Distribución contínua

Distribución normal
Definición:

En estadística y probabilidad se llama distribución normal, distribución de

Gauss o distribución gaussiana, a una de las distribuciones de
probabilidad de variable continua que con más frecuencia aparece aproximada
en fenómenos reales.
Sin duda, la distribución continua de probabilidad más importante, por la
frecuencia con que se encuentra y por sus aplicaciones teóricas, es la
distribución normal, gaussiana o de Laplace-Gauss. Fue descubierta y publicada
por primera vez en 1733 por De Moivre. A la misma llegaron, de forma
independiente, Laplace (1812) y Gauss (1809), en relación con la teoría de los
errores de observación astronómica y física.
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 función de densidad f(x) es una función asociada a una variable aleatoria
continua X que permite hallar mediante el cálculo de áreas las probabilidades
en las distribuciones continuas.

 La función de distribución de una variable aleatoria continua es la función

que determina la probabilidad de que la variable aleatoria X tome un valor
menor o igual a xi: F(xi) = P(X ≤ xi)
Tiene forma de campana, es asintótica al eje de las abscisas (para x = ±∞ ) Simétrica con
respecto a la media (µ) donde coinciden la mediana (Mn) y la moda (Mo). Los puntos de
inflexión tienen como abscisas los valores µ ± σ.

Distribución normal con µ =0 para

varios valores σ
N(μ, σ): Interpretación probabilista
• Entre la media y una desviación típica
tenemos siempre la misma probabilidad:
aproximadamente el 68%.
• Entre la media y dos desviaciones típicas
aprox. 95%

Si tomamos intervalos centrados en μ, y cuyos

extremos están…
–a distancia σ, tenemos probabilidad 68%
–a distancia 2 σ, tenemos probabilidad 95%
–a distancia 2’5 σ tenemos probabilidad 99%
 La distribución normal tipificada Cuando la media de la distribución es 0 y
la varianza es 1 se denomina "normal tipificada", y su ventaja reside en que
hay tablas donde se recoge la probabilidad acumulada para cada punto de la
curva de esta distribución.
 La tabla nos da la probabilidad acumulada, es decir, la que va desde -¥ hasta
un valor. No nos da la probabilidad concreta en ese punto. En una distribución
continua en el que la variable puede tomar infinitos valores, la probabilidad
en un punto concreto es cero.
La media y la varianza

 MEDIA:
E X[ ] = µ
 VARIANZA
2 Var X[ ] =σ
 DESVIACIÓN TÍPICA
σ = Var X[ ]
Distribución uniforme

 Distribución uniforme continua Una de las distribuciones continuas más

simples de la estadística es la distribución uniforme continua. Esta
distribución se caracteriza por una función de densidad que es “plana”, por lo
cual la probabilidad es uniforme en un intervalo cerrado, digamos [A, B].
Aunque las aplicaciones de la distribución uniforme continua no son tan
abundantes como las de otras distribuciones que se presentan en este
capítulo, es apropiado para el principiante que comience esta introducción a
las distribuciones continuas con la distribución uniforme.
 Su función de densidad, aquella que nos permite conocer la probabilidad que
tiene cada punto del intervalo, viene definida por:

 Donde:
 b: es el extremo superior
 a: es el extremo inferior
Media y varianza

 En cuanto a las ratios de la distribución tendremos que la media tiene la

expresión:

 La varianza tendrá la siguiente expresión:

De donde:

Por lo tanto:
referencias

 Galvis, J (2016) Modelos de probabilidad continuos, recuperado de:

http://carleos.epv.uniovi.es/~carleos/docencia/teloydisren/descriptiva+prob
abilidad/l_edyp/lib_edyp_html/node50.html
 Distribución uniforme (de v.Continua), recuperado de:
https://www.uv.es/ceaces/base/modelos%20de%20probabilidad/uniforme.ht
m
 Hidalgo, M (2015) Distribucion uniforme continua, recuperado de:
https://es.slideshare.net/monicamantillahidalgo/distribucion-uniforme-
continua
 (anónimo) la dristibuion continua, recuperado de:
http://www.tuveras.com/estadistica/normal/normal.htm