lOMoARcPSD|9612592

lOMoARcPSD|9612592

Muestras de una población exponencial

Una población que sigue una distribución exponencial es asimétrica y no normal, como lo

demuestra el primer histograma. Sin embargo, la distribución de las medias de 1000 muestras de

tamaño 50 de esta población es aproximadamente normal debido al teorema del límite central,

como lo demuestra el segundo histograma. Este histograma de las medias de las muestras incluye

una curva normal superpuesta para ilustrar esta normalidad. (18, s.f.)

6- Teniendo en cuenta la estimación realizada, identifiquen los limites de confianza

para una distribución normal

En estadística y probabilidad, una distribución normal, también llamada distribución de

Gauss, distribución gaussiana o distribución de Laplace-Gauss, es la más importante de todas las

distribuciones de probabilidad de variable continuay es la que aparece con más frecuencia en

estadística y en la teoría de probabilidades. Pero ¿qué es exactamente?

Pues es un modelo teórico que sirve para aproximar satisfactoriamente el valor de una variable

aleatoria continua a una situación ideal. ¡Te lo explicamos mejor! La distribución normal adapta

Downloaded by Yurany Gissela CASAS JIMENEZ (ycasasjimen@uniminuto.edu.co)

 lOMoARcPSD|9612592

una variable aleatoria continua a una función que depende de la media y la desviación típica. Es

decir, la función y la variable aleatoria continua tendrán la misma representación, pero con

ligeras diferencias.

¿Te suena el concepto de campana de Gauss? Se llama así a la gráfica de su función de

densidad por tener una forma acampanada y es el gráfico de una función gaussiana. Es simétrica

respecto a un determinado parámetro estadístico.

¿Y por qué esta distribución es tan importante? Porque con ella podemos modelar una gran

cantidad de fenómenos naturales, sociales y psicológicos. Normalmente, se desconocen los

mecanismos de la mayoría de este tipo de fenómenos por su enorme cantidad de variables

incontrolables. Sin embargo, el uso del modelo normal puede justificarse asumiendo que cada

observación se obtiene como la suma de unas pocas causas independientes.

La importancia de la distribución normal también radica en su relación con la estimación por

mínimos cuadrados, uno de los métodos de estimación más simples y antiguos.

Aquí tienes algunos ejemplos de variables asociadas a fenómenos naturales que siguen el

modelo de la distribución normal:

 caracteres morfológicos de individuos como la estatura;

 caracteres fisiológicos como el efecto de un fármaco;

 caracteres sociológicos como el consumo de cierto producto por un mismo grupo de

individuos;

 caracteres psicológicos como el cociente intelectual;

 nivel de ruido en telecomunicaciones;

Downloaded by Yurany Gissela CASAS JIMENEZ (ycasasjimen@uniminuto.edu.co)

 lOMoARcPSD|9612592

 errores cometidos al medir ciertas magnitudes;

Historia de la distribución normal

El matemático francés Abraham de Moivre (1667-1754) fue el que descubrió y presentó la

distribución normal por primera vez en un artículo del año 1733, que también aparece en la

segunda edición de su The Doctrine of Chances, en relación a la aproximación de la distribución

binomial para grandes valores de n.

Su descubrimiento fue desarrollado posteriormente por Laplace en su libro Teoría analítica

de las probabilidades (1812), y en la actualidad se llama Teorema de De Moivre-Laplace.

Laplace se sirvió de la distribución normal para analizar los errores de experimentos.

Entonces, ¿por qué se ha asociado el nombre de Gauss a esta distribución? Este matemático,

astrónomo y físico alemán la usó con mucha frecuencia cuando analizaba datos astronómicos y

algunos autores le atribuyen un descubrimiento independiente del de De Moivre.

Por otra parte, el nombre de «campana» proviene del matemático francés Esprit Jouffret

que empleó el término bell surface (superficie campana) por primera vez en 1872 para una

distribución normal bivariante de componentes independientes.

Los que le atribuyeron el nombre de «distribución normal» fueron los científicos Charles S.

