Documentos de Académico
Documentos de Profesional
Documentos de Cultura
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
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)
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
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