Вы находитесь на странице: 1из 3

DEPARTAMENTO DE OPERACIONES Y SISTEMAS

GUIA DE UTILIZACIN DEL SOFTWARE MINITAB


PRACTICA No. 3
1.

Objetivo general de la prctica

En esta prctica se busca que el estudiante conozca las aplicaciones ms importantes de las distribuciones
continuas de probabilidad en control estadstico de la calidad.
2.

Objetivos especficos

Familiarizar al estudiante con las caractersticas relevantes de las distribuciones continuas de


probabilidad normal y exponencial.
Que el estudiante conozca las aplicaciones ms importantes que poseen las distribuciones normal y
exponencial.
Que el estudiante al finalizar la prctica sea capaz de analizar e interpretar los valores de las
probabilidades, producidos por MINITAB para diferentes distribuciones continuas.
3.

Distribuciones continuas de probabilidad

Si una variable aleatoria es continua, entonces sus valores corresponden a uno o ms intervalos en la lnea de
los nmeros reales. A menudo, se desea calcular la probabilidad concerniente al valor que una variable
aleatoria continua podra alcanzar. Como los valores posibles de una variable aleatoria continua no pueden
ser contados o listados, no se puede asignar probabilidades positivas a valores individuales de la variable
(porque si se hace, las probabilidades podran sumar ms de 1). Ms bien, se asignan las probabilidades a
intervalos de valores por eso razn se le llaman distribuciones continuas de probabilidad.
3.1.

Distribucin normal

La funcin de densidad normal o gaussiana fue propuesta por C.F. Gauss como modelo para la distribucin
de frecuencia relativa de errores, como los errores de medicin. Resulta sorprendente que esta curva con
forma de campana sea un modelo adecuado para las distribuciones de frecuencia relativa de datos recabados
en muchas reas cientficas diferentes. La variable aleatoria normal posee una funcin de densidad
caracterizada por dos parmetros: la media ( ) y la desviacin estndar ().
La distribucin normal de probabilidad tiene algunas propiedades importantes:
Existe toda una familia de distribuciones normales de probabilidad, con la forma caracterstica de la
distribucin normal siendo determinada por su media y su desviacin estndar.
El punto ms grande en la curva normal est localizado en la media, la cual es tambin la mediana y la
moda de la distribucin.
La distribucin normal es simtrica, con la forma de la curva a la izquierda de la media siendo una
imagen de espejo de la forma a la derecha de la media.
Las colas de la curva normal se extienden al infinito en ambas direcciones y nunca tocan el eje
horizontal.
3.2.

Distribucin exponencial

Suponga que el nmero de veces que un evento particular ocurre en un intervalo de tiempo o espacio tiene
una distribucin Poisson. Entonces se puede probar que el tiempo o espacio entre ocurrencias sucesivas de
un evento tiene una distribucin exponencial.

4.

Aplicacin a la distribucin normal

Un fabricante de autos recientemente introdujo un nuevo modelo de auto compacto y de una muestra de
49 millajes para estimar que la poblacin de los rendimientos de combustible en el rea urbana de todos los
autos de este tipo, est normalmente distribuida con una media de millas por galn igual a 31.5531 y una
desviacin estndar igual a 0.7992 millas por galn. Suponga que existe un competidor que produce un
modelo de auto compacto que es algo ms pequeo y menos potente que el nuevo modelo. El competidor
afirma, sin embargo, que su modelo de auto compacto obtiene un mejor rendimiento de combustible en la
ciudad. Especficamente, el competidor afirma que el rendimiento de combustible en el rea urbana de todos
sus autos compactos estn normalmente distribuidos con una media igual a 33 millas por galn y una
desviacin estndar de 0.7 millas por galn. Si se asume que la afirmacin del competidor es cierta,
entonces calcule la probabilidad de que el promedio de millas por galn de un auto de este fabricante,
seleccionado aleatoriamente se encuentre entre 32 y 35 millas por galn. Calcule la probabilidad de
que un auto del competidor tenga un rendimiento menor o igual a 32 millas por galn.
Para calcular las probabilidades necesarias para solucionar el problema, haga lo siguiente:
Introduzca los valores de rendimiento de 32 y 35 millas por galn en una columna.
Seleccione Calc/Probability Distributions/Normal.
Seleccione Cumulative probability.
En Mean digite 33. En Standard deviation, introduzca 0.7.
Seleccione Input column e introduzca el nombre de la columna que contiene los valores de rendimiento
de 32 y 35 millas por galn. Luego presione OK.
Una mejor forma de ver esto es de la siguiente forma:
Seleccione Graph/Probability Distribution Plot /View Probabiliy
Seleccione Normal.
En Mean digite 33. En Standard deviation, introduzca 0.7.
En la pestaa Shaded rea seleccione Middle , X value , X value 1= 32 y X value 2=2
Una vez se tienen los valores de las probabilidades correspondientes a los datos del problema, responda a las
preguntas del problema y realice una simulacin de 10,000 valores de la distribucin normal con los mismos
parmetros de la media y la desviacin estndar. Observe luego el comportamiento de la distribucin
mediante un grfico. Realice los siguientes pasos:
Llame a una columna bajo el nombre de Rendimiento Simulado
Seleccione Calc/Random Data/Normal.
En Number of rows of data to generate , se introduce el valor de 10,000
En Store in column(s) se introduce el nombre de la columna donde se almacenaran los datos
(Rendimiento Simulado)
En Mean digite 33. En Standard deviation, introduzca 0.7 y luego presione OK.
Realice un Histograma de los datos de la columna Rendimiento Simulado.
5.

