Documentos de Académico
Documentos de Profesional
Documentos de Cultura
C) CONDICIONES DE APLICACIÓN
UNIDIMENSIONAL. 1 VARIABLE
VARIABLE: CUANTITATIVA
En el marco de una investigación sobre control estadístico de calidad se han observado los diámetros
de 125 pistones distribuidas en 25 muestras. Antes de generar cualquier información estadística de
nuestro interés con estos datos, es fundamental realizar PREVIAMENTE un análisis exploratorio de
los datos o control de calidad de los datos, sino queremos encontrarnos con sorpresas desagradables.
(124) 0 00000000000000000000000000000000000000000000000000000000000000000+
1 0
1 1
1 1
1 2
1 2
1 3
1 3
1 4
1 4
1 5
1 5
1 6
1 6
1 7 4
Pantalla Minitab de Datos Correctos
Tallo y hoja de diametro N = 125
Unidad de hoja = 0,0010
1 7396 7
1 7397
1 7397
7 7398 234444
15 7398 55688899
32 7399 00002223333444444
52 7399 55555566667778888899
(24) 7400 000000000112222233334444
49 7400 5555555666677777888999999
24 7401 0000122233444
11 7401 5555789
4 7402 014
1 7402
1 7403 0
G) INTERPRETACION
______________________________________________________________
______________________________________________________________
______________________________________________________________
__________________________________________________________
GUIA Nº 2
A) HERRAMIENTA No 2: HISTOGRAMA
Si bien el histograma nos proporciona información valiosa acerca de la distribución de los datos, tiene
la desventaja de que perdemos algo de información en el proceso.
C) CONDICIONES DE APLICACIÓN
UNIDIMENSIONAL. 1 VARIABLE
VARIABLE: CUANTITATIVA
En el marco de una investigación sobre control estadístico de calidad se han observado los diámetros
de 125 pistones distribuidas en 25 muestras. Antes de generar cualquier información estadística de
nuestro interés con estos datos, es fundamental realizar PREVIAMENTE un análisis exploratorio de
los datos o control de calidad de los datos, sino queremos encontrarnos con sorpresas desagradables
Histograma de diametro
Normal
140 Media 665,5
Desv .Est. 6613
N 125
120
100
Frecuencia
80
60
40
20
0
-15000 0 15000 30000 45000 60000 75000
diametro
b) Pantalla Minitab de Datos Correctos
Histograma de diametro
Normal
25 Media 74,00
Desv .Est. 0,01007
N 125
20
Frecuencia
15
10
0
73,97 73,98 73,99 74,00 74,01 74,02 74,03
diametro
G) INTERPRETACION
______________________________________________________________
______________________________________________________________
______________________________________________________________
__________________________________________________________
GUIA Nº 3
A) HERRAMIENTA No 3: BOX-PLOT (DIAGRAMA DE CAJA Y BIGOTES)
C) CONDICIONES DE APLICACIÓN
UNIDIMENSIONAL. 1 VARIABLE
VARIABLE: CUANTITATIVA
En el marco de una investigación sobre control estadístico de calidad se han observado los diámetros
de 125 pistones distribuidas en 25 muestras. Antes de generar cualquier información estadística de
nuestro interés con estos datos, es fundamental realizar PREVIAMENTE un análisis exploratorio de
los datos o control de calidad de los datos, sino queremos encontrarnos con sorpresas desagradables.
60000
50000
diametro
40000
30000
20000
10000
0 74,0
1 2 3
planta
b) Pantalla Minitab de Datos Correctos
74,03
74,02
74,01
diametro
74,00
73,99
73,98
73,97
73,967
73,96
1 2 3
planta
G) INTERPRETACIÓN
______________________________________________________________
______________________________________________________________
______________________________________________________________
__________________________________________________________
GUIA Nº 4
A) HERRAMIENTA No 4: DIAGRAMA DE PARETO
1. Para un producto
2. Para un servicio
Un Diagrama de Pareto es una gráfica de barras para datos cualitativos, en las que las barras se acomodan en
orden según la frecuencia.
