Para una muestra de 60 mujeres, tomadas de un población de más de 5,000 inscritas en un

programa de reducción de peso de una cadena nacional de balnearios de aguas termales, la

presión sanguínea diastólica media de la muestra es 101 y la desviación estándar de la muestra
es 42. Para un nivel de significancia de 0.02, ¿puede concluir que, en promedio, las mujeres
inscritas en el programa tienen una presión sanguínea diastólica que excede el valor de 75
recomendado por diversas sociedades médicas?

Datos
n= 60 Xc+= 87.6336717
x= 101 Xc-= 62.3663283
ƻx= 42
ᾳ= 0.02
z= 2.33
u= 75

si xc calculado es menor que 87.63 se acepta ho caso

contrario se rechaza.
el limite de la presion en las mujeres sobrepasa los valores
permitidos clinicamnete.
scritas en un
s termales, la h0: u ≤75
ar de la muestra
, las mujeres h1: u ˃75
valor de 75

75
87.63
 La fábrica Clic Pens ha probado dos tipos de anuncios en puntos de venta para su
nueva pluma de tinta borrable. El anuncio de mostrador fue colocado en una muestra
aleatoria de 40 tiendas en el mercado de prueba, y el anuncio de piso se colocó en
otras 40 tiendas del área. El número medio de plumas vendidas por tienda en un mes
con los anuncios de mostrador fue 42, con una desviación estándar de 8. En cuanto a
los anuncios de piso, el número medio de plumas vendidas por tienda durante el
mismo mes fue 45, con desviación estándar de 7. Al nivel 0.02, ¿hubo una diferencia
significativa entre las ventas con los dos tipos de anuncio?

Datos ho: u1=u2

n1 40 h1: u1≠u2
n2 40
x1 42
x2 45 sx1-x2= 1.5389
Sx1 8 Z= -1.949
sx2 7
ᾳ 0.98
z 2.33
Altoona Tire Company vende sus llantas ATC-50 con una garantía de 50,000
millas de vida para la banda de rodamiento. Lorrie Ackerman, una ingeniera
de control de la calidad de la compañía, efectúa pruebas de campo para
monitorear la vida de los productos del proceso de fabricación ATC-50. De
cada uno de los últimos 12 lotes de 1,000 llantas, ella probó 5 llantas y
registró los siguientes resultados, con x y R expresados en miles de millas:

LOTE X R
1 50.5 1.1
2 49.7 1.6 Datos
3 50 1.8 n=
4 50.7 0.1 A₂ =
5 50.7 0.9 D₃ =
6 50.6 2.1 D₄ =
7 49.8 0.3 X=
8 51.5 0.8 R=
9 50.2 2.3
10 50.4 1.3
11 50.6 2
12 50.7 2.1

LCIx =
LCSx =
 a)      Use estos datos para ayudar a Lorrie a trazar una gráfica x .
b)      ¿Está bajo control el proceso? Explique su respuesta.

=
LOTE X R LCSx X LCIx
1 50.5 1.1 50.53 50 49.47
12 2 49.7 1.6 50.53 50 49.47
0.266 3 50 1.8 50.53 50 49.47
0.284 4 50.7 0.1 50.53 50 49.47
1.716 5 50.7 0.9 50.53 50 49.47
50 6 50.6 2.1 50.53 50 49.47
2 7 49.8 0.3 50.53 50 49.47
8 51.5 0.8 50.53 50 49.47
9 50.2 2.3 50.53 50 49.47
10 50.4 1.3 50.53 50 49.47
11 50.6 2 50.53 50 49.47
12 50.7 2.1 50.53 50 49.47
50 2

49.47 LCSr = 3.43

50.53 LCIr = 0.57
LCSr R LCIr
3.432 2.00 0.568
3.432 2.00 0.568
3.432 2.00 0.568
3.432 2.00 0.568
3.432 2.00 0.568
3.432 2.00 0.568
3.432 2.00 0.568
3.432 2.00 0.568
3.432 2.00 0.568
3.432 2.00 0.568
3.432 2.00 0.568
3.432 2.00 0.568
 Photomatic imprime rollos fotográficos de 35 mm con equipo automático. El método de alto volumen y bajo
costo funciona en las situaciones más comunes, pero la variación en la entrada puede llevar a malos resultados.
Por ejemplo, si un cliente deja su rollo en el calor de un automóvil, es posible imprimirlo con manejo especial,
pero los resultados del proceso automático son inaceptables. Cuando los clientes rechazan las impresiones,
Photomatic debe reimprimirlas a mano —un proceso que cuesta más que lo que el cliente paga, de manera que
cada “defecto” es una pérdida para la empresa. El proveedor del equipo establece que el complejo circuito de
medición de luz debe producir una calidad de impresión aceptable con no más de un defecto por cada mil. El
ingeniero de control de calidad B. J. Nighthorse obtiene un muestreo aleatorio de 2,000 impresiones de cada
una de las últimas 20 corridas de producción y registra la siguiente información:

Corrida No. Defectos Corrida No. Defectos

1 3 11 2
2 1 12 2
3 2 13 1
4 4 14 3
5 4 15 2
6 2 16 2
7 2 17 0
8 3 18 4
9 1 19 2
10 0 20 0

Corrida No. Defec p LCIp p

1 3 0.0015 n = 2000 -0.001 0.001
2 1 0.0005 N = 40000 -0.001 0.001
3 2 0.0010 �   =0.001 -0.001 0.001
4 4 0.0020 Sp = 0.001 -0.001 0.001
5 4 0.0020 -0.001 0.001
6 2 0.0010 LCIp = -0.001 -0.001 0.001
7 2 0.0010 LCSp = 0.003 -0.001 0.001
8 3 0.0015 -0.001 0.001
9 1 0.0005 -0.001 0.001
10 0 0 -0.001 0.001
11 2 0.0010 -0.001 0.001
12 2 0.0010 -0.001 0.001
13 1 0.0005 -0.001 0.001
14 3 0.0015 -0.001 0.001
15 2 0.0010 -0.001 0.001
16 2 0.0010 -0.001 0.001
17 0 0 -0.001 0.001
18 4 0.0020 -0.001 0.001
19 2 0.0010 -0.001 0.001
20 0 0 -0.001 0.001
40
 alto volumen y bajo Construya un gráfico de control para ver si el desempeño del equipo está dentro de la
evar a malos resultados.
con manejo especial,
an las impresiones,
te paga, de manera que
l complejo circuito de
fecto por cada mil. El
impresiones de cada

4.5
LCSp
0.003 4

0.003 3.5
0.003 3
0.003 Column D
2.5
Column E
0.003
2 Column H
0.003 Column I
1.5
0.003 Column J
0.003 1
0.003 0.5
0.003 0
0.003 0 5 10 15 20 25
-0.5
0.003
0.003
0.003
0.003
0.003
0.003
0.003
0.003
0.003
peño del equipo está dentro de las especificaciones y si el proceso está bajo control.
 De una muestra de 25 observaciones, la estimación de la desviación estándar de la
población fue 15.0. Para otra muestra de 14 observaciones, la estimación fue 9.7.
¿Podemos aceptar la hipótesis de que las dos muestras provienen de poblaciones con
varianzas iguales o debemos concluir que la varianza de la segunda población es menor?
Utilice el nivel de significancia de 0.01.

Dtos
n₁ = 25 H₀ �₁² = �₂² Fc = 2.39
�₁ = 15 H₁ �₁² ≠ �₂²
n₂ = 14
σ₂ = 9.7
∝= 0.01 S₁² = 225
CI = 0.99 S₂² = 94.09
fgl = 0.005
gL₁ = 24
gL₂ = 13
Ft = 4.17
Fc = 2,39

0 4.17
 e la
.7.
nes con
s menor?
 Una compañía de seguros está interesada en la duración de la hospitalización por varias
enfermedades. Seleccionaron una muestra aleatoria de 20 pacientes del hospital A y 25 del
hospital B internados por la misma enfermedad. El tiempo que pasaron en el hospital A tuvo
un promedio de 2.4 días con desviación estándar de 0.6 días. El tiempo de tratamiento en el
hospital B promedió 2.3 días con desviación estándar de 0.9 días. ¿Los pacientes del hospital
A tiene significativamente menor variabilidad en su tiempo de recuperación? Pruebe para
un nivel de significancia de 0.01.

