mediana y la moda.
• El área total bajo la curva representa el 100% de los casos.
• Los elementos centrales del modelo son la media y la varianza.

Reduciendo la amplitud de los intervalos, el polígono de frecuencias tomaría una apariencia


más suavizada, dando de modo intuitivo una curva que representa la distribución de
probabilidad de la característica observada.

Las distribuciones de probabilidad de variables continuas se definen mediante una función y =


f(x) llamada función de probabilidad o función de densidad.

Una variable aleatoria continua sigue una distribución normal si su función de densidad es:

Cargando [MathJax]/localization/es/MathMenu.js
Buscar entradas o autor No leído    Suscribirse

Estos parámetros (µ y σ) son los que determinan esta distribución que designaremos por N (
µ , σ).

Esta función determina una curva en forma de campana, y se conoce con el nombre de
Campana de Gauss.
fuentes :

http://halweb.uc3m.es/esp/Personal/personas/jmmarin/esp/EstCCPP/Dist%20Normal%2
0y%20Quetelet.pdf
(http://halweb.uc3m.es/esp/Personal/personas/jmmarin/esp/EstCCPP/Dist%20Normal%20y%20Qu
etelet.pdf)

https://ikastaroak.birt.eus/edu/argitalpen/backupa/20200331/1920k/es/PPFM/VP/VP07/es
_PPFM_VP07_Contenidos/website_22_campana_de_gauss.html
(https://ikastaroak.birt.eus/edu/argitalpen/backupa/20200331/1920k/es/PPFM/VP/VP07/es_PPFM_V
P07_Contenidos/website_22_campana_de_gauss.html)

(https:// ALCIDES SAUL NIMBOMA CARRASCO (https://canvas.utp.edu.pe/courses/133597/users/110259)


15 de oct de 2020

La distribución normal casi se ajusta a las distribuciones de frecuencias reales observadas en


muchos fenómenos, incluyendo características humanas (pesos, alturas), resultados de
procesos físicos (dimensiones y rendimientos), etc.

La función de probabilidad normal, también denominada la función de Gaus, función de Gaus


- Laplace o función de probabilidad de errores, es una función de probabilidad para variables
Cargando [MathJax]/localization/es/MathMenu.js
aleatorias variadas continuas de gran aplicación en ingeniería, en física y en las ciencias
sociales. De hecho, es la función de probabilidad con más aplicaciones en el campo de la
economía
Buscar entradas y de la empresa. No leído
o autor    Suscribirse

Al ser la distribución normal una aproximación excelente a algunos fenómenos aleatorios


continuos, como la estructura, el peso, el tiempo de servicio al cliente; y a fenómenos
aleatorios discretos, a los cuales se les puede dar un tratamiento continuo, como la
antigüedad de la vivienda, los impuestos anuales, la producción, etc, dicha distribución tiene
mucha aplicación en ámbitos tan variados como el control de calidad, el marketing y la gestión
de la producción, entre otros. En general se puede decir que la distribución normal es de vital
importancia en estadística por tres razones esenciales.

* Existen muchos fenómenos continuos que parecen seguirla o se pueden aproximar


mediante ella.

* Se puede utilizar para aproximar distribuciones discretas de probabilidad y de esta forma


evitar cálculos engorrosos.

* Por su relación con el teorema central del límite es la base de la inferencia estadística
clásica.

(https://

Cargando [MathJax]/localization/es/MathMenu.js
ANTHONY LEONARD STALIN CHIROQUE CIELO (https://canvas.utp.edu.pe/courses/133597/users/113761)
15 de oct de 2020

Buscar entradas o autor No leído    Suscribirse


La distribución de una variable normal está completamente determinada por dos parámetros,
su media y su desviación estándar, denotadas generalmente por y . Con esta notación,
la densidad de la normal viene dada por la ecuación.

Los gráficos de probabilidad normal constituyen otra importante herramienta gráfica para
comprobar si un conjunto de datos puede considerarse o no procedente de una distribución
normal. La idea básica consiste en enfrentar, en un mismo gráfico, los datos que han sido
observados frente a los datos teóricos que se obtendrían de una distribución gaussiana. Si la
distribución de la variable coincide con la normal, los puntos se concentrarán en torno a una
línea recta, aunque conviene tener en cuenta que siempre tenderá a observarse mayor
variabilidad en los extremos .

Características de la distribución normal

Existe una función matemática con forma de campana que tiene la siguiente definición:

Si se grafica esta función, se obtiene como resultado la curva normal:

Además, tiene las siguientes características:

Toma en cuenta la media(µ) y la desviación estándar(σ).


El área bajo la curva es igual a 1.
Cargando [MathJax]/localization/es/MathMenu.js
Es simétrica respecto al centro, o a la media.
50% de los valores son mayores que la media, y 50% de los valores son menores que la
media. o autor
Buscar entradas No leído    Suscribirse
La media es igual a la mediana y a la moda.
Tiene una asíntota en y = 0 (eje x).
Editado por ANTHONY LEONARD STALIN CHIROQUE CIELO (https://canvas.utp.edu.pe/courses/133597/users/113761) el 15
de oct en 20:19

(http IVONNE YENIFER HERRERA ARTETA (https://canvas.utp.edu.pe/courses/133597/users/144786)


15 de oct de 2020

Buen aporte compañero. Asimismo, en una distribución normal, se puede determinar con
exactitud qué porcentaje de los valores estará dentro de cualquier rango específico.

Por ejemplo: Alrededor del 95% de las observaciones está dentro de 2 desviaciones
estándar de la media. El 95% de los valores se ubicará dentro de 1.96 desviaciones
estándar con respecto a la media (entre −1.96 y +1.96).

Aproximadamente el 68% de las observaciones está dentro de una 1 desviación estándar


de la media (-1 a +1), y alrededor del 99.7% de las observaciones estarían dentro de 3
desviaciones estándar con respecto a la media (-3 a +3).

(https:// RENZO LUIS ZENTENO CASTAÑEDA (https://canvas.utp.edu.pe/courses/133597/users/153403)


15 de oct de 2020

Explique las aplicaciones prácticas de la distribución de probabilidad Normal de


Gauss.

