Informe: Distribuciones

Complementos matemáticos para geomensura

Profesor: Daniel Arriagada Vivar
Alumno: Vicente Villagrán Miranda
2/2021
Distribución normal:
La distribución normal es una herramienta matemática de estadística que nos permite
organizar variables de un estudio de manera gráfica, siempre y cuando estas variables sean
aleatorias continuas o discretas con el fin de calcular la probabilidad de un evento
Una variable aleatoria continua es aquella que toma valores reales. Por ejemplo, las notas de
una prueba, la altura de un grupo de personas o el peso de ellas.
Una variable aleatoria discreta es aquella que solo puede tomar números naturales, como por
ejemplo, el número de estudiantes en un ramo, la cantidad de celulares que hay en cada
departamento de un edificio.
El gráfico consiste en ordenar las variables del estudio en el eje de las abscisas y las veces que
estos se repiten en el eje de las ordenadas, siendo cada una de estas variables una columna. La
columna que queda en el medio de todos los resultados es, precisamente, la media (µ) y a su
vez la más alta de todas, ya que representa el resultado que más se repite, es decir, también
es la moda.
El gráfico toma la forma de una campana, por lo que algunos lo conocen como campana de
Gauss, o simplemente, curva de distribución normal. El área total bajo la curva o campana
representa el 100% de los casos.

En el ejemplo de la imagen, se grafican las estaturas de un grupo de personas.

Otro elemento importante de la distribución normal es la desviación estándar (σ) que me dice
cuan alejadas están el resto de las variables de la media, es decir, si tengo una población de
con todo tipo de alturas o es una población en la que la mayoría está cerca de medir 170 cms.
(la media de la imagen) como sería el caso del ejemplo.
Gráficamente, la desviación estándar se evidencia en la amplitud de la curva. Una mayor
desviación estándar implica una campana más achatada o plana, una menor σ implica una
campana más delgada y alta.

Ahora, ¿cómo
nos sirve esto
para calcular la
probabilidad
de una
variable?
Simple,
debemos
reemplazar los
valores de µ, σ y
x (la variable cuya probabilidad queremos conocer) en la fórmula matemática del modelo:
x −µ
Z=
σ

Z equivale al área bajo la curva que por la que nuestra probabilidad es representada. Entonces,
una vez obtenido el valor de Z, lo buscamos en la tabla de probabilidades de la distribución
normal y allí daremos con nuestra probabilidad.
Distribución Chi-cuadrado:
La distribución Chi-cuadrado es una distribución probabilística continua que se basa en un
parámetro que representa a los grados de libertad. La gracia de esta distribución es que nos
permite determinar la relación entre 2 variables, es decir, si existe o no dependencia
estadística entre ellas; y es para este fin por el que se usa mayormente.
La distribución Chi-cuadrado nos permite responder a un cuestionamiento con una hipótesis.
Cuando se plantea el cuestionamiento, se plantean también 2 hipótesis o posibles respuestas
a esta pregunta: la hipótesis nula y la hipótesis alternativa.
La hipótesis correcta dependerá de la relación entre el X 2calculado y el X 2 obtenido por la
tabla de la distribución Chi-cuadrado. El X 2 obtenido por la tabla se encuentra en la
intersección de la fila, que equivale al grado de libertad de la distribución, con la columna, que
equivale al margen de error de la distribución.

El grado de libertad se calcula utilizando la cantidad de filas y columnas que tenga la tabla en
la que se organizan las variables que participan en el estudio.
V= (n° filas -1)(n° columnas -1)
Por otra parte, el X 2 calculado se obtiene de la siguiente forma:
Para cada frecuencia observada en la tabla del estudio, existe una frecuencia teórica. Una vez
calculada la frecuencia teórica de cada frecuencia observada, nuestro X 2 calculado se obtiene
usando la fórmula:
2
2 (Fo−Ft )
X =∑
Ft

Siendo Fo la frecuencia observada y Ft la frecuencia teórica.

Entonces, procedemos a analizar la relación entre el X 2 calculado y el X 2 obtenido por la tabla.
Si X 2 calculado> X 2 tabla → la Hip ó tesis alternativa es la correcta
Si X 2 calculado< X 2 tabla → la Hip ó tesis nulaes la correcta.

Distribución F de Fisher:
La distribución F o distribución de Fisher-Snedecor, en honor a quienes la desarrollaron, es una
distribución que se usa para analizar y comparar las varianzas de 2 poblaciones
independientes de datos.
Las características principales de esta distribución es que:
 Existe una familia de distribuciones F y un elemento específico de la familia está
definido por dos parámetros: los grados de libertad del numerador y del denominador.
 La distribución F es continua
 La distribución F no puede ser negativa. (La varianza es desviación estándar al cuadrado)

La distribución F tiene la fórmula 

2
S1
F= 2
S2

Donde F es el valor estadístico de prueba para la comparación de las dos varianzas.

En esta distribución también manejamos una hipótesis nula y una hipótesis alternativa, pero el
gráfico toma una forma distinta;

El punto Fα en el gráfico representa nuestro valor crítico. Este valor separa la zona de
aceptación de la hipótesis nula y la zona de rechazo de la hipótesis nula (o aceptación de la
alternativa). Para obtenerlo, debemos buscarlo en la tabla de valores críticos con el nivel de
significancia correspondiente al estudio usando los grados de libertad del numerador (la
cantidad de datos de la población A -1) y los grados de libertad del denominador (la cantidad
de datos de la población B -1)

A modo de ejemplo, esta es la tabla de valores críticos para un nivel de significancia del 10%.
Una vez hallado nuestro valor crítico, calculamos nuestro valor estadístico de prueba con la
fórmula anteriormente mencionada. Si el valor estadístico es menor al valor crítico, significa
que está dentro de la zona de aceptación, y por ende nuestra hipótesis nula sería la correcta.
De lo contrario, la correcta sería nuestra hipótesis alternativa.