GRAFICO X-R

Producto Bolsas de Harina

Variable de control Peso (kg)
Cantidad de Subgrupos 20
Tamaño del subgrupo (n) 5

Subgrupo X1
1 18
2 19
3 18
4 19
5 20
6 17
7 18
8 20
9 18
10 20
11 19
12 18
13 18
14 17
15 18
16 19
17 20
18 21
19 20
20 19

Estimadores de los parámetros de la población

Estimación de la media
Estimación de la desviación

a) Gráfico de control X-R

Pruebas de Hipótesis

Gráfico X
 H0: La media del peso es igual a 19,16 kg
H1: La media del peso es diferente a 19,16 kg

Límites de control
A2 0.577
LCS 21.0064
VM 19.16
LCI 17.3136
Gráfico X-bar para Col_1-Col_5

22

21 2

20
X-bar

1
19

18

1
17
0 4 8 12 16 20
Subgrupo

ANALISIS: El gráfico de medias muestra la estabilidad entre muestras, revelando en es

aleatorio entre cada una de las muestras, sin existir ningún punto fuera de los limites
existe suficiente evidencia estadística para afirmar que el peso de las bolsas de hari
con un nivel de confianza de 99.73%.

ANÁLISIS DEL GRÁFICO X-R: Debido a que en ninguno de los grá

control peso de la harina

b) Límites de Tolerancia Natural del Proceso

 LTNS 23.2872570937
VM 19.16
LTNI 15.0327429063

c) Potencia del gráfico de control (1-β)

Nueva media (x)

Desviación estandar de la media (σx)
Probabilidad (x>21,0064)
Probabilidad (x<17,3136)
Potencia del gráfico (1-β)
Subgrupos requeridos para detectar cambio (ARL)
Cantidad de bolsas a muestrear
Tiempo en detectar el cambio (hrs) (ATS)

d) Probabilidad de que el cambio anterior se detecte en la quinta m

Se calcula la probabilidad de que en los primeros cuatro subgrup

P 0.023352855

e) ¿Cuál es la probabilidad de que el gráfico detecte el tercer subg

Sea Y la cantidad de subgrupos analizados hasta detectar el terce

Y: Tiene una distribución de Pascal con p= 0,54503 y r=3.

P(Y=6) 0.1524788

f) Curva OC y ARL para el gráfico X

X (kg) Probabilidad de acetar (β)

19.16 0.997309331
19.50 0.992635723
20.00 0.9490471042
20.30 0.8745443229
20.50 0.7947666884
21.08 0.4549662039
21.50 0.2111987525
22.00 0.0531618745
22.50 0.0075993243
23.00 0.0005970585
 23.50 2.52876273353653E-05

CURVA ARL
400

350

300

250

200

150

100

50

0
19.00 19.50 20.00 20.50 21.00 21.50 22.00 22.50 2

g) Si la desviación del proceso se incrementa en 5%, ¿cuál es la pro

Nueva desviación estandar del proceso (σ)

Probabilidad (W>4,6830)
Probabilidad (W<0)
Potencia del gráfico R (1-β)

ELABORADO POR: ING. ANGEL GONZALEZ

 X2 X3 X4 X5 Promedio Rango
19 19 20 18 18.8 2
18 21 19 19 19.2 3
19 17 18 19 18.2 2
19 17 19 19 18.6 2
21 19 22 20 20.4 3
20 21 17 20 19 4
20 17 20 19 18.8 3
19 18 21 21 19.8 3
19 19 17 20 18.6 3
20 22 18 19 19.8 4
21 20 19 18 19.4 3
21 21 18 17 19 4
22 20 17 20 19.4 5
20 21 20 21 19.8 4
19 19 22 20 19.6 4
18 18 21 19 19 3
17 17 20 19 18.6 3
16 19 19 18 18.6 5
19 19 18 18 18.8 2
20 20 19 21 19.8 2
Promedio 19.16 3.2

19.16 kg
1.3757523646 kg d2 2.326

Gráfico R
 H0: La desviación estandar del peso es igual a 1,3757 kg
H1: La desviación estandar del peso es diferente a 1,3757

Límites de control
D4 2.114
kg D3 0
kg LCS 6.7648 kg
kg VM 3.2 kg
_5 Gráfico de R
LCI 0 kg

