Control Estadstico de Procesos

1. INTRODUCCIN A LA PROBABILIDAD
Cada vez que realizamos un clculo matemtico para resolver un problema, lo que estamos haciendo es aplicar un modelo matemtico a un fenmeno de la realidad.

Este fenmeno puede ser, por ejemplo, la cada de un objeto desde cierta altura, y en este caso utilizamos un modelo que es la Ley de Gravedad. Qu es un modelo?. Al enfrentar un problema de fsica, qumica, ingeniera o de algn otro tipo, estamos analizando e investigando una parte o aspecto de la realidad material que nos rodea. Para resolver el problema, necesitamos modelar esa realidad, es decir, construir una representacin en la mente de cmo ocurren los hechos, junto con ecuaciones matemticas que permitan calcular los efectos de los mismos.

El modelo de fuerza gravitatoria o leyes de la gravedad permite estudiar la cada de un cuerpo en el vaco. Cuando aplicamos este modelo a la cada real de un cuerpo, estamos dejando de lado la influencia del aire, cuyo rozamiento en el cuerpo disminuye su velocidad, pero lo hacemos a sabiendas que este rozamiento es muy pequeo y por lo tanto no va a afectar demasiado nuestros clculos. En ningn caso se debe confundir modelo con realidad. Un modelo es slo una representacin de la realidad, utilizado para estudiar y analizar dicha realidad. Los modelos matemticos que mencionamos hasta ahora, despus de efectuar los clculos nos dan un resultado numrico preciso, por ejemplo, que la velocidad de un automvil es de 75,5 Km/Hora.

Tambin podemos calcular la corriente elctrica que circula por un cable con la Ley de Ohm y obtenemos, por ejemplo, un resultado como 5,7 Amperes:

Este tipo de modelos matemticos se denominan Determinsticos. Hay fenmenos que necesitan otro tipo de modelos matemticos, que se denominan no determinsticos, probabilsticos o estocsticos. Por ejemplo, supongamos que un agricultor necesita saber cuanta lluvia va a caer en los prximos meses, antes de decidir si le conviene sembrar o no esta temporada. El agricultor se inform en la oficina de meteorologa acerca de la presin baromtrica, la temperatura, velocidad del viento y otros datos meteorolgicos de la zona en que vive.

Sin embargo, no hay una ecuacin que con todos esos datos le permita calcular los milmetros de lluvia que van a caer en un mes en forma precisa.

De la misma manera, ningn operador puede calcular cuanto va a subir la Bolsa, ni siquiera si va a subir o bajar, an cuando tenga a su alcance todas las variables econmicas disponibles para el pas. Este tipo de fenmenos No admiten un modelo determinstico, sino un modelo probabilstico, que como resultado nos dice la probabilidad de que llueva una cierta cantidad, o la probabilidad de que la Bolsa suba un cierto porcentaje. El resultado no es un valor determinado, sino la probabilidad de un valor.

Veamos algunos ejemplos de fenmenos o experimentos para los cuales es apropiado o conveniente utilizar un modelo probabilstico: Experimento 1: Se lanza un dado y se anota el nmero que aparece en la cara superior.

Experimento 2: Se arroja una moneda cuatro veces y se cuenta el nmero total de caras obtenidas.

Experimento 3: Se arroja una moneda cuatro veces y se anota la sucesin de caras y cecas obtenidas. Experimento 4: Se fabrican artculos en una lnea de produccin y se cuenta el nmero de artculos defectuosos producidos en 24 horas.

En todos estos casos, el resultado del experimento no se puede predecir con absoluta certeza. Hay varios resultados posibles cada vez que se realiza la experiencia. Para cada experimento del tipo que estamos considerando, se define el Espacio Muestral como el conjunto de todos los resultados posibles que pueden producirse al realizar el experimento.

Experimento 1: Se lanza un dado y se anota el nmero que aparece en la cara superior:

Experimento 2: Se arroja una moneda cuatro veces y se cuenta el nmero total de caras obtenidas:

Se arroja una moneda cuatro veces y se anota la sucesin de caras (C) y cecas (X) obtenidas:

Experimento 4: Se fabrican artculos en una lnea de produccin y se cuenta el nmero de artculos defectuosos producidos en 24 horas.

donde N es el nmero mximo que pudo ser producido en 24 horas. Un Suceso, respecto a un espacio muestral S asociado con determinado experimento, es un subconjunto de resultados del espacio muestral.

Entonces, el subconjunto formado por un solo elemento del espacio muestral es un suceso.

El conjunto formado por todos los elementos del espacio muestral tambin es un suceso:

Y tambin lo es el conjunto vaco. Hemos visto que dado un experimento cualquiera, hay un espacio muestral asociado cuyos elementos son todos los resultados que se pueden obtener de la experiencia. Un subgrupo o subconjunto de resultados es un suceso. Ahora, cmo podemos saber si la posibilidad de que ocurra un suceso es grande o pequea? Por ejemplo, si arrojamos un dado, cmo podemos calcular la probabilidad de que salga un 2 ?. Para esto necesitamos un nmero asociado con cada suceso, al cual se lo denomina probabilidad del suceso. Entonces, la probabilidad P de un suceso es un nmero entre 0 y 1, que nos dice en que medida es posible que ocurra el suceso. Si la probabilidad es 1 significa que el suceso ocurrir con toda certeza. Si la probabilidad es 0,5 significa que un

suceso puede ocurrir o puede no ocurrir con la misma probabilidad. Probabilidad 0 quiere decir que el suceso es imposible que ocurra. Cmo podemos calcular la Probabilidad de un suceso? La respuesta a esta pregunta no siempre es sencilla y depende del experimento y de su espacio muestral asociado. Hay casos simples en los que el clculo es relativamente sencillo. En primer trmino, supondremos que se trata de un experimento cuyo espacio muestral es finito y tiene un nmero pequeo de resultados posibles. En segundo trmino, supondremos que todos los resultados que integran el espacio muestral (sucesos elementales) tienen la misma probabilidad de ocurrir. Con estas dos hiptesis, la frmula para calcular la probabilidad es muy sencilla. Supongamos que se trata de un experimento cualquiera cuyo espacio muestral S tiene N elementos (N resultados posibles). Deseamos calcular la probabilidad de un suceso H (Un subconjunto H del espacio muestral S) que tiene m elementos. De acuerdo a lo dicho previamente, el nmero N tiene que ser pequeo y la probabilidad de cada suceso elemental tiene que ser la misma:

Entonces la probabilidad P de que ocurra el suceso H es:

Veamos algunos ejemplos. Supongamos que se arroja un dado sobre una mesa y apostamos a que salga un nmero igual o menor que 4. Sabemos que son igualmente posibles los nmeros: {1, 2, 3, 4, 5 y 6} (Espacio muestral con 6 elementos). Pero los nmeros favorables a nuestra apuesta son: {1, 2, 3 y 4} (Suceso con 4 elementos). Entonces, la probabilidad de que ganemos es:

Es decir que tenemos a nuestro favor una probabilidad de 0,666.. (o sea aproximadamente del 67 %). Si apostamos a un slo nmero, por ejemplo a que sale un as, la probabilidad de ganar sera:

Repitiendo, la probabilidad es un nmero entre 0 y 1, que nos dice en que medida es posible que ocurra un suceso.