Está en la página 1de 25

ESTADÍSTICA Y PROBABILIDAD

PRESENTADO POR:

JENNY MARCELA QUINAYAS

TÉCNICO EN REGENCIA DE FARMACIA - CEAD: JAG

ESTADISTICA Y PROBABILIDAD – 211622-3

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA –UNAD

COLOMBIA

2016
INTRODUCCION

A continuación se muestra el trabajo relacionado con la segunda unidad de aprendizaje del


curso de Estadística y Probabilidad, en el cual encontramos el tema central la Probabilidad
en la que se llegasen a presentar ciertas situaciones en la fábrica de Lácteos “Santa Helena”.
Para estos ejercicios se tuvo en cuenta como problema la posible exportación de productos
lácteos (En este caso la producción se enfoca en la elaboración de Queso Doble Crema,
caracterizando una de las variedades propias de nuestro país), el cual contempla 9 procesos
los cuales son descritos durante el desarrollo del trabajo y que a la hora de evaluar el tema
toman gran importancia (Los cuales son el enfoque de nuestro análisis estadístico).
Para el análisis de dichos datos encontramos 5 puntos y una discusión final de la situacion
problema la cual nos ayudara a comprender los temas de Probabilidad en la rama de la
estadística, el desarrollo del tema de tablas de doble entrada (donde se encuentran algunas
de las variables a evaluar), el tema de la probabilidad de presentación de un caso, la llegada
de productos a la fábrica, remisión de insumos y temperatura de almacenamiento del queso
son temas que enfocados en el area de estadística nos ayudara a abordar dichos temas
aterrizándolos a lo que sucede en la actualidad en un trabajo para desarrollarse
profesionalmente.
Cada una de estas actividades es desarrolladas con el apoyo de todos los compañeros del
grupo con la finalidad de poder de aprender sobre el tema de Probabilidad y que este tema
pueda ser aplicado en algún momento en nuestras etapas profesionales.
DESARROLLO DEL TRABAJO
Planteamiento del Problema
La fábrica de lácteos “Santa Helena” tiene un proceso de producción de queso doble crema
(recibe la leche cruda), el cual está integrado de 9 subprocesos (peso de leche, nivel de
acidez, pasteurización, cuajado, desuerado, hilado, moldeo, enfriado y almacenamiento),
cada uno de estos procedimientos son pieza clave para la calidad del producto final. La
fábrica lleva en actividades año y medio, empieza a extender su mercado a nivel nacional,
para lo cual requiere ser reconocida por su calidad. Por consiguiente requiere de un proceso
de certificación mediante las normas ISO, para así estandarizar su proceso y poder competir
más adelante en el mercado nacional, esto pensando incursionar en mercados más exigentes
como el extranjero. Un consultor de calidad aconseja a la dirección analizar las variables,
investigación que genero la base de datos suministrada con la siguiente descripción de las
variables.

VARIABLE DESCRIPCIÓN
Remisiones Recepción de la leche proveniente de cooperativa lechera
Peso Peso promedio de la leche a procesar
Acidez Nivel de acidez
Pasteurización Tiempo para calentar la leche
Cuajado Tiempo de cuajado
Desuerado Tiempo de desuerado
Hilado Tiempo de hilado
Moldeo Tiempo de moldeo
Enfriamiento Tiempo de enfriamiento
Almacenamiento Temperatura de almacenamiento del producto final
Concepto Concepto de control de calidad sobre el producto final

Se pide con la base de datos obtenida, realizar un análisis estadístico que permita obtener
conclusiones útiles que fundamenten estrategias que propendan por la búsqueda de
estándares aplicables en la normatividad de un sistema de calidad para el proceso
productivo de la empresa “Santa Helena”.

Solución de los problemas planteados:

1. Problema 1

 ¿En cuales conceptos de la probabilidad se puede apoyar el investigador para


analizar el problema planteado?

a) Experimento: Es toda acción sobre la cual vamos a realizar una medición u


observación, es decir cualquier proceso que genera un resultado definido.
b) Experimento Aleatorio: Es toda actividad cuyos resultados no se determinan con
certeza. Ejemplo: lanzar una moneda al aire. No podemos determinar con toda
certeza ¿cuál será el resultado al lanzar una moneda al aire?
c) Espacio Muestral (S): Es un conjunto de todos los resultados posibles que se
pueden obtener al realizar un experimento aleatorio.
d) Punto Muestral: Es un elemento del espacio muestral de cualquier experimento
dado.
e) Evento o Suceso: Es todo subconjunto de un espacio muestral. Se denotan con
letras mayúsculas: A, B, etc. Los resultados que forman parte de este evento
generalmente se conocen como "resultados favorables". Cada vez que se observa
un resultado favorable, se dice que "ocurrió" un evento. Los eventos pueden ser:
 Evento cierto: Un evento es cierto o seguro si se realiza siempre.
 Evento imposible: Un evento es imposible si nunca se realiza.
 Evento probable o aleatorio: Un evento es aleatorio si no se puede precisar de
antemano el resultado.
a) Probabilidad: Es el conjunto de posibilidades de que un evento ocurra o no en un
momento y tiempo determinado. Dichos eventos pueden ser medibles a través de
una escala de 0 a 1, donde el evento que no pueda ocurrir tiene una probabilidad de
0 (evento imposible) y un evento que ocurra con certeza es de 1 (evento cierto). La
probabilidad de que ocurra un evento, siendo ésta una medida de la posibilidad de
que un suceso ocurra favorablemente, se determina principalmente de dos formas:
empíricamente (de manera experimental) o teóricamente (de forma matemática).
 Probabilidad empírica: Si E es un evento que puede ocurrir cuando se realiza un
experimento, entonces la probabilidad empírica del evento E, que a veces se le
denomina definición de frecuencia relativa de la probabilidad, está dada por la
siguiente fórmula:

