Fernández López Andrés Sebastián S3-P2

CURVAS DE DISTRIBUCIÓN

Las curvas de distribución de frecuencia son las que permiten que se examinen las estadísticas de tendencia
central, las cuales se representan gráficamente en una curva de distribución de frecuencia, donde en el eje
horizontal se insertan las puntuaciones o valores de izquierda a derecha, del menor al mayor
respectivamente. (Morales, 2014)

Estas curvas son el sustituto de un histograma o polígono de frecuencia, dicha curva será una representación
de la población, estimando la forma en cómo se distribuyen las puntuaciones en la misma. Un punto
importante sobre estas curvas, es que, el área bajo la curva representa el número total de individuos en la
población y es igual a un porcentaje de 100%. (Morales, 2014)

Es importante recalcar que, las distribuciones de frecuencia permiten que se resuman los datos en una tabla
que recoge: valores de la variable o modalidades del atributo, frecuencia absoluta o número de veces que
aparece cada valor o modalidad en la muestra, porcentaje de veces que aparece cada valor de la variable o
modalidad del atributo sobre el total de observaciones, porcentaje válido calculado sobre el total de
observaciones y el porcentaje acumulado. Este porcentaje tiene interpretación sólo en los casos en que la
variable sea susceptible de medida por lo menos en una escala ordinal. (Universidad de Barcelona, s.f)

TIPOS DE CURVA DE DISTRIBUCION

DISTRIBUCION NORMAL

García J (2010). Dijo que la distribución normal es una distribución de probabilidad de variable continua,
es decir describe los datos que se agrupan en torno a un valor central. Todo proceso en el que solo existan
causas aleatorias de variación sigue una ley de distribución normal. Esta condición que aparece con
frecuencia en fenómenos naturales (de ahí que se la denomine “normal”), puede obtenerse en los procesos
industriales si los procesos se llevan a un estado en el que solo existen causas comunes de variación.

La representación gráfica es la curva de distribución normal también denominada campana de Gauss en

honor del renombrado científico alemán Carl Friedrich Gauss a quien se le atribuye erróneamente su
invención pero que sin duda la usó frecuentemente para analizar fenómenos astronómicos con éxito. La
curva normal se describe mediante la siguiente ecuación:

1
Donde,
f(x) = La altura de la curva en el punto X
μ = Media aritmética de la distribución
σ = Desviación estándar de la distribución
N = Frecuencia total de la distribución
π = Constante con valor aproximado de 3.1416
e = Constante con valor aproximado de 2.7183

En el grafico anterior podemos observar que; el campo de existencia es cualquier valor real, es decir, (-∞,
+∞). Es simétrica respecto a la media µ. Tiene un máximo en la media µ. Crece hasta la media µ y decrece
a partir de ella. En los puntos µ − σ y µ + σ presenta puntos de inflexión. El eje de abscisas es una asíntota
de la curva. El área del recinto determinado por la función y el eje de abscisas es igual a la unidad.

Podemos observar también que, al ser simétrica respecto al eje que pasa por x = µ, deja un área igual a 0.5
a la izquierda y otra igual a 0.5 a la derecha y que la probabilidad equivale al área encerrada bajo la curva.

Una distribución normal se caracteriza por: los valores de las mediciones tienden a agruparse alrededor de
un punto central, que es la media. La representación de los datos es simétrica a ambos lados de la media.
Las desviaciones estándares quedan situadas a igual distancia unas de otras. La proporción de mediciones
situada entre la media y las desviaciones es una constante en la que:

La media ± 1 * desviación estándar = cubre el 68,3% de los casos

La media ± 2 * desviación estándar = cubre el 95,5% de los casos

La media ± 3 * desviación estándar = cubre el 99,7% de los casos

Podemos analizar el comportamiento de los procesos gráficos y determinar su efectividad tomando como
base su grado de aproximación a la curva de distribución normal a partir de los datos generados y la creación
de histogramas que permitan la comparación con curva de distribución normal. (García. J, 2010).

Tabla de la distribución normal

2
La tabla de la distribución normal presenta los valores de probabilidad para una variable estándar Z, con
media igual a 0 y varianza igual a 1.

Para usar la tabla, siempre debemos estandarizar la variable por medio de la expresión:

Siendo el valor de interés; la media de nuestra variable y su desviación estándar. Recordemos que y
corresponden a parámetros, o sea valores en el universo, que generalmente no conocemos, por lo que
debemos calcular Z usando los datos de nuestra muestra.

En general, el valor de Z se interpreta como el número de desviaciones estándar que están comprendidas
entre el promedio y un cierto valor de variable x. En otras palabras, se puede decir que es la diferencia entre
un valor de la variable y el promedio, expresada esta diferencia en cantidad de desviaciones estándar.
(Medwave, 2011)

Ejemplo:

Un conjunto de personas con edad promedio 25 años y desviación estándar 3,86. Nuestro valor de
interés (x) es 30 años. El valor de Z correspondiente será:

Este valor de Z nos dice que la edad de 30 años está a 1,29 desviaciones estándar sobre el promedio.

Ahora bien, la tabla de la distribución normal, entrega valores de probabilidad para los distintos
valores de Z.

3
DISTRIBUCIÓN BINOMIAL

Una distribución binomial es una distribución de probabilidad discreta que describe el número de éxitos al
realizar n experimentos independientes entre sí, acerca de una variable aleatoria. Existen una gran
diversidad de experimentos o sucesos que pueden ser caracterizados bajo esta distribución de probabilidad.
Imaginemos el lanzamiento de una moneda en el que definimos el suceso “sacar cara” como el éxito. Si
lanzamos 5 veces la moneda y contamos los éxitos (sacar cara) que obtenemos, nuestra distribución de
probabilidades se ajustaría a una distribución binomial. (San Juan M, s.f)

Por lo tanto, la distribución binomial se entiende como una serie de pruebas o ensayos en la que solo
podemos tener 2 resultados (éxito o fracaso), siendo el éxito nuestra variable aleatoria. Una distribución
binomial se caracteriza por dos parámetros: n (un número natural) y p un número entre 0 y 1. (San Juan M,
s.f)

Si una variable aleatoria X sigue una distribución binomial con parámetros n y p podemos escribir:

La probabilidad de obtener exactamente k éxitos en n experimentos viene dada por la función de densidad
(o función de masa):

Donde:

Esta expresión es el coeficiente binomial, "n sobre k", o el número de modos posibles de obtener k éxitos
en n observaciones. Los coeficientes binomiales forman las filas del triángulo de Pascal y se puede calcular
usando factoriales:

Simétrica: asimétrica:

4
Ejemplo:

La probabilidad de que cierto antibiótico presente una reacción negativa al administrarse a un ave rapaz
en recuperación es de 0.15. Si se les ha administrado dicho antibiótico a 10 aves, calcúlense las
probabilidades de que haya reacción negativa

a) En dos aves
b) En ningún ave
c) En menos de 4 aves
d) En más de 3 aves
e) Entre 2 y 5 aves Solución:

Suceso A:" A un ave se le presenta reacción negativa"

X :"nº de aves a las que se les presenta tal reacción"

P(A )  0.15 ; n  10 ; X  B (10 ; 0.15)

a. P( X  2)  0.2759

b. P( X  0)  0.1969
c. P( X  4)  P(X  3)  P(X  0)  P(X 1)  P( X  2)  P( X  3)  0.1969  0.3474  0.2759 
0.1298  0.95
d. P( X  3)  1 P(X  3) 1 P(X  0)  P(X 1) P( X  2)  P(X  3) 1 0.1969  0.3474 
0.2759 0.1298 0.05

e. P(2  X  5)  P(X  2)  P(X  3)  P(X  4)  P( X  5)  0.2759  0.1298  0.0401 0.0085 

0.4543

DISTRIBUCIÓN T

Esta distribución se basa en el trabajo de William Sealy Gosset, químico de la cervecería Guinness que,
debido a las políticas de la empresa publicó su trabajo bajo el pseudónimo de Student. La distribución t es
muy parecida a la distribución normal, tiene una media de cero y una desviación estándar mayor a uno con
grados de libertad (gl) de k - 1, debido a que la dispersión de los datos con respecto de la media es mayor
que en la distribución normal, las colas de la distribución son más gruesas. Mientras más grados de libertad
tenga la distribución t más se asemejará a la distribución normal. (Martínez A, 2018)

5
Las propiedades de las distribuciones t son; Cada curva t tiene forma de campana con centro en 0. Está
más dispersa que la curva normal estándar z. A medida que el pico de la curva aumenta, la dispersión de
la curva t correspondiente disminuye. A medida que el pico de la curva tiende a infinito, la secuencia de
curvas t se aproxima a la curva normal estándar, por lo que la curva z recibe a veces el nombre de curva t
con gl es igual a infinito. (Martínez A, 2018)

Ejemplo:

El valor t con = 14 grados de libertad que deja un área de 0.025 a la izquierda, y por tanto un área de
0.975 a la derecha, es

t0.975=-t0.025 = -2.145

Si se observa la tabla, el área sombreada de la curva es de la cola derecha, es por esto que se tiene que hacer

la resta de . La manera de encontrar el valor de t es buscar el valor de en el primer renglón de

la tabla y luego buscar los grados de libertad en la primer columna y donde se intercepten y se
obtendrá el valor de t. Siendo el área. (Instituto Tecnológico de Chihuahua, s.f)

6
BIBLIOGRAFIA

Morales, E. (17 de febrero del 2014) CURVAS DE DISTRIBUCION DE FRECUENCIA. Recuperado de:
http://laprofematematica.com/blog/curvas-de-distribucion-de-frecuencia/

Universidad de Barcelona. (s.f) Distribuciones Unidimensionales: Introducción. Recuperado de:

http://www.ub.edu/aplica_infor/spss/cap2-1.htm

García J (22 de enero del 2010). La curva de distribución normal o “Campana de Gauss”. Recuperado de:
https://jesusgarciaj.com/2010/01/22/la-curva-de-distribucion-normal/

Medwave. (11 de mayo del 2011). Distribución normal. ESTADÍSTICA APLICADA A LA

INVESTIGACIÓN EN SALUD. Recuperado de:
https://www.medwave.cl/link.cgi/Medwave/Series/MBE04/5033?ver=sindiseno

San Juan M. (s.f). Distribución binomial. Economipedia. Recuperado de:

https://economipedia.com/definiciones/distribucion-binomial.html

Martínez, A. (4 de abril del 2018). Tipos de distribución. Recuperado de: https://rstudio-pubs-

static.s3.amazonaws.com/377130_08851253a31b41d18c25fd08fad316c3.html

Instituto Tecnológico de Chihuahua. (s.f). Teoria De Pequeñas Muestras O Teoria Exacta Del Muestreo.
Recuperado de: http://www.itchihuahua.edu.mx/academic/industrial/estadistica1/cap03.html