\ —_—— ‘ Oa eee PROBABILIDAD| | yi | | ESPADISTICA\| | PARA INGENIEROS SEXTA EDICION \ We ‘ \/ WALPOLE 8 mee . MYE RS ao weRonald E. Walpole Probabilidad y estadistica para ingenieros SEXTA EDICION TRADUCCION: Ricardo Cruz Traductor Profesional REVISION TECNICA: Juan Antonio Torre Marine Ingeniero Mecanico Electricista Universidad Ananuac $64» Chile + Beuador Rofco » Uruguay *Venezeels‘Tilo, edico Potbiidad yestasice paca Ingeies, 6, e PRENTICE-HALL HISPANOAMERICANA, S.A Mca 199 Fort: 19 we 182 ELICION BX ESPANOL 10K: PABLO EDUARDO ROIG VAZQUEZ, SUPERVISOR DF TRADUCCION, JONGE BONILLA TALAVERA SUPERVISCR DF EDICION OSCAR AVALOS SALCEDO. EDICION E INGLES: Esher dirsctor, Tim Bie Edtorin chet. Jevome Grawt Eada asostnt, Mindy MeCtard Exccuive mano eso, Ktfen Schigparell ng elon, Lind Dbanoy Bete Nichola Remarc wishin VP preition monotactring, David W. Rison ‘asaser, rads Paci Cover designer, layne Conte Marketing manages. Meily Mares Marketing ssisiant, Jenifer Pa Compasitor, Prepare Ine/Emileomp srl WALPOLE: PROBABILIDAD ¥ ESTADISTICA PARE INGENIEROS, be ‘radveido de a sexta etctn en mls eI obras Prababilty an Statises For Eagnces and Scents. Alright reserved. Autonet taste fo Engh ngage eiton piste 9 Pence Hl. In. Anon Smtr compan Teo os ders sean. Tadcoin stra cin cn ins public poe Pentel Ts. ‘Sion & Ser Comp, Allright reserved. No pa of his bok may be reoved oe taniitedin any fom aby ay es Stet meta nclan poucopyng. ego emt se an ee System wthnt pertodon in ing rr he poe Prd cpl tl opal et, prcugelernaivo mds an pe isd edo Deectoswsratin © 199 rpc primeacin en pt PRENTICE-WAII nISeANOANIERICANA Sh Alliccmclco Nim 501 Piso Colts Ao S059, Naueapan de jure, Edo, de Mesicn ISHN mm 72446 lms ina na de eta ita Ni 152 fil Ehah Langage aon Past by rene a, Me ‘Sinn & Sater Company Capyraht ©1958 (PRINTED INMEXICO ,Contenido Prefacio ix 1 Introduccion a la estadistica y al andlisis de datos 1 Repaso 1 El papel de la probabilidad 2 Medidas de posicion: media de una muestra 4 Medidas de variabilidad 5 Datos discretos y continuos 6 Modelado estadistico, inspeccion cientifica y diagnosticos graficos 7 Boeene 2 Probabilidad 9 24 Espacio muestral 10 2.2 Eventos 13 2.2 Conteo de puntos de la muestra 19 24 Probabilidad de un evento 27 2.5 Reglas aditivas 30 26 Probabilidad condicional 35 2.7 Rieglas multiplicativas 38 28 Reglade Bayes 44 Ejercicios de repaso 49iv Contnito 3 Variables aleatorias y distribuciones de probabilidad 51 aa a2 23 a4 a5 Concopto de variable aleatoria 51 Distribuciones discietas de probabilidad 53 Distribuciones cortinuas dk -ontinvas de propabilidad 58 Distibuciones empiricas 63 Distribuciones de probabiidad conjunta 69 Ejorcicios de repaso 62 4 Esperanza matematica 94 aa 42 43 aa Madia de una variable algatorio. 84 Varianzay covarianza $2 Madias y varianzas de combinaciones lineales de variables aleatorias 101 Teorama de Chebyshev 108 Ejercicios de repaso 112 5 Algunas distribuciones de probabilidad discreta_ 114 Introduccién 114 Distribucisn uniforme diserata 114 Distribucionas binomial y multinomial 116 Distribucisn hipergeometriea 125 Distribucionas binomial negativa y geométrica 132 Distribucisn de Poisson y proceso de Peiston 135 Ejercicios de repaco 141 6 Algunas distribuciones continuas de probabilidad 143 61 62 ribucién de probabilidad continue 143 rabueidn normal 145 os bajo fa curva normal 148 ‘Aplicaciones de Ia distibucién normal 163 ‘Aproximacien normal ala binomial 16) sibucionos gamma y exponencial 166 ‘Aplicaciones de las distribuciones exponencial y gamma 170 Distribueién ji cuadrada 172 Distribucién logaritmica normal 173 Distribucién de Weibull 174 Ejercicios de repaso 178 7 Funciones de variables aleatorias 180 ma 72 13 Iniroduccién 18 Transformaciones de variables 180 ‘Momentos y funciones goneradoras de mamentos 189Contenido ov 8 Distribuciones fundamentales de muestreo y descripciones de datos 198 82 Agunos sess portato: 201 3.3 Presentaconas de datos y melosos grdfecs 84 — Distribuciones muestrales 215 = ae 85 Disweicines uestts de modiss 217 84 Ditton mucsta de ae 87 Disrmucten 238 88 Discten 252 Bjtclos de reaso 237 9 Problemas de estimacion de una y dos muestras 238 9.1 Introduccién 238 9.2 Inferencia asiadistics 238 9.3 Métodos clasicos de estimacion 239 9.4 Una sola muestra: estimacien dela madia 249 95 Error esténder de una estimacisn puntuel 240 8.6 Limites de tolerancia 249 9.7 Dot musetras: estimacién de Ia diferencia entre dos medies 253 9.8 Obsoraciones pareades 259 9.8 Una sola muestra: estimacién de una proporcién 268 9.10 Dos muestras: estimacion de la diferencia entre dos proporciones 268 9.11 Una sola muestra: estimation de la varianza. 271 3.12 Dos muestras: estimacion de la razon de dos varianzes 273, 9.13 Metodos bayesianos de estimacion. 275 9.14 Estimacion de prooabilided maxima 282 Ejercicios de repaso 237 10 Pruebas de hipotesis de una y dos muestras 290 10:1 Hipdtesis estadisticas: conceptos generales 290 102 Prusba de una hipotesis estadistica 292 103 Prusbas de una y dos coles 300 104 Uso de valores Para la toma de decisiones 302 105 Una sola muestra: pruebas con respecto a une sola media (varianza eonocida) 306 108 Relacién con la estimacion del intervalo de confianza 309 107 Una sole muestra: pruebas sobre una sola media (varianza desconocida) 310 108 Dos muestras: pruebas sobre dos medias 313 109. Eleccién del tamafo de la muestra para probar medias 318 10.10 Métodos araficos para comparar medias 323 10.11 Una muestra: prueba sobre una sola proporcién 330, 10.12 Dos muestras: pruebas sobre dos proporciones 333, 10.13 Pruebas reterentes a varianzas de una y dos muestras 336Vi Conenian 1014 1018, 1016 1017 1018 Prueba de la bondad de aiuste 240 Prueba de independencia (datos catagbricos) 944 Prueba de homogensidad 347 Prueba para varias proporciones 348 Estudio de dos muestras 360 Ejetcicios de repaso 355 11 Regresion lineal simple y correlacién 359 ma mz 13 m4 15 16 1) na 19 11.90 re Introduccién s la regresién lineal 358 Regresion lincal simple 361 Propiedados do los estimadores de minimos cuadredos 365 Inferencias acorca de los coelicientes de regresion 367 Prociccion 371 Elecsién de un modelo de regresion 377 Procedimionto del analisis de verianza 377 Prueba pora ta lineelidad de la regresion: datos con. observaciones repetidas 378 Graficas y transformaciones de datos 387 Estudio de regiesion lineal simple 391 Correlacion 994 Ejercicios de repase 400 12 Regresion lineal multiple 405 124 122 123 124 125 126 127 128 129 12:10 13 Experimentos de 131 132 133 134 Introduccién 405 Estimacion de los cosfcientos 406 Modelo de rearesién lineal con ol uso de matrices 410 Propiedades de los estimadores do minimos cuadiados 418 Inferencias en la regrosién lineal multiple 420 Eleccién de un modelo de ajuste a través de la prueba do hipotesis 427 Caso aspecia de ortogonalidad 491 Méiodos secvenciales para la celeccion del modelo 435 Estudio de residuce y violacién de suposiciones 441 Validacién cruzads, C,, otros crterios para la Seleccon del modelo 445 Fjercicios de wopaco 456 un factor: general 461 Tecnica del andlisis de varianza 461 La estrategia del diseno experimental 463 Analisis de varianza unilateral: disefio completamente alpatonizado 463, Pruebes dela igualdad de vatias variancas 470Contenido 13.5 Comparaciones de un solo grado de libertad 475 136 Comparaciones miiltiples 475 13.7 Comparacion de tratamientos con un control 483 138 Comparacién de un conjunto de t 08 en bl nto de tratamiontos en bloques 483 139 Diseno de bloques completos aloatorizados 469 13.10 Métodos gréficos y diagnéetices posteriores 498 13.11 Cuadrados latinos 499, 13.12 Modelos de ofectos alestorics 506 13.12 Enfoque de regresion para el andlisis de vrianza 611 13.14 Potoncia de las pruebas de analisis de varianea 612 18.15 Estudio de caso 519 Ejercicios de repaso 523 14 Experimentos factoriales 527 14.1 Introduccion 527 142 _Interaccion y el experimento de dos factores 529 14.3 Anélisis de varianza de dos factores 530 14.4 Andlisis grafico en el problema de dos factores 537 145. Experimentos de tres factores 540 186 Modelos muttifactoriales especificos 548 14.7 Exporimantos factoriales modelo Il y Ill 543 14.8 Eleccidn del tamaio de la muesira 552 Ejercicios de repaso 555 15 Experimentos factoriales y fracciones 559 15.1 Introduccién 559 15.2. Anélisis de varianza 560 15.3 Experimento 2* factorial sin replicas 554 15.4 Estudio de caso 565 18.5 Experimentos faotoriales en bioques incompletos 571 15.6 Confusion parcial 577 15.7 Experimentos factoriales en un ajuste de rearesion 579 15.8 Estudio de caso: exparimento de purificacion de carbén 583 15.9 Experiments factoriales fraccionados 588 15.10 Analisis de experimentos factoriales fraccionados 501 415.11. Disonos do fraccionos euporioros y depurados 595 16.12 Construcsién de disenos de resolucién Il y IV con 8, 18 y 32 puntos de diseio 596 15.13. Otros disenos de resolucidn Ill de dos niveles; disenios de Plackett-Burman 587 18.14 Diseno robusto de parametros de Taguchi 598 Ejercicios de repaso 607Contenido 16 Estadistica no paramétrica 609 16.1 16.2 16.3 16.4 165 166 167 168 Pruebas no paramétricas 609 Prueba de signo 510 Prueba de rango con signo 614 Prueba de la suma de rangos 620 Prueba de Kruskal Wallis 623 Pruebas de corridas 625 Limites de tolerancia 629 Coeficiente de correlacién de rango 630 Ejercicios de repaso 634 17 Control estadistico de calidad 635 74 17.2 173 74 175 17.6 Bibliogratia 667 Introduccién 635 Naturaleza de los limites de control 637 Propésitos de la grafica de control 637 Graficas de control para variables 638 Graficas de control para atributos 653 Graficas de control de cusum 660 Ejercicios de repaso 664 Apéndice: Tablas estadisticas 671 Respuesta a ejercicios con numero impar 723 indice 737Prefacio La sexta edicién de Probabilidad y estadistica para ingenieros destaca la teorfa esta- distica y pone un énfasis apropiado en el andlisis de datos, el eélculo estadistico y la mejora de la calidad. Nuestro objetivo es presentar al estudiante los elementos de la probabilidad y las distribuciones de probabilidad, la inferencia estadistica, la re- gresi6n y correlacién lineal, el andlisis de varianza. el disefio de experimentos y el control estadistico de la calidad. Este equilibrio entre la teoria y la metodologia ha encontrado histdricamente aceptacién por parte de los revisores y los usuarios del texto. La quinta edicion destacé la introduccidn de impresos de software para real- zar los ejemplos ¢ introdujo también los métodos graficos en el anilisis de datos. ‘Ambos temas se refuerzan en la sexta edicién, con impresos adicionales incluidos enel texto y también junto con casos de estudio dentro de los ejercicios. Oura ven taja de este texto es la abundancia de ejercicios de la “vida real” que incluyen con- juntos de datos de estudios reales realizados por ingenieros y cientificos. Se amplian los ejercicivs, en particular para las areas de pruebas de dos muestras y estimaci6n del intervalo de confianza, andlisis de varianza de uno y dos factores, y anilisis de regresion. A peticion popular, se proporcionan las respuestas para los ejercicios im- pares Un prerrequisito para el uso de este texto es un curso de calculo diferencial integral, con detivacién parcial e integracién multiple. Siel instructor intenta hacer un tratamiento completo de la regresion lineal multiple, seria util un curso de alge- bra lineal y matrices.x Pretecio importantes en la sexta edici6 1. El primer capitulo ho sido ampliade para proporcionar al lector wna introduc. cid sélida de las nociones de posicion y variabilidad. Se han agregndo Gjerei- clos este capitulo, 2. En casi todos los capitulos aparecen nuevos ejercicios de bi puesto énfasis en los ejercicios de repaso, ida real”. Se ha 3 Se introducen distribuciones uniformes continuas y logarftmica normal, sein fumica normal cluyen aplicaciones y ejercicios con el uso de la distribucion log 4. Se hace énfasis apropiado en el uso de la distribuci6n ¢ para adaptar pruchas y laestimacidn que incluye dos medias con varianza no homogen Se omite la seccidn yobre tearfa de la decisiin y se hace mas Enfasis en la est ‘maci6n de la probabilidad maxima. Se utilizan mas ejemplos y ejercicios para reforzar ef material det (esto sobre probabilidad maxima, 6. Se abarea ea forma mas completa el uso del ‘lgehra matricial en el andlisis de la parte de vari iple. se complementa con Ia inclusion de EL capitulo sobre experimenios factorial modelos mezclados, 8. En los capitulos de rey de “casos de estudio” y se incluyen muesiras de impresos de computadora. lente sitio ftp: ccom/pubiesm/statistis.027/walpole/probability_ statistics resin maltiple y andlisis de varianza apareven ejercicios 9. Los archivos de datos para este libro se pueden descargar del Atpsivav.w.prenh Este texto esti disefiado para un eurso de uno o de dos semestres. Un curso de tun semestre que contenga el tratamiento de probabilidad c inferencia estadistica se adapta con el material de los eapitulos 1 al 16, Sin embargo, existe mucha flexi dad para el uso de estos capitulos. Despus de la nueva introduccion, los capitulos 2, 3 4 cubren la probabilidad basica y las variables aleatorias. Los capitulos 5 y 6 tratan las distribuciones especificas, sus aplicaciones y las relaciones entre distribu: ciones. El capitulo 5 trata las distribuciones disoretas. incluida la binomial y la hic pergeométrica multinomial, binomial negativa, geométrica, uniforme y de Poisson El capitulo 6 explica la normal (incluye la apreximacién normal la binomial), gam- _ma, logaritmica normal, exponencial, ji cuadrada y otras distribuciones tiles. Es po- sible que, para un curso mas te6rieo, el instructor pueda elegit no utlizar la {otalidad del material en estos des capftules. Por otro lado, un curso para ingenie- ros ciestamente se beneliciaria de la discusion de las reas de aplicacion de estas im- portantes distribuciones y del uso de les ejerccios. lo 7 es un capitulo corte titulado Funciones de variabies aleatorias y es el tema mais matemitica de! ibro. Se incluye el uso de funciones generadoras de momento y técnicas para calcula Ia dis- tribucién de funciones de variables aleatorias. El instructor que esté mas inelinado ‘ enfatizar la estadistica matemstica puede preferir incluilo, El capitulo & contiene tres importantes temas relacionados: muestrev alealorio, ddescripcidn de datos y distribuciones de muestreo fundamentates. Como se meng 16 al principio, se pone considerable atenciGn al éespliegue de datos y @ las grt ‘cas. Ademas, se colocan las bases para el uso de percentiles y la graficacion de IaPretacio x probubilidad normal en aplicaciones que aparecen en los caphiulos siguientes. Se is- cute Ia dstribueibn de X y S, y se proporciona la motivacion para si uso en los dos capitulos siguientes. este respecto, se introducen ls distribuciones ty F. asf como la motivacion para su uso en la estimacién del intervalo la prueba de hipstests. Los capitutos 9 y 10 contienen material sobre la estimacién de una y dos mus tras y la prueba de hipdtesis, respectivamente. Se incluyen nuevos ejereicios y ejem plos, ¥ Se introduce al estudianie 4 conjuntos de datos de “la vida real”, Las iustraciones incluyen el uso de comporaciones gréficas asi eomo Ia inferencia for mal —impresos de computadora comentados forman parte dela ilistracion, El ca pitulo 9 inclaye tambicn material sobre probabilidad masima yestimacion de Bayes Las pruebas tesricas normiates que ineluyen ls distribuciones 1, Fy y'se dan en el capitulo 10, como pruebas que implican el uso de datos categoricos, Los eapitulos Ly 12se ocupan de la rezresidn lineal simple y la regresidn mltiple. espectiva mente, Como en el pasado, se incluyen ls critetios de selecsicn de! modelo de un solo numero, procedimientos paso paso. di diseusidn de transform: \stico con grifieas de residuys y une El capitulo 13 es una presentacién del problema de un factor. Se introduce el analisis de vatiana para prueba de medias. Se incluyen los blogues, cuadrados lati anos y el modelo de efectos ateatorios, Un extenso estudio de caso iustra fa unin de graticas estadisticas la inferencia formal. Elcapitulo [4 contiene e| experimen: to factorial general, con grificas e impresos de computadora comentados y resala- dos una vez mis. El capitulo 1S contiene el material mensionado con anterioridad sobre experimentos 2 factorialesy fraccionales,ineluidos los bleques y a confusién. Se resaltan los métodos modernosde mejora de la calidad por medio de ejemplos y ‘easosde estudio, y se explican la metodologia de Taguchi asf como modelado Ue va rianza, El capitulo 16 se ocupa de los precedimientos no paramétricos, y el capitu- lo 17 estd dedicado al control estadistico de la calidad. Los capitulos 11 a 17,2 nuestro juieio, proporcionan material suficiente para un segundo semestre. Cada capitulo contiene suficiemte flexibilidad y permite la omi- sin de secciones sin pérdida de comtinuidad ‘Queromos agradecer a los que contribuyeron con la prepara edicién, Agradecemos a Linda Seawell, que mecanografis el manuscrito. De nuevo, muchas gracias al Centro de Consulta Estadistica del Instituto Politécnico de Virgi- nia: fuente de muchos de los conjuntos de datos de la “vida real” que se uiilizan co mo ejemplos y ejercicios. Estamos en deuda con aquellos colegas que revisaron la sexta edici6n y propor cionaron muchas sugerencias titles para esta ediciin, Elles son Melinda McCann, Universidad Estatal de Oklahoma: Bill Beyer. Universidad de Akron; Michael Merscher, Universidad Tecnolégica Lawrence: v Kyuil Kim, Universidad de Ilinois en Chicago. También estamos en devda con el albacea literario del fallecido sir Ronald A. Fisher, F-R.S., Cambridge, y a Oliver & Boyd Ltd., Edimburgo, por su permiso pa- ra reimprimir una tabla de su libro Statistical Methods for Research Workers:al pro- fesor E. 5. Pearson y a los administradores de Biometrika por el permiso para reimprimir de forma condensada las tablas & y 18 de Biometrika Tables for Stati cians, vol |; a Oliver & Boyd L.td., por el permiso para reproducir tablas de su br0 ion de esta sextaPrefacio Design and Analysis of Industrial Experiments de O. L. Davies: a McGraw-Hill Book Company por el permiso para reproducir las tablas A-25d y A-25e de su libro Introduction to Statistical Analysis de W. J. Dixon y R. J. Massey, Jr; a C. Eisenhart, M. W. Hastay y W. A. Wallis por el permiso para reproducir dos tablas de su libro Techniques of Statistical Analysis. También deseamos expresar nuestro aprecio por el permiso para reproducir tablas de los Annals of Mathematical Statistics, del Bu- Metin of the Educational Research at Indiana University, de una publicacién de la American Cyanamid Company, de Biometrics, de Biometrika, vol 38, y de la Jour- nal of the American Statistical Association. RAM. S.L.M.Introduccién a la estadistica y al andlisis de datos 1.1 _Repaso CN a En Ja industria estadounidense se dedica una cantidad extraordinaria de atenciGn al mejoramiento de ta calidad que comenzé en los ocheata y cantina en la presente déeada. Se ha dicho y escrito mucho del “milagro industrial” japonés que comenzs en la segunda mitad del siglo xx, Fueron eapaces de tener éxito donde nuestio pais (E.U,) y otros