Académique Documents
Professionnel Documents
Culture Documents
| ------------------------------------------------------------------------------------------------------------------------- -----------------------
CONTROL ESTADÍSTICO
DE CALIDAD
Una recopilación de técnicas aplicables
a la supervisión en los procesos
de producción.
DIRECTIVO Y COORDINADOR
DE ASESORIA
DOCENTE
AUXILIAR DE DOCENCIA
SECRETARIAL
IGUALMENTE AL PERSONAL DE SERVICIOS
e . Ct
DATOS DEL AUTOR,
POR EL
PAG.
INTRODUCCION. 2
I. VARIABLE DE CALIDAD, CAUSAS ATRIBUIBLES Y VARIACION 6
ALEATORIA.
II. DIAGRAMA DE "X" PARA EL CONTROL DE LA MEDIA. 8
III. DIAGRAMA DE "R" PARA EL CONTROL DE LA VARIACION 10
DEL PROCESO.
IV. DIAGRAMA DE "P" PARA EL CONTROL DEL NUMERO DE 24
DEFECTOS POR UNIDAD.
V. DIAGRAMA DE "C" PARA EL CONTROL DEL NUMERO DE 27
DEFECTOS POR UNIDAD.
VI. PRUEBAS DE NO ALEATORIEDAD. 39
- RACHAS.
- NORMAL ESTANDAR
* BIBLIOGRAFIA. 49
* REFERENCIAS. 51
* ANEXO. TABLAS ESTADISTICAS. 52
- DISTRIBUCION DE PROBABILIDAD BINOMINAL Y NORMAL.
- FACTORES A2,D 3,D 4 PARA DIAGRAMAS DE CONTROL.
- DISTRIBUCION DEL NUMERO DE RACHAS PARA (n1?n2) <10
En todo trabajo hay dispersión.
Los datos sin dispersión son datosfalsos.
Sin análisis estadístico(análisis de calidad
y de proceso) no puede haber un control eficaz.
El C.C. empieza con un cuadro de controly
termina con un cuadro de control.
KAORUISHIKAWA(1)
1
INTRODUCCION.
2
El control de calidad estadístico en su modalidad japonesa se enfoca al
control del proceso: investigación de mercado- diseño- producción- ventas, a
diferencia del control de calidad basado en la inspección de productos terminados.
Como explica K. Ishikawaí3). “si en vez de acudir a la inspección dejamos de
producir artículos defectuosos desde el comienzo, en otras palabras, si
controlamos los factores del proceso que ocasionan productos defectuosos
ahorraremos mucho dinero que de otra manera se gastaría en inspección”.
3
• Diagrama de dispersión.
• Gráficas y cuadros de control (de Shewart)
Por su grado de dificultad, Ishikawa denomina estas 7 técnicas como
método estadístico elemental. Considera como métodos estadísticos intermedios:
• Teoría del muestreo.
• Inspección estadística por muestreo.
• Estimaciones y pruebas estadísticas.
• Pruebas sensoriales.
• Diseño de experimentos
Y como método estadístico avanzado establece:
• Métodos avanzados de diseño de experimentos
• Análisis multivariado
• Investigación de operaciones.
4
prima es "cliente" del grupo anterior y sirve al siguiente grupo, hasta llegar
al consumidor final.
En cada fase el control Estadístico, al tomar en cuenta la variabilidad
natural del proceso, proporciona elementos de juicio al trabajador para
tomar decisiones sólo en casos de que aparezca una causa de variación que
sea ajena al sistema, y deja a la Dirección o Gerencia la oportunidad y ía
responsabilidad de innovar para efectuar cambios que reduzcan la
variabilidad natural, pudiendo así mejorar continuamente la calidad, siempre
en función de los requerimientos del consumidor final. Las herramientas
básicas para que ésto se lleve a efecto son los cuadros de control que
constituyen el contenido de este trabajo.
Respecto al uso de planes de muestreo para aceptación de lotes, es
interesante transcribir las palabras del Dr. Deming <£>:
"Si se utilizan para la auditoría de calidad del producto final tal como
sale por la puerta, lo que hacen es garantizar que algunos clientes
reciban productos defectuosos... increíblemente, los cursos y libros
sobre los métodos estadísticos todavía dedican tiempo y páginas al
muestreo de aceptación".
En este trabajo se presenta el procedimiento para elaborar las gráficas
para el control de la mediaba variación del proceso, la proporción de
defectuosos y el número de defectuosos por unidad. La utilización de estos
elementos de control por parte de supervisores y operarios bien entrenados,
es sencilla y permite lograr una producción de alta calidad.
5
I VARIABLE DE CALIDAD. CAUSAS ATRIBUIBLES Y
VARIACION ALEATORIA.
La variacaóm dt; las mediciones que se hacen & una variable de calidad
ocurren en el tiempo y sus causas pueden ser múltiples y producir cambios según
un patrón identificable o sucederse al azar. En el primer caso se traía de una
variación cuya CAUSA ATRIBUIRLE debe ser definida y eliminada; el segundo
caso se considera una VARIACION ALEATORIA y cuando esto ocurre se dice
que el proceso está bajo control estadístico, independientemente de que las
mediciones proporcionen valores dentro de los límites convenidos o queden fuera
de dios.
6
En las condiciones mostradas, es importante establecer un control o medio dé
verificación a fin de detectar, cuando ocurran, valores medios que se ubiquen más
allá de tres desviaciones estándar alrededor de la media / a, . Igualmente es
importante detectar cambios en la varianza de la distribución de las mediciones.
