Diferencia entre revisiones de «Comando Normal»
De GeoGebra Manual
Línea 1: | Línea 1: | ||
<noinclude>{{Manual Page|version=4.0}}</noinclude>{{Comandos Específicos CAS (Cálculo Avanzado)|cas=true|probability|Normal}} | <noinclude>{{Manual Page|version=4.0}}</noinclude>{{Comandos Específicos CAS (Cálculo Avanzado)|cas=true|probability|Normal}} | ||
− | ;Normal[ <Media>, <Desviación Estándar>, x ]:Crea la Función de [[:w:es:Distribución_normal|Densidad de Probabilidad de la distribución normal]] (en inglés, [[w:Normal distribution|''Normal Distribution'']]) | + | ;Normal[ <Media<sub>μ</sub>>, <Desviación Estándar<sub>σ</sub>>, x ]:Crea la Función de [[:w:es:Distribución_normal|Densidad de Probabilidad de la distribución normal]] (en inglés, [[w:Normal distribution|''Normal Distribution'']]) |
− | ;Normal[ <Media μ>, <Desviación Estándar σ>, x , <Booleana Acumulativa> ]:Establece la '''''F'''''unción de '''''D'''''ensidad de '''''P'''''robabilidad si la ''Booleana'' es falsa. En caso contrario, ''booleana'' verdadera, la acumulativa. | + | ;Normal[ <Media<sub>μ</sub>>, <Desviación Estándar<sub>σ</sub>>, x , <Booleana<sub>Acumulativa</sub>> ]:Establece la '''''F'''''unción de '''''D'''''ensidad de '''''P'''''robabilidad si la ''Booleana'' es falsa. En caso contrario, ''booleana'' verdadera, la acumulativa. |
{{mbox|text='''<code>Normal[μ, σ, x, true]</code>''' crea la función ''Φ((x – μ) / σ)'' o ''(Φ(x – media) / desviación estándar)'' siendo ''Φ(x)'' la de distribución acumulativa para ''N(0,1)''.}} | {{mbox|text='''<code>Normal[μ, σ, x, true]</code>''' crea la función ''Φ((x – μ) / σ)'' o ''(Φ(x – media) / desviación estándar)'' siendo ''Φ(x)'' la de distribución acumulativa para ''N(0,1)''.}} | ||
− | ;Normal[ <Media μ>, <Desviación Estándar σ>, <Valor | + | ;Normal[ <Media<sub>μ</sub>>, <Desviación Estándar<sub>σ</sub>>, <Valor<sub>Variable</sub>> ]:Establece el valor de la Función de [[:w:es:Distribución_normal|Densidad de Probabilidad de la distribución normal]] (o, en inglés, [[w:Normal distribution|Normal Distribution]]) para el asignado a la variable. |
:{{Note|Da por resultado la probabilidad para el valor de coordenada ''x'' dada o el área bajo la curva de distribución normal a la izquierda de la abscisa dada (coordenada ''x'').}} | :{{Note|Da por resultado la probabilidad para el valor de coordenada ''x'' dada o el área bajo la curva de distribución normal a la izquierda de la abscisa dada (coordenada ''x'').}} | ||
:{{Examples|1=<br>'''<code>Normal[ 2, 1, 1]</code>''' da ''0.16'' el valor de la función correspondiente para x = 1<br>'''<code>Normal[ 2, 1, x ]</code>''' crea la función correspondiente y la expone en la [[Vista Gráfica]]}}<hr><center> | :{{Examples|1=<br>'''<code>Normal[ 2, 1, 1]</code>''' da ''0.16'' el valor de la función correspondiente para x = 1<br>'''<code>Normal[ 2, 1, x ]</code>''' crea la función correspondiente y la expone en la [[Vista Gráfica]]}}<hr><center> |
Revisión del 20:00 21 ene 2013
Normal
Categorías de Comandos (todos)
- Normal[ <Mediaμ>, <Desviación Estándarσ>, x ]
- Crea la Función de Densidad de Probabilidad de la distribución normal (en inglés, Normal Distribution)
- Normal[ <Mediaμ>, <Desviación Estándarσ>, x , <BooleanaAcumulativa> ]
- Establece la Función de Densidad de Probabilidad si la Booleana es falsa. En caso contrario, booleana verdadera, la acumulativa.