DATOS
n₁ = 20 H₀ �₁² = �₂² Fc = 2.25
n₂ = 25 H₁ �₁² ≠ �₂²
x₁ = 2.4
x₂ = 2.3 S₁² = 0.81
�₁ = 0.6 S₂² = 0.36
σ₂ = 0.9
∝= 0.01
fgl = 0.005
Fc = 2,25
gL₁ = 24
gL₂ = 19

0 3.31
por varias
al A y 25 del
ospital A tuvo
amiento en el
es del hospital
ruebe para
 MacroSwift diseñó un nuevo sistema operativo que revolucionará la industria de la computación. El único proble
es que la compañía espera que el tiempo promedio requerido para aprender a manejarlo sea 124 horas. Aun
cuando este tiempo de aprendizaje es largo, la compañía está en verdad preocupada por la varianza de ese tiem
Los datos preliminares indican que la varianza es 171 horas al cuadrado. En pruebas recientes con 25 personas s
encontró un tiempo promedio de aprendizaje de 123 horas y una varianza de la muestra de 196.5 horas al
cuadrado. ¿Indican estos datos que la variabilidad en el tiempo de aprendizaje es diferente de la estimación pre
Pruebe sus hipótesis a un nivel de significancia de 0.02.

DATOS
n= 25 H₀ �₁² = 171 X² = 27.58
�² = 171 H₁ �₁² ≠ 171
S² = 196.5 X² =
∝= 0.02 27,58
NCI = 0.98

NC =
98%

11.524 44.314
de la computación. El único problema
manejarlo sea 124 horas. Aun
upada por la varianza de ese tiempo.
ebas recientes con 25 personas se
a muestra de 196.5 horas al
es diferente de la estimación previa?

x²∝= 0.01 44.314

x²∝= 0.99 11.524
 Sam Bogart, dueño de la compañía de aparatos de audio, Play-It-Again, ofrece un año de garantía en
todos los estéreos que vende su compañía. Para los 30 aparatos a los que se les dio servicio de garantía
el año anterior, el costo promedio de compostura fue $75 y la desviación estándar de la muestra fue
$15. Calcule un intervalo de confianza del 95% para la desviación estándar real del costo de reparación.
Sam ha decidido que a menos que la desviación estándar verdadera sea menor que $20, comprará sus
aparatos de audio a otro mayorista. Ayude a Sam a probar las hipótesis adecuadas, utilizando un nivel
de significancia de 0.01. ¿Debe cambiar de proveedor?

DATOS
n = 30 Xc² = 16.31
X = 75
S² = 15 H₀ �² ≥ (20)²
NCI = 95% H₁ �² < (20)²
∝ = 0.01
�² ≥ 20

X² = x²∝= 0.005 53.672

16,31
x²∝= 0.995 13.787

NC =
95%

13.787 53.672
un año de garantía en
s dio servicio de garantía
dar de la muestra fue
del costo de reparación.
r que $20, comprará sus
das, utilizando un nivel
 Las tiendas establecen sus precios, pero los fabricantes tienen interés en el precio de venta final como
parte de su estrategia de promoción. El gerente de mercadotecnia de los bolígrafos marca C se queja de
que el resultado de un recorte de precios excesivo en las tiendas es que la marca C se percibe como una
“pluma corriente”. El gerente de ventas contesta que “todos dan descuentos, todas las marcas, hasta
cierto punto”. Durante las llamadas de ventas recolectaron datos del precio final de cuatro marcas de
bolígrafos, incluyendo la de ellos, en cinco tiendas diferentes. Para un nivel de confianza de 0.05, ¿existe
una variación significativa en el precio entre las marcas?

