GIOVANNY ENTREGA FOLLETOS Y PRESENTA EL GRUPO.

POR FAVOR LEAN TODO PORQUE EL PROFESOR NOS HARÁ PREGUNTAS.

DIAPOSITIVA #4 NAYARI ESPINOSA.
La gráfica de su función de densidad tiene una forma acampanada y es simétrica respecto
de un determinado parámetro estadístico. Esta curva se conoce como campana de
Gauss y es el gráfico de una función gaussiana.2
La importancia de esta distribución radica en que permite modelar numerosos fenómenos
naturales, sociales y psicológicos. 3Mientras que los mecanismos que subyacen a gran
parte de este tipo de fenómenos son desconocidos, por la enorme cantidad de variables
incontrolables que en ellos intervienen, el uso del modelo normal puede justificarse
asumiendo que cada observación se obtiene como la suma de unas pocas causas
independientes.
De hecho, la estadística descriptiva sólo permite describir un fenómeno, sin explicación
alguna. Para la explicación causal es preciso el diseño experimental, de ahí que al uso de
la estadística en psicología y sociología sea conocido como método correlacional.
La distribución normal también es importante por su relación con la estimación
por mínimos cuadrados, uno de los métodos de estimación más simples y antiguos.

DIAPOSITIVA #5 SANTIAGO ROJAS

Aprenderse esto de memoria por favor, lo que está subrayado de amarillo son ejemplos.
Algunos ejemplos de variables asociadas a fenómenos naturales que siguen el modelo de
la normal son:

 caracteres morfológicos de individuos como la estatura;

 caracteres fisiológicos como el efecto de un fármaco;
 caracteres sociológicos como el consumo de cierto producto por un mismo grupo de
individuos;
 caracteres psicológicos como el cociente intelectual;
 nivel de ruido en telecomunicaciones;
 errores cometidos al medir ciertas magnitudes;
 etc.

La distribución normal también aparece en muchas áreas de la propia estadística. Por
ejemplo, la distribución muestral de las medias muestrales es aproximadamente normal,
cuando la distribución de la población de la cual se extrae la muestra no es normal.4
Además, la distribución normal maximiza la entropía entre todas las distribuciones con
media y varianza conocidas, lo cual la convierte en la elección natural de la distribución
subyacente a una lista de datos resumidos en términos de media muestral y varianza. La
distribución normal es la más extendida en estadística y muchos tests estadísticos están
basados en una "normalidad" más o menos justificada de la variable aleatoria bajo estudio.
En probabilidad, la distribución normal aparece como el límite de varias distribuciones de
probabilidad continuas y discretas.
DIAPOSITIVA #6 WILLIAM LEAL
APRENDERSE ESTO DE MEMORIA POR FAVOR

Importancia de la distribución normal

Es el modelo continuo de mayor importancia en estadística debido a las siguientes razones:

 Su aplicación es directa y permite observar muchas variables de interés, que

pueden describirse fácilmente con este modelo.
 Sirve para acercarse a varias distribuciones de probabilidad discreta, entre estas
la distribución de Poisson y la distribución Binomial.
 Sus propiedades han permitido el desarrollo de muchas técnicas de inferencia
estadística. Proporcionando la base de la estadística inferencial clásica, por su
relación con el teorema de límite central.

DIAPOSITIVA #7 CESAR RISCANEVO Y GIOVANNY

APRENDERSE ESTO DE MEMORIA POR FAVOR, POR SI NO HAN ENTENDIDO LO QUE ESTÁ DE
VERDE LE CORRESPONDE EXPLICARLO CÉSAR Y LO CELESTE; GIOVANNY.

Variable aleatoria continua

Es aquella que alcanza adjudicarse un número infinito de valores dentro de determinado

rango. Por ejemplo, el peso de una persona según la precisión de la báscula puede ser 80.5,
80.52, etc.

Distribución de probabilidad normal

Muchas variables aleatorias siguen una distribución normal o cerca de la misma. Pues su
característica más resaltante es que la gran mayoría de distribución de probabilidad bien sea
discreta o continua, pude ser aproximada con una probabilidad normal bajo ciertas
condiciones.

Las características tanto de la distribución de probabilidad normal y la curva que la

representa son:
  La curva tiene forma de campana con un pico en el centro de la distribución. Por
lo que la media aritmética, la moda y la mediana son iguales y se localizan en el
pico.
 Es simétrica alrededor de su media. La mitad del área bajo la curva se encuentra
a la derecha de dicho punto central y la otra mitad está a la izquierda.
 La curva desciende mansamente en ambas direcciones a partir del valor central.
 Es asintótica, es decir, que la curva se acerca bastante al eje X pero no llega a
tocarlo.

Función de densidad de probabilidad GIOVANNY,

ESCRIBE LA FORMULA EN EL TABLERO.

Emplea cálculos laboriosos, puede demostrarse aplicando la fórmula es

Dicha función de densidad:

 Puede usar cualquier valor (- ∞ ,+ ∞ )

 Son más probables los valores cercanos al punto central (media).
 Conforme se aleja del valor µ, la probabilidad decrece de la misma forma a la
derecha e izquierda (simétrica).
 Conforme se aleje del valor µ, la probabilidad decrece de forma más o menos
rápida dependiendo de la desviación típica (parámetro s).
Uso de la distribución en la deducción
estadística
Los conceptos de probabilidad y distribuciones de muestras se utilizan como introducción al
método de Inferencia Estadística, la cual se compone de:

 La estimación: Que busca evaluar los parámetros de la población basados en una

muestra.
 Las pruebas de Hipótesis: Proceso relacionado con aceptación o rechazo de
alguna afirmación sobre los parámetros de la población.