Ejercicio 1

Se considera una embotelladora de gaseosas, que compra botellas a un proveedor. El lmite inferior de especificacin para la resistencia a la presin interna es 225 lb/plg2. Supngase que el NCA para este limite de especificacin es 1%. Adems considrese que se embarcan lotes de tamao 100000. Se desea obtener un plan de muestreo por variables que use el procedimiento 2 de la MIL STD 414, admitiendo que se desconoce la desviacin estndar del lote. Ejercicio 2 Un inspector de un organismo militar quiere utilizar un plan de muestreo por variables con NCA de 1.5% para lotes de tamao 7000. Si se desconoce la desviacin estndar del lote o del proceso, obtenga dos planes de muestreo utilizando el Procedimiento 1 y el procedimiento 2 de ka MIL STD 414. Ejercicio 3 Se inspecciona un lote de 500 artculos. Suponga que se desea encontrar un plan de la MIL STD 414, con un nivel II de inspeccin. Si el NCA es 4%, encuentre los planes de muestreo con el procedimiento 1 y con el procedimiento 2, a partir de la norma. Considrese la embotelladora de gaseosas, que compra botellas a un proveedor. El lmite inferior de especificacin para la resistencia a la presin interna es 225lb/plg2. Supngase que el NCA para este lmite de especificacin es 1%. Adems considrese que se embarcan lotes de tamao 100 000. Se desea obtener un plan de muestreo por variable que use el procedimiento de la MIL STD 414, admitiendo que se desconoce la desviacin estndar del lote. A partir de la tabla 11-1, utilizando el nivel de inspeccin IV, se obtiene la letra cdigo para el tamao de muestra O. En la tabla 11-2 se encuentra que la letra de cdigo para el tamao de muestra O implica un tamao de muestra de n=100. A un nivel de calidad aceptable de 1%, el valor de M es 2.20% para la inspeccin normal. Si se aplica la inspeccin estricta se utiliza las mismas tablas el valor aproximado de M ser 1.53%. Los valores del NCA para la normal se indican en la parte superior de la tabla, mientras los valores para la estricta se encuentran en la parte inferior de la tabla.

TEST DE HIPTESIS El contraste de hiptesis o test de hiptesis es una herramienta ampliamente utilizada para comparar mediciones y tomar decisiones basadas en una probabilidad. Los pasos a seguir para aplicar esta metodologa son:

Plantear unas hiptesis. Escoger un estadstico concreto.

Conocer la distribucin del estadstico.

Y, a partir de ah, decidir si, con los datos que poseemos de la muestra, tenemos caracterizada a la poblacin. Herramientas para contrastar hiptesis

Los dos tipos de distribuciones ms importantes, aunque no nicos, para el contraste de hiptesis, son las distribuciones Normal y T-Student, que hemos visto en el captulo anterior. El contraste de hiptesis es un conjunto de reglas que nos permiten decidir cul de entre dos hiptesis debe ser aceptada como cierta en base a los resultados obtenidos en una observacin muestral. Se conocen como hiptesis nula (Ho) e hiptesis alternativa (Ha). La hiptesis nula puede mantenerse mientras los datos no indiquen su falsedad; la hiptesis nula nunca se puede afirmar , solo podremos aceptarla o rechazarla. Por lo tanto trataremos de decidir si la informacin muestral que poseemos est en consonancia con Ho, o bien nos permite rechazar esa creencia con lo que aceptaremos Ha. Podemos distinguir entre dos tipos de hiptesis:

Paramtricas que se refieren a conjeturas sobre el parmetro de una distribucin. No paramtricas que responden a afirmaciones acerca de la naturaleza de la distribucin.

Regin crtica. Tipos de errores En la prctica el Contraste de Hiptesis consiste en estudiar si un estadstico que es funcin de las observaciones de la muestra est dentro de una regin llamada de aceptacin, o se encuentra en la regin de rechazo o regin crtica, de tal forma que si el estadstico se encuentra en la regin de aceptacin se aceptar la hiptesis nula y si cae en la regin de rechazo se rechazar dicha hiptesis. El estadstico muestral es un fenmeno aleatorio, por lo que pudiera pasar que aunque la Ho fuera cierta, el estadstico se encontrara en la regin de rechazo, en esta situacin estaramos cometiendo un Error de Tipo I (a). Otra posible situacin sera encontrar el estadstico en la regin de aceptacin siendo la Ho falsa, con lo que cometeramos un Error Tipo II (b). La forma de minimizar este problema es empleando muestras de tamao grande. Generalmente se procede fijando una probabilidad de error a. Al valor a se le denomina nivel de significacin y habitualmente es del 5%. Aunque existen diversos tipos de contrastes de hiptesis, nicamente explicaremos y pondremos ejemplo de dos de ellos, que son el contraste de medias y el contraste de diferencias de medias. Contraste de medias Con la notacin que habitualmente se utiliza en el contraste de hiptesis tendremos que m es la media de la poblacin, s la desviacin tpica de la poblacin, s la desviacin tpica de la muestra, n es el tamao de muestra, X la media de la muestra, y Z o t es el estadstico. Con relacin al contraste de medias, suelen emplearse dos tipos de pruebas, los tests unilaterales o los tests bilaterales, que tienen, respectivamente, las siguientes estructuras.

Ejemplo 1. Un laboratorio farmacutico afirma que el antiinflamatorio fabricado por ellos elimina la inflamacin en 14 minutos en los casos corrientes. Con el objeto de comprobar estadsticamente esta afirmacin, eligimos al azar 18 pacientes con inflamaciones varias y tomamos como variable de respuesta el tiempo transcurrido entre la administracin del antiinflamatorio y el momento en que desaparece la inflamacin. Adems, nos dicen que la variable tiempo transcurrido entre la administracin del antiinflamatorio y el momento en que desaparece la inflamacin sigue una distribucin normal de media 14 y desviacin 7. El tiempo medio de respuesta de la muestra fue de 19 minutos. Se pide comprobar la afirmacin del laboratorio a un nivel de significacin de 0.05. Solucin. Primero consideremos los datos que tenemos. X = 19, m = 14, s = 7, n = 18 Planteemos ahora las hiptesis de este test. Queremos contrastar la hiptesis nula a partir de la afirmacin de la empresa que dice que la inflamacin desaparece en 14 minutos; as pues, tendremos: Hiptesis nula Ho : m = 14 La hiptesis alternativa ser el caso desfavorable, en esta ocasin para la empresa, y puede escribirse: Hiptesis alternativa Ha : m> 14 Procederemos aceptando de entrada la hiptesis nula (m = 14), calculando el estadstico y observando si se sita en la regin crtica. Si as sucediera, rechazaramos la creencia inicial de aceptacin de la hiptesis nula. Sustituyendo los parmetros de la poblacin y de la muestra en el estadstico tenemos :

Con lo que podemos observar que el estadstico se sita en la regin crtica y ,por lo tanto no sigue el criterio de aceptacin de la hiptesis nula. De ese modo, rechazaramos la hiptesis Ho de que m = 14 y concluimos que a un nivel 0.05 el tiempo medio de eliminar la inflamacin por este antiinflamatorio es superior a 14 minutos. Ejercicios Nota: Todos los ejercicios que involucren pruebas de t, deben ser resueltos en una hoja de clculo (gnumeric, openoffice o excel) y en R. Imprimir las respuestas. 1- La compaa fabricante de focos Acme Corporation especifica que los focos duran al menos 300 das. Un investigador selecciona al azar 15 focos para probarlos. La muestra de focos

tuvieron una vida promedio de 290 das, con una desviacin estndar de 50 das. Cul es la probabilidad de que las especificaciones mencionadas por el fabricante sean ciertas? 2 En un estudio sobre las llamadas en el cortejo en una poblacin de sapos se encontr que la duracin de la nota de llamada en una muestra de 39 observaciones, fue de 189 ms y una desviacin estndar de 32 ms. Calcula el intervalo de confianza al 95% para la media. 3- Se desea establecer el contenido vitamnico de un alimento balanceado para pollos. Se toma una muestra de 49 bolsas y se encuentra que el contenido promedio de vitaminas por cada 100 grs es de 12 mg y que la desviacin estndar es de 2 mg Encuentra el intervalo de confianza del 95% para el verdadero promedio del contenido de vitaminas. 4- Un laboratorio farmacutico afirma que el anti-inflamatorio fabricado por ellos elimina la inflamacin en 14 minutos en los casos corrientes. Con el objeto de comprobar estadsticamente esta afirmacin, elegimos al azar 18 pacientes con inflamaciones varias y tomamos como variable de respuesta el tiempo transcurrido entre la administracin del anti-inflamatorio y el momento en que desaparece la inflamacin. El tiempo medio de respuesta de la muestra fue de 19 minutos con una varianza muestral de 49 minutos. Se pide comprobar la afirmacin del laboratorio a un nivel de significacin de 0.05. 5- Supongamos que las calificaciones de una prueba estn distribuidos normalmente con una media de 100. Ahora supongamos que seleccionamos 20 estudiantes y les hacemos un examen. La desviacin estndar de la muestra es de 15. Cul es la probabilidad de que el promedio en el grupo de muestra sea cuando ms 110? 6- Un ingeniero qumico afirma que el rendimiento medio de la poblacin de cierto proceso en lotes es 500 gramos por milmetro de materia prima. Para verificar esta afirmacin toma una muestra de 25 lotes cada mes. Qu conclusin extraera de una muestra que tiene una media de 518 gramos por milmetro y una desviacin estndar de 40 gramos? Suponga que la distribucin de rendimientos es aproximadamente normal. 7- Encuentre el valor de t 0.05 cuando v = 18 b) Encuentre el valor de t 0.01 cuando v = 9. c) Encuentre el valor de t 0.1 cuando v = 42. 8- La polica aeroportuaria revisa sistemticamente a todos los pasajeros que llegan de pases extranjeros cuando ingresan al pas. Comunica que en promedio diariamente 40 personas (con una desviacin estndar de 10) son descubiertas al introducir contrabando en el aeropuerto. Si se sabe que el nmero de pasajeros que introducen diariamente contrabando en dicho aeropuerto se puede modelar con una distribucin normal. La distribucin del nmero promedio de personas que introducen contrabando es: a)Normal b)T-student c) Ninguna de las anteriores 9- Un fabricante de fibras sintticas desea estimar la tensin de ruptura media de una fibra. El fabricante disea un experimento en el que se observan las tensiones de ruptura, en libras de 16 hilos del proceso seleccionados aleatoriamente. Las tensiones son: 20.8 20.6 21.0 20.9 19.9 20.2 19.8 19.6 20.9 21.1 20.4 20.6 19.7 19.6 20.3 y 20.7. Supngase que la tensin de ruptura de una fibra se encuentra modelada por una distribucin normal, cul es la probabilidad que el valor de la tensin de ruptura promedio de la fibra sea por mucho de 21 libras? 10- Se sabe que la renta anual de los individuos de una localidad sigue una distribucin normal de media desconocida y de desviacin tpica $2400. Se ha observado la renta anual de 16 individuos de esa localidad escogidos al azar, y se ha obtenido un valor medio de $16.000. Diga, con un nivel de significacin del 5%, si la media de la distribucin es de $14.500. Cules son las hiptesis nula y alternativa del contraste? Determina la forma de la regin crtica. Se acepta la hiptesis nula con el nivel de significacin indicado? 11- Un productor de cables de acero quiere verificar si los cables que produce soportan una tensin de 5000 Kg. No llegar a este lmite no sera adecuado, y producir cables que soporten una mayor tensin aumentara innecesariamente los costos. El productor toma una muestra aleatoria de 64 unidades y encuentra que la tensin promedio de corte es de 5100 kg, con una desviacin estndar de 480 Kg. Debera aceptar la hiptesis de que sus cables de acero soportan una carga de 5000 Kg con un nivel de significacin del 5%?

12- Se entregan 9 muestras a dos tecnlogos, y se desea establecer si hay diferencias entre ellos en los resultados obtenidos, considerando que trabajan con la misma mquina. # muestra Tec. A Tec. B 1 12,35 12,38 2 12,37 12,37 3 12,04 12,18 4 12,43 12,36 5 12,34 12,47 6 12,36 12,48 7 12,48 12,57 8 12,33 12,28 9 12,33 12,42 13- Se quiere saber si el calcio tiene algn efecto sobre la presin arterial, para ello se seleccionan al azar 10 voluntarios a quienes se les administra dosis regulares de calcio. A todos los pacientes seles toma la presin arterial, antes y despus de aplicar el tratamiento con calcio. Pruebe la hiptesis, admitiendo un error del 5%, de que el calcio disminuye la presin arterial. (PAA: presin arterial antes, PAD: presin arterial despus) Paciente PAA PAD 1 107 100 2 110 114 3 123 105 4 129 112 5 112 115 6 111 116 7 107 106 8 112 102 9 136 125 10 102 104 14- Se estudi el efecto de la exposicin de flores de alfalfa a distintas intensidades de luz solar. Para ello se escogieron 10 plantas vigorosas y se colectaron las semillas producidas por dos vainas provenientes de flores ubicadas en dos lugares diferentes de cada planta: a) flores ubicadas en la parte superior de la planta (i.e., mayor exposicin a la luz solar) y b) flores ubicadas en la parte interna de la planta (i.e., menor exposicin a la luz solar). Probar la hiptesis de que no hay diferencias de las medias poblacionales, con la

alternativa de que las flores de la parte superior producen ms semillas. 15- Para el ejercicio anterior (# 14) calcular el intervalo de confianza apropiado, de un solo lado. Errores de tipo I y tipo II El error de tipo I tambien llamado error de tipo alfa es el error que se cometecuando el investigador rechaza la hipotesis nula (Ho) siendo esta verdadera en la poblacion.el error de tipo II, tambien llamado error de tipo beta, se comete cuando elinvestigador no rechaza la hipotesis nula siendo esta falsa en la poblacion.

