PARTE I

ANÁLISIS EXPLORATORIO DE LOS DATOS

Exploratory Data Analysys (EDA)
Ç
“El control estadístico de la calidad empieza con la calidad de los datos”
 GUIA Nº 1
A) HERRAMIENTA No 1: DIAGRAMA DE TALLO Y HOJAS
B) ¿PARA QUE SIRVE?: RESUMIR YCONTROL DE CALIDAD DE DATOS
Nos dan una primera aproximación rápida a la distribución de los datos sin perder de vista las
observaciones. Los gráficos o diagramas de tallo y hoja son una manera muy fácil de ordenar y mirar
la distribución de los datos.
¿Qué podemos concluir al ver este Gráfico?
 El valor característico de la distribución (Promedio, moda, etc)
 La forma general de la distribución (simetría, asimetría a la derecha, asimetría a la izquierda)
 Grado de dispersión respecto del valor característico.

C) CONDICIONES DE APLICACIÓN

 UNIDIMENSIONAL. 1 VARIABLE
 VARIABLE: CUANTITATIVA

D) DESCRIPCION DEL PROBLEMA

En el marco de una investigación sobre control estadístico de calidad se han observado los diámetros
de 125 pistones distribuidas en 25 muestras. Antes de generar cualquier información estadística de
nuestro interés con estos datos, es fundamental realizar PREVIAMENTE un análisis exploratorio de
los datos o control de calidad de los datos, sino queremos encontrarnos con sorpresas desagradables.

E) “CHANCHULLO”. PASOS A SEGUIR EN MINITAB Ver. 16

______________________________________________________________
______________________________________________________________
______________________________________________________________
__________________________________________________________

F) SALIDA DEL MINITAB

Pantalla Minitab de datos incorrectos

Tallo y hoja de diametro N = 125
Unidad de hoja = 1000

(124) 0 00000000000000000000000000000000000000000000000000000000000000000+
1 0
1 1
1 1
1 2
1 2
1 3
1 3
1 4
1 4
1 5
1 5
1 6
1 6
1 7 4
 Pantalla Minitab de Datos Correctos
Tallo y hoja de diametro N = 125
Unidad de hoja = 0,0010

1 7396 7
1 7397
1 7397
7 7398 234444
15 7398 55688899
32 7399 00002223333444444
52 7399 55555566667778888899
(24) 7400 000000000112222233334444
49 7400 5555555666677777888999999
24 7401 0000122233444
11 7401 5555789
4 7402 014
1 7402
1 7403 0

G) INTERPRETACION

______________________________________________________________
______________________________________________________________
______________________________________________________________
__________________________________________________________
 GUIA Nº 2
A) HERRAMIENTA No 2: HISTOGRAMA

B) ¿PARA QUE SIRVE?: RESUMIR Y CONTROL DE CALIDAD DE DATOS

El Histograma es una representación gráfica de los datos en la que es más sencillo ver tres
propiedades:
1. Forma
2. Localización o tendencia central
3. Dispersión o expansión

Si bien el histograma nos proporciona información valiosa acerca de la distribución de los datos, tiene
la desventaja de que perdemos algo de información en el proceso.

C) CONDICIONES DE APLICACIÓN
 UNIDIMENSIONAL. 1 VARIABLE
 VARIABLE: CUANTITATIVA

D) DESCRIPCION DEL PROBLEMA

En el marco de una investigación sobre control estadístico de calidad se han observado los diámetros
de 125 pistones distribuidas en 25 muestras. Antes de generar cualquier información estadística de
nuestro interés con estos datos, es fundamental realizar PREVIAMENTE un análisis exploratorio de
los datos o control de calidad de los datos, sino queremos encontrarnos con sorpresas desagradables

E) “CHANCHULLO”. PASOS A SEGUIR EN MINITAB Ver. 16

______________________________________________________________
______________________________________________________________
______________________________________________________________
__________________________________________________________
F) SALIDA DEL MINITAB
a) Pantalla Minitab de Datos Incorrectos

Histograma de diametro
Normal
140 Media 665,5
Desv .Est. 6613
N 125
120

100
Frecuencia

80

60

40

20

0
-15000 0 15000 30000 45000 60000 75000
diametro
b) Pantalla Minitab de Datos Correctos

