AC - F2 - Grupo 3

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA
Escuela de Ciencias Bsicas, Tecnologa e Ingeniera

211622 Estadstica y Probabilidad
SITUACIN PROBLEMA
PRESENTADO POR:
SANDRA GISETH HERRERA PRIETO.
Cd: 1016039815. Correo: sgherrera5@misena.edu.co
JAIRO LUGO
Cd: 80108715. Correo: jasang73@gmail.com
LIDA ALEXI GONZALEZ
Cd: 1012320926. Correo: lidagoma@hotmail.com
INGENIERA DE ALIMENTOS - CEAD: JAG
PRESENTADO A:
HECTOR ABELARDO CHAPARRO
ESTADISTICA Y PROBABILIDAD 211622-3

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
COLOMBIA
2016

INTRODUCCION
A continuacin se muestra el trabajo relacionado con la segunda unidad de aprendizaje del

curso de Estadstica y Probabilidad, en el cual encontramos el tema central la Probabilidad
en la que se llegasen a presentar ciertas situaciones en la fbrica de Lcteos Santa Helena.
Para estos ejercicios se tuvo en cuenta como problema la posible exportacin de productos
lcteos (En este caso la produccin se enfoca en la elaboracin de Queso Doble Crema,
caracterizando una de las variedades propias de nuestro pas), el cual contempla 9 procesos
los cuales son descritos durante el desarrollo del trabajo y que a la hora de evaluar el tema
toman gran importancia (Los cuales son el enfoque de nuestro anlisis estadstico).
Para el anlisis de dichos datos encontramos 5 puntos y una discusin final de la situacion
problema la cual nos ayudara a comprender los temas de Probabilidad en la rama de la
estadstica, el desarrollo del tema de tablas de doble entrada (donde se encuentran algunas
de las variables a evaluar), el tema de la probabilidad de presentacin de un caso, la llegada
de productos a la fbrica, remisin de insumos y temperatura de almacenamiento del queso
son temas que enfocados en el area de estadstica nos ayudara a abordar dichos temas
aterrizndolos a lo que sucede en la actualidad en un trabajo para desarrollarse
profesionalmente.
Cada una de estas actividades es desarrolladas con el apoyo de todos los compaeros del
grupo con la finalidad de poder de aprender sobre el tema de Probabilidad y que este tema
pueda ser aplicado en algn momento en nuestras etapas profesionales.
DESARROLLO DEL TRABAJO

Planteamiento del Problema

La fbrica de lcteos Santa Helena tiene un proceso de produccin de queso doble crema
(recibe la leche cruda), el cual est integrado de 9 subprocesos (peso de leche, nivel de
acidez, pasteurizacin, cuajado, desuerado, hilado, moldeo, enfriado y almacenamiento),
cada uno de estos procedimientos son pieza clave para la calidad del producto final. La
fbrica lleva en actividades ao y medio, empieza a extender su mercado a nivel nacional,
para lo cual requiere ser reconocida por su calidad. Por consiguiente requiere de un proceso
de certificacin mediante las normas ISO, para as estandarizar su proceso y poder competir
ms adelante en el mercado nacional, esto pensando incursionar en mercados ms exigentes
como el extranjero. Un consultor de calidad aconseja a la direccin analizar las variables,
investigacin que genero la base de datos suministrada con la siguiente descripcin de las
variables.
VARIABLE
Remisiones
Peso
Acidez
Pasteurizacin
Cuajado
Desuerado
Hilado
Moldeo
Enfriamiento
Almacenamiento
Concepto
DESCRIPCIN
Recepcin de la leche proveniente de cooperativa lechera
Peso promedio de la leche a procesar
Nivel de acidez
Tiempo para calentar la leche
Tiempo de cuajado
Tiempo de desuerado
Tiempo de hilado
Tiempo de moldeo
Tiempo de enfriamiento
Temperatura de almacenamiento del producto final
Concepto de control de calidad sobre el producto final
Se pide con la base de datos obtenida, realizar un anlisis estadstico que permita obtener
conclusiones tiles que fundamenten estrategias que propendan por la bsqueda de
estndares aplicables en la normatividad de un sistema de calidad para el proceso
productivo de la empresa Santa Helena.
Solucin de los problemas planteados:
1. Problema 1
En cuales conceptos de la probabilidad se puede apoyar el investigador para
analizar el problema planteado?
a) Experimento: Es toda accin sobre la cual vamos a realizar una medicin u
observacin, es decir cualquier proceso que genera un resultado definido.

