EJEMPLOS SEMANA 12
Ejemplo 1
En la siguiente tabla se muestra la vida de baterías de automóvil (en años)
Tabla 1 fo
[ x’i-1 – x’i ) fi xi xi*fi xi2*fi
1 1.45 1.95 2 1.7 3.4 5.78
2 1.95 2.45 1 2.2 2.2 4.84
3 2.45 2.95 4 7 2.7 10.8 29.16
4 2.95 3.45 15 3.2 48.0 153.60
5 3.45 3.95 10 3.7 37.0 136.90
6 3.95 4.45 5 8 4.2 21.0 88.20
7 4.45 4.95 3 4.7 14.1 66.27
TOTAL 40 136.5 484.75
Pruebe que los datos de vida de baterías se ajustan a una distribución normal
Solución
Debemos probar la hipótesis estadística
Ho: Los datos de la vida de baterias de automóvil siguen una distribución norma
H1: Los datos de la vida de baterias de automóvil no siguen una distribución no
Estadística de Prueba
Está dado por:
Para hallar lgrecuencias esperadas (ei), seguimos los pasos:
1. Estimamos los parámetros : media ydesviación estándadar de la distribucion
μ = 3.413
σ2 = 0.485737
σ = 0.697
2. Estandarizamos los valores de los límites de los intervalos ( EN LA TABLA)
3. Hallamos la probabilidad de cada clase
4. Hallamos las frecuencias esperadas (ei), con un decimal generalmente
ei = n * Probabilidad
Las frecuencias esperadas deben ser mayor o igual a 5,
de haber alguna menor se fisioina con la adyacenta
5. Hallamos el valor experimental ;
χ20 = 2.650
6. Halamos el valor tabular de una Ji Cuadrada con 1 grado de libertad
para el nivel de significación del 0.05
P( χ21 < x) = 0.95
0.95
α = 0.05 x = 3.84
3.84 RR/Ho
7. Se toma la Decisión: Se acepta Ho, si
Por lo tanto aceptamos Ho
Los datos de la vida de baterias de automóvil siguen una distribución
omóvil (en años) n*Prob
Estandarizando Probabilidad F. espe
Zj-1 Zj Probabilidad limites P de clase ei
-2.82 -2.10 0.0024 0.0179 0.0155 0.6
-2.10 -1.38 0.0179 0.0836 0.0657 2.6
-1.38 -0.66 0.0836 0.2535 0.1698 6.8 10.0 0.921
-0.66 0.05 0.2535 0.5215 0.2680 10.7 1.709
0.05 0.77 0.5215 0.7797 0.2583 10.3 0.011
0.77 1.49 0.7797 0.9317 0.1520 6.1 8.3 0.008
1.49 2.21 0.9317 0.9863 0.0546 2.2
2.650
distribución normal.
distribución normal
una distribución normal
ar de la distribucion normal
Usar fórmula de datos tabulados
S2 = xfi
( EN LA TABLA)
neralmente
K: numero de cases Fusionando
K=7 K=4
e libertad K -p-1 = 1 g.l
en una distribución normal con media 3.413 y desviacion estándar de 0.697
Ejemplo 2
Los defectos sobre las superficies de obleas en la fabricación de circuitos integrado
En un proceso particular se reúnen los siguientes datos:
Tabla 2 Oi
Número de Número de obleas
defectos con i defectos
Xifi Probabilidad
0 4 0 0.007
1 13 17 13 0.034
2 34 68 0.085
3 56 168 0.141
4 70 280 0.176
5 70 350 0.175
6 58 348 0.146
7 42 294 0.104
8 25 200 0.064
9 15 135 0.036
10 9 13 90 0.018
11 3 33 0.008
12 1 12 0.003
TOTAL 400 1991
¿La suposición de una distribución de Piosson es apropiada como modelo de probab
Solución
X: Defectos sobre las superficies de obleas en la fabricación de circuitos integrados
Debemos probar la hipótesis estadística
Ho: Los defectos de las obleas fabricadas en circuitos integrados siguen una distribu
H1:Los defectos de las obleas fabricadas en circuitos integrados NO siguen una distr
Estadística de Prueba
Está dado por:
Para hallar lgrecuencias esperadas (ei), seguimos los pasos:
Estimamos el parámetro : λ de la distribucion de Poisson
λ = n p = promedio
hallamos la media de los datos de la variable
λ = 4.98
Hallamos las probabiidades par los valores de X con la distribucion de Poisson
Hallamos las frecuencias esperadas (ei)
Determinamos el valor experimental
χ20 = 0.252
Valor tabular de una Ji Cuadrada con 8 grados de libertad
para el nivel de significación del 0.05
P( χ28 < x) = 0.95
0.95
α = 0.05 x =
15.51 RR/Ho
7. Se toma la Decisión: Se acepta Ho, si
Por lo tanto aceptamos Ho
Los defectos de las obleas fabricadas en circuitos integrados siguen u
bricación de circuitos integrados son inevitables.
NÚMERO DE: DISCRETA
ei OPCIONES POISSON
2.7 BINOMIAL
13.7 16.4 0.019
34.1 0.000
56.6 0.006
70.5 0.003
70.2 0.000
58.3 0.001
41.4 0.007
25.8 0.025
14.3 0.037
7.1 11.7 0.153
3.2
1.3
0.252
opiada como modelo de probabilidad para este proceso?
cación de circuitos integrados
integrados siguen una distribución de Poisson
integrados NO siguen una distribución de Poisson
a distribucion de Poisson
K -p-1 = 8 g.l
K=10
p=1
( χ28 < x) = 0.95
15.51
epta Ho, si
en circuitos integrados siguen una distribución de Poisson
INOMIAL
Ejemplo 3
Una compañía opera cuatro máquinas en tres turnos diarios. A partir de los registros d
se recopilan los siguientes datos respecto del número de interrupciones.
Tabla 3
Máquinas
Turno A B C D
1 41 20 12 16
2 31 11 9 14
3 15 17 16 10
Pruebe que las interrupciones de las máquinas son independientes del turno.
Solución
X: Número de interrupciones de máquinas
Y: Turno
Tabla 3: Frecuencias observadas oi
Máquinas
Turno A B C D Total
1 41 20 12 16 89
2 31 11 9 14 65
3 15 17 16 10 58
Total 87 48 37 40 212
Hipótesis estadística:
Ho: Las variables son independientes
H1: Las variables no son independientes
Estadística de Prueba
Está dado por:
r: Número de renglones o filas y c: número
oi =
r: Número de renglones o filas y c: número de columnas
Se determinan las frecuencias esperadas ei
Hallamos el valor experimental
χ20 = 11.65
Valor tabular de una Ji Cuadrada con 8 grados de libertad
para el nivel de significación del 0.01
P( χ26 < x) = 0.99
0.99
α = 0.01 x = 16.81
16.81 RR/Ho
7. Se toma la Decisión: Se acepta Ho, si
Por lo tanto aceptamos Ho
Se concluye que el número de interrupciones de las máquinas es independiente del tur
A partir de los registros de producción,
rupciones.
ntes del turno.
Tabla 3.1 Frecuencias Esperadas ei
Máquinas
Turno A B C D Total
1 36.5 20.2 15.5 16.8 89
2 26.7 14.7 11.3 12.3 65
3 23.8 13.1 10.1 10.9 58
Total 87 48 37 40 212
valor
exper.
0.54864 0.0011306621 0.803593 0.037397
0.701407 0.9387760039 0.484464 0.245689
3.254919 1.1392593797 3.412483 0.081327
Total = 11.649085474
es o filas y c: número de columnas
(r-1)x(c-1) = 6 g.l
r= 3
c=4
es independiente del turno en los registros de producción.
Ejemplo 4
Se esta realizando un estudio de las fallas de un componente eléctrico. Hay cuatro tipos d
y dos posiciones de montaje para el dispositivo. Se tomaron los siguientes datos:
Tabla 4
Tipo de falla
Posición de montaje A B C D
1 22 46 18 9
2 4 17 6 12
Concluiría Ud. ¿Que el tipo de falla es independiente de la posición del montaje?
Solución
X: Tipo de Falla de un componente eléctrico
Y: Posición del montaje
Tabla 4 Frecuencias observadas oi
Tipo de Falla
Posición de montaje A B C D Total
1 22 46 18 9 95
2 4 17 6 12 39
Total 26 63 24 21 134
Hipótesis estadística:
Ho: Las variables son independientes
H1: Las variables no son independientes
Estadística de Prueba
Está dado por:
r: Número de renglones o filas y c: núm
oi =
r: Número de renglones o filas y c: número de columnas
Se determinan las frecuencias esperadas ei
Hallamos el valor experimental
χ20 = 10.70615
Valor tabular de una Ji Cuadrada con 8 grados de libertad
para el nivel de significación del 0.02
P( χ23 < x) = 0.98
0.98
α = 0.02 x = 9.84
9.84 RR/Ho
7. Se toma la Decisión: Se acepta Ho, si
Se rechaza Ho (independencia), si
Por lo tanto se rechaza H0 y se aceptta h1
Se concluye que el tipo de falla del componente eléctrico depende de la posición del mo
o. Hay cuatro tipos de fallas posibles
entes datos:
el montaje?
Tabla 4.1 Frecuencias Esperadas ei
Máquinas
Posición de montaje A B C D Total
1 18.4 44.7 17.0 14.9 95
2 7.6 18.3 7.0 6.1 39
Total 26 63 24 21 134
0.690326 0.039952 0.057031 2.328661
1.681563 0.097319 0.138921 5.67238
Total = 10.70615
es o filas y c: número de columnas
(r-1)x(c-1) 3 g.l
r= 2
c=4
e la posición del montaje
Ejemplo 5
En un estudio de taller se reúne un conjunto de datos para determinar si la proporció
artículos defectuosos producida por los trabajadores fue la misma en el turno matuti
el vespertino y el nocturno. Los datos que se reunieron se muestran en la tabla
Tabla 5
Turno Matutino Vespertino Nocturno
Defectuosos 45 55 70
No defectuosos 905 890 870
Utilice el nivel de significancia de 0.025 para determinar si la proporción de artículos
defectuosos es la misma para los tres turnos.
Solución
X: Proporcion de articulos defectuosos
Y: Turno
Tabla 5 Frecuencias observadas oi
Turno
Artículo Matutino Vespertino Nocturno Total
Defectuosos 45 55 70 170
No defectuosos 905 890 870 2665
Total 950 945 940 2835
Hipótesis estadística:
Ho: p1 = p2 = p3
H1: p1 ≠ p2 ≠ p3 son diferentes
Estadística de Prueba
Está dado por:
oi =
r: Número de renglones o filas y c: número de columnas
Se determinan las frecuencias esperadas ei
Hallamos el valor experimental
χ20 = 6.23
Valor tabular de una Ji Cuadrada con 2 grados de libertad
para el nivel de significación del 0.05
P( χ23 < x) = 0.95
0.95
α = 0.025 X = 5.99
5.99 RR/Ho
7. Se toma la Decisión: Se acepta Ho, si
Por lo tanto no se acepta H0 ta h1
Se concluye que la proporcón de productos defectuosos producido por los trabajadore
a determinar si la proporción de
misma en el turno matutino,
muestran en la tabla
la proporción de artículos
Tabla 5.1 Frecuencias Esperadas ei
Turno
Matutino Vespertino Nocturno
Posición de montaje Total
1 57.0 56.7 56.4 170
2 893.0 888.3 883.6 2665
Total 950 945 940 2835
2.514 0.049 3.297
0.160 0.003 0.210
Total = 6.234
(r-1)x(c-1) 2 g.l
r= 2
c=3
ducido por los trabajadores, no es la misma en los turnos matutino vespertino y nocturno.
Ejemplo 6
Un Ingeniero Industrial del área de control de calidad de una fábrica de partes para
saber si existe alguna diferencia en la proporción de partes defectuosas producidas
de la semana de trabajo. Se seleccionan muestras de 100 partes producidas durante
de trabajo, y se obtuvieron los siguientes resultados:
Tabla 6
Resultado Lun. Mar. Mier.
Número de partes defectuosas 12 7 7
Número de partes aceptables 88 93 93
Total 100 100 100
Al nivel de significación del 5% ¿Existe evidencia de que haya una diferencia en la pr
de partes defectuosas producidas los distintos días de la semana?
Solución
X: Proporcion de partes de automóvil defectuosas prducidos por día
Y: Dias
Tabla6 Frecuencias observadas oi
Turno
Resultado Lun. Mar. Mier.
Número de partes defectuosas 12 7 7
Número de partes aceptables 88 93 93
Total 100 100 100
Hipótesis estadística:
Ho: p1 = p2 = p3 = p4 = p5
H1: p1 ≠ p2 ≠ p3 ≠ p4 ≠ p5 son diferentes
Estadística de Prueba
Está dado por:
oi =
r: Número de renglones o filas y c: número de columnas
Se determinan las frecuencias esperadas ei
Hallamos el valor experimental
χ20 = 4.22
Valor tabular de una Ji Cuadrada con 2 grados de libertad
para el nivel de significación del 0.05
P( χ24< x) = 0.95
0.95
α = 0.05 X = 9.49
RR/Ho
9.84
7. Se toma la Decisión:
Por lo tantose acepta H0 y se rechaza H1
Se concluye que las proporciones de parte de automóvil defectuosas, producidas en
¿Existe evidencia de que haya una diferencia en la proporción
de partes defectuosas producidas los distintos días de la semana?
No, hay evidencia suficiente para afirmar, de qu
producidos en los diferentes días de la semana.
una fábrica de partes para automóvil desea
es defectuosas producidas en diferentes días
partes producidas durante cada día de la semana
Jue. Vier.
10 14
90 86
100 100
haya una diferencia en la proporción
dos por día
Tabla 6.1
Turno
Jue. Vier. Total Resultado
10 14 50 Número de partes defectuosas
90 86 450 Número de partes aceptables
100 100 500 Total
(r-1)x(c-1) 4 g.l
r= 2
c=5
Se acepta Ho, si
defectuosas, producidas en los diferentes dias son iguales
ficiente para afirmar, de que haya una diferencia en la proporcion de partes defectuosas
erentes días de la semana.
Frecuencias Esperadas ei
Turno
Lun. Mar. Mier. Jue. Vier. Total
10 10 10 10 10 50
90 90 90 90 90 450
100 100 100 100 100 500
0.40 0.90 0.90 0.00 1.60
0.04 0.10 0.10 0.00 0.18
Total = 4.22
defectuosas
