MDULO 1.

LA DISTRIBUCIN NORMAL y PRUEBA DE NORMALIDAD

1.1 DISTRIBUCIN NORMAL
Un proceso opera en condiciones normales, si tiene los materiales dentro de de especificaciones y del mismo lote, un mtodo consistente, un medio ambiente adecuado, el operador capacitado, y el equipo ajustado correctamente, si se toman mediciones en alguna caracterstica del producto, mostrar el siguiente comportamiento:

Distribucin grfica de la variacin La Curva normal

LAS PIEZAS VARAN DE UNA A OTRA:

TAMAO

TAMAO

TAMAO

TAMAO

Pero ellas forman un patrn, tal que si es estable, se denomina distr. Normal
SIZE TAMAO TAMAO

LAS DISTRIBUCIONES PUEDEN DIFERIR EN:

UBICACIN DISPERSIN FORMA

TAMAO

TAMAO

TAMAO . . . O TODA COMBINACIN DE STAS

Fig. 1.1 Construccin de la distribucin normal La distribucin normal es una de las distribuciones ms usadas e importantes. Se ha desenvuelto como una herramienta indispensable en cualquier rama de la ciencia, la industria y el comercio. Muchos eventos reales y naturales tienen una distribucin de frecuencias cuya forma es muy parecida a la distribucin normal. La distribucin normal es llamada tambin campana de Gauss por su forma acampanada.

Cuando se incluyen todos los datos de un proceso o poblacin, sus parmetros se indican con letras griegas, tales como: promedio o media = (mu), y desviacin estndar (indicador de la dispersin de los datos) = (sigma). Para el caso de estadsticos de una muestra se tiene media = X y desv. est.= s.

Propiedades de la distribucin normal estndar

La distribucin normal estndar tiene media = 0 y desviacin estndar =1. La media, Mediana y Moda coinciden, son iguales y se localizan en el pico.

Fig. 1.2 Propiedades de la distribucin normal El rea bajo la curva o probabilidad de menos infinito a ms infinito vale 1. La distribucin normal es simtrica, la mitad de curva tiene un rea de 0.5. La escala horizontal de la curva se mide en desviaciones estndar. La forma y la posicin de una distribucin normal dependen de los parmetros , , por lo que hay un nmero infinito de distribuciones normales.

Curvas CurvasNormales Normalescon conMedias Mediasiguales igualespero pero Desviaciones estndar diferentes Desviaciones estndar diferentes

= .1 =3 3 .1 = 3.9 = 3.9 = = 5.0 5.0

= 2 0
Lmite inferior de especs. Lmite superior de especificaciones

Fig. 1.3 Distribuciones normales con varias desv. estndar

Normales Normalescon conMedias Mediasy y Desviaciones estndar diferentes Desviaciones estndar diferentes

= = 5, 5, = =3 3 = 9, = 6 = 9, = 6 = = = 14, 14, = 10 10

LIE Fig. 1.4 Distribuciones desviaciones estndar normales

LSE con varias medias y

Existe una relacin del porcentaje de probabilidad o rea bajo la curva normal a la desviacin estndar. En la figura observamos por ejemplo que el rea bajo la curva para 1 tiene un porcentaje de 68.26%, 2
3 = 99.73% .

= 95.46% y

-3s -2s -1s

+1s +2s +3s 68.26% 95.46%

99.73% Fig. 1.5 rea bajo la curva de Distribucin normal Lo anterior se puede calcular con la Tabla de distribucin normal o con Excel (Fx =distr.norm.estand(Z) proporciona el rea desde menos infinito hasta Z). En la tabla normal, se busca el valor de Z y se encuentra el rea bajo la curva. La primera tabla sirve para determinar el rea o probabilidad que se encuentra fuera de los lmites de especificaciones. La segunda tabla proporciona valores de rea bajo la curva para Zs mayores a cero. En cada una se muestran ejemplos de su uso.

