Professional Documents
Culture Documents
P PDF
P PDF
10 1s 20
El eje horizontal es el indice k. La funcién solamente esta definida envalores enteros de Las lineas que conectan los puntos son solo
guias para el ojo y no indican continuidad,
Funcién de distribucién de probabilidad
1.0
0.0 02 04 06 08
El eje horizontal es el indice k.
probabilidad (fp)
Fun de
ibucion (cd:
Mediana
Moda
Varianza
Coeficiente de
X€ (0,00)
ke {0,1,2,..}
et
ki!
T([k+ 1],.)
lk
(dénde F(x, y) es la Funcién gamma
incompleta
d
usualmente cerca de [\ + 1/3 0.02/AJ
[AJ (and A = 1 si A es un entero)
a
ye
fork >0jimetria
Curtosis 3+"
= a In(k!
Entropia AL —In(A)] +e “nth
mF
Funcién generadora te
de momentos (maf) “PO ~ 1)
Eunci6n it
caracteristiea *P((e" —1))
Distribucién Normal o de Gauss
En Estadistica y Probabilidad se lama distribucién normal, distribucién de
Gauss o distribucién gaussiana, a una de las distribuciones de probabilidad
de variable continua que con mis frecuencia aparece en fenémenos reales.
La grifica de su funcién de densidad tiene una forma acampanada y es
simétrica respecto de un determinado parametro. Esta curva se conoce
como campana de Gauss.
La importancia de esta distribucién radica en que permite modelizar
numerosos fenémenos naturales, sociales y psicolégicos. Mientras que los
mecanismos que subyacen a gran parte de este tipo de fenémenos son
desconocidos, por la ingente cantidad de variables incontrolables que en
ellos intervienen, el uso del modelo normal puede justificarse asumiendo
que cada observacién se obtiene como Ia suma de unas pocas causas
independientes
La distribucién normal también es importante por su relacién con la
estimacién por minimos cuadrados, uno de los métodos de estimacién mas
simples y antiguos.Algunos ejemplos de variables asociadas a fendmenos naturales que siguen
el modelo de la normal son:
+ caracteres morfoldgicos de individuos como la estatura;
+ caracteres fisiolégicos como el efecto de un farmaco:
+ caracteres sociolégicos como el consumo de cierto producto por un
mismo grupo de individuos:
+ caracteres psicolégicos como el cociente intelectual
+ nivel de muido en telecomunicaciones:
+ errores cometidos al medir ciertas magnitudes;
+ ete,
La distribucién normal también aparece en muchas areas de la propia
estadistica. Por ejemplo, la distribucién muestral de las medias muestrales
es aproximadamente normal, incluso si la distribucién de la poblacién de la
cual se extrae la muestra no es normal, Ademas, la distribucion normal
maximiza la entropia entre todas las distribuciones con media y varianza
conocidas, lo cual Ia convierte en la eleccién natural de la distribucién
subyacente a una lista de datos resumidos en términos de media muestral y
varianza. La distribucién normal es Ia mas extendida en estadistica y
muchos tests estadisticos estan basados en una supuesta "normalidad”,
En probabilidad la distribucién normal aparece como el limite de varias
distribuciones de probabilidad continuas y discretas.Distribucién normal
Funcion de densidad de probabilidad
0
Ss 4 3 2 4 °0 1 2 3 4° 5
La linea verde corresponde a la distribucion normal estandar
Parametros
Dominio
Funcién de densidad (pdf)
Death Ma Bateestin (atDefinicién formal
Hay varios modos de definir formalmente una distribucién de probabilidad.
La forma mas visual es mediante su funcién de densidad. De forma
equivalente, también pueden darse para su definicién la funcién de
distribucién, los momentos, la funcién caracteristica y la funcién generatriz
de momentos, entre otros.
Funcién de densidad
Se dice que una variable aleatoria continua X sigue una distribucién normal
de parimetros uy ¢ y se denota Y~ N (u, 6) si su funcion de densidad esti
dada por:donde 4 (mu) es la media y o (sigma) es Ia desviacién tipica (o? es la
varianza)
Se lama distribucién normal "estindar" a aquella en la que sus parimetros
toman los valores « = 0 y ¢= 1. En este caso la funcién de densidad tiene la
siguiente expresién:
f(x) = foal) =
Su grafica se muestra a continuacién y con frecuencia se usan TABLAS
para el cdlculo de los valores de su distribucion.
Propiedades
Algunas propiedades de la distribucién normal son:
1. Es simétrica respecto de su media, :
orm 25
09 01 02 03 04
=30 -20 -le 10 20 30
2. La moda y la mediana son ambas iguales a la media, 4:
3. Los puntos de inflexién de la curva se dan parax=1—o yx=\+o.
4. Distribucién de probabilidad en un entorno de la media:© en el intervalo [u - 0, « + a] se encuentra comprendida,
aproximadamente, el 68.26% de la distribucién;
© enel intervalo [u - 2c, + 2a] se encuentra, aproximadamente,
1 95,44% de la distribucién;
© por su parte, en el intervalo [w -30, 4 + 30] se encuentra
comprendida, aproximadamente. el 99,74% de la distribucién.
Estas propiedades son de gran utilidad para el establecimiento
de intervalos de confianza. Por otra parte, el hecho de que
pricticamente la totalidad de la distribucién se encuentre a tres
desviaciones tipicas de la media justifica los limites de las
tablas empleadas habitualmente en la normal estandar.
5. Si X ~ N(u, a) y ay b son niimeros reales, entonces (a¥ + 6) ~
N(au+b, aa).
6. SiX ~ Nits @) © ¥ ~ N(u, 6) son variables aleatorias normales
independientes, entonces:
© Su suma esta normalmente distribuida con U = X+ ¥ ~ N(te +
I. 02 + 62). Reciprocamente, si dos variables aleatorias
independientes tienen una suma normalmente distribuida,
deben ser normales (Teorema de Cramer).
* Su diferencia esti normalmente—distribuida con
VaX-Y~ N(ux by, 0:
<+0¥),
© Si las varianzas de Xe Y son iguales, entonces Uy V’ son
independientes entre si.
*La [[divergencia de Kullback-Leibler,
ty fat
Daal X1Y) = 5 (ow (37.81 X~N(O,o%)e Y~N(0,0¢)son variables —aleatorias
independientes normalmente distribuidas, entonces:
* Su producto XY sigue una distribucién con densidad p dada
por
1. (_lal
p(z) = —— Ko
Toxey — \ox Fy) “donde Ko es una funcion de Bessel
modificada de segundo tipo.
* Su cociente sigue una distribucién de Cauchy con X /
Cauchy (0,6r/ 07). De este modo la distribucion de Cauchy es
un tipo especial de distribueién cociente.
8. Si Xi,-.-.Xnson variables normales estandar_independientes,
2 2
entonces Xi +°*:+Xnsigue una distribucién y2 con » grados de
libertad.
9. Si Xiy---+Xnson variables normales estandar independientes,
entonces la media muestral X = (Xi +--+ + Xn)/ny Ja varianza
muestra 5? = ((X1— XY +--+ (Xn — X))/(2= 1) son
independientes. Esta propiedad caracteriza a las distribuciones
normales y contribuye a explicar por qué el test-F no es robusto
respecto a la no-normalidad).
Estandarizacion de variables aleatorias normales
Como consecuencia de la Propiedad 1, es posible relacionar todas las
variables aleatorias normales con la distribucién normal estandar.
SiX~N (.o?), entonceses una variable aleatoria normal estandar: Z~ N (0.1).
La transformacién de una distribucién X ~ N (1, 0) en una N (0. 1) se llama
normalizacién, estandarizacién o tipificacién de la variable X.
Una consecuencia importante de esto es que la funcién de distribucién de
una distribucién normal es. por consiguiente.
P(X , 99.064 0, 589 580
0,547 758 0.26868 0.982997 0, 999.095 0.969.981
o.ss1 718 0.870761 fo, 414 fo, 999 25 0.399981
0, s55670 o.s72 856 0,903 222 fo, 999 155 0.309 9820.559617 0.574928 fo, 904222 0, s99183, Jo, 309583
0.979999 0, 984936 0.999.237 0.350.084
0, 80 999 0.985.371 0.930.263 0.390 04s
o.s7sa45 0.982976 0.985737 0, 99.288 0 399 985
0, 79250 ose 9% 0, 906086 fo, 99322 0, 90 905
0, 87068 0.888767 0, 986730 0.559398 0.559587
0.90354 0,390.65), 0, 987126 |p, 99 380 0, 559588
fo, so4ss4 oss. fo, 987454 0.555402 0.559.088
0,598 708 0.998380 0.987775 fo, 999 422 0,399 989
0,62 6s 0.996368 0, 9s 0x9 fo, 99.442 0. 399 989
0, cos a19 0.997987 0, 9s 396 0, 99.460 0 $99 990
0, 610261 0.999727 0, 988 636 >, 399.480 0, 389 980
0, 4091 e.son a7 988988 0, 559.499 0.359 991
o.si7911 0.903 199 0, 989275 0, 99.16 0.399 991
fo, 719 0.904 902 0, 989555 0, 999535, 0.399 901o.ssis 0.906582 0, 99820 0, 99 549 0,309 902
0.633071 o.909 677 0, 90358 0.959 81 0.359.952
fo, 635830 Cereal 0,990 613 0. 930 595 0.290 993
0.610576 o.sr3088 0, 990882 0, 99.610 a. 309 993
0,641 308 o.s1s6s6 0,901 105 o, 999604 a, se0 903
0.651731 0.917735 0,991: 0.559.650 0.559555
0.655421 0.919285 0, 931802 0.539.663, 0,559 938
0, 659096 0.920730 0, 92023 0.559.675 0.559.054
0.662257 o.922 196 0, 92.239 0.999 686 0, s80 005
0, 6 402 0.236 0,92 450 0, 99 698 a. 309 995
0.70031 0.935 066 o, oon 656 0, 99 709 0. 569905
0.673644 0.926870 0, 992857 o,39 719 0, 559595
oer. o.927 854 0.983088 0, 959 729 0.359905
fo, 680822 0.929219 0, 993294 0, 99 739 0, 909 995
fo, case 0.330568 0, 993430 0, 99 749 0 909 9950.7933 0.981887 0, 993612 0, 99.758 0 909 995
0, 6os974 0.938978 0,993 968, 0.959 75 0, 559 996
0, 08 468 0.935 748 o,g4132 0,99 784 0. 999 996
0.701944 0.236991, 0, 994296 0, 999792 a. s09 997
0,705 201 o.sie219 0, 904457 0, 999799 0, $60 907
0.712260 0.919620 0, 994 766 0.559.814 0.559997
0.715661 0,981 732 fo, 934915 fo, 939.21, 0.399597
0.719082 o,912 046 0, 95 050 fo, 559 828 0.559997
0, 722408 o.944 08 0,995 201 fo. s99 834 0.399 997
fo. 725746 0,945 200 fo, 95 338 0, 99 810 0.399 97
0, 729060 0.946301 0,995 472 0, 9 sss a. $89 907
0.732371 0.987388 0, 95.68 o, 539.52 0, 559598
fo, 735652 o.91849 0.965730 fo 599 858 0.359 998
fo, 738913 0.919497 0,995 254 0. 39.863, 0.399 908
fo, 72 153 0.95008 0, 995975 0,99 868 0.359 9980.748373 oss se 0, 996002 fo, 99873 0,309 998
o.751747 0.953521 ose sis > 950 83 0.950.958
0, 754902 0.954 496 0, 996497 0.999 087 0,299 958
0.758036 0.955434 fo, 99632 0, 99.002 0. $09 908
o,7o1 ue 0.956367 0, 996635 o, 99 996 0, $60 908
0, 767308 0.958 188 0, 996835 0.559.908 0.559538
0.770350 0.93907 0, 996827 >, 99 907 0, 559538
o.73372 0.93990 0, 997020 0.559911 0,559 .058
0.776372 0, 960 706 0, 997109 fo. s59935 0,399 999
0.779350 0,961 636 0.997197 0, 99938 0.399 999
0.722308 0.96246 o, 997281 fo, 99921 0 $99 999
0, 785236 0.963273, 0, 997364 >, 939924 0, 359.999
fo, 738144 0.964060 9674s 0, 999927 0,559 999
0, 791020 0.964852 0.997522 0, 99930 0,999 999
0,793 22 0.965 60 0, 997598 0, 99935, 0. 399 9990.796730 0.966375 0, 997672 0, 99935 0, 399 999
0.302337 0.96788 0.99785 0.599 940 0,599 999
0, 05 108 0.968357 0,997 8 fo. sap 983 0,999 999
0. so7 40 0.969 258 0.97987 0, 99935 0, 399 999
o,e10570 0.969.946 0, 99801 0, 999947 0, 399 999
0.15938 o.97i285 fo, 998134 0.559951 0, 599999
fo, 1838 o.g71933 0, 998152 o,539953 0,559 999
o.san213 o.sr2sr 0, 998249 0, 59955 0, 599.999
o.s23.1¢ 0.973196 0,90 308 0.999957 0,399 999
o.s2391 o.s73810 0,998 ase 0, 99 950 0.399 999
fo. e28043 ogra o.oo an, 0, 999960 0 $99 999
o,s31472 0.975002 0,98 6 o, 539962 0, 359.999
0,33 976 0.975590 968510 0. 599.964 0,559 999
o,s356 0.976148 0,998 sse 0, 39965 0,999 999
o,s38012 0.976708 0, 998 60s 0, 99.968 0. 399 999Ejemplo:
Buscar la probabilidad normal tipificada de que Z < 2,04.
En la columna del 2 y la fila del 0,04, esta el valor 0,979 324, esto es:
P(Zo,) < 2,04) = 0, 979324
Para otros valores
En la tabla anterior se pueden buscar los valores de la probabilidad normal
tipificada:
P(Zos) 2) =1
despejando:
P(Zoea) > t) = 1- P(Zo1)