b) Experimento Aleatorio: Es toda actividad cuyos resultados no se determinan con

certeza. Ejemplo: lanzar una moneda al aire. No podemos determinar con toda
certeza cul ser el resultado al lanzar una moneda al aire?
c) Espacio Muestral (S): Es un conjunto de todos los resultados posibles que se
pueden obtener al realizar un experimento aleatorio.
d) Punto Muestral: Es un elemento del espacio muestral de cualquier experimento
dado.
e) Evento o Suceso: Es todo subconjunto de un espacio muestral. Se denotan con
letras maysculas: A, B, etc. Los resultados que forman parte de este evento
generalmente se conocen como "resultados favorables". Cada vez que se observa un
resultado favorable, se dice que "ocurri" un evento. Los eventos pueden ser:
Evento cierto: Un evento es cierto o seguro si se realiza siempre.
Evento imposible: Un evento es imposible si nunca se realiza.
Evento probable o aleatorio: Un evento es aleatorio si no se puede precisar de
antemano el resultado.
a) Probabilidad: Es el conjunto de posibilidades de que un evento ocurra o no en un
momento y tiempo determinado. Dichos eventos pueden ser medibles a travs de
una escala de 0 a 1, donde el evento que no pueda ocurrir tiene una probabilidad de
0 (evento imposible) y un evento que ocurra con certeza es de 1 (evento cierto). La
probabilidad de que ocurra un evento, siendo sta una medida de la posibilidad de
que un suceso ocurra favorablemente, se determina principalmente de dos formas:
empricamente (de manera experimental) o tericamente (de forma matemtica).
Probabilidad emprica: Si E es un evento que puede ocurrir cuando se realiza un
experimento, entonces la probabilidad emprica del evento E, que a veces se le
denomina definicin de frecuencia relativa de la probabilidad, est dada por la
siguiente frmula:
Nota: P (E), se lee probabilidad del evento E

Probabilidad terica: Si todos los resultados en un espacio muestral S finito son

igualmente probables, y E es un evento en ese espacio muestral, entonces la
probabilidad terica del evento E est dada por la siguiente frmula, que a veces se
le denomina la definicin clsica de la probabilidad, expuesta por Pierre Laplace en
su famosa Teora analtica de la probabilidad publicada en 1812:
b) Posibilidades: Las posibilidades comparan el nmero de resultados favorables con

el nmero de resultados desfavorables. Si todos los resultados de un espacio
muestral son igualmente probables, y un nmero n de ellos son favorables al evento
E, y los restantes m son desfavorables a E, entonces las posibilidades a favor de E
sonde de n (E) a m (E), y las posibilidades en contra de E son de m (E) a n (E).
Ejemplos ilustrativos: Mathas se le prometi comprar 6 libros, tres de los cuales
son de Matemtica. Si tiene las mismas oportunidades de obtener cualquiera de los
6 libros, determinar las posibilidades de que le compren uno de Matemtica.
Solucin:
Nmero de resultados favorables = n (E) = 3
Nmero de resultados desfavorables = m (E) = 3
Posibilidades a favor son n (E) a m (E), entonces,
Posibilidades a favor = 3 a 3, y simplificando 1 a 1.
Nota: A las posibilidades de 1 a 1 se les conoce como "igualdad de posibilidades" o
"posibilidades de 50-50"
Tomado de: Suarez, s.f

Identificar las variables obtenidas en la base de datos y diligenciar el siguiente
cuadro:

Variable
Remisiones
Peso
Acidez
Pasteurizacin
Cuajado
Desuerado
Hilado
Moldeo
Enfriamiento
Almacenamiento
Concepto
Estandarizacin
Corte de la
cuajada
Salado
Fundido
Calculo de
rendimiento
Despacho
Produccin diaria
Extra contenido g.
Cuantitativa
X
X
X
X
X
X
X
X
X
X
Cualitativa
X
X
X
X
X
X
X
X
X
De su propuesta de estudio estadstico, qu otras variables podra tener en cuenta?

Incluyas en el cuadro anterior y subryelas de rojo.
Para este caso se podra tener en cuenta variables como: Estandarizacin, Corte de la
cuajada, Salado, Fundido, Calculo de rendimiento, Despacho, Produccin diaria, Extra
contenido g.
Construya una tabla de doble entrada acidez vs concepto. (Utilice mximo tres
niveles por variable)
Concepto
Acidez
Aceptado nij
Rechazado
nij
Total
5 - 15) nij
13
16
15,1 19,9)
nij
64
70
1082
132
1214
20 55) nij

Total
1159
nij Frecuencia absoluta simple.
141
1300
Construya una tabla de doble entrada Desuerado vs Concepto. (Utilice mximo tres
niveles por variable)
Concepto
Desuerado
Aceptado nij
Rechazado
nij
Total
1 10,9) nij
1132
141
1273
11 12) nij
17
17
12,1 14) nij
10
10
1159
141
1300
Total
2. Problema 2
a. Segn la tabla de doble entrada acidez vs concepto.

