Trabajo Encargado Grupo 3

UNIVERSIDAD NACIONAL “SANTIAGO
ANTUNEZ DE MAYOLO”
FACULTAD DE CIENCIAS AGRARIAS
ESCUELA ACADÉMICO PROFESIONAL DE INGENIERÍA
AGRÍCOLA
“COMPORTAMIENTO DE LA DESCARGA DEL RIO QUEROCOCHA
DEL 1960-1980”
Docente : Ing. VEGA MEJIA HERNAN ROLANDO

Integrantes :
 ALVA GONZALES Javier
 BAÑEZ ABARCA Julio
 BARRENECHEA VEGA Carlos
 ROJAS CASTRO Emer
 RODRÍGUEZ MALLQUI Bratzo
HUARAZ – PERÚ
2020
ÍNDICE
I. INTRODUCCION................................................................................................................1
1.1. OBJETIVOS....................................................................................................................1
II. MARCO TEÓRICO..........................................................................................................2
2.1. Control estadístico de calidad:.........................................................................................2
2.1.1. Gráficos de control.................................................................................................2
2.1.2. Causas comunes y causas especiales......................................................................2
2.1.3. Bases estadísticas de las cartas de control:............................................................3
2.1.4. Selección de los límites de control.........................................................................6
2.2. CARTAS DE CONTROL DE MEDIAS-RANGOS ( X )(R)..........................................6
2.3. CARTA DE CONTROL PARA ARTICULOS DEFECTUOSOS (P)...........................8
2.3.1. Los límites de control son:...................................................................................10
2.3.2. Diseño de control de la carta de control P:..........................................................11
2.4. CARTAS DE CONTROL PARA NO CONFORMIDADES (DEFECTOS) ( C y U ). 12
III. MATERIALES Y METODOS.......................................................................................17
3.1. MATERIALES..............................................................................................................17
3.2. METODOS....................................................................................................................17
IV. CARTAS DE CONTROL PARA VARIABLES............................................................18
4.1. DE LA MEDIA Y RANGO PARA MUESTRAS CONSTANTES..............................18
4.2. DE LA MEDIA Y RANGO PARA MUESTRAS VARIABLES.................................32

4.3. DE LA MEDIA Y LA DESVIACIÓN PARA MUESTRAS CONSTANTES.............39
4.1. DE LA MEDIA Y LA DESVIACIÓN PARA MUESTRAS VARIABLES.................42
V. CARTAS DE CONTROL PARA ATRIBUTOS............................................................46
5.1. DEL LA PROPORCION PARA MUESTRAS CONSTANTES..................................46
5.2. DE LA PROPORCION PARA MUESTRAS VARIABLES........................................56
5.3. DEL NUEMRO DE UNIDADES DEFECTUOSAS.....................................................56
5.4. DEL NUMERO DE DEFECTOS..................................................................................60
5.5. DEL NÚMERO DE DEFECTOS POR UNIDAD PARA MUESTRAS CONSTANTES
...................................................................................................................................................66
5.6. DEL NÚMERO DE DEFECTOS POR UNIDAD PARA MUESTRAS VARIABLES
...................................................................................................................................................69
VI. CONCLUSIONES..........................................................................................................76
VII. RECOMENDACIONES.............................................................................................77
VIII. REFERENCIA BIBLIOGRAFÍA...............................................................................77

INDICE DE ILUSTRACIONES
Ilustración 1. Datos para graficar la carta de control para la media........................................24
Ilustración 2. Carta de control para la media con los datos en una sola columna...................25
Ilustración 3. Datos ingresados en filas de columnas..............................................................28
Ilustración 4. Datos ingresados en filas de columna...............................................................31
Ilustración 5. Datos en el minitab............................................................................................59
Ilustración 6. Datos que se ingresan al programa...................................................................75
INDICE DE GRAFICAS
Gráfica 1. Carta de control para la media................................................................................24
Gráfica 2. Carta de control para la media con los datos en una sola columna........................25
Gráfica 3. Carta de control para el rango, en la opción filas de columna................................28
Gráfica 4. Carta de control para el rango, en la opción filas de columna................................31
Gráfica 5. La carta p con estos límites se muestra en la gráfica siguiente...............................49
Gráfica 8. Gráfica de NP defectuosos en una sola columna...................................................59
Gráfica 9. Contenido de muestras del número de defectos.....................................................62
Gráfica 10. Contenido de muestras del número de defectos....................................................65
Gráfica 11. Datos corregidos, se encuentran dentro de los límites.........................................66
Gráfica 12. Número de defectos por unidad para muestras constantes...................................69
Gráfica 13. Número de defectos por unidad para las muestras variables................................72
Gráfica 14. Conteo de muestras por unidad............................................................................76

1
I. INTRODUCCION
Todo proyecto de desarrollo, se estudian las interrelaciones con el medio ambiente, en las que
se considera de un lado, los efectos positivos y del otro los efectos negativos o perjudiciales al
medio natural, resultado de las modificaciones a ser introducidas en los ecosistemas mediante la
infraestructura de proyectos, la que representa una investigación.
Las normalidades climáticas en nuestro país, se suceden en forma regular en este sentido, el
estudio de impacto ambiental en el proyecto de embalse de la laguna Querococha, tiene por
finalidad esencial tanto la protección del medio natural, (máxime si tenemos en consideración su
ubicación dentro del Parque Nacional
I.1. OBJETIVOS
 Analizar utilizando simulación las gráficas o cartas de control y dentro de estas, las
cartas de control por variables, en las que las variables involucradas son variables de
tipo continua.
 Determinar las características críticas de calidad a controlar a partir de los diagnósticos
previos
 Seleccionar herramientas estadísticas requeridas para hacer seguimiento a las variables
según las condiciones propias de cada proceso y de los resultados
 Diseñar un sistema de control estadístico de proceso bajo la metodología

2
II. MARCO TEÓRICO
II.1. Control estadístico de calidad:
Según el contenido del Open Course Ward de la Universidad de Salamanca (2010- 11),
“definimos el ‘Control Estadístico de la Calidad’ como la aplicación de diferentes técnicas
estadísticas a procesos industriales (mano de obra, materias primas, máquinas y medio
ambiente), procesos administrativos y/o servicios con objeto de verificar si todas y cada una de
las partes del proceso y servicio cumplen con unas ciertas exigencias de calidad y ayudar a
cumplirlas, entendiendo por calidad ‘la aptitud del producto y/o servicio para su uso’”.
Adicionalmente exponen que “la aplicación de técnicas estadísticas al control está basada en el
estudio y evaluación de la variabilidad existente en cualquier tipo de proceso” (Universidad de
Salamanca, 2010-11).
II.1.1. Gráficos de control
Con base en el contenido de la materia ‘Control Estadístico de la Calidad’, “un gráfico de
control es un registro gráfico de la calidad donde se sitúan unos límites de control, que sirven
para enjuiciar el significado de las variaciones de la calidad en torno a un nivel general” (Gisbert
Soler, 2017). Cuando un punto queda por fuera de dichos límites, se puede tomar como
indicación de una causa de variación a ser investigada. Por lo cual, este gráfico sirve para
identificar causas asignables y tomar acciones correctivas para eliminarlas. Si en un proceso se
han eliminado todas las causas asignables y sólo actúan las aleatorias (comunes), se dice que se
encuentra “bajo control” o que “está controlado”.
II.1.2. Causas comunes y causas especiales
La variabilidad natural siempre existe en cualquier proceso de producción, no importa que tan
bien diseñado esté. Esta variabilidad natural es denominada causas comunes o aleatorias de
3
variabilidad, un proceso que opera en estas condiciones se dice que está en control estadístico.
Existen otras fuentes de variabilidad que pueden ser causadas por máquinas, errores de
operadores o materiales defectuosos. Esta variabilidad es muy grande en relación con la
variabilidad natural y es originada por causas especiales o asignables haciendo que el proceso
opere fuera de control estadístico (ver página siguiente). De la figura cuando el proceso está en
control, la mayor parte de la producción se encuentra dentro de los límites de control (LSC y
LIC). Sin embargo, cuando el proceso está fuera de control, una gran proporción del proceso se
encuentra fuera de estos límites. El Objetivo del CEP es la detección oportuna de la ocurrencia
de causas especiales para tomar acciones correctivas antes de que se produzcan unidades
defectivas o no conformes, para esto se utilizan las cartas de control en línea, permitiendo
también la estimación de la capacidad o habilidad del proceso y la reducción continua de la
variabilidad hasta donde sea posible.
II.1.3. Bases estadísticas de las cartas de control:
Una carta típica representando un proceso en control estadístico se muestra a continuación.
Contiene una línea central que representa el valor promedio de la característica de calidad
correspondiente al estado “en control” y dos líneas adicionales llamadas límites inferior y
superior de control (LIC y LSC), los cuales se seleccionan de tal forma que casi la totalidad de
los puntos se encuentren dentro de ellos, si esto ocurre no se requiere tomar ninguna acción.
4
Figura 1: grafico de carta de control
Un punto que se encuentre fuera de los límites de control mostrará evidencia que el proceso
está fuera de control y será necesario una investigación de la causa especial y la acción correctiva
necesaria para eliminarla. También se tendrá un alto riesgo de situación fuera de control si los
puntos se agrupan es forma sistemática dentro de los límites de control o muestran una tendencia.
Por ejemplo, la carta de control de medias prueba la hipótesis de que la media del proceso está
en control y tiene un valor 0 si un valor de media muestral Xi cae dentro de los límites de
control; de otra forma se concluye que el proceso está fuera de control y que la media del
proceso tiene un valor diferente del de 0, por decir 1, donde 1  0.
Se puede decir que las probabilidades de los errores tipo I y tipo II de la carta de control, son
esquemas de prueba de hipótesis para analizar el desempeño de las cartas de control.
La probabilidad del error tipo I de la carta de control se presenta cuando se concluye que el
proceso está fuera de control cuando en realidad no lo está. La probabilidad de error tipo II de la
carta de control se presenta cuando se concluye que el proceso está en control cuando en realidad
está fuera de control. La curva característica de operación (OC), con  en el eje vertical, indica la
capacidad de la carta para detectar corridas de la media o rango del proceso de diferentes
magnitudes.
El proceso de mejora usando la carta de control requiere la acción de la supervisión, operador
e ingeniería, la carta de control sólo detecta causas especiales o asignables.
Para identificar y eliminar las causas asignables, es importante encontrar las causas raíz del
problema y atacarlas para lo cual se puede utilizar el Plan de acción para situaciones fuera de
control OCAP, activado con la ocurrencia de cada evento. Incluye Puntos de chequeo que son
causas potenciales asignables y terminadores que son las acciones que resuelven la situación
5
fuera de control. Este documento OCAP es un documento vivo que debe ser actualizado
constantemente.
Figura 2: proceso de mejora usando la carta de control
La carta de control es un dispositivo de estimación de parámetros del proceso una vez que
exhibe control estadístico, se puede estimar la media, varianza, proporción, etc. que pueden ser
utilizados para determinar la capacidad de los procesos para producir productos aceptables, base
de decisiones gerenciales y contractuales.
La carta de control es un dispositivo de estimación de parámetros del proceso una vez que
exhibe control estadístico, se puede estimar la media, varianza, proporción, etc. que pueden ser
utilizados para determinar la capacidad de los procesos para producir productos aceptables, base
de decisiones gerenciales y contractuales.
Si se incrementa el tamaño de muestra, decrece la probabilidad del error tipo II, aunque el
diseño de la carta de control también debe tomar consideraciones económicas considerando los
costos de muestreo, pérdidas por fabricar productos defectuosos y costo de investigar
indicaciones fuera de control que son “falsas alarmas”.

6
II.1.4. Selección de los límites de control
Abriendo los límites de control decrece riesgo de error tipo I (falsa alarma) sin embargo se
incrementa el riego de error tipo II y viceversa. Con límites de control de 3-sigma la probabilidad
de error tipo I es de 0.0027. Si se selecciona el nivel de riesgo de error tipo I en 0.002 o 0.001 en
cada lado, se tienen los límites de control a una distancia de 3.09-sigmas y los límites de control
serán:
II.2. CARTAS DE CONTROL DE MEDIAS-RANGOS ( X́ )( Ŕ)
Asumiendo que una característica de calidad está distribuida normalmente con media  y
desviación estándar  ambas conocidas. Si x1, x2, .... xn forman una muestra de tamaño n
entonces se puede calcular la media de la muestra X́
Ahora como las medias de las muestras están normalmente distribuidas con media  =  / n, y
siendo que la probabilidad 1- de que cualquier media muestral caerá entre los límites:
Desarrollo de la fórmula para los límites de control
W =R/σ
Los límites de control de la carta de medias son:
3 Ŕ
LSC= X́ + limite superior de control
d 2 √n
3 Ŕ
LIC= X́ − limite inferiror de control
d2√ n
X́ limite control
7
Para el caso de los rangos, la línea central es Ŕ . El estimador para R puede hallarse de la
distribución del rango relativo W = R / , si la desviación estándar de W es d3 en función de n,
se tiene:
R=Wσ
La desviación estándar de R es:
σ R =d 3 σ
De esta forma los límites de control para el rango son:
LSC = Ŕ+3 σ R
LIC= Ŕ−3 σ R
Donde las constantes A2, d 2 D3 y D4 se encuentran tabuladas en función de n para facilitar el
cálculo de los límites de control como sigue:
Tabla 1: constantes para límites de control en cartas x-r
Figura 3: diagramas de control de calidad para variables X́ y Ŕ

8
II.3. CARTA DE CONTROL PARA ARTICULOS DEFECTUOSOS ( Ṕ)
La fracción no conforme es la relación entre el número de artículos discrepantes entre el total
de artículos, se expresa como fracción decimal, aunque también se puede expresar en porcentaje.
El artículo puede tener varias características de calidad que son examinadas por un inspector, si
el artículo no está de acuerdo a los estándares, se le considera como defectuoso o no conforme.
La fracción defectiva o no conforme en la muestra se define como la relación entre el número
de unidades no conformes D al tamaño de muestra n, o sea:
Recoger los datos Uno tiene que recoger tantos datos como sea posible sobre la fracción de
unidades defectuosas. Se tiene que conocer el número de unidades inspeccionadas, n, y el
número de unidades defectuosas, pn, para cada fracción de unidades defectuosas2. Es bueno
disponer de tantos datos como sea posible, puesto que esto también es conveniente para fines
tales como el análisis del proceso; también es deseable disponer datos de por lo menos veinte
lotes, i.e., por lo menos veinte valores de la fi-acción de unidades defectuosas (i.e., el número de
9
subgrupos). Los datos se pueden recoger de tantos tipos de unidades defectuosas como se desee,
pero se deben estratificar todo lo posible, con arreglo a la naturaleza de las unidades defectuosas
y sus causas. (2) Organizar los datos en subgrupos3 Los datos se deben dividir en subgrupos
racionales tal como se explicó en la sección 3.3. En general, es mejor formar lotes racionales y
hacer los subgrupos por lote. Por ejemplo, se deben tomar datos de pequeños lotes forma-dos con
el fm de controlar el proceso en vez de lotes para expedir. Los datos son más fáciles de manejar
si el tamaño del lote es constante. Igualmente, si n
Es demasiado pequeño, la potencia estadística de la prueba del grafico de control es
deficiente. Cuando n es demasiado, los datos deben estratificarse y agruparse en subgrupos de
diversas maneras
Di
pi=
ni
La distribución de este estadístico sigue la distribución binomial, por tanto:
Del modelo general para la carta de control de Shewhart, si w es un estadístico que mide una
característica de calidad, con media w y varianza 2  w ,
II.3.1. Los límites de control son:
Ṕ(1− Ṕ)
LS C P =Ṕ+ 3
√ n
limite superior de control
10
Ṕ(1− Ṕ)
LI C P = Ṕ−3
√ n
limite inferior de control
Ṕ limite de control
Figura 4: límites de control de la carta P
Durante la operación, se toman muestras de n unidades, se calcula la fracción defectiva i p y
se grafica en la carta, mientras no se observe ningún patrón anormal y i p se localice dentro de
límites de control, se puede concluir que el proceso está en control, de otra forma, se concluirá
que la fracción no conforme se ha desplazado de su valor original y el proceso se encuentra fuera
de control.
Cuando la fracción defectiva del proceso es desconocida, se estima de los datos observados en
m muestras iniciales, cada una de tamaño n, por lo general se toman 20 a 25 de estas. Así si Di
son unidades no conformes en la muestra i, la fracción defectiva de la muestra i - estima estará
dada como:
pi = Di / n i = 1, 2, 3, m
Una vez hecha la gráfica trazando los límites anteriores, cualquier punto que se encuentre
fuera de control debe ser investigado, si se encuentra una causa asignable o especial, deben
11
tomarse medidas correctivas para prevenir su recurrencia, los puntos correspondientes a la
situación fuera de control se eliminan y se calculan de nuevo los límites de control preliminares.
Figura 5: carta de control P en control estadística
II.3.2. Diseño de control de la carta de control Ṕ:
Determinación del tamaño de muestra: Método 1. El tamaño de muestra n se escoge de tal
forma que la probabilidad de encontrar al menos una unidad no conforme por muestra sea al
menos .
Ejemplo 4.2, si p = 0.01 y se desea que la probabilidad de hallar al menos una unidad no
conforme sea al menos 0.95, si D es el número de artículos no conformes, entonces:

12
II.4. CARTAS DE CONTROL PARA NO CONFORMIDADES (DEFECTOS) ( Ć y Ú )
Una no conformidad o defecto es una característica específica que no cumple con la
especificación del producto. Las no conformidades pueden tener una gravedad diferente desde
menores hasta críticas. Se pueden desarrollar cartas de control para el número total de no
conformidades en una unidad o el número promedio de no conformidades por unidad. Estas
cartas asumen que la ocurrencia de no conformidades en muestras de tamaño constante es
modelada bien por la distribución de Poisson, es decir implica que las oportunidades o
localizaciones potenciales para las no conformidades sea muy infinitamente grande y que la
probabilidad de ocurrencia de una no conformidad en cualquier localización sea pequeña y
constante. Además, cada unidad de inspección debe representar una “área de oportunidad”
idéntica para la ocurrencia de no conformidades. Si estas condiciones no se cumplen, el modelo
de Poisson no es apropiado.
Tamaño de muestra constante - carta ć
Una unidad de inspección es simplemente una entidad para la cual es conveniente registrar el
número de defectos, puede formarse con 5 unidades de producto, 10 unidades de producto, etc.
Suponiendo que los defectos o no conformidades ocurren en la unidad de inspección de acuerdo
a la distribución de Poisson, o sea:
Donde la media y la desviación estándar tienen valor c; para x = 0, 1, 2, ....... Por tanto,
considerando L = 3-sigma, los límites de control para la carta de no conformidades son:
LS C C =c +3 √ c
13
L CC =c
LI C C =c −3 √c en caso que sea negatuvotomar valor 0
Si no hay estándar definido c se estima con el promedio de no conformidades observadas en
una muestra preliminar inspeccionada, o sea con c, en este caso los parámetros de la carta son:
LS C C =ć +3 √ ć
L CC =c
LI C C =ć −3 √ć
En caso que sea negativo toma el valor 0
Figura 6: carta de control C fuera de control estadístico
Selección del tamaño de muestra
Aumentando el tamaño de muestra se tiene más oportunidad de encontrar no conformidades o
defectos, sin embargo, esto también depende de consideraciones económicas y del proceso, si en
14
lugar de tomar 1 unidad de inspección, se toman n unidades de inspección, entonces los nuevos
límites de control se pueden calcular por los siguientes métodos:
Método 1.
Con nc En este caso tanto la línea central como los límites de control se modifican por el
factor n, quedando como sigue (c es la media de las no conformidades observada en la unidad de
inspección anterior):
LS C nC =n ć +3 √ n ć
L CnC =n ć
LI C nC =n ć−3 √ n ć
Carta de control de defectos por unidad Ú
Método 2
Carta u Si se encuentra un total de c no conformidades en la muestra de n unidades de
inspección, entonces el promedio de no conformidades por unidad de inspección u es:
c
u=
n
Como c es una variable aleatoria que sigue la distribución de Poisson, los parámetros de la
carta u de número de no conformidades o defectos por unidad son:
ú
LS C u=ú+3
√ n
L Cu=ú
ú
LI C u=ú−3
√ n
15
Donde u representa el número promedio de no conformidades por unidad en un conjunto de
datos preliminar. Los límites anteriores se consideran límites preliminares.
Figura 7: carta de control de defectos por unidad U con tamaño de muestra constante en
control estadístico
Muestra variable-cartaÚ
En algunos casos las cartas de control para no conformidades se utilizan en la inspección
100% de la producción o lotes de producto, por tanto, las unidades de inspección no son
constantes. En esta carta se tiene una línea central constante y los límites de control varían
inversamente con la raíz cuadrada del tamaño de muestra n.
La línea central y los límites individuales de control se calculan como sigue:
ú
LS C u=ú+3
√ n
L Cu=ú
16
ú
LI C u=ú−3
√ n
Sistema de deméritos
Con productos complejos, se identifican diversos tipos de defectos, desde los que se
consideran menores hasta los que ponen en riesgo la salud del usuario. Por lo cual es necesario
dar una ponderación a esos diversos tipos de defectos de acuerdo a su gravedad, un esquema
posible es el siguiente:
 Defectos tipo A – Muy serios: La unidad no puede funcionar o fallará en el campo, o
puede causar daño al usuario.
 Defectos tipo B – Serios: La unidad tendrá menos vida útil, o puede causar una falla
de funcionamiento mayor.
 Defectos tipo C – Poco serios: La unidad puede tener fallas, pero continuar
funcionando, o puede incrementar los costos de mantenimiento, o tener una mala
apariencia como usada.
 Defectos tipo D – Menores: La unidad no fallará en servicio, pero tiene defectos de
apariencia, terminados o calidad de trabajo

17
III. MATERIALES Y METODOS.
III.1. MATERIALES
Los materiales utilizados fueron:
• Datos Recopilados: mediciones de precipitación de los años de 1960 – 1980, obtenidos
del ANA.
• Programas: Excel básico y Word Minitab
• La teoría impartida por el docente del curso de estadística aplica a la ingeniería
agrícola durante el ciclo 2020-I.
• Como herramienta principal para poder llevar a cabo la investigación tuvimos el
internet.
III.2. METODOS.
Según la orientación de la investigación utilizamos el método de recolección de datos para
procesarlos mediante las conceptos estadísticos y poder realizar nuestros objetivos planteados.
18
IV. CARTAS DE CONTROL PARA VARIABLES
IV.1. DE LA MEDIA Y RANGO PARA MUESTRAS CONSTANTES
 DE LA MEDIA
AÑOS MEDICIONES DE PRECIPITACION

Ene Feb Mar Abr May Jun Jul Ago Set Oct Nov Dic
1 60-61 2.27 3.40 1.01 1.27 0.50 0.03 0.08 0.85 1.64 1.64 0.49 0.57
2 61-62 3.69 1.36 2.60 1.72 0.46 0.00 0.00 0.07 0.87 0.46 1.96 0.91
3 62-63 14.44 2.63 2.63 1.67 0.19 0.20 0.02 0.55 0.00 0.71 0.28 0.30
4 63-64 2.45 1.25 1.60 0.82 5.23 0.45 0.04 0.11 0.64 0.48 2.77 1.95
5 64-65 2.12 0.72 3.89 2.40 0.84 0.00 0.00 0.15 0.77 0.06 3.31 1.73
6 65-66 1.51 0.72 2.14 2.13 0.03 0.17 0.11 0.00 1.31 0.18 2.71 2.18
7 66-67 1.85 2.01 3.15 2.56 8.50 0.17 0.00 0.83 2.43 0.28 2.78 0.64
8 67-68 2.23 27.58 2.29 3.23 0.19 0.12 0.05 0.10 1.11 0.35 0.37 0.77
9 68-69 0.20 3.24 3.38 1.51 0.64 0.11 0.08 0.40 0.92 0.35 2.43 0.46
10 69-70 2.49 3.02 2.69 1.15 0.47 0.45 0.05 0.20 0.98 1.94 3.08 0.65
11 70-71 2.10 0.54 1.14 1.20 3.73 0.01 0.04 0.08 0.93 15.20 2.32 1.92
12 71-72 5.47 3.65 15.05 2.92 0.22 0.10 0.04 0.19 1.40 0.29 2.41 0.46
13 72-73 6.68 2.26 2.57 2.91 0.50 0.07 0.05 0.03 0.97 1.45 2.65 2.38
14 73-74 0.62 32.07 7.90 3.20 0.11 0.62 0.09 0.68 3.34 0.59 3.79 2.11
15 74-75 3.89 3.66 6.32 0.62 0.49 0.04 0.17 0.13 4.36 0.76 4.69 1.17
16 75-76 1.66 9.92 4.59 4.15 0.13 0.10 0.02 0.12 0.63 1.98 1.46 3.02
17 76-77 4.83 2.61 7.16 1.54 0.10 0.29 0.00 0.34 1.39 0.74 2.09 3.58
18 77-78 3.58 1.13 6.14 1.72 1.15 0.02 0.05 0.07 0.02 1.21 1.63 2.38
19 78-79 2.70 1.23 13.34 3.21 0.16 0.01 0.01 0.01 0.84 0.92 1.41 1.94
20 79-80 1.26 5.96 6.77 2.61 0.08 0.33 0.03 0.31 0.72 1.16 2.22 2.63
X MAXIMOS MINIMOS RANGO

19
1.15 3.40 0.03 3.37

1.17 3.69 0.00 3.69
1.97 14.44 0.00 14.44
1.48 5.23 0.04 5.19
1.33 3.89 0.00 3.89
1.10 2.71 0.00 2.71
2.10 8.50 0.00 8.50
3.20 27.58 0.05 27.53
1.14 3.38 0.08 3.30
1.43 3.08 0.05 3.03
2.43 15.20 0.01 15.19
2.68 15.05 0.04 15.01
1.88 6.68 0.03 6.65
4.59 32.07 0.09 31.98
2.19 6.32 0.04 6.28
2.32 9.92 0.02 9.90
2.06 7.16 0.00 7.16
1.59 6.14 0.02 6.12
2.15 13.34 0.01 13.34
2.01 6.77 0.03 6.74
1.999 9.701
39.977 194.021
 CRITERIO PROBABILISTICO
 Calculamos la media
X1
X =∑
n
20
39.977
X=
20
X =1.999
21
 Calculamos el rango
R1
R=∑
n
194.021
R=
20
R=9.701
 Determinamos el valor de K con un 95%.
1-α
|
95%
K = - 2.131 K = 2.131
 Por tabla:
n=8 → d2 =2.847
K=2.131
 Calculamos los límites para la gráfica de control
 Límite de Control Superior

R
LCS= X + K
( d 2∗√ n1 )
 Límite central
LCS= X
22
 Límite de Control Inferior

R
LCI =X−K
( d 2∗√ n1 )
PARA n=8
9.701
LCS=1.999+ 2.131 ( 2.847∗ √8 )
LCS=4.578
 Límite central
LC=1.999
9.701
LCI =1.999−2.131 ( 2.847∗ √8 )
LCI =−0.580 ≅ 0
 CRITERIO 3σ
K
Para n=8 → A 2=
d 2∗√ n
K=2.131
2.131
A2=
2.847∗√ 8
A2=0.2646
Para calcular los límites

23
LCS= X + A 2¿ R
 Límite central
LC =X

LCI =X− A 2¿ R
ENTONCES:
LCS=1.999+ 0.2646∗9.701
LCS=4.5658
 Límite central
LC =X
LC=1.999

LCI =1.999−0.2646∗9.701
LCI =−0.580=0
24
 PARA GRAFICAR:
Colocamos los datos en columnas
Ilustración 1.
Datos para graficar la carta de control para la media.
Gráfica 1.
Carta de control para la media
Gráfica Xbarra de C1; ...; C12
5 LCS=4.578
4
Media de la muestra
_
_
2 X=1.999
-1 LCI=-0.580
1 3 5 7 9 11 13 15 17 19
Muestra
25
 En conclusión, observamos que el año 1973 a 1974 las precipitaciones fueron

mayores.
Si colocamos los datos en una sola columna, tenemos el siguiente gráfico:
Ilustración 2.
Carta de control para la media con los datos en una sola columna.
Gráfica 2.
Carta de control para la media con los datos en una sola columna.
Gráfica Xbarra de C19
5 LCS=4.577
4
Media de la muestra
__
2 X=1.999
-1 LCI=-0.582
1 3 5 7 9 11 13 15 17 19
Muestra
26
 PARA EL RANGO
Para los meses de precipitación:
D E F M RA
MAX MINIM
ic n e a Abr X NG
IMOS OS
e b r O
1. 3 2 3
2.
41 . . . 2.3
2.87 7 3.79 1.41
2 6 7 8
9
7 1 9
2. 4 3 4
3.
86 . . . 2.2
2.47 6 4.72 2.47
1 9 7 5
3
3 9 2
1. 3 3 4
3.
20 . . . 3.1
3.32 1 4.38 1.20
0 7 3 8
5
8 5 8
3. 2 3 3
3.
23 . . . 0.9
2.71 1 3.67 2.71
7 6 3 6
4
7 7 0
1. 1 1 4
2.
55 . . . 3.2
2.29 5 4.75 1.55
9 9 7 0
0
6 4 5
2. 3 3 2
2.
69 . . . 1.3
1.87 6 3.24 1.87
2 1 2 7
4
4 9 1
2. 2 6 3 1.96 3. 6.23 1.96 4.2
07 . . . 3 7
5 2 9 4
27
1 3 2
1. 1 2 3
2.
67 . . . 1.8
1.35 0 3.19 1.35
8 3 1 4
8
6 4 9
1. 1 2 2
1.
23 . . . 1.2
2.43 9 2.43 1.23
7 0 1 0
1
2 3 2
3. 4 3 3
3.
42 . . . 1.6
2.72 3 4.32 2.72
3 3 0 0
7
2 9 0
3. 2 3 4
3.
11 . . . 2.3
2.46 3 4.78 2.46
6 9 7 2
9
6 5 8
1. 2 2 5
3.
79 . . . 3.9
3.22 1 5.72 1.79
5 6 7 3
7
3 1 2
1. 2 3 3
2.
60 . . . 2.0
3.64 9 3.64 1.60
3 5 6 4
5
6 3 4
3. 4 5 4
4.
35 . . . 2.0
3.43 2 5.39 3.35
3 3 9 4
8
2 9 0
1. 2 2 4
2.
08 . . . 3.8
2.49 8 4.94 1.08
6 9 9 6
3
8 8 4
28
1. 2 5 3
3.
86 . . . 3.4
2.10 1 5.32 1.86
8 3 4 6
2
8 2 5
1. 1 3 2
2.
33 . . . 2.0
2.02 3 3.40 1.33
9 4 8 7
2
4 0 9
2. 1 4 3
2.
29 . . . 2.2
1.90 7 4.12 1.90
9 1 6 2
8
6 2 3
2. 1 3 5
3.
22 . . . 3.7
3.83 5 5.67 1.95
9 8 6 2
0
5 3 7
1. 1 2 2
2.
56 . . . 0.9
2.45 1 2.55 1.56
8 2 5 9
3
8 1 5
2.
promed 2.4
0
io 5
0
5
9. 48.
suma
0 90
2
 CRITERIO 3σ
d 3 Ŕ
 LCS= Ŕ+ k ( )
d2
= Ŕ D4
29
 LC= Ŕ
d 3 Ŕ
 LCI =Ŕ−k ( )
d2
= Ŕ D 3
∑ Ri 48.9
Ŕ= = =2.445
m 20
n=12 D3= 0 , D4= 2115
LCS=2.445∗1 .717=4.198
LC=¿2.445
LCS=2445∗0=0
30
Ilustración 3.
Datos ingresados en filas de columnas
Gráfica 3.
Carta de control para el rango, en la opción filas de columna.
Gráfica Xbarra-R de diciembre; ...; abril
LCS=4.361
4
Media de la muestra
__
3 X=2.951
LCI=1.541
1 3 5 7 9 11 13 15 17 19
Muestra
LCS=5.170
4.8
Rango de la muestra
3.6
_
2.4 R=2.445
1.2
0.0 LCI=0
1 3 5 7 9 11 13 15 17 19
Muestra
31
 Para los meses de verano:

Ju A Se MAXI MINIM RAN
Oct X
l go t MOS OS GO
0. 0. 0. 0.6
0.95 0.95 0.40 0.55
51 40 54 0
0. 0. 0. 0.4
0.65 0.65 0.34 0.31
34 37 50 7
0. 0. 0. 0.4
0.64 0.64 0.36 0.28
36 40 46 7
0. 0. 0. 0.7
1.20 1.20 0.50 0.70
58 50 60 2
0. 0. 0. 0.6
1.16 1.16 0.45 0.71
46 45 58 6
0. 0. 0. 0.9
1.70 1.70 0.62 1.08
62 62 89 6
0. 0. 0. 0.8
1.61 1.61 0.47 1.14
51 47 77 4
0. 0. 0. 0.7
1.71 1.71 0.32 1.39
32 41 57 5
0. 0. 0. 0.7
1.36 1.36 0.38 0.98
38 48 60 1
0. 0. 0. 0.7
0.95 0.95 0.55 0.40
78 62 55 3
0. 0. 0. 0.8
1.42 1.42 0.48 0.94
48 52 94 4
0. 0. 0. 0.6
1.15 1.15 0.45 0.70
45 46 56 6
0. 0. 0. 0.5
0.77 0.77 0.49 0.28
53 54 49 8
0. 0. 0. 0.8
1.89 1.89 0.39 1.50
44 39 63 4
0. 0. 0. 0.67 0.5 0.67 0.40 0.27
32
58 61 40 7
0. 0. 0. 0.7
1.34 1.34 0.38 0.96
43 38 79 4
0. 0. 0. 0.5
0.71 0.71 0.44 0.27
57 57 44 7
0. 0. 0. 0.6
1.04 1.04 0.45 0.59
50 45 73 8
0. 0. 1. 0.8
1.08 1.08 0.62 0.46
62 72 04 7
0. 0. 0. 0.8
0.97 0.97 0.66 0.31
66 78 86 2
prome 0.7
0.69
dio 0
14.
suma 13.82
04
 CRITERIO 3σ
d 3 Ŕ
 LCS= Ŕ+ k ( )
d2
= Ŕ D4
 LC= Ŕ
d 3 Ŕ
 LCI =Ŕ−k
( )
d2
= Ŕ D 3
∑ Ri 13.82
Ŕ= = =0.691
m 20
n=12 D3= 0 , D4= 2115

33
LCS=2.445∗1.717=4.198
LC=¿2.445
LCS=2445∗0=0
34
Ilustración 4.
Datos ingresados en filas de columna
Gráfica 4.
Carta de control para el rango, en la opción filas de columna.
Gráfica Xbarra-R de julio; ...; octubre

1.2 LCS=1.206
Media de la muestra
0.9
__
X=0.702
0.6
0.3
LCI=0.199
1 3 5 7 9 11 13 15 17 19
Muestra
1.6 LCS=1.577
Rango de la muestra
1.2
0.8 _
R=0.691
0.4
0.0 LCI=0
1 3 5 7 9 11 13 15 17 19
Muestra
35
IV.2. DE LA MEDIA Y RANGO PARA MUESTRAS VARIABLES
Año MEDICIONES DE PRECIPITACION

1 60-61 2.27 3.40 1.01 1.27 0.50 0.03 0.08 0.85 1.64 1.64 0.49 0.57
2 61-62 3.69 1.36 2.60 1.72 0.46 - - 0.07 0.87 0.46 1.96 0.91
3 62-63 14.44 2.63 2.63 1.67 0.19 0.20 0.02 0.55 - 0.71 0.28 0.30
4 63-64 2.45 1.25 1.60 0.82 5.23 0.45 0.04 0.11 0.64 0.48 2.77 1.95
5 64-65 2.12 0.72 3.89 2.40 0.84 - - 0.15 0.77 - 3.31 1.73
6 65-66 1.51 0.72 2.14 2.13 - 0.17 0.11 - 1.31 0.18 2.71 2.18
7 66-67 1.85 2.01 3.15 2.56 8.50 0.17 - 0.83 2.43 0.28 2.78 0.64
8 67-68 2.23 27.58 2.29 3.23 0.19 0.12 0.05 0.10 1.11 0.35 0.37 0.77
9 68-69 0.20 3.24 3.38 1.51 0.64 0.11 0.08 0.40 0.92 0.35 2.43 0.46
10 69-70 2.49 3.02 2.69 1.15 0.47 0.45 0.05 0.20 0.98 1.94 3.08 0.65
11 70-71 2.10 0.54 1.14 1.20 3.73 0.01 0.04 0.08 0.93 15.20 2.32 1.92
12 71-72 5.47 3.65 15.05 2.92 0.22 0.10 - 0.19 1.40 0.29 2.41 0.46
13 72-73 6.68 2.26 2.57 2.91 0.50 0.07 0.05 - 0.97 1.45 2.65 2.38
14 73-74 0.62 32.07 7.90 3.20 0.11 0.62 0.09 0.68 3.34 0.59 3.79 2.11
15 74-75 3.89 3.66 6.32 0.62 0.49 0.04 0.17 0.13 4.36 0.76 4.69 1.17
16 75-76 1.66 9.92 4.59 4.15 0.13 0.10 0.02 0.12 0.63 1.98 1.46 3.02
17 76-77 4.83 2.61 7.16 1.54 0.10 0.29 - 0.34 1.39 0.74 2.09 3.58
18 77-78 3.58 1.13 6.14 1.72 1.15 0.02 0.05 0.07 - 1.21 1.63 2.38
19 78-79 2.70 1.23 13.34 3.21 0.16 0.01 0.01 - 0.84 0.92 1.41 1.94
20 79-80 1.26 5.96 6.77 2.61 - 0.33 0.03 0.31 0.72 1.16 2.22 2.63
 Para el mes de Sequía
m AÑO May Jun Jul Ago Set Oct

1 60-61 0.50 0.03 0.08 0.85 1.64 1.64
36
2 61-62 0.46 0.00 0.00 0.07 0.87 0.46

3 62-63 0.19 0.20 0.02 0.55 0.00 0.71
4 63-64 5.23 0.45 0.04 0.11 0.64 0.48
5 64-65 0.84 0.00 0.00 0.15 0.77 0.00
6 65-66 0.00 0.17 0.11 0.00 1.31 0.18
7 66-67 8.50 0.17 0.00 0.83 2.43 0.28
8 67-68 0.19 0.12 0.05 0.10 1.11 0.35
9 68-69 0.64 0.11 0.08 0.40 0.92 0.35
10 69-70 0.47 0.45 0.05 0.20 0.98 1.94
11 70-71 3.73 0.01 0.04 0.08 0.93 15.20
12 71-72 0.22 0.10 0.00 0.19 1.40 0.29
13 72-73 0.50 0.07 0.05 0.00 0.97 1.45
14 73-74 0.11 0.62 0.09 0.68 3.34 0.59
15 74-75 0.49 0.04 0.17 0.13 4.36 0.76
16 75-76 0.13 0.10 0.02 0.12 0.63 1.98
17 76-77 0.10 0.29 0.00 0.34 1.39 0.74
18 77-78 1.15 0.02 0.05 0.07 0.00 1.21
19 78-79 0.16 0.01 0.01 0.00 0.84 0.92
20 79-80 0.00 0.33 0.03 0.31 0.72 1.16
m RANG
año MEDICIONES n suma MEDIA
O
1 60-61 0.50 0.03 0.08 0.85 1.64 1.64 6 4.75 0.7909 1.62
37
2 61-62 0.46 0.07 0.87 0.46 4 1.86 0.4639 0.79

3 62-63 0.19 0.20 0.02 0.55 0.71 5 1.66 0.3320 0.69
4 63-64 5.23 0.45 0.04 0.11 0.64 0.48 6 6.96 1.1593 5.19
5 64-65 0.84 0.15 0.77 3 1.76 0.5882 0.69
6 65-66 0.17 0.11 1.31 0.18 4 1.77 0.4419 1.20
7 66-67 8.50 0.17 0.83 2.43 0.28 5 12.22 2.4431 8.33
8 67-68 0.19 0.12 0.05 0.10 1.11 0.35 6 1.91 0.3191 1.06
9 68-69 0.64 0.11 0.08 0.40 0.92 0.35 6 2.50 0.4170 0.84
10 69-70 0.47 0.45 0.05 0.20 0.98 1.94 6 4.09 0.6812 1.89
11 70-71 3.73 0.01 0.04 0.08 0.93 15.20 6 19.98 3.3298 15.19
12 71-72 0.22 0.10 0.19 1.40 0.29 5 2.20 0.4397 1.30
13 72-73 0.50 0.07 0.05 0.97 1.45 5 3.05 0.6094 1.40
14 73-74 0.11 0.62 0.09 0.68 3.34 0.59 6 5.42 0.9041 3.26
15 74-75 0.49 0.04 0.17 0.13 4.36 0.76 6 5.95 0.9922 4.33
16 75-76 0.13 0.10 0.02 0.12 0.63 1.98 6 2.98 0.4965 1.96
17 76-77 0.10 0.29 0.34 1.39 0.74 5 2.87 0.5732 1.29
18 77-78 1.15 0.02 0.05 0.07 1.21 5 2.50 0.5001 1.19
19 78-79 0.16 0.01 0.01 0.84 0.92 5 1.95 0.3900 0.91
20 79-80 0.33 0.03 0.31 0.72 1.16 5 2.55 0.5098 1.13
105 88.92 16.3816 54.25
 Calculamos la media
X1
X =∑
n
16.3816
X=
20
38
X =0.8191
 Calculamos el rango
R1
R=∑
n
54.25
R=
20
R=2.7124
 Por tabla:
n=5 →d 2=2.326
K=1.564
39
 Calculamos los límites para la gráfica de control

R
LCS= X + K
( d 2∗√ n1 )
 Límite central
LCS= X

R
LCI =X−K
( d 2∗√ n1 )
PARA n=8
2.7124
LCS=0.8191+1.564 ( 2.326∗ √5 )
LCS=2.3836
 Límite central
LC=0.8191
40

2.7124
LCS=0.8191−1.564 ( 2.326∗ √5 )
LCI =−0.7454 ≅ 0
 CRITERIO 3σ PARA EL RANGO
d 3 Ŕ
 LCS= Ŕ+ k
( )
d2
= Ŕ D 4
 LC= Ŕ
d 3 Ŕ
 LCI =Ŕ−k ( )
d2
= Ŕ D 3
∑ Ri 17.
Ŕ= = =2.7124
m 20
n=5 d2= 2.326 , d3=0.864 K=3.022
 LCS=2.7124 +3.022 ( 0.864∗2.7124

2.326 )=5.7349
 LC =2.7124
41
 LCS=2.7124−3.022 ( 0.864∗2.7124
2.326 )=−0.32=0
42
IV.3. DE LA MEDIA Y LA DESVIACIÓN PARA MUESTRAS CONSTANTES
AÑO MEDICIONES DE PRECIPITACION n S X S

1 0.4 0.5 0.978
60-61 2.27 3.40 1.01 1.27 0.50 0.03 0.08 0.85 1.64 1.64 12 13.76 1.15
9 7 0
2 1.112
61-62 3.69 1.36 2.60 1.72 0.46 0.07 0.87 0.46 1.96 0.91 10 14.09 1.41
1
3 2.7 1.9 1.481
63-64 2.45 1.25 1.60 0.82 5.23 0.45 0.04 0.11 0.64 0.48 12 17.81 1.48
7 5 3
4 1.273
64-65 2.12 0.72 3.89 2.40 0.84 0.15 0.77 3.31 1.73 9 15.94 1.77
4
5 0.970
65-66 1.51 0.72 2.14 2.13 0.17 0.11 1.31 0.18 2.71 2.18 10 13.15 1.32
7
6 0.6 2.307
66-67 1.85 2.01 3.15 2.56 8.50 0.17 0.83 2.43 0.28 2.78 11 25.21 2.29
4 6
7 2.4 0.4 1.215
68-69 0.20 3.24 3.38 1.51 0.64 0.11 0.08 0.40 0.92 0.35 12 13.73 1.14
3 6 2
8 3.0 0.6 1.145
69-70 2.49 3.02 2.69 1.15 0.47 0.45 0.05 0.20 0.98 1.94 12 17.17 1.43
8 5 0
9 2.3 1.864
72-73 6.68 2.26 2.57 2.91 0.50 0.07 0.05 0.97 1.45 2.65 11 22.50 2.05
8 7
1 4.6 1.1 2.224
74-75 3.89 3.66 6.32 0.62 0.49 0.04 0.17 0.13 4.36 0.76 12 26.29 2.19
0 9 7 4
1 1.4 3.0 2.871
75-76 1.66 9.92 4.59 4.15 0.13 0.10 0.02 0.12 0.63 1.98 12 27.78 2.32
1 6 2 3
1 76-77 4.83 2.61 7.16 1.54 0.10 0.29 0.34 1.39 0.74 2.09 3.5 11 24.68 2.24 2.198
43
2 8 2
1 2.3 1.809
77-78 3.58 1.13 6.14 1.72 1.15 0.02 0.05 0.07 1.21 1.63 11 19.08 1.73
3 8 0
1 2.6 2.265
79-80 1.26 5.96 6.77 2.61 0.33 0.03 0.31 0.72 1.16 2.22 11 24.00 2.18
4 3 3
156
44
FORMULAS:
 La gran media:
∑ X́ i
X́ = i =1
K
Donde:
¿
∑ Xi
X́ = i =1
n
 Límites de control:
K α ∗S K α ∗S
1−
2 2
X́ − ≤ μ≤ X́ +
√n √n
K α ∗S
2
LCI = X́−
√n
K α ∗S
1−
2
LCS= X́ +
√n
Tamaño de muestras iguales:
 Criterio probabilístico:
K α ∗S
2
LCI = X́−
√n
45
K α ∗S
2
LCS= X́ +
√n
 Criterio 3σ
3∗S
LCI = X́− = X́ −A∗S
√n
3∗S
LCS= X́ + = X́+ A∗S
√n
Donde:
3
A=
√n
 LIMITE DE CONTROL PARA LA GRAN MEDIA
s =2.83331618
x =2.00
C4 =0.9776
n =12
LIMITES DE CONTROL
LCS =4.50877187
LCS =2.00
LCI =-0.51112132
 LIMITE DE CONTROL PARA LA DESVIACION ESTANDAR
s =2.83331618
x =1.99882528
C4 =0.9776
n =12
LIMITES DE CONTROL
LCS =4.6633046
LCS =2.83331618
LCI =1.00332777
46
47
I.1. DE LA MEDIA Y LA DESVIACIÓN PARA MUESTRAS VARIABLES
AÑO MEDICIONES DE PRECIPITACION n S X S

1 0.0 0.8 1.6 0.4 13.7
60-61 2.27 3.40 1.01 1.27 0.50 0.08 1.64 0.57 12 1.15 0.9780
3 5 4 9 6
2 0.0 0.4 1.9 14.0
61-62 3.69 1.36 2.60 1.72 0.46 0.87 0.91 10 1.41 1.1121
7 6 6 9
3 14.4 0.2 0.5 0.7 0.3 23.6
63-64 2.63 2.63 1.67 0.19 0.02 0.28 11 2.15 4.1880
4 0 5 1 0 0
4 0.4 0.1 0.6 2.7 17.8
64-65 2.45 1.25 1.60 0.82 5.23 0.04 0.48 1.95 12 1.48 1.4813
5 1 4 7 1
5 0.1 3.3 1.7 15.9
65-66 2.12 0.72 3.89 2.40 0.84 0.77 9 1.77 1.2734
5 1 3 4
6 0.1 0.1 2.7 13.1
66-67 1.51 0.72 2.14 2.13 0.17 1.31 2.18 10 1.32 0.9707
1 8 1 5
7 0.1 2.4 0.2 0.6 25.2
68-69 1.85 2.01 3.15 2.56 8.50 0.83 2.78 11 2.29 2.3076
7 3 8 4 1
8 0.1 0.1 1.1 0.3 38.3
69-70 2.23 27.58 2.29 3.23 0.19 0.05 0.35 0.77 12 3.20 7.7506
2 0 1 7 8
9 0.1 0.4 0.9 2.4 13.7
72-73 0.20 3.24 3.38 1.51 0.64 0.08 0.35 0.46 12 1.14 1.2152
1 0 2 3 3
1 0.4 0.2 0.9 3.0 17.1
74-75 2.49 3.02 2.69 1.15 0.47 0.05 1.94 0.65 12 1.43 1.1450
0 5 0 8 8 7
1 75-76 2.10 0.54 1.14 1.20 3.73 0.0 0.04 0.0 0.9 15.20 2.3 1.92 12 29.2 2.43 4.1686
48
1 1 8 3 2 0
1 15.0 0.1 1.4 0.2 0.4 32.1
76-77 5.47 3.65 2.92 0.22 0.19 2.41 11 2.92 4.3879
2 5 0 0 9 6 6
1 0.0 0.9 1.4 2.3 22.5
77-78 6.68 2.26 2.57 2.91 0.50 0.05 2.65 11 2.05 1.8647
3 7 7 5 8 0
1 0.6 0.6 3.3 3.7 55.1
79-80 0.62 32.07 7.90 3.20 0.11 0.09 0.59 2.11 12 4.59 8.9407
4 2 8 4 9 2
156
49
FORMULAS:
 La gran media:
∑ X́ i
X́ = i =1
K
Donde:
¿
∑ Xi
X́ = i =1
n
 Límites de control:
K α ∗S K α ∗S
1−
2 2
X́ − ≤ μ≤ X́ +
√n √n
K α ∗S
2
LCI = X́−
√n
K α ∗S
1−
2
LCS= X́ +
√n
Tamaño de muestras diferentes:
 Criterio probabilístico:
K α ∗S
LCI = X́− 2
√¿
50
K α ∗S
2
LCS= X́ +
√¿
 Criterio 3σ
3∗S
LCI = X́−
√¿
3∗S
LCS= X́ +
√¿
 LIMITE DE CONTROL PARA LA GRAN MEDIA
Gran Media =2.12

n promedio =11
C4 =0.9754
Kσ =2.64051
LIMITES DE CONTROL
LCS =4.76
LCS =2.12
LCI =-0.52=0
 LIMITE DE CONTROL PARA LA DESVIACION ESTANDAR
s =2.8474
C4 =0.9754
Kσ =1.93053923
LIMITES DE CONTROL
LCS =4.78
LCS =2.85
LCI =0.92
51
MEDIA
5.00
4.50
4.00
3.50
3.00
2.50
2.00
1.50
1.00
0.50
0.00
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
DESVIACION
10.00
9.00
8.00
7.00
6.00
5.00
4.00
3.00
2.00
1.00
0.00
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
52
V. CARTAS DE CONTROL PARA ATRIBUTOS
V.1. DEL LA PROPORCION PARA MUESTRAS CONSTANTES
 Se realizó el muestreo para proporción de lámparas defectuosos con un tamaño
uniforme de 1000 unidades, los datos obtenidos en la siguiente tabla:[CITATION
Mar13 \p 16 \l 10250 ]
Subgrupos Numero
Defectuosos(di)
inspeccionado(ni)
1 1000 13
2 1000 4
3 1000 3
4 1000 22
5 1000 13
6 1000 6
7 1000 12
8 1000 19
9 1000 2
10 1000 17
11 1000 4
12 1000 12
13 1000 4
14 1000 21
15 1000 6
16 1000 29
17 1000 17
18 1000 13
19 1000 25
20 1000 25
21 1000 15
22 1000 7
23 1000 19
24 1000 12
25 1000 9
26 1000 16
27 1000 4
28 1000 9
29 1000 19
30 1000 4
total 30000 381
53
Para analizar la variación de las proporciones de la tabla se debe aplicar la carta p.
Para calcular los límites de control provisionales se necesita calcular la proporción
promedio p– y el tamaño de subgrupo.
 Promedio de proporción p es:
total defectuoso
ṕ=
total de inspeccionado
381
ṕ= =0.0127
30000
Y como:
n=1000
Entonces los límites de control están dados por:
p (1− p )
LCI = ṕ+ 3
√ n
0.0127( 1−0.0127)
LCS=0.0127+3
√ 1000
=0.02332
LC= ṕ=0.0127
p ( 1−p )
LCS= ṕ+3
√ n
54
0.0127 (1−0.0127 )
LCS=0.0127−3
√ 1000
=0.00208
En conclusión: Se espera que la proporción de componentes defectuosos fluctúen entre
los límites de 0.02332 y 0.00208 siendo el valor promedio 0.0127.
 GRAFICAMOS
Gráfica 5.
La carta p con estos límites se muestra en la gráfica siguiente.
Gráfica P de C2
0.030 1
1 1
0.025
LCS=0.02332
0.020
Proporción
0.015
_
P=0.0127
0.010
0.005
LCI=0.00208
1
0.000
1 4 7 10 13 16 19 22 25 28 31
Muestra
Las pruebas se realizaron con tamaños de la muestra desiguales
 OBSERVAMOS QUE HAY CUATRO PUNTOS QUE SOBREPASAN EL

LÍMITE SUPERIOR.
De aquí se desprende las lámparas defectuosas de esos subgrupos, el proceso
funcionó en presencia de causas o situaciones especiales que por lo general no están

55
presentes en el proceso, y que causaron que la proporción de defectuosos fuera
anormalmente grande. en los subgrupos 8, 17,19 y 20 por lo tanto se descartará los
subgrupos mencionados así para tener el control de defectuosos dentro del rango.
Subgrupo Numero
Defectuosos (di)
s inspeccionado (ni)
1 1000 13
2 1000 4
3 1000 3
4 1000 22
5 1000 13
6 1000 6
7 1000 12
8 1000 2
9 1000 17
10 1000 4
11 1000 12
12 1000 4
13 1000 21
14 1000 6
15 1000 17
16 1000 13
17 1000 15
18 1000 7
19 1000 19
20 1000 12
21 1000 9
22 1000 16
23 1000 4
24 1000 9
25 1000 19
26 1000 4
Total 26000 283
56
total defectuoso 283

ṕ= = =0.01
total de inspeccionado 26000
Y como:
n=1000
p (1− p )
LCI = ṕ+ 3
√ n
0.01088 ( 1−0.1088 )
LCS=0.01088+ 3
√ 1000
=0.02073
LC= ṕ=0.0 1088
p ( 1−p )
LCS= ṕ+3
√ n
Gráfica P de C8
0.025
0.088 ( 1−0.01088 )
LCS=0.01088−3
0.020
1
√ 1000 1
=0.00104
LCS=0.02073
En conclusión: Se espera que la proporción de componentes defectuosos fluctúen
0.015
Proporción
entre los límites de 0.02073 y 0.00104 siendo el valor promedio 0.01088.

