05 Measure W1 Probability and Basic Statistics Sp. Six Sigma Measure

Six Sigma
Entrenamiento Green Belt
Probabilidad &
Estadstica Bsica
INSTITUTO PARA LA CALIDAD 2010. Prohibida su reproduccin total o parcial sin permiso del autor y del Instituto para la Calidad de
la Pontificia Universidad Catlica del Per.
Reconocer
Definir
Medir
Analizar
Mejorar
Controlar
Acerca de este Mdulo

Probabilidad La Probabilidad nos permite cuantificar la posibilidad de un
resultado especfico o de un conjunto de resultados de un suceso

aleatorio. Es til para planificar en ambientes de incertidumbre. Nos
permite enumerar las permutaciones o combinaciones posibles de tems
de una poblacin.
Estadstica bsica La Estadstica bsica es una coleccin de tcnicas

tiles para tomar decisiones sobre un proceso o poblacin basado en un
anlisis de informacin contenida en una muestra de esa poblacin.1

Es la ciencia de tomar decisiones bajo incertidumbre.2
Douglas C. Montgomery, Introduction to Statistical Quality Control, Third Edition, 1997

2 Edward Dudewicz, Jurans Quality Control Handbook, Fourth Edition, 1988
\DataFile\yieldsim.xls
\DataFile\StatTables.xls
\DataFile\ProbTheorems.pdf
Qu aprenderemos
1.
Teora de Probabilidad Bsica
2.
Definiciones de Estadstica Bsica
3.
4.
Mediciones de Tendencia Central
Mediciones de Variacin
Distribucin Normal
Transformacin Normal Estndar
Uso de Tablas Estadsticas
Distribuciones acumuladas
Distribucin acumulada inversa
5. Capacidad de Proceso Bsica
Definiciones y Principios
Precisin, Exactitud &

Desplazamiento
Capacidad e Inspeccin
6. Usar Z para calcular Cp & Pp

7. Ejemplos de Capacidad
Datos Variables
Datos por Atributos
Distribuciones de probabilidad discretas
Binomial
Poisson
e-dpu Rationale
Aproximacin Normal a la Binomial
Definiciones de Probabilidad
Experimento aleatorio
- el proceso de observar el resultado de un suceso al azar
Resultados elementales
- todos los resultados posibles de un experimento aleatorio
Espacio de muestra
- coleccin de todos los resultados elementales
0 Pa 1
P no a = (1-Pa )
Resultados Elementales
Dado que la Teora de Probabilidad fue desarrollada
originalmente para estudiar el juego..
Cules son los resultados elementales de tirar un solo
dado?
200 Tiradas de un dado

(Simulado por computadora)
Determinando Resultados
50
45
40
35
30
25
20
15
10
5
0
Cules son los Resultados

Elementales para un Par de Dados?
Determinar Resultados
200 Tiradas de un par de dados

(Simulado por computadora)
Determinando resultados
35
Cmo compara esto

con las tiradas de un
dado?
30
25
20
15
10
5
0
10
11
12
Evento
Un evento es el conjunto de resultados elementales que satisfacen

una condicin dada.
Ejemplo: el evento que la suma de dos dados sea 7

(1,6) (2,5) (3,4) (4,3) (5,2) (6,1)
6
1
or or .166666
36 6
La probabilidad de un evento es la suma de las probabilidades de

los resultados elementales que satisfacen dicha condicin.
Probabilidad Condicional
P (E o F) = P (E) + P (F) P (E y F)
Probabilidad de E dado F o P (E/F)
P (E y F)
P(E|F) =
P( F )
Probabilidad de E y F = P(E/F) P(F)
Si E y F son independientes, P(E y F) = P(E)*P(F)
Aplicando las reglas de la

Probabilidad
1. Cul es la probabilidad de sacar tres caras seguidas al arrojar

una moneda?
2. Cul es la probabilidad de sacar tres ases seguidos de un mazo
de cartas si se reponen las cartas y el mazo barajado despus de
cada extraccin?
3. Cul es la probabilidad de sacar tres ases seguidos de un mazo
de cartas si no se reponen las cartas despus de cada extraccin?
La Importancia de la
Estadstica Bsica
Vivimos en un mundo estadstico
Las estadsticas tienen una marcad influencia en nuestras vidas

