UNIVERSIDAD DE LA COSTA, CUC

FACULTAD DE INGENIERA

INGENIERA INDUSTRIAL


DISTRIBUCIN NORMAL

Jess Crdenas, Rosmery Conde, Sulay Escorcia, Alexandra Turizo
Profesor: Ing. Luis Santiago J. Grupo: AN. 29/09/2014
Laboratorio de Control de Calidad, Universidad de la Costa, Barranquilla Atlntico

Resumen
La distribucin normal es lo ms importante en probabilidad y en estadstica. 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,
etctera.
En esta prueba se utilizar como variables, el peso de los cilindros para determinar los parmetros
del proceso.
Palabras Claves: Distribucin, probabilidad, variables.
Abstract
The normal distribution is the most important in probability and statistics. Many numerical
populations have distributions that can be adjusted using a normal curve appropriated for the
analysis of quantitative variables as i.e. dimensions, weights, physical characteristics, etc.
In this test be used as variables, the weight of the cylinders to determine the parameters of the
process.
Keywords: Distribution, probability, variables.
1. Introduccin
Fue descubierta y publicada por primera vez en un artculo del ao 1733 por Abraham De Moivre,
el cual fue impreso en la segunda edicin de su libro The doctrine of chances, de 1738, en el
contexto de cierta aproximacin de la distribucin binomial para grande valores de n. Su resultado
fue ampliado por Laplace en su libro Teora analtica de las probabilidades (1812), y en la
actualidad se llama Teorema de Moivre-Laplace.
Esta distribucin es el modelo de probabilidad ms frecuentemente utilizado en las aplicaciones de
la estadstica, ya que como su propio nombre lo indica, es de una extensible utilizacin, justificada
por las frecuencias o normalidad con la que ciertos fenmenos tienden a parecerse en su
comportamiento a esta distribucin. Cabe destacar que esta distribucin se puede emplear en las
formas general y estandarizada. Muchas variables asociadas a fenmenos naturales, que siguen el
modelo de la normal, son las que dan la importancia a la distribucin normal.
2. Objetivos
OBJETIVO GENERAL:
Comprender acerca de la distribucin normal
OBJETIVOS ESPECIFICOS:
Entender los diferentes aspectos relacionados a la distribucin normal.
UNIVERSIDAD DE LA COSTA, CUC
FACULTAD DE INGENIERA

INGENIERA INDUSTRIAL


Practicar el ajuste de una distribucin normal de una distribucin de frecuencias
observadas.
Demostrar el efecto de las diversas fluctuaciones del muestreo.
Determinar la desviacin estndar de la muestra.
Analizar el valor de la probabilidad

3. Marco Terico
Distribucin Normal
En estadstica y probabilidad se llama distribucin normal, distribucin de Gauss o distribucin
gaussiana, a una de las distribuciones de probabilidad variable continua que con ms frecuencia
aparece aproximada 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
descriptiva slo permite describir un fenmeno, sin explicacin alguna. Para la explicacin causal
es preciso el diseo experimental, d ah que al uso de la estadstica en psicologa y sociologa sea
conocido como mtodo correlacional.
La distribucin normal tambin es importante por su relacin con la estimacin por mnimos
cuadrados, uno de los mtodos de estimacin ms simples y antiguos.
Propiedades.
Su grfica tiene forma acampanada.
El valor esperado, la mediana y la moda tienen el mismo valor cuando la variable
aleatoria se distribuye normalmente.
Su dispersin media es igual a 1,33 desviacin estndar. Es decir, el alcance
intercuartil est dentro de un intervalo de dos tercios de una desviacin estndar por
debajo de la media a dos tercios de una desviacin estndar por encima de la media.
En la prctica, algunas de las variables que observamos slo pueden aproximarse a estas
propiedades. As que si el fenmeno puede mediarse aproximadamente, mediante la distribucin
normal, se tendr:
1. Que el polgono puede verse en forma de campana y simtrico.
2. Sus mediciones de tendencia central tienen bastante parecido.
3. El valor intercuartil puede diferir ligeramente de 1.33 desviaciones estndar.
4. El dominio de la variable aleatoria normalmente distribuida generalmente caer dentro de 3
desviaciones estndar por encima y por debajo de la media.
Variable aleatoria de la distribucin normal.
Una variable aleatoria continua X, sigue una distribucin normal de media y desviacin tpica y
se designa por , si se cumplen las siguientes condiciones:
1. La variable puede tomar cualquier valor:
2. La funcin de densidad, es la expresin en trminos de ecuacin matemtica de la curva
de Gauss:
UNIVERSIDAD DE LA COSTA, CUC
FACULTAD DE INGENIERA

INGENIERA INDUSTRIAL

Curva de la distribucin normal.


Imagen 1. Curva de la distribucin normal.
El campo de existencia es cualquier valor real, es decir,
Es simtrica respecto de su media
La moda y la mediana son ambas iguales a la media
Crece hasta la media y decrece a partir de ella.
Los puntos de inflexin de la curva se da para y
Distribucin de probabilidad en un entorno de la media.
- En el intervalo se encuentra comprendida aproximadamente, el 68,26%
de la distribucin.
- En el intervalo se encuentra aproximadamente, el 95,44% de la
distribucin.
- Por su parte, en el intervalo se encuentra comprendida,
aproximadamente el 99,74% de la distribucin. Estas propiedades son de gran utilidad
para el establecimiento de intervalos de confianza. Por otra parte, el hecho de que
prcticamente la totalidad de la distribucin se encuentre a tres desviaciones tpicas de
la media justifica los lmites de las tablas empleadas habitualmente en la normal
estndar.
El teorema del lmite central.
El teorema del lmite central, establece que bajo ciertas condiciones (como pueden ser
independiente e idnticamente distribuida con varianza finita), la suma de un gran nmero de
variables aleatorias se distribuye aproximadamente como una normal. La importancia prctica del
Teorema del lmite central es que la funcin de distribucin de la normal puede usarse como
aproximacin de algunas otras funciones de distribucin.
Distribucin normal compleja.
Considerese la variable aleatoria compleja gaussiana donde X e Y son variables
gaussianas reales e independientes con igual varianza