21,01
6

Rango
4
19,16

17,31
0
16 20 0 4

ANALISIS: El gráfico R muestra la estabilidad

en este caso un comportamiento aleatorio
muestras, revelando en este caso un comportamiento ningún punto fuera de los limites de contro
punto fuera de los limites de control. Por lo tanto, no evidencia estadística para afirmar que la de
peso de las bolsas de harina es diferente a 19,16 kg, bolsas de harina es diferente a 1,3757 kg
anza de 99.73%. 99.73%.

que en ninguno de los gráficos se pudo rechazar la hipótesis nula, se puede evidenciar que la variable de
control peso de la harina es estable (está bajo control estadístico)
 ANÁLISIS: Los límites de tolerancia natural representan el comportamiento completo de la
variable estudiada, sirviendo de estimador para realizar inferencias de la población,
mientras que los limites de control solo muestran la variabilidad dentro de cada subgrupo.

21.076 kg
0.6152551615 kg
0.5450337956 *Suponiendo que x sigue una distribución normal
5E-10 *Cero
0.54503
1.835 *Aproximadamente dos subgrupos. Considerando que Y: es la cantidad de ensayos requeridos hasta encontrar
10 *Cada muestra incluye 5 bolsas de harina
4 *Se toma una muestra cada 2 hrs

r se detecte en la quinta muestra

s primeros cuatro subgrupos no se detecte nada, sino en el quinto subgrupo analizado

fico detecte el tercer subgrupo con media corrida un 10% en el sexto subgrupo analizado?

dos hasta detectar el tercer corrimientos de 10% en la media

p= 0,54503 y r=3.

CURVA OC
1.2
ARL
371.654779173
1
135.79065604
19.6259699131 0.8
7.9709425912
4.8725033592 0.6
1.8347486104
1.2677464737 0.4
1.0561467404
1.0076575163 0.2
1.0005974152
0
18.00 19.00 20.00 21.00 22.00 23.00 24.00
 0.4

0.2

1.0000252883 0
18.00 19.00 20.00 21.00 22.00 23.00 24.00

Curva ARL para X-bar

400

Tamaño Promedio de Corrida

300

200

100
0 21.50 22.00 22.50 23.00 23.50 24.00

0
17 18 19
enta en 5%, ¿cuál es la probabilidad de ser detectada por el gráfico de control?
Media de proceso
1.4445 kg * EL r sigue una distribución llamada Rango relativo: W=R/σ
0.005 W=LCS/σ 4.68301333
0E+00 W=LCI/σ 0
0.00500
del peso es igual a 1,3757 kg
del peso es diferente a 1,3757 kg

Gráfico de Rangos para Col_1-Col_5

6,77

3,20

0,00
0 4 8 12 16 20
Subgrupo

ráfico R muestra la estabilidad dentro de la muestra, revelando

un comportamiento aleatorio en cada una de ellas, sin existir
fuera de los limites de control. Por lo tanto, no existe suficiente
adística para afirmar que la desviación estandar del peso de las
harina es diferente a 1,3757 kg, con un nivel de confianza de
99.73%.
os requeridos hasta encontrar el primer subgrupo con un peso de 21,076 kg. Donde Y sigue una distribución de Pascal con r=1

Curva OC para X-bar

0,8
Pr(aceptar)

0,6

0,4

0,2
4.00

0
 Pr(a
0,4

0,2
4.00

0
Curva ARL para X-bar 15 17 19 21 23
Media de proceso

19 20 21
Media de proceso
ión de Pascal con r=1
GRAFICO X-S

Producto Botellas de Jugos

Variable de control Temperatura (ºC)
Cantidad de Subgrupos 20
Tamaño del subgrupo (n) 10

a) Gráfico de control X-S

Pruebas de Hipótesis

Gráfico X
H0: La media de la temperatura es igual a 24,418 ºC
 H1: La media de la temperatura es diferente a 24,418 ºC

Límites de control
A3
LCS
VM
LCI
Gráfico X-bar para Col_1-Col_10

27

26 26,02

25
X-bar

24,42
24

23
22,82

22
0 4 8 12 16 20
Subgrupo

ANALISIS: El gráfico de medias muestra la estabilidad entre muestras, revelando en este caso un comportamient
entre cada una de las muestras. Aunque no existe ningún punto fuera de los limites de control, existen 8 puntos
debajo de la linea central. Por lo tanto, existe suficiente evidencia estadística para afirmar que la temperatura de
jugo es diferente a 24,418 ºC, con un nivel de confianza de 99.73%.

ANÁLISIS DEL GRÁFICO X-S: Debido a que el gráfico X muestra un comportamiento n

Temperatura no es estable (no est

b) Potencia del gráfico de control X (1-β)

Nueva media (x)

Desviación estandar de la media (σx)
Probabilidad (x>26,0174)
Probabilidad (x<22,8185)
 Potencia del gráfico (1-β)
Subgrupos requeridos para detectar cambio (ARL)

C) Si la desviación del proceso se incrementa en 8%, ¿cuál es la pr

Nueva desviación estandar del proceso (σ)

Probabilidad (X^2>21,4975)
Probabilidad (X^2<0,58883)
Potencia del gráfico S (1-β)

ELABORADO POR: ING. ANGEL GONZALEZ

 Subgrupo X1 X2 X3 X4 X5
1 25.2 24 21.3 22.4 25.3
2 23.2 25.2 22.4 23.5 24.2
3 24.3 23.6 23.5 26.4 23.4
4 25.6 24.5 26.3 23.5 21.5
5 26.1 23.4 25.6 22.1 26.7
6 27.2 22.1 27.8 21.4 25.3
7 23.4 23.5 26.5 23.5 24.5
8 25.6 23.4 23.4 24.6 26.3
9 24.5 25.8 25.6 25.8 25.8
10 26.8 26.7 21.5 26.9 26.9
11 22.9 26.9 23.4 23.4 25.4
12 21.6 25.8 22.5 25.4 23.7
13 22.3 25.6 26.5 21.3 25.4
14 24.4 24.3 23.4 22.5 26.5
15 23 22.4 21.5 23.4 23.7
16 24.5 22.1 23.4 23.6 25.4
17 26.7 25.4 25.2 24.5 23.5
18 25.9 26.3 26.7 25.3 21.5
19 26.3 25.4 25.4 24.6 26.7
20 27.8 26.1 23.6 25.3 23

Estimadores de los parámetros de la población

Estimación de la media 24.418 ºC
Estimación de la desviación 1.68654 ºC c4 0.9727

e control X-S

de Hipótesis

Gráfico S
edia de la temperatura es igual a 24,418 ºC H0: La desviación estandar
edia de la temperatura es diferente a 24,418 ºC H1: La desviación estandar

Límites de control
0.975 B4
26.0174820766 ºC B3
24.418 ºC LCS
22.8185179234 ºC VM
Gráfico S para Col_
para Col_1-Col_10 LCI

2,5
26,02
2

1,5

S
24,42
1

0,5
22,82
0
0 4 8
12 16 20 Subgrupo
grupo

ANALISIS: El gráfico S m
re muestras, revelando en este caso un comportamiento no aleatorio revelando en este caso u
n punto fuera de los limites de control, existen 8 puntos seguidos por ellas, sin existir ningún pun
videncia estadística para afirmar que la temperatura de las botellas de no existe suficiente eviden
C, con un nivel de confianza de 99.73%. estandar de la temperatur
un niv

Debido a que el gráfico X muestra un comportamiento no aleatorio entre las medias de los subgrupos del 1 al 8, entonces la variable
Temperatura no es estable (no está bajo control estadístico)

del gráfico de control X (1-β)

Nueva media (x) 27.34816 ºC

Desviación estandar de la media (σx) 0.533329795 ºC
Probabilidad (x>26,0174) 0.993702812 *Suponiendo que x sigue una distribución normal
Probabilidad (x<22,8185) 1E-17 *Cero
 Potencia del gráfico (1-β) 0.99370
upos requeridos para detectar cambio (ARL) 1.006 *Aproximadamente dos subgrupos. Considerando que Y: es la cantidad de en

viación del proceso se incrementa en 8%, ¿cuál es la probabilidad de ser detectada por el gráfico de control?

eva desviación estandar del proceso (σ) 1.8215 ºC * La S sigue una distribución X^2
Probabilidad (X^2>21,4975) 0.010615631 X^2=(n-1)LCS^2/^2 21.4975
Probabilidad (X^2<0,58883) 6.127512E-05 X^2=(n-1)LCI^2/^2 0.58883
Potencia del gráfico S (1-β) 0.01068