7
D. DIAGRAMA DE X PARA EL CONTROL DE LA MEDIA.
Cuando el proceso está bajo control, se sabe que las medias muéstrales X
deben variar aleatoriamente alrededor de la media pobladonal /t y quedar
comprendidas en casi su totalidad dentro del intervalo - 3<rx £ ^ 3<rx
3 o*
JX= x \
/
número de la muestra
i i í
Fig.2
8
OBSERVACIONES.-^
queda 3<tx -A¿ R donde A2 es un factor que, como se mencionó, se halla tabulado.
9
m. DIAGRAMA DE R PARA EL CONTROL DE LA
VARIACION DEL PROCESO.
10
Ejemplo. Imaginemos un ejecutivo interesado en optimizar su tiempo de traslado
diario, para lo cual registra los minutos que utiliza cada día en esa actividad Se
muestran los datos de 10 semanas y la gráfica de x resultante.
TIEMPO DE VIAJE®
PASO 1: SEMANA
i°
1 I 2 M 1 4 1 5 6 1 7 1 8 I 9
55 90 100 70 55 754 120 65 70 100
75 95 75 110 65 85 110 65 85 80
MINUTOS 65 60 75 65 95 65 65 90 60 65
80 60 65 60 70 65 85 90 65 60
80 55 65 60 70 65 70 60 75 80
X= 71 72 76 73 71 71 90 74 71 77
R= 25 40 35 50 40 20 55 30 25 40
11
PASO 4: GRAFICA DE X
X = 74.6
GRAFICA DE R
13
EJERCICIOS
1.- Se calcularon las medias y las amplitudes de 30 muestras de tamaño
n=10 para un proceso que se consideró bajo control. Las medias de los 30
valores de x y de los 30 valores de R , fueron x = 20.74 y R = 3.49.
a) Estimación de a del proceso mediante R
b) ¿Por qué S calculada a partir de 300 observaciones de 30 muestras
podría producir una mejor estimación de ct que la estimación
mediante el rango?
c) Determinar los límites superior e inferior de control para una gráfica
d) ¿Cuál es el propósito de un diagrama de x ?
e) Construir un diagrama de x para el proceso ¿cómo se puede aplicar?
SOLUCIONES
14
LSC
21.81
20.74
x
LIC
19.66
i i i i-----------------------------1—i- i -
MUESTRAS DE LA 1 A LA 30
15
C)
16
620 LSC
R
3.49
LIC
0.78
l-l f-l-H----------------------------------------- H -4
M UESTRAS D E LA 1 A LA 30
17
Un diagrama de R se dibuja para trabajar en él la gráfica de los rangos
muéstrales.
SOLUCIONES.-Con n = 5
18
14459 LSC
10752 _________x
LIC
7044
M UESTRAS D E LA 1 A LA 40
M UESTRAS DE LA 1 A LA 40
19
7.- El gerente del casino del ejercicio 5 también gráfico las ganancias o
pérdidas diarias para cada mesa de juego. La ganancia media para la mesa
1,calculada según 40 días fue x = $ 10940 y la desviación estándar de la
muestra fue $ 5130.
a) Si la ganancia x para el que reparte los naipes en la mesa 1 tuviera una
distribución con media jj, y desviación estándar a, ¿dentro de que límites
esperarían que cayera x casi todos los días ?
b) Ya que se dispone de estimaciones para \x y a , trazar una gráfica
X (n =1) para las ganancias diarias de la mesa 1.
c) ¿Qué valor tendría la gráfica del inciso b) para el gerente del casino?
SOLUCIONES.-
a) Para la m esa 1 en 40 d ía s, n = 40; x = 10940;
1 -=fa - =—^¡M J4Q — =811.12
LSC = x + 3 CTX = 10940 +3(811.12) = 13373.36
LIC = x - 3 crx = 10940 - 3(811.12) = 8506.64
b)
LSC
13373
10940
x
LÍC
8506
DÍAS D EL 1 A L 40
20
Sem. m e d id a s d e la r a d n c t t n . Sem. medidas de la radraorin.
fí X t X2 X s X « x R # X t Xz X s X * ~x R
1 31 32 30 31 3 1 .0 0 2 14 29 28 29 29 2 8 .7 5 1
2 25 26 25 25 2 5 .2 5 1 15 31 29 30 31 3 0 .2 5 2
3 29 29 31 30 2 9 .7 5 2 16 14 16 16 17 1 5 .7 5 3
4 35 37 34 35 3 5 .2 5 3 17 19 19 21 20 1 9 .7 5 2
5 22 24 22 23 2 2 .7 5 2 18 24 24 24 25 2425 1
6 30 29 30 30 2 9 .7 5 1 19 29 27 28 28 28JOO 2
7 19 19 18 19 1 8 .7 5 1 20 32 30 31 30 3 0 .7 5 2
8 27 28 28 28 2 7 .7 5 1 21 41 41 38 39 404» 4
9 34 32 33 33 334» 2 22 34 36 36 35 3525 2
10 17 16 18 18 1 7 .2 5 2 23 21 22 24 22 2225 3
11 22 20 20 21 2 0 .7 5 2 24 29 29 30 29 2925 1
12 16 18 17 17 17J00 2 25 16 17 17 16 1 6 .5 0 1
13 15 17 10 17 1 6 .7 5 3 26 20 21 28 2 2 2 0 .7 5 2
X — -6^ = 25.63 R =
26
A2R = (0.729X1.92) = 1.4 ; LSC = 25.63 + 1.4 = 27.03 ; LIC = 25.63 -1.4 = 24.23
40*
30 ■
L S C -2 7
25.6
■ LIC = 24.2
20 *
21
BIBLIOTECA
CHIBAD DOCENTE INTEfiDlSClPUNAAÜ
DE ECONOMIA Y ESTADISTICA
Aunque la variación parece ser aleatoria, hay demasiadas medias fuera de
los limites de control que indican causas atribulóles que deben identificarse
y eliminarse.
9.- Elabora un diagrama de R para los datos del ejercicio ? 8 .
¿Cómo se utilizará la gráfica?
DATOS.- n = 4 EJE CENTRAL-R = 1.92 D3= 0
LSC = D4R = (2.282) (1.92) = 4.38 ; LIC = D3R = 0
22
b) Construir una gráfica de R para el proceso. Explicar qué beneficios se
pueden obtener del diagrama
á) GRAFICA DE X :
n = 3 A2= 1.023 A2R=0.28 LSC= 7.24+0.28 = 7.52 LIC=7.24 - 0.28 = 6.96
0.72 LSC
0.27 R
O LIC
H —I—H -----------------
M UESTRA
23
IV.DIAGRAMA DE P PARA EL CONTROL DE LA
PROPORCION DE ARTICULOS DEFECTUOSOS.
Cuando los artículos producidos se clasifican solamente como buenos o
defectuosos al comparados con las especificaciones, una muestra aleatoria de
dichos artículos tendrá una distribución de probabilidad binomial.
Para verificar si el proceso está bajo control, se procede (de manera similar
a los casos anteriores) a elaborar un diagrama de "p" (proporción de defectuosos),
y a tomar muestras de tamaño “n” periódicamente.
Íp CT- p)
t' =i ~
LSC=P+ 3 jp Q -p )
24
4
L/C:■ — J 12 ?
EJEM PLO(10).
Inspección defectuosa causada por el miedo. En el gráfico de control de
la fig. se muestra el registro diario, durante dos meses, de la proporción de
unidades defectuosas encontradas en la auditoría final de un producto listo para
enviar. La proporción media de unidades defectuosas en los dos meses era de 8,8
por 100. Los límites de control son:
4c Límite de control superior, 14,4
O3
V3
oO 151—
C
LCS
a
cou
LC1 p ± 3 ^ p ( l - p)/n = c Limite de control inferior. 3,1
Q_
0-088 ± ( 3 ) (0,0189) =
_L
10 15 20 25~ ■-
0,031 ó 3,1%
Número ordinal del día de la semana
25
bien. El producto resultante tiene una estampación defectuosa por cada 12;
1/12 es el 8,3 por 100 que aparece en el gráfico.
26
V. DIAGRAMA DE C PARA EL CONTROL DEL NUMERO
DE DEFECTOS POR UNIDAD.
Si se requiere controlar d número de defectos por artículo producido, se
utiliza un diagrama de C.
27
Las equivocaciones que aquí se cuentan podrían ser errores al llevar los
libros, equivocaciones a i los planos de ingeniería, errores de cálculo, errores de
los operadores de montaje o cualquier otra cosa
Nombre Número de
equivcadones
Juanita........... - ......................................... ........... 10
Andrés.................................................................... 15
Guille.----............................................................. 11
Paco................................................. - .........- ......... 4
Ricar.do................................................ 17
Caditos.................................................................... 23
Alicia...................................................................... 11
Tomás........... .........................................- .......... 12
Jóana...................................................................... 10
Total 113
Límite superior\
=12,55± 3^12,55 =
Límite inferior
23,2
1,9
28
Por tanto, ninguna de las nueve personas cae fuera de los límites
calculados. Las diferencias aparentes entre las nueve personas bien podrían
adscribirse a la acción del resto del sistema La misma fórmula que tenga la
compañía para los aumentos de salario se debería aplicar a todas las personas.
29
11.- Explique la diferencia entre los diagramas p y C
El diagrama p sirve para d control de la "propordón de defectuosos"
(fracción de defectuosos). El diagrama C sirve para el control del
numero de defectuosos por unidad.
diagrama p diagrama C
P =i=W k k = c = |c ¡ / k
l
LSC LSC\= C ± 3 j c
}4 ± 3 0(1-5) LIC /
LIC \
30
LSC = 0.035 + 0.0551 = 0.0901
LIC = 0.035 - 0.0551 =-0.0201 ( es decir 0 )
b)
M UESTRA
31
\
b)
M UESTRA
32
14.- Se registró el número de C de defectos horarios por unidad durante
100 horas, y el número medio de defectos por unidad fúé 0.7.
a) Use los datos para obtener los LSC y LIC para una gráfica de C.
b) Construya un diagrama de C y explique cómo se puede aplicar.
SOLUCIONES .-
a)
C = 0.7 = íi LSC _ /— ____
^ > ^C ± 3 jc ; 3 JC = 3.J0.7 = 2.5
. LSC = 0.7 + 2.5 = 3.2
LIC = 0.7 - 2.5 -----v o
b)
M UESTRA
M UESTRA
34
SOLUCION.-
p = 0.021
LSC1
O ÍO. 020(0.979)
u c r 0 021 ± “ S 400
35
M UESTRA
Sirve para verificar que los accidentes son los que correponden a las
condiciones de seguridad de la planta, mientras su promedio mensual este
dentro de los límites de control y su distribución sea aleatoria.
18.- Una compañía registra y localiza en una gráfica de control el número
de quejas recopiladas durante 52 semanas, fue de 4.9 quejas semanales.
Trazar una gráfica de control para el número de quejas de clientes por
semana Diga que''valor representa la gráfica de control para un
administrador o gerente.
SOLUCION.-
C = 4.9
LSC
^ = 4 .9 ± 3 N4.9
L1C
36
A través de la gráfica de control puede observarse si el promedio
semanalde quejas es normal para las condiciones de atención a los clientes.
Si la variación deja de ser aleatoria deberá encontrarse alguna causa
aíribuible.
