Contenidos de aprendizaje
Funciones
Descubra
¿Qué ocurre si vas a tu clase y empiezas a medir la estatura de tus compañeros? Las medidas deberían ir entre un valor mínimo (que es lo que mide tu compañero más pequeño) y un valor máximo (que es lo que mide el más alto).
Millones de tarjetas didácticas para ayudarte a sobresalir en tus estudios.
Regístrate gratis¿Qué forma tiene la distribución normal?
¿Cuál es el valor de la media en la distribución normal?
¿Cuál es el valor de la desviación estándar para la distribución normal?
Calcula la media de la siguiente lista de datos: \(\{1{,}2, 4{,}5, 2{,}3, 5{,}6, 7\}\).
Calcula la media de la siguiente lista de datos, si estos representan la altura de los alumnos de una clase: dos personas de un metro cincuenta, \(3\) tres personas de un metro con setenta, una persona de un metro con veinte, una persona de un metro con cincuenta y seis, dos personas con un metro con setenta y cuatro.
¿Cuál es la fórmula para convertir una distribución normal a una normal estándar?
¿Cuál es el valor de \(z\) en una distribución tipificada, si se desea buscar en una población cuyo valor \(x\) es mayor que \(1.7 m\), con una con una media típica de \(1.6 m\) y una desviación estándar de \(10 cm\)?
¿Cuál es el valor de \(z\) en una distribución tipificada, si se desea buscar en una población cuyo valor \(x\) es mayor que \(1{,}87\text{ m}\), con una con una media típica de \(1{,}5\text{ m}\) y una desviación estándar de \(3 \text{ cm}\)?
¿Cuál es la fórmula para el intervalo de confianza?
¿Cuál es la fórmula para el intervalo de confianza para una muestra de \(200\) personas, con una media de \(1.65 m\), una desviación estándar de \(3 cm\) y un dato \(z\) de \(1.8 m\).
¿Qué forma tiene la distribución normal?
¿Cuál es el valor de la media en la distribución normal?
¿Cuál es el valor de la desviación estándar para la distribución normal?
Calcula la media de la siguiente lista de datos: \(\{1{,}2, 4{,}5, 2{,}3, 5{,}6, 7\}\).
Calcula la media de la siguiente lista de datos, si estos representan la altura de los alumnos de una clase: dos personas de un metro cincuenta, \(3\) tres personas de un metro con setenta, una persona de un metro con veinte, una persona de un metro con cincuenta y seis, dos personas con un metro con setenta y cuatro.
¿Cuál es la fórmula para convertir una distribución normal a una normal estándar?
¿Cuál es el valor de \(z\) en una distribución tipificada, si se desea buscar en una población cuyo valor \(x\) es mayor que \(1.7 m\), con una con una media típica de \(1.6 m\) y una desviación estándar de \(10 cm\)?
¿Cuál es el valor de \(z\) en una distribución tipificada, si se desea buscar en una población cuyo valor \(x\) es mayor que \(1{,}87\text{ m}\), con una con una media típica de \(1{,}5\text{ m}\) y una desviación estándar de \(3 \text{ cm}\)?
¿Cuál es la fórmula para el intervalo de confianza?
¿Cuál es la fórmula para el intervalo de confianza para una muestra de \(200\) personas, con una media de \(1.65 m\), una desviación estándar de \(3 cm\) y un dato \(z\) de \(1.8 m\).
Achieve better grades quicker with Premium
Geld-zurück-Garantie, wenn du durch die Prüfung fällst
Did you know that StudySmarter supports you beyond learning?
Review generated flashcards
Comienza a aprender o crea tus propias tarjetas de aprendizaje con IA
Equipo de profesores de Distribución Normal Estandar
¡Gracias por su interés en las preferencias de aprendizaje!
