UNIVERSIDAD DE LA COSTA CUC

DISTRIBUCIN DE POISSON


LORENA MOLINA
ANDREWS MEZA
CARLOS OROZCO
MAIKOL VITTA
MARIO CUETO


PRESENTADO A:
ING. DIONISIO NEIRA


FACULTAD DE INGENIERA
INFORME DE LABORATORIO DE CONTROL DE CALIDAD



2014-09-20
INTRODUCCIN

Esta distribucin es frecuentemente utilizada en las aplicaciones estadsticas.
Su propio nombre indica su extendida utilizacin, justificada por la frecuencia
o normalidad con la que los ciertos fenmenos tienden a parecerse en
su comportamiento a esta distribucin.
Muchas variables aleatorias continuas presentan una funcin de densidad cuya
grfica tiene forma de campana.
En otras ocasiones, al considerar distribuciones binomiales, tipo B(n,p), para
un mismo valor de p y de valores de n cada vez mayores, se ve que
sus polgonos de frecuencias se aproximan a una forma en forma de campana.
En resumen, la importancia de la distribucin normal se debe principalmente a
que hay muchas variables asociadas a fenmenos naturales que siguen
el modelo de la normal.
Caracteres morfolgicos de individuos (personas, animales, plantas,)
de una especie. Por ejemplo: tallas, pesos, envergaduras, dimetros,
permetros.
Caracteres fisiolgicos, por ejemplo: efecto de una misma dosis de un
frmaco, o de una misma cantidad de abono.
Caracteres sociolgicos, por ejemplo: consciente intelectual, grado de
adaptacin a un medio.
Errores cometidos al medir ciertas magnitudes.
Valores estadsticos maestrales, por ejemplo: la media.
Otras distribuciones como la binomial o la Poisson son aproximaciones
normales.
Y en general cualquier caracterstica que se obtenga como suma de
mucho factores.




JUSTIFICACION

El laboratorio realizado tuvo como fin la aplicacin de la distribucin
Normal, con una frecuencia observada y se demostr el efecto de las diversas
fluctuaciones del muestreo en probabilidad discreta. Esta distribucin se
utiliz para calcular el dimetro de los cilindros y sacar una media.
En esta prueba se utiliz como variable la longitud y dimetro de los cilindros
para determinar los parmetros del proceso.













ABSTRAC
The lab conducted was aimed at the application of the normal distribution,
with an observed and demonstrated the effect of different sampling
fluctuations in discrete probability. This distribution is used to calculate the
diameter of the cylinder and take an average.
This test was used as a variable length and diameter of the cylinder to
determine the process parameters.















OBJETIVOS

OBJETIVO GENERAL
Determinar la media de los dimetros del cilindro mediante la
distribucin normal.

OBJETIVOS ESPECIFICOS
Explicar brevemente los aspectos ms destacados de la distribucin de
Normal.
Adquirir los conocimientos y las habilidades en la prctica de la
distribucin de Normal en la experiencia.












DISTRIBUCIN NORMAL

Esta distribucin es frecuentemente utilizada en las aplicaciones estadsticas.
Su propio nombre indica su extendida utilizacin, justificada por la frecuencia
o normalidad con la que ciertos fenmenos tienden a parecerse en su
comportamiento a esta distribucin.
Muchas variables aleatorias continuas presentan una funcin de densidad cuya
grfica tiene forma de campana.
En otras ocasiones, al considerar distribuciones binomiales, tipo B(n,p), para
un mismo valor de p y valores de n cada vez mayores, se ve que sus polgonos
de frecuencias se aproximan a una curva en "forma de campana".
En resumen, la importancia de la distribucin normal se debe principalmente a
que hay muchas variables asociadas a fenmenos naturales que siguen el
modelo de la normal.
Caracteres morfolgicos de individuos (personas, animales, plantas,)
de una especie, p. ejm. Tallas, pesos, envergaduras, dimetros,
permetros.
Caracteres fisiolgicos, por ejemplo; efecto de una misma dosis de un
frmaco, o de una misma cantidad de abono.
Caracteres sociolgicos, por ejemplo: consumo de cierto producto por
un mismo grupo de individuos, puntuaciones de examen.
Caracteres psicolgicos, por ejemplo: cociente intelectual, grado de
adaptacin a un medio.
Errores cometidos al medir ciertas magnitudes.
Valores estadsticos maestrales, por ejemplo: la media.
Otras distribuciones como la binomial o la de Poisson son
aproximaciones normales.
Y en general cualquier caracterstica que se obtenga como suma de muchos
factores.
Funcin De Densidad
Empleando clculos bastante laboriosos, puede demostrarse que el modelo de
la funcin de densidad que corresponde a tales distribuciones viene dando por
la frmula

Funcin De Una Distribucin
Puede tomar cualquier valor (- ,+ )
Son ms probables los valores cercanos a uno central que llamados
media
Conforme nos separamos de ese valor , la probabilidad va
decreciendo de igual forma a derecha e izquierda (es simtrica).
Conforma nos separamos de ese valor , la probabilidad va
decreciendo de forma ms o menos rpida dependiendo de un parmetro
s , que es la desviacin tpica.



















DESARROLLO EXPERIMENTAL
DESCRIPCIN DEL LABORATORIO
Inicialmente, se cuentan 50 cilindros de una muestra, posteriormente
pesaremos los cilindros, para determinar la media de la muestra total.
Este experimento, obedece a la necesidad de comprobar la distribucin
normal, que est regida por un patrn experimental, que evala la obtencin
de un resultado, al realizar n pruebas, con un peso.
MATERIALES UTILIZADOS
Cilindros
peso












PROCEDIMIENTO

TABLA No. 1 Medida de cada uno de los Cilindros.
X

1-10 26.07 30.99 30.37 19.90 23.26 18.61 23.65 21.71 30.16 21.27
11-20 28.65 25.20 28.35 18.27 22.80 16.63 28.90 26.96 27.58 24.33
21-30 20.89 27.14 29.20 27.57 28.27 26.26 18.52 28.88 29.62 16.27
31-40 28.21 30.97 25.68 21.55 29.25 19.76 20.67 26.58 22.81 21.46
41-50 27.73 23.31 26.94 25.26 21.60 21.35 23.92 19.58 25.69 19.19

De la Tabla No. 1. Obtenemos:
n= 50
Valor mnimo: 16,27 0,05 = 16,22
Valor mximo: 30,99 + 0,05 = 31,04

Numero de Intervalo:



Numero de clases ser 6

Amplitud de clases:

Primera intervalo

16,22 + c = 16,22 + 2,47 = 18,69
16,22 18,69
Segundo intervalo
18,69 + c = 18,69 + 2,47 = 21,16
18,69 21,16

tercer intervalo
21,16 + c = 21,16 + 2,47 = 23,63
21,16 23,63
Cuarto intervalo
23,63 + c = 23,63 + 2,47 = 26,10
23, 63 26,10
Quinto intervalo
26,10 + c = 26,10 + 2,47 = 28,57
26,10 28,57
Sexto intervalo
28,57 + c = 28,57 + 2,47 = 31,04
28,57 31,04
Le Nos aseguramos si el valor mximo es menor que el sexto intervalo,
para que este no quede por fuera de la toma de datos 31,04 30,99





Marca de la clase

F(x) por Frecuencia (F)

TABLA No. 2 Media y Desviacin Estndar.
Intervalo de
clases
Marca de
la clase
(X)
Frecue
ncia
(F)
Clase (U) F(x)

16,22 18,69 17,445 5 24,5676 87,225 50,73
18,69 - 21,16 19,925 6 24,5676 119,55 21,55
21,16 23,63 22,395 10 24,5676 223,95 4,72
23,63 26,10 24,865 8 24,5676 198,92 0,09
26,10 28,57 27,335 11 24,5676 300,685 7,66
28, 57 - 31,04 29,805 10 24,5676 298,05 27,43
50 1228,38 112,18
Con los datos consignados de la tabla anterior calcular:

Para calcular la desviacin (), se emplea la siguiente frmula:

Grafico1: Histograma Frecuencia Individuales
0
2
4
6
8
10
12
16,22
18,69
18,69 -
21,16
21,16
23,63
23,63
26,10
26,10
28,57
28, 57 -
31,04
TABLA No.3 Media y Desviacin Estndar.
GRUPOS MEDI A
MUESTRAL
DESVI ACI N
ESTNDAR
1
2

3 24,5676 2,289


TABLA No.4 Frecuencia de las longitudes de los cilindros y/o dimetros.
GRUPOS 1 2 3 4 5 6
1
2
3 5 6 10 8 11 10
TOTAL

PREGUNTAS
1. Por qu para el clculo de la desviacin se emple en el
denominador (n-1) y no (n)?.

Un principio general de la matemtica nos dice que si pretendemos
calcular de modo aproximado la varianza de una poblacin a partir de la
varianza de una muestra suya, se tiene que el error cometido es
generalmente ms pequeo, si en vez de considerar como estimacin de
la varianza de la poblacin, a la varianza muestral. Si hubiramos
considerado como el denominador para la frmula de la varianza, el
resultado hubiera sido algn sesgo, es decir, un error sistemtico que se
puede controlar, como un estimador de la varianza de la poblacin; en
concreto, tendera a ser demasiado bajo. Si se usa un divisor de (n-1), se
tiene un estimador insesgado de

2. En una distribucin normal qu significado tiene la Z?

La desviacin estndar es til para describir cuanto se apartan de la
media de la distribucin los elementos individuales de esta misma. La Z
o tambin llamada puntuacin estndar nos da el nmero de
desviaciones estndar a que determinada observacin se encuentra por
debajo o por encima de la media.

3. Cul es el valor mximo que puede tomar Z en una distribucin
normal y por qu?

El valor mximo que podemos encontrar en la puntuacin estndar es
de 4 y esto se debe a que es la aproximacin ms especfica al 100% de
la probabilidad de una distribucin normal.



CONCLUSIONES
Gracias a la aplicacin de la distribucin normal que es una de las
distribuciones de probabilidad de variable continua que con ms frecuencia
aparece en fenmenos reales.
La importancia de esta distribucin radica en que permite modelar numerosos
fenmenos naturales, sociales, y psicolgicos. Mientras que los mecanismos
que subyacen a gran parte de este nmero de fenmenos son desconocidos,
por la enorme cantidad de variables incontables que en ellos intervienen, el
uso del modelo normal puede justificarse asumiendo que cada observacin se
obtiene como la suma de unas pocas causas independientes.
De hecho, la estadstica es un modelo matemtico que solo permite describir
un fenmeno, sin explicacin alguna. Para la explicacin casual es preciso el
diseo experimental, que hay que al uso de la estadstica en psicologa y
sociologa se ha conocido como mtodo correlacional.












BIBLIOGRAFA

Libro de control y calidad, Gutirrez pulido Humberto.
guila Snchez, Luis. Control de la Calidad.
MONTGOMERY, Douglas. Probabilidad Y Estadstica Aplicada A La
Ingeniera. Mc Graw-Hill.