Herramientas de Calidad

Distribuciones de Probabilidad

Docente : Ing. Rebeca Enriquez Albornoz

 Poblacin y Muestra

La muestra es una coleccin de mediciones seleccionadas de

una poblacin.
La poblacin es la coleccin completa de mediciones.
La poblacin puede tener una cantidad finita de elementos, como
por ejemplo la produccin de ejes de acero en un da.
As, un estudio de un producto podra implicar la poblacin de
una hora de produccin, una semana de produccin, 5000 piezas,
etctera. Puede ser infinita o casi infinita, como la cantidad de
remaches en una produccin anual de aviones de reaccin.
Comparacin entre Muestra y Poblacin
 CONCEPTOS DE PROBABILIDAD
Experimento aleatorio : Su resultado no puede anticiparse aun cuando se repita bajo las
mismas condiciones.
Espacio muestral : Es el conjunto de resultados posibles de un experimento aleatorio.

Evento: Es un subconjunto del espacio muestral de un experimento aleatorio

Variable aleatoria : Funcin que asocia un nmero a cada resultado de un experimento

aleatorio. Tiene un nmero finito de valores o un nmero de valores contable, donde contable
se refiere al hecho de que podra haber un nmero infinito de valores, pero que pueden
asociarse con un proceso de conteo.

Variable aleatoria discreta: Variable a la que se pueden numerar los posibles valores que
toma. Tiene un nmero infinito de valores; dichos valores pueden asociarse a mediciones en
una escala continua, de manera que no haya huecos o interrupciones.

Distribucin de probabilidad de X : Es una descripcin del conjunto de los valores posibles

de X con la probabilidad asociada a cada uno de estos valores.
I. DISTRIBUCIONES DISCRETAS DE PROBABILIDAD
Cuando se usan valores especficos, como los enteros 0, 1, 2, 3, la distribucin de probabilidad
es discreta. Las distribuciones discretas de probabilidad tpicas son : la hipergeomtrica,
binomial y de Poisson.
 Distribucin Hipergeomtrica
Se presenta cuando la poblacin es finita, y la muestra aleatoria se toma sin sustitucin
Se aplica en ciertos tipos de experimentos Bernoulli, en los cuales la probabilidad de
xito no se mantiene constante, y eso ocurre cuando el tamao de lote es pequeo con
respecto al tamao de la muestra.
 Distribucin Hipergeomtrica
Un lote de 9 termostatos est en una caja, y tiene 3 unidades no conformes. Cul es la probabilidad
de sacar 1 unidad no conforme, en una muestra aleatoria de 4?
 Distribucin Hipergeomtrica

Distribucin hipergeomtrica para N= 9, n = 4 y D= 3.

 Distribucin de Poisson

Tambin se puede aplicar esta distribucin a casos acerca de observaciones por unidad de
cantidad; por ejemplo contar las no conformidades de tejido en 1000 m 2 de tela, la cantidad
de no conformidades por nmero de peticiones de servicio por semana, la cuenta de
remaches no conformes en un vehculo recreativo, nmero de impurezas en un lquido,
nmero de errores de un trabajador.

Todos los casos anteriores se resumen as: nmero de eventos que ocurren por unidad (por
unidad de rea, por unidad de volumen, por unidad de tiempo, etc.).

La distribucin de Poisson tambin se aplica cuando n es bastante grande y p0 es pequea.

 Distribucin de Poisson

Ejemplo : Suponga que el nmero promedio de automviles que llegan a una caseta
de cobro de una autopista, en intervalos de 1 minuto, es 2; entonces, los clculos son:
Distribucin de Poisson
 Distribucin de Poisson

Esa distribucin indica la probabilidad de que cierta cantidad de automviles llegue a la caseta en
cualquier intervalo de 1 minuto. As, la probabilidad de que lleguen 0 coches en cualquier
intervalo de 1 minuto es 0.135; la de 1 automvil en cualquier intervalo de 1 minuto es 0.271, . . .
y la de que lleguen 7 vehculos en cualquier intervalo de 1 minuto es 0.003.

Distribucin de probabilidades de Poisson, para diversos valores de npo.