La distribución normal se refiere a una distribución de probabilidad de variable continua que


describe los datos que se agrupan en relación a un valor central. Cada proceso en el que solo
existan causas aleatorias de variación sigue una ley de distribución normal. Esta condición
que aparece con frecuencia en fenómenos naturales (de ahí que se la denomine “normal”),
puede obtenerse en los procesos industriales si los procesos se llevan a un esta do en el que
solo existen causas comunes de variación.

Por la representación gráfica se determina como la "Campana de Gauss" ya que corresponde


a una curva de distribución normal.

Esta distribución se caracteriza por:


Cargando [MathJax]/localization/es/MathMenu.js
Los valores de las mediciones tienden a agruparse alrededor de un punto central, la media
Buscar entradas o autor No leído    Suscribirse
La representación de los datos es simétrica a ambos lados de la media

Las desviaciones estándares quedan situadas a igual distancia unas de otras

La proporción de mediciones situada entre la media y las desviaciones es una constante en la


que:

La media ± 1 * desviación estándar = cubre el 68,3% de los casos


La media ± 2 * desviación estándar = cubre el 95,5% de los casos
La media ± 3 * desviación estándar = cubre el 99,7% de los casos

Podemos analizar el comportamiento de los procesos gráficos y determinar su efectividad


tomando como base su grado de aproximación a la curva de distribución normal a partir de los
datos generados. Además, si se aplica en conjunto con la creación de histogramas permitirían
la comparación con curva de distribución normal.

Posibles Aplicaciones

Entorno Industrial .- La curva de distribución normal del proceso coincide o está dentro de
los límites establecidos por la industria(bien en las normas de calidad desarrolladas o bien en
las recomendaciones establecidas por las asociaciones). En este caso el proceso opera con
eficacia y se pueden realizar trabajos de alta exigencia con respecto a la variable controlada.
Si supera esta curva puede exigir un mayor esfuerzo, puesto que serian los limites
establecidos por la industria.

(http MAX ALEXANDER RICALDE MARCOS (https://canvas.utp.edu.pe/courses/133597/users/95581)


15 de oct de 2020

Seria bueno poner un ejemplo.existos.

(http MARIA CLAUDIA SUAREZ CALLE (https://canvas.utp.edu.pe/courses/133597/users/154055) 


15 de oct de 2020

Me parece muy interesante la aplicación en el entorno industrial, asi se pueden realizar


los proyectos de mejora y verificar su eficacia.

Cargando [MathJax]/localization/es/MathMenu.js
(https:// KATTY MARILU MOLINA LUNA (https://canvas.utp.edu.pe/courses/133597/users/235925) 
Buscar entradas o15 de oct de 2020
autor No leído    Suscribirse

Explique las aplicaciones prácticas de la distribución de probabilidad Normal de Gauss

Se debe conocer el concepto que aplica la distribución normal, el cual es una función de
probabilidad para variables aleatorias continuas de gran aplicación en ingeniería, en física y
en las ciencias sociales.

La función de probabilidad normal, también denominada función de Gauss, función de Gauss-


Laplace o función de probabilidad de los errores, es una distribución que tiene mucha
aplicación en ámbitos tan variados como el control de calidad, el marketing, y la gestión de la
producción, el campo de la Economía y de la Empresa, entre otros.

Entre las aplicaciones más practicas esta:

Una aproximación excelente a algunos fenómenos aleatorios continuos, como la estatura, el


peso, el tiempo de servicio al cliente; y a fenómenos aleatorios discretos, a los cuales se les
puede dar un tratamiento continuo, como la antigüedad de la vivienda, los impuestos anuales,
la producción, etc.

Fuente:

http://halweb.uc3m.es/esp/Personal/personas/jmmarin/esp/EstCCPP/Dist%20Normal
%20y%20Quetelet.pdf
(http://halweb.uc3m.es/esp/Personal/personas/jmmarin/esp/EstCCPP/Dist%20Normal%20y%2
0Quetelet.pdf)
http://www.extoikos.es/n6/pdf/16.pdf (http://www.extoikos.es/n6/pdf/16.pdf)

(http IVONNE YENIFER HERRERA ARTETA (https://canvas.utp.edu.pe/courses/133597/users/144786)


15 de oct de 2020

Dando un breve aporte a tu comentario compañera. También, a la distribución normal le


corresponde un media cero y una desviación típica o estándar de 1. La desviación típica o
estándar indica la separación que existe entre un valor cualquiera de la muestra y la
media.

Cargando [MathJax]/localization/es/MathMenu.js
(https:// IVONNE YENIFER HERRERA ARTETA (https://canvas.utp.edu.pe/courses/133597/users/144786)
15 de oct de 2020

Buscar entradas o autor No leído    Suscribirse


Explique las aplicaciones prácticas de la distribución de probabilidad Normal de Gauss.

La distribución normal, distribución de Gauss o distribución gaussiana, es la distribución de


probabilidad individual más importante. La distribución normal nos permite crear modelos de
muchísimas variables y fenómenos, como por ejemplo, la estatura de los habitantes de un
país, la temperatura ambiental de una ciudad, los errores de medición y muchos otros
fenómenos naturales, sociales y hasta psicológicos.

Además, tiene las siguientes características:

Toma en cuenta la media(µ) y la desviación estándar(σ).


El área bajo la curva es igual a 1.
Es simétrica respecto al centro, o a la media.
50% de los valores son mayores que la media, y 50% de los valores son menores que la
media.
La media es igual a la mediana y a la moda.
Tiene una asíntota en y = 0 (eje x).

Algunos otros ejemplos de variables con distribución normal:

Notas en un examen.
CargandoErrores
[MathJax]/localization/es/MathMenu.js
de medida.
Presión sanguínea.
Tamañoo de
Buscar entradas autor No leído por unamáquina.
las piezas producidas   Suscribirse

Para encontrar las probabilidades o cantidad de datos entre determinados valores de la


variable, se calcula el área bajo la curva normal, que se encuentra en la tabla z o tabla de
áreas bajo la curva normal estandarizada.

