Ejercicios Resueltos de Control Capitulos 2-3

Escuela Profesional de Ingeniera Industrial Control Estadstico
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: PERMITEN OBSERVAR LA
VARIABILIDAD DE UN PROCESO

b) Represente de manera grfica y mediante curvas de distribucin, dos
procesos con la misma variabilidad pero diferente tendencia central.

310 300 290 280 270 260 250 240
0.14
0.12
0.10
0.08
0.06
0.04
0.02
0.00
X
D
e
n
s
i
d
a
d
250
300
Media
Grfica de distribucin
Normal, Desv.Est.=3


c) Elabore la grfica de dos procesos con la misma media pero diferente
dispersin.

320 310 300 290 280
0.14
0.12
0.10
0.08
0.06
0.04
0.02
0.00
X
D
e
n
s
i
d
a
d
3
6
Desv.Est.
Normal, Media=300

d) Represente dos procesos cuya forma de distribucin sea diferente.

350 325 300 275 250
0.07
0.06
0.05
0.04
0.03
0.02
0.01
0.00
X
D
e
n
s
i
d
a
d
Poisson 300
Distribucin Media
Normal 300 6
Distribucin Media Desv.Est.

e) 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.


33 32 31 30 29 28 27 26
0.9
0.8
0.7
0.6
0.5
0.4
0.3
0.2
0.1
0.0
X
D
e
n
s
i
d
a
d
28 32
0.5
1
Desv.Est.
Normal, Media=29.9
Superior
Especificacin
Inferior
Especificacin
Cumple especificaciones
NO Cumple especificaciones

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.

199.2 199.7 201.8 202.0 201.0 201.5 200.0 199.8
200.7 201.4 200.4 201.7 201.4 201.4 200.8 202.1
200.7 200.9 201.0 201.5 201.2 201.3 200.9 200.7
200.5 201.2 201.7 201.2 201.2 200.5 200.1 201.4
200.2 201.0 201.4 201.4 201.1 201.2 201.0 200.6
202.0 201.0 201.5 201.6 200.6 200.1 201.3 200.6
200.7 201.8 200.5 200.5 200.8 200.3 200.7 199.5
198.6 200.3 198.5 198.2 199.6 198.2 198.4 199
199.7 199.7 199.0 198.4 199.1 198.8 198.3 198.9
199.6 199.0 198.7 200.5 198.4 199.2 198.8 198.5
198.9 198.8 198.7 199.2 199.3 199.7 197.8 199.9
199.0 199.0 198.7 199.1 200.3 200.5 198.1 198.3
199.6 199.0 198.7 198.9 199.2 197.9 200.3 199.6
199.4 198.7 198.5 198.7 198.6 198.5

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).


203 202 201 200 199 198 197
12
10
8
6
4
2
0
C1
F
r
e
c
u
e
n
c
i
a
203.468 196.532
Media 200.0
Desv.Est. 1.156
N 110
3
4
10
7
8
7
10
5
4
6 6
5
11
8
9
4
2
1
Histograma de C1
Normal
la derecha
tendencia hacia
curva tiene una
indica que la
es negativo, nos
Como el sesgo

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

N para


Maquina 1 200.08 200.20 199 5
Maquina 2 199.91 200.10 200.3, 200.6, 201.2, 201.4 3

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.

203 202 201 200 199 198 197
12
10
8
6
4
2
0
203 202 201 200 199 198 197
10
8
6
4
2
0
Maquina 1
F
r
e
c
u
e
n
c
i
a
203.595 196.605
Maquina 2
196.45 203.35
Media 200.1
Desv.Est. 1.165
N 55
Maquina 1
Media 199.9
Desv.Est. 1.150
N 55
Maquina 2
Histograma de Maquina 1, Maquina 2
Normal
hacia la derecha
negativo, tiende
Maquina2: Sesgo
acia la izquierda
positivo, tiende
Maquina1: Sesgo

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

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.

0.10
0.08
0.06
0.04
0.02
0.00
X
D
e
n
s
i
d
a
d
310 326 318
306 310 330
330
Normal, Media=318, Desv.Est.=4
la izquierda.
una variabilidad hacia
especificaciones tiende
segun las
distribuidos, pero
correctamente
reales los datos esta
Respecto a los limites

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.