Precio ( en centavos de dólar)

No Tienda Marca A Marca B Marca C Marca D
1 61 52 47 67
2 55 58 52 63
3 57 54 49 68
4 60 55 49 59
5 62 58 57 65

H₀ u₁ = u₂ = u₃ = u₄
H₁ u₁ ≠ u₂ ≠ u₃ ≠ u₄
Precio ( en centavos de dólar)
Datos No Tienda Marca A Marca B
k=4 1 61 52
n₁ = 5 2 55 58
n₂ = 5 3 57 54
n₃ = 5 4 60 55
n₄ = 5 5 62 58
N = 20 295 277
F∝0,05 = 3.24

SSC = 495.6
SST = 668.8
SSE = 173.2
cio de venta final como
afos marca C se queja de
ca C se percibe como una
odas las marcas, hasta
al de cuatro marcas de
confianza de 0.05, ¿existe

cio ( en centavos de dólar)

Marca C Marca D
47 67 3721 2704 2209 4489
52 63 3025 3364 2704 3969
49 68 3249 2916 2401 4624
49 59 3600 3025 2401 3481
57 65 ∑Yt 3844 3364 3249 4225 ∑Y²t
254 322 1148 17439 15373 12964 20788 66564
Fuente de Grados de Suma de Cuadrado Relacion
Variación Libertad Cuadrados Medio ¨F¨
Factor 3 495.60 165.20 15.26
Error 16 173.20 10.82
Total 19 668.80 35.20
 Un estudio compara el número de horas de alivio que proporcionan cinco marcas de antiácidos administrados a
diferentes, cada una con acidez estomacal considerada fuerte. Los resultados son los siguientes:
Con un nivel de significancia de 0.05, ¿las marcas producen cantidades significativamente diferentes de alivio a l
acidez estomacal fuerte?

H₀ u₁ = u₂ = u₃ = u₄
H₁ u₁ ≠ u₂ ≠ u₃ ≠ u₄ MARCA
Datos No. Personas A B C
k= 5 1 4.4 5.8 4.8
n₁ = 5 2 4.6 5.2 5.9
n₂ = 5 3 4.5 4.9 4.9
n₃ = 5 4 4.1 4.7 4.6
n₄ = 5 5 3.8 4.6 4.3
n₅ = 5 21.4 25.2 24.5
N= 25
F∝ 0,05 = 2.87

SSC = 9.01
SST = 14.89
SSE = 5.88
cas de antiácidos administrados a 25 personas
on los siguientes:
ativamente diferentes de alivio a las personas con

MARCA
D E
2.9 4.6 19.36 33.64 23.04 8.41 21.16
2.7 4.3 21.16 27.04 34.81 7.29 18.49
2.9 3.8 20.25 24.01 24.01 8.41 14.44
3.9 5.2 16.81 22.09 21.16 15.21 27.04
4.3 4.4 ∑Yt 14.44 21.16 18.49 18.49 19.36
16.7 22.3 110.1 92.02 127.94 121.51 57.81 100.49
 Fuente de Grados de Suma de Cuadrado Relacion
Variación Libertad Cuadrados Medio ¨F¨
Factor 4 9.01 2.25 7.65
Error 20 5.88 0.29
Total 24 14.89 0.62
∑Y²t
499.77
 Un arrendador está interesado en ver si las rentas de sus departamentos son las comunes. Para esto tomó
una muestra aleatoria de 11 rentas y tamaños de departamentos en complejos de departamentos
similares. Los datos son los siguientes:
Desarrolle la ecuación de estimación que mejor describa estos datos.
Calcule el coeficiente de determinación.
Pronostique la renta para un departamento de 4 recámara

No RECAMARENTA
RENTA No.RECAMARAS X Y X^2 X*Y
230 2 1 190 1 190
190 1 1 245 1 245
450 3 1 125 1 125
310 2 2 230 4 460
218 2 2 310 4 620
185 2 2 218 4 436
340 2 2 185 4 370
245 1 2 340 4 680
125 1 2 350 4 700
350 2 2 280 4 560
280 2 3 450 9 1350
20 2923 40 5736

Datos
n = 11
a = 55
b = 115.90
r = 0.759
r = 0.759
munes. Para esto tomó
epartamentos

Y^2
36100
60025
15625
52900
96100
47524
34225
115600
122500
78400
202500
861499
 En una operación de control, se clasifican las piezas prpducidas por cuatro
maquinas en tres grupos según su calidad (buenas, regulares y malas). Al
nivel del 2%, segum los resultaados obtenidos, ¿puede admitirse que la
distribucion de las piezas buenas, regulares, y malas es la misma,
independientemente de la maquina que las fabrica