¿Qué modo de aprendizaje prefiere? (por ejemplo, « Audio », « Video », « Texto », « Sin preferencia ») (opcional)
Enviar comentariosAhora, divide este rango entre un número. Digamos que este número es \(13\); es decir, en este caso, las alturas de la persona más pequeña a la más alta están agrupadas en \(13\) secciones como:
\[\Delta = \dfrac{a-b}{13}\]
donde,
\(a\) = más alto
\(b\) = más pequeño
Así tendrías grupos en los que la gente entra según su altura, como, por ejemplo:
\[1: a + \dfrac{a-b}{13}\]
\[2: a +2 \dfrac{a-b}{13}\]
\[3: a + 3 \dfrac{a-b}{13}\]
\[...\]
\[1: a +13 \dfrac{a-b}{13}\]
Supongamos, ahora, que usas una gráfica de barras (es decir, un histograma) en la que la altura de la barra corresponde a cuántas personas están en ese grupo. En ese caso, tendrías lo siguiente: donde \(V\) es el número de personas en cierto grupo de cada barra \(N\), \( N\) crece de izquierda a derecha, siendo la gente con menor altura el grupo de la barra \(1\) y la barra con símbolo \(13\) muestra la gente con mayor altura:
Fig 1. Distribución normal de un conjunto de datos: se puede observar una forma de campana, aunque no sea bien definida.
¿Ves la forma que siguen las barras? Esta forma es conocida como distribución normal.
Usamos un histograma para este ejemplo. Pero, una distribución normal es continua; es decir, es una línea que sigue la forma de la campana que verás en la figura 2.
La distribución normal es una distribución de probabilidad continua, que puede presentarse en un gráfico donde el eje de la \(y\) representa el número de eventos y \(x\) representa el valor de los eventos.
Fig. 2. La distribución normal sigue una forma de campana invertida, su media que es m divide los datos a la mitad, la desviación estándar σ nos sirve para obtener cuántos datos existen entre la media de la población y cierto valor de la desviación.
En el caso de la distribución normal estándar, esta es una variante de la distribución normal que depende de la media y la desviación típica. La distribución comparte las mismas características que una distribución normal, como su simetría y su forma característica, pero requiere dos condiciones:
Para poder hablar de los intervalos de confianza, primero debemos hablar de la desviación estándar y la media.
La media de una población es el valor medio.
Veamos un ejemplo:
Si tienes \(5\) personas con las siguientes estaturas:
\[Estaturas={1.4, 1.43, 1.56, 1.8, 1.7}\]
La media es la división de los \(5\) valores entre el número total de valores. Así que esto es:
\[m=\dfrac{suma}{5}=\dfrac{(1.4+1.43+1.56+1.8+1.7)}{5}=1.578\]
De la misma manera, si tienes una muestra más grande —digamos \(100\) personas—, tu media cambiaría. Pero, hay un valor que te puede decir la estatura por debajo de la media y por encima de la media, situación de alrededor de dos tercios de su población. Es decir, alrededor de \(66\) personas de las \(100\) están por encima de este mínimo y por debajo de este máximo.
Esto lo puedes ver en la imagen siguiente:
Fig. 3. Intervalos dentro de la desviación estándar.
Este valor es la desviación estándar y se usa como una medida de confianza: es decir, tu confías en que el \(66%\) de tus datos viva entre este valor mínimo y máximo alrededor de la media.
Si quieres saber cómo calcular la desviación estándar y saber más acerca de la media, no olvides leer nuestros otros artículos acerca de las medidas de tendencia central.
El intervalo de confianza es parecido a la desviación estándar; es un intervalo que nos dice la cantidad de datos que vive alrededor de la media. Para calcularlo se usa esta fórmula:
\[IC=m+z \dfrac{\sigma}{\sqrt{2}}\]
Aquí \(n\) es el tamaño de la muestra o la población. Por ejemplo, de las \(100\) personas a las cuales se les mide su estatura, este valor sería \(100\). Por su parte, el valor \(z\) es el intervalo de confianza que deseas; por ejemplo, si quieres un \(70%\).
Hay otro valor importante conocido como la varianza; esta es, simplemente, el cuadrado de la desviación estándar. Este valor es —al igual que la desviación estándar— una medida de dispersión; o, es decir, una medida que nos dice cómo se distribuyen los datos alrededor de la media. También existe el intervalo de confianza para la varianza: este es el intervalo para el cual estamos seguros —usando la varianza— de que cierto porcentaje de la población vive alrededor de la media.
Otro nombre para la distribución normal estándar es distribución normal tipificada. Una gran ventaja de esto es que está estandarizada y existe una tabla que nos indica los valores que la probabilidad acumulada tiene en cada punto de la curva para los valores positivos de la curva. Esto hace más fácil cualquier cálculo, ya que solo debes leer la tabla.
| z | 0,00 | 0,01 | 0,02 | 0,03 | 0,04 | 0,05 | 0,06 | 0,07 | 0,08 | 0,09 |
| 0,00 | 0,5 | 0,5040 | 0,5080 | 0,5120 | 0,5160 | 0,5199 | 0,5239 | 0,5279 | 0,5319 | 0,5359 |
| 0,10 | 0,5398 | 0,5438 | 0,5478 | 0,5517 | 0,5557 | 0,596 | 0,5636 | 0,5675 | 0,5714 | 0,5753 |
| 0,20 | ... |
Tabla 1. La tabla de la distribución normal tipificada.