Ejemplos:

Cargando [MathJax]/localization/es/MathMenu.js
Buscar entradas o autor No leído    Suscribirse

Recuperado de https://matemovil.com/distribucion-normal-ejercicios-resueltos/
(https://matemovil.com/distribucion-normal-ejercicios-resueltos/)

http://www.x.edu.uy/inet/Distribucion_Normal_ejemplos.pdf
Cargando [MathJax]/localization/es/MathMenu.js
(http://www.x.edu.uy/inet/Distribucion_Normal_ejemplos.pdf)
Buscar entradas o autor No leído    Suscribirse

(http NOEMI CELIA AGUILAR MARCELO (https://canvas.utp.edu.pe/courses/133597/users/151443)


15 de oct de 2020

Buen aporte compañera.

(http LAUREANO PEREZ, FRANYONATAN (https://canvas.utp.edu.pe/courses/133597/users/184414)


15 de oct de 2020

me quedo mas que claro con ese aporte

(https:// JHOSEPH WILLIAM BARAHONA QUISPE (https://canvas.utp.edu.pe/courses/133597/users/53276)


15 de oct de 2020

Explique las aplicaciones prácticas de la distribución de probabilidad Normal de Gauss.

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 en
su.

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.

Importancia
Cargando de la distribución normal
[MathJax]/localization/es/MathMenu.js
Buscar entradas o autor No leído    Suscribirse
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.

¿Cuándo una distribución es normal?

La distribución gaussiana o distribución normal es la distribución continua que utilizamos


generalmente en el área de a estadística. … La misma tiene el objetivo de cercarse a diversas
distribuciones de probabilidades discretas, como como es el caso de la distribución de
Poisson y la distribución binomial.

Conceptos fundamentales en la distribución normal

Para entender y trabajar adecuadamente con distribución normal en estadística es necesario


conocer y tener claros ciertos conceptos sobre los cuales se basa este modelo.

Variable Aleatoria Continua

Es aquella que alcanza a adjudicarse un número infinito de valores dentro de determinado


rango. Por ejemplo, el peso de una persona según la precisión de la báscula puede ser 80.5,
80.52, etc.

Distribución de probabilidad normal

Cargando [MathJax]/localization/es/MathMenu.js
Muchas variables aleatorias siguen una distribución normal o cerca de la misma. Pues su
característica
Buscar más resaltanteNo
entradas o autor es leído
que la gran mayoría
 de distribución de probabilidad bien sea
 Suscribirse
discreta o continua, pude ser aproximada con una probabilidad normal bajo ciertas
condiciones.

Las características tanto de la distribución de probabilidad normal y la curva que la representa


son:

La curva tiene forma de campana con un pico en el centro de la distribución. Por lo que la
media aritmética, la moda y la mediana son iguales y se localizan en el pico.
Es simétrica alrededor de su media. La mitad del área bajo la curva se encuentra a la
derecha de dicho punto central y la otra mitad está a la izquierda.
La curva desciende mansamente en ambas direcciones a partir del valor central.
Es asintótica, es decir, que la curva se acerca bastante al eje X pero no llega a tocarlo.

Función de densidad de probabilidad

Emplea cálculos laboriosos, puede demostrarse aplicando la fórmula es

Dicha función de densidad:

Puede usar cualquier valor (- ∞,+ ∞ )


Son más probables los valores cercanos al punto central (media).
Conforme se aleja del valor µ, la probabilidad decrece de la misma forma a la derecha e
izquierda (simétrica).
Conforme se aleje del valor µ, la probabilidad decrece de forma más o menos rápida
dependiendo de la desviación típica (parámetro s).

Distribución de porcentajes en la distribución normal

Uso de la distribución en la deducción estadística

Cargando [MathJax]/localization/es/MathMenu.js
Los conceptos de probabilidad y distribuciones de muestras se utilizan como introducción al
método
Buscar deoInferencia
entradas autor Estadística, la cual se compone
No leído   de:  Suscribirse

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.

Fuente:

https://www.webyempresas.com/distribucion-normal-en-estadisticas/
(ACV-S08)Foro de Debate Calificado 06.docx (https://canvas.utp.edu.pe/files/29862741/download?
download_frd=1&verifier=5JgFqurxTRCGTSSbnwxj6RHTR2B5qrSg8wOiQRsc)

(http MAX ALEXANDER RICALDE MARCOS (https://canvas.utp.edu.pe/courses/133597/users/95581)


15 de oct de 2020

Muy buena acotación compañero...!!

(https:// KARINA FILOMENA HERRERA SALAZAR (https://canvas.utp.edu.pe/courses/133597/users/110339)


15 de oct de 2020

Distribución normal

Es conocida también como distribución de gauss en donde existe una


distribución de probabilidad para variables continuas que aparece con mas
frecuencia en los fenómenos naturales.

Generalmente se representa a través de un histograma en donde se forma una


campana la cual es denominada campana de gauss y es acá se establecen la
media con un valor =o y la desviación estándar con un valor de 1, para obtener
un rango de confianza del 99 % debemos establecer un límite desde -2,575 al
2,575 de la muestra.
Cargando [MathJax]/localization/es/MathMenu.js
Buscar entradas o autor No leído    Suscribirse

Se presenta un ejemplo en el cual podemos relacionarlo con la situación actual.

En la ciudad de lima se encuentra habitada por 100.000 habitantes ,la media del
tiempo que se demoran en viajar de un distrito para viajar es de 1 hora ,el
alcalde propone realizar una reforma de transporte en la cual disminuye el
tiempo de traslado de un lugar a otro , es ahí como una herramienta confiable la
aplicación de la distribución de gauss que nos brindara la información exacta de
la probabilidad normal y su desviación estándar de dicha demora con lo
obtenido se puede realizar un estudio de viabilidad de dicha reforma.

(http LAUREANO PEREZ, FRANYONATAN (https://canvas.utp.edu.pe/courses/133597/users/184414)


15 de oct de 2020

muy buen aporte bien detallado, con las imagenes adjuntad

(https:// NOEMI CELIA AGUILAR MARCELO (https://canvas.utp.edu.pe/courses/133597/users/151443) 


15 de oct de 2020

Explique las aplicaciones prácticas de la distribución de probabilidad Normal de Gauss.

