Facultad de Ingeniería y Arquitectura

Asignatura:
Control de Calidad

Profesora:
Olga Basora

Sección:
06
Práctica
3

Sustentantes:
Elizabeth Báez de la Rosa 100206746
Anaibelka Mena 100208668
José Adriel Veras 100107841
Huygens Feliz 100185819
Pamela Torres 10015997
Benito de los Santos 100159735
Eilen Medrano 100054091
PRACTICA #3
Preguntas de JAMES EVANS. (pág. 579)
1¿Qué es el pensamiento estadístico? ¿Por qué es importante para los directivos y
empleados de todos los niveles de una organización?

El pensamiento estadístico es una filosofía de aprendizaje y acción basada en estos

principios:

1. Todo el trabajo ocurre en un sistema de procesos interconectados.

2. La variación existe en todos los procesos.

3. El entendimiento y la reducción de la variación son claves para el éxito.

La comprensión de los procesos proporciona el contexto para determinar los efectos de la

variación y el tipo apropiado de acción gerencial por emprender. Al ver el trabajo como un
proceso se pueden aplicar herramientas estadísticas para establecer procesos consistentes y
predecibles, estudiarlos y mejorarlos. Aunque la variación existe en todas partes, muchas
decisiones de negocios no la toman en cuenta y, a menudo, los administradores confunden
sus causas comunes y especiales de variación. Debe entenderse la naturaleza de la variación
antes de enfocarse en reducirla.

2. Explique la diferencia entre las causas comunes y especiales de la variación.

La diferencia principal entre estas dos causas de variación es que , la causa especial de
variación surge de fuentes externas al proceso, lo que permite detectarlas con facilidad
utilizando métodos estadísticos y en el mayor de los casos su corrección resulta
económica, pasa lo contrario en las causas comunes , estas solo se pueden reducir
rediseñando el producto o proporcionando mejor tecnología o entrenamiento y capacitación
en el proceso de producción, por lo que su corrección no resulta económica.

3. Explique los dos errores fundamentales que cometen los directivos al tratar de
mejorar un proceso. ¿Puede mencionar varios ejemplos de su experiencia personal en
los que se cometió este tipo de errores?

Los directivos pueden cometer dos errores fundamentales al tratar de mejorar un proceso:

1. Tratar como causa especial cualquier falla, queja, error, descompostura, accidente o escasez
cuando en realidad se debe a causas comunes.

2. Atribuir a las causas comunes cualquier falla, queja, error, descompostura, accidente o escasez
cuando en realidad se debe a una causa especial.
3. En el primer caso, el manejo de un sistema estable puede aumentar la variación en el sistema; en
el segundo, la oportunidad de reducir la variación se pierde debido a que se piensa erróneamente
que la cantidad de variación es incontrolable.

7. Defina una población y una muestra. ¿Cuáles son sus principales características?

Una población es un conjunto completo o colección de objetos de interés; una muestra es

un subconjunto de objetos tomados de la población. Las características de una población,
como la media, la desviación estándar s o la proporción, por lo general, se conocen como
parámetros de la población.

8. Explique la diferencia entre desviación estándar y error estándar de la media.

¿Cómo se relacionan?

La desviación estándar (SD) representa la variación en los valores de una variable, mientras
que el error estándar de la media (Estándar Error of the Mean, SEM) representa la
dispersión que tendría la media de una muestra de valores si se continuaran tomando
muestras. Por lo tanto, el SEM proporciona una idea de la precisión de la media y el SD nos
da una idea de la variabilidad de las observaciones individuales. Estos dos parámetros están
relacionados. Cuanto mayor sea el tamaño muestral, menor será nuestra incertidumbre.
SEM = SD/√n

Donde:
SEM = Error estándar de la media
SD = Desviación estándar
n = tamaño de la muestra

9. Exprese con sus propias palabras el significado del teorema del límite central. ¿Qué
tan importante es para el desarrollo y uso de las técnicas de control estadístico de la
calidad?
El teorema del límite central es la caracterización de la forma de la distribución de
probabilidad, permite darle el tratamiento de una distribución normal a cualquier tipo de
distribución cuando se aumenta el tamaño de la muestra.
Al aplicar el teorema del límite central, es posible calcular la distribución de muestreo
mediante una distribución normal para tamaños de muestras grandes. Tiene diversas
aplicaciones en las áreas de determinación de las capacidades de los procesos y las gráficas
de control.
Ejercicios de Evans pág. 580
1. Aplique las herramientas de análisis Descriptive Statistics e Histogram de Excel para
calcular la media, la desviación estándar y otros parámetros estadísticos relevantes,
así como una distribución de frecuencia y un histograma para los datos que se hallan
en el problema 11-1 en Excel). ¿De qué tipo de distribución podría sospechar que se
tomaron los datos?

2.5 3.9 3.8 4.9 3.6 3.5 2.9 3.8 2.5 1.9
4.9 4.4 3.6 4 2.4 4 2.4 4.1 3.4 3
3.6 3.9 2.5 4.2 3.1 4.1 5 1.7 3.3 4.5
4.3 3.1 4 2.4 5 3.7 3 4.3 3.8 4
1.9 2.7 3.8 4.4 2 4.5 4.1 4.7 2.6 4.6
3.9 3.7 4 3.5 4.3 3.7 3.8 3.2 2.5 4.6
3.2 3.6 3.2 4.8 5 2.8 3.8 3.1 3 3.9
4 3.7 3.5 5 3.9 3.4 3.2 3.6 4.3 1.7
3.1 4.9 2.6 3.5 3.5 2.8 4.3 2.3 3.8 3.9
3.6 3.6 3.7 3.2 5.3 2.5 3.2 3.4 3.4 4.3

2. Aplique las herramientas de análisis de Excel para calcular la media, la desviación

estándar y otros parámetros estadísticos relevantes, así como una distribución de
frecuencia y un histograma para los datos que se hallan el programa. ¿Qué tipo de
distribución se sospecha que toman los datos?

Peso de las cargas de ropa procesadas en el departamento de lavado durante una semana.

15 3 6 82 18 102 49 53 49 31
27 16 19 42 58 26 6 14 1 21
1 80 45 35 2 9 19 59 64 5
30 69 11 103 110 6 7 13 25 8
90 9 44 38 30 21 34 49 77 18
14 39 2 103 29 15 12 16 41 42
45 9 28 15 32 64 4 3 49 62
52 94 31 39 5 41 170 19 3 55
35 19 3 5 14 72 8 53 27 13
13 7 19 12 14 2 36 155 21 18
3. Los datos (problema 11-3 en C11Data.xls) representan el peso (en kilogramos) de
los moldes hechos en Harrison Metalwork tomados de una línea de producción. Con
base en esta muestra de 100 moldes, calcule la media, la desviación estándar y otros
parámetros estadísticos relevantes, así como una distribución de la frecuencia y un
histograma para los datos. ¿A qué conclusión llegaría después del análisis?

38.1 38.3 39 39.2 38.5 38.7 38.4 39.9 39 38.7

37.6 38.1 39 39 38.4 38.7 38.4 39.3 38.8 38.6
37.7 38.2 39 39 38.4 38.7 38.4 39.3 38.8 38.6
37.9 38.3 39 39.1 38.5 38.7 38.4 39.5 38.9 38.7
37.3 38.1 39 39 38.4 38.7 38.4 39.2 38.8 38.5
38.1 38.3 39 39.1 38.5 38.7 38.4 39.5 38.9 38.7
38.1 38.3 39 39.2 38.5 38.7 38.4 39.6 39 38.7
37.8 38.2 39 39.1 38.4 38.7 38.4 39.4 38.9 38.6
37.9 38.3 39 39.1 38.4 38.7 38.4 39.4 38.9 38.6
37.9 38.3 39 39.1 38.5 38.7 38.4 39.4 38.9 38.7

4. Los datos (problema 11-4 en C11Data.xls) muestran el peso de los moldes (en
kilogramos) de otra línea de producción en Harrison Metalwork. Calcule la media, la
desviación estándar y otros parámetros estadísticos relevantes, así como una
distribución de la frecuencia y un histograma. Con base en esta muestra de 100
moldes, ¿a qué conclusión llegaría después del análisis?

