CAPITULO III

DISTRIBUCIONES DE PROBABILIDADES

Las distribuciones de frecuencia en estadstica y control de calidad son de uso frecuente, ya que indican la
forma en que se distribuyen los datos y lecturas. Generalmente expresan las probabilidades en sus frmulas
matemticas en funcin del rea bajo la curva con respecto a un eje que normalmente es el eje X. Las distribuciones
ms usuales son: Normal o de Gauss, CHi-cuadrado o de Pearson, F o de Fisher, t de Student o Gusset, binomial o de
Bernulli, exponencial o de Poisson, hipergeomtrica y la de Weibull. De las distribuciones mencionadas la binomial,
Poisson, hipergeometrica y la binomial negativa son distribuciones de probabilidad discretas, el resto son
distribuciones de probabilidad continuas .

3.1 DISTRIBUCION NORMAL Llamada tambin de Gauss, es una de las distribuciones de frecuencias ms
importantes en estadstica. Su apariencia fsica es la de una curva simtrica en forma de campana que se extiende hasta
el infinito, asintticamente en ambas direcciones, positiva y negativa. La frecuencia relativa con la cual una variable
tomar valores entre dos puntos es el rea bajo la curva, sobre el eje horizontal.
Las reas bajo la curva normal representan las probabilidades de distribucin normal. Como en el caso de los
histogramas que describen otras distribuciones. El rea total bajo la curva normal es igual a 1, y por lo tanto, las reas
bajo la curva normal puede considerarse como proporciones, probabilidades o, cuando se multiplican por 100, como
porcentajes. Un grfico de esta curva normal se muestra en la figura 9.


Fig. 9 Representacin grfica de la curva normal

Esta curva viene expresada por la frmula:

e
2
1
= Y
2
2
) - (X
-
o

t o
2 3.1

donde: - media;
o - desviacin tpica (estndar) poblacional;
t = 3,1416;
X = variable (un valor particular de la poblacin; valor aleatorio) - < X <
Y = f(x;;o ) densidad de distribucin de probabilidad.
La probabilidad de que una variable aleatoria normalmente distribuida X se encuentre en el intervalo x
1
< X <
x
2
est definida por la funcin de distribucin acumulativa.
P( x
1
<X< x
2
) =
( )
dx e
x
x
x
2
2
2
1
2
2
1 o

t o

}
3.2

Cuando la variable X, se expresa en unidades estndar Z=(x - )/o donde Z es la variable aleatoria normal
estandarizada, y si X se encuentra normalmente distribuida con media =0 y desviacin estndar o=1, entonces Z=(x -
)/o tambin se encuentra normalmente distribuida con media cero y desviacin estndar uno.

0.4
0.3
0.2
0.1
1 0 -1 2 -2 3 -3
Y
z
68.27%
95.45%
99.73%
La ecuacin anterior en ese caso puede ser remplazada por la forma cannica, la cual se obtiene al expresar X
atravez de: X= + to; X= + t
1
o; X= + t
2
o,

P(x
1
<X< x
2
) = dt e
t
t
t
}

2
1
2
2
2
1
t
3.3

3.1.1 CARACTERISTICAS DE LA CURVA NORMAL.

- Es asntota al eje de las X;
- El rea bajo la curva es igual a 1;
- Es simtrica en torno a la media (eje de ordenadas);
- La media da la tendencia central;
- La desviacin estndar expresa la dispersin.

3.1.2 PROPIEDADES DE LA DISTRIBUCION NORMAL.

- Media
- Varianza o
- Desviacin estndar o
- Coeficiente de sesgo o
3
= 0
- Coeficiente de curtosis o
4
= 0
- Desviacin Media 2/t = 0,7979



EJEMPLOS DE APLICACION DE LA TABLA NORMAL

Ejemplo 1: Los pesos individuales de un lote de piezas fundidas de hierro gris estn normalmente distribuidas
con una media de 7,465 kg y una desviacin tpica (estndar) de 0,045 kg. La especificacin para peso es de 7,530
0,075 kg
a) Qu porcentaje de la produccin cumplir la especificacin?
b) Qu porcentaje de la produccin tendr un peso mayor al lmite superior de especificacin?
c) Qu porcentaje de la produccin tendr un peso menor al lmite inferior de especificacin?
d) Qu accin debera ser tomada para reducir a un mnimo el porcentaje de producto defectuoso y cul sera este
porcentaje, tomando en cuenta que la capacidad de proceso no puede ser disminuida? /7/.

Solucin:
11 , 3
045 , 0
465 7 605 7
1
1
= =

=
, - , X
Z
o


Con este valor Z
1
en la tabla de la distribucin normal se obtiene: A
1
= 0,09%, porcentaje de produccin que tendr un
peso mayor al lmite superior de especificacin.
22 , 0
045 , 0
465 7 455 7
2
2
= =

=
, - , X
Z
o



7,465 7,455 7,605
41,29%
0,09%
Mediante el mismo procedimiento anterior A
2
= 41,29%, significa que 41,29% tendr un peso menor al lmite
inferior de especificacin.
Luego 100% - 0,09% - 41,29% = 58,62%, el 58,62% cumple con la especificacin.
Para reducir a un mnimo el porciento de producto defectuoso se debe centrar el proceso a 7,53 Kg (si la
media de los pesos tomamos 7,53 Kg.)

67 1
045 0
53 7 605 7
1
,
,
, - ,
Z = =
En la tabla de la distribucin normal A
1
= 4,75%

67 1
045 0
53 7 455 7
2
,
,
, - ,
Z = =
En la tabla de la distribucin normal A
2
= -4,75%A = 100% - (4.75% + 4,75%) = 90,5% porcentaje dentro de
las especificaciones; 9,5% - porcentaje fuera de especificacin.
Ejemplo 2: La vida de operacin de un motor elctrico, la cual es normalmente distribuida, tiene una media de
2.200 horas y una desviacin estndar de 120 horas, Cul es la probabilidad de que un motor falle al operar 1900
horas o menos?
Solucin:

5 2
120
2200 1900
,
- X
Z = =

=
o

P = 0,62%

3.2 DISTRIBUCION BINOMIAL La distribucin binomial denominada tambin de BERNULLI, es una de las
distribuciones discretas de probabilidad ms importantes, se utiliza cuando alguien tiene que decidir entre si o no, pasa
o no pasa, cara o cruz, bueno o malo. La funcin de probabilidad binomial en la P es la probabilidad de xito del
evento y q es la probabilidad de fallo del evento, siendo P + q = 1, entonces la probabilidad de que el suceso se
presente exactamente X veces en N ensayos, viene dada por la frmula matemtica:
p(x;n,p) =n Cx P
x
q
n-x
x n x
) ! ( !

= q p
X N X
N!
3.4
Donde:

X= 1, 2, 3... n
P es la probabilidad de obtener X xitos o fracasos en n eventos,
n Cx el nmero de combinaciones de n casos tomados X de una sola vez,
q es la no-probabilidad del evento,

Ejemplo 1: Cul es la probabilidad de obtener exactamente 2 caras en 5 lanzamientos de una moneda?
Solucin:
Si n = 5; x = 2; P = 1/2; q = 1/2.
2200 1900
0,62%
7,53 7,455 7,605
4,75%
4,75%

P(2; 5, 0.5)=
( ) 192
1
2
1
2
1
! 2 5 ! 5
! 5
2 5 2
=
|
.
|

\
|

|
.
|

\
|

3.2.1 PROPIEDADES DE LA DISTRIBUCION BINOMIAL

- Media = N P
- Varianza o = NPq
- Desviacin estndar
q P N = o
1
- Coeficiente de sesgo
q P N
P - q
=
3 o
2
- Coeficiente de curtosis
NPq
Pq -6 1
3
4
+ = o


Ejemplo 2: Si la probabilidad de un cerrojo defectuoso es 0,01, hallar la media, la desviacin tpica (estndar),
los coeficientes de sesgo y de curtosis de la distribucin de cerrojos defectuosos de un total de 500.

Solucin:

= NP = 500 (0,01) = 5, lo cual indica que 5 cerrojos son defectuosos.

o = q P N = 224 , 2 99 , 0 01 , 0 500 =


99 0 01 0 500
01 0 99 0
3
, ,
, - ,
NPq
P q

=

= o

(sesgada a la derecha).

0019 0
99 0 01 0 500
99 0 001 0 6 1
3
6 1
3
4
,
, ,
, ,
NPq
Pq
=


+ =

+ = o .

La distribucin es platicrtica con respecto a la distribucin normal.

3.3 RELACION ENTRE LAS DISTRIBUCIONES BINOMIAL Y NORMAL. Si N es grande y ni P ni q
estn muy aproximados a cero, la distribucin binomial puede aproximarse estrechamente a la distribucin normal con
variable tipificada dada por:
N P q
X - N P
Z = 3.5
3.4 DISTRIBUCION EXPONENCIAL (LLAMADA DE POISSON). La aplicacin de la distribucin
exponencial se recomienda para eventos o fenmenos de baja probabilidad; es decir, cuando P es aproximadamente 10
veces menor que q.
La distribucin de POISSON queda definida matemticamente como:

! X
e nP
X P
np

=
x
) (
) ( 3.6
Donde: X = 0,1,2,3...
n - nmero de unidades (tamao de la muestra);
P - probabilidad;
e = 2,71828, base de los logaritmos naturales;
nP = C
'
;
C
'
- nmero esperado de defectos en la muestra.

