GUíAS DE TRABAJOS PRÁCTICOS N 2 y N 3 (2do Cuatrimestre 2018) GRÁFICOS DE CONTROL

Documentos relacionados
MÉTODOS ESTADÍSTICOS PARA EL CONTROL DE CALIDAD

Estadística Contenidos NM 4

V II Muestreo por Conglomerados

GUÍA DE EJERCICIOS ESTADÍSTICA DESCRIPTIVA

Inferencia Estadística

Estadística Descriptiva

Curso de Estadística Unidad de Medidas Descriptivas. Lección 2: Medidas de Tendencia Central para Datos Agrupados por Valor Simple

ESTADÍSTICA poblaciones

Control estadístico de procesos. Control de procesos. Definición de proceso bajo control estadístico. Causas de la variabilidad en un proceso

MEDIDAS DE TENDENCIA CENTRAL

TEMA 3. Medidas de variabilidad y asimetría. - X mín. X máx

Estadística Contenidos NM 4

IV. GRÁFICOS DE CONTROL POR ATRIBUTOS

Estadística aplicada al Periodismo

4º MEDIO: MEDIDAS DE POSICIÓN

Los Histogramas. Histograma simple

2.4 Pruebas estadísticas para los números pseudoaleatorios

ESTADÍSTICA DESCRIPTIVA

7. Muestreo con probabilidades desiguales.

Respuesta. Si 100 manzanas es una muestra suficientemente grande podemos ocupar el TCL. Por lo tanto:

Modelos de Regresión análisis de regresión diagrama de dispersión coeficientes de regresión

III. GRÁFICOS DE CONTROL POR VARIABLES (1)

MATEMÁTICA MÓDULO 4 Eje temático: Estadística y Probabilidades

VARIABLES ESTADÍSTICAS UNIDIMENSIONALES.

Definición. Número obtenido a partir del análisis de una variable estadística. Procedimiento de cálculo bien definido:

La inferencia estadística es primordialmente de naturaleza

CÁLCULO NUMÉRICO (0258)

LECTURA 02: DISTRIBUCIONES DE FRECUENCIAS (PARTE I) DISTRIBUCIONES DE FRECUENCIAS EN PUNTOS AISLADOS

Distribuciones Muestrales

SEMESTRE DURACIÓN MÁXIMA 2.5 HORAS DICIEMBRE 10 DE 2008 NOMBRE

V Muestreo Estratificado

MEDIA ARITMÉTICA. Normalmente se suele distinguir entre media aritmética simple y media aritmética ponderada.

UNIDAD DIDÁCTICA 13: Estadística Descriptiva

Objetivos. Introducción n a las medidas de posición n (tendencia central o tipismo): Moda y Mediana Media aritmética

Colegio Sagrada Familia Matemáticas 4º ESO

Orden de la tirada. Figura 1: Frecuencia relativa de cara para una sucesión de 400 tiradas.

AGRO Examen Parcial 1

APROXIMACIÓN NUMÉRICA AL CÁLCULO DEL ÁREA BAJO LA GRÁFICA DE UNA FUNCIÓN MEDIANTE RECTÁNGULOS INSCRITOS

PARÁMETROS ESTADÍSTICOS ... N

Tema 60. PARÁMETROS ESTADÍSTICOS: CÁLCULO, PROPIEDADES Y SIGNIFICADO.

Curso de Estadística Unidad de Medidas Descriptivas. Lección 3: Medidas de Tendencia Central para Datos Agrupados por Clases

Colegio Sagrada Familia Matemáticas 4º ESO ESTADÍSTICA DESCRIPTIVA

Qué es ESTADISTICA? OBJETIVO. Variabilidad de las respuestas. Las mismas condiciones no conducen a resultados exactamente similares PROBLEMA SOLUCIÓN

Test de Hipótesis. Error de tipo I: Rechazar H 0 siendo H 0 Verdadera. Error de tipo II: No rechazar H 0 siendo H 0 Falsa

Ejercicios y Talleres. puedes enviarlos a

Medidas de Tendencia Central

Métodos indirectos de estimación: razón, regresión y diferencia

REGRESIÓN LINEAL SIMPLE

MEDIDAS DE CENTRALIZACIÓN

ESTADÍSTICA I UNIDAD I ESTADÍSTICA DESCRIPTIVA

MEDIDAS DE FORMA Y CONCENTRACIÓN

PARTE 2 - ESTADISTICA. Parte 2 Estadística Descriptiva Introducción

Estadística. Tema 2: Medidas de Tendencia Central.. Estadística. UNITEC Tema 2: Medidas de Tendencia Central Prof. L. Lugo

