UNIVERSIDAD DE LA COSTA
REA DE LABORATORIO DE CONTROL DE CALIDAD
FACULTAD DE INGENIERA
DISTRIBUCCION NORMAL
Carlos Palma, Ivana Romero, Larry Sierra, Heidys Angulo
Ingeniera Industrial
Laboratorio de Control de Calidad Mesa #3-Grupo
ESTRUCTURA
MARCO TERICO
CLCULOS
ANLISIS
CONCLUSIONE
S
DEF
RESUMEN
INTRODUCCION
La distribucin normal es la ms importante en la probabilidad y estadstica. La
distribucin normal el resultado esperado puede ser de xito o fracaso sin dar
lugar a trminos medios. La distribucin binomial e utiliza en situaciones cuya
solucin tiene 2 posibles resultados. En cada prueba del experimento solo hay
dos posibles resultados xitos o fracasos, el resultado obtenido en cada prueba
es independiente de los resultados obtenidos en pruebas anteriores. Muchas
poblaciones numricas tienen distribuciones que se pueden ajustar mediante
una curva normal apropiada para el anlisis de variables cuantitativas como por
ejemplo dimensiones, pesos, caractersticas fsicas, etc.
En esta prueba se utilizar como variable el dimetro de cilindros de madera
para determinar los parmetros del proceso.
Palabra claves: Curva , variables, cuantitativas , cilindros
Keywords: normal distribution, statistics, standard curve.
MARCO TERICO
DISTRIBUCIN NORMAL
Distribucin de una variable aleatoria contina con una curva de un solo pico y
en forma de campana. La media se halla en el centro de la distribucin, y la
curva es simtrica alrededor de una lnea vertical que se yergue en la media.
Los dos extremos se extienden indefinidamente, sin que nunca toquen el eje
horizontal.
El modelo de probabilidad ms frecuente utilizado en estadstica es la
distribucin normal, que puede emplearse en las formas general y
estandarizada. Se dice que X (variable) tiene una distribucin general si cumple
las siguientes condiciones:
X es una variable aleatoria continua.
Si existen las constantes:
UNIVERSIDAD DE LA COSTA
REA DE LABORATORIO DE CONTROL DE CALIDAD
FACULTAD DE INGENIERA
: << ;
:>0
La funcin de probabilidad viene dada por la siguiente expresin:
Para el modelo normal estndar se trabaja con una funcin de densidad que
comprende integrales que no pueden ser reducidas a funciones elementales,
se dice que una funcin normal es de la forma estndar si su media es cero y
su varianza es la unidad.
La funcin de distribucin de la variable normal estndar Z es:
La funcin acumulada correspondiente a la distribucin estndar dada que la
probabilidad de la variable normal asuma valores menores o iguales a Z.
Si la variable aleatoria X tiene media y desviacin tpica , entonces la
variable aleatoria Z tambin tiene media y desviacin tpica . (Richard,
2011)
Fig. 1. Representacin grfica de la varianza, desviacin tpica y la media en
una distribucin normal. (Richard, 2011)
UNIVERSIDAD DE LA COSTA
REA DE LABORATORIO DE CONTROL DE CALIDAD
FACULTAD DE INGENIERA
Fig. 2. Representacin grfica de Z en una distribucin normal (Richard, 2011)
PROCEDIMIENTO
2.1.
INSUMOS, MATERIALES Y EQUIPOS REQUERIDOS.
Para la experiencia se selecciona una muestra de 50 cilindros de
madera de una poblacin de 100.
Un calibrador.
2.2.
DESARROLLO EXPERIMENTAL
Se toman 50 cilindros de la poblacin para medir sus dimetros con
el calibrador y se anotan estos valores en la tabla 1.
Luego, para calcular la media y la desviacin estndar, procedemos a
agrupar los datos en la tabla 2:
Se calcula el Rango de la muestrea tomando el dato mayor y el
menor de la misma, de esta forma continuamos para hallar el nmero
de clases y la amplitud de los intervalos.
Hallamos el nmero de clases segn la formula 1+3.22 log n .
Para construir los intervalos y asegurarnos de que el valor mnimo
como el mximo se encuentren dentro de los datos tomados,
restamos 0.005 al valor mnimo porque el nmero de decimales
que tiene este as lo requiere.