Histograma de diametro
Normal

25 Media 74,00
Desv .Est. 0,01007
N 125

20
Frecuencia

15

10

0
73,97 73,98 73,99 74,00 74,01 74,02 74,03
diametro

G) INTERPRETACION

______________________________________________________________
______________________________________________________________
______________________________________________________________
__________________________________________________________
 GUIA Nº 3
A) HERRAMIENTA No 3: BOX-PLOT (DIAGRAMA DE CAJA Y BIGOTES)

B) ¿PARA QUÉ SIRVE?: RESUMIR YCONTROL DE CALIDAD DE DATOS

Son de gran utilidad en las comparaciones gráficas de conjunto de datos, ya que tienen impacto visual
En este gráfico se resumen cinco medidas descriptivas: 1) Valor mínimo, 2) Cuartil1, 3) Cuartil 2 ó
Mediana, 4) Cuartil 3 y 5) Valor máximo

C) CONDICIONES DE APLICACIÓN

 UNIDIMENSIONAL. 1 VARIABLE
 VARIABLE: CUANTITATIVA

D) DESCRIPCION DEL PROBLEMA

En el marco de una investigación sobre control estadístico de calidad se han observado los diámetros
de 125 pistones distribuidas en 25 muestras. Antes de generar cualquier información estadística de
nuestro interés con estos datos, es fundamental realizar PREVIAMENTE un análisis exploratorio de
los datos o control de calidad de los datos, sino queremos encontrarnos con sorpresas desagradables.

E) “CHANCHULLO”. PASOS A SEGUIR EN MINITAB Ver. 16

______________________________________________________________
______________________________________________________________
______________________________________________________________
__________________________________________________________

F) SALIDA DEL MINITAB

a) Pantalla Minitab de datos incorrectos

Gráfica de caja de diametro

80000
74013,0
70000

60000

50000
diametro

40000

30000

20000

10000

0 74,0

1 2 3
planta
 b) Pantalla Minitab de Datos Correctos

Gráfica de caja de diametro

74,03

74,02

74,01
diametro

74,00

73,99

73,98

73,97
73,967

73,96
1 2 3
planta

G) INTERPRETACIÓN

______________________________________________________________
______________________________________________________________
______________________________________________________________
__________________________________________________________
 GUIA Nº 4
A) HERRAMIENTA No 4: DIAGRAMA DE PARETO
1. Para un producto
2. Para un servicio
Un Diagrama de Pareto es una gráfica de barras para datos cualitativos, en las que las barras se acomodan en
orden según la frecuencia.
B) ¿PARA QUÉ SIRVE?:
El Diagrama de Pareto es una representación gráfica de los datos obtenidos sobre un problema que
ayuda a identificar cuáles son los aspectos prioritarios que hay que tratar olvidándonos de los
aspectos triviales.
También se conoce como Diagrama ABC o Diagrama 20-80
Su fundamento parte de considerar que “Un pequeño porcentaje de las causas, el 20% producen la
mayoría de los efectos, el 80%. Se trataría pues de identificar ese pequeño porcentaje de causas
vitales para actuar prioritariamente sobre él. En resumen según este concepto, si se tiene un problema
con muchas causas, podemos decir que el 20% de las causas resuelven el 80% del problema y el 80%
de las causas solo resuelven el 20% del problema.

C) CONDICIONES DE APLICACIÓN
 UNIVARIANTE
 VARIABLE: CUALITATIVA

D) DESCRIPCION DEL PROBLEMA

1) En una Empresa textil se desea analizar el número de defectos en los Tejidos que fabrica. En la
Tabla siguiente se muestran los factores que se han identificado como causantes de los mismos así
como el número de defectos asociados a ellos.

