Documentos de Académico
Documentos de Profesional
Documentos de Cultura
l= l=
1 0.3
Días Antes Despues
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
26
27
28
29
30
de
cnico
ocena de
Distribución Binomial
Un fabricante de conservas de manzana manifiesta que para un tamaño de muestra de 20
Frascos la probabilidad de producto no conforme (PNC) es de 25%; por ello encomendo a
un equipo elaborar una propuesta para reducir al 5% la probabilidad. Se solicita simular
ambos procesos para 10 días de producción y toma de muestras cada 3 horas (dia de 24
horas). Considerar como objetivo un máximo de 25% de productos defectuosos.
l= l=
6 2
Fecha Hora Antes Despues
1 01/04/2020 0
2 01/04/2020 3
3 01/04/2020 6
01/04/2020 9
01/04/2020 12
01/04/2020 15
01/04/2020 18
01/04/2020 21
02/04/2020 0
02/04/2020 3
02/04/2020 6
02/04/2020 9
02/04/2020 12
02/04/2020 15
02/04/2020 18
02/04/2020 21
03/04/2020 0
03/04/2020 3
03/04/2020 6
03/04/2020 9
03/04/2020 12
03/04/2020 15
03/04/2020 18
03/04/2020 21
04/04/2020 0
04/04/2020 3
04/04/2020 6
04/04/2020 9
04/04/2020 12
04/04/2020 15
04/04/2020 18
04/04/2020 21
05/04/2020 0
05/04/2020 3
05/04/2020 6
05/04/2020 9
05/04/2020 12
05/04/2020 15
05/04/2020 18
05/04/2020 21
06/04/2020 0
06/04/2020 3
06/04/2020 6
06/04/2020 9
06/04/2020 12
06/04/2020 15
06/04/2020 18
06/04/2020 21
07/04/2020 0
07/04/2020 3
07/04/2020 6
07/04/2020 9
07/04/2020 12
07/04/2020 15
07/04/2020 18
07/04/2020 21
08/04/2020 0
08/04/2020 3
08/04/2020 6
08/04/2020 9
08/04/2020 12
08/04/2020 15
08/04/2020 18
08/04/2020 21
09/04/2020 0
09/04/2020 3
09/04/2020 6
09/04/2020 9
09/04/2020 12
09/04/2020 15
09/04/2020 18
09/04/2020 21
10/04/2020 0
10/04/2020 3
10/04/2020 6
10/04/2020 9
10/04/2020 12
10/04/2020 15
10/04/2020 18
10/04/2020 21
ades de
o técnico
r docena
cción y
ctos por
Distribución Binomial
Un fabricante de conservas de manzana manifiesta que para un tamaño de muestra de 20
Frascos la probabilidad de producto no conforme (PNC) es de 25%; por ello encomendo a
un equipo elaborar una propuesta para reducir al 5% la probabilidad. Se solicita simular
ambos procesos para 30 días de producción. Considerar como objetivo un máximo de 2%
de productos defectuosos.
acenar en columna(s):
ingresar 0.10, pulsar Aceptar
ccionar, luego Aceptar
; pulsar seleccionar
ulsar Seleccionar
lsar Seleccionar
l= l=
6 2
Días Antes Despues
1 7 3
2 6 1
3 9 1
4 3 4
5 2 3
6 7 1
7 8 1
8 6 1 Paso 1 Generar 30 datos en Minitab con Distr
9 5 2 Escribir debajo de C1:Antes, debajo C2
10 3 3 Menú Calc; Datos aleatorios, opción Poiss
11 8 1 En la ventana Distribución Poisson, ing
12 6 0 Luego marcar C1: Antes, pulsar selecci
13 3 2 Menú Calc; Datos aleatorios, opción Poiss
14 3 2 En la ventana Distribución Poisson, ing
15 8 1 Luego marcar C2: Despues, pulsar sele
16 3 1
17 5 4
18 2 4
19 2 1
20 3 1
21 1 3
22 8 3
23 3 1
24 4 1
25 8 6
26 13 3
27 8 1
28 8 4
29 7 0
30 7 1
ck en Almacenar en columna(s):
ccionar, luego Aceptar
pulsar seleccionar
ulsar Seleccionar
lsar Seleccionar
a n= 20
p= 0.1
q= 0.9
1 2
X n-X
6 14 P(X <= 6) = 0.99761391 99.76%
1.2
b n= 20
p= 0.1 1
q= 0.9
0.8
0.6
0.4
1
0.8
P(3<= X <= 6) = P(X <= 6) - P(X <= 3)
0.6
X n-X
0.4
0 20 P(X = 0) = 0.12157665 12.16%
1 19 P(X = 1) = 0.27017034 27.02%
0.2
2 18 P(X = 2) = 0.28517981 28.52%
Total 0.67692681 67.69% 0
0 1
X n-X
6 14 P(3<= X <= 6) = 0.32068711 32.07%
d n= 20
p= 0.1
q= 0.9
X n-X
6 14 P(X = 0) = 0.00886704 0.89%
n= 20
p= 0.1
q= 0.9
En esta gráfica P, la mayoría de los puntos varía aleatoriamente y se encuentra dentro de los límite
control. No se observan tendencias ni patrones. Sin embargo, la proporción de unidades defectuos
el día 19 está fuera de control. Antes de evaluar la capacidad del proceso, investigue y elimine cua
causa especial que haya podido contribuir a la tasa extrañamente alta de defectuosos ese día.
Los puntos rojos indican subgrupos que no pasan al menos una de las pruebas para detectar causa
especiales y no están bajo control. Los puntos fuera de control indican que el proceso pudiera no s
estable y que los resultados de un análisis de capacidad podrían no ser fiables. Usted debe identifi
causa de los puntos fuera de control y eliminar cualquier variación por causas especiales antes de
analice la capacidad del proceso.
En esta gráfica P, la mayoría de los puntos varía aleatoriamente y se encuentra dentro de los límite
control. No se observan tendencias ni patrones. Sin embargo, la proporción de unidades defectuos
el día 19 está fuera de control. Antes de evaluar la capacidad del proceso, investigue y elimine cua
causa especial que haya podido contribuir a la tasa extrañamente alta de defectuosos ese día.
Binomial
En esta gráfica, los puntos de los datos se encuentran cerca de la línea a lo largo de esta. Usted pu
presuponer que los datos siguen una distribución binomial.
No binomial
En esta gráfica, los puntos de los datos no se encuentran a lo largo de la línea cerca de la parte sup
derecha. Estos datos no siguen una distribución binomial y no se pueden evaluar de manera fiable
utilizando el análisis de capacidad binomial.
Binomial
En esta gráfica, los puntos están dispersos de manera aleatoria alrededor de la línea central. Usted
presuponer que los datos siguen una distribución binomial. Por lo tanto, los datos se pueden evalu
utilizando el análisis de capacidad binomial.
No binomial
En esta gráfica, el patrón no es aleatorio. Para los tamaños de muestra que son mayores que 1900
de %defectuoso aumenta a medida que aumenta el tamaño de la muestra. Este resultado indica u
correlación entre el tamaño de la muestra y el porcentaje de defectuosos. Por lo tanto, los datos n
siguen una distribución binomial y no se pueden evaluar de manera fiable utilizando el análisis de
capacidad binomial.
Estadísticos de resumen
(95.0% de confianza)
%defectuoso: 0.39
IC inferior: 0.24
El intervalo de confianza ayuda a evaluar la significancia práctica de la estimación de la muestra. Si
un valor de %defectuoso máximo permitido que se base en el conocimiento del proceso o las norm
la industria, compare el límite de confianza superior con este valor. Si el límite de confianza superio
menor que el valor de %defectuoso máximo permitido, entonces usted puede estar seguro de que
proceso cumple con las especificaciones, incluso considerando la variabilidad del muestreo aleator
afecta a la estimación.
Estadísticos de resumen
(95.0% de confianza)
%defectuoso: 0.39
IC inferior: 0.24
IC superior: 0.60
Objetivo: 0.50
PPM Def: 3931
IC inferior: 2435
IC superior: 6003
Z del proceso: 2.6579
IC inferior: 2.5120
IC superior: 2.8155
Muestras suficientes
En esta gráfica, el %defectuoso se estabiliza a lo largo de la línea de la media de %defectuoso. Por
tanto, el estudio de capacidad incluye suficientes muestras para producir una estimación estable y
de la media de %defectuoso.
