TEMA 2.

CONTROL ESTADÍSTICO DE CALIDAD

TRABAJO PRÁCTICO: RESOLUCIÓN DE PROBLEMAS

ESCOBEDO FLORENCIA LUJÁN

Distribución Binomial

1. En un proceso de manufactura en el cual se sabe que el 10% de los artículos están

defectuosos, se toma una muestra de 5 artículos. Cuál es la probabilidad que en la muestra
haya (a) exactamente 0, 1, 2, 3, 4, 5, artículos defectuosos y (b) 2 o menos defectuosos.

p (éxito)= 0,10 (Artículos defectuosos)

q = 0,90 (Artículos no defectuosos)

a)
P (r = 0) = (5/0) x (9/10) 5 – 0 x (1/10) 0 = 0,5904
P (r = 1) = (5/1) x (9/10) 5 -1 x (1/10) 1 = 0,328
P (r = 2) = (5/2) x (9/10) 5 – 2 x (1/10) 2 = 0,0729
P (r = 3) = (5/3) x (9/10) 5 - 3 x (1/10) 3 = 0,0081
P (r = 4) = (5/4) x (9/10) 5 – 4 x (1/10) 4 = 0,00045
P (r = 5) = (5/5) x (9/10) 5 – 5 x (1/10) 5 = 1x10 -5

La probabilidad de que en la muestra haya 0 artículos defectuosos es del 59,04 %

La probabilidad de que en la muestra haya 1 artículo defectuoso es del 32,8 %
La probabilidad de que en la muestra haya 2 artículos defectuosos es de 7,29 %
La probabilidad de que en la muestra haya 3 artículos defectuosos es de 0,81 %
La probabilidad de que en la muestra haya 4 artículos defectuosos es del 0,045 %
La probabilidad de que en la muestra haya 5 artículos defectuosos es de 0,001 %

b)
P(x menor o igual a 2) = P(r=0) + P(r=1) + P (r=2) = 0,5904 + 0,328 + 0,0729 = 0,9914

La probabilidad de encontrar 2 o menos artículos defectuosos es de 99,14 %.

Distribución de Poisson

2. En un gran embarque de artículos se sabe que el 5 % son defectuosos. ¿Cual es la

probabilidad que de 100 artículos hayan 2 o menos defectuosos?

c (Nº de defectos) = 2 o menos

n x p = 100 x 0,05 = 5

En la tabla, ingresando con n x p = 5 y c = 2, el resultado es de 0,125.

La probabilidad de encontrar 2 o menos artículos defectuosos es de 12,5 %

3. Si se sabe que la proporción de artículos defectuosos es 0,01, encuentre la probabilidad

que en 100 artículos haya (a) ninguno defectuoso (b) exactamente 2 defectuosos (c) menos
de 5 defectuosos (d) al menos 5 defectuosos.
n x p = 100 x 0,01 = 1

a) P (c = 0) = 0,368

b) P [(c = 2)-(c= I)] = 0.920-0.736 = 0,184

c) P(c = 4) = 0,996

d) P [1 - (c = 4)] = 1 - 0.996 = 0,004

La probabilidad de que no haya ningún artículo defectuoso es de 36,8 %.

La probabilidad de que haya exactamente 2 artículos defectuosos es de 18,4 %.
La probabilidad de que haya menos de 5 artículos defectuosos de 99,6 %.
La probabilidad de que haya al menos 5 artículos defectuosos de 0,4 %.

4. Una bomba de una embotelladora tiene una falla en promedio de una hora cada 5.000 de
operación. Cuál es la probabilidad que (a) más de una falla ocurra en un período de 1.000
horas (b) no ocurran fallas en 10.000 horas de operación.

a) n x p = 1000 x (1/5000) = 0,2

c=1
Ingresando a la tabla con el valor de nxp = 0,2 y c = 1, la probabilidad es de 0,982

P [1 - (c = 1)] = 1 – 0,982 = 0,018

La probabilidad de que ocurra más de una falla en un período de 1000 horas es de 1,8 %.

b) n x p = 10000 (1/5000) = 2
c=0
Ingresando en la tabla con el valor de nxp = 2 y c = 1 la probabilidad es de 0,135.
La probabilidad de que no ocurran fallas en 10000 hs de operación es de 13,5 %.

