UNIVERSIDAD NACIONAL DE SAN CRISTÓBAL DE HUAMANGA

FACULTADA DE INGENIERÍA QUÍMICA Y METALURGIA

DEPARTAMENTO ACADÉMICO DE MATEMÁTICA Y FÍSICA

ESCUELA DE FORMACIÓN PROFESIONAL DE INGENIERÍA EN

INDUSTRIAS ALIMENTARIAS

FÍSICA I (FS-241)

PRÁCTICA Nº 02

“ESTADÍSTICA GAUSSIANA”
DOCENTE : ORÉ GARCÍA, Julio

INTEGRANTES :

 CHAVEZ SOTO, Liz Pamela

 MUÑOZ TUEROS, Griss Paula.
 OCHOA MANTILLA, Betsi Carely.
 QUINTANA OSEJO, Yeny.

CICLO : 2015-I

GRUPO : Jueves 3Pm- 5Pm

FECHA DE EJECUCIÓN: 30 -04-15

FECHADE ENTREGA : 30 -04-15

AYACUCHO – PERÚ

2015
 INTRODUCCIÓN

Normal o distribución gaussiana calculadora es una herramienta de estadísticas en línea

para el análisis programado para calcular la función de densidad de probabilidad normal
para una determinada media y desviación estándar. Distribución gaussiana es una
distribución de probabilidad continua, llamada también como función gaussiana y la
curva asociada se conoce como curva de Bell.
 LABORATORIO N° 2: ESTADÍSTICA GAUSSIANA

OBJETIVO
 Familiarizarse con ciertos términos estadísticos aplicados a mediciones físicas.
 Expresar un conjunto de medidas en un histograma.
 Aplicar la estadística gaussiana para valorar una medición.

MARCO TEÓRICO
DEFINICIÓN
Distribución gaussiana es también conocida como distribución Normal, la función de
probabilidad continua más prominente en las estadísticas se introdujo por Gauss para
estimar los errores en observaciones enormes. En el que la campana en forma de curva
conocida como función gaussiana o curva de Bell se utiliza para representar la
distribución de la función de densidad de probabilidad
Fórmula de distribución gaussiana o normal
El plazo Normal o distribución gaussiana en probabilidad y estadística puede derivarse
de la fórmula donde el parámetro μ es la media, ubicación del pico y σ2 es la variación
de la medida del ancho de la distribución. La distribución con μ = 0 y σ2 = 1 se llama la
distribución normal estándar.

La normal o distribución gaussiana es el más ampliamente conocidos y utilizados de

todas las distribuciones. Debido a la distribución normal se aproxima a muchos
fenómenos naturales tan bien, se ha convertido en un estándar de referencia para
muchos problemas de probabilidad. Para facilitar los cálculos, esta calculadora en línea
de distribución normal te ayudará a averiguar el valor de la función de densidad de
probabilidad para los valores dados de media, desviación estándar y otras variables.
HISTOGRAMAS Y CURVAS DE GAUSS

Histogramas y normalidad de los datos

La mayoría de los datos que representan nuestros procesos se ajustan a una distribución
normal. Cuando hacemos el histograma de nuestros datos, nos esperamos ver que esta
distribución tiene una curva suave conocida como la campana de Gauss. Pero a veces
los histogramas (o diagramas de frecuencia) presentan unas formas peculiares.
En el gráfico siguiente podéis apreciar 4 histogramas generados con 20 datos
procedentes de una distribución normal estándar (media = 0, desviación estándar = 1)

Histograma de una distribución normal estándar con 20 datos

A pesar de ser normales, estos histogramas podrían llevarnos a falsas conclusiones

sobre la normalidad de los datos.
De hecho, con solo 20 datos, un diagrama de puntos podría ser más adecuado para ver la
dispersión de los datos (con toda su granularidad).

MEDIA:
Una media, en matemáticas, es un promedio de un conjunto de números. Existen
distintas medias matemáticas, como la media aritmética, la media geométrica y la media
armónica.
Mediana: con esta medida podemos identificar el valor que se encuentra en el centro de
los datos, es decir, nos permite conocer el valor que se encuentra exactamente en la
mitad del conjunto de datos después que las observaciones se han ubicado en serie
ordenada. Esta medida nos indica que la mitad de los datos se encuentran por debajo de
este valor y la otra mitad por encina del mismo.
MODA:
La medida modal nos indica el valor que más veces se repite dentro de los datos; es
decir, si tenemos la serie ordenada (2, 2, 5 y 7 ), el valor que más veces se repite es el
número 2, quien sería la moda de los datos. Es posible que en algunas ocasiones se
presenten dos valores con mayor frecuencia, lo cual se denomina bimodal o en otros
casos más de dos valores, lo que se conoce como multimodal

