UNIVERSIDAD DE LAS FUERZAS ARMADAS ESPE

LATACUNGA
Ingeniera Electrnica e Instrumentacin
NOMBRE: Ignacio Lpez
FECHA: 05-12-2014

DISPOSITIVOS Y MEDIDAS

PRACTICA N:1
TEMA: Campana de Gauss
OBJETIVOS:
Conocer el funcionamiento de los instrumentos de medicin.
Determinar el error presentando en la medicin con respecto al valor
calculado.
Identificar el uso correcto del voltmetro.

MATERIALES:

Protoboard
Fuente de voltaje de 5V-12V.
3 Voltmetro Digital.
Ampermetro Analgico.
1Resistencia de 1k.
1Resistencia de 3.3k.
Cables.

FUNDAMENTO TEORICO:
Estadstica: Es una ciencia que analiza series de datos (por ejemplo, edad de una
poblacin, altura de un equipo de baloncesto, temperatura de los meses de verano,
etc.) y trata de extraer conclusiones sobre el comportamiento de estas variables. Es
una de las ciencias que permite conocer, o al menos entender, la realidad en la que
nos desenvolvemos. A travs de la estadstica podemos obtener informacin de gran
valor que nos ayudar en la toma de decisiones en cualquier mbito de nuestra vida.
El anlisis de la informacin pasada para tomar la decisin ms correcta, de cara al
futuro, es el objeto de la estadstica.
Variable aleatoria: Conjunto de distintos valores numricos que adoptan un carcter
cuantitativo. Es aquel dato susceptible de tomar diferentes valores en determinadas
circunstancias. La estadstica es el estudio cuantitativo de las variables, por lo que
podemos considerar stas como la materia prima de los estudios estadsticos. Toda
variable que tiene asociada una determinada ley de probabilidad; cada uno de los
valores que puede tomar le corresponde una probabilidad especfica.

Las variables pueden ser cualitativas o cuantitativas,

Variables cualitativas (o categricas): aquellas que no aparecen en forma
numrica, sino como categoras o atributos (sexo, profesin, color de ojos).
Variables cuantitativas: las que pueden expresarse numricamente (temperatura,
salario, nmero de goles en un partido). Variables cuantitativas segn el tipo de
valores que pueda tomar pueden:
Discretas: Aquellas que toman valores aislados (nmeros naturales), y que no
pueden tomar ningn valor intermedio entre dos consecutivos fijados.
Por ejemplo; n de goles marcados, n de hijos, n de discos comprados, n de
pulsaciones,...
Distribucin Normal: En estadstica y probabilidad se llama distribucin normal,
distribucin de Gauss o distribucin gaussiana, a una de las distribuciones de
probabilidad de variable continua que con ms frecuencia aparece aproximada en
fenmenos reales.[cita requerida]
La grfica de su funcin de densidad tiene una forma acampanada y es simtrica
respecto de un determinado parmetro estadstico. Esta curva se conoce como
campana de Gauss y es el grfico de una funcin gaussiana.
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 tipo de fenmenos son desconocidos, por la enorme
cantidad de variables incontrolables 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 descriptiva slo permite describir un fenmeno, sin
explicacin alguna. Para la explicacin causal es preciso el diseo experimental, de
ah que al uso de la estadstica en psicologa y sociologa sea conocido como
mtodo correlacional.
La distribucin normal tambin es importante por su relacin con la estimacin por
mnimos cuadrados, uno de los mtodos de estimacin ms simples y antiguos.
Algunos ejemplos de variables asociadas a fenmenos naturales que siguen el
modelo de la normal son:
caracteres morfolgicos de individuos como la estatura;
caracteres fisiolgicos como el efecto de un frmaco;
caracteres sociolgicos como el consumo de cierto producto por un mismo grupo de
individuos;
caracteres psicolgicos como el cociente intelectual;
nivel de ruido en telecomunicaciones;
errores cometidos al medir ciertas magnitudes;
etc.
La distribucin normal tambin aparece en muchas reas de la propia estadstica.
Por ejemplo, la distribucin muestral de las medias muestrales es aproximadamente
normal, cuando la distribucin de la poblacin de la cual se extrae la muestra no es
normal.1 Adems, la distribucin normal maximiza la entropa entre todas las
distribuciones con media y varianza conocidas, lo cual la convierte en la eleccin
natural de la distribucin subyacente a una lista de datos resumidos en trminos de
media muestral y varianza. La distribucin normal es la ms extendida en estadstica
y muchos tests estadsticos estn basados en una supuesta "normalidad".