Qu probabilidad se presenta de qu el nivel de la acidez, se presente menos de 20?
Rta. En este caso sumaremos las observaciones de la tabla que se encuentran entre 5 y 19,9
el nivel de acidez, las dividiremos entre la numero de la muestra, multiplicado por 100.
P ( A )=
13+3+64+ 6
=0,066 x 100=6,6
1300
La probabilidad de que este evento suceda es del 6,6%

Qu probabilidad se presenta de qu el producto sea rechazo con una acidez
superior a 15? Se puede aplicar el teorema de Bayes, para este caso?
Rta. En este caso nos interesa nicamente los valores de la columna rechazo que se
encuentren en la tabla entre 15,1 y 55 el nivel de acidez; las dividiremos entre la nmero de
la muestra, multiplicado por 100.
P ( A )=
6+132
=0,106 x 100=10,6
1300

Ahora para este caso si se puede aplicar el Teorema de Bayes, Segn la frmula permite
calcular fcilmente probabilidades condicionales, llamadas probabilidades a posteriori
siempre y cuando se conozca las probabilidades a priori, y las probabilidades condicionales
(PBj) (PA/Bj).
De la tabla conocemos las probabilidades condicionales (aceptado y rechazo) y las
probabilidades a priori nivel de acidez; podramos volver a calcular la probabilidad de que
se presente un rechazo o aceptado en alguno de los niveles de acidez.
b. Segn la tabla de doble entrada Desuerado vs Concepto.
Qu probabilidad se presenta de que el Desuerado, se demoren menos de 11
minutos?
Rta. En este caso nos interesa todos los valores de la primera fila de la tabla, entre 1 y 10,9
el tiempo de desuerado; las dividiremos entre la nmero de la muestra, multiplicado por
100.
P ( A )=
1132+141
=0,979 x 100=97,9
1300
Qu probabilidad se presenta de qu el producto sea rechazo y se demoren ms de

12 minutos? Se puede aplicar el teorema de Bayes, para este caso?
Rta. En este caso nos interesa los valores de la columna de rechazo, entre 12,1 y 14; pero
observamos que no se presenta ningn rechazo por lo tanto:
Se puede aplicar el Teorema de Bayes, de acuerdo al criterio anteriormente mencionado
3. Problema 3
La llegada de pedidos para la empresa es fundamental para el buen funcionamiento
de sta, Que probabilidad hay de que no se reciba ningn pedido? Es razonable
esta situacin?
Remisin
ni
fi
Pi =100 f i
Menor < 1
1 6)
7 12)
Total
22
1111
167
1300
0,017
0,855
0,128
1
1,7%
85,5%
12,8%
100%


Si es razonable que este evento ocurra, pueden existir otras variables de la cual dependa el
evento como la llegada del pedido a cierta hora o devolucin del pedido por conceptorechazo.
Cuntas variables, tienen una distribucin simtrica en este estudio?, qu me
puede indicar esto?, es posible que tienda a un tipo de distribucin de probabilidad
especifica? Cual?
x =M e =M O
Rta. Distribucin Simtrica

ni
Ni
Clase
x i ni
295
698
275
32
1300
295
993
1268
1300
1
4
7
10,5
295
2792
1925
336
Remisin
0 2)
3 5)
6 8)
9 12)
Total
Media
N
x i ni
X = i=1
N
295+2792+1925+336
X =
=3,629
1300
Mediana
N
N i1
2
M e =Li+
a
ni
Donde
N 1300
=
=750
2
2
M e =3+
750295
2=4,303
698
Moda
M o=Li +
n i+1
a
ni +1+ ni1 i

M o=3+
275
2=2,894
275+295
Rta. No es simtrica
Peso
ni
Ni
Clase
x i ni
17,5 23,5)
23,6 29,6)
29,7 35,8)
Total
132
931
237
1300
132
1063
1300
20,50
26,6
32,75
2706
24764,6
7761,75
Media
N
x i ni
X = i=1
2706+ 24764,6+7761,75
X =
=27,10
1300
Mediana
N
N i1
2
M e =Li+
a
ni
Donde
N 1300
=
=750
2
2
M e =23,6+
750132
6=27,58
931
Moda
M o=Li +
n i+1
a
ni +1+ ni1 i
M o=23,6+
237
3=25,52
237+132
Rta. No es simtrica.
Acidez
ni
Ni
Clase
x i ni
7 22,6)
22,7 38,2)
38,3 53,7)
Total
183
978
139
1300
183
11161
1300
14,8
30,45
46
2708,4
29740,98
6394

Media
N
x i ni
X = i=1
2708,4+ 29740,98+6394
X =
=29,87
1300
Mediana
N
N i1
2
M e =Li+
a
ni
Donde
N 1300
=
=750
2
2
M e =22,7+
750183
15,5=23,48
11161
Moda
M o=Li +
n i+1
a
ni +1+ ni1 i
M o=22,7+
139
15,5=29,39
139+183
Pasteurizado
ni
Ni
Clase
x i ni
0,6 0,7)
0,8 1)
Total
280
1020
1300
280
1300
0,65
0,9
182
918
Media
N
x i ni
X = i=1
182+918
X =
=0,846
1300
Mediana

N
N i1
2
M e =Li+
a
ni
Donde
N 1300
=
=750
2
2
M e =0,8+
750280
0,1=0,846
1020
Moda
M o=Li +
n i+1
a
ni +1+ ni1 i
M o=0,8+
0
0.1=0,8
0+280
Rta. Si es simtrica. Con una pequea desviacin de 0,046
Cuajado
ni
Ni
Clase
x i ni
1,5 2,4)
2,5 3,4)
3,5 4,5)
Total
251
864
185
1300
251
1115
1300
1,95
2,95
4
489,45
2548,8
740
Media
N
x i ni
X = i=1
489,45+2548,8+740
X =
=2,9
1300
Mediana
N
N i1
2
M e =Li+
a
ni
Donde

N 1300
=
=750
2
2
M e =2,5+
750251
0,9=3
864
Moda
M o=Li +
n i+1
a
ni +1+ ni1 i
M o=2,5+
185
0.9=2,9
185+251
Rta. No es simtrica. Aunque los tres valores son muy cercanos.
Desuerado
ni
Ni
Clase
x i ni
1,3 5,6)
5,7 9,9)
10 13,9)
Total
222
986
92
1300
222
1208
1300
3,45
7,8
11,95
765,9
7690,8
1099,4
Media
N
x i ni
X = i=1
765,9+7690,8+1099,4
X =
=7,35
1300
Mediana
N
N i1
2
M e =Li+
a
ni
Donde
N 1300
=
=750
2
2
M e =5,7+
750222
4,2=7,94
986

Moda
M o=Li +
n i+1
a
ni +1+ ni1 i
M o=5,7+
92
4,2=6,93
92+222
Rta. N es simtrica. Aunque los tres valores son muy cercanos.
Hilado
ni
Ni
Clase
x i ni
4,2 17,0)
17,1 29,9)
30,0 42,7)
Total
199
910
191
1300
199
1109
1300
10,6
23,5
36,75
2109,4
21385
7019,25
Media
N
x i ni
X = i=1
2109+21385+7019,25
X =
=23,47
1300
Mediana
N
N i1
2
M e =Li+
a
ni
Donde
N 1300
=
=750
2
2
M e =17,1+
750199
12,8=24,85
910
Moda
M o=Li +
n i+1
a
ni +1+ ni1 i

M o=17,1+
191
12,8=23,36
191+199
Cul es la proporcin de rechazos en la tabla de resultados?
Concepto
ni
Fi
Aceptado
1159
0,8915
Rta. Revisando la tabla
de frecuencias; nuestra
Rechazo
141
0,1085
frecuencia
relativa
arroja una fraccin de
0,1 de 1; podemos decir que 1 de cada 10 observaciones corresponde a un rechazo o mejor
que el 10% del total de las observaciones son rechazos.
Cul de las variables puede seguir una distribucin binomial?
Rta. Las variables Remisin y concepto ya que la distribucin binomial se utiliza en
situaciones cuya solucin tiene dos posibles resultados o cuando el resultado se puede
reducir a dos opciones.
Qu distribucin debemos aplicar?
Rta. Binomial
Cul es la probabilidad de encontrar al menos 120 inconformes en la tabla de

resultados? Aplicar la distribucin adecuada.
Solucin
Aplicando la Distribucin Binomial Tenemos:
P ( x )=
P ( x )=120
n=1300
p=0,1085
n!
p xq nx
x ! (nx)!
Inconformes
La muestra
Valor de la tabla
q=1 p=10,1085
q=10,1085=0,8915
Reemplazamos;

P (120 )=
1300 !
0,10851200,8915 1300120
120 ! (1300120)!
Como es una ecuacin un tanto compleja y con calculadora nos arroja error, lo
mejor es utilizar la frmula de estadstica en Excel para su clculo.
P (120 )= 0,6%

