Nombre: Granizo Cuasquer Michael Alejandro Fecha: Quito, 15 abril de 2019

Curso: Tercero-segundo

CURVAS DE DISTRIBUCIÓN

Se enfoca en si a la distribución de probabilidad que indica toda la gama de valores que

pueden representarse como resultado de un experimento si se llevase a cabo es decir, describe
la probabilidad de que un evento se realice en el futuro, constituye una herramienta
fundamental para la prospectiva, puesto que se puede diseñar un escenario de acontecimientos
futuros considerándolas tendencias actuales de diversos fenómenos naturales.

Una curva de distribución de frecuencias es un sustituto de un histograma o polígono de

frecuencia, los cuales se sustituyen por una curva ella será una estimación de la forma como
se distribuyen las puntuaciones en la población. Es importante destacar que el área bajo la
curva representa el número total de individuos en la población y es igual a un porcentaje del
100%.

Existen varios tipos de distribución de probabilidades entre los cuales tenemos los siguientes.

Distribución norma.- La distribución normal es una distribución de probabilidad de variable

continua que describe los datos que se agrupan en torno a un valor central. Todo proceso en el
que solo existan causas aleatorias de variación sigue una ley de distribución normal. Esta
condición que aparece con frecuencia en fenómenos naturales de ahí que se la denomine
normal, puede obtenerse en los procesos industriales si los procesos se llevan a un estando en
el que solo existen causas comunes de variación. La representación gráfica es la curva de
distribución normal también denominada campana de Gauss en honor del renombrado
científico alemán Carl Gauss a quien se le atribuye erróneamente su invención pero que sin
duda la usó frecuentemente para analizar fenómenos astronómicos con éxito. (García Jesús,
2010)

Sus características principales de esta distribución son que los valores de las mediciones
tienen a agruparse alrededor de un punto central llamado media, la representación de los datos
es simétrica a ambos lados de la media, desviaciones estándares quedaran situadas a igual
distancia unas y otras, la proporción de mediciones situada entre la media y las desviaciones
es una constante en la que la media si es ±1 desviación estándar y cubre el 68,3% de los casos
su la media es ±2 desviación estándar y cubre el 95,5% de los casos y si la media si es ±3

1
desviación estándar y cubre el 97,7% de los casos se puede analizar el comportamiento de los
procesos y determinar su efectividad tomando como base su grado de aproximación a la
curva de distribución normal a partir de los datos generados y la creación de histogramas que
permitan la comparación con curca de distribución normal.

La curva de distribución normal del proceso coincide o está dentro de los límites establecidos
por la industria bien en las normas de calidad desarrolladas o bien en las recomendaciones
establecidas por las asociaciones. En este caso el proceso opera con eficacia y se pueden
realizar trabajos de alta exigencia con respecto a la variable controlada. La curva de
distribución supera los límites establecidos por la industria. En este caso puede que estén
operando causas asignables de variación o que existen limitaciones debidas a los recursos y
equipos empleados por lo que no es posible realizar trabajos exigentes con respecto a la
variable controlada hasta que no se hayan eliminado las causas especiales de variación o no se
dispongan de los recursos y equipos adecuados.

El histograma generado no muestra las características básicas de una distribución normal. En

este caso están claramente actuando causas asignables de variación que habrá que resolver si
queremos conseguir un alto grado de fiabilidad del proceso y realizar trabajos de alta
exigencia.

La asimetría es la falla de simetría en la distribución con respecto de la media, con base en su

asimetría, una curva puede ser simétrica o tener asimetría positiva y negativa, la asimetría
positiva se define cuando la media se encuentra al lado derecho de la mediana y se considera
asimetría negativa cuando la media se encuentra al lado izquierdo de la mediana, la única
forma en la cual de obtener una distribución simétrica es cuando la mediana y la media se
encuentran sobre la misma línea de acción es decir la media sobre la mediana.

El Coeficiente de Fisher se calcula mediante fórmula:

2
Cuando el coeficiente es menor a cero la asimetría es negativa, cuando es igual a cero la
distribución es simétrica y cuando es mayor a cero la asimetría es positiva. Y el curtosis
informa sobre que tanto se aglutinan los datos con respecto de la media, datos muy dispersos
respecto de su media generan una distribución platicúrtica o aplanada, datos muy aglutinados
alrededor de la media genera una distribución leptocúrtica o picuda y una distribución normal
presenta una curva mesocúrtica. (Martinez Antonio, 2018)

Distribución de Bernoulli.-Consiste en realizar un experimento aleatorio una sola vez y

observar si cierto suceso ocurre o no, siendo p la probabilidad de que esto sea un éxito y q=1-
p el que sea un fracaso. En realidad no se trata más que de una que únicamente puede tomar
dos modalidades, es por ello que el hecho de llamar éxito o fracaso a los posibles resultados
de las pruebas del resultado. Podríamos por tanto definir este experimento mediante una
discreta X que toma los valores X=0 si el suceso no ocurre, y X=1 en caso contrario.

Distribución Binomial.-La distribución binomial es una distribución de probabilidad discreta

que mide el número de éxitos en una secuencia de n ensayos de Bernoulli independientes
entre sí, con una probabilidad fija p de ocurrencia del éxito entre los ensayos. Existen muchas
situaciones en las que se presenta una experiencia binomial. Cada uno de los experimentos es
independiente de los restantes la probabilidad del resultado de un experimento no depende del
resultado del resto. El resultado de cada experimento ha de admitir sólo dos categorías, a las
que se denomina éxito y fracaso. Las probabilidades de ambas posibilidades han de ser
constantes en todos los experimentos que se denotan como p, y, q. o p y 1-p, Se designa por X
a la variable que mide el número de éxitos que se han producido en la n experimentos.
Cuando se dan estas circunstancias, se dice que la variable X sigue una distribución de
probabilidad binomial, y se denota B. (Marin Yovana, 2012)

3
Distribución Poisson.-Se trata de un modelo discreto, pero en el que el conjunto de valores
con probabilidad no nula no es finito, sino numerable. Esta distribución suele utilizarse para
contajes del tipo número de individuos por unidad de tiempo de espacio, etc. Propiedades del
modelo de Poisson son la esperanza: E(X) = λ, varianza: V(X) = λ, en esta distribución la
esperanza y la varianza coinciden.

Distribución T Student.- En probabilidad y estadística, la distribución t de Student es una

distribución de probabilidad que surge del problema de estimar la media de una población
normalmente distribuida cuando el tamaño de la muestra es pequeño. Surge, en la mayoría de
los estudios estadísticos prácticos, cuando la desviación típica de una población se desconoce
y debe ser estimada a partir de los datos de una muestra.

Bibliografía
García Jesús. (22 de enero de 2010). Hola mundo. Recuperado el 19 de abril de 2019, de
https://jesusgarciaj.com/2010/01/22/la-curva-de-distribucion-normal/

Marin Yovana. (19 de marzo de 2012). Slideshare. Recuperado el 19 de abril de 2019, de

https://es.slideshare.net/yovana93/tipos-de-12071948

Martinez Antonio. (04 de abril de 2018). Recuperado el 19 de Abril de 2019, de https://rstudio-pubs-

static.s3.amazonaws.com/377130_08851253a31b41d18c25fd08fad316c3.html