Distribución normal , es conocer como se distribuye los datos que uno compila de una
variable y de ello asemos una representación gráfica de representación de datos de una
variable también llamada “campana de gauss”
La distribución normal es simétrica, la media, moda y mediana coinciden, y es descrita
completamente por sus dos parámetros mu (µ) y sigma (σ).

En este caso, podemos transformar o estandarizar todas las observaciones de cualquier


variable
Cargando aleatoria normal X en un nuevo
[MathJax]/localization/es/MathMenu.js conjunto de observaciones de una variable aleatoria
normal Z con media 0 y varianza1. Para ello utiliza la siguiente fórmula de transformación:
No leído  Suscribirse
X−μ
Buscar
Z entradas
=
σ
o autor  

Por ejemplo, si tenemos una variable aleatoria continua X con una distribución normal no
estandarizada, con media igual a 10 y desviación estándar igual a 1, y el problema pide
calcular la probabilidad de que la variable X tome un valor entre 10 y 11,50, hay que
estandarizar los valores de la variable X aplicando la fórmula de z:
X−μ
Z =
σ

11,50−10 1,50
Z = = = 1, 50
1 1

(https:// FANNY MARGOT PERICHE CHERRE (https://canvas.utp.edu.pe/courses/133597/users/60673) 


15 de oct de 2020

La función de densidad de una distribución normal ene varios rasgos importantes: Es una distribución
que ene forma de campana, es simétrica y puede tomar valores entre menos infinito y más infinito. Es
decir, los valores centrales de la variable se presentan con más frecuencia que los valores extremos. Así
por ejemplo, en el caso de los errores de medida, los errores por defecto o por exceso pequeños en
valor absoluto se presentan frecuentemente, mientras que los errores grandes, tanto los posi vos
como los nega vos, se observan menos veces. En segundo lugar, decimos que es simétrica. En efecto,
es simétrica respecto a un valor central alrededor del cual toma valores con gran probabilidad mientras
que apenas aparecen los valores extremos. De manera que sus medidas de posición central (media,
mediana y moda) coinciden. Por úl mo, presenta como asíntota el eje de abscisas al que se va
aproximando sin llegar a cortarse.

Aplicaciones Suponga que en una determinada empresa se analiza el empo que lleva a los
trabajadores la instalación de una determinada pieza del producto que fabrica, concluyendo que se
distribuye como una normal con una media de 30 minutos y una desviación estándar de 5 minutos.
Con estos datos se podrían contestar preguntas como:

¿Cuántos minutos enen que pasar antes de que el 10 por ciento de los trabajadores monten la pieza?
Cargando [MathJax]/localization/es/MathMenu.js
Lo que debemos obtener aquí es el valor de la variable Z que deja en la cola izquierda de la distribución
el 10 por ciento. En las tablas obtendríamos un valor z0 =-1,28. Este será el valor pificado, de manera
que
Buscar el valorode
entradas X será:
autor No leído    Suscribirse

x0 =μ+z 0 =  σ=30-1,28x5=23,6  minutos.

http://www.extoikos.es/n6/pdf/16.pdf (http://www.extoikos.es/n6/pdf/16.pdf)

https://www.curriculumnacional.cl/614/articles-91401_recurso3_pdf.pdf
(https://www.curriculumnacional.cl/614/articles-91401_recurso3_pdf.pdf)

(https:// MAX ALEXANDER RICALDE MARCOS (https://canvas.utp.edu.pe/courses/133597/users/95581)


15 de oct de 2020

DISTRIBUCION NORMAL:

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 U y O. Con esta notación, la densidad de la normal viene dada
por la ecuación:

que determina la curva en forma de campana que tan bien conocemos. Así, se dice que una
característica X sigue una distribución normal de media "u" y varianza "O 2", y se denota
como
, si su función de densidad viene dada por la Ecuación 1.
Al igual que ocurría con un histograma, en el que el área de cada rectángulo es proporcional
al número de datos en el rango de valores correspondiente si, tal y como se muestra en la
Figura 2, en el eje horizontal se levantan perpendiculares en dos puntos a y b, el área bajo la
curva delimitada por esas líneas indica la probabilidad de que la variable de interés, X, tome
un valor cualquiera en ese intervalo. Puesto que la curva alcanza su mayor altura en torno a
la media, mientras que sus "ramas" se extienden asintóticamente hacia los ejes, cuando una
variable siga una distribución normal, será mucho más probable observar un dato cercano al
Cargando [MathJax]/localization/es/MathMenu.js
valor medio que uno que se encuentre muy alejado de éste.
PROPIEDADES:
Buscar entradas o autor No leído    Suscribirse

Esta propiedad resulta especialmente interesante en la práctica, ya que para una distribución
N(0,1)
existen tablas publicadas a partir de las que se puede obtener de modo sencillo la
probabilidad de observar un dato menor o igual a un cierto valor z, y que permitirán resolver
preguntas de probabilidad acerca del comportamiento de variables de las que se sabe o se
asume que siguen una distribución aproximadamente normal.
Consideremos, por ejemplo, el siguiente problema: supongamos que se sabe que el peso de
los sujetos de una determinada población sigue una distribución aproximadamente normal,
con una media de 80 Kg y una desviación estándar de 10 Kg. ¿Podremos saber cuál es la
probabilidad de que una persona, elegida al azar, tenga un peso superior a 100 Kg?
Cargando [MathJax]/localization/es/MathMenu.js
Denotando por X a la variable que representa el peso de los individuos en esa población, ésta
sigue
Buscar una distribución
entradas o autor N(80,10)
No .leído
Si su distribución
 fuese
 la de una normal estándar podríamos
 Suscribirse
utilizar la para calcular la probabilidad que nos interesa. Como éste no es el caso, resultará
entonces útil
transformar esta característica según la Ecuación 2, y obtener la variable:

Finalmente, la probabilidad buscada de que una persona elegida al azar tenga un peso entre
60 y 100 Kg., es de 0.9772-0.0228=0.9544, es decir, aproximadamente de un 95%. Resulta
interesante comprobar que se obtendría la misma conclusión recurriendo a la propiedad (III)
de la distribución normal.

