Welcome to Scribd, the world's digital library. Read, publish, and share books and documents. See more
Download
Standard view
Full view
of .
Save to My Library
Look up keyword
Like this
255Activity
0 of .
Results for:
No results containing your search query
P. 1
Distribución Normal o de Gauss

Distribución Normal o de Gauss

Ratings:

5.0

(1)
|Views: 25,858 |Likes:
Published by api-3697274

More info:

Published by: api-3697274 on Oct 15, 2008
Copyright:Attribution Non-commercial

Availability:

Read on Scribd mobile: iPhone, iPad and Android.
download as DOC, PDF, TXT or read online from Scribd
See more
See less

03/18/2014

pdf

text

original

 
Distribución Normal o de Gauss
La distribución normal fue reconocida por primera vez por el francés Abraham de Moivre(1667-1754). Posteriormente, Carl Friedrich Gauss (1777-1855) elaboró desarrollos más profundos y formuló la ecuación de la curva; de ahí que también se le conozca, máscomúnmente, como la
"campana de Gauss"
.
Definición
Se dice que la v.a continua X es una v.a. normal con parámetros
µ
y
σ
² si su función dedensidad es:
22
2)x(
e21)x(
σµ
πσ=
Se denota X
~
 N(
µ
,
σ
²) y se dice X se distribuye normal con parámetros
µ
y
σ
²
Representación gráfica de la función de densidad normal.Características de la distribución normal
Dom f =
La función siempre es positiva, f(x)>0 para toda x.
El máximo de f se alcanza en
µ
y su valor es
πσ=µ
21)(
Puntos de inflexión en
µ
-
σ
y
µ
+
σ
Es simétrica con respecto a la recta x=
µ
Es creciente en el intervalo ]-∞,
µ
[ y decreciente en el intervalo ]
µ
,+∞[
La función tiende a 0 cuando x tiente a -∞ y a +∞
 
Gráfica de una distribución normal y significado del área bajo la curva.
Propiedad
 Si X~N(
µ
,
σ
²) entonces E(X)=
µ
y V(X)=
σ
²De lo anterior, cuando X
~
 N(
µ
,
σ
²) se dice X se distribuye normal con
media
 
µ
y
varianza
 
σ
². Por tanto, la
desviación estándar
de X será
σ
.La forma de la campana de Gauss depende de los parámetros
µ
y
σ
². La media (
µ
)indica la posición de la campana, de modo que para diferentes valores de
µ
la gráfica esdesplazada a lo largo del eje horizontal. Por otra parte, la varianza (
σ
²)
determina elgrado de dispersión de la curva con respecto a la media
µ
. Cuanto mayor sea el valor de
σ
² más se dispersarán los datos en torno a la media y la curva será más plana o achatada.Un valor pequeño de
σ
² indica, por tanto, una gran probabilidad de obtener datos cercanosal valor medio de la distribución y el gráfico de la curva se concentrará más alrededor de lamedia (
µ
)
. Como se deduce de lo anterior, no existe una única distribución normal, sinouna familia de distribuciones con una forma común, diferenciadas por los valores de sumedia y su varianza.
Ejemplos de distribuciones normales
 
con diferentes parámetros
µ
y
σ
.
Función de Distribución de la N(
µ
,
σ
²)
Si X
~
 N(
µ
,
σ
²), entonces su
función de distribución
F será:
dxe21)tX(P)t(F
t
22
2)x(
∫ 
σµ
πσ==

You're Reading a Free Preview

Download
/*********** DO NOT ALTER ANYTHING BELOW THIS LINE ! ************/ var s_code=s.t();if(s_code)document.write(s_code)//-->