Cada da hay una nueva encuesta
Se usa muestreo para llevar a cabo muchos aspectos de un censo
La mayor parte de los indicadores econmicos se basan en
muestras
El rating de la TV se basa en muestras
Las tasas de seguro se determinan por medio de las estadsticas
La fsica cuntica ha demostrado que las probabilidades determinan la
estructura y la operacin de todo lo que nos rodea.
La estadstica es un facilitador importante de Six Sigma.
Tipos de Estadsticas
Definiciones
Estadstica Descriptiva
Es el proceso de describir la informacin de la cual disponemos.
Resumimos la informacin de una muestra o poblacin para dar
un entendimiento o descripcin clara de los datos.
Estadstica Inferencial
Es el proceso de utilizar informacin de un conjunto de datos ms
pequeo (muestra) para sacar conclusiones o inferencias sobre
un grupo ms grande (poblacin).
Normalmente slo tenemos informacin de una muestra, no de
toda la poblacin, y tenemos que deducir las caractersticas de la
poblacin a partir de la muestra. Queremos que estas
conclusiones sean matemticamente correctas.
Tipos de Datos
Atributo
Si - no
Bueno - malo
Aceptar - rechazar
Discreta
Mltiplos de unidades enteras
No pueden ser divididas conservando su significado
Contar o clasificar
Continua
Puede ser divididas conservando su significado e ir incrementando
cada vez ms su precisin : peso, longitud, voltaje, tiempo, etc.
Mediciones de Tendencia
Central - Localizacin
Definiciones
Media - la suma de todos los miembros dividida por el tamao de la
poblacin (media)
m = media de la poblacin
X = media de la muestra
X
,
X
,
X
.
.
.
X
1
2
3
j
1
N
Moda
- el valor ms frecuente o ms probable
Mediana el cincuentavo percentil

(la mitad de los valores estn encima y la mitad
por debajo de la mediana)
Poblacin Versus Muestra

Definiciones
Poblacin
Tamao
N
Situacin Media (Media) m
Dispersin: Variacin
Varianza
Desvo Estndar
Rango
s2
s
Muestras
n
x
s2
s
R = X Max-X Min
Las Estadsticas deducen informacin sobre los parmetros de la

poblacin.
Cuantificando la Dispersin
Definiciones
x1
xn
X
x2
Podramos sumar las diferencias entre cada valor x y la media de
los valores x . Sin embargo, esto siempre dara cero. Por lo tanto,
elevamos al cuadrado la diferencia entre cada x y x , para
eliminar las negativas y resaltar los puntos singulares y despus
tomar las medias de los resultados.
Se define esto como la varianza o s2. Evidentemente,
s s2
Atributos del Histograma Locacin

y Dispersin
n
14
F
r
e
c
u
e
n
c
ia
ss
Cantidad de casos = 50
Media & Mediana = 75
Desvo estndar = 8.3299
Rango = 40
ia
Varianza = 69.388
Mnimo = 55
Mximo= 95
12
2
(
X
X
)
i
i1
n1
X
i
Xm
i1
n
10
8
6
Mediciones variables de x:
4
2
0
50
60
70
80
90
Valores de X
100
110
75
85
60
80
70
80
65
75
70
75
80
70
80
75
75
55
70
85
75
95
75
70
80
75
75
70
80
90
75
90
65
85
80
70
75
70
75
80
80
60
70
70
65
85
85
85
65
65
80
65
Mediciones de Variabilidad Varianza

Sigma Cuadrado es una medida de la dispersin de la
poblacin sobre la media
Las varianzas no son unidades de inters; los desvos (o
desviaciones) estndar estn en las unidades de inters
Las varianzas son aditivas; Las desviaciones estndar no son
aditivas...
por lo tanto s12 + s22 + s32 est OK,
pero, s1 + s2 + s3 NO est OK
Desviacin Estndar = Sigma

