Serie de Ejercicios MINITAB

Serie de Ejercicios MINITAB
Técnicas Estadísticas para la Calidad

Alumno: Ares Jair Pichardo García
• Ejercicio 2.1
Se analiza el contenido de botellas de detergente líquido, se miden doce botellas, seleccionadas al
azar del proceso, los resultados son los siguientes (en onzas):
Mediciones de
contenido de
Detergente (en onzas)
16.05
16.03
16.02
16.04
16.05
16.01
16.02
16.03
16.01
16
16.07
a) Calcular el promedio de la muestra.
b) Calcular la desviación estándar de la muestra.
Estadísticas
Variable Media Desv.Est.
Contenido de Detergente 16.030 0.0210
En conclusión, la media muestral es de 16.03 y la diferencia que hay entre la media y los datos es de
0.021 que es la desviación estándar
• Ejercicio 2.3
Las nueve mediciones siguientes son de las temperaturas del horno registradas en lotes sucesivos
en la fabricación de semiconductores (las unidades están dadas en °F):
Temperatura
(°F)
953
955
948
951
957
949
954
950
959
Estadísticas
Temperatura (°F) 952.89 3.72
En conclusión, la media muestral es de 952.89 y la diferencia que hay entre la media y los datos es
de 3.72 que es la desviación estándar
• Ejercicio 2.5
Se miden los limites de elasticidad de los tubos circulares con tapas, Los primeros rendimientos (en
kN) son los siguientes:
Elasticidad
(kN)
96
102
104
108
126
128
150
156
Estadísticas
Elasticidad 121.25 22.63
En conclusión, la media muestral es de 121.25 y la diferencia que hay entre la media y los datos es
de 22.63 que es la desviación estándar
• Ejercicio 2.7
Los datos que se muestran aquí son lecturas de rendimiento del proceso químico en días sucesivos
(lea hacia abajo y luego a lo ancho). Construya un histograma para estos datos. Comente sobre la
forma del histograma. ¿Se parece a alguna de las distribuciones que hemos analizado en este
capítulo?
94.1 87.3 94.1 92.4 84.6 85.4

93.2 84.1 92.1 90.6 83.6 86.6
90.6 90.1 96.4 89.1 85.4 91.7
91.4 95.2 88.2 88.8 89.7 87.5
88.2 86.1 86.4 86.4 87.6 84.2
86.1 94.3 85 85.1 85.1 85.1
95.1 93.2 84.9 84 89.6 90.5
90 86.7 87.3 93.7 90 95.6
92.4 83 89.6 87.7 90.1 88.3
87.3 95.3 90.3 90.6 94.3 84.1
86.6 94.1 93.1 89.4 97.3 83.7
91.2 97.8 94.6 88.6 96.8 82.9
86.1 93.1 96.3 84.1 94.4 87.3
90.4 86.4 94.7 82.6 96.1 86.4
89.1 87.6 91.1 83.1 98 84.5
Con respecto a la forma del histograma se puede observar que tiene una forma achatada y es bimodal,
esto nos podría decir que el proceso no esta siendo controlado y que la tendencia de los datos no
puede ser descrita.
• Ejercicio 2.9
Construya e interprete una gráfica de probabilidad normal de los volúmenes de los detergentes vistos
en el ejercicio 2.1.
Como se puede apreciar el contenido de los detergentes no tiene una distribución normal, algo que
puede interferir es la cantidad de datos tomados ya que solo son 11, sin embargo, lo visto es que tiene
una forma achata y multimodal como el mostrado en el ejemplo 2.7.
• Ejercicio 2.11
Construya una gráfica de probabilidad normal de la falla del tiempo en los datos del ejercicio 2.6.
¿Parece razonable asumir que el tiempo de falla de este componente está bien modelado por una
distribución normal?
Tiempo de Falla en Horas

127 124 121 118
125 123 136 131
131 120 140 125
124 119 137 133
129 128 125 141
121 133 124 125
142 137 128 140
151 124 129 131
160 142 130 129
125 123 122 126
Como se puede ver en la gráfica de probabilidad normal del tiempo en falla, se puede concluir que no
puede ser representado por un modelo de distribución normal, la gráfica no es simétrica en ambos
lados e incluso se puede decir que es un proceso con mucha variabilidad.
• Ejercicio 2.13
Considere los datos de la viscosidad del ejercicio 2.8. Construya una gráfica de probabilidad normal,
una gráfica de probabilidad logarítmica normal y una gráfica de probabilidad de Weibull para estos
datos. Según los gráficos, ¿qué distribución parece ser el mejor modelo para los datos de viscosidad?
13.3 14.9 15.8 16

