Logo Studenta

Guia Distribución Normal, Teorema del Limite Central, Intervalo de Confianza para la media

¡Estudia con miles de materiales!

Vista previa del material en texto

UNIDAD III: DISTRIBUCIÓN NORMAL, TEOREMA DEL LÍMITE CENTRAL, 
INTERVALO DE CONFIANZA PARA LA MEDIA 
Variable Aleatoria Continua: Puede asumir cualquier valor dentro de un intervalo de la recta numérica o 
de un conjunto de intervalos. Es decir, ella toma un valor dentro de un intervalo dado, su distribución de 
probabilidad se describe mediante una función de densidad de probabilidad ) = ∫
 (𝒙)𝒅𝒙. Entre las 
distribuciones de probabilidad de una variable aleatoria continua se tienen: Beta, Exponencial, F, 
Gamma, Ji-Cuadrado, Normal. 
 
Distribución Normal: Conocida como Distribución Normal o de Gauss. Es una curva con forma de 
campana, con eje de simetría en el punto medio correspondiente al promedio (𝝁), la distancia entre el eje 
de simetría y el punto de inflexión de la curva es la desviación estándar poblacional (𝝈). 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
PROPIEDADES: 
1.- Tiene parámetros (𝜇, 𝜎2) 
2.- Curva asintótica, no toca el eje de las abscisas 
3.- Simétrica respecto a la ordenada máxima (𝝁) 
4.- Si 𝑦~(𝜇, 𝜎2) → 𝑧~𝑁(0,1) 
 
DISTRIBUCIÓN NORMAL ESTÁNDAR O TIPIFICADA: 
Es un cambio de variable mediante el cual se mueve la campana de Gauss concentrándola en el cero del 
eje de las abscisas. En ella hay un solo parámetro (𝜇, 𝜎), este cambio permite que se conserve la forma de 
la función y que sirva para cualquier población siempre y cuando tenga distribución normal. 
Fórmula: 
 
Teorema del Límite Central: Sea 𝑦1, 𝑦2, … , 𝑦𝑛 una sucesión de variables aleatorias independientes 
igualmente distribuidas con media (𝜇) y varianza (𝜎2), entonces la variable aleatoria: 
USOS: 
1.- Para variables continuas. 
2.- Para variables no normales que pueden 
transformarse a normales. 
3.- A pesar de que la distribución de cierta 
población pueda ser diferente a la normal, las 
medias de las muestras tienden a ajustarse a una 
distribución normal cuando la muestra es grande. 
	b943e30f8554292d8675de5186c60298dd4d0d141bf557635b73881d703264e0.pdf
	7d27bcac8d7b6e3f56cee9e93f5c5c3c7f0525d9ec6a5233250491efe62970d2.pdf
	b4c270643f326e92935b2d70c45da1282b2c754f8f0b7eb3b13985d6fcef0ccf.pdf
	f6e4f1a13e8026466c7fea054c8f6c1ee51343666d58b6a66914f06f90960262.pdf
	240dafac06919cec9d3b0dc017c0363d829fe1db65cf040974802db46a4caba5.pdf
	63e3e3915289138b2048ccddf7ee232d22d9983c2f98369fe41fec632f0b868e.pdf
	376b5f3c9f469f2565eafec9a7022dc2cef74413b459b3bd5083c7a48a2e54e2.pdf
	b6d906dcd6aaa45dc2f5b118a5f11b22d25204d5fe811f5d971b67c3b6d18029.pdf
	1d46e0473b73f4669d6935cbb88898bbf6e6529ede3c13d1e86cde4ba4aa83d9.pdf
	018917a007c213f4348726a74e28f8ca879f9128ae9982868174e04c0a7aaf37.pdf
	d28e0d92ce78b1783a44ec07cd348aa70527f1b4b402005fbabaa26d99edddb9.pdf

Continuar navegando