Scribd Logo
Cargar

¡Te damos la bienvenida a Scribd!

  • 2K vistas

    Trabajo Distribucion Normal

    Cargado por

    Geiner Romero Zapata
    Este documento describe cómo determinar si una serie de datos tiene una distribución normal. Explica que existen varios métodos como el histograma, calcular la relación IQR/S y usar gráficos de probabilidad normal. También lista otros métodos estadísticos como pruebas de Kolmogorov-Smirnov y Shapiro-Wilk para evaluar si los datos se ajustan a una distribución normal.

    Copyright:

    Attribution Non-Commercial (BY-NC)
    Descargue como PDF, TXT o lea en línea desde Scribd

    Trabajo Distribucion Normal

    Cargado por

    Geiner Romero Zapata
    2K vistas9 páginas
    Este documento describe cómo determinar si una serie de datos tiene una distribución normal. Explica que existen varios métodos como el histograma, calcular la relación IQR/S y usar gráficos de probabilidad normal. También lista otros métodos estadísticos como pruebas de Kolmogorov-Smirnov y Shapiro-Wilk para evaluar si los datos se ajustan a una distribución normal.

    Derechos de autor

    © Attribution Non-Commercial (BY-NC)

    Formatos disponibles

    PDF, TXT o lea en línea desde Scribd

    ¿Le pareció útil este documento?

    ¿Este contenido es inapropiado?

    Este documento describe cómo determinar si una serie de datos tiene una distribución normal. Explica que existen varios métodos como el histograma, calcular la relación IQR/S y usar gráficos de probabilidad normal. También lista otros métodos estadísticos como pruebas de Kolmogorov-Smirnov y Shapiro-Wilk para evaluar si los datos se ajustan a una distribución normal.

    Copyright:

    Attribution Non-Commercial (BY-NC)
    Descargue como PDF, TXT o lea en línea desde Scribd
    Descargar como pdf o txt
    2K vistas9 páginas

    Trabajo Distribucion Normal

    Cargado por

    Geiner Romero Zapata
    Este documento describe cómo determinar si una serie de datos tiene una distribución normal. Explica que existen varios métodos como el histograma, calcular la relación IQR/S y usar gráficos de probabilidad normal. También lista otros métodos estadísticos como pruebas de Kolmogorov-Smirnov y Shapiro-Wilk para evaluar si los datos se ajustan a una distribución normal.

    Copyright:

    Attribution Non-Commercial (BY-NC)
    Descargue como PDF, TXT o lea en línea desde Scribd
    Descargar como pdf o txt
    Está en la página 1de 9

    DISTRIBUCION NORMAL

    ¿Cómo Determinar Si Una Serie De Datos Tiene


    Distribución Normal?

    ESTADISTICA

    LEÓN GONZALO TAMAYO VÁSQUEZ


    Profesor (a)

    Geiner Romero Zapata


    Alumno

    UNIVERSIDAD AUTÓNOMA
    LATINOAMERICANA “UNAULA”
    CONTADURÍA PÚBLICA
    CUARTO SEMESTRE
    GRUPO 4B
    Medellín, Mayo de 2011
    DISTRIBUCION NORMAL

    La distribución normal fue reconocida por primera vez por el francés Abraham
    de Moivre (1667-1754). Posteriormente, Carl Friedrich Gauss (1777-1855)
    elaboró desarrollos más profundos y formuló la ecuación de la curva; de ahí que
    también se la conozca, más comúnmente, como la "campana de Gauss". La
    distribución de una variable normal está completamente determinada por dos
    parámetros, su media y su desviación estándar, denotadas generalmente por µ
    y σ. Con esta notación, la densidad de la normal viene dada por la ecuación:

    que determina la curva en forma de campana que tan bien conocemos (Figura
    2). Así, se dice que una característica X sigue una distribución normal de media
    µ y varianza σ2, y se denota como X≈N (µ,σ), si su función de densidad
    viene dada por la Ecuación 1.

    Al igual que ocurría con un histograma, en el que el área de cada rectángulo es


    proporcional al número de datos en el rango de valores correspondiente si, tal y
    como se muestra en la Figura 2, en el eje horizontal se levantan
    perpendiculares en dos puntos a y b, el área bajo la curva delimitada por esas
    líneas indica la probabilidad de que la variable de interés, X, tome un valor
    cualquiera en ese intervalo. Puesto que la curva alcanza su mayor altura en
    torno a la media, mientras que sus "ramas" se extienden asintóticamente hacia
    los ejes, cuando una variable siga una distribución normal, será mucho más
    probable observar un dato cercano al valor medio que uno que se encuentre
    muy alejado de éste.

    Propiedades de la distribución normal:

    La distribución normal posee ciertas propiedades importantes que conviene


    destacar:

    ü Tiene una única moda, que coincide con su media y su mediana.


    ü La curva normal es asintótica al eje de abscisas. Por ello, cualquier valor
    entre -∞ y +∞ es teóricamente posible. El área total bajo la curva es,
    por tanto, igual a 1.
    ü Es simétrica con respecto a su media µ. Según esto, para este tipo de
    variables existe una probabilidad de un 50% de observar un dato mayor
    que la media, y un 50% de observar un dato menor.
    ü La distancia entre la línea trazada en la media y el punto de inflexión de
    la curva es igual a una desviación típica (σ). Cuanto mayor sea σ, más
    aplanada será la curva de la densidad.
    ü El área bajo la curva comprendida entre los valores situados
    aproximadamente a dos desviaciones estándar de la media es igual a
    0.95. En concreto, existe un 95% de posibilidades de observar un valor
    comprendido en el intervalo ( − . ; + . )
    ü La forma de la campana de Gauss depende de los parámetros µy σ
    (Figura 3). La media indica la posición de la campana, de modo que para
    diferentes valores de µ la gráfica es desplazada a lo largo del eje
    horizontal. Por otra parte, la desviación estándar determina el grado de
    apuntamiento de la curva. Cuanto mayor sea el valor de σ, más se
    dispersarán los datos en torno a la media y la curva será más plana. Un
    valor pequeño de este parámetro indica, por tanto, una gran
    probabilidad de obtener datos cercanos al valor medio de la distribución.
    Métodos para determinar la Normalidad

    Existen varios métodos para determinar si los datos de una muestra provienen
    de una población normal, para así poder aplicar técnicas que se basan en el
    supuesto de que la población presenta una distribución normal aproximada.

