Escolar Documentos
Profissional Documentos
Cultura Documentos
com/dashboard)
DISTRIBUCION NORMAL
net_ang (//www.monografias.com/usuario/perfiles/net_ang)
Indice
1. Introducción
2. Distribución Normal
3. Función De Densidad
4. La Distribución Binomial
1. Introducción
2. Distribución Normal
Esta distribución es frecuentemente utilizada en las aplicaciones estadísticas. Su propio nombre indica su extendida
utilización, justificada por la frecuencia o normalidad con la que ciertos fenómenos tienden a parecerse en su
comportamiento a esta distribución.
Muchas variables aleatorias continuas presentan una función de densidad cuya gráfica tiene forma de campana.
En otras ocasiones, al considerar distribuciones binomiales, tipo B(n,p), para un mismo valor de p y valores de n cada
vez mayores, se ve que sus polígonos de frecuencias se aproximan a una curva en "forma de campana".
En resumen, la importancia de la distribución normal se debe principalmente a que hay muchas variables asociadas a
fenómenos naturales que siguen el modelo de la normal.
Caracteres morfológicos de individuos (personas, animales, plantas,?) de una especie, p. ejm. Tallas, pesos,
envergaduras, diámetros, perímetros?
Caracteres fisiológicos, por ejemplo; efecto de una misma dosis de un fármaco, o de una misma cantidad de
abono.
Caracteres sociológicos, por ejemplo: consumo de cierto producto por un mismo grupo de individuos,
puntuaciones de examen.
Caracteres psicológicos, por ejemplo: cociente intelectual, grado de adaptación a un medio??
Errores cometidos al medir ciertas magnitudes.
Valores estadísticos maestrales, por ejemplo: la media.
Otras distribuciones como la binomial o la de Poisson son aproximaciones normales?
3. Función De Densidad
Empleando cálculos bastante laboriosos, puede demostrarse que el modelo de la función de densidad que corresponde
a tales distribuciones viene dando por la fórmula
Función De Una Distribución
4. La Distribución Binomial
Funciones de probabilidad:
Llamamos función d probabilidad f a la aplicación de E(X) (Espacio Muestral) en el intervalo [0,1] QUE VERIFICA:
f(A)= p (A)
Básicamente se trata de estudiar la probabilidad como una función utilizando para su estudio todas las propiedades de
las funciones.
La Distribucion Binomial:
Llamamos experiencia aleatoria dicotómica a aquella que solo puede tener dos posibles resultados A y A'. Usualmente
A recibe el nombre de éxito, además representaremos como p= p(A) y q=1-p=p(A?).
A la función de probabilidad de una variable aleatoria X resultado de contar el número de éxitos al repetir n veces una
experiencia aleatoria dicotómica con probabilidad de éxito p la llamamos distribución binomial y la representamos por B
(n, p)
Para esta distribución se verifica que, la variable X puede tomar los valores:
0,1,2,?, n
y que la variable toma cada uno de estos valores con probabilidad:
p( X = r ) = (nr) pr (1 ? p) n-r
Muestreo
En estadística, es el proceso por el cual se seleccionan los individuos que formarán una muestra.
Para que se puedan obtener conclusiones fiables para la población a partir de la muestra, es importante tanto su
tamaño como
el modo en que han sido seleccionados los individuos que la componen.
El tamaño de la muestra depende de la precisión que se quiera conseguir en la estimación que se realice a partir de ella.
Para su determinación se requieren técnicas estadísticas superiores, pero resulta sorprendente cómo, con muestras
notablemente pequeñas, se pueden conseguir resultados suficientemente precisos. Por ejemplo, con muestras de unos
pocos miles de personas se pueden estimar con muchísima precisión los resultados de unas votaciones en las que
participarán decenas de millones de votantes.
Para seleccionar los individuos de la muestra es fundamental proceder aleatoriamente, es decir, decidir al azar qué
individuos de entre toda la población forma parte de la muestra.
Si se procede como si de un sorteo se tratara, eligiendo directamente de la población sin ningún otro condicionante, el
muestreo se llama aleatorio simple o irrestrictamente aleatorio.
Cuando la población se puede subdividir en clases (estratos) con características especiales, se puede mostrar de modo
que el número de individuos de cada estrato en la muestra mantenga la proporción que existía en la población. Una vez
fijado el número que corresponde a cada estrato, los individuos se designan aleatoriamente. Este tipo de muestreo se
denomina aleatorio estratificado con asignación proporcional.
Las inferencias realizadas mediante muestras seleccionadas aleatoriamente están sujetas a errores, llamados errores
de muestreo, que están controlados. Si la muestra está mal elegida - no es significativa - se producen errores
sistemáticos no controlados.
Métodos De Muestreo
Existen dos métodos de muestreo:
El muestreo probabilístico y no probabilístico
Métodos de muestreo probabilístico
Los métodos de muestreo probabilísticas son aquéllos que se basan en el principio de equiprobabilidad. Es decir,
aquellos en los que todos los individuos tienen la misma probabilidad de ser elegidos para formar parte de una muestra
y, consiguientemente, todas las posibles muestras de tamaño n tienen la misma probabilidad de ser elegidas. Sólo
estos métodos de muestreo probabilísticas nos aseguran la representatividad de la muestra extraída y son, por tanto,
los más recomendables. Dentro de los métodos de muestreo probabilísticas encontramos los siguientes tipos:
Afijación simple
A cada estrato le corresponde igual número de elementos maestrales.
Afijación proporcional
La distribución se hace de acuerdo con el peso (tamaño) de la población en cada estrato.
Afijación Optima
Se tiene en cuenta la previsible dispersión de los resultados, de modo que se considera la proporción y la desviación
típica. Tiene poca aplicación ya que no suele conocer la desviación.
Bola de nieve
Se localiza a algunos individuos, los cuales conducen a otros, y estos a otros, y así hasta conseguir una muestra
suficiente. Este tipo se emplea muy frecuentemente cuando se hacen estudios con poblaciones "marginales",
delincuentes, sectas, determinados tipos de enfermos, etc.
Error Muestral
De estimación o estándar. Es la diferencia entre un estadístico y su parámetro correspondiente. Es una medida de al
variabilidad de las estimaciones de muestras repetidas en torno al valor de la población, nos da una noción clara de
hasta donde y con qué probabilidad una estimación basada en una muestra se aleja del valor que se hubiera obtenido
por medio de un censo completo. Siempre se comete un error, pero la naturaleza de la investigación nos indicará hasta
qué medida podemos cometerlo (los resultados se someten a error muestral e intervalos de confianza que varían
muestra a muestra). Varía según se calcule al principio o al final. Un estadístico será más preciso en cuanto y tanto su
error es más pequeño. Podríamos decir que es la desviación de la distribución muestral de un estadístico y su
fiabilidad.
Autor:
Angel Moreno
(mailto:)
El Centro de Tesis, Documentos, Publicaciones y Recursos Educativos más amplio de la Red.
© Monografias.com S.A.