Muestras insuficientes
En esta gráfica, el %defectuoso no se estabiliza. Por lo tanto, el estudio de capacidad no incluye
suficientes muestras para estimar de manera fiable la media de %defectuoso.
〖 0.15 〗 ^0 〖 0.85 〗 ^3
〖 0.15 〗 ^0 〖 0.85 〗 ^3
〖 0.15 〗 ^1 〖 0.85 〗 ^2
〖 0.15 〗 ^2 〖 0.85 〗 ^1
Binomial
1 2 3 4 5 6 7
Acumulado
1.2
0.8
0.6
0.4
1
0.8
0.6
0.4
0.2
0
0 1 2 3 4 5 6 7 8
Binomial
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21
Acumulado
1.2
0.8
0.6
0.4
0.2
0
0 5 10 15 20 25
dad
de elementos defectuosos
clasifique en una de dos categorías,
e hacer lo siguiente:
nomial de capacidad
al
a distribución binomial. Si los datos
del proceso podrían no ser fiables.
os depende de si los tamaños de los
na gráfica binomial.
oximadamente una línea recta. Si no
de la muestra provienen de una
Binomial No Binomial
asa de defectos.
uido aleatoriamente entre los
os se ubican aleatoriamente
distribución binomial.
o de capacidad no incluye
ctuoso.
Suficientes
No Binomial
Insuficientes
DISTRIBUCIÓN DE POISSON
Problema 1 l= 2
e= 2.71828
Cantidad l1 = X
a.- 30 60 5
b.- 30 60 6
c.- 60 120 10 P(X = 10) = 1.308418E-38 0.00%
a.- l1 = X
60 0 P(X = 0) = 8.756864E-27
60 1 P(X = 1) = 5.254119E-25
60 2 P(X = 2) = 1.576236E-23
60 3 P(X = 3) = 3.152471E-22
60 4 P(X = 4) = 4.728707E-21
60 5 P(X = 5) = 5.674448E-20
Total 6.180473E-20
Cantidad l1 = X
30 60 5 P(X<= 5) = 6.180473E-20 0.00%
b.- l1 = X
60 0 P(X = 0) = 8.756864E-27
60 1 P(X = 1) = 5.254119E-25
60 2 P(X = 2) = 1.576236E-23
60 3 P(X = 3) = 3.152471E-22
60 4 P(X = 4) = 4.728707E-21
60 5 P(X = 5) = 5.674448E-20
60 6 P(X = 6) = 5.674448E-19
Total 6.292495E-19
Cantidad l1 = X
30 60 6 P(X>=6) = 1 100.00%
a l= 0.3 defectos/minuto
T= 4 minutos
l1 = 1.2 defectos
l1 = X
1.2 3 P(X = 3) = 0.086744003 8.67%
b l= 0.3 defectos/minuto
T= 6 minutos
l1 = 1.8 defectos
l1 = X
1.8 0 P(X = 0) = 0.1652990884
1.8 1 P(X = 1) = 0.2975383591
1.8 2 P(X = 2) = 0.2677845231
1.8 3 P(X = 3) = 0.1606707139
1.8 4 P(X = 4) = 0.0723018212
Total 0.9635945057
l1 = X
1.8 4 P(X >= 4) = 0.0364054943 3.64%
c l= 0.3 defectos/minuto
T= 15 minutos
l1 = 4.5 defectos
l1 = X Poison Acumulado
4.5 0 P(X = 0) = 0.0111090302 0.0111090302
4.5 1 P(X = 1) = 0.0499906357 0.0610996659
4.5 2 P(X = 2) = 0.1124789304 0.1735785963
4.5 3 P(X = 3) = 0.1687183956 0.3422969919
4.5 4 P(X = 4) = 0.1898081951 0.532105187
4.5 5 P(X = 5) = 0.1708273756 0.7029325626
4.5 6 P(X = 6) = 0.1281205317 0.8310530943
Total 0.8310530943
l1 = X
4.5 6 P(X <= 6) = 0.8310530943 83.11% 1 2
0.9
0.8
0.7
0.6
0.5
0.4
0.3
0.2
0.8
0.7
0.6
0.5
0.4
0.3
0.2
0.1
0
0 1 2
l= 0.3 defectos/minuto
T= 15 minutos
l1 = 4.5 defectos
l1 = X Poison Acumulado
4.5 0 P(X = 0) = 0.0111090302 0.0111090302
4.5 1 P(X = 1) = 0.0499906357 0.0610996659
4.5 2 P(X = 2) = 0.1124789304 0.1735785963
4.5 3 P(X = 3) = 0.1687183956 0.3422969919
4.5 4 P(X = 4) = 0.1898081951 0.532105187
4.5 5 P(X = 5) = 0.1708273756 0.7029325626
4.5 6 P(X = 6) = 0.1281205317 0.8310530943
