Distribución normal o de Gauss

0,4

0,35

0,3

0,25

0,2

0,15

0,1

0,05

0
92 93 94 95 96 97 98 99σ=1 100 σ=2 101 σ=4 102 σ=3
103 104 105 106 107 108 109 110
 Postulados de Gauss. (proceso
medición)
1° Postulado
El valor verdadero de un número muy grande
(infinito) de mediciones de un proceso
efectuadas en idénticas condiciones de
observador y método, eliminando errores
sistemáticos estará dado por el valor de la
media aritmética de las mediciones
El promedio del proceso es igual a la media
aritmética de las mediciones
 2° Postulado de Gauss
Es igualmente probable cometer errores de igual
valor absoluto pero de distinto signo , es decir
existe la misma posibilidad de ocurrencia de
valores de magnitud en exceso o en defecto
respecto al valor verdadero
La función es simétrica alrededor de µ
 3° Postulado de Gauss
En una serie de mediciones es tanto más
probable cometer errores pequeños que
grandes, es decir existe una mayor
probabilidad de concentración de valores
medidos en la cercanía de al media.
 0,9
Curva de Gauss
0,8

0,7

0,6

0,5

0,4

0,3

0,2

0,1

0
93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109

Caso 1 Caso 2 Caso 3

Parámetro Caso 1 Caso 2 Caso 3

Media µ 100 100 95
Desvío std σ 1 2 0,5
 Distribución de Gauss estandarizada
0,4

0,3
f(z)

0,2

0,1

0
-4 -3 -2 -1 0 1 2 3 4
z
 Ejercicios con tabla de distribución
normal estándar
Se tiene un producto cuya especificación es 100±6mm
Calcule la fracción defectuosa expresado en % y ppm bajo los
parámetros de los siguientes procesos que siguen una
distribución de Gauss:
Caso Media Desvio std
1 100 1
2 100 1,2
3 100 1,5
4 100 2
5 100 3
6 100 6
7 101 2
8 97 3
 P(z>LES)+P
P(z>LES)+P P(z>LES)+P
Caso µ σ ZLES ZLEI P(z<zLES) P(z<LEI) (z<LEI)
(z<LEI) (z<LEI) (%)
(PPM)

1 100 1 6 -6 9,86588E-10 9,86588E-10 1,97318E-09 0,0000002% 0,00197318

2 100 1,2 5 -5 2,86652E-07 2,86652E-07 5,73303E-07 0,0000573% 0,57330314

3 100 1,5 4 -4 3,16712E-05 3,16712E-05 6,33425E-05 0,0063342% 63,3424837

4 100 2 3 -3 0,001349898 0,001349898 0,002699796 0,2699796% 2699,79606

5 100 3 2 -2 0,022750132 0,022750132 0,045500264 4,5500264% 45500,2639

6 100 6 1 -1 0,158655254 0,158655254 0,317310508 31,7310508% 317310,508

7 101 2 2,5 -3,5 0,006209665 0,000232629 0,006442294 0,6442294% 6442,2944

8 97 3 3 -1 0,001349898 0,158655254 0,160005152 16,0005152% 160005,152

 0,4

0,35

0,3

0,25

0,2

0,15

0,1

0,05

0
92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108

6σ 3σ 4σ 5σ
Inferencia estadística
 1° teorema
• Si x1, x2,…xn son no observaciones de una
población con media µ y desvío estándar y
es la media de la muestra, luego
 2° teorema
Si x1,x2,…xn tiene una distribución normal con
parámetros N(µ;σ), entonces se distribuye
con N(µ; )
 3°Teorema (central del límite)
• La distribución de una media muestral de una
población con varianza finita, tiende a
distribuirse normalmente a medida que el
tamaño de la muestra tiende a infinito
 4° Teorema
• El rango R de una muestra x1,x2,x3…,xn con
distribución normal de parámetros N(µ;σ) los
estadísticos de la distribución resultan

-d2 y d3 dependen de n
 5° Teorema
• Si es la media de una muestra
(x1,x2,x3,…xn) de distribución normal con
parámetros N(µ;σ) luego la estadística z tiene
distribución normal.
 6° teorema
Si se desconoce σ; se estima la misma a partir de
s y estadistico t de Student. El estdístico t
depende de los grados de liberta g=n-1
•
Pruebas de hipótesis
Un acero tiene una resistencia media a la tracción de 72 kg/mm2 y desvío
estándares de 2 kg /mm2 (distribución normal).
• Se hizo un tratamiento térmico La distribución es normal y no ha variado σ luego
del tratamiento. Podemos considerar que no ha variado la media con un α=5%?
;.
• Evalúe distintos casos de error tipo dos, corriéndose respecto de µ=72 en
unidades de 1/4σ

Prueba Resistencia a la tracción

1 76,2
2 78,3
3 76,4
4 74,7
5 72,6
6 78,4
7 72,7
8 72,2
9 73,3
10 74,2
Error tipo 1
Hipótesis nula→µ=72
Hipótesis alterna→µ≠72
Como α=5%; zα/2=1,96.
Como z>zα/2, se rechaza la hipótesis nula donde µ=72 con un error
de significación del 5%.
Vemos que si disminuimos el valor de α;
disminuye el error tipo I.
En nuestro caso, si eligiéramos un zα/2≥4,585
;α=0,000453% =4,5ppm como error tipo 1,
estaríamos no rechazando la hipótesis nula.
Es decir disminuyendo el error tipo I aumenta la
probabilidad de aprobar H0, siendo esta
verdadera.
Qué pasa si µ≠72?
Error tipo 2
k
µ´=µ+k.σ Linf zinf Lsup zusp Pa (n=10)

0 72 70,7603872 -1,96 73,2396128 1,96 95,00042%

0,25 72,5 70,7603872 -2,75057 73,2396128 1,16943058 87,59103%

0,5 73 70,7603872 -3,54114 73,2396128 0,37886117 64,74053%

0,75 73,5 70,7603872 -4,33171 73,2396128 -0,41170825 34,02692%

1 74 70,7603872 -5,12228 73,2396128 -1,20227766 11,46278%

1,25 74,5 70,7603872 -5,91285 73,2396128 -1,99284708 2,31391%

1,5 75 70,7603872 -6,70342 73,2396128 -2,78341649 0,26895%

1,75 75,5 70,7603872 -7,49399 73,2396128 -3,57398591 0,01758%

2 76 70,7603872 -8,28456 73,2396128 -4,36455532 0,00064%

2,25 76,5 70,7603872 -9,07512 73,2396128 -5,15512474 0,00001%

 Curva CO (n=10)
100%

90%

80%

70%
Probabilidad de aceptación

60%

50%

40%

30%

20%

10%

0%
0 0,25 0,5 0,75 1 1,25 1,5 1,75 2 2,25
k
 Problemas

Cual es la probabilidad de que dos

puntos consecutivos se encuentren