INFORME DE LABORATORIO CALIFICADO No 3 DE MATEMATICA Y ESTADÍSTICA

APLICADA
PROCESOS QUÍMICOS Y METALURGICOS

MUESTREO DE ACEPTACIÓN,
ERRORES Y VALORES ATÍPICOS

REALIZADO POR:
Cueva Flores, Brenda
Huamán Lizano, Juan
Serrano Carrasco, Yeraldin

EL DÍA: 25 /10/2018

SECCIÓN: C1-03-B

PROFESOR: I. Gonzales
 INFORME DE LABORATORIO Página : 1 de 9
TECSUP 2018
PFR- C1 Matemática y Estadística Aplicada

I. OBJETIVOS
 Implantar las variaciones de los resultados a partir del error relativo.
 Determinar el control de calidad de un lote, por medio de un muestreo simple y doble
teniendo en cuenta la aceptación o el rechazo de los resultados que se obtengan.
 Definir la presencia de dato atípico usando las pruebas estadísticas Grubbs y Z-score.

II. FUNDAMENTO TEÓRICO

 ERROR RELATIVO

Es el cociente entre el error absoluto y el valor que consideramos como exacto (la media). Al
igual que el error absoluto puede ser positivo o negativo porque puede se puede producir por exceso o
por defecto y al contrario que él no viene acompañado de unidades.
𝜀𝑎
𝜀𝑟 =
𝑋
De igual forma, se puede multiplicar por 100 obteniéndose así el tanto por ciento (%) de error.
𝜀𝑎
εr = × 100%
𝑋
 MUESTREO

En el área de control de calidad, los planes de muestreo son herramientas que son
empleadas para determinar la aceptación o rechazo de lotes.
Existen tipos de planes de muestreo, como: simple, doble, múltiple y múltiple secuencial.

 AQL (LIMITE DE CALIDAD ACEPTABLE)

La definición técnica de AQL es “el máximo porcentaje de defectos que puede ser considerado
satisfactorio para la muestra escogida”. Quiere decir que, en primer lugar, todo se selección a una
muestra con base en las tablas AQL y luego se inspeccionar para encontrar los defectos.
 INFORME DE LABORATORIO Página : 2 de 9
TECSUP 2018
PFR- C1 Matemática y Estadística Aplicada

Los defectos son clasificados en 3 categorías: Menores, Mayores y Críticos. Aunque el criterio
puede variar entre clientes por lo general se considera lo siguiente:

a) Un defecto menor representa una discrepancia con respecto a lo establecido, pero no afecta
para nada la capacidad de uso de un objeto.
b) Un defecto mayor es aquel que puede provocar una falla con respecto a la funcionalidad del
producto.
c) Un defecto crítico es aquel que se considera peligroso o inseguro.

De acuerdo con el número de defectos encontrados por cada categoría y al número de defectos
permitidos (cifras dadas por las tablas AQL) su compañía de inspección puede sugerirles aceptar o
rechazar el embarque.

Figura 1. Límite de calidad aceptable

(AQL)
 DATOS ATÍPICOS
En un conjunto de mediciones, los errores por lo general siempre estarán presentes, entonces el
conjunto de datos no siempre todos serán iguales, sin embrago hay datos que se distancian del resto, a
este le llamamos datos atípicos, para poder identificar si nuestros datos contienen alguno de ellos, se
aplica algunas pruebas como: Dixon, Grubbs, Z score.

- PRUEBAS GRUBBS: utiliza la prueba, T, que es la diferencia absoluta entre el valor del
dato atípico, XO, y el promedio de la muestra (X o media) dividida por la desviación estándar
de una muestra, s.
- PRUEBAS Z SCORE: nos ayuda con la observación del número de desviaciones estándar
que hay por encima o por debajo de la media de un conjunto de datos.
 INFORME DE LABORATORIO Página : 3 de 9
TECSUP 2018
PFR- C1 Matemática y Estadística Aplicada

III. DESARROLLO
3.1. Problema 1:
En el siguiente cuadro se muestran los resultados de siete mediciones de cloro y
plomo en una muestra de agua residual:
Tabla 1. Datos de las mediciones de 𝐶𝑙2 y Pb
Medición 1 2 3 4 5 6 7
Cl2 (ppm) 12.83 12.85 12.87 12.84 12.86 12.84 12.96
Pb(%) 2.83 2.85 2.87 2.84 2.86 2.84 2.86

 ¿Qué mediciones son mejores cloro o plomo?

 ¿Cuál es el mejor resultado de todas las mediciones?
RESOLUCIÓN:
- En la siguiente tabla se presenta la desviación estándar (S), Media (M) y el
coeficiente de variación (C.V) según los datos de la tabla 1:

Tabla 2. Medidas de dispersión en 𝐶𝑙2 y Pb

Cl2 Pb
S 0.044 0.014
M 12.864 2.850
C.V 0.344 0.496

- Con los datos de la tabla 1 y tabla 2 se puede determinar el error que se comete en
cada medición:
Tabla 3. Error relativo de cada medición de 𝐶𝑙2 y Pb
Cl2 (ppm) -0.27 -0.11 0.04 -0.19 -0.03 -0.19 0.74
Pb(%) -0.70 0.00 0.70 -0.35 0.35 -0.35 0.35

3.2. Problema 2
Usando la norma ISO, un instructor de servicios de administración necesita
a) Determinar los planes de muestreo para la siguiente información.

Tabla 4. Datos iniciales brindados al instructor de servicios de administración

Caso Nivel de inspección Inspección AQL Tamaño del lote
Simple II Rigurosa 1.5% 1400
Doble I Normal 6.5% 115

b) Señale usted que se hace con un lote cuyos resultados de control de calidad
resulta.
Tabla5. Defectos en cada muestreo
Defectos
Muestreo 1er muestreo 2do muestreo
Simple 2 -
Doble 2 1
 INFORME DE LABORATORIO Página : 4 de 9
TECSUP 2018
PFR- C1 Matemática y Estadística Aplicada

RESOLUCIÓN:
 CASO SIMPLE
- Con los datos de la tabla 4, se hace uso de la siguiente tabla:
Tabla 5. Códigos de tamaño de muestra según la MIL STD 105D

- La letra que resulta de la intercesión del tamaño de lote y el nivel de inspección, es la

letra “K”.

- En siguiente tabla se muestra los planes de muestreo, según el valor que se obtuvo en
la tabla 5. Esta vez buscamos la intercesión de la letra y el AQL (1.5%).
Tabla 6. Planes de muestreo simple en inspección rigurosa

- Se obtuvimos como Ac (aceptación) igual a 3 y Re (rechazo) igual a 4.

 INFORME DE LABORATORIO Página : 5 de 9
TECSUP 2018
PFR- C1 Matemática y Estadística Aplicada

 CASO DOBLE:
- Con los datos de la tabla 4 y la misma tabla usada en el caso simple se hace la
siguiente intersección:

- La letra que resulta de la intercesión del tamaño de lote y el nivel de inspección, es la

letra “D”.
- En siguiente tabla se muestra los planes de muestreo, según el valor que se obtuvo en
la tabla anterior. Luego buscamos la intercesión de la letra y el AQL (6.5%).

Tabla 7. Plan de muestreo doble en una inspección normal

- Se obtiene Ac1= 0 , Re1= 2 y Ac2= 1 , Re2=2.

 INFORME DE LABORATORIO Página : 6 de 9
TECSUP 2018
PFR- C1 Matemática y Estadística Aplicada

3.3. Problema 3
En la determinación de flúor de un mineral por absorciometria fueron obtenidos los datos:
F%: 36.8; 36.4; 37.5; 36.3; 36.8; 36; 35.8; 36.1
 Determine la posibilidad de un valor atípico al 5% de riesgo mediante la prueba
de Grubbs y Z score:
RESOLUCIÓN:
 PRUEBA DE GRUBBS
- Ordenamos de mayor a menor los datos e identificación el valor atípico
Datos (n)
35.8
36
36.1
36.3 37.5
Valor atípico
36.4
36.8
36.8
37.5
- Calculamos en el Excel, el promedio, la desviación estándar para aplicar la |prueba de G| cal de
𝟑𝟓.𝟖− 𝟑𝟔.𝟒𝟔
Grubbs 𝑻 =
̅| 𝟎.𝟑𝟖
| 𝑿𝑶 − 𝑿 𝑻 = 𝑮𝒄𝒂𝒍 =
Valor atípico 37.5 𝑻=
𝑺 𝟐. 𝟔𝟗
Promedio 36.46
Desviación (S) 0.38

- Calculamos el G tabulado a través de la posibilidad de un valor atípico al 5% de

riesgo.

Son 8 valores y valor atípico

al 5% de riesgo por lo cual, el
Gtab= 2.03

Gtab= 2.03

 PRUEBA DE Z-SCORE
Calculamos en el Excel, el promedio, la desviación estándar para aplicar la prueba de G cal de
Grubbs
Promedio 36.46
F% z-score Condición Desviación (S) 0.51
35.80 -1.29 Coeficiente de variación 70.85
36.00 -0.90
36.10 -0.70 (𝐷𝑎𝑡𝑜 − 𝑝𝑟𝑜𝑚𝑒𝑑𝑖𝑜)
𝑍𝑠𝑐𝑜𝑟𝑒 =
36.30 -0.32 𝐷𝑒𝑠𝑣. 𝑒𝑠𝑡á𝑛𝑑𝑎𝑟
36.40 -0.12
36.80 0.66  ABS (Z score) > 3
36.80 0.66 “valor es atípico”
37.50 2.02  ABS (Z score) < 3
“valor es no atípico”
 INFORME DE LABORATORIO Página : 7 de 9
TECSUP 2018
PFR- C1 Matemática y Estadística Aplicada

