3. de que manera afectan los datos atpicos a la media?

Incluso un solo valor atpico puede tener un efecto enorme sobre la media. Considera los siguientes conjuntos de datos. El primero no tiene ningn valor atpico, el segundo tiene slo un valor atpico relativamente moderado, el tercero tiene un valor atpico extremo y el ltimo tiene varios valores atpicos extremos:

Conjunto de datos 1: 150, 160, 130, 150, 120 media de 142 Conjunto de datos 2: 150, 160, 130, 150, 120, 180 media de 148,3 Conjunto de datos 3: 150, 160, 130, 150, 120, 350 media de 176 Conjunto de datos 4: 150, 160, 130, 150, 120, 300, 320, 340, 350. media de 224

Se puede observar que el clculo de la media tiene en cuenta todos los valores del conjunto de datos por lo que cada uno de ellos afecta la media.

6. deacuerdo con los registros de una empresa, el ausentismo por semana del personal de labor directa es de 25 personas en promedio, con una desviacin estndar de 5. a. entre qu cantidad se espera que usualmente vare el nmero de personas que no acuden a trabajar por semana? Se espera que el nmero de personas que no acuden a trabajar por semana vare entre [25-3(5)=10 y 25+3(5)=40] 10 Y 40 PERSONAS. b. si en la ltima semana hubo 34 ausencias, significa que paso algo fuera de lo normal?

No es algo fuera de lo normal porque 34 personas que no acudan a trabajar por semana caen dentro de los lmites permitidos, entonces se concluye que no se debe tomar alguna medida urgente para minimizar el problema.

14 a. Calcule la media y la mediana de los datos y comprelos con las que se tenan antes del proyecto, decida si con los cambios se mejoro el centrado del proceso. b. calcule la desviacion estandar y,con esta ,obtenga una estimacion de los nuevos limites y decida si la variabilidad se redujo. c. contruya un histograma ,inserte las especificaciones e interpretelo d.el proyecto dio buenos resultados? f.las mejoras son suficientes para garantizar un producto dentro de las especificaciones?

reales

Histograma de Grosor de lamina

Normal 4,2 5,8
Media Desv.Est. N 4,884 0,316 120

35 30 25
Frecuencia

20 15 10 5 0

4,10

4,39

4,68 4,97 5,26 Grosor de lamina

5,55

5,84

ESTADISTICO MEDIDAS DE TENDENCIA CENTRAL Variable: GROSOR DE LAMINA Antes del proyecto de mejora: Media : 4.75 Mediana : 4.70 Despus del proyecto de mejora: Media : 4.8842 Mediana : 4.90
Moda: 5

ANALISIS Y COMENTARIOS Con los cambios se mejoro la centralizacion del proceso ya que se puede observar que con el implemento del proyecto de mejora, las medidas de tendencia central son relativamente similares y muy cercanas a 5, por lo que la centralizacion del proceso es mas adecuada. El 50% de las medidiciones fue mayor o igual a 4.70mm de grosor. El grosor mas frecuente es de 5mm.

CONCLUSIONES Proceso centrado con = 4.8842.

Desviacin estndar: S = 0,3160 Limites reales aproximados (3S): LR inf =3.9362 LR sup = 5.8322

En forma aproximada se espera que el dimetro de grosor vari entre 4.8842 4.88 (3.9362 a 5.8322). La amplitud de estos lmites es menor a la variacin tolerada de ( 5). El lmite inferior esta por fuera de las especificaciones, lo cual refleja la baja capacidad del proceso para cumplir con las especificaciones.

La variacin real del proceso sigue siendo demasiada, por lo que se est fabricando producto fuera de las especificaciones.

Grafica de capacidad (histograma)

La distribucin se ajusta de modo razonable a la normal. La tendencia central se ubica alrededor de 5 y el cuerpo del histograma est centrado con respecto a las especificaciones, pero no cabe dentro de las especificaciones. Por lo tanto cualquier ajuste que solo desplace el histograma empeorara las cosas.

Hay mucha variacin en el proceso

CONCLUSIONES FINALES Para producir la variabilidad se debe encontrar los aspectos de las 6M que estn contribuyendo ms al exceso de variacin. Otra posibilidad es analizar al detalle los patrones del comportamiento del proceso apoyndose en la carta X-R y ver si hay patrones en funcin de turnos, operadores, lotes, etctera.

