Primeravance Proyecto Estadistica

Inspección de valores de
lanzamiento de tiro Penal a

través de un muestreo de
Enero del 2018
aceptación
Proyecto de Estadística
del segundo
parcial/Primer Avance
INTEGRANTES:
PEDRO CARVAJAL
ALEXIS SOTO
IVAN SAUHING
WILSON POZO
VANESSA FRANCO
PARALELO: 10
“inspección de calidad (lanzamiento) a través
De un muestreo de aceptación”
Índice
Temas Páginas
Introducción ................................................................................................................................ 02
Objetivos principales y secundarios ............................................................................... 03
Marco teórico ................................................................................................................ 06
Estadística descriptiva ................................................................................................... 08
Cálculos de Probabilidades ............................................................................................ 11
Comparación y verificación de datos ............................................................................. 13
Curva oc y muestreo de aceptación .............................................................................. 14
Conclusiones y recomendaciones ................................................................................. 19
Bibliografía ..................................................................................................................... 20
Proyecto de Estadística del segundo Parcial

Guayaquil, Enero del 2018
Introducción
Este proyecto del segundo parcial de la materia de Estadística es
una “inspección de lanzamiento de un penal a través de un
muestreo de aceptación para el cual puede ser un éxito o fracaso
con cierto porcentaje de error”, el mismo que se realizara durante
el mes de Enero del año 2018 en el las canchas deportivas de la FIEC-
ESPOL.
El experimento estadístico se realizara 5 veces, Para la siguiente
inspección se tomara una muestra de 40 ensayos, de las cuales ocho
tendrán un % de error, se escogerán cinco al azar con reposición y
se anotaba cuantos lanzamientos marcadas saldrán ,las cuales
representaran shoot éxitos o fracasados para esto el grupo se
procederá a realizar el respectivo análisis estadístico como la
media, la varianza, la desviación estándar ,frecuencia relativa,
frecuencia absoluta , histograma , ojiva , cuartiles , diagramas de
cajas
También obtendremos las probabilidades de cada número
utilizando la distribución hipergeométrica, así se deberá comparar
con los obtenidos en el experimento y después calcular las
verdaderas media y varianza, y compararlas con las estimaciones
de la simulación.
También se realizará un muestreo de aceptación, y una curva de
operación (OC). El cual involucra tomar muestras aleatorias de
tandas de lanzamientos al arco para que el inspector en este caso
el estudiante las mida contra estándares Predeterminados.

2

Objetivo principal
➢ Entender que el muestreo de aceptación reduce el esfuerzo de
inspección.
➢ Analizar las probabilidades obtenidas en resultado con los de
la simulación en el campo de juego.
Objetivo secundario
➢ Analizar, interpretar y solucionar situaciones problemáticas
que requieran el uso de una distribución hipergeométrica
➢ Representar gráficamente la relación existente entre un
porcentaje de artículos defectuosos y la probabilidad de
aceptación.
3

Marco teórico
En el proyecto que se presenta a continuación se va a constar de
diferentes términos estadísticos los cuales, debemos tener muy claro
su definición
Media
En estadística, la media es una medida de centralización. Se
llama media de una distribución de estadística a la media
aritmética de los valores de los distintos individuos que la
componen.
Varianza
Esta medida se basa en la cuantificación de las distintas de los
datos con respecto al valor de la media.
Histograma
Es la manera más común de representar gráficamente la
distribución de frecuencias de los datos. Se lo construye dibujando
rectángulos cuya base corresponda a cada intervalo de clase y su
altura, según el valor de la frecuencia.

4

Diagrama de Caja
Es un diagrama grafico que se usa para expresar en forma
resumida, algunas medidas estadísticas de posición.
El diagrama de caja describe gráficamente el rango de los datos,
el rango intercuartil, los valores extremos y la ubicación de los
cuartiles. Es una representación útil para comparar grupos de
datos.
Desviación estándar
Es una medida de dispersión para variables de razón (variables
cuantitativas o cantidades racionales) y de intervalo. Se define
como la raíz cuadrada de la varianza de la variable.
Cuartiles
Los cuartiles son los tres valores que dividen al conjunto de datos
ordenados en cuatro partes porcentualmente iguales.
Frecuencia absoluta
La frecuencia absoluta de una variable estadística es el número de
veces que aparece en la muestra dicho valor de la variable.

5

Frecuencia relativa
La frecuencia absoluta, es una medida que está influida por el
tamaño de la muestra, al aumentar el tamaño de la muestra
aumentará también el tamaño de la frecuencia absoluta. Esto hace
que no sea una medida útil para poder comparar. Para esto es
necesario introducir el concepto de frecuencia relativa, que es el
cociente entre la frecuencia absoluta y el tamaño de la muestra.
Ojiva
La ojiva es la distribución de frecuencias, es decir, que en ella se
permite ver cuántas observaciones se encuentran por encima o
debajo de ciertos valores, en lugar de solo exhibir los números
asignados a cada intervalo.
Distribución hipergeométrica
La distribución hipergeométrica es especialmente útil en todos
aquellos casos en los que se extraigan muestras o se realizan
experiencias repetidas sin devolución del elemento extraído o sin
retornar a la situación experimental inicial.
Modela, de hecho, situaciones en las que se repite un número
determinado de veces una prueba dicotómica de manera que con
cada sucesivo resultado se ve alterada la probabilidad de obtener
en la siguiente prueba uno u otro resultado. Es una distribución.
fundamental en el estudio de muestras pequeñas de poblaciones

6

pequeñas y en el cálculo de probabilidades de, juegos de azar y tiene
grandes aplicaciones en el control de calidad en otros procesos
experimentales en los que no es posible retornar a la situación de
partida.
Muestreo de aceptación
En la actividad de control de calidad en ocasiones es necesario
inspeccionar lotes de materia prima, partes o productos
terminados para asegurar que cumplen ciertos niveles de calidad
con un buen grado de confianza. El muestreo de aceptación es el
proceso de inspección de una muestra de unidades extraídas de un
lote con el propósito de aceptar o rechazar todo el lote.
Curva oc (curva característica de operación)
En el contexto de los planes de muestreo de aceptación, la curva
característica de operación representa gráficamente la relación
existente entre un porcentaje de artículos defectuosos de un lote
productivo (que por lo general se desconoce) y la probabilidad de
aceptación que se obtiene del mismo luego de aplicar un plan de
muestreo como los detallados en la sección de muestreo simple.
Cuando la calidad de un lote es "buena" tanto al productor como al
consumidor les interesa aceptar el lote con alta probabilidad. Por
el contrario, cuando la calidad de unos lotes es "mala"
especialmente al consumidor le interesa rechazar el lote la
mayoría de las veces.

7

Descripción del proyecto

El tema de nuestro proyecto está enfocado a calcular la
probabilidad de lanzamiento de un penal el cual puede ser un
éxito o fracaso.
Este proyecto se basa en una distribución binomial de Bernoulli,

ya que para cada lanzamiento se cumple lo siguiente.
Proceso de Bernoulli
1) El proyecto tiene como objetivo 5 rondas, donde en cada rondas

se realizan “ n “ ensayos , para nuestro caso n = 40 .
2) Cada ensayo producirá un resultado, este puede ser un éxito o

un fracaso.
3) La probabilidad de un éxito se denotara con p , y permanece

constante de un ensayo a otro .
4) Los ensayos que se realizaran son independiente, es decir un

ensayo no afectara a la realización de otro.
La probabilidad de un fracaso de obtiene “ q” =” 1-p”
Variable aleatoria: X éxito de meter gol en 5 ronda, cada ronda

con 40 intentos.
De la distribución binomial b( x,n,p) tenemos.
𝑛
𝑛
∑ ( ) 𝑝 𝑥 𝑞 𝑛−𝑥
𝑥
𝑥=0
Esa sumatoria representa que la variable aleatoria, tiene soportes

1,2,3…n , es decir el número de experimentos , para el caso que se
necesita estudiar intervalos.
Media de proceso de Bernoulli
U=(n)(p)
Desviación estándar de proceso de Bernoulli
σ2 =npq
Detalle de variable cuantitativa

8

Para nuestra proyecto nuestra Variable aleatoria será X, esta se

denomina variable cuantitativa, ya que toma la posibilidad de
éxito o fracaso, varia de probabilidad de éxito o fracaso .
Proporción
De cada ronda, vamos a estimar el valor de éxito p de 40 intentos.
De la población extraeremos una muestra n , para nuestro caso

40 , y se obtienen X casos de éxito, con la variable aleatoria .
𝑥
A la razón de , se denomina, proporción.
𝑛
Como estamos analizando valores mayores a 30.
Media y desviación para la proporción

Hallaros la media, con la definición de la Esperanza.
[1]
Estadísticas descriptivas
Media
100
𝑥𝑖
𝑥̅ = ∑
𝑛
𝑖=1
𝑥̅ = 0.9000
Varianza
100
2
(𝑥 − 𝑥̅ )2
𝑆 =∑
𝑛−1
𝑖=1
𝑆 2 = 0.6566
9

Desviación estándar
100
(𝑥 − 𝑥̅ )2
𝑆 = √∑
𝑛−1
𝑖=1
𝑆 = 0.8103
Tablas de frecuencias
Tabla 1.0 Esta variable es del tipo cuantitativa continua, y representa la frecuencia con la que
el lanzamiento al arco es fallido o (defectuosas) en la simulación, a continuación, veremos sus
respetivas gráficas y tabla de frecuencia.
Frecuencia
ordinal de intervalos marca de frecuencia Frecuencia frecuencia relativa
la clase de clases clases absoluta acumulada relativa acumulada
1 [0,1) 0.5 36 36 0.36 0.36
2 [1,2) 1.5 40 76 0.4 0.76
3 [2,3) 2.5 22 98 0.22 0.98
4 [3,4) 3.5 2 100 0.02 1
5 [4,5) 4.5 0 100 0 1
6 [5,6) 5.5 0 100 0 1
SUMA 100 1
Probabilidades con la distribución hipergeométrica
N: tamaño de la población
n: tamaño de la muestra
a: número de elementos de la población con cierta característica

de interés
x: número de elemento de la muestra que posee la característica

de interés
10

(𝑎𝑥)(𝑁−𝑎
𝑛−𝑥
)
𝑝(𝑋 = 𝑥) =
(𝑁𝑛)
❖ Calculo de las verdaderas probabilidades de cada número
(80)(40−8
5−0
)
𝑝(𝑋 = 0) = = 0.3060
(40
5
)
(81)(40−8
5−1
)
𝑝(𝑋 = 1) = = 0.4371
(40
5
)
(82)(40−8
5−2
)
𝑝(𝑋 = 2) = = 0.2110
(40
5
)
(83)(40−8
5−3
)
𝑝(𝑋 = 3) = = 0.0422
(40
5
)
(84)(40−8
5−4
)
𝑝(𝑋 = 4) = = 0.0034
(40
5
)
(85)(40−8
5−5
)
𝑝(𝑋 = 5) = = 0.00008511
(40
5
)
❖ Media, varianza y desviación estándar

𝑎𝑛 8 × 5
∈ (𝑥) = = =1
𝑁 40
𝑎𝑛(𝑁 − 𝑎)(𝑁 − 𝑛) 8 × 5 × (40 − 8) × (40 − 5)
𝑉(𝑥) = = = 0.7179
𝑁 2 (𝑁 − 1) 402 (40 − 1)
𝜎 = 2√𝑉(𝑥) =0.8473
11

Comparar datos
Los datos obtenidos son casi idénticos a los obtenidos por las
fórmulas ya que si se quería aproximar más a los valores se debía
hacer más simulaciones
probabilidades tomadas en la simulación probabilidades obtenidas con las formulas
0 36% 0 30.60%
1 40% 1 43.70%
2 22% 2 21.10%
3 2% 3 4.20%
4 0% 4 0.34%
5 0% 5 8.5x10^-3%
media 0.9 media 1
varianza 65.66 varianza 71.79
Desviacion estandar 0.8103 desviacion estandar 0.8473
12

Muestreo de aceptación y curva OC
proporción
de
defectuosos
(p) (p-1) p(0) p(1) p(a)
0% 1E-10 1 1 5E-10 1
2% 0.02 0.98 0.903920797 0.09223682 0.99615761
4% 0.04 0.96 0.815372698 0.16986931 0.98524201
6% 0.06 0.94 0.733904022 0.23422469 0.96812871
8% 0.08 0.92 0.659081523 0.28655718 0.94563871
10% 0.1 0.9 0.59049 0.32805 0.91854
12% 0.12 0.88 0.527731917 0.35981722 0.88754913
14% 0.14 0.86 0.470427018 0.38290571 0.85333273
16% 0.16 0.84 0.418211942 0.39829709 0.81650903
18% 0.18 0.82 0.370739843 0.40690958 0.77764943
20% 0.2 0.8 0.32768 0.4096 0.73728
22% 0.22 0.78 0.288717437 0.40716562 0.69588305
24% 0.24 0.76 0.253552538 0.40034611 0.65389865
26% 0.26 0.74 0.221900662 0.38982549 0.61172615
28% 0.28 0.72 0.193491763 0.37623398 0.56972575
30% 0.3 0.7 0.16807 0.36015 0.52822
32% 0.32 0.68 0.145393357 0.34210202 0.48749537
34% 0.34 0.66 0.125233258 0.32257051 0.44780377
36% 0.36 0.64 0.107374182 0.30198989 0.40936407
38% 0.38 0.62 0.091613283 0.28075038 0.37236367
40% 0.4 0.6 0.07776 0.2592 0.33696
42% 0.42 0.58 0.065635677 0.23764642 0.30328209
44% 0.44 0.56 0.055073178 0.21635891 0.27143209
46% 0.46 0.54 0.045916502 0.19557029 0.24148679
48% 0.48 0.52 0.038020403 0.17547878 0.21349919
50% 0.5 0.5 0.03125 0.15625 0.1875
13

Curva oc
1,2
0,8
0,6
0,4
0,2
0
0 0,1 0,2 0,3 0,4 0,5 0,6
Curva oc
1,2
0,8
0,6
0,4
0,2
0
0,02
0,28
1E-10
0,04
0,06
0,08
0,1
0,12
0,14
0,16
0,18
0,2
0,22
0,24
0,26
0,3
0,32
0,34
0,36
0,38
0,4
0,42
0,44
0,46
0,48
0,5
14

Bibliografía:
➢ http://thales.cica.es/rd/Recursos/rd97/UnidadesDidacticas/
53-1-u-punt14.html
➢ http://poligonosyojivas.blogspot.com/
➢ http://nulan.mdp.edu.ar/1618/1/13_muestreo_aceptacion.pdf
➢ http://www.uv.es/ceaces/base/modelos%20de%20probabilida
d/hipergeometrica.htm
➢ http://www.monografias.com/trabajos46/muestreo-de-
aceptacion/muestreo-de-aceptacion.shtml
➢ http://www.gestiondecalidadtotal.com/curva_caracteristica
_de_operacion.html
➢ Mitra, A. (1998) Fundamentals of Quality Control and

Improvement, second edition. Prentice Hall
➢ Zurita G. (2010) Probabilidad y Estadística, Fundamentos y

Aplicaciones, segunda edición. ESPOL
15


Primeravance Proyecto Estadistica

Cargado por

Información del documento

Título original

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

Primeravance Proyecto Estadistica

Cargado por

Copyright:

Formatos disponibles

Inspección de valores de

lanzamiento de tiro Penal a

Objetivos principales y secundarios ............................................................................... 03

Marco teórico ................................................................................................................ 06

Estadística descriptiva ................................................................................................... 08

Cálculos de Probabilidades ............................................................................................ 11

Comparación y verificación de datos ............................................................................. 13

Curva oc y muestreo de aceptación .............................................................................. 14

Conclusiones y recomendaciones ................................................................................. 19

Proyecto de Estadística del segundo Parcial

una “inspección de lanzamiento de un penal a través de un

muestreo de aceptación para el cual puede ser un éxito o fracaso

con cierto porcentaje de error”, el mismo que se realizara durante

el mes de Enero del año 2018 en el las canchas deportivas de la FIEC-

El experimento estadístico se realizara 5 veces, Para la siguiente

inspección se tomara una muestra de 40 ensayos, de las cuales ocho

tendrán un % de error, se escogerán cinco al azar con reposición y

se anotaba cuantos lanzamientos marcadas saldrán ,las cuales

representaran shoot éxitos o fracasados para esto el grupo se

procederá a realizar el respectivo análisis estadístico como la

media, la varianza, la desviación estándar ,frecuencia relativa,

frecuencia absoluta , histograma , ojiva , cuartiles , diagramas de

También obtendremos las probabilidades de cada número

utilizando la distribución hipergeométrica, así se deberá comparar

con los obtenidos en el experimento y después calcular las

verdaderas media y varianza, y compararlas con las estimaciones

También se realizará un muestreo de aceptación, y una curva de

operación (OC). El cual involucra tomar muestras aleatorias de

tandas de lanzamientos al arco para que el inspector en este caso

el estudiante las mida contra estándares Predeterminados.

Proyecto de Estadística del segundo Parcial

➢ Entender que el muestreo de aceptación reduce el esfuerzo de

➢ Analizar las probabilidades obtenidas en resultado con los de

la simulación en el campo de juego.

➢ Analizar, interpretar y solucionar situaciones problemáticas

que requieran el uso de una distribución hipergeométrica

➢ Representar gráficamente la relación existente entre un

porcentaje de artículos defectuosos y la probabilidad de

Proyecto de Estadística del segundo Parcial

En el proyecto que se presenta a continuación se va a constar de

diferentes términos estadísticos los cuales, debemos tener muy claro

En estadística, la media es una medida de centralización. Se

llama media de una distribución de estadística a la media

aritmética de los valores de los distintos individuos que la

Esta medida se basa en la cuantificación de las distintas de los

datos con respecto al valor de la media.

Es la manera más común de representar gráficamente la

distribución de frecuencias de los datos. Se lo construye dibujando

rectángulos cuya base corresponda a cada intervalo de clase y su

altura, según el valor de la frecuencia.

Proyecto de Estadística del segundo Parcial

Es un diagrama grafico que se usa para expresar en forma

resumida, algunas medidas estadísticas de posición.

El diagrama de caja describe gráficamente el rango de los datos,

el rango intercuartil, los valores extremos y la ubicación de los

cuartiles. Es una representación útil para comparar grupos de

Es una medida de dispersión para variables de razón (variables

cuantitativas o cantidades racionales) y de intervalo. Se define

como la raíz cuadrada de la varianza de la variable.

ordenados en cuatro partes porcentualmente iguales.

La frecuencia absoluta de una variable estadística es el número de

veces que aparece en la muestra dicho valor de la variable.

Proyecto de Estadística del segundo Parcial