¿Cómo se puede resolver la integral e^x^2?

Distribución normal - Wikipedia, la enciclopedia libre

Distribución normal La línea verde corresponde a la distribución normal estándar Función de densidad de probabilidad Función de distribución de probabilidad Parámetros μ ∈ R {\displaystyle \mu \in \mathbb {R} \,\!} σ > 0 {\displaystyle \sigma >0\,\!} Dominio x ∈ R {\displaystyle x\in \mathbb {R} \,\!} Función de densidad (pdf) 1 σ 2 π e − ( x − μ ) 2 2 σ 2 {\displaystyle {\frac {1}{\sigma {\sqrt {2\pi }}}}\;e^{-{\frac {(x-\mu )^{2}}{2\sigma ^{2}}}}\,\!} Función de distribución (cdf) 1 2 [ 1 + erf ⁡ ( x − μ σ 2 ) ] {\displaystyle {\frac {1}{2}}\left[1+\operatorname {erf} \left({\frac {x-\mu }{\sigma {\sqrt {2}}}}\right)\right]} Media μ {\displaystyle \mu \,\!} Mediana μ {\displaystyle \mu \,\!} Moda μ {\displaystyle \mu \,\!} Varianza σ 2 {\displaystyle \sigma ^{2}\,\!} Coeficiente de simetría 0 Curtosis 0 Entropía ln ⁡ ( σ 2 π e ) {\displaystyle \ln \left(\sigma {\sqrt {2\,\pi \,e}}\right)\,\!} Función generadora de momentos (mgf) M X ( t ) = e μ t + σ 2 t 2 2 {\displaystyle M_{X}(t)=e^{\mu \,t+{\frac {\sigma ^{2}t^{2}}{2}}}\,\!} Función característica χ X ( t ) = e μ i t − σ 2 t 2 2 {\displaystyle \chi _{X}(t)=e^{\mu \,i\,t-{\frac {\sigma ^{2}t^{2}}{2}}}\,\!} En estadística y probabilidad se llama distribución normal , distribución de Gauss , distribución gaussiana o distribución de Laplace-Gauss , a una de las distribuciones de probabilidad de variable continua que con más frecuencia aparece en estadística y en la teoría de probabilidades. [ 1 ] ​ 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. [ 3 ] ​Mientras 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 solo 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. Algunos ejemplos de variables asociadas a fenómenos naturales que siguen el modelo de la normal son: 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 distr