UIA, PUEBLA INGENIERÍA INDUSTRIAL

CONTROL ESTADÍSTICO DE LOS PROCESOS

Herramientas estadísticas
Repaso de Probabilidad y Estadística

José Bernardo López Calva

1
UIA, PUEBLA INGENIERÍA INDUSTRIAL

LAS SIETE HERRAMIENTAS PARA LA MEJORA

HERRAMIENTAS PARA LA MEJORA

Hoja de
Recolección
de Datos
Diagrama
Causa- Histograma
Efecto

7
Herramientas
Básicas de
Calidad
Gráfica de Diagrama
Control de Pareto

Diagrama
Diagrama
de
de Flujo
Dispersión

HOJA DE RECOLECCIÓN DE DATOS

Las hojas de verificación responden a las preguntas:

 ¿ Cuáles son los hechos ?
 ¿ Qué valor tiene la característica observada ?
 ¿ Con qué frecuencia está ocurriendo ?
 ¿ Dónde está ocurriendo ?
 ¿ Qué ha sido omitido?
Beneficios
 Hace que los datos se registren fácilmente
 Proporciona medios para organizar automáticamente los datos durante la fase de toma de datos
 Proporciona un documento escrito para los registros
 Proporciona fácilmente información con sólo un vistazo
 Se realiza fácilmente
 Proporciona una herramienta de transición para ir de los datos reunidos a técnicas más elaboradas
 Inicia el pensamiento estadístico acerca de los procesos
 Proporciona medios para que el registro de datos sea rápido para su análisis subsiguiente
 Proporciona registros históricos
Aplicación
 Registro: Automáticamente recaba los datos, de acuerdo con los grupos definidos por los usuarios, al
irse reuniendo y verificando, la información queda ordenada.

2
UIA, PUEBLA INGENIERÍA INDUSTRIAL

 Listas de verificación: Las listas de verificación aseguran que no se omitan los pasos o elementos
vitales de los procesos. Una vez que la tarea está terminada, se puede rectificar esto en la lista de
verificación.
 Localización de datos (investigación): Es usada para registrar la ubicación relativa o específica de
características ya registradas con anterioridad, como pueden ser: defectos, daños, accidentes, etc.
1. Establecer un objetivo o propósito
2. Existen 3 tipos de chequeo:
Investigación Verificación Registro
3. Definir los
-----Espacios----

4. Determinar la
frecuencia de uso

DIAGRAMA DE FLUJO
Mapa secuencial de las tareas que deben realizarse para lograr un objetivo o meta. Es una representación
simbólica de un proceso que puede proporcionar información acerca del flujo del proceso, secuencia y
función.
¿Para qué se utiliza?
Los diagramas de flujo se usan para:
• Investigar los factores causales de la mala calidad
• Comparar los caminos del proceso ideales y reales
• Identificar las relaciones proceso / función.
• Mejorar los procesos
Beneficios:
• Proporciona un panorama del proceso en un solo vistazo.
• Ayuda en la identificación de los clientes del proceso.
• Ilustra la secuencia del proceso.
• Proporciona visión para la reunión de información y puntos de control.
• Ayuda a la mejora del proceso al hacer el proceso visible.
• Ayuda a localizar las deficiencias y excesos de complejidad.
• Ayuda a seleccionar las actividades con valor agregado de las que no lo tienen.
• Aplicación
• Es útil para investigar oportunidades de mejora, logrando un entendimiento detallado de cómo
trabaja un proceso de principio a fin. Con el análisis de los diferentes pasos de un proceso, en
relación de uno con otro, a menudo se pueden identificar causas potenciales de problemas. Los
diagramas de flujo pueden aplicarse a todos los aspectos de cualquier proceso, actividad u
operación, desde un flujo de materiales hasta los pasos para realizar la venta de un producto o
servicio.
• El diagrama de flujo utiliza símbolos fácilmente reconocibles, siendo los más frecuentes:

Inicio/ Operación Verificación Documento Almacén Demora

3
UIA, PUEBLA INGENIERÍA INDUSTRIAL

Fin

Pasos para hacer un diagrama de flujo

1. Identificar el inicio y el final del proceso
2. Observar el proceso completo.
3. Definir los pasos del proceso
4. Construir un diagrama preliminar
5. Revisar el Diagrama con el personal involucrado
6. Mejorar el Diagrama en base a la revisión
7. Verificar el Diagrama contra el proceso actual

DIAGRAMA DE PESCADO/CAUSA-EFECTO
Ayuda al equipo a identificar, explorar y presentar gráficamente, con detalle, todas las posibles causas
relacionadas con un problema o una condición para descubrir sus causas raíz.
¿Para qué se utiliza?
Su uso frecuente está en descubrir las causas raíz de un problema ya que un diagrama causa-efecto es un
auxiliar para mostrar claramente la relación entre las causas y efectos de un problema. Con estas relaciones
definidas, puede llevarse a cabo la acción correctora.
Beneficios:
 Permite que el equipo se concentre en el contenido del problema, y no en la historia del problema o
los diferentes intereses de cada miembro del equipo
 Crea una imagen del conocimiento colectivo y el consenso del equipo acerca del problema. Esto le
da soporte a las soluciones resultantes.
 Enfoca al equipo en la búsqueda de las causas raíz, no en los síntomas.
 Agrupa las causas por su tipo: materiales, mano de obra, máquinas, medio ambiente, etc.
 Aplicación:

 El diagrama de Pescado / Causa-Efecto se basa en la premisa de que todo proceso productivo está
formado por varios factores, entre los que se encuentran los materiales, mano de obra, maquinas,
métodos y medio ambiente. Y estos factores son las causas de los problemas de calidad.
 Esto se representa a través de un diagrama con la siguiente forma:
Para cada efecto

Hay una causa o causas

Efecto

Pasos para hacer un diagrama de Causa Efecto

1. Definir el efecto en cuestión
2. Definir la categoría principal de las posibles causas
3. Iniciar la construcción del diagrama con el efecto

4
UIA, PUEBLA INGENIERÍA INDUSTRIAL

4. Escribir todas las causas de cada uno de los siguientes niveles

5. Seleccionar e identificar un pequeño número (3 a 5) de causas del más alto nivel que sea muy
probable tenga la mayor influencia en el efecto

Ejemplo

Causas
Mano de obra Materiales Mediciones

Efecto
problema
Causas
secundarias

Método Máquinas Medio ambiente

DIAGRAMA DE PARETO
Es una técnica gráfica simple, usada para clasificar y diferenciar la minoría significativa (vitales) de la mayoría
insignificante (triviales)
¿Para qué se utiliza?
Los diagramas de Pareto son usados para responder a la pregunta: ¿qué es importante?
Con demasiada frecuencia la mayoría de las causas / factores de la baja calidad están dominados por “unos
factores vitales”.
Regla: El 20% de las causas originan el 80% de los problemas.
Beneficios:

5
UIA, PUEBLA INGENIERÍA INDUSTRIAL

Los diagramas de Pareto exponen el impacto relativo de los problemas o condiciones para facilitar el proceso
de:
 Indicar el punto de arranque más lógico para la investigación del problema.
 Distinguir los pocos vitales de los muchos triviales
 Dar prioridades a las actividades
 Dirigir los recursos
 Comparar las situaciones antes y después
Aplicación
 Después de identificar el problema al hacer un Diagrama de Pareto basado en fenómenos, es
necesario identificar las causas para resolver el problema, por ejemplo:
 El 20% de las fases del proceso es responsable del 80% de los problemas de la calidad.
 El 20% de los modos de fallas es responsable del 80% de las fallas del sistema.
 El 20% de las posibles causas es responsable del 80% de los productos no conformes.
 El 20% de los proveedores es responsable del 80% de los problemas relativos a los proveedores
Pasos para hacer un diagrama de Pareto
1. Decidir que problemas se investigarán y como obtener los datos:
 Problemas a investigar: Productos defectuosos, pérdidas de $, etc.
 Datos necesarios y cómo clasificarlos: Por tipo de defecto, por ubicación, por proceso, etc.
 Método de obtención de datos y el período de obtención: Ej. Hoja de datos por un mes
2. Generar la hoja de datos
3. Llenar hoja de datos
4. Calcular total
5. Determinar la frecuencia
6. Ordenar los datos con las frecuencias de mayor a menor
7. Obtener la frecuencia acumulada
8. Obtener el % de la frecuencia acumulada
9. Graficar la frecuencia en el eje izquierdo y el % acumulado en el eje derecho de la gráfica
10. Para las frecuencias hacer gráfica de barras
11. Para el % acumulado hacer gráfica de líneas

Gráficas de Pareto

100

Total acumulado
80
Efectos,%

50

30

10

A B C D E F G H I
Tipo de defecto o causa

6
UIA, PUEBLA INGENIERÍA INDUSTRIAL

DIAGRAMA DE DISPERSIÓN
Es una gráfica donde se observa la relación entre dos o más tipos de datos continuos y es fácilmente
observable.
¿Para que se utiliza?
Identificar, desplegar y confirmar la relación que pudiera existir entre dos variables o conjuntos de datos.
Sus aplicaciones más comunes son para analizar:
 La relación entre una causa y un efecto.
 La relación entre una causa y otra causa.
 La relación entre un efecto y otro efecto.
Beneficios:
 El diagrama de dispersión ofrece evidencia estadística para identificar las causas raíz de los
problemas.
Aplicación:
El diagrama de dispersión analiza la relación que pudiera existir entre dos conjuntos de datos (x/y) y
los despliega como una nube de puntos. La relación que pudiera existir entre los conjuntos de datos se
infiere de la forma de la nube de puntos resultante. Una relación positiva entre x/y significa: a mayor valor
de x, mayor valor de y. Una relación negativa entre x/y significa: a menor valor de una, mayor valor de la
otra. Cuando el análisis visual de la nube de puntos no muestra alguna relación, se dice que no existe
correlación.

7
UIA, PUEBLA INGENIERÍA INDUSTRIAL

HISTOGRAMA
Es una gráfica de barras que presenta los datos agrupados y ordenados, con el fin de determinar las veces en
que ocurren las variaciones de dichos datos.
¿Para qué se utiliza?
Los histogramas indican:
 La forma de distribución del proceso.
 Si la distribución es simétrica.
 Si la distribución es normal.
 Cuál es la dispersión del proceso.
 Cuantas distribuciones están presentes.
 En donde está centrado el proceso.
Beneficios:
• Proporciona una indicación rápida y visual de las distribuciones de frecuencias y los posibles
problemas
• Son fáciles de construir. Requieren sólo matemáticas simples
• Proporcionan retroalimentación oportuna de las distribuciones de frecuencia
• Los histogramas responden a las preguntas:
 ¿Cuál es la forma del proceso?
 ¿En qué grado se cumplen las especificaciones?
Aplicación
El histograma se emplea para hacer un diagnóstico del proceso, al compararlo con las características de una
distribución normal, así como con las especificaciones definidas para las características de calidad del
producto, como tolerancia en la variación resultante del proceso. El histograma es una gráfica de barras muy
simple, y no se requiere de trazar la curva de frecuencias para hacer el análisis correspondiente.

8
UIA, PUEBLA INGENIERÍA INDUSTRIAL

Pasos para hacer un Histograma

Procedimiento
1. Dato mayor
2. Dato menor
3. Rango = Dato mayor - dato menor
4. Número de intervalos = raiz(n)
5. Ancho del intervalo = (R/Número de intervalos)
6. Límite inferior= dato menor
7. Límite Superior= Límite inferior + ancho del intervalo
8. Aumentamos hasta tener el numero de intervalos
9. Frecuencia por intervalo
10. Graficar

GRÁFICAS DE CONTROL
(Esta herramienta será descrita en capítulos posteriores)

9
UIA, PUEBLA INGENIERÍA INDUSTRIAL

REPASO DE PROBABILIDAD Y ESTADÍSTICA

INTRODUCCIÓN

Estadística: Se deriva del latín “Estado”, registro de población, nacimientos, defunciones, etc. Compilación,
organización, resumen, presentación y análisis de datos numéricos. Todo lo anterior con la finalidad de
elaborar principios y métodos que ayuden a tomar decisiones frente a la incertidumbre.

Parámetro: Característica de la población que quiere ser medida (letras griegas)

Estadístico: Estimación del parámetro poblacional obtenido por medio de observaciones de la muestra
(letras latinas)

Promedio: Suma de los valores individuales de una muestra dividido entre el número de observaciones de la
muestra. Propiedades: La suma de las desviaciones con relación a la media es cero. La suma de las
desviaciones elevadas al cuadrado de los datos de la media es menor que la suma de las desviaciones
elevadas al cuadrado de cualquier otro punto

Moda, Mediana

Varianza: el promedio de las desviaciones con respecto a la media elevadas al cuadrado.

Desviación estándar: Raíz cuadrada de la varianza. Regresa los datos a sus unidades originales

Ejercicio 1: Dos marca de máquinas, X y Y, han sido diseñadas para producir cierto tipo de producto. Tienen
igual precio. Para decidir cuál comprar, un fabricante ha observado diez máquinas diferentes de cada marca
en operación durante una hora. El número de artículos producidos de cada máquina se registra a
continuación. ¿Qué decisión debe tomar?
X 35 36 49 44 43 37 38 42 39 40
Y 27 28 51 50 48 29 34 47 45 44

Distribución de frecuencia: Lista de las frecuencias observadas en todos los resultados de un experimento
que realmente han ocurrido.

Distribución de Probabilidad: Lista de las probabilidades de todos los resultados posibles que pudieran
resultar si el experimento se lleva a cabo. Estas se pueden basar en consideraciones teóricas,
consideraciones subjetivas o en experiencias pasadas.

Distribuciones de probabilidad discretas: Cuando se tiene un numero finito de valores en un intervalo dado.

Distribuciones de probabilidad continuas: Cuando se tiene un numero infinito de valores en un intervalo

dado.

EJERCICIO 2: Obtenga una distribución de probabilidad del número de águilas que pueden resultar cuando
se juega una moneda dos veces. Hacer una gráfica.

EJERCICIO 3: Un gerente de ventas está considerando el volumen de ventas que su compañía puede esperar
en la próxima semana para cierto producto. De acuerdo a las últimas 100 semanas, el número de unidades
vendidas (Kg.) por semana ha sido:
[50,60) 10 semanas

10
UIA, PUEBLA INGENIERÍA INDUSTRIAL

[60,70) 30 semanas
[70,80) 40 semanas
[80,90) 20 semanas
Obtenga una distribución de probabilidad para esos datos. Haga una gráfica

PROPIEDADES DE LA DISTRIBUCIÓN DE PROBABILIDAD:

1. La función de probabilidad asume un valor numérico para toda xi.
2. La función de probabilidad es siempre mayor o igual a cero.
3. La suma de todos los valores de la función de probabilidad debe ser igual a uno.
Variable Aleatoria: Variable que toma diferentes valores como resultado de un experimento
aleatorio. Es un valor que cambia de ocurrencia en ocurrencia en una secuencia no predecible. Puede ser
Discreta o Continua.
Valor esperado de una variable Aleatoria: es un valor ponderado de los valores de la v.a. que
suponemos obtendremos en el futuro. Para obtenerlo se multiplica cada valor de la v.a. por la probabilidad
de ocurrencia de ese valor y luego se suman los productos

PROPIEDADES DE LA DISTRIBUCIÓN DE PROBABILIDAD ACUMULATIVA

Si x es una v.a., entonces, la distribución acumulativa de x, F(x) muestra la probabilidad de que x
asuma valores menores o iguales a x
1. F(x) siempre estará entre 0 y 1
2. Es una función no decreciente, es decir, F(a) <= F(b) si a>b y
P(a<x<b) = F(a) – F(b)
3. F (∞) = p(X<= (∞) = 1 Y F( -∞) =P(X<= -∞ ) = 0

EJERCICIO 4:
En una panadería los registros históricos de ventas de pan indican que el rango de valores de la variable
aleatoria va de 100 a 115 panes diarios. Esto se observa en la tabla siguiente, que es una recopilación de las
ventas de los últimos 100 días.
No. días 1 2 3 5 6 7 9 10 12 11 9 8 6 5 4 2
Cantidad 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115
vendida
a) Obtener la distribución de probabilidad y graficarla
b) Obtener el valor esperado
c) ¿Cuál es la probabilidad de que las ventas de panes sean de 110 panes o menos?
EJERCICIO 5: Una variable aleatoria tiene la siguiente F(x):
┌0 x<0
F(x) = ˂ X2 0<= X >= 1
1 X>1
a) Encontrar la probabilidad de que x tome valores de 0.5 o menores
b) Encontrar la probabilidad de que x tome valores entre 0.5 y 1.5
c) Encontrar la probabilidad de que x tome un valor mayor a 0.9

DISTRIBUCIONES ESPECIALES
Los modelos especiales de probabilidades son modelos matemáticos apropiados para situaciones del
mundo real en condiciones específicas. Tales modelos son importantes porque nos pueden ayudar a
predecir la conducta de futuras repeticiones de un experimento. También son de interés práctico porque, si
tenemos fórmulas matemáticas precisas para varias situaciones frecuentemente encontradas, los cálculos de
probabilidad que en ella intervienen pueden reducirse a operaciones corrientes.

11
UIA, PUEBLA INGENIERÍA INDUSTRIAL

DISTRIBUCIÓN BINOMIAL
Iniciaremos revisando el modelo Bernoulli. Este se aplica a una variable aleatoria que puede asumir sólo dos
valores: 0,1. Con p y q =1-p como sus respectivas probabilidades. El modelo Bernoulli tiene un solo
parámetro p y es apropiado cuando se busca un experimento que resultará en sólo dos posibles resultados

Un proceso Binomial es la suma de de n experimentos Bernoulli independientes, es decir, una variable

aleatoria Binomial se genera si:
a) Existe un número fijo de pruebas estadísticamente independientes
b) Cada prueba es una variable Bernoulli, es decir, puede resultar en un éxito o en un fracaso
c) Todas las pruebas tienen idénticas probabilidades de éxito, p, de modo que la probabilidad de
fracaso para cada prueba permanece en un valor constante q= 1-p

La función masa (distribuciones discretas) de una va Binomial, por lo tanto, es la probabilidad de obtener
exactamente x éxitos en n pruebas independientes de un experimento con p como la probabilidad de éxito
en cada prueba:

 n
f ( x)  P( X  x)    p x (1  p) n x x  0,1,..., n
 x

VALOR ESPERADO DE LA DISTRIBUCIÓN BINOMIAL:

VE = np
VAR = npq

EJERCICIO 6. Si se lanza un dado 6 veces, ¿Cuál es la probabilidad de obtener exactamente dos unos?

EJERCICIO 7: En un lote de 12 cinescopios de televisión, tres son defectuosos. Si una muestra al azar de 3 es
extraída, con reposición, ¿Cuál es la probabilidad de que:
a) Sea defectuoso exactamente uno?
b) Ninguno sea defectuoso o uno sea defectuoso?

EJERCICIO 8: Se asegura que en el 60% de las instalaciones generadoras de electricidad mediante energía
solar, los gastos de servicios se reducen al menos en una tercera parte. De acuerdo con lo anterior, ¿cuáles
son las probabilidades de que se reduzcan al menos en una tercera parte en:
a) Cuatro de cinco instalaciones?
b) En al menos cuatro de cinco instalaciones?

EJERCICIO 9. Se sabe que el 5% de los libros encuadernados en cierto taller tienen encuadernación
defectuosa. Calcula la probabilidad de que 2 de 100 libros terminados en este taller tengan una
encuadernación defectuosa.

EJERCICIO 10: Una máquina produce artículos de los que normalmente salen defectuosos un cierto
porcentaje. El supervisor de control de calidad revisa 15 artículos producidos en un turno de trabajo
escogidos al azar y permite que se trabaje con la máquina durante el siguiente turno si no encuentra ningún
artículo defectuoso:
Calcular la probabilidad de que el sistema del supervisor de control de calidad conduzca a que la máquina
siga funcionando durante el siguiente turno de trabajo cuando de hecho produce un 10% de defectuosos.

12
UIA, PUEBLA INGENIERÍA INDUSTRIAL

DISTRIBUCIÓN DE POISSON
Esta distribución da la probabilidad del número de ocurrencias por unidad especificada. Por ejemplo: la
ocurrencia de imperfecciones en un rollo de tela continuamente producido, el arribo de llamadas a una sala
de conmutador o el paso de automóviles detectados por un mecanismo electrónico. SE define por l =
promedio de ocurrencias por unidad especificada. Obteniendo este promedio, la función masa de
probabilidad (va discreta) se da como:
P(x,) = (e-x)/x!
donde e es una constante aproximadamente igual a 2.71828
Su expectativa y varianza son idénticas:
E(x) = = V(x) =
EJERCICIO 11: Al inspeccionar la aplicación de estaño por un proceso electrolítico continuo, se descubren en
promedio 0.2 imperfecciones por minuto. Calcular las probabilidades de:
a) Una imperfección en 3 minutos
b) Al menos dos imperfecciones en 5 minutos
c) A lo sumo una imperfección en 15 minutos
EJERCICIO 12: Si un banco recibe en promedio 6 cheques falsos por día, ¿Cuáles son las probabilidades de
que reciba :
a) cuatro cheques falsos en un día cualquiera?
b) 10 cheques falsos en dos días consecutivos cualquiera?

APROXIMACIÓN DE LA DISTRIBUCIÓN BINOMIAL POR LA DISTRIBUCIÓN DE POISSON

Puede demostrarse que si n es grande y p es pequeña, los modelos Binomial y de Poisson se relacionan de la
siguiente manera:
P(x,=np) = = (e-npnpx)/x!

Dada una p pequeña, cuanto mayor sea n, será mejor la aproximación. Dado n, cuanto menor sea p, tanto
más satisfactorias serán las aproximaciones.
EJERCICIO 13: repetir ejercicio 9 pero con la aproximación
EJERCICIO 14: Supongamos que la probabilidad de que un niño recién nacido muera de cierta enfermedad es
de 0.00002. ¿Cuál es la probabilidad de que de 100,000 recién nacidos:
a) cuatro o más mueran de esa enfermedad?
b) Exactamente cuatro mueran de esa enfermedad?

DISTRIBUCIÓN NORMAL
La distribución Normal es una de las más importantes y desempeña un papel fundamental en la teoría de la
probabilidad. Se define para una variable aleatoria continua que puede tomar cualquier valor a lo largo del
eje real. Muchos matemáticos hicieron aportes en su desarrollo, entre ellos el matemático-astrólogo del
siglo XVIII, Karl Gauss. En honor a él, esta distribución es llamada, a menudo, distribución Gaussiana. Son dos
las razones por las cuales la distribución Normal es tan importante: la primera es que tiene ciertas
propiedades que la hacen aplicable a un gran número de situaciones en las que es necesario obtener
inferencias a partir de muestras. La segunda razón es que la distribución Normal se ajusta muy fácilmente a
las distribuciones de frecuencia observadas de muchos fenómenos, incluyendo características humanas
(pesos, alturas, IQ’s) y/o resultados de procesos físicos (dimensiones, rendimientos) y otras medidas de
interés.
DISTRIBUCIÓN NORMAL. CARACTERÍSTICAS
1. La curva tiene un pico único, es unimodal. Tiene forma de campana.
2. La media de la distribución Normal de la población queda en el centro de la curva Normal.
3. Debido a la simetría de la distribución, la mediana y la moda también están en el centro.
4. Las dos colas de la distribución Normal se extienden indefinidamente y nunca tocan el eje
horizontal.

13
UIA, PUEBLA INGENIERÍA INDUSTRIAL

5. Para definir la distribución de probabilidad Normal se necesitan sólo dos parámetros: la media (m)
y la desviación estándar (s)
6. Independientemente de los valores de sus dos parámetros, el área total bajo la curva Normal es
1.0, teniendo que:
a) Aproximadamente el 68% de todos los valores de una población distribuida Normalmente caen
dentro de 1 desviación estándar a partir de la media
b) Aproximadamente el 95.5% de todos los valores de una población distribuida Normalmente caen
dentro de 2 desviaciones estándar a partir de la media
c) Aproximadamente el 99.7% de todos los valores de una población distribuida Normalmente caen
dentro de 3 desviaciones estándar a partir de la media
7. La función densidad de probabilidad para una distribución Normal es:

NORMAL ESTÁNDAR
EJERCICIO 15: N1(100,35) .vs. N2(60,30)
¿Cuál es la probabilidad de tener para N1 un valor entre 100 y 135 y para N2 un valor entre 60 y90?
USO DE LA DISTRIBUCIÓN NORMAL ESTÁNDAR
La tabla muestra el área bajo la curva Normal entre la media y cualquier valor de la variable aleatoria
distribuida Normalmente. En la tabla el valor de z se obtuvo de:
z = (x – ) / 
donde:
x = valor de la variable aleatoria
 = media de la distribución de esa variable aleatoria
 = desviación estándar de esa distribución
z = número de desviaciones estándar desde x hasta la media de la distribución.
EJERCICIO 16: Encuentre las probabilidades de que una va con distribución Normal estándar tome un valor:
a) entre 0.87 y 1.28 b) entre -0.34 y 0.62 c) mayor que 0.85
d) mayor que 0.65

USO DE LA DISTRIBUCIÓN NORMAL ESTÁNDAR

EJERCICIO 17: Sea x una va con distribución Normal con una media de 10 y una varianza de 16. Calcular las
probabilidades siguientes:
a) P(10<=x<= 14) b) P(14<=x<=16) c) P(x<=18)
d) P(x<=9) e) P(3<=x<=17) f) P(x>=5.06)
EJERCICIO 18; Si la cantidad de radiación cósmica a la que una persona está expuesta mientras viaja en un
avión es una v.a. con distribución Normal con m = 4.35 mrem y s = 0.59 mrem, calcula las probabilidades de
que la cantidad de radiación cósmica a la cual un viajero queda expuesto en tal vuelo esté:
a) entre 4.0 y 5.0 mrem
b) sea al menos de 5.5 mrem
EJERCICIO 19: Se ha encontrado que los ejes producidos en un torno tienen diámetros que varían
normalmente con media 12.72 cm. Y desviación estándar 0.038 cm. Si los ejes son útiles siempre que su
diámetro esté entre 12.64 y 12.80 cm., determinar el porcentaje de ejes rechazados.

14