https://d1wqtxts1xzle7.cloudfront.net/56695193/_0_CurvaNormal_Pita_1_1.pdf?
1527721026=&response-content-
Cargando [MathJax]/localization/es/MathMenu.js
disposition=inline%3B+filename%3DInvestigacion_La_distribucion_normal_La.pdf&Ex
pires=1602817824&Signature=Oi8LaWwtWD~-
L5B8JMsoveit8PtjmXa5tm5BzDk9u9sqNS4ZZKkKxqMfkGCZrNcX03Vsir5gQ9VrQtQCMZ
Buscar entradas o autor No leído    Suscribirse
BSwj4BH2aHmNcG8ZEoXDM4BwaNXiVp16P~rdcrdZ6ymIQ4PMD0cgyqfXA12UVPvnmRz
05STRDh54WYZAqmU-VBcLvseTuD9p2N~s-CLusdVh9-o-
qvY1uA6UCkWXSTvZ3fQunpWN-
8pNTh79mdltJxYejfbKc9Jpqw~uqndc0NyZEa8OprGKfYbXEPuFmJbbS-
jdLYzV6HLMlJOD8tEnAM6Dsr1NAEtt5mJi~jnXB1T64p~dBuqZspM30hfh1ZA3eSyw__&K
ey-Pair-Id=APKAJLOHF5GGSLRBV4ZA
(https://d1wqtxts1xzle7.cloudfront.net/56695193/_0_CurvaNormal_Pita_1_1.pdf?
1527721026=&response-content-
disposition=inline%3B+filename%3DInvestigacion_La_distribucion_normal_La.pdf&Expires=1602
817824&Signature=Oi8LaWwtWD~-
L5B8JMsoveit8PtjmXa5tm5BzDk9u9sqNS4ZZKkKxqMfkGCZrNcX03Vsir5gQ9VrQtQCMZBSwj4BH2
aHmNcG8ZEoXDM4BwaNXiVp16P~rdcrdZ6ymIQ4PMD0cgyqfXA12UVPvnmRz05STRDh54WYZAq
mU-VBcLvseTuD9p2N~s-CLusdVh9-o-qvY1uA6UCkWXSTvZ3fQunpWN-
8pNTh79mdltJxYejfbKc9Jpqw~uqndc0NyZEa8OprGKfYbXEPuFmJbbS-
jdLYzV6HLMlJOD8tEnAM6Dsr1NAEtt5mJi~jnXB1T64p~dBuqZspM30hfh1ZA3eSyw__&Key-Pair-
Id=APKAJLOHF5GGSLRBV4ZA)

(https:// JOSE ARNALDO VARGAS ASCAMA (https://canvas.utp.edu.pe/courses/133597/users/36941) 


15 de oct de 2020

Profesor

La distribución normal es una distribución de probabilidad de variable continua que describe


los datos que se agrupan en torno a un valor central. Todo proceso en el que solo existan
causas aleatorias de variación sigue una ley de distribución normal. Esta condición que
aparece con frecuencia en fenómenos naturales (de ahí que se la denomine “normal”), puede
obtenerse en los procesos industriales si los procesos se llevan a un estado en el que solo
existen causas comunes de variación. La representación gráfica es la curva de distribución
normal también denominada campana de Gauss en honor del renombrado científico alemán
Carl Friedrich Gauss a quien se le atribuye erróneamente su invención pero que sin duda la
usó frecuentemente para analizar fenómenos astronómicos con éxito.

Una distribución normal se caracteriza por:


Cargando [MathJax]/localization/es/MathMenu.js
1. Los valores de las mediciones tienden a agruparse alrededor de un punto central, la media
2. La representación de los datos es simétrica a ambos lados de la media
Buscar3.entradas
Las desviaciones
o autor estándares quedan situadas
No leído  a
igual distancia unas de otras
 Suscribirse
4. La proporción de mediciones situada entre la media y las desviaciones es una constante.

Saludos

José Vargas

(https:// FIORELLA LOPEZ AYBAR (https://canvas.utp.edu.pe/courses/133597/users/37275) 


15 de oct de 2020

Buen dìa profesor

Paso a responder la pregunta del foro de esta semana

Explique las aplicaciones prácticas de la distribución de probabilidad Normal de


Gauss.

La distribución normal es un modelo teórico capaz de aproximar satisfactoriamente el valor de


una variable aleatoria (https://economipedia.com/definiciones/variable-aleatoria.html) a una
situación ideal.

En otras palabras, la distribución normal adapta una variable aleatoria a una función que
depende de la media (https://economipedia.com/definiciones/media.html) y la desviación
típica. (https://economipedia.com/definiciones/desviacion-tipica.html) Es decir, la función
(https://economipedia.com/definiciones/funcion-matematica.html) y la variable aleatoria tendrán
la misma representación pero con ligeras diferencias.

Una variable aleatoria continua puede tomar cualquier número real. Por ejemplo, las
rentabilidades de las acciones, los resultados de un examen, el coeficiente de inteligencia IQ
y los errores estándar son variables aleatorias continuas.

La importancia de la distribución normal se debe principalmente a que hay muchas variables


asociadas a fenómenos naturales que siguen el modelo de la normal

Caracteres morfológicos de individuos (personas, animales, plantas,...) de una especie,


p.ejm. tallas, pesos, envergaduras, diámetros, perímetros,...
Caracteres fisiológicos, por ejemplo: efecto de una misma dosis de un fármaco, o de una
misma cantidad de abono.
Caracteres sociológicos, por ejemplo: consumo de cierto producto por un mismo grupo de
individuos, puntuaciones de examen.
Caracteres psicológicos, por ejemplo: cociente intelectual, grado de adaptación a un
Cargandomedio,...
[MathJax]/localization/es/MathMenu.js
Errores cometidos al medir ciertas magnitudes.
Valoreso estadísticos
Buscar entradas autor muestrales,
No leídopor ejemplo
 : la
media.  Suscribirse
Otras distribuciones como la binomial o la de Poisson son aproximaciones normales, ...

Fórmula de la distribución normal

Representación
Función de densidad de probabilidad de una variable aleatoria que sigue una distribución
normal.

Función de densidad de una distribución normal.


Cargando [MathJax]/localization/es/MathMenu.js
Propiedades
Buscar entradas o autor No leído    Suscribirse
Es una distribución simétrica. El valor de la media, la mediana y la moda coinciden.
Matemáticamente,

Media = Mediana = Moda

Distribución unimodal. Los valores que son más frecuentes o que tienen más probabilidad
de aparecer están alrededor de la media. En otras palabras, cuando nos alejamos de la
media, la probabilidad de aparición de los valores y su frecuencia descienden.

Los valores de las mediciones tienden a agruparse alrededor de un punto central, la


media

La representación de los datos es simétrica a ambos lados de la media

Las desviaciones estándares quedan situadas a igual distancia unas de otras

La proporción de mediciones situada entre la media y las desviaciones es una constante


en la que:

La media ± 1 * desviación estándar = cubre el 68,3% de los casos


La media ± 2 * desviación estándar = cubre el 95,5% de los casos
La media ± 3 * desviación estándar = cubre el 99,7% de los casos

Podemos analizar el comportamiento de los procesos gráficos y determinar su efectividad


tomando como base su grado de aproximación a la curva de distribución normal a partir de
los datos generados y la creación de histogramas que permitan la comparación con curva

de distribución normal.

Mis fuentes fueron:

https://www.matematicasonline.es/BachilleratoCCSS/segundo/archivos/distribucion_no
rmal/DISTRIBUCION%20NORMAL.htm
(https://www.matematicasonline.es/BachilleratoCCSS/segundo/archivos/distribucion_normal/DIS
TRIBUCION%20NORMAL.htm)

http://www.ub.edu/stat/GrupsInnovacio/Statmedia/demo/Temas/Capitulo4/B0C4m1t4.ht
m (http://www.ub.edu/stat/GrupsInnovacio/Statmedia/demo/Temas/Capitulo4/B0C4m1t4.htm)
Editado por FIORELLA LOPEZ AYBAR (https://canvas.utp.edu.pe/courses/133597/users/37275) el 15 de oct en 22:30

(https:// LAUREANO PEREZ, FRANYONATAN (https://canvas.utp.edu.pe/courses/133597/users/184414) 


Cargando [MathJax]/localization/es/MathMenu.js
15 de oct de 2020
La ley de Guauss es siempre cierta, pero no siempre es útil. Nos proporciona el valor de la
integral
Buscar deoun
entradas campo, pero no
autor Noelleído
valor del propio
 campo.
 Existen muchas funciones diferentes
 Suscribirse
que tienen la misma integral definida. Por ello, en principio, no podemos extraer el campo de
la integral y “despejarlo”.

La excepción la dan las situaciones con simetrías. Se dice que una distribución es simétrica
cuando efectuando un cambio en la posición no se percibe ningún cambio en la distribución.
Así tenemos:

Simetría traslacional
es aquella en que el sistema es invariante ante un desplazamiento rectilíneo. Por ejemplo,
imaginemos una línea cargada rectilínea y de longitud infinita (que modelaría un cable, por
ejemplo). Si nos movemos paralelamente al cable no vemos ningún cambio. Se dice
entonces que hay simetría traslacional. Si en vez de un cable infinito tenemos un segmento
de longitud finita ya no es cierto, pues no es lo mismo estar junto a la mitad del cable que
junto a un extremo o más allá.

Simetría rotacional
es aquella en que el sistema es invariante ante una rotación. Siguiendo con el ejemplo del
cable, no apreciamos ningún cambio si rotamos en torno a él, manteniéndonos a la misma
distancia.

Simetría esférica
corresponde a que haya simetría rotacional respecto a cualquier dirección. Una esfera
cargada uniformemente se ve igual se mire desde donde se mire.

4.1 Simetría esférica


En los casos de simetría esférica, el procedimiento de cálculo del campo eléctrico es el
siguiente, desarrollado en un problema
(http://laplace.us.es/wiki/index.php/Campo_de_distribuciones_con_simetr%C3%ADa_esf%C3%A
9rica)

Si la distribución de carga posee simetría esférica o de revolución, de manera que se ve igual


desde todas las direcciones, el campo eléctrico que produce va en la dirección radial y
depende solo de la distancia al centro de la distribución

Este es el caso, por ejemplo, de una carga puntual. La cantidad E(r) no es el módulo del
campo, sino su componente radial, ya que tiene un signo que nos dice si va hacia afuera
(caso de una carga positiva) o hacia adentro (caso de una carga negativa).
Cargando [MathJax]/localization/es/MathMenu.js
Hay que remarcar que no todas las distribuciones de carga en una esfera poseen simetría
esférica.
Buscar entradasPor ejemplo, una esfera
o autor cargada positivamente
No leído   en su hemisferio “norte” y
 Suscribirse
negativamente en el “sur” no posee simetría esférica, ya que no todas las direcciones son
equivalentes. No se ve lo mismo desde el norte que desde el sur o desde el ecuador.

Suponiendo que sí existe simetría esférica, el flujo del campo eléctrico a través de una
superficie esférica puede hallarse explícitamente. Si tomamos una superficie esférica de
radio r concéntrica con la distribución, el diferencial de superficie, ortogonal a ésta, va en la
dirección radial

Por ello, el flujo se reduce a una integral de un escalar

Ahora bien, dado que la superficie de integración es una esfera, todos sus puntos se
encuentran a la misma distancia del centro y por tanto, el valor de la componente radial del
campo, E(r), tiene el mismo valor para todos ellos y puede extraerse de la integral

Hay que recordar que el campo no es el mismo para todos los puntos de la superficie
esférica, ya que su dirección y sentido cambian de un punto a otro. Lo que es constante es el
valor de su módulo.

Llevando esto a la ley de Gauss nos queda

Por tanto, para los sistemas con simetría esférica (y solo para ellos) el campo para cada
distancia del centro equivale al de una carga puntual cuyo valor es igual al de toda la carga
contenida en el volumen r' < r.

Como ejemplos de sistemas con simetría esférica tenemos:

Una carga puntual


(http://laplace.us.es/wiki/index.php/Campo_de_distribuciones_con_simetr%C3%ADa_esf%C3
%A9rica#Una_carga_puntual)
Una superficie esférica cargada uniformemente
(http://laplace.us.es/wiki/index.php/Campo_de_distribuciones_con_simetr%C3%ADa_esf%C3
%A9rica#Una_superficie_esf.C3.A9rica)
Dos superficies esféricas concéntricas
(http://laplace.us.es/wiki/index.php/Campo_de_distribuciones_con_simetr%C3%ADa_esf%C3
%A9rica#Dos_superficies_conc.C3.A9ntricas_con_cargas_opuestas)
Cargando [MathJax]/localization/es/MathMenu.js
Una esfera maciza cargada uniformemente
Buscar entradas o autor No leído    Suscribirse
(http://laplace.us.es/wiki/index.php/Campo_de_distribuciones_con_simetr%C3%ADa_esf%C3
%A9rica#Una_esfera_maciza_cargada_uniformemente)

Cuando tenemos un sistema que es una combinación de esferas descentradas


(http://laplace.us.es/wiki/index.php/Dos_esferas_huecas) , no podemos hacer uso de la ley de
Gauss para hallar el campo de la distribución completa de una vez, ya que no hay simetría. Lo
que sí se puede hacer es descomponer el sistema en partes, hallar el campo para cada
esfera por separado por ley de Gauss y posteriormente aplicar el principio de superposición.
Editado por LAUREANO PEREZ, FRANYONATAN (https://canvas.utp.edu.pe/courses/133597/users/184414) el 15 de oct en
22:39

(https:// MARIA CLAUDIA SUAREZ CALLE (https://canvas.utp.edu.pe/courses/133597/users/154055) 


15 de oct de 2020

En estadística y probabilidad se llama distribución normal, distribución de


Gauss, distribución gaussiana o distribución de Laplace-Gauss, a una de
las distribuciones de probabilidad
(https://es.wikipedia.org/wiki/Distribuci%C3%B3n_de_probabilidad) de variable continua
(https://es.wikipedia.org/wiki/Distribuci%C3%B3n_de_probabilidad#Distribuciones_de_variable_c
ontinua) que con más frecuencia aparece en estadística y en la teoría de probabilidades.

La gráfica (https://es.wikipedia.org/wiki/Gr%C3%A1fica) de su función de densidad


(https://es.wikipedia.org/wiki/Funci%C3%B3n_de_densidad) tiene una forma acampanada y es
simétrica respecto de un determinado parámetro estadístico
(https://es.wikipedia.org/wiki/Par%C3%A1metro_estad%C3%ADstico) . Esta curva se conoce
como campana de Gauss (https://es.wikipedia.org/wiki/Campana_de_Gauss) y es el gráfico
de una función gaussiana (https://es.wikipedia.org/wiki/Funci%C3%B3n_gaussiana) .

La importancia de esta distribución radica en que permite modelar


(https://es.wikipedia.org/wiki/Modelo_matem%C3%A1tico) numerosos fenómenos naturales,
sociales y psicológicos. Mientras que los mecanismos que subyacen a gran parte de este tipo
de fenómenos son desconocidos, por la enorme cantidad de variables incontrolables que en
ellos intervienen, el uso del modelo normal puede justificarse asumiendo que cada
observación se obtiene como la suma de unas pocas causas independientes.

Ejercicio: En Perú, la estatura media de los hombres mayores de 18 años es de 177.7 cm y


desviación típica de 5.9, mientras que en las mujeres la media es 164.7 y desviación típica
5.4. [MathJax]/localization/es/MathMenu.js
Cargando Calcular:
Probabilidad de que tu vecino tenga un hijo que sea igual o más alto que Pau Gasol (213cm)
Buscar entradas o autor No leído    Suscribirse
Probabilidad de que su hermana sea igual o más alta que Nicole Kidman (180cm).

Si una mujer está en el percentil 85 de estatura, ¿cuánto mide?

Un hombre mide 190 cm y una mujer 178. ¿Cuál de los dos ocuparía la mayor posición dentro
de su grupo, si clasificamos las alturas de menor a mayor?
Editado por MARIA CLAUDIA SUAREZ CALLE (https://canvas.utp.edu.pe/courses/133597/users/154055) el 15 de oct en 22:43

(https:// MARIA CLAUDIA SUAREZ CALLE (https://canvas.utp.edu.pe/courses/133597/users/154055) 


15 de oct de 2020

Buen aporte, compañero.

(https:// MARTIN ALONSO GARCIA CHUMPITAZ (https://canvas.utp.edu.pe/courses/133597/users/101591)


15 de oct de 2020

La función de densidad de una distribución normal tiene varios rasgos importantes: Es una
distribución que tiene forma de campana, es simétrica y puede tomar valores entre menos
infinito y más infinito. Es decir, los valores centrales de la variable se presentan con más
frecuencia que los valores extremos. Así por ejemplo, en el caso de los errores
de medida, los errores por defecto o por exceso pequeños en valor absoluto se presentan
frecuentemente, mientras que los errores grandes, tanto los positivos como los negativos, se
observan menos veces.

(https://

JOSE CARLOS ALFREDO QUISPE LINARES (https://canvas.utp.edu.pe/courses/133597/users/241720) 


15 de oct de 2020

Explique las aplicaciones prácticas de la distribución de probabilidad Normal de Gauss

Cuando se trabaja con una distribución normal es necesario conocer su media y su


Cargando [MathJax]/localization/es/MathMenu.js
desviación estándar. Entonces cualquier valor de la variable aleatoria x puede ser convertida
fácilmente en el valor x estándar utilizando la siguiente formula.
Buscar entradas o autor No leído    Suscribirse

x−μ
z =
σ

x = Valor de la variable aleatoria a estudiar.

μ = media de la distribución de la variable aleatoria.

σ = desviación estándar de la distribución.

z = número de desviaciones estándar que hay desde x hasta la medida de la


distribución.

Supongamos que una variable x aleatoria 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 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 grafico de frecuencias relativas de la forma siguiente.

La dificultad radica en que por lo general se desconocen los dos parámetros, m y s2 que
caracterizan a la densidad normal.

Referencia Bibliográfica: DÍAZ MATA, ALFREDO (2013) Estadística aplicada a la


administración y la economía, McGraw-Hill Interamericana

Capítulo 6 Pagina 179: 6.2.2 Distribución normal estándar

(https:// JEAN MARCO PARI CHURATA (https://canvas.utp.edu.pe/courses/133597/users/133048) 


15 de oct de 2020

La distribuci´on normal es quiz´as la distribuci´on de probabilidad


para variables aleatorias continuas mas estudiada en la teor´ıa
estad´ıstica debido a su gran aplicabilidad en fen´omenos de toda
naturaleza. Llamada tambi´en distribuci´on gaussiana en honor al
Cargando [MathJax]/localization/es/MathMenu.js
trabajo que el matem´atico alem´an del siglo XVIII Karl Gauss
realiz´o con ella, fue propuesta inicialmente por Abraham de Moivre
enentradas
Buscar 1738. o autor No leído    Suscribirse
Hoy en d´ıa, la distribuci´on normal, tiene aplicaci´on pr´acticamente
en todas las ´areas donde la estad´ıstica opera, y en una infinidad de
m´etodos que esta emplea. Existe un sin n´umero de variables
aleatorias que pueden ser explicadas como un modelo de
distribuci´on normal por lo que su estudio es casi obligatorio para
cualquier curso de estad´ıstica b´asica

La distribuci´on normal es quiz´as la distribuci´on de probabilidad


para variables aleatorias continuas mas estudiada en la teor´ıa
estad´ıstica debido a su gran aplicabilidad en fen´omenos de toda
naturaleza. Llamada tambi´en distribuci´on gaussiana en honor al
trabajo que el matem´atico alem´an del siglo XVIII Karl Gauss
realiz´o con ella, fue propuesta inicialmente por Abraham de Moivre
en 1738.
Hoy en d´ıa, la distribuci´on normal, tiene aplicaci´on pr´acticamente
en todas las ´areas donde la estad´ıstica opera, y en una infinidad de
m´etodos que esta emplea. Existe un sin n´umero de variables
aleatorias que pueden ser explicadas como un modelo de
distribuci´on normal por lo que su estudio es casi obligatorio para
cualquier curso de estad´ıstica b´asica

(https:// ARTURO ALDO SOTO ARROYO (https://canvas.utp.edu.pe/courses/133597/users/132336) 


15 de oct de 2020

Explique las aplicaciones prácticas de la distribución de probabilidad Normal de Gauss.

La distribución normal es una distribución de probabilidad de variable continua que describe


los datos que se agrupan en torno a un valor central. Todo proceso en el que solo existan
causas aleatorias de variación sigue una ley de distribución normal. Esta condición que
aparece con frecuencia en fenómenos naturales (de ahí que se la denomine “normal”), puede
obtenerse en los procesos industriales si los procesos se llevan a un esta do en el que solo
existen causas comunes de variación. La representación gráfica es la curva de distribución
normal también denominada campana de Gauss en honor del renombrado científico alemán
Carl Friedrich Gauss a quien se le atribuye erróneamente su invención pero que sin duda la

Cargando [MathJax]/localization/es/MathMenu.js
usó frecuentemente para analizar fenómenos astronómicos con éxito.
Buscar entradas o autor No leído    Suscribirse

Una distribución normal se caracteriza por:

1. Los valores de las mediciones tienden a agruparse alrededor de un punto central, la media
2. La representación de los datos es simétrica a ambos lados de la media
3. Las desviaciones estándares quedan situadas a igual distancia unas de otras
4. La proporción de mediciones situada entre la media y las desviaciones es una constante
en la que:

La media ± 1 * desviación estándar = cubre el 68,3% de los casos

La media ± 2 * desviación estándar = cubre el 95,5% de los casos

La media ± 3 * desviación estándar = cubre el 99,7% de los casos

Podemos analizar el comportamiento de los procesos gráficos y determinar su efectividad


tomando como base su grado de aproximación a la curva de distribución normal a partir de los
datos generados y la creación de histogramas que permitan la comparación con curva de
distribución normal.

Posibilidades:

La curva de distribución normal del proceso coincide o está dentro de los límites
establecidos por la industria (bien en las normas de calidad desarrolladas o bien en las
recomendaciones establecidas por las asociaciones). En este caso el proceso opera con
eficacia y se pueden realizar trabajos de alta exigencia con respecto a la variable controlada.

La curva de distribución supera los límites establecidos por la industria. En este caso
puede que estén operando causas asignables de variación o que existen limitaciones debidas
a los recursos y equipos empleados por lo que no es posible realizar trabajos exigentes con
Cargando [MathJax]/localization/es/MathMenu.js
respecto a la variable controlada hasta que no se hayan eliminado las causas especiales de
variación
Buscar entradasoono se dispongan No
autor de los recursos 
leído y equipos
 adecuados.  Suscribirse

fuente:

https://jesusgarciaj.com/2010/01/22/la-curva-de-distribucion-
normal/#:~:text=La%20distribuci%C3%B3n%20normal%20es%20una,una%20ley%20de%20d
istribuci%C3%B3n%20normal.
Editado por ARTURO ALDO SOTO ARROYO (https://canvas.utp.edu.pe/courses/133597/users/132336) el 15 de oct en 23:35

(https:// VICTOR ANDERSON SALCEDO MAGUIÑA (https://canvas.utp.edu.pe/courses/133597/users/110211)


15 de oct de 2020

Explique las aplicaciones prácticas de la distribución de probabilidad Normal de Gauss.

Si el número de eventos es muy grande, entonces se puede utilizar la función de distribución


de Gauss para describir los fenómenos físicos. La distribución de Gauss es una función
continua que se aproxima a la exacta distribución binomial de eventos.

La distribución gausiana mostrada está normalizada, de modo que la suma sobre todos los
valores de x da una probabilidad de 1. La naturaleza de la distribución gausiana da una
probabilidad de 0.683 de estar dentro de una desviación estándar de la media. El valor de la
media es a=np donde n es el número de eventos y p la probabilidad para cualquier valor
entero de x (esta expresión proviene trasladada de la distribución binomial). La expresión de
la desviación estándar, también proviene de la distribución binomial.

A la distribución Gausiana, se le llama usualmente "distribución normal" y tambien se le


conoce como "campana de Gauss".

Cargando [MathJax]/localization/es/MathMenu.js
Buscar entradas o autor No leído    Suscribirse

Cargando [MathJax]/localization/es/MathMenu.js