SlideShare una empresa de Scribd logo
1 de 18
 El Ing. Archi debe seleccionar entre 2
proveedores de retenes que serán
utilizados en la producción de equipo
hidráulico. El diámetro de estos
retenes debe ser de 3.5 pulgadas con
una tolerancia de 95 milésimas.
 El proveedor A entregó una muestra
para su análisis con 30 piezas.
 Se agrupo en 7 intervalo,
encontrando un valor máximo de
3.593 y un valor mínimo de 3.436 y las
frecuencias para los 7 intervalos
fueron 24, 42, 59, 68, 52, 44 y 11.
numero de datos 300
máximo 3.593
minimo 3.436
rango 0.157
dato inicial 3.436
ajuste de dato -0.002
dato final 3.434
tamaño del
intervalo 0.022
ajuste 0.001
tamaño final 0.023
dato final 3.434
datos aparentes
3.434 3.456
3.457 3.479
3.480 3.502
3.503 3.525
3.526 3.548
3.549 3.571
3.572 3.594
datos reales medias de clasefi fai fri frai media desv mediavarianza
3.4335 3.4565 3.445 24 24 0.08 0.08 82.68 1.57872 0.103848202
3.4565 3.4795 3.468 42 66 0.14 0.22 145.656 1.79676 0.076865393
3.4795 3.5025 3.491 59 125 0.196666667 0.416666667 205.969 1.16702 0.023083656
3.5025 3.5255 3.514 68 193 0.226666667 0.643333333 238.952 0.21896 0.000705051
3.5255 3.5485 3.537 52 245 0.173333333 0.816666667 183.924 1.36344 0.035749397
3.5485 3.5715 3.560 44 289 0.146666667 0.963333333 156.64 2.16568 0.10659477
3.5715 3.5945 3.583 11 300 0.036666667 1 39.413 0.79442 0.057373012
300
300
300
300
300 1053.234 9.085 0.40421948
300 MEDIA A. 3.51078
300 DESV MEDIA
0.0302833
33
VARIANZA 0.001347398
DESV ESTAN. 0.036706924
TV
0
LSL
0
USL
0
10
20
30
40
50
60
70
80
3.3500 3.4000 3.4500 3.5000 3.5500 3.6000 3.6500
Histograma
• Ninguna de las piezas de la muestra se sale de los límites de las especificaciones.
• La media aritmética esta muy cerca del TV, por lo que podemos decir que el proceso
esta centrado.
• La muestra esta por la distribución normal.
3.445
3.468
3.491
3.514
3.537
3.560
3.583
1. Las marcas de
clase están en
diferentes
porcentajes, esto
se debe a que
existe una pieza
que es la
preferida por el
cliente porque
cumple con las
especificaciones
0
0.2
0.4
0.6
0.8
1
1.2
3.445 3.468 3.491 3.514 3.537 3.560 3.583
Series1
 En esta gráfica se
observa el
comportamiento de
los datos en su forma
ascendente, para
darnos cuenta de la
distribución de los
mismos.
• Si los datos no van en
ascendente algo
anda mal.
0
10
20
30
40
50
60
70
3.445
3.468
3.491
3.5143.537
3.560
3.583Esta gráfica nos muestra la
frecuencia de las marcas de
clase, podemos ver cual es
la mayor frecuencia: 3. 514
 Esta grafica nos muestra una producción
centrada, con una ligera inclinación
3.25
3.3
3.35
3.4
3.45
3.5
3.55
3.6
3.65
3.7
1
número de datos
Máximo 3.629
Mínimo 3.451
rango 0.178
número de inter. 7
dato inicial 3.451
ajuste de dato -0.002
dato final 3.449
tamaño del intervalo 0.025
ajuste 0.001
tamaño final 0.026
Intervalos
aparentes
3.449 3.474
3.475 3.500
3.501 3.526
3.527 3.552
3.553 3.578
3.579 3.604
3.605 3.630
 El proveedor B entregó una
muestra de 400 piezas. Se
elaboró un histograma con
7 intervalos encontrando
un máximo de 3.629 un
mínimo de 3.451, las
frecuencias son: 29, 39, 66,
74, 71, 65, 56.
Intervalos reales
Marcas de
clase fi fai fri frai media
desv
media varianza
3.4485 3.4745 3.462 29 29 0.0725 0.0725 100.3835 2.52213 0.219349646
3.4745 3.5005 3.488 39 68 0.0975 0.17 136.0125 2.37783 0.144976295
3.5005 3.5265 3.514 66 134 0.165 0.335 231.891 2.30802 0.080711459
3.5265 3.5525 3.540 74 208 0.185 0.52 261.923 0.66378 0.005954107
3.5525 3.5785 3.566 71 279 0.1775 0.6975 253.1505 1.20913 0.020591484
3.5785 3.6045 3.592 65 344 0.1625 0.86 233.4475 2.79695 0.120352758
3.6045 3.6305 3.618 56 400 0.14 1 202.58 3.86568 0.26684789
400
400
400
400
400 1419.388 15.74352 0.85878364
400 MEDIA A. 3.54847
400
DESV.
MEDIA 0.0393588
VARIANZ
A 0.002146959
DESV ESTAN. 0.04633529
0
LSL
0
TV
0
USL
0
10
20
30
40
50
60
70
80
90
100
3.3500 3.4000 3.4500 3.5000 3.5500 3.6000 3.6500 3.7000 3.7500
Histograma
• En este histograma podemos observar que la media esta muy cerca del
Tv, lo cual nos indica que el proceso esta centrado.
• Al analizar los limites de especificación nos damos cuenta que si hay
piezas fuera de estos.
• Y al observar el histograma nos podemos dar cuenta que hicieron una
modificación para que se viera como si estuviera centrado.
3.462
3.488
3.514
3.540
3.566
3.592
3.618
• La utilidad de esta
gráfica es para
observar el
acumulamiento de los
datos.
• Se ve bastante similitud
entre los datos, la
mayoría de ellos están
en la misma frecuencia.
0
0.2
0.4
0.6
0.8
1
1.2
3.462 3.488 3.514 3.540 3.566 3.592 3.618
Series1
 En esta gráfica se va mostrando
el porcentaje que ocupada
cada marca de clase, según sus
frecuencia.
0
10
20
30
40
50
60
70
80
3.462
3.488
3.514
3.5403.566
3.592
3.618
 Esta gráfica nos
muestra las marcas de
clase y como están
distribuidas cada una
de ellas y se muestra la
frecuencia mayor con
el pico.
 Esta gráfica nos muestra
que nuestra ´producción
no esta centrada, por lo
tanto tenemos que hacer
algo para lograrlo.
3.25
3.3
3.35
3.4
3.45
3.5
3.55
3.6
3.65
3.7
1

