MODULO 2

Oruro 23 Mayo 2013

GUA N 1

MODULO 2
HERRAMIENTA N1: DIAGRAMA DE TALLO Y HOJAS Se ha elegido el archivo REFRESCOS.MTW. Se realizar el diagrama de tallo y hojas
VOLUMEN 753 751 752 753 753 753 752 753 754 754 752 751 752 750 753 755 753 756 751 750 748 750 753 756 752 754 753 757 750 748 745 750 752 745 750 756 745 749 750 751 Ordenado 745 1 745 2 745 3 748 4 748 5 749 6 750 7 750 8 750 9 750 10 750 11 750 12 750 13 751 14 751 15 751 16 751 17 752 18 752 19 752 20 752 21 752 22 752 23 753 24 753 25 753 26 753 27 753 28 753 29 753 30 753 31 753 32 754 33 754 34 754 35 755 36 756 37 756 38 756 39 757 40 74 74 74 74 74 74 75 75 75 75 75 75 75 75 75 75 75 75 75 75 75 75 75 75 75 75 75 75 75 75 75 75 75 75 75 75 75 75 75 75 Hojas 5 5 5 8 8 9 0 0 0 0 0 0 0 1 1 1 1 2 2 2 2 2 2 3 3 3 3 3 3 3 3 3 4 4 4 5 6 6 6 7 a) Se tiene los tallos 74 y 75 74 555889 75 0000000111122222233333333344456667 (muy pocos tallos) b) 74L 74U 75L 75U Dividiendo tallo en dos partes 555889 00000001111222222333333333444 56667 (an falta ms tallos) Dividiendo tallo con paso de uno 555

c) 74 74 74 74 74 75 75 75 75 75 75 75 75 5 6 7 8 9 0 1 2 3 4 5 6 7

88 9 0000000 1111 222222 333333333 444 5 666 7 Resumen: Numero de muestras: 40 Mediana:(20-21 muestra) (752+752)/2=752 Moda:753 (ocurre 9 veces) Los valores estn entre 748 y 757 Valores atpicos:745

Con MiniTab:
Resultados para: 8. REFRESCOS.MTW Diseo de tallo y hoja: volumen Tallo y hoja de volumen N Unidad de hoja = 0,10 3 745 000 3 746 3 747 5 748 00 6 749 0 13 750 0000000 17 751 0000 (6) 752 000000 17 753 000000000 8 754 000 5 755 0 4 756 000 1 757 0 = 40

Interpretacin: Se tiene un volume de llenado con valores no dispersos a excepcin del valor 745. Como valores caractersticos se aprecia una mediana de 752 y una moda de 753. Al elegir el nmero de tallos se vio necesario incrementar su nmero para que pueda ser apreciado mejor la distribucin de los datos.

MODULO 2
HERRAMIENTA N2: HISTOGRAMA Se ha elegido el archivo REFRESCOS.MTW. Se realizar el diagrama de Histograma.
Histograma de volumen
Normal 9 8 7
Frecuencia
Media Desv .Est. N 751,6 2,853 40

6 5 4 3 2 1 0 746 748 750 752 volumen 754 756 758

Interpretacin: Se tiene un volume de llenado con valores no dispersos. Como valores caractersticos se aprecia una media de 751.6 y una desviacin estndar de 2.853
HERRAMIENTA N3: BOX-PLOT Se ha elegido el archivo REFRESCOS.MTW. Se realizar el diagrama de CAJA Y BIGOTES.

Interpretacin: Se tiene los valores mnimo y mximo de volumen de llenado 748 y 757 (representado por los bigotes). Un valor de mediana de 752 y valores atpicos de volumen de llenado de 745. Si analizamos la grfica por maquinas se puede apreciar que la mquina 1 presenta mayor asimetra, esto se demuestra por la ausencia de la lnea de la mediana en la caja. La mquina 2 presenta mejor distribucin de los datos sin datos atpicos.

HERRAMIENTA N4: DIAGRAMA DE PARETO

MODULO 2
Se ha elegido el caso de devolucin de productos por da en una agencia de productos lcteos. Se tiene la siguiente lista de productos que son devueltos por mal sellado de las bolsas.
Item Leche 946 mL Lechesaborizada chicolac Pilfrut Aruba Yogurt 500ml Leche de Soya L Yogumon 80ml Unidades devueltas 3 3 15 135 25 1 2 54 precio 4,5 6,5 0,4 0,4 0,4 6 4,2 0,4 total 13,5 19,5 6 54 10 6 8,4 21,6

Realizando el diagrama de Pareto se obtiene:

Diagrama de Pareto de Item
250 100 80

200

Unidades devueltas

150

60 40 20 0

100

50

Item Unidades devueltas Porcentaje % acumulado

Pilfrut 135 56,7 56,7

Yogumon 80ml 54 22,7 79,4

Aruba 25 10,5 89,9

chicolac 15 6,3 96,2

Otro 9 3,8 100,0

Diagrama A
Diagrama de Pareto de Item
140 120 100 100 80 60 40 20

Porcentaje

total

80 60 40 20 0 Item

ut lfr Pi

total Porcentaje % acumulado

L L c a a la m ad ub ya co Ar r iz 46 So hi o 9 on c b e m de sa ch e gu Le he ch Yo c e L Le 54,0 21,6 19,5 13,5 10,0 8,4 6,0 38,8 15,5 14,0 9,7 7,2 6,0 4,3 38,8 54,4 68,4 78,1 85,3 91,4 95,7

l m 80

tr o O

6,0 4,3 100,0

Diagrama B Interpretacin: Se determina que los productos que debern ser revisados en su proceso de sellado son el Pilfrut y el yogumon que represental el 79.4% del total de productos que son devueltos por los clientes debido al mal sellado de los mismos. Pero debido al costo que representa tambin deber tomarse en cuenta para su revisin los productos leche saborizada y leche 946 mL.
HERRAMIENTA N5: ESTADSTICOS DESCRIPTIVOS Se ha elegido el archivo REFRESCOS.MTW.

Porcentaje

MODULO 2
Resultados para: 8. REFRESCOS.MTW Estadsticas descriptivas: volumen Estadsticas descriptivas: volumen
Error estndar de la media 0,344 0,792 N para moda 7 5

Variable volumen

maquina 1 2 maquina 1 2

N 20 20

Media 752,55 750,70 Modo 753 750

Desv.Est. 1,54 3,54 Asimetra 0,28 0,01

CoefVar 0,20 0,47

Mnimo 750,00 745,00

Mediana 753,00 750,00

Variable volumen

Mximo 756,00 757,00

Interpretacin: Si nuestra norma fuera que el llenado sea de 750ml. Se puede decir que la mquina 1 presenta un llenado por encima, es decir 752ml. La maquina 2 tiene una presentacin casi simtrica (valor de asimetra de 0.01 y coincidencia de valores de la moda y la mediana), pero con mayor variabilidad con respecto a la mquina 1 (CoefVar 0.47) Por tanto se debera bajar solo el tiempo de llenado de la maquina 1 para obtener un valor prximo a 750ml.

MODULO 2
PARTE II DISTRIBUCIN DE PROBABILIDADES GUA N 6 HERRAMIENTA N6: DISTRIBUCIN DISCRETA - DISTRIBUCIN BINOMIAL Se ha elegido la resolucin de ejercicios planteados en el libro de Control Estadstico de Calidad de Montgomery tercera edicin. Captulo 2. 2.23 Un proceso de produccin opera con una salida disconforme de 2%. Cada hora se toma una muestra de 50 unidades del producto y se cuenta el nmero de unidades disconformes. Si se encuentran una o ms unidades disconformes, el proceso se detiene y el tcnico de control de calidad debe buscar la causa de la produccin disconforme. Evaluar el desempeo de esta regla de decisin.

Grfica de distribucin
Binomial; n=50; p=0,02 0,4

0,3

Distribucin: Binomial Nmero de ensayos: 50 Probabilidad de evento: 0.02 rea sombreada: cola derecha Valor X: 1 P(x1)

Probabilidad

0,2

0,1 0,6358 0,0

Interpretacin: Se tendr la probabilidad del 63.58% de encontrar una o ms unidades disconformes en cada muestra.

Ejercicios de la gua N 6
1. Un proceso de manufactura produce miles de artculos por da. En promedio 1% de los artculos son no conformes a las especificaciones. Cada hora, un inspector de calidad selecciona aleatoriamente 50 artculos. Determinar la probabilidad, que el inspector registre 1 o menos artculos defectuosos.
Grfica de distribucin
Binomial; n=50; p=0,01 0,6 0,5

Probabilidad

0,4 0,3 0,2 0,1 0,0 0,9106

Distribucin: Binomial Nmero de ensayos: 50 Probabilidad de evento: 0.01 rea sombreada: cola izquierda Valor X: 1 P(x1) Interpretacin: La probabilidad de registrar 1 o menos artculos defectuosos durante el muestreo es del 91.06%

MODULO 2
2. Usted est interesado en el nmero de elementos defectuosos y no en la gravedad de los defectos. Supongamos que un proceso genera 2% de elementos defectuosos. A usted le interesa saber cul es la probabilidad de obtener 3 o ms elementos defectuosos en una muestra aleatoria de 25 elementos seleccionados del proceso. El nmero de elementos defectuosos (X) sigue una distribucin binomial con n = 25 y p = 0.02.
Grfica de distribucin
Binomial; n=25; p=0,02 0,6 0,5

Probabilidad

0,4 0,3 0,2 0,1 0,0 0,01324 0 X 3

Distribucin: Binomial Nmero de ensayos: 25 Probabilidad de evento: 0.02 rea sombreada: cola derecha Valor X: 3 P(x3) Interpretacin: La probabilidad de registrar 3 o ms artculos defectuosos durante el muestreo es del 1.32%

3. Supongamos que la probabilidad de tener una unidad defectuosa en una lnea de ensamblaje es de 0.05. Si el conjunto de unidades terminadas constituye un conjunto de ensayos independientes: 3.1. cul es la probabilidad de que entre diez unidades dos se encuentren defectuosas?
Grfica de distribucin
Binomial; n=10; p=0,05 0,6 0,5

Probabilidad

0,4 0,3 0,2 0,1 0,0 0,07463

Distribucin: Binomial Nmero de ensayos: 10 Probabilidad de evento: 0.05 rea sombreada: centro Valor X: 2;2 P(x=2) Interpretacin: La probabilidad de registrar 2 artculos defectuosos durante el muestreo es del 7.46%
3

3.2. y de que a lo sumo dos se encuentren defectuosas? (menor o igual)

Grfica de distribucin
Binomial; n=10; p=0,05 0,6 0,5

Probabilidad

0,4 0,3 0,2 0,1 0,0 X 0,9885

Distribucin: Binomial Nmero de ensayos: 10 Probabilidad de evento: 0.05 rea sombreada: cola izquierda Valor X: 2 P(x2) Interpretacin: La probabilidad de encontrar 2 menos artculos defectuosos durante el muestreo es del 98.85%
2 3

MODULO 2
3.3. Cul es la probabilidad de que por lo menos una se encuentre defectuosa? (mayor o igual)
Grfica de distribucin
Binomial; n=10; p=0,05 0,6 0,5

Probabilidad

0,4 0,3 0,2 0,1 0,0 0,4013

Distribucin: Binomial Nmero de ensayos: 10 Probabilidad de evento: 0.05 rea sombreada: cola derecha Valor X: 1 P(x1) Interpretacin: La probabilidad de registrar por lo menos un artculo defectuoso durante el muestreo es del 40.13%

4. Cada muestra de aire tiene 10% de posibilidades de contener una molcula rara particular. Suponga que las muestras son independientes con respecto a la presencia de la molcula rara. Encuentre la probabilidad de que en las siguientes 18 muestras, exactamente 2 contengan la molcula rara.
Grfica de distribucin
Binomial; n=18; p=0,1 0,2835 0,30 0,25

Probabilidad

0,20 0,15 0,10 0,05 0,00

Distribucin: Binomial Nmero de ensayos: 18 Probabilidad de evento: 0.10 rea sombreada: centro Valor X: 2;2 P(x=2) Interpretacin: La probabilidad de registrar exactamente dos muestras con molcula rara durante el muestreo es del 28.35%

5. El departamento de control de calidad de una empresa que fabrica pauelos sabe que el 5% de su produccin tiene algn tipo de defecto .Los pauelos se empaquetan en cajas con 15 elementos. Calcular la probabilidad de que una caja contenga: a) 2 elementos defectuosos.
Grfica de distribucin
Binomial; n=15; p=0,05 0,5

0,4

Probabilidad

0,3

Distribucin: Binomial Nmero de ensayos: 15 Probabilidad de evento: 0.05 rea sombreada: centro Valor X: 2;2 P(x=2) Interpretacin: La probabilidad de registrar exactamente dos elementos defectuosos en una caja es de 13.48%
4

0,2 0,1348 0,1

0,0

MODULO 2
b) Menos de 3 elementos defectuosos

Grfica de distribucin
Binomial; n=15; p=0,05 0,5

0,4

0,9638

Probabilidad

Distribucin: Binomial Nmero de ensayos: 15 Probabilidad de evento: 0.05 rea sombreada: cola izquierda Valor X: 2 P(x<3)=P(x2) Interpretacin: La probabilidad de registrar menos de tres elementos defectuosos en una caja es de 96.38%

0,3

0,2

0,1

0,0

c) Entre 3 y 5 elementos defectuosos (ambos incluidos)

Grfica de distribucin
Binomial; n=15; p=0,05 0,5

0,4

Probabilidad

0,3

Distribucin: Binomial Nmero de ensayos: 15 Probabilidad de evento: 0.05 rea sombreada: centro Valor X: 3; 5 P(3x5) Interpretacin: La probabilidad de registrar entre 3 y 5 elementos defectuosos en una caja es de 3.62%
5

0,2

0,1 0,03615 0 X 3

0,0

MODULO 2
HERRAMIENTA N7: DISTRIBUCIN DISCRETA - DISTRIBUCIN HIPERGEOMTRICA Se ha elegido la resolucin de ejercicios planteados en el libro de Control Estadstico de Calidad de Montgomery tercera edicin. Captulo 2. 2.29 Un libro de texto tiene 500 pginas en las que podra ocurrir errores tipogrficos. Suponer que hay exactamente 10 de estos errores localizados aleatoriamente en esas pginas. Encontrar la probabilidad de que una seleccin aleatoria de 50 pginas no contenga errores. Encontrar la probabilidad de que 50 pginas seleccionadas al azar contengan al menos dos errores.
Grfica de distribucin
Grfica de distribucin

Hipergeomtrico; N=500; M=10; n=50 0,4 0,3452 0,3

0,3 0,4

Hipergeomtrico; N=500; M=10; n=50

Probabilidad

Probabilidad

0,2

0,2

0,1

0,1 0,2635

0,0

0,0

Distribucin: Hipergeomtrica Tamao de la poblacin: 500 Conteo de eventos en la poblacin: 10 Tamao de la muestra: 50 rea sombreada: cola izquierda Valor X: 0 P(x0)

Distribucin: Hipergeomtrica Tamao de la poblacin: 500 Conteo de eventos en la poblacin: 10 Tamao de la muestra: 50 rea sombreada: cola derecha Valor X: 2 P(x2)

Interpretacin: La probabilidad que no contenga errores es del 34.52% La probabilidad que contenga al menos dos errores es de 26.35% Ejercicios de la gua N 7 1. Suponer que un lote contiene 100 artculos, 5 de los cuales no cumplen con los requerimientos. Si seleccionan 10 artculos al azar sin reemplazo, cual es la probabilidad de encontrar uno o menos artculos en la muestra
Grfica de distribucin

Hipergeomtrico; N=100; M=5; n=10 0,6 0,5 0,4 0,9231 0,3 0,2 0,1 0,0

Probabilidad

Distribucin: Hipergeomtrica Tamao de la poblacin: 100 Conteo eventos en la poblacin: 5 Tamao de la muestra: 10 rea sombreada: cola izquierda Valor X: 1 P(x1) Interpretacin: La probabilidad de encontrar 1 o menos artculos que no cumplen con los requerimientos es de 92.31%

10

MODULO 2 2. En un lote tamao 30 que contiene 3 unidades no conformes. Cul es la probabilidad que en una muestra de 5 unidades seleccionadas aleatoriamente contengan exactamente 1 no conforme?
Hipergeomtrico; N=30; M=3; n=5 0,6 0,5 0,4 0,3 0,2 0,1 0,0

Grfica de distribucin

Probabilidad

0,3695

Distribucin: Hipergeomtrica Tamao de la poblacin: 30 Conteo eventos en la poblacin: 3 Tamao de la muestra: 5 rea sombreada: centro Valor X: 1;1 P(x=1) Interpretacin: La probabilidad de encontrar una unidad no conforme es de 36.95%

1 X

3. Usted recibe un envo de pedido especial de 500 etiquetas. Supongamos que el 2% de las etiquetas tiene defectos. El conteo de eventos en la poblacin es de 10 (.02 * 500). Usted toma una muestra de 40 etiquetas y desea determinar la probabilidad de que haya 3 o ms etiquetas defectuosas en esa muestra.
Hipergeomtrico; N=500; M=10; n=40

Grfica de distribucin

0,4

Probabilidad

0,3

0,2

Distribucin: Hipergeomtrica Tamao de la poblacin: 500 Conteo eventos en la poblacin: 10 (500*2%) Tamao de la muestra: 40 rea sombreada: cola derecha Valor X: 3 P(x3) Interpretacin: La probabilidad de encontrar una unidad no conforme es de 3.84%

0,1

0,0

0,03841 0 X 3

4. Un lote contiene 100 piezas de un proveedor de tubera local y 200 unidades de un proveedor de tubera del estado vecino. Si se seleccionan cuatro piezas al azar y sin reemplazo, (a) cul es probabilidad de que todas sean del proveedor local?
Hipergeomtrico; N=300; M=100; n=4 0,4

Grfica de distribucin

0,3

Probabilidad

0,2

Distribucin: Hipergeomtrica Tamao de la poblacin: 300 Conteo eventos en la poblacin: 100 Tamao de la muestra: 4 rea sombreada: centro Valor X: 4;4 P(x=4) Interpretacin: La probabilidad de que las cuatro piezas sean del proveedor local es de 1.19%

0,1

0,0

0,01185 0 X 4

11

MODULO 2 (b) Cul es la probabilidad de que dos o ms piezas de la muestra sean del proveedor local?
Hipergeomtrico; N=300; M=100; n=4 0,4

Grfica de distribucin

0,3

Probabilidad

Distribucin: Hipergeomtrica Tamao de la poblacin: 300 Conteo eventos en la poblacin: 100 Tamao de la muestra: 4 rea sombreada: cola derecha Valor X: 2 P(x2) Interpretacin: La probabilidad de que dos o ms piezas de la muestra sean del proveedor local es de 40.74%

0,2

0,1

0,4074

0,0

(c) Cul es la probabilidad de que al menos una pieza de la muestra sea del proveedor local?

Hipergeomtrico; N=300; M=100; n=4 0,4

Grfica de distribucin

0,3

Probabilidad

Distribucin: Hipergeomtrica Tamao de la poblacin: 300 Conteo eventos en la poblacin: 100 Tamao de la muestra: 4 rea sombreada: cola derecha Valor X: 1 P(x1) Interpretacin: La probabilidad de que al menos una pieza de la muestra sea del proveedor local es de 80.45%

0,2

0,1

0,8045

0,0

12

MODULO 2
HERRAMIENTA N8: DISTRIBUCIN DISCRETA - DISTRIBUCIN DE POISSON Se ha elegido la resolucin de ejercicios planteados en el libro de Control Estadstico de Calidad de Montgomery tercera edicin. Captulo 2.

2.31 Se hacen botellas de cristal vertiendo vidrio fundido en un molde. Cuando se desgasta el ladrillo refractario del horno, pequeos fragmentos se mezclan con el vidrio fundido y se consideran como defectos. Si puede suponerse que los fragmentos ocurren al azar a razn de 0.00001 por botella, Cul es la probabilidad de que una botella seleccionada al azar contenga al menos uno de estos defectos?

Grfica de distribucin
Poisson; Media=1e-005 1,0

0,8

Probabilidad

Distribucin: Poisson Media: 0.00001 (0.00001/bot; 1bot) rea sombreada: cola derecha Valor X: 1 P(x1) Interpretacin:

0,6

0,4

0,2 0,00001000 1

La probabilidad de encontrar una o ms botellas con estos defectos es de 0.001%

0 X

0,0

Ejercicios de la gua N 8 1. Se conoce que el nmero de reclamos por hora en la unidad de reclamos de una institucin de telefona es igual a 4. Cul es la probabilidad que un da particular existan 3 llamadas entre las 8:30 y 9:30 de la maana?
Grfica de distribucin
Poisson; Media=4 0,20 0,1954

0,15

Distribucin: Poisson Media: 4 (4/hora; 9:30-8:30=1 hora) rea sombreada: centro Valor X: 3;3 P(x=3) Interpretacin: La probabilidad de recibir 3 llamadas de reclamo es de 19.54%

Probabilidad

0,10

0,05

0,00

11

13

MODULO 2 2. Una empresa electrnica observa que el nmero de componentes que fallan antes de cumplir 100 horas de funcionamiento es una variable aleatoria de Poisson. Si el nmero promedio de estos fallos es ocho, 2.1. cul es la probabilidad de que falle un componente en 25 horas?
Grfica de distribucin
Poisson; Media=2 0,30 0,2707 0,25 0,20 0,15 0,10 0,05 0,00

Distribucin: Poisson Media: 2 (8/100 horas; 25 hora) rea sombreada: centro Valor X: 1;1 P(x=1) Interpretacin: La probabilidad de que falle un componente en 25 horas es de 27.07%

Probabilidad

2.2. y de que fallen no ms de dos componentes en 50 horas?

Grfica de distribucin
Poisson; Media=4 0,20

0,15

Distribucin: Poisson Media: 4 (8/100 horas; 50 hora) rea sombreada: cola izquierda Valor X: 2 P(x2) Interpretacin: La probabilidad de que falle no ms de dos componente en 50 horas es de 23.81%

Probabilidad

0,10 0,2381 0,05

0,00

11

2.3. cul es la probabilidad de que fallen por lo menos diez en 125 horas?
Grfica de distribucin
Poisson; Media=10 0,14 0,12 0,10

Distribucin: Poisson Media: 10 (8/100 horas; 125 hora) rea sombreada: cola derecha Valor X: 10 P(x10) Interpretacin: La probabilidad de que falle por lo menos 10 componente en 125 horas es de 54.21%
0,5421

Probabilidad

0,08 0,06 0,04 0,02 0,00 2 10

14

MODULO 2 3. Suponer que el nmero defectos por unidad en la conexin de alambres que ocurre en un dispositivo semiconductor sigue una distribucin poisson con parmetro lamda =4. Cul es la probabilidad de que un dispositivo semiconductor seleccionado al azar contenga dos o menos defectos en la conexin de alambres.
Grfica de distribucin
Poisson; Media=4 0,20

0,15

Distribucin: Poisson Media: 4 (4/disp. 1 disp) rea sombreada: cola izquierda Valor X: 2 P(x2) Interpretacin: La probabilidad de que el dispositivo contenga dos o menos defectos en la conexin de alambres es de 23.81%

Probabilidad

0,10 0,2381 0,05

0,00

11

4. Supongamos que el nmero de imperfecciones en un alambre delgado de cobre sigue una distribucin Poisson con una media de 2.3 imperfecciones por milmetro. (a) Determine la probabilidad de 2 imperfecciones en un milmetro de alambre.
Grfica de distribucin
Poisson; Media=2,3 0,30 0,2652 0,25 0,20 0,15 0,10 0,05 0,00

Distribucin: Poisson Media: 2.3 (2.3/mm. 1 mm) rea sombreada: centro Valor X: 2;2 P(x=2) Interpretacin: La probabilidad de encontrar dos imperfecciones en un milmetro de alambre es de 26.52%

Probabilidad

(b) Determine la probabilidad de 10 imperfecciones en 5 milmetros de alambre.

Grfica de distribucin
Poisson; Media=11,5 0,12 0,10 0,08 0,06 0,04 0,02 0,00 0,1129

Distribucin: Poisson Media: 11.5 (2.3/mm. 5 mm) rea sombreada: centro Valor X: 10;10 P(x=10) Interpretacin: La probabilidad de encontrar 10 imperfecciones en 5 milmetros de alambre es de 11.29%

Probabilidad

10

23

15

MODULO 2 (c) Determine la probabilidad de al menos una imperfeccin en 2mm de alambre

Grfica de distribucin
Poisson; Media=4,6 0,20

0,15

Distribucin: Poisson Media: 4.6 (2.3/mm. 2 mm) rea sombreada: cola derecha Valor X: 1 P(x1) Interpretacin: La probabilidad de encontrar al menos una imperfeccin en 2 milmetros de alambre es de 98.99%

Probabilidad

0,10

0,9899

0,05

0,00

16

MODULO 2
HERRAMIENTA N9: DISTRIBUCIN CONTINUA - DISTRIBUCIN NORMAL Se ha elegido la resolucin de ejercicios planteados en el libro de Control Estadstico de Calidad de Montgomery tercera edicin. Captulo 2. 2.35 La resistencia de tensin de una pieza metlica sigue una distribucin normal con media de 40lb y desviacin estndar de 8 lb. Si se producen 50000 piezas. Cuntas dejaran de cumplir con el lmite de la especificacin mnima de 34 lb de resistencia de tensin?
Normal; Media=40; Desv.Est.=8 0,05

Grfica de distribucin

0,04

Distribucin: Normal Media: 40 Desviacin estndar: 8 rea sombreada: cola derecha Valor X: 34 P(x34)

Densidad

0,03

0,02

0,01

0,2266

0,00

34

40 X

22.66%*50000=11330 Interpretacin a): 11330 piezas dejaran de cumplir con el lmite de especificacin mnima de 34 lb.

Cuntas tendran una resistencia de tensin en exceso de 48 lb?

Grfica de distribucin

Normal; Media=40; Desv.Est.=8 0,05

0,04

Densidad

0,03

Distribucin: Normal Media: 40 Desviacin estndar: 8 rea sombreada: cola derecha Valor X: 48.0001 P(x>48)

0,02

0,01

0,1587

0,00

40 X

48

15.87%*50000=7935 Interpretacin b): 7935 piezas tendran una resistencia de tensin en exceso de 48 lb.

Ejercicios de la gua N 9 1. La salida de voltaje de una fuente de poder est normalmente distribuida con un promedio de 12 V. y una desviacin estndar 0.05 V. Si los valores de especificacin inferior y superior son 11.9 V. y 12.1 V. Cul es la probabilidad que una fuente de poder seleccionada aleatoriamente sea conforme con la norma?
Normal; Media=12; Desv.Est.=0,05 9 8 7 6 0,9545

Grfica de distribucin

Distribucin: Normal Media: 12 Desviacin estndar: 0.05 rea sombreada: centro Valor X: 11.9 ; 12.1 P(11.9x12.1) Interpretacin: La probabilidad de seleccionar aleatoriamente una fuente conforme a la norma es de 95.45%

Densidad

5 4 3 2 1 0 11,9 12 X 12,1

17

MODULO 2 2. La resistencia de tensin del papel empleado para hacer bolsas para vveres es una caracterstica importante de la calidad. Se sabe que la resistencia tiene una distribucin normal con media u=40 lb/pul2 y desviacin estndar d=2 lb/pulg2, lo cual se denota xN(40,2). El comprador de las bolsas requiere que stas tengan una resistencia de por lo menos 35lb/pulg2.Cul es la probabilidad de obtener el requerimiento del comprador?
Normal; Media=40; Desv.Est.=2 0,20 0,9938

Grfica de distribucin

0,15

Distribucin: Normal Media: 40 Desviacin estndar: 2 rea sombreada: cola derecha Valor X: 35 P(x35) Interpretacin: La probabilidad que el comprador adquiera bolsas de papel con una resistencia conforme a su requerimiento es de 99.38%.

Densidad

0,10

0,05

0,00

35

40

3. Se sabe que X, la venta diaria de una panadera, sigue una distribucin normal con una media de 70 barras y varianza 9; es decir, X-N(70,9). Qu probabilidad de que en un da cualquiera las ventas de pan sean superiores a 75 barras?
Normal; Media=70; Desv.Est.=3 0,14 0,12 0,10

Grfica de distribucin

Distribucin: Normal Media: 70 Desviacin estndar: 3 rea sombreada: cola derecha Valor X: 75.0001 P(x>75) Interpretacin: La probabilidad que las ventas de pan puedan ser superiores a 75 barras es de 4.78%.
0,04779

Densidad

0,08 0,06 0,04 0,02 0,00 70 X 75

4. La duracin de un lser semiconductor a potencia constante tiene una distribucin normal con media de 7.000 horas y desviacin tpica de 600 horas. a) Cul es la probabilidad de que el lser falle antes de 5.000 horas?
Normal; Media=7000; Desv.Est.=600 0,0007 0,0006 0,0005

Grfica de distribucin

Densidad

0,0004 0,0003 0,0002 0,0001 0,0000 0,0004291 5000 7000 X

Distribucin: Normal Media: 7000 Desviacin estndar: 600 rea sombreada: cola izquierda Valor X: 5000 P(x5000) Interpretacin: La probabilidad que el lser falle antes de 5000 horas es de 0.043%.

18

MODULO 2
HERRAMIENTA N10: DISTRIBUCIN CONTINUA - DISTRIBUCIN EXPONENCIAL

Ejercicios de la gua N 10 1. Suponemos que un componente electrnico en un sistema de radar tiene un tiempo de vida segn una ley exponencial con un ndice de falla =10-4/hr . El tiempo medio de falla del componente es 1/ = 10000 hr. Se desea determinar cul es la probabilidad que este componente falle antes del valor esperado de vida
Grfica de distribucin

Exponencial; Escala=10000; Valor umbral=0,0001 0,00010

0,00008 0,6321

Densidad

0,00006

Distribucin: Exponencial Escala (tiempo medio de falla): 10000 (=1/) Valor umbral (ndice de falla): 0.0001 -4 (=10 /h) rea sombreada: cola izquierda Valor X: 10000 P(x10000) Interpretacin: La probabilidad que el componente falle antes de las 10000 horas es de 63.21%.

0,00004

0,00002

0,00000

0,0001

10000

2. la distribucin de probabilidad del tiempo que transcurre antes que falle el ventilador de un motor diesel se describe mediante la funcin exponencial con una tasa de fallo igual 34,8 fallos por un milln de horas. Si la garanta es de 8000 horas. Cul es la probabilidad de que el ventilador falle antes de su garanta?

Exponencial; Escala=28735,6; Valor umbral=3,5e-005 0,00004

Grfica de distribucin

0,00003

0,2430

Densidad

0,00002

Distribucin: Exponencial Escala (tiempo medio de falla): 28735.6 (=1/) Valor umbral (ndice de falla): 6 0.000035 (=34.8/10 hr) rea sombreada: cola izquierda Valor X: 8000 P(x8000) Interpretacin: La probabilidad que el ventilador falle antes de las 8000 horas es de 24.30%.

0,00001

0,00000

0,000035 8000

19

MODULO 2 3. El tiempo de reparacin de unas mquinas de escribir tiene una distribucin aproximadamente exponencial, con media 22 minutos. Hallar la probabilidad de que el tiempo de reparacin sea menor que diez minutos.
Exponencial; Escala=22; Valor umbral=0,045455 0,05

Grfica de distribucin

0,04

0,3640

Densidad

0,03

Distribucin: Exponencial Escala (tiempo medio de falla): 22 (=1/) Valor umbral (ndice de falla): 6 0.045455 (=34.8/10 hr) rea sombreada: cola izquierda Valor X: 10 P(x10) Interpretacin: La probabilidad que el tiempo de reparacin sea menor a 10 minutos es de 36.4%.

0,02

0,01

0,00

0,04546 10

4. El personal de la compaa Onda S.L. usa una Terminal para realizar sus pedidos internacionales. Si el tiempo que cada comercial gasta en una sesin en la Terminal tiene una distribucin exponencial con media 36 minutos, encontrar: a) Probabilidad de que un comercial utilice la Terminal 30 minutos o menos.
Exponencial; Escala=36; Valor umbral=0,027778 0,030 0,025 0,020

Grfica de distribucin

Densidad

0,5651

0,015 0,010 0,005 0,000

Distribucin: Exponencial Escala (tiempo medio de uso): 36 (=1/) Valor umbral (ndice de uso): 0.027778 (=1/36 min) rea sombreada: cola izquierda Valor X: 30 P(x30) Interpretacin: La probabilidad que un comercial utilice la Terminal a lo mucho 30 minutos es del 56.5%.

0,02778

30

b) El 90% de las sesiones terminan en menos de R minutos. Cunto vale R?

Grfica de distribucin

Exponencial; Escala=36; Valor umbral=0,027778 0,030 0,025 0,020

Densidad

0,015 0,010 0,005 0,000 0,9

Distribucin: Exponencial Escala (tiempo medio de uso): 36 (=1/) Valor umbral (ndice de uso): 0.027778 (=1/36 min) rea sombreada: cola izquierda Probabilidad: 0.9 Valor(P <90%) Interpretacin: El 90% de las sesiones terminarn en menos de 82.92 min.

0,02778

82,92 X

20

MODULO 2
PARTE III INFERENCIA ESTADSTICA HERRAMIENTA N2: INTERVALO DE CONFIANZA DE UN PROMEDIO VARIANZA CONOCIDA Ejemplo. Estimacin de lmites de confianza del archivo 8.Refrescol.mtw
maquina 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 volumen 753 751 752 753 753 753 752 753 754 754 752 751 752 750 753 755 753 756 751 750 748 750 753 756 752 754 753 757 750 748 745 750 752 745 750 756 745 749 750 751 Z de una muestra: volumen La desviacin estndar supuesta = 2,83 Error estndar de la Desv.Est. media IC de 95% 2,853 0,447 (750,748; 752,502)

Variable volumen

N 40

Media 751,625

Verificacin de los valores: Obtencin de zo:

Normal; Media=0; Desv.Est.=1 0,4

Grfica de distribucin

0,3

Densidad

0,2

0,1 0,025 0,0 -1,960 0 X 1,960 0,025

Ea=(752.502-750.748)/2 Ea=0.877 Error=Ea/X=0.877/751.625 Error en trminos relativos: 0.1167%

Interpretacin: Existe la seguridad, al 95% de nivel de confianza, de que el verdadero promedio de volumen de refrescos est entre 750.75 cc y 752.5 cc. Con un nivel de error de 0.12%

21

MODULO 2

HERRAMIENTA N3: INTERVALO DE CONFIANZA DE UN PROMEDIO VARIANZA DESCONOCIDA Ejemplo. Estimacin de lmites de confianza del archivo 8.Refrescol.mtw

Resultados para: 8. REFRESCOS.MTW

T de una muestra: volumen Error estndar de la media 0,451

Variable volumen

N 40

Media 751,625

Desv.Est. 2,853

IC de 95% (750,713; 752,537)

Verificacin de los valores: Obtencin de to:

Grfica de distribucin
T; df=39 0,4

0,3

Densidad

0,2

0,1 0,025 0,0 -2,023 0 X 2,023 0,025

Ea=(752.538-750.712)/2 Ea=0.913 Error=Ea/X=0.913/751.625 Error en trminos relativos: 0.1215%

Interpretacin: Existe la seguridad, al 95% de nivel de confianza, de que el verdadero promedio de volumen de refrescos est entre 750.71 cc y 752.54 cc. Con un nivel de error de 0.12%

22

MODULO 2

HERRAMIENTA N4: INTERVALO DE CONFIANZA DE UNA PROPORCIN 1) Estimar la proporcin de clientes satisfechos con el servicio. BD satisfaccin Minitab. Se emplear el archivo T_espera.mtw
CAJERO T_ESPERA SATISFACCION 1 48 SATISFECHO 1 53 SATISFECHO 1 49 SATISFECHO 1 52 SATISFECHO 1 51 SATISFECHO 1 52 SATISFECHO 1 63 SATISFECHO 1 60 SATISFECHO 1 53 SATISFECHO 1 64 SATISFECHO 1 59 SATISFECHO 1 54 SATISFECHO 1 47 SATISFECHO 1 49 SATISFECHO 1 45 SATISFECHO 1 64 SATISFECHO 1 79 SATISFECHO 1 65 SATISFECHO 1 62 SATISFECHO 1 60 SATISFECHO 2 68 INSATISFECHO 2 65 INSATISFECHO 2 73 INSATISFECHO 2 88 INSATISFECHO 2 69 INSATISFECHO 2 83 INSATISFECHO 2 78 INSATISFECHO 2 81 INSATISFECHO 2 86 INSATISFECHO 2 92 INSATISFECHO 2 75 INSATISFECHO 2 85 INSATISFECHO 2 81 INSATISFECHO 2 77 INSATISFECHO 2 82 INSATISFECHO 2 76 INSATISFECHO 2 75 INSATISFECHO 2 91 INSATISFECHO 2 73 INSATISFECHO 2 92 INSATISFECHO Resultados para: 9. T_ESPERA.MTW Prueba e IC para una proporcin: SATISFACCION Evento = SATISFECHO Variable SATISFACCION X 20 N 40 Muestra p 0,500000 IC de 95% (0,338018; 0,661982)

Interpretacin: Existe la seguridad, al 95% de nivel de confianza, de que el verdadero promedio de satisfaccin los clientes de cajeros esta entre el 33.8% y 66.2%. Verificacin numrica:

23

MODULO 2
2) Pg. 106 y 107 Montgomery Ejemplo 3.5 Una fundicin produce piezas fundidas de acero usadas en la industria automotriz. Quiere probarse la hiptesis de que la fraccin disconforme o porcin cada de este proceso es 10%. En una muestra aleatoria de 250 piezas fundidas, se encontr que 41 eran disconformes. Para probar Ho: p=0.1 H1:p0.1

Prueba e IC para una proporcin

Prueba de p = 0,1 vs. p no = 0,1 Valor P exacto 0,002

Muestra 1

X 41

N 250

Muestra p 0,164000

IC de 95% (0,120333; 0,215836)

Interpretacin: el valor de P-value nos da 0.002 que es menor a 0.05, por tanto se rechaza la hiptesis nula que considera que la fraccin disconforme es del 10%. La fraccin disconforme es diferente al 10%. El intervalo de confianza al 95% es de 12.03%p21.58% Verificacin numrica del intervalo de confianza:

24

MODULO 2
HERRAMIENTA N5: TEST DE CONFORMIDAD DE UN PROMEDIO CON VARIANZA CONOCIDA Ejercicios planteados en el libro de Control Estadstico de Calidad de Montgomery tercera edicin. Captulo 3. Ejemplo 3.1 La resistencia a la presin interna de las botellas de cristal para envasar una bebida carbonatada es una caracterstica importante de la calidad. La embotelladora desea saber si la resistencia a la presin media excede 175 psi. Por la experiencia anterior, se sabe que la desviacin estndar de la resistencia a la presin es de 10 psi. El fabricante de las botellas le hace llegar un lote de estas botellas a la embotelladora, la cual est interesada en probar la hiptesis Ho: =175 H1: >175 Se selecciona una muestra aleatoria de 25 botellas, las cuales se colocan en una mquina de prueba de presin hidrosttica. La resistencia muestral promedio al estallamiento es 182 psi.

Z de una muestra
Prueba de mu = 175 vs. > 175 La desviacin estndar supuesta = 10 Error estndar de la 95% Lmite N Media media inferior Z 25 182,00 2,00 178,71 3,50

P 0,000

Interpretacin: El valor de P-value es de 0<0.005. Por tanto se rechaza la hiptesis nula de =175. Se determina que el valor de hiptesis alternativa es aceptado >175. Al ser mayor el valor de resistencia a la presin de las botellas, se acepta el lote del fabricante. Ejemplo 3.3 La resistencia a la tensin media de una fibra sinttica es una caracterstica importante de la calidad que es de inters para el fabricante, a quien le gustara probar la hiptesis de que la resistencia media es 50 psi, utilizando =0.05. por la experiencia pasada, el fabricante est dispuesto a asumir que la resistencia a la tensin tiene una distribucin normal; sin embargo, se desconocen tanto la resistencia la tensin media como la desviacin estndar de la resistencia a la tensin. Se selecciona una muestra aleatoria de 16 ejemplares de prueba de la fibra y se determinan sus resistencias de tensin. Ho: =50 H1: 50
Ejemplar 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 Variable psi N 16 psi 48,89 52,07 49,29 51,66 52,16 49,72 48 49,96 49,2 48,1 47,9 46,94 51,76 50,75 49,86 51,57 Media 49,864

Nota. La varianza de la poblacin no es conocida, por tanto se deber emplear un anlisis de t.

T de una muestra: psi Prueba de mu = 50 vs. no = 50

Desv.Est. 1,661

Error estndar de la media IC de 95% 0,415 (48,979; 50,750)

T -0,33

P 0,749

Interpretacin: El valor de P-value es de 0.749>0.05, por tanto no se rechaza la hiptesis nula. Es decir se acepta el valor de =50.

25

MODULO 2
HERRAMIENTA N7: TEST DE COMPARACIN DE DOS PROMEDIOS Se ha elegido la resolucin de ejercicios planteados en el libro de Control Estadstico de Calidad de Montgomery tercera edicin. Captulo 3. Ejemplo 3.10 Se estn analizando dos catalizadores para determinar cunto afectan el rendimiento medio de un proceso qumico. Especficamente, el catalizador 1 se encuentra en uso actualmente pero el catalizador 2 es aceptable. Puesto que el catalizador 2 es mas barato, debera adoptarse sipre que no cambie el rendimiento del proceso. Se corre una prueba en la planta piloto que dio como resultado los datos que se muestran en la tabla. Existe alguna diferencia entre los rendimientos medios? Ho: 1=2 H1: 12

catalizador catalizador 1 2 91,5 89,19 94,18 90,95 92,18 90,46 95,39 93,21 91,79 97,19 89,07 97,04 94,72 91,07 89,21 92,75 Prueba T e IC de dos muestras: catalizador 1; catalizador 2
T de dos muestras para catalizador 1 vs. catalizador 2 Error estndar de la media 0,84 1,1

catalizador 1 catalizador 2

N 8 8

Media 92,26 92,73

Desv.Est. 2,39 2,98

Diferencia = mu (catalizador 1) - mu (catalizador 2) Estimado de la diferencia: -0,48 IC de 95% para la diferencia: (-3,37; 2,42) Prueba T de diferencia = 0 (vs. no =): Valor T = -0,35 Ambos utilizan Desv.Est. agrupada = 2,7009

Valor P = 0,729

GL = 14

Interpretacin: El valor de P-value es 0.729>0.05. Por tanto no se rechaza la hiptesis nula Ho: 1=2. Se puede emplear el catalizador 2.

26

MODULO 2
HERRAMIENTA N12: TEST DE CONFORMIDAD DE UNA PROPORCIN Se ha elegido la resolucin de ejercicios planteados en el libro de Control Estadstico de Calidad de Montgomery tercera edicin. Captulo 3. Ejemplo 3.5 Una fundicin produce piezas fundidas de acero usadas en la industria automotriz. Quiere probarse la hiptesis de que la fraccin disconforme o porcin cada de este proceso es 10%. En una muestra aleatoria de 250 piezas fundidas, se encontr que 41 eran disconformes. Para probar Ho: p=0.1 H1:p0.1

Prueba e IC para una proporcin

Prueba de p = 0,1 vs. p no = 0,1 Valor P exacto 0,002

Muestra 1

X 41

N 250

Muestra p 0,164000

IC de 95% (0,120333; 0,215836)

Interpretacin: el valor de P-value nos da 0.002 que es menor a 0.05, por tanto se rechaza la hiptesis nula que considera que la fraccin disconforme es del 10%. La fraccin disconforme es diferente al 10%. El intervalo de confianza al 95% es de 12.03%p21.58%
Ejemplo 3.6 En una muestra aleatoria de 80 rodamientos de cigeales para automotores, 15 de los rodamientos tienen un terminado superficial cuya aspereza rebasa lo que permiten las especificaciones. La estimacin puntual de la fraccin disconforme del proceso es p=15/80 Suponiendo que es apropiada la aproximacin normal de la distribucin binomial, un intervalo de confianza del 95% para la fraccin disconforme del proceso se encuentra en:

Prueba e IC para una proporcin

Muestra 1 X 15 N 80 Muestra p 0,187500 IC de 95% (0,108914; 0,290328)

Nota: Muchas de las guas no aplican a mi rea, instalacin de equipos como ser bombas, PLC, motores, diseo de alumbrado e iluminacin. Pero desarroll los ejercicios que venan planteados en las guas y algunos ejercicios propuestos de Montgomery como prctica del mdulo 2.

27