En probabilidad, la distribucin normal aparece como el lmite de varias

distribuciones de probabilidades continuas y discretas.
Distribucin normal compleja
Considrese la variable aleatoria compleja gaussiana

donde X e Y son variables gaussianas reales e independientes con igual varianza

La funcin de distribucin de la variable conjunta es entonces

Como
compleja Z es

, la funcin de distribucin resultante para la variable gaussiana

PROCEDIMIENTO:
1. Elabora una tabla de valores aleatorios. Usando el programa Microsoft Excel
2. 12 valores aleatorios, sobre eso recoges un valor promedio.
3. Generar un macro sobre el valor promedio; con los siguientes comandos:
Option Explicit

Sub anota()
Dim i As Long
For i = 1 To 1000

Cells(i, "D") = Range("B1").Value

Next i
End Sub
4. Coloca una serie de 0 a 1 en valores de 0.5
5. Usando la funcin frecuencia (=FRECUENCIA(D:D,F1:F21)) en la fila de D:D
los mil valores aleatorios generados por el macro y F1:F21 la serie de valores
de 0 a 1.
6. Generar una grfica de la frecuencia, de tipo columna.
7. Generar una lnea de tendencia de la grfica.
8. Visualizar

Grafica de la Distribucin Normal

Campana de Gauss
Series1

7 per. Mov. Avg. (Series1)

216

164

223

156

94
81

31

20
0

10
9

10 11 12 13 14 15 16 17 18 19 20 21

ESCUELA POLITCNICA DEL EJRCITO

Ingeniera Electrnica e Instrumentacin

ANLISIS DE LOS RESULTADOS:

Tablas :

Tabla de Valores Medidos

0.06256865 0.49513096
0.65928937
0.01763615
0.41474488
0.72306812
0.90529521
0.04511098
0.85160058
0.81645062
0.34158871
0.57288314
0.53133511

0.40547976
0.61487292
0.3558247
0.36470788
0.49821448
0.58581646
0.63216814
0.6248523
0.63498613
0.37097691
0.46797126
0.57643101
0.47776739
0.54767826
0.44451043
0.49328923
0.55109964
0.64958693
0.49503045
0.52167434
0.57264345

CONCLUSIONES:

Haciendo
cuentas
se
puede
demostrar que la curva presenta un
mximo en x = x , es simtrica
respecto a este valor medio y sus
puntos de inflexin estn en x .
Debe relacionarse intuitivamente que
el rea encerrada entre dos puntos
por la curva de Gauss, da una idea
de la probabilidad que una medida
caiga dentro de ese intervalo. Cerca
del promedio la probabilidad es ms
alta, mientras que en los extremos
se acerca a 0.

0
0.05
0.1
0.15
0.2
0.25
0.3
0.35
0.4
0.45
0.5
0.55
0.6
0.65
0.7
0.75
0.8
0.85
0.9
0.95
1

0
0
0
0
0
1
4
20
81
164
216
223
156
94
31
10
0
0
0
0
0

RECOMENDACIONES:

Usar Microsoft Excel para el

clculo y la grfica de la
campana de gauss.

La confiabilidad de los resultados

aumenta con el nmero de
mediciones. No es prctico hacer un
anlisis estadstico para menos de
20 mediciones, sobre todo si
observamos grandes desviaciones
estndar.

BIBLIOGRAFA:

Moya Anegn, F.; Lpez Gijn, J.; Garca Caro, C. (1996): Tcnicas cuantitativas
aplicadas a la biblioteconomia y documentacin. Ed. Sntesis.
Lind, D.; Mason, R.; Marchal, W. (2001): Estadstica para Administracin y
Economa. Ed. Irwin McGraw-Hill.
Johnson, R. (1996): Elementary Statistics. Ed. Duxbury.
Farber, E. (1995): A Guide to Minitab. Ed. McGraw-Hill.
Elaborado por:

---------------------------------------Nombre Ignacio Lpez

Email Ignacio_l_007@hotmail.com
Fono 0983873328

ANEXOS: