Escuela Profesional de Ingeniera Industrial

Control Estadstico

EJERCICIOS DEL CAPTULO 2

EJERCICO 1:
Con sus palabras y apoyndose en grficas, conteste los siguientes incisos: a) qu es la tendencia central y qu es la variabilidad de un proceso o unos datos?

La tendencia central es una caracterstica descriptiva de una muestra de observaciones que son interpretados como valores que permiten resumir a un conjunto de datos dispersos, adopta un valor representativo para todo un conjunto de datos predeterminados. MEDIDAS TENDENCIA CENTRAL: PERMITEN OBSERVAR SI UN PROCESO SE ENCUENTRA CENTRADO La variabilidad son cambios que modifican un proceso o un conjunto de datos, que posteriormente afectan al producto o al anlisis de los datos. MEDIDAS DE DISPERSIN: VARIABILIDAD DE UN PROCESO PERMITEN OBSERVAR LA

b)

Represente de manera grfica y mediante curvas de distribucin, dos procesos con la misma variabilidad pero diferente tendencia central.
Grfica de distribucin
Normal, Desv.Est.=3 0.14 0.12 0.10
Media 250 300

Densidad

0.08 0.06 0.04 0.02 0.00

240

250

260

270 X

280

290

300

310

Escuela Profesional de Ingeniera Industrial

Control Estadstico

c)

Elabore la grfica de dos procesos con la misma media pero diferente dispersin.
Grfica de distribucin
Normal, Media=300 0.14 0.12 0.10
Desv .Est. 3 6

Densidad

0.08 0.06 0.04 0.02 0.00

280

290

300 X

310

320

d)

Represente dos procesos cuya forma de distribucin sea diferente.

Grfica de distribucin
0.07 0.06 0.05
Distribucin Media Poisson 300 Distribucin Media Desv .Est. Normal 300 6

Densidad

0.04 0.03 0.02 0.01 0.00

250

275

300 X

325

350

e)

qu significa que un proceso sea capaz? Significa que los valores que obtuvieron han cado dentro de las especificaciones inferiores y superiores. Un proceso es aquel que cumple las especificaciones decimos que es un proceso de CALIDAD esta asociada al cumplimiento de los requisitos del cliente.q cumplir las especificaciones que sealamos.

Escuela Profesional de Ingeniera Industrial

Control Estadstico

Ejemplo: Supongamos una botella de agua mineral de litro contenido debe ser 500 ml5 ml. Entonces: Especificacin superior=505 ml Especificacin Inferior= 495 ml Toda botella se encuentra en ese rango va cumplir con las especificaciones de calidad del atributo: Contenido Volumen. Nota.- La calidad de un producto la medimos en funcin de sus distintas variables: - Dimetro del envase de acuerdo al diseo - Peso del envase - Caractersticas fsicas y qumicas: color, sabor, ph, temperatura etc - Material de la tapa - Etc PROCESO ES CAPAZ SI CUMPLE LAS ESPECIFICACIONES EN LOS SERVICIOS TODO DE CARACTERISTICAS.

EJERCICIO 2:
Si una caracterstica de calidad debe estar entre 30 2, y se sabe que su media es = 29.9; entonces, se tiene buena calidad, se cumple con las especificaciones? Si se tiene una buena calidad porque est entre la tolerancia permitida. No hay muchos valores o casi nada de valores extremos que haga que pierda representatividad la media. Para tener una mejor respuesta es necesario conocer la variabilidad.

Escuela Profesional de Ingeniera Industrial

Grfica de distribucin
Normal, Media=29.9 28 Especificacin Inferior 32 Especificacin Superior Cumple especificaciones

Control Estadstico

0.9 0.8 0.7 0.6

Densidad

Desv .Est. 0.5 1

0.5 0.4 0.3 0.2 0.1 0.0 26 27 28 29 X 30 31 32 33 NO Cumple especificaciones

EJERCICIO 3:
De qu manera afectan los datos raros o atpicos a la media? Explique su respuesta. Estos valores muy extremos hacen que la media pierda representatividad. Es decir; el valor obtenido sea muy inferior o superior a lo real.

EJERCICIO 4:
Un grupo de 30 nios va de paseo en compaa de tres de sus maestras. La edad de los nios vara entre 4 y 8 aos, la mitad tiene 5 aos o menos. La edad que se repite ms es la de 4. La edad de las tres maestras es de aproximadamente 30 aos. 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. Media = 11, est valor estimado es porque al ver 3 valores muy extremos como 30 aos con 4 y 8 aos, esto condiciona a la media a perder representatividad. Moda = 4, es el valor que ms se repite. Mediana = 5, es el valor medio. Es decir; que el 50% tiene un valor inferior a 5 aos y el otro 50% tiene un valor superior a 5 aos a pesar que las 3 maestras tienen un aproximado de 30 aos. Esto es porque la mayor cantidad de paseantes son

Escuela Profesional de Ingeniera Industrial

Control Estadstico

menores de 5 aos y las 3 maestras de 30 aos aproximadamente no influyen en la mediana.

EJERCICIO 5:
En una empresa se llevan los registros del nmero de fallas de equipos por mes; la media es de 4 y la mediana de 6. a) Si usted tiene que reportar la tendencia central de fallas, qu nmero reportara? por qu? Reportara el n 6, porque me da el valor medio de fallas que ocurrieron en cada mes. Es decir; que el 50% de fallas es inferior a 6 y el otro 50% es superior a 6. b) la discrepancia entre las media y la mediana se debi a que durante varios meses ocurrieron muchas fallas? Si, por que al ver varias fallas en unos meses y en otros meses no. Esto nos proporciona valores extremos que influyen en el anlisis de los datos, perdiendo representatividad el valor de la media.

EJERCICIO 9:
La desigualdad de Chebyshev y la regla emprica establece la relacin entre la media y la desviacin estndar. Explique esta situacin y explique si sr aplica para el caso muestral, poblacional o para ambos. Si una variable aleatoria tiene una desviacin estndar pequea, esperaramos que la mayora 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 desviacin estndar mayor si pensamos en la probabilidad en trminos de una rea, esperaramos una distribucin continua con un valor grande de que indique una variabilidad mayor y, por lo tanto, esperaramos que el rea este extendida. Sin embargo, una desviacin estndar pequea debera tener la mayor parte de su rea cercana a . Esta desigualdad de chebyshev es aplicada para ambos casos (muestral y poblacional).

Escuela Profesional de Ingeniera Industrial

Control Estadstico

EJERCICIO 10
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 especificaciones. A continuacin se muestran las ltimas 110 mediciones para ambas mquinas.
199.2 200.7 200.7 200.5 200.2 202.0 200.7 198.6 199.7 199.6 198.9 199.0 199.6 199.4 199.7 201.4 200.9 201.2 201.0 201.0 201.8 200.3 199.7 199.0 198.8 199.0 199.0 198.7 201.8 200.4 201.0 201.7 201.4 201.5 200.5 198.5 199.0 198.7 198.7 198.7 198.7 198.5 202.0 201.7 201.5 201.2 201.4 201.6 200.5 198.2 198.4 200.5 199.2 199.1 198.9 198.7 201.0 201.4 201.2 201.2 201.1 200.6 200.8 199.6 199.1 198.4 199.3 200.3 199.2 198.6 201.5 201.4 201.3 200.5 201.2 200.1 200.3 198.2 198.8 199.2 199.7 200.5 197.9 198.5 200.0 200.8 200.9 200.1 201.0 201.3 200.7 198.4 198.3 198.8 197.8 198.1 200.3 199.8 202.1 200.7 201.4 200.6 200.6 199.5 199 198.9 198.5 199.9 198.3 199.6

a) Obtenga las medidas de tendencia central y con base en ellas seale si la tendencia central del proceso es adecuada. Estadsticas descriptivas: C1
N para Variable Media Mediana Modo moda C1 200.00 200.10 199, 200.5, 201.4 6 Todas las medidas de tendencia central nos indica que latendencia es adecuada, porque esta dentro de los limites permitidos.

b) Calcule la desviacin estndar y una aproximacin de los lmites reales, y a partir de stos decida si la variabilidad de los datos es aceptable.
Variable Desv.Est. Varianza C1 1.16 1.34

Limites Reales: 3 Desv.Estandar

c) Obtenga un histograma e interprtelo (tendencia central, variabilidad, acantilados, sesgos, etctera).

Escuela Profesional de Ingeniera Industrial

Control Estadstico

Histograma de C1
Normal 196.532 12 10 8 6 4 2 0
2 1 4

203.468
11 10 9 8 7 6 6 5 4 5 4 3 8 7 10 Media Desv .Est. N 200.0 1.156 110

Como el sesgo es negativo, nos indica que la curva tiene una tendencia hacia la derecha

Frecuencia

197

198

199

200 C1

201

202

203

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 periodo que representan las mediciones. Las longitudes de las tiras se encuentran en el rango permitido, as que podemos decir que las tiras cumplen las especificaciones requeridas y el lote es aceptado.

EJERCICIO 11:
En el caso del ejercicio anterior, considere que los primeros 55 datos (ordenados por rengln) corresponden a una mquina, y los ltimos 55 a otra. Ahora conteste lo siguiente. a) Evale las dos mquinas en cuanto a su centrado (tendencia central) y con respecto a la longitud ideal (200). Estadsticas descriptivas: Maquina 1, Maquina 2
Variable N para Media Mediana Modo moda

Escuela Profesional de Ingeniera Industrial

Maquina 1 200.08 200.20 199 5 Maquina 2 199.91 200.10 200.3, 200.6, 201.2, 201.4 La mquina 2 es ms exacta que la mquina 1.

Control Estadstico
3

b) Analice la dispersin de ambas mquinas utilizando la desviacin estndar y la regla emprica. Estadsticas descriptivas: Maquina 1, Maquina 2
Variable Desv.Est. Varianza Q1 Q3 Sesgo Kurtosis Maquina 1 1.16 1.36 199.00 201.20 0.09 -1.43 Maquina 2 1.15 1.32 198.80 200.90 -0.17 -1.20 De acuerdo a las especificaciones ambas mquinas cumplen las tolerancias permitidas. Pero la mquina 2 es la ms exacta a la media ideal de 200 mm, porque su desv. Est. es menor a la de la mquina

c) Haga un histograma para cada mquina e intrprete cada uno de ellos.

Histograma de Maquina 1, Maquina 2

Normal
196.605 12 10 8 8 6 6 4 2 0 4 Maquina1: Sesgo positivo, tiende acia la izquierda Maquina2: Sesgo negativo, tiende hacia la derecha 203.35 Maquina 1 10 203.595
197 198 199 200 201 202 203

Maquina 2

Maquina 1 Media 200.1 Desv .Est. 1.165 N 55 Maquina 2 Media 199.9 Desv .Est. 1.150 N 55

Frecuencia

197 198 199 200 201 202 203

0 196.45

d) De acuerdo a lo anterior, cul es el problema de cada mquina? La mquina 1 tiene menor precisin, la mayora de sus valores son inferiores a la media ideal (200 mm).

Escuela Profesional de Ingeniera Industrial

Control Estadstico

La mquina 2 es ms precisa, pero la mayora de sus valores son superiores e inferiores. e) Considere que cada mquina es operada por una persona diferente, y determine cules son las posibles causas de los problemas sealados en el inciso anterior y seale qu hara para corroborar cules son las verdaderas causas. Causas: Puede ser que la persona que est operando la mquina no est revisndola constantemente, ya que la mquina puede ser muy antigua y se descontrole fcilmente. El operario no ha sido capacitado correctamente.

Precauciones: - Revisar constantemente la mquina. - Evaluar al operario.

f)

Vuelva a analizar el histograma realizado en el inciso c) del ejercicio anterior y vea si de alguna forma se vislumbraba lo que detect con los anlisis realizados en este ejercicio.

Escuela Profesional de Ingeniera Industrial

Control Estadstico

EJERCICIO 23:
El volumen en un proceso de envasado debe estar entre 310 y 330 ml. De acuerdo con los datos histricos se tiene que = 318 y = 4. El proceso de envasado funciona bien en cuanto al volumen? Argumente su respuesta.

Normal, Media=318, Desv.Est.=4 306 0.10 310 330 Respecto a los limites reales los datos esta correctamente distribuidos, pero segun las especificaciones tiende una variabilidad hacia la izquierda.

Grfica de distribucin

0.08

Densidad

0.06

0.04

0.02

0.00

310

318 X

326

330

EJERCICIO 16:
Una caracterstica clave en la calidad de las pinturas es su densidad, y un componente que influye en esta es la cantidad de arenas que se utilizan en su elaboracin. La cantidad de arena en la formulacin de un lote se controla por medio del nmero de costales, que segn 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 cuanta arena contienen en realidad los costales. Para ello, se toma una muestra aleatoria de 30 costales de cada lote o pedido (500 costales).

Escuela Profesional de Ingeniera Industrial

Control Estadstico

Los pesos obtenidos en las muestras de los ltimos 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. a) de acuerdo con los 90 datos, el centrado del proceso es adecuado? b) la variabilidad es poca o mucha? Apyese en los estadsticos adecuados. c) obtenga un histograma para los 90 datos, inserte las especificaciones e interprete con detalle. d) de su conclusin general acerca de si los bultos cumplen con el peso especificado. e) haga un anlisis de cada lote por separado y con apoyo de estadsticos y grficas, seale si hay diferencias grandes entre los lotes. f) las diferencias encontradas se podran haber inferido a partir del histograma de inciso c)? g) obtenga un diagrama de caja para cada lote y comprelos. LOTE 1 18.6 19.1 19.6 18.6 19.5 20.0 20.1 20.0 20.2 19.2 18.6 19.4 19.9 19.1 18.4 20.2 19.7 19.7 PESO DE COSTALES DE LA MUESTRA 19.5 19.2 18.9 19.4 19.0 20.0 19.4 18.7 21.0 19.8 19.0 18.6 19.8 19.1 20.0 20.4 18.8 19.3 18.8 18.4 19.0 20.1 19.7 19.3 18.5 19.6 19.4 19.6 20.3 18.8 18.9 19.7 17.8 19.4 18.9 18.4 21.0 19.7 20.1 20.0 19.1 20.4 20.8 19.7 19.7 20.4 19.8 20.5 20.0 19.6 19.7 19.8 19.9 20.3 19.3 19.6 19.1 20.7 19.2 19.0 19.6 20.0 20.4 20.0 19.0 19.1 19.6 20.6 19.7 20.6 20.0 20.2

Estadsticas descriptivas: Lote 1, Lote 2, Lote 3

Variable Lote 1 Lote 2 Lote 3 Media 19.350 19.297 20.040 Desv.Est. 0.555 0.690 0.401 Varianza 0.308 0.476 0.161 Mediana 19.250 19.350 20.000 Sesgo 1.01 0.06 0.29 Kurtosis 1.39 -0.26 0.46

Histograma de Total de Lotes

Escuela Profesional de Ingeniera Industrial

Grfica de caja de Lote 1, Lote 2, Lote 3
Histograma de Total de Lotes
Normal 17.607 14 12 10 21.513
Media Desv .Est. N 19.56 0.6511 90

Control Estadstico

Frecuencia

8 6 4 2 0 18.0 18.5 19.0 19.5 20.0 Total de Lotes 20.5 21.0 21.5

Grfica de caja de Lote 1, Lote 2, Lote 3

21.0 20.5 20.0

Datos

19.5 19.0 18.5 18.0 Lote 1 Lote 2 Lote 3

EJERCICIO 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 tcnico debido a fallas en los equipos. Para problemas mayores, en cierta zona del pas se estableci como meta que la respuesta se de

Escuela Profesional de Ingeniera Industrial

Control Estadstico

en un mximo de 6 horas hbiles; es decir, de que habla el cliente solicitando apoyo, y que si el problema se clasifica como grave no deben pasar ms de 6 horas hbiles para que un tcnico acuda a resolver el problema. A continuacin se aprecian los tiempos de respuesta en horas para los primeros nueve meses del ao (65 datos). 5.0 4.1 5.5 3.2 7.7 4.5 4.7 5.4 3.0 7.9 3.9 3.9 6.5 6.3 7.1 5.7 2.0 5.9 5.8 4.1 6.0 7.0 6.7 5.4 3.6 5.9 7.5 3.1 Los 65 datos 5.5 4.4 6.8 4.7 2.9 5.3 4.0 2.3 1.7 3.2 6.8 4.3 4.8 5.4 7.1 7.4 8.9 6.8 5.9 6.6 3.2 5.1 5.8 7.0 3.1 7.1 5.7 6.9 5.8 5.4 8.3 4.2 4.1 7.5 6.4 5.6 5.4 -

a) Calcule las medidas de tendencia central y con base en estas, cree que se cumple con la meta? b) Aplique la regla emprica, interprete y diga que tan bien se cumple la meta. c) Haga un histograma e interprete sus aspectos ms relevantes. d) A partir del anlisis que se ha realizado, Qu recomendaciones dara para ayudar a cumplir mejor la meta?

Variable C1

Media 5.366

Mediana 5.500

Modo 5.4

N para moda 5

Histograma de C1
Normal 0.51 10.22
Media Desv .Est. N 5.366 1.618 65

12 10 8 6 4 2 0

El histograma presenta caracteristicas multimodales, esto es debido ala variacin de los tiempos que se toma en el analisis de este caso. 1.5 3.0 4.5 C1 6.0 7.5 9.0

Frecuencia

Escuela Profesional de Ingeniera Industrial

Control Estadstico

EJERCICIO 18:
Los siguientes datos representan las horas cadas de equipos por semana en tres lneas de produccin. a) analice los datos para cada lnea y anote las principales caractersticas de la distribucin de los datos. b) compare las tres lneas, nota alguna diferencia importante? SEMANA 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 LINEA 1 7.7 6.8 8.5 8.6 5.7 7.9 8.1 7.6 7.1 7.3 7.8 6.1 6.3 6.3 7.8 6.7 7.3 5.7 6.2 7.3 5.0 5.0 5.4 7.5 6.0 LINEA 2 6.6 5.2 7.2 9.2 6.7 6.2 7.1 8.1 6.4 6.3 8.2 8.4 7.4 6.5 7.7 7.4 6.1 6.2 7.3 6.9 6.1 6.9 8.4 5.0 7.4 LINEA 3 7.5 8.1 6.2 7.4 8.2 6.0 8.2 8.1 6.7 8.0 8.1 8.1 7.0 8.5 8.0 7.7 7.5 8.2 7.7 7.0 6.5 6.2 6.0 6.1 5.8

Estadsticas descriptivas: Linea 1, Linea 2, Linea 3

Variable Linea 1 Linea 2 Media 6.872 6.996 Desv.Est. 1.050 1.001 Varianza 1.102 1.001 Q1 6.050 6.250 Mediana 7.100 6.900 Q3 7.750 7.550 Modo 7.3 7.4 N para moda 3 3

Escuela Profesional de Ingeniera Industrial

Linea 3 Variable Linea 1 Linea 2 Linea 3 7.312 Sesgo -0.23 0.13 -0.46 0.878 Kurtosis -0.94 0.01 -1.35 0.770 6.350 7.500 8.100

Control Estadstico
8.1 4

EJERCICIO 8:
De acuerdo con cierta norma, a una bomba de gasolina en cada 20L se le permita una discrepancia de 0.2L. En una gasolinera se hacen revisiones peridicas 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 desviacin estndar 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.

Normal, Media=19.9, Desv.Est.=0.1 19.6 4 19.8 La bomba no cumple on la norma porque el proceso es inadecuado por la izquierda, respecto alas especificaciones 20.2

Grfica de distribucin

Densidad

19.7

19.9 X

20.1

20.2

Escuela Profesional de Ingeniera Industrial

Control Estadstico

12. En un rea de servicios dentro de una empresa de manufactura se realiza una encuesta para evaluar la calidad del servicio proporcionado y el nivel de satisfaccin de los clientes internos. La encuesta consiste en 10 preguntas, y cada una de ellas evala diferentes aspectos del servicio proporcionado. La respuesta para cada pregunta es un nmero entre 0 y 10. Para hacer un primer anlisis de los resultados obtenidos se suma los puntos obtenidos de las 10 preguntas para cada cuestionario. A continuacin se muestran los puntos obtenidos en 50 cuestionarios. Solucin: Puntos Obtenidos de los cuestionarios Media Error tpico Mediana Moda Desviacin estndar Varianza de la muestra Curtosis Coeficiente de asimetra Rango Mnimo Mximo Suma Cuenta 59.8 2.987593394 58.5 78 21.12547548 446.2857143 -1.802931906 -0.015244434 62 29 91 2990 50

Los puntos promedio obtenidos del cuestionario es 59. El 50% de los puntos obtenidos tiene una igualdad o inferior de 59. 78 puntos, es el puntaje que con mayor frecuencia se repite.

Escuela Profesional de Ingeniera Industrial

Control Estadstico

Histograma (con curva normal) de resultado de Encuestas

12 10 8 6 4 2 0
Media Desv .Est. N 59.8 21.13 50

Frecuencia

18

36

54 72 resultado de Encuestas

90

108

Interpretacin Se nota que los 50 resultados de las encuestas estn divididos en dos grupos, en un grupo donde conlleva la nota ms baja esta entre 26.92 a 51.02 y el segundo grupo est entre 62.81 a la nota ms alta que es 92.8 Lo que ms resalta del histograma es que los resultados que mayor se repite esta con un puntaje inferior del 50 % Son muy poco lo que llegaron a la nota ms alta

13. En una fbrica de piezas de asbesto de una caracterstica importante de la calidad es el grosor de las laminas. Para cierto tipo de lamina el grosor ptimo es de 5mm y se tiene una discrepancia tolerancia de 0.8 mm, ya que si la lamina tiene un grosor menor que 4.2 mm se considera demasiado delgado y no reunir las condicione de resistencia exigida por el cliente. Si la lamina tiene un grososr mayor que 5.8 mm, entonce se gastara demasiado m,aterial para su elaboracin y elevaran lo costos del fabricante. Por lo tanto, es de suma importancia fabricar las laminas con el grosor ptimo, y en el peor de lo casos dentro de la tolerancia epecifica deacuerdo con los registro s de las medidas realizadas en los ultimo 3 meses se aprecia un proceso con una estabilidad aceptable , el grosor medio es = 4.75, la mediana 4.7, y la desviacin estndar = 0.45.

Escuela Profesional de Ingeniera Industrial

Control Estadstico

a) De acuerdo con la media y la mediana, el centrado del proceso es acuerdo? Argumente. b) Si considera slo la media y la mediana, puede decir si el proceso cumple con la especificaciones? Explique. c) Calcule los limites reales, haga la grafica de capacidad y seale si el proceso cumple con especificaciones. Argumente su respuesta.

14. En el problema anterior, con el propsito de mejorar la calidad que se tena en cuanto al grosor de las lminas, se implement un proyecto de mejora siguiendo la metodologa Seis Sigma varios de los cambios implementados fueron relativos a mejora del proceso. Para verificar si el plan tuvo xito, se eligieron lminas de manera aleatoria y se midi su grosor. Los 120 datos obtenidos durante tres das se muestran a continuacin: Solucin: Grosor Media Error tpico Mediana Moda Desviacin estndar Varianza de la muestra Curtosis Coeficiente de asimetra Rango Mnimo Mximo Suma Cuenta 4.889166667 0.028935256 4.9 5 0.316969853 0.100469888 -0.121132286 -0.209923329 1.6 4.1 5.7 586.7 120

Escuela Profesional de Ingeniera Industrial

Control Estadstico

La medicin promedio para el grosor es de 4.8mm El 50% de las lminas tiene una igualdad o inferior de 4.9. 5mm es el dato que con mayor frecuencia se repite.

Histograma (con curva normal) de grosor de laminas

20
Media Desv .Est. N 4.889 0.3170 120

15

Frecuencia

10

4.2

4.5

4.8 5.1 grosor de laminas

5.4

5.7

Escuela Profesional de Ingeniera Industrial

Control Estadstico

15. en la elaboracin de envases de plstico primero se elabora la preforma, para la cual se tienen varios criterios de calidad, uno de ellos es el peso de sta. Para cierto envase se tiene que el peso debe estar entre 28.00 +- 0.5g. a continuacin se muestran los ltimos 112 datos obtenidos mediante una carta de control para esta variable. Solucin: peso Media Error tpico Mediana Moda Desviacin estndar Varianza de la muestra Curtosis Coeficiente de asimetra Rango Mnimo Mximo Suma Cuenta 27.97482143 0.013526383 27.955 27.94 0.143149781 0.02049186 -0.24915051 0.203109269 0.76 27.63 28.39 3133.18 112

El peso promedio es de 28g. El 50% de los datos obtenidos mediante una carta de control tiene una igualdad o inferior de 27.95. 27.94 es el dato que con mayor frecuencia se repite.

Escuela Profesional de Ingeniera Industrial

Control Estadstico

Histograma (con curva normal) de medicion

27.5 20 28.5
Media Desv .Est. N 27.97 0.1431 112

15

Frecuencia

10

27.60

27.75

27.90 28.05 medicion

28.20

28.35

28.50

Media del Error Variable N N* Media estndar Desv.Est. Varianza CoefVar Mnimo Medicin 112 0 27.975 0.0135 0.143 0.0205 0.51 27.630

Variable Q1 Medicin 27.872

N para Mediana Q3 Mximo Rango Modo 27.955 28.080 28.390 0.760 27.94

moda 7

Sesgo 0.20

Variable Kurtosis Medicin -0.25

24. en la elaboracin de una bebida se desea garantizar que el porcentaje de CO2 (gas) est entre 2.5 y 3.0. En el monitoreo del proceso se obtuvieron los siguientes 115 datos.

Escuela Profesional de Ingeniera Industrial

Control Estadstico

Solucin: Porcentaje de CO2 Media Error tpico Mediana Moda Desviacin estndar Varianza de la muestra Curtosis Coeficiente de asimetra Rango Mnimo Mximo Suma Cuenta 2.624956522 0.025913479 2.6 2.61 0.277891099 0.077223463 105.8378446 10.08166048 3.04 2.48 5.52 301.87 115

El porcentaje promedio de CO2 para las bebidas es de 2.62%. El 50% de las bebidas tiene una igualdad o inferior es de 2.6% de CO 2. El 2.61% de CO2 es el dato que con mayor frecuencia se repite.

Escuela Profesional de Ingeniera Industrial

Control Estadstico

Histograma (con curva normal) de % de Co2

80 70 60 2.5 3
Media Desv .Est. N 2.625 0.2779 115

Frecuencia

50 40 30 20 10 0 2.0 2.5 3.0 3.5 4.0 % de Co2 4.5 5.0 5.5

Media del Error Variable N N* Media estndar Desv.Est. Varianza CoefVar Mnimo % de Co2 115 0 2.6250 0.0259 0.2779 0.0772 10.59 2.4800

N para Variable Q1 Mediana Q3 Mximo Rango % de Co2 2.5600 2.6000 2.6400 5.5200 3.0400

Modo 2.61

moda Sesgo 11 10.08

Variable Kurtosis % de Co2 105.84 Ay una cierta cantidad que no cumple con el rango de calidad (falta agregar ms Co2

Escuela Profesional de Ingeniera Industrial

Control Estadstico

EJERCICIOS DEL CAPITULO 3

EJERCICIO 7:
El departamento de compras inspecciona un pedido de 500 piezas elctricas, para lo cul toma una muestra aleatoria de 20 de ellas y se prueban. El vendedor asegura que el porcentaje de piezas defectuosas es slo de 5%, as suponiendo el peor de los casos segn el vendedor, p=0.05, responde lo siguiente: a) Cul es la probabilidad de que el porcentaje muestral de defectuosos sea mayor al 10%? X distribucin Hipergeomtrica N=500 finita n=20 M=5%*500=25 10%20 = 2 Probabilidad ( X>2)=???? Variable discreta P(X>2)=P(X3)=???
Grfica de distribucin

Hipergeomtrico, N=500, M=25, n=20 0.4

0.3

Probabilidad

0.2

0.1

0.0

0.0716 0 X 3

b) Cul es la probabilidad de obtener una o menos piezas defectuosas?

Escuela Profesional de Ingeniera Industrial

Control Estadstico

Hipergeomtrico, N=500, M=25, n=20 0.4 0.736

Grfica de distribucin

0.3

Probabilidad

0.2

0.1

0.0

EJERCICIO 8:
Un proceso de produccin de partes trabaja con un porcentaje promedio de defectos de 5%. Cada hora se toma una muestra aleatoria de 18 artculos y se prueban. Si la muestra contiene ms de un defecto el proceso deber detenerse. a) Calcule la probabilidad de que el proceso se detenga debido al esquema de muestreo. X: Nmero de artculos defectuosos Variable aleatoria discreta sigue una distribucin Binomial ~ B( n, p) p=0.05 n=18 P(proceso se detenga)=P(X>1)=P(X>=2)=0,226

Escuela Profesional de Ingeniera Industrial

Control Estadstico

Grfica de distribucin
Binomial. n=18. p=0,05 0,4

0,3

Probabilidad

0,2

0,1 0,226 0,0 0 2

b) De acuerdo con lo contestado en a) Considera que el esquema de muestreo es adecuado o generara demasiadas interrupciones? El tipo de muestreo ya que el nivel de calidad exigido en un lote de 18 artculos el 5% debe ser 1 o menos

Escuela Profesional de Ingeniera Industrial

Control Estadstico

EJERCICIO 9:
Un fabricante de calculadoras electrnicas desea estimar la proporcin 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 afirmacin? Argumente su respuesta.
Grfica de distribucin

Hipergeomtrico, N=250, M=25, n=25 0.30 0.25 0.20 0.15 0.10 0.0622 0.05 0.00

Probabilidad

EJERCICIO 10:
Un fabricante de galletas que, con probabilidad de 0.95, cada galleta contenga al menos una pasa. Cuntas pasas en promedio por galleta deber agregar a la masa como mnimo? Cul es la probabilidad de que una galleta contenga mas de seis pasas? Apyese en la distribucin de Poisson.
Grfica de distribucin
Poisson, Media=1 0.4

0.3

Probabilidad

0.2

0.1 0.632 0.0

Escuela Profesional de Ingeniera Industrial

Control Estadstico

Grfica de distribucin
Poisson, Media=1 0.4

0.3

Probabilidad

0.2

0.1

0.0

0.0000832 7

EJERCICIO 11:
En un almacn se inspeccionan todos los lotes de cierta pieza que se recibe, para ello se emplean muestras de tamao 100. Se sabe que el proceso genera 1% de piezas defectuosas y se tiene el criterio de rechazar el lote cuando se encuentran ms de tres piezas defectuosas en la muestra. Cul es la probabilidad de aceptar un lote? Cul es la probabilidad de que se tengan que inspeccionar 10 lotes antes de rechazar el primero del da?
Grfica de distribucin
Binomial, n=100, p=0.01 0.4

0.3

Probabilidad

0.2

0.1

0.0

Escuela Profesional de Ingeniera Industrial

Control Estadstico

Grfica de distribucin
Binomial, n=100, p=0.01 0.4

0.3

Probabilidad

0.2

0.1

0.0

0.0184 0 X 4

EJERCICIO 12:
Una caja contiene cuatro artculos defectuosos y ocho en buen estado. Se sacan dos artculos al azar. a) Cul es la probabilidad de que al menos uno sea bueno?

X: ARTICULOS EN BUEN ESTADO SI CONOCE TAMAO POBLACION ES UNA DISTRIBUCION HIPERGEOMETRICA N=12 n=2 M: 8 P(X>=1)=0,909

Escuela Profesional de Ingeniera Industrial

Control Estadstico

Hipergeomtrico. N=12. M=8. n=2 0,5 0,909 0,4

Grfica de distribucin

Probabilidad

0,3

0,2

0,1

0,0

1 X

b) Cul es la probabilidad de que los dos sean del mismo tipo (buenos o malos)? P(los dos sean del mismo tipo (buenos o malos)= P(X=2)+P(X=0)=1-P(X=1)=1-0.485=0,515

Hipergeomtrico. N=12. M=8. n=2 0,5 0,485

Grfica de distribucin

0,4

Probabilidad

0,3

0,2

0,1

0,0

1 X

Escuela Profesional de Ingeniera Industrial

Control Estadstico

c) Cul es el valor esperado de los artculos buenos? VALOR ESPERADO= np=n*M/N=2*8/12=0,833

EJERCICIO13:
Un gerente de produccin de cierta compaa esta interesado en probar los productos terminados que estn disponibles en lotes de tamao 50. Le gustara retrabajar el lote si puede estar seguro de que 10% de los artculos estn defectuosos en la muestra. Entonces decide tomar una muestra de tamao 10 sin reemplazo y retrabajar el lote si encuentra uno o ms defectuosos en la muestra. Es este un procedimiento razonable? Argumente su respuesta.
Hipergeomtrico, N=50, M=5, n=10

Grfica de distribucin

0.4

Probabilidad

0.3

0.2

0.1 0.689 0.0 0 1

EJERCICIO 15:
En una compaa area 40% de las reservaciones que se hacen con ms de un mes de anticipacin son canceladas o modificadas. En una muestra de 20 reservaciones Cul es la probabilidad de que 10,11 12 reservaciones no hayan cambiado? a) Conteste usando la distribucin binomial.

Escuela Profesional de Ingeniera Industrial

Control Estadstico

Grfica de distribucin
Binomial, n=20, p=0.4 0.20

0.15

Probabilidad

0.10

0.05

0.00

0.0565 2 X 12

b) Resuelva con base en la distribucin normal con la media y la varianza de la binomial considerando el rango de 9.5 a 12.5.
Grfica de distribucin
Binomial, n=20, p=0.4 0.20

0.15

Probabilidad

0.10

0.05 0.128 0.00 2 11

EJERCICIO 16:
Se hace un estudio de la duracin 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.

Escuela Profesional de Ingeniera Industrial

Control Estadstico

a) Encuentre, mediante grficas de probabilidad, una distribucin continua que se ajuste de manera adecuada a los datos.
Grfica de probabilidad de C1
Normal - 95% de IC
99 Media Desv .Est. N AD Valor P 101.6 110.6 17 1.333 <0.005

95 90 80

Porcentaje

70 60 50 40 30 20 10 5

-300

-200

-100

100 C1

200

300

400

500

b) Considere una distribucin exponencial con parmetro

obtenga la probabilidad de que los focos duren ms de 300 horas.

Grfica de probabilidad de C1
Normal
99 Media Desv .Est. N KS Valor P 101.6 110.6 17 0.257 <0.010

95 90 80

Porcentaje

70 60 50 40 30 20 10 5

-200

-100

100 C1

200

300

400

Escuela Profesional de Ingeniera Industrial

Control Estadstico

EJERCICIO 17:
Una mquina realiza cortes de manera automtica de ciertas tiras metlicas con media =40,1 cm y una desv estndar 0,2 cm. La media ptima de tales tiras debe ser de 40 cm con un tolerancia de ms o menos 0,5 cm. Suponiendo distribucin normal estime el porcentaje de las tiras que cumple con las especificaciones X: medida de corte de las tiras metlicas (cm) ~ N( ,2) Especificacin inferior = 39,5 Especificacin Superior = 40,5 Valor objetivo = 40 Z= (X-)/ 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

Normal. Media=0. Desv.Est.=1 0,4 0,976 0,3

Grfica de distribucin

Densidad

0,2

0,1

0,0

-3

0 X

Escuela Profesional de Ingeniera Industrial

Control Estadstico

EJERCICIO 18:
Verifique si los siguientes datos se ajustan bien a una distribucin normal. 2.51 2.50 1.08 2.61 2.91 2.59 2.13 2.60 2.29 2.48 2.25 2.11 1.84 2.07 1.98 2.31 2.27 2.10 5.70 2.09 3.10 2.02 2.19 2.26 3.30 2.31 2.78 2.32 2.18 2.09 2.86 3.15 2.00 2.32 2.59 2.26 2.48 3.73 2.27 2.35 2.59 2.42 2.10 2.65 2.98 2.23 1.76 1.87 2.04 2.69

Escuela Profesional de Ingeniera Industrial

Control Estadstico

Ho: Los datos siguen una distribucin normal Ha: Los datos NO siguen una distribucin normal 99
95 90 80

Prueba de bondad de ajuste curva normal

Media Desv .Est. N KS Valor P 2,446 0,6388 50 0,179 <0,010

alfa=0,05

Porcentaje

70 60 50 40 30 20 10 5

alfa > valor p Rechaza Ho Es decir los datos no siguen una distribucin normal

3 datos