Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
ASIGNATURA
TEMA
AUTOR
SEMESTRE
IV
CICLO ACADMICO :
2014-I
AREQUIPA PER
2014
PRUEBAS DE HIPTESIS EN EL
CONTROL DE LA CALIDAD
INDICE GENERAL
INDICE .....................................................................Error! Bookmark not defined.
RESUMEN .............................................................................................................. 5
INTRODUCCION .................................................................................................... 8
PRUEBA DE HIPOTESIS EN EL CONTROL DE CALIDAD ................................... 9
2. ETAPAS BSICAS EN PRUEBAS DE HIPTESIS. ....................................... 9
2.1.
ETAPA 1 ....................................................................................................................... 9
2.2.
Etapa 2 .......................................................................................................................... 9
2.3.
Etapa 3 .......................................................................................................................... 9
2.4.
Etapa 4 ........................................................................................................................ 10
2.5.
Etapa 5 ........................................................................................................................ 10
2.6.
Etapa 6 ........................................................................................................................ 10
4.2.
HIPTESIS NULA................................................................................................... 12
4.3.
5. NIVELES DE SIGNIFICACIN.................................................................... 23
5.1.
5.2.
5.3.
5.4.
5.5.
6.2.
6.3.
7.2.
7.3.
7.4.
7.5.
8.2.
8.3.
8.4.
8.5.
8.6.
LISTA DE TABLAS
CONSECUENCIAS DECISIONES (tabla 01)
20
LISTA DE FIGURAS
FIGURA 01COMPARANDO DISTRIBUCIONES
16
34
39
40
42
RESUMEN
PRUEBA DE HIPTESIS: La estadstica inferencial es el proceso de usar la
informacin de una muestra para describir el estado de una poblacin. sin
embargo es frecuente que usemos la informacin de una muestra para probar un
reclamo o conjetura sobre la poblacin. el reclamo o conjetura se refiere a una
hiptesis. el proceso que corrobora si la informacin de una muestra sostiene o
refuta el reclamo se llama prueba de hiptesis.
Hiptesis y Niveles de Significancia
En la prueba de hiptesis se pone a prueba un reclamo hecho sobra la naturaleza
de una poblacin a base de la informacin de una muestra. El reclamo se llama
hiptesis estadstica.
Hiptesis Estadstica: Una hiptesis estadstica es un reclamo hecho sobre la
naturaleza de una poblacin.
Por ejemplo, la premisa formulada por un productor de bateras para autos de que
su batera dura en promedio 48 meses, es una hiptesis estadstica porque el
manufacturero no inspecciona la vida de cada batera que l produce.
Si surgieran quejas de parte de los clientes, entonces se pone a prueba el reclamo
del manufacturero. La hiptesis estadstica sometida a prueba se llama la
hiptesis nula, y se denota como H0.
Hiptesis Nula (H0):Es una Premisa, reclamo, o conjetura que se pronuncia sobre
la naturaleza de una o varias poblaciones.
Por ejemplo, para probar o desaprobar el reclamo pronunciado por el productor de
bateras debemos probar la hiptesis estadstica de que 48. Por lo tanto, la
hiptesis nula es:
H0 : m 48.
hiptesis nula (H0), entonces otra cosa es cierta. La premisa alterna a la hiptesis
nula se llama hiptesis alterna y se representa por H1.
Hiptesis Alterna: Una premisa que es cierta cuando la hiptesis nula es falsa.
Por ejemplo, para el productor de bateras
H0 :
m 48 y
H1 :
m < 48
2.
H0 : m = 15,
H1 : m 15, =.05
b.
H0 : p 0.7,
Solucin:
hiptesis alterna.
a.
b.
.02
INTRODUCCION
La competitividad de una empresa cualquiera est relacionada con su buen
desempeo y a su vez, el buen desempeo, est vinculado con la calidad del
producto o bien que elabora, el precio y la calidad del servicio que ofrece. Ahora
bien, cmo podemos conocer el desempeo, la marcha de una organizacin?,
las mediciones son un medio para conocer como marcha una organizacin, ya que
permite transformar la ideas en actividades.
En la bsqueda de conocer y mejorar la competitividad de una empresa, es
necesario cuantificar el funcionamiento de los procesos y sus resultados. Se dice
que medir es comprender, comprender es conocer y conocer es poder, es decir,
podemos observar, medir, analizar, y utilizar la informacin obtenida para generar
cambios, por ejemplo, la vida se mide en aos, das, horas, el mdico cuantifican
la presin sangunea, la frecuencia cardiaca, los profesores califican el
desempeo del aprendizaje, etc. Las organizaciones tambin miden su
desempeo.
El Control de la Calidad se posesiona como una estrategia para asegurar el
mejoramiento continuo de la calidad. Programa para asegurar la continua
satisfaccin de los clientes externos e internos mediante el desarrollo permanente
de la calidad del producto y sus servicios.
Concepto que involucra la orientacin de la organizacin a la calidad
manifestada en la calidad de sus productos, servicios, desarrollo de su personal y
contribucin al bienestar general.
La definicin de una estrategia asegura que la organizacin est haciendo
las cosas que debe hacer para lograr sus objetivos.
La definicin de su sistema determinar si est haciendo estas cosas
correctamente.
La calidad de los procesos se mide por el grado de adecuacin de estos a
lograr la satisfaccin de sus clientes (internos o externos). Esto implica la
definicin de requerimientos del cliente o consumidor, los mtodos de medicin y
estndares contra que comparar la calidad.
1. CONCEPTO
Afirmacin acerca de los parmetros de la poblacin.
2. ETAPAS BSICAS EN PRUEBAS DE HIPTESIS.
Al realizar pruebas de hiptesis, se parte de un valor supuesto (hipottico) en
parmetro poblacional. Despus de recolectar una muestra aleatoria, se compara
la estadstica muestral, as como la media (x), con el parmetro hipottico, se
compara con una supuesta media poblacional (). Despus se acepta o se rechaza
el valor hipottico, segn proceda. Se rechaza el valor hipottico slo si el
resultado muestral resulta muy poco probable cuando la hiptesis es cierta.
2.1.
2.2.
2.3.
2.4.
Situaciones Posibles
Se acepta
correctamente
Error tipo I
La hiptesis nula es
verdadera
Error tipo II
La hiptesis
nula es falsa
Se rechaza
correctamente
2.5.
2.6.
10
4.1.
HIPTESIS ESTADSTICA:
11
4.2.
HIPTESIS NULA.
12
p1 y p2 resultantes de la
13
HIPTESIS ALTERNATIVA.
Toda hiptesis que difiere de una dada se llamar una hiptesis alternativa. Por
ejemplo: Si una hiptesis es p = 0,5, hiptesis alternativa podran ser p = 0,7, p "
0,5 p > 0,5.
Una hiptesis alternativa a la hiptesis nula se denotar por H1.
Al responder a un problema, es muy conveniente proponer otras hiptesis en que
aparezcan variables independientes distintas de las primeras que formulamos.
14
15
Para que las reglas de decisin (o no contraste de hiptesis) sean buenos, deben
disearse de modo que minimicen los errores de la decisin; y no es una cuestin
sencilla, porque para cualquier tamao de la muestra, un intento de disminuir un
tipo de error suele ir acompaado de un crecimiento del otro tipo.
En la prctica, un tipo de error puede ser ms grave que el otro, y debe alcanzarse
un compromiso que disminuya el error ms grave.
La nica forma de disminuir ambos a la vez es aumentar el tamao de la muestra
que no siempre es posible.
z 2 pq
n 2
d
En donde z controla el error I, o error de significacin y d2 es el diferencial de
aproximacin que controla el error II.
El cirujano quiere estar seguro que con un nivel de confianza de 99%, las
proporciones que representan los ojos sin opacidad no difieran ms de 0,005 o
0,5%. La respuesta a:
Qu cantidad de ojos intervenidos para retirar la catarata de los ojos se deben
considerar?.
16
Probablidades
0,50
Muestra
Poblacin
0,40
0,30
0,20
2.378 kg / Ha
B=
27
Kg
Datos no
considerados o
error II =2,96%
2.686 kg / Ha
0,10
2.
37
9
2.
40
9
2.
43
9
2.
46
9
2.
49
9
2.
52
9
2.
55
9
2.
58
9
2.
61
9
2.
64
9
2.
67
9
2.
70
9
2.
73
9
0,00
Kilos de guisante / Ha
Poblacin
Muestra
FIGURA 01
17
El Problema de Experimentacin
Una empresa que fabrica recipientes de hoja de lata quiere homogenizar el equipo
de troquelado y rolado que ha venido usando. Tiene la oferta de 5 empresas que
fabrican troqueladoras y roladoras.
En la actualidad tiene 4 troqueladoras de diferentes marcas que operan cuatro
cuadrillas. La gerencia de la empresa COENLA, S.A., consigue que las empresas
oferentes faciliten la operacin de equipos similares a los que ofrecen, para qu
las cuatro cuadrillas pueden operar los equipos.
Puesto que las cuadrillas de operarios son un factor operativo necesario para que
el trabajo se lleve a cabo, se planifica una experimentacin con un diseo en
Bloques Incompletos. Una de las variables analizadas es el consumo de las
toneladas de hoja de lata en la fabricacin de envases de ms demanda.
El Nivel de Seguridad
El objetivo de la experimentacin ser:
Determinar la mquina que ofrezca mayor rentabilidad para la empresa.
En Experimentacin, usualmente se elige entre niveles de seguridad de 0,05 o 5%
y 0,01 o 1%.
Debe recordarse que el nivel de confianza y la precisin son inversos. Si se quiere
mucha confiabilidad la precisin baja, fenmeno que puede contrarrestarse
aumentando el nmero de observaciones.
18
19
s
xo X z( p)
n
Los valores P(2,5) y P(95) definen El Lmite Inferior de Control y
El
Lmite
Superior de Control.
6.- Acomodar los datos de manera apropiada para graficar;
7.- Graficar y detallar el grfico.
20
Respuesta de la Naturaleza
Tcnica A = Tcnica B
No hay Consecuencias
Los pacientes no se
beneficiarn con la nueva
tcnica y el cirujano ser
criticado cuando otros
investigadores reviertan la
conclusin, pues seguramente
se seguir investigando.
No hay Consecuencias.
las
Rechazar Ho: pA = pB
Recomienda la tcnica B
basndose en las pruebas.
21
pq
n
Sp
La Probabilidad
d z
pq
n
22
d
p
5. NIVELES DE SIGNIFICACIN.
Al contrastar una cierta hiptesis, la mxima probabilidad con la que estamos
dispuesto a correr el riesgo de cometern error de tipo I, se llama nivel de
significacin.
Esta probabilidad, denota a menudo por se, suele especificar antes de tomar la
muestra, de manera que los resultados obtenidos no influyan en nuestra eleccin.
En la prctica, es frecuente un nivel de significacin de 0,05 0,01, si bien
se une otros valores. Si por ejemplo se escoge el nivel de significacin 0,05
( 5%) al disear una regla de decisin, entonces hay unas cinco (05)
oportunidades entre 100 de rechazar la hiptesis cuando debiera haberse
aceptado; Es decir, tenemos un 95% de confianza de que hemos adoptado
la decisin correcta. En tal caso decimos que la hiptesis ha sido rechazada
al nivel de significacin 0,05, lo cual quiere decir que tal hiptesis tiene una
probabilidad 0,05 de ser falsa.
5.1. PRUEBA DE UNO Y DOS EXTREMOS.
Cuando estudiamos ambos valores estadsticos es decir, ambos lados de la media
lo llamamos prueba de uno y dos extremos o contraste de una y dos colas.
Con frecuencia no obstante, estaremos interesados tan slo en valores extremos a
un lado de la media (o sea, en uno de los extremos de la distribucin), tal como
sucede cuando se contrasta la hiptesis de que un proceso es mejor que otro (lo
cual no es lo mismo que contrastar si un proceso es mejor o peor que el otro) tales
contrastes se llaman unilaterales, o de un extremo. En tales situaciones, la regin
crtica es una regin situada a un lado de la distribucin, con rea igual al nivel de
significacin.
23
24
FIGURA 02
Por tanto, la regla para decisin sera:
Rechazar Ho si Z > + 1.96
O si Z < - 1.96
De lo contrario, no rechazar Ho
No obstante, en la mayor parte de los casos se desconoce la desviacin estndar
de la poblacin. La desviacin estndar se estima al calcular S, la desviacin
estndar de la muestra. Si se supone que la poblacin es normal la distribucin en
el muestreo de la media seguira una distribucin t con n-1 grados de libertad.
25
de la muestra y la media
de .05, los
>+1.984
- 1.984
De lo contrario, no rechazar Ho
FIGURA 03
Los resultados de la muestra para el turno de da fueron
000 millas y
=4
26
Dado que
Ho.
Por ello, la de cisin de no rechazar la hiptesis nula Ho. En conclusin es que la
duracin promedio de las llantas es 25 000 millas. A fin de tener en cuenta la
posibilidad de un error de tipo II, este enunciado se puede redactar como "no hay
pruebas de que la duracin promedio de las llantas sea diferente a 25 000 millas
en las llantas producidas en el turno de da".
27
28
29
Ejemplo 01:
La altura promedio de 50 palmas que tomaron parte de un ensayo es de 78 cm.
con una desviacin estndar de 2.5 cm.; mientras que
otras 50 palmas que no forman parte del ensayo tienen
media y desviacin estndar igual a 77.3 y 2.8 cm.
Se desea probar la hiptesis de que las palmas que participan en el ensayo son
ms altas que las otras.
Consultando el valor z de la tabla a 95% de probabilidad se tiene que es 1.96, por
lo consiguiente, el valor z calculado no fue mayor al valor de la tabla y entonces se
declara la prueba no significativa.
Conclusin: Las alturas promedio de los 2 grupos de
palmas son iguales y la pequea diferencia observada
en favor al primer grupo se debe al azar.
2.-Caso de nmero igual de observaciones y varianzas
homogneas.
Ejemplo 02:
Se plant cierto experimento en 24 parcelas con dos clases de semillas: semilla
mezclada y semilla DxP seleccionada. Se desea saber si el rendimiento observado
por la semilla seleccionada difiere a la otra.
Produccin de palma: TM/ha/ao
30
Ejemplo 03:
Se tom una rea de terreno distribuida en 22 parcelas y a 13 de ellas se les
aplic un fertilizante nitrogenado para medir el efecto del N en el crecimiento.
rea foliar de la hoja # 17 en m2
31
Ejemplo 04:
Se tom una rea de terreno distribuida en 22 parcelas y a 13 de ellas se les
aplic un fertilizante nitrogenado para medir el efecto del N en el crecimiento.
rea foliar de la hoja # 17 en m2
Donde: ta y tb son los valores de la tabla con n-1 grados de libertad para a y b
respectivamente.
32
Ejemplo 05:
Se tomaron 2 muestras de palma comercial de orgenes diferentes y se midi el
porcentaje de almendra en el racimo en ambas muestras, el objeto es probar si las
muestras son diferentes genticamente o no.
Porcentaje de almendra
s2a = 225.02 - (53)2/14 = 1.88
13
33
5.6.
34
FIGURA 04
35
Si Ho es verdadera (no hay diferencia) entonces Minitab calcula un "valor p" alto.
Si Ho es falsa (si hay diferencia), entonces Minitab calcula un "valor p" pequeo.
El valor p est basado en la prueba estadstica calculada de sus datos en
comparacin con una distribucin de referencia actual o supuesta (normal,
distribucin t, chi cuadrada, distribucin f, etc.).
6.1.
PRUEBAS DE HIPTESIS
Ejemplo:
Los siguientes datos representan un conjunto de 10 muestras tomadas de 1
Maquina haciendo la misma parte. La especificacin para la Longitud es de 20
mm. La hiptesis nula Ho dice que si cumple con la especificacion, y la alternativa
dice que es diferente a 20mm.
Donde en representacin matemtica es:
Ho= maquina = 20 Ho: maquina 20
Debemos realizar el estudio de prueba de hiptesis para saber la verdad.
(Ver pasos siguientes para determinar la hiptesis Ho).
E(S)= "Estadstico" La aplicacin de tcnicas estadsticas (matemticas) para
medir y analizar la variacin o cambios en los procesos a travs del uso de
nmeros y datos.
P = "Proceso" Cualquier combinacin de mquinas, herramientas, mtodos,
materiales y/o personal empleado para realizar treas especficas en un producto
o servicio. Algunos procesos son de manufactura, algunos son procesos de
servicio, mientras que otros son operaciones de soporte comunes a ambos.
C = "Control" Controlando un proceso usando el ciclo de retroalimentacin a travs
del cual medimos el desempeo real, lo comparamos con un estndar y actuamos
sobre la diferencia o el cambio. Mientras ms pronto respondamos al cambio
respecto del estndar, ms uniforme ser la calidad en el producto o servicio.
36
de
un
proceso.
puntos
consecutivamente
incrementando
decreciendo.
37
4) Estratificacin
Los puntos graficados tienen la tendencia a agruparse cerca de la lnea
central.
Una causa potencial de la estratificacin es el clculo incorrecto de los
lmites de control. Tambin puede ser que el proceso ha mejorado y su
distribucin ya es ms angosta. De cualquier forma, se deben recalcular los
lmites
de
control.
38
- Similar a la X-barra
- Grafica todos los puntos en la muestra y el punto de en medio seencierra
en un crculo
5) Rango
- Se usa con la grfica X-barra
- Verifica la variabilidad del proceso a travs del tiempo
- Mide la ganancia o prdida de uniformidad Sigma
- Similar a la grfica de Rango
- Usa la estimacin de Sigma de la muestra
6) Rango Mvil
- Similar a la grfica de Rango
- Se grafica un rango nuevo con cada punto consecutivo
- Se usa con la grfica individual 11
7. GRAFICAS DE CONTROL DE ATRIBUTOS
Estn basadas en decisiones de acepto/no-acepto.
Se pueden aplicar en casi cualquier operacin donde se recolectan datos.
Se utilizan en caractersticas de calidad que no pueden ser medidas o que son
costosas o difciles de medir.
A diferencia de las grficas de control por variables, las grficas de atributos se
pueden establecer para una caracterstica de calidad o para muchas.
Un defectuoso es una unidad en una muestra que tiene una o ms noconformanca (s) respecto al criterio especificado.
Un defecto es cada no-conformancia respecto al criterio de aceptacin
especificado.
39
7.1.
0
Por otra parte, si
0
La prueba de hiptesis quedara de la siguiente manera:
H 0 : 0
H1 : 0
Regin de rechazo
x LIC x LSC
FIGURA 05
40
7.2.
FIGURA 06
Instrumento de estimacin de ciertos parmetros del proceso como la
media, la desviacin estndar, fraccin de defectuosos, etc.
Realizacin de estudios de capacidad del proceso.
7.4.
41
7.5.
POR QU UTILIZAR GRFICAS DE CONTROL?
Son una tcnica comprobada para mejorar la productividad
Son efectivas para la prevencin de defectos
Previenen ajustes innecesarios del proceso
Proporcionan informacin de diagnstico
Proporcionan informacin sobre la capacidad del proceso
8. TAMAO DE LA MUESTRA Y FRECUENCIA DE MUESTREO
8.1.
TAMAO DE LA MUESTRA
8.2.
FRECUENCIA DE MUESTREO
42
FIGURA 07
8.4.
ATS = ARL h
8.6.
SUBGRUPOS RACIONALES
43
44
CONCLUSIONES
Un proceso se dice que se encuentra bajo control estadstico si slo se ve
afectado por un conjunto de causas aleatorias de variacin estadstica, y
agentes de datos que estn inmersos dentro de una cantidad de datos.
Si el proceso se encuentra afectado por causas asignables de variacin, se
dice que est fuera de control.
El control externo y la amenaza de sanciones no son los nicos medios para
obtener el esfuerzo necesario para la realizacin de los objetivos de la
empresa. Aplicamos estndares de regulacin nacional para el control de
calidad, analizando datos histricos para la mejora de los productos.
El
compromiso
se
efecta
en
la
medida
que
los
resultados
son
capacidad
de
exhibir
cualidades
relativamente
desarrolladas
de
45
BIBLIOGRAFIA
http://www.monografias.com/trabajos17/pruebas-de-hipotesis/pruebas-dehipotesis.shtml
http://www.slideshare.net/alerioz/prueba-de-hiptesis-12584062
http://www.gestiopolis.com/finanzas-contaduria/estadisticas-de-apoyopruebas-de-hipotesis.htm
http://www.monografias.com/trabajos-pdf/control-estadistico-proceso/controlestadistico-proceso.pdf
http://es.scribd.com/doc/31173076/pruebas-de-hipotesis
http://books.google.com.pe/books?id=jH8Nu0yVXq0C&pg=PA241&lpg=PA241
&dq=pruebas+de+hip%C3%B3tesis+en+el+control+de+la+calidad&source=bl
&ots=V4nOcCp2Td&sig=RtIg5bkQGAhE3q8plJMu9bl11Rg&hl=es&sa=X&ei=z
Kt1Uev0OaLi0gHfw4CABg&ved=0CC4Q6AEwAQ
http://books.google.com.pe/books?id=ehmBzuuZdzUC&pg=PA341&lpg=PA34
1&dq=prueba+de+hipotesis+control+de+calidad&source=bl&ots=-dDx0Lpr0&sig=0Cvuqe6XDSY77k4oxhV54oV3vB8&hl=es&sa=X&ei=47B1UZ3
HLqb64AOL94GoBQ&ved=0CEYQ6AEwBQ#v=onepage&q=prueba%20de%2
0hipotesis%20control%20de%20calidad&f=false
http://es.wikipedia.org/wiki/Control_de_calidad
http://www.gestiopolis.com/finanzas-contaduria/estadisticas-de-apoyopruebas-de-hipotesis.htm
http://www.estadistica.ucr.ac.cr/pdf/xs-0277/xs277-2.pdf
46