En el captulo anterior se analiz el uso de las distribuciones de la probabilidad para modelar o describir salida de un proceso.

En todos los ejemplos presentados, supusimos que se conocen los parmetros de distribucin de probabilidad y, por lo tanto, los parmetros del proceso. Esto constituye normalmente una suposicin muy poco realista. Por ejemplo, utilizando la distribucin binomial para modela el numero de unidades disconformes encontradas mediante muestreo de un proceso de fabricacin, se considero que se conoca el parmetro p de la distribucin binomial. La interpretacin fsica de p es que se trata de la verdadera fraccin o proporcin de unidades no conformes producidas en el proceso. Adems, si se considera el verdadero valor de p y este fuera relativamente constante en el tiempo, entonces se podra argumentar que los procedimientos formales de control de la calidad son innecesarios, siempre que p sea aceptablemente pequeo. En general, se desconocen los parmetros de un proceso; adems, habitualmente cambian en el tiempo. Por lo tanto, hay que desarrollar procedimientos para evaluar los parmetros de las distribuciones de probabilidad y resolver otros problemas inferenciales u orientados hacia decisiones, relacionados con aquellas. A este respecto son tiles las tcnicas estadsticas de calculo de parmetros y la prueba de hiposetisis. Tales tcnicas dormn la base de una gran parte de la metodologa del control estadstico de la calidad. En este capitulo se presntaran algunos resultados elementales de la inferencia estadstica y se indicar su utilidad en los problemas de control de la calidad ESTADISTICA Y DISTRIBUCIONES DE MUESTREO El objetivo de la inferencia estadstica es deducir conclusiones o tomar decisiones con respecto a una poblacin, con base a una muestra seleccionada de la poblacio. Con frecuencia supondremos que se usan muestras aleatorias en el anlisis. El calificativo aleatorio se aplica a menudo a cualquier mtodo de seleccin de una muestra, digamos x1, x2,, xn, de manera que las observaciones {xi} se distribuyan independientemente e idnticamente, aquellas se define como muestra aleatoria de tamao n. esta definicin es adecuada para muestras aleatorias obtenidas de poblaciones infinitas o finitas, realizando el muestreo con reposicin. En un muestreo sin reposicin de una poblacin finita de N elementos, se dice que una muestra de n elementos es una muestra aleatoria si cada una de las (N/n) muestras porsibles tienen igual probabilidad de ser escogida. Aunque la mayora de los mtodos que estudiaremos supone el uso de un muestreo aleatorio, existen otras estrategias de muestreo que son tiles en el control de la calidad. Hay que tener cuidado de utilizar un mtodo de anlisis que sea congruente con el diseo de muestreo. Las tcnicas inferenciales proyectadas para muestras aleatorias pueden llevar errores grandes cuando se aplican a datos obtenidos mediante otras tcnicas de muestreo. En la inferencia estadstica se utilizan cantidades calculadas a partir de observaciones de la muestra. Una estadstica (o media estadstica) se define como una funcin de los datos muestrales que no contienen los parmetros desconocidos. Por ejemplo, sea x1, x2,, xn, las observaciones contenidas en una muestra. Entonces, la media muestral

La varianza muestral

Y la desviacin estndar muestral

Son estadsticas. Las estadsticas x y S (o bien S2) miden la tendencia central y la dispersin, respectivamente, de la muestra. Se conoce la distribucin de la probabilidad de la poblacin de la que se obtuvo la muestra, entonces muchas veces es posible determinar la distribucin de la probabilidad de diversas estadsticas calculadas a partir de los datos muestrales. La distribucin de probabilidad de un estadstica se le llama distribuciones de muestreo. Se presentarn ahora las distribuciones de muestreo relacionadas con tres situaciones comunes. Muestreo a partir de una distribucin normal Se x una variable aleatoria distribuida normalmente, con media y varianza 2. Sea x1, x2,, xn, una muestra aleatoria de tamao n tomada de este proceso. Entonces la distribucin de la media muestral x es N(, 2/n). Esto se deduce directamente de los resultados respecto a la distribucin de combinaciones lineales de variables aleatorias normales(seccin 2-3.1). Esta propiedad de la media muestral no se limita exclusivamente al caso de una muestra de poblaciones normales. Observemos que puede esibirse

Del teorema central de lmite se sabe que la distribucin de es aproximadamente 2 normal, con media n y la varianza n , sin importar la distribucin de la poblacin. Por lo tanto, la distribucin de muestreo de la media muestral es aproximadamente

Una distribucin de muestreo pagina 51

Pag 53 Esto se deduce directamente de la distribucin de muestr4eo de S2, que ya se consider. La distribucin de F se utilizar para hacer inferencias acerca de las varianzas de dos distribuciones normales.

Que es un parmetro de distribucin y parmetro de procesos