DISTRIBUCION NORMAL

Enviado por net_ang

Anuncios Google:
Estadstica Aplicada
Material Gratuito para Laboratorios Suscrbase Ahora a nuestro Boletn | Boletin.MetroQuimica.com.ar
Impresora Inalambrica HP
Liberate, imprime wireless! Nueva photosmart C7480. | Hp.com/Photosmart

Indice
1. Introduccin
2. Distribucin Normal
3. Funcin De Densidad
4. La Distribucin Binomial
1. Introduccin
Esta distribucines frecuentemente utilizada en las aplicaciones estadsticas.
Su propio nombre indica su extendida utilizacin, justificada por las frecuencia o
normalidad con la que las ciertos fenmenos tienden a parecerse en su comportamientoa
esta distribucin.
Muchas variables aleatorias continuas presentan una funcin de densidad cuya grfica tiene
forma de campana.
En otras ocasiones, al considerar distribuciones binomiales, tipo B(n,p), para un mismo
valor de p y de valores de n cada vez mayores, se ve que sus polgonos de frecuencias se
aproximan a una forma en forma de campana.
En resumen, la importancia de la distribucin normal se debe principalmente a que hay
muchas variables asociadas a fenmenos naturales que siguen el modelo de la normal.
- Caracteres morfolgicos de individuos (personas, animales, plantas,) de una especie.
Por ejemplo: tallas, pesos, envergaduras, dimetros, permetros,
- Caracteres fisiolgicos, por ejemplo: efecto de una misma dosis de un frmaco, o de una
misma cantidad de abono.
- Caracteres sociolgicos, por ejemplo: consciente intelectual, grado de adaptacin a un
medio.
- Errores cometidos al medir ciertas magnitudes.
- Valores estadsticos maestrales, por ejemplo: la media.
- Otras distribuciones como la binomial o la Poisson son aproximaciones normales.
Y en general cualquier caracterstica que se obtenga como suma de mucho factores.
2. Distribucin Normal
Esta distribucin es frecuentemente utilizada en las aplicaciones estadsticas. Su propio
nombre indica su extendida utilizacin, justificada por la frecuencia o normalidad con la
que ciertos fenmenos tienden a parecerse en su comportamiento a esta distribucin.
Muchas variables aleatorias continuas presentan una funcin de densidad cuya grfica 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 polgonos de frecuencias se
aproximan a una curva en "forma de campana".
En resumen, la importancia de la distribucin normal se debe principalmente a que hay
muchas variables asociadas a fenmenos naturales que siguen el modelo de la normal.
 Caracteres morfolgicos de individuos (personas, animales, plantas,) de una especie,
p. ejm. Tallas, pesos, envergaduras, dimetros, permetros
Caracteres fisiolgicos, por ejemplo; efecto de una misma dosis de un frmaco, o de una
misma cantidad de abono.
Caracteres sociolgicos, por ejemplo: consumo de cierto producto por un mismo grupo
de individuos, puntuaciones de examen.
Caracteres psicolgicos, por ejemplo: cociente intelectual, grado de adaptacin a un
medio
Errores cometidos al medir ciertas magnitudes.
Valores estadsticos maestrales, por ejemplo: la media.
Otras distribuciones como la binomial o la de Poisson son aproximaciones normales

Y en general cualquier caracterstica que se obtenga como suma de muchos factores.

3. Funcin De Densidad
Empleando clculos bastante laboriosos, puede demostrarse que el modelo de la funcin de
densidad que corresponde a tales distribuciones viene dando por la frmula

Funcin De Una Distribucin

Puede tomar cualquier valor (- ,+ )
Son ms probables los valores cercanos a uno central que llamados media
Conforme nos separamos de ese valor , la probabilidad va decreciendo de igual forma a
derecha e izquierda (es simtrica).
 Conforma nos separamos de ese valor , la probabilidad va decreciendo de forma ms o
menos rpida dependiendo de un parmetro s , que es la desviacin tpica.

