1.

Los siguientes datos representan el comportamiento del peso en unidades producidas en el

proceso de envase de yogures.
252,57 254,12 257,91 242,44 248,74 241,37 272,41 250,63 242,71 252,55
231,36 237,81 238,61 256,86 259,33 268,61 252,73 248,75 248,14 241,66
239,56 247,6 252,25 240,24 265,93 264,91 231,74 231,49 236,48 242,11
239,09 249,88 261,2 254,54 249,27 239,43 233,52 252 263,4 232,34
253,81 253,36 260,21 254,66 261,06 250,1 252,63 259,6 238,36 233,86
251,1 262,41 242,72 237,88 237,51 240,2 247,12 250,36 211,56 245,16
214,57 256,42 255,44 258,41 254,89 248,02 263,12 241,97 222,9 266,87
244,23 258 243,04 266,56 241,33 240,64 262,75 242,3 236,76 261,65
252,8 243,08 240,48 272,63 235,48 245,28 278,09 274,31 250,78 262,94
248,77 244,94 246,11 257,78 243,4 250,56 251,26 260,99 247,5 217,41

Se pide realizar un análisis contextual con el siguiente:

Realizar un análisis de la variable estableciendo explícitamente la hipótesis sobre el
comportamiento de la misma y realizar la prueba Chi cuadrado con el fin de corroborarla.

SOLUCION

Lo primero que realizamos es la estadística descriptiva para los datos anteriores donde
tendremos valores que podremos necesitar para hacer el respectivo análisis de los datos.

Para los datos anteriores se procedió a mirar si tienen una tendencia normal con la prueba
de kolmogorov smirnof.
Como estamos trabajando con la prueba de kolmogorof procedemos a las tablas
estadísticas las cuales nos dan los siguientes valores.
 Según la grafica anterior como trabajamos mas de 40 datos utilizamos la formula para
0,05 que es la siguiente
(𝟏, 𝟑𝟔/√𝒏)
Procedemos a reemplazar el valor de n debido a que trabajamos con 100 datos.

𝟑𝟔
(𝟏, ) = 𝟎, 𝟏𝟑𝟔
√𝟏𝟎𝟎

Tomamos el valor de ks que nos arrojó el software minitab para hacer la comparación y poder
decir que no se ajusta a ks debido a que en las tablas el valor es mayor

0,052 < 0,136

2. J
3. Se tomó una muestra de n= 100 filamentos de tungsteno para la elaboración de
resistencias eléctricas en un fábrica de duchas, en donde se consideró que el proceso tenía
un comportamiento estable obteniéndose una media de 1420 horas de servicio efectivos
con una desviación estándar de 175 horas. Usar un 95% de confianza.

a. ¿presentan estos datos evidencia suficiente para suponer que la vida útil de los filamentos
supera las 1500 horas de servicio?

Tenemos que la

Hipótesis = 1500

Hipótesis alternativa = >1500

Como el valor de z fue igual a -4.57 decimos que la hipótesis alternativa es aceptada debido a
que es menor que 1.96 que es el valor estándar para un nivel de confianza del 95%.
El valor de p nos dio como resultado de la hipótesis alternativa un valor de 1 lo que dice que es
superior al 0.05 de confiabilidad

b. Con los datos del problema realice una simulación de comportamiento de la variable en el
software Minitab y evalué el comportamiento de la variable.

Gráfica de probabilidad de vida util filamentos

Normal
99,9
Media 1389
Desv.Est. 174,6
99 N 100
AD 0,234
95 Valor P 0,790
90
80
Porcentaje

70
60
50
40
30
20
10
5

0,1
1000 1250 1500 1750 2000
vida util filamentos

Como primera medida recurrimos a realizar una prueba de normalidad con Anderson Darling ya que
este método es más confiable de los que existen y según la gráfica anterior podemos observar que
según los datos generados aleatoriamente tienen un comportamiento de una variable normal, pero
se debe tener en cuenta que como son datos aleatorios no siempre tendrán el mismo
comportamiento.

Después de realizar la prueba de normalidad se procede a realizar la estadística descriptiva para los
datos que se generaron aleatoriamente la cual nos arroja los siguientes resultados:
Con estos datos de media y desviación procedemos a hacer experimentos simulando las
diferentes hipótesis.

