Ak Canul Didier F. Flores Pacheco Nelly A.

Gmez Quiroz Rosa Mara Jquez Pallares Jaime Lara Snchez Reynaldo Moreno Mndez R. Gwendoline Rodrguez Arreola Brenda E. Cuernavaca Morelos a 3 de Noviembre de 2011

Generalidades Caractersticas

Usos y aplicaciones
Calculo de parmetros

Distribucin normal

Es una distribucin de probabilidad.

Es una distribucin de una variable continua con campo de variacin - hasta +. La importancia de esta distribucin radica en que permite modelar fenmenos naturales, sociales y psicolgicos Es la forma que adquiere una variable con respecto a sus componentes.

Distribucin de frecuencias de algunas mediciones clnicas

Tomado de: Martin HF et al Normal Values in Clinical Chemistry. New York, Marecel Dekker, 1975

Historia

Fue descubierta y publicada por primera vez en 1733 por Abraham De Moivre.

AbrahamDe Moivre (1667-1754).

Pierre Simon de Laplace (1749-1827)

Laplace (1812) y Gauss (1809), la relacionaron con la teora de los errores de observacin astronmica y fsica

Carl Friedrich Gauss (17771855

Distribucin normal

La distribucin de una variable normal est completamente determinada por dos parmetros, la media () y la desviacin estndar (). A partir de cualquier variable X que siga una distribucin , se puede obtener otra caracterstica Z con una distribucin normal estndar

Esta propiedad resulta especialmente interesante en la prctica, ya que el valor z permitir resolver preguntas de probabilidad acerca del comportamiento de variables.

Propiedades de una distribucin normal

1.

Tiene una nica moda, coincide con la media y con su mediana. Es simtrica con respecto a su media. La curva hacia cualquiera de los lados de es una imagen de espejo de la del otro lado. Es asinttica al eje de abscisas. El rea total bajo la curva es igual a 1. Cuanto mayor sea ms aplanada ser la curva de la densidad.

2.

3.

4.

Propiedades de una distribucin normal

5.

Si los lmites laterales se extienden a una desviacin estndar se incluye 68% del rea total, dos desviaciones estndar en ambos lados se incluye un 95% del rea, si se extienden a tres desviaciones estndar es de 99.7%.

6.

La forma de la campana de Gauss depende de los parmetros y . La media indica la posicin de la campana, de modo que para diferentes valores de la grfica es desplazada a lo largo del eje horizontal

7.

La desviacin estndar apuntamiento de la curva.

determina

el

grado

de

Cuanto mayor sea el valor de , ms se dispersarn los datos en torno a la media y la curva ser ms plana. Un valor pequeo de este parmetro indica, por tanto, una gran probabilidad de obtener datos cercanos al valor medio de la distribucin

Cmo evaluar si una variable tiene distribucin normal?

Cmo evaluar si una distribucin es normal?

1.

Observacin Asimetra

2.

Coeficiente de asimetra de Pearson Coeficiente de asimetra de Fischer

3.

Coeficiente de aplastamiento o Curtosis Test de Kolmogorov -Smirnov

4.

Observacin

Coeficiente de asimetra de Pearson

Permiten identificar si los datos se distribuyen de forma uniforme alrededor de la media. La asimetra presenta 3 estados diferentes, los cuales se definen de acuerdo a como se distribuyen los datos respecto al eje de simetra.

Asimetra negativa cuando la mayora de los datos se aglomeran en los valores menores que la media M < Me < Md

La curva es simtrica cuando se distribuyen aprox. La misma cantidad de valores en ambos lados de la media M= Me = Md

Asimetra positiva cuando la mayora de los datos se encuentran por encima de la media M> Me > Md

M = Media, Me= mediana, Md = Moda

Las formulas ms utilizadas para calcular el grado de asimetra son: Formula establecida por Karl de Pearson

De acuerdo con el resultado encontrado al aplicar a formula vista, la distribucin puede clasificarse como:

v= <0 Es asimtrica Negativa

v= 0 Es simtrica.

v= >0 Es asimtrica positiva

Ejemplo , calcular el coeficiente de asimetra en la siguiente distribucin:

Xi
1 2 3

Fi
2 8 3

(Xi)(Fi)
2 16 9 20 35 45 112

(Xi)2 (Fi)
2 32 27 80 175 180 496 112 = 3.7 30

4
5 6 Z

5
7 5 30

Md = 2
496 - 13.69 = S = 1.84 3.41 29 Esto indica que la distribucin tiene una asimetra positiva

(Xi)2 (Fi) - n-1 3.7 2 = .92 1.84

Curtosis
La curtosis mide que tan puntiaguda es una distribucin tomando como referencia a la curva normal

Se definen 3 tipos de distribuciones segn grado de apuntamiento

Si la curva es ms aguda que la normal se le denomina apuntada o Leptocrtica t>0

Si la curva es normal se dice que es Mesocrtica t=0

Si la curva est ms achatada que la normal es Platicrtica t<=0

Clculo de la curtosis

La curtosis es una medida de altura de la curva, su clculo se efecta en funcin de la desviacin estndar y los momentos de cuarto orden con respecto a la media. Donde:

Ejemplo: Calcular el grado de apuntamiento de la siguiente distribucin: Intervalos F X- X (X- X) 4 *F (X- X) 4 m4=
10.1 16 4 - 15.6 59223.99 236895.96

16.1 22 22.1 28 28.1 34 34.1 40 40.1 46

8 13 10 9 6

-9.6 - 3.6 2.4 8.4 14.4

8493.5 167.98 33.17 4978.68 42998.11

67948 2183.74 331.7 44808.12 257988.66

610156.18 = 12203.12 50 S2= 76.32 S4= 5824.74

50

610156.1 t= 12203.12 = 8 2.09 3 = -

t>0

Curva platicrtic a

0.91
5824.74

Test de Kolmogorov -Smirnov

Compara las funciones de distribucin emprica de la muestra y la que se desea contrastar. Es aplicable a distribuciones continuas. Para distribuciones discretas, los valores crticos no estn tabulados. Para distribuciones continuas, los valores crticos estn tabulados para:

Distribuciones con parmetros especificados Algunas distribuciones con parmetros no especificados

Test de Kolmogorov -Smirnov

Calcular el valor p

Valor p > 0.05

La variable tiene un comportamiento de DISTRIBUCION NORMAL

Valor p < 0.05

La variable NO tiene una distribucin normal

Test de Kolmogorov -Smirnov

Test de Kolmogorov -Smirnov

Asimetra = 0.39

Curtosis = 2.16

Test de Kolmogorov -Smirnov

Valor p < 0.05 La variable NO tiene una distribucin normal

Tiene una distribucin NORMAL

NO tiene una distribucin NORMAL