DESVIACIÓN ESTÁNDAR DE LAS MEDIDAS Y DE LA MEDIA

Desviación Estándar
La desviación estándar (DS/DE), también conocida como desviación típica, es una
medida de dispersión usada en estadística que nos dice cuánto tienden a alejarse los
valores puntuales del promedio en una distribución. De hecho específicamente las
desviación estándar es "el promedio de la distancia de cada punto respecto del
promedio". Se suele representar por una S o con la letra sigma, .
La desviación estándar de un conjunto de datos es una medida de cuánto se desvían los
datos de su media.
Esta medida es más estable que el recorrido y toma en consideración el valor de cada
dato.
Es posible calcular la desviación estándar como la raíz cuadrada de la integral

Donde

La DS es la raíz cuadrada de la varianza de la distribución

Así la varianza es la media de los cuadrados de las diferencias entre cada valor de la
variable y la media aritmética de la distribución.
Aunque esta fórmula es correcta, en la práctica interesa realizar inferencias
poblacionales, por lo que en el denominador en vez de n, se usa n-1 (Corrección de
Bessel)

PROCEDIMIENTOS

MATERIALES
 Canicas
 tablero “camino aleatorio”.

PROCEDIMIENTO:
1. Contar la cantidad de canicas cogidas en un puñado
2. Repetir el paso anterior 100 veces. Importante todos los puñados deben ser de la
misma persona y en las mismas condiciones. Tomar sus datos en una tabla como la
siguiente:

Imagen1: canicas prueba de laboratorio

1.- NUMERO DE CANICAS QUE SE DISPONEN EN CADA CASILLERO. TOMAR DATO DE ELLOS EN
TABLA COMO LA SIGUIENTE

Tabla 1:
NUMERO CANTIDAD
DE MEDIDA DE
CANICAS
1 20
2 21
3 21
4 25
5 21
6 21
7 23
8 22
9 22
10 23
11 24
12 21
13 20
14 25
15 20
16 22
17 21
18 22
19 21
20 18
21 17
22 20
23 20
24 20
25 23
26 22
27 25
28 20
29 20
30 22
31 19
32 21
33 24
34 18
35 21
36 23
37 26
38 18
39 21
40 22
41 23
42 22
43 19
44 20
45 21
46 23
47 21
48 20
49 21
50 18
51 23
52 21
53 22
54 24
55 22
56 17
57 22
58 21
59 18
60 22
61 22
62 22
63 21
64 19
65 23
66 21
67 18
68 21
69 20
70 20
71 22
72 25
73 21
74 21
75 19
76 23
77 22
78 23
79 22
80 19
81 17
82 18
83 22
 84 19
85 26
86 19
87 19
88 20
89 23
90 20
91 22
92 23
93 19
94 20
95 22
96 21
97 18
98 20
99 21
100 18

3. Disponer varias canicas en la parte superior del tablero “camino aleatorio”. A cierta
inclinación dejar rodar las canicas.
4. Contar el número de canicas que se disponen en cada casillero. Tomar dato de ellos
en tabla como la siguiente:

Imagen 2: 2da prueba

 Tabla 2:

NRO DE POSICION CANTIDAD DE CANICAS

1 5
2 4
3 4
4 6
5 5
6 12
7 13
8 5
9 11
10 11
11 15
12 23
13 11
14 8
15 15
16 8
17 4
18 3
19 5
20 2
 RESULTADOS

1. Con los datos de la tabla 1, calcular la frecuencia de cada medida. Con ello
hacer un histograma frecuencia versus medida.
cantidad frecuencia absoluta
de acumulad Simple Acumulad
simple
canicas o (%) a (%)
17 3 3 0.03 300%
18 9 12 0.09 0.12
19 9 21 0.09 21
20 16 37 0.16 37
21 22 59 0.22 37.22
22 20 79 0.2 37.42
23 12 91 0.12 37.54
24 3 94 0.03 37.57
25 4 98 0.04 37.61
26 2 100 0.02 100%

HISTOGRAMA
25

20

15

10

0
16 18 20 22 24 26 28
2. Calcule la moda, mediana y media del conjunto de medidas. Calcule también la
desviación standard de las medidas y de la media.

σ
DESVIACIÓN
ESTANDAR
DE LAS
MODA MEDIANA MEDIA MEDIDAS

21 21.5 21.06 1.97393009

3. Analice su gráfica y trace a mano alzada una curva tipo gaussina.

De acuerdo a la gráfica realizada en mano alzada observamos que la medida que

mas se repite es 21

4. Con los datos de la tabla 2, haga un histograma cuentas versus posición de la

canica. Calcule la desviación standard de las medidas y de la media.
 HISTOGRAMA CUENTAS VS POSICION DE LAS
CANICAS
25

23
20

15
15 15
13
10 12
11 11 11
8 8
5 6
5 5 5 5
4 4 4
3
0 2
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20

Hallando: Frecuencia
cantidad frecuencia absoluta
de simple Acumulado
canicas
2 1 1
3 1 2
4 3 5
5 4 9
6 1 10
8 2 12
11 3 15
12 1 16
13 1 17
15 2 19
23 1 20

 CALCULO DE MODA: de acuerdo a la definición moda, son los valores que se

repiten en una medida de cantidad de canicas. Como el 5 cuatro veces; entonces
es la moda.
 CALCULO D ELA MEDIANA: es el valor numérico situado en el centro de la
muestra
 CALCULO DE LA MEDIA:
 n

=∑
Xi fi
X i=1 , donde fi es frecuencia.
n

 DESVIACION ESTANDAR DE LA MEDIDA.