Nota: P (E), se lee probabilidad del evento E

 Probabilidad teórica: Si todos los resultados en un espacio muestral S finito son


igualmente probables, y E es un evento en ese espacio muestral, entonces la
probabilidad teórica del evento E está dada por la siguiente fórmula, que a veces se
le denomina la definición clásica de la probabilidad, expuesta por Pierre Laplace en
su famosa Teoría analítica de la probabilidad publicada en 1812:
b) Posibilidades: Las posibilidades comparan el número de resultados favorables con
el número de resultados desfavorables. Si todos los resultados de un espacio
muestral son igualmente probables, y un número n de ellos son favorables al evento
E, y los restantes m son desfavorables a E, entonces las posibilidades a favor de E
sonde de n (E) a m (E), y las posibilidades en contra de E son de m (E) a n (E).
 Ejemplos ilustrativos: Mathías se le prometió comprar 6 libros, tres de los cuales
son de Matemática. Si tiene las mismas oportunidades de obtener cualquiera de los
6 libros, determinar las posibilidades de que le compren uno de Matemática.
Solución:
Número de resultados favorables = n (E) = 3
Número de resultados desfavorables = m (E) = 3
Posibilidades a favor son n (E) a m (E), entonces,
Posibilidades a favor = 3 a 3, y simplificando 1 a 1.
Nota: A las posibilidades de 1 a 1 se les conoce como "igualdad de posibilidades" o
"posibilidades de 50-50"

Tomado de: Suarez, s.f

 Identificar las variables obtenidas en la base de datos y diligenciar el siguiente


cuadro:

Variable Cuantitativa Cualitativa


Remisiones X
Peso X
Acidez X
Pasteurización X
Cuajado X
Desuerado X
Hilado X
Moldeo X
Enfriamiento X
Almacenamiento X
Concepto X
Estandarización X
Corte de la X
cuajada
Salado X
Fundido X
Calculo de X
rendimiento
Despacho X
Producción diaria X
Extra contenido g. X

 De su propuesta de estudio estadístico, ¿qué otras variables podría tener en cuenta?


Incluyas en el cuadro anterior y subráyelas de rojo.

Para este caso se podría tener en cuenta variables como: Estandarización, Corte de la
cuajada, Salado, Fundido, Calculo de rendimiento, Despacho, Producción diaria, Extra
contenido g.

 Construya una tabla de doble entrada acidez vs concepto. (Utilice máximo tres
niveles por variable)

Concepto
Aceptado 𝒏𝒊𝒋 Rechazado 𝒏𝒊𝒋 Total
Acidez
5 - 15) 𝒏𝒊𝒋 13 3 16
15,1 – 19,9) 𝒏𝒊𝒋 64 6 70
20 – 55) 𝒏𝒊𝒋 1082 132 1214
Total 1159 141 1300
𝒏𝒊𝒋 Frecuencia absoluta simple.

 Construya una tabla de doble entrada Desuerado vs Concepto. (Utilice máximo tres
niveles por variable)

Concepto
Aceptado 𝒏𝒊𝒋 Rechazado 𝒏𝒊𝒋 Total
Desuerado
1 – 10,9) 𝒏𝒊𝒋 1132 141 1273
11 – 12) 𝒏𝒊𝒋 17 0 17
12,1 – 14) 𝒏𝒊𝒋 10 0 10
Total 1159 141 1300

2. Problema 2

a. Según la tabla de doble entrada acidez vs concepto.


 ¿Qué probabilidad se presenta de qué el nivel de la acidez, se presente menos de 20?
Rta. En este caso sumaremos las observaciones de la tabla que se encuentran entre 5 y 19,9
el nivel de acidez, las dividiremos entre la numero de la muestra, multiplicado por 100.

13 + 3 + 64 + 6
𝑃(𝐴) = = 0,066 𝑥 100 = 6,6%
1300

La probabilidad de que este evento suceda es del 6,6%

 ¿Qué probabilidad se presenta de qué el producto sea “rechazo” con una acidez
superior a 15? ¿Se puede aplicar el teorema de Bayes, para este caso?
Rta. En este caso nos interesa únicamente los valores de la columna rechazo que se
encuentren en la tabla entre 15,1 y 55 el nivel de acidez; las dividiremos entre la número de
la muestra, multiplicado por 100.

6 + 132
𝑃(𝐴) = = 0,106 𝑥 100 = 10,6%
1300

La probabilidad de que este evento suceda es del 10,6%

Ahora para este caso si se puede aplicar el Teorema de Bayes, Según la fórmula permite
calcular fácilmente probabilidades condicionales, llamadas probabilidades a posteriori
siempre y cuando se conozca las probabilidades a priori, y las probabilidades condicionales
(PBj) (PA/Bj).
De la tabla conocemos las probabilidades condicionales (aceptado y rechazo) y las
probabilidades a priori nivel de acidez; podríamos volver a calcular la probabilidad de que
se presente un rechazo o aceptado en alguno de los niveles de acidez.

b. Según la tabla de doble entrada Desuerado vs Concepto.