Esta t d a í d s í titcos o TEMA 3.3

CÁLCULO Y COMENTARIOS SOBRE ALGUNAS MEDIDAS DESCRIPTIVAS. de una variable X, la denotaremos por x y la calcularemos mediante la fórmula:

Apéndice 1. Ajuste de la función gamma utilizando el método de máxima probabilidad ( maximum likelihood )

NOTAS SOBRE ESTADÍSTICA APLICADA A LA CALIDAD

EXAMEN DE MATEMÁTICAS APLICADAS I Temas 12 a 15

UNIDAD 14.- Distribuciones bidimensionales. Correlación y regresión (tema 14 del libro)

NOMBRE. para los nuevos datos, incrementando 5 unidades cada calificación. entonces la media sumando 5 unidades a cada calificación es

Introducción a la Inferencia Estadística. Dept. of Marine Science and Applied Biology Jose Jacobo Zubcoff

TRABAJO 2: Variables Estadísticas Bidimensionales (Tema 2).

1.3. Longitud de arco.

TEMAS CUESTIONARIO DE AUTOEVALUACIÓN

CAPITULO II. Medidas estadísticas. Objetivo. Contenido. Calcular las medidas posición, de tendencia central, de dispersión y de forma.

DISTRIBUCIÓN DE LA MEDIA Y EL TEOREMA DEL LÍMITE CENTRAL

SOLUCIÓN EXAMEN PARCIAL I

En esta sección estudiaremos el caso en que se usa un solo "Predictor" para predecir la variable de interés ( Y )

1. Los postulados de la Mecánica Cuántica. 2. Estados Estacionarios. 3. Relación de Incertidumbre de Heisenberg. 4. Teorema de compatibilidad.

PyE_ EF1_TIPO2_

que queremos ajustar a los datos. Supongamos que la función f( x ) describe la relación entre dos cantidades físicas: x e y = f( x)

Tema 1. La medida en Física. Estadística de la medida Cifras significativas e incertidumbre

PROBABILIDAD Y ESTADISTICA

2 Representación gráfica de las series de frecuencias.

CAPÍTULO III TÉCNICAS DE SIMULACIÓN ESTADÍSTICA. Los datos sintéticos son elementos de suma importancia en los sistemas de diseño en

CONTENIDO MEDIDAS DE POSICIÓN MEDIDAS DE DISPERSIÓN OTRAS MEDIDAS DESCRIPTIVAS INTRODUCCIÓN

Regresión lineal simple

RELACIÓN ENTRE DOS VARIABLES NUMÉRICAS REGRESIÓN LINEAL SIMPLE. CORRELACIÓN. realizar el calibrado en análisis instrumental.

METODOLOGÍA DE CÁLCULO DEL INDICADOR DE FLOTA EN OPERACIÓN (IFO)

ANÁLISIS DE REGRESIÓN Y CORRELACIÓN LINEAL

5.3 Estadísticas de una distribución frecuencial

4 METODOLOGIA ADAPTADA AL PROBLEMA

3 = =. Pero si queremos calcular P (B) 2, ya que si A ocurrió, entonces en la urna

Especialista en Estadística y Docencia Universitaria PRUEBAS DE NORMALIDAD MÉTODO DE KOLMOGOROV SMIRNOV

División de Estadísticas y Proyecciones Económicas (DEPE) Centro de Proyecciones Económicas (CPE)

ENUNCIADOS DE LOS EJERCICIOS PROPUESTOS EN 2010 EN MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES.

