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.

Media=29. La edad de los niños varía entre 4 y 8 años. Esto es porque la mayor cantidad de paseantes son . incluyendo a las tres maestras. Argumente sus propuestas.4 0.9 28 Especificación Inferior 32 Especificación Superior Cumple especificaciones Control Estadístico 0.6 Densidad Desv . La edad que se repite más es la de 4. Estos valores muy extremos hacen que la media pierda representatividad.8 0. Mediana = 5. Media = 11. La edad de las tres maestras es de aproximadamente 30 años. Con base en lo anterior.3 0. Es decir. 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. EJERCICIO 4: Un grupo de 30 niños va de paseo en compañía de tres de sus maestras.5 0. esto condiciona a la media a perder representatividad.1 0.9 0. proponga un valor aproximado para la media.5 1 0.Est. Moda = 4. es el valor medio. esté valor estimado es porque al ver 3 valores muy extremos como 30 años con 4 y 8 años. Es decir.Escuela Profesional de Ingeniería Industrial Gráfica de distribución Normal. es el valor que más se repite.2 0. la mitad tiene 5 años o menos.7 0.0 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. la moda y la mediana de la edad de los 33 paseantes. el valor obtenido sea muy inferior o superior a lo real.

perdiendo representatividad el valor de la media. . Sin embargo. por lo tanto. que el 50% de fallas es inferior a 6 y el otro 50% es superior a 6. Esto nos proporciona valores extremos que influyen en el análisis de los datos.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. la media es de 4 y la mediana de 6. EJERCICIO 5: En una empresa se llevan los registros del número de fallas de equipos por mes. ¿qué número reportaría? ¿por qué? Reportaría el n° 6. porque me da el valor medio de fallas que ocurrieron en cada mes. 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). Si una variable aleatoria tiene una desviación estándar pequeña. Es decir. esperaríamos que el área este extendida. 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. Por lo tanto. una desviación estándar pequeña debería tener la mayor parte de su área cercana a µ. Explique esta situación y explique si sr aplica para el caso muestral. esperaríamos que la mayoría de los valores se agrupen alrededor de la media. a) Si usted tiene que reportar la tendencia central de fallas. 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. b) ¿la discrepancia entre las media y la mediana se debió a que durante varios meses ocurrieron muchas fallas? Si.

4 6 Todas las medidas de tendencia central nos indica que latendencia es adecuada. son utilizadas para cortar tiras de hule.3 199.2 200. Variable Desv.5 197.3 198.2 201. variabilidad.2 201.3 199.7 200.7 198.4 200.7 200.5.5 199.7 198.6 a) Obtenga las medidas de tendencia central y con base en ellas señale si la tendencia central del proceso es adecuada.5 200.0 199.0 198.5 198.4 201.00 200.7 198.7 198.Escuela Profesional de Ingeniería Industrial Control Estadístico EJERCICIO 10 Dos máquinas.7 201. porque esta dentro de los limites permitidos.3 200.6 199.1 200.2 201.4 198.6 198.0 198.8 200.5 200.4 199. sesgos. A continuación se muestran las últimas 110 mediciones para ambas máquinas.8 199.2 199.0 201.4 201. etcétera).2 198.2 198.7 199. cada una operada por una persona.3 198.1 198.0 199.34 Limites Reales: µ±3 Desv.6 200.9 200.3 199.0 198.8 200.0 200.1 201.Estandar c) Obtenga un histograma e interprételo (tendencia central.9 201. 200.4 201.6 199.3 200. 199.Est. y a partir de éstos decida si la variabilidad de los datos es aceptable.8 197.16 1. b) Calcule la desviación estándar y una aproximación de los límites reales.5 199.0 201.4 201.4 200.7 198. .9 198.5 201.7 201.2 202. Varianza C1 1.8 198.1 200.6 200. cuya longitud ideal es de 200 mm.7 201.9 198.2 198.1 198.7 198.8 202.8 199.6 201.6 200.5 199 198.10 199.6 199.0 201.7 199. con una tolerancia de ± 3 mm.5 200.2 201.7 200.8 200.0 201.1 200.4 199.6 199.4 200.9 199.9 198.5 199.2 200.3 199.1 200.2 199. Estadísticas descriptivas: C1 N para Variable Media Mediana Modo moda C1 200.5 201.7 201. acantilados.4 201.7 201.0 201.5 202.0 200.5 198.3 200. 201.5 201.9 198.7 201.0 201. Al final del turno un inspector toma una muestra e inspecciona que la longitud cumpla especificaciones.8 199.

Escuela Profesional de Ingeniería Industrial Control Estadístico Histograma de C1 Normal 196.0 1. a) Evalúe las dos máquinas en cuanto a su centrado (tendencia central) y con respecto a la longitud ideal (200). Ahora conteste lo siguiente. y los últimos 55 a otra. Estadísticas descriptivas: Maquina 1. así que podemos decir que las tiras cumplen las especificaciones requeridas y el lote es aceptado. considere que los primeros 55 datos (ordenados por renglón) corresponden a una máquina. 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. Las longitudes de las tiras se encuentran en el rango permitido. 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. Maquina 2 Variable N para Media Mediana Modo moda .532 12 10 8 6 4 2 0 2 1 4 203. EJERCICIO 11: En el caso del ejercicio anterior. N 200.156 110 Como el sesgo es negativo.Est.468 11 10 9 8 7 6 6 5 4 5 4 3 8 7 10 Media Desv .

20 0.20 De acuerdo a las especificaciones ambas máquinas cumplen las tolerancias permitidas.165 N 55 Maquina 2 Media 199.36 199.80 200.Est. Control Estadístico 3 b) Analice la dispersión de ambas máquinas utilizando la desviación estándar y la regla empírica.09 -1.Escuela Profesional de Ingeniería Industrial Maquina 1 200. la mayoría de sus valores son inferiores a la media ideal (200 mm).10 200.2. ¿cuál es el problema de cada máquina? La máquina 1 tiene menor precisión.4 La máquina 2 es más exacta que la máquina 1. Maquina 2 Normal 196. 1.91 200. 201.43 Maquina 2 1.1 Desv . Pero la máquina 2 es la más exacta a la media ideal de 200 mm. tiende hacia la derecha 203.90 -0.3. Maquina 2 Variable Desv. . porque su desv. 201.15 1. 1.Est.20 199 5 Maquina 2 199.6. Varianza Q1 Q3 Sesgo Kurtosis Maquina 1 1. tiende acia la izquierda Maquina2: Sesgo negativo. 200.605 12 10 8 8 6 6 4 2 0 4 Maquina1: Sesgo positivo.150 N 55 Frecuencia 2 197 198 199 200 201 202 203 0 196. Est.Est.16 1.595 197 198 199 200 201 202 203 Maquina 2 Maquina 1 Media 200.32 198. Histograma de Maquina 1.08 200.35 Maquina 1 10 203. es menor a la de la máquina c) Haga un histograma para cada máquina e intérprete cada uno de ellos.17 -1. Estadísticas descriptivas: Maquina 1.00 201.45 d) De acuerdo a lo anterior.9 Desv .

Escuela Profesional de Ingeniería Industrial Control Estadístico La máquina 2 es más precisa. Causas:  Puede ser que la persona que está operando la máquina no esté revisándola constantemente. ya que la máquina puede ser muy antigua y se descontrole fácilmente. pero la mayoría de sus valores son superiores e inferiores. e) Considere que cada máquina es operada por una persona diferente. 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.Revisar constantemente la máquina.  Precauciones: . .Evaluar al operario. 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. El operario no ha sido capacitado correctamente. .

De acuerdo con los datos históricos se tiene que µ = 318 y σ = 4. continuamente se tienen problemas en la densidad de la pintura que es necesario corregir con retrabajo y reprocesos adicionales. se toma una muestra aleatoria de 30 costales de cada lote o pedido (500 costales). Desv.06 0. Gráfica de distribución 0. Sin embargo. pero segun las especificaciones tiende una variabilidad hacia la izquierda. ¿El proceso de envasado funciona bien en cuanto al volumen? Argumente su respuesta. La cantidad de arena en la formulación de un lote se controla por medio del número de costales.=4 306 0. Normal.04 0. y un componente que influye en esta es la cantidad de arenas que se utilizan en su elaboración.Escuela Profesional de Ingeniería Industrial Control Estadístico EJERCICIO 23: El volumen en un proceso de envasado debe estar entre 310 y 330 ml.10 310 330 Respecto a los limites reales los datos esta correctamente distribuidos. que según el proveedor contienen 20 kg.02 0. Media=318.08 Densidad 0. Para ello.Est.00 310 318 X 326 330 EJERCICIO 16: Una característica clave en la calidad de las pinturas es su densidad. En este contexto se decide investigar cuanta arena contienen en realidad los costales. .

