Documente Academic
Documente Profesional
Documente Cultură
7
Ir a la navegaci�nIr a la b�squeda
La regla del pulgar de las tres sigmas se relaciona con un resultado tambi�n
conocido como la regla de las tres sigma, que establece que incluso para las
variables de distribuci�n no normal, al menos el 88.8% de los casos deben encajar
correctamente en intervalos de tres sigma. Este principio se deduce de la
Desigualdad de Chebyshov. Para distribuciones unimodales, la probabilidad de estar
dentro del intervalo es de al menos el 95%. Pueden darse ciertas suposiciones para
una distribuci�n que obliguen a que esta probabilidad sea al menos del 98%.2?
�ndice
1 Funci�n de distribuci�n acumulada
2 Pruebas de normalidad
3 Tabla de valores num�ricos
4 V�ase tambi�n
5 Referencias
6 Enlaces externos
Funci�n de distribuci�n acumulada
Diagrama mostrando la funci�n de distribuci�n normal con media (�) 0 y varianza
(s2) 1
Estos valores num�ricos "68%, 95%, 99.7%" provienen de la funci�n de distribuci�n
acumulada de la distribuci�n normal.
Debe tenerse en cuenta que esta f�rmula es una aproximaci�n, puesto que los
intervalos no son necesariamente sim�tricos, y aqu� se ha calculado simplemente dos
veces la probabilidad de que una observaci�n sea menor que � + 2s. Para calcular la
probabilidad de que una observaci�n se encuentre dentro de dos desviaciones
est�ndar de la media, el procedimiento exacto (con peque�as diferencias debidas al
redondeo) es:
{\displaystyle \Pr(\mu -2\sigma \leq X\leq \mu +2\sigma )=\Phi (2)-\Phi (-2)\approx
0.9772-(1-0.9772)\approx 0.9545} {\displaystyle \Pr(\mu -2\sigma \leq X\leq \mu
+2\sigma )=\Phi (2)-\Phi (-2)\approx 0.9772-(1-0.9772)\approx 0.9545}
Esto se relaciona con los intervalos de confianza como se utilizan en las
estad�sticas: {\displaystyle {\bar {X}}\pm 2{\frac {\sigma }{\sqrt {n}}}}
{\displaystyle {\bar {X}}\pm 2{\frac {\sigma }{\sqrt {n}}}} tiene aproximadamente
un intervalo de confianza del 95% cuando {\displaystyle {\bar {X}}} \bar{X} es el
promedio de una muestra de tama�o {\displaystyle n} n.
Pruebas de normalidad
Art�culo principal: Prueba de normalidad
La "regla 68-95-99.7" se usa a menudo para obtener r�pidamente una estimaci�n de
probabilidad aproximada de alguna muestra, conocida su desviaci�n est�ndar, si se
supone que la poblaci�n es normal. Tambi�n se usa como una prueba simple para
determinar si un valor es at�pico suponiendo que la poblaci�n es normal, y como
prueba de normalidad si la poblaci�n es potencialmente no normal.
En El cisne negro, Nassim Taleb da el ejemplo de los modelos de riesgo seg�n los
cuales la ca�da burs�til del Lunes Negro corresponder�a a un evento 36-s: la
ocurrencia de tal evento deber�a sugerir instant�neamente que el modelo es
defectuoso, es decir, que el proceso en consideraci�n no est� modelado
satisfactoriamente por una distribuci�n normal. Los modelos refinados deben
considerarse, por ejemplo, por la introducci�n de la volatilidad estoc�stica. En
tales an�lisis, es importante estar al tanto del problema de la falacia del
apostador, que establece que una sola observaci�n de un evento raro no contradice
que el evento sea de hecho raro. Es la observaci�n de una pluralidad de eventos
supuestamente raros lo que cada vez m�s hace reconsiderar la hip�tesis de que son
raros, es decir, la validez del modelo asumido. Un modelo adecuado de este proceso
de p�rdida gradual de confianza en una hip�tesis implicar�a la estimaci�n de la
probabilidad a priori no solo para la hip�tesis en s�, sino para todas las
hip�tesis alternativas posibles. Por esta raz�n, el contraste de hip�tesis no solo
funciona confirmando una hip�tesis que se considere probable, sino tambi�n
refutando hip�tesis consideradas improbables.