Académique Documents
Professionnel Documents
Culture Documents
Pgina 1 de 14
CONTENIDO
1. Distribucin normal
2. Estandarizacin de valores
3. Prueba de normalidad
Pgina 2 de 14
Pgina 3 de 14
Pgina 4 de 14
LIE
Fig. 4 Distribuciones
desviaciones estndar
LSE
normales
Pgina 5 de 14
con
varias
medias
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
= 95.46% y
3 99.73% .
99.73%
Fig. 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.
Pgina 6 de 14
Pgina 7 de 14
Ejemplo 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
Pgina 8 de 14
Pgina 9 de 14
Ejemplo 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
Pgina 10 de 14
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) =
X X
s
prueba?
Calculando el valor de Z obtenemos:
Z
X
500 485
0.5
=
30
Pgina 11 de 14
3 0 .8 5 %
Z.0 5
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:
Pgina 12 de 14
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.?
3. PRUEBA DE NORMALIDAD
Para probar normalidad de datos, se pueden utilizar los mtodos de Anderson
Darling o Ryan, y la grfica de probabilidad normal.
Si se tienen ms de 15 datos se recomienda la prueba de normalidad de
Anderson-Darling, si se tienen menos de 16 datos se recomienda la prueba de
Kolmogorov-Smirnov.
a) En el mtodo de Anderson Darling o Ryan Joiner, si el valor de probabilidad
P de la prueba es mayor a 0.05 o 0.10, 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 Ryanjoiner como sigue:
1. Stat > Basic statistics > Normality Test
2. Variable C1
El P value debe ser mayor a 0.05 para que los datos se distribuyan
normalmente
Pgina 14 de 14