Documente Academic
Documente Profesional
Documente Cultură
en Ingeniera de calidad
1
VI. FASE DE MEDICIN -
PROBABILIDAD
Para Deming:
En un Estudio enumerativo la accin se toma
en el universo.
En un estudio analtico la accin ser tomada
en un proceso para mejorar su desempeo
3
Obteniendo conclusiones vlidas
El objetivo de la estadstica inferencial es
obtener conclusiones vlidas acerca de las
caractersticas de la poblacin (parmetros
, , ) con base en la informacin obtenida
de muestras (estadsticos X, s, r)
http://www.hrc.es/bioest/Introducion.html 4
2. Teorema del lmite central
Las medias muestrales son normales
http://serc.carleton.edu/introgeo/teachingwdata/Statce
ntral.html 5
2. Teorema del lmite central
Las medias muestrales son normales
6
3. Probabilidad
P E
# Favorable E
# Total resultados
7
Probabilidades de Eventos
1. P(E) 0
2. P(S) = 1
3. Si E1,En son mutuamente disjuntos
entonces
n n
P Ei
i 1
P( E )
i 1
i
Resultados
1. Si A B entonces P(A) P(B)
2. Si P(Ec)=1-P(E)
4. Si B1B2Bn = S entonces
n
P( E ) P( E B )
i 1
i
P A B P A PB A
8
A B
PA .7
PB PZ B
P(A)=.3 P B Z
P A PZ APB PZ B
B
P(B/A)=.97
A
P(A) =.98
http://www.math.gatech.edu/~bour
baki/math1711/html/bayes.html 9
4. Distribuciones de probabilidad
Variable aleatoria: es cualquier regla que relaciona un
nmero con cada resultado en el espacio muestral SS.
1. 0 P( y ) 1 0 F ( x) 1
2. P( y ).= 1
toda
Lim x F ( x) 1
y
Lim x F ( x) 0
FX ( x) P( X x)
X E ( X ) xf X ( x) xP( X x)
x x
f X ( x) P( X x) X 2 E[( X X ) 2 ] ( x X ) 2 P( X x)
x
10
5. DISTRIBUCIONES DE
PROBABILIDAD
DISCRETAS
1. Distribucin hipergeomtrica
2. Distribucin Binomial
3. Distribucin de Poisson
11
Distribucin hipergeomtrica
Se aplica cuando n > 0.1N
El muestreo se hace sin reemplazo
x!(n x)!
N x
Cn
12
Distribucin hipergeomtrica
13
Distribucin hipergeomtrica
Ejemplo: De un grupo de 20 productos, 10 se
seleccionan al azar para prueba. Cul es la
probabilidad de que 10 productos seleccionados
contengan 5 productos buenos? Los productos
defectivos son 5 en el lote.
n x
f ( x) P( X x) p (1 p) n x x 0,1,..., n
x
E ( X ) X np
V ( X ) np(1 p)
2
X
16
Distribucin de Poisson
Se utiliza para modelar datos discretos
17
Distribucin de Poisson
e x
f ( x) x 0,1,...
x!
np
np
18
6. DISTRIBUCIONES DE
PROBABILIDAD
CONTINUAS
1. Distribucin exponencial
2. Distribucin normal
19
Distribucin Exponencial
Modela artculos con una tasa de falla
constante y est relacionada con Poisson.
Modela el tiempo medio entre llegadas
Si x se distribuye exponencialmente,
y=1/x sigue una distribucin de Poisson
21
Distribucin Exponencial
El modelo exponencial, con un solo parmetro, es el ms
simple de todo los modelos de distribucin del tiempo de
vida.
t
CDF : F (t ) 1 e
t
CONFIABILIDAD : R(t ) e
Funcin de Densidad de Probabilidad Exponencial
0.0035
0.0020
f(t)
= 0.001, MEDIA = 1,000
TASA DE FALLA : h (t ) 0.0015
0.0010
0.0005
0.0000
0 500 1,000 1,500 2,000
Tiempo
La distribucin Normal estndar
23
CARACTERISTICAS DE UNA DISTRIBUCION NORMAL
La Normal is simtrica -
-
Cola
Cola
Tericamente, la
Tericamente, la Media, mediana, y curva se extiende a
curva se extiende a moda son iguales + infinito
- infinito
La Distribucin Normal Estndar
La desviacin estndar
sigma representa la
distancia de la media al
punto de inflexin de la
curva normal
X
x-3 x-2 x- x x+ x+2 x+3
z
-3 -2 -1 0 1 2 3
25
Normales con Medias y
Desviaciones estndar diferentes
= 5, = 3
= 9, = 6
= 14, = 10
Entre:
1. 68.26%
2. 95.44%
3. 99.97%
3 2 1 1 2 3
z= x-
0.8
7. DISTRIBUCIONES DE
PROBABILIDAD PARA
DECISIN
1. Distribucin Chi Cuadrada
2. Distribucin t de Student
3. Distribucin F de Fisher
29
Distribucin Chi Cuadrada
Prueba un varianza e igualdad de
proporciones
30
Distribucin t de Student
Prueba igualdad de medias.
31
Distribucin F
Prueba igualdad de varianzas
32