5. Un distribuidor compra un embarque de artículos si en la muestra de 1.000 artículos

tomados al azar hay un máximo 10 artículos defectuosos. Si el embarque tiene 0,5% de
defectuosos, cual es la probabilidad que sea aceptado.

n x p = 1000 x (0.005) = 5

c=10

Ingresando en la tabla con el valor de n x p = 5 y c = 10, la probabilidad es de 0,986.

La probabilidad de que sea aceptado es del 98,6 %

Distribución Normal

6. Si el peso escurrido de latas de durazno sigue una distribución normal con μ=19 onzas y el
desvío estándar es de Ϭ = 0,2 onzas. Cuál es la probabilidad que una lata seleccionada al
azar tenga un peso escurrido (a) entre 19,1 y 19,2 onzas (b) entre 18,7 y 19,1 onzas (c) menos
de 18,8 onzas.
Utilizando el programa estadístico “R”:

a) P (19.1 <X< 19.2) = 0,84 – 0,691= 0,14

La probabilidad de que una lata seleccionada al azar tenga un peso escurrido entre 19,1 y 19,2
onzas es de 14 %.

b) P (18,7<X< 19,1) = 0,69 – 0,066 = 0,624

La probabilidad de que una lata seleccionada al azar tenga un peso escurrido entre 18,7 y 19,1
onzas es de 6,24 %.

c) P (X< 18.8) = 0,1586

La probabilidad de que una lata seleccionada al azar tenga un peso escurrido tenga un peso
escurrido menor de 18,6 onzas es de 15,86 %.

7. En una planta de empaque la selección de ciruelas cuyos pesos poseen una distribución
normal, el 20% son categoría small, 55% medium y 15% large y 10% very large. Si la media
del peso es de 4,83 onzas con un desvío estándar de 1,2 onzas, cuales son los límites máximo
mínimo para las ciruelas de tamaño medio.

Medium: (0,2 < X < 0,25) Si ojo acá fíjate que sería entre 0,2 y 0,75 en realidad los límites de la
probabilidad

P (z) = 0,2 --> Z0 = 0,84

P (z) = 0,25 --> Z0 =0,67

Mínimo:
Z = (X – µ ) / ơ

-0,84 = ( X – 4,83) / 1,2

X = 3,37

Máximo:

Z = (X – µ ) / ơ

0,67 0,67 = ( X – 4,83) /1,2

X= 5,63

El limite mínimo para las ciruelas de tamaño medio es de 3,37 y el límite máximo es de 5,63

8. 10 latas de durazno se suponen que contienen 72 onzas. El ajuste de la llenadora posee

una dosificación promedio de 72,6 onzas. El llenado posee una distribución normal con un
desvío estándar de 0,4 onzas.
a. Cuantas de 100.000 latas contienen menos de 72 onzas
b. La empresa considera esto demasiado. Qué valor medio debería setearse si queremos que
menos de 300 de cada 100.000 contengan menos de 72 onzas.

a) z = X - µ / ơ = 72 -72,6 /0,4 = 1,2 P = 0,0066

b) P= 300/100000 = 0,003 --> z = -2,75

-2,75 = 72 - µ/ 0,4
µ= 72 + 2,75 x (0,4) = 73,1
El valor medio debería setearse si queremos que menos de 300 de cada 100.000 contengan
menos de 72 onzas es de 73,1
9. Un lote de 1.000 almuerzos de pollo frito existe una media de 12 onzas y un desvío
estándar de 0,6 onzas. (a) Cual es la probabilidad que en una muestra al azar de 100
almuerzos el peso promedio sea menor a 11,90 onzas. (b) Que tamaño de muestra debe
tomarse para tener 95 % de certeza que la media de la muestra no cae en 11,95 onzas.

a)
µ = 12
ơ = 0,6 --> ơx = 0,6 / √100 = 0,06
Utilizando el programa estadístico R:
P ( X < 11,9) = 0,047

b) -1,645= (11,95 – 12) / 0,6 √n = 389,7

El tamaño de muestra debe tomarse para tener 95 % de certeza que la media de la muestra no
cae en 11,95 onzas es de 389,7