Curva normal

Conocida como campana o Curva de Gauss, es un modelo teórico

de curva en el caso de que se de una distribución normal. Es la curva a la
que toda distribución normal tiende a dibujar cuando es representada
gráficamente.
La curva normal puede utilizarse para describir distribuciones de
puntajes, para interpretar la desviación estándar y para hacer un informe
de probabilidades. Veremos que la curva normal es un ingrediente
esencial en la toma de decisiones en estadística, por medio de la cual el
investigador social generaliza sus resultados de muestras a poblaciones.

Características de la curva normal

La curva normal es un tipo de curva uniforme y simétrica cuya

forma recuerda a muchos una campana y por tanto se le conoce como la
“curva en forma de campana”. Tal vez el rasgo más sobresaliente de la
curva normal es su simetría: si doblamos la curva en su punto más alto al
centro, crearíamos dos mitades iguales, cada una fiel imagen de la otra.
Además, la curva normal es unimodal, ya que solo tiene un pico o
punto de máxima frecuencia aquel punto en la mitad de la curva en el cual
coinciden la media, la mediana y la moda (el alumno recordara que la
media, la mediana y la moda ocurren en distintos puntos en una
distribución sesgada).

Áreas bajo la curva normal estándar.

La distribución Gaussiana se aplica a una gran gama de

observaciones en ramas como la biología, la geografía, la astronomía y
por supuesto la economía. Muchos ejemplos de la naturaleza se pueden
aproximar con una distribución normal. En general esto se puede pensar
como resultado de la interacción de muchos (o un gran número) efectos
aleatorios en la variable que se estudia.
 Otro motivo por el cual as distribuciones normales son muy
utilizadas es que tienen muchas propiedades muy convenientes. Por eso,
si las variables aleatorias que nos interesan tienen distribuciones
desconocidas, podemos hacer inferencias iníciales suponiendo
distribuciones normales.

Los valores de la tabla que no se muestran en negrita representan la

probabilidad de observar un valor menor o igual a z. La cifra entera y el
primer decimal de z se buscan en la primera columna, y el segundo
decimal en la cabecera de la tabla normal estándar. Los valores de la
tabla que no se muestran en negrita representan la probabilidad de
observar un valor menor o igual a z. La cifra entera y el primer decimal de
z se buscan en la primera columna, y el segundo decimal en la cabecera
de la tabla.

Área entre dos puntos

El área de un círculo, es la medida de la superficie limitada por la

circunferencia perimetral del círculo dado.
Siendo el área, y el radio del círculo.

Correlación simple

En probabilidad y estadística, la correlación indica la fuerza y la

dirección de una relación lineal entre dos variables aleatorias. Se
considera que dos variables cuantitativas están correlacionadas cuando
los valores de una de ellas varían sistemáticamente con respecto a los
valores homónimos de la otra: si tenemos dos variables (A y B) existe
correlación si al aumentar los valores de A lo hacen también los de B y
viceversa. La correlación entre dos variables no implica, por sí misma,
ninguna relación de causalidad.

Diagrama De Dispersión

Un diagrama de dispersión es una representación gráfica de la

relación entre dos variables, muy utilizada en las fases de Comprobación
de teorías e identificación de causas raíz y en el Diseño de soluciones y
mantenimiento de los resultados obtenidos. Tres conceptos
especialmente destacables son que el descubrimiento de las verdaderas
relaciones de causa-efecto es la clave de la resolución eficaz de un
problema, que las relaciones de causa-efecto casi siempre muestran
variaciones, y que es más fácil ver la relación en un diagrama de
dispersión que en una simple tabla de números.
La primera forma de describir una distribución bivariante es
representar los pares de valores en el plano cartesiano. El gráfico
obtenido recibe el nombre de nube de puntos o diagrama de dispersión.
Coeficiente de correlación de Pearson

En estadística, el coeficiente de correlación de Pearson es un

índice que mide la relación lineal entre dos variables aleatorias
cuantitativas. A diferencia de la covarianza, la correlación de Pearson es
independiente de la escala de medida de las variables.

El coeficiente de correlación es una medida de asociación entre

dos variables y se simboliza con la literal r.

Los valores de la correlación van de + 1 a - 1, pasando por el cero,

el cual corresponde a ausencia de correlación. Los primeros dan a
entender que existe una correlación directamente proporcional e
inversamente proporcional, respectivamente.

Regresión
La regresión es una técnica estadística utilizada para simular la
relación existente entre dos o más variables. Por lo tanto se puede
emplear para construir un modelo que permita predecir el comportamiento
de una variable dada.

La regresión es muy utilizada para interpretar situaciones reales,

pero comúnmente se hace de mala forma, por lo cual es necesario
realizar una selección adecuada de las variables que van a construir las
ecuaciones de la regresión, ya que tomar variables que no tengan
relación en la práctica, nos arrojará un modelo carente de sentido, es
decir ilógico.

La recta de regresión

La recta de regresión se amolda a la nube de puntos y describe, a

grosso modo, su tendencia. Por eso, a partir de la recta de regresión
obtenemos, de forma aproximada, el valor esperado de y para un cierto
valor de x, o viceversa. A estos valores se les llama estimaciones.

Errores de predicción

El error estándar nos permite deducir la confiabilidad de la

ecuación de regresión que hemos desarrollado.

Este error se simboliza Se y es similar a la desviación estándar en

cuanto a que ambas son medidas de dispersión.

El error estándar de la estimación mide la variabilidad, o dispersión

de los valores observados alrededor de la línea de regresión y su fórmula
es la siguiente

• = media de los valores de la variable dependiente

• Y = valores de la variable dependiente

• n = número de puntos de datos

Una forma de ver el error estándar de la estimación es concebirla

como la herramienta estadística que podemos usar para hacer un
enunciado de probabilidad sobre el intervalo alrededor del valor estimado
de, dentro del cual cae el valor real de Y.

Cuando la muestra es mayor de 30 datos, se calcula los intervalos de

predicción aproximados de la siguiente manera,
Si queremos estar seguros en aproximadamente 65% de que el valor real
de Y caerá dentro de + 1 error estándar de. Podemos calcular los límites
superior e inferior de este intervalo de predicción de la siguiente manera:

= Limite superior del intervalo de predicción

= Limite inferior del intervalo de predicción

 República Bolivariana de Venezuela

Ministerio del poder Popular para la Educación Superior

Universidad Alonso de Ojeda

Ciudad Ojeda, Estado Zulia

La curva normal, correlación y regresión simple.

Informe unidad IV

Integrantes:

Br :Lisbeth, Chirino C.I.:

Br: María, Torres C.I.: 16.587.464

Ciudad Ojeda, febrero 2011