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.297 20.4 20. e) haga un análisis de cada lote por separado y con apoyo de estadísticos y gráficas.8 18.1 19.9 19.476 0.3 19.6 20.6 20.6 19.06 0.7 20. Las especificaciones iniciales que se establecen para el peso de los costales de arena son de 20± 0. Lote 3 Variable Lote 1 Lote 2 Lote 3 Media 19.8 19.4 20.350 19.6 19.9 19.6 19.4 19.1 20. d) de su conclusión general acerca de si los bultos cumplen con el peso especificado.6 20.8 19.8 19.4 19.5 19.26 0.401 Varianza 0.4 19.2 19.8 19. 0.4 19.9 20.1 19.6 19.6 19.Est.1 18.0 20.7 21.3 18.7 19.9 19.6 19.1 20.8 19.Escuela Profesional de Ingeniería Industrial Control Estadístico Los pesos obtenidos en las muestras de los últimos tres lotes se muestran adelante.2 18.2 18.0 19.161 Mediana 19.2 2 3 Estadísticas descriptivas: Lote 1. Lote 2.0 20. c) obtenga un histograma para los 90 datos.0 18.0 20.5 20.040 Desv.5 20.01 0.0 20.7 20.0 20. a) de acuerdo con los 90 datos. LOTE 1 18.7 19.6 19.0 19. inserte las especificaciones e interprete con detalle.0 19.5 19.0 19.6 19.0 20.0 20.0 19.4 18.555 0.690 0.7 PESO DE COSTALES DE LA MUESTRA 19.1 19.7 17.29 Kurtosis 1.6 20.9 18.2 19.7 19.0 19.46 Histograma de Total de Lotes .6 18.1 20.8 19.4 18.7 19.4 18.8 kg.000 Sesgo 1.3 18.7 20.0 19. señale si hay diferencias grandes entre los lotes.2 19.4 21. ¿el centrado del proceso es adecuado? b) ¿la variabilidad es poca o mucha? Apóyese en los estadísticos adecuados.0 19.350 20.3 19.39 -0.4 20.250 19.308 0.4 19.3 18.1 20.7 19.8 20.1 20.8 18.

Est.Escuela Profesional de Ingeniería Industrial Gráfica de caja de Lote 1.0 19. Lote 3 21. Lote 2.5 19.513 Media Desv . Lote 3 Histograma de Total de Lotes Normal 17.0 20.5 20.5 19. Para problemas mayores.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.5 18. en cierta zona del país se estableció como meta que la respuesta se de . el tiempo de respuesta a solicitudes de apoyo técnico debido a fallas en los equipos.56 0.5 Gráfica de caja de Lote 1.6511 90 Control Estadístico Frecuencia 8 6 4 2 0 18.0 18.0 18.0 Total de Lotes 20. Lote 2.0 Datos 19. N 19.5 20.0 21.5 21.607 14 12 10 21.

5 9.1 5.366 1.8 4.6 3.4 3.9 6.5 3.4 7.3 4.2 5.22 Media Desv .8 4.5 3.0 4.1 5. A continuación se aprecian los tiempos de respuesta en horas para los primeros nueve meses del año (65 datos).1 6.1 5. es decir.7 5.5 3.7 4.5 C1 6.618 65 12 10 8 6 4 2 0 El histograma presenta caracteristicas multimodales.4 6.8 7.6 5. N 5.8 4.5 4.7 3.7 2. esto es debido ala variación de los tiempos que se toma en el analisis de este caso.9 3.9 5.Est. interprete y diga que tan bien se cumple la meta.8 5.0 6.7 6.0 4. ¿Qué recomendaciones daría para ayudar a cumplir mejor la meta? Variable C1 Media 5.4 5.9 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.3 4. de que habla el cliente solicitando apoyo.6 5.366 Mediana 5.4 - a) Calcule las medidas de tendencia central y con base en estas.1 Los 65 datos 5. d) A partir del análisis que se ha realizado.9 6.5 6.1 7.8 5.9 6.1 5.51 10.7 2.2 4.2 7.500 Modo 5.9 3.3 1.1 7.5 6.0 2.0 Frecuencia .0 7.0 7. c) Haga un histograma e interprete sus aspectos más relevantes.0 7.9 5.0 3.3 7.4 8.4 8.3 4.9 5. ¿cree que se cumple con la meta? b) Aplique la regla empírica.1 7.7 5.4 N para moda 5 Histograma de C1 Normal 0.8 5.2 6.5 4.4 3. 1. 5.Escuela Profesional de Ingeniería Industrial Control Estadístico en un máximo de 6 horas hábiles.0 5.

3 6.0 LINEA 2 6.2 7.7 7.1 7.7 8.3 7.1 8.1 6.8 6. Linea 3 Variable Linea 1 Linea 2 Media 6.2 8.3 5.7 7.0 8.0 6.5 8.2 7.3 8.2 7.996 Desv.4 LINEA 3 7.100 6.9 8.1 7.4 7.1 6.0 8.0 7.4 5.250 Mediana 7.2 7.8 6.900 Q3 7.7 6.050 6.2 7.4 8.2 9.5 6.5 7.1 6.5 6.3 7.6 7.4 7. 1.9 6.3 7.1 8. a) analice los datos para cada línea y anote las principales características de la distribución de los datos. b) compare las tres líneas. ¿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 7.4 6.6 5.0 5.7 7.7 7.001 Q1 6.1 7.872 6.4 6.5 8.0 6.2 8.5 8.5 8.2 6.050 1.0 8.8 Estadísticas descriptivas: Linea 1.1 6.2 6.1 5.1 6.7 6.1 6.7 7.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.102 1.8 8.001 Varianza 1.0 5.2 6. Linea 2.0 7.4 N para moda 3 3 .4 6.2 7.3 5.9 8.6 5.3 6.750 7.Est.550 Modo 7.7 6.

8 La bomba no cumple on la norma porque el proceso es inadecuado por la izquierda.94 0.500 8.100 Control Estadístico 8.9 y 0.2L. De acuerdo con los resultados de 15 inspecciones para una bomba en particular. respecto alas especificaciones 20. respectivamente. Normal.312 Sesgo -0.9 X 20.46 0.=0.Escuela Profesional de Ingeniería Industrial Linea 3 Variable Linea 1 Linea 2 Linea 3 7.23 0. a una bomba de gasolina en cada 20L se le permitía una discrepancia de 0.6 4 19.13 -0.1 19. ES = 20.350 7.770 6. Media=19.7 19.878 Kurtosis -0. la media y la desviación estándar de los 15 datos son 19. De acuerdo con esto.01 -1.2 .8.35 0. En una gasolinera se hacen revisiones periódicas para evitar infracciones y ver si se cumplen las especificaciones (EL = 19. Desv.1 20.1.9. ¿se puede garantizar que la bomba cumple con la norma? Argumente su respuesta.2 Gráfica de distribución 3 Densidad 2 1 0 19.1 4 EJERCICIO 8: De acuerdo con cierta norma.2).Est.

La encuesta consiste en 10 preguntas.2857143 -1.Escuela Profesional de Ingeniería Industrial Control Estadístico 12.8 2.987593394 58.802931906 -0. La respuesta para cada pregunta es un número entre 0 y 10. A continuación se muestran los puntos obtenidos en 50 cuestionarios. Para hacer un primer análisis de los resultados obtenidos se suma los puntos obtenidos de las 10 preguntas para cada cuestionario. . 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 21.12547548 446.015244434 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. y cada una de ellas evalúa diferentes aspectos del servicio proporcionado. 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. es el puntaje que con mayor frecuencia se repite.