FACTORES NÚMERO DE DEFECTOS

SEDA 13
ALGODÓN 171
TUL 105
TAFETÁN 7
RASO 7
ENCAJE 8
LANA 4
LINO 9
SATÉN 11
VISCOSA 9

2) El servicio de atención al cliente de Entel Oruro tiene registrado los siguientes reclamos del mes
anterior
Nº RECLAMO CANTIDAD DE RECLAMOS
1 Envío de mensajes no autorizados 10
2 Permanente corte de sistema 108
3 Señal saturada 88
4 Deficiente cobertura 145
 5 Cobro exagerado 25
6 Deficiente atención de personal 20
7 Personal no capacitado 3
8 Llamadas no autorizadas 7
9 Promociones no adecuadas 2
10 Publicidad engañosa 3

El Directos de marketing de Entel indica que el 82,97% de la insatisfacción de los clientes pueden ser
resueltos dando solución a la deficiente cobertura, permanentes cortes de sistema y señal saturada.
Demostrar si esta afirmación es cierta o falsa.

E) “CHANCHULLO”. PASOS A SEGUIR EN MINITAB Ver. 16

______________________________________________________________
______________________________________________________________
______________________________________________________________
__________________________________________________________
F) SALIDA DEL MINITAB
a) Ejercicio Nº 1

Diagrama de Pareto de Factores

350 100

300
80
Número de defectos

250

Porcentaje
200 60

150
40
100
20
50

0 0
Factores

Número de defectos 171 105 13 11 9 9 8 7 11

Porcentaje 49,7 30,5 3,8 3,2 2,6 2,6 2,3 2,0 3,2
% acumulado 49,7 80,2 84,0 87,2 89,8 92,4 94,8 96,8 100,0

G) INTERPRETACION

______________________________________________________________
______________________________________________________________
______________________________________________________________
__________________________________________________________
 GUIA Nº 5
A) HERRAMIENTA No 5: ESTADISTICOS DESCRIPTIVOS

B) ¿PARA QUE SIRVE?: RESUMIR INFORMACION

C) CONDICIONES DE APLICACIÓN

UNIDIMENSIONAL: 1 VARIABLE
VARIABLE: CUANTITATIVA (OBLIGATORIAMENTE)

D) DESCRIPCION DEL PROBLEMA

En el marco de una investigación sobre control estadístico de calidad se han observado los diámetros
de 125 pistones distribuidas en 25 muestras, se quiere conocer los principales Estadísticos descriptivos

E) “CHANCHULLO”. PASOS A SEGUIR EN MINITAB Ver. 16

______________________________________________________________
______________________________________________________________
______________________________________________________________
__________________________________________________________
F) SALIDA DEL MINITAB

Estadísticas descriptivas: diámetro

Error
Conteo estándar de
Variable total N N* NAcum Porcentaje PrcAcum Media la media
diametro 125 125 0 125 100 100 74,001 0,000901

Suma de
Variable MediaRec Desv.Est. Varianza CoefVar Suma cuadrados Mínimo
diametro 74,001 0,0101 0,000101 0,01 9250,147 684521,769 73,967

N para
Variable Q1 Mediana Q3 Máximo Rango IQR Modo moda
diametro 73,994 74,001 74,008 74,030 0,0630 0,0140 74 9

Variable Asimetría Kurtosis MSSD

diametro -0,10 0,45 0,000093

G) INTERPRETACION

______________________________________________________________
______________________________________________________________
______________________________________________________________
__________________________________________________________
 PARTE II
DISTRIBUCION DE PROBABILIDADES

Una distribución de probabilidad es un modelo matemático que relaciona el valor de la variable con
la probabilidad que tiene ese valor de ocurrir en la población.

Cuando la variable que esta midiendo se expresa en una escala continua, su distribución de
probabilidad se llama distribución continua. La distribución de probabilidad del diámetro de los anillos
para pistones es continua
Cuando el parámetro que se está midiendo solo puede asumir ciertos valores, como los enteros 0,1,2,
…la distribución de probabilidad se llama distribución discreta. Por ejemplo,la distribución del número
de disconformidades.
 GUIA Nº 6
A) HERRAMIENTA Nº 6: DISTRIBUCION DISCRETA
a) DISTRIBUCIÓN BINOMIAL

“La Gráfica de una distribución de probabilidad discreta se denomina histograma de probabilidad"

B) ¿PARA QUE SIRVE?:

Se utiliza para describir un proceso donde los resultados se pueden etiquetar como un evento o evento
fallido si, por ejemplo, un elemento pasa o no pasa una inspección o un partido político gana o pierde.
Se utiliza frecuentemente en control de calidad, sondeos de opinión pública, investigaciones médicas y
seguros.

