Professional Documents
Culture Documents
A manufacturer of electric irons produces these items in two plants. Both plants have the same suppliers of
small parts. A saving can be made by purchasing thermostats for plant B from a local supplier. A single lot
was purchased from the local supplier, and a test was conducted to see whether or not these new
thermostats were as accurate as the old. The thermostats were tested on tile irons on the 550°F setting, and
the actual temperatures were read to the nearest 0,1°F with a thermocouple. The data are as follows:
Find 95% confidence intervals for σ 21 /σ 22 and for σ 1 /σ 2, where σ 21 and σ 22 are the population variances of
the thermostat readings for the new and old suppliers, respectively.
SOLUCIÓN:
En base a la información brindada, se hallaron el tamaño de la muestra, la media y varianza muestral:
Tamaño de la muestra 1
n1=23
Media muestral 1:
n
xi 530.3+559.3+…+554.9
x=∑ x 1= x 1=551.1Varianza muestral 1:
i=1 n 23
n 2
(x¿ ¿i−x ) 2
s2=∑ ¿ s1=(530.3−551.1)2 +(559.3−551.1)2+ …+¿ ¿ s21=105.9 Segunda muestra
i =1 n−1
Tamaño de la muestra 2:
n2 =23
Media muestral 2:
559.7+550.7+…+ 535.1
x 2=
23
x 2=549.5 Varianza muestral 2:
2 2 2
s2=(559.7−549.5) +(550.7−549.5) +…+ ¿ ¿
2
s2=77.3
2 2
s1 s1
2 2 2
s2 σ 1 s2
≤ 2≤
F α /2 σ 2 F 1−α / 2
105.9 105.9
2
73.9 σ1 73.9
≤ 2≤
¿ INV . F (0.975 ; 22; 22) σ 2 ¿ INV . F (0.025 ; 22 ; 22)
2
σ1
0.581 ≤ 2
≤3.230
σ2
σ1
0.762 ≤ ≤1.797
σ2
PROBLEMA 2
There is a sample of 50 micro-drills with an average lifetime (expressed as the number of holes drilled
before failure) was 12.68 with a standard deviation of 6.83. Suppose an engineer reported a confidence
interval of Suppose an engineer reported a confidence interval of (11.09, 14.27) but neglected to specify
the level. What is the level of this confidence interval?
Variable Aleatoria Discreta:
Número de orificios perforados antes de que falle la microperforadora.
SOLUCIÓN:
n=50
x=12.68
σ =6.83
11.09< μ <14.27
6.83 6.83
12.68−Z α < μ<12.68+ Z α
2 √ 50 2 √ 50
Igualamos alguno de los dos límites, en este caso usaremos el límite inferior
6.83
11.09=12.68−Z α
2 √ 50
Z α =1.646
2
z 0.95
CONCLUSIONES
Problema 1
Al determinar el intervalo del cociente de las varianzas poblaciones, como el valor de 1 se encuentra
dentro de la recta de los limites inferior y superior, se concluye que las varianzas son similares, esto
quiere decir que los termostatos de los proveedores antiguos y nuevos son similares en la variabilidad de
su rendimiento. Por esa razón al fabricante de las planchas eléctricas le convendría comprar a los
proveedores locales ya que reduciría costos y no se vería afectada la eficiencia de la producción.
Problema 2
En base a los datos que nos proporciona el problema, utilizamos el intervalo de confianza para la media
poblacional y realizamos los cálculos respectivos hallando el nivel de confianza que omitió el ingeniero
al realizar el reporte y arrojó como resultado un 90% que corresponde a un rango de valores de11.09 a
14.27, el cual se encuentra con una alta probabilidad de que las microperforadoras realicen orificios
perforados antes de que fallen aunque lo ideal sería un nivel de confianza de 95% o 99%.
Semana 7
PROBLEMA 1
Los incineradores pueden ser una fuente de emisiones peligrosas en la atmósfera. Se recogieron
muestras de gas de una muestra de 50 incineradores en una ciudad importante. De las 50 muestras, sólo
18 cumplieron con un estándar medioambiental para la concentración de un compuesto peligroso.
¿Se puede concluir que menos de la mitad de los incineradores de la ciudad cumplen con la norma?