 ¿Qué probabilidad se presenta de que el Desuerado, se demoren menos de 11


minutos?
Rta. En este caso nos interesa todos los valores de la primera fila de la tabla, entre 1 y 10,9
el tiempo de desuerado; las dividiremos entre la número de la muestra, multiplicado por
100.

1132 + 141
𝑃(𝐴) = = 0,979 𝑥 100 = 97,9%
1300

La probabilidad de que este evento suceda es del 97,9%


 ¿Qué probabilidad se presenta de qué el producto sea rechazo y se demoren más de
12 minutos? ¿Se puede aplicar el teorema de Bayes, para este caso?
Rta. En este caso nos interesa los valores de la columna de rechazo, entre 12,1 y 14; pero
observamos que no se presenta ningún rechazo por lo tanto:

La probabilidad de que este evento suceda es del 0,0%


Se puede aplicar el Teorema de Bayes, de acuerdo al criterio anteriormente mencionado

3. Problema 3

 La llegada de pedidos para la empresa es fundamental para el buen funcionamiento


de ésta, ¿Que probabilidad hay de que no se reciba ningún pedido? ¿Es razonable
esta situación?

Remisión 𝒏𝒊 𝒇𝒊 𝑷𝒊 =100 𝒇𝒊
Menor < 1 22 0,017 1,7%
1 – 6) 1111 0,855 85,5%
7 – 12) 167 0,128 12,8%
Total 1300 1 100%

La probabilidad de que este evento suceda es del 1,7%


Si es razonable que este evento ocurra, pueden existir otras variables de la cual dependa el
evento como la llegada del pedido a cierta hora o devolución del pedido por concepto-
rechazo.

 ¿Cuántas variables, tienen una distribución simétrica en este estudio?, ¿qué me


puede indicar esto?, ¿es posible que tienda a un tipo de distribución de probabilidad
especifica? ¿Cual?

Rta. Distribución Simétrica ̅ = 𝑴𝒆 = 𝑴𝑶


𝒙

Remisión 𝒏𝒊 𝑵𝒊 Clase 𝑥𝑖 𝑛𝑖
0 – 2) 295 295 1 295
3 – 5) 698 993 4 2792
6 – 8) 275 1268 7 1925
9 – 12) 32 1300 10,5 336
Total 1300
 Media
∑𝑁
𝑖=1 𝑥𝑖 𝑛𝑖
̅=
X
𝑁
295 + 2792 + 1925 + 336
̅=
𝐗 = 3,629
1300
 Mediana
𝑁
− 𝑁𝑖 − 1
M𝑒 = 𝐿𝑖 + 2 ∗𝑎
𝑛𝑖
Donde

𝑵 1300
= = 750
𝟐 2
750 − 295
M𝑒 = 3 + ∗ 2 = 4,303
698

 Moda
𝑛𝑖 + 1
M𝑜 = 𝐿𝑖 + ∗𝑎
𝑛𝑖 + 1 + 𝑛𝑖 − 1 𝑖

275
M𝑜 = 3 + ∗ 2 = 2,894
275 + 295
Rta. No es simétrica

Peso 𝒏𝒊 𝑵𝒊 Clase 𝑥𝑖 𝑛𝑖
17,5 – 23,5) 132 132 20,50 2706
23,6 – 29,6) 931 1063 26,6 24764,6
29,7 – 35,8) 237 1300 32,75 7761,75
Total 1300

 Media
∑𝑁
𝑖=1 𝑥𝑖 𝑛𝑖
̅=
X
𝑁
2706 + 24764,6 + 7761,75
̅=
𝐗 = 27,10
1300
 Mediana
𝑁
− 𝑁𝑖 − 1
M𝑒 = 𝐿𝑖 + 2 ∗𝑎
𝑛𝑖
Donde

𝑵 1300
= = 750
𝟐 2
750 − 132
M𝑒 = 23,6 + ∗ 6 = 27,58
931

 Moda
𝑛𝑖 + 1
M𝑜 = 𝐿𝑖 + ∗𝑎
𝑛𝑖 + 1 + 𝑛𝑖 − 1 𝑖
237
M𝑜 = 23,6 + ∗ 3 = 25,52
237 + 132

Rta. No es simétrica.

Acidez 𝒏𝒊 𝑵𝒊 Clase 𝑥𝑖 𝑛𝑖
7 – 22,6) 183 183 14,8 2708,4
22,7 – 38,2) 978 11161 30,45 29740,98
38,3 – 53,7) 139 1300 46 6394
Total 1300

 Media
∑𝑁
𝑖=1 𝑥𝑖 𝑛𝑖
̅=
X
𝑁
2708,4 + 29740,98 + 6394
̅=
𝐗 = 29,87
1300
 Mediana
𝑁
− 𝑁𝑖 − 1
M𝑒 = 𝐿𝑖 + 2 ∗𝑎
𝑛𝑖
Donde

𝑵 1300
= = 750
𝟐 2
750 − 183
M𝑒 = 22,7 + ∗ 15,5 = 23,48
11161

 Moda
𝑛𝑖 + 1
M𝑜 = 𝐿𝑖 + ∗𝑎
𝑛𝑖 + 1 + 𝑛𝑖 − 1 𝑖

139
M𝑜 = 22,7 + ∗ 15,5 = 29,39
139 + 183
Rta. No es simétrica.
Pasteurizado 𝒏𝒊 𝑵𝒊 Clase 𝑥𝑖 𝑛𝑖
0,6 – 0,7) 280 280 0,65 182
0,8 – 1) 1020 1300 0,9 918
Total 1300

 Media
∑𝑁
𝑖=1 𝑥𝑖 𝑛𝑖
̅=
X
𝑁
182 + 918
̅=
𝐗 = 0,846
1300
 Mediana
𝑁
− 𝑁𝑖 − 1
M𝑒 = 𝐿𝑖 + 2 ∗𝑎
𝑛𝑖
Donde

𝑵 1300
= = 750
𝟐 2
750 − 280
M𝑒 = 0,8 + ∗ 0,1 = 0,846
1020

 Moda
𝑛𝑖 + 1
M𝑜 = 𝐿𝑖 + ∗𝑎
𝑛𝑖 + 1 + 𝑛𝑖 − 1 𝑖

0
M𝑜 = 0,8 + ∗ 0.1 = 0,8
0 + 280

Rta. Si es simétrica. Con una pequeña desviación de 0,046

Cuajado 𝒏𝒊 𝑵𝒊 Clase 𝑥𝑖 𝑛𝑖
1,5 – 2,4) 251 251 1,95 489,45
2,5 – 3,4) 864 1115 2,95 2548,8
3,5 – 4,5) 185 1300 4 740
Total 1300

 Media
∑𝑁
𝑖=1 𝑥𝑖 𝑛𝑖
̅=
X
𝑁
489,45 + 2548,8 + 740
̅=
𝐗 = 2,9
1300
 Mediana
𝑁
− 𝑁𝑖 − 1
M𝑒 = 𝐿𝑖 + 2 ∗𝑎
𝑛𝑖
Donde

𝑵 1300
= = 750
𝟐 2
750 − 251
M𝑒 = 2,5 + ∗ 0,9 = 3
864

 Moda
𝑛𝑖 + 1
M𝑜 = 𝐿𝑖 + ∗𝑎
𝑛𝑖 + 1 + 𝑛𝑖 − 1 𝑖

185
M𝑜 = 2,5 + ∗ 0.9 = 2,9
185 + 251

Rta. No es simétrica. Aunque los tres valores son muy cercanos.

Desuerado 𝒏𝒊 𝑵𝒊 Clase 𝑥𝑖 𝑛𝑖
1,3 – 5,6) 222 222 3,45 765,9
5,7 – 9,9) 986 1208 7,8 7690,8
10 – 13,9) 92 1300 11,95 1099,4
Total 1300

 Media
∑𝑁
𝑖=1 𝑥𝑖 𝑛𝑖
̅
X=
𝑁
765,9 + 7690,8 + 1099,4
̅=
𝐗 = 7,35
1300
 Mediana
𝑁
− 𝑁𝑖 − 1
M𝑒 = 𝐿𝑖 + 2 ∗𝑎
𝑛𝑖
Donde

𝑵 1300
= = 750
𝟐 2
750 − 222
M𝑒 = 5,7 + ∗ 4,2 = 7,94
986

 Moda
𝑛𝑖 + 1
M𝑜 = 𝐿𝑖 + ∗𝑎
𝑛𝑖 + 1 + 𝑛𝑖 − 1 𝑖

92
M𝑜 = 5,7 + ∗ 4,2 = 6,93
92 + 222

Rta. N es simétrica. Aunque los tres valores son muy cercanos.

Hilado 𝒏𝒊 𝑵𝒊 Clase 𝑥𝑖 𝑛𝑖
4,2 – 17,0) 199 199 10,6 2109,4
17,1 – 29,9) 910 1109 23,5 21385
30,0 – 42,7) 191 1300 36,75 7019,25
Total 1300

 Media
∑𝑁
𝑖=1 𝑥𝑖 𝑛𝑖
̅=
X
𝑁
2109 + 21385 + 7019,25
̅=
𝐗 = 23,47
1300

 Mediana
𝑁
− 𝑁𝑖 − 1
M𝑒 = 𝐿𝑖 + 2 ∗𝑎
𝑛𝑖
Donde

𝑵 1300
= = 750
𝟐 2
750 − 199
M𝑒 = 17,1 + ∗ 12,8 = 24,85
910

 Moda
𝑛𝑖 + 1
M𝑜 = 𝐿𝑖 + ∗𝑎
𝑛𝑖 + 1 + 𝑛𝑖 − 1 𝑖

191
M𝑜 = 17,1 + ∗ 12,8 = 23,36
191 + 199
Rta. No es simétrica.

 ¿Cuál es la proporción de rechazos en la tabla de resultados?

Concepto 𝒏𝒊 𝑭𝒊
Aceptado 1159 0,8915
Rechazo 141 0,1085

Rta. Revisando la tabla de frecuencias; nuestra frecuencia relativa arroja una fracción de
0,1 de 1; podemos decir que 1 de cada 10 observaciones corresponde a un rechazo o mejor
que el 10% del total de las observaciones son rechazos.

 ¿Cuál de las variables puede seguir una distribución binomial?


Rta. Las variables Remisión y concepto ya que la distribución binomial se utiliza en
situaciones cuya solución tiene dos posibles resultados o cuando el resultado se puede
reducir a dos opciones.

 ¿Qué distribución debemos aplicar?


Rta. Binomial

 ¿Cuál es la probabilidad de encontrar al menos 120 inconformes en la tabla de


resultados? Aplicar la distribución adecuada.

Solución
Aplicando la Distribución Binomial Tenemos:

𝒏!
𝐏(𝐱) = ∗ 𝑝 𝑥 ∗ 𝑞 𝑛−𝑥
𝒙! (𝒏 − 𝒙)!
𝑷(𝒙) = 120 Inconformes
𝒏 = 𝟏𝟑𝟎𝟎 La muestra
𝒑 = 0,1085 Valor de la tabla

𝒒 = 1 − 𝑝 = 1 − 0,1085

𝒒 = 1 − 0,1085 = 0,8915
Reemplazamos;
𝟏𝟑𝟎𝟎!
P(120) = ∗ 0,1085120 ∗ 0,89151300−120
𝟏𝟐𝟎! (𝟏𝟑𝟎𝟎 − 𝟏𝟐𝟎)!

Como es una ecuación un tanto compleja y con calculadora nos arroja error, lo
mejor es utilizar la fórmula de estadística en Excel para su cálculo.
𝑷(𝟏𝟐𝟎) =0,6%

Rta. Entonces existe una probabilidad de 0,6% entre 1300 ensayos de que se presenten 120
inconformes.
Tomado de: https://www.youtube.com/watch?v=xVwetXD9cis

4. Problema 4

 ¿Si se toma la variable remisión de insumos como cliente interno de la empresa,


entonces podemos asumir que tiende a una distribución de probabilidad de que tipo?

Rta. Se puede asumir que corresponde a una distribución de probabilidad binomial.

Distribución binomial o de Bernoulli: Se denominan procesos de tipo Bernoulli, a todo


experimento consistente en una serie de pruebas repetidas, caracterizadas por tener
resultados que se pueden clasificar en si verifican o no cierta propiedad o atributo, siendo
aleatorios e independientes. (Tomado de:
http://www.aulafacil.com/cursos/l11239/ciencia/estadisticas/estadisticas/distribucion-de-
probabilidades-distribuciones-discretas-bernouilli)
Un experimento sigue el modelo de la distribución binomial o de Bernoulli si:

1. Resultados dicotómicos: Los resultados de cada prueba se pueden clasificar en "éxito"


si verifican cierta condición, o "fracaso" en el caso contrario.
2. Independencia de las pruebas: El resultado de una prueba cualquiera es independiente
del resultado obtenido en la prueba anterior, y no incide en el resultado de la prueba
siguiente.
3. Estabilidad de las pruebas: La probabilidad p de obtener un resultado considerado como
un éxito se mantiene constante a lo largo de toda la serie de pruebas. (Tomado de:
http://www.aulafacil.com/cursos/l11239/ciencia/estadisticas/estadisticas/distribucion-
de-probabilidades-distribuciones-discretas-bernouilli)

 ¿Cuál es el promedio de remisiones?

Rta. Para este punto es necesario sumar todos los datos de las remisiones que tenemos, el
cual nos da como resultado 5358.

Luego de realizar la suma de las remisiones debemos dividir por el número de datos que
tenemos, los cuales son: 1300.
Lo cual nos da:
5358
𝑃𝑟𝑜𝑚𝑒𝑑𝑖𝑜 = = 4,12
1300
El promedio de los datos generados en la columna de remisión es 4,12.

 ¿Cuál es la probabilidad de que a la empresa lleguen menos de 4 remisiones?


Rta. En la base de datos encontramos que los datos generados menores a 4 son 538.

Luego de tener este dato procedemos a efectuar la operación con el número total de datos
que tenemos y multiplicar por 100.
538
𝑃𝑟𝑜𝑏𝑎𝑏𝑖𝑙𝑖𝑑𝑎𝑑 = = 0,41 ∗ 100 = 41,38%
1300
Lo cual nos indica que tenemos una probabilidad del 41,38% de que se presente este
fenómeno.

 Justifíquelo calculándolo con la distribución de probabilidad adecuada.

Se halla la media aritmética la cual da como resultado 4.12050756 y la desviación


estándar que da un resultado de 2.02837456, de acuerdo a los datos de las remisiones
ordenados alfabéticamente de menor a mayor. Después se realiza la distribución normal de
la cual se obtiene la siguiente gráfica:

0.25

0.2

0.15

0.1

0.05

0
903
124
165
206
247
288
329
370
411
452
493
534
575
616
657
698
739
780
821
862

944
985
1026
1067
1108
1149
1190
1231
1272
1
42
83

 Un estudio ha mostrado que, en cierta empresa de la competencia, el promedio de


hilado es de 20 minutos, aplicando la distribución normal, con la media y varianza
calculados, responder. ¿La probabilidad de encontrar este mismo tiempo de hilado
en la “Santa Helena” es de?
Rta. En primer lugar se deben determinar las variables que tenemos en el problema.

𝑛 = 1300 (𝐵𝑎𝑠𝑒 𝑑𝑒 𝑑𝑎𝑡𝑜𝑠 − 𝐶𝑎𝑛𝑡𝑖𝑑𝑎𝑑)

𝑝 = 20 𝑚𝑖𝑛𝑢𝑡𝑜𝑠

𝑞 = 18 𝑚𝑖𝑛𝑢𝑡𝑜𝑠 (𝑆𝑒 𝑑𝑒𝑡𝑒𝑟𝑚𝑖𝑛𝑎 𝑢𝑛 𝑑𝑎𝑡𝑜 𝑎𝑙 𝑎𝑧𝑎𝑟 𝑝𝑎𝑟𝑎 𝑒𝑓𝑒𝑐𝑡𝑢𝑎𝑟 𝑒𝑙 𝑒𝑗𝑒𝑟𝑐𝑖𝑐𝑖𝑜)

A continuación se presentan las fórmulas que se usaran en el ejercicio.

