ESTADÍSTICA ll

Distribución normal y muestral

 Introducción
La distribución normal es la distribución más importante y utilizada en la estadística. A veces se le llama la “curva de campana” o
También se le llama la “curva gaussiana” nombrado de esta manera debido al matemático Karl Friedrich Gauss.
Normalmente las distribuciones normales pueden diferir en sus medias y en sus desviaciones estándar, algunas pueden tener
relativamente mas valores en el centro de la distribución e igual de relativo en las colas.
Por otro lado, la distribución muestral también constituye una pieza importante en el estudio por distintas razones, que, en la mayoría de
los casos, las viabilidades de los experimentos determinan el tamaño de la muestra, implican probabilidades de una muestra de población
y no una entera como lo es la distribución normal. Pues esta se da en base a muestras de poblaciones de manera aleatoria siempre y
cuando dichas muestras sean de tamaños similares y con ello se pueda mostrar cada posible resultado.
Si bien la distribución normal y la distribución muestral parecieran tratarse de cosas completamente distintas ambas contienen algunas
similitudes, la única diferencia entre ellas mas que nada radica tanto en su enfoque como en su propósito.
 Presión Arterial Ventajas Desventajas Resolución
Concepto
Concepto 1: 3: Es
2: un
esesla modelo
undistribución
modelo 1. Es relativamente simple
Conceptos Aplicaciones Ventajas y de entender y
Desventajas Limitación para modelar datos que Formula
1.Entender el problema

Distribución normal
teórico
de capaz de
queprobabilidad
aproxima aproximar
elen
valor de una
variable La distribución
Edad promedio de de la presión arterial
jubilación de un aplicar presentan asimetría.
I 2.estandarizar (de ser necesario
satisfactoriamente
variable aleatoria
continua, en la quea la el valor
una de
función diastólica paradeloslahombres
jugador NFL se 2.Se puede utilizar para describir datos
una variable aleatoria a una Sensibilidad a valores atípicos que convierte los valores de forma estándar
situación
densidad ideal,
de dependiendo
probabilidad está distribuye normalmente con una media discretos y continuos.
La distribución de la edad de jubilación pueden afectar su ajuste. con la formula: Z= X-u / O ) donde X es
situación
descrita ideal.
de la media
por yunala función
desviación de aproximadamente 80 y una 3.Muchas variables continuas comunes en el
para los jugadores de la NFL se el valor dado y Z el valor estandarizado.
típica.
exponencial de argumento desviación estándar de 20. mundo de los negocios tienen distribuciones En conjunto de datos pequeños es
distribuye normalmente con una media 3. utilizar tablas o clculadoras, para
cuadrático y negativo, que da que se asemejan estrechamente a la posible que los parámetros de la
de 33 años y una desviación estándar de encontrar la probabilidad
lugar a una forma distribución normal. distribución normal no se estimen
unos 2 años. correspondiente a los valores
4.Sirve para acercarse a diversas con precisión.
acampanada. Un histograma de esta distribución estandarizados.
distribuciones de probabilidad discreta, como
muestra una forma de campana clásica:
la distribución binomial y la distribución de
Poisson.
5.Sus propiedades han permitido el desarrollo
de numerosas técnicas de inferencia
estadística.

Donde:
F(x) es el valor de la función de
densidad de probabilidad en el punto x.
u es la media (promedio) de la
distribución.
O es la desviación estándar de la
distribución.
e es la base del logaritmo natural
(aproximadamente 2.71828)
xbf
Distribución Muestral
¿Qué es?
Es la distribución que resulta de considerar todas las muestras posibles de una población, y estudio permite calcular la probabilidad de acercarse al parámetro de la
población con una sola muestra en la que describe el rango de posibles resultados de una estadística, como la media o la moda, y sus probabilidades, para dicha
población.

Diferencias y similitudes entre distribución muestral y normal

Diferencias
Distribución normal: es una distribución teórica que describe como se distribuyen los datos en una población completa, tiende a tener forma de campana y esta
caracterizada por su media y desviación estándar. No cambia, es constate y no depende del tamaño de la muestra.
Distribución muestral: son distribuciones de estadísticas calculadas a partir de múltiples muestras de la misma población, cada muestra puede tener diferentes
valores debido a la variabilidad inherente de la selección de muestras, pero a medida que aumenta el tamaño de la muestra, la distribución muestral tiende a
aproximarse a una distribución normal, conocido como el teorema del limite central.

Similitudes
La forma de campana: tanto las distribuciones normales como las distribuciones muestrales comparten esta característica, pues ambas tienden a formar una
campana simétrica debido al teorema del límite central, en el que las distribuciones muestrales se aproximan a una distribución normal a medida que el tamaño de
la muestra aumenta.
Uso en inferencia estadística: ambas distribuciones son fundamentales en la inferencia estadística. La distribución normal se utiliza para modelar datos en una
población completa y la muestral para estimar los parámetros poblacionales a partir de muestras y realizar pruebas de hipótesis.
 Conclusiones

Como conclusión ambas distribuciones pueden llegar a ser similares y diferentes al mismo tiempo, pues a pesar de que tienen distintos conceptos y también
aplicaciones distintas estas tienen similitudes que surgen precisamente porque están relacionadas, claro como bien se mencionó, las principales cosas por las
que se las diferencian entre si mas que nada son sus enfoques y los propósitos para los que se emplean. Como la distribución normal que se aplica de manera
general a una población completa, mientras que la distribución muestral en conjuntos aleatorio que se relacionan más por parte de las estadísticas ya
calculadas en base a las muestras.