Professional Documents
Culture Documents
INGENIERA COMERCIAL
Mtodos cuantitativos.
Distribucin
Normal
METODOS CUANTITATIVOS
ndice
________________________________________________________________
Contenido
Introduccin: .........................................................................................................................................2
Antecedentes Histricos: ......................................................................................................................3
Aplicaciones:..........................................................................................................................................4
Propiedades y restricciones: .................................................................................................................5
Parmetros de la distribucin Normal y su Grfica: .............................................................................7
Clculo de probabilidades asociadas a una curva normal especfica....................................................8
Conclusin ...........................................................................................................................................11
Bibliografa ..........................................................................................................................................12
Evaluaciones y Autoevaluaciones .......................................................................................................13
Introduccin:
_____________________________________________________________________________________________
En el siguiente informe daremos a conocer una breve resea histrica de cmo fue evolucionando y
desenvolvindose el mtodo desde siglo XVIII en donde fue estudiada y optimizada por muchos tericos
analticos de las probabilidades, y la aplicacin que se le ha dado con el correr de los siglos. Dentro de
sus aplicaciones tenemos efectos cotidianos, de carcter fisiolgico, psicolgico, etc. Por otra parte,
tambin procederemos al anlisis e interpretacin de sus propiedades, como tambin sus restricciones
que condicionan los parmetros en los cuales se da la curva.
Conceptos como la desviacin estndar, la media son los principales parmetros que analizaremos en
donde se explicaran desde su base matemtica y la influencia en la forma de la campana, como tambin
el comportamiento de la distribucin de los datos respecto a su nmero de desviaciones.
Una vez finalizado el anlisis terico y condicional de cmo se supedita el tema respecto a sus
propiedades y comportamientos, se aplicar un ejercicio para explicar todo lo antes mencionado y de
esta forma
herramienta estadstica.
Antecedentes Histricos:
___________________________________________________________________________________________
La distribucin normal se conoce como la curva de Gauss o campana de Gauss, famoso matemtico
alemn del siglo XIX.
Su origen viene de la observacin de un estadstico francs del siglo XVIII, Abraham de Moivre, que,
entre otras cosas, actuaba como consultor para temas de juegos. Observ,
que al lanzar una moneda, la probabilidad de obtener cara o cruz en N
tirada tena una representacin grfica con una curva suave a medida
que N se haca grande.
La distribucin normal fue presentada por primera vez por Abraham de
Moivre en un artculo del ao 1733, que fue reimpreso en la segunda
edicin de su The Doctrine of Changes, de 1738. En el contexto de cierta
aproximacin de la distribucin binomial para grandes valores de n. Su
resultado fue ampliado por Laplace en su libro Teora Analtica de las
Probabilidades (1812), y en la actualidad se llama Teorema de DeMoivre-Laplace (Pierre Laplace).
Laplace us la distribucin en el anlisis de errores de experimentos. El importante mtodo de mnimos
cuadrados fue introducido por Legendre en 1805.
Gauss, que afirmaba haber usado el mtodo desde 1794, lo justific rigurosamente en 1809 asumiendo
una distribucin normal de los errores. El nombre de Gauss (Carl Gauss) se ha asociado a esta
distribucin porque la us con profusin cuando analizaba datos astronmicos y algunos autores le
atribuyen un descubrimiento independiente del De Moivre. Esta atribucin del nombre de la distribucin
a una persona distinta de su primer descubridor es un claro ejemplo de la Ley de Stigler.
El nombre de campana viene de Esprit Jouffret que us el trmino bell surface (superficie campana)
por primera vez en 1872 para una distribucin normal bivariante de componentes independientes. El
nombre de distribucin normal fue otorgado independientemente por Charles S. Peirce, Francis Galton
y Wilhelm Lexis hacia 1875. A pesar de esta terminologa, otras distribuciones de probabilidad podran
ser ms apropiadas en determinados contexto.
Distribucin Normal o de Gauss:
La distribucin normal fue reconocida por primera vez por el francs Abraham de Moivre (1667-1754).
Posteriormente, Carl Friedrich Gauss (1777-1855) elabor desarrollos ms profundos y formul la
ecuacin de la curva; de ah que tambin se le conozca, ms comnmente, como la campana de
Gauss.
Variable aleatoria continua, X, cuya funcin de densidad presenta la siguiente estructura:
Aplicaciones:
_________________________________________________________________________________________
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 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.
Posiblemente ya estamos familiarizados con la denominada distribucin normal (o curva normal): la
distribucin simtrica y de forma acampanada que nos indica que la mayora de los sujetos (u objetos)
de una poblacin determinada no se aparta mucho de la media: en la medida en que los sujetos se van
apartando ms de la media (porque se pasan o porque no llegan) van siendo menos y menos. Si
representamos esta distribucin mediante un histograma simplificado, tendramos algo parecido a lo que
vemos en la figura:
Lo primero que debemos captar es que la distribucin normal nos remite a nuestra propia experiencia. Si
nos fijamos en la estatura de la gente que nos encontramos por la calle, vemos que la mayora de la
gente es de estatura normal, y aqu llamamos normal a lo ms frecuente; de hecho si vemos a alguien
que se aparta mucho de la media (de lo habitual) no pasa desapercibido y nos llama la atencin. En la
experiencia de cada da, normal y frecuente, aplicado a cualquier rasgo, son expresiones casi sinnimas.
Cuando decimos que alguien es muy abierto y sociable, lo que queremos decir es que es ms abierto y
sociable de lo que es normal, de lo que solemos encontrar habitualmente, de la misma manera que
decimos que una persona es muy callada cuando habla mucho menos que la mayora de la gente. Casi
sin darnos cuenta estamos haciendo juicios relativos a lo que es normal encontrar en la generalidad de
las personas: el mucho y el poco, o el muy, sobre todo aplicados a las caractersticas de las personas,
dependen de lo que es ms frecuente encontrar en nuestro medio. Si el muy abunda mucho, deja de ser
muy para pasar a ser normal o frecuente y ya no merece el muy que solemos reservar para lo
excepcional que viene a ser lo raro o infrecuente. Estos juicios, y esta distribucin normal, son relativos a
cada poblacin: un pigmeo de una estatura normal, cercana a la media de su poblacin y muy frecuente
en su propio grupo, pasa a ser muy bajito y excepcional si lo incluimos en una poblacin de
escandinavos: se aparta mucho de la media de esa poblacin y ser muy difcil encontrar un
escandinavo con esa estatura. Sin embargo ese pigmeo tiene una estatura normal, que no se aparta
mucho de la estatura media de su grupo. En ambos grupos, escandinavos y pigmeos, encontraremos
una distribucin normal en estatura, aunque las medias de los dos grupos sean muy distintas. Esta
consideracin (la normalidad es relativa a cada poblacin) nos llevar ms adelante a una serie de
aplicaciones relevantes en la investigacin psicolgica y educacional, no solamente para poder valorar si
un resultado o dato individual es atpico (si se aparta mucho de lo normal o esperado), sino, por ejemplo,
para determinar si unos sujetos que han pasado por una determinada experiencia pueden considerarse
i
normales en la poblacin de los que no han pasado por esa experiencia (en ese caso es posible que esa
experiencia haya sido intil). La distribucin normal que representamos mediante la curva normal, es un
modelo matemtico terico al que de hecho tienden a aproximarse las distribuciones que encontramos
en la prctica: estadsticas biolgicas, datos antropomtricos, sociales y econmicos, mediciones
psicolgicas y educacionales, errores de observacin, etc.; es un modelo muy til por su relacin con el
clculo de probabilidades que nos va a permitir hacer inferencias y predicciones.
Caracteres sociolgicos: Por ejemplo: consumo de cierto producto por un mismo grupo de
individuos, puntuaciones de examen.
Caracteres psicolgicos: Por ejemplo: cociente
medio
Propiedades y restricciones:
Algunas propiedades de la distribucin normal son:
1.
2.
3.
4.
El hecho de que existan 3 desviaciones por lado, asegura casi una totalidad por extremo hacia el infinito
negativo y el infinito positivo asegura casi el 100% de los datos agrupados dentro de la campana. El
hecho de que existieran datos fuera de estas desviaciones da parmetros de datos que son Atpicos
dentro de la muestra pero es muy pocos casos sucede este fenmeno.
En realidad, como sealaremos tambin para otras distribuciones, no se trata de una nica distribucin
sino que corresponde a toda una familia caracterizada por sus parmetros media, , y desviacin tpica,
. Como puede observarse en la figura, su forma de campana es ms apuntada cuanto menor es su
desviacin tpica.