UNIVERSIDAD DE LA COSTA
REA DE LABORATORIO DE CONTROL DE CALIDAD
FACULTAD DE INGENIERA
Procedemos a hallar la frecuencia que existe entre los intervalos, la
marca de clase y la clase () para llenar el resto de la tabla con
operaciones entre ellos.
De esta forma hallamos la media y la desviacin estndar de
nuestros datos para proceder con su probabilidad, las graficamos y
analizamos para continuar con las respuestas a las preguntas y sus
respectivas conclusiones.
Despus de esto procedemos a analizar los valores de la tabla 3. con
los datos de los dems grupos de clase.
CALCULOS Y RESULTADOS
Tabla 1. Medida de cada uno de los cilindros en milmetros
Fuente: elaboracin personal.
De la tabla 1. Obtenemos:
n=50
Valor Mnimo: 15,43
Valor Mximo: 29,98
Rango:
R=V maxV min
R=29,9815,43
R=14,55
Nmero de intervalos:
k =1+ 3,22 logn
k =1+ 3,22 log50
k =6,47 6
Nuestro nmero de clases ser 6.
Amplitud de las clases:
UNIVERSIDAD DE LA COSTA
REA DE LABORATORIO DE CONTROL DE CALIDAD
FACULTAD DE INGENIERA
Rango
k
14,55
C=
6
C=2,425 2
Nuestra amplitud de clases ser 2 ya que se redondea
C=
Intervalos de clase:
Primer intervalo:
V min 0,05=15,430,05=15,38
15,38+C=15,38+2=17,38
15 ,3817 , 38
Segundo intervalo:
17,38+C=17,38+2=19,38
17 , 3819 , 38
Tercer intervalo:
19,38+C=19,38+2=21,38
19 ,3821 ,38
Cuarto intervalo:
21,38+C=21,38+2=23,38
21 ,3823 , 38
Quinto intervalo:
23,38+C=23,38+2=25,38
23 , 3825 , 38
Sexto intervalo:
25,38+C=25,38+2=27,38
25 , 3827 , 38
Nos aseguramos si el valor mximo es menor que el sexto intervalo, para que
este no quede por fuera de la toma de datos. 27 , 38 29 , 98
Marca de clase:
15,38
X 1=
=16,38
17,38
UNIVERSIDAD DE LA COSTA
REA DE LABORATORIO DE CONTROL DE CALIDAD
FACULTAD DE INGENIERA
X 2=
17,38
=18,38
19,38
X 3=
19,38
=20,38
21,38
21,38
=22,38
23,38
23,38
X 5=
=24,38
25,38
X4=
X6=
25,38
=26,38
27,38
Media ( X ):
F1 X 1=3 16,38=49,14
F2 X 2=7 18,38=128,66
F3 X 3=9 20,38=183,42
F 4 X 4 =12 22,38=268,56
F5 X 5=4 24,38=97,52
F6 X 6=15 26,38=395,7
X =
FX
( 49,14+128,66+ 183,42+ 268,56+97,52+395,7 )
50
F
FX = 1123 =22,46
X =
F 50
Por lo tanto se asume que la media poblacional es
Desviacin tpica estndar ( S 2 )
Para la desviacin tpica estndar se tiene que:
2
( X X)
S 2=
n1
Para este caso n=F . Entonces:
2
( X 1 X ) =( 16,3822,46 )2 =75,441
2
2
(X 2 X ) =(18,3822,46) =33,972
(X 3 X )2=(20,3822,46)2=88,293
=22,46
( X 4 X ) =( 22,3822,46 )2=13,061
2
2
(X 5 X ) =(24,3822,46) =75,232
(X 6 X )2=(26,3822,46)2=31,36
S=
2 (75,441+33,972+88,293+13,061+75,232+31,36)
( X X)
=
n1
49
UNIVERSIDAD DE LA COSTA
REA DE LABORATORIO DE CONTROL DE CALIDAD
FACULTAD DE INGENIERA
S=
( X X )2 = 317,359 =6,47
n1
49
Por lo que la desviacin estndar poblacional ser
=6,47
15,38
17,38
17,38
19,38
16,38
18,38
3
7
22,46
22,46
49,14
128,66
X
i
75,441
33,972
19,38
21,38
20,38
22,46
183,42
88,293
21,38
23,28
22,38
12
22,46
268,56
13,061
23,38
25,38
24,38
22,46
97,52
75,232
25,38
27,38
26,38
15
22,46
395,7
31,36
11,23
317,359
INTERVALO DE
CLASES
MARCA
DE
CLASE (
X )
FRECUEN
CIA ( F )
CLASE
( )
FX
TOTAL
50
Tabla 2. Distribucin de frecuencias y clculos de la media y la desviacin
Fuente: elaboracin personal.
