Marta

16 diciembre 2019

Temas

Propiedades de la distribución norma estándar

 

  • La distribución tiene la forma de una campana y la mayor parte del área de esta campana (Bell) se encuentra donde la media.
  • El área debajo de la campana es de 1, y se divide por 0.5 a la izquierda y 0.5 a la derecha de la media.
  • Es simétrica con respecto a la media.
  • La media, moda, y mediana coinciden.
  • Hay dos parámetros que determinan su forma: la media y la desviación estándar.

Distribución normal N(μ, σ)

 

Recordando la definición de distribución normal.

 

Se dice que una variable aleatoria X tiene una distribución normal con media \mu (-\infty < \mu < +\infty ) y desviación estándar \sigma (\sigma > \sigma ), si X tiene una distribución continúa cuya de densidad de probabilidad (f.d.p) es la siguiente:

    \displaystyle { f(x\mid\mu,\sigma^2) = \frac{1}{\sqrt{2\pi}\sigma}e^{\[-\frac{1}{2}(\frac{x-\mu}{\sigma})^2\]} \qquad -\infty < x < \infty} }

 

Distribución normal estándar N(0, 1)

 

La distribución normal con media \mu = 0 y desviación típica \sigma = 1 se llama distribución normal estándar, o tipificada, o reducida. La función de densidad de probabilidad (f.d.p) de la distribución normal tipificada usualmente se denota por el símbolo {\bf\phi} y la función de distribución (f.d) se denota por el símbolo {\bf\Phi}. Entonces:

 

Su función de densidad de probabilidad es:

 

\displaystyle { \phi(x)=f(x\mid 0,1) = \frac{1}{\sqrt{2\pi}}e^{(-\frac{1}{2}x^2)} \qquad -\infty < x < \infty} }

 

Y su función de distribución es:

 

\displaystyle { \Phi(x)=\int^x_{-\infty} \phi(u) du \qquad -\infty < x < \infty} }

donde el símbolo u se utiliza en la ecuación anterior como variable muda de integración.

Además, la gráfica de la f.d.p es:

 

ejemplo de una campana de gauss dibujo

 

La probabilidad de la variable X dependerá del área del recinto sombreado en la figura. Y para calcularla utilizaremos una tabla.

 

Tipificación o normalización de la variable

 

Para poder utilizar la tabla tenemos que transformar la variable X que sigue una distribución N(\mu, \sigma) en otra variable Z que siga una distribución N(0,1). Por lo que la operación necesaria es la siguiente:

 

\displaystyle { Z = \frac{X-\mu}{\sigma} }

¿Necesitas un/a profe de Matemáticas?

¿Te ha gustado el artículo?

¿Ninguna información? ¿En serio?Ok, intentaremos hacerlo mejor la próxima vezAprobado por los pelos. ¿Puedes hacerlo mejor?Gracias. Haznos cualquier pregunta en los comentar¡Un placer poder ayudarte! :) 2,84/5 - 32 voto(s)
Cargando…

Marta

➗ Licenciada en Químicas da clase de Matemáticas, Física y Química -> Comparto aquí mi pasión por las matemáticas ➗