Introduccin

En esta entrega estamos interesados en controlar distintas variables importantes

que pueden influir o provocar dificultades tanto financieras como operativas. Para esto, el
control efectuado debe establecerse en base a la probabilidad de que la falla suceda, esto
mediante el establecimiento de lmites de control.
En este anlisis tendremos en cuenta la siguiente premisa: se considerarn
usuales aquellos valores de una variable q se encuentren en el 99% central de sus
distribucin de probabilidades, y extraordinarios a los que se posicionan fuera de ese
intervalo
Las variables con mayor inters para su control:

Cantidad de urgencias debidas a engranajes,

embrague o diferencial, que ocurren cada
cincuenta urgencias. Sabemos que la probabilidad de
que una cierta urgencia se origine en el sistema de
transmisin es 0,07.
Cantidad de urgencias debidas a los sistemas de
refrigeracin que ocurren cada cincuenta
urgencias. Sabemos que la probabilidad de que una
cierta urgencia se origine en el radiador es 0,08 y que la
probabilidad que sea en el circuito auxiliar independiente
es de 0,09.
Cantidad de urgencias debidas a rodamientos que
ocurren cada cincuenta urgencias. Hemos
identificado las siguientes causas independientes
debidas al sistema de rodamientos, con sus
correspondientes probabilidades:
Causa del Problema
Rodamientos de Distribucion
Rodamientos Auxiliares
Correas

Probabilidad
0,15
0,07
0,10

 Cantidad de urgencias debidas al sistema

Balancn-Elsticos que ocurren cada cincuenta
urgencias. Sabemos que si se rompe el balancn o el
paquete de elsticos, pero no ambos, el camin puede
seguir su tarea. Solo en el caso de que se rompan ambos
debe recurrirse a una reparacin de urgencia. La
probabilidad de rotura del balancn es 0,10 y la
probabilidad de rotura del paquete de elsticos es de
0,06. Ahora bien, si no funciona el balancn, el paquete
de elsticos trabaja de manera forzada de modo que su
probabilidad de rotura es 0,2.
Cantidad de urgencias que se reciben por semana.
Adoptamos una semana de seis das (consideremos que
en ese tiempo no hay interrupcin del servicio) y
asumimos que la cantidad de urgencias diarias tiene una
media de 1,5.
Tiempo (en horas) en el que ocurren cincuenta
urgencias. Nuestro sistema informtico totaliza tiempos
cada cincuenta urgencias, por lo que deseamos
aprovechar esa informacin para contrastarla con lmites
de control. Sabemos que en promedio pasan doce horas
entre dos urgencias consecutivas y que el tiempo entre
urgencias tiene distribucin Exponencial.
Cantidad de kilmetros recorridos por da. Al final
de la jornada, cada una de las unidades debe reportar
por radio a la central la cantidad de kilmetros
realizados. Necesitamos investigar las desviaciones de
esta variable porque si esa cantidad es muy reducida,
nuestros costos se elevan mucho. En tanto que, si es
elevada, implica un riesgo para la carga, la unidad y
sobre todo, el propio conductor. Consideremos que la
jornada estipulada es de diez horas y que el recorrido por
hora es una variable aleatoria con distribucin normal,
con media de 55km y desvi de 9km.

Debemos utilizar la informacin disponible

para:
Determinar lmites de control conformes al
criterio adoptado para cada una de las
variables planteadas.

Enfoque que daremos ante los problemas planteados:

Para cada tem que deberemos analizar, primeramente
resaltaremos las caractersticas de la variable y qu datos son
los que estn disponibles para el anlisis, para asi poder
identificar nuestro punto de partida y ver si utilizamos una
distribucin Binomial, una Poisson o una Normal. El objetivo es
aproximarnos a los modelos mediante la distribucin Normal
en caso que fuera posible hacerlo, ya que ella nos permitir
hallar los valores extremos que buscamos en este prctico
ms fcilmente.
Luego procederemos a la parte de clculos y grficos
para finalmente llegar a lo que nos interesa, que son los
lmites inferiores y superiores, que representan el rango de
valores con una media que ser el valor con ms
probabilidades de ocurrencia junto con los dems valores que
tendern hacia los extremos con probabilidades decrecientes,
pero que al fin todos esos valores tendrn una probabilidad
del 99%, es decir, que valores fuera de dicho rango seran
muy raros que aparecieran y en el caso de que esto ocurriera,
habra que analizarlos porque tienen probabilidades casi nulas
de suceder
En ciertas ocasiones daremos una explicacin
terica, extrada de fuentes de internet y/o desarrolladas por