paises fallaron —a saber, en la creacisn de una atmésfera que permi. te la manufactura de productos de alta calidad. Gran parte del éxito de los japone s2s se atribuye al uso de méodos esadisiicas y al pensamiento estadistico entre | personal gerencial El uso de métodos estadisticos en Is manufactura, ol desarrollo de productos alimenticios, software de computadoras, productos farmacéuticos y muchas ottas ‘reas implica el acopio de informacién o datos eientificos. Por supuesio que o aco piio de datos no es algo nuevo, ya que se ha realizado por mas de mil alos. Les da~ tos se han reeabado, resumido, reportado y almacenado para su examen euidaloso. Sin embargo, hay una diferencia profunde entre teeabar informacion cientifica y la ‘estadistiea inferencal. Es esta ttima la que ha resibido legitima atencion en las ce numero enorme de herra mientas analiicas que permiten al ingeniero o al eientifico comprender mejor los sistemas que generan los datos, Esto refleja la verdadera naturaleza de la ciencia {que Hlamamos estadistica inferencial, pneipalmente el uso de técnicas que nos per- ‘miten ir mas alla de solo reportar datos sino, mis bien, nos permite obtener concli- siones (0 inferencias) sobre el sistema ciemtifico, Los estadisticos hacen uso de leyes fundamentales de probabilidad e inferencia estadistica para sacar conclusiones sobre los sistemas cientificos, La informacién se colecta en forma de muestras, 0 12 captuie + itrodeccisn agrupaciones de observaciones, En el capitulo 2 se introduce el proceso de mues treo y la dscusién continda ao largo de todo el libro, Las muesteas se tetinen « par ‘on agrupaciones de todos losindividuos o elementos individuales de un tipo particular, A veees una poblacion significa un sistema cieniifico, Por ejemplo, un fabricante de tarjetas de computade ra puede desear eliminar defectos. Un proceso de muesiren puede implicar la rece leecién de informacién de 50 tarjetas de computadora probs el proceso, Aqui. la poblacién es todas las tarjetas de computadora prod ln empre ‘na muestra de pacientes y a eada uno se le administra un medicamento especifian vducit la presi6n sanguinea. Se onfogs el interés en la cbtencion de conelusio. en un period espectfic, En un experimento con medi para sobre li poblaciin de los que sufren de hipertensidn. Si se hace una mejora en el proveso de produccidn de las tarjetas de computadora y se reine una segunda muese a de tarjetas. cualesquicra conchisiones que Se obtengan respecto laetectividad del cambio en el proceso x debe extender toda la poblacion de tarjetas de computado- tu ques produzcan bajo el proceso mejorads ‘A menudo, es muy importante el acopio de datos centilicos en forma sistemé- tie, enando fa planeacton ocupa un lugar importante en fe agends. En ocasiones la plaeacion esta, por neeesidad, bastante limitada, Lin ingenicro puede necestar es- {udhar el efecto de las condones del proceso, temperatura, humeded,cantidad de lun ingrediente particular, eteétera, sobre ln produecidn del articulo. Elo ella pue- den mover de mancra sitemstica estos faeores a cualesquiera niveles que se sugie- Fan de acuerdo con cualquier prescripcign o disefo experimental que se desce Sin embargo. un cientifieo sivicultor que est interesado en un estudio de los factores In densidad de la madera en cesta clase de debol no necesariamen un experimento, En este caso puede requctir un estudio observa 1 que los datos e acopian en el eampo pero no ve pueden seleccionar Je sintemano los niveles de los fuetores, Ambos tipos de estudios se presta Ios ne todos de la inferencia estat deri de la planeacin aproy el ultimo, el cientitico esta a smersed de lo que pueda recopilar. Por ejemplo, resulta madecuado sun agrénomo be interesa en estudiar el efecto de a Huvia sobre la produscion de plantas y los di- {os se obifenen durante una sequia. Se debe