Curso Estadistica Probabilidad

CFE - CURSO TALLER DE ESTADISTICA Y PROBABILIDAD P. Reyes / Sep.
2006
CURSO TALLER DE
ESTADSTICA Y PROBABILIDAD
Pgina 1
CFE - CURSO TALLER DE ESTADISTICA Y PROBABILIDAD P. Reyes / Sep. 2006
Elabor: Dr. Primitivo Reyes Aguilar
Septiembre de 2006
Mail: primitivo_reyes@yahoo!om
"el #$ $% &1 6' ( )el 0&& ## #2 1' &* 12
Pgina 2
CONTENIDO
M+,-./ 1 ES"0,1S"2)0 ,ES)32P"240 2
M+,-./ 2 5E330M2E6"0S ES"0,1S"2)0S 7 0,M262S"30"240S 21
P030 S/.-)2+6 ,E P3/8.EM0S
M+,-./ % P3/8082.2,0, 7 ,2S"328-)2/6ES &2
,E P3/8082.2,0,
M+,-./ & ,2S"328-)2+6 6/3M0. 6'
M+,-./ # ES"0,1S"2)0 269E3E6)20. '&
26"E340./S ,E )/69206:0 7 P3-E80S ,E 52P+"ES2S
M+,-./ 6 "08.0S ,E )/6"26;E6)20 7 06/40 10'
M+,-./ ' 3E;3ES2+6 7 )/33E.0)2+6 .26E0. 11'
Pgina %
!DULO ". ESTADSTICA DESCRIPTI#A
La Esta$%sti&a $es&ri'tiva es la rama de las matemti!as <=e !omprende la re!opila!in>
tab=la!in> anlisis e interpreta!in de datos !=antitativos y !=alitativos> para tomar de!isiones <=e
se re<=ieran a ?in de <=e el !omportamiento de los datos se mantenga dentro de los parmetros de
!ontrol estable!idos
Po(la&i)* +N,- Es el !on@=nto de todos los elementos de interAs para determinado est=dio
Par.metro - Es =na !ara!terBsti!a n=mAri!a de la pobla!in> se identi?i!a !on letras griegas
CMedia D E> ,esvia!in estndar D F> Propor!in D G> )oe?i!iente de !orrela!in D HI
uestra +*, - Es =na parte de la pobla!in> debe ser representativa de la misma
Esta$%sti&o - Es =na !ara!terBsti!a n=mAri!a de =na m=estra> se identi?i!a !on letras latinas
CMedia D J> ,esvia!in estndar D s> Propor!in D p> )oe?i!iente de !orrela!in D rI
La Esta$%sti&a $es&ri'tiva propor!iona =n !riterio para lograr me@oras> debido a <=e s=s tA!ni!as
se p=eden =sar para des!ribir y !omprender la variabilidad Por e@emplo> !onsideremos en =na
!aldera de vapor la presin del !omb=stible alimentado y la e?i!ien!ia de la !aldera> si =tiliKamos
instr=mentos de medi!in !on la resol=!in s=?i!iente> en!ontraremos <=e eListe variabilidad en esos
parmetros> y mediante el =so de tA!ni!as estadBsti!as podemos realiKar me@oras para red=!ir la
varia!in en rendimiento de la !aldera
Para poder obtener !onse!=en!ias y ded=!!iones vlidas de los datos de =n estadBsti!o> es m=y Mtil
!ontar !on in?orma!in sobre los valores <=e se agr=pan ha!ia el !entro y sobre <=e tan
distan!iados o dispersos estAn =nos respe!to a otros )omenKaremos por de?inir estas medidas:
La esta$%sti&a i*/ere*&ial se re?iere a la estima!in de parmetros y pr=ebas de hiptesis a!er!a
de las !ara!terBsti!as de la pobla!in en base a los datos obtenidos !on =na m=estra
"." EDIDAS DE TENDENCIA CENTRAL Y DISPERSI!N PARA DATOS SIPLES.
e$i$as $e te*$e*&ia &e*tral
e$ia0 + x , Es el promedio aritmAti!o de todos los valores <=e !omponen el !on@=nto de datos
Se !al!=la mediante la sig=iente ?rm=la:
Para =na m=estra y para =na pobla!in se tiene respe!tivamente:
Pgina &
n
xi
x
n
xi

E1em'lo "0 En =n e<=ipo de ?Mtbol> =na m=estra de estat=ras de s=s integrantes son las
sig=ientes:
1'0>1'*>1'%>16'>160>16#>1'*>1$&>16'>1$2> 1'& )al!=le la media
73 . 1
11
19

n
xi
x
e$ia*a0 + x
~
, .os datos de NnN observa!iones son ordenados del ms pe<=eOo al ms
grande> Si el tamaOo de la m=estra es NnonN la mediana es el valor ordenado en la posi!in
CnP1I(2>
)=ando el tamaOo de la m=estra es NparN la mediana es el promedio de los dos valores <=e se
en!=entran al !entro del !on@=nto de valores Se p=ede !al!=lar mediante:
( ) [ ] ( )
2
1 2 2 + + n n
E1em'lo 20 Para el e@emplo anterior Q!=l es la medianaR
/rdenando los datos de mayor a menor se obtiene:
160>16#>16'>16'>1'0>1'%>1'&>1'*>1'*>1$2>1$&S
)omo tenemos 11 datos el nMmero es non por lo <=e CnP1I(2 D 12(2 D 6> b=s!ando el nMmero
<=e o!=pa la seLta posi!in en los datos ordenados en!ontramos el valor de la mediana
73 . 1
~
x
e$ia a&ota$a +Tru*&ate$ ea*,0 ,eterminado por!enta@e de los valores ms altos y ba@os de
=n !on@=nto dado de datos son eliminados Ctomando nMmeros enterosI> para los valores
restantes se !al!=la la media
E1em'lo 30 Para la sig=iente serie de datos !al!=le la media a!otada al 20T:
6$'>%&%>*'*>'%&>$&>&2#>$'*>%11>%%2>*''>'2%>#&2>$06>'16>$22>
)omo tenemos 11 datos> el 20T de 11 es 22> por lo !=al eliminamos 2 datos el ms ba@o y el
ms alto> ordenado los datos obtenemos:
$&>%11>%%2>%&%>&2#>#&2>6$'>'16>'2%>'%&>$06>$22>$'*>*''>*'*> los valores a eliminar
son: $& y *'*S !al!=lando la media de los datos restantes obtenemos
( ) 82 . 63 20 ,.
~
x

e$i$as $e $is'ersi)*
Para !omprender el !on!epto de varianKa> s=pngase <=e tenemos los datos sig=ientes de los
!=ales <=eremos saber <=e tan dispersos estn respe!to a s= media:
2> %> &> #> 6 !on media D 20(# D &
Pgina #
Si tomamos la s=ma de di?eren!ias de !ada valor respe!to a s= media y las s=mamos se tiene:
CU2I P CU1I P C0I P C1I PC2I D 0
Por lo <=e tomando di?eren!ias simples no es posible determinar la dispersin de los datos
Si ahora tomamos esas mismas di?eren!ias al !=adrado y las s=mamos se tiene:
& P 1 P 0 P 1 P & D 10
#aria*4a $e los $atos
Es =na medida <=e nos ay=da a !omprender la variabilidad de los datos> <=e tan distan!iados estn
de la media
Po(la&io*al +5
2
, Se obtiene dividiendo el valor anterior entre n D #> o sea el promedio de la
s=ma de las di?eren!ias al !=adrado> tomando n datos
n
x xi
2
2
) (

Po(la&io*al +s
2
, Se obtiene dividiendo el valor anterior entre n U 1 D &> o sea el promedio de
la s=ma de las di?eren!ias al !=adrado> tomando n U1 datos
1
) (
2
2
n
x xi
s
Desvia&i)* est.*$ar0 Es la raBK !=adrada de la varianKa:
Para el !aso de =na pobla!in
n
x xi
2
) (

Para el !aso de =na m=estra
1
) (
2
n
x xi
s
Ra*go + R ,0 es la di?eren!ia positiva entre el valor mayor y el valor menor de =n !on@=nto
de datos Por e@emplo para el !on@=nto de datos sig=iente:
20>21>2&>2#>26>2$>2*>2*>%0>%1>%6>%$>&0>&0
S= rango es 3 D &0 V 20 D 20
Coe/i&ie*te $e #aria&i)* +C#,0 Se =tiliKa para !omparar la dispersin de dos !on@=ntos de
datos <=e tienen =nidades di?erentes> ya <=e representa =na medida relativa de dispersin
) 100 ( var . .
X
s
CV iacin de e Coeficient
Pgina 6
Por e@emplo si la media de tiempos de resp=esta es de '$' y s= desvia!in estndar es 121&> el
)4t:
% 05 . 12 ) 100 (
7 . 78
14 . 12

t
CV
Por otra parte si la media de temperat=ras es de 10 y s= desvia!in estndar de 2> el )4s de las
temperat=ras es:
% 20 ) 100 (
10
2

s
CV
Por tanto la dispersin de las temperat=ras es mayor <=e la de los tiempos de de resp=esta> es
posible !omparar estas dispersiones !on el )4 a=n<=e los dos !on@=ntos de datos sean
!ompletamente disBmbolos

E1em'lo 60 .a resisten!ia al rompimiento de dos muestras de botellas es la sig=iente:
M=estra 1: 2%0 2#0 2&# 2#$ 26# 2&0
M=estra 2: 1*0 22$ %0# 2&0 26# 260
)al!=le la desvia!in estndar para ambas m=estras
M=estra 1: M=estra 2
248 x
248 x
Suma(Xi - x )
2
= 790 Suma(Xi - x )
2
= 7510
n U 1 D # nU1 D #
s D
5
790
D 12#6 s D
5
7510
D %$'#
3ango D 26# V 2%0 D %# 3ango D %0# V 1*0 D 11#
)4 D 12#6(2&$W100D #06T )4 D %$'#(2&$W100 D 1#62#
0=n<=e la media en ambas m=estras es la misma> la desvia!in estndar CsI> rango y !oe?i!iente de
varia!in> son menores en la m=estra 1> por lo !=al ded=!imos <=e es presenta menor variabilidad
E1em'lo 70
Se desea ha!er =n est=dio estadBsti!o de la temperat=ra del ag=a> para esto es ne!esario tomar =na
m=estra y !al!=lar la media> mediana> media a!otada al 1#T> desvia!in estndar> rango y
!oe?i!iente de varia!in Se realiKan 1& observa!iones arro@ando los sig=ientes res=ltados en X):
211> %$> &0> &0> %1> 2*> 2#> %6> 20> 2&> 2$> 26>2*> %0
Pgina '
1I )al!=lar la media> mediana> desvia!in estndar> media a!otada al #T> desvia!in estndar>
rango y !oe?i!iente de varia!in
".2 OTRAS EDIDAS DE DISPERSI!N0 PERCENTILES8 DECILES Y 9UARTILES
)ada !on@=nto de datos ordenado tiene tres !=artiles <=e lo dividen en !=atro partes ig=ales El
primer !=artil es ese valor deba@o del !=al !lasi?i!a el 2#T de las observa!iones y sobre el !=al se
en!=entra el '#T restante El seg=ndo !=artil divide a los datos a la mitad similar a la mediana
.os de!iles separan =n !on@=nto de datos ordenado en 10 s=b!on@=ntos ig=ales y los per!entiles en
100 partes> la =bi!a!in de =n per!entil se en!=entra en:
100
) 1 (
P
n L
p
+
,onde:
L' es el sitio del per!entil deseado en =na serie ordenada
* es el nMmero de observa!iones
P es el per!entil deseado
Por e@emplo para el !on@=nto de datos sig=iente:
% 10 1* 2' %& %$ &$ #6 6' '&
& 12 20 2* %& %* &$ #* 6' '&
' 1& 21 %1 %6 &% #2 62 6* '6
* 1# 2# %1 %' &# #% 6% '2 '*
10 1' 2' %& %$ &' #6 6& '% $0
.a lo!aliKa!in del per!entil %# se halla en:
85 . 17
100
35
) 1 50 (
35
+ L
/ sea <=e el per!entil %# est al $#T del traye!to !omprendido entre la observa!in 1' <=e es 2* y
la observa!in 1$ <=e es %1 o sea .%# D 2* P C0$#IC%1U2*I D %0' Por tanto el %#T de las
observa!iones estn por deba@o de %0' y el 6#T restante por en!ima de %0'
,e la misma ?orma los per!entiles 2#> #0 y '# propor!ionan la lo!aliKa!in de los !=artiles Y1> Y2 y
Y% respe!tivamente
9"0 es el nMmero <=e representa al per!entil 2# Chay 2#T de los datos por deba@o de esteI
92 o e$ia*a0 es el nMmero <=e representa al per!entil #0 Chay #0T de los datos por
deba@o de esteI
930 es el nMmero <=e representa al per!entil '# Chay '#T de los datos por deba@o de esteI
Pgina $
Ra*go o Re&orri$o i*ter&uart%li&o0 es la di?eren!ia entre Y1 y Y%
DIA:RAA DE CA;A
Es la representa!in gr?i!a de los datos en ?orma de !a@a:
1 10 4
Q3 + 1. RIC
Q3
Q2 !e"#$%$
Q1
Q1 & 1.RIC
R$%'(
I%)e*+,$*)-.#+( /
RIC / Q3 & Q1 0$.(*es $)-p#+(s B#'()es
9ig=ra 1 ,iagrama de !a@a !on s=s !=arteles y bigotes
".3 DISTRIBUCI!N DE <RECUENCIAS E =ISTO:RAAS
)=ando tenemos =na !antidad grande de datos es di?B!il poder analiKarlos> a menos <=e hagamos
=so de herramientas <=e nos permitan ha!erlo !on mayor ?a!ilidad y !laridad El histograma es =na
de ellas> !onsiste en =n diagrama de barras donde las bases !orresponden a los intervalos y las
alt=ras a las ?re!=en!ias Para !onstr=ir =n histograma es ne!esario tener =n mBnimo de #0 a 100
datos Se tienen las sig=ientes de?ini!iones:
Distri(u&i)* $e /re&ue*&ias0 es =n res=men tab=lar de =n !on@=nto de datos <=e m=estra
el nMmero o ?re!=en!ia de artB!=los en !ada =na de varias !lases <=e no se traslapan
<re&ue*&ia relativa +/,0 Es la ?re!=en!ia de la !lase dividida entre el total n de datos Se
p=ede representar en por!enta@e
Distri(u&i)* $e /re&ue*&ias 'or&e*tuales0 es la representa!in de las ?re!=en!ias
relativas por!ent=ales
Pgina *
10
20
100
3
e
#
'
4
)
<re&ue*&ia a&umula$a +<,0 es la a!=m=la!in se!=en!ial de las ?re!=en!ias de !ada !lase
E1em'lo >
)onstr=ir =n histograma !on la sig=iente serie de datos:
2&1 1'$' %%#1 %$6# &#'0 &*%6 ##0$ 62#% '0%' $121
%%& 1$0% %%'6 %*02 &#*1 &**# ##2% 62'$ '10# $2%'
&0& 1$6* %&#$ %*6& &6#0 #002 ###6 62*$ '11& $2'*
&&6 1**& %##$ &0&1 &'0* #010 ##$' 6%0% '2&6 $%%1
$&6 2020 %#*% &0#$ &'21 #010 #60& 6&12 '2'' $#$%
*1# 20%1 %60$ &06& &'#6 #0'2 #62* 6&2* '&0% $$6'
11#* 2&1* %61& &%61 &'*% #1&0 #$1$ 6#&& '&10 $*2$
12'% 2$'# %6$0 &&06 &$02 #1&1 #*0% 661$ '626 $*#$
1%1$ %0%6 %6*2 &&#2 &$%1 #1'' #*%' 66#6 '66* *&0'
1#&' %06% %'2% &#01 &$## #2&% #*61 6'&# ''*1 *&&'
1620 %121 %'%1 &#0$ &$62 #%22 #*$1 6'$' '$2& *&60
16&* %2&& %'6& &#10 &$*$ #&2$ 602' 6*0* '*%# *&'&
1'11 %2$* %$2* &#%' &*%% #&'1 61%0 6*$6 $0%2 *6'$
Paso "0 )ontar el nMmero de datos * ? "3@
Paso 20 )al!=lar el rango R ? 4alor mayor V 4alor menor> 3 D *6'$U2&1 D *&%'
;eneralmente los datos no estn ordenados por lo !=al res=lta !onveniente ordenarlos de menor a
mayor para tener =na me@or vis=aliKa!in En el e@emplo los datos ya han sido previamente
ordenados
Paso 30 Sele!!ionar el nMmero de !ol=mnas> mediante n D 11 4 . 11 130 Por lo !=al el
histograma se !ompone de 11 !ol=mnas
Paso 60 )al!=lar el tamaOo del intervalo de !lase + C ,> dividiendo el rango entre el nMmero de
!ol=mnas0 C ?
9 58 . 8
11
37 . 94

8 res=ltando el tamaOo del intervalo *
/tra manera de !al!=lar el tamaOo del intervalo es el sig=iente:
,ividir el valor del rango entre =n !ierto nMmero de !lases CZI .a tabla de aba@o es =na g=Ba <=e nos
m=estra para di?erentes !antidades de datos el nMmero re!omendado de !lases a =tiliKar
6Mmero de datos C6I 6Mmero de !lases CZI
Menos de #0 # V '
#0 a 100 6 V 10
100 a 2#0 ' V 12
Ms de 2#0 10 V 20
Paso 70 )al!=lar los limites de !lase de !ada intervalo: [0U$\> [ *U1'\> et!> !onsiderando <=e el
tamaOo del intervalo representa la di?eren!ia entre dos lBmites de !lase adya!entes ya sean
in?eriores o s=periores
Pgina 10
Paso >0 )ontar el nMmero de valores <=e !aen en !ada intervalo =tiliKando =na Ao1a $e registro> de
esta manera se obtiene la ?re!=en!ia para !ada intervalo
"abla 1
)ol=mna 2ntervalo 3egistro de ?re!=en!ias
1 0 U$ 22222 #
2 *U1' 22222 2222 *
% 1$U26 22222 2 6
& 2'U%# 22222 22222 2 11
# %6U&& 22222 22222 22 1'
6 &#U#% 22222 22222 22222 22222 22222 222 2$
' #&U62 22222 22222 22222 222 1$
$ 6%U'1 22222 22222 222 1%
* '2U$0 22222 22222 10
10 $1U$* 22222 222 $
11 *0U*$ 22222 #
Paso B0 8asndose en los datos anteriores !onstr=ya el histograma
Diagrama $e tallo y Ao1as
Es otra representa!in de la in?orma!in> primero se ordenan los dBgitos prin!ipales a la iK<=ierda de
=na lBnea verti!al 0 la dere!ha de esta lBnea se registra el Mltimo dBgito para !ada dato !on?orme se
revisan las observa!iones en el orden en <=e se registraron Por e@emplo:
)on Minitab: Stat ] E,0 ] Steam and lea?^ 2ndi!ar !ol=mna de datos> in!rement D 10
Stem-and-leaf of Respuest N = 50
Leaf Unit = 1.0
2 6 89
Pgina 11
Histograma
0
10
1
20
2
30
2 11 25 36 4 4 63 52 11 20 22
Clase
F
r
e
c
u
e
n
c
i
a
F*e+,e%+#$
8 7 233566
16 8 0112356
!11" 9 1222556788
23 10 00266678
1 11 2355899
7 12 678
3 13 2
1 1 1
".6 EDIDAS DE TENDENCIA CENTRAL Y DE DISPERSI!N PARA DATOS
A:RUPADOS.
La me$ia &o* $atos agru'a$os: se !al!=la asB:
n
fM
X
g

,onde
/ es la ?re!=en!ia o nMmero de observa!iones en !ada !lase
es el p=nto medio de !ada !lase> se determina !omo el valor medio entre los lBmites de !lase
* es el tamaOo de la m=estra o la s=ma de todas las ?re!=en!ias de las !lases
E@emplo:
Clase <re&ue*&ia $e &lase <re&ue*&ia a&umula$a
+Presi)*, +$%as, / <
#0U#* % #&# 16%# %
60U6* ' 6&# &#1# 10
'0U'* 1$ '&# 1%&10 2$
$0U$* 12 $&# 101&0 &0
*0U** $ *&# '#60 &$
100U10* 2 10&# 20*0 #0
#0 %*%#0
7 . 78
50
3935

g
X
e$ia*a $e $atos agru'a$os0
Primero se identi?i!a la !lase donde se en!=entra la mediana !=ya 9 es ]D n ( 2> en este !aso la
!lase de '0 a '* !on p=nto !entral de !lase D '&#
pasajeros C
f
F n
L X Mediana
md
md
33 . 78 10
18
10 2 / 50
70 ) (
2 / ~
1
]
1

+
1
]
1

+
Pgina 12
,onde:
Lm$ es el lBmite in?erior de la clase de la mediana cuya F es >= n / 2 o sean C'0I
< es la ?re!=en!ia a!=m=lada de la !lase <=e ante!ede a la !lase de la mediana C10I
<m$ es la ?re!=en!ia de la !lase de la mediana C1$I
C es el intervalo de !lase de la mediana <=e es la di?eren!ia entre dos lBmites de !lase C10I
o$a $e $atos agru'a$os0
Primero se halla la !lase <=e tenga la ?re!=en!ia ms alta> en este !aso la !lase '0 a '*
47 . 76 10
) 7 18 ( ) 12 18 (
7 18
70 ) (
1
]
1
+
1
]
1
+
+ C
D D
D
L Moda
a b
a
mo
,onde:
Lmo es el lBmite in?erior de la !lase modal !on la ?re!=en!ia ms alta C'0I
Da es la di?eren!ia entre la ?re!=en!ia de la !lase modal y la !lase <=e la ante!ede C1$ V ' D 11I
D( es la di?eren!ia entre la ?re!=en!ia de la !lase modal y la !lase <=e le sig=e C1$ V 12 D 6I
C es el intervalo de la !lase modal C $0 V '0 D 10 I
#aria*4a y $esvia&i)* est.*$ar $e $atos agru'a$os0
2
2 2
2
1
s s
n
X n fM
s

Para los datos anteriores se tiene:
Clase <re&ue*&ia $e &lase
+Presi)*, +$%as, /
2
/
2
#0U#* % #&# 16%# 2'*02# $*10'#
60U6* ' 6&# &#1# &1602# 2*121'#
'0U'* 1$ '&# 1%&10 ###02# ***0&#0
$0U$* 12 $&# 101&0 '1&02# $#6$%00
*0U** $ *&# '#60 $*%02# '1&&200
100U10* 2 10&# 20*0 10*202# 21$&0#0
%*%#0 %16*02#0
pasajeros s
pasajeros s
X
g
14 . 12
31 . 147
49
) 7 . 78 ( 50 50 . 316902
7 . 78
50
3935
2
2

)on esta in?orma!in el personal p=ede tomar s=s de!isiones
Pgina 1%
".7 USOS <RECUENTES DE LA DES#IACI!N ESTCNDAR
EL TEOREA DE TC=EBYS=E#
Estable!e <=e para todo !on@=nto de datos por lo menos )%
1
1 (
2
K
de las observa!iones se
en!=entran dentro de t Z desvia!iones estndar de la media> !on Z ]D 1
Por e@emplo si Z D t % desvia!iones estndar respe!to a la media> se tiene <=e por lo menos el:
% 89 . 88 %
3
1
1 )%
1
1 (
2 2

,
_

K
,e las observa!iones estarn dentro de di!ho intervalo
CASO DE LA DISTRIBUCI!N NORAL
6$%T de las observa!iones se en!=entran dentro de t 1 desvia!in estndar de la media
*##T de las observa!iones se en!=entran dentro de t 2 desvia!iones estndar de la media
**'T de las observa!iones se en!=entran dentro de t % desvia!iones estndar de la media
SES:O
En la distrib=!in normal si no es simAtri!a y tiene =na !ola ms amplia del lado dere!ho> se di!e
<=e eListe =n sesgo a la dere!ha y vi!eversa
El !oe?i!iente de sesgo o asimetrBa P se determina !omo sig=e:
s
Mediana X
P
) ( 3
Si P < 0 los datos estn sesgados a la izquierda, si P > 0 estn sesgados a la derecha; si P = 0
estn distribuidos normalmente.
Para el !aso de los datos del e@emplo anterior se tiene:
Pgina 1&
03 . 0
14 . 12
) 33 . 78 7 . 78 ( 3
P
.os datos estn =n po!o sesgados ha!ia la dere!ha
Coeficiente de asimetra de Fisher
/tra estima!in del sesgo o !oe?i!iente de asimetrBa se ha!e a travAs de momentos estadBsti!os
Cdi?eren!ias !ontra la mediaI !omo lo s=giere 9isher:
1
( )
1, 2, 3, 4
n
j
i
i
j
X X
M j
n
2 / 3
2
3
1
M
M
Sesgo
o 2 / 3
1
2
1
3
1
) (
1
) (
1
,
_
n
i
n
i
X Xi
n
X Xi
n
Para la distrib=!in normal debe ser 0

Se p,e"e +(%s#"e*$* 6,e ,%$ "#s)*#7,+#8% es s#9:)*#+$ s#
0 1
; $s#9:)*#+$ 4$+#$ .$ #<6,#e*"$ +(%
0 1 <
( 4$+#$ .$ "e*e+4$
0 1 >
.
Por e@emplo:
E@emplo de =na distrib=!in !on sesgo negativo o sesgada ha!ia la iK<=ierda !on Sesgo D U101
Pgina 1#
E@emplo de =na distrib=!in !on sesgo positivo o sesgada ha!ia la dere!ha !on Sesgo D 10$
CURTOSIS
En la distrib=!in normal si no es a!ampanada y es ms pi!=da o aplanada de lo normal se di!e <=e
tiene =na )=rtosis di?erente de !ero <=e es lo normal> si es mayor es ms pi!=da o ms plana al
revAs
Coeficiente de Curtosis de Fisher
4
2 2
2
M
Kurtosis
M

U % o
3
) (
1
) (
1
2
1
2
1
4
2

,
_
n
i
n
i
X Xi
n
X Xi
n
Para la distrib=!in normal debe ser 0

L$ "#s)*#7,+#8% es 9es(+=*)#+$ >p.$%$ %(*9$.? s#
0 2
; .ep)(+=*)#+$ s#
0 2 >
9@s p,%)#$',"$
6,e .$ %(*9$. ( p.$)#+=*)#+$ >9@s p.$%$ 6,e .$ %(*9$. ? +(%
0 2 <
.
E@emplo de !=rva ms plana <=e la normal )=rtosis D U10%
Pgina 16
E@emplo de !=rva ms pi!=da <=e la normal )=rtosis D 0'6
".> USO DE INITAB y EDCEL
Para la obten!in de las estadBsti!as des!riptivas !on Minitab las instr=!!iones son:
Stat E Basi& statisti&s E Dis'lay $es&ri'tive statisti&s
2ndi!ar las variables de las !=ales se <=ieren obtener las estadBsti!as bsi!as y la variable !ategri!a
si se desean varios gr=pos
Sele!!ionar las gr?i!as op!ionales para los datos: 5istograma> diagrama de !a@a y de p=ntos
Sele!!ionar los estadBsti!os espe!B?i!os <=e se desean obtener:
Pgina 1'
.os res=ltados son los sig=ientes:
Descriptive Statistics: Peso en gr