1. desviación standard de las medidas y de la media.

σ
DESVIACIÓN
ESTANDAR
DE LAS
MODA MEDIANA MEDIA MEDIDAS
5

CUESTIONARIO
1. Qué significa una distribución gaussiana y qué aplicaciones tiene en las
mediciones físicas
Una distribución de una variable aleatoria continúa.
Una muy importante distribución continua de probabilidades es la distribución normal.
Varios matemáticos intervinieron en su desarrollo entre ellos figura el astrónomo del
siglo XVIII Karl Gauss, a veces es llamada en su honor la distribución de Gauss.
Significado y comprensión de la distribución normal en nuestra investigación. Nuestro
trabajo se apoya en un marco teórico sobre el significado y la comprensión de los
objetos matemáticos (Godino, 1996; Godino y Batanero). Un supuesto epistemólogo
básico es que los objetos matemáticos (por ejemplo, la Distribución Normal) emergen
de la actividad de la resolución de problemas mediados por las herramientas semióticas
disponibles en los contextos institucionales. El significado de los objetos matemáticos
se concibe como el sistema d practicas ligadas a campos de proble4mas específicos y se
diferencian 5 tipos de elementos:
 1. Elementos extensivos: las situaciones y campos de problemas de donde emerge
el objeto.
2. Elementos ostensivos: las herramientas semióticas disponibles para representar
o para operar con los problemas y objetos involucrados.
3. Elementos actuativos: procedimiento y estrategias para resolver los problemas.
4. Elementos intensivos: propiedad característica y relaciones con otras entidades:
definiciones teoremas y proposiciones.
5. Elementos validativos: argumentos que sirven para justificar o validad las
soluciones.
Aplicaciones:
La distribución normal o distribución de Gauss es sin duda la más importante y la
de, más aplicación de todas las distribuciones continuas. Esta distribución es
bastante adecuada para describir continuas. Esta distribución es bastante adecuada
para describir la distribución de muchos conjuntos de datos que ocurre en la
naturaleza, la industria y la navegación. Así pues para los siguientes conjuntos de
datos, se puede considerar adecuada la distribución normal.
 Datos meteorológicos correspondientes a temperaturas, lluvia,etc.
 Las clasificaciones correspondientes a prueba de aptitud.
 Las medidas físicas de productos manufacturados
 Alturas de individuos de una edad y sexo dado.

2. En base a los resultados obtenidos sobre las curvas gaussiana, asócielo con el
criterio de estimación de error sistemático de una medición directa con un
1
Δx s = u
instrumento analógico. ( 2 )

3. Averigüe otras distribuciones estadísticas usadas en las mediciones físicas.

DISTRIBUCIÓN DE GUMBEL:
Esta ley de distribución de frecuencias se ha utilizado por el estudio de los valores
extremos: por ejemplo, si hemos elegido el día más caudaloso o de mayor precipitación
de cada año de una serie de años
La probabilidad de que se presente un valor inferior a X es :

−b
−e
F ( x )=e …….. (1)
Siendo:
b = α(x-u) …….. (2)
α= Ϭy/s x…….. (3)
µy
u= X - ………(4)
α

e = base de los logaritmos neperianos

X = media aritmética de la muestra
S x = desviación típica de la muestra.
Ϭ y. µy = consultar en la tabla adjunta, según el nro. Datos de la muestra.

DISTRIBUCION MUESTRAL DE LA PROPORCION:

Si tenemos n observaciones (X1, X2,…………. Xn) dicotómicas y definimos
Xi : “ Nro de aciertos con probabilidad π”
Entonces: XKJKH B (x, n, π)
E(X) = n. π
Ϭ(X) =√ n . π ( 1−π )
CONCLUSIONES:
 Conocimos ciertos términos estadística aplicada a mediciones físicas, por medio
experimental con canicas.
 Aprendimos a realizar un conjunto de medidas en un histograma.
 Valoramos las mediciones por medio de la estadística Gaussiana.

BIBLIOGRAFÍA
1. PUCP. Técnicas de la enseñanza de la Física. 1991
2. Universidad Nacional de Ingeniería. Manual de laboratorio de Física General,
1999