Ejemplo . Un laboratorio farmaceutico afirma que el antiinflamatorio fabricadopor ellos elimina la inflamacion en 14 minutos en los casos corrientes. Con el objeto de comprobar estadisticamente esta afirmacion, eligimos al azar 18pacientes con inflamaciones varias y tomamos como variable de respuesta el tiempotranscurrido entre la

administracion del antiinflamatorio y el momento en quedesaparece la inflamacion. Ademas, nos dicen que la variable tiempo transcurridoentre la administracion del antiinflamatorio y el momento en que desaparece la inflamacion sigue una distribucion normal de media 14 y desviacion 7. El tiempo medio de respuesta de la muestra fue de 19 minutos. Se pide comprobar la afirmacion del laboratorio a un nivel de significacion de 0.05. Solucin. Primero consideremos los datos que tenemos. X = 19, m = 14, s = 7, n = 18 Planteemos ahora las hipotesis de este test. Queremos contrastar la hipotesis nula apartir de la afirmacion de la empresa que dice que la inflamacion desaparece en 14minutos; asi pues, tendremos: Hipotesis nula Ho : m = 14 La hipotesis alternativa sera el caso desfavorable, en esta ocasion para la empresa, y puede escribirse: Hipotesis alternativa Ha : m> 14 Procederemos aceptando de entrada la hipotesis nula (m = 14), calculando el estadistico y observando si se situa en la region critica. Si asi sucediera, rechazariamos la creencia inicial de aceptacion de la hipotesis nula. Sustituyendo los parametros de la poblacion y de la muestra en el estadstico tenemos:

Con lo que podemos observar que el estadistico se situa en la region critica y ,por lo tanto no sigue el criterio de aceptacion de la hipotesis nula. De ese modo, rechazariamos la hipotesis Ho de que m = 14 y concluimos que a un nivel 0.05 el tiempo medio de eliminar la inflamacion por este antiinflamatorio es superior a 14 minutos. (Test de diferencias de medias) Sean X1 y X2 dos medias muestrales de dos poblaciones. Los tamanos de cada una de estas muestras son n1 y n2 respectivamente. Queremos observar si la diferencia entre las medias es significativa o no, es decir, comprobar si podemos aceptar que m 1 = m2. Tenemos:

Si las desviaciones de las poblaciones son desconocidas y solo conocemos las desviaciones muestrales, tendremos que considerar la distribucion t de Student en vez de la normal. Ejercicios: Grfico de Control por Variables 2008 Ejercicio 1 Un proceso se controla con un grfico de control x, R, con lmites 3 . Se toman subgrupos racionales de 4 piezas cada 100 piezas. El proceso tiene una distribucin normal y una desv iacin estndar = 0.16 y su valor medio es ajustable. Las especificaciones del produc to son: LSE = 10.5 y LIE = 9.5. a) Calcular los lmites de control del grfico x . b) Cul es la probabilidad de detectar un corrimien to en la media del proceso de 1.2 en el primer subgrupo racional luego del corrimiento. c) Cul ser el nmero de piezas producidas antes d e que se detecte una salida de control (corrimiento en la media de 1.2 ). d) Cul ser el nmero promedio de piezas defectuos as producido antes de detectar una salida de control (corrimiento de 1.2 ).

Resultados: a) LSC = 10.24, LC = 10, LIC = 9.76; b) Pdet = 0.27425; c) En promedio 315 unidades; d) 8.54 defectuosos en promedio. Ejercicio 2 Un proceso de compresin se controla mediante un gr fico x , R. Se desea tener una probabilidad = 0.01 de que el cambio no sea detecta do cuando la media pasa de 100 a 110. 1) Calcular el tamao del subgrupo racional necesar io si la desviacin estndar del proceso es igual a 5.

2) Para detectar cambios en la media se ha propuest o : a) hacer un grfico de control de valores individua les tomados cada 15minutos. b) Hacer un grfico de control de promedios con mue stras de n = 4 tomados cada 1hora. Si se produce un cambio en la media de 100 a 105 c ul de los dos mtodos tiene mayor probabilidad de detectarlo en la primera hora? Resultados: a) n=8, b) Pdetectar en 1h (n=1)= 0.088 y Pdetectar en 1h (n=4)=0.159. Ejercicio 3 Para controlar la resistencia a la traccin de un a lambre metlico, cuya especificacin es 200 10, se utilizan grficos de control x , R con lmites de control 3 y n=6. El grfico de control de x tiene una lnea central de 200 y el ndice de capacidad del proceso potencial es de 1.1. a) Calcular los lmites de control para x y para R. b) Si la media del proceso sufre un cambio a 202 c ul es la probabilidad de detectar el cambio en el 3er. subgrupo racional luego de ocurri do? c) Si la capacidad real del proceso no puede ser in ferior a 0.88, en qu rango se debe mantener el valor de la media del proceso? Resultados: a) LSC x =203.7, LC x = 200, LIC x =196.3; LSCR=15.4, LCR=7.7, LICR=0; b) Prob de detectar en 3er. Subgrupo racional = 0.071; c) 202 = = 198. Ejercicio 4 Para controlar un proceso de envasado se lleva un g rfico de control del peso con los siguientes lmites: LSC x = 1020g ; LIC x = 980g Se sabe adems que el error tipo I es del 0.6% y el intervalo de especificacin es 1000 50g. a) Si Cpk = 1.14 determinar el tamao de los subgru pos racionales. Calcular los lmites de control del grfico de rangos. b) En determinado momento opera una causa asignable de variabilidad que provoca un corrimiento en el promedio del proceso a 1018g. Det erminar la probabilidad de cometer error tipo II y cuantos subgrupos racionales es en promedio necesario extraer para detectar dicho corrimiento. c) Los subgrupos racionales se extraen cada 400 uni dades. cul es el costo promedio en que se incurre desde que ocurre la causa asignable hasta que se detecta la misma si se sabe: Costo de inspeccionar una pieza = I =U$5 Costo de producir una pieza defectuosa = A = U$20. Resultados: a) n=4; LSCR = 65.5, LCR = 30.1, LICR = 0; b) =0.608, ARL=2.55; c) Costo promedio =279U$ Ejercicio 5 Se quiere utilizar un grfico de control para contr olar un proceso. Se tomaron muestras de n = 9 para la construccin del mismo obtenindose: x =610 y R medio = 17.8 a) Calcular los lmites de control 3 para los grficos x , R. b) Construir dos puntos de la curva operativa para el grfico x , asumiendo s constante para corrimientos de la media en +1 y +2 . c) Si aumenta en un 20 % calcular la probabilidad de que el grfico de x no detecte ese cambio. Resultados: a) LSC x =616.0, LC x = 610.0, LIC x =604.0; LSCR=32.3, LCR=17.8,

LICR=3.3; b) 1= 0.50, 2= 0.00135; c) 0.98758 Ejercicio 6 Un proceso tiene una distribucin normal y una desv iacin estndar = 0.2 y su valor medio es ajustable. Las especificaciones del produc to son: LSE = 7.6 y LIE = 6.4. El proceso se controla con un grfico de control x , R , con lmites 3s. Se toman subgrupos racionales de 4 piezas cada 50 piezas. a) Calcular los lmites de control del grfico x . b) Cul es la probabilidad de detectar un corrimien to en la media del proceso de 1 s en el primer subgrupo racional luego del corrimiento. c) Cul ser el nmero de piezas producidas antes d e que se detecte una salida de control (corrimiento en la media de 1 ). d) Cul ser el nmero promedio de piezas defectuos as producido antes de detectar una salida de control (corrimiento de 1 ). Resultados: a) LSC = 7.3, LC = 7.0, LIC = 6.7; b) Pdet = 0.159; c) En promedio 290 piezas; d) 6.6 defectuosos en promedio Ejercicio 7 Para controlar un proceso se dise un grfico de c ontrol por variables con lmites de control 3 y tamao de subgrupo racional de 4 unidades. Para establecer si el proceso est fuera de control estadstico se decidi utilizar dos reglas: 1) un punto fuera de los lmites de control, 2) dos de tres puntos consecutivos entre + 2 y + 3 , o entre - 2 y - 3 a) Calcular el error . b) Calcular el error para un corrimiento de de +1.5 . c) Calcular el nmero promedio de unidades fabricad as desde que se produce el cambio hasta que se detecta, si se sacan los subgrupos rac ionales cada 1000 unidades fabricadas. Considerar que el cambio se produce en la mitad ent re dos subgrupos racionales. Resultados: a) =0.0054: b) =0.445; c) 1300 Unidades fabricadas en promedio.