Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Introducción A La Probabilidad
Introducción A La Probabilidad
Sin embargo, no hay una ecuacin que con todos esos datos le permita
calcular los milmetros de lluvia que van a caer en un mes en forma
precisa.
Experimento 2:
Se arroja una moneda cuatro veces y se cuenta el nmero total de
caras obtenidas.
Experimento 3:
Se arroja una moneda cuatro veces y se anota la sucesin de caras y
cecas obtenidas.
Experimento 4:
Se fabrican artculos en una lnea de produccin y se cuenta el
nmero de artculos defectuosos producidos en 24 horas.
Experimento 2:
Se arroja una moneda cuatro veces y se cuenta el nmero total de
caras obtenidas:
Experimento 3:
Se arroja una moneda cuatro veces y se anota la sucesin de caras (C)
y cecas (X) obtenidas:
Experimento 4:
Se fabrican artculos en una lnea de produccin y se cuenta el
nmero de artculos defectuosos producidos en 24 horas.
El tcnico toma una pequea porcin, por ejemplo, 100 gramos y dir
que tom una muestra del producto para analizar en el laboratorio.
Hasta el momento, la muestra no fue analizada y por lo tanto no
tenemos ningn dato numrico.
Una forma sera escribir los nmeros desde el menor hasta el mayor y
colocar encima de cada uno tantas cruces o cuadraditos como veces que
figure repetido en la poblacin:
165
1,8
163
-0,2
171
7,8
156
-7,2
162
-1,2
159
-4,2
162
-1,2
168
4,8
159
-4,2
167
3,8
165
1,8
3,24
163
-0,2
0,04
171
7,8
60,84
156
-7,2
51,84
162
-1,2
1,44
159
-4,2
17,64
162
-1,2
1,44
168
4,8
23,04
159
-4,2
17,64
167
3,8
14,44
En nuestro caso:
Por lo tanto:
para la Media
s2
s
para la Varianza
para la Desviacin Standard muestral
Frecuencia
Si llamamos Z a la cantidad
la funcin queda as:
La Distribucin T de Student
Distrib. de x
Media
Varianza
s2
Desv. Standard
Forma de la curva
cualquiera
Distrib. de
ms cerca de la
Normal
Test de Hiptesis
...Etc.
La Distribucin Binomial
Una persona arroja 1 dado apostando con otro a que saca un as. La
probabilidad de sacar el as es igual a:
donde
donde
La varianza de Y es:
Y la desviacin standard:
Grficos de Control
etc...
Supongamos que estos datos se registran en un grfico de lneas en
funcin del tiempo:
Grficos X-R
.....Etc.
Por cualquiera de los dos caminos, obtenemos grupos de igual nmero
de mediciones. Para cada subgrupo calculamos el Promedio y el Rango
(Diferencia entre el valor mximo y el valor mnimo).
Promedio de Subgrupo
N
Nmero de Subgrupos
o tambin:
Mediciones individuales
N
Nmero de Subgrupos
Grficos np
0 defectuosos
1 defectuoso
2 defectuosos
...
n defectuosos
Muestra
N
Defectuosos
N Defectuosos en muestra i
n
N elementos en la muestra
N muestras
Con esto podemos calcular los Lmites de Control para el grfico np:
La Distribucin de Poisson
Para entender la Distribucin de Poisson, vamos analizar un
ejemplo detenidamente. Supongamos que se tiene una tabla
rectangular de madera, de 1 metro por 1 metro, pintada con un
recubrimiento sobre cuya superficie se presentan
aleatoriamente pequeos defectos. Estos defectos podran ser
por ejemplo partculas muy pequeas de pigmento que no fueron
bien molidas al fabricar la pintura. Se desea calcular la
probabilidad de que aparezcan estos defectos:
La varianza de xi es
cualquiera que sea el subindice i,
porque todas las xi tienen la misma distribucin:
Por lo tanto:
Grficos C y U
Rayaduras en la superficie.
Rajaduras en el plstico
Antena defectuosa
Botn defectuoso.
Etc.
0 defectos
1 defecto
2 defectos
3 defectos
...
n defectos
Nm.
Defectos
etc
1.0
1.6
1.2
10
2.0
1.0
15
3.0
12
2.4
1.0
Capacidad de Proceso
donde
LSE es el Lmite Superior de Especificacin
y
LIE es el Lmite Inferior de Especificacin
Si el proceso tiene capacidad para fabricar el producto,
entonces Cp > 1. En general se exige Cp > 1.30 para mayor
seguridad.
Donde: