La app de estudio todo en uno
4.8 • +11 mil reviews
Más de 3 millones de descargas
Free
¿Te has preguntado qué pasa si representas las estaturas de los alumnos de un colegio? ¿Tendría alguna forma definida?Bueno, la respuesta es sí; y lo más probable es que tenga una forma parecida a una campana, como la que sigue:Fig. 1: Gráfica de una distribución normal.Aquí, el eje de las \(x\) son las alturas de los alumnos y \(N\) son…
Explore our app and discover over 50 million learning materials for free.
Guarda la explicación ya y léela cuando tengas tiempo.
GuardarLerne mit deinen Freunden und bleibe auf dem richtigen Kurs mit deinen persönlichen Lernstatistiken
Jetzt kostenlos anmelden¿Te has preguntado qué pasa si representas las estaturas de los alumnos de un colegio? ¿Tendría alguna forma definida?
Bueno, la respuesta es sí; y lo más probable es que tenga una forma parecida a una campana, como la que sigue:
Fig. 1: Gráfica de una distribución normal.
Aquí, el eje de las \(x\) son las alturas de los alumnos y \(N\) son el número de los alumnos con esas alturas. Pero, si pensamos que tomamos una muestra \(m\) de la población general de los alumnos \(m_n\) y esta (por supuesto) es menor que la población total \(m_n<m_t\), el número \(N\) representaría la probabilidad de que encuentres esa altura \(P(x)\). La curva en este caso es una curva de probabilidad continua y es conocida como la curva de la distribución normal.
Debido a que la función describe una campana, esta curva puede definirse por una función que, en este caso sería:
\[f(x)=\dfrac{1}{\sigma \sqrt{2\pi}} e^{-\frac{(x-\mu)^2}{2\sigma^2}}\]
A esta función se le conoce como la función de densidad de probabilidad, porque nos dice el valor de la probabilidad de que un variable aleatoria \(x\) tenga un valor \(y\).
Si lo que se requiere es la probabilidad de que una variable \(x\) obtengan un valor entre \([a, b]\), lo que se tiene es una integral:
\[P(x)=\int^b_a \dfrac{1}{\sigma \sqrt{2\pi}} e^{-\frac{(x-\mu)^2}{2\sigma^2}}dx\]
En este caso lo que se obtiene es el área bajo la curva entre los dos puntos:
Fig. 2: El área entre los valores de a y b es la probabilidad de obtener un valor entre a y b.
Debido a que, cualquier distribución normal sigue la fórmula:
\[f(x)=\dfrac{1}{\sigma \sqrt{2\pi}} e^{-\frac{(x-\mu)^2}{2\sigma^2}}\]
y que \(x\) es una variable general solo hay dos parámetros que definen las diferencias entre cada curva:
La media \(\mu\).
La desviación estándar \(\sigma\).
La desviación estándar es la medida que nos dice cómo de dispersos son los datos.
En general, debido a esto:
A mayor dispersión, los datos están más separados entre sí y la curva se hace más plana.
A menor dispersión, la curva se hace más pequeña y los datos se juntan más entre sí.
La fórmula para obtener la desviación estándar, usando la función de densidad, es:
\[\sigma^2 = \int^{\infty}_{\infty} (x-\mu)^2 f(x)dx\]
Aquí \(f(x)\) es la función de densidad.
Te mencionamos que los datos se apilan o dispersan más, pero no solo entre ellos. En una distribución normal, los datos se apilan alrededor de de la media \(\mu\).
La media en una distribución normal es:
El dato que más se repite.
Es la misma que la moda y la mediana.
La media es el máximo de la curva; en este caso, la probabilidad de la media \(P(\mu)\) es mayor que la probabilidad de cualquier otro punto.
La media se puede calcular usando la función de densidad como: \[\mu = \int^{\infty}_{\infty} x f(x)dx\]
Habrás visto que definimos la función de la distribución normal en el rango \([a,b]\). Esto significa que la probabilidad fuera de ese rango es cero, por lo que podemos aplicar que la función esté definida de \([-\infty, \infty]\).
Debido a esto, podemos decir que cualquier distribución de probabilidad normal puede definirse usando las fórmulas que te hemos dado.
