Beruflich Dokumente
Kultur Dokumente
FASE
DE
MEDICI
N
2. Probabilidad
Dr. Primitivo Reyes
Aguilar / enero
2009enero 2009
www.icicm.com
primitivo_reyes@yahoo.
com 04455 52 17 49 12
P.
Contenido
VI. FASE DE MEDICIN - PROBABILIDAD.................................................3
Definiciones......................................................................................3
VI.1 Conclusiones estadsticas vlidas.................................................3
Estudios analticos (inferenciales).....................................................3
Estudios enumerativos (descriptivos)...............................................4
VI.2 Teorema del lmite central............................................................5
VI.3 Conceptos de Probabilidad...........................................................6
Probabilidad de un evento simple.....................................................7
Probabilidad de eventos Compuestos...............................................7
Relaciones entre eventos..................................................................8
Leyes dela probabilidad..................................................................10
Teorema de Bayes...........................................................................11
VI.4 Distribuciones de probabilidad...................................................13
VI.5 Distribuciones de probabilidad discretas....................................14
DISTRIBUCIN HIPERGEOMTRICA.................................................14
b) Cul es la probabilidad de aceptar el lote si contiene 3
defectuosos.....................................................................................15
DISTRIBUCIN BINOMIAL................................................................15
DISTRIBUCIN DE POISSON............................................................18
VI.6 Distribuciones de probabilidad continuas...................................22
DISTRIBUCIN EXPONENCIAL..........................................................23
La distribucin normal.....................................................................27
VI.7 Distribuciones de probabilidad para decisin.............................29
DISTRIBUCIN CHI CUADRADA........................................................29
DISTRIBUCIN T DE STUDENT.........................................................30
Distribucin F..................................................................................31
Bibliografa.........................................................................................33
Pgina 2 de 43
P.
Definir
Definir
Medir
Medir
Analizar
Analizar
Mejorar
Mejorar
Controlar
Controlar
Definiciones
Distribuciones
de
probabilidad
continuas
Distribuciones
de
probabilidad
discretas
Distribuciones
de
probabilidad
de decisin
Pgina 3 de 43
P.
Estadstico
X
Parmetro
Pgina 4 de 43
Pgina 5 de 43
P.
P.
RESUMEN
Los estudios analticos inician con el establecimiento de la hiptesis
acerca de los parmetros de la poblacin. Se obtiene un estadstico
muestral para probar la hiptesis y ya sea rechazarla o no rechazarla.
En un cierto nivel de confianza se deben poder hacer inferencia
respecto a la poblacin.
Ejemplo:
Pgina 6 de 43
P.
S X 0.124
=
=0.062 gramos
n 4
Pgina 7 de 43
P.
P E
# Favorable E
# Total resultados
1
.16
6
1
.5
2
Ejemplo 3: La probabilidad de sacar 1,2,3,4,5, o 6 al lanzar un dado es:
1 1 1 1 1 1
1
6 6 6 6 6 6
o Interseccin .
Unin de A y B
Pgina 8 de 43
Interseccin de A y B
Si A y B son eventos en un espacio muestral S, la interseccin
A B
P.
de A y B
A 1 P A
P A B
P A B
P B
, si B 0
Pgina 9 de 43
P.
P A B
P A B
P B
0.2
0.67
0.3
A
P(A/B)=.67
Falla
apariencia
32%
3%
Total
18%
12%
RAZN DE LA
QUEJA
Falla
mecnica
13%
22%
30%
35%
35%
100%
Falla elctrica
En garanta
Fuera de
garanta
Total
63%
37%
Pgina 10 de 43
P.
1 1 1
.33
P A B 6 6 3
a)
P A B P A P B P A B
P A B P A P B
P.
P A B P A P B A
P A B P A P B
98 98
.9604
P A B P A P B = 100 100
A
P(A) =.98
B
P(B) =.98
98 97
.9602
P A B P A P B A = 100 99
Se observa que los eventos son dependientes ya que para que para obtener
el evento B, se tiene que haber cumplido antes el evento A.
P(B/A)=.97
Pgina 12 de 43
P(A) =.98
P.
Teorema de Bayes
Mediante el teorema de Bayes se puede calcular la probabilidad de que
ocurra un determinado evento, cuando no hay datos inmediatos del mismo
mediante la informacin que se tiene de otros eventos.