EXPERIMENTO 1

Hipótesis 0= Mx=Ma 1500 horas

Hipótesis 1 = Mx <Ma 1500 horas

Los datos del primer experimento nos arrojaron los siguientes resultados:

Como vemos en la imagen anterior el valor de p = 0 por lo tanto inmediatamente se rechaza la

hipótesis 0

CON EL EXPERIMENTO ANTERIOR PODEMOS DEDUCIR QUE NO TENEMOS DATOS SUFICIENTES

PARA PENSAR QUE LOS FILAMENTOS TIENEN UNA VIDA UTIL DE 1500 EXACTAMENTE PERO SI
TENEMOS DATOS SUFICIENTES PARA DECIR QUE TIENE UNA VIDA MEDIA MENOR A 1500
HORAS.

Procedemos con el experimento numero 2

EXPERIMENTO 2

Hipotesis 0 = Mx=Ma= 850

Hipotesis 1= Mx>Ma= 850

La simulación de los datos del experimento 2 son los siguientes:

Como vemos en la imagen anterior el valor de p = 0 por lo tanto inmediatamente se rechaza la

hipótesis 0

CON EL EXPERIMENTO ANTERIOR PODEMOS DEDUCIR QUE NO TENEMOS DATOS SUFICIENTES

PARA PENSAR QUE LOS FILAMENTOS TIENEN UNA VIDA UTIL DE 850 EXACTAMENTE PERO SI
TENEMOS DATOS SUFICIENTES PARA DECIR QUE TIENE UNA VIDA MEDIA SUPERIOR A 850 HORAS.

Ahora procedemos a realizar el experimento 3

EXPERIMENTO 3

Hipótesis 0: Mx=Mh=1000

Hipótesis 1: Mx>Mh=1000
Para facilitar el análisis vemos que la prueba P no dio un valor de 0.000 el cual es menos al 0.05 y
podemos descartarla inmediatamente sin tener en cuenta la prueba z.

En el experimento 3 no tendríamos los datos suficientes para decir que la vida útil es de 1000
horas pero si para decir que es mayor que 1000 horas, por lo siguiente procedemos a realizar la
validación del proceso.

VALIDACIÓN DEL PROCESO

Para la validación del proceso se realizara una experimento 4

Experimento 4

Hipótesis 1: Mx=Mreal =1420

Hipótesis 0: Mx diferente M real

En este caso por la prueba P validamos la hipótesis que es 1420 debido a que la simulación nos
arrojó un valor de 0.079 que es superior al 0.05.

Y para la prueba z el valor fue menor que 1.94 el cual es el estándar para un 95% de confianza.

Entonces podemos afirmar que se aprueba la validación del proceso

4. El departamento de electrónica de una fábrica de celulares quiere comparar la vida media

de dos tipos diferentes de procesadores para la misma gama de equipo. Se tomó una
muestra de 15 procesadores A1 donde se obtuvo una media de 4320 h con una desviación
estándar de 450 h y haciendo el mismo proceso de muestreo se probaros 20 procesadores
A2, con valores medios de 5320 horas de vida y una desviación de 530 h. se quiere probar
la hipótesis de igualdad de vida promedio. Usar un α=5% y calcular el IC de confianza
correspondiente. Realizar el análisis con datos resumidos y simular el comportamiento de
la variable en Minitab.
A1 A2
n 15 20
Media 4320 5320
Desviación estándar 450 530

SOLUCION

Debido a que los datos en el ejercicio son menores de 30 se utiliza la prueba 3 para dos muestras
Al realizar el análisis de las hipótesis podemos decir que descartamos la hipótesis nula debido a
que el valor de P es 0 por lo tanto se rechaza observando que A2 es mayor que A1 pero si
realizamos la prueba de hipótesis de la siguiente manera observamos que el valor de la prueba P
es 1.00 con lo cual aceptamos la hipótesis debido a que supera el valor estándar de 0.05
Después de realizar el ejercicio con datos resumidos procedemos a generar números aleatorios
para los dos tipos de equipos, para después generar la estadística descriptiva correspondiente a
cada una de las columnas.
Después de realizar la estadística descriptiva se realizara la prueba t para comprobar las dos
hipótesis.

Para la primera prueba con los En la segunda prueba nuestro valor de p

datos aleatorios el valor de p es es 1 lo cual nos indica que podemos
0.00 lo que nos hace rechazar la aceptar la hipótesis planteada
hipótesis nula
 Gráfica de caja de A1 . A2
7000

6500

6000

5500
Datos

5000

4500

4000

A1 A2

Con el diagrama de cajas analizamos que A2 es mayor que A1 debido a que las medianas se
encuentran en la parte inferior del tercer cuartil, pero en el caso A1 la mediana está por debajo
pero muy cercana a Q3, pero en A2 la mediana se encuentra muy alejada de Q3
 5. Se quiere analizar la eficiencia de un proceso de producción en donde intervienen dos
máquinas similares las cuales producen el mismo tipo de producto, sin embargo estas tienen
operarios diferentes. Se observó que el número de productos defectivos derivados de la
maquina 1 fue de 557 de un total producido mes de 8320, y los defectivos de la maquina 2
fueron 1040 de un total de 12400. La diferencie en las cantidad producidas se debe a la
experticia del operario. Usar un α= 0.05 y calcular el IC para la variable.

Debido a que el valor p es menor a 0,05 se rechaza la hipótesis anterior.

Esta hipoteisis anterior también se rechaza debido a que el valor de la prueba p también es 0
En esta última hipótesis podemos ver que el valor de la prueba p es de 1 la cual decimos que la
podemos aceptar ya que p es mayor que el nivel de significancia y podemos afirmar que la
maquina 1 es la que tiene mayores unidades con defectos.
6. Se ha decidido analizar el comportamiento de la Maquina 1 y se han implementado tres
turnos al proceso con operarios calificados y con distintos niveles de experiencia en la
fabricación del producto. La información muestral se presenta en la siguiente tabla.

Se quiere saber si existe diferencia en el número de unidades defectivas producidas entre

turnos y si estas dependen del nivel de experticia de los operarios o si se pueden asumir a
mala calibración de la máquina.

Experimento

Hipótesis 0: p1=p2=p3=p3=pa

Hipótesis 1: por lo menos una Pi de las otras

𝑝𝑎 2
𝐄𝐩 = 𝑥 2 = (𝑥 + 𝑎)𝑛 = ∑ (𝐹𝑜𝑖−𝐹𝑒𝑖
𝐹𝑒𝑖
)
𝑖=𝑛

Rechazamos si:

𝒙𝟐 > 𝒙𝟐 𝜶𝒌 − 𝟏

solucion

𝟒𝟑𝟏𝟓(𝟏𝟗𝟓)
𝑭𝒆𝒙𝟏 = ( ) = 𝟔𝟑. 𝟏𝟗
𝟏𝟑𝟑𝟏𝟓

𝟑𝟓𝟎𝟓(𝟏𝟗𝟓)
𝑭𝒆𝒙𝟐 = ( ) = 𝟓𝟏. 𝟑𝟑
𝟏𝟑𝟑𝟏𝟓

𝟓𝟒𝟗𝟓(𝟏𝟗𝟓)
𝑭𝒆𝒙𝟑 = ( ) = 𝟖𝟎. 𝟒𝟕
𝟏𝟑𝟑𝟏𝟓
 𝟒𝟑𝟏𝟓(𝟏𝟑𝟏𝟐𝟎)
𝒇𝒆𝒏−𝟏 = ( ) = 𝟒𝟐𝟓𝟏. 𝟖𝟎
𝟏𝟑𝟑𝟏𝟓

𝟑𝟓𝟎𝟓(𝟏𝟑𝟏𝟐𝟎)
𝒇𝒆𝒏−𝟐 = ( ) = 𝟑𝟒𝟓𝟑. 𝟔𝟔
𝟏𝟑𝟑𝟏𝟓

𝟓𝟒𝟗𝟓(𝟏𝟑𝟏𝟐𝟎)
𝒇𝒆𝒏−𝟑 = ( ) = 𝟓𝟒𝟏𝟒. 𝟓𝟐
𝟏𝟑𝟑𝟏𝟓

(𝟔𝟓 − 𝟔𝟑. 𝟏𝟗)𝟐

𝑿𝟐𝟏 = = 𝟎. 𝟎𝟓
𝟔𝟑. 𝟏𝟗

(𝟓𝟓 − 𝟓𝟏. 𝟑𝟑)𝟐

𝑿𝟐𝟐 = = 𝟎. 𝟐𝟔
𝟓𝟏. 𝟑𝟑

(𝟕𝟓 − 𝟖𝟎. 𝟒𝟕)𝟐

𝑿𝟐𝟑 = = 𝟎. 𝟑𝟕
𝟖𝟎. 𝟒𝟕

(𝟒𝟏𝟖𝟓 − 𝟒𝟏𝟖𝟕)𝟐
𝑿𝟐𝟒 = = 𝟗. 𝟓𝟓𝒙𝟏𝟎−𝟒
𝟒𝟏𝟖𝟕

(𝟑𝟑𝟗𝟓 − 𝟑𝟑𝟗𝟗)𝟐
𝑿𝟐𝟓 = = 𝟒. 𝟕𝟎𝒙𝟏𝟎−𝟑
𝟑𝟑𝟗𝟗

(𝟓𝟑𝟒𝟓 − 𝟓𝟑𝟑𝟗)𝟐
𝑿𝟐𝟔 = = 𝟔. 𝟕𝟒𝒙𝟏𝟎−𝟑
𝟓𝟑𝟑𝟗

𝑿𝟐 = 𝟎. 𝟎𝟓 + 𝟎. 𝟐𝟔 + 𝟎, 𝟑𝟕 + 𝟗. 𝟓𝟓𝒙−𝟒 + 𝟒. 𝟕𝟎𝒙−𝟑 + 𝟔. 𝟕𝟒𝒙−𝟑 = 𝟎. 𝟕𝟏𝟗𝟔

 Prueba chi-cuadrada para % de defectuosos para Elementos de por X
Informe de diagnóstico

Número de elementos defectuosos y no defectuosos

Defectuosos No defectuosos
X Observado Esperado Observado Esperado
X1 65 63,2 4185 4187
X2 55 51,3 3395 3399
X3 75 80,6 5345 5339
• Para asegurar la validez de la prueba, el número esperado de defectuosos
y no defectuosos debería ser por lo menos 1,5.
• Para asegurar la validez de los intervalos de comparación, el número
observado de defectuosos y no defectuosos debe ser por lo menos 5.

Prueba chi-cuadrada para % de defectuosos para Elementos de por X

Tarjeta de informe
Verificar Estado Descripción
Validez Todas las muestras son lo suficientemente grandes para obtener suficientes conteos esperados. El valor p de la prueba
de la prueba debería ser exacto.

Validez de Todas las muestras tienen por lo menos 5 defectuosos y 5 no defectuosos. Los intervalos de comparación deberían ser
intervalos exactos.

Tamaño de la Sus datos no proveen suficiente evidencia para concluir que existen diferencias entre los % de defectuosos. Esto podría
muestra i deberse a que los tamaños de las muestras son demasiado pequeños. El Informe de potencia muestra que, de acuerdo
con los tamaños de sus muestras y α, usted tendría una probabilidad de al menos 90% de detectar una diferencia de 0,99.
Algunos profesionales consideran que una probabilidad de detección de 80% es suficiente. Si esto se aplica a su caso,
usted puede concluir que no es probable que existan diferencias de 0,86 o mayores. Para determinar qué tan grande
deben ser sus muestras para detectar una diferencia que tenga implicaciones prácticas, repita el análisis e ingrese un valor
para la diferencia.

Debido a que el valor de la sumatoria de los valores de la prueba chi^2 fue menor que la
de chi ^2 invertido podemos aceptar la hipótesis.
Debido a que la prueba chi ^2 nos aceptó la hipótesis podemos concluir que los defectos
no se encontraron en él, nivel de experticia de los operarios si no en la mala calibración
de la máquina.
 7. Se quiere probar si dos diferentes procesos de manufactura (A y B) de focos tipo A19 de 60
W tienen la misma dispersión de vida. Se tomaron 61 muestras del proceso A y 31 muestras
para el proceso B obteniéndose: σA= 236 h y σB= 172 h. Aplicar una PH usando un α= 0.05.
Utilice el asistente de Minitab para realizar un análisis más elaborado para este proceso y
justifique sus respuestas.

Respuesta: la hipótesis que se planteó la podemos aceptar debido a que el valor p que
obtuvimos con el minitab es mayor al de significancia que es 0,05.