FACULTAD: CIENCIAS ADMINISTRATIVAS

Programa: ADMINISTRACION DE EMPRESAS

ASIGNATURA: ESTADISTICA I
ALUMNO: DAVID TAFUR

CAMPANA DE GAUSS

Es una de las distribuciones mas utilizadas es la distribucin normal, se le llama

Distribucin Gaussiana, hay caractersticas que se pueden mediar con esta
distribucin como la talla o el peso, el coeficiente intelectual, estas son
variables que casi siempre se asume que tienen una distribucin normal en
estadstica, aunque esta tcnica no es muy sensible a la desviacin de la
normal, esta tcnica puede realizarse cuando se dispone de un numero
suficientes de datos.

La campana de Gauss hace honor al nombre de Carl Friedirch Gauss y se

escribe de la siguiente manera:
2
F(x) = a
e- (x- b)
2 C2
Donde A y B son Constantes, esta se utiliza en Caso Que A sea igual a
1
C raiz 2
PI

Con una variable aleatoria que tenga una distribucin Normal

De Media U= b
Varianza = Q2 = C2

Si esto es asi la grafica es:

Campana Gauss
la curva es normal es simtrica con dos mitades
idnticas

extremidad o
extremidad o cola cola

la media, la mediana y la moda son iguales

La distribucin normal probabilstica y su curva normal a tiene lassigueintes
caractersticas:

1. Tiene norma de Campana y presenta un solo pico en el centro exacto de

la distribucin, la media, la mediana y la moda son iguales y estn en el
punto central

2. La distribucin probabilstica es normal es simtrica con respecto a su

medida

3. La curva normal mengua igual en ambas partes, por lo cual se hacerca

cada vez al Eje de X pero nunca lo toca, estas se extienden
indefinidamente en las dos direcciones

4. Su distancia entre la lnea dibujada en la media y el ponto de inflexin

de la curva es parecida a una desviacin tpica (Q) cuando mayor se (Q)
mas aplastada ser la curva de la densidad

5. Cuando mayor se el valor Q, mas dispersos sern los datos, en via a la

media

6. Cuando los datos sean mas pequeos, hay una mayor probabilidad de
obtener datos mas cercanos a la media de la distribucion

Se suele llamar Gaussiana, laplaciana, Gauss o la segunda ley de laplace, fue

descubierta por DE MOIVRE en (1756) como forma limite de la distribucion
Binomial.
Ejemplo:

Hay que elaborar una tabla de frecuencias teorica, para eso lanzare 12
monedas a la vez o sucesivamente 12 veces una moneda y obedremos
probabilidades de aparicin de 0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12 caras, con
estos resultados podemos calcular la media y la varianza de la distribucin

Distribucin de Frecuencias

frecuenci
Numero a
de esperada Probabilidad
Caras o teorica P(X)
Xi Ni Hi Xi Ni Xi 2 Ni
0 1 1/4.096 = 0,00024 0 0
1 12 12/4.096 = 0,00293 12 12
2 66 66/4,096 = 16,11328 132 264
3 220 220/4,096 = 53,71094 660 1980
4 495 495/4,096 = 120,84961 1980 7920
5 795 795/4,096 = 194,09180 3960 19800
6 924 924/4,096 = 225,58594 5544 33264
7 792 792/4,096 = 193,35938 5544 38808
8 495 495/4,096 = 120,84961 3960 31680
9 220 220/4,096 = 53,71094 1980 17820
10 66 66/4,096 = 16,11328 660 6600
11 12 12/4,096 = 2,92969 132 1452
12 1 1/4,096 = 0,24414 12 144
E 4096 1000 1000000 24,576 159,744

E X i Ni
X= = 243,576 6
N 4096

39-
S2 = E X2 i Ni X2= 159744 36= 36=36=3
N 4096
Teorema si p es la probabilidad de xito de un suceso en un solo experimento y
Q es la probabilidad de fracaso, entonces la distribucin binomial que da las
frecuencias esperadas para 0, 1, 2, N xitos en N experimentos, tiene
como medida M y Desviacion Tipica Q = Raiz N P q

Si tiene que M= np y Q = Raiaz npq, la formula que aplicaremos es la siguiente

Forma:

M = np M = 12 (1/2) = 6

Q2 = npq Q2 = 12 (1/2) (1/2) = 3

Q = Raiz npq Q = Raiz 12 (1/2) = raiaz 3 = 1,732

Representacin Grafica

Con los datos de la tabla de frecuencias teoricas elaboramos un histograma de

frecuencias, teniendo en cuenta que el numero de la aparicin de caras
corresponde a una variable discreta, y al no tener intervalos, se debe colocar
cada valor de la variable en el centro del rectngulo

Uniendo los puntos medios en la parte superior de cada rectngulo, obteniendo

una curva conocida como curva de Gauss

El histograma binomial es simetrico, cuando p= q =1/2, lo anterior se presenta

en el lanzamiento de una moneda; pero en el lanzamiento de un dado, por lo
general p # q

Probabilidades mediante una aproximacin a la curva normal

X y Y son cantidades concretas de la misma especie, la variante estadstica
Z = X M /Q representa una medida de las desviaciones estndar o de las
llamadas unidades estandarizadas La anterior expresin tambin es conocida
como desviacin normal

1400

1200

1000

800

600

400

200

0
1 2 3 4 5 6 7 8 9 10 11 12 13

Conclusin

La campana de Gaussno sirve para medir extensamente la distribucin de

probabilidad, de una manera mas exacta, la importancia principal de la campana
de Gauss o Distribucin normal es que hay muchas variables asociadas a
fenmenos, este mtodo nos ayuda a facilitar los clculos.