15.

Se aplica un programa de control de calidad para un proceso, donde se fabrican grandes placa
superfi ciales. El objetivo es establecer una gráfica de control de calidad para el número de defecto
Elabore la gráfi ca de control apropiada utilizando esta información. ¿Parecería q
Muestra
Muestra No. DefectMuestra No. Defectos
1 4 11 1
2 2 12 2
3 1 13 2
4 3 14 3
5 0 15 1
6 4 16 4
7 5 17 3
8 3 18 2
9 2 19 1
10 2 20 3

CorridaNo. Defectos
1 4
2 2
3 1
4 3
5 0
6 4
7 5
8 3
9 2
10 2
11 1
12 2
13 2
14 3
15 1
16 4
17 3
18 2
19 1
20 3
48

CONCLUSIÓN SE LLEGA A LA CONCLUSION QUE EL PROCESO

e fabrican grandes placas de acero, con un interés especial por los defectos
ara el número de defectos por placa. Los datos se presentan a continuación.
nformación. ¿Parecería que el proceso está bajo control ?
MuestraNo. DefectosMuestraNo. Defectos
1 4 11 1
2 2 12 2
3 1 13 2
4 3 14 3
5 0 15 1
6 4 16 4
7 5 17 3
8 3 18 2
9 2 19 1
10 2 20 3

8
DATOS LCIc LCIc LCIc
c= 2.4 -2.248 2.4 7.048
6
Sc= 1.549 -2.248 2.4 7.048
-2.248 2.4 7.048
4
LCIc= -2.248 -2.248 2.4 7.048
LCSc= 7.048 -2.248 2.4 7.048
2
-2.248 2.4 7.048
-2.248 2.4 7.048
0
-2.248 2.4 7.048 0
-2.248 2.4 7.048
-2.248 2.4 7.048 -2

-2.248 2.4 7.048

-2.248 2.4 7.048 -4
-2.248 2.4 7.048
-2.248 2.4 7.048
-2.248 2.4 7.048
 -2.248 2.4 7.048
-2.248 2.4 7.048
-2.248 2.4 7.048
-2.248 2.4 7.048
-2.248 2.4 7.048

USION QUE EL PROCESO DE FABRICACIÓN SE ENCUENTRA BAJO CONTROL

 Gráfico "C"
8

0
0 5 10 15 20 25

-2

-4
 1. Para una muestra de 60 mujeres, tomadas de un población de más de 5,000 inscritas en un programa
de reducción de peso de una cadena nacional de balnearios de aguas termales, la presión sanguínea
diastólica media de la muestra es 101 y la desviación estándar de la muestra es 42. Para un nivel de
significancia de 0.02, ¿puede concluir que, en promedio, las mujeres inscritas en el programa tienen una
presión sanguínea diastólica que excede el valor de 75 recomendado por diversas sociedades médicas?

n 60 Xc=u+z*Sx Sx=σ/RAIZ(n)
x 101 Sx= 5.42217668
σ 42 Xc=75+2,33 *5,42217668
α 0.02 98%/=49 α=2,33
u=75 Xc= 87.6336717

Podemos concluir que las mujeres inscritas en el programa tienen una presion que excede el valor
CONCLUSIÓN 75

R/D Si x es mayor que mayor que 87,6336717 se acepta hipotesis nula caso contraio se rechaza
nscritas en un programa
s, la presión sanguínea
es 42. Para un nivel de
el programa tienen una
as sociedades médicas?
HIPOTESIS Ho u>75
H1 u≥ 75

X=101

NC

n una presion que excede el valor de

s nula caso contraio se rechaza 87,633671 87,633671

7 7
 2. La fábrica Clic Pens ha probado dos tipos de anuncios en puntos de venta para su nueva pluma de
tinta borrable. El anuncio de mostrador fue colocado en una muestra aleatoria de 40 tiendas en el
mercado de prueba, y el anuncio de piso se colocó en otras 40 tiendas del área. El número medio de
plumas vendidas por tienda en un mes con los anuncios de mostrador fue 42, con una desviación
estándar de 8. En cuanto a los anuncios de piso, el número medio de plumas vendidas por tienda
durante el mismo mes fue 45, con desviación estándar de 7. Al nivel 0.02, ¿hubo una diferencia
significativa entre las ventas con los dos tipos de anuncio?

HIPOTESIS Ho U1=U2
H1 U1≠U2
DATOS
n1 40
n2 40 Sx1-x2=RAIZ(S1²/n1+S2²/n2
x1 42
x2 45 Sx1-x2= 1.68077363
S1 8
S2 7
Z=(X1-X2)-(u1-u2)/Sx1-x2
α 0.02%
Z= -1.7848924

CONCLUSIÓN
Se puede concluir que no existe una diferencia significativa con los dos tipos de anuncios
R/D Si Z es menor o mayor se acepta hipotesis nula caso contrario se rechaza
ara su nueva pluma de
ia de 40 tiendas en el
a. El número medio de
2, con una desviación
vendidas por tienda
hubo una diferencia
?

98
%

-1,7848924

con los dos tipos de anuncios

ula caso contrario se rechaza
 3. Altoona Tire Company vende sus llantas ATC-50 con una garantía de 50,000 millas de vida para la banda de
rodamiento. Lorrie Ackerman, una ingeniera de control de la calidad de la compañía, efectúa pruebas de campo p
monitorear la vida de los productos del proceso de fabricación ATC-50. De cada uno de los últimos 12 lotes de 1,
llantas, ella probó 5 llantas y registró los siguientes resultados, con x y R expresados en miles de millas:

LOTE X R
1 50.5 1.1
2 49.7 1.6
3 50 1.8
4 50.7 0.1
5 50.7 0.9
6 50.6 2.1
7 49.8 0.3
8 51.5 0.8
9 50.2 2.3
10 50.4 1.3
11 50.6 2
12 50.7 2.1
605.4 16.4

DATOS
n 5 A2= 0.557 D3 0
k 12 PROMEDIOX 50.45 PromedioR 1.37
Lcsx 51.24 LCsr 2.89 D4 2.115
LCIx 49.66 LCIr 0 52
51.5
51
50.5
50
49.5
49
48.5
0 2
00 millas de vida para la banda de
añía, efectúa pruebas de campo para
uno de los últimos 12 lotes de 1,000
expresados en miles de millas:

Promedio X Promedio R LCSx LCIx LCSr LCIr

50.45 1.36666667 51.24 49.66 2.89 0
50.45 1.36666667 51.24 49.66 2.89 0
50.45 1.36666667 51.24 49.66 2.89 0
50.45 1.36666667 51.24 49.66 2.89 0
50.45 1.36666667 51.24 49.66 2.89 0
50.45 1.36666667 51.24 49.66 2.89 0
50.45 1.36666667 51.24 49.66 2.89 0
50.45 1.36666667 51.24 49.66 2.89 0
50.45 1.36666667 51.24 49.66 2.89 0
50.45 1.36666667 51.24 49.66 2.89 0
50.45 1.36666667 51.24 49.66 2.89 0
328.05 1.36666667 51.24 49.66 2.89 0

Grafico X
52
51.5
51
50.5
50
49.5
49
48.5
0 2 4 6 8 10 12 14

Grafico R
3.5
3
2.5
2
 Grafico R
3.5
3
2.5
2
1.5
1
0.5
0
0 2 4 6 8 10 12 14
4. Photomatic imprime rollos fotográficos de 35 mm con equipo automático. El método de alto volumen y bajo costo funciona
puede llevar a malos resultados. Por ejemplo, si un cliente deja su rollo en el calor de un automóvil, es posible imprimirlo con m
inaceptables. Cuando los clientes rechazan las impresiones, Photomatic debe reimprimirlas a mano —un proceso que cuesta m
una pérdida para la empresa. El proveedor del equipo establece que el complejo circuito de medición de luz debe producir un
cada mil. El ingeniero de control de calidad B. J. Nighthorse obtiene un muestreo aleatorio de 2,000 impresiones de cada una
información:Construya un gráfico de control para ver si el desempeño del equipo está dentro de las espec
Construya un gráfico de control para ver si el desempeño del equipo está dentro de las especificaciones y si el proceso está b

Corrida No. Defectos p LCIp LCSp p

1 3 0.150 -0.001 0.310 0.1
2 1 0.050 -0.001 0.310 0.1
3 2 0.100 -0.001 0.310 0.1
4 4 0.200 -0.001 0.310 0.1
5 4 0.200 -0.001 0.310 0.1
6 2 0.100 -0.001 0.310 0.1
7 2 0.100 -0.001 0.310 0.1
8 3 0.150 -0.001 0.310 0.1
9 1 0.050 -0.001 0.310 0.1
10 0 0.000 -0.001 0.310 0.1
11 2 0.100 -0.001 0.310 0.1
12 2 0.100 -0.001 0.310 0.1
13 1 0.050 -0.001 0.310 0.1
14 3 0.150 -0.001 0.310 0.1
15 2 0.100 -0.001 0.310 0.1
16 2 0.100 -0.001 0.310 0.1
17 0 0.000 -0.001 0.310 0.1
18 4 0.200 -0.001 0.310 0.1
19 2 0.100 -0.001 0.310 0.1
20 0 0.000 -0.001 0.310 0.1

Grafico
0.350

0.300

0.250

0.200

0.150

0.100

0.050

0.000
0 5 10 15 20 25
-0.050
Col umn C Col umn E Col umn F Col umn G
0.050

0.000
0 5 10 15 20 25
-0.050
Col umn C Col umn E Col umn F Col umn G
men y bajo costo funciona en las situaciones más comunes, pero la variación en la entrada
es posible imprimirlo con manejo especial, pero los resultados del proceso automático son
—un proceso que cuesta más que lo que el cliente paga, de manera que cada “defecto” es
n de luz debe producir una calidad de impresión aceptable con no más de un defecto por
impresiones de cada una de las últimas 20 corridas de producción y registra la siguiente
o está dentro de las especificaciones y si el proceso está bajo control.
ones y si el proceso está bajo control.

n= 2000
N= 40000
P= 0.001
Sp= 0.001
LCIp= -0.001
LCSp= 0.0031

CONCLUSIÓNSe pudo concluir que los equipos , mediciones y cualquier tipo de defecto se encuentra bajo control

Corrida No. Defectos Corrida No. Defectos

1 3 11 2
2 1 12 2
3 2 13 1
4 4 14 3
5 4 15 2
6 2 16 2
7 2 17 0
8 3 18 4
9 1 19 2
10 0 20 0
efecto se encuentra bajo control por la empresa
 5. De una muestra de 25 observaciones, la estimación de la desviación estándar de la población fue
15.0. Para otra muestra de 14 observaciones, la estimación fue 9.7. ¿Podemos aceptar la hipótesis de
que las dos muestras provienen de poblaciones con varianzas iguales o debemos concluir que la
varianza de la segunda población es menor? Utilice el nivel de significancia de 0.01.
gl = n -1 = 25 -1 = 15 24
gl = n - 1 = 14 -1 = 20 13

n1 25
n2 14 Fc=S1²/S2²
σ1 15
σ2 9.7 Fc=(15)²/(9,7)²
cl= 99%
α=0.01% 0.50% Fc=225/94,09

S2² σ₂^2 = 94.09 Fc= 2.39132745

�_1 ²= σ₁^2 = 225

Ft = Se llega a la conclusión que las muestras calculadas tienen

CONCLUSIÓN Si f calculada esmisma
menorvarianza suacepta
que Fc se poblacion
hipotesis nula ca
R/D rechaza
 ar de la población fue
aceptar la hipótesis de
emos concluir que la
ancia de 0.01.
Fc=2,39132745
HIPOTESIS
Ho σ = 2
H1 σ ≠ 2

ue las muestras calculadas tienen la

rianza
que suacepta
Fc se poblacion
hipotesis nula caso contrario se
rechaza
 6. Una compañía de seguros está interesada en la duración de la hospitalización por varias
enfermedades. Seleccionaron una muestra aleatoria de 20 pacientes del hospital A y 25 del hospital B
internados por la misma enfermedad. El tiempo que pasaron en el hospital A tuvo un promedio de 2.4
días con desviación estándar de 0.6 días. El tiempo de tratamiento en el hospital B promedió 2.3 días
con desviación estándar de 0.9 días. ¿Los pacientes del hospital A tiene significativamente menor
variabilidad en su tiempo de recuperación? Pruebe para un nivel de significancia de 0.01.

n1 20
n2 25
x1 2.4
x2 2.3
s1 0.6
s2 0.9
α=0.01% 2.704
gl n1+n2-2 43

S2p 30.812
ización por varias
tal A y 25 del hospital B
uvo un promedio de 2.4
al B promedió 2.3 días
ficativamente menor Hipotesis Ho=u<0
ficancia de 0.01. H1=u≥0 menor variabilidad
significativamente
Conclusión en su tiemponula
acepta hipotesis de recuperacion
caso contraio se
R/D rechaza

2,704 2,704

RAIZ= 2.47368909
t= 0.04042545
 7. MacroSwift diseñó un nuevo sistema operativo que revolucionará la industria de la computación. El único
problema es que la compañía espera que el tiempo promedio requerido para aprender a manejarlo sea 124 hor
Aun cuando este tiempo de aprendizaje es largo, la compañía está en verdad preocupada por la varianza de es
tiempo. Los datos preliminares indican que la varianza es 171 horas al cuadrado. En pruebas recientes con 25
personas se encontró un tiempo promedio de aprendizaje de 123 horas y una varianza de la muestra de 196.5 ho
al cuadrado. ¿Indican estos datos que la variabilidad en el tiempo de aprendizaje es diferente de la estimación
previa? Pruebe sus hipótesis a un nivel de significancia de 0.02.

Datos Hoσ1²=171
u 124 H1σ2²≠171
x 123
n 25
S1 196.5 X2=(n-1)S²/σ²
σ 171
α=0.02% 49 2.33 X2= 27.5789474
gl 24
 stria de la computación. El único
aprender a manejarlo sea 124 horas.
preocupada por la varianza de ese
ado. En pruebas recientes con 25
arianza de la muestra de 196.5 horas
izaje es diferente de la estimación
ia de 0.02.

CONCLUSIÓN Se puede concluir que se acepta la hipotesis y que los datos son los mismso
R/D Si X2 es menor oa 123 se acepta hipotesis nula caso contrario se rechaza

x=123
98
%

27,57 27,57
rechaza
8. Sam Bogart, dueño de la compañía de aparatos de audio, Play-It-Again, ofrece un año de
garantía en todos los estéreos que vende su compañía. Para los 30 aparatos a los que se les
dio servicio de garantía el año anterior, el costo promedio de compostura fue $75 y la
desviación estándar de la muestra fue $15. Calcule un intervalo de confianza del 95% para
la desviación estándar real del costo de reparación. Sam ha decidido que a menos que la
desviación estándar verdadera sea menor que $20, comprará sus aparatos de audio a otro
mayorista. Ayude a Sam a probar las hipótesis adecuadas, utilizando un nivel de
significancia de 0.01. ¿Debe cambiar de proveedor?

HIPOTESIS Hoσ²≥20²
H1σ²<20²
n 30
s 15
σ 20 X^2=(n-1)*S^2/σ²
α 1%
X^2 16.3125
gl 29
X^2 1% 49.588

CONCLUSIÓNSE PUEDE CONCLUIR QUE SE RECH

R/D SI X^2 CALCULADA ES MAYOR QUE

 X^2=16,3125

X=49,58

E PUEDE CONCLUIR QUE SE RECHAZA HIPOTESIS NULA POR LO TANTO DEBE CAMBIAR DE PROVEEDOR

I X^2 CALCULADA ES MAYOR QUE X^2 SE ACEPTA HIPOTESIS NULA CASO CONTRARIO SE RECHAZA
9. Las tiendas establecen sus precios, pero los fabricantes tienen interés en el precio de venta final como
parte de su estrategia de promoción. El gerente de mercadotecnia de los bolígrafos marca C se queja de
que el resultado de un recorte de precios excesivo en las tiendas es que la marca C se percibe como una
“pluma corriente”. El gerente de ventas contesta que “todos dan descuentos, todas las marcas, hasta
cierto punto”. Durante las llamadas de ventas recolectaron datos del precio final de cuatro marcas de
bolígrafos, incluyendo la de ellos, en cinco tiendas diferentes. Para un nivel de confianza de 0.05, ¿existe
una variación significativa en el precio entre las marcas?

ANOVA

Precio ( en centavos de dólar)

No Tienda Marca A Marca B Marca C Marca D
1 61 52 47 67
2 55 58 52 63
3 57 54 49 68
4 60 55 49 59
5 62 58 57 65
295 277 254 322
k 4
n1 5

n2 5
n3 5
n4 5 SSC 495.6
N 20 SST 668.8
α=0.05% SSE 173.2

Análisis de varianza de un factor

RESUMEN
Grupos Cuenta Suma Promedio Varianza
Columna 1 5 295 59 8.5
Columna 2 5 277 55.4 6.8
Columna 3 5 254 50.8 15.2
Columna 4 5 322 64.4 12.8

ANÁLISIS DE VARIANZA
Origen de las variaciones
Suma de cuadrados
Grados dePromedio
libertad de los cuadradosF Probabilidad
Entre grupos 495.6 3 165.2 15.26097 5.925E-05
Dentro de los 173.2 16 10.825

Total 668.8 19
ecio de venta final como
fos marca C se queja de
C se percibe como una
odas las marcas, hasta CONCLUSIÓN
Se puede concluir que si existe una diferencia significativa entre las marcas calculadas
al de cuatro marcas de
nfianza de 0.05, ¿existe

Ho u1 = u2 = u3 = u4
Ho u1 ≠ u2 ≠ u3 ≠ u4

3721 2704 2209 4489

3025 3364 2704 3969
3249 2916 2401 4624
3600 3025 2401 3481
3844 3364 3249 4225 EY2T
17439 15373 12964 20788 66564
1148

Fuente de Grados de Suma de Cuadrado

Variacion Libertad Cuadrados Medio Relacion "F"
Factor 3 495.60 165.20 15.26
Error 16 173.20 10.82
Total 19 668.80

Valor crítico para F

3.23887152
 10. Un estudio compara el número de horas de alivio que proporcionan cinco marcas de
antiácidos administrados a 25 personas diferentes, cada una con acidez estomacal
considerada fuerte. Los resultados son los siguientes:Con un nivel de significancia de 0.05,
¿las marcas producen cantidades significativamente diferentes de alivio a las personas con
acidez estomacal fuerte?

MARCA
No. Personas A B C D
1 4.4 5.8 4.8 2.9
2 4.6 5.2 5.9 2.7
3 4.5 4.9 4.9 2.9
4 4.1 4.7 4.6 3.9
5 3.8 4.6 4.3 4.3
Ho u1 = u2 = u3 = u4=u5 21.4 25.2 24.5 16.7
Ho u1 ≠ u2 ≠ u3 ≠ u4 ≠u5

DATOS

K 5
n1 5
n2 5 SSC 9.0056
n3 5 SST 14.8896
n4 5 SSE 5.884
n5 5
N 25
α= 0.05%

RESUMEN
Fila 1
Fila 2
Fila 3
Fila 4
Fila 5
 Columna 1
Columna 2
Columna 3
Columna 4
Columna 5

ANÁLISIS DE VARIANZA
Origen de las variaciones
Filas
Columnas
Error

Total
 CONCLUSIÓN Se concluye que las marcas no producen cantidades diferentes de alivio a las personas

E
4.6 19.36 33.64 23.04 8.41 21.16
4.3 21.16 27.04 34.81 7.29 18.49
3.8 20.25 24.01 24.01 8.41 14.44
5.2 16.81 22.09 21.16 15.21 27.04
4.4 14.44 21.16 18.49 18.49 19.36 EY2T
22.3 110.1 92.02 127.94 121.51 57.81 100.49 499.77

Fuente de Grados de Suma de Cuadrado

Variacion Libertad Cuadrados Medio Relacion "F"
Factor 4 9.0056 2.25 7.65
Error 20 5.884 0.29
Total 24 14.89

Cuenta Suma Promedio Varianza

5 22.5 4.5 1.09
5 22.7 4.54 1.433
5 21 4.2 0.73
5 22.5 4.5 0.265
5 21.4 4.28 0.087
 5 21.4 4.28 0.107
5 25.2 5.04 0.233
5 24.5 4.9 0.365
5 16.7 3.34 0.508
5 22.3 4.46 0.258

NÁLISIS DE VARIANZA
Suma de cuadrados
Grados de
Promedio
libertad de los cuadradosF Probabilidad
Valor crítico para F
0.4696 4 0.1174 0.34692671 0.84229029 3.00691728
9.0056 4 2.2514 6.65307329 0.00236894 3.00691728
5.4144 16 0.3384

14.8896 24
e alivio a las personas
Un arrendador está interesado en ver si las rentas de sus departamentos son
las comunes. Para esto tomó una muestra aleatoria de 11 rentas y tamaños de
departamentos en complejos de departamentos similares. Los datos son los
siguientes:
Desarrolle la ecuación de estimación que mejor describa estos datos.
Calcule el coeficiente de determinación.
Pronostique la renta para un departamento de 4 recámara
RENTA No.RECAMARAS
230 2 RENTA No.RECAMARAS X^2 X*Y
190 1 125 2 15625 250
450 3 185 1 34225 185
310 2 190 3 36100 570
218 2 218 2 47524 436
185 2 230 2 52900 460
340 2 245 2 60025 490
245 1 280 2 78400 560
125 1 310 1 96100 310
350 2 340 1 115600 340
280 2 350 2 122500 700
450 2 202500 900
2923 20 861499 5201
n= 11
a= 322.50
b= -31.23 Y= 0.11
r= -0.205
recamaras 4.000
renta 197.6 . SE PUEDE CONCLUIR QUE LAS RENTAS DE L
CONCLUSIÓN
 Y^2
4
1
9
4 Chart Title
4 250000
4
4 200000
1
1 150000

4
100000
4
40
50000

0
100 150 200 250 300 350 400 450 500

CONCLUIR QUE LAS RENTAS DE LOS DEPARTAMENTOS SON LAS COMUNES SEGÚN LA
ESTIMACION
12. En una operación de control, se clasifican las piezas prpducidas por cuatro maquinas en
tres grupos según su calidad (buenas, regulares y malas). Al nivel del 2%, segum los
resultaados obtenidos, ¿puede admitirse que la distribucion de las piezas buenas,
regulares, y malas es la misma, independientemente de la maquina que las fabrica

MAQUINA CLASIFICACION
No. BUENAS REGULARES MALAS TOTALES
1 229 216 105 550
2 186 119 63 368
3 110 92 49 251
4 150 127 67 344
TOTALES 675 554 284 1513

HIPOTESIS
Ho= La Distribucion de las piezas es la misma
H1= Son dependientes o es la misma

gl= (r-1)(k-1) (3-1)(4-1)= 6

x^2c= 7.74724
x^2-1%= 15,033
MAQUINA CLASIFICACION
No. BUENAS REGULARES MALAS TOTALES
1 245 201 103 550
2 164 135 69 368
3 112 92 47 251
4 153 126 65 344
TOTALES 675 554 284 1513

Se puede concluir que la distribucion de las piezas no es la

CONCLUSIÓN misma
R/D Si X^2 es menor a 15,033 se acepta hipotesis nula caso contrario se rechaza
13. El gerente de ventas de cierta compañía esta interesado en probar si los vendedores son igualmente
ambiciosos, energicos, imaginarios, etc, realizan igual numero de visitas durante el mismo tiempo. El
numero de ventas que realiza un vendedor, por lo general depende del numero de visitas. Se selecciona
una dada y se halla que realizo un numero de 210 visitas, distribuidas de la siguiente forma:

VENDEDORA A B C D
no. de visitas 35 20 47 32
35 35 35 35

K 6 Xc^2 160.971429
gl= k-m-1= 5
X^2 0.05% 11.07

SI X^2 ES MENOR QUE X CRITICA SE ACEPTA HIPOTESIS NULA CASO

R/D CONTRARIO
SE LLEGA A LA CONCLUSIÓN SE RECHAZA
QUE SE RECHAZA HIPOTESIS NULA Y POR LO
CONCLUSÓN TANTO NO SON IGUALES
dedores son igualmente
te el mismo tiempo. El
de visitas. Se selecciona
a siguiente forma: Ho= tienen caracteristicas iguales H1= no tienen caracteristicas iguales

E F TOTAL
51 25 210 35
35 35 210

X^2= 160,97
racteristicas iguales
El numero de reclamaciones recibidas en 5 establecimientos de una cadena d tiendas, por concepto de
mercancias equivocada o defectuosa en un ciertso mes del año, es la siguiente.Sobrebla base de estos
resultados, ¿ es sosteniblemla hipotesis de que el numero de reclamaciones que recibe cada tienda; es
aproximadamente el mismo?, a un nivel de significancia de 0.05.

TIENDA No. 1 2 3 4 5 TOTAL

RECLAMACIO 63 78 54 49 56 300
RECLAMACION 60 60 60 60 60 300

k 5 Xc^2
gl= k-m-1= 4

α=0.05% 9.488
R/D Si Xc calculada es menor a 9,488 se acepta hipotesis nula casa contrario se rechaza
Conclusión Si es sostenible la hipotesis de que el numero de reclamaciones es el mismo
 PRUEBA NO
endas, por concepto de PARAMETRICA
Sobrebla base de estos
e recibe cada tienda; es
0.05.
Hipotesis Ho ElElnumero
numerode
dereclamaciones
reclamacioneselnomismo
es el
H1 mismo

60

8.43333333

rario se rechaza
 15. Se aplica un programa de control de calidad para un proceso, donde se fabrican grandes placas de
acero, con un interés especial por los defectos superfi ciales. El objetivo es establecer una gráfica de
control de calidad para el número de defectos por placa. Los datos se presentan a continuación. Elabore
la gráfi ca de control apropiada utilizando esta información. ¿Parecería que el proceso está bajo control?

Muestra No. Defectos Muestra No. Defectos

1 4 11 1
2 2 12 2
3 1 13 2
4 3 14 3
5 0 15 1
6 4 16 4
7 5 17 3
8 3 18 2
9 2 19 1
10 2 20 3
rican grandes placas de
ablecer una gráfica de
a continuación. Elabore
oceso está bajo control?