𝑛∗𝑝>5 𝑛∗𝑞 >5

𝐵(1300, 20) → 𝑁(1300 ∗ 20, √1300 ∗ 20 ∗ 18) = 𝑁(26000, 12979,98)

Los datos presentados en la base de datos nos indican que 4 veces se repiten los 20 minutos
en la operación de hilado.
4 − 26000
𝑝 (𝑋 > 4) = 𝑝 (𝑍 > )=
12979,98
𝑝 (𝑍 > 1,9) = 1 − 𝑝 (𝑍 ≤ 1,9) = 1 − 0,9726 = 0,0274

5. Problema 5

 En una encuesta de mercadeo del producto, se ha concluido que el tiempo de


enfriamiento optimo está entre 2.3 y 4.2 minutos es de mejor aceptación, aplicando
la distribución normal, con la media y varianza calculados, la probabilidad de
encontrar este mismo tiempo para esta variable en la “Santa Helena” es

Rta. Lo primero que debemos determinar son las variables que debemos aplicar para este
tipo de distribución.

𝑛 = 1300 (𝐵𝑎𝑠𝑒 𝑑𝑒 𝑑𝑎𝑡𝑜𝑠 − 𝐶𝑎𝑛𝑡𝑖𝑑𝑎𝑑)

𝑝 = 2,3 𝑚𝑖𝑛𝑢𝑡𝑜𝑠

𝑞 = 4,2 𝑚𝑖𝑛𝑢𝑡𝑜𝑠
A continuación se presentan las fórmulas que se usaran en el ejercicio.

𝑛∗𝑝>5 𝑛∗𝑞 >5

𝐵(1300, 2,3) → 𝑁(1300 ∗ 2,3, √1300 ∗ 2,3 ∗ 4,2) = 𝑁(2990, 112,06)


Teniendo en cuenta la base de datos, encontramos que este tiempo de enfriamiento lo
encontramos 27 veces para 2,3 minutos y 44 veces para 4,2 minutos, lo cual nos da en total
71 veces.
71 − 2990
𝑝 (𝑋 > 71) = 𝑝 (𝑍 > )=
112,06
𝑝 (𝑍 > 44,31) = 1 − 𝑝 (𝑍 ≤ 44,31) = 1 − 1,0000 = 0

 En una conferencia técnica con el INVIMA, se ha concluido que la temperatura de


almacenamiento de este tipo de queso debe estar entre 1.9 y 2.6 grados °C porque es
de mejor aceptación, aplicando la distribución normal, con la media y varianza
calculados, la probabilidad de encontrar este misma temperatura de almacenamiento
en la “Santa Helena” es
Rta. Determinemos las variables a considerar para solucionar el ejercicio.

𝑛 = 1300 (𝐵𝑎𝑠𝑒 𝑑𝑒 𝑑𝑎𝑡𝑜𝑠 − 𝐶𝑎𝑛𝑡𝑖𝑑𝑎𝑑)

𝑝 = 1,9°𝐶

𝑞 = 2,6°𝐶

Luego procedemos como en el ejercicio anterior a usar las fórmulas para despejar:

𝐵(1300, 1,9) → 𝑁(1300 ∗ 1,9, √1300 ∗ 1,9 ∗ 2,6) = 𝑁(2470, 178,11)

Teniendo en cuenta la base de datos, encontramos que la temperatura de almacenamiento


que nos pide el ejercicio las encontramos 10 veces para 1,9°C y 31 veces para 2,6°C, lo
cual nos da en total 41 veces para ambas temperaturas.
41 − 2470
𝑝 (𝑋 > 41) = 𝑝 (𝑍 > )=
178,11
𝑝 (𝑍 > 27,13) = 1 − 𝑝 (𝑍 ≤ 27,13) = 1 − 1,0000 = 0

6. Discusión Final
Según los resultados obtenidos ¿Qué estrategia de estandarización le da al gerente de la
empresa para que alcance los objetivos propuestos?
De acuerdo a los estudios estadísticos de las diferentes áreas de proceso de Santa Helena,
podemos decir que a nivel general, cada uno de los procesos debe determinar de acuerdo a
la producción realizada la capacidad que tendría para optimizar tiempo, lo cual tendría
como efecto el poder fabricar productos en una cantidad menor de tiempo. Temas como la
acidez y el desuerado de los productos, se debe poseer un control más estricto ya que los
tiempos no son eficientes y se tiende más al aumento que a la optimización. La
comparación con la otra compañía demuestra que posee cierta ventaja con respecto a Santa
Helena, en lo cual sería muy importante hacer un estudio de Tiempos y Movimientos,
analizar cuál es el promedio de acuerdo a los factores que se podrian llegar a presentar en
un día de producción normal y asi determinar el tiempo requerido en cada proceso,
controlar variables que no afecten la calidad e inocuidad del producto.