El número de eventos (X) en n ensayos sigue una distribución binomial si se cumplen las siguientes
condiciones:
    El número de ensayos es fijo
    Cada ensayo es independiente
    Cada ensayo tiene uno o dos resultados: evento o evento fallido
    La probabilidad de un evento es igual para cada ensayo

C) CONDICIONES DE APLICACIÓN

D) DESCRIPCION DEL PROBLEMA

1. Un proceso de manufactura produce miles de artículos por día. En promedio 1% de los artículos son
no conformes a las especificaciones. Cada hora, un inspector de calidad selecciona aleatoriamente 50
artículos. Determinar la probabilidad, que el inspector registre 1 o menos artículos defectuosos.

2. Usted está interesado en el número de elementos defectuosos y no en la gravedad de los defectos.

Supongamos que un proceso genera 2% de elementos defectuosos. A usted le interesa saber cuál es la
probabilidad de obtener 3 o más elementos defectuosos en una muestra aleatoria de 25 elementos
seleccionados del proceso. El número de elementos defectuosos (X) sigue una distribución binomial
con n = 25 y p = 0.02.

3. Supongamos que la probabilidad de tener una unidad defectuosa en una línea de ensamblaje es de
0.05. Si el conjunto de unidades terminadas constituye un conjunto de ensayos independientes:
1. ¿cuál es la probabilidad de que entre diez unidades dos se encuentren defectuosas?
2. ¿y de que a lo sumo dos se encuentren defectuosas? (menor o igual)
3. ¿cual es la probabilidad de que por lo menos una se encuentre defectuosa? (mayor o igual)

4. Cada muestra de aire tiene 10% de posibilidades de contener una molécula rara particular. Suponga
que las muestras son independientes con respecto a la presencia de la molécula rara. Encuentre la
probabilidad de que en las siguientes 18 muestras, exactamente 2 contengan la molécula rara.
5. El departamento de control de calidad de una empresa que fabrica pañuelos sabe que el 5% de su
producción tiene algún tipo de defecto .Los pañuelos se empaquetan en cajas con 15 elementos.
Calcular la probabilidad de que una caja contenga:
a) 2 elementos defectuosos .
b) Menos de 3 elementos defectuosos
c) Entre 3 y 5 elementos defectuosos(ambos incluidos)

a) 13,48 %
b) 96.38
c) 3,62%

E) “CHANCHULLO”. PASOS A SEGUIR EN MINITAB Ver. 16

______________________________________________________________
______________________________________________________________
___________________________________________________________
F) SOLUCIÓN
1. Mediante la Formula de Distribución
2. Mediante Tablas de Distribución
3. Haciendo uso de MINITAB

1. Mediante la fórmula de distribución

Donde:
• P(X) es la probabilidad de ocurrencia del evento
• p es la probabilidad de éxito del evento (en un intento) (0.5)
• q es la probabilidad de fracaso del evento (en un intento) y se define como
q = 1 – p (0.50)
• X = ocurrencia del evento o éxitos deseados
• n = número de intentos
•
2. Haciendo uso de Minitab
Gráfica de distribución
Binomial; n=50; p=0,01

0,6

0,5

0,4
Probabilidad

0,9106
0,3

0,2

0,1

0,0
1 3
X
G) INTERPRETACION
______________________________________________________________
______________________________________________________________
______________________________________________________________
__________________________________________________________
 GUIA Nº 7
A) HERRAMIENTA No 7: DISTRIBUCION DISCRETA
b) DISTRIBUCIÓN HIPERGEOMÉTRICA
B) ¿PARA QUE SIRVE?:
La distribución hipergeométrica es el modelo de probabilidad apropiado para seleccionar una muestra
aleatoria de n artículos sin reemplazo de un lote de n artículos, de los cuales D son disconformes o
defectuosos. Una vez que se elige un elemento de la población, no se puede volver a elegir. Por lo
tanto, la probabilidad de que un elemento en particular sea seleccionado aumenta con cada ensayo,
dado que aún no ha sido seleccionado. Cada elemento de distribución hipergeométrica. Esta
distribución se utiliza en la prueba exacta de Fisher para probar la diferencia entre dos
proporciones y en muestreos de aceptación por atributos cuando se toman muestras de un lote
aislado de tamaño limitado.

La distribución hipergeométrica es descrita por 3 parámetros: tamaño de la población, conteo de

eventos en la población y tamaño de la muestra.

C) CONDICIONES DE APLICACIÓN

 UNIDIMENSIONAL: 1 VARIABLE
 VARIABLE: CUALITATIVA binaria

D) DESCRIPCION DEL PROBLEMA

1.Suponer que un lote contiene 100 articulos, 5 de los cuales no cumplen con los requerimientos. Si
seleccionan 10 artículos al azar sin reemplazo, cual es la probabilidad de encontrar uno o menos
artículos en la muestra

2. En un lote tamaño 30 que contiene 3 unidades no conformes. ¿Cuál es la probabilidad que en una
muestra de 5 unidades seleccionadas aleatoriamente contengan exactamente 1 no conforme?

3. Usted recibe un envío de pedido especial de 500 etiquetas. Supongamos que el 2% de las etiquetas
tiene defectos. El conteo de eventos en la población es de 10 (.02 * 500). Usted toma una muestra de
40 etiquetas y desea determinar la probabilidad de que haya 3 o más etiquetas defectuosas en esa
muestra.
4. Un lote contiene 100 piezas de un proveedor de tubería local y 200 unidades de un proveedor de
tubería del estado vecino. Si se seleccionan cuatro piezas al azar y sin reemplazo,
(a) ¿cuál es probabilidad de que todas sean del proveedor local?
(b) ¿Cuál es la probabilidad de que dos o más piezas de la muestra sean del proveedor local?
(c) ¿Cuál es la probabilidad de que al menos una pieza de la muestra sea del proveedor local?

E) “CHANCHULLO”. PASOS A SEGUIR EN MINITAB Ver. 16

______________________________________________________________
______________________________________________________________
______________________________________________________________
__________________________________________________________
F) SOLUCIÓN
1. Fórmula

2. Salida del Minitab

1)Hipergeométrico con N = 100, M = 10 y n = 5

Gráfica de distribución
Hipergeométrico; N=100; M=5; n=10
0,6

0,5

0,4
Probabilidad

0,9231
0,3

0,2

0,1

0,0
1 3
X

2) Hipergeométrico con N = 30, M = 3 y n = 5

x P( X = x )
1 0,369458

Gráfica de distribución
Hipergeométrico; N=30; M=3; n=5
0,6

0,5

0,4 0,3695
Probabilidad

0,3

0,2

0,1

0,0
0 1 2
X

G) INTERPRETACION
______________________________________________________________
______________________________________________________________
______________________________________________________________
__________________________________________________________
 GUIA Nº 8
A) HERRAMIENTA No 8: DISTRIBUCION DISCRETA
c) DISTRIBUCIÓN DE POISSON

B) ¿PARA QUE SIRVE?: Una aplicación típica de la Distribución de Poisson en el control

de calidad es como un modelo del número de defectos o disconformidades que ocurren en una unidad
de producto, suele ser una aproximación adecuada de cualquier fenómeno aleatorio que ocurre sobre
una base por unidad (área, volumen, tiempo, etc)

Esta distribución se utiliza para describir ciertos procesos.

Características:
En este tipo de experimentos los éxitos buscados son expresados por unidad de área, tiempo, pieza, etc:
- # de defectos de una tela por m2
- # de aviones que aterrizan en un aeropuerto por día, hora, minuto, etc.
- # de bacterias por c m2 de cultivo
- # de llamadas telefónicas a un conmutador por hora, minuto, etc, etc.
- # de llegadas de embarcaciones a un puerto por día, mes, etc, etc.