Cuando existen dos eventos posibles A y B, la probabilidad de que ocurra Z
se describe mediante el teorema de probabilidad total el cual es:
P ( Z ) P A P Z A P B P Z B
Mediante el teorema anterior se deduce el teorema de Bayes:
P A Z
P A P Z A
P A P Z A P B P Z B
Para encontrar la probabilidad de que sea mujer dado que mide ms de 1.80,
Utilizando el teorema de Bayes:
Pgina 13 de 43
P B Z
P.
P B P Z B
P A P Z A P B P Z B
Hombre
Mujer
Pgina 14 de 43
P(A/Z)
P(B/Z) = .032
P.
Su frmula es la siguiente:
FX ( x) P ( X x )
Pgina 15 de 43
P.
Con propiedades:
0 F ( x) 1
Lim x F ( x) 1
Lim x F ( x ) 0
X E[( X X ) 2 ] ( x X ) 2 P( X x)
2
N D
C C
n!
P ( x) x Nn x
C xn
Cn
x!(n x)!
Con
La media y la varianza de la distribucin hipergeomtrica son:
Pgina 16 de 43
P.
USO DE EXCEL:
N = Tamao de Poblacin, n = Tamao de muestra, D= xitos en la
poblacin; x = xitos en la muestra.
En Fx Estadsticas seleccionar
=distr.hipergeom(x, n, D, N)
USO
DE MINITAB:
Calc > Probability distributions > Hypergeometric
Probability (densidad) o Cumulative probability (acumulada)
N, D, n y en Input constant introducir x.
EJERCICIO:
1. Se compran 10 transformadores y se toma una muestra de 4. Si se
encuentra uno o ms defectuosos se rechaza el lote de 10.
a) Cul es la probabilidad de aceptar el lote si contiene 3 defectuosos.
b) Si el lote tiene un defectuoso, Cul es la probabilidad de que se rechace
el lote?
DISTRIBUCIN BINOMIAL
Ensayo Bernoulli. Es un experimento aleatorio que solo tiene dos
resultados. xito o fracaso. Donde la probabilidad de xito se denota
por p
Pgina 17 de 43
P.
n = tamao de muestra
x = Ocurrencias o nmero de defectivos
p = probabilidad o proporcin defectiva
Pgina 18 de 43
P ( X=1 )=
P.
10!
(0.1)1( 0.9)9 =38.74
1!9!
1- p =0.927
p(1 p)
0.073(0.927)
=
=0.015
n
300
DE MINITAB:
Calc > Probability distributions > Binomial
Probability (densidad) o Cumulative probability (acumulada)
n = number of trials, p = probability of success y en Input
constant introducir x.
EJERCICIOS
Pgina 19 de 43
P.
1. Un panel solar tiene una vida til de 5 aos con una probabilidad de 0.95.
Se toman 20 paneles solares y se registr la vida til.
a) Cul es la probabilidad de que exactamente 18 tengan su vida til de 5
aos?
b) Cul es la probabilidad de que cuando mucho 10 tengan esa vida til?
c) Si solo 10 paneles tienen una vida til de 5 aos, que debera pensarse
sobre el valor verdadero de P?
2. 20% de los telfonos se reparan cuando todava est vigente la garanta.
De estos el 60% se reparan mientras que el 40% se reemplazan. Si una
empresa compra 10 de estos telfonos, Cul es la probabilidad de que
exactamente sean reemplazados 2 en periodo de garanta?.
3. Suponga que solo 25% de los automovilistas se detienen por completo en
un alto con luz roja intermitente cuando no est visible otro automvil. Cul
es la probabilidad de que de 20 automovilistas seleccionados al azar se
detengan:
a) A lo sumo 6 se detengan por completo
b) Exactamente 6 se detengan por completo?
c) Al menos 6 se detengan por completo?
d) Cuntos de los siguientes 20 automovilistas se espera que se detengan
por completo?
4. De todas las plantas slo el 5% descargan residuos por sobre la norma. Si
se muestrean 20 plantas Cul es la probabilidad de que estn fuera de la
ley:
a) Menos que una planta?
b) Menos de dos plantas
c) Exactamente 3
d) Ms de una
DISTRIBUCIN DE POISSON
La distribucin de Poisson se utiliza para modelar datos discretos como
aproximacin a la Binomial dada la dificultad que exista de encontrar
tablas Binomiales adecuadas cuando n es grande y p pequea. La
distribucin de probabilidad de Poisson proporciona buenas
aproximaciones cuando np <= 5.
Pgina 20 de 43
P.
5000!
(0.001) 4 (0.999) 4996
4!*4996!
Pgina 21 de 43
P ( y 4)
P.
4 e 5 4 e 5
0.1745
4!
4!
20!
(0.05) 2 (0.95)18 0.188
2!*18!
P ( X=2 ) =
e
4
=
=0.27=27
2
x!
2!e
Pgina 22 de 43
P.
USO DE EXCEL:
x = xitos en la muestra, np = media.
En Fx Estadsticas seleccionar
=Poisson(x, np, 0 o 1 dependiendo si es puntual o acumulada)
USO
DE MINITAB:
Calc > Probability distributions > Poisson
Probability (densidad) o Cumulative probability (acumulada)
n*p = mean y en Input constant introducir x.
Pgina 23 de 43
P.
EJERCICIOS:
1. El 20% de los choferes son mujeres, si se seleccionan 20 al azar
para una encuesta:
Usando la distribucin binomial y la distribucin de Poisson
a) Cul es la probabilidad de que dos choferes sean mujeres ?
b) Cul es la probabilidad de que al menos cuatro sean mujeres?
Pgina 24 de 43
b) 4 estn calificados
Pgina 25 de 43
P.
P.
probabilidad continuas
Se diferencian de las distribuciones de probabilidad discretas en que su
funcin de distribucin acumulativa (F(yo)) para una variable aleatoria
y es igual a la probabilidad F(yo) = P(y<=y0).
Si F(y) es la funcin de distribucin acumulada para una variable
aleatoria continua entonces su funcin de densidad f(y) para y es:
f(y) = dF(y) / dy
Sus propiedades son que:
1. f(y) >= 0
2. Integral desde menos infinito a ms infinito de f(y) d(y) = F( ) = 1
f(y)
F(yo)
yo
y
Funcin de distribucin acumulativa
Entre las distribuciones continuas ms comunes se encuentran la
distribucin normal y la distribucin exponencial.
Pgina 26 de 43
P.
DISTRIBUCIN EXPONENCIAL
Se usa para modelar artculos con una tasa de falla constante y est
relacionada con la distribucin de Poisson. Si una variable aleatoria x
se distribuye exponencialmente, entonces el recproco de x,
y=
1/x sigue una distribucin de Poisson y viceversa.
La funcin de densidad de probabilidad exponencial es: Para x >= 0
x
1
f ( x) e e x
P ( X x) 1 e t
Cuando X = 0 la distribucin de Poisson se convierte en el segundo
trmino de la distribucin exponencial.
Pgina 27 de 43
P.
t
Aqu se desea saber de que no transcurra ms de cierto tiempo entre
dos llegadas, sabiendo que se tiene una tasa de llegadas .
Ejemplo: El tiempo de respuesta de un departamento es de 5 minutos
promedio y se distribuye exponencialmente. La probabilidad de que el
tiempo de respuesta a lo sumo sea de 10 minutos se determina como
sigue:
P(X<=10) = F(10; 1/5) = 1- exp(-0.2*10) = 0.865
La probabilidad entre el tiempo de respuesta de 5 y 10 minutos es:
P(5<=X<=10) = F(10;1/5) F(5; 1/5) = 0.233
USO DE EXCEL:
Lamda = 1/ media.
En Fx Estadsticas seleccionar
=distr.exp(x, lamda,1) = distr.exp(10,0.2,1) = 0.865
USO
DE MINITAB:
Calc > Probability distributions > Exponential
Probability (densidad) o Cumulative probability (acumulada)
Indicar Threshold = 0 y en Scale indicar la media 5
En Input constant indicar la X del tiempo.
Pgina 28 de 43
P.
Fallas diseo
Fallas infantiles
Senectud
Fallas por desgaste
R(t ) e t
Donde es la tasa media de falla y su inverso es el tiempo medio entre
fallas (MTBF), o sea:
1
MTBF
Pgina 29 de 43
Pgina 30 de 43
P.
P.
EJERCICIOS:
1. Sea X el tiempo entre dos solicitudes de servicio sucesivas a un
departamento, si X tiene una distribucin exponencial con media = 10,
calcular:
a) El tiempo esperado entre dos solicitudes sucesivas.
b) La desviacin estndar de esas llegadas
c) P(X<=15)
d) P(8<=X<=14)
2. Las falla de los ventiladores de un equipo tiene un tiempo promedio
de 25,000 Horas, cul es la probabilidad de que
a) Un ventilador seleccionado al azar dure por lo menos 20,000 horas?
b) A lo sumo 30,000 horas?
c) Entre 20,000 y 30,000 horas?
3. Un fabricante de equipos electrnicos ofrece un ao de garanta. Si
el equipo falla en ese periodo por cualquier razn se reemplaza. El
tiempo hasta una falla est modelado por la distribucin exponencial:
f(x) = 0.125 exp(-0.125*x)
a) Qu porcentaje de los equipos fallarn dentro del periodo de
garanta?
b) El costo de fabricacin del equipo es de $500 y la ganancia es de
$250 Cul es el efecto de la garanta por reemplazo sobre la
ganancia?
4. El tiempo entre fallas de un componente de equipo es importante
para proveer de equipos de respaldo. Un generador elctrico tiene una
vida promedio de 10 das.
a) Cul es la probabilidad de que falle dentro de los siguientes 14
das?
b) Cul es la probabilidad de que opere por ms de 20 das?
Pgina 31 de 43
Pgina 32 de 43
P.
P.
La distribucin normal
Esta distribucin tiene numerosas aplicaciones, como ya se vio antes
es la base del teorema del lmite central para la distribucin de las
medias muestrales.
Su funcin de densidad es la siguiente:
Pgina 33 de 43
P.
Pgina 34 de 43
P.
Pgina 35 de 43
Pgina 36 de 43
P.
P.
DISTRIBUCIN T DE STUDENT
La distribucin t de student se forma al combinar una variable
aleatoria normal y una variable aleatoria chi cuadrada, de forma que la
variable aleatoria con una distribucin t es a siguiente:
Pgina 37 de 43
P.
Distribucin F
Si X es una variable aleatoria Chi cuadrad con 1 grados de libertad y
Y es una variable aleatoria Chi cuadrada con 2 grados de libertad y X
y Y son independientes, entonces la siguiente variable aleatoria sigue
una distribucin de probabilidad F con 1 , 2 grados de libertad.
Pgina 38 de 43
P.
Pgina 40 de 43
P.
P.
Bibliografa
Referencias (Breyfogle, 2003) (Omdahl, 1997) (Triola, 1994)
(Wortman, 2001) (Smith, 1987) (Duncan, 1986) (Grant, 1988) (Lapin,
1992)
[En lnea] / aut. Network The Gilbreth. - 30 de 11 de 2006. http://gilbrethnetwork.tripod.com/therbligs.html.
"Kaizen events - 5Ss", Lean Six Sigma [Libro] / aut. Davidson P.. VIllanova : Bisk Education, Inc. and Villanova University, 2006.
"The 5S Philosophy", Matalteck Mfg, Inc. Papa Kaizen [En lnea] /
aut. Skaggs T.. - 1 de 11 de 2006. http://www.tpmonline.com/papakaizen/articlsa_on_lean_manufacturing
_strategies/5s.htm.
A study of the Toyota Production System from an industrial
engineering view point [Libro] / aut. Shingo S.. - Cambridge, MA :
Productivity Press, 1989.
A study of the Toyota production system from an industrial
engineering viewpoint [Libro] / aut. Shingo S.. - Cambridge, MA :
Productivity Press, 1989.
Advancing Quality Planning (APQP) and Control Plan Reference
Manual [Libro] / aut. AIAG. - Southfield, Michigan EUA : AIAG, 2000.
Becoming Lean: Inside stories of U.S. manufactiurers [Libro] /
aut. Liker J.. - Portland, OR : Productivity Press, 1997.
Business Statistics [Libro] / aut. Triola M.F. & FRanklin L.A.. Reading : Addison Wesley, 1994.
Business Statistics [Libro] / aut. Triola M.F. & Franklin, L.A.. Reading : Addison Wesley, 1994.
CSSGB Primer [Libro] / aut. Wortman B.L.. - Terre Haute, IN : Quality
Council of Indiana, 2001.
Engineering statistics handbook [Libro] / aut. NIST. - [s.l.] : NIST,
2001.
Engineering Statistics Handbook [En lnea] / aut. NIST. Information Technology Laboratory, Statistical Engineering Division,
2001. - 21 de 9 de 2001.
Examining Just in Time and Theory of Constraints. Lean
Directions [En lnea] / aut. Pitcher M.. - 13 de 03 de 2003. - 29 de 11
de 2006. - http://www.sme.org/cgi-bin/get-newsletter.pl?
lean&2003013&1.
Gemba Kaizen: A common sense, low cost aproach to
management [Libro] / aut. Imai M.. - Nueva York : McGraw Hill, 1997.
How to be an effective trainer [Libro] / aut. Smith B. & Delahaye,
B.. - Nueva York : Wiley professionmal Development Programs, 2nd.
edition, 1987.
Pgina 41 de 43
P.
Implementing Sis Sigma [Libro] / aut. Breyfogle F., III. - Nueva York :
John Wiley and Sons, 2nd. edition, 2003.
Implementing six sigma: Smarter solutions using statistical
methods [Libro] / aut. Breyfogle F.W. III. - Nueva York : John Wiley and
Sons, 2003. - Vol. 5th edition.
iSizSigma [En lnea] / aut. Isixsigma. - 14 de 11 de 2006. http://www.isizsigma.com/dictionary/5S-486.htm.
ISO /TS 16949:2002 Quality Management Systems [Libro]. Genova, Suiza : ISO, 2002.
Lean Kaizen. A simplified approach to process improvements
[Libro] / aut. Alukai G. & Manos A.. - Milwaukee WI : ASQ Qaulity Press,
2006.
Measurement system analysis reference manual [Seccin del
libro] / aut. MSA / aut. libro AIAG. - [s.l.] : Automotive Industry Action
Group, 1998.
Measuring systema analysis [Libro] / aut. AIAG. - [s.l.] : AIAG, 1998.
Moder approaches to manufacturing improvement: The Shingo
System [Libro] / aut. Robinson A.. - Portland, OR : Productivity Press,
1990.
Practical statistics: Simply explained [Libro] / aut. Langley R.. Nueva York : Dover publications, 1971.
Product part approval process (PPAP) [Libro] / aut. AIAG. - [s.l.] :
AIAG, 1995.
Quality control and industrial statistics [Libro] / aut. Duncan A.J.. Homewood, IL : Richard D. Irwin, 1986. - Vol. 5th. edition.
Quality dicitonary [Libro] / aut. Omdahl. - Terre Haute IN : Quality
Council of Indiana, 1997.
Quality management: introduction to total quality
management for production, processing and services, 3rd.
edition [Libro] / aut. Goestsch D.L. & Davis, S.B.. - Nueva York : Upper
Saddle River, Prentice Hall, 2000.
Reading Statistics and Research [Libro] / aut. Huck S. & Cormier,
W.. - Nueva york : HerperCollins, 1996. - Vol. 2a. edicin.
Satistical quality control [Libro] / aut. Grant E.L. & Leavenworth, R. Nueva York : McGraw Hill, 1988. - Vol. 6th. edition.
Simon [En lnea] / aut. Simon K. // Sample SIPOC Diagram. - 2001. - 19
de 08 de 2001. http://www.sixsigma.com/library/content/c010429b.asp.
Statistics for the modern business decisions [Libro] / aut. Lapin
L.L.. - Nueva York : Harcourt, 1992. - Vol. 3rd. edition.
The 5S'sfive keys to a total quality improvement [Libro] / aut.
Osada T.. - Tokio : Asian Productivity Organziation, 1991.
The Black Belt Memory Jogger: A pocket guide for Six Sigma
success [Libro] / aut. Sigma Academy Six. - Salem, NH : GOAL/QPC,
2002.
Pgina 42 de 43
P.
Pgina 43 de 43