14.5 13.7 13.7 14.9
15.3 15.2 15.1 13.6
15.3 14.5 13.4 15.3
14.3 15.3 14.1 14.3
14.8 15.6 14.8 15.6
15.2 15.8 14.3 16.1
14.5 13.3 14.3 13.9
14.6 14.1 16.4 15.2
14.1 15.4 16.9 14.4
14.3 15.2 14.2 14
16.1 15.2 16.9 14.4
13.1 15.9 14.9 13.7
15.5 16.5 15.2 13.8
12.6 14.8 14.4 15.6
14.6 15.1 15.2 14.5
14.3 17 14.6 12.8
15.4 14.9 16.4 16.1
15.2 14.8 14.2 16.6
16.8 14 15.7 15.6
Prueba de bondad del ajuste
Distribución AD P Valor
Normal 0.249 0.740
Weibull 1.032 <0.010
Lognormal 0.216 0.841
Para este problema ocupamos la prueba de bondad de ajuste, donde con el P-Valor vemos que la
distribución que mejor se ajusta sería la logarítmica normal, como se demuestra en las siguientes
gráficas.
a) Gráfica de Distribución Normal:
b) Gráfica de Distribución Logarítmica Normal:
c) Gráfica de Distribución Weibull:

• Ejercicio 2.15
Una característica importante de la calidad del agua es la concentración de material solida en
suspensión (en ppm). A continuación, se muestran 40 mediciones de solidos en suspensión para un
lago determinado:
0.78 9.59 2.26 8.13 3.16

4.33 11.7 0.22 125.93 1.3
0.15 0.2 0.29 13.72 0.96
0.29 2.93 3.65 3.47 1.73
14.21 1.79 0.54 14.81 0.68
0.09 5.81 5.17 21.01 0.41
4.75 2.82 1.3 4.57 74.74
0.78 1.94 3.52 20.1 4.98
Construya una grafica de probabilidad normal, una de probabilidad logarítmica normal y una de Weibull
para estos datos. Según los gráficos, que distribución parece ser el mejor modelo para la
concentración de solidos en suspensión.
Prueba de bondad del ajuste
Distribución AD P
Normal 8.426 <0.005
Weibull 0.637 0.091
De acuerdo con la prueba de bondad del ajuste se puede observar que los datos se
adecuan mejor al modelo de distribución logarítmica normal, como se pueden ver en las
gráficas:
Grafica de Probabilidad Normal:

Grafica de Probabilidad Weibull
Grafica de Probabilidad logarítmica Normal
• Ejercicio 2.17
Considere los datos del ejercicio 2.7, Construya una grafica de series de tiempo para estos datos.
Interprete la gráfica.
En la gráfica es apreciable que los datos de rendimiento son bastante inestables, así mismo se puede
observar que la tendencia es negativa, dado que a partir del dato 54 se observa una tendencia hacia
una mayor cantidad de datos menores a 90.
• Ejercicio 2.19
Considere los datos de rendimientos del proceso químico en el ejercicio 2.7. Calcular el promedio de
la muestra y la desviación estándar.
Estadísticas
Variable N Media Desv.Est.
Proceso Químicos 90 89.476 4.158
La desviación aclara lo que nos mostró la grafica de series de tiempo, que hay una
• Ejercicio 2.21
Construya un diagrama de caja para los datos del ejercicio 2.1.
Estadísticas (Cuartiles)
Variable Q1 Mediana Q3
Contenido de Detergente 16.010 16.030 16.050
• Ejercicio 2.23.
Suponga que se lanzan 2 dados de manera justa y que se observa la variable aleatoria -digamos “x”-
es la suma de las dos caras hacia arriba. Describe el espacio muestral de este experimento y
determina la distribución de probabilidad de X.
Espacio muestral = (2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12)
Distribución AD P LRT P
Normal 0.147 0.950
Exponencial 1.373 0.036
Exponencial de 2 parámetros 0.699 0.129 0.021
Weibull 0.185 >0.250
Valor extremo más pequeño 0.214 >0.250
Valor extremo por máximos 0.214 >0.250
Gamma 0.227 >0.250
Logística 0.183 >0.250
Loglogística 0.273 >0.250
La Distribución de x está dada de acuerdo con la probabilidad normal, al ser el dato con
el P-valor más grande.
• Ejercicio 2.25.
Un conjunto mecatrónico se somete a una prueba funcional final. Suponga que los defectos ocurren
al azar en estos ensamblajes, y que los defectos ocurren de acuerdo con una distribución de poisson
con un parámetro de =0.02.
a) ¿Cuál es la probabilidad de que un ensamblaje tenga exactamente un defecto?
Poisson con media = 0.02
x P( X = x )
1 0.0196040
La probabilidad de que un ensamblaje tenga un defecto es de 0.019604.
b) ¿Cuál es la probabilidad de que un ensamblaje tenga uno o más defectos?

