GESTIÓN Y CONTROL

DE CALIDAD
Distribución normal
Distribuciones de probabilidad
■ Existen diversas distribuciones de probabilidad
■ Se usan para analizar poblaciones de variables continuas
■ El tamaño muestral de un histograma crece
■ El intervalo de clase se vuelve cada vez más pequeño
■ Si el tamaño de la muestra es grande, y el intervalo de clase
muy pequeño, el histograma tendrá la apariencia de una curva
La distribución normal
Un tipo de población que es bastante
común sigue el comportamiento de la llama
curva normal, campana de Gauss o
distribución de Gauss
Características:
■ Simétrica
■ Unimodal
■ Forma de campana
■ La media, la mediana y la moda tienen
el mismo valor
– una gran cantidad de los datos se
agrupan alrededor de la media
 La distribución normal
Propiedades:
■ El área total bajo la curva normal evaluada de - hasta + es igual a
1.
■ La curva normal es simétrica: el área a la derecha y el área a la
izquierda de la media aritmética son iguales.

1 𝑥𝑥−µ 2
−
𝑓𝑓 𝑥𝑥 = 𝑒𝑒 2σ2
σ 2π
La distribución normal
■ Esta distribución puede estandarizarse
Z = valor normal estándar
𝑥𝑥𝑖𝑖 − µ Xi = valor individual
𝑧𝑧 = μ = media
σ σ = desviación estándar poblacional
■ La curva queda perfectamente determinada cuando se
conocen los parámetros μ y σ
■ Las técnicas usadas en el cálculo de probabilidades a partir
de curvas unimodales, pueden ser usadas en otras curvas
aunque estas no sean normales.
La distribución normal
■ Existe una regla empírica de probabilidad normal que dice
que entre ± σ se encuentra el 68.3% de los datos, entre ±2 el
95.5% de los datos y entre ±3 el 99.7% de los datos.
■ Si un conjunto de datos cumple aproximadamente con esta
regla se dice que tiene una alta probabilidad de distribuirse
normalmente
La distribución normal
A cada valor de μ y σ se
obtiene una distribución
distinta
■ Diferentes medias, la
misma desviación

■ Diferentes desviaciones
para la misma media
La distribución normal
■ Es necesario estandarizar para utilizar una curva normal
estándar
■ Permite usar tablas estadísticas para calcular la probabilidad
en vez de integrar la función

1 𝑥𝑥−µ 2
−
𝑓𝑓 𝑥𝑥 = 𝑒𝑒 2σ2
σ 2π
 La distribución normal
1 𝑥𝑥−µ 2
−
𝑓𝑓 𝑥𝑥 = 𝑒𝑒 2σ2
σ 2π

Para estandarizar se considera

para la curva estándar: 𝑥𝑥𝑖𝑖 − µ
𝑧𝑧 =
– μ=0 σ
– σ2 =1

1 −𝑧𝑧 2
𝑓𝑓 𝑥𝑥 = 𝑒𝑒 − 2
2π
Pruebas de normalidad

■ Histograma

■ Asimetría y curtosis
■ Gráficas de probabilidad

100 𝑖𝑖 − 0.5
𝑃𝑃𝑃𝑃 =
𝑛𝑛

■ Chi cuadrada
𝑘𝑘
2
𝑂𝑂𝑖𝑖 − 𝐸𝐸𝑖𝑖
𝑥𝑥 2 = �
𝐸𝐸𝑖𝑖
𝑖𝑖=1
■ Diagrama de dispersión
El valor medio del peso de determinada marca de cereal, el año pasado,
fue 0.297 kg (10.5 oz), con una desviación estándar de 0.024 kg.
Suponiendo que la distribución es normal, determinar el porcentaje de los
datos que cae abajo del límite inferior de la especificación, de 0.274 kg.
Nota: Como la media y la desviación estándar se determinaron en una
cantidad grande de pruebas durante el año, se considera que son
estimaciones válidas de los valores poblacionales).

0.321
El valor medio del peso de determinada marca de cereal, el año pasado,
fue 0.297 kg (10.5 oz), con una desviación estándar de 0.024 kg.
Suponiendo que la distribución es normal, determinar el porcentaje de los
datos que cae abajo del límite inferior de la especificación, de 0.274 kg.
Nota: Como la media y la desviación estándar se determinaron en una
cantidad grande de pruebas durante el año, se considera que son
estimaciones válidas de los valores poblacionales).

z = valor normal estándar

𝑥𝑥𝑖𝑖 − µ Xi = valor individual
𝑧𝑧 = μ = media
σ σ = desviación estándar poblacional

0.274 − 0.297
𝑧𝑧 = z = valor normal estándar
0.024 Xi = 0.274
𝑧𝑧 = -0.96 μ = 0.297
σ = 0.024
 16.85% de los datos son menores que 0.274 kg
Z = -0.96

Área = 0.1685
16.85%
 z = -0.96 En Excel:

Área = 0.1685 =[Link].N(z,VERDADERO)

16.85% = 0.16894735

=[Link].N(Xi, μ, σ,VERDADERO)
= 0.16894735
 z = valor normal estándar
Xi = 0.274
μ = 0.297
σ = 0.024

𝑥𝑥𝑖𝑖 − µ
𝑧𝑧 =
σ
0.347 − 0.297
𝑧𝑧 =
0.024

𝑧𝑧 = +2.08
¿Y si nos piden calcular esto?
 Z = + 2.08
Área = 0.9812
98.12%

Área total - Área = 1 - 0.9812

Área = 0.0188
1.88%
1.88% de los datos son mayores que 0.347 kg
■ Una gran cantidad de mediciones del voltaje de suministro a
residencias muestra una media de 118.5 V y una desviación
estándar poblacional de 1.20 V. Determinar el porcentaje de
los datos entre 116 V y 120 V.

Z2 = valor normal estándar

𝑥𝑥𝑖𝑖 − µ Z3 = valor normal estándar
𝑧𝑧 = Xi = 116
σ Xi = 120
μ = 118.5
σ = 1.20
 Z2 = valor normal estándar
Z3 = valor normal estándar
Xi = 116
Xi = 120
μ = 118.5
σ = 1.20

𝑥𝑥𝑖𝑖 − µ 𝑥𝑥𝑖𝑖 − µ
𝑧𝑧2 = 𝑧𝑧3 =
σ σ
116 − 118.5 120 − 118.5
𝑧𝑧2 = 𝑧𝑧3 =
1.2 1.2

𝑧𝑧2 = -2.08 𝑧𝑧3 = +1.25

Área2 = 0.0188 Área3 = 0.8944

Área1 = Área3 - Área2

Área1 = 0.8944 - 0.0188 Área1 = 0.8756
87.6 %
GESTIÓN Y CONTROL
DE CALIDAD
Distribución binomial
Distribución binomial
■ A veces hay que decidir si algo:
– Bueno o malo
– Éxito o fracaso
– Cumple o no cumple
■ Se decide en base a atributos
– Variable discreta
Distribución binomial

■ Se puede usar cuando:

– Hay una probabilidad de éxito y
una probabilidad de fracaso
– Las pruebas son independientes
■ En cada prueba interesan ciertos
casos del total de casos
■ La función de probabilidad es:

Donde:
n = número de ensayos
p = probabilidad de éxito
𝑛𝑛 𝑥𝑥 𝑛𝑛−𝑥𝑥 x = número de casos exitosos
𝑝𝑝 𝑥𝑥 = 𝑝𝑝 1 − 𝑝𝑝
𝑥𝑥
𝑛𝑛 𝑛𝑛!
=
𝑥𝑥 𝑥𝑥! 𝑛𝑛 − 𝑥𝑥 !

■ Las probabilidades pueden ser

calculadas mediante la evaluación de
la fórmula o utilizando tablas
En un proceso de fabricación donde se produce una gran cantidad
de artículos, se sabe que en promedio 2% de ellos están
defectuosos.
Los artículos son empacados en cajas de 10, y se quiere saber cuál
es la probabilidad de que no haya ningún artículo defectuoso en
cada caja.
Si X es el número de artículos defectuosos por caja, entonces se
quiere obtener P(X = 0), lo cual es:
𝑛𝑛 𝑥𝑥 n = número de ensayos
𝑛𝑛−𝑥𝑥 p = probabilidad de éxito
𝑝𝑝 𝑥𝑥 = 𝑝𝑝 1 − 𝑝𝑝
𝑥𝑥 x = número de casos exitosos
𝑛𝑛 𝑛𝑛!
=
𝑥𝑥 𝑥𝑥! 𝑛𝑛 − 𝑥𝑥 ! n = 10
p = 2% 0.02
𝑛𝑛 10! x=0
= 82% de
𝑥𝑥 0! 10 − 0 !
probabilidad de
10! que no haya
0 10−0
p 𝑥𝑥 = 0 = 0.02 1 − 0.02 = 0.82 ningún artículo
0! 10−0 !
defectuoso
 ■ Por lo tanto, se espera que 82% de las cajas no tenga ningún
artículo defectuoso, mientras que el restante 18% tendrá al
menos uno. Si se quisiera saber cuál es la probabilidad de
que cada caja tenga exactamente un artículo defectuoso
(P(X = 1)), entonces:

𝑛𝑛 𝑥𝑥 n = número de ensayos
𝑛𝑛−𝑥𝑥
𝑝𝑝 𝑥𝑥 = 𝑝𝑝 1 − 𝑝𝑝 p = probabilidad de éxito
𝑥𝑥
x = número de casos exitosos
𝑛𝑛 𝑛𝑛!
=
𝑥𝑥 𝑥𝑥! 𝑛𝑛 − 𝑥𝑥 !
n = 10
p = 2% 0.02
𝑛𝑛 10! x=1
=
𝑥𝑥 1! 10 − 1 !
16.7% de
10! 1 10−1 probabilidad de
p 𝑥𝑥 = 1 = 0.02 1 − 0.02 = 0.167
1! 10−1 ! que haya 1
artículo
defectuoso
 ■ Por lo tanto, se espera que 82% de las cajas no tenga ningún
artículo defectuoso, mientras que el restante 18% tendrá al
menos uno. Si se quisiera saber cuál es la probabilidad de
que cada caja tenga exactamente un artículo defectuoso
(P(X = 1)), entonces:

n = número de ensayos
10! 1 10−1
p 𝑥𝑥 = 1 = 0.02 1 − 0.02 = 0.167 p = probabilidad de éxito
1! 10−1 !
x = número de casos exitosos
16.7% de probabilidad de que no haya ningún
n = 10
artículo defectuoso
p = 2% 0.02
x=1
=[Link].N(x,n,p,FALSO)

0.166749552
Se selecciona una muestra aleatoria de 5 bisagras en una
corriente constante de producto procedente de una troqueladora,
y la proporción de no conformes es 0.10.
¿Cuál es la probabilidad de que haya 1 unidad no conforme en la
muestra?

𝑛𝑛 𝑥𝑥 n = número de ensayos
𝑛𝑛−𝑥𝑥 p = probabilidad de éxito
𝑝𝑝 𝑥𝑥 = 𝑝𝑝 1 − 𝑝𝑝
𝑥𝑥 x = número de casos exitosos
𝑛𝑛 𝑛𝑛!
=
𝑥𝑥 𝑥𝑥! 𝑛𝑛 − 𝑥𝑥 ! n=5
p = 10% 0.10
𝑛𝑛 5! x=1
= 32.8% de
𝑥𝑥 1! 5 − 1 !
probabilidad de
5! que haya una
1 5−1
p 𝑥𝑥 = 1 = 0.1 1 − 0.1 = 0.328 unidad no
1! 5−1 !
conforme
 Se selecciona una muestra aleatoria de 5 bisagras en una
corriente constante de producto procedente de una troqueladora,
y la proporción de no conformes es 0.10.
¿Cuál es la probabilidad de que haya 1 o menos?

P (1 o menos) = P(0) + P(1) n = número de ensayos

p = probabilidad de éxito
𝑛𝑛 𝑥𝑥 x = número de casos exitosos
𝑛𝑛−𝑥𝑥
𝑝𝑝 𝑥𝑥 = 𝑝𝑝 1 − 𝑝𝑝
𝑥𝑥
n=5
𝑛𝑛 𝑛𝑛! p = 10% 0.10
= x=0
𝑥𝑥 𝑥𝑥! 𝑛𝑛 − 𝑥𝑥 !

𝑛𝑛 5! P (1 o menos) = P(0) + P(1)

= P (1 o menos) = 0.59 + 0.328
𝑥𝑥 0! 5 − 0 !
P (1 o menos) = 0.918
5!
91.8 %de probabilidad de que
0 5−0
p 𝑥𝑥 = 1 = 0.1 1 − 0.1 = 0.59 haya una unidad no conforme o
0! 5−0 !
menos
 Se selecciona una muestra aleatoria de 5 bisagras en una
corriente constante de producto procedente de una troqueladora,
y la proporción de no conformes es 0.10.
¿Cuál es la probabilidad de que haya 2 o más?

P (2 o más) = P(2) + P(3) + P(4) + P(5)

P (2 o más) = P(T) – P(1 o menos)

P (1 o menos) = 0.918

P (2 o más) = 1 – 0.918 = 0.082

8.2 %de probabilidad de que haya 2 o más unidades no conformes

 Se selecciona una muestra aleatoria de 5 bisagras en una
corriente constante de producto procedente de una troqueladora,
y la proporción de no conformes es 0.10.
¿Cuál es la probabilidad de que haya 2 o más?

P(0)= 0.590
P(1)=0.328 P (2 o más) = P(2) + P(3) + P(4) + P(5)
P(2)=0.073 P (2 o más) = 0.073 + 0.008 + 0.00045 + 0.00001
P(3)=0.008 P (2 o más) = 0.08146
P(4)=0.00045
P(5)=0.00001

P (1 o menos) = 0.918

P (2 o más) = 1 – 0.918 = 0.082

8.2 % de probabilidad de que haya 2 o más unidades no conformes