unidad iv teorc3ada de dimensic3b3n estadc3adstica

CONTROL DE CALIDAD
UNIDAD IV

TEORÍA DE DIMENSIÓN ESTADÍSTICA

1

(4.1) DISTRIBUCIÓN NORMAL

2

4.1.1- ASPECTOS GENERALES:
• Al graficarse los diferentes valores obtenidos de una variable X se
obtiene una distribución normal simétrica (el eje se sitúa en la media)
y que además es unimodal porque tiene forma similar a una
campana.
• En la distribución normal coinciden en un mismo punto la media(µ),
mediana y moda. La amplitud de la misma lo determina la desviación
estándar (σ).

3

• Es asintótica al eje de las abscisas, es decir, sus colas nunca llegan a
tocar el eje.
• Toma valores entre -∞ y +∞.
• Si se quiere encontrar la probabilidad de que una variable tome
valores entre 2 números cualquiera, llámese por ejemplo a y b, lo que
se tiene que hacer es calcular el área bajo la curvaentre a y b (ver
figura siguiente)

4

• El valor de la variable aleatoria Z indica la proporción de la totalidad
de la población que tiene esa propiedad, así por ejemplo:
Si el 40% tiene Z ≤ -0.253

el 60% tiene Z > -0.253
• Para calcular una probabilidad se utiliza la tabla para la distribución
normal; proporciona el área total bajo la curva desde -∞ hasta el
valor de la variable aleatoria Z:
P(Z ≤ z)
Dónde:
Z = Variable aleatoria
z = probabilidad acumulada hasta este valor
Cuando en la distribución normal se tienen los valores: µ=0 y σ=1,
estamos en lo que se conoce como:

“DISTRIBUCIÓN NORMAL TIPIFICADA O ESTÁNDAR”
5

El Valor de una observación
viene dado por:
Z=

𝑋−𝜇
𝜎
6

Para que una distribución tienda a ser normal deben cumplirse los
siguientes requisitos:
1. Hay un valor quees el más frecuente, que tiende a estar en la parte
central.
2. Los datos que más se alejan del valor central, hacia la derecha o hacia
la izquierda, tienden a ser menos frecuentes.
3. El promedio y la desviación estándar no dependen uno del otro y la
desviación estándar es menor que el promedio.
PROPIEDADES:
1. Simetría: P ( Z < -a) = 1 – P (Z < a)
2. P ( µ-σ < x < µ+σ) = 0.6827
(68.27%)
3. P (µ-2σ < x < µ+2σ) = 0.9545
(95.45%)
4. P ( µ-3σ < x < µ+3σ) = 0.9973
(99.73%)
5. P (x=a) = 0, para cualquier número a.

7

4.1.2- TEOREMA DEL LÍMITE CENTRAL:
“Sea X1, X2,…Xn, una muestra aleatoria de cualquier población; y sea
𝑋 la media muestral, entonces, independientemente de cómo sea la
distribución de la población de donde se extrajo la muestra, la
distribución de 𝑋 (promedios muéstrales) seaproximará (tenderá) a la
normal conforme ‘n’ crece”.

8

• A medida que aumenta el tamaño de la muestra, la tendencia
mejorará.
• Si la distribución no es radicalmente distinta a la normal, entonces la
aproximación empieza a ser buena para tamaños de muestra mayores
o iguales a n ≥ 4.
• Para describir la distribución de los promedios muéstrales, se puede
usar la distribución normal estándartipificada con la siguiente
modificación:
𝑍=

𝑥−𝜇
𝜎 𝑛

• El teorema del Límite Central es una de las razones por las que
funciona la gráfica de Control X , porque no es necesario ocuparse de
si la distribución de las X no es normal (si no es radicalmente distinta),
por supuesto, siempre que el tamaño de la muestra sea mayor o igual
a 4.
9

X = Tabla de distribución normal

10

B) Si se quiere tener12.1% del voltaje de suministro menor que 115V, ¿cómo se debe ajustar el
voltaje medio? La dispersión (σ) es = 1.20V

11

4.1.3- VERIFICACIÓN DE NORMALIDAD
GRÁFICA DE PROBABILIDAD PARA VERIFICAR NORMALIDAD (PAPEL LOGARÍTMICO)

La gráfica de probabilidad es un procedimiento que permite determinar
en forma visual si los datos muéstrales se ajustan a una distribución
específica.
Para construir unagráfica de probabilidad se procede de la siguiente
forma:
1. Se ordenan los datos de menor a mayor (Xj)
2. Se calcula la frecuencia acumulada con la siguiente fórmula
(distribución empírica):
𝑗 − 0.5
𝑛
J = número individual de cada muestra ordenada según el paso 1.

3. Se grafican los datos en una hoja de probabilidad. Si la distribución
propuesta describe de manera adecuada los datos, los puntos...