SOLUCIONES A LOS EJERCICIOS DE LA UNIDAD

Probabilidad y estadística

Modelos de Regresión Simple

4. SEGUNDO MÓDULO. 4.1 Resumen de Datos

No debe entregar los enunciados

Dada una sucesión x1, x2, x3,... x n dos a dos independientes, con una misma distribución de probabilidad y con esperanza µ y varianza σ

MUESTREO EN POBLACIONES FINITAS (1) Dos aspectos básicos de la inferencia estadística, no vistos aún:

ERRORES EN LAS MEDIDAS (Conceptos elementales)

Análisis Numérico y Programación. Unidad III. -Interpolación mediante trazadores: Lineales, cuadráticos y cúbicos

Probabilidad y estadística

1 Estadística. Profesora María Durbán

Unidad 6. Anualidades anticipadas. Objetivos. Al finalizar la unidad, el alumno:

Análisis de Regresión y Correlación Lineal

Transcripción:

GUíAS DE TRABAJOS PRÁCTICOS 2 y (2do Cuatrmestre 208) GRÁFICOS DE COTROL ) Guía o 2: El admstrador de servcos de ua ageca grade de automóvles desea estudar la catdad de tempo requerdo para efectuar u tpo partcular de reparacó e su taller mecáco. Cada día se seleccoó u subgrupo de 0 (dez) automóvles que ecestaba ese tpo de reparacó durate u período de cuatro semaas. Los resultados (tempo de servco e horas) se regstraro e la tabla sguete: Costruya los dagramas de cotrol adecuados y determe s el proceso de tempo de servco se ecuetra e u estado de cotrol estadístco. Gráfco de Cotrol para Xഥ La líea cetral LC, el límte superor de cotrol LSC y el límte feror de cotrol LIC so LSC = Xധ + A 2 Rത LC = Xധ LIC = Xധ A 2 Rത e las cuales la costate A 2 debe ser buscada e la Tabla A2 0,08 de latabla para 0 Observar que so 20 Subgrupos de 0 c/ u Gráfco de Cotrol para R La líea cetral LC, el límte superor de cotrol LSC y el límte feror de cotrol LIC so LSC = D Rത LC = Rത LIC = D Rത e las cuales Rത es el rago promedo y las costates D y D debe ser buscadas e la Tabla D 0,22 de latabla para 0 Observar que so 20 Subgrupos de 0 c/ u D, de latabla para 0 Observar que so 20 Subgrupos de 0 c/ u

Rago de la muestra Meda de la muestra X 20 X LSC X A2 R 0,8, 20 20, 0,08,82, 0 X LC X, LCI X A2 R, 0,08,82 2, 060 20 LSC DR R 6, 6 R,82 20 20,,82 8,82 R LC r,82 LIC DR 0, 22,82, 06 Gráfca Xbarra-R (Mtab) +SL=,08 +,SL=,2 X=, -,SL=2,80 2 -SL=2,060 8 +SL=8,8 6 2 +,SL=6,0 R=,8 -,SL=2, -SL=,08 0 S be los putos está detro de los límtes de cotrol, la mayor parte se alea detro de ecesaro cambar la forma de los subgrupos., Es ota: La aproxmacó a la líea cetral o mplca que el proceso se halle bajo cotrol, so que se trata de ua mezcla de datos muestreados de dferetes poblacoes o partdas e cada subgrupo que, debdo a su heterogeedad, tora demasado amplo el cálculo que se obtee de la separacó de los límtes de cotrol LIC y LSC a partr de las fórmulas aterores. E estos casos es ecesaro cambar la forma de subagrupameto (debe haber mayor homogeedad e los datos tomados detro de cada Subgrupo, por ejemplo, que los valores de cada subgrupo provega de la msma partda) ) Guía o 2: Se seleccoa u subgrupo de 2 pelotas de ua máqua que fabrca pelotas de softball durate el proceso de produccó. Las crcuferecas de las pelotas (meddas e pulgadas) se regstra a cotuacó (de zquerda a derecha) a) Costruya u dagrama de cotrol para el peso de los paquetes. b) Está la crcufereca de las pelotas bajo cotrol? 2

Gráfco de Cotrol para X La líea cetral LC, el límte superor de cotrol LSC y el límte feror de cotrol LIC so LSC = Xത + 2,66 RM തതതതത LC = Xത LIC = Xത 2,66 RM തതതതത e las cuales RM തതതതത es el promedo de los desde = hasta = S se desea, a veces se lo puede acompañar co el GC para RM Gráfco de Cotrol para RM La líea cetral LC, el límte superor de cotrol LSC y el límte feror de cotrol LIC so LSC = D RM തതതതത =,26 RM തതതതത LC = RM തതതതത LIC = D RM തതതതത = 0 e las cuales RM തതതതത es el rago promedo de los D D 0 de latabla para 2, 26 de latabla para Observar úca o Subgrupo Idvdual de 2 2 Observar úca o Subgrupo Idvdual de 2 X 2 X 2,8,2 2 2 RM X X Observar que para valores de X hay valores RMs MR MR X X 2 MR 0,86 etoces MR 0,06208 2 2 LSC X 2, 66 MR,2 2, 66 0, 06208 2,06286 X LC X,2 LIC X 2, 66 MR,2 2, 660, 06208,0622 LSC D MR, 26 0,06208 0,82262 MR LC MR 0,06208 LIC D MR 00,06208 0

Rago móvl Valor dvdual Gráfca Xbarra Idvdual-RM (Rago Movl) 2,0 +SL=2,062 2,0 +2SL=2,06 2,00 X=,, -2SL=,,0 -SL=,06 Observacó 2 2 2 0,2 +SL=0,8 0,0 +2SL=0,00 0,06 0,0 MR=0,062 0,00 -SL=0-2SL=0 Observacó 2 2 2 Dos de tres putos aparece fuera de la líea 2 ) Guía o : Ua empresa fabrcate de ropa deportva ha establecdo ua produccó automátca de ua líea de suéteres. Vete muestras de tamaño 0 so tomadas aleatoramete durate la prmera semaa de produccó para establecer límtes de cotrol para el proceso. Los defectuosos permaece e el embarque, pero tee meos valor, porque se puede veder como de seguda. Los defectuosos detectados e las vete muestras so los sguetes: a) Calcule los límtes del cotrol del proceso. b) Costruya el dagrama. c) Está bajo cotrol este proceso? Elegremos costrur u Gráfco del tpo p ya que el atrbuto es el úmero de defectuosos y el tamaño de muestra = 0 resulta costate.

Coteo de muestras 20 p 0,80 0,0 0 0,0 2 20 20 Comezamos calculado p y p p p LSC p p p p P LC p p p LIC p p p p 0,0 0,0 LSC 2 0 2,628 6,628 0 P LC 2 0,0 0,0 LIC 2 0 2,628-2,628 0 0 Gráfca P 6 UCL=6, 2 P=2 0 LCL=0 El proceso está fuera de cotrol. ota: e este problema també se podría haber utlzado u Gráfco del tpo p co el úco cambo que sera las udades de las ordeadas. S be cualtatvamete u gráfco p (para costate) os permtría detectar exactamete las msmas desvacoes, cuattatvamete resulta mas práctca de leer la ateror gráfca del tpo p Veamos s para este msmo problema, se hubera decddo costrur u Gráfco del tpo p para u tamaño de muestra = 0 (costate), etoces os hubera quedado los sguetes límtes

Proporcó p P (caso = costate) p y Observaco : solo e el caso partcular que costate del msmo valor para todas las muestras Esto permte usar e lugar de p p LSC p P (caso = costate) LC p p p LIC p Observacó: Las ecuacoes aterores SOLO SO VALIDAS para u Gráfco de tpo p, cosderado el caso partcular que el tamaño de muestra fuera costate, y es lo que os srve para uestro ejemplo. S e otro problema, el valor de o fuera costate para todas las muestras, e las ecuacoes de los límtes deberá reemplazarse este por el Etoces, co u Gráfco tpo p se obtee smplemete los msmos límtes que para u Gráfco del tpo p (cuado = costate) pero multplcados por. Ver la sguete gráfca. Gráfca P 0, 0,2 UCL=0,2 0,0 0,08 0,06 0,0 P=0,0 0,02 0,00 LCL=0 La coclusó es détca: El proceso está fuera de cotrol. 6

) Guía o : Ua embotelladora de bebdas gaseosas tee regstros daros de la preseca de las latas defectuosas que sale de la máqua de lleado y sellado. Se regstra los o cumplmetos co lo especfcado, tales como ua catdad adecuada de cotedo, latas co muecas y latas que o está adecuadamete selladas. Los datos correspodetes a la produccó de u mes (co semaas de días laborables) se preseta a cotuacó: Costruye u dagrama de la porcó de latas o aceptadas de la produccó mesual. El proceso muestra algua señal de que está fuera de cotrol? Costruremos u Gráfco del tpo p para cuado el tamaño de las muestras o es el msmo LSC p P LC p LIC p p p p p p p y úmero de muestras úmero de productos de la muestra "" E este caso caso, costate. Teemos que 22. Se debe utlzar 22 p 22 0,280 0 p 0,0222 68, 00 22 22 22 22

Proporcó 0,0222 0,0222 LSC 0,0222+ 0, 088 68, 0 P LC 0,0222 0,0222 0,0222 LIC 0,0222-0, 0080 68, 0 0,08 0,06 Gráfca P UCL=0,0 0,0 0,02 P=0,028 0,00 0,008 2 LCL=0,008 Las pruebas se realzaro co tamaños de la muestra desguales Uo de los putos está fuera de los límtes de cotrol. 6) Guía o : El sstema de trásto de ua cudad utlza el úmero de quejas recbdas por escrto por día como ua medda de la caldad de su servco. E 0 días el úmero de quejas recbdo es el que se muestra e la tabla que sgue: Calcule los límtes de cotrol, realce el dagrama y respoda: El proceso está bajo cotrol? c k k c LSC c c C LC c LIC c c 8

Coteo de muestras c k k c 0 6, 6 LSC, 6, 6, 028 C LC,6 LIC, 6, 6,828 0 2 0 Gráfca C UCL=,0 8 6 C=,6 2 0 LCL=0 2 6 8 0 El proceso está bajo cotrol. ) Guía o : Los resultados de la speccó de 20 lotes de u producto se preseta e la tabla sguete. Realce la gráfca de cotrol e dque s el proceso está bajo cotrol. u u úmero de muestras úmero de productos de la muestra "" u úmero de defectos de la muestra ""

Coteo de muestras por udad Total de defectos c u = c / Total de defectos c u = c / / =,8 2 2/ =, 2 2 /2 =, 2 6 /6 = 0,8 6 6/ = 0,86 8 8/ =, 2 2/ =, / =,22 / = 0, 2 8 8/2 =,0 6 / =,00 6 /2 =,08 0 0/ =, 22 22/ =, 8 / =, 8 6 6 6/6 =,00 6 2 2/6 =,8 2 2/ =,6 0 8 8/ =,20 20 2 22 22/2 =,8 u u 26,8,286 20 2 20 0, u u LSC u u U LC u u u LIC u u,2 LSC,2+ 2,86 0, LC,2,2 LIC,2 0,2 0, 2, Gráfca U +SL=2, 2,0 +,SL=,860,,0 U=,2 -,SL=0,8 0, -SL=0,26 0,0 El proceso o está bajo cotrol. La mayor parte de los putos se alea detro de la fraja cetral de las líeas,. 0

TABLA

Iterpretacó de los Gráfcos de Cotrol ) U puto del gráfco excede los límtes de σ 2) (ó más) putos cosecutvos (o 0 de ) ubcados del msmo lado de la líea cetral ) (ó mas) putos cosecutvos e escalera ascedete o descedete ) (ó más) putos cosecutvos osclado alteratvamete haca arrba y haca abajo ) 2 putos (ó putos) de cosecutvos, excede los límtes de 2σ e la msma dreccó 6) putos (ó putos) de cosecutvos, excede los límtes de σ (o 2/) e la msma dreccó ) putos cosecutvos detro del límte de cotrol ±, σ U puto del gráfco excede los límtes de σ (ó más) putos cosecutvos ubcados del msmo lado de la líea cetral (ó mas) putos cosecutvos e escalera ascedete o descedete (ó más) putos cosecutvos osclado alteratvamete haca arrba y haca abajo 2 putos (ó putos) de cosecutvos, excede los límtes de 2σ e la msma dreccó putos (ó putos) de cosecutvos, excede los límtes de σ e la msma dreccó putos cosecutvos detro del límte de cotrol de ±,σ 2

Eleccó GC Varables (meddas cotuas) Tpo de dato Atrbutos (coteos dscretos) o S Defectuosos Defectos de tamaño = Defectos o defectuosos R (Rago) o Sub Grupos co varable ó >0? S s (desvío estádar) o s de gual tamaño? S o s de gual tamaño? S Xത/R Xത/s X/RM p p u c ota: Se suele usar u GC del tpo X/RM cuado la úca muestra de tamaño = tee etre y 2 datos ota2: Se suele usar u GC del tpo Xത/R cuado se puede cosegur valores de etre y 2, c/u de ellos formados por hasta 0 subgrupos, preferetemete,, ó ota: Para esta Matera, o usaremos GC del tpo Xത/s pues requere muchos cálculos y se adapta mejor cuado se dspoe de sstemas estadístcos computarzados.