TECSUP PFR Matemtica Aplicada

147
Unidad VI

D DI IS ST TR RI IB BU UC CI I N N D DE E P PR RO OB BA AB BI IL LI ID DA AD DE ES S C CO ON NT TI IN NU UA AS S




1. LA DISTRIBUCIN NORMAL

La distribucin normal es la distribucin mas importante de probabilidades, no
solo en la teora estadstica, sino tambin en sus aplicaciones a problemas
industriales. Es una distribucin continua y simtrica conocida tambin como la
distribucin de Gauss o de Laplace. La distribucin normal representa el
resultado de la actuacin conjunta de causas aleatorias, y por ello resulta
fundamental en el control estadstico de calidad, particularmente en la teora de
los grficos del control de fabricacin.
La funcin de probabilidades es:

-
2
1
) , ; (
2 2
2 / ) ( 2
< < =

x e x f
x o
t o
o

Donde:
Es la media de la distribucin
o Es la desviacin estndar


X

f(x)
o

Figura 1. Grfica de densidad de Probabilidad Normal.

El diagrama es simtrico y el rea bajo la curva es la unidad.




Matemtica Aplicada TECSUP PFR
148
1.1. ESTANDARIZACIN DE LA VARIABLE ALEATORIA

Si en lugar de x tomamos:

o

=
) x (
z

Lo cual significa adoptar como origen de las z el punto en que = x y
como unidad de escala de las z la desviacin estndar o; la que
designaremos como distribucin Normal Estndar:
2
z
2
e
2
1
) z ( f

t
=

Esta distribucin tiene parmetros: 0 ) z ( = y 1 ) z (
2
= o ; por
conveniencia se acostumbra nombrar esta distribucin como la ) 1 ; 0 ( N .
Los valores del rea desde | z ... < son iguales a la probabilidad
acumulada de los valores correspondientes a f(z). Estos valores se
encuentran tabulados en la tabla 3 al final de esta informacin. Esta tabla
corresponde a la distribucin normal estndar, es decir, la distribucin
normal con 0 = y 1 = o
La funcin acumulada es:
dt e
2
1
) z ( F
z
2 / t
2
}

t
=


z
0 =
F(z)
dt e
2
1
) z ( F
z
2 / t
2
}

t
=
z

Figura 2. Grfica de densidad de Probabilidad Normal Estndar.

Para determinar la probabilidad de que una variable aleatoria con la
distribucin normal estndar adopte un valor entre a y b, usamos la
ecuacin:
) a ( F ) b ( F ) b z a ( P = < <
TECSUP PFR Matemtica Aplicada
149
y si a o b es negativa, hacemos uso de la identidad
) z ( F 1 ) z ( F = .

EJEMPLO 1

Determine las probabilidades de que una variable aleatoria con la
distribucin normal estndar adopte un valor

- Entre 0,87 y 1,28 = p(0,87<z<1,28)
- Entre -0,34 y 0,62 = p(-0,34<z<0,62)
- Mayor que 0,85 = p(z>0,85)
- Mayor que -0,65 = p(z>-0,65)

Solucin

Consultando los valores necesarios en la tabla 3, obtenemos

- Entre 0,87 y 1,28 = p(0,87<z<1,28)
8078 , 0 8997 , 0 ) 87 , 0 ( F ) 28 , 1 ( F =
0919 , 0 =



z
0 =
F(z)
1,28 0,87

Fig. 3.



- Entre -0,34 y 0,62 = p(-0,34<z<0,62)
) 6331 . 0 1 ( 7324 . 0 ) 34 . 0 ( F ) 62 . 0 ( F =
3655 . 0 =

Matemtica Aplicada TECSUP PFR
150

z
0 =
F(z)
0,62 -0,34

Fig. 4.

- Mayor que 0,85 = p(z>0,85)
8023 . 0 1 ) 85 . 0 ( F 1 =
1977 . 0 =



z
0 =
F(z)
0,85


Fig. 5.

- Mayor que -0,65 = p(z>-0,65)
| | ) 65 . 0 ( F 1 1 ) 65 . 0 ( F 1 = ) 65 . 0 ( F =
7422 . 0 =



z
0 =
F(z)
0,85


Fig. 6.


TECSUP PFR Matemtica Aplicada
151
EJEMPLO 2

Si el monto de radiacin csmica a la que se expone una persona al volar
en avin por los Estados Unidos es una variable aleatoria con la
distribucin normal con mrem, 0.59 y mrem 35 . 4 = o = determine las
probabilidades de que el monto de radiacin csmica a la que se
expondr una persona en un viaje as sea de:

- Entre 4.00 y 5.00 mrem;
- El menos 5.50 mrem.

SOLUCIN

Primero estandarizamos los valores:

- |
.
|

\
|
|
.
|

\
|
59 . 0
35 . 4 00 . 4
F
59 . 0
35 . 4 00 . 5
F = ) 59 . 0 ( F ) 10 . 1 ( F
= ) 7224 , 0 1 ( 8643 , 0
= 0,5867

- |
.
|

\
|

59 . 0
35 . 4 50 . 5
F 1 = ) 95 . 1 ( F 1
= 9744 . 0 1
0256 . 0 =

EJEMPLO 3

El monto real de caf instantneo que una mquina de relleno deposita
en frascos de 4 onzas puede considerarse una variable aleatoria con
una distribucin normal con 04 . 0 = o onzas. Si slo 2% de los frascos
contienen menos de 4 onzas, Cul debera ser el relleno medio de esos
frascos?

Solucin
Para determinar de tal manera que 02 . 0
04 . 0
4
F = |
.
|

\
|
y, por lo tanto,
98 . 0
04 . 0
4
F = |
.
|

\
|
buscamos en la tabla 3 la entrada ms cercana a
0.98 y obtenemos 0.9798, que corresponde a . 05 . 2 z = As:
05 . 2
04 . 0
4
=


Matemtica Aplicada TECSUP PFR
152
Y al resolver , determinamos que 082 . 4 = onzas

EJEMPLO 4

En cierta ciudad, el nmero de interrupciones del suministro elctrico por
mes es una variable aleatoria con una distribucin con 6 , 11 = y
3,3 = o . Si esta distribucin puede aproximarse cercanamente con una
distribucin normal, cul es la probabilidad de que haya al menos ocho
interrupciones en un mes cualquiera?

Solucin

El nmero de interrupciones de servicio es una variable aleatoria discreta,
y si deseamos aproximar su distribucin con una distribucin normal,
debemos dispersar sus valores en una escala continua.
Lo hacemos representando cada nmero entero k con el intervalo de
2
1
k a .
2
1
k + Por ejemplo:
3 es representado con el intervalo de 2,5 a 3,5;
10 es representado con el intervalo de 9,5 a 10,5.
y al menos 8 es representado con el intervalo a la derecha de 7,5 tal
como se muestra en la figura:



X
6 , 11 =
7,5
3 , 3 = o
Nmero de
Interrupciones


Fig. 7.







TECSUP PFR Matemtica Aplicada
153
As, la probabilidad deseada es aproximada por:

) 24 , 1 ( F 1
3 , 3
6 , 11 5 , 7
F 1 = |
.
|

\
|

) 24 , 1 ( F =
8925 , 0 =

1.2. APLICACIONES: LIMITES DE CONTROL

La distribucin normal puede aplicarse en el control de calidad para
aceptar un producto o rechazar un producto.

Para ello se establece una franja cuyo ancho ser el rango de aceptacin.
Este rango se establece alrededor de la media la que definir la Lnea
Media LM.

El rango R quedara definido en funcin del valor o establecindose
diversos criterios.

Un criterio bastante comn es tomar:

LIC LSC R =
o + = A LSC
o = A LIC
Donde
n
3
A = ; n = tamao de la muestra.
Los lmites de este rango sern el Lmite Superior de Control LSC y el
Lmite Inferior de Control LIC

MUESTRA
n
3o
+
n
3o

LM
LSC
LIC



Fig. 8.

Matemtica Aplicada TECSUP PFR
154
EJEMPLO 5

Construir para muestras de n = 5 artculos el grfico de control de la
media de un proceso de fabricacin de ejes de acero con media
60 , 5 = mm y desviacin estndar 05 , 0 = o mm.

Verificar si el proceso de fabricacin de ejes se mantiene BAJO CONTROL,
si se han extrado 10 muestras con n = 5 de hora en hora y los valores
se encuentran en la tabla siguiente:


MUESTRA ARTICULO 1 ARTICULO 2 ARTICULO 1 ARTICULO 1 ARTICULO 1
MEDIA x
1 5,67 5,50 5,58 5,48 5,70 5,586
2 5,90 5,58 5,61 5,59 5,44 5,624
3 5,52 5,66 5,68 5,59 5,38 5,566
4 5,60 5,76 5,55 5,58 5,57 5,612
5 5,55 5,68 5,65 5,45 5,68 5,602
6 5,39 5,65 5,63 5,57 5,61 5,570
7 5,79 5,61 5,59 5,70 5,51 5,640
8 5,67 5,59 5,59 5,75 5,48 5,616
9 5,51 5,51 5,65 5,55 5,63 5,570
10 5,66 5,64 5,61 5,66 5,56 5,626


Solucin

La lnea media:
LM = = 5,60
Los lmites de control sern:
667 , 5 05 , 0 )
5
3
( 60 , 5 A LSC = + = o + =
533 , 5 05 , 0 )
5
3
( 60 , 5 A LIC = = o =

TECSUP PFR Matemtica Aplicada
155

60 , 5 =
MUESTRA
LM
LSC
LIC
5,62
5,64
5,66
5,68
5,667
5,52
5,54
5,56
5,58
5,533
n
3o

n
3o

1 2 3 4 5 6 7 8 9 10

Fig. 9.

Mediante el grfico recomprueba que todos los puntos se encuentran en
el rango en torno a la LM, de ello se concluye que el PROCESO DE
FABRICACION SE ENCUENTRA BAJO CONTROL.

PROBLEMAS PROPUESTOS 6.1

1. Una troqueladora produce tapas de lata cuyos dimetros se
distribuyen normalmente con una desviacin estndar de 0,01
pulgadas. En que dimetro nominal debera fijarse la mquina
para que no mas del 5% de las tapas producidas tengan dimetros
que excedan de 3 pulgadas?
Sol:
984 , 2 =

2. Se corta automticamente varillas de plstico moldeadas por
inyeccin en longitudes nominales de 6 pulgadas. Las longitudes
reales estn normalmente distribuidas en torno a una media de 6
pulgadas y su desviacin estndar es de 0,06 pulgadas.
- Qu proporcin de las varillas excede los lmites de tolerancia de 5,9 a
6,1 pulgadas.
- A qu valor es necesario reducir la desviacin estndar si el 99% de
las varillas den hallarse dentro de la tolerancia.
Sol:
-
-
Matemtica Aplicada TECSUP PFR
156
3. Si una variable aleatoria tiene la distribucin binomial con n=30 y
p=0,60; use la aproximacin normal para determinar la probabilidad
de que adopte:
- El valor de 14
- Un valor menor que 12
Sol:
- 0,049
- 0,008

4. Un fabricante sabe que, en promedio, 2% de las tostadoras elctricas
que produce requerirn reparaciones en un trmino de 90 das
posteriores a su venta. Use la aproximacin normal a la distribucin
binomial para determinar la probabilidad de que entre 1200
tostadoras al menos 30 requerirn reparaciones en los primeros 90
das de su venta.
Sol:

5. La probabilidad de que un componente electrnico falle en menos de
1000 horas de uso continuo es de 0,25. Use la aproximacin normal
para determinar la probabilidad de que entre 200 de esos
componentes menos de 45 fallen en menos de 1000 horas de uso
continuo.
Sol:
0,1841

6. Un ingeniero de seguridad supone que el 30% de los accidentes
industriales en su planta se deben a que los empleados no siguen las
instrucciones. Si esa cifra es correcta, determine aproximadamente la
probabilidad de que entre 84 accidentes industriales en esa planta
cualquier nmero entre 20 a 30 inclusive se deban a la negligencia de
los empleados de no seguir las instrucciones.
Sol:

7. Una variable aleatoria tiene una distribucin normal con 4 , 62 = .
Determine su desviacin estndar si la probabilidad de que adopte un
valor mayor que 79,2 es de 0,20.
Sol:
88 , 19 = o

8. Una variable aleatoria tiene una distribucin normal con 10 = o . Si la
probabilidad de que adopte un valor menor que 82,5 es de 0,8212.
Cul es la probabilidad de que adopte un valor mayor que 58,3?
TECSUP PFR Matemtica Aplicada
157
Sol:

9. Las especificaciones de cierto trabajo implican limpiadores con un
dimetro interior de 0,300 0,005 pulgadas. Si los dimetros
interiores de los limpiadores provistos por cierto fabricante pueden
considerarse una variable aleatoria con la distribucin normal con
302 , 0 = pulgadas y 003 , 0 = o pulgadas, Qu porcentaje de estos
limpiadores cumplir las especificaciones?
Sol:
83.15%

10. Se sabe que la vida til de un componente elctrico sigue una
distribucin normal con media 2000 = hr y una desviacin estndar
200 = o hr.
- Determine la probabilidad de que un componente aleatoriamente
seleccionado dure entre 2000 y 2400 horas.
- Determine la probabilidad de que un componente aleatoriamente
seleccionado dure mas de 2200 horas.
Sol:
- 0,4772
- 0,1587

2. DISTRIBUCIN GAMMA

Varias densidades de probabilidad importantes que utilizan frecuentemente son
casos especiales de la distribucin Gamma. Esta distribucin tiene la densidad
de probabilidad.

> > o >

o I | =
| o
o
parte otra en 0
0 0, 0, x para e x
) (
1
f(x)
x/ - 1 -


Donde ) (o I es un valor de la funcin Gamma, definida por
}

o
= o I
0
x l
dx e x ) (
La integracin por partes muestra que

( ) ( ) ( ) | | 1 1 o I o = o I
Luego: ( ) ( )! 1 = (Para o entero y
positivo)

Matemtica Aplicada TECSUP PFR
158
Representaciones grficas de la funcin gamma para valores diversos de o y |
se muestran en la figura 10; ponen de relieve el hecho de que estas
distribuciones estn positivamente sesgadas. En efecto, la sesgadura decrece a
medida que o se incrementan para cualquier valor fijo de | .


Figura 10.

2.1. MEDIA Y VARIANZA DE LA FUNCIN GAMMA

Para determinar la media de la distribucin Gamma:

( )
dx e x x
1
/ x 1
0
| o

o

o I |
=
}


Haciendo el cambio de variable | = / x y
( )
( )
( ) o I
+ o I |
=
o I
|
=
o

}
1 (
dy e y
y
0


Haciendo uso de la identidad ( ), ) 1 ( o I o = + o I llegamos al resultado
de la Media:

o| =
La Varianza de la distribucin gamma esta dada por:

2 2
o| = o

TECSUP PFR Matemtica Aplicada
159
3. DISTRIBUCIN EXPONENCIAL

En la distribucin Gamma, si el valor de 1 = o obtenemos la distribucin
exponencial cuya densidad de probabilidad es:

> >
=

parte otra en 0
0 0, x para e

1
f(x)

x


3.1. GRFICO DE LA FUNCIN EXPONENCIAL

Para graficar la funcin exponencial tabularemos valores de x para un
valor de | determinado

1 = |

|

|
=
x
e
1
) x ( f

x f(x)
0.1
0.9048374
2
0.5
0.6065306
6
0.8
0.4493289
6
1
0.3678794
4
2
0.1353352
8
3
0.0497870
7
4
0.0183156
4
5
0.0067379
5
6
0.0024787
5
7
0.0009118
8
8
0.0003354
6
9
0.0001234
1
10 4.54E-05








DISTRIBUCION EXPONENCIAL
(Beta = 1)
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
0 2 4 6 8 10 12
VARIABLE ALEATORIA
P
R
O
B
A
B
I
L
I
D
A
D

(
X
=
x
)

Figura 11. Representacin grfica de la funcin exponencial para 1 = | .
Matemtica Aplicada TECSUP PFR
160
Igualmente podemos graficar la funcin exponencial para 1 , 0 = | ; 1 = | ;
5 = | . en la Fig. 6.12

3.2. MEDIA Y VARIANZA DE LA FUNCIN EXPONENCIAL

La Media de la distribucin Gamma esta dada por:
| =
La Varianza de la distribucin Gamma esta dada por:
2 2
| = o
La Desviacin tpica o estndar de la distribucin Gamma esta dada por:
| = o

FUNCION EXPONENCIAL
(Beta = 1; Beta = 0.1; Beta = 5)
-0.5
0
0.5
1
1.5
2
2.5
3
3.5
4
0 5 10 15
VARIABLE ALEATORIA x
P
R
O
B
A
B
I
L
I
D
A
D

(
X

=

X
)
Serie1
Serie2
Serie3
1 , 0 = |
1 = |
5 = |

Figura 12.

EJEMPLO 1

En promedio llegan tres camiones por hora para ser descargados en una
bodega, Cules son las probabilidades de que el tiempo entre el arribo
de sucesivos camiones sea:

- Menor que 5 minutos
- De al menos 45 minutos




TECSUP PFR Matemtica Aplicada
161
Solucin

- Suponiendo que los arribos siguen un proceso con 3 = o , entonces
3
1
= | . Adems 5 minutos es 1/12 hora.

221 . 1 e 1 dx e 3
4 / 1 x 3
12 / 1
0
= =

}


- En la misma relacin anterior y con 45 minutos como 4 / 3 12 / 9 =
hora
105 . 0 e dx e 3
4 / 9
4 / 3
x 3
= =

}


4. LA DISTRIBUCIN BETA

La distribucin beta tiene una densidad de probabilidad es

> > o < <

| I o I
| + o I
=
| o
parte otra en 0
0 0, 1, x 0 para X) - (1 X
) ( ). (
) (
f(x)
1 - 1 -


4.1. MEDIA Y VARIANZA DE LA FUNCIN BETA

La media y la varianza de esta distribucin beta estn dadas por

| + o
o
=
( ) ) 1 (
2
2
+ | + o | + o
o|
= o

EJEMPLO 1

En cierto distrito, la proporcin de tramos de carretera que requieren de
reparaciones en un ao dado es una variable aleatoria con la distribucin
beta con 3 = o y 2 = | (Fig. 6.11). Determine:

- Qu porcentaje, en promedio, de tramos de carretera requieren de
reparaciones en un ao dado.
- La probabilidad de que cuando ms la mitad de los tramos de carretera
requieran de reparaciones en un ao dado.

Matemtica Aplicada TECSUP PFR
162

Figura 13.

Solucin

- 60 , 0
2 3
3
=
+
= lo que significa que, en promedio, el 60% de los
tramos de carretera requieren reparaciones en un ao dado.
- Sustituyendo 3 = o y 2 = | en la frmula de la distribucin beta y
partiendo del hecho de que
24 ! 4 ) 5 ( = = I
2 ! 2 ) 3 ( = = I
1 ! 1 ) 2 ( = = I
Luego reemplazando estos valores en la funcin Beta obtenemos:

= ) x 1 ( x 12 ) x ( f
2
para 1 x 0 ( (
0 en otra parte

As, la probabilidad deseada est dada por

16
5
dx ) x 1 ( x 12
2
2 / 1
0
=
}



TECSUP PFR Matemtica Aplicada
163
5. LA DISTRIBUCIN DE WEIBULL

Estrechamente relacionada con la distribucin exponencial est la distribucin de
Weibull, cuya densidad de probabilidad est dada por

> > >

=

parte otra en 0
0 0, 0, parax e x
f(x)

x 1


Para demostrar esta relacin, evaluamos la probabilidad de que una variable
aleatoria con la distribucin de Weibull adopte un valor menor que o, es decir,
la integral

dx e x
x 1
a
0
| o |
o|
}

Efectuando el cambio de variable , x y
|
= obtenemos

|
|
o o
= o
}
a y
a
0
e 1 dy e

Y, como puede verse, y es un valor de una variable aleatoria con una distribucin
exponencial. Las representaciones grficas de varias distribuciones de Weibull
con 1 = o y 2 1; ;
2
1
= se muestran en la figura 14.

Figura 14.




