Control Estadstico

Escuela Profesional de Ingeniera Industrial

EJERCICIOS DEL CAPTULO 2

EJERCICO 1:
Con sus palabras y apoyndose en grficas, conteste los siguientes incisos:
a) qu es la tendencia central y qu es la variabilidad de un proceso o unos
datos?

La tendencia central es una caracterstica descriptiva de una muestra de

observaciones que son interpretados como valores que permiten resumir
a un conjunto de datos dispersos, adopta un valor representativo para
todo un conjunto de datos predeterminados.
MEDIDAS TENDENCIA CENTRAL: PERMITEN OBSERVAR SI UN
PROCESO SE ENCUENTRA CENTRADO
La variabilidad son cambios que modifican un proceso o un conjunto
de datos, que posteriormente afectan al producto o al anlisis de los
datos.
MEDIDAS
DE
DISPERSIN:
VARIABILIDAD DE UN PROCESO

PERMITEN

OBSERVAR

LA

b) Represente de manera grfica y mediante curvas de distribucin, dos

procesos con la misma variabilidad pero diferente tendencia central.
Grfica de
distribucin
Normal,
Desv.Est.=3

0.14

Media
250
300

Densidad

0.12
0.10
0.08
0.06
0.04
0.02
0.00

24
0

25
0

26
0

270
X

28
0

29
0

30
0

310

c)

Elabore la grfica de dos procesos con la misma media pero diferente

dispersin.
Grfica de
distribucin
Normal,
Media=300

0.14

Desv .Est.
3
6

Densidad

0.12
0.10
0.08
0.06
0.04
0.02
0.00 28
0

d)

29
0

30
0
X

31
0

320

Represente dos procesos cuya forma de distribucin sea diferente.

Grfica de
distribucin

0.07

Distribucin Media
Poisson
300
Distribucin Media Desv
.Est. Normal
300
6

Densidad

0.06
0.05
0.04
0.03
0.02
0.01
0.00

e)

25
0

27
5

30
0
X

32
5

350

qu significa que un proceso sea capaz?

Significa que los valores que obtuvieron han cado dentro de las
especificaciones inferiores y superiores. Un proceso es aquel que cumple las
especificaciones decimos que es un proceso de CALIDAD esta asociada al
cumplimiento de los requisitos del cliente.q cumplir las especificaciones que
sealamos.

Ejemplo:
Supongamos una botella de agua mineral de litro contenido debe ser 500
ml5 ml.
Entonces:
Especificacin superior=505 ml
Especificacin Inferior= 495 ml
Toda botella se encuentra en ese rango va cumplir con las especificaciones de
calidad del atributo: Contenido Volumen.
Nota.- La calidad de un producto la medimos en funcin de sus distintas
variables:
- Dimetro del envase de acuerdo al diseo
- Peso del envase
- Caractersticas fsicas y qumicas: color, sabor, ph, temperatura etc
- Material de la tapa
- Etc
PROCESO ES CAPAZ SI CUMPLE LAS ESPECIFICACIONES
EN LOS SERVICIOS TODO DE CARACTERISTICAS.

EJERCICIO 2:
Si una caracterstica de calidad debe estar entre 30 2, y se sabe que su media es =
29.9; entonces, se tiene buena calidad, se cumple con las especificaciones?
Si se tiene una buena calidad porque est entre la tolerancia permitida. No hay muchos
valores o casi nada de valores extremos que haga que pierda representatividad la
media. Para tener una mejor respuesta es necesario conocer la variabilidad.

Grfica de
distribucin
Normal,
Media=29.9
28
32

0.9

Densidad

Especificacin
Superio
r

Especificaci
n
Inferior

0.8
0.7

Desv .Est.
0.5
1

Cumple especificaciones

0.6
0.5
0.4
0.3
NO Cumple
especificaciones

0.2
0.1
0.0

28
26
27

29
31
X

30

32

33

EJERCICIO 3:
De qu manera afectan los datos raros o atpicos a la media? Explique su respuesta.
Estos valores muy extremos hacen que la media pierda representatividad. Es decir; el
valor obtenido sea muy inferior o superior a lo real.

EJERCICIO 4:
Un grupo de 30 nios va de paseo en compaa de tres de sus maestras. La edad de
los nios vara entre 4 y 8 aos, la mitad tiene 5 aos o menos. La edad que se repite
ms es la de 4. La edad de las tres maestras es de aproximadamente 30 aos. Con
base en lo anterior, incluyendo a las tres maestras, proponga un valor aproximado para
la media, la moda y la mediana de la edad de los 33 paseantes. Argumente sus
propuestas.
Media = 11, est valor estimado es porque al ver 3 valores muy extremos como 30
aos con 4 y 8 aos, esto condiciona a la media a perder representatividad.
Moda = 4, es el valor que ms se repite.
Mediana = 5, es el valor medio. Es decir; que el 50% tiene un valor inferior a 5 aos
y el otro 50% tiene un valor superior a 5 aos a pesar que las 3 maestras tienen un
aproximado de 30 aos. Esto es porque la mayor cantidad de paseantes son

menores de 5 aos y las 3 maestras de 30 aos aproximadamente no influyen en la

mediana.

EJERCICIO 5:
En una empresa se llevan los registros del nmero de fallas de equipos por mes; la
media es de 4 y la mediana de 6.
a) Si usted tiene que reportar la tendencia central de fallas, qu nmero
reportara? por qu?
Reportara el n 6, porque me da el valor medio de fallas que ocurrieron en
cada mes. Es decir; que el 50% de fallas es inferior a 6 y el otro 50% es
superior a 6.
b) la discrepancia entre las media y la mediana se debi a que durante
varios meses ocurrieron muchas fallas?
Si, por que al ver varias fallas en unos meses y en otros meses no. Esto
nos proporciona valores extremos que influyen en el anlisis de los datos,
perdiendo representatividad el valor de la media.

EJERCICIO 9:
La desigualdad de Chebyshev y la regla emprica establece la relacin entre la media y
la
desviacin estndar. Explique esta situacin y explique si sr aplica para el caso
muestral, poblacional o para ambos.
Si una variable aleatoria tiene una desviacin estndar pequea, esperaramos que
la mayora de los valores se agrupen alrededor de la media. Por lo tanto, la
probabilidad de que una variable aleatoria tome un valor dentro de cierto intervalo
alrededor de la media es mayor que para una variable aleatoria similar con una
desviacin estndar mayor si pensamos en la probabilidad en trminos de una
rea, esperaramos una distribucin continua con un valor grande de que indique
una variabilidad mayor y, por lo tanto, esperaramos que el rea este extendida. Sin
embargo, una desviacin estndar pequea debera tener la mayor parte de su
rea cercana a .
Esta desigualdad de chebyshev es aplicada para ambos casos (muestral y
poblacional).

EJERCICIO 10
Dos mquinas, cada una operada por una persona, son utilizadas para cortar tiras de
hule, cuya longitud ideal es de 200 mm, con una tolerancia de 3 mm. Al final del turno
un inspector toma una muestra e inspecciona que la longitud cumpla especificaciones.
A continuacin se muestran las ltimas 110 mediciones para ambas mquinas.
199.2
200.7
200.7
200.5
200.2
202.0
200.7
198.6
199.7
199.6
198.9
199.0
199.6
199.4

199.7
201.4
200.9
201.2
201.0
201.0
201.8
200.3
199.7
199.0
198.8
199.0
199.0
198.7

201.8
200.4
201.0
201.7
201.4
201.5
200.5
198.5
199.0
198.7
198.7
198.7
198.7
198.5

202.0
201.7
201.5
201.2
201.4
201.6
200.5
198.2
198.4
200.5
199.2
199.1
198.9
198.7

201.0
201.4
201.2
201.2
201.1
200.6
200.8
199.6
199.1
198.4
199.3
200.3
199.2
198.6

201.5
201.4
201.3
200.5
201.2
200.1
200.3
198.2
198.8
199.2
199.7
200.5
197.9
198.5

200.0
200.8
200.9
200.1
201.0
201.3
200.7
198.4
198.3
198.8
197.8
198.1
200.3

199.
8
202.
1
200.
7
201.
4
200.
6
200.
6
199.
5 19
9
198.
9
198.
5
199.
9
198.
3
199.
6

a) Obtenga las medidas de tendencia central y con base en ellas seale si la

tendencia central del proceso es adecuada.
Estadsticas descriptivas: C1
N para
Variable Media Mediana
Modo moda
C1
200.00 200.10 199, 200.5, 201.4
6
Todas las medidas de tendencia central nos indica que latendencia es adecuada,
porque esta dentro de los limites permitidos.

b) Calcule la desviacin estndar y una aproximacin de los lmites reales, y a

partir de stos decida si la variabilidad de los datos es aceptable.
Variable Desv.Est. Varianza
C1
1.16
1.34

Limites Reales: 3 Desv.Estandar

c) Obtenga un histograma e interprtelo (tendencia central, variabilidad,
acantilados, sesgos, etctera).

Histograma de
C1

203.46
8

Norma
l

196.532
12
11

10

Frecuencia

10

110

9
8

Como el
sesgo es
negativo, nos
indica que la
curva tiene
una tendencia
hacia la
derecha

8
7

6 6

5
4

5
4

4
3

2
0

10

Media
200.0
Desv .Est.
1.156

197

19
8

19
9

20
0
C1

20
1

20
2

203

d) Con la evidencia obtenida antes, cul es su opinin acerca de lo adecuado

o no de la longitud de las tiras que se cortaron en el periodo que
representan las mediciones.
Las longitudes de las tiras se encuentran en el rango permitido, as que
podemos decir que las tiras cumplen las especificaciones requeridas y el
lote es aceptado.

EJERCICIO 11:
En el caso del ejercicio anterior, considere que los primeros 55 datos (ordenados por
rengln) corresponden a una mquina, y los ltimos 55 a otra. Ahora conteste lo
siguiente.
a) Evale las dos mquinas en cuanto a su centrado (tendencia central) y con
respecto a la longitud ideal (200).
Estadsticas descriptivas: Maquina 1, Maquina 2
Variable

N para
Media Mediana

Modo

moda

Maquina 1 200.08 200.20

199
5
Maquina 2 199.91 200.10 200.3, 200.6, 201.2, 201.4

La mquina 2 es ms exacta que la mquina 1.

b) Analice la dispersin de ambas mquinas utilizando la desviacin estndar y

la regla emprica.
Estadsticas descriptivas: Maquina 1, Maquina 2
Variable Desv.Est. Varianza
Q1
Q3 Sesgo Kurtosis
Maquina 1
1.16
1.36 199.00 201.20 0.09 -1.43
Maquina 2
1.15
1.32 198.80 200.90 -0.17 -1.20
De acuerdo a las especificaciones ambas mquinas cumplen las tolerancias permitidas.
Pero la mquina 2 es la ms exacta a la media ideal de 200 mm, porque su desv. Est. es
menor a la de la mquina

c) Haga un histograma para cada mquina e intrprete cada uno de ellos.

Histograma de Maquina 1,
Maquina 2
Norma
l
196.605
12

Maquina
1

197 198 199 200 201 202

203

203.595

Frecuencia

10

Maquina
1
Media
200.1
Desv .Est.
1.165

Maquina
2

10
N

8
8
6

55
Maquina
2
Media
199.9
Desv .Est.
1.150

Maquina1:
Sesgo posit
ivo, t iende
acia la
izquierda
Maquina2:
Sesgo negat
ivo, t iende
hacia la
derecha

197 198 199 200 201 202

203

0
196.45

d) De acuerdo a lo anterior, cul es el problema de cada mquina?

203.35

55

La mquina 1 tiene menor precisin, la mayora de sus valores son

inferiores a la media ideal (200 mm).

La mquina 2 es ms precisa, pero la mayora de sus valores son

superiores e inferiores.
e) Considere que cada mquina es operada por una persona diferente, y
determine cules son las posibles causas de los problemas sealados en el
inciso anterior y seale qu hara para corroborar cules son las verdaderas
causas.
Causas:

Puede ser que la persona que est operando la mquina no est

revisndola constantemente, ya que la mquina puede ser muy
antigua y se descontrole fcilmente.
El operario no ha sido capacitado correctamente.

Precauciones:
- Revisar constantemente la mquina.
- Evaluar al operario.

f) Vuelva a analizar el histograma realizado en el inciso c) del ejercicio anterior

y vea si de alguna forma se vislumbraba lo que detect con los anlisis
realizados en este ejercicio.

EJERCICIO
23:
El volumen en un proceso de envasado debe estar entre 310 y 330 ml. De acuerdo con
los datos histricos se tiene que = 318 y = 4. El proceso de envasado funciona bien
en cuanto al volumen? Argumente su respuesta.

Grfica de
distribucin
Normal, Media=318,
Desv.Est.=4
0.10

306

310

330
Respecto a los
limites reales los
datos esta
correctamente
distribuidos, pero
segun las
especificaciones
tiende una
variabilidad hacia la
izquierda.

Densidad

0.08

0.06

0.04

0.02
0.00

31
0

318
X

32
6

330

EJERCICIO 16:
Una caracterstica clave en la calidad de las pinturas es su densidad, y un
componente que influye en esta es la cantidad de arenas que se utilizan en su
elaboracin. La cantidad de arena en la formulacin de un lote se controla por
medio del nmero de costales, que segn el proveedor contienen 20 kg. Sin
embargo, continuamente se tienen problemas en la densidad de la pintura que es
necesario corregir con retrabajo y reprocesos adicionales. En este contexto se
decide investigar cuanta arena contienen en realidad los costales. Para ello, se
toma una muestra aleatoria de 30 costales de cada lote o pedido (500 costales).

Los pesos obtenidos en las muestras de los ltimos tres lotes se muestran
adelante. Las especificaciones iniciales que se establecen para el peso de los
costales de arena son de 20 0.8 kg.
a) de acuerdo con los 90 datos, el centrado del proceso es
adecuado?
b) la variabilidad es poca o mucha? Apyese en los estadsticos
adecuados.
c) obtenga un histograma para los 90 datos, inserte las especificaciones
e interprete con detalle.
d) de su conclusin general acerca de si los bultos cumplen con el
peso especificado.
e) haga un anlisis de cada lote por separado y con apoyo de estadsticos y
grficas, seale si hay diferencias grandes entre los lotes.
f) las diferencias encontradas se podran haber inferido a partir del histograma
de inciso c)?
g) obtenga un diagrama de caja para cada lote y comprelos.
LOTE
1
2
3

18.6
19.1
19.6
18.6
19.5
20.0
20.1
20.0
20.2

19.2
18.6
19.4
19.9
19.1
18.4
20.2
19.7
19.7

PESO DE COSTALES DE LA MUESTRA

19.5
19.2
18.9
19.4
19.0
20.0
19.4
18.7
21.0
19.8
19.0
18.6
19.8
19.1
20.0
20.4
18.8
19.3
18.8
18.4
19.0
20.1
19.7
19.3
18.5
19.6
19.4
19.6
20.3
18.8
18.9
19.7
17.8
19.4
18.9
18.4
21.0
19.7
20.1
20.0
19.1
20.4
20.8
19.7
19.7
20.4
19.8
20.5
20.0
19.6
19.7
19.8
19.9
20.3

Estadsticas descriptivas: Lote 1, Lote 2, Lote 3

Variable
Lote 1
Lote 2
Lote 3

Media
19.350
19.297
20.040

Desv.Est.
0.555
0.690
0.401

Histograma de Total de Lotes

Varianza
0.308
0.476
0.161

Mediana
19.250
19.350
20.000

Sesgo
1.01
0.06
0.29

Kurtosis
1.39
-0.26
0.46

19.3
19.6
19.1
20.7
19.2
19.0
19.6
20.0
20.4

20.0
19.0
19.1
19.6
20.6
19.7
20.6
20.0
20.2

Grfica de caja de Lote 1, Lote 2, Lote 3

Histograma de Total de
Lotes
Norma
l

17.60
7

21.51
3

14

Media
Desv .Est.
N

19.56
0.6511
90

Frecuencia

12
10
8
6
4
2
0

18.0

18.
5

19.
0

19.
5

20.
0

20.
5

21.
0

21.5

Total de Lotes

Grfica de caja de Lote 1, Lote 2, Lote 3

21.0
20.5

Datos

20.0
19.5
19.0
18.5
18.0
Lote 1

Lote
2

Lote 3

EJERCICIO 17:
En una empresa que fabrica y vende equipo para fotocopiado utilizan como un
indicador importante de la calidad en el servicio posventa, el tiempo de respuesta
a solicitudes de apoyo tcnico debido a fallas en los equipos. Para problemas
mayores, en cierta zona del pas se estableci como meta que la respuesta se
de

en un mximo de 6 horas hbiles; es decir, de que habla el cliente solicitando

apoyo, y que si el problema se clasifica como grave no deben pasar ms de 6
horas hbiles para que un tcnico acuda a resolver el problema. A continuacin se
aprecian los tiempos de respuesta en horas para los primeros nueve meses
del
ao (65 datos).
5.0
4.1
5.5
3.2
7.7
4.5
4.7

5.4
3.0
7.9
3.9
3.9
6.5
6.3

7.1
5.7
2.0
5.9
5.8
4.1
6.0

Los 65 datos
5.5
4.4
6.8
4.7
2.9
5.3
4.0
2.3
1.7
3.2
6.8
4.3
4.8
-

7.0
6.7
5.4
3.6
5.9
7.5
3.1

5.4
7.1
7.4
8.9
6.8
5.9
-

6.6
3.2
5.1
5.8
7.0
3.1
-

7.1
5.7
6.9
5.8
5.4
8.3
-

4.2
4.1
7.5
6.4
5.6
5.4
-

a) Calcule las medidas de tendencia central y con base en estas, cree que
se cumple con la meta?
b) Aplique la regla emprica, interprete y diga que tan bien se cumple la
meta. c) Haga un histograma e interprete sus aspectos ms relevantes.
d) A partir del anlisis que se ha realizado, Qu recomendaciones dara para
ayudar a cumplir mejor la meta?

Media
5.366

Mediana
5.500

Modo
5.4

N para
moda
5

Histograma de
C1
Norma
l

Media
5.366
Desv .Est. 1.618
N
65

0.51
10.22
12

El histograma
presenta
caracteristica
s
multimodales
, esto es
debido ala
variacin de
los tiempos
que se toma
en el analisis
de este caso.

10
Frecuencia

Variable
C1

8
6
4
2
0

1.5

3.0

4.5

6.0
C1

7.5

9.0

EJERCICIO 18:
Los siguientes datos representan las horas cadas de equipos por semana en
tres lneas de produccin.
a) analice los datos para cada lnea y anote las principales caractersticas de
la distribucin de los datos.
b) compare las tres lneas, nota alguna diferencia importante?
SEMANA
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25

LINEA 1
7.7
6.8
8.5
8.6
5.7
7.9
8.1
7.6
7.1
7.3
7.8
6.1
6.3
6.3
7.8
6.7
7.3
5.7
6.2
7.3
5.0
5.0
5.4
7.5
6.0

LINEA 2
6.6
5.2
7.2
9.2
6.7
6.2
7.1
8.1
6.4
6.3
8.2
8.4
7.4
6.5
7.7
7.4
6.1
6.2
7.3
6.9
6.1
6.9
8.4
5.0
7.4

Estadsticas descriptivas: Linea 1, Linea 2, Linea 3

N
para
Variable
Media
Desv.Est.

LINEA 3
7.5
8.1
6.2
7.4
8.2
6.0
8.2
8.1
6.7
8.0
8.1
8.1
7.0
8.5
8.0
7.7
7.5
8.2
7.7
7.0
6.5
6.2
6.0
6.1
5.8

Linea 3

7.312

Variable
Linea 1
Linea 2
Linea 3

Sesgo
-0.23
0.13
-0.46

0.878

0.770

6.350

7.500

8.100

8.1

Kurtosis
-0.94
0.01
-1.35

EJERCICIO 8:
De acuerdo con cierta norma, a una bomba de gasolina en cada 20L se le permita
una discrepancia de 0.2L. En una gasolinera se hacen revisiones peridicas para
evitar infracciones y ver si se cumplen las especificaciones (EL = 19.8, ES = 20.2).
De acuerdo con los resultados de 15 inspecciones para una bomba en
particular, la media y la desviacin estndar de los 15 datos son 19.9 y 0.1,
respectivamente. De acuerdo con esto, se puede garantizar que la bomba
cumple con la norma?
Argumente su respuesta.

Grfica de
distribucin
4

Densidad

20.2

Normal, Media=19.9,
Desv.Est.=0.1

19.6

19.8

La bomba no
cumple on la
norma porque el
proceso es
inadecuado por la
izquierda,
respecto alas
especificaciones

1
0

19.7

19.9
X

20.
1

20.2

12. En un rea de servicios dentro de una empresa de manufactura se realiza una

encuesta para evaluar la calidad del servicio proporcionado y el nivel de
satisfaccin de los clientes internos. La encuesta consiste en 10 preguntas, y cada
una de ellas evala diferentes aspectos del servicio proporcionado. La respuesta
para cada pregunta es un nmero entre 0 y 10. Para hacer un primer anlisis de
los resultados obtenidos se suma los puntos obtenidos de las 10 preguntas para
cada cuestionario. A continuacin se muestran los puntos obtenidos en 50
cuestionarios.
Solucin:
Puntos Obtenidos de los cuestionarios
Media
Error tpico
Mediana
Moda
Desviacin estndar
Varianza de la muestra
Curtosis
Coeficiente de asimetra
Rango
Mnimo
Mximo
Suma
Cuenta
-

59.8
2.987593394
58.5
78
21.12547548
446.2857143
-1.802931906
-0.015244434
62
29
91
2990
50

Los puntos promedio obtenidos del cuestionario es 59.

El 50% de los puntos obtenidos tiene una igualdad o inferior de 59.
78 puntos, es el puntaje que con mayor frecuencia se repite.

Histograma (con curva normal) de resultado de

Encuestas

Media
Desv .Est.
N

12

59.8
21.13
50

Frecuencia

10
8
6
4
2
0

18
36

54
72

90

108

resultado de Encuestas

Interpretacin
Se nota que los 50 resultados de las encuestas estn divididos en dos grupos, en
un grupo donde conlleva la nota ms baja esta entre 26.92 a 51.02 y el segundo
grupo est entre 62.81 a la nota ms alta que es 92.8
Lo que ms resalta del histograma es que los resultados que mayor se repite
esta con un puntaje inferior del 50 %
Son muy poco lo que llegaron a la nota ms alta

13. En una fbrica de piezas de asbesto de una caracterstica importante de la

calidad es el grosor de las laminas. Para cierto tipo de lamina el grosor ptimo
es de 5mm y se tiene una discrepancia tolerancia de 0.8 mm, ya que si la lamina
tiene un grosor menor que 4.2 mm se considera demasiado delgado y no reunir
las condicione de resistencia exigida por el cliente. Si la lamina tiene un grososr
mayor que 5.8 mm, entonce se gastara demasiado m,aterial para su elaboracin
y elevaran lo costos del fabricante. Por lo tanto, es de suma importancia fabricar
las laminas con el grosor ptimo, y en el peor de lo casos dentro de la tolerancia
epecifica deacuerdo con los registro s de las medidas realizadas en los ultimo 3
meses se aprecia un proceso con una estabilidad aceptable , el grosor medio es
= 4.75, la mediana 4.7, y la desviacin estndar = 0.45.

a) De acuerdo con la media y la mediana, el centrado del proceso es

acuerdo? Argumente.
b) Si considera slo la media y la mediana, puede decir si el proceso cumple
con la especificaciones? Explique.
c) Calcule los limites reales, haga la grafica de capacidad y seale si
el proceso cumple con especificaciones. Argumente su respuesta.

14. En el problema anterior, con el propsito de mejorar la calidad que se tena en

cuanto al grosor de las lminas, se implement un proyecto de mejora siguiendo
la metodologa Seis Sigma varios de los cambios implementados fueron relativos
a mejora del proceso. Para verificar si el plan tuvo xito, se eligieron lminas de
manera aleatoria y se midi su grosor. Los 120 datos obtenidos durante tres das
se muestran a continuacin:
Solucin:
Grosor
Media
Error tpico
Mediana
Moda
Desviacin estndar
Varianza de la muestra
Curtosis
Coeficiente de asimetra
Rango
Mnimo
Mximo
Suma
Cuenta

4.889166667
0.028935256
4.9
5
0.316969853
0.100469888
-0.121132286
-0.209923329
1.6
4.1
5.7
586.7
120

La medicin promedio para el grosor es de 4.8mm

El 50% de las lminas tiene una igualdad o inferior de 4.9.
5mm es el dato que con mayor frecuencia se repite.

Histograma (con curva normal) de grosor de laminas

Frecuencia

20

Media
Desv .Est.
N

15

10

4.2

4.5

4.8
grosor de
laminas

5.1

5.4

5.7

4.889
0.3170
120

15. en la elaboracin de envases de plstico primero se elabora la preforma,

para la cual se tienen varios criterios de calidad, uno de ellos es el peso de sta.
Para cierto envase se tiene que el peso debe estar entre 28.00 +- 0.5g. a
continuacin se muestran los ltimos 112 datos obtenidos mediante una carta de
control para esta variable.
Solucin:
peso
Media
Error tpico
Mediana
Moda
Desviacin estndar
Varianza de la muestra
Curtosis
Coeficiente de asimetra
Rango
Mnimo
Mximo
Suma
Cuenta

27.97482143
0.013526383
27.955
27.94
0.143149781
0.02049186
-0.24915051
0.203109269
0.76
27.63
28.39
3133.18
112

El peso promedio es de 28g.

El 50% de los datos obtenidos mediante una carta de control tiene una
igualdad o inferior de 27.95.
27.94 es el dato que con mayor frecuencia se repite.

Histograma (con curva normal) de

medicion

27.5

Frecuencia

Media
Desv .Est.
N

28.5

20

27.97
0.1431
112

15

10

27.60

27.7
5

27.9
0

28.0
5

28.2
0

28.3
5

28.50

medicio
n

Media del
Error
Variable N N* Media estndar Desv.Est. Varianza CoefVar Mnimo
Medicin 112 0 27.975 0.0135
0.143 0.0205 0.51 27.630
N para
Variable
Q1
Mediana
Q3 Mximo Rango Modo
Medicin 27.872 27.955 28.080 28.390 0.760 27.94

moda
7

Sesgo
0.20

Variable Kurtosis
Medicin -0.25

24. en la elaboracin de una bebida se desea garantizar que el porcentaje de CO 2

(gas) est entre 2.5 y 3.0. En el monitoreo del proceso se obtuvieron los siguientes
115 datos.

Solucin:
Porcentaje de CO2
Media
Error tpico
Mediana
Moda
Desviacin estndar
Varianza de la muestra
Curtosis
Coeficiente de asimetra
Rango
Mnimo
Mximo
Suma
Cuenta

2.624956522
0.025913479
2.6
2.61
0.277891099
0.077223463
105.8378446
10.08166048
3.04
2.48
5.52
301.87
115

El porcentaje promedio de CO2 para las bebidas es de 2.62%.

El 50% de las bebidas tiene una igualdad o inferior es de 2.6% de CO 2.
El 2.61% de CO2 es el dato que con mayor frecuencia se repite.

Histograma (con curva normal) de %

de Co2
80

2.5

2.5

3.0

Media
Desv .Est.
N

2.625
0.2779
115

Frecuencia

70
60
50
40
30
20
10
0

2.0

3.5

4.0

4.5

5.0

5.5

% de
Co2

Media del
Error
Variable N N* Media estndar Desv.Est. Varianza CoefVar Mnimo
% de Co2 115 0 2.6250 0.0259 0.2779 0.0772 10.59 2.4800
N para
Variable
Q1 Mediana
Q3
Mximo Rango
% de Co2 2.5600 2.6000 2.6400 5.5200 3.0400

Modo
2.61

moda Sesgo
11
10.08

Variable Kurtosis
% de Co2 105.84
Ay una cierta cantidad que no cumple con el rango de calidad (falta agregar ms
Co2

EJERCICIOS DEL CAPITULO 3

EJERCICIO 7:
El departamento de compras inspecciona un pedido de 500 piezas elctricas, para
lo cul toma una muestra aleatoria de 20 de ellas y se prueban. El vendedor
asegura que el porcentaje de piezas defectuosas es slo de 5%, as suponiendo
el peor de los casos segn el vendedor, p=0.05, responde lo siguiente:
a) Cul es la probabilidad de que el porcentaje muestral de defectuosos sea
mayor al 10%?
X distribucin Hipergeomtrica
N=500 finita
n=20
M=5%*500=25
10%20 = 2
Probabilidad ( X>2)=???? Variable discreta
P(X>2)=P(X3)=???
Grfica de
distribucin
Hipergeomtrico, N=500, M=25,
n=20

0.4

Probabilidad

0.3

0.2

0.1

0.0

0.071
6
3
X

b) Cul es la probabilidad de obtener una o menos piezas defectuosas?

Grfica de distribucin
0.4

Hipergeomtrico, N=500, M=25,

n=20

Probabilidad

0.736

0.3

0.2

0.1

0.0

EJERCICIO 8:
Un proceso de produccin de partes trabaja con un porcentaje promedio de
defectos de 5%. Cada hora se toma una muestra aleatoria de 18 artculos y se
prueban. Si la muestra contiene ms de un defecto el proceso deber
detenerse.
a) Calcule la probabilidad de que el proceso se detenga debido al esquema
de muestreo.
X: Nmero de artculos defectuosos Variable aleatoria discreta
sigue una distribucin Binomial ~ B( n, p)
p=0.05
n=18
P(proceso se detenga)=P(X>1)=P(X>=2)=0,226

Grfica de
distribucin
Binomial. n=18.
p=0,05

Probabilidad

0,4

0,3

0,2

0,1
0,226
0,0

2
X

b) De acuerdo con lo contestado en a) Considera que el esquema de

muestreo es adecuado o generara demasiadas interrupciones?
El tipo de muestreo ya que el nivel de calidad exigido en un lote de 18 artculos el 5% debe
ser 1 o menos

EJERCICIO 9:
Un fabricante de calculadoras electrnicas desea estimar la proporcin de
unidades defectuosas producidas para ello toma una muestra aleatoria de 250 y
encuentra 25 defectuosas. Con base en esto el fabricante afirma que el
porcentaje de calculadoras defectuosas que se produce es de 10% Es real esta
afirmacin? Argumente su respuesta.
Grfica de
distribucin
Hipergeomtrico, N=250, M=25,
n=25

Probabilidad

0.30
0.25
0.20
0.15
0.10
0.05

0.062
2

0.00

0
7
X

EJERCICIO 10:
Un fabricante de galletas que, con probabilidad de 0.95, cada galleta contenga al
menos una pasa. Cuntas pasas en promedio por galleta deber agregar a la
masa como mnimo? Cul es la probabilidad de que una galleta contenga mas
de seis pasas? Apyese en la distribucin de Poisson.
Grfica de
distribucin
Poisson,
Media=1

Probabilidad

0.4

0.3

0.2

0.1

0.632

0.0

Grfica de
distribucin
Poisson,
Media=1

Probabilidad

0.4

0.3

0.2

0.1

0.0

0.000083
2
7

EJERCICIO 11:
En un almacn se inspeccionan todos los lotes de cierta pieza que se recibe, para
ello se emplean muestras de tamao 100. Se sabe que el proceso genera 1% de
piezas defectuosas y se tiene el criterio de rechazar el lote cuando se encuentran
ms de tres piezas defectuosas en la muestra. Cul es la probabilidad de
aceptar un lote? Cul es la probabilidad de que se tengan que inspeccionar 10
lotes
antes de rechazar el primero del da?
Grfica de
distribucin

Probabilidad

0.4

0.3

0.2

0.1

0.0

Binomial, n=100,
p=0.01

0
9
X

Grfica de
distribucin
Binomial, n=100,
p=0.01

Probabilidad

0.4

0.3

0.2

0.1

0.0

0.018
4
X

EJERCICIO 12:
Una caja contiene cuatro artculos defectuosos y ocho en buen estado. Se
sacan dos artculos al azar.
a) Cul es la probabilidad de que al menos uno sea bueno?
X: ARTICULOS EN BUEN ESTADO
SI CONOCE TAMAO POBLACION ES UNA DISTRIBUCION
HIPERGEOMETRICA
N=12
n=2
M: 8
P(X>=1)=0,909

Grfica de
distribucin
Hipergeomtrico. N=12. M=8.
n=2

Probabilidad

0,5

0,909

0,4

0,3

0,2

0,1

0,0
0

1
X

b) Cul es la probabilidad de que los dos sean del mismo tipo (buenos o
malos)?
P(los dos sean del mismo tipo (buenos o malos)=
P(X=2)+P(X=0)=1-P(X=1)=1-0.485=0,515
Grfica de
distribucin
0,5

Hipergeomtrico. N=12. M=8.

n=2

Probabilidad

0,485
0,4

0,3

0,2

0,1

0,0

2
X

c) Cul es el valor esperado de los artculos buenos?

VALOR ESPERADO= np=n*M/N=2*8/12=0,833

EJERCICIO13:
Un gerente de produccin de cierta compaa esta interesado en probar los
productos terminados que estn disponibles en lotes de tamao 50. Le
gustara retrabajar el lote si puede estar seguro de que 10% de los artculos
estn defectuosos en la muestra.
Entonces decide tomar una muestra de tamao 10 sin reemplazo y retrabajar el
lote si encuentra uno o ms defectuosos en la muestra. Es este un
procedimiento razonable? Argumente su respuesta.
Grfica de
distribucin
Hipergeomtrico, N=50, M=5,
n=10

Probabilidad

0.4

0.3

0.2
0.1
0.689
0.0

EJERCICIO 15:
En una compaa area 40% de las reservaciones que se hacen con ms de un
mes de anticipacin son canceladas o modificadas. En una muestra de 20
reservaciones Cul es la probabilidad de que 10,11 12 reservaciones no
hayan cambiado?
a) Conteste usando la distribucin binomial.

Grfica de
distribucin
Binomial, n=20,
p=0.4

0.20

Probabilidad

0.15

0.10

0.05

0.00

0.056
5
12
X

b) Resuelva con base en la distribucin normal con la media y la varianza

de la binomial considerando el rango de 9.5 a 12.5.
Grfica de
distribucin
Binomial, n=20,
p=0.4

Probabilidad

0.20

0.15

0.10

0.05
0.128
0.00

11

EJERCICIO 16:
Se hace un estudio de la duracin en horas de 20 focos y se obtienen los
siguientes datos: 138.62, 37, 62,25.00, 59.36, 87.50, 75.49, 56.46, 33.86,
61.30,
323.52, 1.50, 186.34, 193.65, 11.34, 52.20, 381.41, 2.68.

a) Encuentre, mediante grficas de probabilidad, una distribucin continua

que se ajuste de manera adecuada a los datos.
Grfica de probabilidad
de C1
Normal - 95% de
IC
99

Media
Desv .Est.
N
AD
Valor P

Porcentaje

95
90

101.6
110.6
17
1.333
<0.005

80
70
60
50
40
30
20
10
5
1

-300

-200

-100
0

100
C1

200

300

400

500

b) Considere una distribucin exponencial con parmetro

obtenga la probabilidad de que los focos duren ms de 300 horas.

Grfica de probabilidad
de C1
Norma
l
99

Media
Desv .Est.
N
KS
Valor P

Porcentaje

95
90
80
70
60
50
40
30
20
10
5
1

-200

-100
0

100
C1

200

30
0

400

101.6
110.6
17
0.257
<0.010

EJERCICIO 17:
Una mquina realiza cortes de manera automtica de ciertas tiras metlicas con
media =40,1 cm y una desv estndar 0,2 cm. La media ptima de tales tiras
debe ser de 40 cm con un tolerancia de ms o menos 0,5 cm. Suponiendo
distribucin normal estime el porcentaje de las tiras que cumple con las
especificaciones
2

X: medida de corte de las tiras metlicas (cm) ~ N( , )

Especificacin inferior = 39,5
Especificacin Superior = 40,5
Valor objetivo = 40
Z= (X-)/
P( 39,5 < X <40,5)= P[( 39,5-40,1)/0,2 < Z < ( 40,5-40,1)/0,2]=???
P[-3< Z< 2]=0,976

Grfica de
distribucin
Normal. Media=0.
Desv.Est.=1
0,4

Densidad

0,976
0,3

0,2

0,1

0,0

-3

0
X

EJERCICIO 18:
Verifique si los siguientes datos se ajustan bien a una distribucin normal.
2.51
2.50
1.08
2.61
2.91
2.59
2.13
2.60

2.29
2.48
2.25
2.11
1.84
2.07
1.98

2.31
2.27
2.10
5.70
2.09
3.10
2.02

2.19
2.26
3.30
2.31
2.78
2.32
2.18

2.09
2.86
3.15
2.00
2.32
2.59
2.26

2.48
3.73
2.27
2.35
2.59
2.42
2.10

2.65
2.98
2.23
1.76
1.87
2.04
2.69

Prueba de bondad de ajuste curva normal

Ho: Los datos siguen una distribucin normal

Ha: Los datos NO siguen una distribucin normal

Media
2,446
Desv .Est.
0,6388
N
50
KS
0,179
Valor P
<0,010

99

95

Porcentaje

90

alfa=0,05

80
70
60
50
40

alfa > valor

p
Rechaza Ho
Es decir los datos no siguen una distribucin normal

30
20
10
5
1

1
3

4
datos