Professional Documents
Culture Documents
• Contenido:
• Distribución de probabilidad
• Esperanza matemática y varianza
• Distribución normal
• Distribución normal estándar
• Las aplicaciones :
• Son de carácter no determinístico (Probabilístico)
• Muchas decisiones dependen de Probabilidades basadas en
información limitada o incierta
• Gráficas de desempeño logístico
0.45
Fa (%)
120
0.4
0.35 100
0.3
80
0.25
0.2 Series1 60
Fa (%)
0.15
40
0.1
20
0.05
0 0
40 50 60 70 80 90 100 110 40 50 60 70 80 90 100 110
Distribución de probabilidad discreta
¿Cuál es la probabilidad de que se presente una
demanda de hasta 82 unidades diarias?: 84%
0,30
0,30
0,25 0,25
0,20 0,20
Probabilidad
Probabilidad
0.15 0,15
0,10 0,10
0,05 0,05
0,00
0 1 2 3 4 5 6 7 8 9 10 11 12 0,00
0 1 2 3 4 5 6 7 8 9 10 11 12
x
x
=2 =4
99,994 %
• 99,73 %
95,45 %
Frecuencia 68,27
%
Punto de inflexión
Valores de medición
2
2 4 2
3
6 3
4 8 4
Distribuciones de probabilidad continuas
Tabla normal estándar
Tabla normal estándar
Tabla normal estándar
=
Distribución del tiempo de servicio
La Distribución exponencial negativa describe el tiempo de servicio, y da la
probabilidad de que el tiempo de servico del cliente en una instalación no sea mayor
que T períodos de tiempo
Probabilidad
Ejemplo: el tiempo de 0,3
=
servicio es de 20 2
minutos. 0,2 =
3
t>x
Tasa de servicio media = =
0,1 4
Por ejemplo:
clientes/hora. 0
0 2 4 6 8 10
Tiempo de servicio x
μx
medio = 1/ f (t x) e P(t≤T) =1-eµT
Ecuación:
Distribución exponencial negativa
0.06
Tiempo de servicio
0.05
medio = 1 hora
P ro b a b ility
0.04
0.03
Tiempo de servicio medio = 20
0.02 minutos
0.01
0
0 30 60 90 120 150 180
Service tim e (m inutes )
Gráfica de desempeño
Límite superior
9
Indice de rotación de
inventarios
8
Meta o promedio
7 Límite inferior
tiempo
Gráfico p
p (1 p )
UCL p
p + z z = 2 para límites del
n 95,5%; z = 3 para
límites del 99,7%
p (1 p )
LCL p
p z
n
Número de
artículos
k k
ni xi defectuosos en la
n i 1
y p i 1 muestra i
k
Tamaño de la
k ni
i 1 muestra i
Gráfico c
Es un gráfico de control de atributos.
Datos cuantitativos escasos.
Muestra el número de registros
defectuosos que hay en una unidad.
Una unidad puede ser una silla, una lámina
de acero, un automóvil, etc.
El tamaño de la unidad tiene que ser
constante.
Ejemplo: Contar el número de registros
defectuosos (rasguños, astillas, etc.) en
cada silla de una muestra de 100 sillas y
representarlo en un gráfico.
Límites de control del gráfico c
UCLc c + c Utiliza 3
para límites
del 99,7%
LCLc c c
Número de
k
registros
ci
defectuosos en
c i1 la unidad i
k
Número de
unidades de la
muestra
Ejemplo
• Un servicio de paquetería express ofrece que todos los paquetes serán entregados
dentro de las 24 horas siguientes a su recolección. En la práctica, la compañía
desea que al menos 90% de las entregas se realicen dentro de este período. Se
han recopilado muestras de 100 entregas por cada uno de los 10 días operativos
representativos. Los resultados fueron los siguientes:
Muestr Entrega
a s Muestra Entregas
1 94 7 92
2 93 8 93
3 94 9 96
4 95 10 95
5 94 Total 939
6 93
Ejemplo
• Solución:
• Se utiliza una gráfica p
• Promedio del proceso
• Los límites de control, para una z =1,96 (con una confianza del
95%) son:
LSC p + z p 0,94 + 1,96(0,02) 0,98
0,94
Meta o promedio
número de
muestra
La Distribución Normal
Una variable aleatoria continua X tiene una Distribución normal
con una media µ y una desviación estándar σ>0, si la función de
densidad de probabilidad f(x; µ;σ) de la variable aleatoria está dada por
99,994 %
99,73 %
95,45 %
68,27
%
Frecuencia
Punto de inflexión
Valores de medición
2
2 4 2
3 6 3
4 8 4