Está en la página 1de 34

CONTROL DE PROCESOS

DISTRIBUCIONES PROBABILISTICAS
CONTINUAS

Ing. Wilbert Zevallos Gonzales


Introducción

• Una variable aleatoria continua es la que puede tomar un numero


infinito de valores posibles dentro de una gama o variedad
especifica.
• Ejemplos de las distribuciones probabilísticas son: las expectativas
de vida de algunos productos tienden a seguir un patrón normal.
Características de la distribución
probabilística normal
• La curva normal tiene forma de campana con un
solo pico justo en el centro de la distribución.
• La media, mediana y moda de la distribución
aritmética son iguales y se localizan en el pico.
• La mitad del área bajo la curva está a la derecha
del pico, y la otra mitad está a la izquierda.
Características de la distribución
probabilística normal

• La distribución normal es simétrica respecto a su


media.
• La distribución normal es asintótica - la curva se
acerca cada vez más al eje x pero en realidad nunca
llega a tocarlo.
r a l i t r b u i o n : µ = 0 , s2 = 1

Características de una distribución normal

0 . 4

La curva
normal es
0 . 3
simétrica

0 . 2

En teoría,
la curva se
f ( x

0 . 1
extiende hasta
infinito

. 0

- 5
a
La media, mediana y
x

moda son iguales


Características de la distribución
probabilística normal
• No existe sólo una distribución probabilística normal,
sino que hay una familia de ellas.
• Existe una distribución probabilística normal para los
tiempos de servicio de los empleados de la planta
Camden, para la que la media es 20 años y la
desviación estándar vale 3.1. Existe otra distribución
probabilística normal para los citados tiempos en la
planta, para la cual µ=20 y δ = 3.9 y así
sucesivamente. Se tiene varias distribuciones
normales con medias iguales y desviaciones
diferentes.
Características de la distribución
probabilística normal

• También se puede observar distribuciones


probabilísticas normales con medias diferentes , pero
desviaciones estándares iguales.
• Además, existen distribuciones probabilísticas
normales con diferentes medias y desviaciones
estándares.
Distribución normal estándar
• Dado que existe una familia de distribuciones
normales con valores diferentes de media y
desviación estándar, resultaría físicamente imposible
proporcionar una tabla de probabilidades para cada
combinación de µ y δ.
• Por fortuna, puede utilizarse un elemento de la
familia de distribuciones normales para todos los
problemas donde tal distribución resulte aplicable.
Distribución normal estándar
• Una distribución normal que tiene media igual a 0 y
desviación estándar igual a 1 se denomina
distribución normal estándar.
• Cualquier distribución normal puede convertirse en
una distribución normal estándar restando la media a
cada observación, y dividiendo luego entre la
desviación estándar.
• Primero se convierte, o se estandariza, la distribución
a una distribución normal estándar utilizando el valor
z.
Distribución normal estándar
• Valor z: la distancia entre un valor seleccionado, designado como
X, y la población media µ, dividida entre la desviación estándar de
la población s,

X -µ
z =
s
X = es el valor de cualquier medida u observación especifica
µ = es la media de la distribución
δ = es la desviación estándar de la distribución.
EJEMPLO 1

• El ingreso mensual que una corporación grande


ofrece a los graduados en MBA tiene una
distribución normal con media de $2000 y
desviación estándar de $200. ¿Cuál es el valor z
para un ingreso de $2200? y ¿cuál para uno de
$1700?
• Para X = $2200, z = (2200 - 2000) /200
= 1.
EJEMPLO 1 continuación

• Para X = $1700, z = (1700 - 2000) /200


= - 1.5
• Un valor z igual a 1 indica que el valor de $2200 es
mayor que la desviación estándar de la media de
$2000, así como el valor z igual a -1.5 indica que el
valor de $1700 es menor que la desviación estándar
de la media de $2000.
Áreas bajo la curva normal

•Cerca de 68% del área bajo la curva normal


está a menos de una desviación estándar
respecto a la media. µ ± 1s
•Alrededor de 95% está a menos de dos
desviaciones estándar de la media. µ ± 2s
•99.74% está a menos de tres desviaciones
estándar de la media. µ ± 3s
r a l i t r b u i o n : µ = 0 , s2 = 1

Áreas bajo la curva normal

Entre:
0 . 4

1.68.26%
0 . 3 2.95.44%
3.99.74%
0 . 2
f ( x

0 . 1

. 0

µ µ + 2s
- 5

µ - 2s
µ + 1s µ + 3s
x

µ - 3s µ - 1s
EJEMPLO 2
•El consumo de agua diario por persona en
New Providence, Nueva Jersey tiene una
distribución normal con media de 20
galones y desviación estándar de 5
galones.
•Cerca de 68% del consumo de agua diario
por persona en New Providence está entre
cuáles dos valores.
• µ ± 1 s = 20 ± 1 (5). Esto es, cerca de 68% del
consumo diario de agua está entre 15 y 25
galones.
EJEMPLO 3
• ¿Cuál es la probabilidad de que una persona de
New Providence seleccionada al azar use menos de
20 galones por día?
• El valor z asociado es z = (20 - 20) /5 = 0. Así,
P(X<20) = P(z<0) = .5
• ¿Qué porcentaje usan entre 20 y 24 galones?
• El valor z asociado con X = 20 es z = 0 y con X = 24,
z = (24 - 20) /5 = .8. Así, P(20<X<24) = P(0<z<.8) =
28.81%
r a l i
EJEMPLO 3
t r b u i o n : µ = 0 ,

0 . 4

0 . 3
P(0 < z < .8)
= .2881
0 . 2

0 < X < .8
f ( x

0 . 1

. 0

- 5

-4 -3 -2 -1 x
0 1 2 3 4
EJEMPLO 3 continuación

• ¿Qué porcentaje de la población utiliza entre 18


y 26 galones?
• El valor z asociado con X = 18 es z = (18 -20) /5 =
-.4, y para X = 26, z = (26 - 20) /5 = 1.2. Así,
P(18<X<26)
= P(-.4<z<1.2) = .1554 + .3849 = .5403
EJEMPLO 4
• El profesor Mann determinó que el promedio final
en su curso de estadística tiene una distribución
normal con media de 72 y desviación estándar de 5.
Decidió asignar las calificaciones del curso de
manera que 15% de los alumnos reciban una
calificación de A. ¿Cuál es el promedio más bajo
que un alumno puede tener para obtener una A?
• Sea X el promedio más bajo. Encuentre X de
manera que P(X > X) = .15. El valor z
correspondiente es 1.04. Así se tiene
(X - 72) / 5 = 1.04, o X = 77.2
r a l i
EJEMPLO 4
t r b u i o n : µ = 0 , s2 = 1

0 . 4

0 . 3
Z=1.04

0 . 2
f ( x

0 . 1

. 0
15%
-

0 1 2 3 4
EJEMPLO 5
• La cantidad de propina que un mesero recibe por turno
en un restaurante exclusivo tiene una distribución
normal con media de $80 y desviación estándar de $10.
Shelli siente que ha dado un mal servicio si el total de sus
propinas del turno es menor que $65. ¿Cuál es la
probabilidad de que ella haya dado un mal servicio?
• Sea X la cantidad de propina. El valor z asociado con X =
65 es z = (65 - 80) /10 = -1.5. Así P(X<65) = P(z<-1.5) =.5 -
.4332 = .0668.
Aproximación normal a la binomial

• La tabla de probabilidades binomiales van en forma


sucesiva desde una n de 1 hasta una n de 20, y
después a una n=25.
• Supóngase que un problema se relaciona con obtener
una muestra de tamaño 60.
• El generar una distribución para un numero de esa
dimensión tomaría mucho tiempo, aun utilizando una
computadora.
• Un enfoque más eficiente consiste en aplicar la
aproximación normal a la binomial.
Aproximación normal a la binomial

• Utilizar la distribución normal (una distribución


continua) como sustituto de una distribución
binomial (una distribución discreta) para valores
grandes de n, parece razonable porque conforme n
aumenta, una distribución binomial se acerca más a
una distribución normal.
• La distribución de probabilidad normal, en general, se
considera una buena aproximación a la binomial
cuando
• n p y n(1 - p ) son ambos mayores que 5.
Aproximación normal continuación
• Recuerde el experimento binomial :
• existen sólo dos resultados mutualmente
excluyentes (éxito o fracaso) en cada ensayo.
• una distribución binomial es el resultado de
contar el número de éxitos en una cantidad fija
de ensayos.
• cada ensayo es independiente.
• la probabilidad es fija de un ensayo a otro, y el
número de ensayos n también es fijo.
Distribución binomial para n igual a 3 y 20,
donde p =.50

n=3

n=20
0,4
0,3 0.2
P(x)

0.15
0,2

P(x)
0.1
0,1
0.05
0 0
0 1 2 3 2 4 6 8 10 12 14 16 18 20
número de eventos
número de eventos
Factor de corrección por continuidad

• Para mostrar la aplicación de la aproximación


normal a la binomial, y la necesidad de un factor
de corrección, supóngase que la gerencia de un
restaurante encontró que 70% de sus nuevos
clientes vuelve en otra ocasión. En una semana en
la que 80 consumidores recientes (de primera
vez) cenaron en el establecimiento, ¿cual es la
probabilidad de que 60 o mas regresen en otra
ocasión?
Factor de corrección por continuidad

• La fórmula para la distribución de probabilidad binomial es:

n!
P( x ) = p (1 - p )
x n- x
x !(n - x )!
Factor de corrección por continuidad
Las probabilidades binomiales para la distribución entre 43 y 68
clientes que regresan se muestran en le tabla que sigue:

Numero de Clientes Numero de Clientes


Probabilidad Probabilidad
que regresan que regresan

43 0,001 56 0,097
44 0,002 57 0,095
45 0,003 58 0,088
46 0,006 59 0,077
47 0,009 60 0,063
48 0,015 61 0,048
49 0,023 62 0,034
50 0,033 63 0,023
51 0,045 64 0,014
52 0,059 65 0,008
53 0,072 66 0,004
54 0,084 67 0,002
55 0,093 68 0,001
Factor de corrección por continuidad

0,120

0,100

0,080
Probabilidad

0,060

0,040

0,020

0,000
43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68

Clientes
Factor de corrección por continuidad
• Se puede determinar la probabilidad de 60 o más
sumando 0.063 + 0.048 +….+ 0.001, lo que da 0.197.
• Sin embargo, al observar la representación siguiente
podemos ver la similitud de esta distribución con una
del tipo normal.
• Todo lo que se tiene que hacer es convertir las
probabilidades discretas en una distribución
continua.
Factor de corrección por continuidad
• El objetivo es dejar que la probabilidad discreta para 56
clientes sea representada por un área bajo la curva entre 55.5
y 56.5. Después, considerar que la probabilidad para 57
clientes corresponda a un área entre 56.5 y 57.5 y así
sucesivamente.
• Debido a que se utiliza la grafica normal para determinar el
probabilidad binomial de 60 o mas éxitos, se resta, 0.5 de 60.
El valor 0.5 se denomina factor de corrección por continuidad.
Este pequeño ajuste debe hacerse porque una distribución
continua (la del tipo normal) sirve para aproximar una
distribución discreta (la binomial). Restando, 60 - 0.5 = 59.5
Factor de corrección por continuidad

• El valor .5 se resta o se suma, dependiendo del


problema, a un valor seleccionado cuando una
distribución de probabilidad binomial (una
distribución discreta) se aproxima por una
distribución de probabilidad continua (la
distribución normal).
Como aplicar el factor de corrección
• Los pasos para utilizar la distribución normal a fin de
aproximar la probabilidad de que 60 o mas clientes
nuevos, de 80, regresen al restaurante son:

Paso 1: Hallar el valor de z que corresponde a una X de 59.5

µ = np = 80(0.70) = 56
d 2 = np (1 - p ) = 80(0.70)(1 - 0.70) = 16.8
d = 16.8 = 4.10
X - µ 59.5 - 56
z= = = 0.85
d 4.10
Como aplicar el factor de corrección

Paso 2: En tablas el área correspondiente a z=0.85 es 0.3023

Paso 3: Calcular el área mas allá de 59,5 a; restar 0.3023 de


0.5000 = 0.1977