Rta. Entonces existe una probabilidad de 0,6% entre 1300 ensayos de que se presenten 120
inconformes.
Tomado de: https://www.youtube.com/watch?v=xVwetXD9cis
4. Problema 4
Si se toma la variable remisin de insumos como cliente interno de la empresa,
entonces podemos asumir que tiende a una distribucin de probabilidad de que tipo?
Rta. Se puede asumir que corresponde a una distribucin de probabilidad binomial.
Distribucin binomial o de Bernoulli: Se denominan procesos de tipo Bernoulli, a todo
experimento consistente en una serie de pruebas repetidas, caracterizadas por tener
resultados que se pueden clasificar en si verifican o no cierta propiedad o atributo, siendo
aleatorios
e
independientes.
(Tomado
de:
http://www.aulafacil.com/cursos/l11239/ciencia/estadisticas/estadisticas/distribucion-deprobabilidades-distribuciones-discretas-bernouilli)
Un experimento sigue el modelo de la distribucin binomial o de Bernoulli si:
1. Resultados dicotmicos: Los resultados de cada prueba se pueden clasificar en "xito"
si verifican cierta condicin, o "fracaso" en el caso contrario.
2. Independencia de las pruebas: El resultado de una prueba cualquiera es independiente
del resultado obtenido en la prueba anterior, y no incide en el resultado de la prueba
siguiente.
3. Estabilidad de las pruebas: La probabilidad p de obtener un resultado considerado como
un xito se mantiene constante a lo largo de toda la serie de pruebas. (Tomado de:
http://www.aulafacil.com/cursos/l11239/ciencia/estadisticas/estadisticas/distribucionde-probabilidades-distribuciones-discretas-bernouilli)
Cul es el promedio de remisiones?
Rta. Para este punto es necesario sumar todos los datos de las remisiones que tenemos, el
cual nos da como resultado 5358.
Luego de realizar la suma de las remisiones debemos dividir por el nmero de datos que
tenemos, los cuales son: 1300.
Lo cual nos da:

Promedio=
5358
=4,12
1300
El promedio de los datos generados en la columna de remisin es 4,12.

Cul es la probabilidad de que a la empresa lleguen menos de 4 remisiones?
Rta. En la base de datos encontramos que los datos generados menores a 4 son 538.
Luego de tener este dato procedemos a efectuar la operacin con el nmero total de datos
que tenemos y multiplicar por 100.
Probabilidad=
538
=0,41100=41,38
1300
Lo cual nos indica que tenemos una probabilidad del 41,38% de que se presente este
fenmeno.
Justifquelo calculndolo con la distribucin de probabilidad adecuada.
Se halla la media aritmtica la cual da como resultado 4.12050756 y la desviacin
estndar que da un resultado de 2.02837456, de acuerdo a los datos de las remisiones
ordenados alfabticamente de menor a mayor. Despus se realiza la distribucin normal de
la cual se obtiene la siguiente grfica:
0.25
0.2
0.15
0.1
0.05
0
Un estudio ha mostrado que, en cierta empresa de la competencia, el promedio de

hilado es de 20 minutos, aplicando la distribucin normal, con la media y varianza

calculados, responder. La probabilidad de encontrar este mismo tiempo de hilado

en la Santa Helena es de?
Rta. En primer lugar se deben determinar las variables que tenemos en el problema.
n=1300(Base de datosCantidad)
p=20 minutos
q=18 minutos(Se determinaun dato al azar para efectuar elejercicio )

A continuacin se presentan las frmulas que se usaran en el ejercicio.
np >5
nq>5
B ( 1300, 20 ) N ( 130020, 13002018 ) =N (26000, 12979,98)
Los datos presentados en la base de datos nos indican que 4 veces se repiten los 20 minutos
en la operacin de hilado.
p ( X >4 )= p Z >
426000
=
12979,98
p ( Z >1,9 )=1p ( Z 1,9 )=10,9726=0,0274
5. Problema 5
En una encuesta de mercadeo del producto, se ha concluido que el tiempo de
enfriamiento optimo est entre 2.3 y 4.2 minutos es de mejor aceptacin, aplicando
la distribucin normal, con la media y varianza calculados, la probabilidad de
encontrar este mismo tiempo para esta variable en la Santa Helena es
Rta. Lo primero que debemos determinar son las variables que debemos aplicar para este
tipo de distribucin.
p=2,3 minutos

q=4,2 minutos
A continuacin se presentan las frmulas que se usaran en el ejercicio.

