Solucion de Control Estadistico de Calidad y Six Sigma Cap 1 4

lOMoARcPSD|7139797
Solucion de control estadistico de calidad y six sigma cap 1-4
Control De Calidad (Universidad Autónoma de Santo Domingo)
StuDocu no está patrocinado ni avalado por ningún colegio o universidad.

Descargado por Arami Vázquez (pandarosin@gmail.com)
lOMoARcPSD|7139797
UNIVERSIDAD DEL
NORESTE
“CONTROL ESTADÍSTICO DE LA
CALIDAD Y SEIS SIGMA”
ING. INDUSTRIAL Y DE SISTEMAS

CONTROL ESTADISTICO DE LA
CALIDAD
MARTIN CASTILLO
ILSE DAMARIZ CASANOVA
REBOLLEDO
6° CUATRIMESTRE
CICLO ESCOLAR 2016/02
CONTROL ESTADÍSTICO DE LA CALIDAD Y SEIS SIGMA

lOMoARcPSD|7139797
CAPITULO 1
CONCEPTOS CLAVE
Variables de entrada en el proceso: Definen las características de los insumos y las
variables de operación y control de un proceso.
Variables de salida: Son las características de calidad en las que se reflejan los resultados
obtenidos por un proceso.
Calidad: característica de un producto o servicio que le confieren su aptitud para satisfacer

necesidades explicitas o implícitas.
Satisfacción del cliente: Es la percepción de éste acerca del grafo con el cual sus
necesidades o expectativas han sido cumplidas.
Tiempo de ciclo: Es el tiempo que transcurre desde que el cliente inicia in pedido que se
transforma en requerimientos de materiales, órdenes de producción y otras tareas, hasta que
todo se convierte en un producto en las manos de éste.
Competitividad: Es la capacidad de una empresa para generar valor para el cliente y sus
proveedores de mejor manera que sus competidores.
Productividad: Es la capacidad de generar resultados utilizando ciertos recursos. Se

incrementa maximizando resultados y/u optimizando recursos.
Eficiencia: Relación entre los resultados logrados y los recursos y reduciendo tiempos
desperdiciados por paros de equipo, falta de material, retrasos, etcétera.
Eficacia: Grado con el cual las actividades planeadas son realizadas y los resultados
previstos son logrados. Se atiende maximizando resultados.
Acciones preventivas: Son aquellas que se implementan para eliminar la causa de una no
conformidad potencial o de alguna otra situación potencial no deseable.
Acciones correctivas: Se emplean para eliminar la causa de una no conformidad detectada.

Es decir están orientadas a prevenir recurrencias.
Sistema de medición de desempeño: Se refiere a cuantificar los signos vitales de la

organización y con base en ellos encauzar el pensamiento de los empleados y fijas
prioridades.
Conformancia: Consiste en cumplir con las especificaciones de calidad y enfocarse a reducir

el retrabajo y los desperdicios.

lOMoARcPSD|7139797
Variabilidad: Se refiere a la diversidad de resultados de una variable o de un proceso.
6M: Son los materiales, mano de obra (gente), mediciones, medio ambiente, máquinas y
métodos que conforman un proceso.
Pensamiento estadístico: Filosofía de aprendizaje y acción que establece la necesidad de

un análisis adecuado de los datos de un proceso, como una acción indispensable para
mejorar su calidad (reducir su variabilidad)
Ciclo de la calidad (ciclo PHVA): Proceso de cuatro etapas para desarrollar proyectos de
mejora; consiste en planear, hacer, verificar y actuar (PHVA).
PREGUNTAS
1. ¿Qué es un proceso?
Es un conjunto de actividades mutuamente relacionadas o que interactúan, las cuales
transforman elementos de entrada en resultados.
2. ¿Qué es una variable de salida (característica de calidad) de un proceso?

Son las características de calidad en las que se reflejan los resultados obtenidos por un
proceso.
3. ¿Qué es calidad?
Características de un producto o servicio que le confieren su aptitud para satisfacer
necesidades explícitas o implícitas.
4. ¿Cuáles son los tres indicadores de la competitividad y de la satisfacción del cliente?

La calidad del producto, el precio y la calidad del servicio.
5. ¿Cuál es la relación entre calidad, precio y tiempo de entrega, tanto desde el punto
tradicional como actual?
Se hacen las cosas mejor que otros, cuando se es capaz de ofrecer mejor calidad a bajo
precio y mediante un buen servicio.
6. Explique la reacción en cadena que se da al mejorar la calidad, y señale quién la

formuló por primera vez.
Al mejorar la forma en que se realizan todas las actividades se logra una reacción que genera
importantes beneficios; por ejemplo, se reducen reprocesos, errores, retrasos, desperdicios y
artículos defectuosos; asimismo, disminuye la devolución de productos, las visitas a causa de
la garantía y las quejas de los clientes y fue presentado por primera vez en 1950 por Edwards
Deming.
7. ¿Qué significa que una empresa sea competitiva?

Es la capacidad de una empresa para generar valor para el cliente y sus proveedores de
mejor manera que sus competidores.

lOMoARcPSD|7139797
8. La productividad la constituyen la eficiencia y la eficacia. Proporcione una definición

general de productividad y explique sus dos componentes.
La productividad es la capacidad de generar resultados utilizando ciertos recursos. Se
incrementa maximizando resultados y/u optimizando recursos. Y sus dos componentes: La
eficiencia es la relación entre los resultados logrados y los recursos empleados. Se mejora
optimizando recursos y reduciendo tiempos desperdiciados por paros de equipo, falta de
material, retrasos, etcétera y la eficacia es el grado con el cual las actividades planeadas son
realizadas y los resultados previstos son logrados. Se atiende maximizando resultados.
9. ¿Por qué es fundamental establecer un buen sistema de medición del desempeño de

la organización?
Porque es fundamental como decidir qué y cómo se va a medir su salud y desempeño, ya que
la elección de lo que un negocio o un área mide y analiza comunica valor, encauza el
pensamiento de los empleados y fija las prioridades.
10. Explique cómo han evolucionado los criterios para medir el desempeño de una
organización.
Se incorporan nuevas métricas y criterios para evaluar la salud y el desempeño de la
organización. Nuevas formas de tomar decisiones y establecer prioridades.
11. Muestre en forma gráfica las cinco guías clave para evaluar el desempeño de una
organización y explique qué aspectos incluyen cada una de estas guías.
12. Se dice que la variabilidad siempre existe. Comente tres situaciones prácticas
donde se refleja esto.
1.- El tiempo que tardamos en trasladarnos de nuestra casa al trabajo o escuela es diferente
de un día a otro.
2.- La temperatura del ambiente es distinta de una hora a otra.
3.- Lo dulce de una bebida que es preparada en casa es diferente de un día a otro aunque
aparentemente se preparó igual.
13. ¿Cuáles son las 6 M en las que se divide un proceso?

Son los materiales, mano de obra (gente), mediciones, medio ambiente, máquinas y métodos
que conforman un proceso.

lOMoARcPSD|7139797
14. ¿Por qué es necesario el control estadístico?

Para poder realizar mediciones y así convertir las ideas en acción, o sea medir lo que es clave
e importante en los procesos y así mejorar los resultados para generar cambios óptimos.
15. Se dice que el pensamiento estadístico es una filosofía de aprendizaje y acción,

¿por qué aprendizaje y por qué acción?
Pensar en forma estadística implica tomar información del proceso para conocerlo
(aprendizaje), y también es actuar de acuerdo con ese aprendizaje (acción).
16. Explique los tres principios del pensamiento estadístico.

En el primer principio del pensamiento estadístico se habla de procesos interconectados para
enfatizar que los procesos no operan de manera aislada, más bien, interactúan con el resto
del sistema, el segundo principio reconoce que los resultados de todos los procesos son
variables, y esto ya lo hemos justificado antes y quedará en evidencia a lo largo del libro y el
tercer principio es una de las razones y objetivos principales de esta obra: reducir la
variabilidad hasta lograr el nivel de calidad Seis Sigma.
17. Describa la forma en que el pensamiento estadístico puede ayudar en los niveles
estratégico, directivo y operacional de una organización.
Estratégico – Crea estrategias y las comunica, Emplea datos de varias fuentes para dirigir,
Desarrolla e implementa sistemas de medición para dirigir el progreso y estimula a los
empleados a experimentar nuevas formas de hacer su trabajo.
Directivo – Desarrolla proyectos estructurados, fija metas y se enfoca en los procesos y no
reclama a los empleados por su variación.
Operacional – Conoce la variación, gráfica datos de los procesos e identifica medidas clave y
oportunidades de mejora.
18. Describa en qué consiste el ciclo de la calidad o ciclo PHVA.

Proceso de cuatro etapas para desarrollar proyectos de mejora; consiste en planear, hacer,
verificar y actuar (PHVA).
19. ¿A qué tipo de problemas se les debe aplicar la metodología de los ocho pasos?
Problemas recurrentes o a proyectos de mejora.
20. De las cuatro fases del ciclo de la calidad, a su juicio ¿en cuáles es necesario hacer
mayor énfasis? Argumente.
La fase hacer, ya que es en la cual consta que lo que se planifico llevarlo a cabo, ya sea en
pequeña escala o sobre una base de ensayo.
21. A un equipo de mejora se le responsabiliza de resolver un problema importante, y

como una estrategia de eficiencia y prontitud en la primera reunión empiezan a
proponer soluciones a tal problema. ¿Están procediendo de manera correcta?
No, primero se debe seleccionar y caracterizar el problema para posteriormente identificar
todas las posibles causas, reconocer las que en realidad afectan y posteriormente proponer
soluciones al problema.

lOMoARcPSD|7139797
22. Investigue quiénes fueron Edwards Deming y Joseph Juran, resaltando sus aportes
a la calidad.
Edward Deming fue un estadístico estadounidense que hizo grandes aportaciones a la
calidad, tales como: el ciclo de Deming, los Catorce Puntos, y las 7 Enfermedades de la
Gerencia.
Joseph Juran fue un consultor de gestión de la calidad que creó la Trilogía de Juran que
consiste en tres procesos de gestión: la planificación, control de calidad y la mejora de la
calidad.
23. Averigüe qué son las normas IS0-9000.

Es un conjunto de normas sobre calidad y gestión de calidad, establecidas por
la Organización Internacional de Normalización (ISO).
 Estandarizar las actividades del personal que trabaja dentro de la organización por
medio de la documentación.
 Incrementar la satisfacción del cliente al asegurar la calidad de productos y servicios de
manera consistente, dada la estandarización de los procedimientos y actividades.
 Medir y monitorear el desempeño de los procesos.
 Incrementar la eficacia y/o eficiencia de la organización en el logro de sus objetivos.
 Mejorar continuamente en los procesos, productos, eficacia, entre otros.
 Reducir las incidencias negativas de producción o prestación de servicios.
 Mantienen la calidad.
24. Utilizando una base de datos académica, como por ejemplo scholar.google.com,
encuentre un artículo técnico en donde se reporte la realización de un proyecto de
mejora donde se apliquen técnicas estadísticas o el ciclo PHVA. Lea y comprenda de
manera general lo que se hizo, y sintetice haciendo lo siguiente.
a) Anote los detalles de la referencia académica: nombre de los autores, año de

publicación, capítulo del trabajo y revista donde se publicó.
Martín Almagro-Gorbeat, Pablo Alonso, José Enrique Benito, Ana M 0 Martín, José Luis
Valencia. 1997. Capítulo 8. Universidad Complutense, Madrid.
b) Describa el problema abordado y el porqué era importante.

Deseaban conocer con precisión la validez de los resultados obtenidos, por lo que dicha tarea
debería considerarse como última fase del proceso antes de dar por finalizado cualquier
proyecto de prospección. Le han puesto especial interés en obtener una fórmula estadística
que permita mejorar la precisión y optimizar el método de trabajo utilizado en la ocasión
anterior para controlar la calidad de cualquier prospección arqueológica.
c) Sintetice el procedimiento seguido para su solución.

Realizaron una hipótesis de trabajo, recolectando los datos necesarios, después realizando
una prospección de la muestra control, una determinación del número total de yacimientos y
por último, se realiza una determinación estadística de la calidad de la prospección y se
analizan los resultados para generar conclusiones.

lOMoARcPSD|7139797
d) Señale algunos de los análisis estadísticos que se hicieron.

Determinación inicial del nivel de calidad aceptable
Determinación de la unidad muestral
Determinación del tamaño de la muestra
Nivel y tipo de inspección
Obtención de una muestra aleatoria
e) Cuáles fueron los beneficios obtenidos con el proyecto de mejora.

Darse cuenta de que se debían prospectar por áreas o tomar muestras más pequeñas, y
comprobar que los métodos utilizados son convenientes para el área a estudiar, así como el
control y verificación de la calidad aceptable.
25. Haga algo similar a lo que se propone en el ejercicio anterior, pero ahora donde se
proponga alguna metodología o estrategia de mejora.
El método que utilizaron se ha inspiró en el de inspección por atributos, computaron el número
de defectos (yacimientos o hallazgos no encontrados) por la superficie que se inspecciona
calculada en número de unidades de prospección controladas. El grado de disconformidad se
expresa en número de defectos (yacimientos no encontrados) en cada 100 unidades de
muestreo o cuadrículas. De este modo obtuvieron el NCA: NCA = (yacimientos no
encontrados/n unidades inspeccionadas) x 0,01
CAPITULO 2
CONCEPTOS CLAVE
Capacidad de un proceso. Consiste en conocer la amplitud de la variación natural del
proceso para una característica de calidad dada; esto permitirá saber en qué medida tal
característica de calidad es satisfactoria.
Estadísticos. Cantidades o mediciones que se obtienen a partir de los datos de una muestra
y que ayudan a resumir las características de las mismas.
Tendencia central. Valor en torno al cual los datos o mediciones de una variable tienen a
aglomerarse o concentrarse.
Media. Medida de tendencia central que es igual al promedio aritmético de un conjunto de

datos, que se obtienen al sumarlos y el resultado se divide entre el número de datos.
Mediana. Medida de tendencia central que es igual al valor que divide a la mitad a los datos
cuando son ordenados de menor a mayor
Moda. Medida de tendencia central de un conjunto de datos que es igual al dato que se repite
más veces.

lOMoARcPSD|7139797
Desviación estándar muestral. Medida de la variabilidad que indica que tan esparcidos
están los datos con respecto a la media.
Desviación estándar del proceso. Refleja la variabilidad de un proceso. Para su cálculo se

debe utilizar un número grande de datos que hayan sido obtenidos en el transcurso de un
lapso amplio.
Rango. Medición de la variabilidad de un conjunto de datos que es resultado de la diferencia

entre el dato mayor y el dato menor de tal conjunto.
Coeficiente de variación. Medida de variabilidad que indica la magnitud relativa de la

desviación estándar en comparación con la media. Es útil para contrastar la variación de dos o
más variables que están medidas en diversas escalas.
Desigualdad de Chebysev. Resultado teórico que relaciona X y S, y establece el porcentaje

mínimo de datos que caen en el intervalo (X- kS,X + kS), con k> 1.
Regla empírica. Resultado práctico que relaciona a X y S, y establece el porcentaje de datos

de la muestra que cae dentro del intervalo (X-leS, X+ k5) con k= 1, 2, 3
Limites reales. Se obtienen con Jl- 30'y Jl+ 30', e indican de dónde a dónde varía la salida de
un proceso
Histograma. Representación gráfica de la distribución de un conjunto de datos o de una

variable, donde los datos se clasifican por su magnitud en cierto número de clases. Permite
visualizar la tendencia central, la dispersión y la forma de la distribución.
Tabla de frecuencias. Representación en forma de tabla de la distribución de unos datos, a

los que se clasifica por su magnitud en cierto número de clases.
Distribución sesgada. Forma asimétrica de la distribución de unos datos o una variable,

donde la cola de un lado de la distribución es más larga que la del otro lado.
Distribución multimodal. Forma de la distribución de unos datos en la que se aprecian

claramente dos o más modas (picos).
Dato raro o atípico. Medición cuta magnitud es muy diferente a la generalidad de las
mediciones del conjunto de datos correspondiente.
Rango intercuartílico. Es igual a la distancia entre el cuartil inferior y el superior, y determina

el rango en el que se ubican SO% de los datos que están en el centro de la distribución.
Estratificación. Consiste en clasificar y analizar datos de acuerdo con las distintas fuentes de
donde proceden, como, por ejemplo por máquinas, lotes, proveedores, turnos, etcétera.
Sesgo. Es una medida numérica de la asimetría en la distribución de un conjunto de datos.

lOMoARcPSD|7139797
Curtosis. Estadístico que mide qué tan elevada o plana es la curva de la distribución de unos
datos respecto a la distribución normal.
Cuantiles. Medidas de localización que separan por magnitud un conjunto de datos en cierto
número de grupos o partes que contienen la misma cantidad de datos. Por ejemplo, los
deciles dividen los datos en 10 grupos.
PROBLEMAS
2.1 Con sus palabras y apoyándose en gráficas, conteste los siguientes incisos.
a) ¿Qué es la tendencia central y que es la variabilidad de un proceso o unos datos?
La tendencia central: Es un valor en torno al cual los datos o mediciones de una variable
tienden a aglomerarse o concentrarse.
Variabilidad de un proceso: Es saber que tan diferentes son entre sí.
 Desviación estándar muestral: Medida de la variabilidad que indica qué tan esparcidos
están los datos con respecto a la media.
 Desviación estándar del proceso: Refleja la variabilidad de un proceso. Para su cálculo

se debe utilizar un número grande de datos que hayan sido obtenidos en el transcurso
de un lapso amplio. Se denota con la letra griega sigma σ.
 Rango: Medición de la variabilidad de un conjunto de datos que es resultado de la

diferencia entre el dato mayor y el dato menor de tal conjunto.
 Coeficiente de variación: Medida de variabilidad que indica la magnitud relativa de la

desviación estándar en comparación con la media. Es útil para contrastar la variación
de dos o más variables que están medidas en diversas escalas
b) Represente de manera gráfica y mediante curvas de distribución, dos procesos con

la misma variabilidad pero diferente tendencia central.

lOMoARcPSD|7139797
c) Elabore la gráfica de dos procesos con la misma media pero diferente dispersión.
d) Represente dos procesos cuya forma de distribución es diferente.
Gráfica de distribución (Damariz Rebolledo)

0.07 Distribución Media
Poisson 300
0.06 Distribución Media Desv.Est.

Normal 300 6
0.05
Densidad
0.04
0.03
0.02
0.01
0.00
250 275 300 325 350
X
2.2. Si una característica de calidad debe estar entre 30 ± 2, y se sabe que su media es
𝜇 = 29.9; entonces, ¿se tiene buena calidad, se cumple con las especificaciones?
Paso 1. Datos: 𝜇 = 29.9, 𝐸𝐼 = 30 − 2 = 28, 𝐸𝑆 = 30 + 2 = 32
Paso 2. -
Fórmula:
Paso 3. -
Procedimiento
:

lOMoARcPSD|7139797
Paso 4.
Gráfica:
28 𝜇 = 29.9 30 32
Paso 5. No sabemos si se cumple con las especificaciones porque no conocemos

Resultados, la desviación estandar de la población (proceso).
interpretacione Todo parece indicar que el proceso está ligeramente descentrado por la
s y toma de izquierda
decisiones. No tenemos informacion suficiente (desconocemos Cp) para evaluar la
calidad, pero podemos suponer que no es buena porque el proceso no
está centrado.
2.3 ¿De qué manera afectan los datos raros o atípicos a la media? Explique su
respuesta.
Un dato raro es una medición cuya magnitud es muy diferente a la generalidad de las
mediciones del correspondiente conjunto de datos.
Para poder determinar la media, se necesita de cierta cantidad de mediciones ya que si
obtendríamos datos raros causaría una dificultad al realizar el cálculo porque no sería una
respuesta correcta,
2.4 Un grupo de 30 niños va de paseo en compañía de tres de sus maestras. La edad de

los niños varía entre 4 y 8 años, la mitad tiene 5 años o menos. La edad que se repite
más es la de 4. La edad de las tres maestras es diferente, pero es cercana a los 30 años.
Con base en lo anterior, incluyendo a las tres maestras, proponga un valor aproximado
para la media, la moda, y la mediana de la edad de los 33 paseantes. Argumente sus
propuestas.
Paso 1 X =33
Datos
Paso 2 -
Formula
Paso 3 -
Procedimiento
Paso 4
Gráfica -

lOMoARcPSD|7139797
Paso 5 Media: 11, aproximadamente ya que hay valores extremos.

Resultado
Moda: 4, La tendencia central de los datos es la cantidad que más se
repite.
Mediana: 5, este es el valor medio, ya que menciona 50% tiene una edad
inferior a 5 años.
2.5 En una empresa se llevan los registros del número de fallas de equipos por mes; la
media es de 4 y la mediana de 6.
Paso 1. Datos Media: 4

Mediana: 6
Paso 2. -
Fórmula
Paso 3. -
Procedimiento
Paso 4. -
Gráficas
Paso 5. a) Si usted tiene que reportar la tendencia central de fallas,
Resultados ¿qué número reportaría? ¿Por qué?
interpretaciones Reportaría el 6, porque da el valor medio de fallas que ocurrieron en cada
y toma de mes. Es decir; que el 50% de fallas es inferior a 6 y el otro 50% es
decisiones. superior a 6.
b) ¿La discrepancia entre la media y la mediana se debió a que

durante varios meses ocurrieron muchas fallas?
Si, por que al haber distintas fallas en unos meses y en otros no. Esto
proporciona valores extremos que influyen en el análisis de los datos,
perdiendo representatividad el valor que se tiene de la media.
2.6. De acuerdo con los registros de una empresa, el ausentismo por semana del
personal de labor directa es de 25 personas en promedio, con una desviación estándar
de 5. Con base en esto, conteste:
a) ¿Entre qué cantidad se espera que usualmente varíe el número de personas que no
acuden a trabajar por semana? La cantidad de personas que no está yendo a trabajar varía
entre aproximadamente 20 personas, lo que es un 68% de los casos.

lOMoARcPSD|7139797
b) Si en la última semana hubo 34 ausencias, ¿significa que pasó algo fuera de lo

normal, por lo que se debe investigar qué sucedió y tomar alguna medida urgente para
minimizar el problema? Significa que algo está incorrecto, ya que si la media poblacional es
de 25 personas y el registro de ausentismo en la última semana está demasiado elevado,
significa que se debe analizar y tomar medidas urgentes para minimizar el problema.
2.7 En una empresa se lleva un registro semanal del número de empleados que acuden
a la enfermería de la empresa a recibir atención médica. De acuerdo con los datos de
los primeros seis meses del año se tiene que el número promedio por semana es de 16,
y la desviación estándar es de 3.5. Con base en esto conteste los siguientes dos
incisos:
Paso 1:
μ = 16 σ= 3.5
Datos
Paso 2:
𝐿𝑅 = 𝜇 ± 3𝜎
Fórmula
Paso 3:
𝐿𝑅 = 16 + (3)(3.5) = 26.5
Procedimiento
𝐿𝑅 = 16 − (3)(3.5) = 5.5
Paso 4:
Resultados a) ¿Entre qué cantidades se espera que varíen usualmente el
número de empleados que acuden a la enfermería por semana?
Se espera que acudan a la enfermería por semana entre 26 y 5 empleados.
A pesar de que los datos se ven afectados por datos demasiado aleatorios
que afectan a la media y a la desviación estándar.
b) Si en la última semana acudieron a la enfermería 25 personas,

esto significa que en esa semana pasó algo fuera de lo usual.
Conteste sí o no y explique por qué.
No, porque se refiere a la última semana en la que se contó para tomar la
media, por lo tanto, existen datos que se encuentran alejados y afectan a la
media.
2.8. De acuerdo con cierta norma, a una bomba de gasolina en cada 20 L se le permite una
discrepancia de 0.2 L. En una gasolinera se hacen revisiones periódicas para evitar infracciones
y ver si se cumplen las especificaciones (El = 19.8, ES= 20.2}. De acuerdo con los resultados de
15 inspecciones para una bomba en particular, la media y la desviación estándar de los 15 datos
son 19.9 y 0.1, respectivamente. De acuerdo con esto, ¿se puede garantizar que la bomba
cumple con la norma? Argumente su respuesta.

lOMoARcPSD|7139797
Paso 1. Datos
El = 19.8, ES= 20.2,
μ=19.9 σ=0.1
Paso 2.
Fórmula 𝐿𝑅𝐼 = 19.9 − 3(0.1) = 19.6
Paso 3.
Procedimiento Calculado en Minitab
Paso 4.
Gráficas
Paso 5. Para garantizar que se cumple c0on la norma, los limites reales deben
Resultados, estar dentro de los límites de las especificaciones.
interpretación Con los resultados obtenidos se puede evidenciar que el LRI es menor a
y decisiones EI, lo cual indica que la bomba no cumple con la norma.
2.9 La desigualdad de Chebyshev y la regla empírica establecen la relación entre la

media y la desviación estándar. Explique esta situación y señale si se aplica para el
caso muestra poblacional o para ambos.
Si una variable aleatoria tiene una desviación estándar pequeña, esperaríamos que la
mayoría de los valores se agrupen alrededor de la media. Por lo tanto, la probabilidad de que
una variable aleatoria tome un valor dentro de cierto intervalo alrededor de la media es
mayor que para una variable aleatoria similar con una desviación estándar mayor si
pensamos en la probabilidad en términos de un área, esperaríamos una distribución continua
con un valor grande de σ que indique una variabilidad mayor y, por lo tanto, esperaríamos
que el área este extendida. Sin embargo, una desviación estándar pequeña debería tener la
mayor parte de su área cercana a µ.
2.10.- Dos máquinas, cada una operada por una persona, son utilizadas para cortar tiras
de hule, cuya longitud ideal es de 200 mm, con una tolerancia de ±3 mm. Al final del
turno un inspector toma muestras e inspecciona que la longitud cumpla

lOMoARcPSD|7139797
especificaciones. A continuación se muestran las últimas 110 mediciones para ambas

máquinas:
Paso 1. Datos 199.2 201.7 200.9 201 200.6 199.5 199 199.2 199 198.9
199.7 201.4 200.7 201.4 200.1 198.6 198.4 198.8 199 199.2
201.8 201.4 200.5 201.4 201.3 200.3 199.1 198.5 198.7 197.9
202 200.8 201.2 201.1 200.6 198.5 198.8 198.9 199.1 200.3
201 202.1 201.7 201.2 200.7 198.2 198.3 198.8 200.3 199.6
201.5 200.7 201.2 201 201.8 199.6 198.9 198.7 200.5 199.4
200 200.9 201.2 200.6 200.5 198.2 199.6 199.2 198.1 198.7
199.8 201 200.5 202 200.5 198.4 199 199.3 198.3 198.5
200.7 201.5 200.1 201 200.8 199 198.7 199.7 199.6 198.7
201.4 201.2 201.4 201.5 200.3 199.7 200.5 197.8 199 198.6
200.4 201.3 200.2 201.6 200.7 199.7 198.4 199.9 199.7 198.5
Paso 2. Fórmula 𝑛 𝜀𝑖 𝜀(𝑋𝑖−𝑋)2 𝜀(𝑋𝑖−𝑥)2
Mediana= 2 x= 𝑛 𝑠2 = S=√
𝑛−1 𝑛−1
Paso 3.
Paso 4. Gráfica Informe de resumen de LONGITUD Damariz Rebolledo

Prueba de normalidad de Anderson-Darling
A-cuadrado 1.84
Valor p <0.005
Media 200.00
Desv.Est. 1.16
Varianza 1.34
Asimetría -0.03705
Curtosis -1.25761
N 110
Mínimo 197.80
1er cuartil 198.97
Mediana 200.10
3er cuartil 201.00
Máximo 202.10
Intervalo de confianza de 95% para la media
198.00 198.75 199.50 200.25 201.00 201.75
199.78 200.21
Intervalo de confianza de 95% para la mediana
199.60 200.50
Intervalo de confianza de 95% para la desviación estándar
1.02 1.33
Intervalos de confianza de 95%
Media
Mediana
199.50 199.75 200.00 200.25 200.50
Paso. 5 a) Obtenga las medidas de tendencia central y con base en ellas

Resultados, señale si la tendencia central del proceso es adecuada.
interpretaciones Las medidas de tendencia central del proceso son:
y toma de Las modas son 199, 200.5, 201.4
decisiones La mediana es 200.1
La media es 200

lOMoARcPSD|7139797
b) Calcule la desviación estándar y una aproximación de los

límites reales. A partir de éstos decida si la variabilidad de los
datos es aceptable.
La desviación estándar es 1.16
Los límites reales son aproximadamente 198.97 y 201.
c) Obtenga un histograma e interprételo (tendencia central,

variabilidad, acantilados, sesgos, etc).
d) Con la evidencia obtenida antes, cuál es su opinión acerca de
lo adecuado o no de la longitud de las tiras que se cortaron en
el periodo que representan las mediciones.
La longitud no es la adecuada, ya que presenta diversas variaciones
dando como resultado un proceso con una distribución multimodal, es
decir, presenta 3 realidades diferentes.
e) utilizando el sesgo y curtosis estandarizadas, y la evidencia

gráfica, ¿qué puede decir respecto a la normalidad de los
datos?
Debido a que la curtosis es negativa, la curva es plana, lo que quiere decir
es que las diferencias entre los datos son menos fuertes, sin embargo
afectan de manera seria la capacidad del proceso.
2.11 En el caso del ejercicio anterior, considere que los primeros 55 datos (ordenados
por renglón) corresponden a una máquina, y los últimos 55 a otra. Ahora conteste lo
siguiente.
a) Evalué las dos máquinas en cuanto a su centrado (tendencia central) y con respecto
a la longitud ideal (200).
Estadísticos descriptivos: Maquina 1, Maquina 2
N para
Variable Media Desv.Est. Mediana Modo moda
Maquina 1 201.12 1.35 201.00 201.4 6
Maquina 2 199.01 0.677 199.00 199 6
La máquina 2 es más exacta que la máquina 1.
b) Analice la dispersión de ambas maquinas utilizando la desviación estándar y la regla

empírica.
Estadísticos descriptivos: Maquina 1, Maquina 2
Variable Desv.Est. Varianza Q1 Q3 Curtosis

lOMoARcPSD|7139797
Maquina 1 1.35 1.83 200.60 201.40 33.69

Maquina 2 0.677 0.458 198.50 199.60 -0.25
De acuerdo a las especificaciones ambas máquinas cumplen las tolerancias permitidas. Pero
la máquina 2 es la más exacta a la media ideal de 200 mm, porque su desv. Est. es menor a
la de la máquina
c) Haga un histograma para cada máquina e intérprete cada uno de ellos.
La máquina 1: Tiene un sesgo positivo y tiene hacia la izquierda.
La máquina 2: Tiene un sesgo negativo y tiende hacia la derecha.
d) De acuerdo a lo anterior, ¿cuál es el problema de cada máquina?
La máquina 1 tiene menor precisión, la mayoría de sus valores son inferiores a la media ideal
(200 mm).
La máquina 2 es más precisa, pero la mayoría de sus valores son superiores e inferiores.
e) Considere que cada máquina es operada por una persona diferente, y determine
cuáles son las posibles causas de los problemas señalados en el inciso anterior y
señale qué haría para corroborar cuáles son las verdaderas causas
 Causas:
a) Puede ser que la persona que está operando la máquina no esté revisándola
constantemente, ya que la máquina puede ser muy antigua y se descontrole fácilmente.
b) El operario no ha sido capacitado correctamente.
 Precauciones:
a) Revisar constantemente la máquina.
b) Evaluar al operario

lOMoARcPSD|7139797
f) Vuelva a analizar el histograma realizado en el inciso c) del ejercicio anterior y vea si

de alguna forma se vislumbraba lo que detectó con los análisis realizados en este
ejercicio.
En ambas graficas se demuestra que la máquina 2 es más precisa, aunque la mayoría de sus
valores son superiores e inferiores.
2.12 En un área de servicios dentro de una empresa de manufactura se realiza una

encuesta para evaluar la calidad del servicio proporcionado y el nivel de satisfacción de
los clientes internos. La encuesta consiste de 10 preguntas, y cada una de ellas evalúa
diferentes aspectos del servicio proporcionado. Las respuestas para cada pregunta es
un número entre O y 10. Para hacer un primer análisis de los resultados obtenidos se
suman los puntos obtenidos de las 10 preguntas para cada cuestionario. A
continuación se muestran los puntos obtenidos en 50 cuestionarios.
Paso 1 78 68 70 35 41
Datos 78 84 87 42 42
82 75 77 34 45
85 78 82 44 42
81 76 84 49 35
86 76 48 34 38
80 82 49 30 39
73 85 39 43 42
84 91 39 31 43
78 80 43 34 29
Paso 2 𝑛 𝜀𝑖 𝜀(𝑋𝑖−𝑋)2 𝜀(𝑋𝑖−𝑥)2
Formula Mediana= 2 x= 𝑛 𝑠2 = 𝑛−1
S=√ 𝑛−1
Paso 3
Paso 4
Gráfica Histograma de C1 (Damariz Rebolledo)
(con intervalo de confianza t de 95% para la media)
12.5
10.0
7.5
Frecuencia
5.0
2.5
0.0 _
X
36 48 60 72 84
C1

lOMoARcPSD|7139797
Paso 5
Resultado a) Calcule las medidas de tendencia central, de dispersión a los
datos anteriores y dé una primera opinión acerca de la calidad
en el servicio :
La media de los datos de satisfacción es 59.80
La mediana de los datos de satisfacción es 58.50
Las modas de los datos de satisfacción son 42 y 78
La varianza de los datos de satisfacción es 446.29
La desv. Estandar es de los datos de satisfacción es 21.13
b) Realice el histograma e interprételo con cuidado.

El conjunto de datos de satisfacción está ligeramente descentrado
por la izquierda.
La distribución es bimodal
c) ¿Qué es lo más destacado que observa en el histograma?
Que la distribución es bimodal
d) ¿Tendría alguna utilidad hacer un análisis por separado de cada

una de las preguntas? Explique.
Si, por que los datos presentan mucha variación y no permiten
precisar en qué aspectos hay menor satisfacción
e) ¿Hay normalidad en los datos? Argumente.

No, ya que el valor P es mayor a 0.089,
Y el estadístico AD
2.13. En una fábrica de piezas de asbesto una característica importante de la calidad es

el grosor de las láminas. Para cierto tipo de lámina el grosor óptimo es de 5 mm y se
tiene una discrepancia tolerable de 0.8 mm, ya que si la lámina tiene un grosor menor
que 4.2 mm se considera demasiado delgada y no reunirá las condiciones de
resistencia exigidas por el cliente. Si la lámina tiene un grosor mayor que 5.8 mm,
entonces se gastará demasiado material para su elaboración y elevarán los costos del
fabricante. Por lo tanto, es de suma importancia fabricar las láminas con el grosor
óptimo, y en el peor de los casos dentro de las tolerancias especificadas. De acuerdo
con los registros de las mediciones realizada en los últimos tres meses se aprecia un
proceso con una estabilidad aceptable, el grosor medio es 𝝁= 4.75, la mediana 4.7, y la
desviación estándar 𝝈 = 0.45

lOMoARcPSD|7139797
4.8 4.2 4.6 5.1 5 4.6 4.4 5.1 5.2 4.9 4.5
4.5 4.6 4.9 5.3 5.3 5 5 4.7 4.5 4.7 5
4.7 5.3 5.2 5.1 5.1 4.6 4.2 4.7 4.6 4.6 5.2
5.7 5.2 4.8 5 5.1 4.8 4.5 4.8 5.2 5.3 4.7
4.5 4.7 4.7 5.3 4.5 4.7 5.3 5 4.9 4.8 5.9
5.3 4.1 5.1 5 5.2 4.9 5.1 5 5 4.7 5.3
4.4 5.1 4.9 5.1 4.1 4.4 4.8 4.9 5.3 4.6 5.6
5.1 5 4.8 5.2 5.1 4.5 4.4 5.2 4.9 5.1 5
4.6 5 4.7 4.7 4.9 5.3 4.7 5.6 5 4.4 5
4.9 4.9 5.1 5 4.9 5.3 5.3 5.1 4.4 5 4.5
Paso 1. Datos
𝜇 = 4.75 𝜎 = 0.45 la mediana 4.7
Paso 2. 𝑛 𝜀𝑖 𝜀(𝑋𝑖−𝑋)2 𝜀(𝑋𝑖−𝑥)2

Fórmula Mediana= 2 x= 𝑛 𝑠2 = S=√
𝑛−1 𝑛−1
Paso 3.
Paso 4.
Gráfica

lOMoARcPSD|7139797
Informe de resumen de grosor(Damariz Rebolledo)

A-cuadrado 0.85
Valor p 0.028
Media 4.8917
Desv.Est. 0.3291
Varianza 0.1083
Asimetría 0.018781
Curtosis 0.232272
N 120
Mínimo 4.1000
1er cuartil 4.7000
Mediana 4.9000
3er cuartil 5.1000
Máximo 5.9000
4.2 4.5 4.8 5.1 5.4 5.7
4.8322 4.9512
4.8000 5.0000
0.2921 0.3770
Media
Mediana
4.80 4.85 4.90 4.95 5.00
Paso 5. a) De acuerdo con la media y la mediana, ¿el centrado del proceso

Resultados es adecuado?
interpretacione El centrado del proceso no es el adecuado, todo parece indicar que el
s y toma de proceso esta descentrado con mucha variabilidad.
decisiones
b) Si considera sólo la media y la mediana, ¿puede decidir si el
proceso cumple con las especificaciones?
El proceso no es adecuado para el trabajo, y no cumple con las
especificaciones, requiere de modificaciones serias.
c) Calcule los límites reales, haga la gráfica de capacidad y señale

si el proceso cumple con especificaciones.
Si cumple con las especificaciones ya que la media cae dentro de los límites
reales.
2.14 En el problema anterior, con el propósito de mejorar la calidad que se tenía en

cuanto al grosor de las láminas, se implementó un proyecto de mejora siguiendo la
metodología Seis Sigma (vea el capítulo 16). Varios de los cambios implementados
fueron relativos a mejora y estandarización de los procedimientos de operación del
proceso. Para verificar si el plan tuvo éxito, se eligieron láminas de manera aleatoria y
se midió su grosor. Los 120 datos obtenidos durante tres días se muestran a
continuación:
Paso 1: 4.8 4.3 4.8 5.1 4.9 4.6 4.9 4.6 5.00 4.9 4.8 4.5
Datos 4.7 5.7 4.5 5.3 4.4 5.1 4.6 4.9 4.2 4.6 5.3 5.2
4.7 4.1 5.1 5.00 5.00 4.9 4.6 4.9 5.2 4.8 4.7 5.1
4.9 4.8 4.7 5.1 5.1 5.3 5.1 5.00 5.3 5.00 5.1 5.2
4.9 5.00 5.00 5.3 5.1 5.1 4.5 5.2 4.1 5.1 4.9 4.9
4.6 5.00 4.6 4.8 4.7 4.9 4.4 4.5 5.3 5.3 4.4 5.00
4.2 4.5 5.3 5.1 4.8 4.4 4.7 5.3 5.1 4.7 4.7 4.8

lOMoARcPSD|7139797
5.00 5.00 4.9 5.2 5.6 5.1 5.2 4.5 4.6 5.2 4.9 5.00
5.3 4.9 5.00 4.4 4.9 4.7 4.6 5.3 4.8 4.7 4.6 5.1
4.4 5.00 4.5 5.00 5.2 4.7 5.00 5.3 5.6 5.00 5.00 4.5
Proyecto
Mediana = 4.7 μ = 4.75 σ = 0.45
Nuevo
Mediana = 4.90 μ = 4.88 σ = 0.3155
Paso 2:
𝛴𝑋 𝛴 (𝑋 − 𝜇)²
Fórmula 𝜇= 𝜎= √
𝑁 𝑁
Paso 3:
586.30
Procedimiento 𝜇= = 4.88 Calculado en Minitab
120
Paso 4:
Datos σ = 0.3155
μ= 4.9
Paso 5:
Fórmula 𝐿𝑅 = 𝜇 ± 3𝜎
(𝐿𝑅𝐼 + 𝐿𝑅𝑆)
𝑀𝑒𝑑𝑖𝑎 =
2
Paso 6:
Procedimiento 𝐿𝑅𝐼 = 4.9 − (3)(0.3155) = 3.93
𝐿𝑅𝑆 = 4.9 + (3)(0.3155) = 5.83
(3.93 + 5.83)
𝑀𝑒𝑑𝑖𝑎 = = 4.88
2
Paso 7:
Gráfica

lOMoARcPSD|7139797
Summary Report for números (Damariz Rebolledo)

Anderson-Darling Normality Test
A-Squared 1,01
P-Value 0,011
Mean 4,8858
StDev 0,3155
Variance 0,0995
Skewness -0,198957
Kurtosis -0,098073
N 120
Minimum 4,1000
1st Quartile 4,7000
Median 4,9000
3rd Quartile 5,1000
Maximum 5,7000
95% Confidence Interval for Mean
4,2 4,5 4,8 5,1 5,4 5,7 4,8288 4,9429
95% Confidence Interval for Median
4,8798 5,0000
95% Confidence Interval for StDev
0,2800 0,3614
95% Confidence Intervals
Mean
Median
4,85 4,90 4,95 5,00
Paso 8: a) Calcule la media y mediana de estos datos, y compárelas con las

Resultados que se tenían antes del proyecto, decida si con los cambios se
mejoró el centrado del proceso.
En comparación con las medidas que se tenían antes, sin embargo, no se
encuentra en lo óptimo, si no dentro de los límites tolerables. Se puede en el
histograma que aún está descentrado y con mucha variabilidad.
b) Calcule la desviación estándar y, con ésta, obtenga una

estimación de los nuevos límites reales y decida si la variabilidad
se redujo.
Se redujo la variabilidad en comparación con las medidas que se tenían
antes, ya que esta disminuye de acuerdo con la desviación estándar, más
los límites si son capaces de ser cumplidos ya que la media de los mismos
se encuentra entre ellos, aunque aún sigue habiendo variabilidad, lo cual
significa que debe reducirse debido a que no es lo óptimo.
c) Construya un histograma, inserte las especificaciones e

interprételo.
Se observa que el histograma se encuentra descentrado y con mucha
variabilidad. Tiene una curva leptocúrtica, por lo tanto, no es lo normal.
d) De acuerdo con todo lo anterior, ¿el proyecto dio buenos

resultados? Argumente.
Los resultados son aceptables, más sin embargo, no son los óptimos, ya que
aún existe variabilidad. Lo bueno es que los límites y las medias están
dentro de las especificaciones dadas por el proyecto.
e) Si se observaron mejoras, ¿son suficientes para garantizar un

producto dentro de especificaciones?
No, puede haber la probabilidad de que funcione, aunque esto no es
asegurable, de acuerdo con lo mencionado anteriormente.

lOMoARcPSD|7139797
2.15 En la elaboración de envases de plástico primero se elabora la preforma, para la

cual se tienen varios criterios de calidad, uno de ellos es el peso de esta. Para cierto
envase se tiene que el peso debe estar entre 28.00 ± 0.5 g. A continuación se muestran
los últimos 112 datos obtenidos mediante una carta de control para esta variable.
Paso 1. Datos.
𝑛 ∑𝑁
𝑖=1 𝑋𝑖
MEDIANA= 2
𝜇= 𝑁
Paso 2. Formula
∑𝑖(𝑋𝑖 − 𝑋)2
𝑆=√
𝑛
Paso 3.
Calculado en minitab
Procedimiento
Paso 4. Informe de resumen Damariz Rebolledo
Gráfica Prueba de normalidad de Anderson-Darling
A-cuadrado 0.41
Valor p 0.340
Media 27.976
Desv.Est. 0.1 44
Varianza 0.021
Asimetría 0.1 86808
Curtosis -0.288861
N 112
Mínimo 27.630
1 er cuartil 27.872
Mediana 27.960
3er cuartil 28.087
Máximo 28.390
27.75 27.90 28.05 28.20 28.35

27.949 28.003
27.931 28.000
0.1 27 0.1 65
Media
Mediana
27.94 27.96 27.98 28.00

lOMoARcPSD|7139797
Paso 5. a) Obtenga las medidas de tendencia central y señale si la

Resultados, tendencia central de las mediciones es adecuada.
interpretaciones y  La media de los pesos es de 27.98 g.
toma de decisiones.  La mediana de los pesos de los envases es de 27.96g.
 La varianza de los pesos es de 0.021
 La desviación estándar de los datos obtenidos es de 0.1437.
 La moda del peso de los envases es de 27.94
La tendencia central es la adecuada, puesto que está en el rango marcado
por la empresa.
b) Calcule la desviación estándar y una aproximación de los límites

reales y con base en estos decida si la variabilidad de los datos
es aceptable.
La desviación estándar de los datos es de 0.1437.
Es aceptable puesto que está dentro del rango de .5 que la empresa está
manejando para el peso de sus botellas.
c) obtenga un histograma e interprételo (tendencia central,

variabilidad, acantilados, sesgos, etc.).
Tendencia central:
 La media de los pesos es de 27.98 g.
 La mediana de los pesos de los envases es de 27.96g.
 La desviación estándar de los datos obtenidos es de 0.1437.
 La moda del peso de los envases es de 27.94
La tendencia central es la adecuada puesto que está en el rango marcado
por la empresa.
Variabilidad:
Los valores de los datos no varían más de 1 del valor más pequeño al más
grande, lo cual especifica la empresa, por lo tanto es aceptable.
Acantilados:
Con lo que se puede observar en el histograma mis pesos están saliendo en
mayoría en el rango de -.5 y los que son +.5 son más dispersos.
Sesgo:

lOMoARcPSD|7139797
Está un poco más inclinado al lado positivo, sin embargo es mínimo.
d) ¿Es adecuado el peso de las preformas?

Si es el adecuado puesto que está en el rango establecido por la misma
empresa como rango de tolerancia.
e) ¿Hay evidencias en contra de la normalidad de los datos?

Se podrían tomar como evidencia en contra algunos datos que están un poco
más dispersos que la mayoría, sin embargo están dentro del estándar.
2.16 Una característica clave en la calidad de las pinturas es su densidad, y un

componente que influye en ésta es la cantidad de arenas que se utilizan en su
elaboración. La cantidad de arena en la formulación de un lote se controla por medio
del número de costales, que según el proveedor contienen 20 kg. Sin embargo,
continuamente se tienen problemas en la densidad de la pintura que es necesario
corregir con retrabajo y reprocesos adicionales. En este contexto se decide investigar
cuánta arena contienen en realidad los costales. Para ello, se toma una muestra
aleatoria de 30 costales de cada lote o pedido (500 costales). Los pesos obtenidos en
las muestras de los últimos tres lotes se muestran adelante. Las especificaciones
iniciales que se establecen para el peso de los costales de arena son de 20 ± 0.8 kg.
Paso 1.
Datos

𝑛−1 𝑛−1
Paso 3.
Procedimiento Calculado con minitab
Paso 4.
Gráfica

lOMoARcPSD|7139797
Informe de resumen de LOTES Damariz Rebolledo

A-cuadrado 5.95
Valor p <0.005
Media 19.674
Desv.Est. 1.196
Varianza 1.430
Asimetría 5.5306
Curtosis 43.5561
N 90
Mínimo 17.800
1er cuartil 19.100
Mediana 19.600
3er cuartil 20.000
Máximo 29.100
18 20 22 24 26 28
19.424 19.925
19.400 19.700
1.043 1.402
Media
Mediana
19.4 19.6 19.8 20.0
Informe de resumen de LOTE 1 Damariz Rebolledo

A-cuadrado 0.52
Valor p 0.167
Media 19.353
Desv.Est. 0.554
Varianza 0.307
Asimetría 1.00450
Curtosis 1.40174
N 30
Mínimo 18.600
1er cuartil 19.000
Mediana 19.250
3er cuartil 19.650
Máximo 21.000
18.5 19.0 19.5 20.0 20.5 21.0
19.147 19.560
19.100 19.477
0.441 0.745
Media
Mediana
19.1 19.2 19.3 19.4 19.5

A-cuadrado 0.17
Valor p 0.920
Media 19.297
Desv.Est. 0.690
Varianza 0.476
Asimetría 0.064659
Curtosis -0.257977
N 30
Mínimo 17.800
1er cuartil 18.800
Mediana 19.350
3er cuartil 19.700
Máximo 20.700
18.0 18.5 19.0 19.5 20.0 20.5
19.039 19.554
18.923 19.600
0.550 0.928
Media
Mediana
19.0 19.2 19.4 19.6

lOMoARcPSD|7139797

A-cuadrado 6.55
Valor p <0.005
Media 20.373
Desv.Est. 1.687
Varianza 2.846
Asimetría 5.0888
Curtosis 27.0454
N 30
Mínimo 19.600
1er cuartil 19.700
Mediana 20.000
3er cuartil 20.400
Máximo 29.100
20 22 24 26 28
19.743 21.003
19.823 20.200
1.344 2.268
Media
Mediana
20.0 20.5 21.0
Paso 6:
Resultados a) De acuerdo con los 90 datos, ¿el centrado del proceso es
adecuado?
El centrado es adecuado, pero requiere un debido control.
b) ¿la variabilidad es poca o mucha? Apóyese en los estadísticos

adecuados.
La variabilidad es mucha ya que están muy alejados uno del otro.
c) Obtenga un histograma para los 90 datos, inserte las

especificaciones.
d) Dé su conclusión general acerca de si los bultos cumplen con el

peso especificado.
Los bultos no cumplen con el peso especificado ya que no están dentro de
los límites permitidos.
e) Haga un análisis de cada lote por separado y con apoyo de
estadísticos y gráficas, señale si hay diferencias grandes entre
los lotes.
Si analizamos los 3 lotes juntos, tendríamos como resultado 2 realidades, ya
que un conjunto de datos queda fuera de la curva, por lo tanto, el proceso no
es el adecuado.
f) ¿Las diferencias encontradas se podrían haber inferido a partir

del histograma del inciso e)?
Si los lotes se analizan por separado, podemos encontrar diversos
resultados. El lote 1 está centrado por la izquierda, con una distribución
bimodal, mientras que el lote 2 está centrado y el lote 3 está totalmente a la
izquierda dejando un conjunto de datos fuera de la curva; por lo tanto
concluimos que es mejor analizar los datos por separado, para tener una
mejor visión de la realidad.
g) Obtenga un diagrama de caja para cada lote y compárelos.

lOMoARcPSD|7139797
2.17 En una empresa que fabrica y vende equipo para fotocopiado utilizan como un
indicador importante de la calidad en el servicio posventa, el tiempo de respuesta a
solicitudes de apoyo técnico debido a fallas en los equipos. Para problemas mayores,
en cierta zona del país se estableció como meta que la respuesta se de en un máximo
de 6 horas hábiles; es decir, de que habla el cliente solicitando apoyo, y que si el
problema se clasifica como grave no deben pasar más de 6 horas hábiles para que un
técnico acuda a resolver el problema. A continuación se aprecian los tiempos de
respuesta en horas para los primeros nueve meses del año (65 datos).
Paso 1. Datos

𝑛−1 𝑛−1
Paso 3.
Procedimiento Calculado en minitab
Paso 4. Informe de resumen de Tiempos de respuestas (Damariz Rebolledo)

Gráficas A-cuadrado
Valor p
0.48
0.225
Media 5.3545
Desv.Est. 1.5601
Varianza 2.4340
Asimetría -0.333250
Curtosis -0.546564
N 55
Mínimo 1.7000
1er cuartil 4.2000
Mediana 5.4000
3er cuartil 6.8000
Máximo 8.3000
1.6 3.2 4.8 6.4 8.0
4.9328 5.7763
4.9572 5.9000
1.3134 1.9218
Media
Mediana
5.0 5.2 5.4 5.6 5.8
Paso 5. a) Calcule las medidas de tendencia central y con base en éstas,

Resultados, ¿cree que se cumple con la meta?
interpretacione De acuerdo a las medidas de tendencia central se llega a la conclusión de
s y toma de que los límites no sobrepasan y por esto se cumple la meta que se
decisiones estableció.
b) Aplique la regla empírica, interprete y diga qué tan
bien se cumple la meta.
Si se cumple la meta

lOMoARcPSD|7139797
c) Haga un histograma e interprete sus aspectos más

relevantes.
Se presenta mucha variabilidad y está descentrada.
d) A partir del análisis que se ha realizado, ¿qué
recomendaciones daría para ayudar a cumplir mejor
la meta?
Daría una clasificación menor de tiempo para los problemas que
son considerados como graves.
2.18. Los siguientes datos representan las horas caídas de equipos por semana en tres
líneas de producción.
Paso 1.
Datos.
Paso 2.
Formulas.
∑𝑁
𝑖=1 𝑋𝑖 ∑𝑖(𝑋𝑖−𝑋)2
MEDIANA=
𝑛
𝜇= 𝑆=√
2 𝑁 𝑛
Paso3.
Procedimiento

lOMoARcPSD|7139797
Paso 4. Linea 1 Damariz Rebolledo

Gráficas Prueba de normalidad de Anderson-Darling
A-cuadrado
Valor p
0.33
0.493
Media 6.8720
Desv.Est. 1 .0498
Varianza 1 .1 021
Curtosis -0.94071 2
N 25
Mínimo 5.0000
1 er cuartil 6.0500
Mediana 7.1 000
3er cuartil 7.7500
Máximo 8.6000
5 6 7 8
6.4387 7.3053
6.21 98 7.5802
0.81 97 1 .4604
Media
Mediana
6.5 7.0 7.5
Linea 2 Damariz Rebolledo

A-cuadrado 0.23
Valor p 0.779
Media 6.9960
Desv.Est. 1 .0006
Varianza 1 .001 2
Asimetría 0.1 33962
Curtosis 0.0081 61
N 25
Mínimo 5.0000
1 er cuartil 6.2500
Mediana 6.9000
3er cuartil 7.5500
Máximo 9.2000
5 6 7 8 9
6.5830 7.4090
6.41 98 7.4000
0.781 3 1 .3920
Media
Mediana
6.50 6.75 7.00 7.25 7.50
Linea 3 Damairz Rebolledo

A-cuadrado 1 .21
Valor p <0.005
Media 7.3280
Desv.Est. 0.8754
Varianza 0.7663
Asimetría -0.51 749
Curtosis -1 .29007
N 25
Mínimo 5.8000
1 er cuartil 6.3500
Mediana 7.5000
3er cuartil 8.1 000
Máximo 8.5000
6.0 6.4 6.8 7.2 7.6 8.0 8.4

6.9667 7.6893
6.7594 8.0802
0.6835 1 .21 78
Media
Mediana
7.0 7.5 8.0

lOMoARcPSD|7139797
Paso 5. a) Analice los datos por cada línea y anote las principales
Interpretación. características de la distribución de los datos.
Linea 1
Media: 6.8720
Desv: 1.0498
Mediana: 7.100
Linea 2.
Media: 6.9960
Desv: 1.0006
Mediana:6.9000
Linea 3.
Media: 7.3280
Desv: 0.8754
Mediana: 7.500
Las Lineas 1 y 2 son muy parecidas en cuanto a su media y mediana, sin

embargo la desv. Estándar de cada una es muy diferente. Por lo cual
guiándonos por la Desv. Podemos decir que la línea 1 tiene menos control,
sin embargo las demás líneas tienen mas caídas de producción.
b) Compare las tres líneas, ¿Nota alguna diferencia importante?

La línea 2 tiene caídas aparentemente similares y las líneas 1 y 3 tienen
caídas parecidas.
2.19 Una característica importante en la calidad de la leche de vaca es la concentración

de grasa. En una industria en particular se fijó 3.0% como el estándar mínimo que debe
cumplir el producto que se recibe directamente. de los establos lecheros. Por medio de
muestreos y evaluaciones en cierta época del año se obtuvieron los siguientes 90 datos
sobre concentración de grasa en cierta región.
Paso 1. Datos

𝑛−1 𝑛−1

lOMoARcPSD|7139797
Paso 3.
Procedimiento Calculado en minitab
Paso 4.
Gráficas
Paso 5. a) Calcule las medidas de tendencia central y de variabilidad, y

Resultados, comente acerca del cumplimiento del estándar mínimo para la
interpretación y concentración de grasa.
toma de
decisiones La media de los datos es de 3.18
La desviación estándar es de 0.31
La varianza de los datos es de 0.09
b) Obtenga un histograma, inserte el estándar mínimo e intérprete

de manera amplia.
El conjunto de datos de grasa está ligeramente descentrado por la derecha y

la distribución es bimodal.
c) La población de donde provienen estos datos, ¿cumple el

estándar mínimo?
Si, cumple con los estándares fijados en el conjunto de datos
d) ¿Se puede suponer distribución normal?

Sí, porque los datos concuerdan y no existe mucha variabilidad.

lOMoARcPSD|7139797
2.20 En la elaboración de envases de plástico es necesario garantizar que cierto tipo de

botella en posición vertical tenga una resistencia mínima de 20 kg fuerza. Para
garantizar esto, en el pasado se realizaba una prueba del tipo pasa-no-pasa, donde se
aplicaba la fuerza mínima y se veía si la botella resistía o no. En la actualidad se realiza
una prueba exacta, en la que mediante un equipo se le aplica fuerza a la botella hasta
que ésta cede, y el equipo registra la resistencia que alcanzó. ¿Qué ventajas y
desventajas tiene cada método?
En la prueba pasa-no-pasa la ventaja sería que puede que haya menos probabilidad de que
las botellas se rompan, ya que la fuerza aplicada es mínima, sin embargo, el control de la
calidad no sería tan eficiente, ya que el rango de fuerza aplicada es mínimo, y no se tiene una
garantía de que la botella resista una fuerza mayor.
En la prueba exacta, como su nombre lo dice, el control de calidad es más exacto, ya que se
tiene un registro de la resistencia promedio que una botella puede soportar sin romperse, por
lo tanto, ya se tiene una media de presión registrada y un control establecido, teniendo así
mejores resultados y productos de mayor calidad.
2.21 En el caso del problema anterior, a continuación, se muestran 100 datos obtenidos en las
pruebas destructivas de la resistencia de botellas.
Paso 1: Datos 28,3 26,1 28,4 27,7 26,9 27,2 27,4 25,6 26,8 27,9 28,3 27,8
26,8 28,1 26,3 25,2 27,7 27,3 26,2 29,5 29,5 28,7 27,0 24,7
26,6 26,9 28,1 28,6 26,2 27,0 29,4 27,6 26,9 25,3 23,7 27,6
26,5 26,2 28,7 29,3 27,0 27,7 28,6 27,3 27,2 29,2 27,7 26,2
28,1 27,7 27,0 27,8 27,6 29,5 24,9 26,5 27,6 26,5 26,5 24,7
24,8 27,2 25,5 25,1 28,8 26,4 25,2 29,1 25,5 28,7 28,6 27,2
30,4 25,9 28,8 26,6 27,1 25,8 28,0 23,7 28,3 26,4 25,7 23,8
27,7 26,5 25,0 26,8 26,4 26,7 27,6 29,7 27,4 26,3 27,1 27,4
27,0 28,3 25,3 26,4
Paso 2:
Fórmula 𝛴𝑋
𝜇=
𝑁
𝛴 (𝑋 − 𝜇)²
𝜎= √
𝑁
𝑁
− 𝐹𝑖 − 1
𝑀𝑒 = 𝐿𝑖 + 2 ∙ 𝑡𝑖
𝑓𝑖
[𝑓𝑖 − (𝑓𝑖 − 1)]

𝑀𝑜 = 𝐿𝑖 + ∙ 𝑡𝑖
[𝑓𝑖 − (𝑓𝑖 − 1)] + [𝑓𝑖 − (𝑓𝑖 − 1)]

lOMoARcPSD|7139797
𝐿𝑅 = 𝜇 ± (3)(𝜎)
𝜎
𝐶𝑣 = (100)
𝜇
Paso 3: Calculado en minitab
Procedimiento 𝜇 = 27.095
𝜎 = 1.389
𝑀𝑒𝑑𝑖𝑎𝑛𝑎 = 27.100
𝑀𝑜𝑑𝑎 = 27.7
𝐿𝑅𝐼 = 27.095 − (3)(1.389) = 22.928
𝐿𝑅𝑆 = 27.095 + (3)(1.389) = 31.262
𝜎 2 = 1.929
𝑀í𝑛𝑖𝑚𝑜 = 23.700
𝑀á𝑥𝑖𝑚𝑜 = 30.400
𝑅𝑎𝑛𝑔𝑜 = 6.700
𝐶𝑣 = 5.126
Paso 4.
Gráficas
Summary Report for C1 (Damariz Rebolledo)

Anderson-Darling Normality Test
A-Squared 0,25
P-Value 0,753
Mean 27,095
StDev 1,389
Variance 1,929
Skewness -0,182670
Kurtosis -0,101006
N 100
Minimum 23,700
1st Quartile 26,300
Median 27,100
3rd Quartile 28,075
Maximum 30,400
95% Confidence Interval for Mean
24,0 25,5 27,0 28,5 30,0 26,819 27,371
95% Confidence Interval for Median
26,800 27,452
95% Confidence Interval for StDev
1,219 1,613
95% Confidence Intervals
Mean
Median
26,8 26,9 27,0 27,1 27,2 27,3 27,4
Paso 5: a) Calcule las medidas de tendencia central y de variabilidad.

Resultados Se encuentran calculadas en el paso 3: Procedimiento.

lOMoARcPSD|7139797
b) Estime los límites reales y comente si las botellas cumplen la

resistencia mínima que se desea garantizar.
Si cumplen, ya que la media cae dentro de los límites reales, por lo tanto, se
cumple con las especificaciones.
c) Obtenga un histograma, inserte una línea vertical en el valor de

la resistencia mínima e interprete ampliamente.
Como se observa en el paso 4: gráficas, el histograma se encuentra un
poco sesgado a la derecha, tiene mucha variabilidad, y no se muestra
fácilmente el valor de la resistencia mínima, por lo tanto, puede que sea
conveniente realizar otros ajustes.
d) Con base en los análisis anteriores. ¿considera que el proceso

cumple con la especificación inferior?
No, ya que como mencionado anteriormente, no se muestra en el
histograma que muchos datos cumplan con esa especificación.
2.22. En una empresa que elabora productos lácteos se tiene como criterio de calidad
para la crema que ésta tenga un porcentaje de grasa de 45 con una tolerancia de ± 5. De
acuerdo con los muestreos de los últimos meses se tiene una media de 44 con una
desviación estándar de 1.3. Haga un análisis de capacidad para ver si se está
cumpliendo con la calidad exigida, represente gráficamente los datos y comente los
resultados obtenidos.
Paso 1. Datos:
𝜇 = 44, 𝜎 = 1.3
𝐸𝐼 = 45 − 5 = 40, 𝐸𝑆 = 45 + 5 = 50
Paso 2.
Fórmula: 𝐸𝑆 − 𝐸𝐼
𝐶𝑝 =
6𝜎
Paso 3.
Procedimiento: 50 − 40 10
𝐶𝑝 = 𝐶𝑝 = = 1.28
6(1.3) 7.8

lOMoARcPSD|7139797
Paso 4. Gráfica:
40 𝜇 = 44 45 50
Paso 5. Todo parece indicar que el proceso está descentrado por la izquierda.
Resultados, Se tiene información necesaria para evaluar la calidad donde 𝐶𝑝 es mayor
interpretaciones que 1 pero menor que 1.33 (1 < 𝐶𝑝 < 1.33) cuando el proceso está
y toma de centrado, donde el proceso está parcialmente adecuado, y requiere de un
decisiones. control estricto, pero podemos suponer que no es buena porque el proceso
no está centrado.
2.23 El volumen en un proceso de envasado debe estar entre 310 y 330 mi. De acuerdo
con los datos históricos se tiene que µ= 318 y σ= 4. ¿El proceso de envasado funciona
bien en cuanto al volumen? Argumente su respuesta.
Paso 1. Datos
EI=310 ES= 330 µ= 318 σ= 4
Paso 2.
Fórmula 𝐸𝑆 − 𝐸𝐼
𝐶𝑝 =
6𝜎
Paso 3.
Procedimiento 330 − 310 20
𝐶𝑝 = 𝐶𝑝 = = 0.8333
6(4) 24
Paso 4.
Gráficas
310 𝜇 = 318 330

lOMoARcPSD|7139797
Paso 5. Si hacemos una nalisis de la media poblacional y relacionamos con los

Resultados, limites de control esta se encuentra dentro de rango por lo tanto se puede
interpretación y afirmar que el proceso marcha bien mas sin embargo todo parece indicar
decisiones que el proceso está descentrado por la izquierda.
Se tiene información necesaria para evaluar la calidad donde 𝐶𝑝 es menor
que 1 pero mayor que 0.67 (0.67 < 𝐶𝑝 < 1) cuando el proceso está
centrado, donde el proceso no es adecuado para el trabajo. Es necesario
un análisis del proceso. Requiere de modificaciones serias para alcanzar
una calidad satisfactoria.
2.24 En la elaboración de una bebida se desea garantizar que el porcentaje de co2 ( gas)
esté entre 2.5 y 3.0. En el monitoreo del proceso se obtuvieron los siguientes 115 datos:
Paso 1. 2.61 2.62 2.65 2.56 2.68 2.51 2.69 2.53 2.67 2.66 2.63 2.52 2.61 2.64 2.49
Datos 2.58 2.61 2.53 2.57 2.56 2.52 2.58 2.64 2.59 2.73 2.51 2.61 2.71 2.64 2.59
2.60 2.61 2.55 2.66 2.69 2.56 2.61 2.49 2.63 2.72 2.67 2.52 2.64 2.62 2.64
2.65 2.67 2.61 2.50 2.65 2.57 2.55 2.64 2.66 2.56 2.60 2.59 2.56 2.57 2.66
2.56 2.62 2.63 2.57 2.60 2.53 2.61 2.60 2.52 2.62 2.67 2.58 2.53 2.57 2.66
2.51 2.57 2.55 2.57 2.58 2.52 2.61 2.55 2.55 2.60 2.64 2.56 2.60 2.57 2.48
2.64 2.67 2.60 2.59 2.67 2.56 2.63 2.57 2.61 2.49 2.60 2.70 2.67 2.65 2.60
2.58 2.59 2.65 2.67 2.61 2.52 2.65 2.57 2.52 2.64
Paso 2.
Fórmulas 𝑥1 + 𝑥2 + ⋯ 𝑥𝑛
𝑋̅ =
𝑛
(𝑥1 − 𝑥̅ )2 + (𝑥2 − 𝑥̅ )2 + ⋯ + (𝑥𝑛 − 𝑥̅ )2

𝑆= √
𝑛−1
Paso 3.

lOMoARcPSD|7139797
Paso. 4 Damariz Rebolledo

Gráfica Normal
25 Media 2.599
Desv.Est. 0.05580
N 115
20
Frecuencia
15
10
0
2.50 2.55 2.60 2.65 2.70
co2
Paso 5.
Resultados, a) Por medio de medidas de tendencia central determine si la
interpretaciones tendencia central de las mediciones es adecuada.
y toma de Media: 2.5989
decisiones Desv. Estándar: 0.0558
Varianza: 0.00311
Mediana: 2.6000
Moda: 2.61
b) Calcule la desviación estándar y una aproximación de los límites

reales y, con base en éstos, decida si la variabilidad de los datos
es aceptable.
Variable N N* Media estándar Desv.Est. Varianza CoefVar
Mínimo
% de Co2 115 0 2.6250 0.0259 0.2779 0.0772 10.59
2.4800
c) Obtenga un histograma e interprételo (tendencia central,

variabilidad, acantilados, sesgos, etc).
Paso 4
d) Con la evidencia obtenida antes, ¿cuál es su opinión acerca de

la capacidad del proceso referido?
Hay una cierta cantidad que no cumple con el rango de calidad
(falta agregar más Co2)

lOMoARcPSD|7139797
CAPITULO 3
CONCEPTOS CLAVE
Experimento aleatorio: Su resultado no puede anticiparse aun cuando se repita bajo las
mismas condiciones.
Espacio muestra: Es el conjunto de resultados posibles de un experimento aleatorio.
Evento: Es un subconjunto del espacio muestra de un experimento aleatorio.
Variable aleatoria: Función que asocia un número a cada resultado de un experimento
aleatorio.
Variable aleatoria discreta: Variable a la que se pueden numerar los posibles valores que
toma
Distribución de probabilidad de X: Es una descripción del conjunto de los valores posibles
de X con la probabilidad asociada a cada uno de estos valores
Experimento Bemoulli: Ensayo aleatorio que sólo tiene dos resultados posibles llamados
"éxito" y "fracaso".
Distribución binomial 𝝁, p: Proporciona la probabilidad de observar x éxitos en una
secuencia den experimentos Bernoulli independientes con una probabilidad constante p de
éxito.
Distribución geométrica: Proporciona: la probabilidad de requerir X repeticiones
independientes de un experimento Bernoulli para observar el primer éxito
Distribución hipergeométrica: Da la probabilidad de obtener X éxitos en n experimentos
Bernoulli, donde la probabilidad de éxito cambia de un experimento al siguiente.
Distribución normal: Es una distribución continua cuya densidad tiene forma de campana.
Es muy importante tanto en la estadística teórica como en la aplicada.
Gráfica de probabilidad: Procedimiento que permite determinar si los datos muéstrales se
ajustan a una distribución específica.
PROBLEMAS
3.1 Señale qué es una variable aleatoria e incluya un par de ejemplos de variables
aleatorias discretas y otro par de continuas.
Es la función que asocia un número a cada resultado de un experimento aleatorio.
a) Variable aleatoria discreta: (Conjunto finito o numerable)

Una recepcionista recibe 20 llamas por día, Una muestra de tornillos defectuosos en un
proceso es de 15.
b) Variable aleatoria continua: (Intervalo finito o infinito)

Peso, volumen, longitud.

lOMoARcPSD|7139797
3.2. ¿Qué es una distribución de probabilidad?
Es una descripción del conjunto de los valores posibles de X con la probabilidad asociada a
cada uno de estos valores.
3.3. ¿Qué es una función de densidad de probabilidades y qué requisitos debe cumplir?
La distribución se representa a través de una tabla que relaciona resultados con

probabilidades, o bien, por medio de una fórmula. En el caso discreto, la función f(x) = P(X =
x) que va del rango de X al intervalo [0, 1] recibe el nombre de función de probabilidad, y
cumple con las siguientes propiedades:
l.f(x) = P(X = x).

2.f(x) ฀ O para toda x (no hay probabilidades negativas).
3.lf(x) = 1 (la suma de las probabilidades de todos los posibles valores de X es igual a 1).
3.4 Explique en cada caso qué tipo de variables siguen una distribución binomial, de
Poisson e hipergeométrica. Mencione dos ejemplos de cada una de ellas.
a) Distribución binomial:
Son variables del tipo “pasa, no pasa”; es decir, variables que tienen que cumplir con
determinado criterio. La probabilidad de éxito es constante.
 Un proceso produce 5% de piezas defectuosas si se encuentran X número de piezas
defectuosas en las siguientes 20.
 Un virus está afectando al 20% de la población si X cantidad de las siguientes 30
personas estudiadas lo tienen.
b) Distribución de Poisson:
La variable que calcula la distribución de Poisson es la cantidad de defectos en un sistema.
 Numero de impurezas en un líquido dado su volumen.
 Numero de defectos en una línea de producción.
c) Distribución Hipergeometrica:
En esta distribución, la probabilidad de éxito del experimento no se mantiene constante,
pero sigue el tipo de variable “pasa, no pasa”. Determinada debido a que el tamaño de la
muestra es muy pequeño.
 Se toma una muestra de una línea de producción que se sabe contiene defectos.
 Se estudia el efecto de una vacuna en una porción de la población que se sabe
contiene viruela.
3.5 ¿Cuál es la relación entre la distribución normal y la distribución ji-cuadrada?
Si a es un número entero, entonces r(a) = (a- 1). La media y la varianza de una distribución ji-
cuadrada con k grados de libertad están dadas por E (X) = k y <r2 = 2k. Esta distribución es
relevante para hacer inferencias acerca de la desviación estándar, o; de una población con

lOMoARcPSD|7139797
distribución normal, ya que, si se obtiene una muestra de tamaño n, entonces el estadístico

tiene una distribución ji-cuadrada con n- 1 grados de libertad (S2, es la varianza muestra).
3.6 ¿Cómo se relaciona la distribución T de Student con la ji-cuadrada?
Tanto la distribución T y la Ji-cuadrada, manejan n-1 grados de libertad cuando se busca la

densidad.
Ambas se acercan a la distribución normal, Ji-cuadrada cuanto más crecen sus grados de
libertad y T cuando el tamaño de la muestra aumenta.
Además la distribución T, necesita de una variable que tenga una distribución Ji-cuadrada.
La distribución Ji-cuadrada sirve principalmente para analizar la desviación estándar, mientras
que la distribución T sirve para analizar la media poblacional.
3.7. El departamento de compras inspecciona un pedido de 500 piezas eléctricas, para

lo cual toma una muestra aleatoria de 20 de ellas y se prueban. El vendedor asegura
que el porcentaje de piezas defectuosas es sólo de 5%, así, suponiendo el peor de los
casos según el vendedor, p = 0.05, responda lo siguiente:
Paso 1. Hipergeomètrica= 500 piezas

Datos N=20
M=5%
P= 0.05
Paso 2. Probabilidad (x>2) =? Variable
Fórmula discreta p(x>2) =p(x≥3) =?
Paso 3. Calculado en minitab

Procedimiento
Paso 4.
Gráfica

lOMoARcPSD|7139797
Paso 5. a) ¿Cuál es la probabilidad de que el porcentaje muestra de

Resultados, defectuosos sea mayor a 10%?
interpretación y La probabilidad del porcentaje de muestra es de 0.0716
toma de
decisiones b) ¿cuál es la probabilidad de obtener una o menos piezas
defectuosas?
La probabilidad para obtener las piezas que son defectuosas es de 0.0736

lOMoARcPSD|7139797
3.8 Un proceso de producción de partes trabaja con un porcentaje promedio de

defectos de 5%. Cada hora se toma una muestra aleatoria de 18 artículos y se prueban.
Si la muestra contiene más de un defecto el proceso deberá detenerse.

lOMoARcPSD|7139797
3.9 Un fabricante de calculadoras electrónicas desea estimar la proporción de unidades

defectuosas producidas, para ello toma una muestra aleatoria de 250 y encuentra 25
defectuosas. Con base en esto el fabricante afirma que el porcentaje de calculadoras
defectuosas que se produce es de 10%, ¿es real esta afirmación?
Argumente su respuesta.

lOMoARcPSD|7139797
3.10. Un fabricante de galletas desea que, con probabilidad de 0.95, cada galleta
contenga al menos una pasa.
Paso 1. Probabilidad =0.95

Datos 𝜇=1
Paso 2. 𝑒 −ʎ ʎ𝑥
Formula 𝑓 (𝑥, ʎ) =
𝑥!
Paso 3. 𝑒 −1 17
procedimiento 𝑓(7,1) = = 0.00008324
7!
Paso 4. grafica Gráfica de distribución( Damariz Rebolledo)

Poisson; Media=1
0.4
0.3
Probabilidad
0.2
0.1
0.6321
0.0
0 1
X
Gráfica de distribución(Damariz Rebolledo)

Poisson; Media=1
0.4
0.3
Probabilidad
0.2
0.1
0.00008324
0.0
0 7
X
Paso 5. ¿Cuántas pasas en promedio por galleta deberá agregar a la masa

Resultados, como mínimo?
interpretaciones Deberá agregar a la masa como mínimo 0.6321
y toma de ¿Cuál es la probabilidad de que una galleta contenga más de seis
decisiones pasas?
La probabilidad de que una galleta contenga más de 6 pasas es del
0.00008324

lOMoARcPSD|7139797
3.11. En un almacén se inspeccionan todos los lotes de cierta pieza que se reciben;
para ello, se emplean muestras de tamaño 100. Se sabe que el proceso genera 1% de
piezas defectuosas y se tiene el criterio de rechazar el lote cuando se encuentran más
de tres piezas defectuosas en la muestra. ¿Cuál es la probabilidad de aceptar un lote?
¿Cuál es la probabilidad de que se tengan que inspeccionar 10 lotes antes de rechazar
el primero del día?
Paso 1. N : 100, p: 0.01, x < 3

Datos
Paso 2. Probabilidad
Fórmula
Procedimiento
Paso 4.
Gráfica Gráfica de distribución (Damariz Rebolledo)
Binomial, n=100, p=0.01
0.4
0.3
Probabilidad
0.2
0.1
0.0
0 1 2 3 4 5 6
X
Paso 5. De acuerdo con la gráfica de distribución binomial, la probabilidad de

Resultados, aceptar un lote es de 0.01837.
interpretaciones
y decisiones
3.12. Una caja contiene cuatro artículos defectuosos y ocho en buen estado. Se sacan
dos artículos al azar.
Paso 1. M=8 , k=4 , N=12, n=2

Datos
Paso 2. -
Formula
Paso 3. -
procedimiento

lOMoARcPSD|7139797
Paso 4. Gráfica de distribución(Damariz Rebolledo)

Gráfica Hipergeométrico; N=12; M=8; n=2
0.5
0.9091
0.4
Probabilidad
0.3
0.2
0.1
0.0
0 1
X
Gráfica de distribución(Damariz Rebolledo)

Hipergeométrico; N=12; M=8; n=2
0.5
0.4242
0.4
Probabilidad
0.3
0.2
0.1
0.0
0 2
X
Paso5. a) ¿Cuál es la probabilidad de que al menos uno sea bueno?

