8 Control Estadistico de Procesos

1
Control
Estadstico de
Procesos
Nociones de Probabilidad
Conceptos de Probabilidad
Al enfrentar un problema
de fsica, qumica,
ingeniera o de algn otro
tipo, estamos analizando
e investigando una parte
o aspecto de la realidad
material que nos rodea.
Introduccin a la Probabilidad
Para resolver el problema,
necesitamos modelar esa realidad,
es decir, construir una
representacin en la mente de cmo
ocurren los hechos, junto con
ecuaciones matemticas que
permitan calcular los efectos de los
mismos.
2
2
2 R t
Cada vez que
realizamos un clculo
matemtico para
resolver un problema,
lo que estamos
haciendo es aplicar un
modelo matemtico a
un fenmeno de la
realidad.
Aplicando este modelo a la cada real
de un cuerpo, dejamos de lado la
influencia del aire, cuyo rozamiento
en el cuerpo disminuye su velocidad,
pero lo hacemos a sabiendas que
este rozamiento es muy pequeo y
por lo tanto no va a afectar
demasiado nuestros clculos.
En ningn caso se debe confundir
modelo con realidad.
Un modelo es slo una representacin
de la realidad, utilizado para estudiar
y analizar dicha realidad.
3
Podemos calcular la corriente
elctrica que circula por un cable
con la Ley de Ohm y obtenemos, por
ejemplo, un resultado como 5,7
Amperes:
A
R
V
I 7 . 5 = =
Este tipo de modelos matem-
ticos se denominan
Determinsticos.
Hay fenmenos que necesitan otro
tipo de modelos matemticos, que se
denominan no determinsticos,
probabilsticos o estocsticos.
4
Por ejemplo, supon-
gamos que un a-
gricultor necesita sa-
ber cuanta lluvia va a
caer en los prximos
meses, antes de deci-
dir si le conviene
sembrar o no esta
temporada.
El agricultor se inform
en la oficina de
meteorologa acerca de
la presin baromtrica,
la temperatura, velo-
cidad del viento y otros
datos meteorolgicos
de la zona en que vive.
Sin embargo, no
hay una ecuacin
que con todos esos
datos le permita
calcular los milme-
tros de lluvia que
van a caer en un
mes en forma
precisa.
5
De la misma manera,
ningn operador puede
calcular cuanto va a
subir la Bolsa, ni
siquiera si va a subir o
bajar, an cuando
tenga a su alcance
todas las variables
econmicas disponibles
para el pas.
Este tipo de fenmenos No admiten
un modelo determinstico, sino un
modelo probabilstico, que como
resultado nos dice la probabilidad de
que llueva una cierta cantidad, o la
probabilidad de que la Bolsa suba un
cierto porcentaje.
El resultado no es un valor
determinado, sino la probabilidad de
un valor.
6
Experimento 1:
Se lanza un dado y se anota el
nmero que aparece en la cara
superior.
Experimento 2:
Se arroja una moneda cuatro veces y
se cuenta el nmero total de caras
obtenidas.
Experimento 3:
Se fabrican artculos en una lnea de
produccin y se cuenta el nmero de
artculos defectuosos producidos en 24
horas.
7
En todos estos casos, el resultado
del experimento no se puede
predecir con absoluta certeza.
Hay varios resultados posibles cada
vez que se realiza la experiencia.
Para cada experimento del tipo que
estamos considerando, se define el
Espacio Muestral como el conjunto
de todos los resultados posibles que
pueden producirse al realizar el
experimento.
Experimento 1:
Se lanza un dado y se anota el
nmero que aparece en la cara
superior.
1
4
3
2
5
6
{ } 6 , 5 , 4 , 3 , 2 , 1 = S
Espacio Muestral S
8
{ } N S ,..., 3 , 2 , 1 , 0 =
Experimento 2:
Se fabrican artculos en una lnea de
produccin y se cuenta el nmero de
artculos defectuosos producidos en 24
horas.
donde N es el nmero mximo que
pudo ser producido en 24 horas.
Un Suceso, respecto a un espacio
muestral S asociado con
determinado experimento, es un
subconjunto de resultados del
espacio muestral.
1
4
3
2
5
6
Espacio Muestral S
Suceso
9
1
4
3
2
5
6
Espacio Muestral S
Suceso
Hemos visto que dado un
experimento cualquiera, hay un
espacio muestral asociado cuyos
elementos son todos los resultados
que se pueden obtener de la
experiencia.
Un subgrupo o subconjunto de
resultados es un suceso.
Ahora Cmo podemos saber si la
posibilidad de que ocurra un suceso
es grande o pequea?
Por ejemplo, si arrojamos un dado,
Cmo podemos calcular la
probabilidad de que salga un 2 ?.
10
Para esto necesitamos un nmero
asociado con cada suceso, al cual se
lo denomina probabilidad del suceso.
Entonces, la probabilidad P de un
suceso es un nmero entre 0 y 1, que
nos dice en que medida es posible
que ocurra el suceso.
Si la probabilidad es 1 significa que
el suceso ocurrir con toda certeza.
Si la probabilidad es 0,5 significa
que un suceso puede ocurrir o
puede no ocurrir con la misma
probabilidad.
Probabilidad 0 quiere decir que el
suceso es imposible que ocurra.
11
Probabilidad de un suceso?
N
m
P =
Probabilidad de un suceso?
La probabilidad P de que ocurra el
suceso H es:
Sabemos que son igualmente posibles
los nmeros: {1, 2, 3, 4, 5 y 6}
(Espacio muestral con 6 elementos).
Si se arroja un dado sobre
una mesa y apostamos a
que salga un nmero igual o
menor que 4.
12
Pero los nmeros favorables a
nuestra apuesta son: {1, 2, 3 y 4}
(Suceso con 4 elementos). Entonces,
la probabilidad de que ganemos es:
... 666 , 0
6
4
= = P
1
4
3
2
5
6
Espacio Muestral S
Suceso
... 666 , 0
6
4
= = P
Conceptos Fundamentales
Cuando tenemos un conjunto muy
grande de datos numricos para
analizar decimos que tenemos un
Universo o Poblacin de
observaciones.
13
29
26
26
31
32
30
27
28
25
29
32
30
29 27
28
30
30
31
31
30
30
31
27
31
28
29
32
33
33
34
31
29
30
Poblacin o Universo
Cada dato numrico es un elemento
de la poblacin o universo.
Una Muestra es un subconjunto
pequeo de observaciones extradas
de un universo o poblacin.
29
26
26
31
32
30
27
28
25
29
32
30
29 27
28
30
30
31
31
30
30
31
27
31
28
29
32
33
33
34
31
29
30
30
Poblacin o Universo
Extraemos un
dato de la
Poblacin
14
29
26
26
31
32
30
27
28
25
29
32
30
29 27
28
30
30
31
31
30
30
31
27
31
28
29
32
33
33
34
31
29
30
28
29
31
30
34
Poblacin o Universo
Muestra de
5 datos
La Estadstica trabaja con poblaciones
de datos y con muestras extradas de
las mismas.
Supongamos que tenemos una mquina
que produce piezas de plstico en serie y
un tcnico toma 5 piezas sucesivas y les
mide la altura con un calibre. Tenemos,
entonces, 5 resultados, es decir una
muestra de 5 elementos.
Cul es el universo al cual pertenece
esa muestra de datos?.
15
Qu representa una
Poblacin de datos?
El anlisis estadstico de una
poblacin o universo de datos tiene
como objetivo final descubrir las
caractersticas y propiedades de
aquello que gener los datos.
Poblacin real
Salarios
800 $
1250 $
950 $
2150 $
1780 $
1340 $
1500 $
2100 $
...
Poblacin estadstica
16
Un ingeniero controla un proceso
industrial, que genera a diario
muchos lotes de un producto
(Poblacin de lotes). Para cada lote
se mide una caracterstica de calidad,
obtenindose una gran cantidad de
resultados numricos (Poblacin de
datos).
Resultados
Numricos
Muestra
Medicin
Proceso
Producto
El ingeniero realiza esta tarea
no porque est interesado en
jugar con nmeros, sino porque
a travs de los datos numricos
obtenidos se puede evaluar el
comportamiento del proceso,
que es lo que realmente le
interesa.
17
Entonces, es importante destacar que
detrs de un universo o poblacin de
datos se encuentra una poblacin
fsica subyacente, formada por
elementos de la realidad que nos
rodea, de la cual, a travs de algn
tipo de medicin, se obtuvieron los
datos numricos.
Es esa poblacin fsica subyacente
(Elementos de la realidad, seres
humanos, lotes de material, etc.) la
que deseamos estudiar y
caracterizar por medio del anlisis
estadstico de los datos obtenidos.
La poblacin estadstica est
representando, entonces, una
poblacin fsica o natural formada
por elementos de la realidad, con
respecto a una caracterstica o
propiedad de esa poblacin fsica.
18
Es muy importante, al utilizar
mtodos estadsticos, no confundir la
poblacin fsica, formada por
elementos de la realidad que estamos
estudiando, con la poblacin o
universo de datos generados a partir
de la primera.
Obtenemos as una representacin
grfica (Llamada tambin
histograma) que nos muestra la
distribucin de frecuencias de la
poblacin.
Esta distribucin de frecuencias nos
muestra las caractersticas de una
poblacin, por ejemplo, si hay
resultados que son mas frecuentes
que otros.
19
Nos muestra si los valores estn
ubicados alrededor de un valor
central, si estn muy dispersos o
poco dispersos. Podemos observar
que fraccin de todas las mediciones
cae por ejemplo, entre 70 y 80 Kg.
(Zona rayada en el grfico):
Grfi co de Di stri buci n de Frecuenci as
0,00
0,02
0,04
0,06
0,08
0,10
0,12
0,14
0,16
0,18
0,20
60 66 72 78 84 90 96
Pes o Kg.
F
r
e
c
u
e
n
c
i
a