Ejemplo 1.1 a) Determinar el rea bajo la curva de menos infinito a Z = - 1. P(Z<= -1) = 0.1587 b) Determinar el rea bajo la curva de menos infinito a Z = - 2. P(Z<= - 2) = 0.0228 c) Determinar el rea bajo la curva entre Z >= -2. hasta Z <= -1 P(- 2 <= Z<= -1) = 0.1259

Ejemplo 1.2 a) Determinar el rea bajo la curva de menos infinito a Z = 1. P(Z <= 1) = 0.8413 b) Determinar el rea bajo la curva de menos infinito a Z = 2. P(Z <= 2) = 0.9772 8 c) Determinar el rea bajo la curva de menos Z = 1 a Z = 2 P(1 <= Z <= 2) = 0.9772 0.8413 = 0.1369 EJERCICIO 1: Qu porcentaje del rea bajo la curva normal estndar o probabilidad est incluido dentro de los siguientes rangos? a) P(1.2 <= Z <= 2.2) = P(Z <= 2.2) P(Z <= 1.2) = b) P(-2.1 <= Z <= -0.4) = P(Z <= - 0.4) P(Z <= -2.1) = c) P( -1.3 <= Z <= 2.7) = P(Z <= 2.7) P(Z <= -1.3) = d) P( Z >= 2.4) = P(Z <= -2.4) = e) P( Z<=-2.9) + P(Z>= 3.1) = P(Z <= -2.9) + P(Z <= -3.1) =

f) P(Z>= 1.9) = P(Z <= -1.9) =

Estandarizacin de valores reales

En la prctica, se tienen valores reales de promedio diferentes de cero y con desviacin estndar diferentes de uno, para determinar la probabilidad o rea bajo la curva, se determina el nmero de desviaciones estndar Z entre algn valor X y la media de la poblacin o de la muestra X como sigue:

Z=

X X s

s se consideran los datos completos del proceso.

Z=

s se consideran slo los datos de una muestra.

Ejemplo 1.3 El departamento de personal de una empresa requiere que los solicitantes a un puesto en cierta prueba alcancen una calificacin de 500. Si las calificaciones de la prueba se distribuyen normalmente con media = 485 y desviacin estndar prueba? Calculando el valor de Z obtenemos:
Z = X 500 485 = 0.5 = 30

= 30 Qu porcentaje de los solicitantes pasar la

Buscamos el valor correspondiente

Z en las tablas de distribucin normal

estndar o por medio de Excel =distr.norm.estand(0.5). Z0.5 = 0.69146 = 69.146%. donde la probabilidad de que la calificacin sea menor a 500 es P (X <= 500). Dado que el porcentaje pedido es P( X 500) la solucin es 10.69146 =0.3085, por tanto slo 30.85% de los participantes pasarn la prueba. Otra forma es tomando la Z como negativa con P(Z <= -0.5) = 0.3085.
485

3 0 .8 5 %

Z.0 5

Fig. 1.6 rea bajo la curva de Distribucin normal

Ejemplo 1.4 Suponga que un proceso tiene una distribucin normal dada tiene una media de 20 y una desviacin estndar de 4. Calcule la probabilidad P (X >=24) = 1 P(X <= 24) = En la barra de herramientas seleccione el icono de funciones fx>Estadsticas>Distr.Norm.Estand. OK. El sistema muestra la siguiente ventana, en la cual llenamos los siguientes datos:

Fig. 1.7 Clculo del rea bajo la curva normal sin requerir Z El resultado de la frmula = 0.8413. , dado que esta es la probabilidad P(X 24), la probabilidad buscada es: P(X > 24) = 1 - 0.8413= 0.1587 EJERCICIO 2: Un producto tiene un peso promedio de 75 Kgs. con una desviacin estndar de 10Kgs. a) Cul es la probabilidad de que un producto pese ms de 85Kgs.? b) Cul es la probabilidad de que un producto pese menos de 55Kgs.? c) Cul es la probabilidad de que el producto pese entre 60 y 80 Kgs.?. d) Cul es la probabilidad de que el producto pese entre 55 y 70 Kgs.? e) Cul es la probabilidad de que el producto pese entre 85 y 100Kgs.?

1.2 PRUEBA DE NORMALIDAD

Para probar normalidad de datos, se pueden utilizar los mtodos de Anderson Darling o Ryan, y la grfica de probabilidad normal. a) En el mtodo de Anderson Darling o Ryan Joiner, si el valor de probabilidad P de la prueba es mayor a 0.05, se considera que los datos son normales. Seguir los siguientes pasos: Generar 100 datos aleatorios en Minitab con Media = 264.6 y Desviacin estndar S = 32.02 con: 1. Calc > Random data > Normal 2. Generate 100 Store in columns C1 Mean 264.06 Estandar deviation 32.02 OK Nos aseguramos que los datos se distribuyan normalmente con la prueba de Anderson Darling o Ryan Joiner como sigue: 1. Stat > Basic statistics > Normality Test