entonce se gastara demasiado m. y la desviación estándar  = 0.8 21. N 59. es de suma importancia fabricar las laminas con el grosor óptimo.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. la mediana 4.8 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.Escuela Profesional de Ingeniería Industrial Control Estadístico Histograma (con curva normal) de resultado de Encuestas 12 10 8 6 4 2 0 Media Desv . Para cierto tipo de lamina el grosor óptimo es de 5mm y se tiene una discrepancia tolerancia de 0.45. En una fábrica de piezas de asbesto de una característica importante de la calidad es el grosor de las laminas. ya que si la lamina tiene un grosor menor que 4. 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 .2 mm se considera demasiado delgado y no reunirá las condicione de resistencia exigida por el cliente.Est. Por lo tanto.8 mm. el grosor medio es µ = 4. Si la lamina tiene un grososr mayor que 5.7.aterial para su elaboración y elevaran lo costos del fabricante.81 a la nota más alta que es 92.75.92 a 51.8 mm.02 y el segundo grupo está entre 62. . en un grupo donde conlleva la nota más baja esta entre 26.

haga la grafica de capacidad y señale si el proceso cumple con especificaciones.7 120 . 14.889166667 0.100469888 -0.121132286 -0.Escuela Profesional de Ingeniería Industrial Control Estadístico a) De acuerdo con la media y la mediana. b) Si considera sólo la media y la mediana. ¿puede decir si el proceso cumple con la especificaciones? Explique. Para verificar si el plan tuvo éxito.1 5. se eligieron láminas de manera aleatoria y se midió su grosor.028935256 4. con el propósito de mejorar la calidad que se tenía en cuanto al grosor de las láminas. ¿el centrado del proceso es acuerdo? Argumente. c) Calcule los limites reales.9 5 0.209923329 1.6 4. Argumente su respuesta.316969853 0. se implementó un proyecto de mejora siguiendo la metodología Seis Sigma varios de los cambios implementados fueron relativos a mejora del proceso. En el problema anterior. 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.

9. Histograma (con curva normal) de grosor de laminas 20 Media Desv .Escuela Profesional de Ingeniería Industrial Control Estadístico - La medición promedio para el grosor es de 4.2 4.889 0.4 5.Est.5 4.8mm El 50% de las láminas tiene una igualdad o inferior de 4.1 grosor de laminas 5. N 4.7 .8 5.3170 120 15 Frecuencia 10 5 0 4. 5mm es el dato que con mayor frecuencia se repite.

El 50% de los datos obtenidos mediante una carta de control tiene una igualdad o inferior de 27. para la cual se tienen varios criterios de calidad. 27.76 27.94 0.5g. uno de ellos es el peso de ésta.013526383 27.02049186 -0.0.94 es el dato que con mayor frecuencia se repite.143149781 0. a continuación se muestran los últimos 112 datos obtenidos mediante una carta de control para esta variable. Solución: peso Media Error típico Mediana Moda Desviación estándar Varianza de la muestra Curtosis Coeficiente de asimetría Rango Mínimo Máximo Suma Cuenta 27.39 3133.18 112 - El peso promedio es de 28g.955 27.Escuela Profesional de Ingeniería Industrial Control Estadístico 15. .63 28. en la elaboración de envases de plástico primero se elabora la preforma.24915051 0.203109269 0. Para cierto envase se tiene que el peso debe estar entre 28.95.97482143 0.00 +.

Escuela Profesional de Ingeniería Industrial Control Estadístico Histograma (con curva normal) de medicion 27. N 27. En el monitoreo del proceso se obtuvieron los siguientes 115 datos.94 moda 7 Sesgo 0.760 27. en la elaboración de una bebida se desea garantizar que el porcentaje de CO2 (gas) esté entre 2.955 28.5 y 3.75 27.51 27.080 28.97 0.20 28.143 0.05 medicion 28.Est. Varianza CoefVar Mínimo Medición 112 0 27.60 27.90 28.872 N para Mediana Q3 Máximo Rango Modo 27.0.1431 112 15 Frecuencia 10 5 0 27.975 0.5 Media Desv .0205 0.0135 0.630 Variable Q1 Medición 27.50 Media del Error Variable N N* Media estándar Desv. .25 24.20 Variable Kurtosis Medición -0.Est.35 28.5 20 28.390 0.

.025913479 2.48 5.277891099 0.52 301.6% de CO 2.61 0. El 50% de las bebidas tiene una igualdad o inferior es de 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 2.08166048 3.62%.624956522 0. El 2.077223463 105.61% de CO2 es el dato que con mayor frecuencia se repite.6 2.04 2.8378446 10.87 115 - El porcentaje promedio de CO2 para las bebidas es de 2.

0259 0.5 5.5 3.5 Media del Error Variable N N* Media estándar Desv.Escuela Profesional de Ingeniería Industrial Control Estadístico Histograma (con curva normal) de % de Co2 80 70 60 2.0 5.625 0.5 3 Media Desv .0400 Modo 2.59 2.Est.0 2.4800 N para Variable Q1 Mediana Q3 Máximo Rango % de Co2 2.Est.84 Ay una cierta cantidad que no cumple con el rango de calidad (falta agregar más Co2 .61 moda Sesgo 11 10.6250 0. Varianza CoefVar Mínimo % de Co2 115 0 2.6000 2.0 3.5600 2.0 % de Co2 4.2779 115 Frecuencia 50 40 30 20 10 0 2.08 Variable Kurtosis % de Co2 105.2779 0. N 2.5 4.5200 3.6400 5.0772 10.

p=0. 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. n=20 0. El vendedor asegura que el porcentaje de piezas defectuosas es sólo de 5%.0716 0 X 3 b) ¿Cuál es la probabilidad de obtener una o menos piezas defectuosas? . M=25.0 0. para lo cuál toma una muestra aleatoria de 20 de ellas y se prueban.Escuela Profesional de Ingeniería Industrial Control Estadístico EJERCICIOS DEL CAPITULO 3 EJERCICIO 7: El departamento de compras inspecciona un pedido de 500 piezas eléctricas.4 0. así suponiendo el peor de los casos según el vendedor. N=500.1 0.05.3 Probabilidad 0.2 0.

a) Calcule la probabilidad de que el proceso se detenga debido al esquema de muestreo.1 0.2 0.4 0.3 Probabilidad 0.736 Gráfica de distribución 0. n=20 0. Si la muestra contiene más de un defecto el proceso deberá detenerse. Cada hora se toma una muestra aleatoria de 18 artículos y se prueban. N=500. M=25.226 .05 n=18 P(proceso se detenga)=P(X>1)=P(X>=2)=0.Escuela Profesional de Ingeniería Industrial Control Estadístico Hipergeométrico. X: Número de artículos defectuosos Variable aleatoria discreta sigue una distribución Binomial ~ B( n. p) p=0.0 1 X 4 EJERCICIO 8: Un proceso de producción de partes trabaja con un porcentaje promedio de defectos de 5%.

226 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 .1 0.Escuela Profesional de Ingeniería Industrial Control Estadístico Gráfica de distribución Binomial. n=18.2 0.05 0. p=0.3 Probabilidad 0.4 0.

1 0.15 0.10 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.30 0.00 Probabilidad 0 X 7 EJERCICIO 10: Un fabricante de galletas que. con probabilidad de 0.05 0.95.0 0 1 X .25 0. Gráfica de distribución Hipergeométrico. N=250.632 0.0622 0. Media=1 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. n=25 0.20 0. cada galleta contenga al menos una pasa.3 Probabilidad 0. M=25.4 0. Gráfica de distribución Poisson.2 0. 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.

2 0. n=100.3 Probabilidad 0.0 0 X 9 .1 0.0 0 X 0. p=0.Escuela Profesional de Ingeniería Industrial Control Estadístico Gráfica de distribución Poisson. 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.4 0. para ello se emplean muestras de tamaño 100.2 0.3 Probabilidad 0.1 0. ¿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. Media=1 0.4 0.01 0.0000832 7 EJERCICIO 11: En un almacén se inspeccionan todos los lotes de cierta pieza que se recibe.

0184 0 X 4 EJERCICIO 12: Una caja contiene cuatro artículos defectuosos y ocho en buen estado. Se sacan dos artículos al azar.3 Probabilidad 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. p=0.01 0.0 0. n=100.2 0.Escuela Profesional de Ingeniería Industrial Control Estadístico Gráfica de distribución Binomial.4 0.909 .1 0.

515 Hipergeométrico.4 Probabilidad 0.3 0. N=12.1 0. N=12. n=2 0.485=0.Escuela Profesional de Ingeniería Industrial Control Estadístico Hipergeométrico. M=8.4 Gráfica de distribución Probabilidad 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)=1-0.5 0.909 0.485 Gráfica de distribución 0.2 0.3 0. M=8.5 0.1 0.0 0 1 X 2 .2 0. n=2 0.

En una muestra de 20 reservaciones ¿Cuál es la probabilidad de que 10.2 0.4 Probabilidad 0.833 EJERCICIO13: Un gerente de producción de cierta compañía esta interesado en probar los productos terminados que están disponibles en lotes de tamaño 50. ¿Es este un procedimiento razonable? Argumente su respuesta. Entonces decide tomar una muestra de tamaño 10 sin reemplazo y retrabajar el lote si encuentra uno o más defectuosos en la muestra.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. n=10 Gráfica de distribución 0.1 0. Le gustaría retrabajar el lote si puede estar seguro de que 10% de los artículos están defectuosos en la muestra. . M=5.3 0.689 0. Hipergeométrico. N=50.11 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.

p=0.62.20. p=0. 61. 52.46. 11. 1. 381.25. 56.49. 193.0565 2 X 12 b) Resuelva con base en la distribución normal con la media y la varianza de la binomial considerando el rango de 9.86. 186.30.15 Probabilidad 0.50.41.10 0.50. 62. 323.65. 59.4 0.20 0.4 0. n=20.36. n=20. 37.00 0. 33. 2.5 a 12.34.05 0. . 75.Escuela Profesional de Ingeniería Industrial Control Estadístico Gráfica de distribución Binomial.00 2 11 X EJERCICIO 16: Se hace un estudio de la duración en horas de 20 focos y se obtienen los siguientes datos: 138.68.128 0. 87.10 0.00.20 0.52.15 Probabilidad 0.05 0. Gráfica de distribución Binomial.34.5.

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. Gráfica de probabilidad de C1 Normal .Est.6 110.010 95 90 80 Porcentaje 70 60 50 40 30 20 10 5 1 -200 -100 0 100 C1 200 300 400 . Gráfica de probabilidad de C1 Normal 99 Media Desv .95% de IC 99 Media Desv . una distribución continua que se ajuste de manera adecuada a los datos.6 17 1.Escuela Profesional de Ingeniería Industrial Control Estadístico a) Encuentre. N KS Valor P 101.257 <0. N AD Valor P 101.6 17 0.Est.6 110.333 <0. mediante gráficas de probabilidad.

Est.5 < X <40. Desv.0 -3 0 X 2 .1)/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.2 < Z < ( 40.5 cm. La media óptima de tales tiras debe ser de 40 cm con un tolerancia de más o menos 0.5 Especificación Superior = 40.1)/0.Escuela Profesional de Ingeniería Industrial Control Estadístico EJERCICIO 17: Una máquina realiza cortes de manera automática de ciertas tiras metálicas con media µ=40. Media=0.4 0.σ2) Especificación inferior = 39.5-40.=1 0.3 Gráfica de distribución Densidad 0.5 Valor objetivo = 40 Z= (X-µ)/σ P( 39.1 0.1 cm y una desv estándar 0.2 0.976 0.5-40.2 cm.976 Normal.5)= P[( 39.2]=??? P[-3< Z< 2]=0.

32 2.18 2.10 5.48 3.60 2.31 2.09 2.91 2.00 2.31 2.78 2.98 2.70 2.10 2.59 2.19 2.30 2.73 2.10 2.59 2.04 2.98 2.13 2.02 2.27 2.26 3.86 3.07 1.61 2.29 2.50 1.51 2.23 1.32 2.87 2.15 2.84 2.48 2.65 2.08 2.26 2.42 2.27 2. 2.Escuela Profesional de Ingeniería Industrial Control Estadístico EJERCICIO 18: Verifique si los siguientes datos se ajustan bien a una distribución normal.69 .76 1.35 2.11 1.59 2.25 2.09 3.

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 .010 alfa=0.179 <0.6388 50 0. N KS Valor P 2.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 .446 0.

Sign up to vote on this title
UsefulNot useful