#a$ia%le L&nea N N' (ean S) (ean St*e+ (inimum ,1 (edian
-eso en .$ 1 250 0 3999.6 3.1 9.6 3877.0 3967.8 3999.5
2 250 0 085.6 3.32 52.5 395.0 08.8 087.0

#a$ia%le L&nea ,3 (a/imum
-eso en .$ 1 00.0 113.0
2 121.5 202.0
Diagramas $e &a1a e* i*ita(0
1 )apt=re datos en la ho@a de traba@o: ' $ * * 11 12 12 1% 1& 1# 16 1' 1$ 1* 20 22
2. Sele!!ione la op!in: ;raph] 8oLplot
% Sele!!ione la variable )1 !omo se m=estra en la pantalla y presione !li! en o_
& 0 !ontin=a!in se m=estra el diagrama de !a@a:
C
a
j
a
22.5
20.0
17.5
15.0
12.5
10.0
7.5
5.0
Boxplot of Caja
Pgina 1$
=istograma e* i*ita(0
1 )apt=re los datos del e@emplo 6 en la ho@a de traba@o:
2 Sele!!ione la op!in: ;raph] 5istogram CsimpleI
& En /ptions se p=ede !ambiar el nMmero de !eldas !on 6=mber o? intervals C6 V $I
# 0 !ontin=a!in se m=estra el 5istograma:
DATOS
F
r
e
q
u
e
n
c
y
110 80 50 20 -10
40
30
20
10
0
Histogram of DATOS
Prue(a $e *ormali$a$ e* i*ita(0
1 )apt=re los datos del e@emplo 6 en la ho@a de traba@o:
2 Sele!!ione la op!in: Stat ] 8asi! statisti!s
& Sele!!ione la pr=eba de 0nderson ,arling
# 0 !ontin=a!in se m=estra la gra?i!a normal> si P val=e ] 00# los datos son normales
DATOS
P
e
r
c
e
n
t
120 90 60 30 0
99.9
99
95
90
80
70
60
50
40
30
20
10
5
1
0.1
Mean
0.399
50.05
StDev 22.50
N 130
AD 0.380
P-Value
Probability Plot of DATOS
Normal
Pgina 1*
USO DE EDCEL
1 En el menM =erramie*tas sele!!ione la op!in A*.lisis $e $atos ,atos de e@emplo 6
2 Sele!!ione la op!in Esta$%sti&a $es&ri'tiva
% Sele!!ione el rango de entrada> estos !orresponden a los datos n=mAri!os de la tabla
& Sele!!ione 3es=men de estadBsti!as
# En op!iones de salida sele!!ione en 3ango de salida> =na !elda de la ho@a de !al!=lo
<=e este en blan!o Ca partir de est !elda sern insertados los res=ltadosI
.a ho@a mostrar las sig=ientes medidas estadBsti!as de los datos presentados:
Columna1
!e"#$
0.03562
2
E**(* )-p#+( 1.2531135
!e"#$%$ 42.34
!("$ 0.1
DesA#$+#8%
es)@%"$*
22.04231
1
0$*#$%<$ "e .$
9,es)*$ 06.45225
C,*)(s#s -0.4466332
C(eB#+#e%)e "e
$s#9e)*-$ -0.032226
R$%'( 24.35
!-%#9( 2.41
!@C#9( 26.51
S,9$ 606.22
C,e%)$ 130
Pgina 20
E;ERCICIOS0
1 .as empresas de genera!in de energBa elA!tri!a estn interesadas en los hbitos de !ons=mo de
los !lientes para obtener pronsti!os eLa!tos de las demandas de energBa -na m=estra de
!ons=midores de *0 hogares !on !ale?a!!in de gas arro@ lo sig=iente C9-360)EM"Ì:
BTU.I%D1
2.25 5.53 2.60 11.12 13.45
4.00 5.15 2.56 11.21 13.60
.20 5.23 2.12 11.22 13.26
.6 1.00 2.13 11.43 14.24
.24 1.26 2.13 11.62 14.3
.21 1.22 2.14 11.50 1.12
6.3 1.35 2.26 11.50 1.24
6.62 1.45 10.04 12.16 16.06
6.52 1.4 10.21 12.12 16.20
6.51 1.1 10.21 12.21 11.26
6.10 1.61 10.21 12.31
6.1 1.65 10.30 12.62
6.24 1.62 10.3 12.62
5.1 1.11 10.36 12.51
5.16 2.05 10.40 12.21
5.23 2.25 10.42 12.22
5.22 2.35 10.0 13.11
5.62 2.43 10.64 13.31
5.62 2.2 10.2 13.42
5.62 2.1 11.02 13.43
aI ,eterminar los estadBsti!os de tenden!ia y dispersin
bI )onstr=ir =n diagrama de !a@a e histograma
!I 3ealiKar =na pr=eba de normalidad de los datos
dI Estable!er !on!l=siones
Pgina 21
!DULO 2. =ERRAIENTAS ESTADSTICAS ESTADSTICAS Y
ADINISTRATI#AS PARA SOLUCI!N DE PROBLEAS
=ERRAIENTAS ESTADSTICAS
21 5/a0 ,E 3E;2S"3/ / 4E3292)0)2+6
22 ,20;30M0 ,E P03E"/
2% ..-420 ,E 2,E0S
2& ,20;30M0 ,E 2S52Z0`0
2# )03"0 ,E "E6,E6)20S
26 ,20;30M0 ,E 9.-a/
2' ,20;30M0 ,E ,2SPE3S2+6
Pgina 22
2." =O;A DE RE:ISTRO O #ERI<ICACI!N
8si!amente es =n ?ormato <=e ?a!ilita <=e =na persona p=eda tomar datos en =na ?orma ordenada
y de a!=erdo al estndar re<=erido en el anlisis <=e se estA realiKando
Pasos 'ara la ela(ora&i)* $e u*a Ao1a $e veri/i&a&i)*0
1 ,eterminar !laramente el pro!eso s=@eto a observa!in
2 ,e?inir el perBodo de tiempo d=rante el !=l sern re!ole!tados los datos Choras a semanasI
% ,iseOar =na ?orma <=e sea !lara y ?!il de =sar
& /btener los datos de =na manera !onsistente y honesta ,edi!ar el tiempo ne!esario
E1em'lo $e Ao1a $e veri/i&a&i)*
Co*se1os 'ara la ela(ora&i)* e i*ter'reta&i)* $e las Ao1as $e veri/i&a&i)*
1 0segMrese de <=e las observa!iones sean representativas
2 0segMrese de <=e el pro!eso de observa!in es e?i!iente de manera <=e las personas tengan
tiempo s=?i!iente para ha!erlo
% .a pobla!in C=niversoI m=estreada debe ser homogAnea> en !aso !ontrario> el primer paso es
=tiliKar la estrati?i!a!in Cagr=pa!inI para el anlisis de las m=estras(observa!iones las !=ales
se llevarn a !abo en ?orma individ=al
E;ERCICIO0 )ole!tar el intervalo de tiempo en <=e ingresan personas a =n departamento
Pgina 2%
!"!#$% 1 2 3 4 $%$&'
$ama() *rr+,*) IIIII I IIIII IIIII III IIIII II 26
")rma *rr+,*a I III III II 9
*-.). !/uiv)0a1) IIIII I I I 8
2*3) *rr+,*) IIIII IIIII I IIIII III IIIII III IIIII IIIII 37
4a5 &0a6a1) II III I I 7
$%$&' 2 20 21 21 87
7&
2.2 DIA:RAA DE PARETO
5erramienta =tiliKada para el me@oramiento de la !alidad para identi?i!ar y separar en ?orma !rBti!a
las po!as !a=sas <=e provo!an la mayor parte de los problemas de !alidad El prin!ipio en=n!ia <=e
aproLimadamente el 80% de los efectos de =n problema se debe a solamente 20% de las causas
invol=!radas
El diagrama de Pareto es =na gr?i!a de dos dimensiones <=e se !onstr=ye listando las !a=sas de
=n problema en el e@e horiKontal> empeKando por la iK<=ierda para !olo!ar a a<=ellas <=e tienen =n
mayor e?e!to sobre el problema> de manera <=e vayan dismin=yendo en orden de magnit=d El e@e
verti!al se dib=@a en ambos lados del diagrama: el lado iK<=ierdo representa la magnit=d del e?e!to
provo!ado por las !a=sas> mientras <=e el lado dere!ho re?le@a el por!enta@e a!=m=lado de e?e!to de
las !a=sas> empeKando por la de mayor magnit=d
Pasos 'ara $esarrollar el $iagrama $e Pareto0
1 Sele!!ione <=A !lase de problemas se van a analiKar
2 ,e!ida <=A datos va a ne!esitar y !mo !lasi?i!arlos E@emplo: Por tipo de de?e!to> lo!aliKa!in>
pro!eso> m<=ina> traba@ador> mAtodo
% ,e?ina el mAtodo de re!ole!!in de los datos y el perBodo de d=ra!in de la re!ole!!in
& ,iseOe =na tabla para el !onteo de datos !on espa!io s=?i!iente para registrarlos
# Elabore =na tabla de datos para el diagrama de Pareto !on la lista de !ategorBas > los totales
individ=ales> los totales a!=m=lados> la !omposi!in por!ent=al y los por!enta@es a!=m=lados
6 /rgani!e las !ategorBas por orden de magnit=d de!re!iente> de iK<=ierda a dere!ha en =n e@e
horiKontal !onstr=yendo =n diagrama de barras El !on!epto de botrosc debe =bi!arse en el
Mltimo l=gar independientemente de s= magnit=d
' ,ib=@e dos e@es verti!ales y =no horiKontal
Ejes erticales!
- E@e iK<=ierdo: Mar<=e este e@e !on =na es!ala desde 0 hasta el total general
- E@e dere!ho: Mar<=e este e@e !on =na es!ala desde 0 hasta 100T
Eje horizontal!
U ,ivida este e@e en =n nMmero de intervalos ig=al al nMmero de !ategorBas !lasi?i!adas
$ ,ib=@e la !=rva a!=m=lada C!=rva de ParetoI> Mar<=e los valores a!=m=lados Cpor!enta@e
a!=m=ladoI en la parte s=perior> al lado dere!ho de los intervalos de !ada !ategorBa> y !one!te
los p=ntos !on =na lBnea !ontin=a
* Es!riba en el diagrama !=al<=ier in?orma!in <=e !onsidere ne!esaria para el me@or
entendimiento del diagrama de Pareto
E1em'lo $e $iagrama $e Pareto0
El departamento de ventas de =n ?abri!ante de materiales de empa<=e tiene registrada =na lista de
las <=e@as <=e se han re!ibido d=rante el Mltimo mes
Pgina 2&
Ti'o $e Fue1a No.
$e
Fue1as
Total
A&umula$o
Com'osi&i)*
Por&e*tual
Por&e*ta1e
A&umula$o
0I Entregas ?=era de tiempo
2#
2# %#'1 %#'1
8I )alibre ?=era de espe!i?i!a!iones 2% &$ %2$# 6$#6
)I Material s=!io y maltratado
'
## 10 '$#6
,I Material mal embalado
6
61 $#' $'1%
EI ,imensiones ?=era de espe!i?i!a!iones
% 6& &2$ *1&1
9I 2neLa!tit=d en !antidades 2
66 2$# *&26
;I Mala aten!in del personal 1 6' 1&2 *#6$
5I Maltrato del material por transportistas 1 6$ 1&2 *''
2I 9allas en do!=menta!in
1 6* 1&2 *$#2
aI Prod=!to !on !digos e<=ivo!ados 1 '0 1& ***&
.as <=e@as 0>8 y ) representan el '$#6T> siendo en estas en las <=e debemos de en?o!arnos primero a resolver
Pgina 2#
1
2
3
6
5
23
2
51.6
15.13
2.61
25.5
22.24
3.51
61.6
21.41
A B C D E F E F I G
24.26
21.2
%
A
C
U
M
U
A
D
!
"
!
D
#
$
U
#
%
A
S
0
Diagrama $e Pareto e* i*ita(
". )apt=re los datos en la !ol=mna )1 Ctipo de de?e!toI> en la !ol=mna )2 C?re!=en!iasI
2. StatE9uality ToolsEPareto CAart
3. Sele!!ionar la op!in Chart defects table > en el !ampo labels in sele!!ione: )1 y en
Frequencies in sele!!ione: )2 Combine defects after the first 80%. O
El sistema despliega la gr?i!a de Pareto:
En la gr?i!a se observa <=e aproL el $0T de los e?e!tos es debido a los de?e!tos 0> 8 y )
0 !ontin=a!in se m=estra =n diagrama de Pareto !onsiderando =na variable !ategri!a
Flas
C
o
u
n
t
Smude !t"er S#rat#" Peel
20
15
10
5
0
Smude !t"er S#rat#" Peel
20
15
10
5
0
Per$od % Da& Per$od % 'ven$n
Per$od % N$"t Per$od % (ee)end
*la+,
Peel
S#rat#"
!t"er
Smude
Pareto C!art of Flas by Perio"
Pgina 26
3 1 2 3 6 5 23 2
4.3 1.4 2.2 4.3 1.6 10.0 32.2 3.5
100.0 2.5 24.3 21.4 15.1 51.6 61.6 3.5
50
60
0
40
30
20
10
0
100
10
60
40
20
0
DeBe+)
C(,%)
Pe*+e%)
C,9 H
P
e
*
+
e
%
)
C
(
,
%
)
PARETO CFART
E;ERCICIO0 3ealiKar =n diagrama de Pareto !on las ?allas de =n e<=ipo
Pgina 2'
2.3 LLU#IA DE IDEAS DE IDEAS +BRAINSTORIN:,
E* las sesio*es $e lluvia $e i$eas se ge*era* *uevas i$eas me$ia*te la 'arti&i'a&i)* $e to$o
el eFui'o.
Para !omenKar !on el pro!eso de tormenta de ideas> en el !=al se genera in?orma!in la gente se
reMne en =na sala en la !=al se re!omienda la disposi!in de las mesas en ?orma de b-c para ?a!ilitar
el debate .a gente <=e parti!ipa en la sesin deber de pertene!er a di?erentes reas o tener
p=ntos de vista di?erentes> esto !on el ob@eto de enri<=e!er la sesin
El ?a!ilitador debe de !ontar !on eLperien!ia en la !ond=!!in de sesiones de tormentas de ideas> o
al menos haber tenido eLperien!ias previas

Para !ond=!ir =n gr=po se lleva a !abo la sig=iente metodologBa:
1 Sele!!ionar el problema a tratar
2 Pedir a todos los miembros del e<=ipo generen ideas para la sol=!in del problema> las !=ales
se anotan en el piKarrn sin importar <=e tan b=enas o malas sean estas
% 6ing=na idea es eval=ada o !riti!ada antes de !onsiderar todos los pensamientos !on!ernientes
al problema
& 0liente todo tipo de ideas> ya <=e al ha!erlo p=eden s=rgir !osas m=y interesantes> <=e motivan
a los parti!ipantes a generar ms ideas
# 0pr=ebe la nat=ralidad y el b=en h=mor !on in?ormalidad> en este p=nto el ob@etivo es tener
mayor !antidad de ideas asB eListirn mayores posibilidades de !onseg=ir me@ores ideas
6 Se les otorga a los parti!ipantes la ?a!=ltad de modi?i!ar o me@orar las s=geren!ias de otros
' -na veK <=e se tengan =n gran nMmero de ideas el ?a!ilitador pro!ede a agr=par y sele!!ionar
las me@ores ideas por medio del !onsenso del gr=po de traba@o
$ .as me@ores ideas son dis!=tidas y analiKadas !on el ?in del proponer =na sol=!in
.a tA!ni!a tormenta de ideas p=ede ser apli!ada !on gran ?re!=en!ia al llevar a !abo otras
herramientas> !omo por e@emplo> diagramas !a=saUe?e!to C2shi_adaI> ,iagrama de rela!iones>
,iagrama de rbol> planes !on #Ù15> ,iseOo de eLperimentos> pr=ebas de !on?iabilidad> et!
E;ERCICIO0 3ealiKar =na ll=via de ideas para sol=!ionar el problema de llegar a tiempo a algMn
l=gar

Pgina 2$
2.6 DIA:RAA CAUSAGE<ECTO +IS=IHAIA,
El diagrama !a=saUe?e!to> tambiAn llamado !es"ina de "escadoc por la seme@anKa de s= ?orma>
tambiAn es !ono!ido por diagrama de 2shi_ada
Es =tiliKado para eLplorar e identi?i!ar todas las !a=sas posibles y rela!iones de =n problema Ce?e!toI
o de =na !ondi!in espe!B?i!a en las !ara!terBsti!as de =n pro!eso
.os pasos para elaborar el diagrama de !a=saU e?e!to son los sig=ientes:
1 Sele!!ione el e?e!to CproblemaI a analiKar Se p=ede sele!!ionar a travAs de =n !onsenso> =n
diagrama de Pareto> otro diagrama o tA!ni!a
2 3eali!e =na ll=via de ideas para identi?i!ar las !a=sas posibles <=e originan el problema
% ,ib=@e el diagrama:
- )olo<=e en =n !=adro a la dere!ha la ?rase <=e identi?i<=e el e?e!to C!ara!terBsti!a de
!alidadI
- "ra!e =na lBnea horiKontal ha!ia la iK<=ierda del !=adro <=e !ontiene la ?rase 0 esta lBnea se
le !ono!e !omo !ol=mna vertebral
- )olo<=e lBneas in!linadas <=e in!idan en la !ol=mna vertebral C!a=sas prin!ipalesI
- ,ib=@e lBneas horiKontales !on ?le!has <=e in!idan en las lBneas in!linadas !on?orme a la
!lasi?i!a!in de las !a=sas C!a=sas se!=ndariasI
- ,ib=@e lBneas in!linadas <=e in!idan en las lBneas de las !a=sas se!=ndarias C!a=sas
ter!iariasI
& )lasi?i<=e las !a=sas derivadas de la ll=via de ideas> de la sig=iente manera:
)a=sas prin!ipales
Preg=ntando desp=As por <=e s=!eden obtener )a=sas se!=ndarias
4olviendo a preg=ntar de n=evo las raKones obtener )a=sas ter!iarias>
Se !ontin=a este pro!eso de preg=ntas de Qpor <=AR> Qpor <=AR hasta agotar las
resp=estas
# El e<=ipo analiKa !ada !a=sa estrati?i!ada Cse!=ndaria o ter!iariaI y por medio de elimina!in y
!onsenso determina !=ales son las !a=sas poten!iales relevantes <=e p=eden estar
o!asionando el problema
6 Elabore y e@e!=te =n programa de veri?i!a!in de las !a=sas relevantes por medio de =n
diagrama #Ù15 para identi?i!ar las !a=sas reales o !a=sas raBK
E1em'lo
"

Se dete!taron ?allas en la soldad=ra de partes> por lo !=al se pro!edi a realiKar =na investiga!in
=tiliKando el diagrama !a=saUe?e!to
#l "roblema es soldad=ra de?e!t=osa> siendo el e?e!to <=e se va a analiKar
Primero se determinan las !a=sas prin!ipales Mes:
M<=inas
Mano de obra
1
$)ma1) 1*8 &56*r.) 9a5:a,), ')3 3i*.* i,3.rum*,.)3 1* 5a #a5i1a1 $).a5, *1i0i),*3 ;a< 1* Sa,.)3,1995
Pgina 2*
MAtodos
Materiales
Medi!iones
Medio ambiente
Estas !onstit=yen las !a=sas primarias del problema y es ne!esario desa?iarlas para en!ontrar
!a=sas ms espe!B?i!as se!=ndarias y ter!iarias
Se !onstr=ye el diagrama espina de pes!ado !on las !a=sas primarias CMfsI> a partir de estas
!a=sas se agr=pan las !a=sas se!=ndarias y ter!iarias derivadas de la ll=via de ideas
En el e@emplo anterior las !a=sas primarias ?=eron agr=padas en CMesI: medi!iones> m<=inas>
mano de obra>medio ambiente> mAtodos y materiales Es posible realiKar este diagrama !on !a=sas
primarias di?erentes a las Mfs> por e@emplo:
Problema: Por <=e el servi!io b$%C&> no satis?a!e los re<=erimientos del !liente .as !a=sas
primarias en las <=e se p=ede organiKar este problema son las sig=ientes:
Pro!eso 1
Pro!eso 2
Pro!eso %
Pgina %0
SOLDADURA DEFECTUOSA
!ATERIALES !ITODOS
!AQUIJAS !AJO DE OBRA
UJIOJ
SOLDADURA
DESOKIDAJTE
LACA DE
PROTECCIOJ
TER!IJALES
CORTOS OKIDADOS
AJEULO
IJCORRECTO DE
LA FLA!A
TIE!POS DE
ESPERA
SECUEJCIA
SOLDADURA
0ELOCIDAD DE
A0AJCE
DI!EJSIOJES
IJADECUADAS
TE!PERATURA
PUJTA OKIDADA
FOR!A
PUJTA
FABILIDAD
FOR!ACIOJ
LI!ITES
EREOJO!ICOS
!EDIO A!BIEJTE
!EDICIOJES
FUERA DE
DI!EJSIOJES
ESPECIFICADS
SUPERFICIE
S COJ
POL0O E
I!PURELAS
Pro!eso &
Diagrama $e Causa E/e&to e* i*ita(
1 .lenar las !ol=mnas )1 a )# !on las di?erentes !a=sas !orrespondientes a los !on!eptos de
Personal> M<=inas> Materiales> MAtodos> Medi!iones y Medio ambiente
2. StatE9uality ToolsECause a*$ E//e&t Diagram
3. 2ntrod=!ir los datos en la pantalla de entrada> indi!ando el problema en #ffect y a!eptar !on
/Z
A!BIEJTE !ATLS. PERSOJAL !ITODO !AQUIJAS
P(.A( F(*9$ S$.," AM,s)e !$%))(.
0#7*$+#(%es D,*e<$ F$7#.#"$" 0e.(+#"$" DeB(*9$+#8%
F,9e"$" A.9$+:% F,9(* A7*$s#8%
Te9pe*$),*$ Fe**$9e%)$.
FOR!A AL!ACIJ FABILIDAD FU!OR
D#@9e)*( T#e9p( Se.e++#8% F(*$s
C,*A$),*$ A97#e%)e F(*9$+#8% !(*$.
ECpe*#e%+#$ C$%s$%+#(
Pro-lema de
,oldadura
Mea,urement,
Met"od,
Mater$al
Ma#"$ne,
Per,onnel
.umor
.a-$l$dad
Salud
.erramental
A-ra,$/n
De0orma#$/n
Mantto.
Alma#1n
Dure2a
*orma
Velo#$dad
A3u,te
4em5eratura
.umedad
V$-ra#$one,
Polvo
Cause#an"#$%ect Diagram
E;ERCICIO0 3ealiKar =n ,iagrama de )a=sa E?e!to para el problema de llegara tiempo al traba@o
Pgina %1
2.7 CARTA DE TENDENCIAS
De/i*i&i)*0
g Es =na ay=da gr?i!a para el !ontrol de las varia!iones de los pro!esos administrativos y de
man=?a!t=ra
Usos0
g Saber el !omportamiento de =n sistema o pro!eso d=rante el tiempo
g "omar las a!!iones !orre!tivas a tiempo si la tenden!ia a?e!tar en ?orma negativa
E1em'lo0 Se tienen los datos sig=ientes de errores de planea!in de la prod=!!in d=rante 1#
semanas:
Semana % #rrores Semana % #rrores
1 0.1 1 0.03
2 0.04 2 0.04
3 0.01 10 0.0
4 0.05 11 0.05
0.04 12 0.04
6 0.0 13 0.02
5 0.01 14 0.03
1 0.01
USO DE INITAB
1 Stat] "ime Series ] "rend 0nlisis 4ariable: T de errores
2 "ime ] Stamp Semana /Z
.a gr?i!a se m=estra a !ontin=a!in:
Semana
&

$
r
r
o
r
e
s
15 14 13 12 11 10 9 8 7 6 5 4 3 2 1
0.16
0.14
0.12
0.10
0.08
0.06
0.04
0.02
0.00
A##ura#&Mea,ure,
MAP' 62.6253
MAD 0.0193
MSD 0.0007
Var$a-le
A#tual
*$t,
Tren" Analysis Plot for & $rrores
7$near4rendModel
8t % 0.0869524 - 0.004785719t
)omportamiento de los datos d=rante =n periodo de tiempo determinado
E;ERCICIO: 5a!er =na !arta de tenden!ias !on datos reales de alg=na sit=a!in parti!=lar
Pgina %2
2.> APA DE PROCESOS J DIA:RAA DE <LU;O
#e*ta1as $e los $iagramas $e /lu1o
Proveen =na se!=en!ia gr?i!a de !ada =no de los pasos <=e !omponen =na opera!in desde el ini!io hasta el
?inal Permitiendo =na me@or vis=aliKa!in y !omprensin del pro!eso
.os diagramas de ?l=@o p=eden minimiKar grandes volMmenes de do!=menta!in> !omo la del 2S/ *000
9a!ilitan el desarrollo de Pro!edimientos Estndar de /pera!in
0l tener =n pro!edimiento de opera!in estndar se red=!e en gran medida la varia!in y el tiempo de !i!lo
.os diagramas de ?l=@o permiten dete!tar reas de me@ora en los pro!esos
Des&ri'&i)* $e s%m(olos
En la !onstr=!!in de dia'ramas de flu(o de "rocesos se =tiliKan los sBmbolos des!ritos a !ontin=a!in:
O'era&i)* $e tra*s/orma&i)*0 de la !=al res=lta =n !ambio ?Bsi!o o
<=Bmi!o del prod=!to
I*s'e&&i)*0 4eri?i!a!in de alg=na !ara!terBsti!a mediante =n estandar de !alidad
prestable!ido
Tra*s'orte0 Movimiento ?Bsi!o del prod=!to o =n !omponente
Demora0 2ndi!a la ne!esidad de =n periodo de ina!tividad en espera de opera!in
inspe!!in o transporte
Alma&e*amie*to0 Mantener =n prod=!to en alma!enamiento hasta
<=e !ontinMe s= pro!esamiento o sea vendido
Pasos para la elabora!in de =n diagrama de ?l=@o
". Des&ri(ir el 'ro&eso a evaluar0 Es importante sele!!ionar =n pro!eso relevante
2. De/i*ir to$os los 'asos Fue &om'o*e* el 'ro&eso0 el e<=ipo de traba@o anota en tar@etas los di?erentes
pasos <=e !on?orman el pro!eso> !on este mAtodo el e<=ipo p=ede arreglar y ordenar los pasos del pro!eso
3. Co*e&tar las a&tivi$a$es0 )=ando los pasos <=e !omponen el pro!eso han sido des!ritos se !onstr=ye el
diagrama de ?l=@o> !one!tando las a!tividades mediante ?le!has> !ada sBmbolo debe des!ribir la a!tividad <=e
se realiKa !on po!as palabras
6. Com'arar el 'ro&eso a&tual &o* el 'ro&eso &o*si$era$o &omo Ki$ealL las sig=ientes preg=ntas p=eden
servir de g=Ba:
QEListen pasos demasiado !omple@osR QEListe d=pli!idad o red=ndan!iaR QEListen p=ntos de !ontrol para
prevenir erroresR QdeberBan de eListirR QEl pro!eso ?=n!iona en la manera en la !=al deberBa de ha!erseR QSe
p=ede realiKar el pro!eso de di?erente maneraR
7. e1oras $el 'ro&eso0 -na veK <=e se !ontestan las preg=ntas mediante tormenta de ideas se realiKan
me@oras ,e?iniendo los pasos <=e agregan valor y los <=e no agregan se p=ede llevar a !abo =na
simpli?i!a!in s=stan!ial del pro!eso .as me@oras son prioriKadas y se llevan a !abo planes de a!!in
>. Im'leme*tar el *uevo 'ro&e$imie*to0 -na veK realiKadas las me@oras se dan a !ono!er a las personas
invol=!radas en el pro!eso y se veri?i!a s= e?e!tividad
Pgina %%
,iagrama de ?l=@o: -na visita a la ?arma!ia
2
O'era&i)*0 $es'a&Ao $e u*a /)rmula.
E4E6"/ S1M8/./ "2EMP/
CminI
,2S"06)20
CpiesI
0brir la p=erta> !aminar ha!ia el rea de la ?arma!ia del alma!An 0$ #0
Esperar para ser atendido 1
Sa!ar la ?rm=la de la billetera o del bolsillo y entregarla al
dependiente
0&
Esperar hasta !=ando el dependiente despa!he la ?rm=la y
!al!=le el valor
10
Sa!ar la tar@eta de !rAdito de la billetera y entregarla al
dependiente
0&
Esperar <=e el dependiente diligen!ie el desprendible de la
tar@eta de !rAdito
1
4eri?i!ar el desprendible 02
9irmar el desprendible 01
Esperar el desprendible y el medi!amento 0%
)olo!ar la tar@eta y el desprendible dentro de la billetera 02
3e!oger el medi!amento y !aminar de regreso hasta la p=erta 0$ #0
Diagrama $e <lu1o <%si&o
Pasos para realiKarlo:
g,ib=@e el es<=ema ?Bsi!o de s= rea de traba@o> in!l=yendo esta!iones de traba@o> reas de espera>
reas de m<=inas> et!
g-se ?le!has para delinear el ?l=@o de la parte dentro del rea )ada ?le!ha debe delinear =n paso del
pro!eso
=*,.a>a3
g M=estra el nMmero de movimientos para !ompletar el pro!eso
g M=estra la !omple@idad del ?l=@o y las !=rvas
g P=ede aOadir tiempo a !ada paso> para mostrar !=ellos de botella y tiempo sin valor agregado 4s
tiempo !on valor agregado
E;ERCICIO0 3ealiKar =n diagrama de ?l=@o de =n pro!eso
2
&1a-.a1) 1* ?ami1 @))ri/Au33*55 Aa1B)r1, &1mi,i3.ra0i+, 1* %-*ra0i),*3 C -r)1u00i+,, !1. 40.9raD
?i55 2-.282
Pgina %&
2.B DIA:RAAS DE DISPERSI!N
El diagrama de dispersin es =na tA!ni!a estadBsti!a =tiliKada para est=diar la rela!in entre dos
variables Por e@emplo> entre =na !ara!terBsti!a de !alidad y =n ?a!tor <=e le a?e!ta
.a venta@a de =tiliKar este tipo de diagramas es <=e al ha!erlo se tiene =na !omprensin ms
pro?=nda del problema planteado
.a rela!in entre dos variables se representa mediante =na gr?i!a de dos dimensiones en la <=e
!ada rela!in est dada por =n par de p=ntos C=no para !ada variableI
.a variable del e@e horiKontal ) normalmente es la variable !a=sa> y la variable del e@e verti!al y es la
variable e?e!to
.a rela!in entre dos variables p=ede ser: positiva o negativa Si es positiva> signi?i!a <=e =n
a=mento en la variable !a=sa ) provo!ar =na a=mento en la variable e?e!to y y si es negativa
signi?i!a <=e =na dismin=!in en la variable ) provo!ar =na dismin=!in en la variable y
Por otro lado se p=ede observar <=e los p=ntos en =n diagrama de dispersin p=eden estar m=y
!er!a de la lBnea re!ta <=e los atraviesa> o m=y dispersos o ale@ados !on respe!to a la misma El
Bndi!e <=e se =tiliKa para medir ese grado de !er!anBa de los p=ntos !on respe!to a la lBnea re!ta es
el %*$i&e $e &orrela&i)* r. En total eListen !in!o grados de !orrela!in: positiva evidente Cr D 1I>
positiva> negativa evidente Cr D U1I> negativa y n=la Cr D 0I
Pgina %#
Correla&i)* Positiva
Evi$e*te
0
#
10
1#
20
2#
0 # 10 1# 20 2#
D
Y
Correla&i)* Negativa
Evi$e*te
0
#
10
1#
20
2#
0 # 10 1# 20 2#
D
Y
Correla&i)*
Positiva
0
#
10
1#
20
2#
0 # 10 1# 20 2#
D
Y
Correla&i)*
Negativa
0
#
10
1#
20
2#
0 # 10 1# 20 2#
D
Y
Si* Correla&i)*
10
1#
20
2#
# 10 1# 20 2#
D
Y
0
#
0
LAS SIETE NUE#AS =ERRAIENTAS PARA LA E;ORA CONTINUA
*ia'rama de afinidad:
o /rganiKa grandes !antidades de in?orma!in
+r,fica doble de interrelaciones:
o M=estra los enla!es de !a=sas y e?e!tos entre aspe!tos rela!ionados
*ia'rama de ,rbol:
o ,iagrama los niveles de destalle para al!anKar =n ob@etivo prin!ipal y los ob@etivos
se!=ndarios rela!ionados
*ia'rama -atricial:
o M=estra las rela!iones y !orrela!iones entre ideas
-atrices de "rioridad:
o 0signa prioridades a as=ntos> tareas o posibles op!iones !on base en !riterios
!ono!idos
+r,ficas de .ro'rama de *ecisi/n de .rocesos 0+.*.1:
o 3evela !adenas de eventos y planes de !ontingen!ia
*ia'rama de redes y acti2idades:
o ,esarrolla = programa para tareas !omple@as
APLICACIONES
.as herramientas para la me@ora !ontin=a se emplean de manera ideal en los !asos sig=ientes:
,ividir =n re<=erimiento general de detalles espe!B?i!os
2denti?i!ar y eliminar las !a=sas raBK de =n problema
Programar a!tividades !omple@as
Planea!in de !ontingen!ia
0y=dar a =na organiKa!in a pasar de la manera antig=a de pensar a otras ?ormas ms
novedosas de ha!erlo
3ealiKar =na sele!!in ?inal de =na lista de op!iones
Eval=ar op!iones de diseOo de prod=!to
Es posible emplear las n=evas herramientas para la me@ora !ontin=a en varias ?ases del diagrama de
me@ora es posible emplear ms de =na en !ada paso y se deber elegir la herramienta !orre!ta para
el traba@o
Pgina %6
Pgina %'
2.M DIA:RAA DE A<INIDAD
Es =na herramienta <=e se emplea para organiKar grandes !antidades de in?orma!in agr=pando los
aspe!tos de la misma !on base en rela!iones !lave entre ellosS tambiAn se !ono!e !omo mAtodo Za
)=ando se emplea este diagrama> se organiKan las ideas o reas generales de problemas para
ad<=irir la !omprensin de =n problema o as=nto !omple@o> asB !omo para identi?i!ar las !a=sas
poten!iales de =n problema .a herramienta ay=da a me@orar el !ompromiso y el apoyo del e<=ipo
- -sar !=ando eListe =n !aos> el e<=ipo aporta ideas> se re<=iere =n pensamiento
tras!endental o el tema es =n aspe!to amplio
PASOS
1 3e=nir el e<=ipo y elegir =n lBder
a El e<=ipo deber !onsistir en # o 6 personas <=e estAn rela!ionados !on el
problema
2 Estable!er el as=nto o problema en ?orma de preg=nta
% 3ealiKar =na tormenta de ideas respe!to al problema o aspe!to y registrarla en ?i!has de
traba@o
a Slo =na idea por tar@eta
b MLimo siete palabras por tar@eta
! )ada tar@eta deber !ontener =n s=stantivo y =n verbo
& ,esplegar las tar@etas en =na mesa grande o m=ro
# 0!omodar las tar@etas en pilas similares o por b?amiliasc
6 )rear tar@etas de en!abeKado
' ,ib=@ar el diagrama de a?inidad
a "raKar =n !Br!=lo en torno a !ada agr=pamiento y !one!tar este !on la tar@eta de
en!abeKado
b El diagrama <=eda !ompleto !=ando el e<=ipo al!anKa el !onsenso y eti<=eta el
diagrama !on el nombre del e<=ipo y la ?e!ha
$ ,is!=tir el diagrama de a?inidad
Pgina %$
4A77': D' 'S4AD;S4<=A 8 P:!>A><7<DAD P. :'8'S ? S'P4.
2006
2.N :RC<ICA DOBLE DE INTERRELACIONES
-na gr?i!a doble de interrela!iones es =na herramienta gr?i!a <=e se emplea para organiKar
problemas o aspe!tos !omple@os y <=e impli!an m=!has variables> se emplea para est=diar las
rela!iones entre los elementos de =n problema e identi?i!ar las !a=sas raBK o las sol=!iones> es
similar al diagrama de a?inidad en la medida <=e el pro!eso de !onstr=!!in de =na gr?i!a doble
interrela!iones es !reativo
0y=da a identi?i!ar las !a=sas poten!iales de =n problema 0 di?eren!ia del diagrama de !a=sa y
e?e!to> la gr?i!a permite <=e el e<=ipo de sol=!in de problemas observe al mismo tiempo m=!hos
e?e!tos y tra!e la rela!in entre di!hos e?e!tos y varias !a=sas
PASOS
1 3e=nir el e<=ipo y elegir =n lBder
2 Poner el as=nto o problema en ?orma de preg=nta
a Es posible elegir di!ho as=nto o problema de las sig=ientes ?=entes:
- El aspe!to !lave o la tar@eta de en!abeKado ms !rBti!a de =n diagrama de
a?inidad
- .a de!lara!in de e?e!to de =n diagrama de !a=sa y e?e!to
- El aspe!to !lave de =n diagrama de rbol
- -n aspe!to !lave identi?i!ado por el e<=ipo
% 3ealiKar =na tormenta de ideas respe!to al problema o aspe!to y registrarla en ?i!has de
traba@o
- Si la de!lara!in del problema se origin en =n diagrama de a?inidad> =sar las
tar@etas de en!abeKado de Aste y realiKar =na tormenta de ideas para b=s!ar
ideas adi!ionales
- Si la de!lara!in del problema se tom del e?e!to en =n diagrama de !a=sa y
e?e!to> !opiar las !a=sas ms bsi!as de !ada =no de los bh=esosc del
diagrama en ?i!has de traba@o
Pgina %* de 12*
2006
- Si la de!lara!in del problema se origin en =n diagrama de rbol> =sar el nivel
ms ba@o de detalle de Aste
- Si la de!lara!in del problema ?=e =n aspe!to !lave identi?i!ado por el e<=ipo>
es pre!iso ha!er =na tormenta de ideas y !olo!ar estas en tar@etas de Bndi!e
& 0naliKar las rela!iones
# 3evisar la gr?i!a doble de interrela!iones
6 2denti?i!ar !a=sas y e?e!tos raBK
a -na !a=sa raBK es =na !ategorBa de la <=e sale la gran !antidad de ?le!has
b -n e?e!to raBK es =na !ategorBa a la <=e llega =na gran !antidad de ?le!has
' Est=diar la gr?i!a doble de interrela!iones
2."@ DIA:RAA DE CRBOL
-n diagrama de rbol Cdiagrama sistemti!oI es =na tA!ni!a <=e se emplea para b=s!ar la ?orma
ms apropiada y e?i!aK de al!anKar =n ob@etivo espe!B?i!o Esta herramienta gr?i!a de diagrama los
diversos niveles de detalle> estos representan a!!iones Co tareasI <=e sig=en r=tas lgi!as para
implantar =n ob@etivo amplio 0l implantar los p=ntos detallados de a!!in> se !rea =n e?e!to de
dominio <=e lleva al logro del ob@etivo prin!ipal
)=ando se traba@a sobre =n ob@etivo amplio> =n diagrama de rbol ay=da a orientar tareas
espe!B?i!as> es posible emplearlo para planear la implanta!in de =na sol=!in detallada en ?orma
ordenada El diagrama de rbol ?=n!iones para dividir =n aspe!to = ob@etivo ms !omple@o
PASOS
1 3e=nir =n e<=ipo apropiado
2 Elegir la de!lara!in de ob@etivo
! Es posible elegir di!ho as=nto o problema de las sig=ientes ?=entes:
- El aspe!to !lave o la tar@eta de en!abeKado ms !rBti!a de =n diagrama de
a?inidad
- .a de!lara!in de e?e!to de =n diagrama de !a=sa y e?e!to
- El aspe!to !lave de =n diagrama de rbol
- -n aspe!to !lave identi?i!ado por el e<=ipo
% ;enerar los en!abeKados de primer nivel del rbol
Pgina &0 de 12*
2006
a )omo p=nto de ini!io> =sar los sig=ientes tres en!abeKados de primer nivel del rbol
- Si el ob@etivo es =n aspe!to !lave de =n diagrama de a?inidad> =sar las tar@etas
de en!abeKado Si el ob@etivo es la tar@eta !rBti!a de en!abeKado> =sar las
tar@etas ba@o tal en!abeKado
- Si el ob@etivo es =na !a=sa o e?e!to raBK de =na gr?i!a doble de interrela!iones>
=sar las tar@etas <=e llevan a ella
- Si el ob@etivo es =n aspe!to !lave identi?i!ado por el e<=ipo> realiKar =na
tormenta de ideas !=yo en?o<=e sea la implanta!in
& )ompletar el diagrama de rbol ba@o !ada en!abeKado prin!ipal
# 3evisar el diagrama de rbol terminado
2."" DIA:RAA ATRICIAL
.os diagramas matri!iales son herramientas <=e se emplean para revelar las !orrela!iones entre
ideas> tares y responsabilidad y <=e apare!en en diversas ?ormas matri!iales> es posible emplear
estas herramientas para organiKar y !omparar dos o ms !on@=ntos de artB!=los para mostrar !=ales
de ellos estn rela!ionados> asimismo p=eden mostrar la ?ortaleKa estadBsti!a y la dire!!in de
in?l=en!ia de !ada rela!in
.os diagramas matri!iales se emplean para mostrar la rela!in entre las tareas de =n diagrama de
rbol y otras !ara!terBsti!as o ?=n!iones> son herramientas de eLtrema ?leLibilidad> p=eden mane@ar
!=al<=ier tipo de !ontenido de in?orma!in y !omparar !=al<=ier nMmero de variables
P=eden tener !=al<=iera de las sig=ientes ?ormas:
- 9orma de .
Pgina &1 de 12*
2006
- 9orma de "
- 9orma de 7
- 9orma de J
- 9orma de )
Es posible !rear diagramas matri!iales para mostrar diversos tipos de rela!iones> =na ?orma de
=sarlos es desarrollar las n=evas a!tividades !ontra lo <=e en ese momento ha!e =na organiKa!in>
para desplegar =na sol=!in genAri!a
PASOS
1 3e=nir a =n e<=ipo apropiado
2 Elegir las !onsidera!iones !lave
a QY=A tipo de in?orma!in se desea mostrar en la matriKR
% Elegir la ?orma apropiada de la matriK
a ,e!idir el tipo de ?orma <=e permitir obtener la me@or in?orma!in:
- 9orma de .: 2 !onsidera!iones !lave
- 9orma de ": % !onsidera!iones !lave !on rela!iones dire!tas e indire!tas
- 9orma de 7: % !onsidera!iones !lave !on rela!iones dire!tas
- 9orma de J: & !onsidera!iones !lave !on rela!iones dire!tas e indire!tas
- 9orma de ): % !onsidera!iones !lave !on rela!iones sim=ltneas
& ,e?inir los sBmbolos de rela!in a emplear y !rear =na leyenda
# )on!l=ir la matriK
2."2 ATRICES DE PRIORIDADES
.as matri!es de prioridades son herramientas para tomas de!isiones -tiliKando !riterios ponderados
y a!ordados> se emplean tales herramientas para asignar prioridades a aspe!tos> tareas = op!iones
posibles Se basan en la !ombina!in de =n diagrama de rbol y =no matri!ial
P=eden ay=dar a red=!ir el nMmero de op!ionesS de modo <=e sea posible tomar de!isiones !on
mayor ?a!ilidad> debido a <=e las matri!es de prioridades propor!ionan =n en?o<=e lgi!o a la
ele!!in de =n !on@=nto de op!iones> son ideales para elegir =n problema para <=e lo ata<=e el
e<=ipo y estre!har =na lista de sol=!iones poten!iales para =n problema
PASOS
1 3e=nir =n e<=ipo apropiado
2 Estable!er el ob@etivo prin!ipal a al!anKar y las op!iones <=e ay=den a lograrlo
% ;enerar los !riterios por los <=e se @=Kgarn las op!iones
& a=Kgar !ada !riterio !ontra todos los dems
a )omparar la importan!ia de !ada =no de ellos !ontra los dems por medio de la
sig=iente es!ala:
- 10 D M=!ho ms importante
- # D Ms importante
- 1 D Ms importante
- 1 ( # D Ms importante
- 1 ( 10 D Ms importante
# )omparar entre sB las op!iones para todos los !riterios retenidos
Pgina &2 de 12*
2006
6 )ompara !ada op!in !on base en todos los !riterios !ombinados
2."3 :RC<ICAS DE PRO:RAAS DE DECISI!N DE PROCESOS
+:PDP,
-na gr?i!a de programa de de!isin del pro!eso C;P,PI es =na herramienta dinmi!a de
planea!in <=e se emplea para diagramar en ?orma sistemti!a todas las posibles !adenas de
eventos para al!anKar =n ob@etivo amplio o para implantar =na sol=!in !omple@a
Se en=meran todos los eventos !on!ebibles y =na !ontramedida apropiada en este ?l=@o !ronolgi!o>
se emplea este mAtodo !=ando eListe in!ertid=mbre en =n pro!eso de implanta!in> !=ando el
problema = ob@etivo es Mni!o o des!ono!ido
.as gr?i!as de programa de de!isin del pro!eso se !lasi?i!an por las herramientas <=e se emplea:
;P,P !"laneado "or adelantado&: anti!ipan lo binesperadoc antes de la implanta!in
verdadera Se e?e!tMa =na tormenta de ideas de todas las distintas posibilidades y se
elaboran planes de !ontingen!ia !on anti!ipa!in
;P,P en tiem"o real: se desarrollan alternativas d=rante la implanta!in
.a ;P,P se !lasi?i!an por el ?ormato gr?i!o:
+r,fico: !ombina!in de diagrama de rbol y diagrama de ?l=@o
*escri"ci/n: lista n=merada de eventos y !ontramedidas
Se emplea =na ;P,P para des!ribir de manera sistemti!a =na sol=!in = ob@etivo !omple@os> otro
propsito es probar teorBas d=rante la implanta!in de =na sol=!in !omple@a
PASOS
Pgina &% de 12*
25a,*a0i+, 1* u,a
r*u,i+,
A*3*rvar 3a5a 1*
r*u,i),*3
=*riBi0ar */ui-)
au1i)vi3ua5
!B*0.uar 5)3
arr*:5)3 1*
a5im*,.a0i+,
Sa5a 1* r*u,i),*3 ,)
1i3-),i65*
!/ui-) au1i)vi3ua5 ,)
1i3-),i65*
Ea,/u*.* ,)
1i3-),i65*
4*,F ,)
1i3-),i65*
#am6iar B*0Ga 1*
r*u,i+,
A*3*rvar ).r) 3i.i)
A*,.ar */ui-)
au1i)vi3ua5
A*3*rvar ).r) 3i.i)
%r1*,ar a ).r)
-r)v**1)r
S)5i0i.ar u, m*,F
1i3.i,.)
%r1*,ar ).r) -r)v**1)r
1* 6a,/u*.*3
= S*5*00i),a1)
= @) Ba0.i65*
2006
1 3e=nir el e<=ipo apropiado
2 Elegir el ?l=@o bsi!o de implanta!in
% Elegir el ?ormato de la gr?i!a
& Estable!er el ob@etivo prin!ipal
# En=merar los pasos del pro!eso
6 ,eterminar !ontramedidas
' Eval=ar las !ontramedidas
- Eval=ar las !ontramedidas y mar!arlas en la ?orma sig=iente
D Sele!!ionada
D 6o ?a!tible
2."6 DIA:RAA DE REDES DE ACTI#IDADES
-n diagrama de redes de a!tividades CtambiAn !ono!ido !omo diagrama de ?le!hasI es =na tA!ni!a
de administra!in de redes de =so generaliKado para la planea!in e implanta!in de tareas
!omple@as> e parti!=lar las mas !om=nes <=e !=entas !on s=btareas !ono!idas Es =na !ombina!in
de la "A!ni!a de 3evisin y Eval=a!in y Programas CPE3"I y el MAtodo de 3=ta )rBti!a C)PMI
Se emplea el diagrama de redes de a!tividades para desplegar sol=!iones !omple@as !on programas
m=y estri!tos de tiempo 2denti?i!a los pasos y s=btareas y m=estra el ?l=@o de r=tas sim=ltneas de
implanta!in
PASOS
1 3e=nir el e<=ipo apropiado
a .os miembros del e<=ipo debern !ono!er a ?ondo las tareas y s=btareas
2 2denti?i!ar todas las tareas <=e re<=iere el proye!to
% ,eterminar la se!=en!ia de a!tividades
& )al!=lar el tiempo <=e se re<=iere !ada a!tividad
# )al!=lar la r=ta !rBti!a del proye!to
6 )al!=lar la ?e!ha ms tardBa de ini!io y ms temprana de !on!l=sin de !ada s=btarea
' )al!=lar la holg=ra total
$ ,iseOar el diagrama de redes de a!tividades
Pgina && de 12*
2006
!DULO 3. PROBABILIDAD Y DISTRIBUCIONES DE PROBABILIDAD
3." INTRODUCCI!N
.a probabilidad se re?iere al est=dio de la aleatoriedad y la in!ertid=mbre en !=a<l<=ier sit=a!in
donde podrBa o!=rrir =no de varios res=ltados posibles En alg=nos !asos se =tiliKa de manera
in?ormal !omo por e@emplo: hay =n #0T de probabilidad de <=e ll=eva
DE<INICIONES
Pro(a(ili$a$0 es la posibilidad n=mAri!a de o!=rra =n evento Se mide !on valores
!omprendidos entre 0 y 1> entre mayor sea la probabilidad> ms se a!er!ar a =no
EO'erime*to0 es toda a!!in bien de?inida <=e !onlleva a =n res=ltado Mni!o bien de?inido
!omo el lanKamiento de =n dado Es el pro!eso <=e prod=!e =n evento
Es'a&io muestral0 es el !on@=nto de todos los res=ltados posibles de =n eLperimento Para
=n dado es SS D C1>2>%>&>#>6I
Eve*to0 es !=al<=ier !ole!!in de res=ltados !ontenidos en el espa!io m=estral Es simple
si slo tiene =n res=ltado y !omp=esto si tiene varios res=ltados
De/i*i&i)* Cl.si&a $e Pro(a(ili$a$. o$elo $e /re&ue*&ia relativa
.a probabilidad de =n evento CEI> p=ede ser !al!=lada mediante la rela!in de el nMmero de
resp=estas en ?avor de E> y el n=mero total de res=ltados posibles en =n eLperimento
( )
resultados Total
Fa!orable
P
H
H
E1em'lo "0 .a probabilidad de <=e salga 2 al lanKar =n dado es:

16 .
6
1
E1em'lo 20 .a probabilidad de lanKar =na moneda y <=e !aiga !ara es:

5 .
2
1
E1em'lo 30 .a probabilidad de sa!ar 1>2>%>&>#> o 6 al lanKar =n dado es:

1
6
1
6
1
6
1
6
1
6
1
6
1
+ + + + +
.a probabilidad de =n evento est !omprendida siempre entre 0 y 1 .a s=ma de las
probabilidades de todos los eventos posibles CEI en =n espa!io m=estral 3 D 1
-n espa!io m=estral CSI: Es el !on@=nto -niversalS !on@=nto de todos los bnc elementos
rela!ionados D h "otal de res=ltados posibles
Pro(a(ili$a$ Com'uesta
Es la probabilidad !omp=esta por dos eventos simples rela!ionados entre sB
En la !omposi!in eListen dos posibilidades: -nin

o 2nterse!!in
-nin de 0 y 8
Si 0 y 8 son eventos en =n espa!io m=estral CSI> la =nin de 0 y 8
( ) " #
!ontiene todos los
elementos de el evento 0 o 8 o ambos
Pgina &# de 12*
2006
2nterse!!in de 0 y 8
Si 0 y 8 son eventos en =n espa!io m=estral 3> la interse!!in de 0 y 8
( ) " #
est !omp=esta
por todos los elementos <=e se en!=entran en 0 y 8
3ela!iones entre eventos
EListen tres tipos de rela!iones para en!ontrar la probabilidad de =n evento: !omplementarios>
!ondi!ionales y m=t=amente eL!l=yentes
1 Eventos !omplementarios: El !omplemento de =n evento 0 son todos los elementos en =n
espa!io m=estral CSI <=e no se en!=entran en 0 El !omplemento de 0 es:
( ) # P # 1
E1em'lo 60 En el evento 0 CdBa n=bladoI> PC0I D %> la probabilidad de tener =n dBa despe@ado ser
1UPC0I D '
2 Probabilidad !ondi!ional: Para <=e se lleve a !abo =n evento 0 se debe haber realiKado el
evento 8 .a probabilidad !ondi!ional de =n evento 0 dado <=e ha o!=rrido el evento 8 es:
( )
( )
( ) " P
" # P
" # P

> si 0 "
E1em'lo 70 Si el evento 0 Cll=viaI y 8Cn=bladoI D 02 y el evento 8 Cn=bladoI D 0%> !=al es la
probabilidad de <=e ll=eva en =n dBa n=bladoR 6ota: no p=ede llover si no hay n=bes
( )
( )
( ) " P
" # P
" # P

D
67 . 0
3 . 0
2 . 0
E1em'lo >. Las raKones de <=e@a en prod=!tos se m=estran a !ontin=a!in:

30:+6 ,E .0
Y-Ea0
9alla elA!tri!a 9alla me!ni!a 9alla aparien!ia "otal
En garantBa 1$T 1%T %2T 6%T
9=era de garantBa 12T 22T %T %'T
"otal %0T %#T %#T 100T
Pgina &6 de 12*
( ) 7 . # P
2(&)=.3
2(&/E)=.67
&
E
2006
Si 0 es el evento de <=e la <=e@a es por aparien!ia y <=e 8 representa <=e la <=e@a o!=rri en el
periodo de garantBa Se p=ede !al!=lar PC: i 8I D PC0 y 8I ( PC8I
PC0 i 8I D 0%2 ( 06% D 0#1
Si ) es el evento ?=era de garantBa y , ?alla me!ni!a:
PC)i,I D PC) y ,I ( PC,I D 022 ( 0%# D 062$
Se di!e <=e dos eventos 0 y 8 son i*$e'e*$ie*tes si: PC0(8I D PC0I o PC8(0I D PC8I
.a probabilidad de la o!=rren!ia de =no no est a?e!tada por la o!=rren!ia del otro ,e otra
manera los eventos son $e'e*$ie*tes.
-n e@emplo de evento independiente es: Q)=l es la probabilidad de <=e ll=eva en l=nesR
El e@emplo de evento dependiente es el e@emplo #
% Eventos m=t=amente eL!l=yentes
)=ando =n evento 0 no !ontiene elementos en !omMn !on =n evento 8> se di!e <=e estos son
m=t=amente eL!l=yentes
E1em'lo B. 0l lanKar =n dado: aI !=al es la probabilidad de <=e salga 2 o %R 8I )al!=le
( ) " # P
R
aI
( ) " # P

33 .
3
1
6
1
6
1
+
bI
( ) " # P
D 0> ya <=e al ser !on@=ntos m=t=amente eL!l=yentes la interse!!in no eListe> es
imposible <=e salga 2 y % al mismo tiempo
Ley a$itiva0
)=ando dos eventos no son m=t=amente eL!l=yentes:
( ) ( ) ( ) ( ) " # P " P # P " # P +
)=ando los eventos son m=t=amente eL!l=yentes:
( ) ( ) ( ) " P # P " # P +
Ley multi'li&ativa0
Si los eventos 0 y 8 son dependientes:
Pgina &' de 12*
&
E
!v*,.)3 mu.uam*,.* *I05uC*,.*3.
2006
( ) ( ) ( ) # " P # P " # P
Si los eventos 0 y 8 son independientes:
( ) ( ) ( ) " P # P " # P
E1em'lo M0 Se sele!!iona =na m=estra aleatoria n D 2 de =n lote de 100 =nidades> se sabe <=e *$
de los 100 artB!=los estn en b=en estado .a m=estra se sele!!iona de manera tal <=e el primer
artB!=lo se observa y se regresa antes de sele!!ionar el seg=ndo artB!=lo C!on reemplaKoI> aI
!al!=le la probabilidad de <=e ambos artB!=los estAn en b=en estado> bI si la m=estra se toma sin
reemplaKo> !al!=le la probabilidad de <=e ambos artB!=los estAn en b=en estado
0: El primer artB!=lo est en b=en estado
8: El seg=ndo artB!=lo est en b=en estado
aI 0l ser eventos independientes el primero del seg=ndo:
( ) ( ) ( ) " P # P " # P
D
9604 .
100
98
100
98

,
_

,
_
bI Si la m=estra se toma bsin reemplaKoc de modo <=e el primer artB!=lo no se regresa antes de
sele!!ionar el seg=ndo enton!es:
( ) ( ) ( ) # " P # P " # P
D
9602 .
99
97
100
98

,
_

,
_
Se observa <=e los eventos son dependientes ya <=e para <=e para obtener el evento 8> se tiene
<=e haber !=mplido antes el evento 0
Pgina &$ de 12*
2(E) =.98 2(&) =.98
&
E
2(E/&)=.97
E
&
2(&) =.98
2006
E;ERCICIOS0
1 "res !omponentes ?orman =n sistema )omo los !omponentes del s=bsistema 2U% estn
!one!tados en paralelo> traba@a si por lo menos =no de ellos ?=n!iona Para <=e traba@e el
sistema debe traba@ar el !omponente 1 y el s=bsistema 2U%
aI QY=A res=ltados !ontiene =n evento 0 donde ?=n!ionan eLa!tamente dos de los tres
!omponentesR
bI QY=A res=ltados estn !ontenidos en el evento 8 en el <=e por lo menos ?=n!ionan dos los
!omponentesR
!I QY=A res=ltados estn !ontenidos en el evento ) donde ?=n!iona el sistemaR
dI .istar los res=ltados de )e> 0 o )> 0 y )> 8 o ) y 8 y )
2 En =na planta los traba@adores traba@an % t=rnos En los Mltimos aOos o!=rrieron 200 a!!identes
0lg=nos se rela!ionan !on !ondi!iones inseg=ras y otros a !ondi!iones de traba@o> !omo se m=estra
a !ontin=a!in:
Tur*o Co*$i&io*es i*seguras Co*$i&io*es $e tra(a1o Total
,i=rno 10T %#T &#T
4espertino $T 20T 2$T
6o!t=rno #T 22T 2'T
"otal 2%T ''T 100T
Pgina &* de 12*
1
3
2
2006
Si se elige al aKar =no de los 200 in?ormes de a!!identes de =n ar!hivo y se determina el t=rno y tipo
de a!!idente:
aI Q)=les son los eventos simplesR
bI Q)=l es la probabilidad de <=e el a!!idente sele!!ionado se atrib=ya a !ondi!iones inseg=rasR
!I Q)=l es la probabilidad de <=e no haya o!=rrido en el t=rno di=rnoR
% .a r=ta <=e =sa =n a=tomovilista tiene dos sem?oros .a probabilidad de <=e pare en el primero
es de 0&> la probabilidad de <=e pare en el seg=ndo es de 0# y la probabilidad de <=e pare
por lo menos en =no es de 06 Q)=l es la probabilidad de <=e se detenga
aI En ambos sem?orosR
bI En el primero pero no en el seg=ndoR
!I ELa!tamente en =n sem?oroR
& -na empresa !onstr=ye tres plantas elA!tri!as en tres l=gares di?erentes Se 0i el evento en el <=e
se termina la planta i en la ?e!ha del !ontrato -tiliKar las nota!iones de =nin> interse!!in y
!omplemento para des!ribir !ada =no de los sig=ientes eventos> en tArminos de 01> 02 y 0%>
mostrar en diagramas de 4enn
aI Por lo menos =na planta se termina en la ?e!ha del !ontrato
bI "odas las plantas se terminan en la ?e!ha del !ontrato
!I Slo se termina la planta del sitio 1 en la ?e!ha del !ontrato
dI ELa!tamente se termina =na planta en la ?e!ha del !ontrato
eI Se termina ya sea la planta del l=gar 1 o las otras dos en la ?e!ha del !ontrato
Pgina #0 de 12*
2006
3.2 TPCNICAS DE CONTEO
S=pngase <=e =na persona tiene dos modos de ir de =na !i=dad 0 a otra !i=dad 8S y =na veK
llegada a 8> tiene tres maneras de llegar a otra !i=dad ) Q,e !=ntos modos podr realiKar el via@e
de 0 a ) pasando por 8R
Evidentemente> si empeK a pie podr tomar avin> !arro o trasatlnti!oS y si empeK en bi!i!leta>
tambiAn podr tomar avin> !arro o trasatlnti!o
-tiliKando literales Clas ini!ialesI el via@ero t=vo las sig=ientes oport=nidades: pa> p!> ptS ba> b!> bt
Y=e son 6S !ada primera oport=nidad !ont !on tres posibilidades
Se tiene: 2 oport=nidades J % posibilidades D 6 posibilidades
PRINCIPIO DE CONTEO0 Si =n evento p=ede ha!erse de a
1
maneras di?erentes> y !=ando se ha
he!ho> p=ede ha!erse =n seg=ndo evento Cindependiente del primeroI de a
2
modos di?erentes y
l=ego =n ter!er evento de a
%
maneras tambiAn di?erentes> y asB s=!esivamente> enton!es el nMmero
de maneras di?erentes en <=e los eventos se p=eden realiKar > en el orden indi!ado es de:
n
a a a a ....
3 2 1

E1em'lo N0 Q,e !=antos modos podr vestirse =n @oven <=e tiene % !amisas di?erentes> &
pantalones y dos pares de !alKadoR
Sol=!in: Primer evento C!amisasI a
1
D %
Seg=ndo evento C pantalonesI a
2
D &
"er!er evento CKapatosI a
%
D 2
24 2 4 3
3 2 1
a a a
modos di?erentes
PERUTACIONES0 -na perm=ta!in es =n arreglo ordenado de =na parte de los elementos> o de
todos los elementos de =n !on@=nto
E1em'lo "@0 ,ado el !on@=nto de las letras
{ } i p o , ,
> es!ribir todas las perm=ta!iones empleando
las tres letras !ada veK
Sol=!in: opi> oip> ipo> iop> pio> poi : son seis perm=ta!iones posibles
E1em'lo ""0 Q7 tomando dos letras solamente !ada veKR
Sol=!in: op> oi> io> ip> pi> po: son seis perm=ta!iones
Pgina #1 de 12*
CIUDAD A CIUDAD B CIUDAD C
$ p#e
e% $A#8%
e% +$**(
e% )*$s$).@%)#+( e% 7#+#+.e)$
2006
En la mayorBa de los !asos res=lta m=y !ompli!ado ha!er las perm=ta!iones man=almente
por lo !=al =tiliKamos la sig=iente ?rm=la:
( ) J
J
r n
n
P
n
r
donde:
n D nMmero total de elementos del !on@=nto
P D Perm=ta!iones
r D nMmero de elementos <=e se toman a la veK
j D ?a!torial
6ota: 0j D 1
E1em'lo "20 QSe toman % nMmeros de loterBa de =n total de #0> de !=antas ?ormas se p=eden tomar
los nMmerosR
( )
600 , 117 ) 48 49 50 (
J 47
J 50
J 3 50
J 50
50
3

P
COBINACIONES0 Es el nMmero de s=b!on@=ntos de r elementos <=e se p=ede ?ormar de =n
!on@=nto de n elementos> sin importar el orden de los elementos Para determinar el nMmero de
!ombina!iones posibles =tiliKamos:
( ) J J
J
r r n
n
C
n
r
E1em'lo "30 -n entrenador de bas_et ball tiene * @=gadores ig=almente hbiles> Q!=ntas <=intetas
podr ?ormarR
126
J 5 J 4
J 9
9
5

C
E1em'lo "60 Se eLtraen # !artas de =na bara@a de #2 !artas 5allar la probabilidad de eLtraer CaI &
ases> CbI & ases y =n rey C!I % die!es y dos @otas>
aI PC& asesI D
( )( )
( )
5 52
1 48 4 4
C
C C
D
54145
1

bI P C& ases y 1 reyI D
( ) ( )
649740
1
5 52
1 4 4 4
C
C C
!I P C% die!es y 2 @otasI D
( ) ( )
108290
1
5 52
2 4 3 4
C
C C
Pgina #2 de 12*
2006
TEOREA DE BAYES
Mediante el teorema de 8ayes podemos !al!=lar la probabilidad de <=e o!=rra =n determinado
evento> !=ando no tenemos datos inmediatos del mismo mediante la in?orma!in <=e tenemos de
otros eventos
)=ando eListen dos eventos posibles 0 y 8> la probabilidad de <=e o!=rra : se des!ribe mediante el
Kteorema $e 'ro(a(ili$a$ totalL el !=al es:
( ) ( ) ] [ ( ) ( ) [ ] " $ P " P # $ P # P $ P + ) (
Mediante el teorema anterior se ded=!e el teorema de 8ayes:
( )
( ) ( )
( ) ( ) ] [ ( ) ( ) [ ] " $ P " P # $ P # P
# $ P # P
$ # P
+
E1em'lo M: En !ierta =niversidad 20T de los hombres y 1T de las m=@eres miden ms de 1$0m de
alt=ra 0simismo &0T de los est=diantes son m=@eres Si se sele!!iona =n est=diante al aKar y se
observa <=e mide ms de 1$0m Q)=al es la probabilidad de <=e sea m=@erR
: ] 1$0 m
0 D 5ombre
8 D M=@er
P C0I D 60
P C8I D &0
P C:(0I D 20
P C:(8I D 01
Para en!ontrar la probabilidad de <=e sea m=@er dado <=e mide ms de 1$0>
-tiliKando el teorema de 8ayes:
( )
( ) ( )
( ) ( ) ] [ ( ) ( ) [ ] " $ P " P # $ P # P
" $ P " P
$ " P
+
PC8(:I D C& L 01I( C6 L 20 P& L 01I D 0%2

Podemos vis=aliKar PC8(:I en el sig=iente diagrama:
Por lo tanto la probabilidad de <=e sea m=@er dado
<=e mide ms de 1$0 es 0%2 D %2 T
E;ERCICIOS0
Pgina #% de 12*
K L .80
?)m6r* 4u>*r
P(B/Z) = .032
2(&/K) K L .80
?)m6r* 4u>*r
P(B/Z) = .032
2(&/K)
?%4EA! 4MN!A
O 1.80
L 1.80
.80
.20
.99
.01
= K
?%4EA! 4MN!A
O 1.80
L 1.80
.80
.20
.99
.01
= K
2006
1 -na planta emplea 20 traba@adores en el t=rno di=rno> 1# en el seg=ndo y 10 en la no!he Se
sele!!ionan 6 para ha!erles entrevistas eLha=stivas S=poner <=e !ada =no tiene la
misma probabilidad de ser sele!!ionado de =na =rna de nombres
aI Q)=ntas sele!!iones dan !omo res=ltado seis traba@adores del t=rno di=rnoR
bI Q)=l es la probabilidad de <=e los 6 traba@adores sean sele!!ionados del mismo t=rnoR
!I Q)=l es la probabilidad de <=e por lo menos dos t=rnos di?erentes estAn representados en la
sele!!inR
dI Q)=l es la probabilidad de <=e por lo menos =no de los t=rnos no estA representado en la
m=estra de traba@adoresR
2 -na !aldera tiene # vlv=las de alivio idAnti!as .a probabilidad de <=e <=e en algMn momento se
abra =na de ellas es de 0*# Si s= opera!in es independiente> !al!=lar la probabilidad de <=e por lo
menos se abra =na de ellas 7 la probabilidad de <=e por lo menos no se abra =na de ellas
% ,os bombas !one!tadas en paralelo ?allan en determinado dBa> sin <=e haya dependen!ia m=t=a
.a probabilidad de <=e solo ?alle la bomba ms vie@a es de 010 y de <=e ?alle la bomba ms n=eva
es de 00# Q)=l es la probabilidad de <=e ?allen ambas bombas al mismo tiempoR
& -n sistema de !omponentes !one!tados !omo se m=estra en la ?ig=ra .os !omponentes 1 y 2 en
paralelo ha!en <=e el s=bsistema ?=n!ione !on =no =no solo> el sistema ?=n!iona solo si tambiOen
traba@an los !omponentes % y & Si los !omponentes son independientes y la probabilidad de <=e
!ada !omponente ?=n!ione es de 0*> !al!=lar la probabilidad de <=e ?=n!ione el sistema
Pgina #& de 12*
1
1
& %
2006
3.6 DISTRIBUCIONES DE PROBABILIDAD
#aria(le aleatoria0 Para =n determinado espa!io m=estral SS =na variable aleatoria C40I es
!=al<=ier regla <=e rela!iona =n nMmero !on !ada res=ltado en SS
#aria(le aleatoria $e Ber*oulli: Es !=al<=ier variable aleatoria !on valores 0 y 1
#aria(le aleatoria $is&reta0 Es =na variable aleatoria !=yos posibles valores son enteros
#aria(le aleatoria &o*ti*ua0 Es =na variable aleatoria !=yos valores posibles son los reales
Distri(u&i)* $e 'ro(a(ili$a$ o /u*&i)* $e masa $e 'ro(a(ili$a$0 Estable!e en =na tabla>
?rm=la o gr?i!a !omo se distrib=ye la probabilidad PCyI aso!iada a los posibles valores de la
variable aleatoria y
,ebe !=mplir !on las reglas sig=ientes:
1 0 kD PCyI kD 1
2 S=ma CPCyII D 1
S= ?rm=la es la sig=iente:
4alor esperado:
<u*&i)* $e $istri(u&i)* a&umulativa0
)on propiedades:
Pgina ## de 12*
) ( ) ( x X P x F
X

0 ) (
1 ) (
1 ) ( 0

x F Lim
x F Lim
x F
x
x
2006
#alor es'era$o $e u*a $istri(u&i)* $e 'ro(a(ili$a$ $is&reta
.a media o valor esperado de =na variable aleatoria dis!reta J > denotada !omo E+D,8 es
.a media es el !entro de la masa del rango de los valores de J
#aria*4a $e u*a $istri(u&i)* $e 'ro(a(ili$a$ $is&reta
Sea 7 =na variable aleatoria dis!reta !on distrib=!in de probabilidades PCJDLI Enton!es > la
varianKa de 7 es:
DISTRIBUCIONES DISCRETAS
DISTRIBUCI!N UNI<ORE
.a variable aleatoria toma =n n=mero ?inito de n valores> !ada =no !on ig=al probabilidad
)on n D 10 se tiene:
S= media y varianKa son las sig=ientes:
Pgina #6 de 12*

x x
X X
x X xP x xf X ) ( ) ( ) (

x
X X X
x X P x X ) ( ) ( P ) Q(
2 2 2

n
x X P x f
1
) ( ) (
12
1
2
) 1 (
2
2

n
n
X
X

2006
DISTRIBUCI!N =IPER:EOPTRICA
Se apli!a !=ando la m=estra CnI es =na propor!in relativamente grande en rela!in !on la pobla!in
Cn ] 016I El m=estreo se ha!e sin reemplaKo
PCL>6>n>,I es la probabilidad de eLa!tamente L ALitos en =na m=estra de n elementos tomados de
=na pobla!in de tamaOo 6 <=e !ontiene , ALitos .a ?=n!in de densidad de distrib=!in
hipergeomAtri!a:
)on
.a media y la varianKa de la distrib=!in hipergeomAtri!a son:
E1em'lo0 ,e =n gr=po de 20 prod=!tos> 10 se sele!!ionan al aKar para pr=eba Q)=l es la
probabilidad de <=e 10 prod=!tos sele!!ionados !ontengan # prod=!tos b=enosR .os prod=!tos
de?e!tivos son # en el lote
6 D 20> n D 10> , D #> C6U,I D 1#> L D #
PCLD#I D 001$% D 1$%T
USO DE EDCEL0
6 D "amaOo de Pobla!in> n D "amaOo de m=estra> ,D ALitos en la pobla!inS L D ALitos en la
m=estra
En 9L EstadBsti!as sele!!ionar
DdistrhipergeomCL> n> ,> 6I
USO DE INITAB0
)al! ] Probability distrib=tions ] 5ypergeometri!
Probability CdensidadI o )=m=lative probability Ca!=m=ladaI
6> ,> n y en 2np=t !onstant introd=!ir L
E;ERCICIO0
1 Se !ompran 10 trans?ormadores y se toma =na m=estra de & Si se en!=entra =no o ms
de?e!t=osos se re!haKa el lote de 10
aI Si el lote tiene =n de?e!t=oso> Q)=l es la probabilidad de <=e se a!epte el loteR
bI )=l es la probabilidad de a!eptar el lote si !ontiene % de?e!t=osos
Pgina #' de 12*
%
n
D %
x n
D
x
C
C C
x P

) (
)J ( J
J
x n x
n
C
n
x

2006
DISTRIBUCI!N BINOAL
E*sayo Ber*oulli. Es =n eLperimento aleatorio <=e solo tiene dos res=ltados lLito o ?ra!aso
,onde la probabilidad de ALito se denota por '
S=ponga se realiKan n eLperimentos 8erno=lli independientes S=ponga <=e la variable J de interAs
es el n=mero de ALitos J toma valores 0>1>2>>n
.a distrib=!in binomial se =tiliKa para modelar datos dis!retos y se apli!a para pobla!iones grandes
C6]#0I y m=estras pe<=eOas Cnk016I El m=estreo binomial es !on reemplaKamiento
Es apropiada !=ando la propor!in de?e!tiva es mayor o ig=al a 01
.a binomial es =na aproLima!in de la hipergeomAtri!a
.a distrib=!in normal se paroLima a la binomial !=ando np ] #
.a variable aleatoria L tiene =na distrib=!in binomial !omo sig=e:
)on media y varianKa:
E1em'lo: -n e<=ipo re<=iere a lo ms 10T de servi!ios en garantBa Para !omprobarlo se !ompran
20 de estos e<=ipos y se someten a pr=ebas a!eleradas de =so para sim=lar el =so d=rante el
periodo de garantBa /btener la probabilidad para PCLkD&I
3e!haKar la a?irma!in de <=e ?alla menos del 10T si se en!=entra <=e J]D#
PCJ]D#I D 1U PCJkD&I D1 U distrbinomC&>20>01>1I D 1 V 0*#6$ D 00&%2 lo !=al es ba@o
USO DE EDCEL0
L D ALitos en la m=estra> p D probabilidad de ALito> n D tamaOo de m=estra
DdistrbinomCL> n> p> 0 o 1 dependiendo si es p=nt=al o a!=m=ladaI
USO DE INITAB0
)al! ] Probability distrib=tions ] 8inomial
n D n=mber o? trials> p D probability o? s=!!ess y en 2np=t !onstant introd=!ir L
Pgina #$ de 12*
2006
E;ERCICIOS0
". -n panel solar tiene =na vida Mtil de # aOos !on =na probabilidad de 0*# Se toman 20 pneles
solares y se registr la vida Mtil
aI Q)=l es la probabilidad de <=e eLa!tamente 1$ tengan s= vida Mtil de # aOosR
bI Q)=l es la probabilidad de <=e !=ando m=!ho 10 tengan esa vida MtilR
!I QSi solo 10 paneles tienen =na vida Mtil de # aOos> <=e deberBa pensarse sobre el valor verdadero
de PR
2 20T de los telA?onos se reparan !=ando todavBa est vigente la garantBa ,e estos el 60T se
reparan mientras <=e el &0T se reemplaKan Si =na empresa !ompra 10 de estos telA?onos> Q)=l
es la probabilidad de <=e eLa!tamente sean reemplaKados 2 en periodo de garantBaR
% S=ponga <=e solo 2#T de los a=tomovilistas se detienen por !ompleto en =n alto !on l=K ro@a
intermitente !=ando no est visible otro a=tomvil Q)=l es la probabilidad de <=e de 20
a=tomovilistas sele!!ionados al aKar se detengan:
aI 0 lo s=mo 6 se detengan por !ompleto
bI ELa!tamente 6 se detengan por !ompletoR
!I 0l menos 6 se detengan por !ompletoR
dI )=ntos de los sig=ientes 20 a=tomovilistas se espera <=e se detengan por !ompletoR
& ,e todas las plantas slo el #T des!argan resid=os por sobre la norma Si se m=estrean 20
plantas Q)=l es la probabilidad de <=e estAn ?=era de la ley:
aI Menos <=e =na plantaR
bI Menos de dos plantas
!I ELa!tamente %
dI Ms de =na
Pgina #* de 12*
2006
DISTRIBUCI!N BINOIAL NE:ATI#A
Se basa en los mismos prin!ipios de la distrib=!in binomial
1 El eLperimento !onsiste de =na se!=en!ia de ensayos independientes
2 )ada ensayo prod=!e =n ALito o =n ?ra!aso
% .a probabilidad de ALito es !onstante de =n ensayo a otro> PCALito en el ensayo iI D p
& El eLperimento !ontin=a hasta !ompletar r ensayos
.a variable de interAs es J D nMmero de ?ra!asos <=e pre!eden al rUAsimo ALito J se llama varia(le
aleatoria (i*omial *egativa8 ya <=e en !ontraste !on la distrib=!in binomial> el nMmero de ALitos
es ?i@o y el nMmero de ensayos aleatorio
S= ?=n!in de distrib=!in es:
x r
p p
r
r x
p r x nb ) 1 (
1
1
) R R (
,
_
!on J D 0> 1> 2> ^

E1em'lo0 Se <=ieren re!l=tar # personas para parti!ipar en =n n=evo programa Si p D 02 la
probabilidad de <=e las personas <=ieran parti!ipar Q)=l es la probabilidad de <=e se les deba
preg=ntar a 1# personas antes de en!ontrar a # <=e estAn de a!=erdo en parti!iparR Es de!ir si
SDCde a!=erdo en parti!iparI>
Q)=l es la probabilidad de <=e o!=rran JD10 ?ra!asos antes del rD<=into ALitoR
r D #> p D 02 y L D 10> se tiene:
034 . 0 8 . 0 2 . 0
4
14
) 2 . 0 R 5 R 10 (
10 5
,
_
nb
.a probabilidad de <=e a lo s=mo o!=rran 10 ?ra!asos C9I se les preg=nte a lo s=mo a 10 personas
es:
Pgina 60 de 12*
2006
164 . 0 8 . 0
4
4
2 . 0 ) 02 . 0 , 5 , ( ) 10 (
10
0
5
10
0

,
_
x
X
x
x
x nb X P
S= media y varianKa son las sig=ientes:
2
) 1 (
) (
) 1 (
) (
p
p r
x V
p
p r
x
USO DE EDCEL0
D6E;826/M,2S"C10>#>02I y S-M0 CJD0 hasta 10I D6E;826/M,2S"CJ>#>02I
Pgina 61 de 12*
2006
/tra ?orma:
Sea y el nMmero de intentos hasta <=e el rUAsimo ALito es observado
2
2
1
) (
p
r&
p
r
& p
r '
'
' p
r ' r
,
_
P D probabilidad de ALito en =n solo intento

Y D 1Up
7 D 6Mmero de intentos hasta <=e se obtienen los r ALitos
PC1#I D !ombinatC1&> 10I 02m#W0$m10 D 00%&%*&1
E@emplo: -n ?abri!ante =tiliKa ?=sibles en =n sistema elA!tri!o !omprados en lotes grandes Se
pr=eban se!=e!ialmente hasta <=e se observa el primero !on ?alla 0s=miendo <=e el lote !ontiene
10T de ?=sibles de?e!tivos
aI Q)=l es la probabilidad de <=e el primer ?=sible de?e!t=oso sea =no de los primeros # probadosR
PD 01 <D 0*
PCyI D pWC<myU1I D C1IWC0*myU1I
Para y D 1 hasta #:
PCykD#I D pC1I P pC2I P^^^P pC#I D 0&1
bI En!ontrar la media> varianKa y desvia!in estndar para y el nMmero de ?=sibles probados hasta
<=e el primer ?=sible !on ?alla es observado
Media D 1(p D 1(01 D 10
4arianKa D <(pm2 D 0*(C01m2I D *0
Sigma D *&*
Pgina 62 de 12*
2006
DISTRIBUCI!N DE POISSON
.a distrib=!in de Poisson se =tiliKa para modelar datos dis!retos !omo aproLima!in a la 8inomial
dada la di?i!=ltad <=e eListBa de en!ontrar tablas 8inomiales ade!=adas !=ando n es grande y p
pe<=eOa .a distrib=!in de probabilidad de Poisson propor!iona b=enas aproLima!iones !=ando np
kD #
Se aproLima a la binomial !=ando p es ig=al o menor a 01> y el tamaOo de m=estra es grande Cn ]
16I por tanto np ] 16
-na 4ariable aleatoria J tiene distrib=!in Poisson si toma probabilidades !on
)on media y varianKa:
E1em'lo ". S=ponga <=e =na !ompaOBa de seg=ros aseg=ra las vidas de #000 hombres de &2 aOos
de edad Si los est=dios a!t=ariales m=estran <=e la probabilidad de <=e =n hombre m=era en !ierto
aOo es 0001> enton!es la probabilidad de <=e la empresa pag=e eLa!tamente & indeminiKa!iones
yD & en =n !ierto aOo es:
4996 4
) 999 . 0 ( ) 001 . 0 (
J 4996 JS 4
J 5000
) 4 ( ) 4 ( p ' P
El valor de esta eLpresin no apare!e en tablas y s= !l!=lo era di?B!il> no asB !on EL!el
0proLimando !on la distrib=!in de Poisson> se toma la tasa media de s=!esos D np D
C#000IWC0001ID #> teniendo:
1745 . 0
J 4
5
J 4
) 4 (
5 4 4

e e
' P

E@emplo 2 -na planta tiene 20 m<=inas> si la probabilidad de <=e ?alla =na en !ierto dBa es 00#
En!=entre la probabilidad de <=e d=rante =n dBa determinado ?allen dos m<=inas
np D 20 W00# D 10
184 . 0
J 2
1
) 2 (
1 2

e
' P
Si se !al!=la !on la distrib=!in 8inomial se tiene:
Pgina 6% de 12*
2006
188 . 0 ) 95 . 0 ( ) 05 . 0 (
J 18 JS 2
J 20
) 2 ( ) 2 (
18 2
p ' P
.a aproLima!in es me@or !on?orme se aproLima a np D #
.a distrib=!in de Poisson adems de ser Mtil !omo aproLima!in de las probabilidades 8inomiales>
!onstit=ye =n b=en modelo para eLperimentos donde 7 representa el nMmero de ve!es <=e ha
o!=rrido =n evento en =na =nidad dada de tiempo o de espa!io Por e@emplo:
6Mmero de llamadas re!ibidas en =n !onm=tador d=rante =n dBa> !ono!iendo el promedio por dBa
6Mmero de re!lama!iones !ontra =na empresa de seg=ros por semana> !ono!iendo el prom Sem
6Mmero de llegadas a =na esta!in de servi!io d=rante =n min=to dado> !ono!iendo el prom(min
6Mmero de ventas he!has por =n agente de ventas en =n dBa> !ono!iendo el promedio por dBa
Slo se re<=iere <=e los eventos sean independientes
USO DE EDCEL0
L D ALitos en la m=estra> np D media
DPoissonCL> np> 0 o 1 dependiendo si es p=nt=al o a!=m=ladaI
USO DE INITAB0
Cal& E Pro(a(ility $istri(utio*s E Poisso*
nWp D mean y en 2np=t !onstant introd=!ir L
Pgina 6& de 12*
2006
E;ERCICIOS0
1 El 20T de los !ho?eres son m=@eres> si se sele!!ionan 20 al aKar para =na en!=esta:
-sando la distrib=!in binomial y la distrib=!in de Poisson
aI Q)=l es la probabilidad de <=e dos !ho?eres sean m=@eres R
bI Q)=l es la probabilidad de <=e al menos !=atro sean m=@eresR
2 Se tienen $ re!ep!ionistas> estan o!=padas en promedio el %0T del tiempo> si % !lientes llaman
Qla prob ,e <=e estAn o!=padas es mayor al #0TR
% -n proveedor de partes de bi!i!leta tiene %T de de?e!tos Se !ompran 1#0 partes y si la
probabilidad de <=e % o ms partes sean de?e!t=osas eL!ede al #0T> no se ha!e la !ompra
QY=A s=!ede en este !asoR
& En =na =niversidad las llamadas entran !ada 2 min=tos
aI Q)=l es la !antidad esperada de llamadas en =na horaR
bI Q)=l es la probabilidad de % llamadas en los sig # min=tosR
!I Q)=l es la probabilidad de no llamadas en los sig # min=tosR
dI Q!=l es la prob de re!ibir 10 llamadas en los sig 1# min=tosR
# -n pro!eso de man=?a!t=ra prod=!e 12 de?e!tos por !ada 100 =nidades prod=!idas>
Q)=l es la probabilidad de <=e las sig=ientes #00 =nidades presenten JD% de?e!tosR
6 &0 traba@adores tienen n=evas !omp=tadoras> 26 !on MMJ Si se sele!!ionan 10 al aKar> Q)=l es
la prob ,e <=e % tengan la te!nologBa MMJR
' ,e =n gr=po de 20 prod=!tos> se toman 10 al aKar>
Q)=l es la probabilidad de !ontengan las # me@ores =nidadesR
$ ,e * empleados di=rnos slo 6 estn !ali?i!ados para ha!er s= traba@o> si se sele!!ionan
aleatoriamente # de los * empleados> )=l es la probabilidad de <=e:
aI .os # estAn !ali?i!ados
bI & esten !ali?i!ados
!I Por lo menos % estAn !ali?i!ados
Pgina 6# de 12*
2006
DISTRIBUCIONES CONTINUAS DE PROBABILIDAD
Se di?eren!ian de las distrib=!iones de probabilidad dis!retas en <=e s= ?=n!in de distrib!=n
a!=m=lativa C9CyoII para =na variable aleatoria y es ig=al a la probabilidad 9CyoI D PCykDy0I
Si 9CyI es la ?=n!in de distrib=!in a!=m=lada para =na variable aleatoria !ontin=a enton!es s=
?=n!in de densidad ?CyI para y es:
?CyI D d9CyI ( dy
S=s propiedades son <=e:
1 ?CyI ]D 0
2 2ntegral desde menos in?inito a ms in?inito de ?CyI dCyI D 9C I D 1
?CyI
<+yo,
y
yo
9=n!in de distrib=!in a!=m=lativa
Entre las distrib=!iones !ontin=as ms !om=nes se en!=entran la distrib=!in normal y la
distrib=!in eLponen!ial
Pgina 66 de 12*
2006
DISTRIBUCI!N EDPONENCIAL
Se =sa para modelar artB!=los !on =na tasa de ?alla !onstante y est rela!ionada !on la distrib=!in
de Poisson Si =na variable aleatoria L se distrib=ye eLponen!ialmente> enton!es el re!Bpro!o de L>
y D 1(L sig=e =na distrib=!in de Poisson y vi!eversa
.a ?=n!in de densidad de probabilidad eLponen!ial es: Para L ]D 0
,onde .ambda es la tasa de ?alla y theta es la media
.a ?=n!in de densidad de la distrib=!in eLponen!ial
El modelo eLponen!ial> !on =n solo parmetro> es el ms simple de todos los modelos de
distrib=!in del tiempo de vida .as e!=a!iones !lave para la eLponen!ial se m=estran:
Si el nMmero de o!=rren!ias tiene ,istrib=!in de Poisson> el lapso entre o!=rren!ias tiene
distrib=!in eLponen!ial S= ?=n!in de distrib=!in a!=m=lada es la sig=iente:
t
e x X P

< 1 ) (
Pgina 6' de 12*
x
x
e e x f

1
) (
2006
)=ando J D 0 la distrib=!in de Poisson se !onvierte en el seg=ndo tArmino de la distrib=!in
eLponen!ial
Probabilidad de <=e el tiempo entre la o!=rren!ia de dos eventos !=al<=iera sea kD t
<+O,
t
0<=B se desea saber de <=e no trans!=rra ms de !ierto tiempo entre dos llegadas> sabiendo <=e se
tiene =na tasa de llegadas
E1em'lo0 El tiempo de resp=esta de =n departamento es de # min=tos promedio y se distrib=ye
eLponen!ialmente .a probabilidad de <=e el tiempo de resp=esta a lo s=mo de 10 min=tos se
determina !omo sig=e:
PCJkD10I D 9C10S 1(#I D 1U eLpCU02W10I D 0$6#
.a probabilidad entre el tiempo de resp=esta de # y 10 min=tos es:
PC#kDJkD10I D 9C10S1(#I V 9C#S 1(#I D 02%%
USO DE EDCEL0
.amda D 1( media
DdistreLpCL> lamda>1I D distreLpC10>02>1I D 0$6#
USO DE INITAB0
Cal& E Pro(a(ility $istri(utio*s E EO'o*e*tial
2ndi!ar TAresAol$ ? @ y en S&ale indi!ar la media #
En 2np=t !onstant indi!ar la J del tiempo
)/ponential 0it1 mean = 5
/ -! 2 3= / "
10 0.86665
.a ,istrib=!in ELponen!ial es =sada !omo el modelo> para la parte de vida Mtil de la !=rva de la
baOera> ie> la tasa de ?alla es !onstante .os sistemas !omple@os !on m=!hos !omponentes y
mMltiples modos de ?alla tendrn tiempos de ?alla <=e tiendan a la distrib=!in eLponen!ial
,esde =na perspe!tiva de !on?iabilidad> es la distrib=!in ms !onservadora para predi!!in
.as ?allas o!=rren en los sistemas !on =na distrib=!in denominada )=rva de la 8aOera:
Pgina 6$ de 12*
2006
9allas diseOo
te cons falla de tasa .a, . . .
Sene!t=d
9allas in?antiles 9allas aleatorias 9allas por desgaste
.a Kona de tasa de ?allas !onstantes> es modelada !on .a ,istrib=!in eLponen!ial> m=y apli!ada a
la )on?iabilidad> <=e es la probabilidad de <=e =n e<=ipo o !omponente sobreviva sin ?alla hasta =n
periodo t ba@o !ondi!iones normales de opera!in:
3CtI D )on?iabilidad de =n sistema o !omponente
t
e t (

) (
,onde es la tasa media de ?alla y s= inverso es el tiempo medio entre ?allas CM"89I> o sea:
MT"F
1

E1em'lo0 El M"89 de =n ?o!o es de 10 semanas> por tanto D 01 ?allas(semana y la probabilidad de
<=e el ?o!o no ?alle o !ontinMe en opera!in hasta las 1# semanas es:
223 . 0 ) 15 (
15 S 1 . 0

e (
y la probabilidad de <=e ?alle dentro de las 1# semanas es:
777 . 0 1 ) 15 (
15 S 1 . 0

e P
Pgina 6* de 12*
2006
E;ERCICIOS0
1 Sea J el tiempo entre dos soli!it=des de servi!io s=!esivas a =n departamento> si J tiene =na
distrib=!in eLponen!ial !on media D 10> !al!=lar:
aI El tiempo esperado entre dos soli!it=des s=!esivas
bI .a desvia!in estndar de esas llegadas
!I PCJkD1#I
dI PC$kDJkD1&I
2 .as ?alla de los ventiladores de =n e<=ipo tiene =n tiempo promedio de 2#>000 5oras> Q!=l es la
probabilidad de <=e
aI -n ventilador sele!!ionado al aKar d=re por lo menos 20>000 horasR
bI 0 lo s=mo %0>000 horasR
!I Entre 20>000 y %0>000 horasR
% -n ?abri!ante de e<=ipos ele!trni!os o?re!e =n aOo de garantBa Si el e<=ipo ?alla en ese periodo
por !=al<=ier raKn se reemplaKa El tiempo hasta =na ?alla est modelado por la distrib=!in
eLponen!ial:
?CLI D 012# eLpCU012#WLI
aI QY=A por!enta@e de los e<=ipos ?allarn dentro del periodo de garantBaR
bI El !osto de ?abri!a!in del e<=ipo es de n#00 y la ganan!ia es de n2#0 Q)=l es el e?e!to de la
garantBa por reemplaKo sobre la ganan!iaR
& El tiempo entre ?allas de =n !omponente de e<=ipo es importante para proveer de e<=ipos de
respaldo -n generador elA!tri!o tiene =na vida promedio de 10 dBas
aI Q)=l es la probabilidad de <=e ?alle dentro de los sig=ientes 1& dBasR
bI Q)=l es la probabilidad de <=e opere por ms de 20 dBasR
Pgina '0 de 12*
2006
!DULO 3. LA DISTRIBUCI!N NORAL
.a distrib=!in normal es =na de las distrib=!iones ms =sadas e importantes Se ha desenv=elto
!omo =na herramienta indispensable en !=al<=ier rama de la !ien!ia> la ind=stria y el !omer!io
M=!hos eventos reales y nat=rales tienen =na distrib=!in de ?re!=en!ias !=ya ?orma es m=y
pare!ida a la distrib=!in normal
.a distrib=!in normal es llamada tambiAn !ampana de ;a=ss por s= ?orma a!ampanada

.a 9=n!in de ,istrib=!in de Probabilidad CP,9I normal tiene ?orma de =na !ampana !on simetrBa
sobre s= media de?inida por la sig=iente e!=a!in:
Pgina '1 de 12*
8
@
1
1
]
1
,
_

2
2
1
*I-
2
1
) (

t
t f
2006
Pro'ie$a$es $e la $istri(u&i)* *ormal est.*$ar
.a distrib=!in normal o ,istrib=!in ;a=ssiana tiene ?orma de !ampana y es la ms !ono!ida
.a distrib=!in normal estndar tiene media
D 0 y desvia!in estndar
D 1 S= Media D
Mediana D Moda
El rea ba@o la !=rva o la probabilidad desde menos in?inito a ms in?inito vale 1
.a distrib=!in normal es simAtri!a> es de!ir !ada mitad de !=rva tiene =n rea de 0#
.a es!ala horiKontal de la !=rva se mide en desvia!iones estndar
.a ?orma y la posi!in de =na distrib=!in normal dependen de los parmetros
,
> en
!onse!=en!ia hay =n nMmero in?inito de distrib=!iones normales
EListe =na rela!in del por!enta@e de pobla!in a la desvia!in estndar En la ?ig=ra observamos
por e@emplo <=e el rea ba@o la !=rva para 1 t tiene =n por!enta@e de 6$26T> 2 t D *#&6T
y % 73 . 99 3 t
Pgina '2 de 12*

T13 T23 T33 -13 -23
-33
68.26%
95.46%
99.73%
2006
.a distrib=!in de probabilidad ? C:I es =na distrib=!in normal estndar !on media 0 y desvia!in
estndar 1S esto es : se distrib=ye normalmente !on media !ero y desvia!in estndar D 1
:o6C0>1I: .a gr?i!a de densidad de probabilidad se m=estra en la ?ig=ra
.a distrib=!in ? C:I se en!=entra tab=lada en la tabla de distrib=!in normal estndar o se p=ede
determinar !on EL!el En esta tabla podemos determinar los valores de : o la probabilidad de
determinado valor :
4ota: #)cel "ro"orciona el 2alor del ,rea ba(o la cur2a desde menos infinito hasta un 2alor dado de
5.
"#z$=%r#& z$
'.0
0.(
.0'
Q
G6 G3 G2 G" @ " 2 3 6
9orma de la ,istrib=!in 6ormal a!=m=lada
.a pobla!in in!l=ye todos los datos>
la m=estra es =na por!in de la pobla!in
Pgina '% de 12*
1
0
A
*B2C
2)65a0i+,
C C+s C+2s C+3s C - s C - 2s C - 3s C C+s C+2s C+3s C - s C - 2s C - 3s
&
3 2 + +2 +3 3 2 + +2 +3
4u*3.ra
2006
El valor $e 4
,etermina el nMmero de desvia!iones estndar
entre algMn valor J y la media de la "oblaci/n
Para !al!=lar el valor de : =samos la sig=iente ?rm=la
X
$
Cal&ulo $e Pro(a(ili$a$es *ormales
1 2denti?i!ar la variable de interAs
2 2denti?i!ar los parmetros de la variable Cs= media y desv estndarI
% Q)=al es la preg=nta sobre el rea ba@o la !=rva de probabilidad normalR
& )onvertir los valores a la distrib=!in normal estndar Cestandari6aci/n 5 = 078-edia1/3I
# En!=entre la probabilidad en tabla de la normal estndar o por EL!el
E1em'lo "0 El gerente de personal de =na gran !ompaOBa re<=iere <=e los soli!itantes a =n p=esto
e?e!tMen !ierta pr=eba y al!an!en =na !ali?i!a!in de #00 Si las !ali?i!a!iones de la pr=eba se
distrib=yen normalmente !on media

&$# y desvia!in estndar

%0 QY=A por!enta@e de
los soli!itantes pasar la pr=ebaR
)al!=lando el valor de : obtenemos:
X
$
D
5 . 0
30
485 500
8=s!amos el valor !orrespondiente : en las tablas de distrib=!in normal estndar o por medio de
EL!el +?$istr.*orm.esta*$+@.@7, :
0#
D 06*1&6 D 6*1&6T siendo esta la probabilidad de <=e la
!ali?i!a!in sea menor a #00 P CJk#00I ,ado <=e el por!enta@e pedido es
) 500 ( X P
la sol=!in
es 1U6*1&6 D0%0$# > %0$#T de los parti!ipantes pasarn la pr=eba
E1em'lo 20
En!=entre las probabilidades sig=ientes =sando la tabla 5
aI PCU12% k : ] 0I
Pgina '& de 12*
4 8 5
A . 0 5
3 0 . 8 5 D
0
A
-1.23
2006
Sol=!in: 8=s!amos el valor :
12%
en las tablas siendo este D0$*06# restando 0$*06#U0# D
0%*0#> este valor es la probabilidad de 0 a 12% <=e es eLa!tamente la misma de V12% a 0 por
simetrBa Por lo tanto la probabilidad es 0%*0#
USO DE EDCEL
Para !al!=lar la probabilidad dado =n valor : pro!edemos de la sig=iente manera:
En la barra de herramientas sele!!ione el i!ono de ?=n!iones
)*>Estad+sticas>,istr.-orm.Estand. ./
Sele!!ione la !elda <=e !ontiene el valor de :> <=e en este !aso es :D 1% > de !li! en
a!eptar y apare!er la probabilidad b=s!ada ?CKID 0*0%1**
Para !al!=lar : dada =na probabilidad ?CKI
En la barra de herramientas sele!!ione el i!ono de ?=n!iones
)*>Estad+sticas>,istr.-orm.Estand.in ./
,e !li! en a!eptar Pro!edemos de la misma manera <=e en el !aso anterior> pero en esta
o!asin sele!!ionamos la probabilidad 0*%%1*
El valor : D 1&***
)=ando no tenemos valores de : ni probabilidad
E1em'lo 3 0 S=ponga <=e =na distrib=!in normal dada tiene =na media de 20 y =na desvia!in
estndar de & )al!=le la probabilidad P CJ ] 2&I
En la barra de herramientas sele!!ione el i!ono de ?=n!iones )*>Estad+sticas>,istr.-orm.Estand.
./
El sistema m=estra la sig=iente ventana> en la !=al llenamos los sig=ientes datos:
Pgina '# de 12*
2006
El res=ltado de la ?rm=la D 0$&1% > dado <=e esta es la probabilidad PCJ 2&I> la probabilidad
b=s!ada es:
P CJ ] 2&I D 1U$&1%D 1#$'
USO DE INITAB
Para &.l&ulos utili4a*$o el 'aFuete i*ita(8 usar0

". Cal& EPro(a(ility Distri(utio*s ENormal
DISTRIBUCI!N NORAL ESTCNDAR +&o* Q,0
2. 2ndi!ar Cumulative Distri(utio* o i*verse Cumulative Distri(utio* Cdando valores de : se
obtienen valores de reaI o 2nverse )=m=lative ,istrib=tion Cdando reas propor!iona los
valores de :I
3. ,e@ar los parmetros de Mean M=D0 y Estndar deviation Sigma D 1
6. En I*'ut &o*sta*t indi!ar el valor de : C!=m=lativeI para obtener el rea ba@o la !=rva o
propor!ionar el rea ba@o la !=rva C2nverse !=m=lativeI para obtener el valor de : /Z
7. Si se espe!i?i!a =na !ol=mna )L para alma!enamiento de los res=ltados> estos no se
m=estran a=tomti!amente> para verlos es ne!esario e@e!=tar la op!in Ea*i' EDis'lay
Data
DISTRIBUCI!N NORAL +&o* $atos reales y D,0
>. 2ndi!ar Cumulative Distri(utio* o i*verse Cumulative Distri(utio* Cdando valores de J
se obtienen valores de reaI o 2nverse )=m=lative ,istrib=tion Cdando reas propor!iona los
valores de JI
Pgina '6 de 12*
2006
B. 2ntrod=!ir los valores de los parmetros de la media en Mean y la sigma en Estndar
deviation
M. En I*'ut &o*sta*t indi!ar el valor de J C!=m=lativeI para obtener el rea ba@o la !=rva o
propor!ionar el rea ba@o la !=rva C2nverse !=m=lativeI para obtener el valor de J /Z
N. Si se espe!i?i!a =na !ol=mna )L para alma!enamiento de los res=ltados> estos no se
m=estran a=tomti!amente> para verlos es ne!esario e@e!=tar la op!in Ea*i' o Data
EDis'lay Data
Pgina '' de 12*
2006
E;ERCICIOS0
1 QY=A por!enta@e del rea ba@o la !=rva normal estndar est in!l=ido dentro de los sig=ientes
rangosR
aI PC12 kD : kD 22I:
bI PCU21 kD : kD U0&I
!I PC U1% kD : kD 2'I
dI PC : ]D 2&I
eI PC :kU2*I P PC:]%1I
?I PC:]D 1*I
2. El tiempo de vida de las baterBas del !one@ito tiene =na distrib=!in aproLimada a la normal !on
=na media de $#%6 horas y =na desvia!in estndar de %'' horas
aI QY=A por!enta@e de las baterBas se espera <=e d=ren $0 horas o menosR
bI Q)=l es la probabilidad de <=e =na baterBa d=re entre $60 y $'0 horasR
!I Q)=l es la probabilidad de <=e =na baterBa d=re ms de $$ horasR
3. )onsidere =na media de peso de est=diantes de '# Zgs !on =na desvia!in estndar de 10Zgs
aI Q)=l es la probabilidad de <=e =n est=diante pese ms de $#ZgsR
bI Q)=l es la probabilidad de <=e =n est=diante pese menos de #0ZgsR
!I Q)=l es la probabilidad de <=e pese entre 60 y $0 ZgsR
dI Q)=l es la probabilidad de <=e pese entre ## y '0 ZgsR
eI Q)=l es la probabilidad de <=e pese entre $# y 100ZgsR
6. -na m<=ina llenadota de re?res!o se a@=sta para servir 10 onKas de lB<=ido por vaso> si la
desvia!in estndar es de 012 onKas Q)=l es la probabilidad o por!enta@e de las ve!es de <=e la
m<=ina sirva:
a 102 onKas o msR
b Entre 101 y 10% onKasR
! Entre *' y 10% onKasR
d Menos de *$ onKasR
e Entre *$ y ** onKasR
Pgina '$ de 12*
2006
M'DU! () #S*AD+S*,CA ,"F#-#"C,A
,"*#-.A!S D# C!"F,A"/A 0 P-U#1AS D# H,P'*#S,S
7." INTRODUCCI!N
.a in?eren!ia estadBsti!a es el pro!eso mediante el !=al se =tiliKa la in?orma!in de los datos de =na
m=estra para eLtraer !on!l=siones a!er!a de la pobla!in de la <=e se sele!!ion la m=estra .as
tA!ni!as de in?eren!ia estadBsti!a se dividen en dos reas prin!ipales: #stimaci/n de inter2alos de
confian6a y .ruebas de hi"/tesis.
En !ada pr=eba estadBsti!a> se !omparan al'unos 2alores obser2ados !ontra alg=nos es"erados =
otro valor observado !omparando estima!iones de parmetros Cmedia> desvia!in estndar>
varianKaI
Estas estima!iones de los verdaderos parmetros son obtenidos =sando =na m=estra de datos y
!al!=lando los estadBsti!os
.a !apa!idad para dete!tar =na di?eren!ia entre lo <=e es observado y lo <=e es esperado depende
del desarrollo de la m=estra de datos
2n!rementando el tamaOo de la m=estra me@ora la estima!in y la !on?ianKa en las !on!l=siones
estadBsti!as
7.2 INTER#ALOS DE CON<IANQA
.as medias o desvia!iones estndar !al!=ladas de =na m=estra se denominan estadBsti!os> podrBan
ser !onsideradas !omo =n p=nto estimado de la media y desvia!in estndar real de la pobla!in o
de los parmetros
)=ando no deseamos obtener nMmeros sen!illos !omo la media basada en =na m=estra> =tiliKamos
los intervalos de !on?ianKa> los !=ales nos dan =n margen !on algMn tipo de error

Para obtener =n intervalo de !on?ianKa =samos:
P=nto estimado P error estimado
Para !al!=lar el error estimado:
,esvia!in estndar m=ltipli!ador de )2 0ni2el de confian6a1 deseado
Pgina '* de 12*
2006
E1em'lo ". /btenemos =na m=estra donde la media x D 100> la desvia!in estndar s D 10>
En!ontrar el intervalo de !on?ianKa al *#T en el !=al se en!=entra la media para =na distrib=!in
normal
100 P C10I J 1*6 D] C$0&> 11*6I 1*6 D :
002#
*#T de nivel de !on?ianKa signi?i!a <=e slo tenemos =n #T de probabilidad de obtener =n
p=nto ?=era de ese intervalo
Esto es el #T total> o 2#T mayor o menor En la tabla : vemos <=e para =n rea de 002#>
!orresponde a =na : de 1*60
)2 M=ltipli!ador
** 2#'6
*# 1*60
*0 16&#
$# 1&%*
$0 12$2
.ara tama9os de muestra > :0; la distribuci/n de referencia es la 4ormal; "ara muestras de menor
tama9o; debe usarse la distribuci/n t. #l <C que no es sim=trico es el de la 2arian6a:
DISTRIBUCIONES UESTRALES UTILIQADAS
T C=I CUADRADA
Pgina $0 de 12*
2006
USO DE EDCEL
.os estadBsti!os de pr=eba !on al?a se determinan !omo sig=e:
:al?a(2 D distrnormestandinvCal?a(2I
tal?a(2 D distrtinvCal?a> glI donde gl D grados de libertad D nU1
)hi !=adrada de al?a(2 D pr=eba!hiinvCal?a(2> glI
9al?a(2 D distr?invCal?a(2> gl 6=merador> gl ,enominadorI
USO DE INITAB
Cal& E Pro(a(ility $istri(utio*s E Normal8 t > )hiUS<=are> 9> et!
Sele!!ionar I*verse Cumulative Distri(utio*S si los pide dar los grados de libertad D nU1
En inp=t !onstant poner el valor de al?a(2 o al?a
Para determinar los intervalos de !on?ianKa en Minitab se tiene: intervalo de !on?ianKa para la media
stat E (asi& statisti&s E "Gsam'le 4 o "Gsam'le t
variable UU indi!ar la !ol=mna de los datos en samples in !ol=mns o s=mmariKed data
Cindi!ando en sample siKe el tamaOo de m=estra y en mean la mediaI para el !aso de la
pr=eba K adems se indi!a en standard deviation la desvia!in estndar
en options: indi!ar el !on?iden!e level UU *0> *# o **T Cig=al a 1Ual?aI /Z

2ntervalo de !on?ianKa para =na propor!in
stat ] basi! statisti!s ] 1Uproportion
sele!!ionar s=mmariKed data
n=mber o? trials D n tamaOo de la m=estra
n=mber o? events D d ALitos en!ontrados en la m=estra
en options: indi!ar el !on?iden!e interval UU *0> *# o **T
sele!!ionar =se test and interval based in normal distrib=tion
TamaRo $e muestra
Para determinar el tamaOo de m=estra ne!esario para el intervalo de !on?ianKa o la pr=eba hiptesis
!on base a =n error mLimo y =n nivel de !on?ianKa deseado se =tiliKan las sig=ientes ?rm=las:
Pgina $1 de 12*
2
2
2 /
2
2 2
2 /
) (
) 1 )( (
) (
p
$
n
X
$
n
2006
E;ERCICIOS0
E1em'los 'ara la me$ia &o* $istri(u&i)* *ormal K
K 1 el peso promedio de =na m=estra de #0 b=ltos de prod=!tos Lmedia D 6#2#$ _gs> !on s D
21'&% _gs determinar el intervalo de !on?ianKa al n! del *#T y al **T donde se en!=entra la
media del pro!eso Cpobla!ionalI al?a D 1 U 6)
2 -n intervalo de !on?ianKa del *0T para estimar la ganan!ia promedio del peso de ratones de
laboratorio os!ila entre 0*% y 1'% onKas Q!=l es el valor de KR
% 100 latas de 16 onKas de salsa de tomate tienen =na media de Lmedia D 1#2 onKas !on =na s D
0*6 onKas Qa =n nivel de !on?ianKa del *#T> las latas pare!en estar llenas !on 16 onKasR
& -na m=estra de 16 sol=!iones tienen =n peso promedio de 166 onKas !on s D %6% se re!haKa la
sol=!in si el peso promedio de todo el lote no eL!ede las 1$ onKas Q!=l es la de!isin a =n
*0T de nivel de !on?ianKaR
E1em'los 'ara la me$ia +&o* $istri(u&i)* t, y varia*4a +&o* $istri(u&i)* &Ai &ua$ra$a,
# 20 !a@as de prod=!to pesaron 102 grs !on s D $# grs Q!=l es el intervalo donde se en!=entra la
media y varianKa del lote para =n *0T de nivel de !on?ianKaR grados libertadD20 U1 D1*
6 -na m=estra de 2# prod=!tos tienen =n peso promedio de 2%$' grs !on =na s D *#6 Q!=l es la
estima!in del intervalo de !on?ianKa para la media y varianKa a =n nivel de !on?ianKa del *# y
del *$T del peso de prod=!tos del lote !ompletoR
' .os pesos de 2# pa<=etes enviados a travAs de =ps t=vieron =na media de %' libras y =na
desvia!in estndar de 12 libras hallar el intervalo de !on?ianKa del *#T para estimar el
peso promedio y la varianKa de todos los pa<=etes los pesos de los pa<=etes se distrib=yen
normalmente
E1em'los 'ara 'ro'or&io*es &o* $istri(u&i)* 4
$ ,e $1& en!=estados #62 !ontestaron en ?orma a?irmativa Q!=l es el intervalo de !on?ianKa para
=n *0T de nivel de !on?ianKaR
* En =na en!=esta a 6'% tiendas> #21 reportaron problemas de robo por los empleados Qse p=ede
!on!l=ir !on =n **T de nivel de !on?ianKa <=e el '$T se en!=entra en el intervalo de
!on?ianKa R
Pgina $2 de 12*
2006
7.3 PRUEBAS DE =IP!TESIS DE UNA POBLACI!N
-na hiptesis es =na a?irma!in a !omprobar> por e@emplo:
-n proveedor de bebidas a?irma <=e s=s botellas !ontienen 16 onKasS =n prod=!tor de so?tdare di!e
<=e s= re!haKo promedio es de %TS et!
.a hiptesis planteada <=e !ontiene el signo de ig=aldad se denomina hiptesis n=la ho CD> ]D> kDI y
s= !omplemento es la hiptesis alterna ha se p=ede ini!iar planteando !=al<=iera de las dos
por e@emplo si se indi!a ^probar si las ventas son mayores <=e n1000 o ^las ventas son
menores a n1000> se ini!ia planteando ha y !omo !omplemento se plantea ho CventaskD1000 o
ventas]D1000I
.as !on!l=siones al ?inal siempre son !ontra la 5o
.os tArminos s=rgen de las investiga!iones agrB!olas <=ienes probaban la e?e!tividad de ?ertiliKantes>
lo n=lo era sin e?e!to
.as hiptesis n=las no se re!haKan o si se re!haKan Ca!eptndose la haI !on base en datos
m=estrales y =n valor al?a
Prue(a esta$%sti&a: es =n pro!edimiento para probar =na a?irma!in o !reen!ia sobre el pro!eso
=i')tesis *ula +=o, U =s=almente es =na a?irma!in representando =na sit=a!in bstat=s <=oc
generalmente deseamos re!haKar la hiptesis n=la
p=ede ser por e@emplo ho: > > D #
slo p=ede ser re!haKada o no re!haKada
=i')tesis alter*a +=a, U es lo <=e a!eptamos si podemos re!haKar la hiptesis n=la 5a es lo <=e
<=eremos probar es el !omplemento de 5o
Por e@emplo # para pr=eba de dos !olas
k # para pr=eba de !ola iK<=ierda
] # para pr=eba de !ola dere!ha
Esta hiptesis se a!epta !=ando se re!haKa 5o
Esta$%sti&o $e 'rue(a0 )al!=lado !on datos de la m=estra C:> t> J
2
or 9I
Regi)* $e Re&Aa4o0 2ndi!a los valores de la pr=eba estadBsti!a para <=e podamos re!haKar la
5iptesis n=la C5oI Esta regin esta basada en =n riesgo deseado> normalmente 00# o #T
.as pr=ebas de hiptesis p=eden ser de dos !olas> de !ola dere!ha o de !ola iK<=ierda>
dependiendo del signo de la hiptesis alterna> a !ontin=a!in se es<=ematiKan !ada =na de ellas
Pgina $% de 12*
)ipotesis la de parametro *o , , , , 8
2

)ipotesis la de parametro *a < > , , , , 8
2

2006
KPROCEDIIENTO PARA REALIQAR PRUEBAS DE =IP!TESISL
1 ,e?inir el Problema C Problema Pr!ti!oI
2 SeOalar los /b@etivos C Problema EstadBsti!oI
% ,eterminar tipo de datos: 0trib=to o 4ariable
& Si son datos 4ariables: Pr=eba de 6ormalidad
# Estable!er las 5iptesis: 5iptesis 6=la C5o lleva signo D> kD> ]DI> 5iptesis 0lterna C5a
lleva signo ]> k o k]I
6 Sele!!ionar el nivel de signi?i!an!ia 0l?a Cnormalmente 00# o #TI o el nivel de !on?ianKa
1 U al?a
' Estable!er el tamaOo de la m=estra> 10
$ ,esarrollar el Plan de M=estreo
* Sele!!ionar M=estras y /btener ,atos
10 ,e!idir la pr=eba estadBsti!a apropiada y !al!=lar el estadBsti!o de pr=eba C:> t> J
2
o 9I
a partir de los datos
11 /btener el estadBsti!o !orrespondiente de tablas o EL!el
12 ,eterminar la probabilidad P de <=e el estadBsti!o de pr=eba !al!=lado o!=rra al aKar
1% )omparar el estadBsti!o !al!=lado !on el de tablas y ver si !ae en la regin de re!haKo o
ver si la probabilidad es menor a al?a> re!ha!e 5o y a!epte 5a En !aso !ontrario no
re!ha!e 5o
1& )on los res=ltados interprete =na !on!l=sin estadBsti!a para la sol=!in pr!ti!a
Pgina $& de 12*
2006
Pgina $# de 12*
2006
.as ?rm=las para !al!=lar el estadBsti!o de pr=eba en base a la m=estra son las sig=ientes:
Para el !aso de m=estras pareadas se !al!=lan las di?eren!ias d individ=ales !omo sig=e:
E1em'los $e Prue(a $e Ai')tesis Esta$%sti&a
Paso 1 Para =na m=estra grande Cn ]%0I probar la hiptesis de =na media
Estable!er al?a
5o: o

5a: 0

Paso 2 )al!=lar el estadBsti!o de pr=eba
n
s
$
calc
0

Paso % Estable!er la regin de re!haKo> para pr=eba de 2 !olas: 2 2

$ $

Pgina $6 de 12*
2006
Paso & Si el valor del estadBsti!o de pr=eba !ae en la regin de re!haKo re!haKaremos 5o de otra
manera no podemos re!haKar 5o
Paso # )al!=lar el intervalo de !on?ianKa 2) para =n nivel de !on?ianKa de 1Ual?a> si la media de la
hiptesis se en!=entra dentro del intervalo> no re!haKar 5o y vi!eversa
Paso 6 )al!=lar el valor de Probabilidad P para el estadBsti!o !al!=lado a partir de la m=estra :! o
"! por medio de:
Para :!: P D distrnormestandinvCU:!I
Para "!: P D distrtinvC"!> grados de libertad> 1 o 2 !olasI
Para )hi2: P D Pr=eba!hiinvC)hi !> grados de libertadI
Si el valor de P es menor o ig=al a al?a se re!haKa 5o y se a!epta 5a Cen el !aso de dos !olas el
valor de P total es del doble del !al!=ladoI
USO DE INITAB PARA PRUEBA DE =IP!TESIS DE LA EDIA
Stat E (asi& statisti&s E "Gsam'le 4 o "Gsam'le t
4ariable UU indi!ar la !ol=mna de los datos en simples in !ol=mns o s=mmariKed data
Cindi!ando en simple siKe el tamaOo de m=estra y en mean la mediaI para el !aso de la
pr=eba K adems se indi!a en standard deviation la desvia!in estndar
2ndi!ar en test mean la media de la hiptesis a probar
2ndi!ar el signo de la hiptesis alterna: less than> not e<=al> greater than
/Z
Pgina $' de 12*

/
/2
2
3 /
/2
-egi4n de
-echa5o
-egi4n de
-echa5o
2006
Prue(a $e =i')tesis 'ara muestras gra*$es usa*$o Q0
Pgina $$ de 12*
2006
E1em'lo $e Prue(a $e =i')tesis 'ara muestras 'eFueRas usa*$o t0
Pgina $* de 12*
2006
E1em'lo $e Prue(a $e Ai')tesis 'ara u*a 'ro'or&i)*0
Pgina *0 de 12*
2006
USO DE INITAB PARA LA PRUEBA DE =IP!TESIS DE UNA PROPORCI!N
Stat E Basi& Statisti&s E "GPro'ortio*
Sele!!ionar S=mmariKed ,ata
6=mber o? trials D n tamaOo de la m=estra
6=mber o? events D , ALitos en!ontrados en la m=estra
En /ptions:
2ndi!ar el )on?iden!e 2nterval UU *0> *# o **T
2ndi!ar la "est Proportion Propor!in de la hiptesis
2ndi!ar el signo de la hiptesis alterna: .ess "han> 6ot e<=al> ;reater than
Sele!!ionar -se test and interval based in normal distrib=tion
/Z
E;ERCICIOS
1 Se midi la temperat=ra de ?=sin de =n a!eite vegetal hidrogenado en nD16 m=estras y se
en!ontr =na media de *&%2 Si la temperat=ra de ?=sin sig=e =na distrib=!in normal !on sigma D
120
aI Probar a =n *#T de nivel de !on?ianKa de <=e la media se ha mantenido en *#
2 .a d=ra!in promedio de !ierto ?o!o es de '#0 horas El !liente !ambiarBa de mar!a slo <=e se
dem=estre <=e de manera !on!l=yente <=e la vida de los ?o!os es menor <=e la an=n!iada Se elige
=na m=estra aleatoria de 20 ?o!os> se determina s= d=ra!in y se obtiene =na vida media de '%$&&
!on =na desvia!in estndar de %$20
aI Q)=l serBa la !on!l=sin a =n *#T de nivel de !on?ianKaR
% ,esp=As de !iertas horas de traba@o se determin el desgaste de ?le!has en 00001c para !ada
=na de las nD$ m<=inas <=e tienen plomo y !obre !omo material de soporte> y se obt=vo !omo
res=ltado <=e la media ?=e de %'2 !on desvia!in estndar de 12#
aI Se desea probar si el desgaste es mayor a %# a =n *#T de nivel de !on?ianKa
% .as le!t=ras de radia!in de 3adn tomadas en 12 l=gares ?=eron !omo sig=e:
10#6> *0*> *12> *6*> *6#> *1%> 1001> 10#> **6> 10''> 10%% y *2&
aI 0 =n al?a de #T> Qindi!an las le!t=ras <=e di?ieren de 100R
& Se pr=eban 100 baterBas de 6iU5 para !eldas de pr=eba y se determina <=e 1& de ellas se
ampoyan en s=s pla!as ?allando Para =n #T de nivel de signi?i!an!ia
aI QPropor!iona lo anterior =na eviden!ia de <=e ms del 10T de las baterBas ?allanR
Pgina *1 de 12*
2006
# Para =n !ierto servi!io los tiempos de resp=esta son de % horas> probar la a?irma!in para =n
*$T de nivel de !on?ianKa
-na m=estra de datos arro@ los res=ltados sig=ientes:
1.22
2.16
3.63
3.16
4.02
3.14
2.2
2.34
3.0
2.31
6 .as horas tomadas para mantenimiento son las sig=ientes Probar a =n #T si el tiempo es ] 2
5rs
"iempos
1.2
1.5
2.1
2.4
2.6
2.
2.1
3.2
1.6
2.
' -n est=dio en!ontr <=e &0T de los =s=arios de 2nternet re!ibieron ms de 10 mensa@es diarios
Si de &20 =s=arios 1$$ re!ibieron estos mensa@es> a =n nivel de #T Q)=l es la !on!l=sinR
$ -n est=dio indi! <=e el 6&T de los !ons=midores de s=permer!ado !reen en las mar!as propias
El ?abri!ante de =na salsa de tomate preg=nt a 100 !ompradores donde #2 pre?ieren mar!a propia>
probar si el por!enta@e de pre?eren!ias es menor al 6&T> para =n #T de nivel de signi?i!an!ia
Pgina *2 de 12*
2006
()6 PRUEBAS DE =IP!TESIS PARA DOS POBLACIONES
S=pongamos <=e tenemos m=estras de dos !alderas <=e prod=!en el mismo rendimiento Se desea
ver si hay di?eren!ia signi?i!ativa en el rendimiento de b)aldera 0 y )aldera 8c
)aldera 0 )aldera 8
$*' $&'
$1& $61
$&# $%2
$&$ *1*
$'% $6%
'*' '*%
$#1 $26
$1' $*1
$%' $%'
$&# $$#
Esta$%sti&as Des&ri'tivas
4ariable )aldera 6 Media ,esvStd
3endimiento 0 10 $&2& 2*0
8 10 $##& %6#
Pregu*ta Pr.&ti&a: QEListe di?eren!ia entre las )alderasR
Pregu*ta Esta$%sti&a Q.a media de la !aldera 8 C$##&I es signi?i!ativamente di?erente de la media
de la )aldera 0 C$&2&IR o s= di?eren!ia se da por !as=alidad en =na varia!in de dBa a dBa
=o0 =i')tesis Nula: 6o eListe di?eren!ia entre las )alderas
=a0 =i')tesis Alter*a0 .as medias de las )alderas son di?erentes
b a
* 8
0
b a a
* 8
Se b=s!a demostrar <=e los valores observados al pare!er no !orresponden al mismo pro!eso> se
trata de re!haKar 5o
Pgina *% de 12*
2006
Q3epresentan las )alderas dos pro!esos di?erentesR
Q3epresentan las mismas !ondi!iones !omo =n solo pro!esoR
.o anterior se !ontesta !on pr=ebas de hiptesis para dos pobla!iones !omo se eLpli!a a
!ontin=a!in
PRUEBAS PARA LA I:UALDAD DE DOS #ARIANQAS.
Presentaremos ahora pr=ebas para !omparar dos varianKas S=pngase <=e son dos las
pobla!iones de interAs> por e@emplo J
1
y J
2
> donde
2
2 2
2
1 , 1
, ,
> se des!ono!en ,eseamos
probar hiptesis relativas a la ig=aldad de las dos varianKas>
2
2
2
1 0
8 *
)onsidArese <=e se
disponen dos m=estras aleatorias de tamaOo n
1
de la pobla!in 1 y de tamaOo n
2
de la pobla!in 2>
y sean
2
2
2
1
'S S las varianKas de m=estra Para probar la alternativa de dos lados
2
2
2
1 0
8 *
2
2
2
1 1
8 *
-tiliKamos el he!ho de <=e la estadBsti!a
2
2
2
1
S
S
Fc
Se distrib=ye !omo 9> !on n
1
U1 y n
2
V1 grados de libertad
3e!haKarBamos 5
0
si
1 , 1 , 2 0
2 1

>
n n
F F

o si 1 , 1 , 2 1 0
2 1

<
n n
F F

,onde
1 , 1 , 2
2 1
n n
F
y
1 , 1 , 2 1
2 1
n n
F

son los p=ntos por!ent=ales
2
s=perior e in?erior de la
distrib=!in 9 !on n
1
U1 y n
2
U2 grados de libertad .a tabla 9 propor!iona slo los p=ntos de la !ola
s=perior de 9> por lo <=e para determinar
1 , 1 , 2 1
2 1
n n
F

debemos emplear
1 , 1 , 2 1
2 1
n n
F

D
1 , 1 , 2
1 2
1
n n
F
.a misma estadBsti!a de pr=eba p=ede =tiliKarse para probar hiptesis alternativas de =n lado .a
hiptesis alternativa de =n lado es:
2
2
2
1 0
8 *
2
2
2
1 1
8 > *
Si 1 , 1 , 0
2 1

>
n n
F F
> re!haKarBamos
2
2
2
1 0
8 *
Pgina *& de 12*
2006
E1em'lo "0 .os sig=ientes son tiempos de <=emado Cen min=tosI de seOales l=minosas de dos tipos
di?erentes
T#p( 1 T#p( 2
63 64
11 52
5 13
66 2
12 6
12 6
61 63
2 54
5 12
53 12
Pr=ebe la hiptesis de <=e las dos varianKas sean ig=ales -se 05 .
2
2
2
1 0
8 *
2
2
2
1 1
8 *
44 . 100
71 . 88
70
6 . 70
2
2
2
1
2
1
S
S
X
X
2
2
2
1
0
S
S
F
D
877 .
44 . 100
71 . 88
1 , 1 , 2
2 1
n n
F
D 9
02#>*>*D
&0%
1 , 1 , 2 1
2 1
n n
F

D2&$
0$'' no es mayor <=e &0%> por lo !=al no se re!haKa la hiptesis n=la
2
2
2
1 0
8 *
USO DE EDCEL
Sele!!ionar A*.lisis $e $atos en el menM herramientas
En ?=n!iones para anlisis eli@a la op!in : Prue(a < 'ara varia*4as $e $os muestras
Sele!!ionar las !ol=mnas de datos !on rt=los y el nivel 0l?a(2 de 002#
P*,e7$ F p$*$ A$*#$%<$s "e "(s 9,es)*$s
Tipo 1 Tipo 2
!e"#$ 50.6 50
0$*#$%<$ 11.5111111 100.444444
O7se*A$+#(%es 10 10
E*$"(s "e .#7e*)$" 2 2
F 0.1131114
P>FN/B? ,%$ +(.$ 0.42111351
0$.(* +*-)#+( p$*$ F >,%$ +(.$? 0.241311
Pgina *# de 12*
2006
,e la tabla ded=!imos <=e 91Ual?a(2 D 02&$ es menor <=e 9! de 0$$% y el valor de P val=e D 0&2$
es mayor a al?a(2 de 002# por lo !=al no re!haKamos 5
0
y las varianKas son ig=ales
USO DE INITAB
Stat E Basi& statisti&s E 2 #aria*&es Sam'les i* $i//ere*t &olum*s
Sele!!ionar las !ol=mnas de datos
En /ptions: Co*/i$e*&e level NB.7S8 Test ea* ? @.@T Alter*ative ? Not eFual
/Z
*est for #7ual .ariances: *ipo 89 *ipo :
97.54 5onfe$$oni 6onfiden6e inte$+als fo$ standa$d de+iations
N Lo0e$ St*e+ Uppe$
7ipo 1 10 5.8983 9.187 20.8295
7ipo 2 10 6.27256 10.0222 22.163
8-7est !no$mal dist$i%ution"
7est statisti6 = 0.889 p-+alue = 0.856
Co*&lusi)*0 )omo 9! de 0$$ es mayor a 91Ual?a(2 de 02&$ y Pval=e de 0$#6 es mayor a 0l?a de
00#> no se re!haKa 5o> las varianKas son similares
PRUEBAS DE =IP!TESIS SOBRE LA I:UALDAD DE DOS EDIAS
a, #aria*4as &o*o&i$as
S=pngase <=e hay dos pobla!iones de interAs J
1
y J
2>
S=ponemos <=e J
1
tiene media des!ono!ida
1
y varianKa !ono!ida
2
1
y <=e J
2
tiene media des!ono!ida
2
y varianKa !ono!ida
2
2

Estaremos interesados en la pr=eba de la hiptesis de <=e las medias
1
y
2
sean ig=ales
)onsidArense primero las hiptesis alternativas de dos !olas:
2 1 0
8 *
2 1 1
8 *
,onde: 5
0
D 5iptesis n=laS 5
1
D 5iptesis alternativaS
1
D media de la pobla!in 1S
2
D media de
la pobla!in 2
El pro!edimiento para probar 2 1 0
8 *
es !al!=lar la estadBsti!a de pr=eba :!

mediante la
sig=iente ?rm=la:
2
2
2
1
1
2
2 1
n n
X X
$
c

+
Pgina *6 de 12*
2006
,onde:
1
X D media de la m=estra 1S
2
X D media de la m=estra 2S
1
2
D varianKa de la pobla!in 1S
2
2
D varianKa de la pobla!in 2S
1
n D tamaOo de la m=estra 1S
2
n D tamaOo de la m=estra 2
.a hiptesis n=la 5
0
se re!haKa a!eptndose a s= veK 51 o 5a en los tres !asos sig=ientes:
aI 2 0
$ $ >
o 2 0
$ $ <
,onde: :
0
D 4alor !al!=lado del estadBsti!o de pr=ebaS
2
$
D distr.norm.estand#al)a01$.
bI Si el !ero no se en!=entra en el intervalo de !on?ianKa de la di?eren!ia de las medias
!I Si el valor P de probabilidad para el estadBsti!o de pr=eba :! es menor al valor del nivel de
signi?i!an!ia 0l?a P D 2WdistrnormestandinvC:!I
.as hiptesis alternativas de =n lado se analiKan de manera similar Para probar
2 1 0
8 *
2 1 1
8 > *
Se !al!=la la estadBsti!a de pr=eba :!

> y se re!haKa 2 1 0
8 *
si
$ $ >
0
Para probar las otras hiptesis alternativas de =n lado
2 1 0
8 *
2 1 1
8 < *
Se =tiliKa la estadBsti!a de pr=eba :! y se re!haKa 2 1 0
8 *
si
$ $ <
0
E1em'lo 20
Se emplean dos m<=inas para llenar botellas de plsti!o !on =n vol=men neto de 16 onKas El
pro!eso de llenado p=ede s=ponerse normal> !on desvia!iones estndar de
015 .
1

y
018 .
2
Se !ree <=e ambas m<=inas llenan hasta el mismo vol=men neto> sin importar <=e
este vol=men sea o no de 16 onKas Se toma =na m=estra aleatoria de la salida de !ada m<=ina
QPiensa =sted <=e el llenado es similarR -tiliKando 05 . o nivel de !on?ianKa de *#T
!@6,#%$
1
!@6,#%$
2
16.03 16.02
16.04 1.25
16.0 1.26
16.0 16.01
Pgina *' de 12*
2006
16.02 1.22
16.01 16.03
1.26 16.04
1.21 16.02
16.02 16.01
1.22 16.00
2 1 0
8 *
2 1 1
8 *
)al!=lando las medias de !ada m<=ina obtenemos 005 . 16 , 015 . 16
2 1
X X
2
2
2
1
1
2
2 1
n n
X X
$
c

+
D
34 . 1
10
018 .
10
015 .
005 . 16 015 . 16
2 2

+
2
$
D :
02#
D distrnormestandinvC0*'#I D 1*6
El =so de la tabla es el sig=iente: 1U02# D*'# b=s!ando el valor de : !orrespondiente a *'#
en!ontramos : D 1*6
-tiliKando el !riterio de de!isin 2
$ $c >
para re!haKar la hiptesis n=la 5
0>
nos damos !=enta de
<=e 1%& no es mayor <=e 1*6 por lo !=al no re!haKamos 5
0
6o eListe s=?i!iente eviden!ia
estadBsti!a para pensar <=e las medias son di?erentes
)=ando re!haKamos la hiptesis n=la se !onsidera <=e la pr=eba es potente> si no se re!haKa la
hiptesis n=la el !riterio de de!isin es dAbil> ya <=e generalmente se b=s!a re!haKar 5
0
-L$.B$/2/-1.26
L+ / 1.34
L$.B$/2/1.26
)omo :! es menor <=e : al?a(2> no !ae en el rea de re!haKo>
y por tanto no hay s=?i!iente eviden!ia para re!haKar 5o
Pgina *$ de 12*
P>< O/ L eC+e. ? / $.B$/2 P>< N/ - L eC+e. ? / $.B$/2
2006
USO DE EDCEL
En ?=n!iones para anlisis eli@a la op!in : Prue(a 4 'ara me$ias $e $os muestras.
Pr=eba K para medias de dos m=estras
-,quina > -,quina 2
Media 1601# 1600#
4arianKa C!ono!idaI 000022# 0000%2&
/bserva!iones 10 10
,i?eren!ia hipotAti!a de las medias 0
K 1%&*62'22
PC:kDKI =na !ola 00$$#6''*
4alor !rBti!o de K C=na !olaI 1*#**6%*$
4alor !rBti!o de K Cdos !olasI 01''1%##*
4alor !rBti!o de K Cdos !olasI 22&1&02'%
Co*&lusio*es0 6o se re!haKa 5o CMedias ig=alesI ya <=e :! de 1%&* k :al?a(2 de 1*6S el valor P
de 01'' es mayor a 0l?a D 00#
USO DE INITAB
Stat E Basi& statisti&s E 2 Sam'le t sele!!ionar Summari4e$ $ata
Sele!!ionar 0ss=me e<=al variantes
En /ptions: )on?iden!e level *#T> "est ,i??eren!e 00S 0lternative 6ot e<=al
En ;raphs: 8oLplot o? data /Z
Pgina ** de 12*
2006
*;o3Sample *3*est and C,
Sample N (ean St*e+ S) (ean
1 10 16.0150 0.0150 0.007
2 10 16.0050 0.0180 0.0057
*iffe$en6e = mu !1" - mu !2"
)stimate fo$ diffe$en6e: 0.010000
954 ;< fo$ diffe$en6e: !-0.0055679 0.025567"
7-7est of diffe$en6e = 0 !+s not =": 7-#alue = 1.35 --#alue = 0.19 *8
= 18
5ot1 use -ooled St*e+ = 0.0166
Co*&lusio*es0 6o se re!haKa 5o CMedias ig=alesI ya <=e :! de 1%# k :al?a(2 de 1*6S el valor P
de 01*& es mayor a 0l?a D 00# y el !ero se en!=entra en el 2) para la di?eren!ia de medias de
!-000##6'> 002##6'I
(, #aria*4as $es&o*o&i$as0
)onsideraremos ahora pr=ebas de hiptesis respe!to a la ig=aldad de las medias
2 1
, de dos
distrib=!iones normales donde no se !ono!en las varianKas
2
2
2
1
' "enemos dos !asos en el
primero las varianKas son ig=ales y en el seg=ndo las varianKas son desig=ales> a !ontin=a!in
analiKaremos !ada =no de ellos
Caso " varia*4as iguales
Sean J
1
y J
2
dos pobla!iones normales independientes !on medias des!ono!idas
2 1
' > y
varianKas !ono!idas pero ig=ales
2 2
2
2
1
,eseamos probar:
2 1 0
8 *
2 1 1
8 *
Sean J
1>
J
2>
2
2
2
1
, S S
> las medias y las varianKas de las m=estras> respe!tivamente P=esto <=e tanto
2
2
2
1
S como S
estiman la varianKa !omMn
2
> podemos !ombinarlas para prod=!ir =na sola

estima!in> mediante la sig=iente ?rm=la:
Pgina 100 de 12*
2006
( ) ( )
2
1 1
2 1
2
2 2
2
1 1
+
+
n n
S n S n
S
p
Para probar 2 1 0
8 *
!al!Mlese la estadBsti!a de pr=eba
2 1
2 1
0
1 1
n n
S
X X
t
p
+
Si 2 , 2 0
2 1
+
>
n n
t t
o si 2 , 2 0
2 1
+
<
n n
t t
> re!haKamos 2 1 0
8 *
.as alternativas de =n lado se tratan de modo similar Para probar:
2 1 1
2 1 0
8
8

>
*
*
)al!Mlese la estadBsti!a de pr=eba t
0
y re!h!ese 2 1 0
8 *
si:
2 , 0
2 1
+
>
n n
t t

Para la otra alternativa de =n lado>
2 1 1
2 1 0
8
8

<
*
*
)al!Mlese la estadBsti!a de pr=eba y re!h!ese 2 1 0
8 *
si:
2 , 0
2 1
+
<
n n a
t t
E1em'lo 30 Se est investigando la resisten!ia en ohms de dos alambres> !on la sig=iente
in?orma!in de m=estras
0lambre 1 0lambre 2
01& 01%#
01&1 01%$
01%* 01&
01& 01%*
01%$
01&&
S=poniendo <=e las dos varianKas son ig=ales> Q<=A !on!l=siones p=ede eLtraerse respe!to a la
resisten!ia media de los alambresR
2 1 0
8 *
Pgina 101 de 12*
2006
2 1 1
8 *
)al!=lando la media y la desvia!in estndar de la m=estra:
0022 .
0021 .
138 .
140 .
2
1
2
1
S
S
x
x
( ) ( )
2
1 1
2 1
2
2 2
2
1 1
+
+
n n
S n S n
S
p
D 0021
2 1
2 1
0
1 1
n n
S
X X
t
p
+
D 1'2
8=s!amos en la tabla de distrib=!in t el valor
2 , 2 1
, 2

+n n
t
D t
02#>$
D2%06
-tiliKando el !riterio de re!haKo
2 , 2 0
2 1
+
>
n n
t t
> 1'2 no es mayor <=e 2%06> por lo tanto no
re!haKamos 5
0
USO DE EDCEL
En ?=n!iones para anlisis eli@a la op!in: Prue(a t 'ara $os muestras su'o*ie*$o
varia*4as iguales
Sele!!ionar las !ol=mnas de datos y las !eldas de res=ltados
Pr=eba t para dos m=estras
s=poniendo varianKas ig=ales
$lambre > $lambre 2
Media 01&0%%%%% 01%$
4arianKa &266'EU06 &666'EU06
/bserva!iones 6 &
Pgina 102 de 12*
2006
4arianKa agr=pada &&16'EU06
,i?eren!ia hipotAti!a de las
medias 0
;rados de libertad $
EstadBsti!o t 1'20026%%
PC"kDtI =na !ola 0061$'0%%
4alor !rBti!o de t C=na !olaI 2%0600&1%
PC"kDtI dos !olas 012%'&06#
4alor !rBti!o de t Cdos !olasI 2'#1#2%#*
Co*&lusi)*0 En la tabla de EL!el en!ontramos los valores deseados: 1'2 no es mayor <=e 2%06
CDdistrtinvC00#>$I por lo !=al no re!haKamos 5o 0simismo P val=e de 012% es mayor a al?a(2 de
002# y no se re!haKa 5o> las medias son similares
USO DE INITAB
Stat E Basi& statisti&s E 2 Sam'le t Sam'les i* $i//ere*t &olum*s
Sele!!ionar 0ss=me e<=al variantes
En /ptions: )on?iden!e level *'#T> "est ,i??eren!e 00S 0lternative 6ot e<=al
*;o3Sample *3*est and C,: Alam<re 89 Alam<re :
70o-sample 7 fo$ =lam%$e 1 +s =lam%$e 2
N (ean St*e+ S) (ean
=lam%$e 1 6 0.1033 0.00207 0.0008
=lam%$e 2 0.13800 0.00216 0.0011
*iffe$en6e = mu !=lam%$e 1" - mu !=lam%$e 2"
97.54 ;< fo$ diffe$en6e: !-0.0013999 0.006066"
= 8
5ot1 use -ooled St*e+ = 0.0021
Co*&lusi)*0 En la tabla de EL!el en!ontramos los valores deseados: 1'2 no es mayor <=e 2%06
por lo !=al no re!haKamos 5o 0simismo P val=e de 012& es mayor a al?a(2 de 002# y el !ero se
en!=entra en el intervalo de !on?ianKa por lo <=e no se re!haKa 5o> las medias son similares
Pgina 10% de 12*
2006
Caso 2 #aria*4as $i/ere*tes
)=ando las varianKas
2
2
2
1
' son di?erentes =tiliKamos el estadBsti!o de pr=eba:
2
2
2
1
2
1
2 1
0
n
S
n
S
X X
t
+
Para el !l!=lo de los grados de libertad =tiliKamos:

( ) ( )
2
1 1
2
2
2
2
2
1
2
1
2
1
2
2
2
2
1
2
1
+
+
+
,
_
n
n S
n
n S
n
S
n
S
El pro!edimiento para llevar a !abo la pr=eba de hiptesis es el mismo <=e el !aso 1> varianKas
ig=ales eL!epto <=e se emplean t
0
!omo estadBsti!a de pr=eba y n
1
P n
2
U2 se s=stit=ye por
en la
determina!in de los grados de libertad para la pr=eba
E1em'lo 60 Se estn investigando dos mAtodos para prod=!ir gasolina a partir de petrleo !r=do Se
s=pone <=e el rendimiento de ambos pro!esos se distrib=ye normalmente .os sig=ientes datos de
rendimiento se han obtenido de la planta piloto
Pro!eso 1 Pro!eso 2
2&2 21
266 221
2#' 21$
2&$ 20*
2#* 22&
26# 22
Q5ay alg=na raKn para !reer <=e el Pro!eso 1 tiene =n rendimiento medio mayorR
2 1 1
2 1 0
8
8

>
*
*
)al!=lamos la media y la varianKa para ambos pro!esos:
Pgina 10& de 12*
3760 .
9017 .
70 . 21
62 . 25
2
2
2
1
2
1
S
S
x
x
2006
2
2
2
1
2
1
2 1
0
n
S
n
S
X X
t
+
D
48 . 8
6
376 .
6
9017 .
70 . 21 62 . 25
( ) ( )
2
1 1
2
2
2
2
2
1
2
1
2
1
2
2
2
2
1
2
1
+
+
+
,
_
n
n S
n
n S
n
S
n
S
D
( ) ( )
9 32 . 9 2
7
6 376 .
7
6 9017 .
6
376 .
6
9017 .
2 2
2

+
,
_
+
8=s!ando el valor en la tabla t en!ontramos t
0#>*
D 1>$%%> mediante el !riterio de re!haKo para =na
!ola t
0
]t
0#>* >
$&$]2262> por lo tanto re!haKamos la hiptesis n=la> y a!eptamos la hiptesis alterna>
el pro!eso 1 tiene mayor rendimiento <=e el pro!eso 2
USO DE EDCEL
En ?=n!iones para anlisis eli@a la op!in: Prue(a t 'ara $os muestras su'o*ie*$o
varia*4as $esiguales.
Pr=eba t para dos m=estras
s=poniendo varianKas desig=ales
.roceso > .roceso 2
Media 2#616666' 21'
4arianKa 0*016666' 0%'6
/bserva!iones 6 6
,i?eren!ia hipotAti!a de las
medias 0
;rados de libertad *
EstadBsti!o t $&$'#'16$
PC"kDtI =na !ola 6$'$EU06
4alor !rBti!o de t C=na !olaI 22621#'16
PC"kDtI dos !olas 1%'#6EU0#
4alor !rBti!o de t Cdos !olasI 26$#010$#
"! de $&$ mayor <=e "al?ajde 2262 Cvalor !rBti!o de t de =na !olaI> se re!haKa 5o
USO DE INITAB
Stat E Basi& statisti&s E 2 Sam'le t Sam'les i* $i//ere*t &olum*s
Y=itar sele!!ipon de 0ss=me e<=al variantes
En /ptions: )on?iden!e level *'#T> "est ,i??eren!e 00S 0lternative 6ot e<=al
*;o3Sample *3*est and C,: Proceso 89 Proceso :
Pgina 10# de 12*
2006
70o-sample 7 fo$ -$o6eso 1 +s -$o6eso 2
-$o6eso 1 6 25.617 0.950 0.39
-$o6eso 2 6 21.700 0.613 0.25
*iffe$en6e = mu !-$o6eso 1" - mu !-$o6eso 2"
97.54 ;< fo$ diffe$en6e: !2.66959 5.18638"
= 8
D
a
t
a
Pro#e,o 2 Pro#e,o 1
27
26
25
24
23
22
21
Boxplot of Proceso '( Proceso )

PRUEBA DE DOS EDIAS PAREADAS CON T
)=ando es posible res=lta venta@oso =tiliKar m=estras pareadas en las pr=ebas de !ompara!in En
=na pr=eba de !ompara!in pareada> la red=!!in en la variabilidad eLperimental p=ede permitir la
dete!!in de pe<=eOos movimientos en los datos 0 pesar de <=e los grados de libertad sean
red=!idos> por<=e ahora el tamaOo de m=estra !orresponde al nMmero de !ompara!iones
-n e@emplo de este tipo de pr=eba es la eval=a!in de dos pieKas de e<=ipo de inspe!!in para
determinar si eListe alg=na di?eren!ia signi?i!ativa entre los e<=ipos
.as hiptesis de pr=eba en torno a la ig=aldad
2 1
' p=eden realiKarse e?e!t=ando =na pr=eba t
de =na m=estra en
D
Espe!B?i!amente> probar 2 1 0
8 *
!ontra
2 1 1
8 *
es e<=ivalente
a probar
0 8
0

D
*
0 1
8
D
*
El estadBsti!o de pr=eba apropiado es
n S
D
t
D
0 donde
n
D
D
j
y
( )
1
2
n
D D
S
j
D
Pgina 106 de 12*
2006
3e!haKarBamos
0 8
0

D
*
si 1 , 2 0
>
n
t t
o si 1 , 2 0
<
n
t t
> las alternativas de =n lado se
tratarBan de manera similar
E1em'lo 70
-n ?abri!ante desea !omparar el pro!eso de armado !omMn para =no de s=s prod=!tos !on =n
mAtodo prop=esto <=e s=p=estamente red=!e el tiempo de armado Se sele!!ionaron o!ho
traba@adores de la planta de armado y se les pidi <=e armaran las =nidades !on ambos pro!esos
.os sig=ientes son los tiempos observados en min=tos
T*$7$M$"(*
P*(+es(
$+),$.
P*(+es(
%,eA( D# >D#-D?P2
1 31 30 1 10.62
2 32 32 0 0
3 41 34 5 42
4 3 35 -2 4
42 3 5 42
6 32 26 6 36
5 4 31 5 42
1 35 32 2
Dp*(9e"#( 4.5 25.120312
En 05 . > QeListe alg=na raKn para !reer <=e el tiempo de armado para el pro!eso a!t=al es
mayor <=e el del mAtodo prop=esto por ms de dos min=tosR
2 8
0

D
*
2 8
1
>
D
*
n
D
D
j
D &'#
( )
1
2
n
D D
S
j
D
D %6*
n S
D
t
D
0 D
8 69 . 3
2 75 . 4
D 210'
895 . 1
7 , 05 . 1 ,

t t
n > debido a <=e 210' ] 1$*# re!haKamos 5
0>
y a!eptamos la 5
1:
el tiempo
de armado para el pro!eso a!t=al es mayor en dos min=tos <=e el mAtodo prop=esto
Pgina 10' de 12*
2006
USO DE EDCEL
En ?=n!iones para 0nlisis eli@a la op!in: Prue(a t 'ara $os muestras em'are1a$as
P*,e7$ ) p$*$ 9e"#$s "e "(s
9,es)*$s e9p$*eM$"$s

Proceso
actual
Proceso
nuevo
!e"#$ 35.5 33
0$*#$%<$ 22.2142151 1.1421514
O7se*A$+#(%es 1 1
C(eB#+#e%)e "e +(**e.$+#8% "e
Pe$*s(% 0.646415241
D#Be*e%+#$ 4#p():)#+$ "e .$s 9e"#$s 0
E*$"(s "e .#7e*)$" 5
Es)$"-s)#+( ) 3.6353505
P>TN/)? ,%$ +(.$ 0.0041110
0$.(* +*-)#+( "e ) >,%$ +(.$? 2.36462421
P>TN/)? "(s +(.$s 0.00131621
0$.(* +*-)#+( "e ) >"(s +(.$s? 2.141244245
,e la tabla !on!l=imos <=e "! de %6% ] "al?a(2 de 2%6& Cvalor !rBti!o de t =na !olaI> por lo !=al
re!haKamos 5o Por otro lado el valor P de 000$ es menor a al?a de 00# y se re!haKa 5o> las
medias son di?erentes
USO DE INITAB
Stat E Basi& statisti&s E Paire$ t Sam'les i* $i//ere*t &olum*s
En /ptions: )on?iden!e level *#T> "est Mean D 00S 0lternative D 6ot e<=al
Paired *3*est and C,: Proceso actual9 Proceso nuevo
-ai$ed 7 fo$ -$o6eso a6tual - -$o6eso nue+o
-$o6eso a6tual 8 37.7500 .7132 1.666
-$o6eso nue+o 8 33.0000 3.891 1.3758
*iffe$en6e 8 .75000 3.69362 1.30589
954 ;< fo$ mean diffe$en6e: !1.662059 7.83795"
7-7est of mean diffe$en6e = 0 !+s not = 0": 7-#alue = 3.6 --#alue =
0.008
,e la tabla !on!l=imos <=e "! de %6& ] "al?a(2 de 2%6& Cvalor !rBti!o de t en dos !olasI> por lo !=al
re!haKamos 5o Por otro lado el valor P de 000$ es menor a al?a de 00#> el !ero no se en!=entra
en el intervalo de !on?ianKa 2) y se re!haKa 5o> las medias son di?erentes
Pgina 10$ de 12*
2006
PRUEBAS DE =IP!TESIS SOBRE DOS PROPORCIONES
En las pr=ebas de hiptesis sobre propor!iones tratamos de probar:
2 1 1
2 1 0
8
8
p p *
p p *
)onsidArese <=e se toman dos m=estras aleatorias de tamaOo n

1
y n
2
de dos pobla!iones> y sea J
1
y
J
2
el nMmero de observa!iones <=e pertene!en a la !lase de interAs en la m=estra 1 y 2
respe!tivamente
-na estima!in del parmetro !omMn p es:
2 1
2 1
n n
X X
p
+
+
.a estadBsti!a de pr=eba para

2 1 0
8 p p *
es enton!es:
1
]
1
2 1
2 1
0
1 1
) 1 (

n n
p p
p p
$
Si
2 0
$ $ >
o 2 0
$ $ <
> la hiptesis n=la se re!haKa
E1em'lo >0 .a ?ra!!in de prod=!tos de?e!t=osos prod=!idos por dos lBneas de prod=!!in se est
analiKando -na m=estra aleatoria de 1000 =nidades de la lBnea 1 tiene 10 de?e!t=osas> en tanto <=e
=na m=estra aleatoria de 1200 =nidades de la lBnea 2 tiene 2# de?e!t=osas Q Es raKonable !on!l=ir
<=e la lBnea de prod=!!in 2 prod=!e =na ?ra!!in ms alta de prod=!to de?e!t=oso <=e la lBnea 1R
-se 01 .
2 1 1
2 1 0
8
8
p p *
p p *
<
2 1
2 1
n n
X X
p
+
+
D
015909 .
1200 1000
25 10
+
+
D
01 .
1000
10
Pgina 10* de 12*

1
1
1
n
X
p
2
2
2
n
X
p
1
1
1
n
X
p
2
2
2
n
X
p
2006
D
020833 .
1200
25
1
]
1
2 1
2 1
0
1 1
) 1 (

n n
p p
p p
$
D
1
]
1
1200
1
1000
1
) 98409 (. 015909 . .
020833 . 01 .
D U202
35 . 2
01 .
$ $
Se =tiliKa el estadBsti!o de pr=eba :

0
y no se re!haKa
2 1 0
8 p p *
si
$ $ <
0
U202 no es menor <=e V2%# por lo !=al 5
0
no se re!haKa
USO DE INITAB
Stat E Basi& statisti&s E 2GPro'ortio*s Sele!!ionar Summari4e$ $ata
En "rials poner el tamaOo de las m=estras y en Events lo <=e se b=s!a
En /ptions: )on?iden!e level **T> "est ,i??eren!e D 00S 0lternative D 6ot e<=al
Sele!!ionar -se pooled estimate ?or p ?or test
/Z
*est and C, for *;o Proportions
Sample 2 N Sample p
1 10 1000 0.010000
2 25 1200 0.020833
*iffe$en6e = p !1" - p !2"
)stimate fo$ diffe$en6e: -0.0108333
994 ;< fo$ diffe$en6e: !-0.0219289 0.00252612"
7est fo$ diffe$en6e = 0 !+s not = 0": > = -2.02 --#alue = 0.03
Pgina 110 de 12*
2006
Co*&lusi)*0 ,e la tabla "! de U202 ] "al?a de U2%# Cvalor !rBti!o de t en dos !olasI> por lo !=al no
re!haKamos 5o Por otro lado el valor P de 00&% es mayor a al?a de 001> el !ero se en!=entra en el
intervalo de !on?ianKa 2) y no se re!haKa 5o para =n al?a de 001> las medias son similares
RESUEN DE LAS PRUEBAS DE =IP!TESIS
Pr=ebas de medias:
Pr=eba : para medias CvarianKa !ono!idaI: Pr=eba si dos medias de m=estras son ig=ales
Pr=eba t para medias CvarianKa des!ono!idaI: Pr=eba si dos medias de m=estras son ig=ales
Se tienen dos !asos: varianKas ig=ales y varianKas di?erentes
Pr=eba t pareadas para medias: pr=eba si dos medias de m=estras Cpor paresI son ig=ales
Pr=ebas de varianKa:
Pr=eba 9 para varianKas: Pr=eba si dos varianKas de m=estras son ig=ales
Pr=ebas de propor!iones:
Pr=eba : para propor!iones: Pr=eba si dos propor!iones de m=estras son ig=ales
E;ERCICIOS0
1 ,eterminar a =n nivel de !on?ianKa del *0T si hay di?eren!ia entre las medias de tiempos de
limpieKa de m<=ina 0 y m<=ina 8 Se toman m=estras para !omprobar la a?irma!in
M<=ina 0 M<=ina 8
2#2 1$0
1'& 22*
22$ 26&
21* 2&$
1*' 26*
2%0 1'$
1*' 2&6
2%0 210
1*'
16*
21$
2%6
2 .os tiempos de termina!in del programa para dos departamentos se m=estran a !ontin=a!in:
Probar a =n *0T de nivel de !on?ianKa si s=s varianKas y promedios son ig=ales
,epto 0 ,epto 8
%00 2'6
2$0 222
%&& %10
%$# %%$
%'2 200
Pgina 111 de 12*
2006
%60 %02
2$$ %1'
%21 260
%'6 %20
2*0 %12
%01 %%&
2$% 26#
% .os tiempos de termina!in para la tarea !on =n mAtodo me@orado y a!t=al son> para el mismo
empleado son los sig=ientes Probar a =n *0T de nivel de !on?ianKa si los mAtodos dan los mismos
res=ltados
MAtodo 1 MAtodo 2 ,i?
60 #& 06
#0 #2 U02
'0 6# 0#
62 #* 0%
60 60 00
6& #$ 06
5o: ,i? Prom D 0 @.3 ,prom
5a: ,i? Prom k] 0 0%%&' Sdi?
& -n parti!ipante es !ali?i!ado antes y desp=As de =n !=rso Probar a =n $T de nivel de
signi?i!an!ia si el !=rso t=vo impa!to
0ntes ,esp=As
# 6
& 6
' '
% &
# %
$ *
# '
6 6
# 0 dos gr=pos de personas se les pidi <=e indi!aran el por!enta@e de re!ortatorio de dos avisos:
Probar a =n #T si son ig=ales los dos gr=pos
0viso .o vieron .o re!ordaron
0 1#0 6%
8 200 60
6 Se hiKo =na en!=esta para determinar el por!enta@e de personas <=e =saban 2nternet en el
traba@o: En MALi!o se en!ontr <=e el &0T de los ad=ltos =sa 2nternet de =na m=estra de 2&0
En Monterrey el %2T de los ad=ltos =saba 2nternet de =na m=estra de 2#0
QPara =n nivel de signi?i!an!ia del 10T> es mayor la propor!in <=e =sa 2nternet en MALi!o <=e en
MonterreyR
Pgina 112 de 12*
2006
!DULO >. TABLAS DE CONTIN:ENCIA Y ANO#A
>." TABLAS DE CONTIN:ENCIA
2
.a tabla @iU !=adrada C

2
I se =tiliKa prin!ipalmente :
Para probar si =na serie de datos observada> !on!=erda !on el modelo Cserie esperadaI de la
in?orma!in
Para probar las di?eren!ias entre las propor!iones de varios gr=pos Ctabla de !ontingen!iaI
Para todos los !asos>
5o: 6o hay di?eren!ia o no hay dependen!ia entre variables
5
1
: 5ay di?eren!ia o si hay dependen!ia entre variables
Pasos 'ara reali4ar la ta(la $e &o*ti*ge*&ias
2
1I Plantear las hiptesis:

+
p p p p *o ...
3 2 1
5
1:
al menos dos propor!iones son di?erentes
2I )onstr=ir =na tabla <=e !ontenga los valores observados
%I S=mar los totales de los renglones y !ol=mnas de los valores observados
&I ,eba@o de !ada valor observado poner el valor esperado =tiliKando la ?rm=la:
( )
n
columna ,sima j de total rengln ,simo i de total
ij

&I )al!=lar el valor del estadBsti!o de pr=eba

2
=sando la ?rm=la:
( )
ij
ij ij
-
2
donde:
/i@ D 4alor observado de la !elda i>@
Ei@ D 4alor esperado de la !elda i>@
#I
6I ,eterminar los grados de libertad mediante:
( ) ( ) 1 1 c r gl
donde
r D nMmero de renglones
! D nMmero de !ol=mnas
'I )al!=lar el valor !rBti!o en la tabla
2
$I )riterio de de!isin: si el valor !rBti!o k valor del estadBsti!o de pr=eba re!haKamos 5o

E1em'lo0 0l ?inal de =n semestre> las !ali?i!a!iones de matemti!as ?=eron tab=ladas en la sig=iente
tabla de !ontingen!ia de 2 3 para est=diar la rela!in entre la asisten!ia a !lase y la !ali?i!a!in
obtenida
Pgina 11% de 12*
2006
A,se%+#$s Ap*(7$"(
J(
$p*(7$"(
0 - 3 13 110
4 - 6 36 4
5 - 4 2 6
)on 05 . 0 > Qindi!an los datos <=e son distintas las propor!iones de est=diantes <=e pasaron
en las tres !ategorBas de a=sen!iasR
5
0
: p
1
D p
2
D p
%
5
1 :
al menos dos propor!iones son di?erentes
JQ9e*( "e $,se%+#$s Ap*(7$"( J( $p*(7$"( T()$.
0-3 13 110 24
> ? > ? > ?
4-6 36 4 40
> ? > ? > ?
5-4 2 6 1
> ? > ? > ?
T()$. 110 120 300
.os valores /
i@
D 1%#> 110 !orresponden a los valores observados> los valores esperados se
!olo!an en las !eldas !on parAntesis> para !al!=lar los =tiliKamos la ?rm=la:
( )
n
columna ,sima j de total rengln ,simo i de total
ij

JQ9e*( "e $,se%+#$s Ap*(7$"( J( $p*(7$"( T()$.