np >5
nq>5
B ( 1300, 2,3 ) N ( 13002,3, 13002,34,2 )=N (2990, 112,06)
Teniendo en cuenta la base de datos, encontramos que este tiempo de enfriamiento lo

encontramos 27 veces para 2,3 minutos y 44 veces para 4,2 minutos, lo cual nos da en total
71 veces.
p ( X >71 )= p Z >
712990
=
112,06
p ( Z >44,31 ) =1 p ( Z 44,31 )=11,0000=0
En una conferencia tcnica con el INVIMA, se ha concluido que la temperatura de

almacenamiento de este tipo de queso debe estar entre 1.9 y 2.6 grados C porque es
de mejor aceptacin, aplicando la distribucin normal, con la media y varianza
calculados, la probabilidad de encontrar este misma temperatura de almacenamiento
en la Santa Helena es
Rta. Determinemos las variables a considerar para solucionar el ejercicio.
p=1,9 C
q=2,6 C
Luego procedemos como en el ejercicio anterior a usar las frmulas para despejar:
B ( 1300, 1,9 ) N ( 13001,9, 13001,92,6 ) =N (2470,178,11)
Teniendo en cuenta la base de datos, encontramos que la temperatura de almacenamiento

que nos pide el ejercicio las encontramos 10 veces para 1,9C y 31 veces para 2,6C, lo
cual nos da en total 41 veces para ambas temperaturas.

p ( X >41 ) =p Z >
412470
=
178,11
p ( Z >27,13 )=1p ( Z 27,13 )=11,0000=0
6. Discusin Final
Segn los resultados obtenidos Qu estrategia de estandarizacin le da al gerente de la
empresa para que alcance los objetivos propuestos?
De acuerdo a los estudios estadsticos de las diferentes reas de proceso de Santa Helena,
podemos decir que a nivel general, cada uno de los procesos debe determinar de acuerdo a
la produccin realizada la capacidad que tendra para optimizar tiempo, lo cual tendra
como efecto el poder fabricar productos en una cantidad menor de tiempo. Temas como la
acidez y el desuerado de los productos, se debe poseer un control ms estricto ya que los
tiempos no son eficientes y se tiende ms al aumento que a la optimizacin. La
comparacin con la otra compaa demuestra que posee cierta ventaja con respecto a Santa
Helena, en lo cual sera muy importante hacer un estudio de Tiempos y Movimientos,
analizar cul es el promedio de acuerdo a los factores que se podrian llegar a presentar en
un da de produccin normal y asi determinar el tiempo requerido en cada proceso,
controlar variables que no afecten la calidad e inocuidad del producto.
7. Cuadro de Roles:
Nombre de
integrante
del equipo
Rol
seleccionado
Sandra
Giseth
Herrera
Relator
Funciones del rol (listarlas)
1. Relatora de todos los

procesos en forma escrita.
2. Responsable de recopilar y
sistematizar la informacin.
Lida Alexy
Gonzlez
Viga del
Tiempo
3. Organizar el documento y
entregarlo
al
lder
comunicador.
1. Controla el cronograma de
tiempo establecido.
Tareas o funciones
realizadas del rol
(Describir las
actividades que
realiz)
Se ha realizado la
recopilacin
y
unificacin de aportes
de los compaeros y los
propios,
ajustes
y
correcciones
en
el
trabajo.
Funciones que faltan

reforzar para
fortalecer el trabajo
colaborativo
Se podra considerar que
ninguna de las funciones
se ha descuidado y se ha
tenido en cuenta realizar
un buen trabajo para el
equipo.

2. Es responsable porque el
equipo
desarrolle
las
diferentes actividades dentro
del tiempo pactado.
Jairo Lugo
Sandra
Giseth
Herrera
Utilero
Lder
3. Debe conocer la agenda

del curso.
1. Responsable de conseguir
el
material
y/o
las
herramientas de acuerdo a las
necesidades del equipo para
el
desarrollo
de
las
actividades y/o procesos que
se requieran.
2. Pasar a pdf, editar
imgenes, normas APA,
Netiqueta.
1. Responsable de la
comunicacin entre el tutor y
el equipo, como tambin de
presentar a su equipo la
informacin que recoge de la
observacin - al desarrollo de
las actividades - hecha a los
otros equipos de grupo (lo
compartido en el foro
general.
Verifica
el
cumplimiento de los roles
por parte de cada integrante.
2. Conoce muy bien la gua y
aclara qu es lo que en ella se
solicita.
3.
Recuerda
a
sus
compaeros sobre el uso de
la rbrica de evaluacin y
verifica que se tengan en
cuenta sus criterios.
4. Hace la entrega al final
como lo indica la gua.
Problema 5
Se les ha recordado a los

compaeros los puntos
del trabajo faltantes, se
determin desde el
inicio como se deba
trabajar (Conocimiento
de cada uno de los
puntos del trabajo).
Se revisa el trabajo de
acuerdo a los requisitos
de la gua y se realiza la
entrega del trabajo en el
enlace de evaluacin y
seguimiento.
En
cuanto
a
la
comunicacin con el
tutor para el desarrollo
del trabajo, no se ha
realizado ya que las
inquietudes generadas se
han planteado de forma
individual.

