26-8-2016

Distribucin en la
Probabilidad
Metodologa Seis Sigma

Manuel Castilla Ibarra

UNIVERSIDAD DE CELAYA

Distribuciones Discretas
Distribucin Binomial
Es frecuente que en control de calidad se den variables del tipo pasa, no pasa. Por ejemplo, un
artculo cumple con especificaciones o no, una pieza resiste cierta fuerza o no, una lmpara enciende
o no. Un experimento aleatorio donde los posibles resultados de cada ensayo son: xito o fracaso
se conoce como experimento Bernoulli . En control de calidad se suele llamar xito al resultado
con connotacin negativa de los dos posibles, dado que el inters de un estudio se enfoca
directamente a investigar cmo reducir la ocurrencia de stos. Un experimento aleatorio que consiste
en una secuencia de n ensayos independientes Bernoulli con probabilidad de xito constante p ,
recibe el nombre de experimento binomial.

Distribucin Geomtrica
Proporciona la probabilidad de requerir X repeticiones independientes de un experimento Bernoulli para
observar el primer xito. En una serie de ensayos Bernoulli independientes, con probabilidad de xito
constante p , se define la variable aleatoria X como el nmero de ensayos que es necesario realizar
hasta observar el primer xito.

Distribucin Hipergeometrica
Se aplica en ciertos tipos de experimentos Bernoulli, en los cuales la probabilidad de xito no se
mantiene constante, y eso ocurre cuando el tamao de lote es pequeo con respecto al tamao de
la muestra. Da la probabilidad de obtener X xitos en n experimentos Bernoulli, donde la probabilidad de
xito cambia de un experimento al siguiente.

Distribucin de Poisson
Una situacin frecuente en control de calidad es evaluar variables como las siguientes: nmero de
defectos por artculo, nmero de defectos por metros de cable, nmero de defectos por metro
cuadrado de tela, nmero de impurezas en un lquido, nmero de fallas mensuales de una mquina,
etc. Todos los casos anteriores se resumen as: nmero de eventos que ocurren por unidad (que
puede ser unidad lineal, de rea, de volumen, de tiempo o de nmero de artculos).

Distribucin Normal
La distribuci n normal es probablemente la distribucin continua ms importante, tanto en
estadstica terica como aplicada. Es una distribucin continua cuya densidad tiene forma de campana.
Es muy importante tanto en la estadstica terica como en la aplicada.

Verificacin de normalidad (graficas de probabilidad)

Existen muchas pruebas para verificar la normalidad, entre las que se encuentran las siguientes: Jicuadrada para bondad de ajuste, Kolmogorov, Shapiro-Wilks y Anderson-Darling. Casi cualquier
sistema computacional estadstico incluye una o varias de estas pruebas.

Grafica de probabilidad para verificar normalidad

La grafica de probabilidad es un procedimiento que permite determinar en forma visual si los
datos mustrales se ajustan a una distribucin especfica. La grfica de probabilidad es una grfica
del tipo X -Y cuyas escalas son determinadas por la distribucin elegida. Procedimiento que permite
determinar si los datos mustrales se ajustan a una distribucin especfica.

Distribuciones derivadas del muestreo

En esta seccin describiremos la distribucin ji-cuadrada, la T de Student y la F , las cuales son
distribuciones que se derivan del muestreo porque algunos estadsticos mustrales siguen estas
distribuciones, y esto permite hacer inferencias acerca la poblacin con base en muestras.

Distribucin ji-cuadrada
En la figura 3.4 se muestra la grfica de densidades ji-cuadrada para diferentes grados de libertad,
y en la tabla A3 del apndice se dan valores para los diferentes cuantiles de esta distribucin. La
distribucin ji-cuadrada tiene mltiples aplicaciones, algunas de ellas se ven en el captulo siguiente.
Adems se invita al lector a hacer los ejercicios de simulacin que estn al final de la lista de
ejercicios del presente captulo.

Distribucin T-Student
En la figura 3.5 se muestra la grfica de densidades T para diferentes grados de libertad. Como se
aprecia, esta distribucin es similar a la normal (0, 1), excepto que tiene colas ms pesadas. De
hecho tiende a la distribucin normal estndar cuando el tamao de la muestra crece, siendo
bastante parecidas para n > 30. De aqu que la distribucin T de Student sea ms relevante con
muestras pequeas (n < 30).

Distribucin F
En la figura 3.6 se muestra la grfica de densidades F para diferentes grados de libertad, en donde
se puede observar que tiene una apariencia similar a la distribucin ji-cuadrada, excepto que la
distribucin F se encuentra centrada con respecto a 1, y los dos parmetros le dan mayor flexibilidad.
En la tabla A5 del apndice se dan valores para un par de cuantiles o puntos crticos de esta
distribucin. La importancia de la distribucin F radica en que es de especial utilidad para hacer
inferencia cuando se comparan varianzas, ya que si se tienen dos poblaciones con distribucin
normal y varianzas 1 2 y 2 2 , respectivamente, y se toman muestras aleatorias de cada poblacin,
de tamao n 1 y n 2 , respectivamente