P(5 < X < 8) = P(X < 8) – P(X < 5) =

0,6028 – 0,4384 = 0,1644 => 16,44%

P(X < ¿?) = 0,95 ¿? = 25,955

Se aplico la prueba de bondad de ajuste de kolmogorov-smirnov,

arrojando el siguiente resultado:
Prueba de Kolmogorov-Smirnov
Weibull
DMAS 0,0839808
DMENOS 0,0716446
DN 0,0839808
Valor-P 0,872341

Obteniéndose un valor p mayor de 0,05 (0,872341) así que la

hipótesis nula se acepta, por tanto, los tiempos entre fallas siguen
el comportamiento de una distribución de Weibull, así que,
podemos utilizar esta distribución para calcular los valores
requeridos.
P(X < ¿?) = 0,5 ¿? = 47,0179 => 47 horas
Se recomienda que a las 47 horas de trabajo se le programe
mantenimiento preventivo a la máquina.
P(X > 56) = 0,0724 => 7,24%
La probabilidad de que la maquina trabaje mas de 56 horas sin
presentar averías es de apenas un 7,24%
La línea # 1 trabaja 8 horas al día de lunes a viernes, por tanto
trabaja 8*5 = 40 horas a la semana.
P(X > 40) = ¿?
X = el numero de horas que trabaja la línea # 1
Y: representa el hecho de que la línea # 1 este disponible para
trabajar.
A: representa el hecho de que la maquina A este disponible para
trabajar.
B: representa el hecho de que la maquina B este disponible para
trabajar.
C1: representa el hecho de que la maquina C1 este disponible para
trabajar.
C2: representa el hecho de que la maquina C2 este disponible para
trabajar.
D: representa el hecho de que la maquina D este disponible para
trabajar.

P(Y) =P(A)∩P(B) ∩[P(C1)UP(C2)] ∩P(D)

P(Y) = P(A)*P(B)*[P(C1)+P(C2)-P(C1)*P(C2)]*P(D)

Primero se debe determinar si la distribución de Weibull es la mas

adecuada para describir los tiempos entre fallas para cada
máquina:
Maquina A
Pruebas de Bondad-de-Ajuste para Maq A
Prueba de Kolmogorov-Smirnov
Weibull
DMAS 0,0611462
DMENOS 0,0704094
DN 0,0704094
Valor-P 0,965291

Dado que el valor p es mayor de 0,05 se acepta la hipótesis nula,

por tanto, los datos de horas entre fallas de la maquina A pueden
ajustarse a una distribución de Weibull.
P(A) = P(X > 40) = 0,8367
Maquina B
Pruebas de Bondad-de-Ajuste para Maq B
Prueba de Kolmogorov-Smirnov
Weibull
DMAS 0,10884
DMENOS 0,0803319
DN 0,10884
Valor-P 0,594268

Dado que el valor p es mayor de 0,05 se acepta la hipótesis nula,

por tanto, los datos de horas entre fallas de la maquina B pueden
ajustarse a una distribución de Weibull.
P(B) = P(X > 40) = 0,9377
Maquina C1
Pruebas de Bondad-de-Ajuste para Maq C1
Prueba de Kolmogorov-Smirnov
Weibull
DMAS 0,0568471
DMENOS 0,0933647
DN 0,0933647
Valor-P 0,776066

Dado que el valor p es mayor de 0,05 se acepta la hipótesis nula,

por tanto, los datos de horas entre fallas de la maquina C1 pueden
ajustarse a una distribución de Weibull.
P(C1) = P(X > 40) = 0,8296

Maquina C2
Pruebas de Bondad-de-Ajuste para Maq C2
Prueba de Kolmogorov-Smirnov
Weibull
DMAS 0,0433592
DMENOS 0,0709867
DN 0,0709867
Valor-P 0,962683

Dado que el valor p es mayor de 0,05 se acepta la hipótesis nula,

por tanto, los datos de horas entre fallas de la maquina C2 pueden
ajustarse a una distribución de Weibull.
P(C2) = P(X > 40) = 0,9108

Maquina D
Pruebas de Bondad-de-Ajuste para Maq D
Prueba de Kolmogorov-Smirnov
Weibull
DMAS 0,0944997
DMENOS 0,0702272
DN 0,0944997
Valor-P 0,763286
Dado que el valor p es mayor de 0,05 se acepta la hipótesis nula,
por tanto, los datos de horas entre fallas de la maquina D pueden
ajustarse a una distribución de Weibull.
P(D) = P(X > 40) = 0,9703

P(Y) = P(A)*P(B)*[P(C1)+P(C2)-P(C1)*P(C2)]*P(D)
P(Y) = 0,8367*0,9377*[0,8296+0,9108-0,8296*0,9108]*0,9703
P(Y) = 0,8367*0,9377*[0,8296+0,9108-0,7555]*0,9703
P(Y) = 0,8367*0,9377*0,9849*0,9703
P(Y) = 0,7497 = 74,97% => 75%
La probabilidad de que la línea # 1 de trabajo funcione sin averías
de lunes a viernes es del 75%.
Lo primero es probar que los datos de ventas pueden ajustarse a
una distribución normal:
Pruebas de Bondad-de-Ajuste para Ventas
Prueba de Kolmogorov-Smirnov
Normal
DMAS 0,0647545
DMENOS 0,0947101
DN 0,0947101
Valor-P 0,903319

Dado que el valor p es mayor de 0,05 (0,903319) se acepta la

hipótesis nula, por tanto, las ventas del producto estrella pueden
ajustarse al comportamiento de una distribución normal.

P(5500 < X < 6000) = P(X < 6000) – P(X < 5000) =
= 0,821137 - 0,0639156 = 0,7572 => 75,72% => 76%

P(X > ¿?) = 0,05 ¿? = 5474,99 => 5475

Nivel de seguridad o Stock de seguridad