_
P=0.01088
0.010
Gráfica 6.
0.005
LCI=0.00104
0.000
1 4 7 10 13 16 19 22 25
Muestra
57
 OBSERVAMOS QUE HAY DOS PUNTOS QUE SOBREPASAN EL

LÍMITE SUPERIOR.
Por lo tanto, se continúa iterando, esta vez descartando los subgrupos 4 y 13.
Subgrupos Numero
Defectuosos (di)
inspeccionado (ni)
1 1000 13
2 1000 4
3 1000 3
4 1000 13
5 1000 6
6 1000 12
7 1000 2
8 1000 17
9 1000 4
10 1000 12
11 1000 4
12 1000 6
13 1000 17
58
14 1000 13
15 1000 15
16 1000 7
17 1000 19
18 1000 12
19 1000 9
20 1000 16
21 1000 4
22 1000 9
23 1000 19
24 1000 4
Total 24000 240
total defectuoso 240

ṕ= = =0.01
total de inspeccionado 24000
Y como:
n=1000
p (1− p )
LCI = ṕ+ 3
√ n
0.01(1−0.1)
LCS=0.01+ 3
√ 1000
=0.01944
LC= ṕ=0.0 1088

59
p ( 1−p )
LCS= ṕ+3
√ n
0.01 ( 1−0.01 )
LCS=0.01−3
√ 1000
=0.00056
En conclusión: Se espera que la proporción de componentes defectuosos fluctúen entre
los límites de 0.01944 y 0.00056 siendo el valor promedio 0.01.
Gráfica 7.
Gráfica P de C8
0.020
LCS=0.01944
0.015
Proporción
_
0.010 P=0.01
0.005
LCI=0.00056
0.000
1 3 5 7 9 11 13 15 17 19 21 23
Muestra
60
 EN CONCLUSIÓN, OBSERVAMOS QUE SE SUPERÓ LOS PUNTOS QUE SE

ENCONTRABAN FUERA DE CONTROL Y AHORA SE PUEDE TRABAJAR
PROPORCIONANDO MÁS CALIDAD DE LÁMPARAS.
V.2. DE LA PROPORCION PARA MUESTRAS VARIABLES
V.3. DEL NUEMRO DE UNIDADES DEFECTUOSAS
En un proceso se produce por lotes y éstos se prueban al 100%. Se lleva un registro
de la proporción de artículos defectuosos por diferentes causas. Los datos de los últimos
25 lotes de un total de 5000 se muestran en la tabla.
Suponiendo que todos los lotes tienen el mismo tamaño (el promedio), obtenga una
carta np para tales datos. [CITATION Hum09 \p 332 \l 10250 ]
Lote Defectuosos
1 21
2 20
3 27
4 33
5 22
6 40
7 27
8 23
61
9 20
10 26
11 28
12 21
13 23
14 21
15 25
16 29
17 20
18 28
19 18
20 24
21 13
22 23
23 12
24 19
25 26
Suma total 589
 Límites para “np”
LCS=nр+3 √ np(1− p)
 Límite central
LC=np
LCI =np−3 √np (1− p)
 Calculamos p
pi
p=∑
m
62
589
p=
25∗5000
p=0.0047
 Calculando los límites para “np”

Límite de Control Superior
LCS=5000∗0.0047+3 √5000∗0.0047 ( 1−0.0047 )
LCS=38.09
Límite central
LC=5000∗0.0047
LC=23.5
Límite de Control Inferior
LCI =5000∗0.0047−3 √ 5000∗0.0047 ( 1−0.0047 )
LI =9
63
En conclusión: Se espera que el número de defectos por subgrupo de tamaños
constantes fluctué entre los límites de 38.09 y 9 siendo el valor promedio 23.5.
Ilustración 5.
Datos en el minitab.
Gráfica 8.
Gráfica de NP defectuosos en una sola columna.
64
 NOTAMOS QUE HAY UN PUNTO (1) QUE SOBREPASA EL LÍMITE

SUPERIOR DE LOS ARTÍCULOS DEFECTUOSOS, LA CUAL
DEMUESTRA UNA DESESTABILIDAD EN CUANTO A LOS
DEFECTOS EN EL PROCESO DE PRODUCCIÓN.
V.4. DEL NUMERO DE DEFECTOS
A. En una fábrica de muebles se inspecciona a detalle el acabado de las mesas
cuando salen del departamento de laca. La cantidad de defectos que son
encontrados en cada mesa son registrados con el fin de conocer y mejorar el
proceso. En la tabla 5 se muestran los defectos encontrados en las últimas 30
mesas. Es claro que estamos ante una variable que debe ser analizada con la carta
c, debido a que una misma mesa puede tener varios defectos de diferente tipo;
además, los defectos son relativamente menores, y aunque influyen en la calidad
final del producto, no causan que la mesa sea rechazada.[CITATION Mar13 \p
221 \l 10250 ]
MESA
DEFECTOS ci
1 7
2 5
3 10
4 2
65
5 6
6 5
7 4
8 9
9 7
10 5
11 6
12 7
13 8
14 4
15 5
16 12
17 8
18 10
19 4
20 7
21 3
22 10
23 6
24 6
25 7
26 4
27 5
28 6
29 8
30 5
TOTA
191
L
LCS = ć +3 √ ć
LC = ć
LCI = ć−3 √ć
Ć=
∑ de defectos
numero de subgrupos
66
Ć=
∑ ci = 191 =6.3667
m 30
LCS = 6.3667+3 √ 6.3667=13.9364
LC = 6.3667
LCI = 6.3667−3 √ 6.3667=−1.2030=0
Los límites para la evaluación se encuentran entre las medidas de 13.94 y 0 siendo el
valor medio 6.37.
Gráfica 9.
Contenido de muestras del número de defectos
B. Se desea construir un grafico de control para controlar el proceso que fabrica un
chip que se insertara as una tarjeta telefónica se tiene 25 muestras, cada una
67
formada por 50 chips. El numero de chips defectuosos en cada una de las
muestras se muestra en la siguiente tabla.[CITATION Hum09 \p 222 \l 10250 ].
Muestra Tamaño Numero de

Ṕi
de muestra artículos defectuosos
1 50 3 0.06
2 50 5 0.10
3 50 5 0.10
4 50 1 0.02
5 50 10 0.08
6 50 4 0.04
7 50 2 0.10
8 50 5 0.12
9 50 6 0.08
10 50 4 0.02
11 50 1 0.08
12 50 0 0.00
13 50 4 0.08
14 50 6 0.12
15 50 2 0.04
16 50 2 0.04
17 50 3 0.06
18 50 4 0.08
19 50 2 0.04
20 50 5 0.10
21 50 4 0.08
22 50 5 0.10
23 50 2 0.04
24 50 4 0.08
25 50 2 0.04
Total: 1250 91
LCS = ć +3 √ ć
LC = ć
LCI = ć−3 √ć

68
Ć=
∑ de defectos
numero de subgrupos
Ć=
∑ ci = 91 =3.64
m 25
LCS = 3.64+ 3 √ 3.64=9.3636
LC = 3.64
LCI = 3.64−3 √ 3.64=−2.083=0
Los límites para la evaluación se encuentran entre las medidas de 33.21 y 6.48 siendo
el valor medio 19.85.
Gráfica 10.
Contenido de muestras del número de defectos
69
 OBSERVAMOS QUE HAY UN PUNTO EL CUAL SOBREPASA EL LÍMITE
SUPERIOR, LO CUAL REPRESENTA LA MAYOR DESESTABILIZACIÓN
EN EL PROCESO.
Gráfica 11.
Datos corregidos, se encuentran dentro de los límites.
70
V.5. DEL NÚMERO DE DEFECTOS POR UNIDAD PARA MUESTRAS
CONSTANTES
A. Un fabricante de computadoras personales desea establecer una carta de control
para las disconformidades por unidad en una línea de ensamblaje final. El tamaño
de la muestra se selecciona de 5 computadoras.
LOTE Número Promedio

Tamaño de Número de
de no conf. Por
muestra (ni) disconformidades (ci)
unidad
1 5 10 2
2 5 12 2.4
3 5 8 1.6
4 5 14 2.8
5 5 10 2
6 5 16 3.2
7 5 11 2.2
8 5 7 1.4
9 5 10 2
10 5 15 3
11 5 9 1.8
12 5 5 1
13 5 7 1.4
14 5 11 2.2
15 5 12 2.4
71
16 5 6 1.2
17 5 8 1.6
18 5 10 2
19 5 7 1.4
20 5 5 1
Total= 193 38.6
U=
∑ xi = total de promedio No.−conformidades
s numero de subgrupos
36.8
U= =1.93
20
Ú
LCS=Ú + 3∗
√ n
1.93
LCS=1.93+ 3∗
√ 5
=3.794
Ú
LCI =Ú−3∗
√ n
1.93
LCI =1.93−3∗
√ 5
=0.066
72
Gráfica 12.
Número de defectos por unidad para muestras constantes
V.6. DEL NÚMERO DE DEFECTOS POR UNIDAD PARA MUESTRAS
VARIABLES
A. Un fabricante de computadoras personales desea establecer una carta de control
para las disconformidades por unidad en una línea de ensamblaje final. El tamaño
de la muestra se selecciona de 5 computadoras. [CITATION Mon04 \p 225 \l
10250 ]
LOTE Tamaño de Número de Numero promedio de no

muestra (ni) Disconformidades (ci) conf. Por unidad
1 5 10 2
2 5 12 2.4
3 5 8 1.6
73
4 5 14 2.8
5 5 10 2
6 5 16 3.2
7 5 11 2.2
8 5 7 1.4
9 5 10 2
10 5 15 3
11 5 9 1.8
12 5 5 1
13 5 7 1.4
14 5 11 2.2
15 5 12 2.4
16 5 6 1.2
17 5 8 1.6
18 5 10 2
19 5 7 1.4
20 5 5 1
Total 193 38.6
 Total, de muestra: ni = 525
 Total, de defectos: ci = 549
 Promedio: n = 21.875
total de defectos
ú=
total de articulos inspeccionados
549
ú= =1.046
525
Entonces:
ú
LCS=ú+ 3
√ n
74
1.046
LCS=1.046+ 3
√ 21.875
=1.702
LC=1.045
ú
LCI =ú−3
√ n
1.046
LCI =1.046−3
√ 21.875
=0.39
Los límites para la evaluación se encuentran entre las medidas de 1.702 y 0.39 siendo
el valor medio 1.045
Gráfica 13.
Número de defectos por unidad para las muestras variables.
B. En un hotel se ha llevado el registro de quejas de los clientes desde hace 15
semanas con el número de clientes por semana, los datos se muestran en la tabla.
75
Calcule los límites de control para una carta u para el número de quejas por
cliente. Y Grafique la carta u correspondiente.[ CITATION Hum09 \l 10250 ].
Semana Clientes Quejas

1 114 11
2 153 15
3 115 5
4 174 14
5 157 16
6 219 11
7 149 10
8 147 9
9 131 10
10 91 10
11 112 10
12 158 11
13 244 30
14 111 11
15 120 11
Total 2195 184
 Calculamos ú:
Total de defectos
ú=
Total de artículos inspeccionados
184
ú= =0.067
2195
 Calculamos la desviación estándar:
ú
σui=
√ n
76
2195
n= =146.33
15
0.067
σui=
√ 146.33
=0.0214
 Límites para “u”
ú
LCS=ú+ 3
√ n
 Límite central
LC=ú
ú
LCI =ú−3
√ n
 Calculando los límites para “U”
LCS=0.067+3∗0.0214
LCS=¿0.123
LC=0.067
LCI =0.067−3∗0.0214
LI =¿0.009
77
En conclusión: Se espera que el número de defectos por unidad fluctué los límites de
0.123y 0.009 siendo el valor promedio 0.067.
Ilustración 6.
Datos que se ingresan al programa.
Gráfica 14.
Conteo de muestras por unidad.
78
VI. CONCLUSIONES
VII. RECOMENDACIONES
 Se recomienda trabajar con datos reales
 Realizar un análisis minucioso del trabajo que se realizara
 Usar diferentes tipos de programas que nos den resultados confiables
VIII. REFERENCIA BIBLIOGRAFÍA

79
Hernandez, M. L. (2013). control estadistico e la calidad . yucatan.
Humberto Gutierrez, P. &. (2009). Control estadistico de la calaidad y seis sigma. Mexico: Mc
Draw Hill.
Montogomery, D. (2004). Estadistico de Calidad. Mexico: LIMUSA, S.A.
Dr. Reyes, p. (2009). Control estadístico. /Editorial mexicana s.a
Bowkwer L. (1972). Estadística para ingenierías. Prentice /Hall. Internacional.
Ishikawa, K, (1994). Introducción al control de calidad. Ediciones Diaz de Santos s.a. España.
Grant Eugene l. (1966). Control de calidad estadístico.3ra edición. Editorial Continental S.A.

Trabajo Encargado Grupo 3

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

Trabajo Encargado Grupo 3

Cargado por

Copyright:

Formatos disponibles

UNIVERSIDAD NACIONAL “SANTIAGO

FACULTAD DE CIENCIAS AGRARIAS

ESCUELA ACADÉMICO PROFESIONAL DE INGENIERÍA

“COMPORTAMIENTO DE LA DESCARGA DEL RIO QUEROCOCHA

Docente : Ing. VEGA MEJIA HERNAN ROLANDO

II. MARCO TEÓRICO..........................................................................................................2

2.1. Control estadístico de calidad:.........................................................................................2

2.1.1. Gráficos de control.................................................................................................2

2.1.2. Causas comunes y causas especiales......................................................................2

2.1.3. Bases estadísticas de las cartas de control:............................................................3

2.1.4. Selección de los límites de control.........................................................................6

2.2. CARTAS DE CONTROL DE MEDIAS-RANGOS ( X )(R)..........................................6

2.3. CARTA DE CONTROL PARA ARTICULOS DEFECTUOSOS (P)...........................8

2.3.1. Los límites de control son:...................................................................................10

2.3.2. Diseño de control de la carta de control P:..........................................................11

2.4. CARTAS DE CONTROL PARA NO CONFORMIDADES (DEFECTOS) ( C y U ). 12

III. MATERIALES Y METODOS.......................................................................................17

IV. CARTAS DE CONTROL PARA VARIABLES............................................................18

4.1. DE LA MEDIA Y RANGO PARA MUESTRAS CONSTANTES..............................18

4.2. DE LA MEDIA Y RANGO PARA MUESTRAS VARIABLES.................................32

4.1. DE LA MEDIA Y LA DESVIACIÓN PARA MUESTRAS VARIABLES.................42

V. CARTAS DE CONTROL PARA ATRIBUTOS............................................................46

5.1. DEL LA PROPORCION PARA MUESTRAS CONSTANTES..................................46

5.2. DE LA PROPORCION PARA MUESTRAS VARIABLES........................................56

5.3. DEL NUEMRO DE UNIDADES DEFECTUOSAS.....................................................56

5.4. DEL NUMERO DE DEFECTOS..................................................................................60

5.5. DEL NÚMERO DE DEFECTOS POR UNIDAD PARA MUESTRAS CONSTANTES

5.6. DEL NÚMERO DE DEFECTOS POR UNIDAD PARA MUESTRAS VARIABLES

VIII. REFERENCIA BIBLIOGRAFÍA...............................................................................77

Ilustración 3. Datos ingresados en filas de columnas..............................................................28

Ilustración 4. Datos ingresados en filas de columna...............................................................31

Ilustración 5. Datos en el minitab............................................................................................59

Ilustración 6. Datos que se ingresan al programa...................................................................75

Gráfica 1. Carta de control para la media................................................................................24

Gráfica 3. Carta de control para el rango, en la opción filas de columna................................28

Gráfica 4. Carta de control para el rango, en la opción filas de columna................................31

Gráfica 5. La carta p con estos límites se muestra en la gráfica siguiente...............................49

Gráfica 6. La carta p con estos límites se muestra en la gráfica siguiente...............................52

Gráfica 7. La carta p con estos límites se muestra en la gráfica siguiente...............................55

Gráfica 8. Gráfica de NP defectuosos en una sola columna...................................................59

Gráfica 9. Contenido de muestras del número de defectos.....................................................62

Gráfica 10. Contenido de muestras del número de defectos....................................................65

Gráfica 11. Datos corregidos, se encuentran dentro de los límites.........................................66

Gráfica 12. Número de defectos por unidad para muestras constantes...................................69

Gráfica 14. Conteo de muestras por unidad............................................................................76

infraestructura de proyectos, la que representa una investigación.

estudio de impacto ambiental en el proyecto de embalse de la laguna Querococha, tiene por

ubicación dentro del Parque Nacional

 Determinar las características críticas de calidad a controlar a partir de los diagnósticos

 Seleccionar herramientas estadísticas requeridas para hacer seguimiento a las variables

según las condiciones propias de cada proceso y de los resultados

 Diseñar un sistema de control estadístico de proceso bajo la metodología

II. MARCO TEÓRICO

II.1. Control estadístico de calidad:

“definimos el ‘Control Estadístico de la Calidad’ como la aplicación de diferentes técnicas

estadísticas a procesos industriales (mano de obra, materias primas, máquinas y medio

estudio y evaluación de la variabilidad existente en cualquier tipo de proceso” (Universidad de

II.1.1. Gráficos de control

Con base en el contenido de la materia ‘Control Estadístico de la Calidad’, “un gráfico de

identificar causas asignables y tomar acciones correctivas para eliminarlas. Si en un proceso se

encuentra “bajo control” o que “está controlado”.

II.1.2. Causas comunes y causas especiales

operadores o materiales defectuosos. Esta variabilidad es muy grande en relación con la