La Desviacin Estndar es una medida de la dispersin de la
poblacin en torno a la media
s = desviacin estndar de poblacin
m = media de la poblacin
N = poblacin total
s = estimacin de desviacin estndar
n = tamao de muestra
s (X )
s = s =
(X
2
2
2
m
+ (X 2 ) + (X 3 m ) ... (X N m )
(X
) + (X
2
) + (X
2
) ... (X
2
n-1
Distribucin Normal
Cada curva aqu mostrada tiene:
Un rea bajo la curva de uno
Una media de cero
Una desviacin tpica de s
Por lo tanto, el mismo % de la

poblacin est por debajo de
cada curva para n s de la
media.
Funcin de Densidad de Probabilidad

Distribucin Normal Estndar
rea bajo la curva = 1
s=1
m=0
La frmula de la funcin
densidad de probabilidad es
1
f ( z)
e
2
Cualquier distribucin
normal puede convertirse
en una distribucin normal
estndar.
m3s m2s
m1s
z2
2
m+1s m+2s m+3s
68.26%
95.46%
99.73%
La Distribucin Normal
Estndar
X m
Permite la conversin de cualquier valor X en un valor Z . Este

valor nos permite encontrar el porcentaje de la poblacin que
est por encima o por debajo de ese valor.
Determinando Probabilidad Acumulada

Usando Tablas de Probabilidades
s = 1, vs. = 2 para X = 27 & m = 28
Zs 2
X-m
27 - 28
Zs 1
1
1
27 - 28
.5
2
P 0.3085
P .1587
m = 28
X = 27
Buscar para s = 1.5 y 2.5 en las Tablas!
Minitab: Probabilidad Normal

Acumulada
Determine la probabilidad normal acumulada desde menos infinito
hasta el valor X = 27
Media = 28.0
Desviacin Estndar = 1.00
Desarrollo:
Abra Minitab
Vaya a Calc > Probability
Distributions > Normal
El cuadro de dilogo Normal
Distribution aparece como se
muestra
Minitab: Probabilidad Normal Acumulada

(Contd)
1. Seleccione Cumulative
Probability
2. Tipee 28.0 en Mean:
3. Tipee 1.00 en Standard
deviation:
4. Seleccione Input
constant:
5. Tipee 27.0 (el valor de X)
en Input constant
6. Seleccione OK
1
2
4
5
6
Lea P( X <= 27.00 ) = 0.1587 en la ventana Session Window


Acumulada (Contd)
Determine la probabilidad normal acumulada desde menos infinito
hasta el valor X = 27
Media = 28.0
Desarrollo:
Abra Minitab
muestra

Acumulada (Contd)
Probability
deviation:
4. Seleccione Input
constant:
5. Tipee 27.0 (el valor de X)
en Input constant
6. Seleccione OK
1
2
4
5
6
Lea P( X <= 27.00 ) = 0.3085 en la ventana Session Window

Determinando Probabilidad Acumulada

Inversa

s = 1, vs. = 2 para X = 27 & m = 28
P .1587
La tabla indica Z - 1
X Z *s + m (1*1) + 28 27
P .3085
La tabla indica Z - .5
X Z *s + m (.5 * 2) + 28 27
m = 28
X = 27
Buscar para s = 1.5 y 2.5 en las Tablas!
Minitab: Probabilidad
Normal Acumulada Inversa
Determine la ordenada X que corresponde a la
probabilidad normal acumulada de 0.1587.
Media = 28.0
Desarrollo:
Abra Minitab

muestra
Minitab: Probabilidad Normal Acumulada

Inversa(Contd)
1. Seleccione Inverse
cumulative probability
deviation:
4. Seleccione Input
constant:
5. Tipee 0.1587 (el valor de
la probabilidad normal
acumulada) en Input
constant:
6. Seleccione OK
1
2
4
5
6
Lea X = 27.0 en la Ventana de Sesin