Hay una clase especial de distribución: la distribución estándar; también conocida como la distribución \(z\).
Una distribución de este tipo tiene las siguientes características:
La media es igual a cero \(\mu=0\).
Es simétrica con respecto al origen.
Los límites de la distribución se pueden definir como \([-a, a]\).
Una imagen de la distribución normal estándar es la siguiente:
Fig. 3: Distribución de probabilidad estándar, o de tipo z, con media igual a cero.
Las ventajas de esta distribución son:
Que al calcular la probabilidad de un punto \(x=b\), se obtiene la probabilidad de un punto \(-b\).
Si la distribución entre los extremos y la media representa el \(50%\) de las probabilidades, entonces en el cálculo de la probabilidad:
El cálculo entre la media \(\mu\) y \(b<a\) es igual a la probabilidad acumulada en el rango \([-a, b]\).
El cálculo de la probabilidad entre un punto \(b<\mu\) y \(\mu\) es igual a la probabilidad acumulada en el rango \([-a, b]\); esto, si se resta la probabilidad obtenida entre \([b,\mu]\) y el \(50%\).
Recuerda que la desviación estándar \(\sigma\) es una medida que indica cómo de dispersos están los datos en una muestra.
Hay tres puntos importantes con respecto a la desviación estándar:
Entre la media y una desviación estándar \([-\sigma^2, \sigma^2]\) se encuentra casi el 66% de la población.
Entre la media y dos desviaciones estándar \([-2\sigma^2, 2\sigma^2]\) se encuentra casi el 95% de la población.
Entre la media y dos desviaciones estándar \([-3\sigma^2, 3\sigma^2]\) se encuentra más del 99% de la población.
Otra medida de dispersión es la varianza, esta es igual a la raíz cuadrada de la desviación estándar:
\[ \text{Var}=\sqrt{\sigma}\]
Si se tiene una desviación estándar grande, la curva sería la siguiente:
Fig. 4: Distribución normal con una alta dispersión.
Si se tiene una desviación estándar pequeña, la curva sería la siguiente.
Fig. 5: Distribución normal con baja dispersión.
La distribución normal es un tipo de distribución de probabilidad estadística que se representa por una curva en forma de campana.
Estas son sus características:
La distribución normal estándar es un tipo de distribución normal en la que las medidas centrales y desviación estándar, que son parte de la estadística descriptiva, cumplen ciertos requisitos.
Para estandarizar una distribución normal, debes usar al formula: z=(x-μ)/σ.
La distribución normal es importante porque muchos métodos estadísticos la asumen y también se utiliza en el cálculo de probabilidades y en la toma de decisiones.
Las ventajas de que una distribución de datos sea normal son que:
de los usuarios no aprueban el cuestionario de Distribución normal matematicas... ¿Lo conseguirás tú?
Empezar cuestionarioHow would you like to learn this content?
How would you like to learn this content?
Free matematicas cheat sheet!
Everything you need to know on . A perfect summary so you can easily remember everything.
Siempre preparado y a tiempo con planes de estudio individualizados.
Pon a prueba tus conocimientos con cuestionarios entretenidos.
Crea y encuentra fichas de repaso en tiempo récord.
Crea apuntes organizados más rápido que nunca.
Todos tus materiales de estudio en un solo lugar.
Sube todos los documentos que quieras y guárdalos online.
Identifica cuáles son tus puntos fuertes y débiles a la hora de estudiar.
Fíjate objetivos de estudio y gana puntos al alcanzarlos.
Deja de procrastinar con nuestros recordatorios de estudio.
Gana puntos, desbloquea insignias y sube de nivel mientras estudias.
Cree tarjetas didácticas o flashcards de forma automática.
Crea apuntes y resúmenes organizados con nuestras plantillas.
Regístrate para poder subrayar y tomar apuntes. Es 100% gratis.
Guarda las explicaciones en tu espacio personalizado y accede a ellas en cualquier momento y lugar.
Regístrate con email Regístrate con AppleAl registrarte aceptas los Términos y condiciones y la Política de privacidad de StudySmarter.
¿Ya tienes una cuenta? Iniciar sesión