B) ¿PARA QUÉ SIRVE?:
El Diagrama de Pareto es una representación gráfica de los datos obtenidos sobre un problema que
ayuda a identificar cuáles son los aspectos prioritarios que hay que tratar olvidándonos de los
aspectos triviales.
También se conoce como Diagrama ABC o Diagrama 20-80
Su fundamento parte de considerar que “Un pequeño porcentaje de las causas, el 20% producen la
mayoría de los efectos, el 80%. Se trataría pues de identificar ese pequeño porcentaje de causas
vitales para actuar prioritariamente sobre él. En resumen según este concepto, si se tiene un problema
con muchas causas, podemos decir que el 20% de las causas resuelven el 80% del problema y el 80%
de las causas solo resuelven el 20% del problema.
C) CONDICIONES DE APLICACIÓN
UNIVARIANTE
VARIABLE: CUALITATIVA
2) El servicio de atención al cliente de Entel Oruro tiene registrado los siguientes reclamos del mes
anterior
Nº RECLAMO CANTIDAD DE RECLAMOS
1 Envío de mensajes no autorizados 10
2 Permanente corte de sistema 108
3 Señal saturada 88
4 Deficiente cobertura 145
5 Cobro exagerado 25
6 Deficiente atención de personal 20
7 Personal no capacitado 3
8 Llamadas no autorizadas 7
9 Promociones no adecuadas 2
10 Publicidad engañosa 3
El Directos de marketing de Entel indica que el 82,97% de la insatisfacción de los clientes pueden ser
resueltos dando solución a la deficiente cobertura, permanentes cortes de sistema y señal saturada.
Demostrar si esta afirmación es cierta o falsa.
300
80
Número de defectos
250
Porcentaje
200 60
150
40
100
20
50
0 0
Factores
G) INTERPRETACION
______________________________________________________________
______________________________________________________________
______________________________________________________________
__________________________________________________________
GUIA Nº 5
A) HERRAMIENTA No 5: ESTADISTICOS DESCRIPTIVOS
UNIDIMENSIONAL: 1 VARIABLE
VARIABLE: CUANTITATIVA (OBLIGATORIAMENTE)
Error
Conteo estándar de
Variable total N N* NAcum Porcentaje PrcAcum Media la media
diametro 125 125 0 125 100 100 74,001 0,000901
Suma de
Variable MediaRec Desv.Est. Varianza CoefVar Suma cuadrados Mínimo
diametro 74,001 0,0101 0,000101 0,01 9250,147 684521,769 73,967
N para
Variable Q1 Mediana Q3 Máximo Rango IQR Modo moda
diametro 73,994 74,001 74,008 74,030 0,0630 0,0140 74 9
G) INTERPRETACION
______________________________________________________________
______________________________________________________________
______________________________________________________________
__________________________________________________________
PARTE II
DISTRIBUCION DE PROBABILIDADES
Una distribución de probabilidad es un modelo matemático que relaciona el valor de la variable con
la probabilidad que tiene ese valor de ocurrir en la población.
Cuando la variable que esta midiendo se expresa en una escala continua, su distribución de
probabilidad se llama distribución continua. La distribución de probabilidad del diámetro de los anillos
para pistones es continua
Cuando el parámetro que se está midiendo solo puede asumir ciertos valores, como los enteros 0,1,2,
…la distribución de probabilidad se llama distribución discreta. Por ejemplo,la distribución del número
de disconformidades.
GUIA Nº 6
A) HERRAMIENTA Nº 6: DISTRIBUCION DISCRETA
a) DISTRIBUCIÓN BINOMIAL
El número de eventos (X) en n ensayos sigue una distribución binomial si se cumplen las siguientes
condiciones:
El número de ensayos es fijo
Cada ensayo es independiente
Cada ensayo tiene uno o dos resultados: evento o evento fallido
La probabilidad de un evento es igual para cada ensayo
C) CONDICIONES DE APLICACIÓN
1. Un proceso de manufactura produce miles de artículos por día. En promedio 1% de los artículos son
no conformes a las especificaciones. Cada hora, un inspector de calidad selecciona aleatoriamente 50
artículos. Determinar la probabilidad, que el inspector registre 1 o menos artículos defectuosos.
3. Supongamos que la probabilidad de tener una unidad defectuosa en una línea de ensamblaje es de
0.05. Si el conjunto de unidades terminadas constituye un conjunto de ensayos independientes:
1. ¿cuál es la probabilidad de que entre diez unidades dos se encuentren defectuosas?
2. ¿y de que a lo sumo dos se encuentren defectuosas? (menor o igual)
3. ¿cual es la probabilidad de que por lo menos una se encuentre defectuosa? (mayor o igual)
4. Cada muestra de aire tiene 10% de posibilidades de contener una molécula rara particular. Suponga
que las muestras son independientes con respecto a la presencia de la molécula rara. Encuentre la
probabilidad de que en las siguientes 18 muestras, exactamente 2 contengan la molécula rara.
5. El departamento de control de calidad de una empresa que fabrica pañuelos sabe que el 5% de su
producción tiene algún tipo de defecto .Los pañuelos se empaquetan en cajas con 15 elementos.
Calcular la probabilidad de que una caja contenga:
a) 2 elementos defectuosos .
b) Menos de 3 elementos defectuosos
c) Entre 3 y 5 elementos defectuosos(ambos incluidos)
a) 13,48 %
b) 96.38
c) 3,62%
Donde:
• P(X) es la probabilidad de ocurrencia del evento
• p es la probabilidad de éxito del evento (en un intento) (0.5)
• q es la probabilidad de fracaso del evento (en un intento) y se define como
q = 1 – p (0.50)
• X = ocurrencia del evento o éxitos deseados
• n = número de intentos
•
2. Haciendo uso de Minitab
Gráfica de distribución
Binomial; n=50; p=0,01
0,6
0,5
0,4
Probabilidad
0,9106
0,3
0,2
0,1
0,0
1 3
X
G) INTERPRETACION
______________________________________________________________
______________________________________________________________
______________________________________________________________
__________________________________________________________
GUIA Nº 7
A) HERRAMIENTA No 7: DISTRIBUCION DISCRETA
b) DISTRIBUCIÓN HIPERGEOMÉTRICA
B) ¿PARA QUE SIRVE?:
La distribución hipergeométrica es el modelo de probabilidad apropiado para seleccionar una muestra
aleatoria de n artículos sin reemplazo de un lote de n artículos, de los cuales D son disconformes o
defectuosos. Una vez que se elige un elemento de la población, no se puede volver a elegir. Por lo
tanto, la probabilidad de que un elemento en particular sea seleccionado aumenta con cada ensayo,
dado que aún no ha sido seleccionado. Cada elemento de distribución hipergeométrica. Esta
distribución se utiliza en la prueba exacta de Fisher para probar la diferencia entre dos
proporciones y en muestreos de aceptación por atributos cuando se toman muestras de un lote
aislado de tamaño limitado.
C) CONDICIONES DE APLICACIÓN
UNIDIMENSIONAL: 1 VARIABLE
VARIABLE: CUALITATIVA binaria
2. En un lote tamaño 30 que contiene 3 unidades no conformes. ¿Cuál es la probabilidad que en una
muestra de 5 unidades seleccionadas aleatoriamente contengan exactamente 1 no conforme?
3. Usted recibe un envío de pedido especial de 500 etiquetas. Supongamos que el 2% de las etiquetas
tiene defectos. El conteo de eventos en la población es de 10 (.02 * 500). Usted toma una muestra de
40 etiquetas y desea determinar la probabilidad de que haya 3 o más etiquetas defectuosas en esa
muestra.
4. Un lote contiene 100 piezas de un proveedor de tubería local y 200 unidades de un proveedor de
tubería del estado vecino. Si se seleccionan cuatro piezas al azar y sin reemplazo,
(a) ¿cuál es probabilidad de que todas sean del proveedor local?
(b) ¿Cuál es la probabilidad de que dos o más piezas de la muestra sean del proveedor local?
(c) ¿Cuál es la probabilidad de que al menos una pieza de la muestra sea del proveedor local?
Gráfica de distribución
Hipergeométrico; N=100; M=5; n=10
0,6
0,5
0,4
Probabilidad
0,9231
0,3
0,2
0,1
0,0
1 3
X
x P( X = x )
1 0,369458
Gráfica de distribución
Hipergeométrico; N=30; M=3; n=5
0,6
0,5
0,4 0,3695
Probabilidad
0,3
0,2
0,1
0,0
0 1 2
X
G) INTERPRETACION
______________________________________________________________
______________________________________________________________
______________________________________________________________
__________________________________________________________
GUIA Nº 8
A) HERRAMIENTA No 8: DISTRIBUCION DISCRETA
c) DISTRIBUCIÓN DE POISSON
La distribución de Poisson es similar a la distribución Binomial porque ambas modelan los conteos de
eventos. Sin embargo, dentro de su espacio finito de observación, la distribución de Poisson no
establece límite superior en este conteo: una central telefónica podría recibir un número infinito de
llamadas en un día y no violar los requisitos de distribución de Poisson. En cambio, la distribución
Binomial establece un límite superior en el conteo: el número de eventos que usted observa no puede
exceder el número de ensayos que ejecuta
C) CONDICIONES DE APLICACIÓN
UNIDIMENSIONAL: 1 VARIABLE
VARIABLE: CUANTITATIVA DE CONTEO
F) SOLUCIÓN
1. Fórmula
Gráfica de distribución
Poisson; Media=4
0,20 0,1954
0,15
Probabilidad
0,10
0,05
0,00
0 3 11
X
x P( X = x )
3 0,195367
F) INTERPRETACION
______________________________________________________________
______________________________________________________________
______________________________________________________________
__________________________________________________________
GUIA Nº 9
A) HERRAMIENTA No 9: DISTRIBUCION CONTINUA: D. NORMAL
Probablemente la distribución sea la distribución más importante tanto en la teoría como en la
aplicación de la estadística
“La gráfica de una distribución de probabilidad continua se denomina Curva de Densidad y debe
satisfacer dos propiedades similares a los requisitos para las distribuciones de probabilidad discretas,
esas propiedades son:
1. El área total bajo la curva debe ser 1
2. Todos los puntos de la curva deben tener una altura vertical mayor o igual que cero
C) CONDICIONES DE APLICACIÓN
UNIDIMENSIONAL: 1 VARIABLE
VARIABLE: CUANTITATIVA CONTINUA
8 8
7 0,9772 7
6 6
Densidad
Densidad
5 5
4 4
3 3
2 2
1 1
0,02275
0 0
12 12,1 11,9 12
X X
Gráfica de distribución
Normal; Media=12; Desv.Est.=0,05
9
0,9545
8
6
Densidad
0
11,9 12 12,1
X
G) INTERPRETACION
______________________________________________________________
______________________________________________________________
______________________________________________________________
__________________________________________________________
GUIA Nº 10
A) HERRAMIENTA No 10: DISTRIBUCION CONTINUA: D. EXPONENCIAL
C) CONDICIONES DE APLICACIÓN
UNIDIMENSIONAL: 1 VARIABLE
VARIABLE: CUANTITATIVA CONTINUA
Gráfica de distribución
Exponencial; Escala=10000; Valor umbral=0,0001
0,00010
0,00008
0,6321
Densidad
0,00006
0,00004
0,00002
0,00000
0,0001 10000
X
PARTE III
INFERENCIA ESTADISTICA