Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
1
Objetivo : Conocer y aplicar las reglas y leyes que rigen el cálculo de probabilidades
2
UNIDAD 2.0: CALCULO DE PROBABILIDADES
Certeza Absoluta
Imposibilidad
Absoluta
El primer suceso que muera un hombre algún día. Evidentemente esta probabilidad es
100%, es decir certeza absoluta. El segundo suceso: que salga 7 al tirar un dado.
Un dado normal tiene seis caras marcadas de 1 a 6 es absolutamente imposible que quede el
siete en su cara superior. Por lo tanto su probabilidad es cero.
Cualquier otro suceso quedaría ubicado entre estos extremos. Ningún suceso puede tener
una probabilidad superior a 100% ni inferior a 0%.
El tercer suceso: que salga cara al tirar una moneda al aire ser 50%. (una en dos) y así se
dan los otros puntos intermedios de probabilidades como lo es el ejemplo cuarto: que salga
K en un naipe de 52 cartas, es 7,8%, en efecto un naipe está compuesto por 52 cartas y
dentro de ellas sólo 4 están marcadas con la letra K con lo que resulta cuatro en cincuenta
3
y dos, es decir, 7,8 % y así se pueden calcular todos los puntos dados en la escala de
probabilidad.
P = K/ N
P = 12 = 0,324 = 32,4%
37
0 p 1 00%
0 P 1
Digamos por último que todos los ejemplos dados son sucesos simples, es decir que se
impone una única condición. Para calcular la probabilidad de sucesos compuestos
debemos recurrir a las reglas de adición y multiplicación de probabilidades.
"La Probabilidad de que ocurra un suceso compuesto de dos o más sucesos que se excluyen
entre si, es igual a la suma de las probabilidades de cada uno de estos sucesos”.
El enunciado del problema pide la probabilidad de uno o de otro suceso. Por ello también
es llamada regla o –o.
4
En nuestro ejemplo obtener 4 o 5 la probabilidad sería:
P4 = 1 = 0,167 = 16,7%
6
p5 = 1 = 0,167 = 16,7%
6
p4 o5 = p 4 + p5 = 2 = 33,3%
6
Otro ejemplo : Un lote de piezas contiene 5% de las mismas es defectuosa. Al sacar una
pieza, calcule la probabilidad de que sea defectuosa o que sea buena.
Probabilidad defectuosa = 5%
Entonces pd + pb = pd o b
Este resultado es el esperado, pues entre buenos y los defectuosos tenemos la totalidad de
los casos o sea, certeza absoluta, el 100%..
Observemos que en estos casos (sucesos que se excluyen entre si) la probabilidad total es
mayor ( a lo sumo igual) que la mayor probabilidad de los sucesos que intervienen.
p T pi
Argentinos 6 hombres
Brasileros 3 hombres
Españoles 5 hombres
Estadounidenses 1 hombre
Ingleses 4 hombres
Mejicanos 2 hombres
Peruanos 1 hombres
N=25
De estos 25 hombres se debe elegir uno, suponiendo que todos están en igualdad de
condiciones, calcule:
5
a) que el electo sea europeo
b) que hable castellano
c) que sea norteamericano
d) que hable inglés
e) que sea sudamericano
Soluci6n:
Pe = 5 = 0,20
25
pi = 4 = 0,16
25
P a + pe + p m + pp =
6 + 5 + 2 + 4 = 0,68
25 25 25 25
c) Que el electo sea norteamericano. Debe ser estadounidense o mejicano.
pn + pm = 1+ 2 = 0,12
25 25
pn + pi = 1 + 4 = 0,20
25 25
pa + pp + pb =6+4+3 = 0,52
25 25 25
Consideremos el siguiente ejemplo: Se tiran dos dados normales, uno rojo y otro azul. Cuál
es la probabilidad de obtener 4 en el dado rojo y 5 en el dado azul?
Este es un caso diferente a los anteriores, si sale 4 en el rojo nada impide que salga el 5 en
el azul. Son acontecimientos independientes entre si, no se eliminan uno al otro. Para estos
casos aplicamos la regla del producto o regla y-y que dice:
6
"La probabilidad de que ocurra un suceso compuesto de dos o más sucesos que no se
excluyen entre si, es igual al producto de las probabilidades que tiene cada uno de estos
sucesos".
P4 = 1 = 0,167 = 16,7%
6
p5 = 1 = 0.167 = 16,7/Y.
6
p4 y 5 = P4 x P5 = 1 x 1 = 1 = 2,78%
6 6 36
Ejemplo Un tirador (A) acierta en el blanco el 80% de sus tiros. Otro tirador (B) acierta el
60% de sus tiros. Si ambos disparan simultáneamente sobre el mismo blanco, calcule la
probabilidad de que ambos acierten en el blanco simultáneamente.
pA = 80% = 0,8
pB = 60% = o,6
En estos casos la probabilidad total es menor que la menor probabilidad de los sucesos que
intervienen.
pT p i
7
El cálculo de probabilidad suministra informaci6n “a priori" de un hecho determinado y no
tiene valor una vez ocurrido el hecho.
Si sale 4 en el rojo nada impide que salga 5 en el azul. Le corresponde la regla y-y. Lo
mismo ocurre para 4 en el azul y 5 en el rojo.
Si sale 5 en el azul no puede salir 4 en el azul. Por lo tanto le corresponde la suma de las
probabilidades de cada uno de estos sucesos compuestos.
P4 = 1 = 0,167
6
P5 = 1 = 0,167
6
P4 o 5 = 1 x 1 = 0,0278
6 6
P5 o4 = 1 x 1 = 0,0278
6 6
Ejemplo: Se tiran los dados normales. Calcule la probabilidad de obtener 9 como la suma
en sus caras superiores.
P T = P 3 y 6 + P4 y 5 + P5 y 4 + P6 y 3
P 3y6 = P3 x P 6 = 1
36
8
Ejemplo: Se sabe que en un lote contiene 5%, de unidades defectuosas. Si se toma una
muestra de 2 unidades calcule la probabilidad de hallar una buena y la otra defectuosa.
Supongamos que tomamos con la mano izquierda la primera y con la derecha la segunda.
Se pueden obtener los siguientes resultados, buena y defectuosa o defectuosa y buena.
PT = ( Pb x Pd + (P d x Pb)
y como Pd = 5%
y Pb = 95%
En forma general tomando una muestra de un lote que contiene p%. defectuosas, la
probabilidad de encontrar k defectuosos en las n unidades de la muestra se puede calcular
por la ley binomial.
En los ejemplos anteriores no hablamos del tamaño del lote ni que se hacía con las unidades
que se retiraban.
Pb = 19 = 95%
20
y la de unidades defectuosa
9
Pd = 1 = 5%
20
Ahora calculemos la probabilidad sin reposición. Puede ocurrir que la unidad extraída sea:
1) buena – defectuosa o
2) defectuosa - buena
Para el caso (1) puesto que no reponemos las unidades extraídas, resulta:
P1 = 19 x 1 = 0,05%
20 19
PT = P1 + P2 = 0,1 = 10%
Como hemos visto los resultados varían cuando se considera con o sin reposición.
Propongámonos hacer el mismo cálculo haciendo el lote ahora igual a 200 Unidades.
Es fácil comprobar que la probabilidad con reposición es la misma que hemos calculado
antes; pero calculemos la probabilidad sin reposición.
Ejemplo: El 5% de 200 es 10, esto quiere decir que en el lote existen 10 unidades
defectuosas y 190 buenas. Entonces la probabilidad de buena - defectuosa es:
P1 = 190 x 10 = 4,77%
200 199
P2 = 10 x 190 = 4,77%
200 199
10
Este resultado no difiere mucho del resultado con reposición.
Es decir, que se establece una ley, lo cual no significa que los fenómenos son
efectivamente como la ley dice, sino que no hay razones para suponer que no
responden a la ley establecida. Cuando encontramos que existen diferencias significativas"
entre la realidad y la ley formulada, desechamos la ley y la reemplazamos por otra. La
realidad puede diferir bastante, pero de acuerdo a los métodos de comprobación
disponibles, todo se comporta como si respondiera a dicha ley.
Por las características propias de los procesos industriales, la mayoría de ellos responden a
la curva de Gauss, que es una distribución teórica, razón por la cual trataremos de estudiarla
parcialmente, con el objeto de poder resolver los problemas que encontramos en Control
de Calidad.
1
2
X X 2
1
Y e 2
2
Donde:
Y= Es la función de la distribución
= 3.1416
e= 2,7172 base de los logaritmos naturales
X= Es la variable en cuesti6n
X = Media aritmética
= Raíz cuadrada de la varianza
11
Si observamos la expresión de Gauss, vemos que la curva tiene un sólo mínimo, el cual
corresponde a la abscisa x = x . Además la curva se halla en su totalidad en el semi
plano correspondiente a las ordenadas positivas, y se hace asíntota al eje de las abscisas en
ambos extremos.
El diagrama resulta simétrico a un eje perpendicular al de las abscisas que pasa por
x= x
y Y
Punto de
inflexión
X=X
Es decir, la superficie total encerrada por la curva y el eje de las abscisas, es unitaria,
cualesquiera sean los valores de x y la superficie total bajo la curva, es siempre uno.
Por otra parte, digamos que la curva tiene dos puntos de inflexión equidistantes de la
abscisa x x y que esa distancia medida sobre el eje de las x es justamente un .
El área total limitada por la curva y el eje X es uno; de aquí que el área bajo la curva entre
dos valores de variable X, representa la probabilidad de que se encuentre entre estos dos
valores de la variable X.
(x x)
z
1/2 . Z 2
Y = 1 e
2
En este caso se dice que Z se distribuye normalmente con media cero y varianza uno.
12
Un gráfico de esta curva normal tipificada se muestra a continuación.
-3 -2 -1 0 1 2 3 Z
En este gráfico se han indicado las áreas incluidas entre Z:= -1 y +l; Z= -2 y +2; Z= -3
y +3, que son respectivamente, el 68,27%; 95,15% y 99,73% del área total bajo la curva
que vale 100.
(x x)
z
a) Z = 60 - 72 = 12 = 0,80
15 15
b) Z = 93 - 72 = 21 = 1,40
15 15
c) Z = 72 - 72 = 0
15
13
No tiene significado el obtener valores de áreas negativas.
La influencia de cada uno de estos parámetros se puede apreciar en los siguientes, donde se
han representado dos familias de curvas , una para x constante y x variable.
1
X1= X2 = X3
1 2 3
2
X1
1 2 3
X1 X X 2 3
1= 2 = 3
X1 X2 X3
De los gráficos se deduce que cuanto menor sea menos dispersos estarán los valores y
viceversa, mientras que x nos define la posición de la distribución del total de
observaciones o universo o población.
14
De lo dicho, resulta importante conocer la x y del universo que estamos analizando,
pero la única manera de solucionar el problema es estimarlo a partir de muestras, los
valores más probables de los verdaderos parámetros del universo.
La mediana es también una buena estimación de la media del universo, pero su entorno de
variación, para muestras de igual tamaño es mayor que el de la media de las observaciones.
La media y la mediana de las observaciones, tiene mayor probabilidad de ser la media del
universo, cuanto mayor sea el tamaño de la muestra.
Para encontrar la mejor estimación de se debe distinguir, cuando tomamos muestras, dos
dispersiones: la dispersión de las observaciones alrededor de la media de la muestra y la
dispersión de las medias de las muestras alrededor de la media del universo. Considerando
las dos dispersiones mencionadas, resulta que es sólo la dispersión interior de la muestra.
La expresión de sería:
(x x) 2
n
Para estimar correctamente es necesario, hacer uso de las propiedades de la varianza, con lo
que resultaría que a la varianza de la muestra ( 2) habrá que sumar la varianza de las
medias uso de las propiedades de la varianza, con lo que resultaría que a la varianza de la
muestra x . Esta varianza de las medias guarda la siguiente relación con la varianza
2
del universo.
x2 2
n
15
(x x)
2
=
*
n 1
A pesar de ello, nosotros seguiremos usando como estimado de del universo por una
razón de unificación y con el objeto de poder usar tablas más difundidas.
n 1
n
x2 x2
dP = ydx
x1 x1
donde y, es la œunción de distribución. La integral propuesta representa la superficie
achurada de la gráfica.
X1 X2 X
16
Para cada par de valores de x y debemos resolver la integral siguiente:
x2 ( X X )2
x1
1
2
e 2 2
dx
z ( x x )
por lo tanto dz dx
z2
z2
z1
1
2
e 2
dz
z2
A 1
2 e 2 dz
En la tabla anexa, "Area bajo la curva para una distribución normal, se encuentran
tabulados los distintos valores de Z, y áreas correspondientes.
X = 200 g
= 1g
Se desea saber:
a) Cual es la frecuencia de piezas cuyos pesos están comprendidos entre 200 y 201 gramos.
17
Para resolver este tipo de problema, es conveniente que el alumno realice un pequeño
diagrama con valores de forma tal, que visualice que es lo que se propone calcular:
200 201
z xx
= 200 201
1 1
Según la tabla para z = 1 el área es 34,1%. Entonces el 34% de las piezas pesan entre 200
y 201 g.
Ejemplo: Encontrar el área bajo la curva normal en cada uno de los siguientes casos.
Utilizar la tabla área bajo la curva.
a) Entre Z = 0 y Z = 1,2
0 1,2
b) Entre Z = -0,68 y Z = 0
- 0,68 0
18
Por simetría, área pedida = área entre Z = 0 y Z = 0,68.
