CONTROL DE CALIDAD GRUPO: I

Practico N° 4

Nombre: Limpias Zapata Juan Pablo Registro: 217062121

1. En un estudio estadístico, ¿qué es una población y para qué se toma una muestra?

La población es un conjunto formado por la totalidad de individuos, objetos o medidas de interés

sobre los que se realizan un estudio.

La muestra se utiliza cuando tenemos una población infinita y por medio de cálculos muestréales
adecuados nos permitirá hacer afirmaciones acerca de toda la población.

3.¿Qué implica realizar una estimación puntual y en qué consiste la estimación por intervalo
para la media?

El estimador puntual de un parámetro es un estadístico que genera un valor numérico simple, y

que se utiliza para proporcionar una estimación del valor del parámetro desconocido. Por ejemplo,
con frecuencia es necesario estimar el valor de:

 La media 𝜇 del proceso (o población objeto de estudio).

 La varianza 𝜎 o la desviación estándar del proceso.
 La proporción p de artículos defectuosos.

5. Explique el papel que desempeñan las distribuciones de probabilidad en la inferencia

estadística.

Una distribución de probabilidad Distribución de una variable o X relaciona el conjunto de valores

posibles de aleatoria X, con la probabilidad asociada a estos valores.

Una distribución de probabilidad también se puede considerar una distribución teórica de

frecuencia, que describe cómo se espera que varíen los resultados de la variable aleatoria. De esta
forma, lo aleatorio se modela (describe, acota), y al observar una realización específica de un
estadístico es posible corroborar o rechazar supuestos (prueba de hipótesis) o hacer estimaciones
poblacionales. Las distribuciones de probabilidad que más se emplean en intervalos de confianza y
pruebas de hipótesis son las distribuciones: normal,iT de Student,ji-cuadrada y F.

7. Explique que es un estadístico de prueba y señale su relación con los intervalos de aceptación
y rechazo

Un estadístico de prueba es un valor estandarizado que se calcula a partir de los datos de la

muestra durante una prueba de hipótesis. Puede utilizar los estadísticos de prueba para
determinar si puede rechazar la hipótesis nula.

9.Señale y describa de manera breve los tres criterios equivalentes de rechazo de una hipótesis.
Estadístico de prueba frente a valor crítico:

Este criterio se utilizó en el ejemplo previo y es el que de manera tradicional se empleaba antes de
los avances en materia computacional que ahora existe. Este método consiste en rechazar H0 sí el
estadístico de prueba cae en la región de rechazo que está delimitada por el valor crítico.

Significancia observada frente a significancia predefinida:

La significanda predefinida que se denota con o: es el riesgo máximo que se está dispuesto a
correr por rechazar H0 indebidamente (error tipo I). Mientras que la significanda observada o
calculada, también conocida como p-value o valor-p, es el área bajo la distribución de referencia
que está más allá del valor del estadístico de prueba.

Significancia observada frente a significancia predefinida:

La significanda predefinida que se denota con o: es el riesgo máximo que se está dispuesto a
correr por rechazar H0 indebidamente (error tipo I). Mientras que la significanda observada o
calculada, también conocida como p-value o valor-p, es el área bajo la distribución de referencia
que está más allá del valor del estadístico de prueba.

11.En la elaboración de envases de plástico es necesario garantizar que cierto tipo de botella en
posición vertical tenga una resistencia mínima de 50 kg de fuerza. Para asegurar esto, en el
pasado se realizaba una prueba del tipo pasa-no-pasa, donde se aplicaba la fuerza mínima y se
veía si la botella resistía o no. En la actualidad se realiza una prueba exacta, en la que mediante
un equipo registra la resistencia que alcanzó la botella.

a) ¿Qué ventajas y desventajas tiene cada método?

1° Método: Paso – no pasa

Ventajas: Es más rápido
Desventajas: Imprecisión en los datos
2°Método: Hacer pruebas de resistencia
Ventajas: Precisión en los datos
Desventaja: Es más lento
b) Para evaluar la resistencia media de los envases se toma una muestra aleatoria de n = 20
piezas. De los resultados se obtiene que X= 55.2 y S = 3. Estime con una confianza de 95% ¿cuál
es la resistencia promedio de los envases?

Datos

5
X= 55.2 n= 20 x−t α ; n−1
2 √n
5
S= 3 μ = 52 x +t α ; n −1
2 √n
N.C= 95% a=0.05 ν=n−1
 3
55.2−(2.093)
√ 20
3
55.2+( 2.093)
√20
ν=20−1=19
Límite inferior =53.79
Límite superior =56.60

La resistencia promedio de los envases se encuentra entre 53.79 y 56.60.

c) Antes del estudio se suponía que μ = 52. Dada la evidencia de los datos, ¿tal supuesto es
correcto?

No, la media de 52 es incorrecta porque está por debajo del límite inferior.

d) Con los datos anteriores, estime con una confianza de 95% ¿cuál es la desviación estándar
poblacional (del proceso)?

( n−1 ) S2
x 2α n−1
2

( n−1 ) S 2
x2 α , n−1
1−
2

ν=n−1
( 20−1 ) (3)2
32.852
( 20−1 ) (3)2
8.907
Límite inferior: 5.2051

Límite superior: 19.1983

15.Una característica importante en la calidad de la leche de vaca es la concentración de grasa.

En una industria en particular se fijó como estándar mínimo del producto que se recibe
directamente de los establos lecheros sea de 3.0%. Por medio de 40 muestreos y evaluaciones
en cierta época del año se obtuvo que X= 3.2 y S = 0.3.

a) Estime con una confianza de 90% el contenido promedio de grasa poblacional.

Datos

𝑁.𝐶=90% 𝑆=0.3 𝑋̅ =3.2

𝑛=40 𝛼=0.10

( n−1 ) S2
x 2α n−1
2

( n−1 ) S 2
x2 α , n−1
1−
2

b) ¿Cuál es el error máximo de estimación para la media? ¿Por qué?

c) Si se quiere estimar la media con un error máximo de 0.05, ¿qué tamaño de muestra se
requiere?

Datos

𝑁.𝐶=90% 𝑆=0.3 𝑋̅ =3.2

𝑛=? E=0.05

2 α
z p
(1−^p )
2
n= 2
E

( 1.64 )2 (0.10)(1−0.10)
n= 2
=39.73
(0.05)
El tamaño de la muestra debe ser 39.73, para estimar la media con un error máximo de 0.05.

d) Estime con una confianza de 95%, ¿cuál es la desviación estándar poblacional?

( n−1 ) S2
x 2α n−1
2
 ( n−1 ) S 2
x2 α , n−1
1−
2

ν=n−1
2
( 40−1)(0.3)
=0.0801
43.773
2
( 40−1)(0.3)
=0.1898
18.493
ν=40−1

e) ¿Qué puede decir acerca de la cantidad mínima y máxima de grasa en la leche? ¿Es posible
garantizar con suficiente confianza que la leche tiene más de 3.0% de grasa? Sugerencia: aplique
la regla empírica.

Sí, porque de acuerdo a la hipótesis aceptada el contenido de grasa esta entre un límite de 3.1201
y 3.2799.

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.

Datos

n = 200

μ = 10

P= ^p −z α
2 √
^ ( 1− ^p )
P
n
≤ p≤ ^
P−z α
2 √
p^ ( 1− ^
n
P)
=1−α

1−α=0.95
1−0.95=α
α =0.95
(Z )
α
a 1−0.05
∅ 2
=1− = =0.975
2 2
 z α =11.9599
2

P=0.05−195996
√ 0.05 (1−0.05 )
200
≤ p ≤0.05−1.95996
200 √
0.05 ( 1−0.05 )
=0.95

P(0.01979≤ p ≤ 0.0802)= 0.95

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

E=Z α
2 √ ^
P (1− ^p )
n

E=1.95996
√ 0.05 ( 1−0.05 )
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%?

^ ( 1− ^p )
Zα P
2
n=
E2
2
1−95996 ∗0.05 ( 1−0.05 )
n=
(0.02)2

19.Para evaluar la efectividad de un fármaco contra cierta enfermedad se integra en forma

aleatoria un grupo de 100 personas. Se suministra el fármaco y transcurrido el tiempo de prueba
se observa x = 65 personas con un efecto favorable.

a) Estime con una confianza de 90% la proporción de efectividad que se logrará con tal fármaco.
Realice una interpretación de los resultados.

Datos

X= 65

n = 100

Nivel de confianza = 0.90

^p−z α
2 √ ^
P ( 1− ^p )
n
 x
P=
n
65
P= =0.65
100

√
0 , 65 ± 0 , 45 ❑
0,0511 −0.65
10 0

0 , 04 ± 2.06 ❑
√ 0,0511 −0.65
10 0
0.65±0.0222

0.65 + 0.022 = 0.672

0.65 – 0.022 = 0.628

0.04 ± 0.041

0.04 + 0.041 = 0.081

0.04 – 0.041 = 0.01

Con una confianza del 90 % se estima que 𝜌 está entre 0.672 y 0.628, o en términos
porcentuales entre 67.2% y 62.8%

b) ¿Con base en lo anterior se puede decir que a la mayoría de las personas (más de la mitad) les
hizo buen efecto el fármaco?

Con lo realizado anterior se confirma que más de la mayoría de las personas les hizo
bueno el fármaco.

c) ¿Qué tamaño de muestra debe usarse si se quiere tener un error de estimación máximo de 4%
(0.04)?

Debe usarse un 2.06 de muestra para que el error de estimación sea de 0.04

21.Un inspector de la Procuraduría Federal del Consumidor acude a una planta que elabora
alimentos para verificar el cumplimiento de lo estipulado en los envases de los productos en
cuanto a peso y volumen. Uno de los productos que decide analizar es el peso de las cajas de
cereal, en las cuales para una de sus presentaciones se establece que el contenido neto es de de
300 gramos. El inspector toma una muestra de 25 cajas y pesa su contenido. La media y
desviación estándar de la muestra son x – = 298.3 y S = 4.5.
a) Suponiendo una distribución normal, pruebe la hipótesis de que μ = 300 contra la alternativa
de que es diferente, con un nivel de significancia de 5%. Formular claramente las hipótesis,
cálculos y conclusión.

Datos

Media muestral = 298.3

𝐻0: 𝜇=300
𝐻1: 𝜇≠300

Media poblacional= 300

S= 4.5 n= 25 a= 0.05 t a/2 = 0.025 tabla t student

x−μo
t 0=
S
√n

298.3−300
t 0= =−1.8889
4.5
√25
V = n – 1 grados de libertad

V= 25- 1 = 24

t α ∕ 2=2.064 valor de tabla t−studen

Debido a que la hipótesis nula es menor que el t(a,v), no se cumple el criterio de rechazo, por lo
tanto se acepta la hipótesis nula

b) Repita el inciso anterior pero ahora con un nivel de significancia de 10%.

a= 0.1 t a/2 = 0.05 tabla t student

x−μo
t 0=
S
√n

298.3−300
t 0= =−1.8889
4.5
√25
V = n – 1 grados de libertad

V= 25- 1 = 24
 t α ∕ 2=1.711valor de tabla t−studen

Por lo tanto debido a que el to es mayor al t(a,v) se cumple el criterio de rechazo, por lo tanto, se
rechaza la hipótesis nula

c) ¿Desde la perspectiva del consumidor del producto cuál debe ser la hipótesis alternativa que
debe plantear el inspector en este problema? Argumente.

la hipótesis alternativa que se debe plantear debería indicar que la media es menor a 300. Porque
le conviene al consumidor que el peso de la caja no sea menor a 300

d) Haga el inciso a) pero ahora planteando como hipótesis alternativa μ < 300

𝐻0: 𝜇≥300
𝐻1: 𝜇<300
a=0.05

x−μo
t 0=
S
√n
v=n–1

H0 no se rechaza si el valor del estadístico de prueba (t) es mayor o igual a -1.711

23. Las especificaciones técnicas de un comprensor establecen que el aumento promedio de

temperatura en el agua usada como enfriador en la cámara del compresor es menor a 5 °C. Para
verificar esto se mide el aumento de temperatura en el agua en 10 periodos de funcionamiento
del compresor, y se obtiene que son x – = 6.6 y S = 2.0.

a) Plantear las hipótesis para la media que son adecuadas al problema. Argumente.

se toma en consideración que la cámara del compresor es menor que 5°C entonces:

Ho: u = u0 =5

La hipótesis alternativa se determina mediante el aumento de temperatura

Ha: u > u0

b) Pruebe las hipótesis planteadas con un nivel de significancia de 5%.

Datos

X=6.6 n=10 α= 0.05

S=2 Uo=5

Ho: u = u0 =5
Ha: u > u0

x−μo
t 0=
S
√n
6.6−5
t 0= =2,5298
2
√10
t 0 α , u=−1,833

t 0 >t α

Se rechaza Ho, las especificaciones técnicas del comprensor establecen el promedio de

temperatura en el agua usada como compresor no es menor que 5%

c) Si en lugar de trabajar con una significancia de 5%, lo hace con una de 1%, ¿se mantiene la
conclusión del inciso anterior? Explique.

a= 0.01

x−μo
t 0=
S
√n
6.6−5
t 0= =2,5298
2
√10
t 0 α , u=−2 , 82

t 0 <t α

Se acepta Ho, la especificación técnica del comprensor establece el promedio de

temperatura en el agua usada como compresor es menor que 5%

27. En el problema anterior, pruebe la hipótesis para la desviación estándar de σ = 5.0 contra la
alternativa de que es mayor.

𝜎= 5.0 𝐻0: 𝜎 < 5.0

Datos del problema: 𝐻𝐴: 𝜎 > 5.0
𝑥̅ = 202.5
𝑆 = 7.0
v= 14 n=15
( n−1 ) S2
2
x= 0
σ 20
29. ¿En el ejercicio 17 de este capítulo es correcto afirmar que más de 8% de las facturas tienen
alguna anomalía? Para responder, formule y pruebe la hipótesis pertinente con una significancia
de 5%.

n = 200 a=0.05
μ = 10
𝐻0 : 𝜇=100
𝐻1: 𝜇≠100
x−μo
t 0=
S
√n

200−10
t 0=
S
√n
v=n–1

31. Dos máquinas, cada una operada por una persona, son utilizadas para cortar tiras de hule,
cuya longitud ideal debe ser de 200 mm. De las inspecciones de una semana (25 piezas) se
observa que la longitud media de las 25 piezas para una máquina es de 200.1 y para la otra es de
201.2. ¿Es significativa la diferencia entre los dos casos? Argumente su respuesta.

Sean 𝜇𝑥=200.1 𝑦 𝜇𝑦=201.2 se da la hipótesis nula de que 𝐻0: 𝜇𝑥=𝜇𝑦 pero gracias a la inspección
esta hipótesis cambia de ser nula a ser afirmativa ella que se acepta que los datos muéstrales
proporcionan evidencia de que la hipótesis nula es falsa 𝐻𝐴: 𝜇𝑥≠𝜇𝑦 por lo tanto si es significativa
la diferencia porque hace un cambio cuando en realidad se debería de operar mejor la máquina
para ofrecer tiras de hule con la misma calidad para todos los clientes.

33. En condiciones controladas, en un laboratorio se evaluó en 10 hombres y 10 mujeres, la

temperatura que cada persona encontró más confortable. Los resultados en grados Fahrenheit
fueron los siguientes:

Mujer 75 77 78 79 77 73 78 79 78 80

Hombre 74 72 77 76 76 73 75 73 74 75

a) ¿Cuáles son en realidad los tratamientos que se comparan en este estudio?

Los tratamientos que se comparan en este estudio son:

 Temperatura de las mujeres

 Temperatura de los hombres
b) ¿Las muestras son dependientes o independientes? Explique.
Las muestras son independientes porque no hay relación de causa efecto entre la temperatura de
las mujeres y la temperatura de los hombres.

c) ¿La temperatura promedio más confortable es igual para hombres que para mujeres?

La temperatura promedio no es igual para hombre que para mujeres.

75+77+78+79+77+73+78+79+78+80 = 774/10 = 77.4

74+72+77+76+76+73+75+73+74+75 = 745 / 10 = 74.5

No es igual, existe una diferencia de 2.9 grados Fahrenheit

35. 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:

Ruta Tiempo de viaje (horas) x S

A 8 24 30 21 32 23 9.49
B 22 29 34 25 35 29 5.61

a) Existen diferencias significativas entre las rutas. Plantee y pruebe las hipótesis
estadísticas correspondientes.
H o : μ1−μ2 = 0
H 1: μ1−μ2 ≠ 0

α =5 % nA =5 nB =5 SA=9.49 SB=5.61 γ =5+5−2=8

√
S p= (n¿¿ A−1) S A +
2 (n¿¿ B−1)S 2B
n A +n B−2
¿¿

S p= √ ( 5−1 ) ¿ ¿¿
 S
(x ¿ ¿ A −x B )=
√ 1 1
+ .S ¿
n A nB p

S
(x ¿ ¿ A −x B )=
√ 1 1
+ ( 7.79 ) =4.93 ¿
5 5

( x ¿ ¿ A−x B)−(μ1−μ 2)
t c= ¿
S(x ¿ ¿ A −x ) ¿ B

(23−29)−0
t c= =−1.22
4.93

t α =± 2.306
2
Se acepta la Ho con un nivel de confiabilidad de 95%, se concluye que no existen diferencias en las
rutas

b) Sugiera otra manera de obtener los datos (diseño alternativo) para este estudio que puedan
lograr una comparación más efectiva de las rutas.

Se podría obtener una muestra más significativa para cada ruta y calcular su desviación estándar y
sus respectivos coeficientes de variación, con esto podríamos escoger la ruta con el menor
coeficiente de variación ya que sus datos serían más homogéneos

37. En Kocaoz, S. Samaranayake, V. A. Nanni A. (2005) se presenta una investigación donde se

estudian dos tipos de barras de polímero, cuya tensión se refuerza con fi bra de vidrio (FRP).
Estas barras, en sustitución de las vigas de acero, son utilizadas para reforzar concreto, por lo
que su caracterización es importante para fi nes de diseño, control y optimización para los
ingenieros estructurales. Las barras se sometieron a tensión hasta registrarse su ruptura (en
Mpa). Los datos para dos tipos de barras se muestran a continuación:

a) Formule la hipótesis para probar la igualdad de medias de los tratamientos.

DATOS

MUESTRA = 8

MEDIA = 980.125

VARIANZA = 5439.55357

VALOR T = 2.13144955
DATOS
SIGNIFICANCIA = 0.05
MUESTRA = 8

MEDIA = 979.125

VARIANZA= 4891.83929

VALOR TABLA T = 2.13144955

SIGNIFICANCIA = 0.05