Introducción a la distribución Normal

A. Leonardo Bañuelos S.

9 Nov 201604:59

Summary

TLDRLa distribución normal es una de las distribuciones más utilizadas en probabilidad y estadística, y tiene aplicaciones en áreas como características fisiológicas, errores de medición, y más. Esta distribución es simétrica y tiene dos parámetros clave: la media y la desviación estándar. A medida que nos alejamos de la media, la probabilidad de encontrar un valor disminuye, cubriendo un porcentaje significativo de la distribución dentro de ciertos intervalos de desviaciones estándar. La normalización de la variable aleatoria permite calcular probabilidades usando tablas estándar, facilitando su uso en diversos campos.

Takeaways

😀 La distribución normal es una de las distribuciones continuas más importantes y ampliamente utilizada en diversas áreas, como la biología y la física.
😀 Sus aplicaciones incluyen características morfológicas como el peso, la estatura, y la presión arterial, así como errores en mediciones.
😀 El nombre 'distribución normal' proviene de la frecuencia con la que se observa este comportamiento en fenómenos físicos y sociales.
😀 Se le conoce también como la distribución de Gauss, en honor al matemático alemán Carl Friedrich Gauss, quien la utilizó para calcular errores en mediciones astronómicas.
😀 La distribución normal fue publicada por primera vez por Abraham de Moivre en 1733, quien la derivó al estudiar la distribución binomial en el caso límite.
😀 La forma característica de la distribución normal es una curva en forma de campana, que se obtiene cuando el número de experimentos en una distribución binomial aumenta.
😀 Los dos parámetros clave de la distribución normal son la media (μ), que determina la posición central, y la desviación estándar (σ), que indica la dispersión de los datos.
😀 La distribución normal es simétrica, lo que significa que la media, la mediana y la moda coinciden en el mismo valor.
😀 A medida que te alejas de la media, aproximadamente el 68% de los valores caen dentro de una desviación estándar, el 95% dentro de dos desviaciones estándar, y el 99.7% dentro de tres desviaciones estándar.
😀 Para trabajar con probabilidades de la distribución normal, se utiliza la transformación estándar, que convierte la distribución en una normal con media 0 y desviación estándar 1.
😀 La función de densidad normal incluye una exponencial negativa cuadrada y no puede resolverse con funciones algebraicas o trigonométricas comunes, sino mediante la función de error.

Q & A

¿Qué es la distribución normal y por qué es importante en probabilidad y estadística?
-La distribución normal es una distribución continua ampliamente utilizada en probabilidad y estadística. Es importante porque describe muchos fenómenos naturales y sociales, como la estatura, el peso, la presión arterial y los errores en mediciones, entre otros.
¿Qué características morfológicas o fisiológicas se pueden modelar con la distribución normal?
-Algunas características que se pueden modelar con la distribución normal incluyen la estatura, el peso, las longitudes de ciertas partes del cuerpo, la presión arterial, el tiempo de respuesta a estímulos o fármacos, y los errores cometidos en mediciones.
¿Por qué se le llama distribución normal y quiénes contribuyeron a su nombre?
-La distribución normal se llama así debido a la frecuencia con que se observa este comportamiento en fenómenos físicos y sociales. Varios matemáticos, de forma independiente, la nombraron, y su asociación con la 'normalidad' fue influenciada por el matemático Carl Friedrich Gauss, quien la utilizó en el siglo XVIII.
¿Quién fue el primer matemático en publicar la distribución normal?
-El primer matemático en publicar la distribución normal fue el francés Abraham de Moivre en el siglo XVIII, aunque su forma fue descrita antes por Galileo, quien hizo conjeturas sobre la distribución de los errores en mediciones astronómicas.
¿Cómo se aproxima la distribución binomial a la distribución normal?
-La distribución binomial se aproxima a la distribución normal cuando se incrementa el número de experimentos (n). A medida que 'n' crece, el histograma de la distribución binomial se asemeja cada vez más a una curva suave en forma de campana.
¿Qué es lo que define la forma de campana de la distribución normal?
-La forma de campana de la distribución normal se debe a su simetría y a la concentración de los datos alrededor de la media. Este término fue popularizado por el matemático Carl Spirit Joffre en 1872, al estudiar la distribución normal bivariada.
¿Cuáles son los parámetros principales de la distribución normal?
-Los dos parámetros principales de la distribución normal son la media, que determina el valor central de la distribución, y la desviación estándar, que indica la dispersión o el alejamiento de los datos respecto a la media.
¿Cuáles son las propiedades de la distribución normal?
-Las propiedades clave de la distribución normal son: es simétrica respecto a la media, la media, mediana y moda coinciden, y la distancia de la media al punto de inflexión es la desviación estándar. Además, sigue la regla de que aproximadamente el 68% de los datos se encuentran dentro de una desviación estándar, el 95% dentro de dos, y el 99.7% dentro de tres.
¿Qué es la transformación de una variable a una distribución normal estándar?
-La transformación de una variable a una distribución normal estándar consiste en restar la media y dividir entre la desviación estándar, lo que ajusta la variable para que su media sea igual a 0 y su desviación estándar igual a 1.
¿Cómo se pueden calcular probabilidades utilizando la distribución normal?
-Para calcular probabilidades con la distribución normal, se puede usar la transformación a una variable estándar, y luego se consultan las tablas de la distribución normal estándar para encontrar la probabilidad correspondiente.