Más contenido relacionado

Similar a Histograma 3 y 4

Histogram and variability
Histogram and variabilityHistogram and variability
Histogram and variabilityEdgar Mata
 
03 perfiles comerciales
03 perfiles comerciales03 perfiles comerciales
03 perfiles comercialestaniaflores65
 
Spc presentación primera parte
Spc presentación primera parteSpc presentación primera parte
Spc presentación primera partevale302
 
03 perfiles comerciales
03 perfiles comerciales03 perfiles comerciales
03 perfiles comercialesWilson Ochoa
 
Una copita de mas te cambia la vida copia
Una copita de mas te cambia la vida   copiaUna copita de mas te cambia la vida   copia
Una copita de mas te cambia la vida copiaDaniel Fg
 
Problema 8 medidas de dispercion
Problema 8 medidas de dispercionProblema 8 medidas de dispercion
Problema 8 medidas de dispercionFer Echavarria
 
Universalidad tecnológica de torreón histogramas blog
Universalidad tecnológica de torreón histogramas blogUniversalidad tecnológica de torreón histogramas blog
Universalidad tecnológica de torreón histogramas blogCarlos Eduardo Candela
 
1. laboratorio stadistica
1. laboratorio stadistica1. laboratorio stadistica
1. laboratorio stadisticaFabian White
 
Histogramas utt
Histogramas uttHistogramas utt
Histogramas uttIvan Sldñ
 
ejercicio de estadistica descriptiva
ejercicio de estadistica descriptivaejercicio de estadistica descriptiva
ejercicio de estadistica descriptivaalerioz
 
Estadística descriptiva
Estadística descriptivaEstadística descriptiva
Estadística descriptivaalerioz
 
Aplicación de histogramas
Aplicación de histogramasAplicación de histogramas
Aplicación de histogramasFelipe Cordero
 

Similar a Histograma 3 y 4 (20)

Histogram and variability
Histogram and variabilityHistogram and variability
Histogram and variability
 
03 perfiles comerciales
03 perfiles comerciales03 perfiles comerciales
03 perfiles comerciales
 
Mata nuevo
Mata nuevoMata nuevo
Mata nuevo
 
Spc presentación primera parte
Spc presentación primera parteSpc presentación primera parte
Spc presentación primera parte
 
03 perfiles comerciales
03 perfiles comerciales03 perfiles comerciales
03 perfiles comerciales
 
Una copita de mas te cambia la vida copia
Una copita de mas te cambia la vida   copiaUna copita de mas te cambia la vida   copia
Una copita de mas te cambia la vida copia
 
trabajo
trabajotrabajo
trabajo
 
7Histogramas MarcelaHdzG
7Histogramas MarcelaHdzG 7Histogramas MarcelaHdzG
7Histogramas MarcelaHdzG
 
Ejercicio de Estratificación 1
Ejercicio de Estratificación 1Ejercicio de Estratificación 1
Ejercicio de Estratificación 1
 
Problema 8 medidas de dispercion
Problema 8 medidas de dispercionProblema 8 medidas de dispercion
Problema 8 medidas de dispercion
 
Histrogramas
HistrogramasHistrogramas
Histrogramas
 
EXAMEN
EXAMEN EXAMEN
EXAMEN
 
histogramas.
 histogramas. histogramas.
histogramas.
 
Universalidad tecnológica de torreón histogramas blog
Universalidad tecnológica de torreón histogramas blogUniversalidad tecnológica de torreón histogramas blog
Universalidad tecnológica de torreón histogramas blog
 
1. laboratorio stadistica
1. laboratorio stadistica1. laboratorio stadistica
1. laboratorio stadistica
 
Histogramas utt
Histogramas uttHistogramas utt
Histogramas utt
 
Histogramas utt
Histogramas uttHistogramas utt
Histogramas utt
 
ejercicio de estadistica descriptiva
ejercicio de estadistica descriptivaejercicio de estadistica descriptiva
ejercicio de estadistica descriptiva
 
Estadística descriptiva
Estadística descriptivaEstadística descriptiva
Estadística descriptiva
 
Aplicación de histogramas
Aplicación de histogramasAplicación de histogramas
Aplicación de histogramas
 

Más de Arashely Trujillo

Más de Arashely Trujillo (16)

PROCESOS DE MANUFACTURA II. CAD-CAE-CNC
PROCESOS DE MANUFACTURA II. CAD-CAE-CNCPROCESOS DE MANUFACTURA II. CAD-CAE-CNC
PROCESOS DE MANUFACTURA II. CAD-CAE-CNC
 
PROCESOS DE TROQUELADO, ESTAMPADO Y DOBLADO.
PROCESOS DE TROQUELADO, ESTAMPADO Y DOBLADO.PROCESOS DE TROQUELADO, ESTAMPADO Y DOBLADO.
PROCESOS DE TROQUELADO, ESTAMPADO Y DOBLADO.
 
PLANOS: FIGURAS 4, 7 y 12
PLANOS: FIGURAS 4, 7 y 12PLANOS: FIGURAS 4, 7 y 12
PLANOS: FIGURAS 4, 7 y 12
 
PLANOS FIGURAS: 4, 7 y 12
PLANOS FIGURAS: 4, 7 y 12PLANOS FIGURAS: 4, 7 y 12
PLANOS FIGURAS: 4, 7 y 12
 
Planofigura4.aracelipdft
Planofigura4.aracelipdftPlanofigura4.aracelipdft
Planofigura4.aracelipdft
 
Planofigura12.aracelipdft
Planofigura12.aracelipdftPlanofigura12.aracelipdft
Planofigura12.aracelipdft
 
Histograma 2
Histograma 2Histograma 2
Histograma 2
 
Histograma 1. Ejercicio en clase
Histograma 1. Ejercicio en claseHistograma 1. Ejercicio en clase
Histograma 1. Ejercicio en clase
 
Distribuvion binomial
Distribuvion binomialDistribuvion binomial
Distribuvion binomial
 
Base de datos computacional
Base de datos computacionalBase de datos computacional
Base de datos computacional
 
Base de datos computacional
Base de datos computacionalBase de datos computacional
Base de datos computacional
 
Loveland
LovelandLoveland
Loveland
 
Ejercicio 5 presentación
Ejercicio 5 presentaciónEjercicio 5 presentación
Ejercicio 5 presentación
 
Datos no agrupados 2
Datos no agrupados 2 Datos no agrupados 2
Datos no agrupados 2
 
Datos no agrupados
Datos no agrupados Datos no agrupados
Datos no agrupados
 
estadística descriptiva
estadística descriptivaestadística descriptiva
estadística descriptiva
 

Histograma 3 y 4

  • 1.
  • 2.
  • 3.
  • 4.  El Ing. Archi debe seleccionar entre 2 proveedores de retenes que serán utilizados en la producción de equipo hidráulico. El diámetro de estos retenes debe ser de 3.5 pulgadas con una tolerancia de 95 milésimas.  El proveedor A entregó una muestra para su análisis con 30 piezas.  Se agrupo en 7 intervalo, encontrando un valor máximo de 3.593 y un valor mínimo de 3.436 y las frecuencias para los 7 intervalos fueron 24, 42, 59, 68, 52, 44 y 11. numero de datos 300 máximo 3.593 minimo 3.436 rango 0.157 dato inicial 3.436 ajuste de dato -0.002 dato final 3.434 tamaño del intervalo 0.022 ajuste 0.001 tamaño final 0.023 dato final 3.434 datos aparentes 3.434 3.456 3.457 3.479 3.480 3.502 3.503 3.525 3.526 3.548 3.549 3.571 3.572 3.594
  • 5. datos reales medias de clasefi fai fri frai media desv mediavarianza 3.4335 3.4565 3.445 24 24 0.08 0.08 82.68 1.57872 0.103848202 3.4565 3.4795 3.468 42 66 0.14 0.22 145.656 1.79676 0.076865393 3.4795 3.5025 3.491 59 125 0.196666667 0.416666667 205.969 1.16702 0.023083656 3.5025 3.5255 3.514 68 193 0.226666667 0.643333333 238.952 0.21896 0.000705051 3.5255 3.5485 3.537 52 245 0.173333333 0.816666667 183.924 1.36344 0.035749397 3.5485 3.5715 3.560 44 289 0.146666667 0.963333333 156.64 2.16568 0.10659477 3.5715 3.5945 3.583 11 300 0.036666667 1 39.413 0.79442 0.057373012 300 300 300 300 300 1053.234 9.085 0.40421948 300 MEDIA A. 3.51078 300 DESV MEDIA 0.0302833 33 VARIANZA 0.001347398 DESV ESTAN. 0.036706924
  • 6. TV 0 LSL 0 USL 0 10 20 30 40 50 60 70 80 3.3500 3.4000 3.4500 3.5000 3.5500 3.6000 3.6500 Histograma • Ninguna de las piezas de la muestra se sale de los límites de las especificaciones. • La media aritmética esta muy cerca del TV, por lo que podemos decir que el proceso esta centrado. • La muestra esta por la distribución normal.
  • 7. 3.445 3.468 3.491 3.514 3.537 3.560 3.583 1. Las marcas de clase están en diferentes porcentajes, esto se debe a que existe una pieza que es la preferida por el cliente porque cumple con las especificaciones
  • 8. 0 0.2 0.4 0.6 0.8 1 1.2 3.445 3.468 3.491 3.514 3.537 3.560 3.583 Series1  En esta gráfica se observa el comportamiento de los datos en su forma ascendente, para darnos cuenta de la distribución de los mismos. • Si los datos no van en ascendente algo anda mal.
  • 9. 0 10 20 30 40 50 60 70 3.445 3.468 3.491 3.5143.537 3.560 3.583Esta gráfica nos muestra la frecuencia de las marcas de clase, podemos ver cual es la mayor frecuencia: 3. 514
  • 10.  Esta grafica nos muestra una producción centrada, con una ligera inclinación 3.25 3.3 3.35 3.4 3.45 3.5 3.55 3.6 3.65 3.7 1
  • 11.
  • 12. número de datos Máximo 3.629 Mínimo 3.451 rango 0.178 número de inter. 7 dato inicial 3.451 ajuste de dato -0.002 dato final 3.449 tamaño del intervalo 0.025 ajuste 0.001 tamaño final 0.026 Intervalos aparentes 3.449 3.474 3.475 3.500 3.501 3.526 3.527 3.552 3.553 3.578 3.579 3.604 3.605 3.630  El proveedor B entregó una muestra de 400 piezas. Se elaboró un histograma con 7 intervalos encontrando un máximo de 3.629 un mínimo de 3.451, las frecuencias son: 29, 39, 66, 74, 71, 65, 56.
  • 13. Intervalos reales Marcas de clase fi fai fri frai media desv media varianza 3.4485 3.4745 3.462 29 29 0.0725 0.0725 100.3835 2.52213 0.219349646 3.4745 3.5005 3.488 39 68 0.0975 0.17 136.0125 2.37783 0.144976295 3.5005 3.5265 3.514 66 134 0.165 0.335 231.891 2.30802 0.080711459 3.5265 3.5525 3.540 74 208 0.185 0.52 261.923 0.66378 0.005954107 3.5525 3.5785 3.566 71 279 0.1775 0.6975 253.1505 1.20913 0.020591484 3.5785 3.6045 3.592 65 344 0.1625 0.86 233.4475 2.79695 0.120352758 3.6045 3.6305 3.618 56 400 0.14 1 202.58 3.86568 0.26684789 400 400 400 400 400 1419.388 15.74352 0.85878364 400 MEDIA A. 3.54847 400 DESV. MEDIA 0.0393588 VARIANZ A 0.002146959 DESV ESTAN. 0.04633529
  • 14. 0 LSL 0 TV 0 USL 0 10 20 30 40 50 60 70 80 90 100 3.3500 3.4000 3.4500 3.5000 3.5500 3.6000 3.6500 3.7000 3.7500 Histograma • En este histograma podemos observar que la media esta muy cerca del Tv, lo cual nos indica que el proceso esta centrado. • Al analizar los limites de especificación nos damos cuenta que si hay piezas fuera de estos. • Y al observar el histograma nos podemos dar cuenta que hicieron una modificación para que se viera como si estuviera centrado.
  • 15. 3.462 3.488 3.514 3.540 3.566 3.592 3.618 • La utilidad de esta gráfica es para observar el acumulamiento de los datos. • Se ve bastante similitud entre los datos, la mayoría de ellos están en la misma frecuencia.
  • 16. 0 0.2 0.4 0.6 0.8 1 1.2 3.462 3.488 3.514 3.540 3.566 3.592 3.618 Series1  En esta gráfica se va mostrando el porcentaje que ocupada cada marca de clase, según sus frecuencia.
  • 17. 0 10 20 30 40 50 60 70 80 3.462 3.488 3.514 3.5403.566 3.592 3.618  Esta gráfica nos muestra las marcas de clase y como están distribuidas cada una de ellas y se muestra la frecuencia mayor con el pico.
  • 18.  Esta gráfica nos muestra que nuestra ´producción no esta centrada, por lo tanto tenemos que hacer algo para lograrlo. 3.25 3.3 3.35 3.4 3.45 3.5 3.55 3.6 3.65 3.7 1