comprender la importancia del pensamiento estadistico en los admic nistradores ef uso de la inferenciaestadisica por el personal centifie. Losinves- tigadores obtienen macho de los datos cientificos. Los datos proporcionan una ‘comprensidn del fensémeno cientifico. Ls ingenieros de producto y procesosapen= den mis en sus es{uerzos fuera de linea para mejorar el proceso. También logean tuna comprensisn valiosa al reunir dates de producci6n (mionitoreo en linea) con una base regular. Fsto permite la determinacidn de las modificaciones necesatias afi dle mantener el proceso en un nivel deseado decal 1.2 El papel de la probabilidad Fa este libro, los capitulos 26 tratan de Tas nociones fundamentales de la proba idad. Una obtencion esmerada de Ins bases de estos conceptos permite al lector {rar una mejor comprensién de ln inferencia estaditica, Sin algo de forms studiante no puede apreciar ls verdadera interpretacion del a‘Seccion 12 £1 papet de a provabilided 3 de datos mediante los métodos estadisticos modemos. Es completamente natural es- tadiar probabilidad antes de estudiar inferencia estadistiea, Los elementos de proba. bilidad nos permiten cuantficar la fuerza o “eontianza’” en nuestras conclusiones, Ejemplo 1.1 Suponga que un ingeniero se encuentra con datos de un proceso de produccion cn el que’se muestrean 100 articalos y se enewentra que 10 estén detec {twosos. Es de experarse que de ver en cuando habré artieulos defeetuosos. Sin em bargo, se determina que, a largo plazo, Ja empresa sélo puede tolerar 5% de articulos defectuosos en cl proceso. Ahora bien, los elementos de probabilidad per miten al ingeniero determinar qué tan concluyente es la informacion mucstral con respectoa la naturaleza del proceso, Supong, ‘que averiguamos que si el procese es ‘ceptable, es decir, si produce articulos con el 5% defeciuesos, hay una probabil dad de 0.00001 de obtener 10 0 més articulos defectuosos en una muestra sleatoria de 100 articulos del proceso. Esta pequeria probabilidad sugiere que el proceso, en realidad, tiene un potcentaje de artieulos defectuosos en el largo piazo que excede ‘un 5%. En otras palabras, bajo la condicion de un proceso aceptable. la informacion ue se obiuvo casi nunca ocuriria. Claramente, sin embargo, ocurriria con tuna probabilidad mucho masala si la tasa de articulos defectuosos del proveso ex ccediese 5% por un monto significativo. De este ejemplo es evidente que los elementos de probabilidad ayudan en la trade ‘cidn de informacion muestral en algo concluyente o no concluyente acerca del sis tema cientifico, El ejemplo que sigue proporciona una segunda tlustracidn. El valor 0.00001, que jugo un eran papel en nuestra conclusidn, a menudo se denomina Yae lor P. En los capitulos siguientes se trata detenidamente el concepto de valor-P. Ejemplo 1.2 Con frecuencia la naturaleza del estudio cientificn sefilaré el papel {que juegan la prohabilidad y el razonamiento dedctivo en la inferencia estadistica El cjercicio 6 al final de Ia soccidn 9.8 proporciona datos asociados con un estudio aque se lev a cabo on cl Instituto Politéenico y Universidad Estatal de Virginia so bre el desarrollo de una zelacién entre las raicos de les drboles yla cin de un hon: 180. Se transfiicron minerales de los hongos a los érboles y azticares de los érboles ‘al hongo. Se piantaron dos muestras de 10 plantones de roble rojo norten en un in- Vernadero, una que contenta plantones tratados con nitrégeno y una muestra de plantones sin tratamiento. Todas las demas condiciones ambientales se mantuvie- ron constantes. Todos los plantones contenian el hongo Pisolhus ronerorus. En el capitulo 9 se proporcionan mis detalles. Los pesos de los tallos en gramos se tegis- traron al finalizar 140 dias. Los datos son como sigue: Sin mtrogeno Con nltedgeno 032 0.26 053 0.8. 028 00 0 02 0, on 20) 3 on 03 046