Escolar Documentos
Profissional Documentos
Cultura Documentos
Distribuciones de Probabilidad
Continua
6-1
Problemática
Los gerentes de producción de Honda están interesados en
controlar el tiempo entre las salidas de dos autos consecutivos de
la línea de ensamblaje. La planta está diseñada para producir un
auto cada 55 segundos, se desea determinar la probabilidad que el
tiempo de salida entre vehículos exceda los 60 segundos.
6-2
Distribuciones de Probabilidad Continuas
6-3
Distribuciones de Probabilidad
Distribuciones Discretas Distribuciones continuas
x = 0, 1, 2, 3… x pertenece a un intervalo de
valores continuo.
6-4
Objetivos
6-5
Distribuciones de Probabilidad
Continua
Una variable aleatoria continua es una variable
que puede tomar cualquier valor de un
intervalo (puede tomar un número incontable
de valores)
Grosor de un artículo.
Tiempo requerido para completar una tarea.
6-6
Tipos de Distribuciones
Continuas
Tres tipos
Normal
Uniforme
Exponencial
6-7
Distribución Normal
La distribución continua más importante.
6-8
Distribución Normal
6-9
Distribuciones Normales
6-10
Forma de la Distribución Normal
Cambiando μ la
f(x)
distribución se mueve a
la izquierda o derecha..
Cambiando σ la
σ dispersión
crece o decrece
μ x
6-11
Distribución Normal
6-12
Encontrando Probabilidades
Normales
La probabilidad está determinada por el
área bajo la curva
f(x) P (a x b)
a b x
6-13
Probabilidad como Área Bajo la
Curva
El área total bajo la curva es 1.0 y la curva es
simétrica, entonces la mitad del área está arriba de la
media y la otra abajo:
f(x) P ( x μ ) 0 .5 P ( μ x ) 0 .5
0.5 0.5
μ x
P ( x ) 1 .0
6-14
Distribución Normal Estándar
También conocida como “Distribución Z”
Media es 0
Desviación Estándar es 1
f(z)
1
z
0
Valores arriba de la media son valores z positivos
Valores abajo de la media son valores z negativos
6-15
Conversión a la Distribución
Normal Estándar
Una distribución normal (con cualquier
combinación de media y desviación estándar)
puede ser transformada a la distribución
normal estándar (distribución z).
6-16
Conversión a la Distribución
Normal Estándar (continuación)
La conversión de x al valor z (Distribución Normal
Estándar, Distribución Z) consiste en sustraer la
media a x y dividirla por su desviación estándar:
x μ
z
σ
z es el número de desviaciones estándar en que x
difiere de la media
6-17
Ejemplo
x μ 2 50 1 00
z 3 .0
σ 50
Es decir, x=250 está a tres desviaciones
estándar arriba de la media (3 incrementos de
50 unidades).
6-18
Comparando las unidades
de “x” y “z”
μ = 100
σ = 50
100 250 x
0 3.0 z
Los problemas se pueden expresar en unidades
originales (x) o en unidades estandarizadas (z)
6-19
Tabla de la Distribución
Normal Estándar
Da la probabilidad de la media (cero) hacia
un valor z deseado (arriba de la media)
0.4772
Ejemplo:
P(0 < z < 2.00) = 0.4772
0 2.00 z
6-20
Tabla de la Distribución
Normal Estándar (continuación)
La Tabla de la Distribución Normal Estándar da
la probabilidad entre la media y un valor z
deseado (arriba de la media).
0.1
Las filas
muestran el 0.2
. El valor dentro de la
valor z con su .
primer decimal . tabla da la probabilidad
2.0 .4772 de z = 0 a un valor z
deseado
P(0 < z < 2.00)2.0
= 0.4772
6-22
Procedimiento General para
Encontrar Probabilidades
1. Determinar m y s
x μ
3. Convertir a la normal estándar z
σ
4. Usar la tabla para encontrar la probabilidad
6-23
Tabla Z: Ejemplo
Supongamos que x tiene distribución normal
con media 8.0 y desviación estándar 5.0.
Encontrar P(8 < x < 8.6)
Calculando los valores z:
x μ 88
z 0
σ 5
8 8.6 x
x μ 8 .6 8 0 0.12 Z
z 0 .1 2
σ 5 P(8 < x < 8.6)
= P(0 < z < 0.12)
6-24
Tabla Z: Ejemplo
(continuación)
m=8 m=0
s=5 s=1
8 8.6 x 0 0.12 z
6-25
Solución: Encontrando P(0 < z < 0.12)
6-26
Hallando Probabilidades de la
Normal
Supongamos que x es normal con
media 8.0 y desviación estándar 5.0.
Ahora hallar P(x < 8.6)
La probabilidad de obtener un valor menor que 8.6
P = 0.5
Z
8.0
8.6
6-27
Hallando Probabilidades de la
Normal (continuación)
0.5000 0.0478
P(x < 8.6)
= P(z < 0.12)
= P(z < 0) + P(0 < z < 0.12)
= 0.5000 + 0.0478 = 0.5478 Z
0.00
0.12
6-28
Probabilidad de la Cola Superior
Z
8.0
8.6
6-29
Probabilidad de la Cola Superior
(continuación)
0.0478
0.5000 0.4522
Z Z
0 0
0.12 0.12
6-30
Probabilidad de la Cola Inferior
Z
8.0
7.4
6-31
Probabilidad de la Cola Inferior
(continuación)
6-32
Regla Empírica
¿Qué podemos decir acerca de la distribución
de los valores alrededor de la media, si la
distribución es normal?
f(x)
μ ± 1σ cubre alrededor del
68% de los valores de x
σ σ
Recordar a
Tchebysheff
Cap. 3
x
μ1σ μ μ+1σ
68.26%
6-33
Regla Empírica
(continuación)
2σ 2σ 3σ 3σ
μ x μ x
95.44% 99.74%
6-34
Importancia de la Regla
6-35
Distribución Uniforme
La distribución de poca información
6-36
Distribución Uniforme
6-37
Distribución Uniforme
f(x)
.25
a=2 b=6 x
6-38
Distribución Uniforme
(continuación)
1
si a x b
ba
f(x) =
0 otro caso
Donde:
f(x) = Valor de la función de densidad en cualquier valor de x
a = Límite inferior del intervalo de variación
b = Límite superior del intervalo de variación
6-39
Distribución Uniforme: Media y
Desviación Estándar
La media (valor esperado) es:
a+b
E(x) μ
2
La desviación estándar es:
(b a)2
σ
12
Donde:
a = Límite inferior del intervalo de “a” a “b”
b = Límite superior del intervalo de “a” a “b”
6-40
Pasos para Usar la Distribución
Uniforme
6-41
Distribución Uniforme
1
f(x) = 6 - 2 = .25 para 2 ≤ x ≤ 6
f(x)
.25
2 6 x
P( 2.5 < x < 4.5) = 0.25(4.5 – 2.5) = 0.50
6-42
Distribución Uniforme
2+6
E(x) μ 4
2
(b a) 2
(6 2) 2
σ 1.1547
12 12
6-43
Distribución Exponencial
6-44
Distribución Exponencial
Ejemplos:
Tiempo entre llegadas de camiones a un centro
de abastecimiento.
Tiempo entre transacciones en un cajero
automático.
Tiempo entre llamadas a una central telefónica.
6-45
Distribución Exponencial
La probabilidad de que el tiempo entre dos
llegadas sea menor que o igual a un tiempo
específico es:
λa
P(0 x a) 1 e
Donde 1/ es el tiempo promedio entre eventos y e=2.7183
Recordar = Media de Poisson
Número promedio de llegadas en un segmento.
f(x)
= 3.0
(media = .333)
= 1.0
(media = 1.0)
= 0.5
(media = 2.0)
6-47
Distribución Exponencial:
Ejemplo
Ejemplo: A una ventanilla de reclamo llegan los
clientes a una razón de 15 por hora (distribución
Poisson). ¿Cuál es la probabilidad de que el
tiempo entre llegadas consecutivas de clientes sea
menor a cinco minutos?
El tiempo entre llegadas está exponencialmente
distribuído con media de 4 minutos (15 por 60
minutos, en promedio)
1/ = 4.0, entonces = .25
P(x < 5) = 1 - e-a = 1 – e-(.25)(5) = 0.7135
Hay un 71.35% de posibilidad de que el tiempo entre llegadas
consecutivas de clientes sea menor que 5 minutos
6-48
Resumen
6-49