Ejemplo: Un lote de 200 vlvulas que contienen 3% de producto defectuoso es sometido a un plan de
muestreo de aceptacin correspondiente a n = 100. Utilizando la distribucin de POISSON determinar la probabilidad
de que en la muestra no se encuentre vlvulas defectuosas.
Solucin:

% ,
!
e ) , (
) ; P(
X!
e (nP)
P(X)
, - nP x
5 05 0
0
03 0 100
0
03 0 100 0
= =

=

=



3.4.1 USO DE LAS TABLAS DE POISSON.

Ejemplo: Existe 2% de unidades defectuosas en una produccin.

a) Cul es la probabilidad de no encontrar defectuosos en una muestra de 100 unidades?
b) Cul es la probabilidad de encontrar 1 unidad defectuosa?
c) Cul es la probabilidad de encontrar 2,3,4,5...?

Solucin: Si, C' = nP = 1000,02 = 2; Donde C' - nmero esperado de defectos en la muestra. Entramos en el
anexo 3; con un valor de 2. Y se obtiene:

C 0 1 2 3 4 5 6 7 8
0,135 0,406 0,677 0,857 0,947 0,983 0,995 0,999 1

Donde: C - nmero de aceptacin.
a) Po = 0,135, substrayendo el ltimo trmino encontramos las respuestas para los siguientes valores, as:
b) P
1
= 0,271.
c) P
2
= 0,271; P
3
= 0,180; P
4
= 0,090; P
5
= 0,036;
P
6
= 0,012; P
7
= 0,004; P
8
= 0,001.
Lo cual se puede comprobar con la frmula (3.6), por ejemplo P(2):

271 0
2
2
2
2 2
,
!
e
) P( =

=




3.4.2. PROPIEDADES DE LA DISTRIBUCION DE POISSON

- Media nP
- Varianza o = nP
- Desviacin estndar P n = o
- Coeficiente de sesgo
nP
1
3
= o
- Coeficiente de Curtosis
nP
1
3
4
+ = o

3.5 DISTRIBUCION HIPERGEOMETRICA. El muestreo es imprescindible en el control de calidad; por lo
tanto, las distribuciones de probabilidad que se han tratado anteriormente, junto con la hipergeomtrica, tienen una
aplicacin amplia. Esta distribucin en el muestreo de una poblacin finita, viene expresada por la siguiente formula:


n
N
d N
Np N

d
Np
P(d)

= 3.7

donde N - nmero total de unidades en el lote;
Np - nmero de unidades defectuosas en el lote;
n - tamao de la muestra.
d - nmero de defectuosos en las muestras de tamao n.

EJEMPLOS DE APLICACION

Ejemplo 1: Ciertas partes de maquinaria se embarcan en lotes de N = 20 con el objeto de aceptar el lote como
bueno, es decir de acuerdo a las especificaciones, se selecciona al azar tres partes de cada lote y si la muestra, no
contienen ninguna parte defectuosa se acepta el lote.
Cul es la probabilidad de aceptar lotes que contienen:
a) 4 partes defectuosas;
b) 8 partes defectuosas;
c) 10 partes defectuosas.
Solucin:
Utilizamos la distribucin hipergeomtrica:


( ) 49128 , 0
3
20
0 3
4 20
0
4
0 =

=


P


( ) 19298 , 0
3
20
0 3
8 20
0
4
0 =

=


P


( ) 10526 , 0
3
20
0 3
10 20
0
10
0 =

=


P





EN RESUMEN:

CALIDAD DEL LOTE PROBABILIDAD DE ACEPTACION

a) 20 , 0
20
4
= = P P
a
=0,49128

b) 40 , 0
20
8
= = P P
a
=0,19298

c) 50 , 0
20
10
= = P P
a
=0,10526


Ejemplo 2: En un lote de 400 ejes se conoce que el 25% son defectuosos, se extrae una muestra de n = 10.
Cul es la probabilidad de que todos los ejes de la muestra no sean defectuosos?
Solucin:
De acuerdo a la formula de la distribucin hipergeomtrica se tiene:

( ) 054 , 0
10
400
0 10
25 , 0 100 400
0
25 , 0 400
0 =

=

P

Ejemplo 3: Se tiene un lote de 100 artculos que estn sujetos a inspeccin y stos sern aceptados si una
muestra de 5 tomada al azar, contiene "cero" artculos defectuosos. Cul es la probabilidad de que se acepte el lote si
ste contiene 10 artculos defectuosos?

Solucin: ( ) 5837523 , 0
5
100
0 5
10 100
0
10
=

=


d P