x P( X ≤ x )
1 0.999803
La probabilidad de que saquen 1 o más defectos es de 1- 0.999803 = 0.000197

c) Suponga usted mejora los procesos de modo que la tasa de ocurrencia de defectos se reduce
a la mitad a =0.01. ¿Qué efecto tiene esto en la probabilidad de que un ensamblaje tenga
uno o más defectos?
x P( X ≤ x )
1 0.999950
La probabilidad de tenga uno o más defectos es de 1-0.999950 = 0.00005
• Ejercicio 2.27
La variable aleatoria x toma los valores de 1, 2, o 3, con probabilidades de (1 + 3𝑘)⁄3, (1 + 2𝑘)⁄3
y (0.5 + 5𝑘)⁄3, respectivamente.
a) Encuentre el valor apropiado de k.
K = 0.05
b) Encuentre la media y la varianza de x.
Estadísticas
x 1.867 0.615
c) Encuentre la función de distribución acumulativa.

Función de distribución acumulada
Distribución F con 3 GL en el numerador y 1 GL en el denominador y el parámetro de no
centralidad 0.83
x P( X ≤ x )
1 0.338261
2 0.749846
3 1.000
• Ejercicio 2.29
Un fabricante de calculadoras electrónicas ofrece una garantía de un año. Si la calculadora falla por
cualquier motivo durante este periodo, se remplaza. El tiempo de falla está modelado por la siguiente
distribución de probabilidad:
𝑓 (𝑥 ) = 0.125𝑒 −0.125𝑥 ; 𝑥 > 0
a) ¿Qué porcentaje de las calculadoras fallara dentro del periodo de garantía?
Exponencial con media = 1
x P( X ≤ x )
0.125 0.117503
La probabilidad es del 0.1175 de que falle una calculadora en el año

b) El costo de fabricación de una calculadora es de $50 y la ganancia por venta de $25. ¿Cuál
es efecto del remplazo de garantía en la ganancia?
Si cada calculadora cuesta hacerla $50 y hay un 0.1175 de probabilidades de dar una nuevo entonces:
(50) (0.1175) = $5.875, el efecto de dar una nueva nos cuesta o nos afecta en el margen en $5.875.
• Ejercicio 2.31
Un proceso de producción opera con 1% de producto no conforme. Cada hora se toma una muestra
de 25 unidades de producto y se cuenta el número de unidades no conformes. Si se encuentra una o
más unidades no conformes, el proceso se detiene y el técnico de control de calidad debe buscar la
causa de la producción del producto no conforme. Evalué el desempeño de esta regla de decisión.
Binomial con n = 25 y p = 0.01
x P( X = x )
1 0.196420
Con la decisión tomada hay una probabilidad de que el 0.19 de las muestras tengan algún defecto,
una decisión adecuada para promover el no tener producto no conforme.
• Ejercicio 2.33
Se selecciona una muestra de 100 unidades de un proceso de producción que es 1% no conforme.
¿Cuál es la probabilidad de que 𝑝̂ supere la fracción verdadera de no conformes en k desviaciones,
donde k=1,2 y 3.
R:
x P( X < x )
3 0.0609992
La probabilidad seria de 1-0.0609992 = 0.939001 para que se supere.
• Ejercicio 2.35
Un componente electrónico para la unidad de rayos X medico se produce en lotes de tamaño N=25.
El comprador utiliza un procedimiento de prueba de aceptación para protegerse contra los lotes que
contienen demasiados componentes no conformes. El procedimiento consiste en seleccionar cinco
componentes al azar del lote (sin remplazo) y probarlos. Si ninguno de los componentes es no
conforme, se acepta.
a) Si el lote contiene dos componentes no conformes, ¿cuál es la probabilidad de aceptación del
lote?
Hipergeométrico con N = 25, M = 2 y n = 5
x P( X ≤ x )
0 0.633333
La probabilidad de aceptación del lote es de 0.6333.