7. Cuadro de Roles:

Tareas o funciones Funciones que faltan


Nombre de Rol realizadas del rol reforzar para
integrante seleccionado Funciones del rol (listarlas) (Describir las fortalecer el trabajo
del equipo actividades que colaborativo
realizó)
Sandra Relator 1. Relatoría de todos los Se ha realizado la Se podría considerar que
Giseth procesos en forma escrita. recopilación y ninguna de las funciones
Herrera unificación de aportes se ha descuidado y se ha
2. Responsable de recopilar y de los compañeros y los tenido en cuenta realizar
sistematizar la información. propios, ajustes y un buen trabajo para el
correcciones en el equipo.
3. Organizar el documento y trabajo.
entregarlo al líder
comunicador.
Lida Alexy Vigía del 1. Controla el cronograma de
González Tiempo tiempo establecido.

2. Es responsable porque el
equipo desarrolle las
diferentes actividades dentro
del tiempo pactado.

3. Debe conocer la agenda


del curso.
Jairo Lugo Utilero 1. Responsable de conseguir
el material y/o las
herramientas de acuerdo a las
necesidades del equipo para
el desarrollo de las
actividades y/o procesos que
se requieran.

2. Pasar a pdf, editar


imágenes, normas APA,
Netiqueta.
Sandra Líder 1. Responsable de la Se les ha recordado a los En cuanto a la
Giseth comunicación entre el tutor y compañeros los puntos comunicación con el
Herrera el equipo, como también de del trabajo faltantes, se tutor para el desarrollo
presentar a su equipo la determinó desde el del trabajo, no se ha
información que recoge de la inicio como se debía realizado ya que las
observación - al desarrollo de trabajar (Conocimiento inquietudes generadas se
las actividades - hecha a los de cada uno de los han planteado de forma
otros equipos de grupo (lo puntos del trabajo). individual.
compartido en el foro Se revisa el trabajo de
general. Verifica el acuerdo a los requisitos
cumplimiento de los roles de la guía y se realiza la
por parte de cada integrante. entrega del trabajo en el
enlace de evaluación y
2. Conoce muy bien la guía y seguimiento.
aclara qué es lo que en ella se
solicita.

3. Recuerda a sus
compañeros sobre el uso de
la rúbrica de evaluación y
verifica que se tengan en
cuenta sus criterios.

4. Hace la entrega al final


como lo indica la guía.

1. Problema 5

 En una encuesta de mercadeo del producto, se ha concluido que el tiempo de


enfriamiento optimo está entre 2.3 y 4.2 minutos es de mejor aceptación, aplicando
la distribución normal, con la media y varianza calculados, la probabilidad de
encontrar este mismo tiempo para esta variable en la “Santa Helena” es
De nuestra base de datos tenemos:

Enfriamiento 𝑵𝒊 Clase 𝒙𝒊 𝑥𝑖 𝑛𝑖 ̅) 2
𝒏𝒊 (𝒙𝒊 − 𝐗
𝒏𝒊

0,9 –2,2) 95 95 1,55 147,25 333,27


2,3 –4,2) 1001 1096 3,25 3253,25 29,96
4,3 – 6,0) 204 1300 5,15 1050,6 608,43
Total 1300 4451,1 971,66
 Media
∑𝑁
𝑖=1 𝑥𝑖 𝑛𝑖
̅=
X
𝑁
147,25 + 3253,25 + 1050,6
̅=
𝐗 = 3,423
1300

 Varianza
̅) 2
∑ 𝑛𝑖 (𝒙𝒊 − 𝐗
2
𝜎 =
𝑛−1

971,66
σ2 = = 0,748
1299
 Desviación estándar
̅) 2
∑ 𝑛𝑖 (𝒙𝒊 − 𝐗
𝜎= √
𝑛−1

𝜎 = √0,748 = 0,865
Ahora, mi variable de interés corresponde al valor entre X= 2,3 y 4,2.
𝑋−𝜇
Z= ̅
𝑑𝑜𝑛𝑑𝑒 𝜇 = 𝐗
𝜎
Por tratarse de valores agrupados definimos a X
𝟒, 𝟐 ≤ 𝑿 ≥ 𝟐, 𝟑
Reemplazamos,
4,2 − 3,423
Cuando X = 4,2 Z = = 𝟎, 𝟗
0,865

2,3 − 3,423
Cuando X = 2,3 Z = = −𝟏, 𝟑
0,865
De la tabla de distribución normal tenemos
Z = 𝟎, 𝟗 𝒔𝒖 𝒗𝒂𝒍𝒐𝒓 𝒆𝒔 𝟎, 𝟐𝟔𝟔 𝒗𝒂𝒍𝒐𝒓 𝒄𝒂𝒍𝒄𝒖𝒍𝒂𝒅𝒐 𝒆𝒏 𝒆𝒙𝒄𝒆𝒍
Z = −𝟏, 𝟑 𝒔𝒖 𝒗𝒂𝒍𝒐𝒓 𝒆𝒔 𝟎, 𝟏𝟕𝟏 𝒗𝒂𝒍𝒐𝒓 𝒄𝒂𝒍𝒄𝒖𝒍𝒂𝒅𝒐 𝒆𝒏 𝒆𝒙𝒄𝒆𝒍
Entonces el área bajo la curva será:
𝑨 = 0,226 + 0,171 = 0,397
Deducimos que la probabilidad en Santa Helena para el tiempo de enfriamiento entre 2,3 y
4,2 minutos sea de 39,7%
https://www.youtube.com/watch?v=csBanoXXmPc

 En una conferencia técnica con el INVIMA, se ha concluido que la temperatura de


almacenamiento de este tipo de queso debe estar entre 1.9 y 2.6 grados °C porque es
de mejor aceptación, aplicando la distribución normal, con la media y varianza
calculados, la probabilidad de encontrar este misma temperatura de almacenamiento
en la “Santa Helena” es
De nuestra base de datos tenemos:

Enfriamiento 𝑵𝒊 Clase 𝒙𝒊 𝑥𝑖 𝑛𝑖 ̅) 2
𝒏𝒊 (𝒙𝒊 − 𝐗
𝒏𝒊

0,1 –1,8) 54 54 0,95 51,3 334,80


1,9 –2,6) 208 262 2,25 468 294,54
2,7 – 4,4) 881 1143 3,55 3127,55 10,66
4,5 – 6,1) 157 1300 5,3 832,1 543,15
Total 1300 4478,95 1183,15

 Media
∑𝑁
𝑖=1 𝑥𝑖 𝑛𝑖
̅
X=
𝑁
51,3 + 468 + 3127,55 + 832,1
̅=
𝐗 = 3,44
1300

 Varianza
̅) 2
∑ 𝑛𝑖 (𝒙𝒊 − 𝐗
2
𝜎 =
𝑛−1
1183,15
σ2 = = 0,91
1299
 Desviación estándar
̅) 2
∑ 𝑛𝑖 (𝒙𝒊 − 𝐗
𝜎=√
𝑛−1

𝜎 = √0,91 = 0,954
Ahora, mi variable de interés corresponde al valor entre X= 1,9 y 2,6.
𝑋−𝜇
Z= ̅
𝑑𝑜𝑛𝑑𝑒 𝜇 = 𝐗
𝜎
Por tratarse de valores agrupados definimos a X
𝟐, 𝟔 ≤ 𝑿 ≥ 𝟏, 𝟗
Reemplazamos,
2,6 − 3,44
Cuando X = 2,6 Z = = 𝟎, 𝟖𝟖
0,954

1,9 − 3,44
Cuando X = 1,9 Z = = −𝟏, 𝟔𝟏
0,954
De la tabla de distribución normal tenemos
Z = 𝟎, 𝟖𝟖 𝒔𝒖 𝒗𝒂𝒍𝒐𝒓 𝒆𝒔 𝟎, 𝟐𝟕 𝒗𝒂𝒍𝒐𝒓 𝒄𝒂𝒍𝒄𝒖𝒍𝒂𝒅𝒐 𝒆𝒏 𝒆𝒙𝒄𝒆𝒍
Z = −𝟏, 𝟔𝟏 𝒔𝒖 𝒗𝒂𝒍𝒐𝒓 𝒆𝒔 𝟎, 𝟏𝟏 𝒗𝒂𝒍𝒐𝒓 𝒄𝒂𝒍𝒄𝒖𝒍𝒂𝒅𝒐 𝒆𝒏 𝒆𝒙𝒄𝒆𝒍
Entonces el área bajo la curva será:
𝑨 = 0,27 + 0,11 = 0,38
Deducimos que la probabilidad en Santa Helena para la temperatura de almacenamiento
entre 1,9 y 2,6 °C es del 38,0%
https://www.youtube.com/watch?v=csBanoXXmPc
CONCLUSIONES

Dentro de la ciencia de la estadística, el tema de la Probabilidad nos ayuda a determinar


cuantificablemente en que proporción se podría llegar a dar un evento en cualquier
situacion de la vida. En este caso se puede decir que con el ejemplo que tomamos para
realizar el trabajo, este nos direcciono de forma en la que podemos llegar a saber que tan
eficiente es un proceso, determinar cuáles podrian llegar a ser las fallas (Comparando con
los tipos de distribución de la probabilidad presentadas en un ejercicio), para asi tomar
medidas en alguna situacion.
Reconocer los tipos de distribuciones aplicables en un ejercicio de probabilidad nos
garantiza el poder tener el dato más real de un ejercicio, pudiendo plantear de forma
correcta el desarrollo del mismo, distribuciones binomiales, simétricas y normales; son las
que se usan de forma más frecuente dentro de este tipo de estudios.
REFERENCIAS BIBLIOGRÁFICAS

 Aula fácil, cursos online gratuitos, Distribución de Probabilidades - Distribuciones


discretas: Bernouilli, obtenido el 13 de Abr. de 16 de
http://www.aulafacil.com/cursos/l11239/ciencia/estadisticas/estadisticas/distribucio
n-de-probabilidades-distribuciones-discretas-bernouilli
 Suarez, M. (s.f). Conceptos básicos de Probabilidades y Estadística Inferencial. [En
línea]. Recuperado el 4 de abril de 2016. Tomado de:
http://m.monografias.com/trabajos95/conceptos-basicos-probabilidades-y-
estadistica-inferencial/conceptos-basicos-probabilidades-y-estadistica-
inferencial.shtml
 Morales, A. (2010). Módulo de Probabilidad. Capítulo 5 Distribuciones de
probabilidad discreta. Lección 21 Distribución uniforme discreta. Universidad
Nacional Abierta y a Distancia. Bogotá. Pág. 77.
 Vitutor 2014, Distribución binomial, obtenido el 13 de Abr. de 16 de
http://www.vitutor.com/pro/3/b_1.html
 Vitutor. (s.f). Distribución normal. . [En línea]. Recuperado el 14 de abril de 2016.
Tomado de: http://www.vitutor.net/1/55.html