nosotros, por lo que creemos que colocarlo en nuestra

introduccin sera poner nuevamnte lo mismo, por

Cantidad de urgencias debidas a engranajes, embrague o

diferencial, que ocuren cada 50 urgencias

Para este tipo de variable, cantidad de urgencias (la cual es una variable
aleatoria discreta), se encuentra en un entorno definido de 50 urgencias las
cuales son recibidas y conforman nuestro espacio muestral. Es decir que siendo
X cantidad de urgencias recibidas, sta cumplir que:
0XN
Con N tamao de la muestra que analizamos. En este caso N=50.
Con ste anlisis previo, podemos ver que ste caso puede interpretarse como
una distribucin binomial.
La funcin que representa a dicha distribucin de probabilidades es la
siguiente:
P(x)=Bin(n,p)
P(x): probabilidad de la variable X.
Bin(n,p): funcin binomial que depende del n (tamao de la muestra), y p
(probabilidad de xito).
Ya que hemos mencionado a la probabilidad de xito, en este caso
particular, consideraremos en cada observacin que una urgencia recibida ser
XITO, y una urgencia que no se origine en el sistema de transmicion ser
FRACASO.
Es decir definiremos al evento xito como Y de la siguiente manera:
Y= urgencia originada en el sistema de transmicion
Como dato se nos brinda el valor de p el cual es 0,07.
Entonces podremos resolver la siguiente funcin binomial para calcular cada
una de las probabilidades de x xitos:
P(x)=
n!
.px.(1-p)n-x
X!.(n-X)!

P(x)=

50!
X!.(50-X)!

.0,07x.(1-0,07)50-x

Para tener mayor informacin acerca de sta distribucin y sacar

conclusiones, podemos calcular su media y su desviacin estndar, que gracias
al enfoque binomial, que vemos en su funcin que depende de las variables p y
n tal que:
Y~Bin(n;p)
El evento Y lo modelamos por medio de la distribucin Binomial

Tendremos medidas de resumen las cuales de acuerdo a la distribucin que

tomemos ser su frmula para el clculo:
= E(x)=n.p
La media es igual al valor esperado E(x) o esperanza y cuyo valor es:
n.p=50.0,07=3,5
En cuanto a su desviacin estndar:
= (Var(x))= (n.p.(1-p))
= (50.0,07.(1-0,07))
= 3,255
Siendo su varianza:
2=10,59
A continuacin copiamos un fragmento de un documento pdf encontrado
en internet acerca del TEOREMA CENTRAL DEL LIMITE y el paso de una
distribucin binomial a una Normal con su correspondiente correccin de
continuidad.

Teorema Central del Lmite:

La distribucin binomial Bin(n;p) se aproxima a una curva normal de
media x = n p y desviacin tpica =n p q, cuando n tiende a infinito, es
decir, cuando n se hace muy grande.
La aproximacin se puede aplicar (es una buena aproximacin) slo si n es
grande, en concreto n 30.
y adems n p 5 o n q 5. Si no se cumplen estas condiciones NO
podemos aproximar la binomial que tengamos por una distribucin normal.
En caso de que podamos aproximar, debemos tener en cuenta que
estamos pasando de una variable discreta (binomial) a una continua (normal),