Datos:
n=50
α =0.05
z α =1.6449 (mediante Excel)
Paso 1:
H o : p ≥ p0
p0=0.5
H a : p< p0 Paso 2: α =0.05
Paso 3: Estadístico
Basándose en que los incineradores se muestrean de manera independiente y al usar el
teorema del límite central, puesto que el tamaño muestral es grande, se obtiene que
( √ pqn )
^p ⟶ N p ,
( √
^p ⟶ N 0.36 ,
0.36 (1−0.36)
50 )
N ( 0.36 , 0.068 )
^p − p0
z=
σ
0.36−0.5
z= =−2.0588
0.068
Paso 1:
H o : p ≥ p0
p0=0.5
H a : p< p0 Paso 2: α =0.05
^p−z α
√ ^p q^
n
≥p
0.36−1.6449
√ 0.36 (1−0.36)
50
≥p
0.25 ≥ p
Paso 4: Regla de decisión: si p0 no se encuentra en el intervalo de confianza, entonces
se rechaza la hipótesis nula.
p0=0.5 no se encuentra dentro del intervalo de confianza
Datos:
Estación 1 Estación 2
n1=15 n2 =12
x 1=3.84 x 2=1.49
s1=3.07 s2=0.80
H a : μ2 ≠ μ1 Paso 2: α =0.05
√ 3.07 2 0.802
15
+
12
Con grados de libertad
( )
2 2 2
3.07 0.8
+
15 12
v= =16.33 ≅ 16
( ) ( )
2 2 2 2
3.07 0.8
15 12
+
15−1 12−1
Paso 4: Regla de decisión
Si t >t α/2 entonces se rechaza la hipótesis nula
… … … … … … … … … … …
t α / 2=2.120
Paso 5: Decisión: Siendo t=2.846 mayor a 2.120, se rechaza la hipótesis nula; en otras
palabras, hay evidencia que indica que existe diferencia entre las cantidades de
ortofósforo químico que corresponden a ambas estaciones en río de James.
H a : μ2 ≠ μ1 Paso 2: α =0.05
( )
2 2 2
3.07 0.8
+
15 12
v= =16.33 ≅ 16
( ) ( )
2 2 2 2
3.07 0.8
15 12
+
15−1 12−1
( 3.84−1.49 )−0
t= =2.846
√ 3.07 2 0.802
15
+
12
Paso 5: Decisión: Como 2.846 no esta dentro del intervalo –2.120 tR 2.120, se rechaza la
hipótesis nula.
Luego de comprobar que existe diferencia entre las cantidades de ortofósforo químico en la
estación 1 y 2 de río de Janeiro. Se establece el intervalo al que corresponde dicha diferencia:
√ s 12 s 22
√
2 2
3.07 0.8
μ1−μ2 =( x 1−x 2) ± t α / 2 + =(3.84−1.49)±(2.120) +
n1 n2 15 12
μ1−μ2 =2.35 ±1.75 → 0.6 ≤ μ1 −μ 2 ≤ 4.10
De esta forma, se determinó que la diferencia entre los contenidos promedio de ortofósforo químico en
la estación 1 y 2 de río de Janeiro, bajo una confianza del 95%, se encuentra entre 0.60 a 4.10
miligramos por litro.
Semana 10
PROBLEMA 1
PROBLEMA GUÍA
Los pesos de envases nominales de 1 kg de un ingrediente químico concentrado son que se muestra en
la Tabla. Prepare una gráfica de probabilidad normal de los datos y el proceso de estimación.
capacidad. ¿Depende esta conclusión de la estabilidad del proceso?
Considere los datos del peso del paquete en el ejercicio anterior. Suponga que hay una menor
especificación a 0,985 kg. Calcule una relación de capacidad de proceso adecuada para este material.
¿Qué porcentaje de los envases producidos por este proceso se estima en estar por debajo del límite
de especificación?
Como el problema nos menciona que supongamos que hay una menor especificación a 0,985 kg,
asumimos a este valor como nuestro límite de especificación inferior y eliminamos los datos menores
a este.
90.00%
80.00%
70.00%
60.00%
50.00%
40.00%
30.00%
20.00%
10.00%
0.00%
0.9800 0.9850 0.9900 0.9950 1.0000 1.0050 1.0100 1.0150 1.0200 1.0250 1.0300
De la gráfica se puede interpretar que los datos siguen una distribución normal dado que se
encuentran cercanos a la recta de ajuste. Nuestra variable X ~ Pesos de envases, sigue una
distribución N(µ;σ) y el siguiente paso será proceder a la estimación de sus parámetros µ y σ.
Para el calculo de la media, lo realizamos mediante la gráfica elaborada. La media será el valor que
deja el 50% de los datos por debajo, con una flecha señalamos el valor del eje y, cortamos con la
recta y para leer el valor del eje x correspondiente. En este caso, µ sería aproximadamente.
Para el cálculo de la desviación típica lo podemos realizar de dos maneras mediante las siguientes
formulas.
Por lo que podemos interpretar que los datos siguen una distribución normal dado que se
encuentran cercanos a la recta de ajuste.
Datos
Como en el ejercicio anterior nos mencionan que los pesos de los envases tienen un 1 Kg
nominal de un ingrediente químico concentrado.
μ0=1.0000
s=0.0133
C4 = 0.9776
Estimamos la desviación típica:
s 0.0133
σ^ estimado= = =0.0136
C 4 0.9776
2|1.0053−1.0000|
k= =0.265
1.0250−0.9850
LES−LEI
Cp=
6 σ^ estimado
1.0250−0.9850
Cp= =0.490
6 (0.0136)
Cpk=Cp(1−k )
Cpk=0.490 ( 1−0.265 )=0.36
Finalmente, el problema nos pide calcular:
¿Qué porcentaje de los envases producidos por este proceso se estima en estar por debajo del
límite de especificación?
(
P ( x< LEI )=P Z <
μ−LEI
σ ) (
=P Z <
1.0053−0.9850
0.0136 )
P ( x< LEI )=P ( Z<1.49 )
PROBLEMA GUÍA
Una empresa de contabilidad utiliza métodos de muestreo en sus procesos de auditoría de clientes. Las
cuentas de un tipo particular se agrupan en un tamaño de lote de 25. El al auditor le preocupan las cuentas
erróneas que escapan al proceso de auditoría. Muestrear y auditar las cuentas lleva mucho tiempo y es
muy costoso, y muestra aleatoria de tamaño n = 5 es aproximadamente la muestra más grande que
prácticamente se puede usado. Suponga que el lote de cuentas contiene una cuenta errónea. ¿Cuál es la
probabilidad de que la muestra que se selecciona contenga la cuenta errónea?
Lote , N =25.
n 5
Muestra , n=5d=¿? → Dadoque : = =0.2 ≥ 0.1
N 25
Entonces no cumple la condición para seguir una distribución binomial∋ Poisson.
Por lo tanto , sigue la siguiente distribución : Distribución hipergeométrica
Pr ( x ≤ c )=
( x )( n−x )
NP N−NP
( Nn )
De dato sabemos:
1−Pr ( x ≤ 0 )=Pr ( x> 0 ) ≥ 0.5
1−Pr ( x ≤ 0 )=1−
( x )( n−x )
NP N−NP
=1−
( )(25 ( 251 )
0
25−25 ( 251 )
5−0
)
(n)
N
(255)
Pr ( x >0 )=1−0.8=0.2 Se repitió lo mismo con cada valor de “ d ” hasta que se cumplió lacondición .
Semana 9
PROBLEMA 1
Las piezas fabricadas mediante un proceso de moldeo por inyección se someten a una compresión
prueba de fuerza. Se recogen veinte muestras de cinco partes cada una, y el compresor las resistencias
(en psi) se muestran en la Tabla.
//Es decir que se tendrá que evaluar la resistencia a la compresión de piezas fabricadas, mediante el uso
de gráficas de control para observar y analizar que trayecto sigue y hacer posibles recomendaciones.
a) Establecer gráfica de control x-R de resistencia a la compresión utilizando estos datos. ¿Está el
proceso en control estadístico?
Número de muestra x1 x2 x3 x4 x5 x R
1 83.0 81.2 78.7 75.7 77.0 79.1 7.3
2 88.6 78.3 78.8 71.0 84.2 80.2 17.6
3 85.7 75.8 84.3 75.2 81.0 80.4 10.5
4 80.8 74.4 82.5 74.1 75.7 77.5 8.4
5 83.4 78.4 82.6 78.2 78.9 80.3 5.2
6 75.3 79.9 87.3 89.7 81.8 82.8 14.4
7 74.5 78.0 80.8 73.4 79.7 77.3 7.4
8 79.2 84.4 81.5 86.0 74.5 81.1 11.5
9 80.5 86.2 76.2 64.1 80.2 77.4 22.1
10 75.7 75.2 71.1 82.1 74.3 75.7 11.0
11 80.0 81.5 78.4 73.8 78.1 78.4 7.7
12 80.6 81.8 79.3 73.8 81.7 79.4 8.0
13 82.7 81.3 79.1 82.0 79.5 80.9 3.6
14 79.2 74.9 78.6 77.7 75.3 77.1 4.3
15 85.5 82.1 82.8 73.4 71.7 79.1 13.8
16 78.8 79.6 80.2 79.1 80.8 79.7 2.0
17 82.1 78.2 75.5 78.2 82.1 79.2 6.6
18 84.5 76.9 83.5 81.2 79.2 81.1 7.6
19 79.0 77.8 81.2 84.4 81.6 80.8 6.6
20 84.5 73.1 78.6 78.7 80.6 79.1 11.4
Para el gráfico x
LCSx = x́ + A 2 R ⟹ LCSx = 79.33 + 0.577(9.35) = 84.72
Gráfico x: Como puede observarse en la presente gráfica, los promedios que corresponden a las
muestras 4,7,9 y 14 activaron la alarma de límite inferior. De esta forma, dichas muestras demandan de
la atención correspondiente por parte del fabricante. Mientras que el promedio que corresponde a la
muestra 10 activó la alarma de límite superior. Por ende, dicha muestra requiere de una respuesta o
acción.
Gráfico R: Seguido de ello, desviando nuestra atención a las muestras que activaron la alarma de límite
inferior y superior, obsérvese en el gráfico R que solo la muestra 9 supera el límite de control superior.
Esto se explica al analizar las piezas que corresponden a dicha muestra, evidenciándose que en esta
muestra se encuentra la pieza con menor resistencia de todo el grupo. No hay tendencias o patrones
anómalos.
b) Después de establecer las gráficas de control en la parte a), 15 nuevos subgrupos fueron recogidos
y las resistencias a la compresión se muestran en la Tabla. Trazar la x y R valores contra las
unidades de control de la parte a) y sacar conclusiones.
Número de muestra x1 x2 x3 x4 x5 x R
1 68.9 81.5 78.2 80.8 81.5 78.2 12.6
2 69.8 68.6 80.4 84.3 83.9 77.4 15.7
3 78.5 85.5 78.4 80.3 81.7 80.9 7.1
4 76.9 86.1 86.9 94.4 83.9 85.6 17.5
5 93.6 81.6 87.8 79.6 71.0 82.7 22.6
6 65.5 86.8 72.4 82.6 71.4 75.7 21.3
7 78.1 65.7 83.7 93.7 93.4 82.9 28.0
8 74.9 72.6 81.6 87.2 72.7 77.8 14.6
9 78.1 77.1 67.0 75.7 76.8 74.9 11.1
10 78.7 85.4 77.7 90.7 76.7 81.8 14.0
11 85.0 60.2 68.5 71.1 82.4 73.4 24.8
12 86.4 79.2 79.8 86.0 75.4 81.4 11.0
13 78.5 99.0 78.3 71.4 81.8 81.8 27.6
14 68.8 62.0 82.0 77.5 76.1 73.3 20.0
15 83.0 83.7 73.1 82.2 95.3 83.5 22.2
En la gráfica x se puede observar la variación natural del proceso, sin cambios repentinos, ni
presentando tendencias específicas. Analizando la gráfica, podemos observar que la región de control B
se encuentran puntos correspondientes a las muestras 4, 9, 11, 14 y 15, pero no se observan puntos en la
región A ni violando los límites superior e inferior. Por lo cual, podemos deducir que se presentaron
problemas por causas naturales, es decir, no asignables y producidos por la aleatoriedad.
En el gráfico R se pueden identificar 3 puntos sobre la región de control B, los cuales son pertenecientes
a las muestras 3, 7 y 13. Estos puntos activan las alarmas del límite inferior, por lo cual deducimos que
se dan por causas naturales, pero, teniéndose que tomar acciones frente a estos datos. Además, se
presenta una relativa estabilidad en la gráfica sin que los límites superior ni inferior sean perturbados por
algún dato. Ni se presentan tendencias a querer salir de los límites de control.
PROBLEMA 2
El artículo "High Tech, High Touch", de J. Ryan, que apareció en Quality Progress en 1987, analiza los
procesos de mejora de la calidad utilizados por Martin Marietta en la producción de los tanques de
combustible externos (oxígeno líquido) del transbordador espacial. Incluye un gráfico que muestra los
recuentos de las principales no conformidades de hardware para cada uno de los 41 tanques producidos.
Los recuentos aproximados del área de datos adjuntos leídos de ese gráfico para los últimos 35 tanques.
(Los primeros seis tanques tenían un diseño diferente al de los demás y, por lo tanto, no se incluyen
aquí).
Tanque No conformidades
1 537
2 463
3 417
4 370
5 333
6 241
7 194
8 185
9 204
10 185
11 167
12 157
13 139
14 130
15 130
16 267
17 102
18 130
19 157
20 120
21 148
22 65
23 130
24 111
25 65
26 74
27 65
28 148
29 74
30 65
31 139
32 213
33 222
34 93
35 194
(a) Haga una gráfica c retrospectiva para estos datos. ¿Existe evidencia de una mejora real de la
calidad en esta serie de recuentos de no conformidades? Explique.
Sea n=35
Para lamedia y loslímites :
35
LCS=x +3 √ x
LCS=183.829+ 3 √ 183.829
LCS=224.504
LCI =x−3 √ x
LCI =183.829−3 √ 183.829
LCI =143.154
La gráfica se muestra a continuación:
∑ xi 157+120+ …+194
x= i=1 =
17 17
x=122.529
LCS=x +3 √ x
LCS=122.529+ 3 √ 122.529
LCS=155.737
LCI =x−3 √ x
LCI =122.529−3 √ 122.529
LCI =89.322
La gráfica se muestra a continuación: