Escuela Profesional de Ingeniería Industrial

Control Estadístico

EJERCICIOS DEL CAPÍTULO 2
EJERCICO 1:
Con sus palabras y apoyándose en gráficas, conteste los siguientes incisos: a) ¿qué es la tendencia central y qué es la variabilidad de un proceso o unos datos?

La tendencia central es una característica 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 análisis de los datos. MEDIDAS DE DISPERSIÓN: VARIABILIDAD DE UN PROCESO PERMITEN OBSERVAR LA

b)

Represente de manera gráfica y mediante curvas de distribución, dos procesos con la misma variabilidad pero diferente tendencia central.
Gráfica de distribución
Normal, Desv.Est.=3 0.14 0.12 0.10
Media 250 300

Densidad

0.08 0.06 0.04 0.02 0.00

240

250

260

270 X

280

290

300

310

Escuela Profesional de Ingeniería Industrial

Control Estadístico

c)

Elabore la gráfica de dos procesos con la misma media pero diferente dispersión.
Gráfica de distribución
Normal, Media=300 0.14 0.12 0.10
Desv .Est. 3 6

Densidad

0.08 0.06 0.04 0.02 0.00

280

290

300 X

310

320

d)

Represente dos procesos cuya forma de distribución sea diferente.
Gráfica de distribución
0.07 0.06 0.05
Distribución Media Poisson 300 Distribución Media Desv .Est. Normal 300 6

Densidad

0.04 0.03 0.02 0.01 0.00

250

275

300 X

325

350

e)

¿qué significa que un proceso sea capaz? Significa que los valores que obtuvieron han caído 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 señalamos….

Escuela Profesional de Ingeniería Industrial

Control Estadístico

Ejemplo: Supongamos una botella de agua mineral de ½ litro contenido debe ser 500 ml±5 ml. Entonces: Especificación superior=505 ml Especificación 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 función de sus distintas variables: - Diámetro del envase de acuerdo al diseño - Peso del envase - Características físicas y químicas: 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 característica de calidad debe estar entre 30 ± 2, y se sabe que su media es µ = 29.9; entonces, ¿se tiene buena calidad, se cumple con las especificaciones? Si se tiene una buena calidad porque está 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.

es el valor que más se repite.4 0. EJERCICIO 4: Un grupo de 30 niños va de paseo en compañía de tres de sus maestras. proponga un valor aproximado para la media. La edad de las tres maestras es de aproximadamente 30 años. Con base en lo anterior. esto condiciona a la media a perder representatividad. 0.Est. Media = 11. La edad de los niños varía entre 4 y 8 años. Esto es porque la mayor cantidad de paseantes son .5 0. que el 50% tiene un valor inferior a 5 años y el otro 50% tiene un valor superior a 5 años a pesar que las 3 maestras tienen un aproximado de 30 años.2 0.9 0. Argumente sus propuestas. incluyendo a las tres maestras.Escuela Profesional de Ingeniería Industrial Gráfica de distribución Normal. La edad que se repite más es la de 4. Media=29. Es decir.7 0.6 Densidad Desv .1 0. es el valor medio. la moda y la mediana de la edad de los 33 paseantes. Estos valores muy extremos hacen que la media pierda representatividad.5 1 0. Mediana = 5. la mitad tiene 5 años o menos.0 26 27 28 29 X 30 31 32 33 NO Cumple especificaciones EJERCICIO 3: ¿De qué manera afectan los datos raros o atípicos a la media? Explique su respuesta. Es decir. Moda = 4.3 0. esté valor estimado es porque al ver 3 valores muy extremos como 30 años con 4 y 8 años. el valor obtenido sea muy inferior o superior a lo real.9 28 Especificación Inferior 32 Especificación Superior Cumple especificaciones Control Estadístico 0.8 0.

¿qué número reportaría? ¿por qué? Reportaría el n° 6. 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 desviación estándar mayor si pensamos en la probabilidad en términos de una área. Sin embargo. Por lo tanto. esperaríamos que la mayoría de los valores se agrupen alrededor de la media. a) Si usted tiene que reportar la tendencia central de fallas. Si una variable aleatoria tiene una desviación estándar pequeña. . Es decir.Escuela Profesional de Ingeniería Industrial Control Estadístico menores de 5 años y las 3 maestras de 30 años aproximadamente no influyen en la mediana. poblacional o para ambos. que el 50% de fallas es inferior a 6 y el otro 50% es superior a 6. Explique esta situación y explique si sr aplica para el caso muestral. por que al ver varias fallas en unos meses y en otros meses no. EJERCICIO 9: La desigualdad de Chebyshev y la regla empírica establece la relación entre la media y la desviación estándar. esperaríamos una distribución continua con un valor grande de σ que indique una variabilidad mayor y. Esta desigualdad de chebyshev es aplicada para ambos casos (muestral y poblacional). Esto nos proporciona valores extremos que influyen en el análisis de los datos. EJERCICIO 5: En una empresa se llevan los registros del número de fallas de equipos por mes. perdiendo representatividad el valor de la media. b) ¿la discrepancia entre las media y la mediana se debió a que durante varios meses ocurrieron muchas fallas? Si. la media es de 4 y la mediana de 6. esperaríamos que el área este extendida. porque me da el valor medio de fallas que ocurrieron en cada mes. por lo tanto. una desviación estándar pequeña debería tener la mayor parte de su área cercana a µ.

5 201.7 199.8 202.0 201.3 198.7 200.5 198.34 Limites Reales: µ±3 Desv.6 201.8 200.16 1.00 200.0 198. 201.7 200.4 200.7 201. y a partir de éstos decida si la variabilidad de los datos es aceptable.2 201.7 201.4 201.5 200.2 198.3 199. Estadísticas descriptivas: C1 N para Variable Media Mediana Modo moda C1 200.7 198.1 200.7 200.4 200.5.0 201.7 201. cuya longitud ideal es de 200 mm.3 198. Al final del turno un inspector toma una muestra e inspecciona que la longitud cumpla especificaciones.3 200.9 198. con una tolerancia de ± 3 mm.8 199.4 6 Todas las medidas de tendencia central nos indica que latendencia es adecuada.5 201.0 198.6 199.0 201.10 199. variabilidad.5 197. sesgos.7 201.1 200.8 199.4 201.8 199.7 198.3 199.9 198.4 199.Escuela Profesional de Ingeniería Industrial Control Estadístico EJERCICIO 10 Dos máquinas.2 198.2 201.5 200.2 198.4 200.5 202.3 199.2 199.4 198.1 201.9 199.6 199.4 201. son utilizadas para cortar tiras de hule.9 198.7 201.6 200.3 199. Variable Desv.6 198. etcétera).2 200.5 199.8 197.0 199.1 198.7 199.5 198.7 198.7 198.9 200.7 198. acantilados.6 200. 200.6 a) Obtenga las medidas de tendencia central y con base en ellas señale si la tendencia central del proceso es adecuada.1 198.7 201.Estandar c) Obtenga un histograma e interprételo (tendencia central.6 199.9 198. 199.0 199.2 200.0 198. b) Calcule la desviación estándar y una aproximación de los límites reales.5 199.6 199.1 200.2 202.4 201.3 200.3 200.6 200. A continuación se muestran las últimas 110 mediciones para ambas máquinas. Varianza C1 1.5 199 198.0 200.8 200.7 198.5 201.2 201.Est.9 201.0 201.4 201.4 199. .0 201.1 200.8 198.0 201.8 200.0 200. cada una operada por una persona.5 200.2 199.5 199.2 201. porque esta dentro de los limites permitidos.

Est. cuál es su opinión acerca de lo adecuado o no de la longitud de las tiras que se cortaron en el periodo que representan las mediciones.0 1. considere que los primeros 55 datos (ordenados por renglón) corresponden a una máquina.468 11 10 9 8 7 6 6 5 4 5 4 3 8 7 10 Media Desv . así que podemos decir que las tiras cumplen las especificaciones requeridas y el lote es aceptado. Ahora conteste lo siguiente.532 12 10 8 6 4 2 0 2 1 4 203. Maquina 2 Variable N para Media Mediana Modo moda . EJERCICIO 11: En el caso del ejercicio anterior. Estadísticas descriptivas: Maquina 1.156 110 Como el sesgo es negativo. Las longitudes de las tiras se encuentran en el rango permitido. nos indica que la curva tiene una tendencia hacia la derecha Frecuencia 197 198 199 200 C1 201 202 203 d) Con la evidencia obtenida antes. N 200.Escuela Profesional de Ingeniería Industrial Control Estadístico Histograma de C1 Normal 196. y los últimos 55 a otra. a) Evalúe las dos máquinas en cuanto a su centrado (tendencia central) y con respecto a la longitud ideal (200).

Maquina 2 Variable Desv.45 d) De acuerdo a lo anterior. Control Estadístico 3 b) Analice la dispersión de ambas máquinas utilizando la desviación estándar y la regla empírica.00 201.9 Desv .43 Maquina 2 1.20 199 5 Maquina 2 199. Maquina 2 Normal 196. Est.16 1.08 200.91 200. 1. tiende acia la izquierda Maquina2: Sesgo negativo.6.36 199. 200. Histograma de Maquina 1.165 N 55 Maquina 2 Media 199.Est.2. 201.Est.605 12 10 8 8 6 6 4 2 0 4 Maquina1: Sesgo positivo.3. Varianza Q1 Q3 Sesgo Kurtosis Maquina 1 1. Estadísticas descriptivas: Maquina 1. porque su desv.595 197 198 199 200 201 202 203 Maquina 2 Maquina 1 Media 200.20 0.1 Desv .150 N 55 Frecuencia 2 197 198 199 200 201 202 203 0 196. 201. 1.20 De acuerdo a las especificaciones ambas máquinas cumplen las tolerancias permitidas.Escuela Profesional de Ingeniería Industrial Maquina 1 200.80 200.4 La máquina 2 es más exacta que la máquina 1.32 198.17 -1.90 -0. tiende hacia la derecha 203.35 Maquina 1 10 203. Pero la máquina 2 es la más exacta a la media ideal de 200 mm. .10 200. es menor a la de la máquina c) Haga un histograma para cada máquina e intérprete cada uno de ellos.09 -1.Est.15 1. ¿cuál es el problema de cada máquina? La máquina 1 tiene menor precisión. la mayoría de sus valores son inferiores a la media ideal (200 mm).

e) Considere que cada máquina es operada por una persona diferente.Revisar constantemente la máquina. y determine cuáles son las posibles causas de los problemas señalados en el inciso anterior y señale qué haría para corroborar cuáles son las verdaderas causas. pero la mayoría de sus valores son superiores e inferiores.  Precauciones: . f) Vuelva a analizar el histograma realizado en el inciso c) del ejercicio anterior y vea si de alguna forma se vislumbraba lo que detectó con los análisis realizados en este ejercicio.Evaluar al operario. Causas:  Puede ser que la persona que está operando la máquina no esté revisándola constantemente.Escuela Profesional de Ingeniería Industrial Control Estadístico La máquina 2 es más precisa. . El operario no ha sido capacitado correctamente. ya que la máquina puede ser muy antigua y se descontrole fácilmente. .

Media=318.10 310 330 Respecto a los limites reales los datos esta correctamente distribuidos. continuamente se tienen problemas en la densidad de la pintura que es necesario corregir con retrabajo y reprocesos adicionales.Escuela Profesional de Ingeniería Industrial Control Estadístico EJERCICIO 23: El volumen en un proceso de envasado debe estar entre 310 y 330 ml. pero segun las especificaciones tiende una variabilidad hacia la izquierda. Normal. Desv.00 310 318 X 326 330 EJERCICIO 16: Una característica clave en la calidad de las pinturas es su densidad. Sin embargo.06 0. De acuerdo con los datos históricos se tiene que µ = 318 y σ = 4. La cantidad de arena en la formulación de un lote se controla por medio del número de costales.=4 306 0.02 0. se toma una muestra aleatoria de 30 costales de cada lote o pedido (500 costales). ¿El proceso de envasado funciona bien en cuanto al volumen? Argumente su respuesta.04 0. . En este contexto se decide investigar cuanta arena contienen en realidad los costales.Est. Gráfica de distribución 0. que según el proveedor contienen 20 kg. y un componente que influye en esta es la cantidad de arenas que se utilizan en su elaboración. Para ello.08 Densidad 0.

6 19.0 19.3 18.4 19.6 19.1 19.3 18.9 18.7 19.7 20.8 19.7 21.6 19.4 18. f) ¿las diferencias encontradas se podrían haber inferido a partir del histograma de inciso c)? g) obtenga un diagrama de caja para cada lote y compárelos.7 17.8 19.2 18.06 0.9 20.476 0.1 20.350 19. señale si hay diferencias grandes entre los lotes.3 19.040 Desv.7 19.0 18. a) de acuerdo con los 90 datos.6 19.6 20.0 20.7 19.6 19.1 20.0 19.555 0.46 Histograma de Total de Lotes .0 20.9 19.0 19.2 19.0 19.4 19.4 19.4 20.6 19.1 20.8 20.0 19.4 20.4 18.308 0.350 20.0 20.4 19.7 PESO DE COSTALES DE LA MUESTRA 19.8 19.9 19.2 18.8 kg. inserte las especificaciones e interprete con detalle.0 19.5 19.3 19.6 20.297 20.401 Varianza 0.7 20.2 19.6 20.6 20.000 Sesgo 1.9 19.6 18.2 19.161 Mediana 19. d) de su conclusión general acerca de si los bultos cumplen con el peso especificado.0 20.8 18.7 19.250 19.8 19.8 19.6 19.0 19.0 20.0 20.7 20.Escuela Profesional de Ingeniería Industrial Control Estadístico Los pesos obtenidos en las muestras de los últimos tres lotes se muestran adelante. e) haga un análisis de cada lote por separado y con apoyo de estadísticos y gráficas. LOTE 1 18.26 0.690 0. c) obtenga un histograma para los 90 datos.4 19.4 18. 0.5 20.39 -0.1 20.5 20. ¿el centrado del proceso es adecuado? b) ¿la variabilidad es poca o mucha? Apóyese en los estadísticos adecuados. Las especificaciones iniciales que se establecen para el peso de los costales de arena son de 20± 0.4 21.8 19.6 19.01 0.5 19.8 18.4 20.1 18.Est.3 18.7 19.1 19.29 Kurtosis 1.1 19.2 2 3 Estadísticas descriptivas: Lote 1. Lote 3 Variable Lote 1 Lote 2 Lote 3 Media 19.1 20.0 19. Lote 2.0 20.