Se procede igual que en el punto a).
El resultado 0,2518 es el área pedida y representa la probabilidad de que Z esté entre - 0,68
y 0.
- 0,46 0 2,21
0,81 1,94
- 0,6 0
19
= ( 0,5 - 0,2258 ) = 0,2742
f) A la derecha de Z = -1,28
- 1,28 0
- 1,44 0 2,05
20
2.2.4 Relación entre parámetros y tolerancia
Ejemplo : El entorno permitido para volúmenes de llenado en una bebida de 250cc + 2,5
cc.
Los parámetros para un proceso pueden ser cualesquiera, y otro tanto ocurre con los valores
prescriptos (valor nominal y discrepancia), que no guardan entre si ninguna relación a
priori. Las relaciones que buscamos, son aquellos que deberían guardar entre si para no
producir unidades defectuosas.
21
La solución es adoptar un valor de , pequeño para que el desecho sea despreciable. Se
aconseja hacer 3 , con lo cual la fracción de unidades fuera de tolerancia será del
orden del 0,2%.
Esta ley es apropiada para el cálculo de probabilidades con reposición y tiene utilidad en el
campo del control de calidad.
p + q = 1
También resulta claro que la probabilidad de tomar una pieza defectuosa será
Pd = p
Para hacer más sencilla la explicación tomemos un ejemplo; supongámos que queremos
saber probabilidad de encontrar 2 unidades defectuosas en una muestra compuesta de 5
unidades, tomada de un lote cuya fracción defectuosa es p.
Al tomar 5 unidades puede ocurrir varios resultados, pero sólo tomaremos en cuenta
aquellos en los cuales aparecen 2 unidades defectuosas y 3 buenas. Podría ocurrir que la
secuencia diera el siguiente resultado.
22
psecuencia = P x P x q x q x q = P2 x q3
Pero como esta secuencia no es la única, también puede darse alguna de las secuencias
siguientes, las cuales son todas diferentes entre si:
Observemos que si ocurre una de las sucesiones dadas (por ejemplo ddbbb) no puede
ocurrir otra (por ejemplo bbbdd), lo cual nos indica que las distintas sucesiones se eliminan
entre si, es decir, que debemos sumar las probabilidades de todo los ordenamientos (regla
o- o).
La probabilidad en cada una de las sucesiones es igual, por lo tanto la probabilidad total
corresponderá a la probabilidad de una sucesión multiplicada por el número de
ordenamientos o sucesiones . Así como en nuestro ejemplo existen 10 sucesiones u
ordenamientos distintos, la probabilidad total será :
pT = 10 p sucesiones = pk
pk = 10 p2 q3
n unidades
p sucesión = p p p p p.........q q q....q = pk qn-k
k defectuosa (n-k) buenas
n
La cantidad de ordenamientos distintos viene dada por el número combinatorio k
cuya expresión es:
n n! 1 2 3 .....n
k =
k! (n k )! 1 2 3 ...k 1 2 3 ...( n k )
23
n
Pk = k pk qn-k
Por lo tanto:
5!
p 2 q (5 2)
Pk = 2! (5 2)!
1 2 3 4 5 2 3
Pk = p q 10 p 2 q 3
1 2 1 2 3
n! n!
(q + p ) n = qn + n p q (n-1) + p 2 q n2 + ........+ ......
(n 2)!2! k! (n k )!
n! n2
+ (n 2)!2! p q 2 np n 1 q p n
Si sumamos todos estos términos, la probabilidad resultante debe ser igual a 1, puesto que
estamos sumando las probabilidades de todos los casos posibles (desde cero defectuosos).
q=1-p
24
(q + p) n = (1 – p) + p n
= (1-p+p )n = 1
15 6 1 11
Ptotal =
64 64 64 32
2. 4 Distribuci6n de Poisson.
n!
pk p k q n k
k! (n k )!
25
1 k
1
pk n n
np
p k 1 q
Ahora supondremos que n tiende a un valor muy grande ( ) que p tiende a un valor
muy chico (p 0 ) y que el producto np permanece constante.
Estas son las hipótesis que tomamos como punto de partida para obtener la ley de Poisson,
con las cuales en la expresión anterior ocurre que:
k 1
0 0 q (1 p ) 1
n n
quedando entonces:
pk np
p k 1 k
np
p k 1
Por lo tanto pk = k
P1 = np p0
(n np ) n
P0 =
nn
Quedando p0 = e –np
np
p k 1
Recordando que pk = k
(np ) k np
Podemos escribir pk = k!
e que corresponde a la Ley de Poisson.
26
27
28
29