Estadsticas descriptivas: Lote 1, Lote 2, Lote 3

Variable Media Desv.Est. Varianza Mediana Sesgo Kurtosis
Lote 1 19.350 0.555 0.308 19.250 1.01 1.39
Lote 2 19.297 0.690 0.476 19.350 0.06 -0.26
Lote 3 20.040 0.401 0.161 20.000 0.29 0.46

Histograma de Total de Lotes

LOTE PESO DE COSTALES DE LA MUESTRA
1 18.6 19.2 19.5 19.2 18.9 19.4 19.0 20.0 19.3 20.0
19.1 18.6 19.4 18.7 21.0 19.8 19.0 18.6 19.6 19.0
19.6 19.4 19.8 19.1 20.0 20.4 18.8 19.3 19.1 19.1
2 18.6 19.9 18.8 18.4 19.0 20.1 19.7 19.3 20.7 19.6
19.5 19.1 18.5 19.6 19.4 19.6 20.3 18.8 19.2 20.6
20.0 18.4 18.9 19.7 17.8 19.4 18.9 18.4 19.0 19.7
3 20.1 20.2 21.0 19.7 20.1 20.0 19.1 20.4 19.6 20.6
20.0 19.7 20.8 19.7 19.7 20.4 19.8 20.5 20.0 20.0
20.2 19.7 20.0 19.6 19.7 19.8 19.9 20.3 20.4 20.2


Grfica de caja de 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
21.5 21.0 20.5 20.0 19.5 19.0 18.5 18.0
14
12
10
8
6
4
2
0
Total de Lotes
F
r
e
c
u
e
n
c
i
a
21.513 17.607
Media 19.56
Desv.Est. 0.6511
N 90
Histograma de Total de Lotes
Normal
Lote 3 Lote 2 Lote 1
21.0
20.5
20.0
19.5
19.0
18.5
18.0
D
a
t
o
s
Grfica de caja de Lote 1, Lote 2, Lote 3


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).
Los 65 datos
5.0 5.4 7.1 7.0 5.5 4.4 5.4 6.6 7.1 4.2
4.1 3.0 5.7 6.7 6.8 4.7 7.1 3.2 5.7 4.1
5.5 7.9 2.0 5.4 2.9 5.3 7.4 5.1 6.9 7.5
3.2 3.9 5.9 3.6 4.0 2.3 8.9 5.8 5.8 6.4
7.7 3.9 5.8 5.9 1.7 3.2 6.8 7.0 5.4 5.6
4.5 6.5 4.1 7.5 6.8 4.3 5.9 3.1 8.3 5.4
4.7 6.3 6.0 3.1 4.8 - - - - -

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?

N para
C1 5.366 5.500 5.4 5

9.0 7.5 6.0 4.5 3.0 1.5
12
10
8
6
4
2
0
C1
F
r
e
c
u
e
n
c
i
a
0.51 10.22
Media 5.366
Desv.Est. 1.618
N 65
Histograma de C1
Normal
caso.
analisis de este
se toma en el
los tiempos que
ala variacin de
esto es debido
multimodales,
caracteristicas
presenta
El histograma


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 LINEA 1 LINEA 2 LINEA 3
1 7.7 6.6 7.5
2 6.8 5.2 8.1
3 8.5 7.2 6.2
4 8.6 9.2 7.4
5 5.7 6.7 8.2
6 7.9 6.2 6.0
7 8.1 7.1 8.2
8 7.6 8.1 8.1
9 7.1 6.4 6.7
10 7.3 6.3 8.0
11 7.8 8.2 8.1
12 6.1 8.4 8.1
13 6.3 7.4 7.0
14 6.3 6.5 8.5
15 7.8 7.7 8.0
16 6.7 7.4 7.7
17 7.3 6.1 7.5
18 5.7 6.2 8.2
19 6.2 7.3 7.7
20 7.3 6.9 7.0
21 5.0 6.1 6.5
22 5.0 6.9 6.2
23 5.4 8.4 6.0
24 7.5 5.0 6.1
25 6.0 7.4 5.8

Estadsticas descriptivas: Linea 1, Linea 2, Linea 3
N para
Variable Media Desv.Est. Varianza Q1 Mediana Q3 Modo moda
Linea 1 6.872 1.050 1.102 6.050 7.100 7.750 7.3 3
Linea 2 6.996 1.001 1.001 6.250 6.900 7.550 7.4 3


Linea 3 7.312 0.878 0.770 6.350 7.500 8.100 8.1 4

Variable Sesgo Kurtosis
Linea 1 -0.23 -0.94
Linea 2 0.13 0.01
Linea 3 -0.46 -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.

4
3
2
1
0
X
D
e
n
s
i
d
a
d
19.7 20.1 19.9
19.6 20.2 19.8
20.2
Normal, Media=19.9, Desv.Est.=0.1
alas especificaciones
izquierda, respecto
inadecuado por la
el proceso es
on la norma porque
La bomba no cumple


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 59.8
Error tpico 2.987593394
Mediana 58.5
Moda 78
Desviacin estndar 21.12547548
Varianza de la muestra 446.2857143
Curtosis -1.802931906
Coeficiente de asimetra -0.015244434
Rango 62
Mnimo 29
Mximo 91
Suma 2990
Cuenta 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.


108 90 72 54 36 18
12
10
8
6
4
2
0
resultado de Encuestas
F
r
e
c
u
e
n
c
i
a
Media 59.8
Desv.Est. 21.13
N 50
Histograma (con curva normal) de 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 4.889166667
Mediana 4.9
Moda 5
Curtosis -0.121132286
Coeficiente de asimetra -0.209923329
Rango 1.6
Mnimo 4.1
Mximo 5.7
Suma 586.7
Cuenta 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.

5.7 5.4 5.1 4.8 4.5 4.2
20
15
10
5
0
grosor de laminas
F
r
e
c
u
e
n
c
i
a
Media 4.889
Desv.Est. 0.3170
N 120
Histograma (con curva normal) de grosor de laminas


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 27.97482143
Mediana 27.955
Moda 27.94
Curtosis -0.24915051
Coeficiente de asimetra 0.203109269
Rango 0.76
Mnimo 27.63
Mximo 28.39
Suma 3133.18
Cuenta 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.


28.50 28.35 28.20 28.05 27.90 27.75 27.60
20
15
10
5
0
medicion
F
r
e
c
u
e
n
c
i
a
28.5 27.5
Media 27.97
Desv.Est. 0.1431
N 112
Histograma (con curva normal) de medicion

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 moda Sesgo
Medicin 27.872 27.955 28.080 28.390 0.760 27.94 7 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 CO
2

Media 2.624956522
Mediana 2.6
Moda 2.61
Curtosis 105.8378446
Coeficiente de asimetra 10.08166048
Rango 3.04
Mnimo 2.48
Mximo 5.52
Suma 301.87
Cuenta 115

- El porcentaje promedio de CO
2
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 CO
2
es el dato que con mayor frecuencia se repite.


5.5 5.0 4.5 4.0 3.5 3.0 2.5 2.0
80
70
60
50
40
30
20
10
0
% de Co2
F
r
e
c
u
e
n
c
i
a
2.5 3
Media 2.625
Desv.Est. 0.2779
N 115
Histograma (con curva normal) de % 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 Modo moda Sesgo
% de Co2 2.5600 2.6000 2.6400 5.5200 3.0400 2.61 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)=???

b) Cul es la probabilidad de obtener una o menos piezas defectuosas?
0.4
0.3
0.2
0.1
0.0
X
P
r
o
b
a
b
i
l
i
d
a
d
3
0.0716
0
Hipergeomtrico, N=500, M=25, n=20


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

0.4
0.3
0.2
0.1
0.0
X
P
r
o
b
a
b
i
l
i
d
a
d
1
0.736
4


0,4
0,3
0,2
0,1
0,0
X
P
r
o
b
a
b
i
l
i
d
a
d
2
0,226
0
Binomial. n=18. p=0,05

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.

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.

0.30
0.25
0.20
0.15
0.10
0.05
0.00
X
P
r
o
b
a
b
i
l
i
d
a
d
0
0.0622
7
0.4
0.3
0.2
0.1
0.0
X
P
r
o
b
a
b
i
l
i
d
a
d
1
0.632
0
Poisson, Media=1


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?

0.4
0.3
0.2
0.1
0.0
X
P
r
o
b
a
b
i
l
i
d
a
d
7
0.0000832
0
Poisson, Media=1
0.4
0.3
0.2
0.1
0.0
X
P
r
o
b
a
b
i
l
i
d
a
d
0 9
Binomial, n=100, p=0.01


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
0.4
0.3
0.2
0.1
0.0
X
P
r
o
b
a
b
i
l
i
d
a
d
4
0.0184
0


0,5
0,4
0,3
0,2
0,1
0,0
X
P
r
o
b
a
b
i
l
i
d
a
d
1
0,909
0
Hipergeomtrico. N=12. M=8. n=2

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

0,5
0,4
0,3
0,2
0,1
0,0
X
P
r
o
b
a
b
i
l
i
d
a
d
1
0,485
0 2
Hipergeomtrico. N=12. M=8. n=2


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.

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.
0.4
0.3
0.2
0.1
0.0
X
P
r
o
b
a
b
i
l
i
d
a
d
1
0.689
0


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.

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.

0.20
0.15
0.10
0.05
0.00
X
P
r
o
b
a
b
i
l
i
d
a
d
12
0.0565
2
0.20
0.15
0.10
0.05
0.00
X
P
r
o
b
a
b
i
l
i
d
a
d
11
0.128
2


a) Encuentre, mediante grficas de probabilidad, una distribucin continua que
se ajuste de manera adecuada a los datos.

b) Considere una distribucin exponencial con parmetro
x
y
obtenga la probabilidad de que los focos duren ms de 300 horas.

500 400 300 200 100 0 -100 -200 -300
99
95
90
80
70
60
50
40
30
20
10
5
1
C1
P
o
r
c
e
n
t
a
j
e
Media 101.6
Desv.Est. 110.6
N 17
AD 1.333
Valor P <0.005
Grfica de probabilidad de C1
Normal - 95% de IC
400 300 200 100 0 -100 -200
99
95
90
80
70
60
50
40
30
20
10
5
1
C1
P
o
r
c
e
n
t
a
j
e
Media 101.6
Desv.Est. 110.6
N 17
KS 0.257
Valor P <0.010
Grfica de probabilidad de C1
Normal


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

X: medida de corte de las tiras metlicas (cm) ~ N( ,
2
)
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

0,4
0,3
0,2
0,1
0,0
X
D
e
n
s
i
d
a
d
-3
0,976
2 0
Normal. Media=0. Desv.Est.=1


EJERCICIO 18:

Verifique si los siguientes datos se ajustan bien a una distribucin normal.

2.51 2.29 2.31 2.19 2.09 2.48 2.65
2.50 2.48 2.27 2.26 2.86 3.73 2.98
1.08 2.25 2.10 3.30 3.15 2.27 2.23
2.61 2.11 5.70 2.31 2.00 2.35 1.76
2.91 1.84 2.09 2.78 2.32 2.59 1.87
2.59 2.07 3.10 2.32 2.59 2.42 2.04
2.13 1.98 2.02 2.18 2.26 2.10 2.69
2.60


6 5 4 3 2 1
99
95
90
80
70
60
50
40
30
20
10
5
1
datos
P
o
r
c
e
n
t
a
j
e
Media 2,446
Desv.Est. 0,6388
N 50
KS 0,179
Valor P <0,010
Prueba de bondad de ajuste curva normal
Ha: Los datos NO siguen una distribucin normal
Ho: Los datos siguen una distribucin normal
alfa=0,05
Es decir los datos no siguen una distribucin normal
Rechaza Ho
alfa > valor p

Ejercicios Resueltos de Control Capitulos 2-3

Cargado por

Información del documento

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Ejercicios Resueltos de Control Capitulos 2-3

Cargado por

Copyright:

Formatos disponibles

Escuela Profesional de Ingeniera Industrial Control Estadstico

EJERCICIOS DEL CAPTULO 2

También podría gustarte