Curso de actualización en Ingeniería de calidad I.VI. FASE DE MEDICIÓN II.2. Probabilidad Dr....
-
Upload
adoracion-ocanas -
Category
Documents
-
view
10 -
download
1
Transcript of Curso de actualización en Ingeniería de calidad I.VI. FASE DE MEDICIÓN II.2. Probabilidad Dr....
![Page 1: Curso de actualización en Ingeniería de calidad I.VI. FASE DE MEDICIÓN II.2. Probabilidad Dr. Primitivo Reyes Aguilar / febrero 2009 1.](https://reader035.fdocuments.net/reader035/viewer/2022062603/54bd3869497959686a8b5610/html5/thumbnails/1.jpg)
1
Curso de actualización en Ingeniería de calidad
I. VI. FASE DE MEDICIÓNII. 2. Probabilidad
Dr. Primitivo Reyes Aguilar / febrero 2009
![Page 2: Curso de actualización en Ingeniería de calidad I.VI. FASE DE MEDICIÓN II.2. Probabilidad Dr. Primitivo Reyes Aguilar / febrero 2009 1.](https://reader035.fdocuments.net/reader035/viewer/2022062603/54bd3869497959686a8b5610/html5/thumbnails/2.jpg)
2
VI. FASE DE MEDICIÓN - PROBABILIDAD
1. Conclusiones estadísticas
válidas
2. Teorema del límite central
3. Conceptos de probabilidad
4. Distribuciones de probabilidad
5. Distribuciones de probabilidad
discretas
6. Distribuciones de probabilidad
continuas
7. Distribuciones de prob. para
decisión
![Page 3: Curso de actualización en Ingeniería de calidad I.VI. FASE DE MEDICIÓN II.2. Probabilidad Dr. Primitivo Reyes Aguilar / febrero 2009 1.](https://reader035.fdocuments.net/reader035/viewer/2022062603/54bd3869497959686a8b5610/html5/thumbnails/3.jpg)
3
1. Conclusiones estadísticas válidasEstudios enumerativos :Los datos enumerativos son los
que pueden ser contados.
Para Deming:◦En un Estudio enumerativo la acción
se toma en el universo.◦En un estudio analítico la acción será
tomada en un proceso para mejorar su desempeño
![Page 4: Curso de actualización en Ingeniería de calidad I.VI. FASE DE MEDICIÓN II.2. Probabilidad Dr. Primitivo Reyes Aguilar / febrero 2009 1.](https://reader035.fdocuments.net/reader035/viewer/2022062603/54bd3869497959686a8b5610/html5/thumbnails/4.jpg)
4
Obteniendo conclusiones válidasEl objetivo de la estadística inferencial es
obtener conclusiones válidas acerca de las características de la población (parámetros , , ) con base en la información obtenida de muestras (estadísticos X, s, r)
Los pasos de la estadística inferencial son:◦La inferencia ◦La evaluación de su validez
http://www.hrc.es/bioest/Introducion.html
![Page 5: Curso de actualización en Ingeniería de calidad I.VI. FASE DE MEDICIÓN II.2. Probabilidad Dr. Primitivo Reyes Aguilar / febrero 2009 1.](https://reader035.fdocuments.net/reader035/viewer/2022062603/54bd3869497959686a8b5610/html5/thumbnails/5.jpg)
5
2. Teorema del límite centralLas medias muestrales son
normales
http://serc.carleton.edu/introgeo/teachingwdata/Statcentral.html
![Page 6: Curso de actualización en Ingeniería de calidad I.VI. FASE DE MEDICIÓN II.2. Probabilidad Dr. Primitivo Reyes Aguilar / febrero 2009 1.](https://reader035.fdocuments.net/reader035/viewer/2022062603/54bd3869497959686a8b5610/html5/thumbnails/6.jpg)
6
2. Teorema del límite centralLas medias muestrales son
normales
![Page 7: Curso de actualización en Ingeniería de calidad I.VI. FASE DE MEDICIÓN II.2. Probabilidad Dr. Primitivo Reyes Aguilar / febrero 2009 1.](https://reader035.fdocuments.net/reader035/viewer/2022062603/54bd3869497959686a8b5610/html5/thumbnails/7.jpg)
7
3. Probabilidad
resultadosTotal
EFavorableEP
#
#
![Page 8: Curso de actualización en Ingeniería de calidad I.VI. FASE DE MEDICIÓN II.2. Probabilidad Dr. Primitivo Reyes Aguilar / febrero 2009 1.](https://reader035.fdocuments.net/reader035/viewer/2022062603/54bd3869497959686a8b5610/html5/thumbnails/8.jpg)
8
Probabilidades de Eventos 1. P(E) 0 2. P(S) = 1 3. Si E1,En son mutuamente disjuntos
entonces
n
ii
n
ii EPEP
11
)(
Resultados 1. Si A B entonces P(A) P(B) 2. Si P(Ec)=1-P(E) 3. P(AB) = P(A) + P(B) P(AB) 4. Si B1B2…Bn = S entonces
n
iiBEPEP
1
)()(
ABPAPBAP
![Page 9: Curso de actualización en Ingeniería de calidad I.VI. FASE DE MEDICIÓN II.2. Probabilidad Dr. Primitivo Reyes Aguilar / febrero 2009 1.](https://reader035.fdocuments.net/reader035/viewer/2022062603/54bd3869497959686a8b5610/html5/thumbnails/9.jpg)
9
3. Probabilidad
7.AP
P(A)=.3
P(B) =.98P(A) =.98
A B
P(B/A)=.97B
A
P(A) =.98
http://www.math.gatech.edu/~bourbaki/math1711/html/
bayes.html
BZPBPAZPAP
BZPBPZBP
![Page 10: Curso de actualización en Ingeniería de calidad I.VI. FASE DE MEDICIÓN II.2. Probabilidad Dr. Primitivo Reyes Aguilar / febrero 2009 1.](https://reader035.fdocuments.net/reader035/viewer/2022062603/54bd3869497959686a8b5610/html5/thumbnails/10.jpg)
10
)()(
).(.2
1)(0.1
xXPxf
yP
yP
X
ytoda
4. Distribuciones de probabilidadVariable aleatoria: es cualquier regla que
relaciona un número con cada resultado en el espacio muestral SS.
= 1
xx
XX xXxPxxfXE )()()(
x
XXX xXPxXE )()(])[( 222
)()( xXPxFX
0)(
1)(
1)(0
xFLim
xFLim
xF
x
x
![Page 11: Curso de actualización en Ingeniería de calidad I.VI. FASE DE MEDICIÓN II.2. Probabilidad Dr. Primitivo Reyes Aguilar / febrero 2009 1.](https://reader035.fdocuments.net/reader035/viewer/2022062603/54bd3869497959686a8b5610/html5/thumbnails/11.jpg)
11
5. DISTRIBUCIONES DE PROBABILIDAD DISCRETAS
1. Distribución hipergeométrica
2. Distribución Binomial
3. Distribución de Poisson
![Page 12: Curso de actualización en Ingeniería de calidad I.VI. FASE DE MEDICIÓN II.2. Probabilidad Dr. Primitivo Reyes Aguilar / febrero 2009 1.](https://reader035.fdocuments.net/reader035/viewer/2022062603/54bd3869497959686a8b5610/html5/thumbnails/12.jpg)
12
Distribución hipergeométrica
Se aplica cuando n > 0.1NEl muestreo se hace sin reemplazo
P(x,N,n,D) es la probabilidad de exactamente x éxitos en una muestra de n elementos tomados de una población de tamaño N que contiene D éxitos. La función de densidad de distribución hipergeométrica:
Nn
DNxn
Dx
C
CCxP
)(
)!(!
!
xnx
nC n
x
![Page 13: Curso de actualización en Ingeniería de calidad I.VI. FASE DE MEDICIÓN II.2. Probabilidad Dr. Primitivo Reyes Aguilar / febrero 2009 1.](https://reader035.fdocuments.net/reader035/viewer/2022062603/54bd3869497959686a8b5610/html5/thumbnails/13.jpg)
13
Distribución hipergeométrica
La media y la varianza de la distribución hipergeométrica son:
N
nD
112
N
nN
N
D
N
nD
![Page 14: Curso de actualización en Ingeniería de calidad I.VI. FASE DE MEDICIÓN II.2. Probabilidad Dr. Primitivo Reyes Aguilar / febrero 2009 1.](https://reader035.fdocuments.net/reader035/viewer/2022062603/54bd3869497959686a8b5610/html5/thumbnails/14.jpg)
14
Distribución hipergeométricaEjemplo: De un grupo de 20 productos, 10
se seleccionan al azar para prueba. ¿Cuál es la probabilidad de que 10 productos seleccionados contengan 5 productos buenos? Los productos defectivos son 5 en el lote.
N = 20, n = 10, D = 5, (N-D) = 15, x = 5
P(x=5) = 0.0183 = 1.83% 0183.0
!10!10
!20!10!5
!15
!0!5
!5
)5(
P
![Page 15: Curso de actualización en Ingeniería de calidad I.VI. FASE DE MEDICIÓN II.2. Probabilidad Dr. Primitivo Reyes Aguilar / febrero 2009 1.](https://reader035.fdocuments.net/reader035/viewer/2022062603/54bd3869497959686a8b5610/html5/thumbnails/15.jpg)
15
Distribución binomialSe aplica para poblaciones grandes
N>50 y n<0.1N con p >= 0.1.
El muestreo binomial es con reemplazo
La binomial es una aproximación de la hipergeométrica
La distribución normal se aproxima a la binomial cuando np > 5
![Page 16: Curso de actualización en Ingeniería de calidad I.VI. FASE DE MEDICIÓN II.2. Probabilidad Dr. Primitivo Reyes Aguilar / febrero 2009 1.](https://reader035.fdocuments.net/reader035/viewer/2022062603/54bd3869497959686a8b5610/html5/thumbnails/16.jpg)
16
nxppx
nxXPxf xnx ,...,1,0)1()()(
La variable aleatoria X tiene una distribución binomial
)1()(
)(2 pnpXV
npXE
X
X
Tiene media y varianza.
![Page 17: Curso de actualización en Ingeniería de calidad I.VI. FASE DE MEDICIÓN II.2. Probabilidad Dr. Primitivo Reyes Aguilar / febrero 2009 1.](https://reader035.fdocuments.net/reader035/viewer/2022062603/54bd3869497959686a8b5610/html5/thumbnails/17.jpg)
17
Distribución de PoissonSe utiliza para modelar datos
discretos
Se aproxima a la binomial cuando p es igual o menor a 0.1, y el tamaño de muestra es grande (n > 16) por tanto np > 1.6
![Page 18: Curso de actualización en Ingeniería de calidad I.VI. FASE DE MEDICIÓN II.2. Probabilidad Dr. Primitivo Reyes Aguilar / febrero 2009 1.](https://reader035.fdocuments.net/reader035/viewer/2022062603/54bd3869497959686a8b5610/html5/thumbnails/18.jpg)
18
Distribución de Poisson
Una Variable aleatoria X tiene distribución Poisson si toma probabilidades con.
,...1,0!
)(
xx
exf
x
pn
pn
![Page 19: Curso de actualización en Ingeniería de calidad I.VI. FASE DE MEDICIÓN II.2. Probabilidad Dr. Primitivo Reyes Aguilar / febrero 2009 1.](https://reader035.fdocuments.net/reader035/viewer/2022062603/54bd3869497959686a8b5610/html5/thumbnails/19.jpg)
19
6. DISTRIBUCIONES DE PROBABILIDAD CONTINUAS
1. Distribución exponencial
2. Distribución normal
![Page 20: Curso de actualización en Ingeniería de calidad I.VI. FASE DE MEDICIÓN II.2. Probabilidad Dr. Primitivo Reyes Aguilar / febrero 2009 1.](https://reader035.fdocuments.net/reader035/viewer/2022062603/54bd3869497959686a8b5610/html5/thumbnails/20.jpg)
20
Distribución ExponencialModela artículos con una tasa de falla
constante y está relacionada con Poisson.
Modela el tiempo medio entre llegadas
Si x se distribuye exponencialmente, y=1/x sigue una distribución de Poisson
La función de densidad de probabilidad exponencial es: Para x >= 0
xx
eexf
1)(
![Page 21: Curso de actualización en Ingeniería de calidad I.VI. FASE DE MEDICIÓN II.2. Probabilidad Dr. Primitivo Reyes Aguilar / febrero 2009 1.](https://reader035.fdocuments.net/reader035/viewer/2022062603/54bd3869497959686a8b5610/html5/thumbnails/21.jpg)
21
Distribución ExponencialDonde Lambda es la tasa de falla
y theta es la mediaLa función de densidad de la
distribución exponencial
![Page 22: Curso de actualización en Ingeniería de calidad I.VI. FASE DE MEDICIÓN II.2. Probabilidad Dr. Primitivo Reyes Aguilar / febrero 2009 1.](https://reader035.fdocuments.net/reader035/viewer/2022062603/54bd3869497959686a8b5610/html5/thumbnails/22.jpg)
El modelo exponencial, con un solo parámetro, es el más simple de todo los modelos de distribución del tiempo de vida.
Distribución Exponencial
lh =)(:FALLA DETASA t
l
l
=
-=-
-
)(:DADCONFIABILI
1)(:CDF
etR
etFt
t
Función de Densidad de Probabilidad Exponencial
0.0000
0.0005
0.0010
0.0015
0.0020
0.0025
0.0030
0.0035
0 500 1,000 1,500 2,000Tiempo
f(t)
= 0.003, MEDIA = 333
= 0.002, MEDIA = 500
= 0.001, MEDIA = 1,000
![Page 23: Curso de actualización en Ingeniería de calidad I.VI. FASE DE MEDICIÓN II.2. Probabilidad Dr. Primitivo Reyes Aguilar / febrero 2009 1.](https://reader035.fdocuments.net/reader035/viewer/2022062603/54bd3869497959686a8b5610/html5/thumbnails/23.jpg)
23
La distribución Normal estándar
• Tiene media 0 y desviación estándar de 1.
• El área bajo la curva de infinito a más infinito vale 1.
• Es simétrica, cada mitad de curva tiene un área de 0.5.
• La escala horizontal se mide en desviaciones estándar, Z.
• Para cada valor Z se asigna una probabilidad en Tabla normal
![Page 24: Curso de actualización en Ingeniería de calidad I.VI. FASE DE MEDICIÓN II.2. Probabilidad Dr. Primitivo Reyes Aguilar / febrero 2009 1.](https://reader035.fdocuments.net/reader035/viewer/2022062603/54bd3869497959686a8b5610/html5/thumbnails/24.jpg)
CARACTERISTICAS DE UNA DISTRIBUCION NORMALCARACTERISTICAS DE UNA DISTRIBUCION NORMAL
Teóricamente, la curva se extiende a - infinito
Teóricamente, la curva se extiende a + infinito
Media, mediana, y moda son iguales
ColaCola
La Normal is simétrica - -
![Page 25: Curso de actualización en Ingeniería de calidad I.VI. FASE DE MEDICIÓN II.2. Probabilidad Dr. Primitivo Reyes Aguilar / febrero 2009 1.](https://reader035.fdocuments.net/reader035/viewer/2022062603/54bd3869497959686a8b5610/html5/thumbnails/25.jpg)
25
z0 1 2 3-1-2-3
x x+s x+2s x+s3x-sx-2sx-3s
X
La desviación estándarsigma representa la distancia de la media alpunto de inflexión de la curva normal
La Distribución Normal Estándar
![Page 26: Curso de actualización en Ingeniería de calidad I.VI. FASE DE MEDICIÓN II.2. Probabilidad Dr. Primitivo Reyes Aguilar / febrero 2009 1.](https://reader035.fdocuments.net/reader035/viewer/2022062603/54bd3869497959686a8b5610/html5/thumbnails/26.jpg)
Normales con Medias y Desviaciones estándar diferentes
Normales con Medias y Desviaciones estándar diferentes
m = 5, s = 3m = 9, s = 6m = 14, s = 10
m = 5, s = 3m = 9, s = 6m = 14, s = 10
![Page 27: Curso de actualización en Ingeniería de calidad I.VI. FASE DE MEDICIÓN II.2. Probabilidad Dr. Primitivo Reyes Aguilar / febrero 2009 1.](https://reader035.fdocuments.net/reader035/viewer/2022062603/54bd3869497959686a8b5610/html5/thumbnails/27.jpg)
m +1m s +2m s +3m s-1m s-2m s+3m s
Entre:
1. 68.26%
2. 95.44%
3. 99.97%
Entre:
1. 68.26%
2. 95.44%
3. 99.97%
![Page 28: Curso de actualización en Ingeniería de calidad I.VI. FASE DE MEDICIÓN II.2. Probabilidad Dr. Primitivo Reyes Aguilar / febrero 2009 1.](https://reader035.fdocuments.net/reader035/viewer/2022062603/54bd3869497959686a8b5610/html5/thumbnails/28.jpg)
0.80.8
P(0 < z < 0.8) = 0.2881.
P(0 < z < 0.8) = 0.2881.
z = x -
![Page 29: Curso de actualización en Ingeniería de calidad I.VI. FASE DE MEDICIÓN II.2. Probabilidad Dr. Primitivo Reyes Aguilar / febrero 2009 1.](https://reader035.fdocuments.net/reader035/viewer/2022062603/54bd3869497959686a8b5610/html5/thumbnails/29.jpg)
29
7. DISTRIBUCIONES DE PROBABILIDAD PARA DECISIÓN
1. Distribución Chi Cuadrada
2. Distribución t de Student
3. Distribución F de Fisher
![Page 30: Curso de actualización en Ingeniería de calidad I.VI. FASE DE MEDICIÓN II.2. Probabilidad Dr. Primitivo Reyes Aguilar / febrero 2009 1.](https://reader035.fdocuments.net/reader035/viewer/2022062603/54bd3869497959686a8b5610/html5/thumbnails/30.jpg)
30
Distribución Chi CuadradaPrueba un varianza e igualdad de
proporciones
![Page 31: Curso de actualización en Ingeniería de calidad I.VI. FASE DE MEDICIÓN II.2. Probabilidad Dr. Primitivo Reyes Aguilar / febrero 2009 1.](https://reader035.fdocuments.net/reader035/viewer/2022062603/54bd3869497959686a8b5610/html5/thumbnails/31.jpg)
31
Distribución t de StudentPrueba igualdad de medias.
![Page 32: Curso de actualización en Ingeniería de calidad I.VI. FASE DE MEDICIÓN II.2. Probabilidad Dr. Primitivo Reyes Aguilar / febrero 2009 1.](https://reader035.fdocuments.net/reader035/viewer/2022062603/54bd3869497959686a8b5610/html5/thumbnails/32.jpg)
32
Distribución FPrueba igualdad de varianzas