. La funcin de distribucin de la variable

conjunta es entonces

)(

)
. Como

, la funcin de distribucin resultante

para la variable gaussiana compleja Z es

UNIVERSIDAD DE LA COSTA, CUC
FACULTAD DE INGENIERA

INGENIERA INDUSTRIAL


4. Desarrollo
Materiales utilizados.
Poblacin de 50 cilindros.
Peso digital.
Procedimiento.
Se tom una poblacin de 50 cilindros y se tom su peso. Estos fueron seleccionados uno por uno
y se colocaban en el centro del peso digital, una vez se terminaba y tomaba el dato, ste era
registrado en la tabla 1.
Clculos y resultados.
Los datos obtenidos luego de realizar las 50 mediciones, se encuentran consignados en l a
siguiente tabla:
1 10
23.036 22.025 25.211 27.983 24.639 18.516 17.694 20.697 17.706 21.384
11 20
24.662 16.665 20.467 14.805 25.187 26.892 22.880 26.644 26.469 20.414
21 30
25.971 23.578 27.181 22.492 17.169 22.281 25.144 24.456 27.557 18.092
31 40
24.868 21.085 29.158 32.472 25.781 23.315 19.564 23.962 28.160 29.214
41 50
21.597 25.720 30.348 22.633 18.261 30.387 20.097 29.789 24.290 17.069
Tabla 1. Medida de cada uno de los cilindros del grupo 3.
Coloquen aqu lo que falta
Preguntas.
1. Por qu para cada clculo de la desviacin se emple en el denominador n-1 y no
n?
Un principio general de la teora matemtica, dice que si se pretende calcular de modo
aproximado la varianza de una poblacin a partir de la varianza de una muestra, por tanto
se tiene que el error cometido es generalmente ms pequeo, pero si en vez de considerar
como estimacin de la varianza de la poblacin, a la varianza muestral. Si en vez de
emplear n-1, se hubiese considerado n como el denominador para la frmula de la
varianza, el resultado habra sido algn sesgo, en otras palabras, un error sistemtico que
se pueda controlar, as como un estimador de la varianza de la poblacin.
En concreto, tendera a ser demasiado bajo. Cabe destacar que si se usa un divisor de n-1,
se obtiene un estimador insesgado de

.
2. En una distribucin normal que significado tiene Z?
La desviacin normal estndar es muy til siempre y cuando se quiera describir cunto se
apartan de la media de la distribucin, aquellos elementos individuales de sta misma, es
por tanto que la Z o tambin llamado puntuacin estndar, da el nmero de la desviacin
estndar, a que determinada observacin se encuentra por debajo o por encima de la
media.
3. Cul es el valor mximo que puede tomar Z en una distribucin normal? Y por
qu?
El valor mximo que se puede encontrar en Z o puntuacin estndar, es de 4,0. Esto se
debe a que es la aproximacin ms especfica al 100% de la probabilidad de una
distribucin normal.
5. Conclusin
La distribucin normal es la distribucin ms importante, entre las distintas distribuciones. Cabe
destacar que no existe una nica distribucin normal, sino una familia de distribuciones con una
UNIVERSIDAD DE LA COSTA, CUC
FACULTAD DE INGENIERA

INGENIERA INDUSTRIAL


forma comn, diferenciadas por los valores de su media y su varianza. Cabe destacar que dentro
de todas ellas, se puede deducir que la ms utilizada es la distribucin normal estndar, que
corresponde a una distribucin de media 0 y varianza 1. La importancia de la distribucin normal,
radica en que sta permite modelar numerosos fenmenos naturales, sociales y psicolgicos,
mientras que los mecanismos que subyacen a gran parte de este tipo de fenmenos son
desconocidos, debido a la enorme cantidad de variables que son incontrolables de los cuales en
ellos intervienen; el uso del modelo normal puede justificarse asumiendo que cada observacin se
obtiene como la suma de una pocas causas independientes.
De hecho, la estadstica es un modelo matemtico que slo permite describir un solo fenmeno,
sin explicacin alguna. Obviamente, para la explicacin causal se hace necesario el diseo
experimental. Actualmente, la distribucin normal, se ha convertido en una herramienta muy
indispensable en cualquier rama de la ciencia, la industria e inclusive el comercio, debido a que
muchos eventos reales y naturales tienen una distribucin de frecuencias, cuya forma es muy
parecida a la distribucin normal.
Ahora bien, la curva acampanada de distribucin normal es utilizada frecuentemente en la
economa financiera, a pesar de que es a menudo una asuncin de simplificacin, algo que la
descripcin ms exacta de las probabilidades.
Bibliografa.
http://www.vitutor.com/pro/5/distribuci%C3%B3n_normal.html
http://www.uoc.edu/in3/emath/docs/Distrib_Normal.pdf
http://es.wikipedia.org/wiki/Distribuci%C3%B3n_normal
http://www.vitutor.net/1/55.html
http://www.aulafacil.com/pronosticos-investigacion/curso/Lecc-11.htm