FACULTAD DE INGENIERA

PROBABILIDAD
E
INFERENCA
ESTADSTICA
ESTADSTICA PARA INGENIEROS
TALLER DE ESTADSTICA DESCRIPTIVA (5%)
Semestre 2015-02

JOHAN STIVEN RAMIREZ SALAZAR CC: 1020439284

1. Se presentan los datos de viscosidad en dos procesos qumicos. Para cada

proceso calcule, interprete y analice:

Proceso A

Proceso B

13,3
14,8
14,3
14,6
15,8
14,8
14,2
15,2

14,9
15,6
15,2
15,1
16
15,6
14
14,5

14,5
15,2
16,1
14,3
13,7
14,3
16,9
14,6

13,7
15,8
15,2
17
14,9
16,1
14,4
12,8

15,3
14,5
13,1
15,4
15,1
14,3
14,9
16,4

15,2
13,3
15,9
14,9
13,6
13,9
13,7
16,1

15,3
14,6
15,5
15,2
13,4
16,4
15,2
14,2

14,5
14,1
16,5
14,8
15,3
15,2
13,8
16,6

14,3
14,1
12,6
16,8
14,1
16,9
14,4
15,7

15,3
15,4
14,8
14
14,3
14,4
15,6
15,6

Proceso A (PA)
a. P25

P50

P75

P17

> quantile(PA, probs = c(0.17, 0.25, 0.50, 0.70))

17% 25% 50% 70%
14.1 14.3

14.9

15.3

En el proceso A, el 70% de los procesos qumicos representan una

viscosidad mayor a 15.
b. Media aritmtica, varianza y desviacin estndar
> mean(PA)
[1] 14.875

> var(PA)
[1] 0.899359

> sd(PA)
[1] 0.9483454

Promedio de viscosidad en el proceso a es de 14.875, con una variacin

del 0.899 y con un grado de dispersin no mayor a 1.
c. Desviacin absoluta mediana, la desviacin media absoluta y el
coeficiente de variacin
> mad(PA)
[1] 0.7413

> sd(PA)/mean (PA)

[1] 0.06375431

FACULTAD DE INGENIERA
PROBABILIDAD
E
INFERENCA
ESTADSTICA
ESTADSTICA PARA INGENIEROS
TALLER DE ESTADSTICA DESCRIPTIVA (5%)
Semestre 2015-02

Se pronostica que el error de la desviacin media absoluta es del 0.74%

y con un coeficiente de variacin menor que 1, lo que nos dice que los
procesos A se encuentran dentro de las medidas estndares.
d. Diagramas de Box- Whiskers (Boxplot)
boxplot(PA ,col="blue",main="Boxplot", ylab="proceso A", las=1)
points(mean(PA), pch=8)

El diagrama nos muestra

e. Existencia de valores extremos
> quantile(PA, probs = c(0 , 1))
0% 100%
12.6 17.0
Del proceso A se obtiene que su viscosidad en los procesos est entre
12.6>=X<=17

FACULTAD DE INGENIERA
PROBABILIDAD
E
INFERENCA
ESTADSTICA
ESTADSTICA PARA INGENIEROS
TALLER DE ESTADSTICA DESCRIPTIVA (5%)
Semestre 2015-02

f. Agrupe en cinco intervalos de clase, calcule la media aritmtica y la

varianza, haga las grficas de histogramas de frecuencia, polgonos de
frecuencias (asimetra) y la Ojiva.
> Clases <- cut(PA, breaks=5)
> Freq <- as.data.frame(table(Clases))
> Tabla <- transform(Freq, CumFreq = cumsum(Freq), Rel =
+ prop.table(Freq), CumRel=cumsum(prop.table(Freq)))
> Tabla
Clases
Freq CumFreq
Rel
CumRel
1 (12.6,13.5] 4
4
0.100
0.100
2 (13.5,14.4] 7
11
0.175
0.275
3 (14.4,15.2] 16
27
0.400
0.675
4 (15.2,16.1] 10
37
0.250
0.925
5 (16.1,17]

40

0.075

1.000

Del intervalo 1.6 y 13.5 hay una frecuencia de 4 procesos, con una
probabilidad del 10% de que los procesos de viscosidad pertenecer a
esta categora.

FACULTAD DE INGENIERA
PROBABILIDAD
E
INFERENCA
ESTADSTICA
ESTADSTICA PARA INGENIEROS
TALLER DE ESTADSTICA DESCRIPTIVA (5%)
Semestre 2015-02

Proceso B (PB)

a. P25

P50

P75

P17

> quantile(PB, probs = c(0.17, 0.25, 0.50, 0.70))

17% 25% 50% 70%
13.963 14.200 14.850 15.600
En el proceso B, el 17% de los procesos qumicos representan una
viscosidad no mayor a 13.96, con un 50% de viscosidad no mayor a
14.850 en los procesos qumicos.
b. Media aritmtica, varianza y desviacin estndar
> mean(PB)

> var(PB)

> sd(PB)

[1] 14.9225

[1] 1.046404

[1] 1.022939

El grado de dispersin de los procesos no debe ser mayor a 1, y en el

proceso B se puede ver que esta pasado por 0.02.
Promedio de viscosidad en el proceso B es de 14.922, con una variacin
del 1.046, medidas similares al proceso A.

FACULTAD DE INGENIERA
PROBABILIDAD
E
INFERENCA
ESTADSTICA
ESTADSTICA PARA INGENIEROS
TALLER DE ESTADSTICA DESCRIPTIVA (5%)
Semestre 2015-02

c. Desviacin absoluta mediana, la desviacin media absoluta y el

coeficiente de variacin
> mad(PB) > sd(PB)/mean (PB)
[1] 1.11195 [1] 0.0685501
Se pronostica que el error de la desviacin media absoluta es del 1.11%
y con un coeficiente de variacin menor que 1, lo que nos dice que los
procesos B tambien se encuentran dentro de las medidas estndares.

d. Diagramas de Box- Whiskers (Boxplot)

boxplot(PB ,col="blue",main="Boxplot", ylab="proceso B", las=1)
points(mean(PB), pch=8)

e. Existencia de valores extremos

> quantile(PB, probs = c(0 , 1))

FACULTAD DE INGENIERA
PROBABILIDAD
E
INFERENCA
ESTADSTICA
ESTADSTICA PARA INGENIEROS
TALLER DE ESTADSTICA DESCRIPTIVA (5%)
Semestre 2015-02

0% 100%
12.8 16.9
Del proceso B se obtiene que su viscosidad en los procesos est entre
12.8>=X<=16.9

f. Agrupe en cinco intervalos de clase, calcule la media aritmtica y la

varianza, haga las grficas de histogramas de frecuencia, polgonos de
frecuencias (asimetra) y la Ojiva.
> Clases <- cut(PB, breaks=5)
> Freq <- as.data.frame(table(Clases))
> Tabla <- transform(Freq, CumFreq = cumsum(Freq), Rel =
+ prop.table(Freq), CumRel=cumsum(prop.table(Freq)))
> Tabla # intervalos

Clases Freq
1 (12.8,13.6] 3
2 (13.6,14.4] 14
3 (14.4,15.3] 9
4 (15.3,16.1] 7
5 (16.1,16.9] 7

CumFreq
3
17
26
33
40

Rel
0.075
0.350
0.225
0.175
0.175

CumRel
0.075
0.425
0.650
0.825
1.000

Del intervalo 14.4 y 15.3 hay una frecuencia de 9 procesos, con una
probabilidad del 35% de que los procesos de viscosidad pertenecer a
esta categora.

FACULTAD DE INGENIERA
PROBABILIDAD
E
INFERENCA
ESTADSTICA
ESTADSTICA PARA INGENIEROS
TALLER DE ESTADSTICA DESCRIPTIVA (5%)
Semestre 2015-02

2. Dos mquinas, 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 una muestra e inspecciona
que la longitud cumpla las especificaciones. A continuacin se muestran las
ltimas 110 mediciones para ambas mquinas.

FACULTAD DE INGENIERA
PROBABILIDAD
E
INFERENCA
ESTADSTICA
ESTADSTICA PARA INGENIEROS
TALLER DE ESTADSTICA DESCRIPTIVA (5%)
Semestre 2015-02

a. Obtenga las medidas de tendencia central, y con base en ella seale

si la tendencia central del proceso es adecuada.
Media
[1] 199.9964

Mediana
[1] 200.1

Moda
201.4

Las medidas de tendencia central nos muestran que se encuentra

dentro de los lmites establecidos
b. Calcule la desviacin estndar e interprtela.
> sd(maquina)
[1] 1.155674
> var(maquina)
[1] 1.335583
CV= s/x = 1.556/199.996 = 0.00578 ~= 0.58%
Se puede concluir que la variabilidad de los datos es aceptable ya
que el coeficiente de variacin (CV) es muy pequeo, indicndonos
que no existe mucha variabilidad con respecto a la media aritmtica.

c. Obtenga un histograma e interprtelo.

FACULTAD DE INGENIERA
PROBABILIDAD
E
INFERENCA
ESTADSTICA
ESTADSTICA PARA INGENIEROS
TALLER DE ESTADSTICA DESCRIPTIVA (5%)
Semestre 2015-02

En la grfica del histograma se puede observar que no hay una

tendencia estndar, y su curva asimtrica muestra que hay mucha
variabilidad.

d. Con la evidencia obtenida antes, cul es su opinin acerca de lo

adecuado o no de la longitud de las tiras que se cortaron en el
perodo que representan las mediciones.
Las longitudes de las tiras se encuentran en el rango permitido, por lo
tanto el lote se puede aceptar ya que cumple con el mnimo de
especificaciones requeridas.

Considere que los primeros 55 datos (ordenados por rengln)

corresponden a una mquina, y los ltimos 55 a otra.
MAQUINA A
199.2 201.2 200.5 201.2 200.1 202.1 200.7 201.0 202.0 201.2
0
0
0
0
0
0
0
0
0
0

FACULTAD DE INGENIERA
PROBABILIDAD
E
INFERENCA
ESTADSTICA
ESTADSTICA PARA INGENIEROS
TALLER DE ESTADSTICA DESCRIPTIVA (5%)
Semestre 2015-02

200.3
0
201.5
0
202.0
0
199.7
0
200.9
0

200.7
0
200.6
0
200.4
0
201.7
0
201.6
0

200.7
0
200.8
0
201.4
0
200.5
0
201.4
0

201.0
0
200.6
0
201.5
0
201.3
0
201.2
0

201.7
0
200.2
0
200.1
0
201.3
0
199.8
0

201.1
0
201.8
0
200.7
0
201.4
0

200.0
0
201.2
0
201.0
0
201.4
0

201.4
0
200.8
0
201.6
0
201.0
0

200.5
0
200.9
0
201.4
0
200.5
0

201.8
0
200.6
0
201.0
0
200.7
0

198.2
0
199.6
0
198.8
0
198.9
0
199.6
0
198.4
0

199.3
0
200.5
0
199.6
0
198.8
0
199.7
0
197.9
0

200.7
0
200.5
0
199.0
0
198.1
0
199.5
0
198.9
0

198.5
0
199.2
0
198.4
0
200.3
0
199.0
0

199.7
0
198.3
0
199.1
0
199.2
0
198.9
0

199.0
0
198.3
0
198.2
0
200.8
0
199.1
0

198.4
0
198.9
0
197.8
0
199.2
0
200.5
0

200.3
0
198.2
0
199.5
0
200.3
0
199.0
0

MAQUINA B
198.6
0
198.4
0
199.2
0
199.6
0
199.7
0
198.8
0

199.0
0
199.9
0
200.3
0
200.5
0
199.1
0
200.5
0

e. Evale las dos mquinas en cuanto a su centrado (tendencia central)

y con respecto a la longitud ideal (200).
Maquina A
Media
Mediana
200.96 201
Maquina B
Media
Mediana
199.05 199
Nota: la maquina B es ms exacta que la maquina A
f. Analice la dispersin de ambas mquinas utilizando la desviacin
estndar.
> sd(m1)
[1] 0.6139128

FACULTAD DE INGENIERA
PROBABILIDAD
E
INFERENCA
ESTADSTICA
ESTADSTICA PARA INGENIEROS
TALLER DE ESTADSTICA DESCRIPTIVA (5%)
Semestre 2015-02

> sd(m2)
[1] 0.6610521
Ambas maquinas se encuentran dentro del lmite sin sobre pasar la
tolerancia que es de +-3 mm
g. Haga un histograma de cada mquina e interprete cada uno de ellos.

la grafica de la maquina A, muestra crecimientos desfaborables alejandose de

la longitud ideal.

FACULTAD DE INGENIERA
PROBABILIDAD
E
INFERENCA
ESTADSTICA
ESTADSTICA PARA INGENIEROS
TALLER DE ESTADSTICA DESCRIPTIVA (5%)
Semestre 2015-02

la grafica de la maquina B, muestra crecimientos que tienden hacia la longitud

ideal, por esta razon el la maquina B tiene menos margen de error.

h. De acuerdo a lo anterior, cul es el problema de cada mquina?

Maquina A: Tiene poca precisin al realizar los cortes, esto puede
ser causado por mala utilizacin o poca supervisin e inspeccin de
su proceso productivo.
Maquina B: Es mas exacta al momento de realizar los cortes, esto
se debe a un uso adecuado e inspecciones regulares y
contundentes.
i. Considere que cada mquina es operada por una persona diferente,
y de termine cules son las posibles causas de los problemas
sealados en el inciso anterior y seale que hara para corroborar
cules son las verdaderas causas.
Se debe capacitar al personal que est operando las maquinas,
realizar mantenimientos preventivos con el fin de detectar problemas
que puedan afectar la produccin en cuanto su calidad y cantidad,

FACULTAD DE INGENIERA
PROBABILIDAD
E
INFERENCA
ESTADSTICA
ESTADSTICA PARA INGENIEROS
TALLER DE ESTADSTICA DESCRIPTIVA (5%)
Semestre 2015-02

por ultimo realizar supervisiones regulares con el propsito de

detectar anomalas o inconsistencias durante el proceso.
j. Vuelva a analizar el histograma realizado en el literal c y vea si de
alguna forma se vislumbra lo que detect con los anlisis realizados
en el ejercicio. Explique.

Si se observa el inciso anterior, se estaba analizando las maquinas

individualmente y en esta ocasin se analizan las dos mquinas al mismo
tiempo, por esta razn el problema que hay ahora para realizar una
interpretacin a la grfica es a la hora de seccionarlas.