INSTITUTO TECNOLÓGICO SUPERIOR DE SAN

MARTIN TEXMELUCAN

INGENIERÍA INDUSTRIAL

MATERIA: ESTADISTICA INFERENCIAL I

ALUMNO:
• BERNARDO GARCIA PAREDES
• FELIPE HERNANDEZ HERNANDEZ
• NERI HERNANDEZ MINERO
• ERICK HERNANDEZ REYES
• IVAN MINERO CRUZ

PROFESOR: DR. JOSE LUIS MENDEZ HERNANDEZ

3° SEMESTRE “A”

FECHA: 29 DE SEPTIEMBRE DEL 2019

PRACTICA #2: GRAFICAS DE CONTROL

 INTRODUCCION

En esta unidad aprendimos la importancia de lo que con lleva el permanecer lo

más cerca dentro del margen posible, puesto que se ha comprobado que dentro
de la industria todo debe de ser lo más seguro posible puesto que todo se trata
de negocios y queramos o no antes de tomar la decisión de si debemos o no
entrar al negocio debemos de tratar de entender que cada negocio tiene su riego
de fallas o perdidas y como tal no se puede perder mucho en cuestiones de nada
debido a dentro de lo que se pierde se encuentra el tiempo, dinero, recursos y
nadie se dará ese lujo. En esta ocasión se trabajó con el Teorema de Limite
Central y con Intervalos de Confianza. Los cuales como dije antes, nos ayudan
a cerciorarnos de todo esto sin tener ningún tipo de duda sobre lo que puede o
no llegar a pasar dentro de algún tipo de trabajo puesto que además de esto hay
ocasiones en las que el cliente no nos da toda la información en cuestiones de
valores o factores a tomar dentro de este trabajo que requieren y nosotros no
nos encontramos seguros obre si se debe tomar o no dicha responsabilidad y al
momento quedar mal llevándonos o teniendo algún tipo de problema que por
supuesto se pudo evitar. Pero ¿Cuál es la diferencia entre estos?; El TLC más
que nada nos indica la probabilidad de éxito que se va a llevar a cabo dentro de
algún trabajo solo tomando en cuenta los respectivos valores, pero solo un
trabajo se puede tomar si este es mayor del 90% puesto que es donde no habrá
tanta perdida y este se puede considerar como bueno. Los intervalos de
confianza nos indican el máximo y mínimo a superar dentro de lo que se está
esperando o estipulando y más allá de esto nos ayuda a saber si en algún
momento alguno de nuestros valores llega a pasarse o a faltarle para que cumpla
con los requerimientos que se están estipulando.
 OBJETIVO

Conocer y comprender la aplicación de la distribución muestral adecuada a la

situación que se presente cuando se tomen decisiones para solucionar un
problema.
Uso del Teorema del Limite Central, para determinar un porcentaje de éxito.
Uso de los Intervalos de Confianza para ver en la situación de aceptación que
tienen nuestros productos.

MARCO TEORICO

Hoy en día las estadísticas son indispensables para toda empresa, básicamente
en la presentación e interpretación de resultados aleatorios, las distribuciones
muéstrales son técnicas estadísticas que se utilizan para simular la relación
existente entre dos a más variables. Por lo tanto, se puede emplear para la
construcción de un modelo que permita el comportamiento de una variable.

TEOREMA CENTRAL DE LIMITE

El teorema del límite central es un teorema fundamental de probabilidad y
estadística. El teorema describe la distribución de la media de una muestra
aleatoria proveniente de una población con varianza finita. Cuando el tamaño
de la muestra es lo suficientemente grande, la distribución de las medias sigue
aproximadamente una distribución normal. El teorema se aplica
independientemente de la forma de la distribución de la población. Muchos
procedimientos estadísticos comunes requieren que los datos sean
aproximadamente normales. El teorema de límite central le permite aplicar estos
procedimientos útiles a poblaciones que son considerablemente no normales. El
tamaño que debe tener la muestra depende de la forma de la distribución
original. Si la distribución de la población es simétrica, un tamaño de muestra
de 5 podría producir una aproximación adecuada. Si la distribución de la
población es considerablemente asimétrica, es necesario un tamaño de muestra
más grande. Por ejemplo, la distribución de la media puede ser
aproximadamente normal si el tamaño de la muestra es mayor que 50. Las
siguientes gráficas muestran ejemplos de cómo la distribución afecta el tamaño
de la muestra que se necesita.

• MUESTRAS DE UNA POBLACIÓN UNIFORME

Una población que sigue una distribución uniforme es simétrica, pero
marcadamente no normal, como lo demuestra el primer histograma. Sin
embargo, la distribución de las medias de 1000 muestras de tamaño 5 de esta
población es aproximadamente normal debido al teorema del límite central,
como lo demuestra el segundo histograma. Este histograma de las medias de las
muestras incluye una curva normal superpuesta para ilustrar esta normalidad.
 INTERVALOS DE CONFIANZA

Un intervalo de confianza es una técnica de estimación utilizada en inferencia

estadística que permite acotar un par o varios pares de valores, dentro de los
cuales se encontrará la estimación puntual buscada (con una determinada
probabilidad). Un intervalo de confianza nos va a permitir calcular dos valores
alrededor de una media muestra (uno superior y otro inferior). Estos valores van
a acotar un rango dentro del cual, con una determinada probabilidad, se va a
localizar el parámetro poblacional.
Los intervalos de confianza nos permiten de igual forma saber cuáles son
nuestros límites, tanto inferior como superior, y con esto podremos identificar
si un lote de producción está dentro de los limites o en dado caso esta fuera.
Cuando está fuera de los limites significa que algo que la producción del
material está fallando o incluso el mismo material con el que se elabora el
producto es de mala calidad. Cuando nos piden hacer un control estadístico y
nos piden hallar el nivel de calidad del producto, pero, no nos proporcionan los
límites, los intervalos de confianza nos permiten identificar estos con base a las
muestras que se proporcionen, conociendo así si es de calidad o no el producto.
 DESARROLLO

1. MATERIALES, EQUIPOS Y REACTIVOS

➢ Computadora ➢ Gomas
➢ Calculadora ➢ Sacapuntas
➢ Clavos de 1" ➢ Vernier digital
➢ Libretas ➢ Separadores
➢ Lapiceros

2. PLANTEAMIENTO DEL PROBLEMA Y TOMA DE

MUESTRAS PLANTEADAS

➢ Simulemos que nosotros trabajamos para una industria que fabrica clavos
de 1" y debemos calcular la probabilidad de éxito y los intervalos de
confianza que tienen dichos productos en el mes de septiembre para
sacarlos a la venta del mercado industrial.
➢ En dicha industria, se tiene 5 maquinas que se encarga de dicha
elaboración, y cada maquina elaboro 20 clavos en dicho mes.

➢ De una población de 20 clavos de 1" por cada máquina, sacar la muestra

y medir la longitud, para verificar que todos midan lo mismo de longitud
ya que todos los clavos son de una misma categoría; utilizando muestreo
aleatorio simple.
3. PROCEDIMIENTO

a) De los 5 conjuntos de clavos, sacar las muestras correspondientes.

b) Con el uso del Vernier digital, medir las muestras de los 5 conjuntos.
c) Elaboración de cálculos, tablas y graficas con los valores obtenidos.
d) Realizar la interpretación con los resultados obtenidos.
e) Revisión, corrección de las mismas
f) Posteriormente realizar la actividad en documento digital
g) Subirla a plataforma finalizada.

4. ACTIVIDADES, DATOS Y RESULTADOS

1. Visualización de los 5 conjuntos de clavos.

2. Después de esto procedimos a utilizar muestreo aleatorio simple el

cual consistía en sacar la muestra la cual resulto ser 19. Obtenida la
muestra tomamos aleatoriamente esos 19 objetos de los 20 (19 por
 cada máquina) ya seleccionados de los cuales tomamos medidas de
longitud con la finalidad de ver la variación que hay entre estos
mismos artículos.

𝟐𝟎(𝟏. 𝟗𝟔)𝟐 (𝟎. 𝟓)(𝟎. 𝟓)

𝒏=
(𝟎. 𝟎𝟓)𝟐 (𝟐𝟎 − 𝟏) + (𝟏. 𝟗𝟔)𝟐 (𝟎. 𝟓)(𝟎. 𝟓)

𝒏 = 𝟏𝟗. 𝟎𝟓 = 𝟏𝟗 clavos de 1"

3. Posteriormente se tomó medida de longitud de los 19 clavos por cada

máquina (son 5 máquinas, 19x5=95 clavos)

4. Se realizo la tabla de valores obtenidos

LONGITUD DE CLAVOS DE 1"

Septiembre M1 M2 M3 M4 M5 ∑ V. Max V. Min Rango
1 0.97 0.99 0.99 1 1 4.95 0.99 1 0.97 0.03
2 1.02 0.99 1.05 1.04 1.02 5.12 1.024 1.05 0.99 0.06
3 0.97 1.02 1.01 0.98 0.98 4.96 0.992 1.02 0.97 0.05
4 0.97 0.95 1.08 1.08 1.05 5.13 1.026 1.08 0.95 0.13
5 0.97 1.01 1.01 1.08 0.98 5.05 1.01 1.08 0.97 0.11
6 0.97 1.08 0.97 1 0.96 4.98 0.996 1.08 0.96 0.12
7 0.98 1 0.96 1.05 1 4.99 0.998 1.05 0.96 0.09
8 0.98 0.99 0.99 1.02 1 4.98 0.996 1.02 0.98 0.04
 9 1.02 0.95 1.01 1 1 4.98 0.996 1.02 0.95 0.07
10 1.07 0.98 1.03 0.97 1.03 5.08 1.016 1.07 0.97 0.1
11 1.08 1.02 1.02 1.02 1.02 5.16 1.032 1.08 1.02 0.06
12 0.99 0.97 1 1 1.08 5.04 1.008 1.08 0.97 0.11
13 1.03 0.99 0.98 0.98 0.98 4.96 0.992 1.03 0.98 0.05
14 1.03 1.05 0.99 0.99 0.99 5.05 1.01 1.05 0.99 0.06
15 1.02 0.98 0.99 1.03 1.04 5.06 1.012 1.04 0.98 0.06
16 0.98 0.98 0.99 0.98 1.06 4.99 0.998 1.06 0.98 0.08
17 0.98 1.02 1.02 0.98 0.98 4.98 0.996 1.02 0.98 0.04
18 0.96 0.96 1.01 1 0.96 4.89 0.978 1.01 0.96 0.05
19 0.96 0.97 1.01 1 0.97 4.91 0.982 1.01 0.96 0.05
∑ Total de ´s = 19.052 ∑ Total de Rangos= 1.36
Total= 1.0027 Rango= 0.0715

5. Una vez, obtenidos datos importantes de la tabla anterior, hacemos uso de la

tabla de “CONSTANTES PARA GRÁFICOS DE CONTROL” para
determinar nuestros intervalos “LSC, LCC y LIC”
➢ =1.0027

➢ Rango=0.0715

➢ A2=0.577

➢ D4=2.114

➢ D3=0

VALORES DE LSC, LCC Y LIC DE LAS MEDIAS

• LSC= 1.0027+(0.577*0.0715)= 1.0439

• LCC=1.0027

• LIC=1.0027-(0.577*0.0715)= 0.9614

VALORES DE LSC, LCC Y LIC DE LOS RANGOS

• LSC= 2.114*0.0715= 0.1511

• LCC=0.0715

• LIC=0*0.0715= 0
6. Ya obtenidos estos datos, se realizaron las gráficas siguientes.

CONTROL ESTADISTICO DE LAS MEDIAS

1.06

1.04

1.02

0.98

0.96

0.94

0.92
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19

MEDIAS LSC LCC LIC

CONTROL ESTADISTICO DE MEDIAS DE

RANGOS
0.16

0.14

0.12

0.1

0.08

0.06

0.04

0.02

0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19

RANGOS LSC LCC LIC

7. Ahora vamos a determinar la probabilidad de éxito mediante los siguientes
parámetros:

El mercado del área industrial permite las siguientes tolerancias respecto a un

clavo de 1":

❖ +0.05
❖ -0.05
8. Como habíamos dicho, tenemos 5 maquinas y cada maquina elaboro 20
clavos en el mes de septiembre, por lo cual aquí presentamos la tabla con
toda la población de clavos que se elaboro en nuestra industria en el mes de
septiembre, y su respectiva “MEDIA DE POBLACION”

Septiembre M1 M2 M3 M4 M5
1 0.97 0.99 0.99 1 1
2 1.02 0.99 1.05 1.04 1.02
3 0.97 1.02 1.01 0.98 0.98
4 0.97 0.95 1.08 1.08 1.05
5 0.97 1.01 1.01 1.08 0.98
6 0.97 1.08 0.97 1 0.96
7 0.98 1 0.96 1.05 1
8 0.98 0.99 0.99 1.02 1
9 1.02 0.95 1.01 1 1
10 1.07 0.98 1.03 0.97 1.03
11 1.08 1.02 1.02 1.02 1.02
12 0.99 0.97 1 1 1.08
13 1.03 0.99 0.98 0.98 0.98
14 1.03 1.05 0.99 0.99 0.99
15 1.02 0.98 0.99 1.03 1.04
16 0.98 0.98 0.99 0.98 1.06
17 0.98 1.02 1.02 0.98 0.98
18 0.96 0.96 1.01 1 0.96
19 0.96 0.97 1.01 1 0.97
20 0.98 0.96 1 1.02 0.98
∑ 19.93 19.86 20.11 20.22 20.08
0.9965 0.993 1.0055 1.011 1.004 1.002
9. Teniendo estos datos, realizamos el calculo para determinar el valor de
varianza, y como resultados tenemos los siguientes datos:
N=100
µ=1.002
n=95
=1.0027
2
=0.001036
10. Después utilizamos el Teorema del Limite Central, para determinar la
probabilidad de éxito, cabe mencionar que hicimos uso de una imagen que
se envió en un grupo de WhatsApp para el uso del valor de cierta área bajo
una Gaussiana o Distribución Normal.

0.95 − 1.0027 1.05 − 1.0027

𝑃=
√0.00000109 √0.00000109

−0.00527 0.00473
𝑃=
√0.00000109 √0.00000109

𝑃 = −5.0477 4.5305

𝑃 = −2.523 2.26

𝑃 = 0.9881 − 0.0059

𝑃 = 0.9822

𝑃 = 0.9822 ∗ 100%
 𝑷 = 𝟗𝟖. 𝟐𝟐%

11. Una vez obtenido todos estos datos, realizamos una interpretación
general sobre las gráficas, valores y porcentaje de éxito obtenidos.

INTERPRETACION:
Dentro de lo que son las graficas de control respecto a nuestros valores de LSC
y LIC, nuestros productos están dentro de esos Intervalos de confianza, por lo
que podemos inferir que nuestro producto si esta dentro de los establecido por
el mercado industrial, cabe destacar, que si existe variaciones en dichas gráficas,
pero nunca sobrepasan los intervalos obtenidos, por lo que no es de gran
preocupación, pero si hay que tomar en cuenta que si queremos mejorar cada
vez más, hay que analizar mas detalladamente lo que son : maquinaria, los
obreros, el entorno en el que se desarrollan, los métodos que se usan para
fabricar dichos clavos y otros factores que nos permitan elevar nuestra
productividad y seguir mejorando.
Dentro de lo que es la probabilidad de éxito, era obvio que fuese tan alto, ya
que eso nos mostro en un principio nuestras graficas de control.
Nuestra industria seguirá cada vez mejor, para elevar ese 98.22% a un
99.9997% como lo establece un modelo SIX SIGMA.
Será cuestión de tiempo, para identificar los factores que están provocando este
98.22% y una vez detectado, mejorar y poder llegar a un porcentaje de calidad
mucho mejor.
12. CUESTONARIO

❖ ¿QUÉ ES EL MUESTREO ALEATORIO SIMPLE?

El muestreo aleatorio simple es un procedimiento de muestreo probabilístico
que da a cada elemento de la población objetivo y a cada posible muestra de un
tamaño determinado, la misma probabilidad de ser seleccionado.

❖ ¿QUÉ ES EL TEOREMA DEL LIMITE CENTRAL?

Es un teorema fundamental de probabilidad y estadística. El teorema describe
la distribución de la media de una muestra aleatoria proveniente de una
población con varianza finita. Este se aplica independientemente de la forma de
la forma de la distribución de la población. Permite aplicar estos procedimientos
útiles a poblaciones que son considerablemente no normales.

❖ ¿QUÉ SON LOS INTERVALOS DE CONFIANZA?

Describe la variabilidad entre la medida obtenida en un estudio y la medida real
de la población (el valor real). Corresponde a un rango de valores, cuya
distribución es normal y en el cual se encuentra, con alta probabilidad.

APLICACIÓN
El teorema del límite central indica las condiciones muy generales de una
población a partir de una muestra, para determinar el porcentaje de éxito que
tendrá nuestro producto si lo sacamos al mercado.
Un intervalo de confianza es una técnica de estimación que permite acotar un
par o varios pares de valores, dentro de los cuales se encontrará la estimación
puntual buscada (con una determinada probabilidad). Un intervalo de confianza
nos va a permitir calcular dos valores alrededor de una media muestra (uno
superior y otro inferior). Estos valores van a acotar un rango dentro del cual,
con una determinada probabilidad, se va a localizar el parámetro poblacional.

✓ Un ejemplo claro de este tema es cuando deseamos saber el nivel

promedio de las calificaciones de 4 distintas facultades con 25 alumnos
cada una.

✓ Otro ejemplo es el saber el nivel medio de ventas de una muestra de 15

vendedores.

✓ Otro ejemplo, es la práctica que acabamos de realizar, para determinar si

estamos dentro de lo que el mercado pide y de esta forma calcular el
porcentaje de éxito que tendremos y de esta manera poder competir con
las demás empresas o industrias manufactureras.
 CONCLUSION
Con el realizamiento de esta práctica, nos fue posible poner a prueba todo lo
aprendido, visto, analizado en clases de Estadística Inferencial I.

Tanto como y en qué momento usar cada tipo de muestreo visto en clases, en
este caso fue el uso de MUESTRO ALEATORIO SIMPLE.

De igual forma como utilizar ciertas formulas y graficar los LSC, LCC y LIC.

También como realizar ciertos cálculos, determinar valores, para después

aplicar ciertas ecuaciones para determinar cierto porcentaje de éxito, con el uso
del TEOREMA DEL LIMITE CENTRAL para ver qué tanto de probabilidad
tendremos sobre un producto en especifico y poder analizar, poder interpretar y
ver, ¿Qué factores son los que me afectan?, para poder arreglar dicho defecto y
así lograr una mejora continua dentro de mi empresa y aumentar cada vez más
la productividad para ser reconocido.

Nos fue posible poder trabajar en equipo, en organizarnos, y la manera de

clasificar los elementos que utilizamos en esta práctica.

Gracias al profesor nos fue posible, como un conocimiento extra, el uso y

manejo del calibrador VERNIER, como medir, que tipos de mediciones, el
sistema o unidad de medida (centímetro o pulgada) y como utilizar todas las
partes de dicha herramienta de medición.

Solo que, en esta ocasión, se usó el VERNIER DIGITAL, para poder

establecer familiarización con diferentes instrumentos de medición, tanto
analógicos como digitales, ya que no sabemos que tipo de instrumentos
trabajaremos en un futuro.
 REFERENCIAS
1. Douglas C. Montgomery y George C. Runger. Probabilidad y Estadística
aplicadas a la ingeniería, 1ª. Ed. McGraw-Hill Interamericana. México,
1996.

2. Walpole, Ronald E ; Myers, Raymond H Myers, y Sharon Probabilidad

y Estadística para ingenieros, 6ª. Ed. Prentice-Hall Hispanoamericana
S..A. México, 1999.

3. Meyer, Paul L. Probabilidad y Aplicaciones Estadísticas, Edición

Revisada Addisson Wesley Longman. México, 1998.

4. Mendenhall, William, Wackerly, Dennis D., y Scheaffer, Richard L.

Estadística Matemática con Aplicaciones, 2ª. Ed. Grupo Editorial
Iberoamérica. México, 1994.