Peirce, Francis Galton y Wilhelm Lexis hacia 1875.

Definiciones de conceptos relacionados

A continuación, te indicamos los significados de algunos conceptos relacionados con la

distribución normal:

Downloaded by Yurany Gissela CASAS JIMENEZ (ycasasjimen@uniminuto.edu.co)

 lOMoARcPSD|9612592

 Media. Número que resulta al efectuar una serie determinada de operaciones con un

conjunto de números y que, en determinadas condiciones, puede representar por sí solo

a todo el conjunto.

 Moda. Valor que aparece con mayor frecuencia en una serie de medidas.

 Mediana. Número central de un grupo de números ordenados por tamaño.

 Desviación típica. Medida que se utiliza para cuantificar la variación o la dispersión

de un conjunto de datos numéricos.

 Varianza. Media de las desviaciones cuadráticas de una variable aleatoria, referidas

al valor medio de esta.

 Variable aleatoria. Función que asigna un valor, usualmente numérico, al resultado de

un experimento aleatorio.

Fórmula de la distribución normal

Dada una variable aleatoria X, decimos que la frecuencia de sus observaciones puede

aproximarse satisfactoriamente a una distribución normal tal que: X ~ N (μ, σ), donde los

parámetros de la distribución son la media o valor central (μ) y la desviación típica (σ).

En otras palabras, la frecuencia de una variable aleatoria X puede representarse mediante una

distribución normal.

Propiedades de la distribución normal

Downloaded by Yurany Gissela CASAS JIMENEZ (ycasasjimen@uniminuto.edu.co)

 lOMoARcPSD|9612592

Estas son algunas de las propiedades más importantes de la distribución normal:

Es una distribución simétrica, por lo que el valor de la media, la mediana y la moda son

iguales.

Es una distribución unimodal, por lo que los valores más cercanos a la media son los más

frecuentes o los que tienen más probabilidad de aparecer. Es decir, cuanto más nos alejamos de la

media, menos probabilidad habrá de que aparezcan los valores.

La forma de la campana de Gauss depende de los parámetros μ y σ. Por una parte, la media

indica la posición de la campana, de modo que la gráfica se desplaza a lo largo del eje horizontal

según los diferentes valores de μ.

Por otra parte, la desviación estándar determina el grado de apuntamiento de la curva. Así,

cuanto mayor sea el valor de σ, más se espaciarán los datos en torno a la media y más plana

será la curva. Por consiguiente, si obtenemos un valor pequeño de este parámetro, hay una gran

probabilidad de obtener datos cercanos al valor medio de la distribución. (Superprof, s.f.)

Downloaded by Yurany Gissela CASAS JIMENEZ (ycasasjimen@uniminuto.edu.co)

 lOMoARcPSD|9612592

Referencias

18, S. d. (s.f.). https://support.minitab.com/. Obtenido de https://support.minitab.com/:

https://support.minitab.com/es-mx/minitab/18/help-and-how-to/statistics/basic-

statistics/supporting-topics/data-concepts/about-the-central-limit-theorem/

Superprof. (s.f.). https://www.superprof.es/. Obtenido de https://www.superprof.es/:

https://www.superprof.es/apuntes/escolar/matematicas/probabilidades/distribucion-

normal/

www.uv.es/webgid/Inferencial. (s.f.). uv.es. Obtenido de uv.es:

https://www.uv.es/webgid/Inferencial/42_caractersticas_estimadores.html

https://www.matematicasonline.es/. (s.f.). https://www.matematicasonline.es/. Obtenido de

https://www.matematicasonline.es/:

https://www.matematicasonline.es/BachilleratoCCSS/segundo/archivos/distribucion_no

r mal/DISTRIBUCION%20NORMAL.htm

Downloaded by Yurany Gissela CASAS JIMENEZ (ycasasjimen@uniminuto.edu.co)

 lOMoARcPSD|9612592

Downloaded by Yurany Gissela CASAS JIMENEZ (ycasasjimen@uniminuto.edu.co)