En una encuesta de mercadeo del producto, se ha concluido que el tiempo de

enfriamiento optimo est entre 2.3 y 4.2 minutos es de mejor aceptacin, aplicando
la distribucin normal, con la media y varianza calculados, la probabilidad de
encontrar este mismo tiempo para esta variable en la Santa Helena es
De nuestra base de datos tenemos:
Enfriamiento
ni
Ni
Clase
xi
x i ni
ni ( x i X )2
0,9 2,2)
2,3 4,2)
95
1001
95
1096
1,55
3,25
147,25
3253,25
333,27
29,96
4,3 6,0)
204
1300
5,15
1050,6
608,43
Total
1300
4451,1
971,66
Media
N
x i ni
X = i=1
147,25+3253,25+1050,6
X =
=3,423
1300
Varianza
n i( xi X )2
=
2
n1
971,66
=0,748
1299
Desviacin estndar
=
n i(x i X )2
n1
= 0,748=0,865

Ahora, mi variable de inters corresponde al valor entre X= 2,3 y 4,2.

Z=
donde = X
Por tratarse de valores agrupados definimos a X

4,2 X 2,3
Reemplazamos,
Cuando X=4,2 Z=
Cuando X=2,3 Z =
4,23,423
=0,9
0,865
2,33,423
=1,3
0,865
De la tabla de distribucin normal tenemos

Z =0,9 su valor es 0,266 valor calculado en excel
Z =1,3 su valor es 0,171 valor calculado en excel
Entonces el rea bajo la curva ser:

A=0,226+0,171=0,397
Deducimos que la probabilidad en Santa Helena para el tiempo de enfriamiento entre 2,3 y
4,2 minutos sea de 39,7%
https://www.youtube.com/watch?v=csBanoXXmPc
En una conferencia tcnica con el INVIMA, se ha concluido que la temperatura de

almacenamiento de este tipo de queso debe estar entre 1.9 y 2.6 grados C porque es
de mejor aceptacin, aplicando la distribucin normal, con la media y varianza

calculados, la probabilidad de encontrar este misma temperatura de almacenamiento

en la Santa Helena es
De nuestra base de datos tenemos:
Enfriamiento
0,1 1,8)
1,9 2,6)
2,7 4,4)
4,5 6,1)
Total
ni
54
208
881
157
1300
Ni
Clase
xi
x i ni
54
262
1143
1300
0,95
2,25
3,55
5,3
51,3
468
3127,55
832,1
4478,95
Media
N
x i ni
X = i=1
51,3+ 468+3127,55+832,1
X =
=3,4 4
1300
Varianza
n i( xi X )2
=
2
n1
2=
1183,15
=0, 91
1299
Desviacin estndar
=
n i(x i X )2
n1
= 0,91=0, 954
Ahora, mi variable de inters corresponde al valor entre X= 1,9 y 2,6.
Z=
donde = X
ni ( x i X )2
334,80
294,54
10,66
543,15
1183,15

Por tratarse de valores agrupados definimos a X

2 ,6 X 1, 9
Reemplazamos,
Cuando X=2 , 6 Z=
Cuando X=1 , 9 Z=
2 , 63,4 4
=0,88
0, 954
1 , 93,4 4
=1, 61
0, 954
De la tabla de distribucin normal tenemos

Z =0, 88 su valor es 0,2 7 valor calculado en excel
Z =1, 61 su valor es 0,11 valor calculado en excel
Entonces el rea bajo la curva ser:

A=0,27+ 0,11=0,3 8
Deducimos que la probabilidad en Santa Helena para la temperatura de almacenamiento
entre 1,9 y 2,6 C es del 38,0%
https://www.youtube.com/watch?v=csBanoXXmPc
CONCLUSIONES
Dentro de la ciencia de la estadstica, el tema de la Probabilidad nos ayuda a determinar

cuantificablemente en que proporcin se podra llegar a dar un evento en cualquier

situacion de la vida. En este caso se puede decir que con el ejemplo que tomamos para
realizar el trabajo, este nos direcciono de forma en la que podemos llegar a saber que tan
eficiente es un proceso, determinar cules podrian llegar a ser las fallas (Comparando con
los tipos de distribucin de la probabilidad presentadas en un ejercicio), para asi tomar
medidas en alguna situacion.
Reconocer los tipos de distribuciones aplicables en un ejercicio de probabilidad nos
garantiza el poder tener el dato ms real de un ejercicio, pudiendo plantear de forma
correcta el desarrollo del mismo, distribuciones binomiales, simtricas y normales; son las
que se usan de forma ms frecuente dentro de este tipo de estudios.
REFERENCIAS BIBLIOGRFICAS
Aula fcil, cursos online gratuitos, Distribucin de Probabilidades - Distribuciones

discretas:
Bernouilli,
obtenido
el
13
de
Abr.
de
16
de
http://www.aulafacil.com/cursos/l11239/ciencia/estadisticas/estadisticas/distribucio
n-de-probabilidades-distribuciones-discretas-bernouilli
Suarez, M. (s.f). Conceptos bsicos de Probabilidades y Estadstica Inferencial. [En
lnea].
Recuperado
el
4
de
abril
de
2016.
Tomado
de:
http://m.monografias.com/trabajos95/conceptos-basicos-probabilidades-yestadistica-inferencial/conceptos-basicos-probabilidades-y-estadisticainferencial.shtml
Morales, A. (2010). Mdulo de Probabilidad. Captulo 5 Distribuciones de
probabilidad discreta. Leccin 21 Distribucin uniforme discreta. Universidad
Nacional Abierta y a Distancia. Bogot. Pg. 77.
Vitutor 2014, Distribucin binomial, obtenido el 13 de Abr. de 16 de
http://www.vitutor.com/pro/3/b_1.html
Vitutor. (s.f). Distribucin normal. . [En lnea]. Recuperado el 14 de abril de 2016.
Tomado de: http://www.vitutor.net/1/55.html

AC - F2 - Grupo 3

Încărcat de

Informații document

Titlu original

Drepturi de autor

Formate disponibile

Partajați acest document

Partajați sau inserați document

Opțiuni de partajare

Vi se pare util acest document?

Este necorespunzător acest conținut?

Drepturi de autor:

Formate disponibile

AC - F2 - Grupo 3

Încărcat de

Drepturi de autor:

Formate disponibile

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA

Escuela de Ciencias Bsicas, Tecnologa e Ingeniera

INGENIERA DE ALIMENTOS - CEAD: JAG

ESTADISTICA Y PROBABILIDAD 211622-3

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA

A continuacin se muestra el trabajo relacionado con la segunda unidad de aprendizaje del

DESARROLLO DEL TRABAJO

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA

Planteamiento del Problema

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA

b) Experimento Aleatorio: Es toda actividad cuyos resultados no se determinan con

Nota: P (E), se lee probabilidad del evento E

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA

Probabilidad terica: Si todos los resultados en un espacio muestral S finito son

b) Posibilidades: Las posibilidades comparan el nmero de resultados favorables con

Tomado de: Suarez, s.f

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA

De su propuesta de estudio estadstico, qu otras variables podra tener en cuenta?

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA

12,1 14) nij

a. Segn la tabla de doble entrada acidez vs concepto.

La probabilidad de que este evento suceda es del 6,6%

La probabilidad de que este evento suceda es del 10,6%

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA

La probabilidad de que este evento suceda es del 97,9%

Qu probabilidad se presenta de qu el producto sea rechazo y se demoren ms de

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA

La probabilidad de que este evento suceda es del 1,7%

Rta. Distribucin Simtrica

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA

Rta. Si es simtrica. Con una pequea desviacin de 0,046

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA

Rta. No es simtrica. Aunque los tres valores son muy cercanos.

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA

Rta. N es simtrica. Aunque los tres valores son muy cercanos.

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA

Cul es la probabilidad de encontrar al menos 120 inconformes en la tabla de

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA

El promedio de los datos generados en la columna de remisin es 4,12.

Un estudio ha mostrado que, en cierta empresa de la competencia, el promedio de

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA

calculados, responder. La probabilidad de encontrar este mismo tiempo de hilado

q=18 minutos(Se determinaun dato al azar para efectuar elejercicio )

B ( 1300, 20 ) N ( 130020, 13002018 ) =N (26000, 12979,98)

p ( Z >1,9 )=1p ( Z 1,9 )=10,9726=0,0274

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA

A continuacin se presentan las frmulas que se usaran en el ejercicio.

B ( 1300, 2,3 ) N ( 13002,3, 13002,34,2 )=N (2990, 112,06)

Teniendo en cuenta la base de datos, encontramos que este tiempo de enfriamiento lo

p ( Z >44,31 ) =1 p ( Z 44,31 )=11,0000=0

En una conferencia tcnica con el INVIMA, se ha concluido que la temperatura de

Teniendo en cuenta la base de datos, encontramos que la temperatura de almacenamiento

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA

p ( Z >27,13 )=1p ( Z 27,13 )=11,0000=0

Funciones del rol (listarlas)

1. Relatora de todos los

Funciones que faltan

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA

3. Debe conocer la agenda