19.- El director de una compañía de materiales para la construcción
muestrea al azar madera nueva a fin de comprobar si satisfacen las
especificaciones de calidad. Se examinaron 100 piezas de madera de 2 x 4
pulgadas, de cada cargamento y se juzga según si son de primera clase
aceptables) o de segunda (defectuosas).
Las proporciones de las piezas 2 x 4 de segunda clase, registradas para
30 cargamentos, fueron:
0.14, 0.21, 0.19, 0.18, 0.23, 0.20, 0.25, 0.19, 0.22, 0.17, 0.21, 0.15, 0.23,
0.12, 0.19, 0.22, 0.15, 0.26, 0.22, 0.21, 0.14, 0.20, 0.18, 0.22, 0.21, 0.13,
0.20,0.23,0.19,0.26.
37
Construir una gráfica de control para la proporción de piezas de
segunda clase en muestras de 100 de los envíos. ¿ que“"utilidad puede tener
el diagrama de control para el gerente de la compañía ?
SOLUCION
ÍS = ^ = 0 .1 9 fi LSC 0.196 +
LIC
38
VI PRUEBA DE NO ALEATORIEDAD.
En cada uno de los diagramas de control que se han mencionado, se acepta
que el proceso o fenómeno que muestran está "bajo control" si los valores
graficados se ubican aleatoriamente a ambos lados del eje de la gráfica.
2o. Se cuenta el número de rachas r, así como el número de puntos arriba y abajo
del eje de la gráfica, ni y n2 respectivamente, (ni y n2 no deben ser mayores de 10.
Para valores mayores de ni y n2 se realiza otra prueba)
3o. Con ayuda de la tabla 20 del anexo que da la distribución del total de rachas, se
determina la "región de no rechazo de Ho" fijando r^ según n!, n2y a o a!2 según
que la prueba sea unicolar o bicolar.
39
Número de radias.
R e g ió n d e re c h a z o R e g ió n d e n o re c h a z o R e g ió n d e re c h a z o
Ti r2
El manejo de la tabla 20 del anoto que se menciona, se muestra con el ejemplo
que sigue.
( A p u n to a rrib a d e l e je
B : p u n to b a jo d g e ).
n j= 6 (seis puntos A)
n2=5 (cinco puntos B)
t = 1 radias (4 sucesiones de A y 3 sucesiones de B)
40
(ai 112) 2 3 4 ____ 8 9
0
l¡
l
1
(2.3)
(2.4)
(3,3)
(5,5)
(5,6) 0.004 0.024 0.110 0.911 0.976 0.998
3 9 RACHAS
REGION REGION
*OBS =7
DE DE
RECHAZO RECHAZO
rl r2
P(r < 3) = 0.024
P(r> 9) = 1-0.976 = 0.024
a = 0.024 + 0.024 = 0.048
con a = 0.048 no se rechaza Ho. Es decir, no hay evidencia para considerar
que la sucesión de puntos haya sido generada por un proceso no aleatorio.
41
v>on las mismas mpoiesis nmay aiiema, ei proceoimienio es: z
2”i ”2 + 1
calculando fi, = 71,+Wj
calculando ar =
2nt
(ni+«2) f a + « i -l )
Región de rechazo. -
Para la prueba de una cola Z < - Z a
Para la prueba de dos colas: Z < -Z a /2 ó Z > Z a /2
42
20.- Para una sucesión aleatoria de ni letras A y n2 letras B, encuentre la
probabilidad de que el numero de rachas r se menor o igual a rq para los
siguientes c.asos. SOLUCION : (ver tabla 20 en el enexo)
a) n¡ = 5 , n2 = 7 , ro = 4 P(r< 4) = 0.076
b) ni = 6
Ui
IA
c-
►■i
¿a
Tf
I
a
I
G
o
o
r\
c) ni = 8 , n2 = 10 , r0 = 7 P (r< 7) = 0.117
d) ni = 10 , n2 = 10 , r0 = 5 P(r < 5) = 0.004
O*
I
s1
I i I I
b) ni = 4 r0 = 3
c) nj = 8 ro = 6
00 O
G* G*
d) ni = 10
o1
00I
43
2n 1n2(2n1n2-n1-n2) 2(20)05) [2(20X15)- 20,-lS] = 2.85
(nrf-ns^CiM +iia-l) N (20+ 15)2 (20+15-1)
24.- Calcule p, ry a r cuando ni =25 y n2 = 30
SOLUCION:
2(25)(30)
Mt = = + 1=28.27
25+ 30
Or = 2(25)(30) [2(25)(3Q) - 25 - 30] = 3.64
N (25 + 30)2 (25 + 30-1)
25.- Utilice la aproximación normal para, muestras grandes de la
distribución del numero de radias r en una sucesión aleatoria de nx = 10
letras A y n2 = 10 letras B, para calcular P (r < 8). Comparar la
aproximación con el valor exacto dado en la tabla 20 del anexo.
SOLUCION:
20ffl0ffl + i = l l 2aQ¥io)r2no)no)-io-ioi = 217
1CH-10
Nj ( 10+ 10)2 (10+ 10- 1)
44
f l = 2Q4)(12) +1 = 1 3 9 2 2(14X12) f 2(14X12) -14 -121 2 .4 8
r 14+12 J (14 + 12)2 (14 + 12-1)
Z = r - aJ ífr
r
= 12 - 13-92- = - 0.7741
248
= 207)03) = + 1 = 1 5 .73
17+13
°r= 2(17X13)12(17X13)-17-13] _ 2,64
Nj (17 + 13)2 (17 + 13-1)
= r-jXf = 2.64
-,, .? =
2 2 15 3 2 .3 7 5
45
28.- La empresa matriz de una corporación selecciona a sus ejecutivos
de entre el personal de sus dos subsidiarias, la CIA. A y la CIA. B La
empresa matriz seleccionó, durante los últimos 3 años, 9 ejecutivos de las
subsidiarias, el primero de la CIA B, el segundo de A, etc. La sucesión
siguiente muestra el orden en el cual se seleccionaban los ejecutivos y la
subsidiaria de donde provinieron :
BAAABAAAB
¿ Proporciona esta sucesión selectiva suficiente evidencia para
implicar una inaleatoriedad en la selección de los ejecutivos por parte de la
empresa matriz de entre sus subsidiarias ?
nj = 6 n2 = 3 r = 5 para a = 0.05 H q : La sucesión es
aleatoria
1 8
47
632 88JJ5 y2- 23L52 ( 7tt4 - 6&05 f - 5JS2 ( 853 - 6729 3L96 ( 66JB- 6729)*> 024
71.6-68.05)2= 1Z69 <65 - 68.05 9.30 (6 4 2 -6 7 2 9 )^ 9 .5 4 <6&9-6 7 2 9 )|= Z59
(69l3-68 l05)*= 1.56 < 63^ -6&05)*=19J)8 ( 67j6 -6729)*= a096<66.8-6729f= 024
[71.6-68.05) = 12.60 (64,7-68 l05) =1122 <68tf-6729 ) = 1.72 <70.1 - 6729 >= 7.89
48
BIBLIOGRAFIA.
49
NOTA.- Los números que se presentan numerados del 1 al 29 son
propuestos en el capitulo 16 del libro "Estadistica para Administradores” de
W. Mendelhall. De la misma obra se han tomado las tablas estadísticas que
constituyen el anexo.
50
REFERENCIAS
51
ANEXO .
TABLAS ESTADISTICAS.
52
TABLA 1 Probabilidades binomiales
Los valores tabulados son P(x < a) =£/>(*)•
x=0
(Los cálculos se redondean a
la tercera cifra decimal).
(a) n = 5
í)
a 0.01 0.05 0.10 0.20 0.30 0.40 0.50 0.60 0.70 0.80 0.90 0.95 0.99 a
0 0.951 0.774 0.590 0.328 0.168 0.078 0.031 0.010 0.002 0.000 0.000 0.000 0.000 0
1 0.999 0.977 0.919 0.737 0.528 0.337 0.188 0.087 0.031 0.007 0.000 0.000 0.000 1
2 1.000 0.999 0.991 0.942 0.837 0.683 0.500 0.317 0.163 0.058 0.009 0.001 0.000 2
3 1.000 1.000 1.000 0.993 0.969 0.913 0.812 0.663 0.472 0.263 0.081 0.023 0.001 3
4 1.000 1.000 1.000 1.000 0.998 0.990 0.969 0.922 0.832 0.672 0.410 0.226 0.049 4
(continuación)
(b) n = 10
P
a 0.01 0.05 0.10 0.20 0.30 0.40 0.50 0.60 0.70 0.80 0.90 0.95 0.99 a
0 0.904 0.599 0.349 0.107 0.028 0.006 0.001 0.000 0.000 0.000 0.000 0.000 0.000 0
1 0.996 0.914 0.736 0.376 0.149 0.046 0.011 0.002 0.000 0.000 0.000 0.000 0.000 1
2 1.000 0.988 0.930 0.678 0.383 0.167 0.055 0.012 0.002 0.000 0.000 0.000 0.000 2
3 1.000 0.999 0.987 0.879 0.650 0.382 0.172 0.055 0.011 0.001 0.000 0.000 0.000 3
4 1.000 1.000 0.998 0.967 0.850 0.633 0.377 0.166 0.047 0.006 0.000 0.000 0.000 4
5 1.000 1.000 1.000 0.994 0.953 0.834 0.623 0.367 0.150 0.033 0.002 0.000 0.000 5
6 1.000 1.000 1.000 0.999 0.989 0.945 0.828 0.618 0.350 0.121 0.013 0.001 0.000 6
7 1.000 1.000 1.000 1.000 0.998 0.988 0.945 0.833 0.617 0.322 0.070 0.012 0.000 7
8 1.000 1.000 1.000 1.000 1.000 0.998 0.989 0.954 0.851 0.624 0.264 0.086 0.004 8
9 1.000 1.000 1.000 1.000 1.000 1.000 0.999 0.994 0.972 0.893 0.651 0.401 0.096 9
53
(c) 11 = 15
P
a 0.01 0.05 0.10 0.20 0.30 0.40 0.50 0.60 0.70 0.80 0.90 0.95 0.99 a
0 0.860 0.463 0.206 0.035 0.005 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0
1 0.990 0.829 0.549 0.167 0.035 0.005 0.000 0.000 0.000 0.000 0.000 0.000 0.000 1
2 1.000 0.964 0.816 0.398 0.127 0.027 0.004 0.000 0.000 0.000 0.000 0.000 0.000 2
3 1.000 0.995 0.944 0.648 0.297 0.091 0.018 0.002 0.000 0.000 0.000 0.000 0.000 3
4 1.000 0.999 0.987 0.836 0.515 0.217 0.059 0.009 0.001 0.000 0.000 0.000 0.000 4
5 1.000 1.000 0.998 0.939 0.722 0.403 0.151 0.034 0.004 0.000 0.000 0.000 0.000 5
6 1.000 1.000 1.000 0.982 0.869 0.610 0.304 0.095 0.015 0.001 0.000 0.000 0.000 6
7 1.000 1.000 1.000 0.996 0.950 0.787 0.500 0.213 0.050 0.004 0.000 0.000 0.000 7
8 1.000 1.000 1.000 0.999 0.985 0.905 0.696 0.390 0.131 0.018 0.000 0.000 0.000 8
9 1.000 1.000 1.000 0.000 0.996 0.966 0.849 0.597 0.278 0.061 0.002 0.000 0.000 9
10 1.000 1.000 1.000 1.000 0.999 0.991 0.941 0.783 0.485 0.164 0.013 0.001 0.000 10
11 1.000 1.000 1.000 1.000 1.000 0.998 0.982 0.909 0.703 0.352 0.056 0.005 0.000 11
12 1.000 1.000 1.000 1.000 1.000 1.000 0.996 0.973 0.873 0.602 0.184 0.036 0.000 12
13 1.000 1.000 1.000 1.000 1.000 1.000 1.000 0.995 0.965 0.833 0.451 0.171 0.010 13
14 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 0.995 0.965 0.794 0.537 0.140 14
54
continuación,
(d) n = 20
P
a 0.01 0.05 0.10 0.20 0.30 0.40 0.50 0.60 0.70 0.80 0.90 0.95 0.99 a
0 0.818 0.358 0.122 0.012 0.001 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0
1 0.983 0.736 0.392 0.069 0.008 0.001 0.000 0.000 0.000 0.000 0.000 0.000 0.000 1
2 0.999 0.925 0.677 0.206 0.035 0.004 0.000 0.000 0.000 0.000 0.000 0.000 0.000 2
3 1.000 0.984 0.867 0.411 0.107 0.016 0.001 0.000 0.000 0.000 0.000 0.000 0.000 3
4 1.000 0.997 0.957 0.630 0.238 0.051 0.006 0.000 0.000 0.000 0.000 0.000 0.000 4
5 1.000 1.000 0.989 0.804 0.416 0.126 0.021 0.002 0.000 . 0.000 0.000 0.000 0.000 5
6 1.000 1.000 0.998 0.913 0.608 0.250 0.058 0.006 0.000 0.000 0.000 0.000 0.000 6
7 1.000 1.000 0.000 0.968 0.772 0.416 0.132 0.021 0.001 0.000 0.000 0.000 0.000 7
S 1.000 1.000 1.000 0.990 0.887 0.596 0.252 0.057 0.005 0.000 0.000 0.000 0.000 8
9 1.000 1.000 1.000 0.997 0.952 0.755 0.412 0.128 0.017 0.001 0.000 0.000 0.000 9
10 1.000 1.000 1.000 0.999 0.983 0.872 0.588 0.245 0.048 0.003 0.000 0.000 0.000 10
11 1.000 1.000 1.000 1.000 0.995 0.943 0.748 0.404 0.113 0.010 0.000 0.000 0.000 11
12 1.000 1.000 1.000 1.000 0.999 0.979 0.868 0.584 0.228 0.032 0.000 0.000 0.000 12
13 1.000 1.000 1.000 1.000 1.000 0.994 0.942 0.750 0.392 0.087 0.002 0.000 0.000 13
14 1.000 1.000 1.000 1.000 1.000 0.998 0.979 0.874 0.584 0.196 0.011 0.000 0.000 14
15 1.000 1.000 1.000 1.000 1.000 1.000 0.994 0.949 0.762 0.370 0.043 0.003 0.000 15
16 1.000 1.000 1.000 1.000 1.000 1.000 0.999 0.984 0.893 0.589 0.133 0.016 0.000 16
17 1.000 1.000 1.000 1.000 1.000 1.000 1.000 0.996 0.965 0.794 0.323 0.075 0.001 17
18 1.000 1.000 1.000 1.000 1.000 1,000 1.000 0.999 0.992 0.931 0.608 0.264 0.017 18
19 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 0.999 0.988 0.878 0.642 0.182 19
55
continuación,
(e) n = 25
P
a 0.01 0.05 0.10 0.20 0.30 0.40 0.50 0.60 0.70 0.80 0.90 0.95 0.99 a
0 0.778 0.277 0.072 0.004 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0
1 0.974 0.642 0.271 0.027 0.002 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 1
2 0.998 0.873 0.537 0.098 0.009 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 2
3 1.000 0.966 0.764 0.234 0.033 0.002 0.000 0.000 0.000 0.000 0.000 0.000 0.000 3
4 1.000 0.993 0.902 0.421 0.090 0.009 0.000 0.000 0.000 0.000 0.000 0.000 0.000 4
5 1.000 1.999 0.967 0.617 0.193 0.029 0.002 0.000 0.000 0.000 0.000 0.000 0.000 5
6 1.000 1.000 0.991 0.780 0.341 0.074 0.007 0.000 0.000 0.000 0.000 0.000 0.000 6
7 1.000 1.000 0.998 0.891 0.512 0.154 0.022 0.001 0.001 0.000 0.000 0.000 0.000 7
S 1.000 1.000 1.000 0.953 0.677 0.274 0 .Ö54 0.004 0.005 0.000 0.000 0.000 0.000 8
9 1.000 1.000 1.000 0.983 0.811 0.425 0.115 0.013 0.000 0.000 0.000 0.000 0.000 9
10 1.000 1.00Ó 1.000 0.994 0.902 0.586 0.212 0.034 0.002 0.000 0.000 0.000 0.000 10
11 1.000 1.000 1.000 0.998 0.956 0.732 0.345 0.078 0.006 0.000 0.000 0.000 0.000 11
12 1.000 1.000 1.000 1.000 0.983 0.846 0.500 0.154 0.017 0.000 0.000 0.000 0.000 12
13 1.000 l.ÒOO 1.000 1.000 1.994 0.922 0.655 0.268 0.044 0.002 0.000 0.000 0.000 13
14 1.000 1.000 1.000 1.000 1.998 0.966 0.788 0.414 0.098 0.006 0.000 0.000 0.000 14
15 1.000 1.000 1.000 1.000 1.000 0.987 0.885 0.575 0.189 0.017 0.000 0.000 0.000 15
16 1.000 1.000 1.000 1.000 1.000 0.996 0.946 0.726 0.323 0.047 0.000 0.000 0.000 16
17 1.000 1.000 1.000 1.000 1.000 1.999 0.978 0.846 0.488 0.109 0.002 0.000 0.000 17
18 1.000 1.000 1.000 1.000 1.000 1.000 0.993 0.926 0.659 0.220 0.009 0.000 0.000 18
19 1.000 1.000 1.000 1.000 1.000 1.000 0.998 0.971 0.807 0.383 0.033 0.001 0.000 19
20 1.000 1.000 1.000 l.'OOO 1.000 1.000 1.000 0.991 0.910 0.579 0.098 0.007 0.000 20
21 1.000 1.000 1.000 1.000 1.000 1.000 1.000 0.998 0.967 0.766 0.236 0.034 0.000 21
22 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 0.991 0.902 0.463 0.127 0.002 22
23 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 0.998 0.973 0.729 0.358 0.026 23
24 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 0.996 0.928 0.723 0.222 24
56
TABLA 4. Áreas bajo la curva normal.
z 0.00 0.01 0.02 0.03 0.04 0.05 0.06 0.07 0.08 0.09
0.0 0.0000 0.0040 0.0080 0.0120 0.0160 0.0199 0.0239 0.0279 0.0319 0.0359
0.1 0.0398 0.0438 0.0478 0.0517 0.0557 0.0596 0.0636 0.0675 0.0714 0.4753
0.2 0.0793 0.0832 0.0871 0.0910 0.0948 0.0987 0.1026 0.1064 0.1103 0.1141
0.3 0.1179 0.1217 0.1255 0.1293 0.1331 0.1368 0.1406 0.1443 0.1480 0.1517
0.4 0.1554 0.1591 0.1628 0.1664 0.1700 0.1736 0.1772 0.1808 0.1844 0.1879
0.5 0.1915 0.1950 0.1985 0.2019 0.2054 0.2088 0.2123 0.2157 0.2190 0.2224
0.6 0.2257 0.2291 0.2324 0.2357 0.2389 0.2422 0.2454 0.2486 0.2517 0.2549
0.7 0.2580 0.2611 0.2642 0.2673 0.2704 0.2734 0.2764 0.2794 0.2823 0.2852
0.8 0.2881 0.2910 0.2939 0.2967 0.2995 0.3023 0.3051 0.3078 0.3106 0.3133
0.9 0.3159 0.3186 0.3212 0.3238 0.3264 0.3289 0.3315 0.3340 0.3365 0.3389
1.0 0.3413 0.3438 0.3461 0.3485 0.3508 0.3531 0.3554 0.3577 0.3599 0.3621
1.1 0.3643 0.665 0.3686 0.3708 0.3729 0.3749 0.3770 0.3790 0.3810 0.3830
1.2 0.3849 0.3869 0.3888 0.3907 0.3925 0.3944 0.3962 0.3980 0.3997 0.4015
1.3 0.4032 0.4049 0.4066 0.4082 0.4099 0.4115 0.4131 0.4147 0.4162 0.4177
1.4 0.4192 0.4207 0.4222 0.4236 0.4251 0.4265 0.4279 0.4292 0.4306 0.4319
1.5 0.4332 0.4345 0.4357 0.4370 0.4382 0.4394 0.4406 0.4418 0.4429 0.4441
1.6 0.4452 0.4463 0.4474 0.4484 0.4495 0.4505 0.4515 0.4525 0.4535 0.4545
1.7 0.4554 0.4564 0.4573 0.44582 0.4591 0.4599 0.4608 0.4616 0.4625 0.4633
1.8 0.4641 0.4649 0.4656 0.4664 0.4671 0.4678 0.4686 0.4693 0.4699 0.4706
1.9 0.4713 0.4719 0.4726 0.4732 0.4738 0.4744 0.4750 0.4756 0.4761 0.4767
2.0 0.4772 0.4778 0.4783 0.4788 0.4793 0.4798 0.4803 0.4808 0.4812 0.4817
2.1 0.4821 0.4826 0.4830 0.4834 0.4838 0.4842 0.4846 0.4850 0.4854 0.4857
2.2 0.4861 0.4864 0.4868 0.4871 0.4875 0.4878 0.4881 0.4884 0.4887 0.4890
2.3 0.4893 0.4896 0.4898 0.4901 0.4904 0.4906 0.4909 0.4911 0.4913 0.4916
2.4 0.4918 0.4920 0.4922 0.4925 0.4927 0.4929 0.4931 0.4932 0.4934 0.4936
2.5 0.4938 0.4940 0.4941 0.4943 0.4945 0.4946 0.4948 0.4949 0.4951 0.4952
2.6 0.4953 0.4955 0.4956 0. 4957 0.4959 0.4960 0.4961 0.4962 0.4963 0.4964
2.7 0.4965 0.4966 0.4967 0.4968 0.4969 0.4970 0.4971 0.4972 0.4973 0.4974
2.8 0.4974 0.4975 0.4976 0. 4977 0.4977 0.4978 0.4979 0.4979 0.4980 0.4981
2.9 0.4981 0.4982 0.4982 0. 4983 0.4984 0.4984 0.4985 0.4985 0.4986 0.4986
3.0 0.4987 0.4987 0.4987 0 . 4988 0.4988 0.4989 0.4989 0.4989 0.4990 0.4990
57
TABLA 19. (FRAGMENTO)
NUM. DE OBSERVACIONES
EN LA MUESTRA:
n a2 d3 d4
2 1.880 0 3.276
3 1.023 0 2.575
4 0.729 0 2.282
5 0.577 0 2.115
6 0.483 0 2.004
7 0.419 0,076 1.924
8 0.373 0.136 1.864
9 0.337 0.184 1.816
10 0.308 0.223 1.777
11 0.285 0.256 1.744
12 0.266 0.284 1.719
13 0.249 0.308 1.692
14 0.235 0.329 1.671
15 0.223 0.348 1.652
16 0.212 0.364 1.636
17 0.203 0.379 1.621
18 0.194 0.392 1.608
19 0.187 0.404 1.596
20 0.180 0.414 1.586
21 0.173 0.425 1.575
22 0.167 0.434 1.566
23 0.162 0.443 I .557
24 0.157 0.452 1.548
25 0.153 0.459 1.541
58
TABLA 20. Distribución del número total de rachas r en muestra de tamaño
(ni, n2), P(r< r0)_______________________________________________—
a
( b u n i), 2 3 4 5 6 7 8 9 10
23
( , ) 0.200 0.500 0.900 1.000
24
( , ) 0.133 0.400 0.800 1.000
( 2 , 5) 0.095 0.333 0.714 1.000
( 2, 6) 0.071 0.286 0.643 1.000
( 2 , 7) 0.056 0.250 0.583 1.000
( 2 , 8) 0.044 0.222 0.533 1.000
( 2,9 ) 0.036 0.200 0.491 1.000
( 2 , 10) 0.030 0.182 0.455 1.000
33
( , ) 0.100 0.300 0.700 0.900 1.000
34
( , ) 0.057 0.200 0.543 0.800 0.971 1.000
35
( , ) 0.036 0.143 0.429 0.714 0.929 1.000
( 3, 6 ) 0.024 0.107 0.345 0.643 0.881 1.000
( 3 , 7) 0.017 0.083 0.283 0.583 0.833 1.000
( 3 , 8) 0.012 0.067 0.236 0.533 0.788 1.000
( 3 ,9) 0.009 0.055 0.200 0.491 0.745 1.000
( 3 , 10) 0.007 0.045 0.171 0.455 0.706 1.000
44
( , ) 0.029 0.114 0.371 0.629 0.886 0.971 1.000
45
( , ) 0.016 0.071 0.266 0.500 0.786 0.929 0.992 1.000
46
( , ) 0.010 0.048 0.190 0.405 0.690 0.881 0.976 1.000
( 4 , 7) 0.006 0.033 0.142 0.333 0.606 0.833 0.954 1.000
( 4 ,8) 0.004 0.024 0.109 0.279 0.533 0.788 0.929 1.000
( 4 , 9) 0.003 0.018 0.085 0.236 0.471 0.745 0.902 1.000
( 4, 10) 0.002 0.014 0.068 0.203 0.419 0.706 0.874 1.000
55
( , ) 0.008 0.040 0.167 0.357 0.643 0.833 0.960 0.992 1.000
56
( , ) 0.004 0.024 0.110 0.266 0.522 0.738 0.911 0.976 0.998
57
( , ) 0.003 0.015 0.076 0.197 0.424 0.652 0.854 0.955 0.992
( 5,8) 0.002 0.010 0.054 0.152 0.347 0.576 0.793 0.929 0.984
( 5, 9) 0.001 0.007 0.039 0.119 0.287 0.510 0.734 0.902 0.972
( 5, 10) 0.001 0.005 0.029 0.095 0.239 0.455 0.678 0.874 0.958
66
( , ) 0.002 0.013 0.067 0.175 0.392 0.608 Ó.825 0.933 0.987
( 6 , 7) 0.001 0.008 . 0.043 0.121 0.296 0.500 0.733 0.879 0.966
( 6 , 8) 0.001 0.005 0.028 0.086 0.226 0.413 0.646 0.821 0.937
( 6 , 9) 0.000 0.003 0.019 0.063 0.175 0.343 0.566 0.772 0.902
( 6, 10) 0.000 0.002 0.013 0.047 0.137 0.288 0.497 0.706 0.864
77
( , ) 0.001 0.004 0.025 0.078 0.209 0.383 0.617 0.791 0.922
78
( , ) 0.000 0.002 0.015 0.051 0.149 0.296 0.514 0.704 0.867
( 7 . 9) 0.000 0.001 0.010 0.035 0.108 0.231 0.427 0.622 0.806
( 7 , 10) 0.000 0.001 0.006 0.024 0.080 0.182 0.355 0.549 0.743
88
( , ) 0.000 0.001 0.009 0.032 0.100 0.214 0.405 0.595 0.786
89
( , ) 0.000 0.001 0.005 0.020 0.069 0.157 0.319 0.500 0.702
8 10
( , ) 0.000 0.000 0.003 0.013 0.048 0.117 0.251 0.419 0.621
99
( , ) 0.000 0.000 0.003 0.012 0.044 0.109 0.238 0.399 0.601
9 10)
( , 0.000 0.000 0.002 0.008 0.029 0.077 0.179 0.319 0.510
( 1° , ! 0 ) 0.000 0.000 0.001 0.004 0.019 0.051 0.128 0.242 0.414
59
TABLA20 (Concluye) a
11 12 13 14 . 15 16 17 18 19 20
PA
P<0
PA
m
PA
PA
pa
W0>
OA
<3^
PA
0Æ
PA
Oft
OA
OlO)
PA
«A
PA
PA
PA
PA
P.lft
OA
<54 1.000
PA 1.000
PA 1000
PA L0Û0
OJA 1000
m 0603 IjOOO
<6.7) 0692 0666 LOCO
<<&> 0684 0666 IjOOO
<6» 0673 0664 1.000
W ft 095a 0660 IjOOO
0.7) 0675 0666 0666 1800
OA 0646 0683 0993 \OQQ I jOOO
60