y por tanto son distribuciones diferentes. El precio que hay que pagar por
pasar de una a otra se denomina correccin por continuidad y consiste en
hacer determinados ajustes para que la aproximacin realizada sea lo ms
precisa posible.
As, si nos piden p(X=k) en una distribucin binomial X, y aproximamos X
por una distribucin normal Y, no podemos calcular directamente p(Y=k)
porque, como ya se ha comentado anteriormente, en una distribucin continua
todas estas probabilidades valen 0. La correccin por continuidad consiste en
tomar un pequeo intervalo de longitud 1 alrededor del punto k.
De otro modo, si nos piden p(X=k) con X binomial, con la aproximacin
normal Y deberemos calcular p(k 0,5 Y k + 0,5).
Con las condiciones para poder pasar de una distribucin binomial a una
normal resaltadas en rojo en el texto anterior, procederemos al clculo de la
transformacin de una distribucin a otra.

2
X Bin (50;0,07) Y N(3,5;10,59)

En el grfico anterior vemos como el 99% de las posibles cantidades de

urgencias referidas al sistema de transmisin con las que nos podemos
encontrar en una muestra de 50 urgencias, se encuentran entre (-4,88+0,5) y
(11,88-0,5). La suma y resta de 0,5 a los valores de la grfica se debe
justamente a la correccin por continuidad que se realiza por tratarse las
cantidades de valores discretos y no continuos.
En conclusin existe un 99% de probabilidad que al analizar una muestra
de 50 urgencias y contar la cantidad de urgencias originadas en el sistema de
transmisin, obtengamos valores entre:
Lmite inferior
Lmite superior
-4,88
11,88
Valores fuera de este rango sern considerados extraordinarios y
debieran analizarse detenidamente ya que sus probabilidades de ocurrencia
seran menores a 0,1%.
Las conclusiones en cuanto a la cantidad de urgencias originadas en el
sistema de transmisin que podemos hallar al revisar 50 urgencias en base al
anlisis previo que se realiz es el siguiente:
Al revisar 50 urgencias, existe mayor probabilidad de que nos
encontremos con 3,5 urgencias que provengan del sistema de
transmisin.
Sin embargo como sta variable es aleatoria existe la posibilidad de que
nos encontremos otros valores distintos a ste, aunque disminuyendo las

probabilidades de estos valores a medida que se alejan del valor

esperado o media (3,5).
Aclaracin:
En la parte en que hemos pegado capturas del calculador de
probabilidades y cuantiles de Infostat, lo hemos hecho para mostrar el
mtodo que hemos utilizado, el cual agiliza y hace que el desarrollo
del trabajo pueda hacerse ms rpidamente. Sin embargo sabemos
que el clculo manualmente puede hacerse manejando la frmula de
estandarizacin para hallar el valor Z con media igual a 0 y desviacin
igual a 1, para poder de esta forma manejarnos con la tabla de
probabilidades para hallar el valor de Z que corresponde a los
porcentajes de probabilidades que estamos buscando para encontrar
los lmites X que encierran un 99% de probabilidad de ocurrencia.
Z=X-
)+

X(limite inferior)= (Z1. )+

X(limite superior)= (Z2.

As con el manejo de la tabla podemos calcular los valores de los

lmites inferiores y superior basndonos en las probabilidades que
deseamos q dichos valores encierren.

Cantidad de urgencias debidas a los sistemas de refrigeracin

que ocurren cada 50 urgencias.

Este tipo de variable (igual que en el caso anterior), cantidad de

urgencias en una muestra de 50 urgencias, se comporta como una distribucin
binomial. Siendo X cantidad de urgencias recibidas y definiremos al evento
xito como Y de la siguiente manera:

Y= urgencia originada en el sistema de refrigeracin. La probabilidad de que

la urgencia se origine en el radiador es de 0,08 y que sea en el circuito auxiliar
indep. es de 0,09.
P(A) = P(radiador) = 0,08
P(B) = P(circ. aux) = 0.09
P(AUB) = P(A) + P(B) P(AB) = P(A) + P(B) [P(A)P(B)]
P(AUB) = 0,08 + 0,09 0,0072
P(AUB) = 0,1628
Las medidas de resumen son las siguientes:
= E(x)=n.p
La media es igual al valor esperado E(x) o esperanza y cuyo valor es:
n.p=50.0,1628=8,14
En cuanto a su desviacin estndar:
= (Var(x))= (n.p.(1-p))
= (500,1628(1-0,1628))
= 2,61
Siendo su varianza:
2=6,81
Al tener un valor de muestra n>=30 (50), y cumple las condiciones de que
np>=5 (8,14) y n.q>=5 (41,86) podemos aproximar a una distribucin
normal(continua) a nuestra distribucin binomial(discreta).

