Función de densidad de
probabilidad para la variable aleatoria continua. Fue descubierta por Carl Gauss al
estudiar el comportamiento de los procesos aleatorios. Es ampliamente utilizada en
estadística y teoría de las probabilidades.
Definción
La función asociada a la distribución normal está dada por:
A mayor desviación la curva será más "plana", dado que la distribución, en este
caso, presenta una mayor variabilidad.
La curva es siimétrica respecto a la media.
Intervalos de una distribución normal
Una de las ventajas de tipificar una distribución es que se puede medir la desviación
de los datos respecto a la media, lo cual permite comparar la posición relativa de
los datos.
Donde:
P(X) = probabilidad de X éxitos dados los parámetros n y p
n = tamaño de la muestra
p = probabilidad de éxito
1 – p = probabilidad de fracaso
X = numero de éxitos en la muestra ( X = 0, 1, 2, …….. n)
Condiciones
En cada ensayo hay sólo dos posibles resultados (éxito o fracaso, defectuoso o noi
defectuoso).
Simétrica: Cuando p=0.5 sin tomar en cuenta que tan grande o pequeño sea el valor
de "n"
Sesgada: Cuando p≠0.5. Cuanto más cerca se encuentre "p" de 0.5 y mayor sea el
número de observaciones "n", menos sesgada será la distribución, por otra parte,
con una "p" pequeña la distribución tendrá un gran sesgo a la derecha y para una
"p" muy grande la distribución tendría un gran sesgo a la izquierda.
Tabla
La tabla proporciona, para diversas combinaciones de n y p, las probabilidades de
que la variable aleatoria binomial tome valores x = 0, 1, 2, ..., n. Tiene en la primera
fila los valores de "p"; en la primera columna los valores de "n" y en la segunda
columna los valores de x, pero están representados en ella por una k Sí se quiere
tener el resultado de la probabilidad se combinan los valores de n y p y dentro de
ellos se busca el valor de x que se necesita.
Supóngase que se toma una muestra de una población normal con media y
Todos los elementos del conjunto tienen que ser mayores que cero. Si algún
elemento fuese cero (Xi=0), entonces la MG sería 0 aunque todos los demás valores
estuviesen alejados del cero.
La media cuadrática es muy útil para calcular la media de variables que toman
valores negativos y positivos. Se suele utilizar cuando el símbolo de la variable no
es importante y lo que interesa es el valor absoluto del elemento. Por ejemplo, para
calcular la media de errores de medida.
Una aplicación clásica de la media cuadrática es la determinación del valor
eficaz de un parámetro sinusoidal en electricidad, en corriente alterna (tensión en
voltios o intensidad en amperios).
Bibliografía: