Documentos de Académico
Documentos de Profesional
Documentos de Cultura
lOMoARcPSD|9612592
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.)
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
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.
densidad por tener una forma acampanada y es el gráfico de una función gaussiana. Es simétrica
¿Y por qué esta distribución es tan importante? Porque con ella podemos modelar una gran
incontrolables. Sin embargo, el uso del modelo normal puede justificarse asumiendo que cada
Aquí tienes algunos ejemplos de variables asociadas a fenómenos naturales que siguen el
individuos;
distribución normal por primera vez en un artículo del año 1733, que también aparece en la
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
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
Los que le atribuyeron el nombre de «distribución normal» fueron los científicos Charles S.
distribución normal:
Media. Número que resulta al efectuar una serie determinada de operaciones con un
a todo el conjunto.
Moda. Valor que aparece con mayor frecuencia en una serie de medidas.
un experimento aleatorio.
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.
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
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
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
Referencias
https://support.minitab.com/es-mx/minitab/18/help-and-how-to/statistics/basic-
statistics/supporting-topics/data-concepts/about-the-central-limit-theorem/
https://www.superprof.es/apuntes/escolar/matematicas/probabilidades/distribucion-
normal/
https://www.uv.es/webgid/Inferencial/42_caractersticas_estimadores.html
https://www.matematicasonline.es/:
https://www.matematicasonline.es/BachilleratoCCSS/segundo/archivos/distribucion_no
r mal/DISTRIBUCION%20NORMAL.htm