X Bin (50;0,1628) Y N(8,14;6,81)

Existe un 99% de probabilidad que al analizar una muestra de 50

urgencias y contar la cantidad de urgencias originadas en el sistema de
refrigeracion, obtengamos valores entre:
Lmite inferior
1,41

Lmite superior
14,86

Cantidad de urgencias debida a rodamientos que ocurren cada

cincuenta urgencias
Este tipo de variable, cantidad de urgencias debido a rodamientos que
ocurren en una muestra de 50 urgencias, se comporta como una distribucin
binomial. Siendo X cantidad de urgencias recibidas y definiremos al evento
xito como Y de la siguiente manera:
Y= urgencia originada en Rodamientos. La probabilidad de que la urgencia se
origine en el Rodamiento de Distribucin es 0,15, en los Rodamientos Auxiliares
es 0,07, en las Correas es 0,10.
P(A) = P(Distribucion) = 0,15
P(B) = P(Auxiliares) = 0,07
P(C) = P(Correas) = 0,1
P(AUBUC) = P(A) + P(B) + P(C) P(ABC) = P(A) + P(B) + P(C) [P(A)P(B)
P(C) ]
P(AUBUC) = 0,15 + 0,07 + 0,10 0,00105
P(AUB) = 0,31895

Las medidas de resumen son las siguientes:

= E(x)=n.p
La media es igual al valor esperado E(x) o esperanza y cuyo valor es:
n.p = 50 . 0,31895 = 15,94
En cuanto a su desviacin estndar:
= (Var(x))= (n.p.(1-p))
= (500,31895(1-0,31895))
= 10,8610
Siendo su varianza:
2= 117,69
Al tener un valor de muestra n>=30 (50), y cumple las condiciones de que
np>=5 (15,94) y n.q>=5 (34,0525) podemos aproximar a una distribucin
normal(continua) a nuestra distribucin binomial(discreta).

2
X Bin (50;0,31895) Y N(15,94;117,69)

Lmite inferior
-12,003

Lmite superior
43,883

Versin Estudiantil

Versin Estudiantil

Versin Estudiantil

Versin Estudiantil

Versin Estudiantil

Versin Estudiantil

Versin Estudiantil

Versin Estudiantil

Versin Estudiantil

Versin Estudiantil

de densidad
VersinFuncin
Estudiantil
Versin Estudiantil Versin Estudiantil
Normal(15,94,117,69):
p(evento)=0,9900
Versin Estudiantil Versin Estudiantil
Versin Estudiantil
Versin Estudiantil Versin Estudiantil
0,037
Versin Estudiantil Versin Estudiantil Versin Estudiantil Versin Estudiantil Versin Estudiantil
Versin Estudiantil

Versin Estudiantil

Versin Estudiantil

Versin Estudiantil

Versin Estudiantil

Versin Estudiantil

Versin Estudiantil

Versin Estudiantil

Versin Estudiantil Versin Estudiantil Versin Estudiantil Versin Estudiantil

0,028
Versin Estudiantil Versin Estudiantil Versin Estudiantil Versin Estudiantil Versin Estudiantil
Versin Estudiantil

Densidad

Versin Estudiantil

Versin Estudiantil

Versin Estudiantil

Versin Estudiantil

Versin Estudiantil Versin Estudiantil Versin Estudiantil Versin Estudiantil Versin Estudiantil
0,018
Versin Estudiantil Versin Estudiantil Versin Estudiantil Versin Estudiantil Versin Estudiantil
Versin Estudiantil

Versin Estudiantil

Versin Estudiantil

Versin Estudiantil

Versin Estudiantil

Versin Estudiantil

Versin Estudiantil Versin Estudiantil Versin Estudiantil Versin Estudiantil

0,009
Versin Estudiantil Versin Estudiantil Versin Estudiantil Versin Estudiantil Versin Estudiantil

Versin Estudiantil

Versin Estudiantil

Versin Estudiantil

Versin Estudiantil

Versin Estudiantil

Versin Estudiantil Versin Estudiantil Versin Estudiantil Versin Estudiantil Versin Estudiantil
0,000
Versin Estudiantil Versin Estudiantil
Estudiantil
Versin Estudiantil
Versin
-38,30 Versin
-11,18
15,94
43,06
70,18 Estudiantil
Versin Estudiantil Versin Estudiantil Versin
Estudiantil
Versin
Estudiantil
Versin Estudiantil
Variable
Versin Estudiantil

Versin Estudiantil

Versin Estudiantil

Versin Estudiantil

Versin Estudiantil

Cantidad de urgencias que se reciben por semana:

En esta variable utilizamos la distribucin de Poisson ya que queremos

obtener resultados respecto a una unidad de tiempo (6 Das). La cantidad
de urgencias diarias tiene un media = 1,5. En base a estos datos
realizamos los siguientes clculos.
=
1,22
2 1,5
p ( X x)

x e
x!

1,5 x e 1,5
x!

TCL:

X Poi (6;1,5) Y N(1,5 ; 1,5)

Lmite inferior
-1,65
Versin Estudiantil

Versin Estudiantil

Versin Estudiantil

Lmite superior
4,65

Versin Estudiantil

Versin Estudiantil

Versin Estudiantil

Versin Estudiantil

Versin Estudiantil

Versin Estudiantil

Versin Estudiantil

de densidad
VersinFuncin
Estudiantil
Versin Estudiantil Versin Estudiantil
Normal(1,5,1,5):
Versin Estudiantil Versin Estudiantil
Versin p(evento)=0,9900
Estudiantil Versin Estudiantil Versin Estudiantil
0,33
Versin Estudiantil Versin Estudiantil Versin Estudiantil Versin Estudiantil Versin Estudiantil
Versin Estudiantil

Versin Estudiantil

Versin Estudiantil

Versin Estudiantil

Versin Estudiantil

Versin Estudiantil

Versin Estudiantil

Versin Estudiantil

Versin Estudiantil Versin Estudiantil Versin Estudiantil Versin Estudiantil

0,24
Versin Estudiantil Versin Estudiantil Versin Estudiantil Versin Estudiantil Versin Estudiantil
Versin Estudiantil

Densidad

Versin Estudiantil

Versin Estudiantil

Versin Estudiantil

Versin Estudiantil

Versin Estudiantil Versin Estudiantil Versin Estudiantil Versin Estudiantil Versin Estudiantil
0,16
Versin Estudiantil Versin Estudiantil Versin Estudiantil Versin Estudiantil Versin Estudiantil
Versin Estudiantil

Versin Estudiantil

Versin Estudiantil

Versin Estudiantil

Versin Estudiantil

Versin Estudiantil

Versin Estudiantil Versin Estudiantil Versin Estudiantil Versin Estudiantil

0,08
Versin Estudiantil Versin Estudiantil Versin Estudiantil Versin Estudiantil Versin Estudiantil

Versin Estudiantil

Versin Estudiantil

Versin Estudiantil

Versin Estudiantil

Versin Estudiantil

Versin Estudiantil Versin Estudiantil Versin Estudiantil Versin Estudiantil Versin Estudiantil
0,00
Versin Estudiantil Versin Estudiantil
Versin
Versin
-4,62
-1,56Estudiantil
1,50Versin Estudiantil
4,56
7,62 Estudiantil
Versin Estudiantil Versin Estudiantil Versin
Estudiantil Versin Estudiantil Versin Estudiantil
Variable
Versin Estudiantil

Versin Estudiantil

Versin Estudiantil

Versin Estudiantil

Cantidad de kilmetros recorridos por Dia:

Versin Estudiantil