4. La Distribucin Binomial
Funciones de probabilidad:
Llamamos funcin d probabilidad f a la aplicacin de E(X) (Espacio Muestral) en el
intervalo [0,1] QUE VERIFICA:
f(A)= p (A)
Bsicamente se trata de estudiar la probabilidad como una funcin utilizando para su
estudio todas las propiedades de las funciones.
La Distribucion Binomial:
Llamamos experiencia aleatoria dicotmica a aquella que solo puede tener dos posibles
resultados A y A'. Usualmente A recibe el nombre de xito, adems representaremos como
p= p(A) y q=1-p=p(A).
A la funcin de probabilidad de una variable aleatoria X resultado de contar el nmero de
xitos al repetir n veces una experiencia aleatoria dicotmica con probabilidad de xito p la
llamamos distribucin binomial y la representamos por B (n, p)
Para esta distribucin 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
Parmetros de una distribucin binomial:
Esperanza: n p
Desviacin tpica (n p q )0.5 ( raz cuadrada)
Ajuste de una serie de datos a una distribucin binomial:
Disponemos de una serie de k datos que toman los valores 0,1, ,n.
Para saber si estos datos siguen pueden aproximarse por una distribucin binomial:
Calculamos la media de los k datos y la igualamos a la Esperanza terica de la Binomial (n
p).
Despejamos de aqu el valor de p.
Calculamos los valores tericos de p(X = r), multiplicndolos por k para obtener los valores
tericos de cada posible valor de la variable aleatoria en series de k datos.
Si la diferencia es " suficientemente pequea " aceptamos como buena la aproximacin
Binomial, si no, la rechazamos.
(nota: la fundamentacin estadstica que nos permitira decidir de manera objetiva si la
diferencia entre los datos tericos y los reales es "suficientemente pequea" escapa de los
objetivosde esta unidad didctica, con lo cual la decisin se deber tomar de manera
subjetiva)
Muestreo
En estadstica, es el proceso por el cual se seleccionan los individuos que formarn una
muestra.
Para que se puedan obtener conclusiones fiables para la poblacin a partir de la muestra, es
importante tanto su tamao como
el modo en que han sido seleccionados los individuos que la componen.
El tamao de la muestra depende de la precisin que se quiera conseguir en la estimacin
que se realice a partir de ella. Para su determinacin se requieren tcnicas estadsticas
superiores, pero resulta sorprendente cmo, con muestras notablemente pequeas, se
pueden conseguir resultados suficientemente precisos. Por ejemplo, con muestras de unos
pocos miles de personas se pueden estimar con muchsima precisin los resultados de unas
votaciones en las que participarn decenas de millones de votantes.
Para seleccionar los individuos de la muestra es fundamental proceder aleatoriamente, es
decir, decidir al azar qu individuos de entre toda la poblacin forma parte de la muestra.
Si se procede como si de un sorteo se tratara, eligiendo directamente de la poblacin sin
ningn otro condicionante, el muestreo se llama aleatorio simple o irrestrictamente
aleatorio.
Cuando la poblacin se puede subdividir en clases (estratos) con caractersticas especiales,
se puede mostrar de modo que el nmero de individuos de cada estrato en la muestra
mantenga la proporcin que exista en la poblacin. Una vez fijado el nmero que
corresponde a cada estrato, los individuos se designan aleatoriamente. Este tipo de
muestreo se denomina aleatorio estratificado con asignacin proporcional.
Las inferencias realizadas mediante muestras seleccionadas aleatoriamente estn sujetas a
errores, llamados errores de muestreo, que estn controlados. Si la muestra est mal
elegida - no es significativa - se producen errores sistemticos no controlados.
Mtodos De Muestreo
Existen dos mtodos de muestreo:
El muestreo probabilstico y no probabilstico
Mtodos de muestreo probabilstico
Los mtodos de muestreo probabilsticas son aqullos 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 tamao n tienen la misma probabilidad de ser elegidas. Slo estos
mtodos de muestreo probabilsticas nos aseguran la representatividad de la muestra
extrada y son, por tanto, los ms recomendables. Dentro de los mtodos de muestreo
probabilsticas encontramos los siguientes tipos:
Muestreo aleatorio simple
El procedimiento es el siguiente: 1) se asigna un nmero a cada individuode la poblacin y
2) a travs de algn medio mecnico (bolas dentro de una bolsa, tablas de nmeros
aleatorios, nmeros aleatorios generados con una calculadora u ordenador, etc.) se eligen
tantos sujetos como sea necesario para completar el tamao de muestra requerido.
Este procedimiento, atractivo por su simpleza, tiene poca o nula utilidad prctica cuando la
poblacin que estamos manejando es muy grande.
Muestreo aleatorio sistemtico
Este procedimiento exige, como el anterior, numerar todos los elementos de la poblacin,
pero en lugar de extraer n nmeros aleatorios solo se extrae uno. Se parte de ese nmero
aleatorio i, que es un nmero elegido al azar, y los elementos que integran la muestras son
los que ocupan los lugares i,i+k,i+2k,i+3k,,i+(n-1)k, es decir se toman los individuos de k
en k, siendo k el resultado de dividir el tamao de la poblacin entre el tamao de la
muestra: k=N/n. el nmero i que empleamos como punto de partida ser un nmero al azar
entre 1 y k.
El riesgode este tipo de muestreo est en los casos en que se dan periodicidad constante (k)
podemos introducir una homogeneidad que no se da en la poblacin. Imaginemos que
estamos seleccionando una muestra sobre listas de 10 individuos en los que los 5 primeros
son varones y los ltimos 5 son mujeres, si empleamos un muestreo aleatorio sistemtico
con k=10 siempre seleccionaramos o slo hombres o slo mujeres, no podra haber una
representacin de los dos sexos.
Muestreo aleatorio estratificado.
Trata de obviar las dificultades que presentan los anteriores ya que simplifican los
procesosy suelen reducir el error muestral para un tamao dado de la muestra. Consiste en
considerar categoras tpicas diferentes entre s (estratos) que poseen gran homogeneidad
respecto a alguna caracterstica (se puede estratificar, por ejemplo, segn la profesin, el
municipio de residencia, el sexo, el estadocivil, etc.). Lo que se pretende con este tipo de
muestreo es asegurarse de que todos los estratos de inters estarn representados
adecuadamente en la muestra. Cada estrato funciona independientemente, pudiendo
aplicarse dentro de ellos el muestreo aleatorio simple o el estratificado para elegir los
elementos concretos que formarn parte de la muestra. En ocasiones las dificultades que
plantean son demasiado grandes, pues exige un conocimiento detallado de la poblacin.
(tamao geogrfico, sexos, edades).
La distribucin de la muestra en funcin de los diferentes estratos se denomina afijacin, y
puede ser de diferentes tipos:
Afijacin simple
A cada estrato le corresponde igual nmero de elementos maestrales.
Afijacin proporcional
La distribucin se hace de acuerdo con el peso (tamao) de la poblacin en cada estrato.
Afijacin Optima
Se tiene en cuenta la previsible dispersin de los resultados, de modo que se considera la
proporcin y la desviacin tpica. Tiene poca aplicacin ya que no suele conocer la
desviacin.
Muestreo aleatorio por conglomerados
Los mtodos presentados hasta ahora estn pensados para seleccionar directamente los
elementos de la poblacin, es decir, que las unidades maestrales son los elementos de la
poblacin. En el muestreo por conglomerados la unidad muestral es un grupo de elementos
de la poblacin que forman una unidad, a la que llamamos conglomerado. Las unidades
hospitalarias, los departamentos universitarios, una caja de determinado producto, etc., son
conglomerados naturales como, por ejemplo, las urnas electorales. Cuando los
conglomerados son reas geogrficas suele hablarse de "muestreo por reas".
El muestreo por conglomerados consiste en seleccionar aleatoriamente un cierto nmero de
conglomerados (el necesario para alcanzar el tamao muestral establecido) y en investigar
despus todos los elementos pertenecientes a los conglomerados elegidos.
Para finalizar con esta exposicin de los mtodos de muestreo probabilstico es necesario
comentar que ante lo compleja que puede llegar a ser la situacin real de muestreo con la
que nos enfrentemos es muy comn emplear lo que se denomina muestreo polietpico. Este
tipo de muestreo se caracteriza por operar en sucesivas etapas, empleando en cada una de
ellas el mtodo de muestreo probabilstico ms adecuado.
Mtodos de muestreo no probabilsticos
A veces, para estudios exploratorios, el muestreo probabilstico resulta excesivamente
costoso y se acude a mtodos no probabilsticos, an siendo conscientes de que no sirven
para realizar generalizaciones, pues no se tiene certeza de que la muestra extrada sea
representativa, ya que no todos los sujetos de la poblacin tienen la misma probabilidad de
ser elegidos. En general se seleccionan a los sujetos siguiendo determinados criterios
procurando que la muestra sea representativa.
Muestreo por cuotas.
Tambin denominado en ocasiones "accidental". Se asienta generalmente sobre la base de
un buen conocimiento de los estratos de la poblacin y/o de los individuos ms
"representativos" o "adecuados" para los fines de la investigacin. Mantiene, por tanto,
semejanzas con el muestreo aleatorio estratificado, pero no tiene el carcter de aleatoriedad
de aqul.
En este tipo de muestreo se fijan unas "cuotas" que consisten en un nmero de individuos
que renen unas determinadas condiciones, por ejemplo: 20 individuos de 25 a 40 aos, de
sexo femenino y residentes en Gijn. Una vez terminada la cuota se eligen los primeros que
se encuentren que cumplan esas caractersticas. Este mtodo se utiliza mucho en las
encuestasde opinin.
Muestreo opintico o intencional
Este tipo de muestreo se caracteriza por un esfuerzo deliberado de obtener muestras
"representativas" mediante la inclusin en la muestra de grupossupuestamente tpicos. Es
muy frecuente su utilizacin en sondeos preelectorales de zonas que en anteriores
votaciones han marcado tendencias en voto.
Muestreo casual o incidental
Se trata de un proceso en el que el investigador selecciona directa e intencionalmente los
individuos de la poblacin. El caso ms frecuente de este procedimiento el utilizar como
muestra los individuos a los que se tiene fcil acceso (los profesores de universidad emplean
con mucha frecuencia a sus propios alumnos). Un caso particular es el de los voluntarios.
Bola de nieve
Se localiza a algunos individuos, los cuales conducen a otros, y estos a otros, y as 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 estimacin o estndar. Es la diferencia entre un estadstico y su parmetro
correspondiente. Es una medida de al variabilidad de las estimaciones de muestras
repetidas en torno al valor de la poblacin, nos da una nocin clara de hasta donde y con
qu probabilidad una estimacin 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 investigacinnos indicar hasta qu medida podemos cometerlo (los resultados se
someten a error muestral e intervalos de confianza que varan muestra a muestra). Vara
segn se calcule al principio o al final. Un estadstico ser ms preciso en cuanto y tanto su
error es ms pequeo. Podramos decir que es la desviacin de la distribucin muestral de
un estadstico y su fiabilidad.