Resultados La probabilidad de que sea al menos uno bueno es de P(X>=1)=0.9091
interpretaciones
y toma de b) ¿Cuál es la probabilidad de que los dos sean del mismo tipo
decisiones (buenos o malos)?
La probabilidad de que los dos sean del mismo tipo buenos o malos es
𝑃 (𝑋 = 2) + 𝑃(𝑋 = 0) = 1 − 𝑃(𝑋 = 1)
𝑃 = 1 − 𝑂. 4242 = 0.5758
c) ¿Cuál es el valor esperado de los artículos buenos?

𝑀
Valor esperado= 𝑛𝑝 = 𝑛 ∗ 𝑁
8
𝑛𝑝 = 2 ∗
12
𝑛𝑝 = 0.833

lOMoARcPSD|7139797
3.13 Un gerente de producción de cierta compañía está interesado en probar los

productos terminados que están disponibles en lotes de tamaño 50. Le gustaría
retrabajar el lote si puede estar seguro de que 10% de los artículos están defectuosos
en la muestra. Entonces, decide tomar una muestra de tamaño 10 sin reemplazo y
retrabajar el lote si encuentra uno o más defectuosos en la muestra. ¿Es éste un
procedimiento razonable? Argumente su respuesta.
Paso 1. N=50 M=5 n=10

Datos
Fórmula
Procedimiento
Paso 4. Gráfica de distribución (Damariz Rebolledo)
Gráfica Hipergeométrico, N=50, M=5, n=10
0.4
0.3
Probabilidad
0.2
0.1
0.0
0 1 2 3 4 5
X
Paso 5. ¿Es éste un procedimiento razonable?

Resultados, No ya que está tomando solo una pequeña muestra de toda la población y
interpretaciones podría haber más defectuosas en el resto que no está tomando.
y toma de
decisiones
3.14. Una máquina llena cajas de cereal y lo hace siguiendo una distribución normal
con varianza igual a 0.01 onzas. ¿Qué nivel de contenido deberá fijarse en la máquina sí
se desea que sólo 1% de las cajas contenga menos de 20 onzas?
Paso 1. 𝜇 = 20 𝜎 = 0.01
Datos
Paso 2.
Fórmula Calculado en Minitab
Paso 3.

lOMoARcPSD|7139797
Paso 4. Gráfica de distribución Damariz Rebolledo

Gráficas Normal, Media=20, Desv.Est.=0.01
40
30
Densidad
20
10
0.01
0
20 20.02
X
Paso 5. El nivel de contenido que deberá fijarse en la máquina

Resultados, interpretaciones y para que el 1% de las cajas contenga menos de 20
toma de decisiones. onzas es de 20.02.
3.15 En una compañía aérea 40% de las reservaciones que se hacen con más de un
mes de anticipación son canceladas o modificadas. En una muestra de 20
reservaciones ¿Cuál es la probabilidad de que 10,11 o 12 reservaciones no hayan
cambiado?
a) Conteste usando la distribución binomial.

lOMoARcPSD|7139797
b) Resuelva con base en la distribución normal con la media y la varianza de la

binomial considerando el rango de 9.5 a 12.
3.16. Se hace un estudio de la duración en horas de 20 focos y se obtienen los

siguientes datos: 138.62, 37, 62, 25.00, 59.36, 87.50, 75.49, 56.46, 33.86, 61.30, 323.52,
1.50, 186.34, 193.65, 11.34, 52.20, 381.41, 2.68.
Paso 1. Datos 138.62, 37, 62, 25.00, 59.36, 87.50, 75.49, 56.46, 33.86, 61.30, 323.52,
1.50, 186.34, 193.65, 11.34, 52.20, 381.41, 2.68.
Paso 2. Fórmulas 1 -x
Procedimiento
Paso 4.
Gráfica

lOMoARcPSD|7139797
Paso 5 a) Encuentre, mediante gráficas de probabilidad,

Resultados, una distribución continua que se ajuste de
Interpretaciones y manera adecuada a los datos.
toma de decisiones
 La gráfica de probabilidad se encuentra en el
paso 4
b) Considere una distribución exponencial con parámetro
= 1 - x obtenga la probabilidad de que los focos duren
más de 300 horas
 La probabilidad de que los focos duren más de 300 horas
es del 95%
3.17 Una máquina realiza cortes de manera automática de ciertas tiras metálicas con
media µ=40,1 cm y una desviación estándar 0,2 cm. La media óptima de tales tiras debe
ser de 40 cm con un tolerancia de más o menos 0,5 cm. Suponiendo distribución
normal estime el porcentaje de las tiras que cumple con las especificaciones
Paso 1. Media: µ=40.1 cm

Datos Desviación estándar: 0.2 cm
Media Optima: 40 cm
Tolerancia: 0.5 cm
Especificación inferior= 39,5
Especificación Superior = 40,5
Paso 2. X: Medida de corte de las tiras metálicas (cm) ~ N( µ,σ2)
Fórmula Z= (X-µ)/σ
Paso 3.
Procedimiento P( 39,5 < X <40,5)= P[( 39,5-40,1)/0,2 < Z < ( 40,5-40,1)/0,2]=??? P[-
3< Z< 2]=0,976
Paso 4. Gráficas

lOMoARcPSD|7139797
Paso 5. Resultados a) Si usted tiene que reportar la tendencia central de fallas,

interpretaciones y ¿qué número reportaría? ¿Por qué?
toma de decisiones. Si el objetivo es reportar que valores de número de fallas se
encuentran centrados reportaría el 6 que representa a la mediana ya
que esto me confirma en un 50% existen fallas menores a 6 y en otro
50% son mayores. Y también porque la mediana no se ve afectada
cuando existe un dato o cuando la distribución de datos se encuentra
sesgadas.
b) ¿La discrepancia entre la media y la mediana se debió a que

durante varios meses ocurrieron muchas fallas?
Se podría decir que si, ya que si el número de muestra es
relativamente grande o también se podría confirmar que en estas
tomas de medidas de fallas pueda que exista un dato raro o hay un
sesgo muy importante.
3.18 Verifique si los siguientes datos se ajustan bien a una distribución normal.
Paso 1 2.51 2.29 2.31 2.19 2.09 2.48 2.65 2.50 2.48 2.27 2.26 2.86 3.73 2.98 1.08 2.25
Datos 2.10 3.30 3.15 2.27 2.23 2.61 2.11 5.70 2.31 2.00 2.35 1.76 2.91 1.84 2.09 2.78
2.32 2.59 1.87 2.59 2.07 3.10 2.32 2.59 2.42 2.04 2.13 1.98 2.02 2.18 2.26 2.10
2.69 2.60
Paso 2 Calculado en minitab
Formula
Paso 3 Calculado en minitab
Procedimiento
Paso 4.
Gráfica
Paso 5 De acuerdo al valor p nos damos cuenta que los datos no siguen una
Resultados, distribución normal. Ya que estos estan dentro de el rango 0.05 ó 0.10.
interpretaciones
y toma de
decisiones

lOMoARcPSD|7139797
3.19. Una compañía refresquera históricamente reporta un promedio de 0.5% de

botellas por debajo del nivel de llenado estipulado. Considere una muestra aleatoria de
1 000 refrescos a los que se mide el volumen cuidadosamente.
Paso. 1 Promedio= 0.5%

Datos Muestras aleatorias (N)= 1000
X= 5,10
Paso 2 𝑛
( )= 𝑃 𝑥 (1 − 𝑝)𝑛−𝑥
Formulas 𝑥
Paso 3 𝑛
( )= 0.55 (1 − 0.5)1000−5 = 0
Sustitución 𝑥
𝑛
( )= 0.510 (1 − 0.5)1000−10 = 0
𝑥
Paso 4 -
Gráficas
Paso 5 a) ¿Cuál es la probabilidad de que 5 o menos botellas tengan un
Resultados, nivel insatisfactorio de llenado?
Interpretacione  La probabilidad de que 5 o más botellas tengan un nivel de
s y toma de insatisfacción de llenado es de 0.
decisiones
b) ¿Cuál es la probabilidad de que 10 o más botellas tengan un
nivel insatisfactorio de llenado?
 La probabilidad de que 10 o más botellas tengan un nivel de
insatisfacción de llenado es de 0.
c) Un grupo de consumidores mide cuidadosamente el volumen de

500 botellas y encuentran 10 o más con un nivel insatisfactorio
de llenado. ¿Qué deberían concluir? justifique su respuesta.
 Las técnicas de probabilidad utilizadas en los refrescos no son
las adecuadas.
3.20 Una fábrica de muebles encontró que el número de quejas concernientes a los
pedidos de madera enviados por un proveedor son 6 en promedio por año. ¿Cuál es la
probabilidad de que no haya ningún reclamo el año próximo? ¿Y en el próximo
cuatrimestre?
Paso. 1 µ= 6 quejas
Datos
Paso. 2 𝑒 −𝜆 𝜆𝑋
f(x, 𝜆)=
Formula 𝑋!
Paso. 3 f(0;6)= e (6) /0= 2.4787 x 10-3
-6 0
Procedimiento
Paso. 4
Gráfica -

lOMoARcPSD|7139797
Paso. 5 La probabilidad de que no haya ningun reclamo el próximo año es de

Resultados, 2.4787 x 10-3
interpretaciones
y toma de
decisiones
3.21 Una máquina produce artículos defectuosos con probabilidad p = 0.05. Suponiendo
independencia entre los artículos, ¿cuál es la probabilidad de que el vigésimo artículo
sea el primer defectuoso? ¿Y cuál de que el primero ocurra en el lugar vigésimo o
antes?
Paso 1. P= 0.05
Datos µ1 = 20
µ2 ≤ 20
Paso 2.
Fórmula
Paso 3.
Procedimiento
Paso 4. Gráfica de distribución Damariz Rebolledo
Gráficas Normal, Media=10, Desv.Est.=1
0.4
0.3
Densidad
0.2
0.1
0.05
0.0
10 11.64
X
Paso 5.
Resultados, La probabilidad de que el vigésimo artículo salga defectuoso es de p =
interpretaciones 0.396.
y toma de La probabilidad de que el primero que ocurra sea el vigésimo o antes es
decisiones de p = 0.572
3.22. Suponga que Z es una variable aleatoria normal estándar (N (0,1)). Calcule las
siguientes probabilidades:
Paso 1: Datos a) P (Z<-0.62)

Paso 2: Formula 𝑋−µ X−µ
𝑃( ≤ )
σ 𝜎

lOMoARcPSD|7139797
Paso 3: −0.62 − 0 −0.62 − 0

𝑃( ≤ )
Sustitución 1 1
Paso 4:
Resultado 0,267629
Paso 1: b) P (Z> 1.06)

Datos
Paso 2:
Formula 𝑋−µ X−µ
𝑃( ≤ )
σ 𝜎
Paso 3:
Sustitución 1.06 − 0 1.06 − 0
𝑃( ≤ )
1 1
Paso 4:
Resultado 0,855428
Paso 1: c) P (-0.37< Z <0.51)

Datos
Paso 2:
𝑃( ≤ )
σ 𝜎
Paso 3:
Sustitución −0.37 − 0 0.51 − 0
𝑃( ≤ )
1 1
Paso 4:
Resultados -0,37 0,355691
0,51 0,694974
Paso 1: d) P (IZI 0.47)

Datos
Paso 2:
𝑃( ≤ )
σ 𝜎
Paso 3:
Sustitución 0.47 − 0 0.47 − 0
𝑃( ≤ )
1 1
Paso 4:
Resultados 0,680822

lOMoARcPSD|7139797
3.23. Una variable aleatoria discreta X tiene la siguiente función de probabilidades:
a) Represente con una gráfica de barras la distribución de probabilidad de esta

variable X.
Distribución de Probabilidad (Damariz

Rebolledo)
0.6 0.54
0.5
0.4 0.3
0.3
0.2 0.1
0.1 0.05
0.01
0
1 2 3 4 5
b) Dibuje también la función de distribución acumulada F(x).
Distribución Acumulada (Damariz

Rebolledo)
0.08
0.0598568
0.06
0.0438386
0.04 0.0333061 0.0310271 0.0292983
0.02
0
1 2 3 4 5
c) Encuentre la media y la desviación estándar de la variable aleatoria X.

La media es de: 3 y la desviación estándar de: 1.581

lOMoARcPSD|7139797
3.24 Suponga que la probabilidad de detectar una grieta de 0.003 pulgadas en una pieza
metálica es de 0.20. Si se envían a inspección una serie de estas piezas, sea Y el
número de piezas que será necesario revisar para observar la primera grieta. Utilice un
modelo de probabilidad adecuado y obtenga lo siguiente:
a) P (Y ≥ 5)
La probabilidad que Y sea mayor igual a 5 es de 0.4096 (CALCULADO EN EXCEL)
b) P (Y ≤ 4)
La probabilidad que Y sea menor igual a 4 es de 0.4096 (CALCULADO EN EXCEL)
c) E (Y)
La probabilidad de E (Y) es de 0.4096 (CALCULADO EN EXCEL)
d) Var (Y)
La probabilidad de Var (Y) es de 0.4096 (CALCULADO EN EXCEL)
3.25. Sí X sigue una distribución normal con media 5 y varianza 4, encuentra la

constante c tal que:
a) P(X<c) = 0.8749
Paso 1. 𝑃(𝑋 < 𝐶 ) = 0.8749 𝑃(𝑍 < 1.15) = 0.8749
Datos: 𝜇=5 𝜎=4
Paso 2.
Fórmula: TABLA DE DISTRIBUCIÓN NORMAL Z
Paso 3.
Procedimiento: 𝑋 = 5 + 1.15 ∗ 2 = 7.3
Paso 4. -
Gráfica:
Paso 5. La constante c de una distribución normal Z de 1.15 con una media de
Resultados, 5 y varianza de 4, dado que el valor X es menor, fue 7.3.
interpretaciones y
toma de
decisiones.
a) P(c<X) = 0.6406
Paso 1. 1 − 𝑃 (𝑍 > 0.6406) = 0.3594 𝑍 = −0.36
Paso 2.

lOMoARcPSD|7139797
Paso 3.
Procedimiento: 𝑋 = 5 − 0.36 ∗ 2 = 4.28
Paso 4. Gráfica:
-
Paso 5. La constante c de una distribución normal Z de -0.36 con una media de

Resultados, 5 y varianza de 4, dado que el valor X es mayor, fue 4.28.
interpretaciones y
toma de
decisiones.
c) P(|X-5|<c) = 0.95
Paso 1. 𝑃 ((𝑋 − 5) < 𝐶 ) = 0.95 𝑍 = 1.65
Paso 2.
Paso 3.
Procedimiento: 𝑋 = (5 + 1.65 ∗ 2) + 5 = 13.3
Paso 4.
Gráfica: -
Paso 5. La constante c de una distribución normal Z de 1.65 con una media de 5

Resultados, y varianza de 4, dado que el valor X es menor, con un valor absoluto de
interpretaciones y 5, fue 13.3.
toma de
decisiones.
3.26. El grosor de ciertas placas de metal puede considerarse una variable aleatoria
normal con media µ=20 mm y una desviación estándar de ð=0.04 mm.
Paso 1. X: medida de corte de las tiras metálicas (cm) ~ N( µ,σ2)

Datos. LI: 19.95
LS: 20.10
µ=20
Paso 2.
Formulas. Z= (X-µ)/σ
Paso3.
Procedimiento. Calculado en minitab

lOMoARcPSD|7139797
Paso 4. Gráfica de distribución a) Damariz Rebolledo

Gráfica Normal, Media=20, Desv.Est.=0.04
10
0.8881
8
Densidad
6
0
19.95 20 20.1
X
Gráfica de distribución b) Damariz Rebolledo

Normal, Media=20, Desv.Est.=0.04
0.5161
10
8
Densidad
0
19.972 20 20.028
X
Paso 5. a) ¿Qué porcentaje de placas defectuosas se esperaría

Resultados, observar si las especificaciones son [19.95, 20.10]?
interpretaciones y Se espera un porcentaje de 88.81% de placas defectuosas.
toma de decisiones.
b) ¿Cuánto tendrían que valer las especificaciones para
que el desperdicio fuera a lo más de 5%?
Deberían de estar entre los 19.972 y 20.028 para tener un 5% de
desperdicio aproximadamente.
3.27. Una compañía automotriz otorga una garantía de 5 años o 100000 kilómetros para
el diferencial de un automóvil. Históricamente 5 % de los compradores de estos autos
han reclamado el servicio de garantía.
Paso 1. Garantía: 5% de los compradores

Datos

lOMoARcPSD|7139797
Paso 2. 𝑃 (𝑋 = 𝑥 )
Fórmula
Paso 3. 10!
𝑃 (𝑥 = 0) = (0.05)0 (1 − 0.05)10−0 = (0.95)10 = 0.5987
Procedimiento 0! (10 − 0)!
Paso 4. -
Gráficas
Paso 5. a) Encuentre la probabilidad de que a un nuevo
Resultados distribuidor le reclamen la garantía en el décimo auto
interpretaciones y vendido.
toma de decisiones. Existe el 59.87% de que no reclamen la garantía y un 40.1263%
de que la reclamen
b) Sea X igual al número de autos vendidos hasta el
primer reclamo. Encuentre el valor esperado de X, su
varianza y la desviación estándar.
𝑛 𝑛!
( )=
𝑥 𝑥! (𝑛 − 𝑥 )!
2
𝜎 = 𝑉(𝑋) = 𝑛𝑝(1 − 𝑝)
𝜎 = √𝑉(𝑋) = 𝑛𝑝(1 − 𝑝)
3.28 En relación a una distribución uniforme:
a) Represente
gráficamente la
función de
probabilidad de una
distribución uniforme
discreta que toma los
valores {1,2,3,4,5}.

lOMoARcPSD|7139797
b) Grafique la
función de densidad
de una distribución
uniforme continua
con parámetros a= 1
y b = 5.
c) Comente las La desviación estándar es más grande en la gráfica número dos,

diferencias entre los ya que la cantidad de datos solo son dos, no como en la gráfica
dos casos anteriores. número uno que son cinco datos.
d) Calcule la media y Grafica Numero Uno:
varianza para ambas Media: 3
distribuciones. Desviación Estándar: 2.828
Grafica Numero Dos:
Media: 3
Desviación Estándar:1.581
e) Grafique la Gráfica de distribución (Damariz Rebolledo)
distribución Normal; Media=3; Desv.Est.=1,581
acumulada para 0,25
ambos casos.
0,20
Densidad
0,15
0,10
0,05
0,025 0,025
0,00
-0,09870 3 6,099
X
3.29. Vaya al capítulo 13 lea y reporte los aspectos básicos sobre las distribuciones
exponenciales, Weibull y lognormal.
Distribución exponencial Weibull:

Modelo muy versátil debido a que su función de riesgo puede ser decreciente, constante o creciente,
dependiendo del valor de su parámetro de forma.

lOMoARcPSD|7139797
Dada su flexibilidad, la distribución Weibull es de las más utilizadas para describir la vida de productos,
ya que permite modelar productos con tasas de riesgo creciente, constante y decreciente.
Distribución exponencial lognormal:

Modela el tiempo de falla de procesos de degradación (fatiga, desgaste), y puede servir cuando los
tiempos a la falla son el resultado de muchos efectos pequeños que actúan de manera multiplicativa
El modelo lognormal es apropiado cuando los tiempos a la falla son el resultado de muchos efectos
pequeños que actúan de manera multiplicativa. Esto hace que al sacar el logaritmo dichos efectos se
conviertan en efectos que actúan de manera aditiva sobre el logaritmo del efecto global o logaritmo
del tiempo de falla, y estos últimos tienden a distribuirse normal.
3.30. Con la distribución del ejercicio 25 del capítulo 13, conteste lo siguiente:
Paso 1.
Datos: 1 −𝑡⁄
𝑓 (𝑡 ) = ( )𝑒 1000 𝑡>0
10000
Paso 2.
Fórmula: Calculado en Excel
Paso 3.
Procedimiento: Calculado en Excel
Histograma de RESISTENCIA
Paso 4. Gráfica: Normal
14 Media 27.22
Desv.Est. 1.430
N 55
12
10
Frecuencia
0
24.0 25.6 27.2 28.8 30.4
RESISTENCIA
Paso 5. a) Grafique la función de densidad, comente en qué rango

Resultados, es el tiempo de vida del producto.
interpretaciones y b) Obtenga la probabilidad de que el producto dure más de
toma de 100 horas, más de 500, y entre 100 y 500 horas.
decisiones. La probabilidad es de 0.2675 (CALCULADO EN EXCEL)
c) Calcule la media y varianza para esta distribución.
Media Varianza
202.50 5.00

lOMoARcPSD|7139797
3.31 Mediante un software estadístico genere 200 muestras de tamaño cinco de una
distribución normal estándar. Por ejemplo en Excel con =DISTR.NORM.
INV(ALEATORI0(),0,1) se genera un número aleatorio de una distribución normal
estándar, por lo tanto se puede repetir esta instrucción en cinco columnas, y en 200
renglones. Para cada muestra de tamaño 5 calcule la media, la desviación estándar de
la muestra. Además haga lo siguiente.
Paso 1.
Datos
Paso 2.
Fórmula: 𝑛 𝜀𝑖 𝜀(𝑋𝑖−𝑋)2 𝜀(𝑋𝑖−𝑥)2 𝑋̅
Mediana= 2 x= 𝑛 𝑠2 = S=√ T= 𝑆/
𝑛−1 𝑛−1 √𝑛
Paso 3.
Procedimiento: Muestras calculadas en excel =DISTR.NORM. INV(ALEATORI0
Calculado en Minitab

lOMoARcPSD|7139797
Paso 4. Gráfica: Gráfica de distribución (Damariz Rebolledo)

0.4
0.3
Densidad
0.2
0.1
0.05
0.0
0 2.015
X
Informe de resumen de Datos aleatorios (Damariz Rebolledo)

A-cuadrado 0.36
Valor p 0.457
Media 0.00317
Desv.Est. 1.04756
Varianza 1.09738
Asimetría 0.0634387
Curtosis -0.0921733
N 201
Mínimo -2.97897
1er cuartil -0.73418
Mediana 0.01053
3er cuartil 0.75541
Máximo 3.06599
-3 -2 -1 0 1 2 3
-0.14253 0.14887
-0.20320 0.08870
0.95419 1.16135
Media
Mediana
-0.2 -0.1 0.0 0.1 0.2
Paso 5. En la gráfica del histograma se puede observar que parece ser una
Resultados, distribución de Chi-cuadrada, también al elevar los valores al cuadrado.
interpretaciones Así cómo también se observa que la distribución es bastante parecida a
y toma de una T student con n grados de libertad.
decisiones.
3.32. Ilustrando el teorema central del límite. Utilice un software estadístico para
generar 300 muestras aleatorias cada una de tamaño 4 de una distribución uniforme en
el intervalo [6,14]. Cada muestra se puede hacer con Excel con la instrucción
ALEATORIO( )*(14-6)+6. Calcule la media para cada muestra, a las 300 medias
represéntelas en un histograma.

lOMoARcPSD|7139797
Paso 1. Datos Muestras
Paso 2. (HOJA DE EXCEL) =ALEATORIO( )*(14-6)+6

Fórmula
Paso 3. Cálculos realizados en Excel y Minitab
Procedimiento

lOMoARcPSD|7139797
Paso 4.
Histograma de MUESTRAS (Damariz Rebolledo)
Gráficas
25
20
Frecuencia
15
10
0
6.0 7.5 9.0 10.5 12.0 13.5
MUESTRAS
Paso 5. a) Comente la forma del histograma.

Resultados En el histograma se muestran claramente el resultado de un experimento
interpretaciones aleatorio el cual no puede anticiparse aun cuando se repita bajo las
y toma de mismas condiciones de aleatoriedad; mas sin embargo en la gráfica se
decisiones. muestra el conjunto de resultados posibles de un experimento aleatorio.
b) Obtenga la media de las medias y la desviación es-tándar de
las medias.
Variable media desv.est.
Muestras 9.989 2.310
c) ¿de manera aproximada qué distribución siguen las medias de
las muestras? Argumente.
Siguen la distribución de probabilidad x en donde se describe el conjunto
de los valores posibles que podrían tomar las 300 variables de x con la
probabilidad asociada a cada uno de los valores.

lOMoARcPSD|7139797
3.33 Repita el ejercicio anterior, pero ahora use un tamaño de muestra de tamaño 10.
Comente sobre las similitudes y diferencias.
Paso 1.
Datos:
Paso 2.
Fórmula (HOJA DE EXCEL) =ALEATORIO( )*(14-6)+6

lOMoARcPSD|7139797
Paso 3.
Procedimiento: Calculado en Excel y Minitab
Paso 4. Gráfica:
Dámariz Rebolledo
25
20
Frecuencia
15
10
0
6.0 7.5 9.0 1 0.5 1 2.0 1 3.5
muestras

Resultados, En el histograma se muestran claramente el resultado de un
interpretaciones y experimento aleatorio el cual no puede anticiparse aun cuando se
toma de repita bajo las mismas condiciones de aleatoriedad; mas sin
decisiones. embargo en la gráfica se muestra el conjunto de resultados
posibles de un experimento aleatorio.
b) Obtenga la media de las medias y la desviación estándar de
las medias.
Variable Media Desv.Est.
Muestras 10.016 2.301
c) ¿De manera aproximada qué distribución siguen las medias
de las muestras? Argumente.
Siguen la distribución de probabilidad X en donde se describe el
conjunto de los valores posibles que podrían tomar las 300
variables de X con la probabilidad asociada a cada uno de los
valores.

lOMoARcPSD|7139797
3.34. Repita el ejercicio 32 pero ahora utilice la distribución exponencial con parámetro
𝝀=3 para generar las muestras. En Excel los números aleatorios exponenciales se
pueden obtener con = -LN (1-ALEATORIO())*𝝀
Paso 1. 𝜆=3 300 medias

Datos:

lOMoARcPSD|7139797
Paso 2.
Fórmula: (HOJA DE EXCEL) Las 300 muestras con tamaño de 4 y las 300 medias
de estas.
(MINITAB) Se calculó la media y Desv. Estándar.
Paso 3.
Procedimiento: (HOJA DE EXCEL) = -LN (1-ALEATORIO())*𝜆
Paso 4.
Gráfica: Histograma de C1 (Damariz Rebolledo)
Normal
50 Media 2.995
Desv.Est. 1.760
N 300
40
Frecuencia
30
20
10
0
0.0 1.5 3.0 4.5 6.0 7.5 9.0 10.5
C1

Resultados, El histograma presentó una mayor concentración de las 300 medias hacia
interpretacione el lado izquierdo entre 0.5 a 6.0 teniendo así una media de 2.995 con una
s y toma de desviación estándar de 1.760.
decisiones. b) Obtenga la media de las medias y la desviación estándar de las
medias.
Media=2.995 Desv. Est=1.760
c) ¿De manera aproximada qué distribución siguen las medias de
las muestras? Argumente.
La distribución de 300 medias de las 300 muestras de esta población es
aproximadamente normal debido a que no está en el límite central y está
un poco desviada a la izquierda.

lOMoARcPSD|7139797
CAPITULO 4 – ELEMENTOS DE INFERENCIA ESTADÍSTICA (MAPA SEMÁNTICO)
Población Parámetro
Conjunto formado por la totalidad Es un valor representativo y

de individuos, objetos o medidas de descriptivo de una población, como
interés sobre los que se realiza un Inferencia estadística
la media o la desviación estándar.
Estudio. Parámetros y
Población y muestra Es hacer afirmaciones válidas
Muestra Estadísticos acerca de una población o proceso
con base en la información
Parte de una población. Estadístico contenida en una muestra.
Que conserva las características más
importantes de dicha población.
Medidas o funciones de los datos
muéstrales que ayudan a
Distribución de una variable aleatoria x Error Estándar
Distribuciones de caracterizar la distribución de tales
Relaciona el conjunto de los valores Desviación estándar de un estadístico datos.
Probabilidad posibles de X con la probabilidad que ayuda a determinar qué tan
asociada a éstos. precisas son las estimaciones que se
realizan con tal estadístico.
Intervalo de Confianza
Estimador Puntual
Estimación Puntual Forma de estimar un parámetro en la
Estadístico que estima el valor de un cual se calcula un intervalo que indica
y Por Intervalo parámetro. con cierta probabilidad un rango donde
puede estar el parámetro.
Hipótesis Estadística
Es una afirmación sobre los valores de

los parámetros o una característica de
una población o proceso, que puede
probarse a partir de la información
contenida en una muestra.
Hipótesis Nula 𝑯𝒐
Afirmación acerca del valor de un

parámetro poblacional que se considera
Planteamiento de válida para desarrollar el procedimiento
de prueba.
una hipótesis
Hipótesis Alternativa 𝑯𝑨
estadística
Afirmación que se aceptará si los datos
muéstrales proporcionan evidencia de
que la hipótesis nula es falsa. Región de Rechazo
Inferencia Conjunto de posibles valores del
Estadística Estadístico de Prueba estadístico de prueba que llevan a
rechazar 𝐻𝑜 .
Estadístico de Fórmula que permite calcular un
número a partir de los datos y de
Prueba 𝐻𝑜 . La magnitud de este número Región de aceptación
permite discernir si 𝐻𝑜 se rechaza o
no. Conjunto de posibles valores del
estadístico de prueba donde no se
rechaza 𝐻𝑜 .
Hipótesis Bilateral
Error Tipo II
Es cuando la hipótesis alternativa es
Es cuando se rechaza una 𝐻𝑜 que
del tipo “no es igual”, por lo que
es verdadera.
puede haber evidencia en contra de
𝐻𝑜 en cualquier lado de la
Error Tipo II
distribución de referencia. Riesgo de una
Pruebas de una y Es cuando se acepta una 𝐻𝑜 que es
decisión equivocada
Prueba de Hipótesis Hipótesis Unilateral falsa.
dos colas
Es cuando la hipótesis alternativa es Potencia de la Prueba
del tipo “no es igual”, por lo que
Es la probabilidad de rechazar 𝐻𝑜
puede haber evidencia en contra de
cuando es falsa.
𝐻𝑜 en cualquier lado de la
distribución de referencia.
Estadístico de prueba frente

a valor critico Significancia Predefinida
Es el riesgo máximo que se está

3 Criterios de dispuesto a correr con respecto al
error tipo I.
Rechazo o Significancia observada a
Aceptación significancia predefinida
Significancia
equivalentes Calculada/Observada (valor –p)
Ces el área bajo la distribución de

referencia más allá del valor del
Intervalo de Confianza estadístico de prueba.

lOMoARcPSD|7139797
PROBLEMAS
4.1 En un estudio estadístico, ¿qué es una población y para qué se toma una muestra?
La población es un conjunto formado por la totalidad de individuos, objetos o medidas de

interés sobre los que se realizan un estudio.
La muestra se utiliza cuando tenemos una población infinita y por medio de cálculos
muestréales adecuados nos permitirá hacer afirmaciones acerca de toda la población.
4.2 ¿Qué significa probar una hipótesis?
Es un estudio estadístico por lo general se busca responder con cierto nivel de confianza la
pregunta planteada para poder tomar las decisiones pertinentes.
4.3 ¿Qué implica realizar una estimación puntual y en qué consiste la estimación por
intervalo para la media? El estimador puntual de un parámetro es un estadístico que genera
un valor numérico simple, y que se utiliza para proporcionar una estimación del valor del
parámetro desconocido. Por ejemplo, con frecuencia es necesario estimar el valor de:
o La media 𝜇 del proceso (o población objeto de estudio).

o La varianza 𝜎 o la desviación estándar del proceso.
o La proporción p de artículos defectuosos.
4.4. ¿Por qué no es suficiente la estimación puntual y porqué se tiene que recurrir a la
estimación por intervalo? Porque a veces es conveniente obtener unos límites entre los
cuales se encuentre el parámetro con un cierto nivel de confianza, en este caso necesitamos
de estimación por intervalos.
4.5. Explique el papel que desempeñan las distribuciones de probabilidad en la

inferencia estadística.
Una distribución de probabilidad Distribución de una variable o X relaciona el conjunto de
valores posibles de aleatoria X, con la probabilidad asociada a estos valores.
Una distribución de probabilidad también se puede considerar una distribución teórica de
frecuencia, que describe cómo se espera que varíen los resultados de la variable aleatoria. De
esta forma, lo aleatorio se modela (describe, acota), y al observar una realización específica
de un estadístico es posible corroborar o rechazar supuestos (prueba de hipótesis) o hacer
estimaciones poblacionales. Las distribuciones de probabilidad que más se emplean en
intervalos de confianza y pruebas de hipótesis son las distribuciones: normal,iT de Student,ji-
cuadrada y F.

lOMoARcPSD|7139797
4.6 En el contexto de estimación por intervalo, señale en forma específica qué

parámetro utiliza cada una de las siguientes distribuciones para realizar estimaciones:
T de Student, normal y Chi-cuadrada.
T de Student µ
Chicuadrado  σ (sigma al cuadrado)
4.7 Explique que es un estadístico de prueba y señale su relación con los intervalos de
aceptación y rechazo
Un estadístico de prueba es un valor estandarizado que se calcula a partir de los datos de la

muestra durante una prueba de hipótesis. Puede utilizar los estadísticos de prueba para
determinar si puede rechazar la hipótesis nula.
4.8. ¿Qué son los errores tipo 1 y tipo 11 en las pruebas de hipótesis?
 Error tipo I: Es cuando se rechaza un Ho que es verdadera.

 Error tipo II: Es cuando se acepta que una Ho que es falsa.
4.9 Señale y describa de manera breve los tres criterios equivalentes de rechazo de una
hipótesis.
 Estadístico de prueba frente a valor crítico:
Este criterio se utilizó en el ejemplo previo y es el que de manera tradicional se empleaba

antes de los avances en materia computacional que ahora existe. Este método consiste en
rechazar H0 sí el estadístico de prueba cae en la región de rechazo que está delimitada por el
valor crítico.
 Significancia observada frente a significancia predefinida:
La significanda predefinida que se denota con o: es el riesgo máximo que se está dispuesto a
correr por rechazar H0 indebidamente (error tipo I). Mientras que la significanda observada o
calculada, también conocida como p-value o valor-p, es el área bajo la distribución de
referencia que está más allá del valor del estadístico de prueba.
 Significancia observada frente a significancia predefinida:
La significanda predefinida que se denota con o: es el riesgo máximo que se está dispuesto a
correr por rechazar H0 indebidamente (error tipo I). Mientras que la significanda observada o
calculada, también conocida como p-value o valor-p, es el área bajo la distribución de
referencia que está más allá del valor del estadístico de prueba.
4.10 Mencione un ejemplo de datos o muestras pareadas

Son conocidas como muestras asociadas
Ejemplo:
Medir la presión arterial a 10 personas por la mañana
Medir la presión arterial a las mismas 10 personas por la tarde.

lOMoARcPSD|7139797
4.11. En la elaboración de envases de plástico es necesario garantizar que cierto tipo

de botella en posición vertical tenga una resistencia mínima de 50 kg de fuerza. Para
asegurar esto, en el pasado se realizaba una prueba del tipo pasa-no-pasa, donde se
aplicaba la fuerza mínima y se veía si la botella resistía o no. En la actualidad se realiza
una prueba exacta, en la que mediante un equipo se aplica fuerza a la botella hasta que
ésta cede, y el equipo registra la resistencia que alcanzó la botella.
Paso 1. Datos: 𝑆=3 X = 55.2

𝑁. 𝐶 = 95% 𝜇 = 52
𝑥 = 50 𝑘𝑔 𝑓𝑢𝑒𝑟𝑧𝑎 𝑛 = 20 𝛼 = 0.05
Paso 2. Fórmula: 𝑺
̅ − 𝒕𝜶
𝑿 , 𝒏−𝟏
𝟐 √𝒏
𝑺
̅ + 𝒕𝜶
𝑿 , 𝒏−𝟏
𝟐 √𝒏
𝒗= 𝒏−𝟏
Paso 3.
Sustitución: 𝟑
𝟓𝟓. 𝟐 − (𝟐. 𝟎𝟗𝟑)
√𝟐𝟎
𝟑
𝟓𝟓. 𝟐 + (𝟐. 𝟎𝟗𝟑)
√𝟐𝟎
𝒗 = 𝟐𝟎 − 𝟏 = 𝟏𝟗
Paso 4. Límite inferior =53.79

Operaciones:
Límite superior =56.60
Paso 5. Datos: 𝑆=3 X = 55.2
𝑁. 𝐶 = 95% 𝜇 = 52
𝑥 = 50 𝑘𝑔 𝑓𝑢𝑒𝑟𝑧𝑎 𝑛 = 20 𝛼 = 0.05
Paso 6. Fórmula: (𝒏 − 𝟏)𝑺𝟐
𝝌𝟐𝜶
, 𝒏−𝟏
𝟐
(𝒏 − 𝟏)𝑺𝟐
𝝌𝟐 𝜶
𝟏− , 𝒏−𝟏
𝟐
𝒗= 𝒏−𝟏

lOMoARcPSD|7139797
Paso 7
Sustitución: (𝟐𝟎 − 𝟏)(𝟑)𝟐
𝟑𝟐. 𝟖𝟓𝟐
(𝟐𝟎 − 𝟏)(𝟑)𝟐
𝟖. 𝟗𝟎𝟕
𝒗 = 𝟐𝟎 − 𝟏 = 𝟏𝟗
Paso 8.
Operaciones: Límite inferior: 5.2051
Límite superior: 19.1983
Paso 9. a) ¿Qué ventajas y desventajas tiene cada método?

Resultados, 1° Método: Paso – no pasa
interpretaciones y Ventajas: Es más rápido
toma de Desventajas: Imprecisión en los datos
decisiones.
2°Método: Hacer pruebas de resistencia
Ventajas: Precisión en los datos
Desventaja: Es más lento
b) Para evaluar la resistencia media de los envases se toma

una muestra aleatoria de n= 20 piezas. De los resultados
se obtiene que X = 55.2 y S= 3. Estime con una confianza
de 95% ¿cuál es la resistencia promedio de los envases?
La resistencia promedio de los envases se encuentra entre
53.79 y 56.60.
c) Antes del estudio se suponía que 11= 52. Dada la

evidencia de los datos, ¿tal supuesto es correcto?
No, la media de 52 es incorrecta porque está por debajo del
límite inferior.
d) Con los datos anteriores, estime con una confianza de

95% ¿cuál es la desviación estándar poblacional (del
proceso)?
La desviación estándar poblacional del proceso se encuentra
entre 5.2051 y 19.1983.
4.12 Para evaluar el contenido de nicotina en cierto tipo de cigarros elaborados por un
proceso se toma una muestra aleatoria de 40 cigarrillos y se obtiene que X= 18.1 mg y
S= 1.7.

lOMoARcPSD|7139797
Paso 1. Datos:
n=40 𝑥̅ = 18.1 S=1.7
Paso 2. Fórmula:
𝑛 𝜀𝑖 𝜀(𝑋𝑖−𝑋)2 𝜀(𝑋𝑖−𝑥)2
Mediana= x= 𝑠2 = S=√
2 𝑛 𝑛−1 𝑛−1
𝑍 2 𝛼⁄2 𝑝̂ (1 − 𝑝̂̂ )
𝑛=
𝐸2
Paso 3.
(2.042)2 (0.05)(1 − 0.05)
𝑛= = 1.2378
(0.4)2
Paso 4. Gráficas
Paso 5. a) Estime con una confianza de 95%, ¿cuál es la cantidad

Resultados, de nicotina promedio por cigarro?
interpretaciones y La cantidad promedio de nicotina por cigarro se encuentra entre
toma de 17.556 y 18.644.
decisiones. b) ¿Cuál es el error de estimación en el inciso anterior?
El error de estimación es de 0.269.
c) Antes del estudio se suponía que μ = 17.5. Dada la
evidencia de los datos, ¿se puede rechazar tal
supuesto?
No, porque se encuentra dentro de los limites calculados en el inciso
a.
d) Si se quiere estimar la media con un error máximo de
0.4, ¿qué tamaño de muestra se requiere?
Con un error máximo de 0.4 el tamaño de la muestra se requiere que
sea de 1.2378.
e) Con los datos anteriores, estime con una confianza de

lOMoARcPSD|7139797
proceso)?
La desviación estándar del proceso está dentro 1.39 y 2.18.
f) ¿Qué puede decir sobre la cantidad mínima y máxima
de nicotina por cigarro?
Es posible garantizar con suficiente confianza que los cigarros tienen
menos de 20 mg de nicotina.
4.13 En un problema similar al del ejercicio 11 es necesario garantizar que la resistencia

mínima que tienen un envase de plástico en posición vertical sea de 20 kg. Para evaluar
esto se obtuvieron los siguientes datos mediante pruebas destructivas:
28.3 26.8 26.6 26.5 28.1 24.8 27.4 26.2 29.4 28.6 24.9
25.2 30.4 27.7 27.0 26.1 28.1 26.9 28.0 27.6 25.6 29.5
27.6 27.3 26.2 27.7 27.2 25.9 26.5 28.3 26.5 29.1 23.7
29.7 26.8 29.5 28.4 26.3 28.1 28.7 27.0 25.5 26.9 27.2
27.6 25.5 28.3 27.4 28.8 25.0 25.3 27.7 25.2 28.6 27.9
Paso 1. Hipótesis:
𝐻𝑜 : 𝜇 = 25 𝑘𝑔
𝐻𝐴 : 𝜇 ≠ 25 𝑘𝑔
Paso 2. Nivel de
significancia: 𝛼 = 0.05

Estadístico de
Prueba:
Paso 4. Regla de
Decisión:

lOMoARcPSD|7139797
Paso 5. a) Esta variable forzosamente tiene que evaluarse mediante

Resultados, muestreo y no a 100%, ¿por qué?
interpretaciones y Los datos se encuentran muy por encima de la especificación inferior
toma de (20Kg) se cumple con la calidad exigida.
decisiones. Media y mediana están alrededor de 27 kg, además su desviación es
1,43kg Coef
Var= 5,25%
Los límites reales se encuentran el 97,3% entre 22,93 y 31,51Kg El
diagrama de caja nos señala cierta simetría de la información y que
se encuentra los bigotes alejados de la especificación inferior.
b) Realice un análisis exploratorio de estos datos (obtenga

un histograma y vea el comportamiento de los datos
obtenidos).
Valor p < Alfa (0,05) entonces se rechaza
Ho la media es diferente de 25
c) Estime con una confianza de 95%, ¿cuál es la resistencia

promedio de los envases?
Con una confianza del 95% se puede afirmar que la media verdadera
de la resistencia de
los envases se encuentran entre 26,833 y 27,607 Kg
d) Antes del estudio se suponía que 11 = 25. Dada la

evidencia de los datos, ¿tal supuesto es correcto?
Sí, porque el método estándar se utiliza sólo para la distribución
normal

proceso)?
Con una confianza del 95% se puede afirmar que la desviación

lOMoARcPSD|7139797
estándar verdadera de la
resistencia de los envases se encuentra entre 1,20 y 1,76 Kg.
4.14 En la elaboración de una bebida se desea garantizar que el porcentaje de co2 (gas)
por envase esté entre 2.5 y 3.0. Los siguientes datos fueron obtenidos del monitoreo
del proceso:
Paso 1. Datos: 𝐸𝐼 = 2.5 ES = 3.0

𝑁. 𝐶 = 95%
𝑛 = 68 𝛼 = 0.05
Paso 2. Fórmula:
Datos Obtenidos en Minitab
Paso 3. Operación:
𝑺 𝑺
̅ − 𝒕𝜶
𝑿 ̅ + 𝒕𝜶
𝑿
, 𝒏−𝟏 √𝒏 ,𝒏−𝟏 √𝒏
𝟐 𝟐
(𝒏−𝟏)𝑺𝟐 (𝒏−𝟏)𝑺𝟐
𝝌𝟐𝜶 𝝌𝟐 𝜶
, 𝒏−𝟏 𝟏− , 𝒏−𝟏
𝟐 𝟐
𝒗=𝒏−𝟏
IC de 95%
(2.57987, 2.60693)
𝜇 = 2.5934
𝑆 = 0.0559

lOMoARcPSD|7139797
Paso 4. Gráfica: Histograma de C1 (Damariz Rebolledo)
14
12
10
Frecuencia
8
0
2.50 2.55 2.60 2.65 2.70
C1
Paso 5. Resultados, a) Realice un análisis exploratorio de estos datos (obtenga

interpretaciones y un histograma y vea el comportamientos de los datos
toma de decisiones. obtenidos).
Existe un rango mayor de datos obtenidos dentro de un rango de
2.55 a 2.60 donde se demuestra que los niveles de CO2
aproximadamente están en este intermedio.
b) Estime con una confianza de 95%, ¿cuál es el C02

promedio por envase?
El promedio de CO2 promedio por envase esta entre 2.57987 y
2.606692.
d) Se supone que μ debe ser igual a 2.75. Dada la evidencia,

¿es posible rechazar tal supuesto?
No, la media de 2.75 es incorrecta porque está por debajo del límite
inferior.

95% la desviación estándar del proceso.
La desviación estándar del proceso es de 0.0559
f) De los datos muestrales se observa que el mínimo es

2.48 y el máximo 2.73, ¿por qué el intervalo obtenido en
el inciso b) tiene menor amplitud?
Porque la mayor parte de los datos se concentró en un rango de
2.55 a 2.60 dejando así menor amplitud que en la de datos
muestrales, que aún se desconocen.
4.15. Una característica importante en la calidad de la leche de vaca es la

concentración de grasa. En una industria en particular se fijó como estándar mínimo
del producto que se recibe directamente de los establos lecheros sea de 3.0%. Por
medio de 40 muestreos y evaluaciones en cierta época del año se obtuvo que 𝐗 ̅ = 3.2
y S= 0.3.

lOMoARcPSD|7139797
Paso 1. Datos:
𝑁. 𝐶 = 90% 𝑆 = 0.3
𝑋̅ = 3.2 𝑛 = 40 𝛼 = 0.10
Paso 2. Fórmula:
𝑺 𝑺
̅ − 𝒕𝜶
𝑿 ̅ + 𝒕𝜶
𝑿
, 𝒏−𝟏 √𝒏 , 𝒏−𝟏 √𝒏
𝟐 𝟐
Paso 3. Sustitución:
(Datos obtenidos de Minitab)
IC de 90%
(3.1201, 3.2799)
Error Estándar de la media

0.0474
Paso 4. Datos: 𝑁. 𝐶 = 90% 𝑆 = 0.3

𝑋̅ = 3.2 𝑛 =? 𝑝̂ = 0.10
𝐸 = 0.05
Paso 5. Fórmula:
𝑍 2 𝛼⁄2 𝑝̂ (1 − 𝑝̂̂ )
𝑛=
𝐸2
(1.64)2 (0.10)(1 − 0.10)
𝑛= = 39.73
(0.05)2
Paso 7. Datos: 𝑁. 𝐶 = 90% 𝑆 = 0.3

𝑋̅ = 3.2 𝑛 = 40 𝛼 = 0.10
Paso 8. Fórmula:
(𝑛 − 1)𝑆 2
𝜒𝛼2
, 𝑛−1
2
(𝑛 − 1)𝑆 2
𝜒2 𝛼
1− , 𝑛−1
2
𝑣 =𝑛−1
(40 − 1)(0.3)2
= 0.0801
43.773

lOMoARcPSD|7139797
(40 − 1)(0.3)2
= 0.1898
18.493
𝑣 = 40 − 1
Paso 10. a) Estime con una confianza de 90% el contenido promedio

Resultados, de grasa poblacional.
interpretaciones y El contenido promedio de grasa poblacional está entre 3.1201 y
toma de decisiones. 3.2799.
b) ¿Cuál es el error máximo de estimación para la media?

¿Porqué?
El error máximo de estimación para la media es de 0.0474.
c) Si se quiere estimar la media con un error máximo de

0.05, ¿qué tamaño de muestra se requiere?
El tamaño de la muestra que se requiere debe ser 39.73, para
estimar la media con un error máximo de 0.05.
d) Estime con una confianza de 95%, ¿cuál es la desviación
estándar poblacional?
La desviación estándar poblacional se encuentra entre 0.0801 y
0.1898.
e) ¿Qué puede decir acerca de la cantidad mínima y

máxima de grasa en la leche?
Que están en un rango mayor del 3.0%.
¿Es posible garantizar con suficiente confianza que la

leche tiene más de 3.0% de grasa?
Sí, porque de acuerdo a la hipótesis aceptada el contenido de grasa
esta entre un límite de 3.1201 y 3.2799.
4.16 En la fabricación de discos compactos una variable de interés es la densidad

mínima (grosor) de la capa de metal, la cual no debe ser menor de 1.5 micras. Por
experiencia se sabe que la densidad mínima del metal casi siempre ocurre en los radios
24 y 57, aunque en el método actual también se miden los radios 32, 40 y 48.
Se realizan siete lecturas en cada radio, lo cual da un total de 35 lecturas, de las cuales
sólo se usa la mínima.
A continuación se presenta una muestra histórica de 18 densidades mínimas:

lOMoARcPSD|7139797
Paso 1 1.81 1.87

Datos 1.97 1.98
1.93 1.93
1.97 1.96
1.85 2.02
1.99 2.07
1.95 1.92
1.93 1.99
1.85 1.93
Paso 2 Cálculos realizados en Minitab
Formula
Paso 3 Mediante el resumen grafico se pueden obtener todas las
sustitución respuestas a todos los incisos de este ejercicio.
Paso 4 Informe de resumen de 4.16 (Damariz Rebolledo)
Gráficas A-cuadrado
Valor p
0.36
0.401
Media 1.9400
Desv.Est. 0.0646
Varianza 0.0042
Curtosis 0.157296
N 18
Mínimo 1.8100
1er cuartil 1.9075
Mediana 1.9400
3er cuartil 1.9825
Máximo 2.0700
1.80 1.85 1.90 1.95 2.00 2.05
1.8959 1.9841
1.8846 1.9871
0.0446 0.1116
Media
Mediana
1.900 1.925 1.950 1.975 2.000
Paso 5 a) Argumente en términos estadísticos si las densidades

Resultados, mínimas individuales cumplen con la especificación de
interpretaciones y 1.5 micras. Sugerencia: aplique la regla empírica.
toma de decisiones. Observando por regla empírica, es decir; la media y la mediana, es
fácil identificar que la especificación de 1.5 micras no se cumple
debido a que las dos se encuentran con valores de 1.94, muy
alejados de 1.5.
b) Encuentre un intervalo de confianza de 99% para la
media de la densidad mínima.
El intervalo de confianza al 99% de la media se encontraría entre
1.8959 y 1.9841
c) Proporcione un intervalo de confianza de 99% para la
desviación estándar.
El intervalo de confianza de 99% para la desviación estándar esta
entre 1.8846 y 1.9871
d) Dibuje el diagrama de cajas para los datos e interprete
los resultados.
El diagrama de cajas se muestra debajo del histograma. Se observa
que no se encuentra cercano a 1.5 la media o la mediana.

lOMoARcPSD|7139797
4.17 En una auditoría se seleccionan de manera aleatoria 200 facturas de las compras
realizadas durante el año, y se encuentra que 10 de ellas tienen algún tipo de anomalía.
Paso 1. n = 200
Datos µ = 10
Paso 2. Calculado por Minitab
Fórmulas
Procedimiento
Paso 4. -
Gráfica
Paso 5. a) Estime con una confianza de 95% el porcentaje de
Resultados, facturas con anomalías en todas las compras del año.
interpretaciones y 28 facturas con anomalías en todas las compras del año
toma de decisiones
b) ¿Qué tamaño de muestra se tiene que usar si se quiere
estimar el porcentaje de facturas con anomalías con un
error máximo de 2%?
Resultados
Margen Tamaño de
de error la muestra
0.02 960368
4.18. En la producción de una planta se está evaluando un tratamiento para hacer que
germine cierta semilla. De un total de 60 semillas se observó que 37 de ellas
germinaron.
Paso 1. n=60
Datos Germinaron= 37
P=0.6166
confianza de 90% (0.09)
confianza de 95% (0.95)
Paso 2. -
Formula
Paso 3. Calculado en Minitab
Procedimiento

lOMoARcPSD|7139797
Paso 4. Gráfica de distribución (Damaríz Rebolledo)

Gráfica Binomial; n=60; p=0.6166
0.12
0.10
0.08
Probabilidad
0.06
0.04
0.02
0.02449 0.02093
0.00
29 45
X

Binomial; n=60; p=0.6166
0.12
0.10
0.08
Probabilidad
0.06
0.04
0.02
0.04365 0.03971
0.00
30 44
X
Paso 5. a) Estime con una confianza de 90% la proporción de

Resultados, germinación que se logrará con tal tratamiento.
interpretaciones y La estimación con una confianza de 90% es de 0.95458.
toma de decisiones
b) Con una confianza de 90%, ¿es posible garantizar que la
mayoría (más de la mitad) de las semillas germinarán?
Si es posible garantizar que la mayoría de las semillas germinarán.
Ya que existe una igualdad con el 90% y 95%.
c) Conteste los dos incisos anteriores pero ahora con 95%

de confianza.
4.19 Para evaluar la efectividad de un fármaco contra cierta enfermedad se integra en

forma aleatoria un grupo de 100 personas. Se suministra el fármaco y transcurrido el
tiempo de prueba se observa x= 65 personas con un efecto favorable.
Paso 1. X= 65
Datos n = 100
Nivel de confianza = 0.90

lOMoARcPSD|7139797
Paso 2.
𝜌(1 − 𝜌)
Formula 𝜌 − 𝑧𝜎⁄2 √
𝑛
𝑥
𝜌=
𝑛
Paso 3. 65
𝜌= = 0.65
Sustitucion 100
0.65(1 − 0.65)
0.65 ± 0.45√
100
0.04(1 − 0.04)
0.04 ± 2.06√
100
Paso 4. 0.65 ± 0.022

Resultado 0.65 + 0.022 = 0.672
0.65 – 0.022 = 0.628
0.04 ± 0.041
0.04 + 0.041 = 0.081
0.04 – 0.041 = .001
Paso 5. a) Estime con una confianza de 90% la proporción de
Resultados, efectividad que se logrará con tal fármaco. Realice una
interpretaciones y interpretación de los resultados.
toma de decisiones Con una confianza del 90 % se estima que 𝜌 está entre 0.672 y
0.628, o en términos porcentuales entre 67.2% y 62.8%
b) ¿Con base en lo anterior se puede decir que a la mayoría

de las personas (más de la mitad) les hizo buen efecto el
fármaco?
Con lo realizado anterior se confirma que más de la mayoría de las
personas les hizo bueno el fármaco.
c) ¿Qué tamaño de muestra debe usarse si se quiere tener

un error de estimación máximo de 4% (0.04)?
Debe usarse un 2.06 de muestra para que el error de estimación
sea de 0.04
4.20 Con respecto al problema del ejercicio 11, los datos anteriores al diseño de la
prueba continua muestran lo siguiente: de n= 120 envases de plástico probados para
ver si tenían la resistencia mínima de 50 kg de fuerza, x= 10 envases no pasaron la
prueba.

lOMoARcPSD|7139797
Paso 1. Datos:
𝑁. 𝐶 = 95% 𝑆 = 0.3 𝑥 = 10
𝑋̅ = 3.2 𝑛 = 120 𝛼 = 0.05
Paso 2. Fórmula:
𝑺 𝑺
̅ − 𝒕𝜶
𝑿 ̅ + 𝒕𝜶
𝑿
, 𝒏−𝟏 √𝒏 , 𝒏−𝟏 √𝒏
𝟐 𝟐
IC de 95%
(2.9854, 3.4146)
Error Estándar de la media

0.0949
Paso 4. Datos: 𝑁. 𝐶 = 90% 𝑆 = 0.3

𝑋̅ = 3.2 𝑛 =? 𝑝̂ = 0.05
𝐸 = 0.03 𝑥 = 10
Paso 5. Fórmula:
𝑍 2 𝛼⁄2 𝑝̂ (1 − 𝑝̂̂ )
𝑛=
𝐸2
(2.228)2 (0.05)(1 − 0.05)
𝑛= = 261.98
(0.03)2
Paso 7. Resultados, a) Estime con una confianza de 95% la proporción de

interpretaciones y envases que no tienen la resistencia mínima
toma de decisiones. especificada. Haga una interpretación de los resultados.
Los 10 envases que no pasaron la prueba, se encuentran en los
límites entre 2.9854 y 3.4146.
b) ¿Cuál es el error de estimación?
El error de estimación es de 0.0949.
c) Calcule el tamaño de muestra que se necesita para que el
error de estimación máximo sea de 0.03.
Con un error de estimación máximo de 0.3 el tamaño de la muestra
debería ser de 261.98.

lOMoARcPSD|7139797
4.21. Un inspector de la Procuraduría Federal del Consumidor acude a una planta que
elabora alimentos para verificar el cumplimiento de lo estipulado en los envases de los
productos en cuanto a peso y volumen. Uno de los productos que decide analizar es el
peso de las cajas de cereal, en las cuales para una de sus presentaciones se establece
que el contenido neto es de 300 gramos. El inspector toma una muestra de 25 cajas y
pesa su contenido. La media y desviación estándar de la muestra son x = 298.3 y S= 4.5.
Paso 1. 𝐻0 : 𝜇 = 300
Hipótesis 𝐻0 : 𝜇 ≠ 300
Paso 2. α = 0.05
Nivel de
significancia
Paso 3. 𝑥̅ − 𝜇0
𝑡0 =
Estadístico de 𝑆⁄√𝑛
prueba 𝑣 =𝑛−1
Paso 4.
Regla de 𝑣 = 25 − 1 = 24
decisión
Regla de decisión:
𝐻0 no se rechaza ya que su valor del estadístico de prueba (t) se

encuentra entre -2.064 y 2.064
Paso 5.
Toma de 𝑡 = −0.19 (Calculado por minitab)
decisión

lOMoARcPSD|7139797
Decisión:
𝐻0 no se rechaza
Paso 6. 𝐻0 : 𝜇 = 300
Paso 7. Nivel de ∝ = 0.10
significancia
𝑡0 = 𝑠
Estadístico de ⁄ 𝑛
prueba √
𝑣 =𝑛−1
Paso 9. Regla Gráfica de distribución (Damariz Rebolledo)
de decisión T, df=24
0.4
0.3
Densidad
0.2
0.1
0.05 0.05
0.0
-1.711 0 1.711
X
Regla de decisión:
𝐻0 no se rechaza si el valor del estadístico de prueba (t) se encuentra
entre -1.711 y 1.711

lOMoARcPSD|7139797
Paso 10. Toma

de decisión
Decisión
𝐻0 no se rechaza
Paso 11. c) ¿Desde la perspectiva del consumidor del producto cuál
Conclusiones debe ser la hipótesis alternativa que debe plantear el
inspector en este problema? Argumente.
Desde el punto de vista del consumidor la hipótesis alternativa que debe
plantearse debería indicar que la media es menor a 300. Porque le
conviene al consumidor que el peso de la caja no sea menor a 300
Paso 12. 𝐻0 : 𝜇 ≥ 300
Hipótesis 𝐻1 : 𝜇 < 300
Paso 13. ∝ = 0.05
Nivel de
significancia
Paso 14. 𝑥̅ − 𝜇0
𝑡0 = 𝑠
prueba √
𝑣 =𝑛−1
Paso 15. Regla
de decisión
Regla de decisión:
𝐻0 no se rechaza si el valor del estadístico de prueba (t) es mayor o igual
a -1.711

lOMoARcPSD|7139797
4.22 En el problema anterior respecto a la desviación estándar:
Paso 1. 𝐻0 : 𝜇 = 300
Datos 𝐻0 : 𝜇 ≠ 300
α = 0.05
Paso 2.
Fórmulas 𝑥̅ − 𝜇0
𝑡0 =
𝑆⁄√𝑛
𝑣 =𝑛−1
Paso 3.
Procedimiento 𝑣 = 25 − 1 = 24
Operaciones y cálculos realizados en Minitab 17
Paso 4.
Gráficas
Paso 5. a) Pruebe la hipótesis de que 𝝈= 3.0 contra la alternativa que es

Resultados, diferente.
interpretaciones y La alternativa es diferente.
resultados b) ¿Si lo que se quiere es proteger al consumidor del exceso de
variabilidad, la conclusión del inciso anterior le es favorable?
Argumente.
La conclusión del inciso anterior es favorable ya que se protege al
consumidor del exceso de variabilidad.

lOMoARcPSD|7139797
4.23. Las especificaciones técnicas de un comprensor establecen que el aumento

promedio de temperatura en el agua usada como enfriador en la cámara del compresor
es menor a 5 °C. Para verificar esto se mide el aumento de temperatura en el agua en
1O periodos de funcionamiento del compresor, y se obtiene que son x = 6.6 y S= 2.0.
Paso 1: 𝐻0 : 𝜇 = 5
Paso 2: nivel de α = 0.05
significancia
Paso 3: 𝑥̅ − 𝜇0
𝑡0 =
prueba 𝑣 =𝑛−1
PASO 4: Gráfica de distribución (Damariz Rebolledo)
Regla de T; df=9
decisión 0,4
0,3
Densidad
0,2
0,1
0,005 0,005
0,0
-3,250 0 3,250
X
Regla de decisión:
𝐻0 no se rechaza ya que su valor del estadístico de prueba (t) se
Paso 5: Toma 𝑡 = 9 (Calculado por minitab)
de decisión
Paso 6:
Hipótesis
Decisión:

lOMoARcPSD|7139797
𝐻0 no se rechaza
Paso 7: ∝ = 0.10
Nivel de
significancia
Paso 8: 𝑥̅ − 𝜇0
𝑡0 = 𝑠
prueba √
𝑣 =𝑛−1
Paso 9: regla de Gráfica de distribución (Damariz Rebolledo)
decisión T; df=9
0,4
0,3
Densidad
0,2
0,1
0,025 0,025
0,0
-2,262 0 2,262
X
Regla de decisión:
entre -3250 y 3250
Paso 10:
Toma de
Decisión
Decisión
𝐻0 no se rechaza
Paso 11: c) Si en lugar de trabajar con una significancia de 5%, lo hace
Resultados, con una de 1%, ¿se mantiene la conclusión del inciso
interpretaciones anterior? Explique.
y resultados Desde el punto de vista la hipótesis alternativa que debe plantearse
debería indicar que la media es menor a 10. Porque le conviene al
consumidor que el peso de la caja no sea menor a 10.

lOMoARcPSD|7139797
4.24 En relación con el problema anterior, pruebe la hipótesis para la desviación

estándar de σ= 1.5 contra la alternativa de que es mayor.
Paso 1. σ= 1.5
Datos Datos del problema anterior:
𝑥̅ = 6.6
𝑆 = 2.0
v= 9
Paso 2. 𝐻0 : 𝜎 < 1.5
Hipótesis 𝐻𝐴 : 𝜎 > 1.5
Paso 3. Regla de Decisión:
Estadístico de Distribution Plot (Damariz Rebolledo)
T; df=9
Prueba 0,4
0,3
Density
0,2
0,1
0,05
0,0
-1,833 0
X
𝐻0 𝑛𝑜 𝑠𝑒 𝑟𝑒𝑐ℎ𝑎𝑧𝑎 𝑠𝑖 𝑠𝑢 𝑣𝑎𝑙𝑜𝑟 𝑒𝑠𝑡𝑎𝑑í𝑠𝑡𝑖𝑐𝑜 (𝑡)𝑠𝑒 𝑒𝑛𝑐𝑢𝑒𝑛𝑡𝑟𝑎

𝑚𝑒𝑛𝑜𝑟 𝑎 − 1.833
Paso 4. Decisión:
Toma de 𝐻0 𝑠𝑒 𝑟𝑒𝑐ℎ𝑎𝑧𝑎
Decisión

lOMoARcPSD|7139797
4.25. En relación con el ejercicio 16 de este capítulo, con una significancia α= 0.05
pruebe la hipótesis de que la media de la densidad mínima de la capa de metal de los
discos es igual a 2.0 micras, contra la alternativa de que es menor.
Paso 1. α= 0.05
Datos
Paso 2.
Fórmula
𝛴 (𝑋 − 𝜇)²
𝜎= √
𝑁
Paso 3. Operaciones y cálculos realizada en Minitab

Procedimiento
Paso 4.
Gráficas
Paso 5. La media de la densidad mínima de la capa de metal de los discos es

Resultados, menor a 2.0 micras.
interpretación y
decisiones
4.26 En una planta embotelladora de bebidas gaseosas se desea estar seguro de que
las botellas que usan tienen en promedio un valor que supera el mínimo de presión de
estallamiento de 200 psi.
Paso 1. Datos 𝜎= 7.0

Datos del problema anterior:
𝑥̅ = 202.5
𝑆 = 7.0
v= 14

lOMoARcPSD|7139797
Paso 2. nivel de 𝐻0 : µ > 200

significancia 𝐻𝐴 : µ ≤ 200
Paso 3. fórmula Gráfica de distribución (Damariz Rebolledo)
Normal, Media=202.5, Desv.Est.=7
0.06
0.05
0.04
Densidad
0.03
0.02
0.01
0.05
0.00
191.0 202.5
X
𝐻0 𝑛𝑜 𝑠𝑒 𝑟𝑒𝑐ℎ𝑎𝑧𝑎 𝑠𝑖 𝑠𝑢 𝑣𝑎𝑙𝑜𝑟 𝑒𝑠𝑡𝑎𝑑í𝑠𝑡𝑖𝑐𝑜 𝑠𝑒 𝑒𝑛𝑐𝑢𝑒𝑛𝑡𝑟𝑎

𝑚𝑒𝑛𝑜𝑟 𝑎 191
Paso 4. Toma
de decisión
Paso 5. Decisión:
Conclusión 𝐻0 𝑛𝑜 𝑠𝑒 𝑟𝑒𝑐ℎ𝑎𝑧𝑎
a) Formule la hipótesis para la media pertinente al problema.
𝐻0 : µ > 200
𝐻𝐴 : µ ≤ 200
b) Si en una evaluación de la presión de estallamiento de
15 botellas seleccionadas al azar se obtiene que x = 202.5 y S= 7.0;
pruebe la hipótesis formulada antes.
Si procedió de manera correcta no se rechaza la hipótesis nula, y por lo
tanto no se puede concluir lo que desea el embotellador, es decir que µ>
200.
c) Explique por qué no se puede concluir esto a pesar de que la
media muestra sí es mayor que 200.
Dado que el estadístico de prueba se muestra lejos del margen que

lOMoARcPSD|7139797
denota el que la hipótesis nula se rechace.

No se puede concluir la hipótesis pese a que la media muestral es mayor
debido a la desviación estándar que presenta la muestra.
4.27. En el problema anterior, pruebe la hipótesis para la desviación estándar de 𝝈= 5.0

contra la alternativa de que es mayor.
PASO 1. 𝜎= 5.0
Datos Datos del problema anterior:
𝑥̅ = 202.5
𝑆 = 7.0
v= 14
Paso 2. 𝐻0 : 𝜎 < 5.0
Nivel de 𝐻𝐴 : 𝜎 > 5.0
significancia
Fórmula T; df=14
0.4
0.3
Densidad
0.2
0.1
0.05
0.0
-1.761 0
X
𝐻0 𝑛𝑜 𝑠𝑒 𝑟𝑒𝑐ℎ𝑎𝑧𝑎 𝑠𝑖 𝑠𝑢 𝑣𝑎𝑙𝑜𝑟 𝑒𝑠𝑡𝑎𝑑í𝑠𝑡𝑖𝑐𝑜 (𝑡)𝑠𝑒 𝑒𝑛𝑐𝑢𝑒𝑛𝑡𝑟𝑎

𝑚𝑒𝑛𝑜𝑟 𝑎 − 1.761
Paso 4.
Toma de
decisión

lOMoARcPSD|7139797
4.28. Para validar la afirmación de un fabricante que señala que la proporción de

artículos defectuosos de sus lotes de producción no supera 5%; se toma una muestra
aleatoria de 100 artículos de los últimos lotes y se obtiene que 8 son defectuosos.
Paso 1. Datos n: 100 p: 0.05% x: 8

Paso 2. Fórmula -
Paso 3. Operaciones y cálculos realizada en Minitab 17
Procedimiento
Paso 4. Gráfica de distribución( Damaris Rebolledo)
Gráficas Binomial, n=100, p=0.05
0.20
0.15
Probabilidad
0.10
0.05
0.03708
0.00
1 13
X
Gráfica de distribución Damaris Rebolledo

Binomial, n=70, p=0.05
0.25
0.20
Probabilidad
0.15
0.10
0.05
0.02758
0.00
0 10
X
Paso 5. a) Formular las hipótesis adecuada al problema, si lo que se

Resultados, quiere es concluir que la afirmación del fabricante es falsa,
interpretación y porque en realidad su calidad es peor.
decisiones 𝐻𝑜 ∶ 𝑝 ≥ 5
𝐻𝐴 ∶ 𝑝 < 5
b) Probar la hipótesis formulada con una significancia de 5.

lOMoARcPSD|7139797
c) Si procedió de manera correcta no se pudo concluir que p >

5%. Explique por qué no se puede concluir esto a pesar de que
la proporción muestra! es mayor a 5%.
Se argumenta porque el valor del estadístico es de 0.03708 lo cual
significa que no pasa del 0.05
d) ¿En este problema cuál sería el tamaño de muestra a usar si se

quiere tener un error máximo de estimación de 3%?
La muestra debe ser de 70 para tener un error máximo de estimación de
3%.
4.29 ¿En el ejercicio 17 de este capítulo es correcto afirmar que más de 8% de las
facturas tienen alguna anomalía? Para responder, formule y pruebe la hipótesis
pertinente con una significancia de 5%.
Paso 1. 𝐻0 : 𝜇 = 100
Paso 2. α=0.05
Nivel de
significancia
𝑡0 =
prueba 𝑣 = 𝑛−1
Paso 4.
Regla de 𝑣 = 100 − 1 = 99
decisión Gráfica de distribución (Damariz Rebolledo)
T, df=99
0.4
0.3
Densidad
0.2
0.1
0.05
0.0
0 1.660
X
Regla de decisión:
𝐻0 no se rechaza ya que su valor del estadístico de prueba (t) es mayor
que 1.660
Paso 5.
Toma de t=Caluculado con minitab
decisión

lOMoARcPSD|7139797
Paso 6. 𝐻0 no se rechaza ya que su valor del estadístico de prueba (t) es mayor

Resultados que 1.660, así que si es correcto afirmar que es de un 8%.
4.30 En un centro escolar se ha venido aplicando una campaña contra el uso del tabaco
por parte de los estudiantes. Antes de la campaña, 30% de los alumnos eran fumadores
activos, para investigar si disminuyó esta proporción se toma una muestra aleatoria de
150 estudiantes y se detecta que 35 de ellos son fumadores. Formule la hipótesis
pertinente al problema. Justifique.
Paso 1. n=150 p=0.30 x=35.

Datos.
Paso 2. -
Formula.
Paso 3. Operaciones y cálculos realizados por minitab.
Procedimiento.
Paso 4. Gráfica Gráfica de distribución Damariz Rebolledo
Binomial, n=1 50, p=0.3
0.08
0.07
0.06
Probabilidad
0.05
0.04
0.03
0.02
0.01
0.04286
0.00
35 63
X
Paso 5. a) Formule la hipótesis pertinente al problema. Justifique.

Interpretación Ho =p ≥ 30
de los datos. HA =p < 30
c) Con una significancia de 5% verifique la hipótesis planteada.
d) ¿La conclusión anterior se mantiene sí se quiere tomar una
decisión con una confianza de 99%? Argumente.
Sí, porque la Ho no se rechaza en porque está dentro de los límites
establecidos.

lOMoARcPSD|7139797
4.31 Dos máquinas, cada una operada por una persona, son utilizadas para cortar tiras
de hule, cuya longitud ideal debe ser de 200 mm. De las inspecciones de una semana
(25 piezas) se observa que la longitud media de las 25 piezas para una máquina es de
200.1 y para la otra es de 201.2. ¿Es significativa la diferencia entre los dos casos?
Sean 𝜇𝑥 = 200.1 𝑦 𝜇𝑦 = 201.2 se da la hipótesis nula de que 𝐻0 : 𝜇𝑥 = 𝜇𝑦 pero gracias a la

inspección esta hipótesis cambia de ser nula a ser afirmativa ella que se acepta que los datos
muéstrales proporcionan evidencia de que la hipótesis nula es falsa 𝐻𝐴 : 𝜇𝑥 ≠ 𝜇𝑦 por lo tanto si
es significativa la diferencia porque hace un cambio cuando en realidad se debería de operar
mejor la máquina para ofrecer tiras de hule con la misma calidad para todos los clientes.
4.32 Se desea comprar una gran cantidad de bombillas y se tiene que elegir entre las
marcas A y B. Para ello, se compraron 100 focos de cada marca y se encontró que las
bombillas probadas de la marca A tuvieron un tiempo de vida medio de 1 120 horas,
con una desviación estándar de 75 horas; mientras que las de la marca B tuvieron un
tiempo de vida medio de 1 064 horas, con una desviación estándar de 82 horas.
a) ¿Es significativa la diferencia entre los tiempos medios de vida? Use a= 0.05.
Aplique la prueba T de Student suponiendo igualdad de varianzas.
Paso 1. Marca A Marca B

Datos n = 100 n = 100
µ = 1120 µ = 1064
σ = 75 σ = 82
α = 0.05 α = 0.05
Varianzas iguales Varianzas iguales
Fórmulas
Gráfica
Paso 4- Error
Resultados, estándar
interpretaciones y de la
toma de decisiones Muestra N Media Desv.Est. media
1 100 1120.0 75.0 7.5
2 100 1064.0 82.0 8.2
Diferencia = μ (1) - μ (2)

Estimación de la diferencia: 56.0
IC de 5% para la diferencia: (55.3, 56.7)
Prueba T de diferencia = 0 (vs. ≠): Valor T = 5.04 Valor p = 0.000 GL
= 198
Ambos utilizan Desv.Est. agrupada = 78.5780

lOMoARcPSD|7139797
Tienen un IC de 5% para la diferencia de 55.3 y 56.7, por lo tanto

concluimos que no es significativa la diferencia entre los tiempos
medios de vida de los focos entre ambas marcas.
b) Repita lo anterior pero sin suponer igualdad de varianzas.
Paso 1. Marca A Marca B

Datos n = 100 n = 100
µ = 1120 µ = 1064
σ = 75 σ = 82
α = 0.05 α = 0.05
varianzas diferentes varianzas diferentes
Fórmulas
Gráfica
Paso 4. Resultados, Error
interpretaciones y estándar
toma de decisiones de la
Muestra N Media Desv.Est. media
1 100 1120.0 75.0 7.5
2 100 1064.0 82.0 8.2
Diferencia = μ (1) - μ (2)

Estimación de la diferencia: 56.0
IC de 5% para la diferencia: (55.3, 56.7)
Prueba T de diferencia = 0 (vs. ≠): Valor T = 5.04 Valor p = 0.000 GL
= 196
Se puede observar, que en este caso no afecta el asumir varianzas

iguales o diferentes, ya que no cambian los resultados, solo los
Grados de Libertad.
4.33 En condiciones controladas, en un laboratorio se evaluó en 10 hombres y 10

mujeres, la temperatura que cada persona encontró más confortable. Los resultados en
grados Fahrenheit fueron los siguientes:
Mujeres 75 77 78 79 77 73 78 79 78 80
Hombre 74 72 77 76 76 73 75 73 74 75
Paso 1. Hipótesis 𝐻0 : 𝜇1 = 𝜇2
𝐻𝐴 : 𝜇1 ≠ 𝜇2
Paso 2. Nivel de 𝛼 = 0.05
significancia

lOMoARcPSD|7139797
Paso 3. Fórmula 𝑥̅1 − 𝑥̅2

𝑡0 =
1 1
𝑆𝑃 √𝑛 +
1 𝑛2
(𝑛1 − 1)𝑆12 + (𝑛2 − 1)𝑆22
𝑆𝑝 = √
𝑛1 + 𝑛2 − 2
𝑣 =𝑛−1
Paso 4. Regla de 𝑣 = 10 − 1 = 9
decisión Gráfica de distribución (Damariz Rebolledo)
T, df=24
0.4
Densidad 0.3
0.2
0.1
0.05
0.0
-1.711 0
X
Regla de decisión:
𝐻0 se rechaza si el valor del estadístico (t) está entre -2.101 y 2.101
Decisión:
𝐻0 𝑠𝑒 𝑟𝑒𝑐ℎ𝑎𝑧𝑎
Paso 5. a) ¿Cuáles son en realidad los tratamientos que se comparan
Resultados en este estudio?
interpretaciones y Los tratamientos que se comparan en este estudio son :
toma de decisiones.  Temperatura de las mujeres
 Temperatura de los hombres
b) ¿Las muestras son dependientes o independientes?

Explique.

lOMoARcPSD|7139797
Las muestras son independientes porque no hay relación de causa

efecto entre la temperatura de las mujeres y la temperatura de los
hombres.
c) ¿La temperatura promedio más confortable es igual para

hombres que para mujeres?
La temperatura promedio no es igual para hombre que para mujeres.
75+77+78+79+77+73+78+79+78+80 = 774/10 = 77.4
74+72+77+76+76+73+75+73+74+75 = 745 / 10 = 74.5
No es igual, existe una diferencia de 2.9 grados fahrenheit
4.34 Se prueban 10 partes en cada nivel de temperatura y se mide el encogimiento

sufrido en unidades de porcentaje multiplicado por 10. Los resultados fueron los
siguientes:
Paso 1. Datos Temperatura Baja Temperatura Alta

17.2 21.4
17.5 20.9
18.6 19.8
15.9 20.4
16.4 20.6
17.3 21.0
16.8 20.8
18.4 19.9
16.7 21.1
17.6 20.3
Paso 2. Hipótesis 𝐻0 : 𝜇₁ = 𝜇2
𝐻𝐴 : 𝜇₁ ≠ 𝜇2
Paso 3. Nivel de α= 0.05

Significancia
𝑡0 =
Prueba 𝑣 =𝑛−1
(𝑛1 − 1)𝑆12 + (𝑛2 − 1)𝑆22
𝑆𝑝 = √
𝑛1 + 𝑛2 − 2
Paso 5. Regla de 𝑣 = 18
Decisión (Cálculo realizado en Minitab)

lOMoARcPSD|7139797
Regla de Decisión:
𝐻0 se rechaza si el valor del estadístico (t) está entre -2.101 y 2.101
Paso 6. Toma de Decisión:
Decisión 𝐻0 no se rechaza
Paso 7. a) ¿Cuál temperatura provoca un encogimiento menor?
Resultados La temperatura alta es la que provoca un encogimiento menor, ya que
tiene una desviación estándar menor que la temperatura baja.
Variable N StDev Variance
C1 10 0,842 0,709
C2 10 0,520 0,271
b) Mediante una prueba F, compare las varianzas de las
temperaturas y comente.
Las varianzas de las temperaturas se encuentran demasiado alejadas
basándonos en una prueba F, como se observa, la relación de las dos
varianzas es de 0,651 y 10,551, lo cual, es demasiado alejado entre
ellos.
CI for
CI for StDev Variance
Method Ratio Ratio
F (0,807; 3,248) (0,651; 10,551)
c) Dibuje los diagramas de cajas simultáneos e interprete.
Se observa que se encuentran dispersos entre ellos, sus medianas

están algo alejadas y en la caja de temperatura alta se observa que la
mediana no se encuentra totalmente centrada, lo que indica algo de
variabilidad.

lOMoARcPSD|7139797
Boxplot of C1; C2 (Damariz Rebolledo)

22
21
20
Data
19
18
17
16
C1 C2
4.35 Una compañía de transporte de carga desea escoger la mejor ruta para llevar la
mercancía de un depósito a otro. La mayor preocupación es el tiempo de viaje. En el
estudio se seleccionaron al azar cinco choferes de un grupo de 1 O y se asignaron a la
ruta A; los cinco restantes se asignaron a la ruta B. los datos obtenidos fueron:
Paso 1. 𝐻0 : 𝜇1 = 𝜇2
Hipótesis 𝐻𝐴 : 𝜇1 ≠ 𝜇2
Paso 2.
Nivel de α = 0.05
significancia
Paso 3. 𝑥̅1 − 𝑥̅1
Fórmula 𝑡0 =
𝑆𝑝 1 1
√
𝑛1 + 𝑛2
(𝑛1 − 1)𝑠12 + (𝑛2 − 1)𝑠22
𝑆𝑝 = √
𝑛1 + 𝑛2 − 2
Paso 4.
Regla de decisión

lOMoARcPSD|7139797
Regla de decisión:
entre -2.306 y 2.306
Paso 5. Valor T = -1.10 Valor p = 0.305 GL = 8
Toma de decisión Gráfica de distribución (Damariz Rebolledo)
T, df=8
0.4
0.3
Densidad
0.2
0.1
0.025 0.025
0.0
-2.306 0 2.306
X
Decisión:
𝐻0 no se rechaza
Paso 6. a) ¿Existen diferencias significativas entre las rutas? Plantee y
Conclusiones pruebe las hipótesis estadísticas correspondientes.
No hay mucha diferencia entre las rutas ya que al probar la hipótesis
nula no se rechaza.
b) En caso de rechazar la hipótesis del inciso a), dibuje los

diagramas de cajas simultáneos para determinar cuál ruta es
mejor.
Aquí se muestra la gráfica de caja, aunque la hipótesis nula se
rechazó se puede ver que no hay mucha diferencia entre las dos rutas.

lOMoARcPSD|7139797
Gráfica de caja de A, B (Damariz Rebolledo)
A B
36
34
32
30
28
26
24
22
c) Sugiera otra manera de obtener los datos (diseño alternativo),

de manera que se pueda lograr una comparación más efectiva de
las rutas.
Mediante una gráfica de caja se muestra la comparación de las dos
rutas para identificar cual es la más efectiva. Al compararlas se puede
ver que la ruta b es la más efectiva, porque tiene menos defectos.
4.36 Se tienen dos proveedores de una pieza metálica, cuyo diámetro ideal o valor
objetivo es igual a 20.25 cm. Se toman dos muestras de 14 piezas a cada proveedor y
los datos obtenidos se muestran a continuación:
Proveedor Diámetros de las piezas de cada proveedor

1 21.38, 20.13, 19.12, 19.85, 20.54, 18.00, 22.24,
21.94, 19.07, 18.60, 21.89, 22.60, 18.10, 19.25
2 21.51, 22.22, 21.49, 21.91, 21.52, 22.06, 21.51,
21.29, 22.71, 22.65, 21.53, 22.22, 21.92, 20.82
Paso 1 Hipótesis 𝐻0 : 𝜇1 = 𝜇2
𝐻1 : 𝜇1 ≠ 𝜇2
Paso2. Nivel de ∝= 0.05
significancia
Paso3 Fórmula 𝑥̅1 − 𝑥̅1
𝑡0 =
1 1
𝑠𝑝⁄√𝑛 + 𝑛
1 2
(𝑛1−1)𝑠12 +(𝑛2−1)𝑠22
sp= √ 𝑛1 +𝑛2−2

lOMoARcPSD|7139797
Paso 4 Regla de Gráfica de distribución (Damariz Rebolledo)

T, df=26
decisión 0.4
0.3
Densidad
0.2
0.1
0.025 0.025
0.0
-2.056 0 2.056
X
Regla de decisión: Ho no se rechaza si el valor del estadístico de

prueba t se encuentra entre -2.056 y 2.056
Paso5 Toma de Valor T = -3.63 Valor p = 0.001
decisión
Paso 1 Hipótesis 𝐻0 : 𝜎1 = 𝜎2
𝐻1 : 𝜎 𝜎12 ≠ 𝜎22
Paso 2. Nivel de ∝= 0.05
significancia
2
Paso3. 𝑠
1
Fórmula Fo= 2
𝑠
2
Paso 3. Regla de decisión Ho no se rechaza si el valor del estadístico de

Regla de decisión prueba F se encuentra entre 0.3210 y 3.115
Paso 4.
TOMA DE
DESICIÓN

lOMoARcPSD|7139797
Paso 6. a) Pruebe la hipótesis de igualdad de los diámetros de los

Conclusiones, proveedores en cuanto a sus medias.
interpretaciones y  La hipótesis de igualdad de los diámetros se encuentra
resultados en la primera gráfica
b) Pruebe la hipótesis de igualdad de varianzas.
 La prueba de hipótesis se encuentra en la segunda
gráfica
c) Si las especificaciones para el diámetro son 20.25 mm± 2.25
mm, ¿cuál proveedor produce menos piezas defectuosas?
 El proveedor que produce menos piezas defectuosas es
el 1
d) ¿Con cuál proveedor se quedaría usted?
 Con el proveedor número 1, dado que produce menos
piezas defectuosas.

lOMoARcPSD|7139797
4.37. En Kocaoz, S. Samaranayake, V. A. Nanni A. (2005) se presenta una investigación

donde se estudian dos tipos de barras de polímero, cuya tensión se refuerza con fibra
de vidrio (FRP). Estas barras, en sustitución de las vigas de acero, son utilizadas para
reforzar concreto, por lo que su caracterización es importante para fines de diseño,
control y optimización para los ingenieros estructurales. Las barras se sometieron a
tensión hasta registrarse su ruptura (en Mpa). Los datos para dos tipos de barras se
muestran a continuación:
Paso 1. Hipótesis: 𝐻0 : 𝜇1 = 𝜇2
𝐻1 : 𝜇1 ≠ 𝜇2
Paso 2. Nivel de
significancia: 𝛼 = 0.05
Paso 3. Estadístico
de Prueba: 𝑥̅1 − 𝑥̅1
𝑡0 =
1 1
1 2
(𝑛1−1)𝑠12 +(𝑛2 −1)𝑠22

𝑆𝑝 = √
𝑛1 +𝑛2−2
Paso 4. Regla de
Decisión: Regla de decisión:
T, df=14
0.4
0.3
Densidad
0.2
0.1
0.025 0.025
0.0
-2.145 0 2.145
X
𝐻𝑜 no se rechaza si el valor del estadístico de prueba (t) se

encuentra entre -2.145 y 2.145.

lOMoARcPSD|7139797
Paso 5. Resultados, T=0.18

interpretaciones y P= 0.858
toma de decisiones. (Calculado por minitab)
Decisión: 𝐻𝑜 no se rechaza
Paso 6. Hipótesis 𝐻0 : 𝜎1 = 𝜎2
𝐻1 : 𝜎 𝜎12 ≠ 𝜎22
Paso 7. Nivel de ∝= 0.05

significancia
2
Paso 8. Fórmula 𝑠
1
Fo= 2
𝑠
2
Paso 9. regla de
decisión
Regla de decisión:
Ho no se rechaza si el valor del estadístico de prueba F se
encuentra entre 0.2256 y 4.433
Paso 10. a) Formule la hipótesis para probar la igualdad de medias de
Resultados, los tratamientos.
interpretaciones y

lOMoARcPSD|7139797
toma de decisiones. b) Anote la fórmula del estadístico de prueba para la

hipótesis.
c) Pruebe la hipótesis a un nivel de significancia de 5%.

Para rechazar o no la hipótesis, apóyese tanto en el
criterio del valor-p como en el del valor critico de tablas.
𝐻𝑜 no se rechaza si el valor del estadístico de prueba (t) se
encuentra entre -2.145 y 2.145.
d) Explique cómo se obtiene el valor-p del inciso anterior.
Se calculó en Minitab
e) Pruebe la hipótesis de igualdad de varianzas entre
tratamientos.
Ho no se rechaza si el valor del estadístico de prueba F se encuentra
entre 0.2256 y 4.433
f) ¿Existe algún tratamiento mejor?
Al parecer los dos tratamientos son iguales
4.38. Se realiza un estudio para comparar dos tratamientos que se aplicarán a frijoles
crudos con el objetivo de reducir el tiempo de cocción. Un tratamiento {T1) es a base de
bicarbonato de sodio; mientras que el otro, T2, se realiza con cloruro de sodio o sal
común. La variable de respuesta es el tiempo de cocción en minutos. Se hacen siete
replicas. Los datos se muestran en la siguiente tabla:
Paso 1. 𝐻0 : 𝜇1 = 𝜇2
Datos 𝐻1 : 𝜇1 ≠ 𝜇2
Paso 2. 𝛼 = 0.05
Nivel de
significancia
Paso 3. 𝑥̅1 − 𝑥̅1
𝑡0 =
Fórmula 1 1
1 2
(𝑛1−1)𝑠12 +(𝑛2−1)𝑠22
Sp= √ 𝑛1 +𝑛2−2

lOMoARcPSD|7139797

Nivel de T; df=12
Significancia 0.4
0.3
Densidad
0.2
0.1
0.025 0.025
0.0
-2.179 0 2.179
X
Regla de decisión:
𝐻0 =
𝑁𝑂 𝑆𝐸 𝑅𝐸𝐶𝐻𝐴𝑍𝐴 𝑆𝐼 𝐸𝐿 𝑉𝐴𝐿𝑂𝑅 𝐸𝑆𝑇𝐴𝐷Í𝑆𝑇𝐼𝐶𝑂 𝐷𝐸 𝑃𝑅𝑈𝐸𝐵𝐴 𝑇 𝑆𝐸 𝐸𝑁𝐶𝑈𝐸𝑁𝑇𝑅𝐸 𝐸𝑁𝑇𝑅𝐸 −
2.172 𝑌 2.172
Toma de Valor T = 7.82 Valor p = 0.000
decisiones
Decisión: 𝐻0 Se rechaza
Paso 6. 𝐻0 : 𝜎1 = 𝜎2
Hipótesis 𝐻1 : 𝜎 𝜎12 ≠ 𝜎22
Paso 7. Nivel 𝛼 = 0.05

de
significancia
Paso 8.
2
Formula 𝑠1
𝐹0 = 2
𝑠2

lOMoARcPSD|7139797
Paso 9.
Regla de
decisión
Regla de decisión:
𝐻0 si se rechaza si el valor del estadístico de prueba f se encuentra entre
0.2002 y 4.995.
Paso 10.
Resultados, a) Formule la hipótesis para probar la igualdad de medias de los
interpretacio tratamientos.
nes y toma b) Anote la fórmula del estadístico de prueba para probar la hipótesis.
de c) Pruebe la hipótesis a un nivel de significancia de 5%. Para rechazar
decisiones o no la hipótesis, apóyese tanto en el criterio del valor-p como en el
valor crítico de tablas.
𝐻0 =no se rechaza si el valor estadístico de prueba t se encuentre entre-
2.172 y 2.172
d) Prube la hipótesis de igualdad de varianzas entre tratamientos.
𝐻0 si se rechaza si el valor del estadístico de prueba f se encuentra entre
0.2002 y 4.995
e) de acuerdo con el análisis realizado hasta aquí, ¿existe algún
tratamiento mejor?
El segundo tratamiento es mejor que el primero.
4.39 Con respecto al problema descrito en el ejercicio 30, el mejor método de

inoculación se aplicó a dos variedades de maíz en dos localidades. Una vez infectada la
mazorca, interesa medir el porcentaje final de la superficie de ésta que fue cubierta por
el hongo, así como el peso en gramos del huitlacoche. Los resultados para la variedad
2 de maíz, obtenidos en 15 mazorcas de Texcoco y en 15 mazorcas de Celaya son los
siguientes:

lOMoARcPSD|7139797
Paso 1 𝐻0 : 𝜇1 = 𝜇2
Hipótesis 𝐻1 : 𝜇1 ≠ 𝜇2
Paso2. Nivel de ∝= 0.05
significancia
Paso3 Fórmula 𝑥̅1 − 𝑥̅1
𝑡0 =
1 1
1 2
(𝑛1−1)𝑠12 +(𝑛2 −1)𝑠22
sp= √
𝑛1 +𝑛2−2
Paso 4 Regla de Gráfica de distribución (Damariz Rebolledo)
T, df=22
decisión 0.4
0.3
Densidad
0.2
0.1
0.025 0.025
0.0
-2.074 0 2.074
X
Regla de decisión: 𝐻𝑜 no se rechaza si el valor del estadístico de prueba t se

Paso 5Toma de Valor T = -1.67 Valor p = 0.108
decisión
Paso 6 a) ¿Se puede afirmar que el porcentaje de cobertura del hongo es
Resultados mayor en Celaya que en Texcoco? Pruebe la hipótesis
apropiada para las medias.
 Sí se puede afirmar la cobertura del hongo es mayor en
Celaya en la gráfica del paso número 4
b) Utilice un diagrama de dispersión (gráfica tipo X-Y) para

verificar si existe una relación lineal entre el porcentaje de
cobertura de la mazorca con los gramos de huitlacoche.
Gráfica de dispersión de PG Texcoco vs. PG Celaya (Damariz Rebolledo)
200
150
PG Texcoco
100
50
0
0 50 100 150 200 250 300 350
PG Celaya
c) Ignore la cobertura y pruebe La igualdad de la producción

promedio de huitlacoche en las dos localidades.
 La igualdad se muestra en la gráfica del paso número 4

lOMoARcPSD|7139797
4.40 Se comparan dos métodos para inocular o contagiar una cepa del hongo del maíz
conocido como huitlacoche. En una primera etapa del estudio, el experimentador quiere
determinar cuál de los métodos genera mayor porcentaje de infección. El método A
consiste en cortar la punta de la mazorca para aplicar la cepa, y en el método B se
inyecta la cepa de forma transversal. De 41 mazorcas inoculadas con el método A, 20 se
infectaron, es decir, generaron huitlacoche; en tanto, de 38 mazorcas inoculadas con el
método B se infectaron 27.
Paso 1. Datos 𝐻0: 𝑝1 = 𝑝2

𝐻𝐴 : 𝑝1 ≠ 𝑝2
𝑛1 = 41
𝑛2 =38
𝑥1 = 20
𝑥2 =27
Paso 2. Fórmulas
𝑝̂ 1 − 𝑝̂ 2
𝑍0 =
1 1
√𝑝̂ (1 − 𝑝̂ )(𝑛 + 𝑛 )
1 2
Paso 3.
Procedimiento
20 27
𝑍0 = 41 − 38
√0.68(1 − 0.68)( 1 + 1 )
41 38
=1
Paso 5. Resultados, ¿Existe evidencia estadística suficiente para afirmar que el

interpretaciones y método B genera una mayor infección de huitlacoche? Plantee y
toma de decisiones pruebe la hipótesis correspondiente.
Existe evidencia estadística suficiente para afirmar que el método B
genera una mayor infección en el huitlacoche.
4.41. Con respecto al problema del ejercicio 18 se desean comparar dos tratamientos para
hacer que germine cierta semilla. Los datos del tratamiento A son los del ejercicio 18, es decir,
de 60 semillas puestas a germinar se observó que 37 de ellas germinaron. Mientras que para el
tratamiento 8, de 70 semillas se observó que 30 germinaron.
Paso 1. Hipótesis 𝐻0 : 𝑝1 = 𝑝2
𝐻𝐴 : 𝑝1 ≠ 𝑝2
Paso 2. Nivel de 𝛼 = 0.95

confianza

lOMoARcPSD|7139797
Paso 3. Estadístico 𝑋 − 𝑛𝑝0

de prueba 𝑧0 =
√𝑛𝑝0 (1 − 𝑝0 )
𝑥1+ 𝑥2
𝑝̂ =
𝑛1 + 𝑛2
Paso 4. Realizado en Minitab y Excel

Procedimiento
Paso 5. Grafica
0.10
0.08
Probabilidad
0.06
0.04
0.02
0.01878 0.02049
0.00
21 39
X