b) Calcule la probabilidad deseada en (a) usando la aproximación binomial. ¿Es esta
aproximación satisfactoria? ¿por qué si o porque no?
x P( X = x )
0 0.659344
No es satisfactoria la aproximación.
c) Suponga que el comprador rechazara el lote con la regla de decisión de encontrar uno o más
componentes no conformes en una muestra de tamaño n, y quiere que el lote sea rechazado
con una probabilidad de al menos 0.95 si el lote contiene cinco o más componentes no
conformes ¿Qué tamaño de muestra debe tener la muestra n?
Tamaño de la muestra para estimación
Método
Parámetro Proporción
Distribución Binomial
Nivel de confianza 95%
Intervalo de confianza Límite superior
Resultados
Tamaño
Margen de la
de error muestra
0.05 11
• Ejercicio 2.37
Un libro de texto tiene 500 paginas en las que pueden producirse errores tipográficos. Suponga que
hay exactamente 10 errores de este tipo ubicados aleatoriamente en esas páginas. Calcule la
probabilidad de que una selección aleatoria de 50 paginas no contenga errores. Calcule la probabilidad
de que 50 paginas seleccionadas al azar contenga al menos 2 errores.
R: Para que salgan 0 errores la probabilidad es de:
Función de distribución acumulada
x P( X = x )
0 0.345162
Para salgan al menos 2 errores:

x P( X < x )
2 0.195227
• Ejercicio 2.39
Las botellas de vidrio se forman vertiendo vidrio fundido en un molde. El vidrio fundido se prepara en
un horno revestido con ladrillos refractarios, se mezclan pequeños trozos de ladrillo con el vidrio
fundido y finalmente aparecen como defectos (llamados piedras) en la botella. Si podemos suponer
que las piedras se producen al azar a razón de 0.00001 por botella, ¿Cuál es la probabilidad de que
una botella seleccionada al azar contenga al menos uno se esos defectos?
R: En este caso no es necesario ocupar minitab, el mismo problema nos da la respuesta, esta indica
que las piedras pueden encontrar en 0.00001 por botella, así que pudiésemos suponer que la
probabilidad es de 0.00001.
• Ejercicio 2.41
Un proceso de producción opera en uno de dos estados: el estado bajo control, en el que la mayoría
de las unidades producidas están conforme a lo especificado y el estado fuera de control, en donde la
mayoría de las unidades estarán defectuosos. El proceso cambiara de un estado bajo control al estado
fuera de control al azar. Cada hora, un técnico de control de calidad revisa el proceso, y si esta fuera
de control, el técnico lo detecta con probabilidad de P. Suponga que cuando el proceso se sale de
control lo hace inmediatamente después de una verificación por parte del inspector, y una vez que se
ha producido un cambio, el proceso no puede corregirse automáticamente, Si t denota el numero de
periodos en que el proceso permanece fuera de control después de un cambio antes de la detección,
calcule la distribución de probabilidad de t. Encuentre el número medio de periodos que el proceso
permanecerá en el estado fuera de control.
R: El número medio de periodos del proceso que permanecerá fuera de control esta denotado por
µ=1⁄𝑝
• Ejercicio 2.43
La resistencia a la tracción de una pieza de metal se distribuye normalmente con una media de 40 lb
y una desviación estándar de 5 lb. Si se producen 50,000 piezas, ¿Cuántas esperaría que no cumplan
con un límite mínimo de especificación de 35 lb de resistencia a la tracción? ¿Cuántos tendrían una
resistencia a la tracción superior a 48 lb?
Normal con media = 40 y desviación estándar = 5
x P( X ≤ x )
35 0.158655
La probabilidad de que la pieza no cumpla con el límite mínimo de 35 lb de resistencia es del 0.158655.
x P( X ≤ x )
48 0.945201
La probabilidad de que salgan con una resistencia superior a la de 48 lb es de 1 – 0.945201 = 0.054799

• Ejercicio 2.45
Considere el proceso de fabricación de la fuente de alimentación del ejercicio 2.44. Supongamos que
quisiéremos mejorar el proceso. ¿puede el desplazamiento de la media reducir el numero de unidades
no conformes producidas? ¿Cuánto debería reducirse la variabilidad del proceso para que todas
menos una de cada 1000 unidades cumpla con las especificaciones?
R: El desplazamiento de la media no reducirá el numero de unidades no conformes, e incluso lo puede
aumentar, actualmente las condiciones del ejercicio la mantienen en el centro y con una probabilidad
de que las unidades cumplan con las especificaciones del 0.9876. (como se muestra en la siguiente
imagen)
Para que tenga una muestra fuera de especificación de 1000 la desviación estándar debe ser 0.015,
por lo que sería una varianza de 0.000225.
• Ejercicio 2.47
La vida útil de una batería de automóvil se distribuye normalmente con una media de 900 días y una
desviación estándar de 35 días. ¿Qué fracción de estas baterías se esperaría que sobreviviera más
de 1000 días?
x P( X ≤ x )
1000 0.997863
El planteamiento es encontrar X>x, por lo que la probabilidad de que sobreviviera más de 1000 días
sería de 1-0.997863 = 0.002137
• Ejercicio 2.49
Las especificaciones de un componente electrónico en un sistema de adquisición de objetivos son que
si vida útil debe estar entre 5,000 y 10,000 h. la vida se distribuye normalmente con una media de
7500 h. El fabricante las ofrece a un precio de $10 por unidad producida; sin embargo, las unidades
defectuosas deben reemplazarse a un costo de $5 para el fabricante. Se pueden utilizar dos procesos
de fabricación diferentes, ambos con la misma vida media. Sin embargo, la desviación estándar de
vida del proceso 1 es de 1000 h, mientras que para el proceso 2 es solo de 500 h. Los costos de
producción para el proceso 2 son el doble de los del proceso 1. ¿Qué valor de los costos de producción
determinara la selección entre los procesos 1 y 2?
Grafica de Distribución del Proceso 1 Grafica de Distribución del Proceso 2
Con las graficas de distribución podemos observar para el proceso 2 no hay posibilidad de obtener
producto fuera de especificación, y para el proceso 1 la probabilidad de tener producto fuera de
especificación es del 1-0.9876= 0.0124. Por lo que, suponiendo una producción de 1000 piezas
producidas, el proceso 1 tendría 12 piezas defectuosas y el proceso 2 ninguna, las ventas totales
serían de proceso 1 $9,940 y procesos 2 $10,000, lo cual la diferencia de ganancias sería de $60, sin
embargo, el valor es el doble del proceso 2 comparado al del proceso 1, por lo que, C2>C1 + 0.06
(C=costos) entonces se elegiría el proceso 1
• Ejercicio 3.1
Se sabe que los diámetros internos de los cojinetes utilizados en un conjunto de tren de aterrizaje de
avión tienen una desviación estándar de σ=0.002 cm. Una muestra aleatoria de 15 cojinetes tiene un
diámetro interior medio de 8.2535 cm.
a) Pruebe la hipótesis de que el diámetro medio interior medio de rodamiento es de 8.25 cm.
Utilice una prueba alternativa de dos colas y una α=0.05.
Estadísticas descriptivas
Error
estándar de
N Media la media
15 8.25350 0.00052
μ: media de Muestra
Desviación estándar conocida = 0.002
Prueba
Hipótesis nula H₀: μ = 8.25
Hipótesis alterna H₁: μ ≠ 8.25
Valor Z
6.78
b) Encuentre el P-Valor para esta prueba.
Valor p
0.000
Con el Valor-P < al nivel de significancia rechazamos la hipótesis nula, por lo tanto podemos concluir
que tenemos suficiente evidencia estadística para decir que el diámetro medio no es igual a 8.25.
c) Construya un intervalo de confianza de dos colas al 95% sobre el diámetro medio del
rodamiento.
IC de 95% para μ
(8.25249, 8.25451)
• Ejercicio 3.3
Se supone que la vida útil de una batería utilizada en un marcapasos cardiaco se distribuye
normalmente. Una muestra aleatoria de 10 baterías se somete a una prueba de vida acelerada
haciéndolas funcionar continuamente a una temperatura elevada hasta que fallan, y se obtienen las
siguientes vidas útiles (en horas): 25.5, 26.1, 26.8, 23.2, 24.2, 28.4, 25.0, 27.8, 27.3 y 25.7.
a) El fabricante quiere estar seguro de que la duración media de la batería supera las 25h. qué
conclusión puede extraer de los datos (utilice α=0.05).
Error Límite
estándar inferior
de la de
N Media Desv.Est. media 95% para μ
10 26.000 1.625 0.514 25.058
μ: media de baterías vida útil
Prueba
Hipótesis nula H₀: μ = 25
Hipótesis alterna H₁: μ > 25
Valor T Valor p
1.95 0.042
Con un Valor-P < a nuestro nivel de confianza (0.042<0.05) tenemos suficiente evidencia estadística
para concluir que la vida media de las baterías es superior a las 25h.
b) Construya un intervalo de confianza bilateral del 90% sobre la vida media en la prueba
acelerada.
Error
estándar
de la IC de 90% para
N Media Desv.Est. media μ
10 26.000 1.625 0.514 (25.058, 26.942)
μ: media de Baterias vida util
c) Construya una grafica de probabilidad normal de los datos de duración de la batería ¿qué
conclusión puedes sacar?
Obteniendo la grafica podemos ver que los datos no tienen un ajuste normal, sin embargo, la
cantidad de datos nos dan una conclusión sesgada, por lo que no se puede dar un veredicto
exacto.
• Ejercicio 3.5
Se ha desarrollado un nuevo proceso para aplicar fotorresistencia a obleas de silicio de 125 mm
utilizadas en la fabricación de circuitos integrados. Se probaron diez obleas y se observaron las
siguientes medidas de espesor de fotorresistencia (en angstroms x 1000): 13.3987, 13.3957, 13.3902,
13.4015, 13.4001, 13.3918, 13.3965, y 13.3925.
a) Pruebe la hipótesis de que el espesor medio es de 13.4x1000 𝐴̂. Use un α=0.05 y suponga
una alternativa de 2 caras.
Error
estándar
de la
N Media Desv.Est. media IC de 95% para μ
8 13.3959 0.0041 0.0015 (13.3924, 13.3993)
μ: media de Fotorresistencia a obleas
Prueba
Hipótesis nula H₀: μ = 13.4
Hipótesis alterna H₁: μ ≠ 13.4
Valor T Valor p
-2.84 0.025
Con un Valor-P de 0.025 < 0.05 de nivel de confianza, podemos decir que hay evidencia estadística
para concluir que el espesor medio no es igual a 13.4x1000.
b) Encuentre un intervalo de confianza de dos colas del 99% en el espesor medio de la
fotorresistencia. Suponga que el espesor se distribuye normalmente.
Error
estándar
de la
N Media Desv.Est. media IC de 99% para μ
8 13.3959 0.0041 0.0014 (13.3921, 13.3996)
c) ¿Parece razonable la suposición de normalidad para estos datos?