R
e
l
a
t
i
v
a
Una extraccin aleatoria es aquella en
que cada miembro de la poblacin
tiene la misma posibilidad de ser
elegido. Supongamos que realizamos
una extraccin aleatoria de la
poblacin antedicha y obtenemos el
valor y.
20
Parmetros de una Poblacin
Medidas de Tendencia
Central
Una caracterstica importante de
cualquier poblacin es su posicin, es
decir, donde est situada con
respecto al eje de abscisas (Eje
horizontal).
En nuestro caso, es importante saber
si los datos se agrupan alrededor de
60 Kg. o de 90 Kg. o alrededor de 12
Kg.
Una manera de obtener un dato
numrico que nos d idea de la
posicin de nuestra poblacin es
calcular el Promedio o Media de todas
las observaciones:
( )
N
X
X
i
=
21
Este importante parmetro nos
permite efectuar comparaciones entre
distintas poblaciones.
Por ejemplo, si tuviramos una
poblacin formada por mediciones del
peso de mujeres de 30 aos, otra de
peso de varones de 40 aos y una
tercera de peso de nios de 8 aos,
es indudable que los promedios van a
ser diferentes.
El promedio, entonces, nos est
diciendo que las tres poblaciones son
diferentes y tambin en que medida
difieren.
22
Medidas de Dispersin
Otra caracterstica muy importante de
una poblacin es el grado de
dispersin de las observaciones.
No es lo mismo si en nuestra
poblacin encontramos que todos los
valores estn entre 75 y 90 Kg. que si
estn entre 60 y 105 Kg., aunque el
promedio sea el mismo.
Es necesario agregar alguna idea de
la dispersin de los valores.
Una manera es a travs del Rango de
las observaciones, es decir, el valor
Mximo y el valor Mnimo de los datos
de la poblacin.
23
Una manera mas precisa de dar idea
de la dispersin de valores de una
poblacin es a travs de la Varianza o
su raz cuadrada, que es la
Desviacin Standard.
165 cm.
163 cm.
171 cm.
156 cm.
162 cm.
159 cm.
162 cm.
168 cm.
159 cm.
167 cm.
Si ahora sumamos los residuos
elevados al cuadrado, tenemos un
nmero donde se condensa toda la
informacin de la dispersin de la
poblacin:
= Cuadrados de Suma
( )
2
2
60 , 191 cm X X
i
= =
24
Este nmero, la suma de cuadrados,
es dependiente del nmero de datos
N, y por lo tanto no nos sirve para
comparar poblaciones con distinto
nmero de observaciones.
Pero si dividimos la suma de
cuadrados por N, tenemos un nmero
que es independiente del nmero de
observaciones, que se denomina
Varianza:
= =
N
Cuadrados de Suma
Varianza
( )
N
X X
i
2

8 Control Estadistico de Procesos

Загружено:

Сведения о документе

Авторское право

Доступные форматы

Поделиться этим документом

Поделиться или встроить документ

Параметры публикации

Этот документ был вам полезен?

Это неприемлемый материал?

Авторское право:

Доступные форматы

8 Control Estadistico de Procesos

Загружено:

Авторское право:

Доступные форматы

1

Вам также может понравиться