L GONZALEZ
 X6 X7 X8 X9 X10 Promedio S
23.5 23.4 25.6 23.4 25.6 23.97 1.45529684
26.3 25.6 24.5 21.5 21.5 23.79 1.6696307
25.6 21.5 26.8 23.4 23.4 24.19 1.62032233
27.8 23.4 22.9 25.2 22.5 24.32 1.92284511
22.3 22.5 21.6 26.7 26.5 24.35 2.14592637
24.4 21.5 22.3 25.4 23.4 24.08 2.31651079
23 23.4 24.4 23.6 21.5 23.73 1.27196261
24.5 25.2 23 24.5 23.4 24.39 1.09082028
26.7 26.7 26.5 26.3 25.2 25.89 0.69673843
25.9 25.4 23.7 24 26.7 25.45 1.82954153
26.3 23.6 25.4 25.2 25.4 24.79 1.36906294
27.8 25.6 22.1 23.6 23.6 24.17 1.9419635
25.6 27.8 25.4 24.5 23 24.74 1.99120287
23.4 26.5 26.3 23.4 25.6 24.63 1.48925783
25.3 23.4 25.3 22.1 24.1 23.42 1.25857062
26.3 25.6 26.5 23.5 23.2 24.41 1.47757309
25.8 21.5 22.9 23.4 21.3 24.02 1.81156777
24.1 23.4 21.6 25.8 22.5 24.31 1.96607336
22.5 22.1 22.3 26.7 26.4 24.84 1.8739145
23.6 23.5 24.4 26.9 24.5 24.87 1.61110728
Promedio 24.418 1.64049444

H0: La desviación estandar de la temperatura es igual a 1,6865 ºC

H1: La desviación estandar de la temperatura es diferente a 1,6865 ºC

Límites de control
1.716
0.284
2.81509 ºC
1.64049 ºC
Gráfico S para Col_1-Col_10
0.4659 ºC

2,82

1,64

0,47

4 8 12 16 20
Subgrupo

ANALISIS: El gráfico S muestra la estabilidad dentro de la muestra,

revelando en este caso un comportamiento aleatorio en cada una de
ellas, sin existir ningún punto fuera de los limites de control. Por lo tanto,
no existe suficiente evidencia estadística para afirmar que la desviación
estandar de la temperatura de las botellas es diferente a 1,6623 ºC, con
un nivel de confianza de 99.73%.

entonces la variable
que Y: es la cantidad de ensayos requeridos hasta encontrar el primer subgrupo con una temperatura de 27,34816 ºC. Donde Y sigue una
ºC. Donde Y sigue una distribución de Pascal con r=1
GRAFICO p

Producto Artículo X
Variable de control Piezas disconformes
Cantidad de Subgrupos 24
Tamaño del subgrupo (n) variable entre 180 y 200

Lote

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
Promedio

Estimadores de los parámetros de la población

Estimación de la fracción defectuosa

a) Gráfico de control p
Se construirá el gráfico p midiendo la fracción de productos defectuosos en el lote de

Pruebas de Hipótesis

Gráfico p
H0: La fracción de articulos defectuosos en los lotes es de 0,1173
H1: La fracción de articulos defectuosos en los lotes es diferente de 0,1173

Límites de control
n promedio 200.0
LCS 0.18554886
VM 0.1173
LCI 0.04903447

ANALISIS: El gráfico p muestra la estabilidad en la proporción defectuosa, revelando

ya qu entre los subgrupos 16 y 24 existe un ciclo de repeticiones en descenso. Existe
analizar lo sucedido con ese subgrupo para verificar si realmente debe ser considerad
existe suficiente evidencia estadística para afirmar que la proporción defectuosa es d
tiempo, con un nivel de confianza de 99.7

b) Producción defectuosa

Lotes al día 100.0

Piezas por lote 200.0000
p 0.1173
Días de trabajo 20
Piezas defectuosas 46917

c) Potencia del gráfico de control p (1-β)

Nueva p
np
Probabilidad (np>37)
Probabilidad (np<10)
Potencia del gráfico (1-β)
Subgrupos requeridos para detectar cambio (AR
d) Gráfico p con límites variables

Lote

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
Gráfico p para Col_1

0,2
0,19

0,16

0,12 0,12
p

0,08

0,05
0,04

0
0 4 8 12 16 20 24
 0,08

0,05
0,04

0
0 4 8 12 16 20 24
Muestra

e) Cálculo del tamaño de muestra

p 0.1173
p+15% 0.1349
δ 0.0176
Potencia del gráfico (1-β) 0.5
z 0
n 3010
n=(p(1-p)(3-z)^2)/δ^2

ELABORADO POR: ING. ANGEL GONZALEZ

 Piezas
Tamaño del lote p
disconformes
200 21 0.1050
200 20 0.1000
200 27 0.1350
200 33 0.1650
200 22 0.1100
200 40 0.2000
180 27 0.1500
180 23 0.1278
180 20 0.1111
200 26 0.1300
200 28 0.1400
200 21 0.1050
200 23 0.1150
200 21 0.1050
200 25 0.1250
200 29 0.1450
200 20 0.1000
220 28 0.1273
220 18 0.0818
220 24 0.1091
200 13 0.0650
200 23 0.1150
200 12 0.0600
200 19 0.0950
200.0

0.1173

ráfico de control p
a fracción de productos defectuosos en el lote de producción porque el tamaño del lote es variable.

