TECNOLÓGICO NACIONAL DE MÉXICO

INSTITUTO TECNOLÓGICO DE CHIHUAHUA

• Lean Six Sigma

Unidad lIl Fase Análizar

Ing. Alma Selene González Hernández

Tarea 3
Equipo #7
Integrantes:
Angel García Andrea Michelle 16060991
Castillo Soto Shazia Yessenia 16060707
Espino Castañeda Elizabeth 16060701
Fecha : 02 de noviembre del
2020 Hinojos Burrola Karen Valeria 16060930
g) Ejemplo resuelto 4.7.

 Comparación de dos básculas. Se desea ver si dos

básculas están sincronizadas. Para ello, se toma una
muestra aleatoria de 10 especímenes y cada uno se pesa
en ambas básculas, cuidando que el orden en que se
utilizan sea elegido al azar. El trabajo es realizado por el
mismo operador y los datos obtenidos se muestran en la
tabla 4.2.
 Tabla 4.2 Mediciones reportadas por dos básculas
Espécimen Báscula 1 Báscula 2 Diferencia

1 11.23 11.27 -0.04

2 14.36 14.41 -0.05
3 8.33 8.35 -0.02
4 10.5 10.52 -0.02
5 23.42 23.41 0.01
6 9.15 9.17 -0.02
7 13.47 13.52 -0.05
8 6.47 6.46 0.01
9 12.4 12.45 -0.05
10 19.38 19.35 0.03
Medias 12.87 12.89 -0.22/10
 Es claro que las observaciones son pareadas, ya que el peso
registrado por una báscula para un espécimen no es independiente del
que reporta la otra báscula para el mismo espécimen, en el sentido de
que si uno es muy pesado se espera que ambas básculas lo detecten.

 La comparación de las básculas se evalúa probando las siguientes

hipótesis:
 H0: μ1 = μ2
 HA: μ2 ≠ μ2

donde μ1 es el peso promedio poblacional de la báscula 1 y μ2 es el peso

promedio poblacional de la báscula 2.
 Entonces, estas hipótesis, en el caso planteado, se plantean de
manera equivalente como:
 H0: μD = 0 (4.20)
 HA: μD ≠ 0

  Donde μD es la media de la población de diferencias. De esta manera,
comparar las medias de dos poblaciones se convierte en el problema
de comparar la media de una población con una constante. En este
sentido, el estadístico de prueba para la hipótesis (4.20) es el caso
particular del estadístico (4.8) para una media, cuando μ0 = 0.

 Esto es, con la muestra de n diferencias (d1, d2,..., dn) se obtiene el

estadístico dado por:

 Donde:
 d= −0.02 es el promedio muestral de las diferencias
 SD = 0.0287 es la desviación estándar muestral de tales diferencias
 n = 10 es el tamaño de la muestra.
  

 Bajo H0 el estadístico t0 se distribuye como una T - Student con

n -1 grados de libertad, por lo que H 0 se rechaza si
o si valor-p < α.

 Para el ejemplo de las básculas se decide trabajar con α = 0.10. Al

hacer los cálculos resulta que:

 Como el valor-p = 0.055 es menor que α = 0.10, se rechaza H0 a un

nivel de significancia de α = 0.10. Es decir, con una confianza de
90%, se concluye que las básculas no están sincronizadas, es
decir, las mediciones que reportan son estadísticamente
diferentes.
h) Resolver los
problemas 15, 22 y 33.
Problema 15

 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.
a) Estime con una confianza de 90% el contenido
promedio de grasa poblacional.
Datos:
n=40 NC: 90%  
=3.2 s=0.3
α= 0.10 α/2=0.05

Grados de libertad= n-1 por lo tanto, es 40-1= 39

grados de libertad.
El valor de tablas dado por t(0.05,39)= 1.6849

µ=3.2±1.6849(0.3/√40)=3.279921,3.120078
Los límites, para la estimación de la media
poblacional del contenido de grasa es de [3.1200
a 3.2799] con un nivel de confianza del 90%
b) ¿Cuál es el error máximo de estimación
para la media? ¿Por qué?

  


 E=1.6849(0.3/√40)

 E= 0.079921824≈ 0.07992

 Se estima este error debido a que es el error de la media

poblacional.
 c) Si se quiere estimar la media con un error máximo
de 0.05, ¿qué tamaño de muestra se requiere?

Datos:
s=0.3 E= 0.05

n= 4(0.32)/ 0.052
n= 144
Esto debido a que la varianza es un
estimado, y el error máximo de 0.05
d) Estime con una confianza de 95%, ¿cuál
es la desviación estándar poblacional?
Datos:   ( 𝒏− 𝟏) 𝑺
𝟐
(𝒏 −𝟏) 𝑺𝟐
𝟐
𝟐
≤𝝈 ≥ 𝟐
s=0.3 NC: 95% 𝑿 𝜶 𝑿 𝟏 − 𝜶 / 𝟐 ,𝒏 −𝟏
, 𝒏 −𝟏
𝟐
α= 0.05 α/2=0.025 2
  ( 39 ) 0.3 2 ( 39 ) 0.32
N=40 ≤𝜎 ≥
58.1201 23.6543

Se utilizan valores de Chi cuadrada Se saca la raíz cuadrada para la

desviación estándar
Valor de tabla X2 (0.025,39)= 58.1201
√0.060392 ≤ σ ≥ √0.148387
Valor de tabla X (0.975,39)= 23.6543
2

LI:0.245748 LS: 0.3852108

Para la estimación de la desviación estándar poblacional del contenido de

grasa, los limites es de [ 0.2457 a 0.3852 ] con un nivel de confianza del 95%
e) ¿Qué puede decir acerca de la cantidad mínima y máxima de grasa en
la leche? ¿Es posible garantizar con suficiente confianza que la leche
tiene más de 3.0 % de grasa? Sugerencia: aplique la regla empírica

 Con la regla empírica, se puede observar 99.7% están en el

Datos:
n=40 s=0.3 intervalo
=3.2   [3.2-3(.3), 3.2-3(.3)]
[2.3,4.1]
Sim embargo con esto se conoce que solo un 68% de los
datos están en el intervalo de = [2.9, 3.5]
Se garantiza con un 68% de toda la muestra de la leche
tiene más de 3% de grasa, desde mi punto de vista la
confianza es baja, más sin embargo para la empresa puede
o no serlo.
Problema 22

 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.