Distribución Gaussiana
La distribución de Gauss, también conocida como distribución normal, es una distribución de probabilidad continua muy utilizada en estadística y teoría de la probabilidad. Podemos utilizar esta distribución para describir los siguientes valores:
- Medidas físicas: Muchas medidas físicas, como la altura, el peso, la tensión arterial y la temperatura corporal, pueden aproximarse razonablemente mediante una distribución gaussiana. Por ejemplo, la altura de los hombres o mujeres adultos de una población suele seguir una distribución de Gauss.
- *Errores y residuos: En el análisis estadístico o el modelado de regresión, se suele suponer que los errores o residuos (la diferencia entre los valores observados y los predichos) se distribuyen normalmente.
- Puntuaciones de pruebas: Las puntuaciones de los exámenes estandarizados, como el SAT o el ACT, suelen modelarse utilizando una distribución gaussiana en los exámenes educativos.
- Mediciones medioambientales: Una distribución gaussiana puede describir a menudo variables como la contaminación atmosférica, los niveles de ruido y las mediciones de la calidad del agua.
También podemos utilizar el método .cdf()
de la clase scipy.stats.norm
para trabajar con la distribución de Gauss en Python. Tiene dos parámetros principales: loc
determina el valor medio del resultado del experimento, y scale
determina la desviación media de la media.
Veamos un ejemplo:
Calcule la probabilidad de que la altura de un hombre elegido al azar sea inferior a "160" o superior a "190". Supongamos que el valor medio de la estatura de los hombres es 170
y la desviación media es 20
.
La distribución gaussiana es una de las distribuciones más populares y utilizadas. Sus propiedades se tratan con más detalle en la Curso Teoría de la Probabilidad.
¿Todo estuvo claro?
Contenido del Curso
Probability Theory Basics
5. Covarianza y Correlación
Probability Theory Basics
Distribución Gaussiana
La distribución de Gauss, también conocida como distribución normal, es una distribución de probabilidad continua muy utilizada en estadística y teoría de la probabilidad. Podemos utilizar esta distribución para describir los siguientes valores:
- Medidas físicas: Muchas medidas físicas, como la altura, el peso, la tensión arterial y la temperatura corporal, pueden aproximarse razonablemente mediante una distribución gaussiana. Por ejemplo, la altura de los hombres o mujeres adultos de una población suele seguir una distribución de Gauss.
- *Errores y residuos: En el análisis estadístico o el modelado de regresión, se suele suponer que los errores o residuos (la diferencia entre los valores observados y los predichos) se distribuyen normalmente.
- Puntuaciones de pruebas: Las puntuaciones de los exámenes estandarizados, como el SAT o el ACT, suelen modelarse utilizando una distribución gaussiana en los exámenes educativos.
- Mediciones medioambientales: Una distribución gaussiana puede describir a menudo variables como la contaminación atmosférica, los niveles de ruido y las mediciones de la calidad del agua.
También podemos utilizar el método .cdf()
de la clase scipy.stats.norm
para trabajar con la distribución de Gauss en Python. Tiene dos parámetros principales: loc
determina el valor medio del resultado del experimento, y scale
determina la desviación media de la media.
Veamos un ejemplo:
Calcule la probabilidad de que la altura de un hombre elegido al azar sea inferior a "160" o superior a "190". Supongamos que el valor medio de la estatura de los hombres es 170
y la desviación media es 20
.
La distribución gaussiana es una de las distribuciones más populares y utilizadas. Sus propiedades se tratan con más detalle en la Curso Teoría de la Probabilidad.
¿Todo estuvo claro?