Realizando la prueba de normalidad podemos definir que la suposición de que los datos se comportan
de manera normal es correcta.
• Ejercicio 3.7
El cloruro férrico se utiliza como fundente en algunos tipos de procesos metalúrgicos de extracción.
Este material se envía en contenedores y el peso de los contenedores varia. Es importante obtener
una estimación precisa del peso medio del contenedor. Suponga que, a partir de una larga experiencia,
se determina que un valor confiable para la desviación estándar del peso del recipiente de flujo es de
4 lb. ¿Qué tamaño se necesitaría una muestra para construir un intervalo de confianza del 95% sobre
la media que tiene un ancho total de 1 lb?
Tamaño de la muestra para estimación
Método
Parámetro Desviación estándar

Distribución Normal
Desviación estándar 4
Nivel de confianza 95%
Intervalo de confianza Bilateral
Resultados
Tamaño
Margen de la
de error muestra
1 49
Para estas condiciones será necesario un tamaño de muestra de 49 de contenedores.
• Ejercicio 3.9
Se supone que la tensión de salida de una fuente de alimentación se distribuye normalmente. Dieciséis
observaciones tomadas al azar sobre el voltaje son las siguientes: 10.35, 9.3, 10, 9.96, 11.65, 12,
11.25, 9.58, 11.54, 9.95, 10.28, 8.37, 10.44, 9.25, 9.38 y 10.85.
a) Pruebe la hipótesis de que el voltaje es igual a 12V contra una alternativa de dos colas usando
un α=0.05
Error
estándar
de la
N Media Desv.Est. media
16 10.259 0.999 0.250
μ: media de Voltaje
Prueba
Hipótesis nula H₀: μ = 12
Hipótesis alterna H₁: μ ≠ 12
Valor T Valor p
-6.97 0.000
Con un Valor P de 0 concluimos que hay evidencia estadística para rechazar la hipótesis nula, es decir
los voltajes no son estadísticamente igual a 12 V
b) Construya un intervalo de confianza de dos colas al 95% en µ.
IC de 95%
para μ
(9.727, 10.792)
c) Pruebe la hipótesis de que σ2 =1 usando un α = 0.05.

Método
σ: desviación estándar de Voltaje
El método de Bonett es válido para cualquier distribución continua.
El método de chi-cuadrada solo es válido para la distribución normal.
IC de 95% IC de 95%
para σ para σ
usando usando
N Desv.Est. Varianza Bonett Chi-cuadrada
16 0.999 0.998 (0.749, 1.518) (0.738, 1.546)
Prueba
Hipótesis nula H₀: σ = 1
Hipótesis alterna H₁: σ ≠ 1
Estadística
Método de prueba GL Valor p
Bonett — — 0.996
Chi-cuadrada 14.97 15 0.907
Tomando el Valor P de Chi-cuadrada ya que asumimos que se comporta como una distribución
normal, podemos definir que no hay suficiente evidencia estadística para rechazar la hipótesis nula,
por lo que σ es estadísticamente igual a 1
d) Construya un intervalo de confianza de dos colas del 95% en σ.
IC de 95%
para σ
usando
Chi-cuadrada
(0.738, 1.546)
e) Construya un intervalo de confianza superior del 95% en σ.
IC de 99%
para σ
usando
N Desv.Est. Varianza Chi-cuadrada
16 0.999 0.998 (0.676, 1.804)
f) ¿Parece razonable la suposición de la normalidad para el voltaje de salida?

Con la grafica de normalidad de voltaje y el valor P, concluimos que sí, el comportamiento de