19. a. calcule las medidas de tendencia central y de variabilidad, y comente acerca del cumplimiento del estndar mnimo para la concentracin de grasa. B. obtenga el histograma e interprete c. La poblacin de donde vienen estos datos cumplen el estndar mnimo? d. Se puede suponer distribucin normal?

Histograma de concentracion de grasa

Normal 3
Media Desv.Est. N 3,188 0,3151 90

25

20
Frecuencia

15

10

2,4

2,8 3,2 3,6 concentracion de grasa

4,0

ESTADISTICO

ANALISIS Y COMENTARIOS las medidas de tendencia central son relativamente similares y muy cercanas a 3.2, por lo que la centralizacion del proceso es adecuada. El 50% de las medidiciones fue mayor o igual a 3.2% de concentracion de grasa. La concentracion de grasa mas frecuente es del 3.3%.

CONCLUSIONES Proceso centrado con = 3.1878.

MEDIDAS DE TENDENCIA CENTRAL Variable: Concentracin de

grasa

Media : 3,1878 Mediana : 3,2000

Moda: 3.3

Desviacin estndar: S = 0,3151

Varianza = 0,0993 Coef de variacin = 9,88

Limites reales aproximados (3S): LR inf = 2.2425 LR sup = 4.1331

En forma aproximada se espera que La concentracion de grasa vari entre 3.1878 3.19 (2.2425 a 4.1331). El lmite inferior es mucho menor al estndar mnimo de 3%. El lmite inferior esta por fuera de las especificaciones, lo cual refleja la baja capacidad del proceso para cumplir con el estandar minimo.

La variacin real del proceso sigue siendo demasiada, por lo que se est fabricando producto fuera de la especificacin mnima.

Grafica de capacidad (histograma)

El valor de la kurtosis estandarizada es de 1,0157 mientras que el valor del sesgo es de -0,5702. Como estos valores se encuentran dentro del intervalo de [2, 2] se deduce por lo tanto que la distribucin de los datos se asemeja a la distribucin normal. La distribucin se ajusta de modo razonable a la normal. La tendencia central se ubica alrededor de 3.2

Hay mucha variacin en el proceso

CONCLUSIONES FINALES Para producir la variabilidad se debe encontrar los aspectos de las 6M que estn contribuyendo ms al exceso de variacin. Otra posibilidad es analizar al detalle los patrones del comportamiento del proceso apoyndose en la carta X-R y ver si hay patrones en funcin de turnos, operadores, lotes, etctera. Otra alternativa es generar un proyecto Seis Sigma, a fin de encontrar las variables de entrada que mas influyen en el dimetro de la puntera y tomas las decisiones adecuadas.

22. E n una empresa se elabora productos lcteos se tiene como criterio de calidad para la crema que esta tenga un porcentaje de grasa de 45 con una tolerancia de 5, se tiene una media de 44 con una desviacin estndar de 1.3.haga un anlisis de capacidad para ver si est cumpliendo con la calidad exigida.

ESTADISTICO MEDIDAS DE TENDENCIA CENTRAL Variable: porcentaje de grasa Media : 44 Desviacin estndar: S = 1.3 Limites reales aproximados (3S): LR inf = 40.1 LR sup = 47.9

ANALISIS Y COMENTARIOS En promedio la crema tiene un porcentaje de grasa de 44.

CONCLUSIONES Proceso centrado con = 44.

En forma aproximada se espera que el porcentaje de grasa vari entre 40.1 a 47.9, con una media de 44. Al comparar esto con las especificaciones se aprecia que los lmites reales caen dentro de las mismas, entonces se concluye que el proceso es capaz de cumplir con tales especificaciones. La amplitud de estos lmites es menor a la variacin tolerada de ( 5). . La distribucin se debera de ajustar de modo razonable a la normal. La tendencia central se ubica alrededor de 44 y el cuerpo del histograma est centrado con respecto a los lmites reales del proceso.

La variacin real del proceso es adecuada, por lo que se est fabricando producto dentro de las especificaciones.

Grafica de capacidad(histograma)

La variacin presente en el proceso es permisible.

CONCLUSIONES FINALES El proceso es capaz de cumplir con las especificaciones.