38.1 38.5 38.3 37.3 38.4 39.2 38.9 38.7 39 38.6

38.1 38.5 38.4 37.6 38.4 39.2 38.9 38.7 39 38.6
38.2 38.5 38.4 37.7 38.4 39.3 38.9 38.7 39.1 38.7
38.2 38.5 38.4 37.8 38.4 39.3 38.9 38.7 39.1 38.7
38.3 38.6 38.4 37.9 38.4 39.3 38.9 38.7 39.1 38.7
38.3 38.6 38.4 37.9 38.4 39.4 39 38.7 39.1 38.7
38.3 38.6 38.4 37.9 38.4 39.4 39 38.7 39.1 38.7
38.3 38.6 38.4 38.1 38.4 39.5 39 38.8 39.1 38.7
38.3 38.6 38.4 38.1 38.5 39.6 39 38.8 39.2 38.7
38.3 38.6 38.4 38.1 38.5 39.9 39 38.8 39.2 38.7
 Ejercicios asignados, de las diapositivas.
Ejercicio No. 1 DATOS.
19.5 21.3 21.3 21.3 21.3 21.2 21.4 21.4 21.4
19.6 21.3 21.4 21.3 21.3 20.9 19.5 21.3 21.5
19.6 21.4 21.5 19.8 21 20.6 21.5 19.7 21.3
21.3 21.3 19.7 19.8 21.4 21.4 19.9 21.3 19.8
21.6 20.4 21.4 21.4 21.4 21.4 19.6 21.5 21.2
21.4 21.5 21.4 21.5 21.4 19.8 19.8 21.2 21.3
19.4 21.4 21.4 21.3 21.3 19.7 20.1 19.9 21.3
19.5 21.3 21.2 21.4 21.6 21.4 19.8 21.3 19.4
19.8 21.3 21.2 21.4 21.6 21.4 19.8 21.3 19.4
21.3 21.2 21.3 21.6 21.4 21.5 20.2 19.4 21.1
21.3 20.2 21.4 19.7 21.4 20.1 21.3 21.4 21.5
19.5

Paso 1.
Número de datos, N = 100

Paso 2.
Rango = 21.6 – 19.4 = 2.2

Paso 3. Número de clases

𝐾 = √𝑁 = √100

K = 10

Paso 4.
𝑅𝑎𝑛𝑔𝑜
𝐴𝑛𝑐ℎ𝑜 𝑑𝑒 𝑐𝑙𝑎𝑠𝑒 =
# 𝑑𝑒 𝑐𝑙𝑎𝑠𝑒
2.2
𝐴𝑛𝑐ℎ𝑜 𝑑𝑒 𝑐𝑙𝑎𝑠𝑒 = = 0.22
10
Paso 5 y 6

Límite de clase y número de datos:

19.4 -19.62 19.61 - 19.85 19.86 - 20.08 20.09 - 20.31 20.32 - 20.54
11 12 2 4 1

20.55 - 20.77 20.78 - 21 21.1 - 1.32 21.33 - 21.55 21.56 - 21.78

1 2 31 32 4

Marcas de clase:

19.51 19.73 19.97 20.2 20.43 20.66 20.89 21.21 21.44 21.67

Paso 7.

Histograma
35 32
31
30

25

20

15 12
11
10
4 4
5 2 2
1 1
0

No tiene una forma de distribución norma, varían completamente.

Ejercicio No. 2

DATOS.

6.4 6.39 6.41 6.39 6.4

6.39 6.4 6.37 6.4 6.38
6.42 6.38 6.4 6.38 6.41
6.4 6.41 6.41 6.43 6.39
6.41 6.35 6.39 6.41 6.43
6.38 6.4 6.42 6.37 6.4
6.37 6.43 6.43 6.39 6.42
6.4 6.42 6.39 6.42 6.38
6.42 6.4 6.38 6.45 6.41
6.39 6.44 6.36 6.44 6.36

Paso 1.
Número de datos, N = 50

Paso 2.
Rango = 6.45 – 6.35 = 0.1

Paso 3. Número de clases

𝐾 = √𝑁 = √50

K = 7, por conveniencia al presentar los datos seleccionamos 6 para el número de clase.

Paso 4.
𝑅𝑎𝑛𝑔𝑜
𝐴𝑛𝑐ℎ𝑜 𝑑𝑒 𝑐𝑙𝑎𝑠𝑒 =
# 𝑑𝑒 𝑐𝑙𝑎𝑠𝑒
0.10
𝐴𝑛𝑐ℎ𝑜 𝑑𝑒 𝑐𝑙𝑎𝑠𝑒 = = 0.01
7
Paso 5 y 6

Límite de clase y número de datos:

6.340 - 6.350 6.355 - 6.365 6.370 - 6.380 6.385 - 6.395 6.400 - 6.410
1 2 9 8 17

6.415 - 6.425 6.430 - 6.450

6 7

Marcas de clase:

6.345 6.360 6.375 6.390 6.405 6.420 6.440

18
Histograma
16

14

12

10

0
6.340- 6.355- 6.370- 6.385- 6.400- 6.415- 6.430-
6.350 6.365 6.380 6.395 6.410 6.425 6.450

Los datos tienen una forma un poco aproximada a la normal.