GRAFICA DE GAUSS

Una de las distribuciones tericas mejor estudiadas en los textos de bioestadstica y ms utilizada en la prctica es la distribucin normal, tambin llamada distribucin gaussiana. Su importancia se debe fundamentalmente a la frecuencia con la que distintas variables asociadas a fenmenos naturales y cotidianos siguen, aproximadamente, esta distribucin. Caracteres morfolgicos (como la talla o el peso), o psicolgicos (como el cociente intelectual) son ejemplos de variables de las que frecuentemente se asume que siguen una distribucin normal. No obstante, y aunque algunos autores han sealado que el comportamiento de muchos parmetros en el campo de la salud puede ser descrito mediante una distribucin normal, puede resultar incluso poco frecuente encontrar variables que se ajusten a este tipo de comportamiento. El uso extendido de la distribucin normal en las aplicaciones estadsticas puede explicarse, adems, por otras razones. Muchos de los procedimientos estadsticos habitualmente utilizados asumen la normalidad de los datos observados. Aunque muchas de estas tcnicas no son demasiado sensibles a desviaciones de la normal y, en general, esta hiptesis puede obviarse cuando se dispone de un nmero suficiente de datos, resulta recomendable contrastar siempre si se puede asumir o no una distribucin normal. La simple exploracin visual de los datos puede sugerir la forma de su distribucin. No obstante, existen otras medidas, grficos de normalidad y contrastes de hiptesis que pueden ayudarnos a decidir, de un modo ms riguroso, si la muestra de la que se dispone procede o no de una distribucin normal. Cuando los datos no sean normales, podremos o bien transformarlos8 o emplear otros mtodos estadsticos que no exijan este tipo de restricciones (los llamados mtodos no paramtricos).

Aplicaciones
La primitiva de una funcin gaussiana es la funcin error. Estas funciones aparecen en numerosos contextos de las ciencias naturales, ciencias sociales, matemticas e ingeniera. Algunos ejemplos:

En estadstica y teora de probabilidades, las funciones gaussianas aparecen como la funcin de densidad de la distribucin normal, la cual es una distribucin de probabilidad lmite de sumas complicadas, segn el teorema del lmite central. Una funcin gaussiana es la funcin de onda del estado fundamental del oscilador armnico cuntico. Los orbitales moleculares usados en qumica computacional son combinaciones lineales de funciones gaussianas llamados orbitales gaussianos. Matemticamente, la funcin gaussiana juega un papel importante en la definicin de los polinomios de Hermite. Consecuentemente, estn tambin asociadas con el estado de vaco en la teora cuntica de campos.

Los rayos gaussianos se usan en sistemas pticos y de microondas. Las funciones gaussianas se utilizan como filtro de suavizado en el procesamiento digital de imgenes.

La campana de Gauss intenta dar una base matemtica a ciertos comportamientos de la naturaleza o de la sociedad. Explica los ciclos de nacimiento, crecimiento, madurez y declive de todo lo que nos rodea. Un ejemplo claro y entendible por todos, aplicado al mundo empresarial, podra ser el ciclo de vida de una empresa: sta nace con unos beneficios escasos o casi nulos. Con el tiempo va crendose un nicho de mercado que hace que sus beneficios vayan en aumento. As continuar durante un perodo de tiempo indeterminado. Este aumento ser cada vez ms paulatino y lento hasta llegar a pararse. A partir de este momento empezar a caer, terminando en un declive y posterior desaparicin de beneficios y nicho, que determinar el final del ciclo empresarial. La campana de Gauss: es un modelo de distribucin de probabilidad descrito por el matemtico y fsico alemn Carl Friederich Gauss (1777-1855). Esta curva, tambin conocida como distribucin normal es una funcin de probabilidad continua y simtrica, cuyo mximo es la media y tiene dos puntos de inflexin situados en ambos lados. Un punto de inflexin es el que separa la parte cncava de la convexa de la campana. Esta grfica representa el comportamiento de los valores de una poblacin o universo de eventos, cuyas variaciones slo estn influenciadas por fenmenos aleatorios:

Muestra: es un valor representativo del conjunto total llamado universo o

poblacin. Frecuencia: es el nmero de veces que cada valor se repite. Moda: es el valor que ms se repite. Promedio o media (m): es el cociente de la suma de todos los valores entre la cantidad de valores. Mediana: es el valor que ocupa la posicin central, cuando los valores se ordenan de mayor a menor. Desviacin estandr (s): es una medida de qu tanto se dispersan los valores, alejndose mucho o poco de la media.

Los parmetros necesarios para dibujar el grfico de la distribucin normal son m y s, con los cuales sabemos dnde situar la campana de Gauss (punto correspondiente a m) y cul es su ancho (determinado por s).

En esta exhibicin, se tienen 2,166 balines y 43 casillas. Cada baln que cae en alguna de las casillas, es un evento. La moda es 21, porque corresponde al nmero de casilla que registra una mayor frecuencia; tambin es la mediana, pues es la que ocupa la posicin central. El promedio se obtiene de dividir la suma acumulada del producto del nmero de casilla por la cantidad de balines que contiene, entre el nmero total de eventos.

rea bajo la curva Desviacin 0.675 1.0 2.0 3.0 4.0 Fraccin total de rea includa 50.00 % 68.28 % 95.46 % 99.72 % 99.99 % 100 %
La variable de la cual se pretende estudiar su comportamiento, es el nmero de casilla (c). NOTA: Los valores cambian cada vez que se realiza el experimento.

Los valores aqu mostrados corresponden a un ejemplo del experimento real.