0.12
0.10
0.08
Probabilidad
0.06
0.04
0.02
0.04365 0.03971
0.00
30 44
X
Z = 2.18 Valor p = 0.0985371

Paso 5. Resultados a) ¿Hay una diferencia significativa entre los dos
interpretaciones y tratamientos? Pruebe la hipótesis correspondiente con 95%
toma de decisión de confianza.
No existe diferencia significativa entre los dos tratamientos;
T1= 0.96075 y T2= 0.91664.
b) Estime, con una confianza de 95%, la proporción de

germinación que se logrará con cada tratamiento.

lOMoARcPSD|7139797
4.42 Se desea comparar dos proveedores; para ello, se toma una muestra aleatoria de la
producción de cada uno de n = 150 piezas, y se les hace en orden aleatorio una prueba.
En el caso del primer proveedor se obtuvieron x₁ = 11 piezas que no pasaron la prueba,
mientras que para el segundo fueron x₂= 22.
Paso 1. Datos n = 150 piezas

x₁ = 11
x₂= 22
Paso 2. Hipótesis 𝐻0 : 𝑝̂ ₁ = 𝑝̂ 2
𝐻𝐴 : 𝑝̂ ₁ ≠ 𝑝̂ 2
Paso 3. Nivel de α=0.05

Significancia
Paso 4. Estadístico
𝑝̂1 (1 − 𝑝̂1 ) 𝑝̂ 2 (1 − 𝑝̂ 2 )
de Prueba (𝑝̂1 − 𝑝̂ 2 ) − 𝑧𝛼 √ +
2 𝒏𝟏 𝒏𝟐
𝑝̂1 (1 − 𝑝̂1 ) 𝑝̂ 2 (1 − 𝑝̂ 2 )
(𝑝̂1 − 𝑝̂ 2 ) + 𝑧𝛼 √ +
2 𝒏𝟏 𝒏𝟐
Paso 5. Regla de 11
𝑝̂ ₁ =
Decisión 150
𝑝̂ ₁ = 0.0733
22
𝑝̂ ₂ =
150
𝑝̂ ₂ = 0.1466
0.0733(1 − 0.0733) + 0.1466 (1 − 0.1466)

=
(0.0733 − 0.1466) − 0.06√ (150)(150)
−0.0733 − (0.06)(2.9290𝑥10−3 ) = −0.0734
0.0733(1 − 0.0733) + 0.1466 (1 − 0.1466)

=
(0.0733 − 0.1466) + 0.06√ (150)(150)
−0.0733 + (0.06)(2.9290𝑥10−3 ) = −0.0731
Paso 6. Toma de Decisión:

Decisión 𝐻0 no se rechaza
Paso 7. Resultados a) ¿Qué proveedor parece mejor?
El primer proveedor es el que parece mejor, ya que tiene menos
piezas que no pasaron la prueba, sin embargo, como fue una prueba
aleatoria, puede que al realizar las pruebas no se confirme este
parecer.

lOMoARcPSD|7139797
b) ¿Existe una diferencia significativa entre los dos

proveedores? Pruebe la hipótesis correspondiente a 95%
de confianza
No, no existe una diferencia significativa entre los dos proveedores,
por lo tanto, la Hipótesis Nula no se rechaza teniendo en cuenta un
Nivel de Confianza del 95%.
4.43 La prueba actual de un solo disco se tarda 2 minutos en promedio. Se propone un

nuevo método de prueba que consiste en medir sólo los radios 24 y 57, donde casi es
seguro que estará el valor mínimo buscado: Si el método nuevo resulta igual de
efectivo que el método actual, se podrá reducir en 60% el tiempo de prueba. Se plantea
un experimento donde se mide la densidad mínima de metal en 18 discos usando tanto
el método actual como el método nuevo con los siguientes resultados:
Paso 1.
Datos
Paso 2. -
Formula
Paso 3. Cálculos y operaciones realizados por Minitab
Procedimiento
Paso 4.
Gráficas
Histograma de nuevo, actual Damariz Rebolledo

nuevo
4.8
3.6
2.4
1 .2
Frecuencia
0.0
actual
4.8
3.6
2.4
1 .2
0.0
1 .8 1 .9 2.0 2.1 2.2

lOMoARcPSD|7139797
Paso 5.
Interpretación. a) Pruebe la igualdad de las medias usando la prueba
pareada.
El estadístico de prueba me muestra que es muy semejante, sin
embargo no se puede comprobar que en realidad son equivalentes o
que el nuevo método supera al antiguo.
b) ¿Cuál es el criterio de apareamiento?

IC de 95%.
c) Realice el análisis de los datos ignorando el

apareamiento. Compare con los resultados del inciso a).
“La semejanza es mucha por lo tanto se acepta”
d) ¿Comente cuál análisis es el correcto, el del inciso a) o el

del c)?
El análisis puesto que es un poco más detallado y especifico al
mencionar que no es seguro que nuestros dos métodos sean
semejantes o se cumpla el objetivo.
e) ¿Recomendaría usted la adopción del nuevo método?

En realidad si apoyaría la introducción de este nuevo método puesto
que los resultados son un 95% positivos y eso para mí es más que
suficiente.
4.44 En una prueba de dureza, una bola de acero se presiona contra el material al que
se mide la dureza. El diámetro de la depresión en el material es la medida de su dureza.
Se dispone de dos tipos de bolas de acero y se quiere estudiar su desempeño. Para
ello, se prueban ambas bolas con los mismos 10 especímenes elegidos de manera
aleatoria y los resultados son:

lOMoARcPSD|7139797
Paso 1 𝐻0 = 𝜇𝐷 = 0
Hipótesis 𝐻𝐴 = 𝜇𝐷 ≠ 0
Paso 2 α= 0.05.
Nivel de significancia
Paso 3 𝑑̅
Formula 𝑡0 = 𝑠
𝑑
⁄
√𝑛
Paso 4
Regla de decisión REGLA DE DECISIÓN
𝐻0 Se rechaza si el valor estadístico de prueba (t) es mayor al
valor P
Paso 5 Valor T = 1.00 Valor p = 0.344
Toma de decisión
DECISIÓN:
Como el valor p = 0.344 es menor que 𝑡0 = 1.00 𝐻0 no se rechaza.
Paso 6 a) Analice paso a paso cómo se hizo el experimento y
Conclusiones explique por qué es importante realizarlo de esa
manera.
b) Pruebe la hipótesis de que ambas bolas
proporcionan las mismas mediciones de dureza en
cuanto a la media.
Como el valor p = 0.344 es menor que 𝑡0 = 1.00 𝐻0 no se rechaza
c) Pruebe la igualdad de las bolas sin considerar que
están pareadas. Compare los resultados con los
obtenidos en el inciso b).
El valor t=0.99 y el valor p=0.339 siendo de la misma manera que
en el inciso anterior menor el valor p que el valor t.
d) ¿En qué situación se esperaría que los análisis de
los incisos b) y c) den los mismos resultados?
En que la media sea igual y se asuma que las varianzas de igual
manera.
4.45 Se conduce un experimento para determinar si el uso de un aditivo químico y un

fertilizante estándar aceleran el crecimiento de las plantas. En cada una de 10
localidades se estudiaron dos plantas sembradas en condiciones similares. A una
planta de cada localidad se le aplicó el fertilizante puro y a la otra el fertilizante más el
aditivo. Después de cuatro semanas el crecimiento en centímetros fue el siguiente:

lOMoARcPSD|7139797
Paso 1 𝐻0 = 𝜇𝐷 = 0
Hipotesis 𝐻𝐴 = 𝜇𝐷 ≠ 0
Paso 2 α= 0.05.
Paso 3 𝑑̅
𝑑
⁄
√𝑛
Paso 4 ̅̅̅̅̅̅
−2.0
𝑡0 = = −2.928
Regla de decisión 2.160⁄
√10
REGLA DE DECISIÓN
valor P
Paso 5 Valor T = -2.93 Valor p = 0.017
Toma de decisión
DECISIÓN:
Como el valor p = 0.017 es menor que 𝑡0 = −2.928 𝐻0 no se
rechaza.
Paso 6 a) ¿Los datos obtenidos apoyan la afirmación de que el
Conclusiones aditivo químico acelera el crecimiento de las plantas? Plantee
las hipótesis apropiadas para las medias y pruébelas usando
α= 0.05.
T pareada para Sin Aditivo - Con Aditivo
Error
estándar
de la
N Media Desv.Est. media
Sin Aditivo 10 22.20 5.45 1.72
Con Aditivo 10 24.20 5.63 1.78
Diferencia 10 -2.000 2.160 0.683
b) Obtenga un intervalo a 95% de confianza para la diferencia

promedio 𝝁𝑫
Con una confianza del 95%, se concluye que el aditivo químico no
aceleran el crecimiento por igual, las mediciones que reportan son
estadísticamente diferentes.

lOMoARcPSD|7139797
4.46 Se realizó un experimento para ver si dos técnicos tienen alguna tendencia a
obtener diferentes resultados cuando determinan la pureza de cierto producto. Cada
muestra fue dividida en dos porciones y cada técnico estableció la pureza de una de las
porciones. Los resultados se muestran a continuación:
Paso 1 𝐻0 : 𝜇𝐷 = 0
Hipótesis 𝐻𝐴 : 𝜇𝐷 ≠ 0
Paso 2 α= 0.05.
Paso 3 𝑑̅
𝑑
⁄
√𝑛
Paso 4
Regla de decisión REGLA DE DECISIÓN
valor P
Paso 5 Valor T = 3.30 Valor p = 0.013
Toma de decisión Histograma de Diferencias (Damariz Rebolledo)
(con Ho e intervalo de confianza t de 95% para la media)
3.0
2.5
2.0
Frecuencia
1.5
1.0
0.5
0.0 _
X
Ho
-0.5
-0.5 0.0 0.5 1.0 1.5 2.0 2.5 3.0
Diferencias
DECISIÓN:
Paso 6 a) Estos datos deben analizarse en forma pareada,
Conclusiones explique por qué.
Estas muestras se toman en forma pareada porque ambas
muestras se ven como pares porque tienen en común a los
técnicos que empeñan los dos tipos de técnicas.
b) Formule la hipótesis correcta para el problema.

lOMoARcPSD|7139797
𝐻0 : 𝜇𝐷 = 0
𝐻𝐴 : 𝜇𝐷 ≠ 0
c) Pruebe la hipótesis y obtenga conclusiones.
d) Si los técnicos son diferentes, ¿hay alguna evidencia

acerca de cuál de ellos hace mal el trabajo?
Si, la gráfica del paso 5 demuestra la gran diferencia de quien de
los dos ha tenido mayor eficiencia en la pureza de cierto producto.
e) ¿Qué recomendaría para lograr una mayor uniformidad
en las determinaciones de los dos técnicos?
Tener el mismo proceso para cada producto.
4. 47 Buscar por medio de Internet, por ejemplo en scholar. google.com, un artículo de

una revista científica o tecnológica donde se reporte el resultado de una investigación
donde se comparen dos tratamientos, ya sea medias, medias pareadas, varianzas o
proporciones. Anotar la referencia completa, es decir: autor( es), año, título del trabajo
y nombre de la revista; además hacer una síntesis de lo que trata el artículo, detalles de
los tratamientos que compara, los análisis estadísticos que hacen y las principales
conclusiones.
Bibliografía
Academicos, S. d. (2006). XVI Verano de la investigación cientifica. Villahermosa, Tabasco,
México: Memorias de congresos y simponsios.
En este artículo nos habla de la evaluación del aprovechamiento de los alimentos, para poder
conocer su valor nutricional real. La determinación de su digestibilidad para poder realizar
dietas de bajo costo.
Principalmente tienen como objetivo determinar la digestibilidad in vitro de de alimentos e

ingredientes para tilapia utilizando extractos enzimáticos de la especie. Por medio de graficas
estadísticas, apoyándose de los gl, valores p y medias que estos arrojen.
La primera grafica que se muestra es de actividad proteolica de tactos digestivos de tilapias

sometidas a diferetes alimentos.

lOMoARcPSD|7139797
La segunda tabla muestra el resultado de proteolica acida con hemoglobina en tactos

digestivos de tilapias.
Y el tercer resultado nos muestra la actividad enzimática de los alimentos empleados en

tilapias.
De acuerdo a los resultados obtenidos al determinar la digestibilidad de los alimentos e

ingredientes para la tilapia del nilo mediante cinética de absorbancias se concluyó que todos
los alimentos pueden ser utilizados y aprovechados sin embargo el resultado nos muestra
claramente que tiene un efecto más notorio la proteolica acida con hemoglobina en tactos
digestivos de tilapias.
4. 48 Investigación sobre el sobrepeso y obesidad en tu escuela. Un problema de salud

mundial es el sobrepeso y obesidad de la población en todas las edades. Se propone
que mediante trabajo en equipo se desarrolle el siguiente proyecto, cuyo objetivo es
profundizar en el conocimiento de la magnitud de este problema en el contexto escolar
por sexo, comparar esta magnitud con los datos nacionales y afianzar los métodos
vistos en los capítulos anteriores. El material requerido será una báscula adecuada

lOMoARcPSD|7139797
para medir el peso de un individuo y una cinta métrica, preferentemente de pared. Las
actividades a desarrollar son las siguientes.
a) Integrar un equipo de tres a cinco miembros, e investigar sobre el tema de obesidad

para hacer un breve reporte sobre el problema: antecedentes, por qué es importante, su
nivel actual en algunos países. Dentro de los antecedentes se deberá resaltar la forma
en que se calcula el índice de masa corporal (IMC), puntualizando las recomendaciones
para medir el peso y estatura de un individuo. Se sugiere consultar la Encuesta
Nacional de Salud (ENSANUT), México 2008.
b) Establecer un método de muestreo aleatorio para seleccionar una muestra de

estudiantes de la misma escuela para cada sexo. Es deseable que se seleccione de
manera aproximada la misma cantidad de hombres que de mujeres, y en conjunto sean
al menos 150 personas. Reportar los detalles del método de muestreo seguido.
c) Diseñar un breve cuestionario para aplicarlo a los individuos seleccionados en la

muestra y obtener de ellos su información básica (edad, carrera que estudian, sexo, si
además de estudiar trabajan) y algunos de los principales hábitos relacionados con la
salud, como son los de alimentación, la actividad física y su percepción personal de los
entrevistados sobre si están satisfechos con su peso. El cuestionario debe ser breve,
de un máximo de 20 preguntas, la mayoría de ellas de opción múltiple, y se concluye
con los datos de peso y estatura del entrevistado. Para el diseño del cuestionario se
pueden consultar encuestas parecidas que se han utilizado en investigaciones sobre
los hábitos de los jóvenes.
d) Hacer un análisis por sexo de las principales preguntas cualitativas del cuestionario.
e) Analizar en forma descriptiva el peso y estatura de los estudiantes, en forma global y

luego en forma separada por sexo. Escribir los aspectos más relevantes de este
análisis.
f) Además hacer una gráfica de dispersión del tipo x-y por sexo para relacionar la
estatura y con el peso. Anotar los aspectos más relevantes.
Investigación
El estado de Tamaulipas enfrenta un severo reto ante los problemas que provocan el
sobrepeso y obesidad, con 73% de adultos con este mal; el sector salud, arrancara un tercer
tamizaje para determinar prevalencia entre niños y adolescentes.
De acuerdo a información de la Encuesta Nacional de Salud y Nutrición 2006 del Instituto

Nacional de Salud Pública, citada por las autoridades estatales, esta entidad ocupa el séptimo
lugar con una prevalencia de sobrepeso y obesidad combinada de 31.4 por ciento en los niños

lOMoARcPSD|7139797
de 5 a 11 años de edad. El sexto lugar en adolescentes de 12 a 19 años con 38 por ciento y el

onceavo en mayores de 20 años de edad con 73 por ciento. Es decir, que 7 de cada 10
adultos en Tamaulipas presentan sobrepeso u obesidad. El Secretario de Salud en la entidad,
Norberto Treviño García Manzo, reconoció que este padecimiento representa uno de los retos
más importantes para el estado, y prioritario para la presente administración, encabezada por
el Gobernador Egidio Torre Cantú.
Por ello, el sector a su responsabilidad efectuará mediante un estudio muestral a través de las
12 jurisdicciones sanitarias del Estado, en coordinación con el sector educativo y cuyos
resultados se obtendrán y darán a conocer a inicios del 2013. "Los niños y adolescentes son
el presente y futuro de Tamaulipas, por ello el gobierno de Egidio Torre Cantú quiere
garantizar su salud para alcanzar el desarrollo máximo de sus capacidades, con énfasis en el
auto cuidado de la salud y la prevención para alejar las enfermedades y atender todos los
ángulos de las irremediables enfermedades crónicas no transmisibles", indicó.
Muestras tomadas de IMC
28 23 21 24 30
29 24 27 20 23
25 28 20 22 22
30 22 23 28 27
26 30 20 20 26
28 26 28 30 30
28 21 29 20 21
20 26 25 22 24
27 26 21 26 27
25 24 25 24 24
Cuestionario
1. Sexo: Hombre Mujer

2. Edad: 19-23 23-28
3. ¿Diría que lleva una dieta equilibrada? Si No
4. ¿Cuántas veces a la semana realiza ejercicio? 1- 2 Todos los días Nunca
Peso de Hacen Peso de Hacen

mujeres ejercicio hombres ejercicio
27 no 29 no

lOMoARcPSD|7139797
30 no 22 no
26 si 29 si
24 si 25 si
26 no 24 no
27 no 24 no
23 si 20 si
21 si 21 si
22 no 21 no
26 no 22 no
25 si 24 si
28 si 25 si
29 no 20 no
27 no 26 no
21 si 25 si
30 si 25 si
28 no 22 no
30 no 24 no
23 si 20 si
21 si
Diagrama de dispersión
Gráfica de dispersión de Pesos vs. alturas (Damariz Rebolledo)

32
30
28
Pesos
26
24
22
20
150 155 160 165 170 175 180 185

alturas
En este diagrama se puede observar que para la población que se está analizando existe un
muy alto IMC, esto quiere decir que la mayoría de los jóvenes analizados tienen obesidad o se

lOMoARcPSD|7139797
encuentran a punto de tenerla, también se observa que el IMC no está de acuerdo a las
medidas de altura, esto ocurre en más del 65% de los analizados.
4.49 En el ejemplo 4.8 se hizo un estudio para comparar dos básculas. En esta actividad
se propone que en grupo se desarrolle un estudio similar donde se comparen dos
procesos de medición, pueden ser dos equipos (básculas, vernieres, etc.) o bien dos
procesos de medición (mismo equipo operado por dos personas diferentes, mismo
equipo, pero variando alguna otra condición).
Se recomienda que en cualquier caso se midan por lo menos 10 piezas o muestras dos
veces, una vez con cada equipo o proceso. Además, se sugiere que las piezas sean
considerablemente diferentes, esto permitirá hacer mejor la comparación. Elaborar un
reporte de la investigación: título, objetivo, descripción del problema, equipo y piezas
medidas, resultados, análisis y conclusiones.
ESTUDIO DE COMPARACIÓN
OBJETIVO
Lograr realizar una comparación de diferentes piezas para obtener un análisis y desarrollar
resultados satisfactorios al problema.
DESCRIPCIÓN DEL PROBLEMA

Se pretende desarrollar el proceso de medición por medio de estudios similares esto para
obtener una comparación de diferentes piezas propuestas.
PIEZAS MEDIDAS

lOMoARcPSD|7139797
RESULTADOS
Con la medición de cada pieza diferentes se obtuvieron resultados que variaban, algunos en
gran medida a diferencia de otros.
ANALISIS
Cualquier objetivo de medición es correcto, sin embargo no todas las muestras o piezas son
medibles con el mismo instrumento.
CONCLUSIÓN
Con esto podemos concluir que existen diferentes métodos de medición que nos permiten
llegar a un mismo objetivo que es conocer la medida exacta de la muestra o pieza que
estemos evaluando.

Solucion de Control Estadistico de Calidad y Six Sigma Cap 1 4

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

Solucion de Control Estadistico de Calidad y Six Sigma Cap 1 4

Cargado por

Copyright:

Formatos disponibles

lOMoARcPSD|7139797

Solucion de control estadistico de calidad y six sigma cap 1-4

Control De Calidad (Universidad Autónoma de Santo Domingo)

StuDocu no está patrocinado ni avalado por ningún colegio o universidad.

ING. INDUSTRIAL Y DE SISTEMAS

CONTROL ESTADÍSTICO DE LA CALIDAD Y SEIS SIGMA

Descargado por Arami Vázquez (pandarosin@gmail.com)

Calidad: característica de un producto o servicio que le confieren su aptitud para satisfacer

Productividad: Es la capacidad de generar resultados utilizando ciertos recursos. Se

Acciones correctivas: Se emplean para eliminar la causa de una no conformidad detectada.

Sistema de medición de desempeño: Se refiere a cuantificar los signos vitales de la

Conformancia: Consiste en cumplir con las especificaciones de calidad y enfocarse a reducir

CONTROL ESTADÍSTICO DE LA CALIDAD Y SEIS SIGMA

Descargado por Arami Vázquez (pandarosin@gmail.com)

Variabilidad: Se refiere a la diversidad de resultados de una variable o de un proceso.

Pensamiento estadístico: Filosofía de aprendizaje y acción que establece la necesidad de

2. ¿Qué es una variable de salida (característica de calidad) de un proceso?

4. ¿Cuáles son los tres indicadores de la competitividad y de la satisfacción del cliente?

6. Explique la reacción en cadena que se da al mejorar la calidad, y señale quién la

7. ¿Qué significa que una empresa sea competitiva?

CONTROL ESTADÍSTICO DE LA CALIDAD Y SEIS SIGMA

Descargado por Arami Vázquez (pandarosin@gmail.com)

8. La productividad la constituyen la eficiencia y la eficacia. Proporcione una definición

9. ¿Por qué es fundamental establecer un buen sistema de medición del desempeño de

13. ¿Cuáles son las 6 M en las que se divide un proceso?

CONTROL ESTADÍSTICO DE LA CALIDAD Y SEIS SIGMA

Descargado por Arami Vázquez (pandarosin@gmail.com)

14. ¿Por qué es necesario el control estadístico?

15. Se dice que el pensamiento estadístico es una filosofía de aprendizaje y acción,

16. Explique los tres principios del pensamiento estadístico.

18. Describa en qué consiste el ciclo de la calidad o ciclo PHVA.

21. A un equipo de mejora se le responsabiliza de resolver un problema importante, y

CONTROL ESTADÍSTICO DE LA CALIDAD Y SEIS SIGMA

Descargado por Arami Vázquez (pandarosin@gmail.com)

23. Averigüe qué son las normas IS0-9000.

a) Anote los detalles de la referencia académica: nombre de los autores, año de

b) Describa el problema abordado y el porqué era importante.

c) Sintetice el procedimiento seguido para su solución.

CONTROL ESTADÍSTICO DE LA CALIDAD Y SEIS SIGMA

Descargado por Arami Vázquez (pandarosin@gmail.com)

d) Señale algunos de los análisis estadísticos que se hicieron.

e) Cuáles fueron los beneficios obtenidos con el proyecto de mejora.

Media. Medida de tendencia central que es igual al promedio aritmético de un conjunto de

CONTROL ESTADÍSTICO DE LA CALIDAD Y SEIS SIGMA

Descargado por Arami Vázquez (pandarosin@gmail.com)

Desviación estándar del proceso. Refleja la variabilidad de un proceso. Para su cálculo se

Rango. Medición de la variabilidad de un conjunto de datos que es resultado de la diferencia

Coeficiente de variación. Medida de variabilidad que indica la magnitud relativa de la

Desigualdad de Chebysev. Resultado teórico que relaciona X y S, y establece el porcentaje

Regla empírica. Resultado práctico que relaciona a X y S, y establece el porcentaje de datos

Histograma. Representación gráfica de la distribución de un conjunto de datos o de una

Tabla de frecuencias. Representación en forma de tabla de la distribución de unos datos, a

Distribución sesgada. Forma asimétrica de la distribución de unos datos o una variable,

Distribución multimodal. Forma de la distribución de unos datos en la que se aprecian

Rango intercuartílico. Es igual a la distancia entre el cuartil inferior y el superior, y determina

Sesgo. Es una medida numérica de la asimetría en la distribución de un conjunto de datos.

CONTROL ESTADÍSTICO DE LA CALIDAD Y SEIS SIGMA

Descargado por Arami Vázquez (pandarosin@gmail.com)

a) ¿Qué es la tendencia central y que es la variabilidad de un proceso o unos datos?

Variabilidad de un proceso: Es saber que tan diferentes son entre sí.

 Desviación estándar del proceso: Refleja la variabilidad de un proceso. Para su cálculo

 Rango: Medición de la variabilidad de un conjunto de datos que es resultado de la

 Coeficiente de variación: Medida de variabilidad que indica la magnitud relativa de la