Distribución normal

Distribución normal
La línea verde corresponde a la distribución normal estándar Función de densidad de probabilidad
Función de distribución de probabilidad
Parámetros	$\mu \in\mathbb{R} \,\!$ $\sigma > 0 \,\!$
Dominio	$x \in\mathbb{R} \,\!$
Función de densidad (pdf)	$\frac1{\sigma\sqrt{2\pi}}\; e^{ - \frac{1}{2} \left(\frac{x-\mu}{\sigma}\right)^2} \,\!$
Función de distribución (cdf)	$\int\limits_{-\infty}^{x} \frac1{\sigma\sqrt{2\pi}}\; e^{ - \frac{1}{2} \left(\frac{t-\mu}{\sigma}\right)^2} \, dt \,\!$
Media	$\mu \,\!$
Mediana	$\mu \,\!$
Moda	$\mu \,\!$
Varianza	$\sigma^2 \,\!$
Coeficiente de simetría	0
Curtosis	0
Entropía	$\ln\left(\sigma\sqrt{2\,\pi\,e}\right) \,\!$
Función generadora de momentos (mgf)	$M_X(t)= e^{\mu\,t+\frac{\sigma^2 t^2}{2}} \,\!$
Función característica	$\chi_X(t)=e^{\mu\,i\,t-\frac{\sigma^2 t^2}{2}} \,\!$

En estadística y probabilidad se llama distribución normal,distribución de Gauss o distribución gaussiana, a una de las distribuciones de probabilidad de variable continua que con más frecuencia aparece aproximada en fenómenos reales.

La gráfica de su función de densidad tiene una forma acampanada y es simétrica respecto de un determinadoparámetro estadístico. Esta curva se conoce como campana de Gauss y es el gráfico de una función gaussiana.

La importancia de esta distribución radica en que permitemodelar numerosos fenómenos naturales, sociales y psicológicos. Mientras que los mecanismos que subyacen a gran parte de este tipo de fenómenos son desconocidos, por la enorme cantidad de variables incontrolables que en ellos intervienen, el uso del modelo normal puede justificarse asumiendo que cada observación se obtiene como la suma de unas pocas causas independientes.

De hecho, la estadística es un modelo matemático que sólo permite describir un fenómeno, sin explicación alguna. Para la explicación causal es preciso el diseño experimental, de ahí que al uso de la estadística en psicología y sociología sea conocido como método correlacional.

La distribución normal también es importante por su relación con la estimación por mínimos cuadrados, uno de los métodos de estimación más simples y antiguos.

Algunos ejemplos de variables asociadas a fenómenos naturales que siguen el modelo de la normal son:

caracteres morfológicos de individuos como la estatura;
caracteres fisiológicos como el efecto de un fármaco;
caracteres sociológicos como el consumo de cierto producto por un mismo grupo de individuos;
caracteres psicológicos como el cociente intelectual;
nivel de ruido en telecomunicaciones;
errores cometidos al medir ciertas magnitudes;
etc.

La distribución normal también aparece en muchas áreas de la propia estadística. Por ejemplo, la distribución muestralde las medias muestrales es aproximadamente normal, cuando la distribución de la población de la cual se extrae la muestra no es normal.¹ Además, la distribución normal maximiza la entropía entre todas las distribuciones con media y varianza conocidas, lo cual la convierte en la elección natural de la distribución subyacente a una lista de datos resumidos en términos de media muestral y varianza. La distribución normal es la más extendida en estadística y muchos tests estadísticos están basados en una supuesta "normalidad".

En probabilidad, la distribución normal aparece como el límite de varias distribuciones de probabilidadcontinuas y discretas.

Índice

[ocultar]

Historia[editar · editar código]

Abraham de Moivre, descubridor de la distribución normal

La distribución normal fue presentada por primera vez por Abraham de Moivre en un artículo del año 1733,² que fue reimpreso en la segunda edición de su The Doctrine of Chances, de 1738, en el contexto de cierta aproximación de la distribución binomial para grandes valores de n. Su resultado fue ampliado por Laplace en su libro Teoría analítica de las probabilidades (1812), y en la actualidad se llama Teorema de De Moivre-Laplace.

Laplace usó la distribución normal en el análisis de errores de experimentos. El importante método de mínimos cuadrados fue introducido por Legendre en 1805. Gauss, que afirmaba haber usado el método desde1794, lo justificó rigurosamente en 1809 asumiendo una distribución normal de los errores. El nombre de Gauss se ha asociado a esta distribución porque la usó con profusión cuando analizaba datos astronómicos³ y algunos autores le atribuyen un descubrimiento independiente del de De Moivre.⁴ Esta atribución del nombre de la distribución a una persona distinta de su primer descubridor es un claro ejemplo de la Ley de Stigler.

El nombre de "campana" viene de Esprit Jouffret que usó el término "bell surface" (superficie campana) por primera vez en 1872 para una distribución normal bivariante de componentes independientes. El nombre de "distribución normal" fue otorgado independientemente por Charles S. Peirce, Francis Galton y Wilhelm Lexis hacia 1875.^{[cita requerida]} A pesar de esta terminología, otras distribuciones de probabilidad podrían ser más apropiadas en determinados contextos; véase la discusión sobre ocurrencia, más abajo.

Estadistica

miércoles, 4 de diciembre de 2013

un ejercicio completo para que puedas comprender mas el tema

distribucion normal

Distribución normal

Índice

Historia[editar · editar código]