MAQUINA CLASIFICACION
No. BUENAS REGULARES MALAS
1 229 216 105
2 186 119 63
3 110 92 49
4 150 127 67
TOTALES 675 554 284
 El gerente de ventas de cierta compañía esta interesado en probar si los vendedores son
igualmente ambiciosos, energicos, imaginarios, etc, realizan igual numero de visitas durante el
mismo tiempo. El numero de ventas que realiza un vendedor, por lo general depende del
numero de visitas. Se selecciona una dada y se halla que realizo un numero de 210 visitas,
distribuidas de la siguiente forma:

VENDEDORA A B C D E F
no. de visitas 35 20 47 32 51 25

VENDEDORA A B C D E F
no. de visitas 35 35 35 35 35 35

35= 0
20= 6.42857143
47= 4.11428571
32= 0.25714286
51= 7.31428571
25= 2.85714286
€ 20.97
ores son
tas durante el
ende del
10 visitas,

Datos
k=5
TOTAL Fe= 35 m= 0
210 gl = 4
ho: u=6 ∝5% = 9.488
TOTAL h1: u≠6
210

Xc² = 20,97

X^2∝5% = 9,488
 El numero de reclamaciones recibidas en 5 establecimientos de una cadena d tiendas, por concepto de mercanc
defectuosa en un ciertso mes del año, es la siguiente.
Sobrebla base de estos resultados, ¿ es sosteniblemla hipotesis de que el numero de reclamaciones que recibe c
aproximadamente el mismo?, a un nivel de significancia de 0.05.

TIENDA No. 1 2 3 4 5 TOTAL

RECLAMACIONES 63 78 54 49 56 300

Datos
Fe= 60 X^2= €(Fo-Fe)^2/Fe
ᾳ/2= 0.025
k= 5 63= 0.15
78= 5.4
54= 0.6
49= 2.01666667
56= 0.26666667
x= 11.14 € 8.43333333

8.433

11.14
, por concepto de mercancias equivocada o
reclamaciones que recibe cada tienda; es

TIENDA No. 1 2 3
Fe= 60 RECLAMACIONES 60 60 60

ho: u=5
h1: u≠5

Conclucion : los reclamos que se dan por el concepto de mercaderia equivocada o defectuosa es menor a 11.14
 4 5 TOTAL
60 60 300

nor a 11.14
 Se aplica un programa de control de calidad para un proceso, donde se fabrican grandes placas de
acero, con un interés especial por los defectos superfi ciales. El objetivo es establecer una gráfica de
control de calidad para el número de defectos por placa. Los datos se presentan a continuación.
Elabore la gráfi ca de control apropiada utilizando esta información. ¿Parecería que el proceso está
bajo control?

Muestra No. Defectos

1 4
2 2 Datos
3 1 N= 2.4
4 3 Sc= 1.55
5 0
6 4 LCSc= 7.05
7 5 LCIc= -2.25
8 3
9 2
10 2
11 1
12 2
13 2
14 3
15 1
16 4
17 3
18 2
19 1
20 3
48
 grandes placas de
lecer una gráfica de
a continuación.
que el proceso está

Lcic c Lcsc 6
1 -2.247580 2.4 7.04758002
2 -2.247580 2.4 7.04758002 4
3 -2.247580 2.4 7.04758002
4 -2.247580 2.4 7.04758002 2
5 -2.247580 2.4 7.04758002
6 -2.247580 2.4 7.04758002 0
7 -2.247580 2.4 7.04758002 1 3 5 7 9 11 13 15 17 19 2
8 -2.247580 2.4 7.04758002 -2
9 -2.247580 2.4 7.04758002
10 -2.247580 2.4 7.04758002
-4
11 -2.247580 2.4 7.04758002
12 -2.247580 2.4 7.04758002
13 -2.247580 2.4 7.04758002 Conclucion:
los valores no pasan las barras de calidad , las placas estan
14 -2.247580 2.4 7.04758002
15 -2.247580 2.4 7.04758002
16 -2.247580 2.4 7.04758002
17 -2.247580 2.4 7.04758002
18 -2.247580 2.4 7.04758002
19 -2.247580 2.4 7.04758002
20 -2.247580 2.4 7.04758002
 Column C
Column J
Column K
Column L

9 11 13 15 17 19 21

arras de calidad , las placas estan bajo control