Matemtica Aplicada TECSUP PFR
164
5.1. MEDIA Y VARIANZA DE LA FUNCIN WEIBULL

La medida de la distribucin de Weibull con los parmetros o y | puede
obtenerse evaluando la integral

dx e x x
x 1
0
| o |

o| =
}


Efectuando el cambio de variable , x u
|
o = obtenemos.

du e u
u / 1
0
/ 1 |

|
}
o =
Y reconociendo la integral como ,
1
1
|
|
.
|

\
|
|
+ I es decir, como un valor de la
funcin gamma, encontramos que la media de la distribucin de wibull
est dada por

|
|
.
|

\
|
|
+ I o =
|
1
1
/ 1


La varianza de esta distribucin est dada por:

{ | | }
2
/ 2 2
1
1
2
1
|
|
.
|

\
|
|
+ I
|
|
.
|

\
|
|
+ I o = o
|


EJEMPLO 1

Supongamos que el ciclo de vida de cierto tipo de batera de respaldo de
emergencias (en horas) es una variable aleatoria X con la distribucin de
Weibull con 1 . 0 = o y 5 , 0 = |
Determine

- El ciclo de vida medio de estas bateras;
- La probabilidad de que una batera de este tipo dure ms de 300
horas.




TECSUP PFR Matemtica Aplicada
165
Solucin

- La sustitucin en la frmula de la media da como resultado.

200 ) 3 ( ) 1 . 0 (
2
= I =



- Integrando, obtenemos

5 . 0 5 . 0
) 300 ( 1 . 0
300
x 1 . 0 5 . 0
e dx e x ) 05 . 0 (

=
}
177 . 0 =


PROBLEMAS PROPUESTOS 6.2

1. En ciertos experimentos, el error cometido en la determinacin de la
solubilidad de una sustancia es una variable aleatoria con la densidad
uniforme con 025 , 0 = o y 025 , 0 = | . Cules son las
probabilidades de que ese error sea:
- De entre 0,010 y 0,015
- De entre -0,012 y 0,012
Sol:
-
-

2. En cierta ciudad el consumo diario de energa elctrica puede tratarse
como una variable aleatoria con una distribucin gamma con 3 = o ,
y 2 = | . Si la planta de energa de esa ciudad tiene una capacidad
diaria de 12 millones de kilowatt-hora. Cul es la probabilidad de
que ese suministro de energa sea inadecuado en un da dado.
Sol:

3. La cantidad de tiempo durante el que funciona una cmara de
vigilancia sin que se le reponga es una variable aleatoria con
distribucin exponencial, con 50 = | das. Determine las
probabilidades de que una cmara as:
- Tenga que ser repuesta en menos de 20 das
- No tenga que ser repuesta en al menos 60 das.
Sol:
-
-


Matemtica Aplicada TECSUP PFR
166
4. Si la proporcin anual de declaraciones de impuestos sobre ingresos
errneos, presentadas al fisco, puede considerarse como una variable
aleatoria con una distribucin beta con 2 = o y 9 = | . Cul es la
probabilidad de que en un ao dado haya menos de 10 % de
declaraciones errneas?
Sol:

5. Supongamos que la proporcin de unidades defectuosas embarcadas
por un distribuidor, que varia un tanto de embarque a embarque,
puede considerarse una variable aleatoria con la distribucin beta con
1 = o y 4 = | .
- Determine la media de esta distribucin beta.
- Determine la probabilidad de que un embarque de este distribuidor
contenga 25% o mas de unidades defectuosas.
Sol:
- a) 2 , 0 =
- b) 0,3164

6. Supongamos que el tiempo de falla (en minutos) de ciertos
componentes electrnicos sujetos a vibraciones continuas puede
considerarse una variable aleatoria con una distribucin de Weibull
con
5
1
= o y
3
1
= | .
- Cunto puede esperarse que dure un componente de ese tipo.
- Qu probabilidad existe de que un componente de ese tipo falle en
menos de 5 horas?
Sol:
-
-

7. Supongamos que el ciclo de vida de servicio (en horas) de un
semiconductor es una variable aleatoria con una distribucin de
Weibull con 025 , 0 = o y 500 , 0 = | . Cul es la probabilidad de que
un semiconductor de ese tipo siga en condiciones de operacin
despus de 4000 horas?
Sol:
0,2057