Distinto
Lo cual muestra los parmetros que tiene la distribucin en funcin a su curva y amplitud. Otro de los
parmetros es que sea > que 0.
Reemplazando:
En este caso el valor de z es negativo, lo que significa que el dato nominal x = 20 est a la izquierda de
la media aritmtica, pero en las tablas se busca simplemente como z.
X= 27
X= 20
40,49%
-4
-3
-2
Z =-1-1,31
Z0= 0
10
Conclusin
___________________________________________________________________________________________
.
Hoy en da la distribucin normal nos permite poder determinar y conocer la probabilidad de que se de
una determinada magnitud expresada en puntuaciones tpicas. Dichas probabilidades las podemos
encontrar en las tablas de distribucin normal, en donde permite visualizar la proporcin de casos que
caen por debajo o encima de la puntuacin tpica.
A pesar de su simpleza y raciocinio al dominar las propiedades del sistema, es una potente herramienta
para determinar poblaciones, nmero de personas y x variables en ciertas zonas o reas que podran
darnos informacin muy valiosa a la hora de hacer algn estudio.
Dentro de la distribucin normal se trabaja con una serie de aplicaciones estadsticas las cuales
presentan una funcin de densidad y se grafica en forma de campana (campana de gauss) y hace
referencia a una serie
procedimientos de inferencia, cosa que es muy importante ya que la mayor parte de las variables
aleatorias de los fenmenos naturales presentan un comportamiento al de la distribucin.
El hecho de conocer las variables (varianza, poblacin, promedio, media, etc.) nos permiten resolver
distintas reas para un mismo problema y as poder determinar mltiples variables para una misma
muestra.
La tabla Z e inferir reas respecto al nmero de desviaciones de la Media son herramientas que aportan
mucho a nuestros conocimientos y que sin duda alguna, nos aportarn soluciones viables y certeras a la
hora de determinar anlisis ms rigurosos frente a variables mltiples.
11
Bibliografa
Morales Vallejo, Pedro. Estadstica aplicada a las ciencias sociales. Espaa: Universidad Pontificia Comillas,
2008. ProQuest ebrary. Web. 13 July 2015. Pg.383 450.
Garca Perez, Alfonso. La Interpretacin de los Datos, Una Introduccin a la Estadstica Aplicada.
Universidad Nacional de Educacin a Distancia, Madrid 2014.Capitulo 2: Modelizacin y Estimacin La
Distribucin Normal. www.uned.es/publicaciones
Lacourdy, Nancy. Introduccin a la Estadstica. Captulo 1: El pensamiento estadstico. Herramienta
para la formacin de profesores de matemticas de la Universidad de Chile, 2011.
12
Evaluaciones y Autoevaluaciones
_____________________________________________________________________________________
Nombre
de
Integrante:
Totalmente de
acuerdo
3.
4.
5.
6.
Juan Zambrano
De acuerdo
Suficiente
Insuficiente
No
13
Daro Aguirre
Camila Jara
Ingrid San
Martn
Ximena
Vzquez
Juan Zambrano
6,5
6,5
6,5
6,5
6,5
6,5
6,5
6,5
6,5
Promedios
6,93
6,64
6,64
6,43
14
Nombre
de
Integrante:
Ingrid San
Martin H.
Totalmente de
acuerdo
De acuerdo
3.
4.
5.
6.
Suficiente
Insuficiente
No
x
x
15
Juan Zambrano
Promedios
Daro Aguirre
Camila Jara
Ingrid San
Martn
16
Nombre
Ximena Vsquez
de
Rodrguez
Integrante:
Totalmente de
acuerdo
De acuerdo
Suficiente
3.
4.
5.
6.
Insuficiente
No
x
x
17
Daro Aguirre
Camila Jara
Ingrid San
Martn
Ximena
Vsquez
Promedios
Juan Zambrano
18
Nombre
Camila Jara
de
Acevedo
Integrante:
Totalmente de
acuerdo
De acuerdo
Suficiente
No
3.
4.
5.
6.
Insuficiente
x
x
19
Ximena
Vzquez
Juan Zambrano
Promedios
Daro Aguirre
Camila Jara
20
Nombre
Carlos Daro
de
Aguirre
Integrante:
Totalmente de
acuerdo
3.
4.
5.
6.
De acuerdo
Suficiente
Insuficiente
No
x
x
21
Ingrid San
Martn
Ximena Vsquez
Juan Zambrano
Promedios
Daro Aguirre
22