Gráfico p para Col_1

sos en los lotes es de 0,1173

sos en los lotes es diferente de 0,1173 0,2

0,16

0,12

p
0,08

0,04

0
0 4 8 12 16 20 24
Muestra

tabilidad en la proporción defectuosa, revelando en este caso un comportamiento no aleatorio

xiste un ciclo de repeticiones en descenso. Existe un punto fuera de control, por lo cual se debe
po para verificar si realmente debe ser considerado en la estimación del parametro. Por lo tanto,
ca para afirmar que la proporción defectuosa es diferente a 0,1173 por falta de estabilidad en el
tiempo, con un nivel de confianza de 99.73%.

roducción defectuosa

días/mes
uni/mes *Debido a que la p no es estable a través del tiempo, esta estimación carece de validez estadística

otencia del gráfico de control p (1-β)

Nueva p 0.1290208 * La p sigue una distribución

np 25.8041666667
Probabilidad (np>37) 0.00919
Probabilidad (np<10) 6E-05
Potencia del gráfico (1-β) 0.00925
Subgrupos requeridos para detectar cambio (ARL) 108.108 *Aproximadamente 109 lotes. Considerando que Y: es la cantidad de
 ráfico p con límites variables

Piezas
Tamaño del lote p LCS LCI
disconformes
200 21 0.1050 0.1855 0.0490
200 20 0.1000 0.1855 0.0490
200 27 0.1350 0.1855 0.0490
200 33 0.1650 0.1855 0.0490
200 22 0.1100 0.1855 0.0490
200 40 0.2000 0.1855 0.0490
180 27 0.1500 0.1892 0.0453
180 23 0.1278 0.1892 0.0453
180 20 0.1111 0.1892 0.0453
200 26 0.1300 0.1855 0.0490
200 28 0.1400 0.1855 0.0490
200 21 0.1050 0.1855 0.0490
200 23 0.1150 0.1855 0.0490
200 21 0.1050 0.1855 0.0490
200 25 0.1250 0.1855 0.0490
200 29 0.1450 0.1855 0.0490
200 20 0.1000 0.1855 0.0490
220 28 0.1273 0.1824 0.0522
220 18 0.0818 0.1824 0.0522
220 24 0.1091 0.1824 0.0522
200 13 0.0650 0.1855 0.0490
200 23 0.1150 0.1855 0.0490
200 12 0.0600 0.1855 0.0490
200 19 0.0950 0.1855 0.0490
co p para Col_1

0,19

Análisis: este gráfico tiene más precisión que el anteri

cual continua revelando la misma falta de estabilida
parámetro p.
0,12

0,05

12 16 20 24
 0,05

12 16 20 24
Muestra

álculo del tamaño de muestra

*Se deben tomar subgrupos con 3010 piezas. El valor es tan grande porque el
movimiento en el parametro p es muy pequeño y el gráfico requiere una cantidad
muy grande de unidades para detectarlo.
ara Col_1

0,19

0,12

0,05

16 20 24
tra

La p sigue una distribución binomial

nLCS 37.1097727
nLCI 9.80689396

ndo que Y: es la cantidad de ensayos requeridos hasta encontrar el primer lote con una proporción defectuosa de 0,12902. Donde Y sigue u
más precisión que el anterior, por lo
la misma falta de estabilidad en el
arámetro p.
uosa de 0,12902. Donde Y sigue una distribución de Pascal con r=1
GRAFICO c y GRAFICO u

Producto Autos
Variable de control Fallas durante garantia
Cantidad de Subgrupos 20
Tamaño del subgrupo (n) 150

Muestra Número
de fallas
1 4
2 3
3 4
4 5
5 6
6 4
7 3
8 2
9 5
10 3
11 5
12 6
13 4
14 2
15 5
16 8
17 5
18 3
19 2
20 5

a) Gráfico de control c
El gráfico c analiza la ocurrencia de las fallas en cada lote de carros analizados

Estimador λ 4.2 fallas/muestra

Prueba de Hipótesis

Gráfico c
H0: La cantidad de fallas por muestra es 4,2
 H1: La cantidad de fallas por muestra es diferente a 4,2

Límites de control
LCS 10.34817046
VM 4.2000
LCI -1.94817046 *Se aproxima a 0

ANALISIS: El gráfico c muestra la estabilidad en los defectos por lote de autos, revelando en este caso un
comportamiento aleatorio, con todos los puntos de control dentro de los límites. Por lo tanto, no existe suficiente
evidencia estadística para afirmar que la cantidad de defectos por lote sea diferente a 4,2 con un nivel de confianza
de 99.73%.

b) Gráfico de control u
El gráfico u analiza la ocurrencia de las fallas en cada auto analizado

Estimador λ 0.028
fallas/auto

Prueba de Hipótesis

Gráfico u
H0: La cantidad de fallas por autos es 0,028
H1: La cantidad de fallas por auto es diferente a 0,028

Límites de control
LCS 0.068987803
VM 0.0280
Gráfico
LCI
u para Col_4
-0.012987803 *Se aproxima a 0

0,08

0,07
 Gráfico u para Col_4

0,08

0,07
0,06

0,04
u

0,03
0,02

0 0,00
0 4 8 12 16 20
Muestra

ANALISIS: El gráfico u muestra la estabilidad en los defectos por auto, revelando en este caso un comportamient
aleatorio, con todos los puntos de control dentro de los límites. Por lo tanto, no existe suficiente evidencia
estadística para afirmar que la cantidad de defectos por auto sea diferente a 0,028 con un nivel de confianza de
99.73%.

c) Si en cierto momento se obtiene que se generan 50 fallas en 1000 autos, ¿cuál es la

Potencia del gráfico u (1-β)
λ cambiado 0.0500
nλ 7.5000
Probabilidad (c>10) 0.13776
Probabilidad (c<0) 0E+00
Potencia del gráfico (1-β) 0.13776
Subgrupos requeridos para detectar cambio (ARL) 7.259

d) Probabilidad de que un auto presente al menos dos fallas

Sea x la cantidad de fallas presente en un auto
λ 0.0280
 nλ 4.2
Probabilidad (x>1) 0.92202

e) Error tipo I para gráfico c

λ cambiado 4.2000
Probabilidad (c>10) 0.00407
Probabilidad (c<0) 0E+00
Error α 0.00407

ELABORADO POR: ING. ANGEL GONZALEZ

a lote de carros analizados

allas/muestra
 Gráfico c para Col_3

Se aproxima a 0
12

10,35
10

do en este caso un 6
c

to, no existe suficiente

on un nivel de confianza
4 4,20

0 0,00
0 4 8 12 16 20
Muestra

a auto analizado

Muestra Número Número de

de fallas fallas por
auto
1 4 0.027
2 3 0.020
3 4 0.027
4 5 0.033
5 6 0.040
6 4 0.027
7 3 0.020
8 2 0.013
9 5 0.033
10 3 0.020
Se aproxima a 0 11 5 0.033
12 6 0.040

0,07
 13 4 0.027
14 2 0.013
15 5 0.033
0,07 16 8 0.053
17 5 0.033
18 3 0.020
19 2 0.013
20 5 0.033

0,03

0,00
16 20

OJO: Note como en este ejemplo la forma de los gráficos c-u coinciden y llegan a
la misma conclusión. Eso se debe a que el tamaño del lote es constante (150). El
gráfico u suele emplearse principalmente cuando el tamaño del lote es variable o
do en este caso un comportamiento cuando la variable de calidad lo necesite.
to, no existe suficiente evidencia
0,028 con un nivel de confianza de

0 fallas en 1000 autos, ¿cuál es la probabilidad de que el gráfico detecte ese cambio? ¿Cuántas lotes serán requeridos?

fallas/auto * λ sigue una distribución de Poisson

fallas/muestra nLCS 10.3481705
nLCI 0

*Aproximadamente 8 lotes. Considerando que Y: es la cantidad de ensayos requeridos hasta encontrar el primer lote con una c

fallas/auto
fallas/muestra

* λ sigue una distribución de Poisson

fallas/muestra nLCS 10.3481705
nLCI 0
 10,35

4,20

0,00
20
 c-u coinciden y llegan a
te es constante (150). El
año del lote es variable o
site.

requeridos?

ontrar el primer lote con una cantidad de defectos por auto de 0,05. Donde Y sigue una distribución de Pascal con r=1