Est.6511 90 Control Estadístico Frecuencia 8 6 4 2 0 18.0 18.5 21.0 Total de Lotes 20. N 19. Lote 2.5 20.0 20. Lote 2.5 18. Lote 3 Histograma de Total de Lotes Normal 17.5 19. Para problemas mayores.0 19.5 19.56 0.0 Datos 19.0 18.0 21. en cierta zona del país se estableció como meta que la respuesta se de .513 Media Desv . el tiempo de respuesta a solicitudes de apoyo técnico debido a fallas en los equipos.5 Gráfica de caja de Lote 1.Escuela Profesional de Ingeniería Industrial Gráfica de caja de Lote 1. Lote 3 21.5 20.607 14 12 10 21.0 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.

esto es debido ala variación de los tiempos que se toma en el analisis de este caso.5 9.7 2.0 2.7 5.1 5.9 3.4 3.9 6.5 3.618 65 12 10 8 6 4 2 0 El histograma presenta caracteristicas multimodales.9 5.366 1.6 5.5 4.4 8.4 - a) Calcule las medidas de tendencia central y con base en estas.3 7. N 5.3 4.1 7.5 3.8 5.1 Los 65 datos 5.1 7.5 6.9 5.Escuela Profesional de Ingeniería Industrial Control Estadístico en un máximo de 6 horas hábiles.7 2. interprete y diga que tan bien se cumple la meta.9 6.4 6.3 4.5 3.4 8.4 N para moda 5 Histograma de C1 Normal 0.8 4.7 4.1 5.0 6.2 5. c) Haga un histograma e interprete sus aspectos más relevantes.1 5. es decir.500 Modo 5.0 5.5 6.0 7. y que si el problema se clasifica como grave no deben pasar más de 6 horas hábiles para que un técnico acuda a resolver el problema.1 7.7 5. 5.4 7.366 Mediana 5.8 5.0 3. 1.9 5.51 10. ¿cree que se cumple con la meta? b) Aplique la regla empírica.9 3.1 5.3 1.Est. ¿Qué recomendaciones daría para ayudar a cumplir mejor la meta? Variable C1 Media 5.7 6.8 7.2 7.8 4. de que habla el cliente solicitando apoyo.0 4.8 4.6 3.3 4.1 6.5 C1 6. A continuación se aprecian los tiempos de respuesta en horas para los primeros nueve meses del año (65 datos).8 5.2 6. d) A partir del análisis que se ha realizado.5 4.9 7.6 5.2 4.0 7.9 6.0 4.7 3.0 7.4 5.4 3.0 Frecuencia .22 Media Desv .

b) compare las tres líneas.1 6. a) analice los datos para cada línea y anote las principales características de la distribución de los datos.2 9.0 8.0 7.1 7.6 7.3 5.1 6.5 8.3 6.4 5.2 8.0 6.0 LINEA 2 6.5 7. Linea 2.7 6.900 Q3 7.8 6.9 8.550 Modo 7.7 7.7 8.2 7.8 Estadísticas descriptivas: Linea 1.1 6.001 Q1 6.0 8.7 6.102 1.0 6.1 7.5 8.5 6.8 6.100 6.6 5.7 7.5 6.3 6.872 6.4 6.001 Varianza 1.1 8.9 6.050 6.2 7.2 6.7 7.6 5.1 7.9 8. Linea 3 Variable Linea 1 Linea 2 Media 6.3 8.1 8.2 8.1 6.5 8.Escuela Profesional de Ingeniería Industrial Control Estadístico EJERCICIO 18: Los siguientes datos representan las horas caídas de equipos por semana en tres líneas de producción.4 6.1 5.050 1.4 6.1 6.1 6. ¿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 7.2 7.4 7.250 Mediana 7.2 6.3 5.0 7.7 7.2 7.7 6. 1.4 7.750 7.0 5.0 8.0 5.8 8.3 7.Est.2 7.3 7.5 8.3 7.2 7.4 N para moda 3 3 .4 8.996 Desv.2 6.4 LINEA 3 7.7 7.

ES = 20.2L.312 Sesgo -0. De acuerdo con esto.770 6.9 y 0.46 0.=0.1 19.2 Gráfica de distribución 3 Densidad 2 1 0 19.100 Control Estadístico 8.350 7.6 4 19.878 Kurtosis -0. En una gasolinera se hacen revisiones periódicas para evitar infracciones y ver si se cumplen las especificaciones (EL = 19.01 -1.9 X 20.8.2).1 20.9. respectivamente. la media y la desviación estándar de los 15 datos son 19. Normal.1. Media=19. ¿se puede garantizar que la bomba cumple con la norma? Argumente su respuesta.7 19.2 .94 0.23 0.1 4 EJERCICIO 8: De acuerdo con cierta norma. a una bomba de gasolina en cada 20L se le permitía una discrepancia de 0. respecto alas especificaciones 20.13 -0. De acuerdo con los resultados de 15 inspecciones para una bomba en particular.Est.500 8. Desv.8 La bomba no cumple on la norma porque el proceso es inadecuado por la izquierda.35 0.Escuela Profesional de Ingeniería Industrial Linea 3 Variable Linea 1 Linea 2 Linea 3 7.

987593394 58.8 2. La encuesta consiste en 10 preguntas. El 50% de los puntos obtenidos tiene una igualdad o inferior de 59. Solución: Puntos Obtenidos de los cuestionarios Media Error típico Mediana Moda Desviación estándar Varianza de la muestra Curtosis Coeficiente de asimetría Rango Mínimo Máximo Suma Cuenta 59.Escuela Profesional de Ingeniería Industrial Control Estadístico 12. A continuación se muestran los puntos obtenidos en 50 cuestionarios. 78 puntos. es el puntaje que con mayor frecuencia se repite. En un área de servicios dentro de una empresa de manufactura se realiza una encuesta para evaluar la calidad del servicio proporcionado y el nivel de satisfacción de los clientes internos.5 78 21.2857143 -1.015244434 62 29 91 2990 50 - Los puntos promedio obtenidos del cuestionario es 59. y cada una de ellas evalúa diferentes aspectos del servicio proporcionado.802931906 -0. Para hacer un primer análisis de los resultados obtenidos se suma los puntos obtenidos de las 10 preguntas para cada cuestionario. . La respuesta para cada pregunta es un número entre 0 y 10.12547548 446.

entonce se gastara demasiado m.02 y el segundo grupo está entre 62.7. en un grupo donde conlleva la nota más baja esta entre 26. ya que si la lamina tiene un grosor menor que 4. el grosor medio es µ = 4.Escuela Profesional de Ingeniería Industrial Control Estadístico Histograma (con curva normal) de resultado de Encuestas 12 10 8 6 4 2 0 Media Desv . Si la lamina tiene un grososr mayor que 5. la mediana 4.Est. Por lo tanto. y la desviación estándar  = 0.92 a 51.aterial para su elaboración y elevaran lo costos del fabricante.8 mm.8 mm.2 mm se considera demasiado delgado y no reunirá las condicione de resistencia exigida por el cliente.8 21. N 59. es de suma importancia fabricar las laminas con el grosor óptimo.75.45.81 a la nota más alta que es 92. En una fábrica de piezas de asbesto de una característica importante de la calidad es el grosor de las laminas. . 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 .13 50 Frecuencia 18 36 54 72 resultado de Encuestas 90 108 Interpretación Se nota que los 50 resultados de las encuestas están divididos en dos grupos. Para cierto tipo de lamina el grosor óptimo es de 5mm y se tiene una discrepancia tolerancia de 0.8 Lo que más 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 más alta 13.

Los 120 datos obtenidos durante tres días se muestran a continuación: Solución: Grosor Media Error típico Mediana Moda Desviación estándar Varianza de la muestra Curtosis Coeficiente de asimetría Rango Mínimo Máximo Suma Cuenta 4.7 586. Argumente su respuesta. Para verificar si el plan tuvo éxito.6 4. ¿puede decir si el proceso cumple con la especificaciones? Explique.Escuela Profesional de Ingeniería Industrial Control Estadístico a) De acuerdo con la media y la mediana.1 5. En el problema anterior. se implementó un proyecto de mejora siguiendo la metodología Seis Sigma varios de los cambios implementados fueron relativos a mejora del proceso.7 120 . 14. ¿el centrado del proceso es acuerdo? Argumente.100469888 -0.9 5 0. haga la grafica de capacidad y señale si el proceso cumple con especificaciones.209923329 1.121132286 -0.316969853 0. con el propósito de mejorar la calidad que se tenía en cuanto al grosor de las láminas. se eligieron láminas de manera aleatoria y se midió su grosor.889166667 0. b) Si considera sólo la media y la mediana.028935256 4. c) Calcule los limites reales.

Histograma (con curva normal) de grosor de laminas 20 Media Desv .3170 120 15 Frecuencia 10 5 0 4. N 4.5 4.Est.7 .4 5.9.8 5.8mm El 50% de las láminas tiene una igualdad o inferior de 4.889 0.1 grosor de laminas 5.2 4. 5mm es el dato que con mayor frecuencia se repite.Escuela Profesional de Ingeniería Industrial Control Estadístico - La medición promedio para el grosor es de 4.

El 50% de los datos obtenidos mediante una carta de control tiene una igualdad o inferior de 27.97482143 0.0.24915051 0. uno de ellos es el peso de ésta.63 28.955 27.00 +.143149781 0.02049186 -0. en la elaboración de envases de plástico primero se elabora la preforma.5g.95.76 27. para la cual se tienen varios criterios de calidad.18 112 - El peso promedio es de 28g. Solución: peso Media Error típico Mediana Moda Desviación estándar Varianza de la muestra Curtosis Coeficiente de asimetría Rango Mínimo Máximo Suma Cuenta 27. .94 es el dato que con mayor frecuencia se repite.Escuela Profesional de Ingeniería Industrial Control Estadístico 15. 27.203109269 0. a continuación se muestran los últimos 112 datos obtenidos mediante una carta de control para esta variable.94 0.39 3133. Para cierto envase se tiene que el peso debe estar entre 28.013526383 27.

143 0.5 y 3.05 medicion 28.75 27.390 0.35 28.0205 0.Escuela Profesional de Ingeniería Industrial Control Estadístico Histograma (con curva normal) de medicion 27. Varianza CoefVar Mínimo Medición 112 0 27.60 27.975 0. en la elaboración de una bebida se desea garantizar que el porcentaje de CO2 (gas) esté entre 2.760 27.0135 0.0.872 N para Mediana Q3 Máximo Rango Modo 27.97 0.Est.25 24.630 Variable Q1 Medición 27.1431 112 15 Frecuencia 10 5 0 27.080 28.5 Media Desv .50 Media del Error Variable N N* Media estándar Desv.5 20 28.20 28. N 27. En el monitoreo del proceso se obtuvieron los siguientes 115 datos.94 moda 7 Sesgo 0.955 28. .51 27.Est.90 28.20 Variable Kurtosis Medición -0.

El 2.077223463 105. El 50% de las bebidas tiene una igualdad o inferior es de 2.08166048 3. .025913479 2.61 0.61% de CO2 es el dato que con mayor frecuencia se repite.48 5.277891099 0.52 301.04 2.87 115 - El porcentaje promedio de CO2 para las bebidas es de 2.62%.624956522 0.6 2.Escuela Profesional de Ingeniería Industrial Control Estadístico Solución: Porcentaje de CO2 Media Error típico Mediana Moda Desviación estándar Varianza de la muestra Curtosis Coeficiente de asimetría Rango Mínimo Máximo Suma Cuenta 2.6% de CO 2.8378446 10.

5 3 Media Desv .5600 2.2779 0.61 moda Sesgo 11 10.0259 0. Varianza CoefVar Mínimo % de Co2 115 0 2.0772 10.08 Variable Kurtosis % de Co2 105.5200 3. N 2.0400 Modo 2.59 2.0 5.Est.5 4.0 2.0 3.Est.6250 0.5 3.Escuela Profesional de Ingeniería Industrial Control Estadístico Histograma (con curva normal) de % de Co2 80 70 60 2.625 0.6400 5.6000 2.5 5.84 Ay una cierta cantidad que no cumple con el rango de calidad (falta agregar más Co2 .0 % de Co2 4.2779 115 Frecuencia 50 40 30 20 10 0 2.4800 N para Variable Q1 Mediana Q3 Máximo Rango % de Co2 2.5 Media del Error Variable N N* Media estándar Desv.

así suponiendo el peor de los casos según el vendedor.1 0.3 Probabilidad 0.4 0.Escuela Profesional de Ingeniería Industrial Control Estadístico EJERCICIOS DEL CAPITULO 3 EJERCICIO 7: El departamento de compras inspecciona un pedido de 500 piezas eléctricas. M=25.0 0. n=20 0.0716 0 X 3 b) ¿Cuál es la probabilidad de obtener una o menos piezas defectuosas? . N=500. p=0.2 0. para lo cuál toma una muestra aleatoria de 20 de ellas y se prueban. responde lo siguiente: a) ¿Cuál es la probabilidad de que el porcentaje muestral de defectuosos sea mayor al 10%? X distribución Hipergeométrica N=500 finita n=20 M=5%*500=25 10%20 = 2 Probabilidad ( X>2)=???? Variable discreta P(X>2)=P(X≥3)=??? Gráfica de distribución Hipergeométrico.05. El vendedor asegura que el porcentaje de piezas defectuosas es sólo de 5%.

0 1 X 4 EJERCICIO 8: Un proceso de producción de partes trabaja con un porcentaje promedio de defectos de 5%. p) p=0. Si la muestra contiene más de un defecto el proceso deberá detenerse.2 0.1 0.Escuela Profesional de Ingeniería Industrial Control Estadístico Hipergeométrico.3 Probabilidad 0. Cada hora se toma una muestra aleatoria de 18 artículos y se prueban. a) Calcule la probabilidad de que el proceso se detenga debido al esquema de muestreo.05 n=18 P(proceso se detenga)=P(X>1)=P(X>=2)=0.736 Gráfica de distribución 0.4 0. n=20 0. X: Número de artículos defectuosos Variable aleatoria discreta sigue una distribución Binomial ~ B( n. N=500.226 . M=25.

226 0.2 0.4 0.Escuela Profesional de Ingeniería Industrial Control Estadístico Gráfica de distribución Binomial.3 Probabilidad 0.1 0.05 0.0 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 artículos el 5% debe ser 1 o menos . p=0. n=18.

95.1 0.20 0. N=250.05 0.10 0.2 0. cada galleta contenga al menos una pasa. Gráfica de distribución Poisson. Con base en esto el fabricante afirma que el porcentaje de calculadoras defectuosas que se produce es de 10% ¿Es real esta afirmación? Argumente su respuesta.4 0.00 Probabilidad 0 X 7 EJERCICIO 10: Un fabricante de galletas que.0622 0. Media=1 0. ¿Cuántas pasas en promedio por galleta deberá agregar a la masa como mínimo? ¿Cuál es la probabilidad de que una galleta contenga mas de seis pasas? Apóyese en la distribución de Poisson. M=25.0 0 1 X .30 0.632 0.Escuela Profesional de Ingeniería Industrial Control Estadístico EJERCICIO 9: Un fabricante de calculadoras electrónicas desea estimar la proporción de unidades defectuosas producidas para ello toma una muestra aleatoria de 250 y encuentra 25 defectuosas. Gráfica de distribución Hipergeométrico.25 0. n=25 0.3 Probabilidad 0.15 0. con probabilidad de 0.

2 0. Media=1 0.0 0 X 9 . para ello se emplean muestras de tamaño 100.4 0.Escuela Profesional de Ingeniería Industrial Control Estadístico Gráfica de distribución Poisson. ¿Cuál es la probabilidad de aceptar un lote? ¿Cuál es la probabilidad de que se tengan que inspeccionar 10 lotes antes de rechazar el primero del día? Gráfica de distribución Binomial. p=0.0000832 7 EJERCICIO 11: En un almacén se inspeccionan todos los lotes de cierta pieza que se recibe.3 Probabilidad 0.01 0. Se sabe que el proceso genera 1% de piezas defectuosas y se tiene el criterio de rechazar el lote cuando se encuentran más de tres piezas defectuosas en la muestra.3 Probabilidad 0.1 0. n=100.2 0.4 0.0 0 X 0.1 0.

01 0.909 .3 Probabilidad 0. p=0. a) ¿Cuál es la probabilidad de que al menos uno sea bueno? X: ARTICULOS EN BUEN ESTADO SI CONOCE TAMAÑO POBLACION ES UNA DISTRIBUCION HIPERGEOMETRICA N=12 n=2 M: 8 P(X>=1)=0.4 0.0 0.Escuela Profesional de Ingeniería Industrial Control Estadístico Gráfica de distribución Binomial.2 0.1 0. Se sacan dos artículos al azar. n=100.0184 0 X 4 EJERCICIO 12: Una caja contiene cuatro artículos defectuosos y ocho en buen estado.

n=2 0.909 0. N=12. n=2 0.5 0.4 Probabilidad 0.1 0.3 0.515 Hipergeométrico.1 0.485=0.485 Gráfica de distribución 0.4 Gráfica de distribución Probabilidad 0.5 0.0 0 1 X 2 . N=12.Escuela Profesional de Ingeniería Industrial Control Estadístico Hipergeométrico. M=8.3 0.2 0.2 0.0 0 1 X b) ¿Cuál 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. M=8.

Escuela Profesional de Ingeniería Industrial Control Estadístico c) ¿Cuál es el valor esperado de los artículos buenos? VALOR ESPERADO= np=n*M/N=2*8/12=0.1 0. n=10 Gráfica de distribución 0.4 Probabilidad 0. N=50. Hipergeométrico. M=5.11 ó 12 reservaciones no hayan cambiado? a) Conteste usando la distribución binomial. .0 0 1 X EJERCICIO 15: En una compañía aérea 40% de las reservaciones que se hacen con más de un mes de anticipación son canceladas o modificadas. ¿Es este un procedimiento razonable? Argumente su respuesta. Le gustaría retrabajar el lote si puede estar seguro de que 10% de los artículos están defectuosos en la muestra.689 0.3 0. En una muestra de 20 reservaciones ¿Cuál es la probabilidad de que 10.833 EJERCICIO13: Un gerente de producción de cierta compañía esta interesado en probar los productos terminados que están disponibles en lotes de tamaño 50.2 0. Entonces decide tomar una muestra de tamaño 10 sin reemplazo y retrabajar el lote si encuentra uno o más defectuosos en la muestra.

2.00 2 11 X EJERCICIO 16: Se hace un estudio de la duración en horas de 20 focos y se obtienen los siguientes datos: 138. 186. 11.30.20. n=20.46.10 0.15 Probabilidad 0.34. n=20.50.00.10 0. 37. 381. . 56.00 0.41.4 0.25. 52. 193.128 0.20 0. 323. 1. 59.4 0.5 a 12. Gráfica de distribución Binomial. 61.05 0. 87.49.05 0. 62.50.0565 2 X 12 b) Resuelva con base en la distribución normal con la media y la varianza de la binomial considerando el rango de 9. 33. 75.34.15 Probabilidad 0.52.20 0.68.36. p=0.5.86. p=0.65.Escuela Profesional de Ingeniería Industrial Control Estadístico Gráfica de distribución Binomial.62.

Gráfica de probabilidad de C1 Normal . Gráfica de probabilidad de C1 Normal 99 Media Desv .6 17 0.6 17 1. N KS Valor P 101.Escuela Profesional de Ingeniería Industrial Control Estadístico a) Encuentre.Est. mediante gráficas de probabilidad. una distribución continua que se ajuste de manera adecuada a los datos.Est.010 95 90 80 Porcentaje 70 60 50 40 30 20 10 5 1 -200 -100 0 100 C1 200 300 400 .257 <0.95% de IC 99 Media Desv .005 95 90 80 Porcentaje 70 60 50 40 30 20 10 5 1 -300 -200 -100 0 100 C1 200 300 400 500 b) Considere una distribución exponencial con parámetro   1  y x obtenga la probabilidad de que los focos duren más de 300 horas.333 <0. N AD Valor P 101.6 110.6 110.

2]=??? P[-3< Z< 2]=0. Desv.5-40.976 0.2 0.5 < X <40.Est.1)/0.1)/0.1 0.5 Valor objetivo = 40 Z= (X-µ)/σ P( 39.2 < Z < ( 40.1 cm y una desv estándar 0.3 Gráfica de distribución Densidad 0. Media=0. Suponiendo distribución normal estime el porcentaje de las tiras que cumple con las especificaciones X: medida de corte de las tiras metálicas (cm) ~ N( µ.0 -3 0 X 2 . La media óptima de tales tiras debe ser de 40 cm con un tolerancia de más o menos 0.5)= P[( 39.Escuela Profesional de Ingeniería Industrial Control Estadístico EJERCICIO 17: Una máquina realiza cortes de manera automática de ciertas tiras metálicas con media µ=40.=1 0.5 cm.5-40.4 0.σ2) Especificación inferior = 39.976 Normal.5 Especificación Superior = 40.2 cm.

04 2.00 2.15 2.84 2. 2.11 1.32 2.87 2.29 2.32 2.98 2.07 1.50 1.08 2.76 1.10 2.13 2.35 2.91 2.10 2.09 3.59 2.48 2.70 2.18 2.25 2.60 2.09 2.27 2.98 2.19 2.26 2.61 2.65 2.27 2.26 3.51 2.30 2.31 2.42 2.59 2.02 2.86 3.59 2.31 2.Escuela Profesional de Ingeniería Industrial Control Estadístico EJERCICIO 18: Verifique si los siguientes datos se ajustan bien a una distribución normal.73 2.48 3.78 2.23 1.69 .10 5.

Est.05 Porcentaje 70 60 50 40 30 20 10 5 alfa > valor p Rechaza Ho Es decir los datos no siguen una distribución normal 1 1 2 3 datos 4 5 6 .446 0. N KS Valor P 2.010 alfa=0.Escuela Profesional de Ingeniería Industrial Control Estadístico Ho: Los datos siguen una distribución normal Ha: Los datos NO siguen una distribución normal 99 95 90 80 Prueba de bondad de ajuste curva normal Media Desv .179 <0.6388 50 0.

Sign up to vote on this title
UsefulNot useful