0-3 13 110 24
>145? >21?
4-6 36 4 40
>24? >16?
5-4 2 6 1
>2? >6?
T()$. 110 120 300
)al!=lamos el valor del estadBsti!o de pr=eba
2
=sando la ?rm=la:
( )
ij
ij ij
-
2
.a tabla sig=iente nos ay=da a organiKar los !l!=los para el estadBsti!o

Pgina 11& de 12*
2006
Ce."$ O#M E#M >O#M-E#M?P2 >O#M -E#M?P2/E#M
>1;1? 13 145 144 0.21
>1;2? 110 21 144 1.45
>2;1? 36 24 144 6.00
>2;2? 4 16 144 2.00
>3;1? 2 2 0 0.00
>3;2? 6 6 0 0.00
15.4
Ta(la. )l!=los para el estadBsti!o )hi !=adrada
Para determinar el valor !rBti!o del estadBsti!o de pr=eba pro!edemos de la sig=iente manera:
,eterminar los grados de libertad =sando la ?rm=la:
( )( ) 1 1 c r gl
> gl D C%U1IC2U1I D 2
El valor !riti!o del estadBsti!o @iU!=adrada para 05 . 0 y gl D 2 se denota
) 2 (
2
05 . 0
> En la
tabla @iU !=adrada en!ontramos <=e vale #**1> el valor del estadBsti!o de pr=eba es
2
D1'&&
Co*&lusi)*0 )omo este estadBsti!o est lo!aliKado en la regin de re!haKo Ca la dere!ha del valor
!rBti!oI > re!haKamos 5o por lo !=al a!eptamos la hiptesis alternativa 5
1:
al menos dos propor!iones
son di?erentes ?a tasa de a"robaci/n si de"ende de las asistencias.
USO DE EDCEL0 'ara $etermi*ar el valor &r%ti&o
2

1 Posi!ionarse en =na !elda va!Ba
2 0!!esar el menM de ?=n!iones !on F)
% Sele!!ionar ES"0,1S"2)0S> P3-E80 )52264.
,ar valores de probabilidad C00#I y grados de libertad> Ch de renglones U1I W Ch de !ol=mnas U 1I
para el !aso de tablas de propor!iones
USO DE INITAB
1 Stat ] "ables ] )hi s<=are test
2 2ndi!ar las !ol=mnas !onteniendo la tabla C)2 0probado y )% 6o aprobadoI
% /Z
Chi3S7uare *est: Apro<ado9 "o apro<ado
)/pe6ted 6ounts a$e p$inted %elo0 o%se$+ed 6ounts
;1i-S?ua$e 6ont$i%utions a$e p$inted %elo0 e/pe6ted 6ounts
=p$o%ado No ap$o%ado 7otal
1 135 110 25
17.00 98.00
0.980 1.69
2 36 0
2.00 16.00
6.000 9.000
3 9 6 15
9.00 6.00
0.000 0.000
7otal 180 120 300
;1i-S? = 17.99 *8 = 29 --#alue = 0.000
Co*&lusi)*0 )omo el estadBsti!o !al!=lado )hi !=adrado es mayor al )hi de al?a y el valor P es
menor a 0l?a> se re!haKa 5o indi!ando <=e si hay dependen!ia de los aprobados y asisten!ias
Pgina 11# de 12*
2006
E1er&i&io ". Se trata de ver si el nMmero de re!lama!iones depende de la !=adrilla para =n #T de
nivel de signi?i!an!ia 5o: .os re!haKos son independientes de la !=adrilla
5a: los re!haKos dependen de la !=adrilla
C,$"*#..$ OR Re+4
1 200 3
2 10 24
3 210 40
E1er&i&io 2. .os datos de % proveedores en rela!in a partes de?e!t=osas es !omo sig=e:
Probar a =n #T de signi?i!an!ia si los de?e!tos dependen del tipo de proveedor
P*(Aee"(* B,e%(s
C(% DeB
9e%(*es
C(% "eB
'*$Aes
A 20 3 5
B 150 11 5
C 13 6 2
Pgina 116 de 12*
2006
6.2 ANALISIS DE #ARIANQA DE UN <ACTOR +ANO#A " #IA,
El anlisis de la varianKa de =n ?a!tor C06/40I es =na metodologBa para analiKar la varia!in entre
m=estras y la varia!in al interior de las mismas mediante la determina!in de varianKas Es llamado
de =na vBa por<=e analiKa =n variable independiente o 9a!tor e@: 4elo!idad )omo tal> es =n mAtodo
estadBsti!o Mtil para !omparar dos o ms medias pobla!ionales El 06/40 de =n !riterio nos permite
poner a pr=eba hiptesis tales !omo:
+
* ....
3 2 1 0
. 8
1
diferentes son les poblaciona medias dos menos #l *
.os s=p=estos en <=e se basa la pr=eba t de dos m=estras <=e =tiliKa m=estras independientes
son:
1 0mbas pobla!iones son normales
2 .as varianKas pobla!ionales son ig=ales> esto es> .
2
2
2
1

El estadBsti!o tiene =na distrib=!in m=estral res=ltando:
2
2
.
b
s
s
Fc
El valor !rBti!o para la pr=eba 9 es:
)) 1 ( , 1 ( n + + F
,onde el nMmero de grados de libertad para el n=merador es _U1 y para el denominador es _CnU1I>
siendo
el nivel de signi?i!an!ia
_ D nMmero de m=estras
Por e@emplo:
E1em'lo0 Se tienen 1& empleados sele!!ionados al aKar <=e se someten a
% di?erentes !=rsos de entrenamiento: Programa 1> Programa 2 y Programa %
)omo los empleados se sele!!ionan aleatoriamente para !ada programa
el diseOo se denomina ,2SEq/ )/MP.E"0ME6"E 0.E0"/32:0,/
Se observa el aprove!hamiento de los empleados en los programas:
Pgina 11' de 12*
2006
*-A*AM,#"*!S
I +/1 +/2 +/3 G
P*('*$9$ 1
P*('*$9$
2 P*('*$9$ 3
*/1 1 10 12
*/2 52 14 10
*/3 13 11 1
*/4 10 51 20
*/ SS 12 11
!e"#$s 10.00 11.00 1.00 KM
!e"#$ "e 9e"#$s ( 9e"#$
)()$. 12.14
TIPOS DE #ARIACI!N Y SUAS DE CUADRADOS
1 4aria!in total entre los 1& empleados> s= p=nt=a!in no ?=e ig=al !on todos
40320)2+6 "/"0. 3ESPE)"/ 0 .0 ME,20 ;E6E30.
S)" D C$#U$21&I2 P C'2U$21&I2PC$%U$21&I2PPC$$U$21&I2
S)" D 2#1'
2 4aria!in entre los di?erentes tratamientos o 4aria!in entre m=estras o varia!in entre programa
1> programa 2 y programa %
E9E)"/ ,E .0 ME,20 ,E )0,0 "30"0M2E6"/ 3ESPE)"/ 0 .0 ME,20 ;E6E30.
S)"3 D &C'*# U $1%%%%I2 P #C$1 U $1%%%%I2 P #C$# U $1%%%I2
S)"3 D 6#'1
% 4aria!in dentro de =n tratamiento o m=estra o programa dado <=e no todos los empleados
dentro de =n mismo programa obt=vieron los mismos p=nta@es Se denomina 4aria!in dentro de los
tratamientos
40320)2+6 ,E6"3/ ,E. "30"0M2E6"/ / 40320)2+6 ,E. E33/3
)0,0 40./3 3ESPE)"/ 0 .0 ME,20 ,E S- "30"0M2E6"/
SCE ? SCT G SCTR ? "M>
Pgina 11$ de 12*
2
1 1
) (

c
j
r
i
X Xij SCT
2
1
) ( X X r SCT( j
r
j
j

2
1 1
) ( j
c
j
ij
r
i
X X SC

2006
6. :RADOS DE LIBERTAD
;rados de libertad totales D n U 1 D 1&U1 D 1%
;rados de libertad de los tratamientos D ! U 1 D % U 1 D 2
;rados de libertad del error D gl "otales U gl "ratamientos D 1% U 2 D 11
gl S)" D gl S)"3 P gl S)E
gl S)E D gl S)" U gl S)"3 D Cn U1I U C! U 1I D n U!
7. CUADRADOS EDIOS +S=ma )=adrados( ;rados libertadI
)M" D )=adrado medio total D S)" ( CnU1I D 1*&
)M"3 D )=adrado medio del tratamiento D S)"3 ( C! U1I D %2*
)ME D )=adrado medio del error D S)E( gleD 16*
>. ESTADSTICO DE PRUEBA <& Y ESTADSTICO < CRTICO DE AL<A
9! D )M"3 ( )MED >.@ABCADDB2
)l!=lo de 9 !on EL!el
D,2S"39264C0.90> ;. "3> ;. E33I D,2S"39264C00#> 2> 11I D %*$22*'*#'
JO RECFALAR
LOJA DE
RECFALO
D#s)*. F
)omo 9! es menor a 9al?a no se re!haKa 5o y las medias son ig=ales
B. #ALOR P DE <&
P D distr?C9!> gl S)"r> gl S)EI D distr?C1*&6> 2> 11I D 0.>88@80@@
)omo P es mayor a al?a no se re!haKa 5o
CONCLUSION0 6/ 507 S-92)2E6"E E42,E6)20 P030 3E)50:03 5/> .0S ME,20S ,E ./S
"30"0M2E6"/S S/6 2;-0.ES
TABLA DE ANO#A
9-E6"E ,E 40320)2+6 S-M0 ,E ;30,/S ,E )-0,30,/
)-0,30,/S .28E3"0, ME,2/ 40./3 9
Entre m=estras CtratamI S)"3 !U1 )M"3 )M"3()ME
,entro de m=estras CerrI S)E nU! )ME
4aria!in total S)" nU1 )M"
Pgina 11* de 12*
c n c ador deno gl numerador gl alfa
F F

, 1 , mi, . , . ,
2006
3egla: 6o re!haKar si la 9 de la m=estra es menor <=e la 9 de EL!el para =na !ierta al?a
USO DE EDCEL0
En el menM herramientas sele!!ione la op!in A*.lisis $e $atos> en ?=n!iones para anlisis
sele!!ione A*.lisis $e varia*4a $e u* /a&tor
En 3ango de entrada sele!!ionar la matriK de datos Ctodas las !ol=mnas a la veKI
0l?a D 00#
En 3ango de salida indi!ar la !elda donde se ini!iar la presenta!in de res=ltados
RESU!EJ A%@.#s#s "e A$*#$%<$ "e ,% B$+)(*
Grupos Cuenta Suma Promedio Varianza
P*('*$9$ 1 4 320 10 32.666665
P*('*$9$ 2 40 11
P*('*$9$ 3 42 1 15
AJTLISIS DE 0ARIAJLA
Grados
de Promedio de
Variaciones
Suma
cuadrados libertad Cuadrados Fc
Probabilida
d F crtica
E%)*e '*,p(s 6.5142151 2 32.1514216 1.2431644 0.11235531 3.21222526
De%)*( "e
'*,p(s 116 11 16.20202021
T()$. 21.514215 13
USO DE INITAB
Stat E ANO#A E O*e Iay +U*sta&Ue$,
en 3esponses in separate !ol=mns 2ndi!ar las !ol=mnas de datos
En )on?iden!e .evel *#T
Sele!!ionar )omparisons "=_ey #T
/Z
!ne3;a= A"!.A: Programa 89 Programa :9 Programa >
Sou$6e *8 SS (S 8 -
8a6to$ 2 65.7 32.9 1.9 0.189
)$$o$ 11 186.0 16.9
7otal 13 251.7
S = .112 R-S? = 26.114 R-S?!ad@" = 12.674
<ndi+idual 954 ;<s 8o$ (ean 5ased on
-ooled St*e+
Le+el N (ean St*e+ ----A---------A---------A---------A-----
-$o.$ama 1 80.000 5.715 !------------'------------"
-$o.$ama 2 5 81.000 2.236 !----------'-----------"
-$o.$ama 3 5 85.000 .123 !-----------'----------"
----A---------A---------A---------A-----
Pgina 120 de 12*
2006
77.0 80.5 8.0 87.5
-ooled St*e+ = .112
NOTA0 Si los 2ntervalos de !on?ianKa se traslapan> las medias son ig=ales estadBsti!amente
7uBeC 954 Simultaneous ;onfiden6e <nte$+als
=ll -ai$0ise ;ompa$isons
<ndi+idual 6onfiden6e le+el = 97.94
-$o.$ama 1 su%t$a6ted f$om:
Lo0e$ ;ente$ Uppe$ --------A---------A---------A---------A-
-$o.$ama 2 -6.51 1.000 8.51 !------------'-----------"
-$o.$ama 3 -2.51 5.000 12.51 !-----------'------------"
--------A---------A---------A---------A-
-6.0 0.0 6.0 12.0
-$o.$ama 2 su%t$a6ted f$om:
Lo0e$ ;ente$ Uppe$ --------A---------A---------A---------A-
-$o.$ama 3 -3.025 .000 11.025 !-----------'----------"
--------A---------A---------A---------A-
-6.0 0.0 6.0 12.0
NOTA0 Si el !ero se en!=entra en el intervalo de !on?ianKa de la di?eren!ia entre medias> este par de
medias no son di?erentes
Pgina 121 de 12*
2006
E;ERCICIOS0
". )=atro !ataliKadores <=e p=eden a?e!tar la !on!entra!in de =n !omponente en =na meK!la
lB<=ida de tres !omponentes estn siendo investigado
Se obtienen las sig=ientes !on!entra!iones:
Catali4a$or
A B C D
7M.2 7>.3 7@." 72.N
7B.2 76.7 76.2 6N.N
7M.6 7B 77.6 7@
77.M 77.3 7".B
76.N
2. Para determinar si eListe di?eren!ia signi?i!ativa en el nivel de Matemti!as de & gr=pos de
est=diantes de 2ngenierBa se realiK =n eLamen aleatorio a 6 individ=os por gr=po ,etermine
!=ales son los gr=pos en los !=ales eListen di?eren!ias a =n *#T de nivel de !on?ianKa

A B C D
5 51 64
23 21 66 52
51 25 42 61
51 12 64 55
63 1 50 6
56 55 61 2
3. .as !ali?i!a!iones en el eLamen a 1$ empleados de tres =nidades de nego!io
Se m=estran a !ontin=a!in:
Probar si no hay di?eren!ia entre las =nidades a =n #T de nivel de signi?i!an!ia
0 8 )
$# '1 #*
'# '# 6&
$2 '% 62
'6 '& 6*
'1 6* '#
$# $2 6'
6. Probar si hay di?eren!ia en los tiempos de servi!io de & =nidades de nego!io para el mismo
servi!io a =n nivel de signi?i!an!ia del #T
0 8 ) ,
#& $' 111 **
'$ '& 10% 12$
#% *& *' 121
'& 101 10% 10$
$& *2 *2 11%
'% *$ $$ 11#
!DULO B. RE:RESI!N Y CORRELACI!N LINEAL
Pgina 122 de 12*
2006
So* dos herramientas para investigar la dependen!ia de =na variable dependiente 7 en ?=n!in de
=na variable independiente J 7 D ?CJI
7 D 4ariable dependiente <=e se desea eLpli!ar o prede!ir> tambiAn se llama regresor o resp=esta
J D 4ariable independiente> tambiAn se llama variable eLpli!ativa> regresor o predi!tor
3egresin lineal U .a rela!in entre J y 7 se representa por medio de =na lBnea re!ta
3egresin !=rvilinea U .a rela!in entre J y 7 se representa por medio de =na !=rva
0 S S
SS S S S S
S S S S
S 71 S S S S
S S S S
S S S S S S
70
C(**e.$+#8% p(s#)#A$ C(**e.$+#8% %e'$)#A$ &
S#% +(**e.$+#8%
L$ e+,$+#8% "e .$ *e+)$ es .$ s#',#e%)eU
El tArmino de error es la di?eren!ia entre los valores reales observados 7i y los valores estimados por
la e!=a!in de la re!ta Se trata de <=e estos sean mBnimos> para lo !=al se =tiliKa el mAtodo de
mBnimos !=adrados
Y
?

?
K
Se trata de minimiKar la s=ma de todos los errores o resid=os:
Pgina 12% de 12*
S
) ( A* /i /i siduo rror
2006
.as ?rm=las res=ltado de la minimiKa!in de lo !=adrados del error se apli!arn en el sig=iente
e@emplo por !laridad Se tienen los sig=ientes s=p=estos:
1 .os errores o resid=os se distrib=yen normalmente alrededor de la re!ta de regresin pobla!ional
2 .as varianKas de los errores son las mismas en todos los valores de J C5omos!edasti!idadI
en !aso !ontrario se tiene C5eteros!edasti!idadI
% .os errores o resid=os son independientes: 6o se m=estra alg=n patrn de?inido
El !oe?i!iente de )orrela!in r desarrollado por )arl Pearson es =n indi!ador de la ?=erKa de la
rela!in entre las variables J y 7> p=ede as=mir valores entre U1 y 1 para !orrela!in negativa y
positiva per?e!ta respe!tivamente Por e@emplo si se en!=entra <=e la variable presin tiene =na
!orrela!in positiva !on el rendimiento de =na !aldera> se deben b=s!ar sol=!iones al problema
mediante a!!iones aso!iadas !on la variable presinS de lo !ontrario> serBa ne!esario b=s!ar la
sol=!in por otro lado
Se identi?i!an tres medidas de desvia!in !omo sig=e:
Y
Yes) / 4.4 + 1.01 K
Y# / 23 ?
DesA#$+#8% %(
eCp.#+$"$
E**(* / >Y# - Yes)? /
1.32
0$*#$+#8% )()$.
>Y#-
Y9e"#$?/.13 DesA#$+#8 eCp.#+$"$
>Yes)-Y9e"#$? / 3.11
Y9e"#$ /15.15
K / 16 K
Pgina 12& de 12*
2006
E1em'lo0 Se sospe!ha <=e el tiempo re<=erido para ha!er =n mantenimiento preventivo est
rela!ionado !on s= nMmero )al!=lar el !oe?i!iente de !orrela!in y gra?i!ar .os datos de tiempo
tomados para * ? 27 servi&ios se m=estran a !ontin=a!in:
J Servi!ios 7 "iempo CJiUJIWC7iU7I CJiUJIm2 C7iU7Im2 7est Error
2 **# 11*0'66'2 %$*%'6 %6&1#%% 10*1** 0*&0$
$ 2&&# 10**$'2 00#'6 210021 2$%%62 1#1022
11 %1'# '&**&'2 '61'6 '%$%2 %'0&&% 2$02*2
10 %#00 10#022'2 %0*'6 %#60'# %&1&16 0'%6*
$ 2#02 0*6%0'2 00#'6 161026 2$%%62 10**6*
& 16$6 #16126'2 1'*''6 1&$1''1 16'2#% 001$1
2 1&%$ *1&%%&'2 %$*%'6 21&'0&# 10*1** 11*'21
2 *60 1212606'2 %$*%'6 %''6%%' 10*1** 1'&22
* 2&%# U%##$*2$ 0#''6 21*2$6 %12%$* &'&#6%
$ 2'#0 0%6'$'2 00#'6 2%&*# 2$%%62 06**1
& 1'0$ #06'*$'2 1'*''6 1&2$6*& 16'2#% 012#$
11 %'00 21*$*&'2 '61'6 6%&'6% %'0&&% 00020
12 &1*# &$#6$6'2 1&1%'6 166$#&1 %**&'0 &0121
2 1166 10$&062'2 %$*%'6 %01$1&2 10*1** 0#&''
& 216# %1%0%0'2 1'*''6 #&#0#' 16'2#% 2&2#2%
& 1'$* &'2&#&'2 1'*''6 12&1620 16'2#% 1%#6&
20 6*00 &'001&2'2 1%$2*'6 1>#*'%''1 6%16$6 %&00#2
1 10%0 1%#62#&'2 #2&1'6 %#0*1'$ $01'2 #2111
10 %&*% 10%'*0'2 %0*'6 %&'''0 %&1&16 06216
1# &6#* 11$6$66'2 &#6*'6 %0$2##% &$6##1 &26&6
1# &&$$ 10'12'0'2 &#6*'6 2#11%%' &$6##1 1&2#12
16 #&12 1*&6'66'2 6021'6 62*%6'6 #1##'$ 6#6&*
1' #66% 2&1'#1&'2 '6'%'6 '6160#& #&&60# &'06$
6 221% 1#&622'2 #01'6 &'6&$6 22#%0' 01606
# 211# 2##&02'2 10&*'6 621%$# 1*62$0 2%16&
206 '2#$2 2>02''1%2 6*$#600 6>10#*&&' 2200*26
SLy SLL Syy D SS" SSE
J promedio 7 Promedio
SLy SLL Syy

Si todos los p=ntos est=vieran !ompletamente sobre la re!ta la e!=a!in lineal serBa
y ? a V (O )omo la !orrela!in no siempre es per?e!ta> se !al!=lan a y b de tal ?orma <=e se
minimi!e la distan!ia total entre p=ntos y la re!ta .os !l!=los tomando las s=mas de !=adrados
sig=ientes se m=estran a !ontin=a!in:
SLy D 202''1
SLL D 6*$#6
Syy D 610#*&
.as e!=a!iones para el !l!=lo man=al son las sig=ientes:
Pgina 12# de 12*
2006
XX
X/
S
S
X Xi
/ /i X Xi
b
2
1 1
) (
) )( (
D 2.202504421
X /
n
X /
b
i i
1
0 0

D .11415
.as s=mas de !=adrados son:

2
) ( / / SST
i 6;10.2445

+
2 2
)) S 1 ( ( )
(
i i i i
X b bo / / / SS
220.0226
SS SST SS( #>$$#$#21
El !oe?i!iente de determina!in r
2
y el !oe?i!iente de !orrela!in r se !al!=lan a !ontin=a!in:
SST
SS(
SST
SS SST
SST
SS
r

) (
1
2
D 0*6%*
El !oe?i!iente de determina!in indi!a el por!enta@e de la varia!in total <=e es eLpli!ada por la
regresin
2
r r
D 0*$16
El !oe?i!iente de !orrela!in propor!iona el nivel de a@=ste <=e tienen los p=ntos a la lBnea re!ta
indi!ando el nivel de in?l=en!ia de =na variable en la otra El ?a!tor de !orrela!in r es =n nMmero
entre V1 C!orrela!in negativa evidenteI y P1 C!orrela!in positiva evidenteI> y r D 0 indi!arBa
!orrela!in n=la
El !oe?i!iente de !orrela!in r D 0*$ por lo !=al tenemos s=?i!iente eviden!ia estadBsti!a para
a?irmar <=e el tiempo de aten!in esta rela!ionado !on el nMmero de servi!ios atendidos
USO DE EDCEL
1 En el menM =erramie*tas sele!!ione la op!in A*.lisis $e $atos ,atos de e@emplo 6
2 Sele!!ione la op!in Regresi)*
% Sele!!ione el rango de entrada> estos !orresponden a los datos n=mAri!os de la tabla
& Sele!!ione 3es=men de estadBsti!as
# En op!iones de salida sele!!ione en 3ango de salida> =na !elda de la ho@a de !al!=lo <=e
este en blan!o C a partir de est !elda sern insertados los res=ltadosI
3es=men
#stadEsticas de la re'resi/n
)oe?i!iente de !orrela!in
mMltiple 0*$1$11''$
)oe?i!iente de 0*6%*#&%6$
Pgina 126 de 12*
2006
determina!in 3m2
3m2 a@=stado 0*62%$'16'
Error tBpi!o %0*%&1*62'
/bserva!iones 2#
06r.2S2S ,E 403206:0 S=ma de Promedio de

+rados de
libertad Cuadrados cuadrados F
Falor crEtico
de F
3egresin 1 #$$#$#206* #$$#$#206* 61#0$00$*$ &2&11$EU1$
3esid=os 2% 2200*26%&$ *#6*2&&**2
"otal 2& 610#*&&'0&
Coeficientes #rror tE"ico #stadEstico t .robabilidad <nferior @D%
2nter!ep!in #11&#1##'# 11&#$0&12' &&6%6*100& 00001''21# 2'&&2%*161
JServi!ios 2*02'0&&21 011'0&0'1* 2&$00$0$2# &2&11$EU1$ 2660#$'2&*
En la gr?i!a observamos <=e al a=mentar el nMmero de servi!ios el tiempo de aten!in a=menta
USO DE INITAB
Para determinar la ?=n!in de regresin y !orrela!in en Minitab se sig=en los pasos sig=ientes
Cdesp=As de !argar los datos !orrespondientes a J y a 7 en las !ol=mnas )1 y )2I:
Stat ERegresi)* 2ndi!ar la !ol=mna de 3esp=estas 7 y la de predi!tores J y a!eptar !on
/Z /bservar el valor del !oe?i!iente de !orrela!in y de determina!in
Para obtener la lBnea de me@or a@=ste de la regresin> se pro!ede !omo sig=e en Minitab:
Stat E<itte$ Li*e Plot 2ndi!ar la !ol=mna de 3esp=estas 7 y la de predi!tores J>
sele!!ionar si se <=iere a@=star !on los datos !on =na lBnea> =na ?=n!in !=adrti!a o !Mbi!a
y a!eptar !on /Z /bservar el mayor valor del !oe?i!iente de !orrela!in <=e indi!a el me@or
a@=ste
Pgina 12' de 12*
2006
E* O'tio*s: sele!!ionar ,isplay )on?iden!e Cpara media en JI y Predi!tion 2ntervals para J
E* :ra'As: Sele!!ionar 3esid=al ?or plots StandardiKed y 6ormal Plot o? resid=als
.a gr?i!a de resid=os debe apegarse a la re!ta y tener siempre =n valor P val=e ]00#
* Ser+icios
,

T
i
e
m
p
o
20 15 10 5 0
70
60
50
40
30
20
10
0
S 3.09342
:-SE 96.4D
:-SEBad3C 96.2D
:ere,,$on
95D =<
95D P<
Fitte" -ine Plot
8 4$em5o % 5.115 F2.903 @ Serv$#$o,
-egression Anal=sis: 0 *iempo versus & Servicios
71e $e.$ession e?uation is
D 7iempo = 5.115 A 2.903 2 Se$+i6ios
S = 3.0932 R-S? = 96.4 R-S?!ad@" = 96.24
=nalCsis of #a$ian6e
Sou$6e *8 SS (S 8 -
Re.$ession 1 5885.85 5885.85 615.08 0.000
)$$o$ 23 220.09 9.57
7otal 2 6105.9
.a regresin tiene =na rm2 de *6&T y la in?l=en!ia de =na variable J en 7 es signi?i!ativo
.os i*tervalos $e &o*/ia*4a para la media y el i*tervalo $e 're$i&&i)* para =n p=nto espe!B?i!o J
son los sig=ientes:
Pgina 12$ de 12*
2006
E;ERCICIOS0
1 .a energia !ons=mida en =n pro!eso depende del a@=ste de m<=inas <=e se
reali!e> realiKar =na regresin !=adrti!a !on los datos sig=ientes y responder las preg=ntas
C(%sDe%e*'-$
AM,s)e
!@6.
0 &
21.6 11.1
4 1.5
1.1 11.2
1 12.4
1 21.4
0.1 21.5
3.1 2.3
5.4 26.4
4.3 26.5
36.2 22.1
aI "raKar =n diagrama de dispersin
bI /btener la e!=a!in de regresin lineal y !=adrti!a y !omparar
!I Estimar el !ons=mo de energBa para =n a@=ste de m<=ina de 20 !on regresin !=adrti!a
dI /btener los intervalos de predi!!in y de !on?ianKa para
=n a@=ste de m<=ina de 20
eI /btener el !oe?i!iente de !orrela!in y de determina!in
2 En base al por!enta@e de p=nt=alidad se trata de ver si hay !orrela!in !on las <=e@as en =na lBnea
aArea .as <=e@as son por !ada 100000 pasa@eros
Hp,%)(s Q,eM$s
Ae*(.#%e$ K Y
A 11.1 0.21
B 56.6 0.1
C 56.6 0.1
D 5.5 0.61
E 53.1 0.54
F 52.2 0.23
E 50.1 0.52
F 61. 1.22
aI "raKar =n diagrama de dispersin
bI /btener la e!=a!in de regresin lineal
!I Estimar las <=e@as para =n por!enta@e de p=nt=alidad de $0T
dI /btener los interalos de predi!!in y de !on?ianKa para =na alt=ra de 6%N
eI /btener el !oe?i!iente de !orrela!in y de detemrina!in
Pgina 12* de 12*

Curso Estadistica Probabilidad

Caricato da

Informazioni sul documento

Titolo originale

Copyright

Formati disponibili

Condividi questo documento

Condividi o incorpora il documento

Opzioni di condivisione

Hai trovato utile questo documento?

Questo contenuto è inappropriato?

Copyright:

Formati disponibili

Curso Estadistica Probabilidad

Caricato da

Copyright:

Formati disponibili

CFE - CURSO TALLER DE ESTADISTICA Y PROBABILIDAD P. Reyes / Sep.

CFE - CURSO TALLER DE ESTADISTICA Y PROBABILIDAD P. Reyes / Sep. 2006

Para la distrib=!in normal debe ser 0

Para la distrib=!in normal debe ser 0

E1em'lo "0 .a probabilidad de <=e salga 2 al lanKar =n dado es:

E1em'lo 20 .a probabilidad de lanKar =na moneda y <=e !aiga !ara es:

E1em'lo 30 .a probabilidad de sa!ar 1>2>%>&>#> o 6 al lanKar =n dado es:

E1em'lo >. Las raKones de <=e@a en prod=!tos se m=estran a !ontin=a!in:

PC8(:I D C& L 01I( C6 L 20 P& L 01I D 0%2

4A77': D' 'S4AD;S4<=A 8 P:!>A><7<DAD P. :'8'S ? S'P4.

4A77': D' 'S4AD;S4<=A 8 P:!>A><7<DAD P. :'8'S ? S'P4.

!on J D 0> 1> 2> ^

P D probabilidad de ALito en =n solo intento

entre algMn valor J y la media de la "oblaci/n

Para !al!=lar el valor de : =samos la sig=iente ?rm=la

Paso % Estable!er la regin de re!haKo> para pr=eba de 2 !olas: 2 2

> podemos !ombinarlas para prod=!ir =na sola

Para el !l!=lo de los grados de libertad =tiliKamos:

)onsidArese <=e se toman dos m=estras aleatorias de tamaOo n

.a estadBsti!a de pr=eba para

Pgina 10* de 12*

Se =tiliKa el estadBsti!o de pr=eba :

.a tabla @iU !=adrada C

1I Plantear las hiptesis:

&I )al!=lar el valor del estadBsti!o de pr=eba

$I )riterio de de!isin: si el valor !rBti!o k valor del estadBsti!o de pr=eba re!haKamos 5o

JQ9e*( "e $,se%+#$s Ap*(7$"( J( $p*(7$"( T()$.

.a tabla sig=iente nos ay=da a organiKar los !l!=los para el estadBsti!o

SLy SLL Syy

Potrebbero piacerti anche

JQ9e( "e $,se%+#$s Ap(7$"( J( $p*(7$"( T()$.