Distribucion

Normal
Ing. Rudy Alvaro Arpasi Pancca
 INTRODUCCIÓN
Los estudiosos de las ciencias en estadística se dieron cuenta que
la distribución de las frecuencias de medidas de individuos de las
poblaciones naturales presentaban una forma acampanada al
dibujarla en un plano.

Pedro Armijo
Por otro lado, los matemáticos buscaban modelos que pudieran
emular las distribuciones que estas poblaciones presentaban.
Con el tiempo, se descubrió El Promedio Aritmético de un conjunto
de datos. Casi inmediatamente se descubrió que la suma de las
desviaciones de las medidas de las observaciones con respecto al
promedio era cero.
n n

 (x − x ) = 0
i  f (x − x ) = 0
i =1
i i
i =1 2
 INTRODUCCIÓN
Pasado un tiempo muy corto desde que se descubrió el Promedio, se
descubrió la Varianza que no es otra cosa que las desviaciones
elevadas al cuadrado y ponderadas por los grados de libertad.
A medida que se trabajaba con estos parámetros: La Media, La

Pedro Armijo
Varianza y la Desviación Estándar se dieron cuenta que
precisamente, la frecuencia de las desviaciones con respecto al
promedio seguían una curva característica de campana, esto es, las
medidas de los individuos se agrupaban hacia el centro, situación
que se repetía constantemente.
Los matemáticos se dieron a la tarea de descubrir funciones que se
pareciera a la DISTRIBUCIÓN DE FRECUENCIAS DE LAS
DESVIACIONES. 3
 PARÁMETRO
Un parámetro es un elemento de un sistema que permite clasificarlo
y poder evaluar sus características de la Población como el
rendimiento y la condición.
Sirve para conocer atributos de una distribución de datos; como los

Pedro Armijo
Estimadores del Parámetro (Media Aritmética y la Desviación Típica),
y permite conocer las funciones de distribución probabilísticas. Estos
estadísticos nos permiten aproximarnos al valor real de dicho
parámetro en la población. En definitiva, sin parámetros no se podría
estudiar la información y analizarla.

4
 Pedro Armijo
Campana de Gauss, es una representación gráfica
¿Que es la de la distribución normal de un grupo de datos. Éstos
se reparten en valores bajos, medios y altos, creando

curva de un gráfico de forma acampanada y simétrica con

respecto a un determinado parámetro. Se conoce

gauss?
como curva o campana de Gauss o Distribución
Normal.
5
 Distribución normal o de Gauss
• Aparece de manera −
( x −  )2
natural. 1
f ( x) = e 2 2
;  −  x  
• Está caracterizada por  2
dos parámetros: b
• La media poblacional
 f ( x)dx = 1

Pedro Armijo
(μ) y la desviación
típica (σ). a
Donde :
" a ": toma valores desde el  −, 0 
" b ": toma valores desde el [0,  
 : 3.14159...
e : 2.71828...
 : Media Aritmética Poblacional
 : Desviación Estandar Poblacional
(1/(1*((2*3.14159265358979)^(1/2))))*(2.71828182845905^(-1*(((x-0)^2)/(2*(1^2))))) 6

 2 : Varianza Poblacional
N(μ, σ): Interpretación probabilista
a)
Tal como se puede ver en las
imágenes
μ = 0; σ=1
a) Entre la media y una desviación b)

Pedro Armijo
estándar (Sigma) tenemos
siempre la misma probabilidad:
aproximadamente 68.27%
b) Entre la media y dos
desviaciones típicas (Sigma)
aproximadamente 95.45%
c) Entre la media y tres
c)
desviaciones típicas (Sigma)
aproximadamente 99.73%
7
Cómo evaluar la normalidad de un conjunto de datos
Para evaluar la normalidad de un conjunto de datos tenemos el Test de
Kolmogorov-Smirnov y el test de Shapiro-Wilks.
➢La prueba de Kolmogorov-Smirnov con la modificación de Lillierfors. Es la más
utilizada y se considera uno de los test más potentes para muestras (Grados de
Libertad) mayores de 50 datos (n>50). En este test:

Pedro Armijo
Hipótesis Nula (H0): Los datos siguen una distribución normal.
Hipótesis Alternativa (Ha): No tienen una distribución normal.

➢La prueba de Shapiro-Wilks. Es considerado uno de los test más potentes

cuando se utilizada muestras (Grados de Libertad) menores o iguales a 50 datos (n
≤ 50). En este test:
Hipótesis Nula (H0): Los datos siguen una distribución normal.
Hipótesis Alternativa (Ha): No tienen una distribución normal. 8
Gracias Rudy A. Arpasi Pancca
rarpasip@unmsm.edu.pe