GRUPOS
MEDIA
MUESTRAL
DESVIACIN
ESTNDAR
UNIVERSIDAD DE LA COSTA
REA DE LABORATORIO DE CONTROL DE CALIDAD
FACULTAD DE INGENIERA
22,597
3,3645
Tabla 3. Media y desviacin estndar
Fuente: elaboracin personal.
GRUP
O
3
12
15
Tabla 4.
Fuente: elaboracin personal.
Grafico 1. Histograma de la marca de clase
UNIVERSIDAD DE LA COSTA
REA DE LABORATORIO DE CONTROL DE CALIDAD
FACULTAD DE INGENIERA
HISTOGRAMA
16
15
14
13
12
11
10
9
8
7
6
5
4
3
2
1
0
PREGUNTAS
1. Porque para el clculo de la desviacin se emple en el
denominador (n1) y no ( n )?
Un principio general de la teora matemtica nos dice que si
pretendemos calcular de modo aproximado la varianza de una poblacin
a partir de la varianza de una muestra suya, se tiene que el error
cometido es generalmente ms pequeo, si en vez de considerar como
estimacin de la varianza de la poblacin, a la varianza muestral. Si
hubiramos considerado ( n ) como el denominador para la frmula de
la varianza, el resultado hubiera sido algn sesgo, es decir, un error
sistmico que se puede controlar, como un estimador de la varianza de
la poblacin; en concreto, tendera a ser demasiado bajo. Si se usa un
divisor de n1 , se obtiene un estimador insesgado de 2 .
(Sesgo, 2016)
2. En una distribucin normal qu significado tiene la Z?
La desviacin estndar es til para describir cunto se apartan de la
media de la distribucin los elementos individuales de esta misma. La Z,
o tambin llamada puntuacin estndar nos da el nmero desviaciones
UNIVERSIDAD DE LA COSTA
REA DE LABORATORIO DE CONTROL DE CALIDAD
FACULTAD DE INGENIERA
estndar a que determinada observacin se encuentra por debajo o por
encima de la media.
(Sesgo, 2016)
3. Cul es el valor mximo que puede tomar Z en una distribucin
normal? Por qu?
El valor mximo que podemos encontrar en la puntuacin estndar, Z,
es de 4,0 y esto se debe a que es la aproximacin ms especfica al
100% de la probabilidad de una distribucin normal.
(Sesgo, 2016)
10
UNIVERSIDAD DE LA COSTA
REA DE LABORATORIO DE CONTROL DE CALIDAD
FACULTAD DE INGENIERA
11
UNIVERSIDAD DE LA COSTA
REA DE LABORATORIO DE CONTROL DE CALIDAD
FACULTAD DE INGENIERA
CONCLUSION
Gracias a la aplicacin de la distribucin normal es una de las distribuciones de
probabilidad de variable continua que con ms frecuencia aparece en
fenmenos reales.
La importancia de esta distribucin radica en que permite modelar numerosos
fenmenos naturales, sociales y psicolgicos. Mientras que los mecanismos
que subyacen a gran parte de este tipo de fenmenos son desconocidos, por la
enorme cantidad de variables incontrolables que en ellos intervienen, el uso del
modelo normal puede justificarse asumiendo que cada observacin se obtiene
como la suma de unas pocas causas independientes.
De hecho, la estadstica es un modelo matemtico que slo permite describir
un fenmeno, sin explicacin alguna. Para la explicacin causal es preciso el
diseo experimental, de ah que al uso de la estadstica en psicologa y
sociologa sea conocido como mtodo correlacional.
12
UNIVERSIDAD DE LA COSTA
REA DE LABORATORIO DE CONTROL DE CALIDAD
FACULTAD DE INGENIERA
BIBLIOGRAFA
H, G. (2013). Control estadistico de la calidad y seis sigma. Mexico : Mc
Graw Hill Interamericana.
Richard, L. (2011). Estadistica para ingenieros. PHH Prentice Hall.
Sesgo, A. (19 de 09 de 2016). medwave. Obtenido de medwave:
[Link]
13