los datos tiende a ser normales.
• Ejercicio 3.11
Dos técnicos de control de calidad midieron el acabado superficial de una pieza metálica, obteniendo
los datos mostrados. Suponga que las medidas se distribuyen normalmente.
Técnico 1 Técnico 2
1.45 1.54
1.37 1.41
1.21 1.56
1.54 1.37
1.48 1.20
1.29 1.31
1.34 1.27
1.35
a) Pruebe la hipótesis de que las medidas medias del acabado superficial realizadas por los dos
técnicos son iguales. Use un α=0.05 y asuma varianzas iguales.
Método
μ₁: media de técnico 1
µ₂: media de técnico 2
Diferencia: μ₁ - µ₂
Se presupuso igualdad de varianzas para este análisis.
Error
estándar
de la
Muestra N Media Desv.Est. media
Tecnico 1 7 1.383 0.115 0.043
Tecnico 2 8 1.376 0.125 0.044
Estimación de la diferencia
Desv.Est.
Diferencia agrupada
0.0066 0.1204
Prueba
Hipótesis nula H₀: μ₁ - µ₂ = 0
Hipótesis alterna H₁: μ₁ - µ₂ ≠ 0
Valor T GL Valor p
0.11 13 0.917
Con un Valor P obtenido de 0.917 concluimos que las medias entre el técnico 1 y el técnico son
estadísticamente iguales, por lo que no se rechaza la hipótesis nula.
b) ¿Cuáles son las implicaciones practicas de la prueba del inciso a)? discuta cuales son las
conclusiones practicas que sacaría si se rechazara la hipótesis nula
La implicación más obvia seria la cuestión de decisión de tiempo, al rechazar la hipótesis nula quiere
decir que las medias obtenidas no son iguales, así que haría que contratásemos al 1 en lugar del 2 o
viceversa, la pérdida de tiempo estaría en que juzgaríamos una cualidad en la que ambos son iguales,
cuando podríamos estar evaluando otra.
c) Suponiendo que las varianzas son iguales, construya un intervalo de confianza del 95% sobre
la diferencia media en las mediciones del acabado de la superficie.
IC de 95% para
la diferencia
(-0.1280, 0.1412)
d) Probar la hipótesis de que las varianzas en las mediciones realizadas por los 2 técnicos son
iguales, Usar α=0.05. ¿Cuáles son las implicaciones practicas si la hipótesis nula es
rechazada?
Método
σ₁: desviación estándar de técnico 1
σ₂: desviación estándar de técnico 2
Relación: σ₁/σ₂
Se utilizó el método F. Este método es exacto sólo para datos normales.
IC de 95%
Variable N Desv.Est. Varianza para σ
técnico 1 7 0.115 0.013 (0.074, 0.253)
técnico 2 8 0.125 0.016 (0.083, 0.254)
Relación de desviaciones estándar
IC de 95%
para la
Relación relación
estimada usando F
0.919587 (0.406, 2.195)
Prueba
Hipótesis nula H₀: σ₁ / σ₂ = 1
Hipótesis alterna H₁: σ₁ / σ₂ ≠ 1
Nivel de significancia α = 0.05
Estadística
Método de prueba GL1 GL2 Valor p
F 0.85 6 7 0.854
El valor P nos lleva a la misma decisión tomada en el inciso a), el haber rechazado la hipótesis
nula nos lleva a indicar que estamos concluyendo que la varianza de los técnicos no es igual,
por lo que uno de ellos dos sus datos son mas dispersos que el otro.
e) Construya una estimación del intervalo de confianza del 95% de la razón de las varianzas del
error de medición del técnico 1.
IC de 95%
para la
relación
usando F
(0.165, 4.818)
f) Construya un intervalo de confianza del 95% sobre la varianza del 95% sobre la varianza del
error de medición para el técnico 2.
IC de 95%
para σ
(0.007, 0.065)
g) ¿El asumir la normalidad parece razonable para los datos?

Dado el Valor P y el comportamiento en el grafico de probabilidad, es razonable asumir que los datos
se comportan de manera normal.

Serie de Ejercicios MINITAB

Cargado por

Copyright:

Formatos disponibles

Serie de Ejercicios MINITAB

Cargado por

Información del documento

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Serie de Ejercicios MINITAB

Cargado por

Copyright:

Formatos disponibles

Serie de Ejercicios MINITAB

Técnicas Estadísticas para la Calidad

94.1 87.3 94.1 92.4 84.6 85.4

Tiempo de Falla en Horas

13.3 14.9 15.8 16

c) Gráfica de Distribución Weibull:

0.78 9.59 2.26 8.13 3.16

Grafica de Probabilidad Normal:

Grafica de Probabilidad logarítmica Normal

b) ¿Cuál es la probabilidad de que un ensamblaje tenga uno o más defectos?

La probabilidad de que saquen 1 o más defectos es de 1- 0.999803 = 0.000197

c) Encuentre la función de distribución acumulativa.

La probabilidad es del 0.1175 de que falle una calculadora en el año

La probabilidad de aceptación del lote es de 0.6333.

Para salgan al menos 2 errores:

La probabilidad de que salgan con una resistencia superior a la de 48 lb es de 1 – 0.945201 = 0.054799

Grafica de Distribución del Proceso 1 Grafica de Distribución del Proceso 2

b) Encuentre el P-Valor para esta prueba.

μ: media de Baterias vida util

μ: media de Fotorresistencia a obleas

c) ¿Parece razonable la suposición de normalidad para estos datos?

Parámetro Desviación estándar

c) Pruebe la hipótesis de que σ2 =1 usando un α = 0.05.

e) Construya un intervalo de confianza superior del 95% en σ.

f) ¿Parece razonable la suposición de la normalidad para el voltaje de salida?

Con la grafica de normalidad de voltaje y el valor P, concluimos que sí, el comportamiento de

g) ¿El asumir la normalidad parece razonable para los datos?

También podría gustarte

Pfad - The Proxy pFad of © 2024 Garber Painting. All rights reserved.