Acumulada Inversa (Contd)
Determine la ordenada X que corresponde a la
probabilidad normal acumulada de 0.1587.
Media = 28.0
Desarrollo:
Abra Minitab

muestra

Acumulada Inversa(Contd)
1. Seleccione Inverse
cumulative probability
deviation:
4. Seleccione Input
constant:
5. Tipee 0.3085 (el valor de
la probabilidad normal
acumulada) en Input
constant:
6. Seleccione OK
1
2
4
5
6
Lea X = 27.0 en la Ventana de Sesin

Diferencias entre probabilidades

acumulativas
Si queremos saber la probabilidad que el
Calcule
(busque) las
reas bajo la curva
desde - :
Hasta B
resultado de un suceso est entre A y B
Hasta A
y conocemos la distribucin, podemos

determinar el rea de la funcin de
Halle
densidad de probabilidad entre estos
El
dos valores
A B
la diferencia
resultado es la
probabilidad que el
resultado del evento se
encuentre entre esos
dos valores.
Distribucin Acumulativa
Usando Tablas de probabilidad
s = 1, m = 0
A = - 2.3 y B = - 2.1
Calcule el valor de Z para -2.3 y
-2.1 en una tabla normal estndar :
z (-2.3) = 0.0107
z (-2.1) = 0.0179
Por lo tanto, .0072 de la poblacin estar
entre A y B, o sea que hay un 0.72% de
probabilidad que el resultado del evento se
encuentre entre estos dos valores.
A B 0
Minitab: Intervalos de Probabilidad

Normal Acumulativos
Cual es la probabilidad en una distribucin normal, que un

valor sea mayor que A = -2.3 y menor o igual que B = -2.1?
La media es cero y la desviacin estndar es 1.00.
Esto es solo un tema de sumar y/o restar reas bajo la curva
normal apropiada.
Prob (x <= -2.1) = 0.0179
Prob (x <= -2.3) = 0.0107
Probabilidad (-2.3 < x <= -2.1) = 0.0179 0.0107 = 0.0072

Distribucin Acumulada Inversa

Si el 5% de la poblacin total
tiene un valor menor que A,
Cual es el valor de A?
Si el 15% de la poblacin total

tiene un valor menor que B,
Cual es el valor de B?
Calcule el valor z donde hay un

0.05 en la tabla acumulada
estndar normal* . Confirme
mediante Minitab
Calcule el valor z donde hay 0.15

en la tabla acumulada estndar
normal.* Confirme mediante
Minitab
ZP=0.15 = -1.036
ZP=0.05 = -1.645
* Normal estndar se define
como aquella normal con una
media de 0 y desviacin
estndar de 1.
A B 0
Minitab: Intervalos en distribucin

Normal Acumulada Inversa
Si el 5% de una poblacin normal corresponde a un valor menor o igual

que A, cul es el valor de A?.
Media = 0.0.
Desviacin estndar = 1.00.
En la Ventana de Sesin
lea x = -1.645
Minitab: Intervalos en distribucin

Normal Acumulada Inversa (Contd)
Si el 15% de una poblacin normal corresponde a un valor menor o

igual que B, cual es el valor de B?
Media = 0.0.
Desviacin estndar = 1.00.
En la Ventana de Sesin
Lea x = -1.036
Distribucin de Probabilidad Normal

Ejercicio
Conteste estas preguntas usando Minitab:
Una poblacin tiene una m de 100 y una s de 10.
1. Que porcentaje de la poblacin tiene un valor mayor que 118?
2. Que porcentaje de la poblacin tiene un valor menor que 40?
3. Que porcentaje de la poblacin se encuentra entre estos dos valores?
4. Debajo de qu valor se encuentra el cinco por ciento de la poblacin?
5. Preprese para describir su enfoque y dar las repuestas.
Distribucin de Probabilidad
Normal
Solucin del Ejercicio
1. Que porcentaje de la poblacin tiene un valor mayor que 118?
Resp: P(x > 118) = 1 P(x <= 118) = 1 0.9641 = 0.0359
2. Que porcentaje de la poblacin tiene un valor menor que 40?
Resp : P(x <= 40) = 0.000 000 001
3. Que porcentaje de la poblacin se encuentra entre estos dos
valores?
Resp : P(40 < x <= 118) = 0.9641 0.000 000 001 = 0.09641
4. Debajo de que valor se encuentra el cinco por ciento de la

poblacin?
Resp : x = 83.6.
Distribuciones Discretas de
Probabilidad
Distribuciones Discretas de Probabilidad
Seleccin de Distribucin Discreta

Aplicaciones y Ejemplos
Hipergeomtrica
Binomial
Poisson
Aproximacin normal
de la
binomial
Seleccin de Distribucin
Discreta
Inicio
Hipergeomtrica
P(r) =
no
n
<0.10
N
P (r) =
si
Binomial
(or)
n!
pr (1-p)n-r
r! (n-r)!
m = np
s np(1-p)
Acertado
Todo posible
no
C d . C N-d
n-r
np>5
si
CN
n
r = cantidad de aciertos
n = cantidad de pruebas
p = probabilidad de aciertos
N = tamao de la poblacin
d = cantidad de aciertos en
la poblacin
m = media
s = desviacin estndar
Poisson
P (r) = mr e-m
r!
m = l = np
s2 = l
no
.1 < p < .9
Si
Normal
m = np
s np(1-p)
Ejercicio del binomial

Los datos indican que aproximadamente el 4% de los Americanos
se lastiman con una cama, un colchn o almohada cada ao.
A Para un grupo de 15 personas, cual

es la probabilidad que uno o mas de
ellos tenga este tipo de lastimadura
este ao?
B - Cual es la probabilidad que ninguno
de ellos tenga este tipo de lastimadura
este ao?
P (r) =
n!
pr (1-p)n-r
r! (n-r)!
m = np
s np(1-p)
la poblacin
m = media
Solucin
Binomial:
Clculo
Manual
Inicio
Los datos indican que aproximadamente el 4% de los
Americanos se lastiman con una cama, un colchn o
almohada cada ao.
A Para un grupo de 15 personas, cual es la probabilidad
que uno o mas de ellos tenga este tipo de lastimadura este
ao?
B - Cual es la probabilidad que ninguno de ellos tenga este
tipo de lastimadura este ao?
A. Solucin:
n!
pr (1-p)n-r
r! (n-r)!
15
0
15
0
15 !
15 !
1
(
)
0! x 15 0 ! 1 x 15 !
0 aciertos en 15
pruebas
si
Binomial
r = cantidad de aciertos = 0
n = cantidad de pruebas = 15
p = probabilidad de acierto = .04
N = tamao de la poblacin =
Grande
d = cantidad de aciertos en la
poblacin = .04*N = ?
m = media = np = 15*.04 = 6
s= desvo estndar = np(1-p) =
.6*.4 = .4899
0.040 x 0.9615 = 0.5421
Prob de x=0 lastimados = 0.5421
B. Solucin:
Prob x=0 lastimados = 0.5421
Prob(x 1) 1 (Prob(x 0)) What the Distribution Looks Like.

1 0.5421 0.4579
Binomial Distribution Plot

Binomial, n=15, p=0.04
0.6
0.5
0.4
Probability
P (r) =
n
<0.10
N
0.3
0.2
0.1
0.0
Solucin Binomial usando Tablas

Inicio
Como nuestra tabla Binomial en Excel
no incluye el valor p de 0.04, debemos
calcular el valor usando la funcin
BINOMDIST en Excel:
Excel Lookup Tables
p
n
0.04
15
p(r)
0 0.542086
Luego debemos restar este valor de 1

para obtener p(r 1): 1 - .542086 =
0.457914, que coincide con el valor
obtenido en nuestro clculo!
n
<0.10
N
si
Binomial
Grande
d = cantidad de aciertos en la
m = media = np = 15*.04 = 6
.6*.4 = .4899
Solucin Binomial usando Minitab

Los datos indican que aproximadamente el 4% de los Americanos
se lastiman con una cama, un colchn o almohada cada ao.
Para un grupo de 15 personas, cul es la probabilidad que uno o
mas de ellos tenga este tipo de lastimadura este ao?
Cual es la probabilidad que ninguno de ellos tenga este tipo de
lastimadura este ao?
Desarrollo:
Abrir Minitab
Ir a Calc > Probability
Distributions > Binomial
Aparecer el cuadro de
Dilogo BinomialDistribution
como se muestra
P(1 <= x) = 1 P(x = 0)
Solucin Binomial usando Minitab

(Contd)
1
2
3
4
5
6
1. Seleccione exact
Probability
2. Tipee 15 en
Number of trials:
3. Tipee 0.04 en
Probability of
success:
4. Seleccione Input
constant:
5. Tipee 0 en Input
constant:
6. Seleccione OK
In Session Window, P(x = 0) = 0.5421
P(1 <= 1) = 1 0.5421 = 0.4579
Ejercicio Poisson
Inicio
si
n
<0.10
N
Resolver el problema anterior usando Poisson

en vez de Binomial. Los datos indican que
aproximadamente el 4% de los Americanos se
lastiman con una cama, un colchn o almohada
cada ao
Poisson
no
A Para un grupo de 15 personas, cual

es la probabilidad que uno o mas de
ellos tenga este tipo de lastimadura
este ao?
B - Cual es la probabilidad que ninguno

de ellos tenga este tipo de lastimadura
este ao?
Binomial
(o)
np = 15 x .04 = .6
np>5
P (r) = mr e-m
r!
m = l = np
s2 = l
la poblacin
m = media
Solucin Poisson: Clculo Manual

Resolver el problema anterior usando Poisson en vez de Binomial.
A. Si 4% de los Americanos se lastiman con una cama, colchn o almohada

cada ao, cul es la probabilidad que uno o ms de un grupo de 15 personas
sufrirn esa lastimadura este ao?
B. Cul es la probabilidad que ninguno de ellos sufra esa lastimadura este ao?
Prob
(r)
r
m * m
e
r!
0
Media de Poisson: m
.04 *15 0.6
A. Prob ( r 1 ) 1 Prob (r 0 )
1 Pr ob(r 0) 1 e
0.6
1 . 54881 . 45118
B.
Prob (r 0 ) 0.5488
0.60
*
0!
N = tamao de la poblacin = Grande
d = cantidad de aciertos en la poblacin =
.04*N = ?
m = media = np = 15*.04 = 6
.6*.4 = .4899
NOTA : este cuadro difiere del original y

estimo que an en el original est mal
Solucin Poisson Usando

Tablas \DataFile\StatTables.xls
La tabla Poisson en Excel no incluye

np = 0.6, as p(r=0) = 0.5488
Luego restamos el valor de 1 para
obtener p(r 1):
1 - .5488 = 0.4512, el mismo valor al
obtenido por clculo manual
Grande
NOTA
: este cuadro difiere del original y
d = cantidad
en est
la mal
estimo
que ande
enaciertos
el original
m = media = np = 15*.04 = 6
.6*.4 = .4899
Las tablas de Excel son mucho ms simples que calcular probabilidades

Solucin Poisson usando Minitab

Los datos indican que aproximadamente el 4%
de los Americanos se lastiman con una cama,
un colchn o almohada cada ao.
Para un grupo de 15 personas, cul es la probabilidad que uno o
mas de ellos tenga este tipo de lastimadura este ao?
Cual es la probabilidad que ninguno de ellos tenga este tipo de
lastimadura este ao??
Desarrollo:
Abrir Minitab
Ir a Calc > Probability
Distributions > Poisson
Aparece el cuadro de dilogo
Poisson Distribution
como se muestra
P(1 <= x) = 1 P(x = 0)
Media = np = 15*0.04 = 0.6
Poisson es una
aproximacin a la
Binomial
Solucin Poisson usando Minitab (Contd)

1
4
3
1. Seleccione exact
Probability
3. Seleccione Input
constant:
4. Tipee 0 en Input
constant:
5. Seleccione OK
En la ventana de sesin P (x = 0) = 0.5488

P(1 <= 1) = 1 0.5488 = 0.4512
Racional para e-dpu

La distribucin Poisson se utiliza para describir una situacin donde la
probabilidad de un defecto en una unidad especfica o rea dentro de
una unidad es baja, pero la probabilidad global de un defecto es alta,
la situacin ms comn en aplicaciones.
Como vimos antes, la distribucin Poisson se define como:
(np) * e
Y
r!
np
Y = probabilidad de ocurrencias
n = cantidad de ensayos
p = probabilidad de una ocurrencia

r = cantidad total de ocurrencias
P (defecto) baja en cualquier celda, pero

P (defecto) alta en la unidad completa!
Racional para e-dpu

(continuacin)
Porque los Defectos Por Unidad (dpu) pueden ser descritos
como:
Cantidad de defectos por cantidad de unidades
Cantidad de unidades * la probabilidad de un defecto
en cualquier unidad
Los Defectos Por Unidad (dpu) pueden ser sustituidos por np
(dpu) r e- dpu
Y=
r!
Racional para e-dpu

(continuacin)
(dpu) r e- dpu
Y=
r!
Si r (cantidad de ocurrencias) = 0 (ningn defecto en el
producto), rendimiento = 100%, entonces sustituyendo
r por 0
Y=e
-dpu
Si se conocen los defectos por unidad, se puede

calcular el RTY
Distribucin Binomial
Caractersticas
Distribucin de:
r (o x)
n
p
xitos en
ensayos con
probabilidad de xito
Usado con datos modo atributo
m = np
s2 = np (1-p)
La distribucin Binomial
puede
ser aproximada
La distribucin binominal:
n (n >50) ensayos con
p probabilidad
Se aproxima por la curva normal con
m = np y
s2 = np(1-p)
a .5 n p
b +.5 np
ZP
P(a X b) @ P
np (1 p)
np (1 p)
Aplicacin de la Binomial Usando

Minitab
Elija una moneda sana

Lance la moneda 100 veces (100
pruebas)
Cul es la probabilidad de observar
mas de 70 caras?
Cual es la probabilidad de observar
menos de 30 caras?
Desarrollo:
Abra Minitab
Distributions > Binomial
La ventana de dialogo Binomial
Distribution aparecera como se muestra
P(70 < x) = 1 P(x <= 70)
P(x < 30) = P(x <= 29)
Aplicacin de la Binomial Usando Minitab

(Continuacin)
P(70 < x) = 1 P(x <= 70)

1
2
3
4
5
6
probability
2. Tipee 100 en Number of
trials:
3. Tipee 0.5 en Probability
of Success:
4. Seleccione Input
constant:
5. Tipee 70 en Input
constant:
6. Tipee K2 en Optional
storage:
7. Seleccione OK
En la Ventana de Sesin, P(x <= 70) = 0.999984

P(70 < x) = 1 0.999984 = 0.000016
Aplicacin de la Binomial Usando

Minitab (Continuacin)
P(x <= 29)
1
2
3
4
5
6
1. Seleccione
Cumulative
probability
2. Tipee 100 en
Number of trials:
3. Tipee 0.5 en
Probability of
Success:
4. Seleccione Input
constant:
5. Tipee 29 en Input
constant:
6. Tipee K3 en Optional
storage:
7. Seleccione OK
En Ventana de Sesin, P(x <= 29) = 0.000016

Su Turno
Se le requiere a un gerente de una sucursal de banco procesar
el 90% de las aplicaciones de prstamo en dos das o menos.
Si se satisface el requerimiento, cul ser la probabilidad
que, en una muestra de 100 aplicaciones, se procesen en dos
o menos das, 13 de ellas?.
Verifique que la aproximacin normal pueda ser usada, luego
calcule la probabilidad usando la aproximacin normal.
Su Turno: Solucin Minitab

Se requiere a un gerente de una sucursal de banco procesar el
90% de las aplicaciones de prstamo en dos das o menos.
Si se satisface el requerimiento, cul ser la probabilidad que,
en una muestra de 100 aplicaciones, se procesen en dos o
menos das, 13 de ellas?.
Desarrollo:
Falla = Procesar una aplicacin en 2 das o menos

xito = Procesar una aplicacin en mas de 2 das
P (xito) = 1 P (Falla) = (1 0.90) = 0.10
Probabilidad de procesar 13 o menos aplicaciones
en un mximo de dos das
P (x <= 13)
Su Turno: Solucin Minitab

(Continuacin)
En Ventana de Sesin, P (x <= 13) = 0.8761


05 Measure W1 Probability and Basic Statistics Sp. Six Sigma Measure

Hochgeladen von

Dokumentinformationen

Originaltitel

Copyright

Verfügbare Formate

Dieses Dokument teilen

Dokument teilen oder einbetten

Freigabeoptionen

Stufen Sie dieses Dokument als nützlich ein?

Sind diese Inhalte unangemessen?

Copyright:

Verfügbare Formate

05 Measure W1 Probability and Basic Statistics Sp. Six Sigma Measure

Hochgeladen von

Copyright:

Verfügbare Formate

Six Sigma

Entrenamiento Green Belt

Acerca de este Mdulo

resultado especfico o de un conjunto de resultados de un suceso

Estadstica bsica La Estadstica bsica es una coleccin de tcnicas

anlisis de informacin contenida en una muestra de esa poblacin.1

Douglas C. Montgomery, Introduction to Statistical Quality Control, Third Edition, 1997

Teora de Probabilidad Bsica

Definiciones de Estadstica Bsica

Mediciones de Tendencia Central

Transformacin Normal Estndar

Uso de Tablas Estadsticas

Distribucin acumulada inversa

5. Capacidad de Proceso Bsica

Precisin, Exactitud &

6. Usar Z para calcular Cp & Pp

Datos por Atributos

Distribuciones de probabilidad discretas

Aproximacin Normal a la Binomial

200 Tiradas de un dado

Cules son los Resultados

200 Tiradas de un par de dados

Cmo compara esto

Un evento es el conjunto de resultados elementales que satisfacen

Ejemplo: el evento que la suma de dos dados sea 7

La probabilidad de un evento es la suma de las probabilidades de

Aplicando las reglas de la

1. Cul es la probabilidad de sacar tres caras seguidas al arrojar

Las estadsticas tienen una marcad influencia en nuestras vidas

- el valor ms frecuente o ms probable

Mediana el cincuentavo percentil

Poblacin Versus Muestra

Las Estadsticas deducen informacin sobre los parmetros de la

Atributos del Histograma Locacin

Mediciones de Variabilidad Varianza

por lo tanto s12 + s22 + s32 est OK,

Desviacin Estndar = Sigma

Por lo tanto, el mismo % de la

Funcin de Densidad de Probabilidad

m+1s m+2s m+3s

Permite la conversin de cualquier valor X en un valor Z . Este

Determinando Probabilidad Acumulada

Buscar para s = 1.5 y 2.5 en las Tablas!

Minitab: Probabilidad Normal

Minitab: Probabilidad Normal Acumulada

Lea P( X <= 27.00 ) = 0.1587 en la ventana Session Window

Minitab: Probabilidad Normal

Minitab: Probabilidad Normal

Lea P( X <= 27.00 ) = 0.3085 en la ventana Session Window

Determinando Probabilidad Acumulada

Usando Tablas de Probabilidades

Distributions > Normal

Minitab: Probabilidad Normal Acumulada

Lea X = 27.0 en la Ventana de Sesin

Minitab: Probabilidad Normal

Distributions > Normal

Minitab: Probabilidad Normal

Lea X = 27.0 en la Ventana de Sesin

Diferencias entre probabilidades

resultado de un suceso est entre A y B

y conocemos la distribucin, podemos

densidad de probabilidad entre estos

Minitab: Intervalos de Probabilidad