Esta pregunta tiene más sentido de lo que piensas.
Y, sinceramente, más científicos de datos de los que nos gustaría utilizar métodos que suponen una distribución gaussiana sin verificar si es realmente gaussiana (normal), y de hecho pocos procesos de la vida real tienen una distribución gaussiana perfecta de sus variables.
Estás haciendo las preguntas correctas.
Para obtener un conjunto de datos distribuidos gaussianos, puede usar el sorprendente poder del Teorema del límite central: independientemente de la distribución subyacente, si toma suficientes muestras aleatorias, sus medios seguirán una distribución gaussiana. Por lo tanto, puede tomar cualquier conjunto de datos enorme y tomar muchas muestras aleatorias de él, y tiene una distribución Normal.
- Mis amigos y los cerrados se han alejado, me siento excluido. Traté de hablar, pero no está ayudando. Me siento ahogado y deprimido. ¿Alguien puede ayudarme a recuperar mi vida?
- Tengo mi propia línea de ropa y me gustaría comenzar la producción en masa de mis camisetas. ¿Alguien puede informarme de una ubicación centralizada para encontrar distribuidores y / o mayoristas para la producción?
- Necesito encontrar un desarrollador nativo de aplicaciones para iPhone y Android. ¿Existe un sitio web que agregue y califique a los desarrolladores de aplicaciones móviles para que podamos elegir el proveedor adecuado?
- Acabo de comprar un regalo para una estrella porno (de su lista de deseos de Amazon). ¿Qué debo esperar?
- Me acabo de incorporar en Delaware. ¿Debo presentar mi elección 83 (b)?
Otras formas implican el uso de datos que siguen una distribución que se aproxima a Normal: Binomial (lanzamiento de monedas; es una versión discreta de la distribución gaussiana) y Poisson (por ejemplo, el número de automóviles que llegan por hora en una cabina de peaje, o el número de clientes que llegan a un gran y restaurante popular durante la hora pico, como la noche del día de San Valentín, o el número de niños que vienen a sentarse en el regazo de Santa durante el día antes de Navidad). Cuando este número es lo suficientemente grande (en docenas), esta distribución puede ser aproximada por gaussiana.
¡Atentamente!