Scribd
Cargar
29 vistas14 páginas

Normal

La distribución normal describe cómo se distribuyen muchas variables en la naturaleza. Fue presentada por primera vez por de Moivre en 1733 y ampliada por Laplace. Describe fenómenos como los errores en experimentos. Se caracteriza por una curva en forma de campana simétrica respecto a la media, y por áreas bajo la curva que representan porcentajes de datos comprendidos dentro de ciertos rangos de desviación estándar de la media. Tiene muchas aplicaciones estadísticas e influyó en el desarrollo de otras áreas como el te

Cargado por

JESSICA PATRICIA MARTINEZ ALMANZA
Derechos de autor
© © All Rights Reserved
Nos tomamos en serio los derechos de los contenidos. Si sospechas que se trata de tu contenido, reclámalo aquí.
Formatos disponibles
Descarga como PDF, TXT o lee en línea desde Scribd
29 vistas14 páginas

Normal

La distribución normal describe cómo se distribuyen muchas variables en la naturaleza. Fue presentada por primera vez por de Moivre en 1733 y ampliada por Laplace. Describe fenómenos como los errores en experimentos. Se caracteriza por una curva en forma de campana simétrica respecto a la media, y por áreas bajo la curva que representan porcentajes de datos comprendidos dentro de ciertos rangos de desviación estándar de la media. Tiene muchas aplicaciones estadísticas e influyó en el desarrollo de otras áreas como el te

Cargado por

JESSICA PATRICIA MARTINEZ ALMANZA
Derechos de autor
© © All Rights Reserved
Nos tomamos en serio los derechos de los contenidos. Si sospechas que se trata de tu contenido, reclámalo aquí.
Formatos disponibles
Descarga como PDF, TXT o lee en línea desde Scribd

Distribución

Normal
Esperanza Trenado Sánchez
■ La distribución normal
fue presentada por
primera vez por
Abraham de Moivre en
un artículo del año 1733.
■ Su resultado fue
ampliado por Laplace.
■ Gauss, justificó el
método de mínimos
cuadrados en 1809
asumiendo una
distribución normal de
los errores.
Función de densidad
■ Se dice que una variable aleatoria
continua X sigue una distribución normal
de parámetros μ y σ y se denota por:
X~N(μ, σ) si su función de densidad está
dada por:
DISTRIBUCION Normal
Distribución normal estándar
■ Es aquélla en la que sus parámetros
toman los valores μ = 0 y σ = 1. En este
caso la función de densidad tiene la
siguiente expresión:
Función de distribución
■ Dada una variable aleatoria X, su función
de distribución, FX(x), es

■ La función de distribución de la distribución


normal está definida como sigue:
PROPIEDADES:
■ Es simétrica respecto de su media, μ.
■ La moda y la mediana son ambas iguales a la
media, μ;
■ Los puntos de inflexión de la curva se dan
para x = μ − σ y x = μ + σ.
Intervalos de confianza
◻ en el intervalo [μ - σ, μ + σ] se encuentra
comprendida, aproximadamente, el 68,26% de la
distribución;
◻ en el intervalo [μ - 2σ, μ + 2σ] se encuentra,
aproximadamente, el 95,44% de la distribución;
◻ por su parte, en el intervalo [μ -3σ, μ + 3σ] se
encuentra comprendida, aproximadamente, el
99,74% de la distribución. Estas propiedades
son de gran utilidad para el establecimiento de
intervalos de confianza
Estandarización
Si X ~ N(μ,σ2), entonces:

es una variable aleatoria normal estándar:


Z ~ N(0,1).
La transformación de una distribución X ~
N(μ, σ) en una N(0, 1) se llama
normalización, estandarización o
tipificación de la variable X.
El Teorema del Límite Central

El Teorema del límite central establece


que bajo ciertas condiciones (como
pueden ser independientes e
idénticamente distribuidas con varianza
finita), la suma de un gran número de
variables aleatorias se distribuye
aproximadamente como una normal.
Ejemplo1:Si X es una variable aleatoria de
una distribución N(µ, σ), hallar: p(µ−3σ ≤ X ≤
µ+3σ)

Es decir, que aproximadamente el 99.74% de los


valores de X están a menos de tres desviaciones
típicas de la media.
Ejemplo 2: En una distribución normal de media 4
y desviación estándar 2. Calcular el valor para que
P(4-a≤X≤4+a)= 0.5934

.
* Una distribución binomial de parámetros n y
p es aprox. normal para grandes valores de n,
y p no demasiado cercano a 1 ó 0 (algunos
libros recomiendan usar esta aproximación
sólo si np y n(1 − p) son ambos, al menos, 5
La normal aproximada tiene parámetros μ =
np, σ2 = np(1 − p).

* Una distribución de Poisson con parámetro λ


es aprox. normal para grandes valores de λ.
La distribución normal aproximada tiene
parámetros μ = σ2 = λ.

También podría gustarte