DISTRIBUCION NORMAL Y T-STUDENT RESPECTIVAMENTE EN SU CONTEXTO LABORAL O ACADEMICO?
R/. la importancia de la distribución normal se debe
principalmente a que hay muchas variables asociadas a fenómenos naturales que siguen el modelo de la normal. - Caracteres morfológicos de individuos (personas, animales, plantas,…) de una especie. Por ejemplo: tallas, pesos, envergaduras, diámetros, perímetros,… - Caracteres fisiológicos, por ejemplo: efecto de una misma dosis de un fármaco, o de una misma cantidad de abono. - Caracteres sociológicos, por ejemplo: consciente intelectual, grado de adaptación a un medio. - Errores cometidos al medir ciertas magnitudes. - Valores estadísticos maestrales, por ejemplo: la media. - Otras distribuciones como la binomial o la Poisson son aproximaciones normales. Y en general cualquier característica que se obtenga como suma de mucho factores. En la distribución t-student esta aplica básicamente para: determinar el grado de confianza dentro del cual se puede estimar la media de una población a partir de muestras pequeñas, para probar hipótesis cuando una investigación se basa en muestreo pequeño, para probar si dos muestras provienen de una misma aplicación.
2/ ¿QUE ASPECTOS IMPORTANTES SE TIENEN EN LA
PROBABILIDAD?
R/. La importancia esencial de la aplicación de los métodos de
cálculo de la probabilidad reside en su capacidad para estimar o predecir eventos. Cuanto mayor sea la cantidad de datos disponibles para calcular la probabilidad de un acontecimiento, más preciso será el resultado calculado. Dada la complejidad de los sistemas en los que suele aplicarse la teoría de la probabilidad, se requiere de modelos informáticos y estadísticos de gran elaboración, que serían imposibles de no contarse con los modernos recursos tecnológicos relacionados con la computación. Por lo tanto, la probabilidad es una herramienta fundamental en la planificación estratégica de los movimientos sociales, económicos y laborales de toda la comunidad. La importancia de la probabilidad radica en que, mediante este recurso matemático, es posible ajustar de la manera más exacta posible los imponderables debidos al azar en los más variados campos tanto de la ciencia como de la vida cotidiana. 3/. ¿CUALES SON LAS CONDICIONES PARA LOS EVENTOS INDEPENDIENTES Y MUTUAMENTE EXCLUYENTES?
R/. Dos o más eventos son mutuamente excluyentes o disjuntos,
si no pueden ocurrir simultáneamente. Es decir, la ocurrencia de un evento impide automáticamente la ocurrencia del otro evento (o eventos). Ejemplo: Al lanzar una moneda solo puede ocurrir que salga cara o sello pero no los dos a la vez, esto quiere decir que estos eventos son excluyentes. Los eventos que no ocurren si ocurre otro evento se llaman eventos mutuamente excluyentes. Por ejemplo: “Se tienen cinco libros de distintas materias: Matemática, Biología, Química, Física y Lenguaje. Si se toma uno de ellos, ¿cuál es la probabilidad de que este sea de matemática o de física? ” Explicación… Evento A: Sacar un libro de matemáticas. Evento B: Sacar un libro de física. Los eventos son mutuamente excluyentes ya que solo hay una posibilidad. Sacar el libro de matemática o sacar el libro de física, no pueden ocurrir ambos.
4/. ¿QUE INCIDENCIA TIENE LA DISTRIBUCION
NORMAL EN LA TOMA DE DECISIONES?
R/. La distribución normal es de vital importancia en
estadística por tres razones principales: Muchas variables continuas comunes en el mundo de los negocios tienen distribuciones que se asemejan estrechamente a la distribución normal.
La distribución normal sirve para acercarse a diversas
distribuciones de probabilidad discreta, como la distribución binomial y la distribución de Poisson.
La distribución normal proporciona la base para la
estadística inferencial clásica por su relación con el teorema de límite central.
Esta distribución es un modelo matemático que permite
determinar probabilidades de ocurrencia para distintos valores de la variable. Así, para determinar la probabilidad de encontrar un valor de la variable que sea igual o inferior a un cierto valor xi, conociendo el promedio y la varianza de un conjunto de datos, se debe reemplazar estos valores (media, varianza y xi) en la fórmula matemática del modelo. El cálculo resulta bastante complejo pero, afortunadamente, existen tablas estandarizadas que permiten eludir este procedimiento.