CAPITULO I

1. ¿Qué es un proceso?
Es un conjunto de actividades mutuamente relacionadas o que interactúan, las cuales
transforman elementos de entrada en resultados, conformado en varias etapas.
2. ¿Qué es una variable de salida (característica de calidad) de un proceso?
Son las características de calidad en las que se refl ejan los resultados obtenidos por un
proceso. A través de los valores que toma se evalúa la eficiencia del proceso.
3. ¿Qué es calidad?
Se puede definir en dos formas: es las características de un producto o servicio que le
confieren su aptitud para satisfacer necesidades explícitas o implícitas o un producto o
servicio libre de deficiencias.

CAPITULO II

2. Si una característica de calidad debe estar entre 30 ± 2, y se sabe que su media es μ =

29.9; entonces, ¿se tiene buena calidad, se cumple con las especifi caciones?
Como el límite inferior es de 28 y superior 32, y la media de las muestras caen entre este
rango se puede decir que cumplen la calidad, y por lo tanto las especificaciones.
3. ¿De qué manera afectan los datos raros o atípicos a la media? Explique su respuesta.
Un dato raro refleja una situación especial que se debe investigar, puede ser un error de dedo, de medición
o puede también reflejar un comportamiento especial del proceso en cualquier caso se debe de investigar.
Los valores muy extremos hacen que la media pierda representatividad. Es decir, el valor obtenido sea muy
inferior o superior a lo real.
Cuando la media es muy diferente a la mediana es señal de que existen datos atípicos o existe un sesgo
importante, por lo que será mejor reportar como medida de tendencia central a la mediana e investigar a
que se deben los datos atípicos, ya que en ocasiones reflejan una aspecto importante del proceso.
Ejercicio 5 capitulo 2

En una empresa se llevan los registros del número de fallas de equipos por mes; la media es de 4 y
la mediana de 6.

a) Si usted tiene que reportar la tendencia central de fallas, ¿qué número reportaría?
Reportaría el numero 6, porque nos da el valor medio de fallas, que ocurrieron en cada
mes. Esto implica que el 50% de fallas es inferior a 6 y el resto superior.

b) ¿La discrepancia entre la media y la mediana se debió a que durante varios meses
ocurrieron muchas fallas?
Si, pues al ver varias fallas en unos meses y en otros no. Esto nos proporciona valores
extremos que influyen en el análisis de los datos, perdiendo importancia el valor de la
media.

Capítulo 2 ejercicio 8
De acuerdo con cierta norma, a una bomba de gasolina en cada 20 L se le
permite una discrepancia de 0.2 L. En una gasolinera se hacen revisiones
periódicas para evitar infracciones y ver si se cumplen las especificaciones
(EI = 19.8, ES = 20.2). De acuerdo con los resultados de 15 inspecciones para
una bomba en particular, la media y la desviación estándar de los 15 datos
son 19.9 y 0.1, respectivamente. De acuerdo con esto, ¿se puede garantizar
que la bomba cumple con la norma? Argumente su respuesta.
Datos: El = 19.8, ES= 20.2,
μ=19.9 σ=0.1
Los limites reales deben estar dentro de las especificaciones, por lo cual
calcularemos LRS Y LRI.
𝐿𝑅𝑆 = 19.9 + 3(0.1) = 22.2
𝐿𝑅𝐼 = 19.9 − 3(0.1) = 19.6
La bomba no cumple con la norma ya que el LRI con 19.6 queda por debajo de EI
que es de 19.8.
9.- La desigualdad de Chebyshev y la regla empírica establecen la relación
entre la media y la desviación estándar. Explique esta situación y señale si
se aplica para el caso muestral, poblacional o para ambos.

Si una variable aleatoria tiene una desviación estándar pequeña, esperaríamos que
la mayoría de los valores se agrupen alrededor de la media. Por lo tanto, la
probabilidad de que una variable aleatoria tome un valor dentro de cierto intervalo
alrededor de la media es mayor que para una variable aleatoria similar con una
desviación estándar mayor si pensamos en la probabilidad en términos de un área,
esperaríamos una distribución continua con un valor grande de σ que indique una
variabilidad mayor y, por lo tanto, esperaríamos que el área este extendida. Sin
embargo, una desviación estándar pequeña debería tener la mayor parte de su área
cercana a µ.
a)

Se cumple con la meta, ya que el tiempo máximo de respuesta fue establecido en

menos de 6 horas y las medidas de tendencia central no superan ese valor.

b)
 𝐿𝑅𝐼 = 5.4 − (3 ∗ 1.618) = 0.546

𝐿𝑅𝑆 = 5.4 + (3 ∗ 1.618) = 10.524

Cumple bien con las meta porque todos los datos se encuentran dentro de los
límites reales del proceso

c)

El proceso es centrado con mucha variabilidad, la mayor parte de los datos se

encuentran en el centro del histograma
Presenta datos atípicos en ambos extremos 1 y 9
Presenta un ligero sesgo negativo hacia la izquierda, es mayor la cola izquierda
que la derecha

d)

 Tener más personal que trabaje en la atención al cliente.

 Contar con sistemas de atención telefónica o en línea
 Capacitar al personal para que puedan resolver las fallas técnicas en
menor tiempo

Capítulo 2 ejercicio 19
Una característica importante en la calidad de la leche de vaca es la concentración
de grasa. En una industria en particular se fijó 3.0% como el estándar mínimo que
debe cumplir el producto que se recibe directamente de los establos lecheros. Por
medio de muestreos y evaluaciones en cierta época del año se obtuvieron los
siguientes 90 datos sobre concentración de grasa en cierta región.

a) Calcule las medidas de tendencia central y de variabilidad, y comente

acerca del cumplimiento del estándar mínimo para la concentración de grasa.

Media 3.18777778
Mediana 3.2
Moda 3.3
Rango 1.8
Desviación Estándar 0.31509862
Varianza 0.09818395

Intervalo 7.44900028 8
Amplitud 0.24164316 0.25

intervalos Xi f
2.2-2.45 2.325 1
2.45-2.7 2.575 2
2.7-2.95 2.825 17
2.95-3.2 3.075 20
3.2-3.45 3.325 33
3.45-3.7 3.575 12
3.7-3.95 3.825 4
3.95-4.2 4.075 1
Total 90

Numero Porcentaje (%)

1 2.2
2 2.5
3 2.6
4 2.7
5 2.7
6 2.7
7 2.7
 8 2.7
9 2.8
10 2.8
11 2.8
12 2.9
13 2.9
14 2.9
15 2.9
16 2.9
17 2.9
18 2.9
19 2.9
20 2.9
21 3
22 3
23 3
24 3
25 3
26 3
27 3
28 3
29 3
30 3.1
31 3.1
32 3.1
33 3.1
34 3.1
35 3.1
36 3.1
37 3.1
38 3.1
39 3.1
40 3.1
41 3.2
42 3.2
43 3.2
44 3.2
45 3.2
46 3.2
47 3.2
48 3.2
49 3.2
50 3.2
51 3.3
52 3.3
53 3.3
54 3.3
55 3.3
56 3.3
57 3.3
58 3.3
59 3.3
60 3.3
61 3.3
62 3.3
63 3.3
64 3.4
65 3.4
66 3.4
67 3.4
68 3.4
69 3.4
70 3.4
71 3.4
72 3.4
73 3.4
74 3.5
75 3.5
76 3.5
77 3.5
78 3.5
79 3.5
80 3.5
81 3.5
82 3.6
83 3.6
84 3.6
85 3.6
86 3.7
87 3.8
88 3.8
89 3.9
 90 4

b) Obtenga un histograma, inserte el estándar mínimo e interprete de manera

amplia.

Histograma
35

30

25
Frecuencia (f)

20

15

10

0
2.325 2.575 2.825 3.075 3.325 3.575 3.825 4.075
Porcentaje (%)

De acuerdo con los datos obtenidos en los cálculos realizados por medio de Excel
podemos notar una tendencia hacia la parte izquierda del gráfico.
***********Mas lo que quieran anexar ustedes*******

c) La población de donde provienen estos datos, ¿cumple el estándar

mínimo?
Si, ya que la gráfica nos proporciona una forma mas notable de poder apreciar estos
datos y de esta manera ver el sesgo que presenta con una ligera tendencia hacia la
izquierda, aunque cabe mencionar que si quitamos las colas de esta se puede
apreciar mas con una perfecta grafica centrada.

d) ¿Se puede suponer distribución normal? Argumente

Continuando con la afirmación del punto anterior, en este caso no es de distribución

normal por ese sesgo que se presenta con tendencia hacia la izquierda.
 EJERCICIOS CAPITULO III

Ejercicio 1
Señale qué es una variable aleatoria e incluya un par de ejemplos de variables
aleatorias discretas y otro par de continuas.

 Variable aleatoria
Una variable aleatoria es aquella función que asocia un número con cada
resultado de un experimento aleatorio.
 Ejemplos de variables aleatorias discretas

- El número de tornillos defectuosos en una muestra aleatoria de tamaño

15.
- El número de llamadas de servicio que hacen los clientes durante un
mes.

 Ejemplos de variables aleatorias continuas

- Peso.
- Volumen

2 .¿Qué es una distribución de probabilidad?

La distribución de probabilidad de X o distribución de una variable aleatoria X es una
descripción del conjunto de valores posibles de X, junto con la probabilidad asociada a
cada uno de estos valores. La distribución se representa a través de una tabla que
relaciona resultados con probabilidades, o bien, por medio de una fórmula. En el caso
discreto, la función f(x) = P(X = x) que va del rango de X al intervalo [0, 1] recibe el
nombre de función de probabilidad, y cumple con las siguientes propiedades.
- La distribución de probabilidad de X o distribución de una variable aleatoria X es una
descripción del conjunto de valores posibles de X, junto con la probabilidad asociada a
cada uno de estos valores. La distribución se representa a través de una tabla que
relaciona resultados con probabilidades, o bien, por medio de una fórmula.

3. ¿Qué es una función de densidad de probabilidades y qué requisitos debe

cumplir?
  Es una función de una variable aleatoria continúa describiendo una
probabilidad relativa según la cual variable es aleatoria tomando un
determinado valor.

 Una función de densidad de probabilidades de la variable aleatoria continua

X: Entonces, para cualquier intervalo de números reales [x1, x2], se cumple:

1. 𝑓(𝑥) > 0 𝐸𝑠𝑡𝑎 𝑓(𝑥)𝑛𝑜 𝑒𝑠 𝑢𝑛𝑎 𝑝𝑟𝑜𝑏𝑎𝑏𝑖𝑙𝑖𝑑𝑎𝑑

+∞
2. ∫−∞ 𝑓(𝑥)𝑑𝑥 = 1 𝐸𝑙 𝑎𝑟𝑒𝑎 𝑏𝑎𝑗𝑜 𝑡𝑜𝑑𝑎 𝑙𝑎 𝑐𝑢𝑟𝑣𝑎 𝑒𝑠 1
3. 𝑃(𝑥1 ≤ 𝑥 ≤ 𝑥2 ) =
𝑥2
∫𝑥 𝑓(𝑢)𝑑𝑢 𝐿𝑎 𝑝𝑟𝑜𝑏𝑎𝑏𝑖𝑙𝑖𝑑𝑎𝑑 𝑒𝑠 𝑖𝑔𝑢𝑎𝑙 𝑎𝑙 𝑎𝑟𝑒𝑎 𝑏𝑎𝑗𝑜 𝑙𝑎 𝑐𝑢𝑟𝑣𝑎 𝑒𝑛𝑡𝑟𝑒 𝑙𝑜𝑠 𝑐𝑎𝑙𝑜𝑟𝑒𝑠 𝑑𝑒 𝑋1 𝑦 𝑋2
1

Capítulo 3 ejercicio 10

Un fabricante de galletas desea que, con probabilidad de 0.95, cada galleta

contenga al menos una pasa. ¿Cuántas pasas en promedio por galleta deberá
agregar a la masa como mínimo? ¿Cuál es la probabilidad de que una galleta
contenga más de seis pasas? Apóyese en la distribución de Poisson.

𝑃𝑟𝑜𝑏𝑎𝑏𝑖𝑙𝑖𝑑𝑎𝑑 = 0.95 𝜇 = 1

𝑒 −𝜆 𝜆𝑥
𝑓(𝑥, 𝜆) =
𝑥!
𝑒 −1 17
𝑓(𝑥, 𝜆) = = 7.29𝑥10−5 = 0.00007299
7!
Deberá agregar a la masa como mínimo 0.6321 y la probabilidad de que una galleta
tenga mas de 6 pasas es de 0.00007299

15. En una compañía aérea 40% de las reservaciones que se hacen con más de un mes de
anticipación son canceladas o modificadas. En una muestra de 20 reservaciones, ¿cuál es la
probabilidad de que 10, 11 o 12 reservaciones no hayan cambiado?

A) Conteste usando la distribución binomial

n=número de experimentos p=probabilidad de éxito

n= 20
 p= 0.4

x f(x) F(x) P-value

1 0.0004875 0.000487488 0.9995125
2 0.0030874 0.00357491 0.9995125
3 0.0123497 0.015924601 0.9964251
4 0.0349908 0.050915392 0.9840754
5 0.074647 0.125562411 0.9490846
6 0.1244117 0.24997411 0.8744376
7 0.1658823 0.415856376 0.7500259
8 0.1797058 0.595562164 0.5841436
9 0.1597385 0.755300642 0.4044378
10 0.1171416 0.872442192 0.2446994
11 0.0709949 0.943437071 0.1275578
12 0.0354974 0.978934511 0.0565629
13 0.0145631 0.993497563 0.0210655
14 0.0048544 0.998351914 0.0065024
15 0.0012945 0.999646407 0.0016481
16 0.0002697 0.999916093 0.0003536
17 4.23E-05 0.999958397 8.391E-05
18 4.7E-06 0.999963098 4.16E-05
19 3.299E-07 0.999963427 3.69E-05
20 1.1E-08 0.999963438 3.657E-05

f(x) distribución binomial

Series1

0.2

0.18

0.16

0.14

0.12

0.1

0.08

0.06

0.04

0.02

-0.02
 B) Resuelva con base en la distribución normal con la media y varianza de la binomial,
considerando el rango de 9.5 a 12.5.

Media D.Estandar x1 x2 P(X<x1) P(X<x2) P(x1<X<x2) z1 z2

8 2.19 9.5 12.5 0.75330643 0.98005057 0.22674414 0.68493151 2.05479452

Ejercicio 22
Suponga que Z es una variable aleatoria normal estándar (N(0,1)). Calcule las
siguientes probabilidades: a) P(Z < −0.62) b) P(Z > 1.06) c) P(−0.37 < Z < 0.51) d)
P(|Z| ≤ 0.47).
a) P(Z < −0.62)
𝑋−𝜇 𝑋−𝜇 −0.62 − 0 −0.62 − 0
𝑃( ≤ ) = 𝑃( ≤ ) = 0.2676
𝜎 𝜎 1 1

b) P(Z > 1.06)

𝑋−𝜇 𝑋−𝜇 1.06 − 0 1.06 − 0
𝑃( ≤ ) = 𝑃( ≤ ) = 0.8554
𝜎 𝜎 1 1

c) P(−0.37 < Z < 0.51)

𝑋−𝜇 𝑋−𝜇 −0.37 − 0 0.51 − 0
𝑃( ≤ ) = 𝑃( ≤ ) = −0.37, 0.51, 0.3556, 0.6949
𝜎 𝜎 1 1

d) P(|Z| ≤ 0.47)

𝑋−𝜇 𝑋−𝜇 0.47 − 0 0.47 − 0

𝑃( ≤ ) = 𝑃( ≤ ) = 0.6808
𝜎 𝜎 1 1

Ejercicio 26 capitulo 3

El grosor de ciertas placas de metal puede considerarse una variable aleatoria normal con media μ
= 20 mm y una desviación estándar de σ = 0.04 mm.
 Grafico de distribución
12

10 8.801633169
Densidad 8

20.015
1
19
19.955
19.965
19.975
19.985
19.995
20.005

20.025
20.035
20.045
20.055
20.065
20.075
20.085
20.095
20.105
20.115
20.125
20.135
20.145
20.155
x

a) ¿Qué porcentaje de placas defectuosas se esperaría observar si las especificaciones son [19.95,
20.10]?

Será un porcentaje de 88.01% de placas defectuosas

Grafico de distribución
12

10

8
Densidad

0
20.015
1
19
19.955
19.965
19.975
19.985
19.995
20.005

20.025
20.035
20.045
20.055
20.065
20.075
20.085
20.095
20.105
20.115
20.125
20.135
20.145
20.155

b) ¿Cuánto tendrían que valer las especificaciones para que el desperdicio fuera a lo más de 5%?

Estas deberían estar entre 19.972 y 20.028 para tener solo un 5% de desperdicio
aproximadamente.