Normal[μ, σ, x, true] crea la función Φ((x – μ) / σ) o (Φ(x – media) / desviación estándar) siendo Φ(x) la de distribución acumulativa para N(0,1). |
- Normal[ <Mediaμ>, <Desviación Estándarσ>, <ValorVariable> ]
- Establece el valor de la Función de Densidad de Probabilidad de la distribución normal (o, en inglés, Normal Distribution) para el asignado a la variable.
- Nota: Da por resultado la probabilidad para el valor de coordenada x dada o el área bajo la curva de distribución normal a la izquierda de la abscisa dada (coordenada x).
- Ejemplos:
Normal[ 2, 1, 1]
da 0.16 el valor de la función correspondiente para x = 1Normal[ 2, 1, x ]
crea la función correspondiente y la expone en la Vista Gráfica
- ${\frac{\textit{e}^{2 \; x}}{\sqrt{\pi} \; \sqrt{{e}^{ \left( x^{2} \right)}} \; \sqrt{2} \; \textit{e}^{2}}} $
Normal[μ, σ, x] crea la función Φ((x – μ) / σ) o (Φ(x – media) / desviación estándar) siendo Φ(x) la de distribución de probabilidad para N(0,1). Si en lugar de x se ingresa el valor para tal variable, digamos x1, el resultado es el de la función correspondiente en x1 |
Normal[μ, σ, x1] calcula, para x = x1, el valor de la función Φ((x – μ) / σ) donde Φ es la de densidad acumulativa para N(0,1). |
- Ejemplos:
Normal[0, 1, x, x(H) > 0]
crea la función correspondiente (según la abscisa del punt H sea o no positivo) y la expone en la Vista Gráfica siendo $\frac{ℯ^{- \; \frac{x²}{2} \; } \; }{\sqrt{π 2} \; }$ para condición incumplida (false) y $\mathbf{\frac{erf \left( \frac{x}{\sqrt{2}\;} \right) + 1}{2}\; }$. si fuera verdadera (true) con una formulación completa tal como se desarrolla a continuación.
- ${\frac{\textit{e}^{2 \; x}}{\sqrt{\pi} \; \sqrt{{e}^{ \left( x^{2} \right)}} \; \sqrt{2} \; \textit{e}^{2}}} $
En Vista CAS ComputaciónAlgebraicaSimbólica
En esta vista obran de modo análogo al descripto ciertas variantes de sintaxis y se admiten literales para operar simbólicamente.
- Ejemplos:
Normal[2, 0.5, 1]
da por resultado $\mathbf{\frac{erf \left( \frac{2}{\sqrt{2}\;} \right) + 1}{2}\; }$Normal[2, 0.5, 1]
da el valor 0.023decimales según Redondeo fijado al pulsar y al evaluarlo \frac{\sqrt{2}}{\sqrt{\pi }e²}.Normal[ 2, 1, 1]
da el valor 0.16decimales según Redondeo fijado al pulsar y al evaluarlo da el valor preciso de la función correspondiente para x = 1
- $\mathbf{\frac{1}{\sqrt{\pi} \; \sqrt{\textit{e}} \; \sqrt{2}}} $
- Nota:
Normal[μ, σ, x1] como toda entrada que incluye variables a las que no se les ha asignado valor, da por resultado la fórmula correspondiente.
Si se establecieran valores, se obtendrìa el resultado correspondiente, como muestra el siguiente ejemplo. - Ejemplo:
Normal[μ, σ, x1]
para μ = 1, σ = 2 y x1 = 1, da al evaluarlo \frac{1}{2}.
Si no se asignara valor alguna a los literales en juego, el resultado tendría la siguiente formulación:$ \frac{erf(\frac{x_1 - \mu}{\sqrt{2} \sigma}){ + 1} \; }{2} $