    A continuación daré a conocer algunos de estos:

    ü Histograma.
    ü Cálculo IQR/S
    ü Gráfico de probabilidad normal
    Histograma
    En este apartado dibujaremos el histograma de una muestra de una población
    con distribución desconocida. Para ilustrar el procedimiento que determina si
    esta muestra proviene de una distribución normal trabajaremos con el
    siguiente supuesto:

    “Los valores sobre las longitudes en micras de 50 filamentos de la producción


    de una máquina son los siguientes:”

    Esta es la primera prueba que realizamos para comprobar si los datos proceden
    de una distribución normal. Si los datos son aproximadamente normales, la
    forma de la gráfica será similar a la de la curva normal superpuesta (esto es,
    con forma de joroba y simétrica alrededor de la media). En nuestro caso hay un
    cierto parecido, por lo que en principio, aunque no podemos afirmar con
    rotundidad que la muestra proviene de una población normal a la espera de
    otros resultados, podemos concluir que se asemeja a la curva normal teórica.
    Cálculo IQR/S
    El segundo paso es el de calcular el intervalo intercuartiles, IQR, la desviación
    estándar, s para la muestra y luego calcular el cociente IQR/S. Si los datos son
    aproximadamente normales, IQR/S 1.3. Puede verse que esta propiedad se
    cumple para las distribuciones normales si se observa que los valores z que
    corresponden a los percentiles 75o. y 25o. son 0.67 y -0.67, respectivamente.
    Puesto que σ = 1 para una distribución normal estándar (z),

    IQR/σ = [.67- (-.67)]/1 = 1.34.

    En esta segunda verificación debemos obtener el intervalo intercuartiles (es


    decir la diferencia entre los percentiles 75º. Y 25º.) y la desviación estándar del
    conjunto de datos.

    Los resultados para nuestro ejemplo son:

    Haciendo el cálculo obtenemos que IQR/S = (115.25-100.00) / 10.81 = 1.41.


    Puesto que este valor es aproximadamente igual a 1.3, tenemos una
    confirmación adicional de que los datos son aproximadamente normales.

    Gráfico de probabilidad normal


    Una tercera técnica descriptiva para comprobar la normalidad es la gráfica de
    probabilidad normal. En una gráfica de probabilidad normal, las observaciones
    de un conjunto de datos se ordenan y luego se grafican contra los valores
    esperados estandarizados de las observaciones bajo el supuesto de que los datos
    están distribuidos normalmente. Si los datos en verdad tienen una distribución
    normal, una observación será aproximadamente igual a su valor esperado. Por
    tanto, una tendencia lineal (de línea recta) en la gráfica de probabilidad normal
    sugiere que los datos provienen de una distribución aproximadamente normal,
    en tanto que una tendencia no lineal indica que los datos no son normales.
    En el SPSS podemos generar dos tipos de gráficos de este tipo, el Gráfico P-P y
    el Gráfico Q-Q. El P-P crea un gráfico de las proporciones acumuladas de una
    variable respecto a las de una distribución cualquiera de prueba (en nuestro
    caso de una normal). Si la variable seleccionada coincide con la distribución de
    prueba, los puntos se concentran en torno a una línea recta. Para generar este
    gráfico iremos a (Gráficos/P-P) y marcamos las casillas siguientes:

    Damos a aceptar y la gráfica que obtenemos sería:


    Observe que los puntos se ajustan relativamente bien a una línea recta. Por
    tanto, la verificación 3 también sugiere que los datos probablemente tienen una
    distribución normal.

    El otro gráfico que genera el SPSS es el Gráfico Q-Q. La forma de obtener dicho
    gráfico es similar al anterior únicamente que debemos seleccionar (Gráficos/Q-
    Q). Este procedimiento crea un gráfico con los cuartiles de distribución de una
    variable respecto a los cuartiles de cualquiera de varias distribuciones de
    prueba (en nuestro caso de una normal). Si la variable seleccionada coincide
    con la distribución de prueba, los puntos se concentran en torno a una línea
    recta.

    Existen otros métodos para probar la normalidad, los anteriores explicados son
    los más comunes, a continuación veremos un listado de estos. Las pruebas de
    normalidad se aplican a conjuntos de datos para determinar su similitud con
    una distribución normal. La hipótesis nula es, en estos casos, si el conjunto de
    datos es similar a una distribución normal, por lo que un P-valor
    suficientemente pequeño indica datos no normales.

    ü Prueba de Kolmogórov-Smirnov
    ü Test de Lilliefors
    ü Test de Anderson–Darling
    ü Test de Ryan–Joiner
    ü Test de Shapiro–Wilk
    ü Normal probability plot (rankit plot)
    ü Test de Jarque–Bera
    ü Test omnibús de Spiegelhalter
    Bibliografia

    ü www.google.com.co
    ü http://www.virtual.unal.edu.co/cursos/ciencias/2001065/html/un2/metodo
    s_descriptivos.html
    ü http://webpages.ull.es/users/jjsalaza/MEI/
    ü www.fisterra.com
    ü www.uoc.edu

    También podría gustarte