UNIDAD 2

CAPÍTULO 4: Inferencia Estadística en Calidad

4.1 Estimación puntual
4.2 Pruebas de hipótesis
4.3 Pruebas para media y varianza
4.4 Criterios de rechazo y aceptación
TAREA
De la página 91 de preguntas y ejercicios (4) (3)

4.5 Hipótesis para parámetros

4.6 Poblaciones pareadas
TAREA
De la página 91 de preguntas y ejercicios realizar los ejercicios 16, 17, 18, 22 y 25
16.
16. En la fabricación de discos compactos una variable de interés es la densidad mínima (grosor)
de la capa de metal, la cual no debe ser menor de 1.5 micras. Por experiencia se sabe que la
densidad mínima del metal casi siempre ocurre en los radios 24 y 57, aunque en el método actual
también se miden los radios 32, 40 y 48. Se realizan siete lecturas en cada radio, lo cual
da un total de 35 lecturas, de las cuales sólo se usa la mínima. A continuación, se presenta una
muestra histórica de 18 densidades mínimas:
1.81, 1.97, 1.93, 1.97, 1.85, 1.99, 1.95, 1.93, 1.85, 1.87, 1.98, 1.93, 1.96, 2.02, 2.07, 1.92, 1.99, 1.93.

Media 1.9400
Desv. Est. 0.0646
Varianza 0.0042
Asimetría -0.226549

∑18
𝑖=1 𝑥𝑖
𝑥̅ = = 1.94
18

2
∑18 ̅
1=1(𝑥𝑖 − 𝑋)
𝑆= √ = 0.0646
𝑛−1

a) Argumente en términos estadísticos si las densidades mínimas individuales cumplen con

la especificación de 1.5 micras. Sugerencia: aplique la regla empírica.
Aplicando Regla impírica
1.94 + 3(0.0646) = 2.1338
1.94 − 3(0.0646) = 1.7462
Observando por regla empírica, es decir; la media y la mediana, es fácil identificar que la
especificación de 1.5 micras no se cumple debido a que las dos se encuentran con valores
de 1.94, muy alejados de 1.5.

b) Encuentre un intervalo de confi anza de 99% para la media de la densidad mínima.

 𝑆 𝑆 0.0646 0.0646
[𝑋̅ − 𝑡𝑎⁄2 , 𝑋̅ + 𝑡𝑎⁄2 ] = [1.94 − 2.892 , 1.94 + 2.892 ]
√𝑛 √𝑛 √18 √18
= [1.8959; 1.9841]
El intervalo de confianza al 99% de la media se encontraría entre 1.8959 y 1.9841

c) Proporcione un intervalo de confi anza de 99% para la desviación estándar.

(𝑛 − 1)𝑆 2 (𝑛 − 1)𝑆 2
[√ 2 𝑎 ,√ 2 ] = [1.8846, 19841]
𝑋 ⁄2, 𝑛 − 1 𝑋 1 − 𝑎⁄2, 𝑛 − 1
El intervalo de confianza de 99% para la desviación estándar esta entre 1.8846 y 1.9871

d) Dibuje el diagrama de cajas para los datos e interprete los resultados

Se observa que no se encuentra cercano a 1.5 de la media o la mediana

17
En una auditoría se seleccionan de manera aleatoria 200 facturas de las compras realizadas
durante el año, y se encuentra que 10 de ellas tienen algún tipo de anomalía.
a) Estime con una confianza de 95% el porcentaje de facturas con anomalías en todas las
compras del año.
N=200
𝑝̂ (1 − 𝑝̂ ) 𝑝̂ (1 − 𝑝̂ )
𝑃 = 𝑝̂ − 𝑍∝⁄ √ ≤ 𝑝 ≤ 𝑝̂ − 𝑍∝⁄ √ = 1−∝
2 𝑛 2 𝑛
1−∝= 0.95
1 − 0.95 =∝
∝= 0.05
1 − 0.05
∅ (𝑍∝⁄ ) = 1 − ∝⁄2 = = 0.975
2 2
𝑍∝⁄ = 11.95996 (1.9166 − 𝑇𝑎𝑏𝑙𝑎𝑠)
2
 0.05(1 − 0.05) 0.05(1 − 0.05)
𝑃 (0.05 − 195996√ ≤ 𝑝 ≤ 0.05 + 1.95996√ ) = 0.95
200 200

𝑃(0.01979 ≤ 𝑝 ≤ 0.0802) = 0.95

b) ¿Cuál es el error de estimación? ¿por qué?

𝑝̂ (1 − 𝑝̂ )
𝐸 = 𝑍∝⁄ √
2 𝑛

0.05(1 − 0.05)
𝐸 = 1.95996√
200

𝐸 = 0.0302

c) ¿Qué tamaño de muestra se tiene que usar si se quiere estimar el porcentaje de facturas
con anomalías con un error máximo de 2%?

𝑍∝⁄ 𝑝̂ (1 − 𝑝̂ )
2
𝑛=
𝐸2

1.959962 . 0.05(1 − 0.05)

𝑛=
(0.02)2

𝑛 = 456.17138

18
En la producción de una planta se está evaluando un tratamiento para hacer que germine cierta
semilla. De un total de 60 semillas se observó que 37 de ellas germinaron.
a) Estime con una confianza de 90%, la proporción de generacional que se lograra con
tratamiento
𝑥 = 37
𝑛 = 60

𝑥
𝑝̂ = = 0.616666
𝑛

𝑝̂ (1 − 𝑝̂ ) 𝑝̂ (1 − 𝑝̂ )
𝑃 = 𝑝̂ − 𝑍∝⁄ √ ≤ 𝑝 ≤ 𝑝̂ − 𝑍∝⁄ √ = 1−∝
2 𝑛 2 𝑛

1−∝= 0.90
1 − 0.90 =∝
∝= 0.1
 0.1
∅ (𝑍∝⁄ ) = 1 − ∝⁄2 = 1 − = 0.95
2 2

𝑍∝⁄ = 1.64485
2

0.6166(1 − 0.6166) 0.6166(1 − 0.6166)

𝑃 (0.6166 − 1.64485√ ≤ 𝑝 ≤ 0.6166 + 1.64485√ ) = 0.90
60 60

𝑃(0.513352751 ≤ 𝑝 ≤ 0.7198) = 0.90

b) Con una confianza de 90% ¿Se puede garantizar que la mayoría (más de la mitad) de las
semillas germinaron?
Si, porque el porcentaje mínimo es de 51.33% y el máximo es de 71.98%
c) Conteste los dos incisos anteriores, pero ahora con 95% de confianza.

𝑍∝⁄ = 1.64485
2

0.6166(1 − 0.6166) 0.6166(1 − 0.6166)

𝑃 (0.6166 − 1.95996√ ≤ 𝑝 ≤ 0.6166 + 1.95996√ ) = 0.95
60 60

𝑃(0.49357 ≤ 𝑝 ≤ 0.7396) = 0.95

Con en 95% no se garantiza que germinarán la mayoría de las semillas ya que el porcentaje
mínimo es de 49.36%, no llega a 50%

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.

Datos
muestra = 100
media = 1120 hrs
varianza = 5625 hrs
Valor t 1.98
significancia 0.05

Datos
muestra = 100
 media = 1064 hrs
varianza = 6724 hrs

1120 − 1064
𝑇𝑜 = = 5.04
√5625 + 6724
100 100

5625 6724 2
( + )
𝑣= 100 100 − 2 = 198
5625 2 6724 2
( 100 ) ( 100 )
100 + 1 + 100 + 1

a) ¿Es significativa la diferencia entre los tiempos medios de vida? Use α = 0.05. Aplique la
prueba T de Student suponiendo igualdad de varianzas.
No se puede aceptar la hipótesis nula ya que con un 95% de confianza podemos decir que
las medias de los tiempos de vida de las bombillas son diferentes
b) Repita lo anterior, pero sin suponer igualdad de varianzas.
Con una muestra de 16
25
Una compañía de transporte de carga desea escoger la mejor ruta para llevar la mercancía de un
depósito a otro. La mayor preocupación es el tiempo de viaje.
En el estudio se seleccionaron al azar cinco choferes de un grupo de 10 y se asignaron a la ruta A;
los cinco restantes se asignaron a la ruta B. Los datos obtenidos fueron:

Datos
muestra = 5
media = 25
varianza = 35
valor t = 2.26215716
significancia = 0.05

Datos
muestra = 5
media = 29
varianza= 31.5
valor tabla t = 2.26215716
significancia = 0.05
 𝑎 = 0.05

𝑥1 − 𝑥̅1
̅̅̅
𝑡0 =
𝑠𝑝 1 1
√ +
𝑛1 𝑛2

(𝑛1 − 1)𝑆12 + (𝑛2 − 1)𝑆22

𝑆𝑝 = √
𝑛1 + 𝑛2 − 2

25 − 29
𝑇𝑜 = = −1.09
√35 + 31.5
5 5

35 31.5 2
( + )
𝑣= 5 2 5 −2=9
35 35 2
( ) ( )
5 + 5
5+1 5+1

𝐻0 𝑛𝑜 𝑠𝑒 𝑟𝑒𝑐ℎ𝑎𝑧𝑎 𝑠𝑖 𝑒𝑙 𝑣𝑎𝑙𝑜𝑟 𝑒𝑠𝑡𝑎𝑑í𝑠𝑡𝑖𝑐𝑜 𝑑𝑒 𝑝𝑟𝑢𝑒𝑏𝑎 (𝑡)𝑠𝑒 𝑒𝑛𝑐𝑢𝑒𝑛𝑡𝑟𝑎 𝑒𝑛𝑡𝑟𝑒 − 2.306 𝑦 2.306

 𝑉𝑎𝑙𝑜𝑟 𝑇 = −1.10
𝑉𝑎𝑙𝑜𝑟 𝑝 = 0.305
𝐺𝐿 = 8
𝑯𝟎 𝒏𝒐 𝒔𝒆 𝒓𝒆𝒄𝒉𝒂𝒛𝒂

a) ¿Existen diferencias significativas entre las rutas? Plantee y pruebe las hipótesis
estadísticas correspondientes.
No hay mucha diferencia entre las rutas ya que al probar la hipótesis nula no se rechaza.

b) En caso de rechazar la hipótesis del inciso a), dibuje los diagramas de cajas simultáneos
para determinar cuál ruta es mejor.
Aquí se muestra la gráfica de caja, aunque la hipótesis nula se rechazó se puede ver que no
hay mucha diferencia entre las dos rutas.

c) Sugiera otra manera de obtener los datos (diseño alternativo), de manera que se pueda
lograr una comparación más efectiva de las rutas.
Mediante una gráfica de caja se muestra la comparación de las dos rutas para identificar
cual es la más efectiva. Al compararlas se puede ver que la ruta b es la más efectiva, porque
tiene menos defectos.
CAPÍTULO 5: Índices de capacidad
5.1 Índices de capacidad para procesos
5.2 Capacidad de largo plazo
5.3 Métricas Seis Sigma
5.4 Procesos de una sola especificación
5.5 Estimación de intervalo, índices de capacidad
TAREA
De la página 133 – 134 de preguntas y ejercicios realizar los ejercicios 24, 27.
24
Considere que los datos del ejercicio 15 del capítulo 2 se obtuvieron con 28 muestras de tamaño
4 cada una, y los datos están ordenados por renglón (cada renglón representa dos muestras).
Resuelva lo siguiente:
a) Obtenga la desviación estándar de corto y largo plazo.
b) Calcule Zc y ZL, e interprete.
c) ¿Cuál es el nivel de sigmas del proceso?
d) Obtenga Pp y Ppk.
e) ¿Con cuántas PPM trabaja este proceso?

27
Se examinaron cuatro características críticas en una muestra de 500 órdenes de compra. En 25 de
las órdenes fueron encontrados 50 errores de diferentes tipos.
a) Obtenga el DPU y el DPMO.
b) Estime el nivel de sigmas de este proceso.
Rendimiento:
−0 1
La probabilidad de que una unidad esté libre de defectos es de 90.48%
El nivel de sigmas de largo plazo es de 1.84
El número de sigmas del proceso es de 3.34

CAPÍTULO 6: Herramientas básicas para Seis Sigma

6.1 Diagramas de Pareto, Estratificación
6.2 Hojas de verificación
6.3 Lluvia de ideas, diagramas de dispersión, diagramas de procesos
6.4 Estratificación
6.5 Hojas de verificación
6.6 Diagramas de Ishikawa
TAREA
De la página 175 – 177 de preguntas y ejercicios realizar los ejercicios 4, 8.

4
A partir de los datos de la hoja de verificación de los defectos en válvulas del ejemplo 6.4, efectúe
lo siguiente:
a) Realice un Pareto de problemas y vea cuál de ellos es predominante.
 Se observa que la “Zona 3” es la predominante con 71 productos defectuosos.

b) Para el defecto más importante, realice un Pareto para causas.

Observamos que el mayor problema es la porosidad.

c) En resumen, ¿cuáles son las principales pistas para reducir la cantidad de piezas
defectuosas?
En resumen, las principales pistas para reducir la cantidad de piezas defectuosas es la
resistencia de los materiales debido a la porosidad que lleva dichas piezas.
8
De acuerdo con la información de una hoja de verificación en una línea del proceso de envasado
de tequila, en el último mes se presentaron los siguientes resultados en cuanto a defectos y
frecuencia:

a) Realice un diagrama de Pareto y obtenga conclusiones.

 Observamos que en el trabajo de etiquetado es el que primero se cometen más errores con
un 35.73%, mientras que el segundo con más errores es la botella sin vigusa con un 17.95%

De la página 175 – 178 de preguntas y ejercicios realizar el ejercicio 25

25
Recuerde cuáles son algunas de las causas o situaciones asociadas a cada una de las 6 M.
Métodos de trabajo, mano de obra, materiales, maquinaria, medición y medio ambiente.

De la página 175 – 179 de preguntas y ejercicios realizar el ejercicio 30

30
En cierta empresa es usual pagar horas extras para cumplir con los tiempos de entrega. En este
centro productivo, un grupo de mejora de calidad está tratando de reducir la proporción de piezas
malas. Con este propósito deciden investigar la relación que existe entre la cantidad de horas
extras, X, y el porcentaje de artículos defectuosos, Y. A continuación, se muestran los datos
obtenidos.
 a) Obtenga el diagrama de dispersión para estas variables.

b) ¿Qué relación observa?

Se observa una relación de bajo nivel de correlación porque existen puntos que están más
alejados y hacen dificultoso la relación entre ellos.
c) Con base en lo anterior, ¿puede concluir con seguridad que cuando se trabaja tiempo
extra se incrementa el porcentaje de defectuosos porque ocurren factores como
calentamiento de equipo, cansancio de obreros, etc., que causan mayores problemas en
la calidad de las piezas?
No, porque se esta en una constante búsqueda de innovación y mostrarse a las diferentes
etapas que presentan cambios en la rentabilidad y eficacia.

De la página 175 – 179 de preguntas y ejercicios realizar el ejercicio 31

31
En una fábrica de pintura se quiere reducir el tiempo de secado del barniz. Los siguientes datos
corresponden al tiempo de secado del barniz (horas) y a la cantidad de aditivo con el que se
intenta lograr tal reducción.

a) Mediante un diagrama de dispersión investigue la relación entre el tiempo de secado y la

cantidad de aditivo.

b) Con base en la relación, ¿alrededor de qué cantidad de aditivo recomendaría para reducir
el tiempo de secado?
Es mucha la cantidad de aditivo que tendríamos que cambiar
c) Obtenga el coeficiente de correlación entre ambas variables e interprételo.
d) Al parecer, el coeficiente de correlación lineal es muy bajo. ¿Quiere decir que el tiempo
de secado no está relacionado con la cantidad de aditivo?
Así es, como nuestro coeficiente de correlación es bajo, es un indicador que no hay ningún
tipo de relación entre la cantidad de aditivo y el tiempo de secado.