Esta sigue con filas hasta el valor de 0,9, aquí la hemos acortado porque sería demasiado larga para mostrar.
La tabla se sigue de modo que la probabilidad acumulada, que es al área bajo la curva, debe de leerse de las líneas a columnas. Si queremos obtener la probabilidad acumulada para los valores entre \(x=0\) y \(x=0.1\), debemos ir a la columna de la extrema izquierda, que tiene el valor de \(0.1\); debido a que no tenemos decimales, tenemos ahora que leer la columna superior que tiene el valor de \(0.0\).
Esto lo podemos ver en detalle en la tabla inferior:
| z | 0,00 | 0,01 | 0,02 | 0,03 | 0,04 | 0,05 | 0,06 | 0,07 | 0,08 | 0,09 |
| 0,00 | 0,5 | 0,5040 | 0,5080 | 0,5120 | 0,5160 | 0,5199 | 0,5239 | 0,5279 | 0,5319 | 0,5359 |
| 0,10 | 0,5398 | 0,5438 | 0,5478 | 0,5517 | 0,5557 | 0,596 | 0,5636 | 0,5675 | 0,5714 | 0,5753 |
| 0,20 |
Tabla 2. La tabla de la distribución normal tipificada.
Esta sigue con filas hasta el valor de 0,9, aquí encontramos que el valor requerido está en la columna 0,01 y renglones 0,00 y 0,10.
El resultado es, entonces:
Si quisiéramos medir la probabilidad acumulada en, tendríamos que leer los valores de:
| z | 0,00 | 0,01 | 0,02 | 0,03 | 0,04 | 0,05 | 0,06 | 0,07 | 0,08 | 0,09 |
| 0,00 | 0,5 | 0,5040 | 0,5080 | 0,5120 | 0,5160 | 0,5199 | 0,5239 | 0,5279 | 0,5319 | 0,5359 |
| 0,10 | 0,5398 | 0,543 | 0,5478 | 0,5517 | 0,5557 | 0,5596 | 0,5636 | 0,5675 | 0,5714 | 0,5753 |
| 0,20 | ... |
Tabla 3. La tabla de la distribución normal tipificada. Esta sigue con filas hasta el valor de 0,9,
aquí encontramos que el valor requerido está en la columna 0,01 y renglón 0.10.
El resultado es, entonces:
Como existe una tabla para poder calcular la probabilidad bajo la curva fácilmente, muchas veces es mejor convertir una distribución normal a una normal estándar. Para ello se hace algo llamado tipificar la variable. Para tipificar la variable se debe usar la siguiente fórmula:
\[z = \dfrac{x-\mu}{\sigma}\]
Esta fórmula transforma la variable anterior \(x\) a \(z\) y, con esto, puedes calcular la probabilidad más fácilmente.
Veamos un ejemplo para usar conversiones entre una distribución normal a una tipificada.
En un salón de clases la estatura de los alumnos sigue una distribución normal \((1{,}42; 0{,}02)\), donde el primer dato es la media y el segundo es la desviación típica. Si queremos usar la tabla de probabilidades para facilitar nuestro trabajo, debemos convertir esto para poder obtener el porcentaje de personas que tiene otra estatura. ¿Qué porcentaje de esa población mide más de \(1{,}5\,\mathrm{m}\)?
Solución
En este caso, la media es igual a \(1{,}42\,\mathrm{m}\) y la desviación típica es \(0{,}02\,\mathrm{m}\).
Para poder convertir este valor y usar la distribución tipificada, usamos la fórmula:
\[z = \dfrac{x-\mu}{\sigma}\]
donde:
\[x=1{,}5\,\mathrm{m}\]
\[\mu=1{,}42\,\mathrm{m}\]
\[\sigma=0{,}02\,\mathrm{m}\]
Usando la fórmula, se tiene:
\[z = \dfrac{1{,}5-1{,}42}{0{,}02}=4\]
Esto significa que en la tabla tipificada tendríamos que buscar los valores en la columna izquierda de \(4{,}0\) y en la fila superior de \(0{,}00\).
Como nota, cabe decir que cuanto más lejos nos encontramos de \(1\) y la desviación estándar es pequeña, significa que nos acercamos al \(100%\).
Regístrate gratis para acceder a todas nuestras tarjetas.
¿Qué es el intervalo de confianza para la varianza?
Es el intervalo para el cual estamos seguros que cierto porcentaje de la población vive alrededor de la media, usando la varianza.
¿Qué es una distribución normal en estadística?
Es una distribución que sigue una disposición de datos donde el dato central (llamado media y que es el máximo) y los datos crecen y decrecen alrededor de esta, de modo que tiene una forma de campana invertida.
¿Cuándo se usa la distribución normal?
No hay una manera de saber cuándo usar una distribución normal. Sin embargo, la mayoría de los fenómenos en la naturaleza siguen esta distribución. Esto se debe a que los errores o efectos que causan valores mínimos o máximos alrededor de un valor media decrecen con la misma proporción alrededor de este.
¿Qué significa tener una distribución normal?
Significa que los datos de una muestra siguen una forma de campana invertida. Existe un dato llamado la media y el número de objetos en la muestra cuyos valores son mayores o menores que la media decrece del mismo modo, formando una curva, hasta llegar al valor de 0 en ambos lados.
También existe un valor llamado desviación estándar y alrededor del 68.2% de la población de la muestra vive en el rango m-σ y m+σ.
En StudySmarter, has creado una plataforma de aprendizaje que atiende a millones de estudiantes. Conoce a las personas que trabajan arduamente para ofrecer contenido basado en hechos y garantizar que esté verificado.
Lily Hulatt es una especialista en contenido digital con más de tres años de experiencia en estrategia de contenido y diseño curricular. Obtuvo su doctorado en Literatura Inglesa en la Universidad de Durham en 2022, enseñó en el Departamento de Estudios Ingleses de la Universidad de Durham y ha contribuido a varias publicaciones. Lily se especializa en Literatura Inglesa, Lengua Inglesa, Historia y Filosofía.
Conoce a Lily
Gabriel Freitas es un ingeniero en inteligencia artificial con una sólida experiencia en desarrollo de software, algoritmos de aprendizaje automático e IA generativa, incluidas aplicaciones de grandes modelos de lenguaje (LLM). Graduado en Ingeniería Eléctrica de la Universidad de São Paulo, actualmente cursa una maestría en Ingeniería Informática en la Universidad de Campinas, especializándose en temas de aprendizaje automático. Gabriel tiene una sólida formación en ingeniería de software y ha trabajado en proyectos que involucran visión por computadora, IA integrada y aplicaciones LLM.
Conoce a Gabriel Gabriel
StudySmarter es una compañía de tecnología educativa reconocida a nivel mundial, que ofrece una plataforma de aprendizaje integral diseñada para estudiantes de todas las edades y niveles educativos. Nuestra plataforma proporciona apoyo en el aprendizaje para una amplia gama de asignaturas, incluidas las STEM, Ciencias Sociales e Idiomas, y también ayuda a los estudiantes a dominar con éxito diversos exámenes y pruebas en todo el mundo, como GCSE, A Level, SAT, ACT, Abitur y más. Ofrecemos una extensa biblioteca de materiales de aprendizaje, incluidas tarjetas didácticas interactivas, soluciones completas de libros de texto y explicaciones detalladas. La tecnología avanzada y las herramientas que proporcionamos ayudan a los estudiantes a crear sus propios materiales de aprendizaje. El contenido de StudySmarter no solo es verificado por expertos, sino que también se actualiza regularmente para garantizar su precisión y relevancia.
Aprende másGuarda 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
Regístrate para poder subrayar y tomar apuntes. Es 100% gratis.
La primera app de aprendizaje que realmente tiene todo lo que necesitas para superar tus exámenes en un solo lugar.
¿Ya tienes una cuenta? Iniciar sesión
La primera plataforma de aprendizaje con todas las herramientas y materiales de estudio que necesitas.
Resumenes 
Flashcards 
StudySmarter AI 
Apuntes 
Plan de estudios 
Sets de estudio 
Repeticion espaciada 
Exámenes 
Magazine 
Hacer carrera 
Formacion Profesional 
Mobile App 
