Académique Documents
Professionnel Documents
Culture Documents
es una estimacién del verdadero valor
desconocido del parémetro binomial p. La distribucién de probabilidad de p se obtiene a partir de
la distribucién binomial, ya que
eel
ipsam? {Esa ptesne=$("lora-py :
donde [1a] denota el entero més grande menor © igual que na. Es sencillo demostrar que la media
dep es py que la varianza de jp es
1=p)
ot = Pil=p
: n
Distribucién de Poisson
Una distribucién discreta util en el control estadistico de calidad es la distribucién de Poisson,
definida como sigue.
Definicion |
La distribucién de Poisson es
P(x) (2-15)
x!
donde el parémetro 4. > 0. La media y la varianza de la distribucién de Poisson son
wad (2-16)
(217)
Obsérvese que la media y la varianza de la distribuci6n de Poisson sort ambas iguales al parme-
tro A.
Una aplicacién tipica de la distribucién de Poisson en el control de calidad es como un modelo
del nimero de defectos o disconformidades que ocurren en una unidad de producto. De hecho, la
distribucién de Poisson suele ser una aproximacién adecuada de cualquier fendmeno aleatorio
que ocurre sobre una base por unidad (0 por unidad de area, por unidad de volumen, por unidad de
tiempo, etc.). Como un ejemplo, suponer que el ntimero de defectos por unidad en la conexi6n
de alambres que ocurre en un dispositive semiconductor sigue una distribucién de Poisson con2-24
2:2. DISTRIBUCIONES DISCRETAS IMPORTANTES 61
aed
Figura 2-14. Distribuciones de probabilidad de Poisson para valores selecciona-
dos de A
parimetro A = 4. Entonces la probabilidad de que un dispositivo semiconductor seleccionado al
azar contenga dos o menos defectos en la conexién de alambres es
= 0.0183+ 0.0733 + 0.1464 = 0.2380
En la figura 2-14 se muestran varias distribuciones de probabilidad de Poisson. Obsérvese que s
trata de una distribuci6n sesgada; es decir, la cola de la derecha es més larga. Conforme el parémetr
2 se hace més grande, la apariencia de la distribucién de Poisson se hace simétrica
La distribuci6n de Poisson puede derivarse como una forma limite de la distribucién binomial
Es decir, si en una distribucién binomial con pardmetros n y p se hace que 1 tienda a infinito y
tienda a cero de tal modo que np = 2 sea una constante, se obtiene la distribucién de Poissor
También es posible derivar la distribucién de Poisson utilizando un razonamiento de probabilida
puro, Para mayor informacién acerca de la distribuci6n de Poisson, ver Hines y Montgomery (1
Montgomery y Runger (12).
ribucién de Pascal y otras distribuciones relacionadas
La distribucién de Pascal, al igual que la distribucién binomial, tiene su base en los ensayos ¢
Bernoulli, Considérese una secuencia de ensayos independiente, cada uno con probabilid:
de éxito p, y Sea que x denote los ensayos en los que ocurre el éxito r-ésimo. Entonces + ¢s w
variable aleatoria de Pascal con la distribucién de probabilidad definida como sigue.n
CAPITULO 2 MODELADO DE LA CALIDAD DEL PROCESO.
| Definicién
La distribucién de Pascal es
resi (Ft an renrthrr2, (2-18)
donde r2 1 es un entero. La media y la varianza de la distribucién de Pascal son
(2-19)
(2-20)
respectivamente.
Dos casos especiales de la distribucién de Pascal son de interés. El primero de ellos es cuando r >
Oy no es necesariamente un entero. A la distribuci6n resultante se le Hama distribucién binomial
negativa. Es relativamente comin referirse a la ecuacién 2-18 como la distribucin binomial nega-
tiva, aun cuando r es un entero. La distribucién binomial negativa, al igual que la distribucin de
Poisson, en ocasiones es itil como el modelo estadfstico fundamental para varios tipos de datos
Conteos”, tales como la ocurrencia de disconformidades en una unidad de producto (ver la seccién
6-3.1). Existe una importante dualidad entre la distribucién binomial y la binomial negativa. En la
distribucién binomial se establece el tamafio de la muestra (el niimero de ensayos de Bernoulli) y
se observa el ntimero de éxitos; en la distribucién binomial negativa se establece el nimero de
Exitos y se observa el tamafio de la muestra (el ntimero de ensayos de Bernoulli) que se necesita
para conseguirlos. Este concepto es de particular importancia en varias clases de problemas de
muestreo. 8
El otro caso especial de la distribucién de Pascal es cuando r = 1, en cuyo caso se tiene la
distribucién geométrica. Se trata de la distribucién del nimero de ensayos de Bernoulli hasta que
ocurre el primer éxito. ‘
-3 DISTRIBUCIONES CONTINUAS IMPORTANTES
En esta seccién se discuten varias distribuciones continuas que son importantes en el control esta-
distico de calidad, las cuales incluyen la distribucién normal, la distribucién exponencial, la distri-
bucion gamma y la distribucién de Weibull.2.3 DISTRIBUCIONES CONTINUAS IMPORTANTES, 63
2-3.1 Distribucién normal
Probablemente la distribucién normal sea la
la apl
proba
ibucién més importante tanto en la teoria como en
cacién de la estadistica, Si x es una variable aleatoria normal, entonces la distribucién de
lad de x se define como sigue.
Definicion
La distribucién normal es
f=
ec x