 Distribucin de Poisson

PROBLEMA: cantidad promedio de errores de facturacin, para un banco local, por

turno de 8 horas es 1.0. Cul es la probabilidad de que se cometan 2 errores de
facturacin?
La probabilidad de 1 o menos? La probabilidad de 2 o ms?
 Distribucin Binomial

Se aplica a problemas con probabilidades discretas que tienen una cantidad infinita de
elementos, o que tienen una corriente constante de elementos que salen de un centro de
trabajo. Se aplica a problemas que tienen atributos, como conformes o no conformes, xito o
fracaso, pasa o no pasa, cara o cruz. La distribucin binomial se puede aplicar siempre que
los dos resultados posibles sean constantes, y que los intentos sean independientes.
Corresponde a los trminos sucesivos del desarrollo del binomio, que es:
 Distribucin Binomial
La distribucin de probabilidad de cantidad de cruces (fig. 7.6) Como p = q, la distribucin es
simtrica, independientemente del valor de n; sin embargo, cuando p q, la distribucin es
asimtrica. En control de calidad, p es la proporcin o fraccin de no conformes, y suele ser
menor que 0.15.
Distribucin Binomial
 Distribucin Binomial
Ejemplo : Se selecciona una muestra aleatoria de 5 bisagras en una corriente constante de
producto procedente de una troqueladora, y la proporcin de no conformes es 0.10. Cul es la
probabilidad de que haya 1 unidad no conforme en la muestra? Cul es la probabilidad de que
haya 1 o menos? Cul es la probabilidad de que
haya 2 o ms?
 Distribucin Binomial

Los clculos para 2 unidades no conformes y 3 unidades no conformes para los

datos del problema de ejemplo 7-15 resultan en P(2) =0.073 y P(3) =0.008. La distribucin
completa se muestra en forma de grfica, a la izquierda de la figura 7-7. Los clculos para
P(4) y P(5) dan valores menores que 0.001, por lo que no se incluyen en la grfica.
La figura 7-7 ilustra el cambio en la distribucin al aumentar el tamao de la muestra, para
la proporcin p =0.10 de no conformes, y en la figura 7-8 se ve el cambio para p= 0.05. Al
aumentar el tamao de la muestra, la forma de la curva se vuelve simtrica, aun cuando
p q. Al comparar la distribucin para p = 0.10 y n= 30,
en la figura 7-7, con la distribucin de p =0.05, n =30 en la figura 7-8, se ve que, para el
mismo valor de n, cuanto mayor sea el valor de la proporcin de no conformes p, la
simetra de la distribucin es mayor.
La forma de la distribucin siempre es funcin del tamao de muestra n, y de la proporcin
de no conformes p. El cambio de alguno de esos valores causa una distribucin diferente.
Distribucin Binomial
 Distribucin Binomial
Existen tablas para la distribucin binomial. Sin embargo, como se necesitan tres variables
(n, p y d), ocupan mucho espacio. Las calculadoras y computadoras pueden hacer los
clculos necesarios con mucha eficiencia, y en consecuencia ya no se necesita usar las
tablas.
La distribucin binomial se usa para el caso infinito, pero bajo ciertas condiciones que se
describirn ms adelante en este captulo, se aproxima a la distribucin hipergeomtrica.
Se requiere que haya dos y slo dos resultados posibles (unidad conforme o unidad no
conforme), y que no cambie la probabilidad de cada resultado. Adems,
el uso de la distribucin binomial requiere que los intentos sean independientes; es decir, si
se presenta una unidad no conforme, la probabilidad de que la siguiente sea no conforme
no aumenta ni disminuye.
La media y la distribucin estndar de la distribucin son:
 II. DISTRIBUCIONES CONTINUAS DE PROBABILIDAD
Cuando se usan datos medibles, como metros, kilogramos y ohms, la distribucin de
probabilidad es continua. Hay muchas distribuciones continuas de probabilidad, pero slo la
normal tiene la importancia suficiente para ameritar una descripcin detallada en un texto
elemental.

La Distribucin normal, es una distribucin continua cuya densidad tiene forma de

campana. Esmmuy importante tanto en la estadstica terica como en la aplicada.
 Distribucin Normal de Probabilidad
La curva normal (o campana de Gauss) es una distribucin continua de probabilidad. Se
pueden resolver problemas de probabilidad donde intervienen datos continuos, usando la
distribucin normal de probabilidad.

donde es su media, y su desviacin estndar. Al graficar la funcin f (x) se obtiene una

grfica simtrica y unimodal, cuya forma es similar a una campana (fig. 3.1). El centro de
sta coincide con , y la amplitud est determinada por .

Propiedades de la distribucin normal

Si X es una variable aleatoria con distribucin normal con media y varianza 2, N(, 2 ),
entonces se cumple que:
1. P( < X < + ) = 0.6827
2. P( 2 < X < + 2) = 0.9545
3. P( 3 < X < + 3) = 0.9973
4. P(X = a) = 0 para cualquier nmero a.
 Distribucin Normal de Probabilidad
Estas propiedades sealan la proporcin de la distribucin normal que se localiza en
torno a la media . Por ejemplo, entre ms menos una desviacin estndar de la media
se ubica en 68.27% del rea; y en la media ms menos tres veces se encuentra 99.73%
de la distribucin. Esta ltima es la razn de cmo se obtienen los lmites reales de un
proceso.
 Distribucin Normal de Probabilidad

Clculo de probabilidades
Si una variable aleatoria X se distribuye normal con media y varianza 2, y se quiere
encontrar
la probabilidad de que esta variable tome valores entre dos nmeros cualesquiera, a y b
por ejemplo, entonces lo que se tiene que hacer es calcular el rea bajo la curva entre a y
b, y esto se realiza mediante mtodos numricos, ya que la integral de la funcin de
distribucin no tiene solucin analtica. Cuando es una distribucin normal con parmetros
= 0 y 2 = 1, entonces a la distribucin se le conoce como distribucin normal estndar
(N(0, 1)). Estandarizar una variable es fcil, puesto que si X tiene una distribucin normal
con E(X)
= y V(X) = 2, entonces la variable (estandarizada)
Z =X

se distribuye de manera normal estndar. La ventaja de estandarizar es que cualquier

probabilidad
de inters, por ejemplo P(X x), se puede escribir en trminos de la variable
estandarizada Z como:
 Distribucin Normal de Probabilidad

EJERMPLO 1 :La dimensin de una pieza se distribuye normal con = 82.0 mm, y = 0.5.
Se desea calcular el porcentaje de piezas que cumplen con especificaciones 82 + 1, lo cual
se obtiene calculando la siguiente diferencia de probabilidades:
P(81< X < 83) = P(X<83) P(X<81)

Para calcular cada una de estas probabilidades se estandariza:

P( X < 83) = P(Z< 83- ) = P(Z<83 - 82) = P(Z<2)

0.5
y se localiza en la tabla el valor de probabilidad que corresponde P(Z 2) que se ubica en la
columna de
z en el valor de 2.00 y la columna 0.00, donde aparece esta probabilidad que es 0.023.
Para obtener P(Z < 2.0) simplemente a 1 se le resta 0.023, es decir: P(Z < 2.0) = 1 0.23 =
0.977.
Para calcular P(X < 81) se procede de la misma manera, pero al restarle la media da un
nmero
negativo y, en ese caso, para utilizar la tabla se usa una de las propiedades de simetra de
la distribucin normal
 Distribucin Normal de Probabilidad

para cualquier nmero a. Al aplicar lo anterior se obtiene que P(X < 81) = P(Z < 2) = 1
P(Z < 2) = 1 0.977 = 0.023 Por lo tanto, la probabilidad de que X est dentro de
especificaciones es (0.977 0.023) = 0.954. As, se espera que 95.4% de las piezas
cumpla con las especificaciones.
En Excel, el clculo de P(81 < X < 83) = P(X < 83) P(X < 81), se realiza de la siguiente
manera:
DISTR.NORM(83, 82, 0.5, 1) DISTR.NORM(81, 82, 0.5, 1) = 0.954
 Distribucin Normal de Probabilidad
EJEMPLO 2: Si la vida o duracin de una licuadora elctrica sigue una
distribucin normal con
promedio de 2200 horas y desviacin estndar de 120 horas cul es la
probabilidad de que una sola licuadora elctrica ya no funcione en 1900
horas o menos?

De la tabla , para un valor de Z = 2.5, rea1 = 0.0062. Por tanto, la

probabilidad de que una licuadora elctrica falle en ese tiempo o menos es: