Explicación de Ejercicio de Distribución Normal

Importancia de la Distribución Normal

La distribución normal es de suma importancia en estadística por tres razones principales:

1. Numerosas variables continuas de fenómenos aleatorios tienden a comportarse probabilisticamente mediante ésta.
2. Es el límite al que convergen tanto variables aleatorias continuas como discretas.
3. Proporciona la base de la inferencia estadística clásica debido a su relación con el teorema del límite central.

Propiedades de la distribución normal

1. Su grafica tiene forma acampanada.
2. El valor esperado, la mediana y la moda tienen el mismo valor cuando la variable aleatoria se distribuye normalmente.
3. Su dispersión media es igual a 1.33 desviaciónes estándar. Es decir, el alcance intercuartil está contenido dentro de un intervalo de dos tercios de una desviación estándar por debajo de la media a dos tercios de una desviación estándar por encima de la media.

En la práctica, algunas de las variables que observamos sólo pueden aproximar estas propiedades. Así que si el fenómeno puede mediarse aproximadamente mediante la distribución normal se tendrá:

1. Que el polígono puede verse en forma de campana y simétrico.
2. Sus mediciones de tendencia central tienen bastante parecido.
3. El valor intercuartil puede diferir ligeramente de 1.33 desviaciones estándar.
4. El dominio de la variable aleatoria normalmente distribuida generalmente caerá dentro de 3 desviaciones estándar por encima y por debajo de la media.

Distribución Normal

La distribución normal fue estudiada por Gauss. Se trata de una variable aleatoria continua (la variable puede tomar cualquier valor real). La función de densidad tiene forma de campana.

Dos parámetros determinan una distribución normal: la media y la desviación típica. Cuanto mayor sea la desviación típica mayor es la dispersión de la variable.

La distribución normal es simétrica respecto de la media.

La media está representada por un triángulo y se puede interpretar como un punto de equilibrio. Al arrastrarlo se modifica también la media. El mismo efecto tiene el mover el punto correspondiente en la cúspide de la curva.

Arrastrando el otro punto sobre la curva (que es uno de los dos puntos de inflexión de la curva) se modifica la desviación típica.

Variables Discretas y Continuas

La manera lógica de organizar datos es crear categorías y luego asignar las observaciones a una categoría. Pero nuestra capacidad de categorizar está limitada por la naturaleza de las variables que usamos. Además, no todas las variables se pueden categorizar con la misma facilidad. En términos estadísticos, las variables que interesa medir pueden ser (a) discretas o (b) continuas.

Las variables discretas son aquellas cuyas observaciones se agrupan ‘inherentemente’ o ‘naturalmente’ en categorías, porque dichas variable por su naturaleza sólo pueden tomar ciertos valores muy específicos. El “género” de un sujeto es un buen ejemplo de una variable discreta: los seres humanos pueden ser mujeres u hombres, se ajustan a una u otra categoría y no hay continuidad ni puntos intermedios entre ellas. Los países o regiones del mundo también son buenos ejemplos de variables discretas. Otro ejemplo son las calificaciones o educación de los maestros. Podemos crear las siguientes categorías para describir esta última variable: (a) educación primaria completa, (b) educación secundaria completa, (c) educación superior incompleta, (d) educación superior completa y (e) educación de postgrado.

Sin embargo, existe otra clase de variables, conocidas como variables “continuas”, que no son tan fáciles de categorizar como las variables discretas. A diferencia de las variables discretas, las variables continuas, como su nombre lo indica, sólo se pueden agrupar en forma arbitraria en categorías, porque por su naturaleza pueden tomar cualquier valor a lo largo de un continuo (o de una escala numérica continua). La estatura de los habitantes de un país es un ejemplo de variable continua, así como el ingreso de las familias en dicho país. Un buen ejemplo en el área de la educación son las “calificaciones de pruebas”, que sólo se pueden agrupar arbitrariamente creando ‘intervalos’ artificiales, como por ejemplo 1-20, 21-40, etc. Note que los intervalos también podrían ser 1-10, 11-20, 21-30, etc, o cualquier otro intervalo que se prefiera, ya que la variable no se ajusta naturalmente a categorías predeterminadas como en el caso de las variables discretas.

La distinción entre variables discretas y continuas es de gran aplicabilidad en la estadística. Pero su importancia sólo queda clara después de comprender el concepto estadístico fundamental de ‘distribución’ o ‘distribución de frecuencias’. (Los estadísticos por lo general usan la primera versión, la más corta, para referirse a la distribución de frecuencias.)

¿Qué es la estadística?

La estadística es una ciencia con base matemática referente a la recolección, análisis e interpretación de datos, que busca explicar condiciones regulares en fenómenos de tipo aleatorio. Es transversal a una amplia variedad de disciplinas, desde la física hasta las ciencias sociales, desde las ciencias de la salud hasta el control de calidad, y es usada para la toma de decisiones en áreas de negocios e instituciones gubernamentales.

La Estadística se divide en dos ramas:

• La estadística descriptiva, que se dedica a los métodos de recolección, descripción, visualización y resumen de datos originados a partir de los fenómenos en estudio. Los datos pueden ser resumidos numérica o gráficamente. Ejemplos básicos de parámetros estadísticos son: la media y la desviación estándar. Algunos ejemplos gráficos son: histograma, pirámide poblacional, clusters, etc.

• La inferencia estadística, que se dedica a la generación de los modelos, inferencias y predicciones asociadas a los fenómenos en cuestión teniendo en cuenta la aleatoriedad de las observaciones. Se usa para modelar patrones en los datos y extraer inferencias acerca de la población bajo estudio. Estas inferencias pueden tomar la forma de respuestas a preguntas si/no (prueba de hipótesis), estimaciones de características numéricas (estimación), pronósticos de futuras observaciones, descripciones de asociación (correlación) o modelamiento de relaciones entre variables (análisis de regresión).