4.5 7 P(X = 7) = 0.0823631989 0.9134162932
4.5 8 P(X = 8) = 0.0463292994 0.9597455926 1 2 3 4 5 6
4.5 9 P(X = 9) = 0.0231646497 0.9829102423
4.5 10 P(X = 10) = 0.0104240924 0.9933343347
4.5 11 P(X = 11) = 0.0042644014 0.9975987361
4.5 12 P(X = 12) = 0.0015991505 0.9991978866
4.5 13 P(X = 13) = 0.0005535521 0.9997514387 1.2
0.8
0.6
0.4
0.2
0
0 2 4 6
En esta gráfica U, la mayoría de los puntos varía aleatoriamente y se encuentra dentro de los lí
control. No se observan tendencias ni patrones. Sin embargo, la tasa de defectos por unidad
correspondiente al día 17 está fuera de control. Antes de evaluar la capacidad del proceso, inve
elimine cualquier causa especial que haya podido contribuir al valor extrañamente alto de DPU
Poisson
En esta gráfica, los puntos de los datos se encuentran cerca de la línea a lo largo de esta. Usted
presuponer que los datos siguen una distribución de Poisson.
No Poisson
En esta gráfica, los puntos de los datos no se encuentran a lo largo de la línea en la parte super
de la gráfica. Estos datos no siguen una distribución de Poisson y no se pueden evaluar de man
utilizando el análisis de capacidad de Poisson.
Poisson
En esta gráfica, los puntos están dispersos de manera aleatoria alrededor de la línea central. U
presuponer que los datos siguen una distribución de Poisson. Por lo tanto, los datos se pueden
utilizando el análisis de capacidad de Poisson.
No Poisson
En esta gráfica, el patrón no es aleatorio. Para tamaños de muestra mayores que 120, el DPU a
medida que aumenta el tamaño de la muestra. Este resultado sugiere una posible correlación e
tamaño de la muestra y el porcentaje de defectuosos. Por lo tanto, los datos no siguen una dis
Poisson y no se pueden evaluar de manera fiable utilizando el análisis de capacidad de Poisson
Estadísticos de resumen
(95.0% de confianza)
Media de DPU: 0.0225
IC inferior: 0.0190
IC superior: 0.0265
DPU mínimo: 0.00
DPU máximo: 0.0661
DPU objetivo: 0.0250
Muestras suficientes
En esta gráfica, el DPU se estabiliza a lo largo de la línea de la media de DPU. Por lo tanto, el es
capacidad incluye suficientes muestras para producir una estimación estable y fiable de la med
Muestras insuficientes
En esta gráfica, el DPU no se estabiliza. Por lo tanto, el estudio de capacidad no incluye suficien
para estimar de manera fiable la media de DPU.
𝑓(10)=(𝑒^(−120) 120^10)/10!
Poison
1 2 3 4 5 6 7
Acumulado
0.9
0.8
0.7
0.6
0.5
0.4
0.3
0.2
0.8
0.7
0.6
0.5
0.4
0.3
0.2
0.1
0
0 1 2 3 4 5 6 7 8
Poison
1 2 3 4 5 6 7 8 9 10 11 12 13 14
Acumulado
1.2
0.8
0.6
0.4
0.2
0
0 2 4 6 8 10 12 14 16
Poisson
la tasa de defectos por unidad (DPU) satisface los
s defectos en cada elemento y cada elemento
ted puede hacer lo siguiente:
de capacidad de Poisson
ón de Poisson
te sigue una distribución de Poisson. Si los datos
la capacidad del proceso podrían no ser fiables.
de los datos depende de si los tamaños de los
U)
U)
Poisson
fiable
rminar si recolectó suficientes muestras para