La distribución de Poisson es similar a la distribución Binomial porque ambas modelan los conteos de
eventos. Sin embargo, dentro de su espacio finito de observación, la distribución de Poisson no
establece límite superior en este conteo: una central telefónica podría recibir un número infinito de
llamadas en un día y no violar los requisitos de distribución de Poisson. En cambio, la distribución
Binomial establece un límite superior en el conteo: el número de eventos que usted observa no puede
exceder el número de ensayos que ejecuta

C) CONDICIONES DE APLICACIÓN

 UNIDIMENSIONAL: 1 VARIABLE
 VARIABLE: CUANTITATIVA DE CONTEO

D) DESCRIPCION DEL PROBLEMA

1. Se conoce que el número de reclamos por hora en la unidad de reclamos de una institución de
telefonía es igual a 4. ¿Cuál es la probabilidad que un día particular existan 3 llamadas entre las 8:30 y
9:30 de la mañana
2. Una empresa electrónica observa que el número de componentes que fallan antes de
cumplir 100 horas de funcionamiento es una variable aleatoria de Poisson. Si el número
promedio de estos fallos es ocho,
1. ¿cuál es la probabilidad de que falle un componente en 25 horas?
2. ¿y de que fallen no más de dos componentes en 50 horas?
3. ¿cuál es la probabilidad de que fallen por lo menos diez en 125 horas?
4. Suponer que el número defectos por unidad en la conexión de alambres que ocurre en un dispositivo
semiconductor sigue una distribución poisson con parámetro lamda =4. Cual es la probabilidad de que
un dispositivo semiconductor seleccionado al azar contenga dos o menos defectos en la conexión de
alambres.
5. Supongamos que el número de imperfecciones en un alambre delgado de cobre sigue una
distribución Poisson con una media de 2.3 imperfecciones por milímetro.
(a) Determine la probabilidad de 2 imperfecciones en un milímetro de alambre.
(b) Determine la probabilidad de 10 imperfecciones en 5 milímetros de alambre.
(c) Determine la probabilidad de al menos una imperfección en 2mm de alambre
E) “CHANCHULLO”. PASOS A SEGUIR EN MINITAB Ver. 16
______________________________________________________________
______________________________________________________________
_______________________________________________________

F) SOLUCIÓN
1. Fórmula

Donde el parámetro lamda >0

La media es u=lamda y la varianza = lamda

2. Salidas del MINITAB

Gráfica de distribución
Poisson; Media=4

0,20 0,1954

0,15
Probabilidad

0,10

0,05

0,00
0 3 11
X

Poisson con media = 4

x P( X = x )
3 0,195367

F) INTERPRETACION
______________________________________________________________
______________________________________________________________
______________________________________________________________
__________________________________________________________
 GUIA Nº 9
A) HERRAMIENTA No 9: DISTRIBUCION CONTINUA: D. NORMAL
Probablemente la distribución sea la distribución más importante tanto en la teoría como en la
aplicación de la estadística
“La gráfica de una distribución de probabilidad continua se denomina Curva de Densidad y debe
satisfacer dos propiedades similares a los requisitos para las distribuciones de probabilidad discretas,
esas propiedades son:
1. El área total bajo la curva debe ser 1
2. Todos los puntos de la curva deben tener una altura vertical mayor o igual que cero

B) ¿PARA QUE SIRVE?:

La utilización de la distribución normal es tan frecuente que muchas veces se emplea una notación
especial x-N(u,v2), para denotar que x sigue una distribución normal con media u y varianza v2. La
apariencia visual de la distribución normal es una curva simétrica, unimodal o en forma de campana
(campana de gauss).

C) CONDICIONES DE APLICACIÓN
 UNIDIMENSIONAL: 1 VARIABLE
 VARIABLE: CUANTITATIVA CONTINUA

D) DESCRIPCION DEL PROBLEMA

1. La salida de voltaje de una fuente de poder está normalmente distribuida con un promedio de 12 V.
y una desviación estándar 0.05 V. Si los valores de especificación inferior y superior son 11.9 V. y
12.1 V. ¿Cuál es la probabilidad que una fuente de poder seleccionada aleatoriamente sea conforme
con la norma?
2. La resistencia de tensión del papel empleado para hacer bolsas para víveres es una característica
importante de la calidad. Se sabe que la resistencia tiene una distribución normal con media u=40
lb/pul2 y desviación estándar d=2 lb/pulg2, lo cual se denota x-N(40,2). El comprador de las bolsas
requiere que éstas tengan una resistencia de por lo menos 35lb/pulg2.Cuál es la probabilidad de
obtener el requerimiento del comprador?
3. Se sabe que X, la venta diaria de una panadería, sigue una distribución normal con una media de 70
barras y varianza 9; es decir, X-N(70,9). Qué probabilidad de que en un día cualquiera las ventas de
pan sean superiores a 75 barras?
4.La duración de un láser semiconductor a potencia constante tiene una distribución normal con media
7.000 horas y desviación típica de 600 horas.
a) ¿Cuál es la probabilidad de que el láser falle antes de 5.000 horas?

E) “CHANCHULLO”. PASOS A SEGUIR EN MINITAB Ver. 16

______________________________________________________________
______________________________________________________________
______________________________________________________________
__________________________________________________________
F) SOLUCIÓN
1. Fórmula

2. Salida del Minitab

Gráfica de distribución Gráfica de distribución

Normal; Media=12; Desv.Est.=0,05 Normal; Media=12; Desv.Est.=0,05
9 9

8 8

7 0,9772 7

6 6
Densidad

Densidad

5 5

4 4

3 3

2 2

1 1
0,02275
0 0
12 12,1 11,9 12
X X

Gráfica de distribución
Normal; Media=12; Desv.Est.=0,05
9
0,9545
8

6
Densidad

0
11,9 12 12,1
X

G) INTERPRETACION
______________________________________________________________
______________________________________________________________
______________________________________________________________
__________________________________________________________
 GUIA Nº 10
A) HERRAMIENTA No 10: DISTRIBUCION CONTINUA: D. EXPONENCIAL

B) ¿PARA QUE SIRVE?:

Es una de las distribuciones de probabilidad de mayor importancia en la práctica. Esta distribución se
utiliza como modelo para representar “tiempos de funcionamiento” (tiempos de vida), es decir, el
tiempo que transcurre antes que ocurra un fallo o tiempo de espera

C) CONDICIONES DE APLICACIÓN
 UNIDIMENSIONAL: 1 VARIABLE
 VARIABLE: CUANTITATIVA CONTINUA

D) DESCRIPCION DEL PROBLEMA

1. Suponemos que un componente electrónico en un sistema de radar tiene un tiempo d vida según una
ley exponencial con un índice de falla 10-4/h (lamda). EL tiempo medio de falla del componente es
1/lamda = 10000 h.. Se desea determinar cual es la probabilidad que este componente falle antes dl
valor esperado de vida
2. la distribución de probabilidad del tiempo que transcurre antes que falle el ventilador de un motor
diesel se describe mediante la función exponencial con una tasa de fallo igual 34,8 fallos por un
millón de horas. Si la garantía es de 8000 horas. ¿Cuál es la probabilidad de que el ventilador falle
antes de su garantia?
3. El tiempo de reparación de unas máquinas de escribir tiene una distribución aproximadamente
exponencial, con media 22 minutos.
1. Hallar la probabilidad de que el tiempo de reparación sea menor que diez minutos.
4. El personal de la compañía Onda S.L. usa una Terminal para realizar sus pedidos internacionales. Si
el tiempo que cada comercial gasta en una sesión en la Terminal tiene una distribución exponencial
con media 36 minutos, encontrar:
a) Probabilidad de que un comercial utilice la Terminal 30 minutos o menos.
b) El 90% de las sesiones terminan en menos de R minutos. ¿Cuánto vale R?

E) “CHANCHULLO”. PASOS A SEGUIR EN MINITAB Ver. 16

______________________________________________________________
______________________________________________________________
______________________________________________________________
__________________________________________________________
F) SOLUCION:
1. Fórmula
2. Salida del Minitab
Ejercicio Nº 1

Gráfica de distribución
Exponencial; Escala=10000; Valor umbral=0,0001

0,00010

0,00008

0,6321
Densidad

0,00006

0,00004

0,00002

0,00000
0,0001 10000
X
 PARTE III
INFERENCIA ESTADISTICA