Aplicacin a la distribucin exponencial

La duracin (en horas) de la unidad central de proceso de cierto tipo de microcomputadora es una variable
aleatoria exponencial con medias 1,000 hrs.
a) Qu probabilidad hay de que una unidad central de proceso tenga una duracin de por lo menos 2,000
horas?
b) Qu probabilidad hay de que una unidad central de proceso tenga una duracin de cuando ms 1,500
horas?
Para calcular las probabilidades que se necesitan para solucionar el problema, realice los pasos siguientes:
Introduzca los valores de las duraciones de 2,000 y 1,500 horas en una columna.
Seleccione Calc/Probability Distributions/Exponencial
Seleccione Cumulative probability.

En Mean digite 1,000.


Seleccione Input column e introduzca el nombre de la columna que contiene los valores de las
duraciones de la unidad central de proceso. Luego presione OK.
Una vez se tienen los valores de las probabilidades correspondientes a los datos del problema, responda a las
preguntas del problema y realice una simulacin de 10,000 valores de la distribucin exponencial con el
mismo valor de la media y observe el comportamiento de la distribucin mediante un grfico.
6.

Ejercicios

a) En Florida, ingenieros civiles estn diseando caminos con los mtodos ms modernos de construccin
orientados hacia la seguridad en respuesta al hecho de que en 1988 ms personas murieron en Florida a
causa de caminos en malas condiciones por armas de fuego. Un total de 135 accidentes de trfico
ocurridos durante el ao han sido atribuidos a caminos mal construidos. En la tabla que sigue se muestra
un desgloce de las malas condiciones de los caminos que causaron los accidentes. Construya e interprete
un diagrama de Pareto para estos datos.
Mala condicin del camino
Obstruccin sin advertencia
Reparaciones/construccin del camino
Material superficial suelto
Orillas del camino blandas o bajas
Agujeros, surcos, etc.
Agua estancada
Superficie desgastada
Otros

Nmero de decesos
7
39
13
20
8
25
6
17

b) El acero que se utiliza para tuberas de agua a menudo se recubre internamente con un mortero de
cemento para evitar la corrosin. En un estudio de los recubrimientos de mortero de una tubera
empleada en un proyecto de transmisin de agua en California se especific un espesor de 7/16 de
pulgada para el mortero. Un gran nmero de mediciones de espesor dieron una media de 0.635 pulgadas
y una desviacin estndar de 0.082 pulgadas. Si las mediciones de espesor tenan una distribucin
normal, qu porcentaje aproximado fue inferior a 7/16 de pulgada?
c) Un tubo fluorescente estndar tiene una duracin distribuida normalmente con una media de 7,000 horas
y una desviacin estndar de 1,000 horas. Un competidor ha inventado un sistema de iluminacin
fluorescente compacto que se puede insertar en los receptculos de lmparas incandescentes. El
competidor asegura que el nuevo tubo compacto tiene una duracin distribuida normalmente con una
media de 7,500 horas y una desviacin estndar de 1,200 horas.
Cul tubo fluorescente tiene mayor probabilidad de tener una duracin mayor que 9,000 horas?
Cul tubo tiene mayor probabilidad de tener una duracin de menos de 5,000 horas?
d) Vardeman y Ray (Technometrics, mayo 1985) sugieren que el nmero de accidentes industriales se puede
modelar mediante una distribucin exponencial. Suponga que el nmero medio de accidentes por hora en
una planta industrial est distribuido exponencialmente con una media de 0.5.
Qu probabilidad hay de que al menos un accidente ocurrir en una hora escogida al azar en la
planta industrial?
Qu probabilidad hay de que menos de dos accidentes ocurrirn en una hora escogida al azar en la
planta industrial?