IV. RESULTADOS
4.1. Problema 1
 ¿Qué mediciones son mejores cloro o plomo?
En la tabla 2 se muestra que el coeficiente de variación del cloro es menor al
plomo, lo cual indica que sus datos están más relacionados entre sí, es por ello que
las mejores mediciones son del cloro.
 ¿Cuál es el mejor resultado de todas las mediciones?
El mejor resultado fue la segunda medición de Pb, como se puede observar en
la tabla 3, el error es de 0%.

4.2. Problema 2
 Determinar los planes de muestreo para la información de la tabla 4.
- Caso simple: - Caso doble

 Señale usted que se hace con un lote cuyos resultados de control de calidad resulta.

En el caso simple, el lote se aceptará porque el número de defectos que es igual a 2 es menor a 3.
En el caso doble, el lote se rechazará, según los datos de la tabla 5 y la figura 3, en la primera muestra
el defecto que es 2 es igual a 2. En una segunda muestra los defectos son 3, lo cual es mayor a 2, por
todo ello, el lote no es aceptado.

4.3. Problema 3

 Determine la posibilidad de un valor atípico al 5% de riesgo mediante la prueba de

Grubbs y Z score:

Al aplicar las diferentes pruebas, se obtiene que el Grubbs si hay valor atípico, porque el
, en cambio, la prueba de Z-score no hay valor atípico.
Gtab= 2.03 > 𝐺𝑐𝑎𝑙 = 2.69
 INFORME DE LABORATORIO Página : 8 de 9
TECSUP 2018
PFR- C1 Matemática y Estadística Aplicada

V. CONCLUSIONES
 En el problema1, el coeficiente de variación determinó cual era la dispersión existente del
conjunto de datos, de acuerdo a este parámetro las mejores mediciones fueron las que se
hicieron en el cloro. Como no se contaba con un dato teórico, se consideró al promedio de
todo el conjunto de datos, al momento de ver cual medición fue la mejor, el error relativo nos
indicó que el mejor resultado fue la segunda medición de plomo con un porcentaje de error de
0%.
 En el problema 2, las tablas que se presentaron nos ayudaron a elaborar diagramas que
facilitan el entendimiento y poder llegar a obtener un plan de muestreo. Entonces, para la
inspección rigurosa simple de nivel II a un lote de 1400 con un nivel de calidad
aceptable de 1.5%. Se obtuvo que el tamaño de muestra tendría que ser 125 y si se
encuentran como máximo 2 defectos, el lote seria aceptado.

En la inspección doble normal de nivel II con nivel de calidad aceptable de

6.5% a un lote de 115. En el primer muestreo la muestra fue de 5 con 2 defectos; se
rechaza el lote porque el número de defectos es igual al Re1. La muestra 2 fue de 5
con número de defectos igual a 1. De igual manera se rechaza el lote, porque la suma
de defectos es mayor que Re2.

 En el problema 3, al realizar las comparaciones en ambas pruebas, se comprueba que si hay

valor atípico teniendo en cuenta que la prueba de Grubbs es el que más se acerca al valor de
la tabla, demostrando que es más eficiente usarlo para descartar el valor atípico para un
conjunto de datos. En cambio, la prueba de Z-score sería más ventajoso usarla con gran
cantidad de datos, debido a la condición en la que se encuentre para calcular el error existente.

VI. RECOMENDACIONES

 Saber interpretar las tablas de muestreo de tal manera de identificar más rápido el error.
 Utilizar Excel para facilitar los cálculos y obtener los resultados más rápidos y confiables

VII. BIBLIOGRAFÍA

- Ríos, G y John, H. DISEÑO DE UN PLAN DE MUESTREO SIMPLE POR

ATRIBUTOS EN BUSCA DE UN OPTIMO SOCIAL. DYNA, [S.l.], v. 78, n. 169, p. 53-
61, sep. 2011. ISSN 2346-2183. Disponible en:
<https://revistas.unal.edu.co/index.php/dyna/article/view/22411>.

- Calidad en laboratorios, Recuperado el 31 de octubre del 2018 sitio web:

https://vrconsultora.blogspot.com/2011/03/z-score-puntaje-z.html

- Devore, J. (2008). Probabilidad y Estadística para Ingeniería y Ciencia, (7), México:

GENGAGE Learning.

- George, B. (2006). Calcula una variable. (última edición). México: PEARSON.