1

Variable Aleatora y Modelos

probabilsticos 1
Estadstica
La Distribucin Normal
Variable Aleatora y Modelos probabilsticos 2
Distribucin normal o de Gauss
Aparece de manera natural:
Errores de medida.
Mediciones en general
Distancia de frenado.
Altura, peso, propensin al crimen
Para aproximar distribuciones binomiales con n grande (n>30)
y p ni pequeo (np>5) ni grande (nq>5).
Est caracterizada por dos parmetros: La media, , y la
desviacin tpica, .
Con funcin de densidad:
2
2
1
2
1
) (

x
e x f
2
Variable Aleatora y Modelos probabilsticos 3
N(, ): Interpretacin
geomtrica
Se interpreta la
media como un
factor de traslacin.
Y la desviacin
tpica como un
factor de escala,
grado de
dispersin,
Variable Aleatora y Modelos probabilsticos 4
N(, ): Interpretacin probabilista
Entre la media y una
desviacin tpica tenemos
siempre la misma probabilidad:
aprox. 68.3%
Entre la media y dos
desviaciones tpicas tenemos
siempre la misma probabilidad
aprox. 95.5%
Entre la media y 3
desviaciones tpicas tenemos
siempre la misma probabilidad
aprox. 99.7%
99.7 %
3
Variable Aleatora y Modelos probabilsticos 5
( )
20 ; 100 N
Entre 80 y 120 gramos
El contenido de grasa (en gramos) de una pieza
de carne sigue una distribucion Normal con una
media de 100 gramos/pieza y una desviacion
estandar de 20 gramos.
El 68.3 de las veces el contenido de grasa se
encuentra entre que valores?
Ejercicio Ejercicio
Variable Aleatora y Modelos probabilsticos 6
( )
20 ; 100 N
Entre 60 y 140 gramos
El contenido de grasa (en gramos) de una pieza
de carne sigue una distribucion Normal con una
media de 100 gramos/pieza y una desviacion
estandar de 20 gramos.
El 95.5de las veces el contenido de grasa se
encuentra entre que valores?
Ejercicio Ejercicio
4
Variable Aleatora y Modelos probabilsticos 7
Ejercicio Ejercicio
Cual es la
Desviacin
Estndar?
80 80 20 20
10
=

6
Variable Aleatora y Modelos probabilsticos 8
Algunas caractersticas
La funcin de densidad es simtrica, mesocrtica y unimodal.
Media, mediana y moda coinciden.
Los puntos de inflexin de la fun. de densidad estn a distancia de
.
No es posible calcular la probabilidad de un intervalo usando la
funcin de distribucin, ya que la integral de la funcin de densidad
de la normal no es expresable en trminos de funciones comunes.
Todas las distribuciones normales N(, ), pueden ponerse
mediante una traslacin , y un cambio de escala , como N(0,1).
Esta distribucin especial se llama normal estndar o tipificada.
Puntos de inflexin
5
Variable Aleatora y Modelos probabilsticos 9
Estandarizacin o Tipificacin
Dada una variable de media y desviacin tpica , se denomina valor
estandarizado (tipificado),z, de una observacin x, a la distancia (con
signo) con respecto a la media, medida en desviaciones tpicas, es
decir
En el caso de variable X normal, la interpretacin es clara: Asigna a
todo valor de N(, ), un valor de N(0,1) que deja exctamente la
misma probabilidad por debajo.
Nos permite as comparar entre dos valores de dos distribuciones
normales diferentes, para saber cul de los dos es ms extremo.

=
x
:
Variable Aleatora y Modelos probabilsticos 10
Ejemplo
Se quiere dar una beca a uno de dos estudiantes de sistemas educativos
diferentes. Se asignar al que tenga mejor expediente acadmico.
El estudiante A tiene una calificacin de 8 en un sistema donde la
calificacin de los alumnos se comporta como N(6,1).
El estudiante B tiene una calificacin de 80 en un sistema donde la
calificacin de los alumnos se comporta como N(70,10).
Solucin
No podemos comparar directamente 8 puntos de A frente a los 80 de
B, pero como ambas poblaciones se comportan de modo normal,
podemos tipificar y observar las puntuaciones sobre una distribucin
de referencia N(0,1)
A es mejor candidato para la beca.
1
10
70 80
2
1
6 8
=

=
=

=
B
x
:
x
:
B B
B
A
A A
A

6
Variable Aleatora y Modelos probabilsticos 11
Uso de las tablas de la Normal estndar
24
0
( ) 1 ; 0 N
( ) 3 ; 20 N
33 . 1
3
20 24
=

= :
Z
Z+1.33
0.908
Variable Aleatora y Modelos probabilsticos 12
Uso de las tablas de la Normal Uso de las tablas de la Normal
estndar estndar
El contenido de lipidos de ciertos
comprimidos es una variable que se
distribuye normalmente con valor medio de
20 miligramos/gramo y con una desviacion
estandar de 3 miligramos/gramo.
Que porcentaje de los comprimidos tendran
un contenido de lipidos entre 16 y 24
miligramos/gramo.?
7
Variable Aleatora y Modelos probabilsticos 13
Uso de las tablas de la Normal estndar
( ) 3 ; 20 N
( ) ( ) ( ) 16 24 24 16 < < = < < x P x P x P
( ) ( ) ( ) 33 . 1 33 . 1 24 16 < < = < < Z P Z P x P
( ) 816 . 0 092 . 0 908 . 0 24 16 = = < < x P
81.6
20
( ) 24 16 < < x P
Variable Aleatora y Modelos probabilsticos 14
Problema: Proceso de empacado Problema: Proceso de empacado
Cuando un cierto proceso de empacado esta bajo
control, el peso por unidad sigue una distribucion
Normal con media 100 gramos y desviacion
estandar de 3 gramos.
Se consideran conIormes las unidades que resulten
con peso entre 95 y 105 gramos.
Calcule:
A) Porcentaje de no-conIormidades.
B) Si actuando sobre el proceso se logra rebajar la
desviacion estandar en un 25. Cuales es el
nuevo porcentaje de no-conIormidades?
8
Variable Aleatora y Modelos probabilsticos 15
Problema - Solucin
= < < ) 105 95 ( X P
( ) 67 . 1 67 . 1 ) 105 95 ( + < < = < < Z P X P
( ) ( ) 67 . 1 67 . 1 ) 105 95 ( < + < = < < Z P Z P X P
905 . 0 0475 . 0 9525 . 0 ) 105 95 ( = = < < X P
Parte A)
Conformes 90.5
No conformes9.5
( ) 3 ; 100 N

< <

3
100 105
3
100 95
Z P
Variable Aleatora y Modelos probabilsticos 16
Problema - Solucin
( ) 3 ; 100 N
Parte B)
Nueva desviacion estandar 3*0.752.25
( ) 25 . 2 ; 100 N

< <

= < <
25 . 2
100 105
25 . 2
100 95
) 105 95 ( Z P X P
( ) ( ) 22 . 2 22 . 2 ) 105 95 ( < + < = < < Z P Z P X P
9738 . 0 0131 . 0 9869 . 0 ) 105 95 ( = = < < X P
Conformes 97.4
No conformes2.6
9
Variable Aleatora y Modelos probabilsticos 17
Problema: Proceso de empacado Problema: Proceso de empacado
Cuando un cierto proceso de empacado
esta bajo control, el peso por unidad
sigue una distribucion Normal con
media 100 gramos y desviacion
estandar de 3 gramos.
El 95 de las unidades empacadas
tienen un peso igual o menor a
Cuanto?
Variable Aleatora y Modelos probabilsticos 18
Uso de las tablas de la Normal estndar
?
0
( ) 1 ; 0 N
( ) 3 ; 100 N
Z
Z+1.645
0.95 0.95
645 . 1
3
100 ?
=

= :
? = 100+1.645*3= 104,94
10
Variable Aleatora y Modelos probabilsticos 19
Ejercicio: Calcular probabilidades Ejercicio: Calcular probabilidades
en un modelo Normal. en un modelo Normal.
Un remache para la industria de la construccion es
Iabricado para cumplir con una resistencia al
esIuerzo cortante de 2000 psi.
Nuestro proceso produce los remaches con una
resistencia nominal ( media) de 2300 psi y con una
desviacion estandar de 120 psi.
Estime el porcentaje de remaches no conIormes
que resultan en el proceso.
Variable Aleatora y Modelos probabilsticos 20
Capacidad de un proceso
Capacidad de un proceso
Se le piden peras al olmo?
11
Variable Aleatora y Modelos probabilsticos 21
Indices Indices de de capacidad capacidad
6 6
LTI LTS Tolerancia
c
p

= =

3

=
LTS
C
pu

3
LTI
C
pl

=
( )
pl pu pk
C C min C , =
Capacidad del
proceso
Capacidad de cumplir
con el LTS
Capacidad de cumplir
con el LTI
Capacidad crtica
Variable Aleatora y Modelos probabilsticos 22
0 100 200 300 400
0,00
0,01
0,02
0,03
0,04
peso (gramos)
0 100 200 300 400
0,00
0,01
0,02
0,03
0,04
peso (gramos)
LTI50
LTS350
N(200;10)
N(200;10)
6
TOLERANCIA300
60
CP5
12
Variable Aleatora y Modelos probabilsticos 23
0 100 200 300 400
0,00
0,01
0,02
0,03
0,04
Peso (gramos)
LTI50
LTS350
33 . 0
30
50 60
3
=

LTI
C
pl
33 . 0
30
50 60
3
=

LTI
C
pl
1 <
pl
C 1 <
pl
C
Proceso produce
No conformidades
CPK0.33
Variable Aleatora y Modelos probabilsticos 24
Problema: Problema: Grado Grado de de impurezas impurezas
El nivel de impurezas en cierta etapa del proceso de
produccion de azucar es una caracteristica importante de
controlar, pues aIecta el color la y pureza del producto
Iinal.
De acuerdo con la experiencia, la concentracion de impurezas
en el jugo, no debe superar los 70 mg/gr
Cuando el proceso esta bajo control, la concentracion de
impurezas, sigue una distribucion normal con media 40
mg/gr y desviacion estandar de 10 mg./gr
N(40,10)
13
Variable Aleatora y Modelos probabilsticos 25
Problema: Problema: Grado Grado de de impurezas impurezas
A).Juzgue la capacidad del proceso.
B) Si el proceso se descentra, aumentando la
concentracion media de impurezas, aumentara el
porcentaje de veces que el batch de jugo, no
cumple con la especiIicacion (70mg/gr). Cual
sera el descentramiento que puede tolerarse, si se
desea que, en tal caso, el porcentaje de no-
conIormidades, no supere el 1?
Variable Aleatora y Modelos probabilsticos 26
Capacidad del proceso Capacidad del proceso
1
10 * 3
40 70
3
=

LTS
C
pu
El proceso est
muy justo.
Con ningn margen
de holgura
A)
14
Variable Aleatora y Modelos probabilsticos 27
Problema: Problema: Grado Grado de de impurezas impurezas
LTS
Porcentaje de
No conformes
Proceso
bajo control
N(40;10)
*

( ) 01 . 0 / 70
*
= > X P
B)
Variable Aleatora y Modelos probabilsticos 28
Descentramiento crtico Descentramiento crtico
( ) 01 . 0 / 70
*
= > X P
( ) 01 . 0 57 . 2 = > Z P
01 . 0
10
70
*
=

>

Z P
57 . 2
10
70
*
=

3 . 44
*
=
15
Variable Aleatora y Modelos probabilsticos 29
Descentramiento crtico Descentramiento crtico
Cuando el proceso se salga
de control, colocando su
media en 44.3 mg/gr. El
porcentaje de No
conIormidades es del 1.
Variable Aleatora y Modelos probabilsticos 30
Problema en la fabricacin de Problema en la fabricacin de
piensos piensos
La densidad de un pienso para animales
tiene una media de 10. Ademas se sabe que
varia entre 7 y 13.
Si los limites de tolerancia para dicho
producto son 9 y 12.
Cual es el porcentaje de no
conIormidades?
(Suponga que se distribuye Normal)
16
Variable Aleatora y Modelos probabilsticos 31
Capacidad en la produccin de Capacidad en la produccin de
remaches remaches
Un remache para la industria de la construccion es
Iabricado para cumplir con una resistencia al
esIuerzo cortante de 2000 psi.
Nuestro proceso produce los remaches con una
resistencia nominal ( media) de 2300 psi y con una
desviacion estandar de 100 psi.
Juzgue la capacidad del proceso.
Si en un momento dado el proceso se descentra de
tal manera que produce 5 de No conIormes,
cuales su nueva media?