SlideShare una empresa de Scribd logo
1 de 10
KAREM LUCERO GARCIA VITELA
PROFESOR: ÉDGAR GERARDO MATA ORTIZ
PROBLEMAS DE PROBABILIDAD
INGENIERIA EN TECNOLOGÍAS DE LA PRODUCCIÓN
MATERIA: ESTADÍSTICA APLICADA A LA INGENIERÍA
20-SEPTIEMBRE-2013 7 ´´A´´
1. Carlos Gardel tiene un 70% de probabilidad de encestar desde la línea de
tiro libre. Si en un partido de basquetbol realiza cinco tiros libres A) ¿cuál
es la probabilidad de que falle los 5 tiros? B) ¿cuál es la probabilidad de
que enceste los 5 tiros? C) determina la probabilidad de que enceste 1, 2, o
4 tiros. Traza la grafica:
N=5
P=0.7
Q=0.3
X= a) 0
b) 5
c) 3
d)1 2 4
La N significa el número de tiros que pretende tirar, la P equivale al porcentaje que
tiene de encestar.
Se calcula la frecuencia y se saca la sumatoria para saber el valor esperado.
Xi p (xi) xi p (xi)
0 0.00243 0
1 0.02835 0.02835
2 0.13230 0.2646
3 0.30870 0.9261
4 0.36015 1.4406
5 0.16807 0.84035
∑=3.5
a) p(x=0) 0(0.7) ˚ (0.3)5
=0.00243
b) p (x=5) 5(5(0.7)5
(0.3)5
=0.02835
c) p (x=3) 5(3(0.7)3
(0.3)2
=0.13230
d) p (x=1) 5(1(0.7)1
(0.3)4
=0.30870
e) p (x=2) 5(2(0.7)2
(0.3)3
=0.36015
f) p (x=4) 5(4(0.7)4
(0.3)1
=0.16807
Lo que nos muestra aquí en la grafica es que hay una probabilidad de que enceste
3 tiros.
0
0.05
0.1
0.15
0.2
0.25
0.3
0.35
0.4
0 1 2 3 4 5
Series1
2. En la fábrica de marcadores Yovanna se sabe que tiene un nivel de calidad
entre 2 y 3 sigma, por lo que su tasa de defectos es del 1%. Se extrae una
muestra de 4 piezas, determina la probabilidad de que haya A)0 defectos
B)1 defecto C)2 defectos D)3 defectos E)4 defectos traza la grafica y
determina el valor esperado.
N=4
P=0.01
Q=0.99
X=0) =
1)=
2)=
3)=
4)=
p(x=0)=4(0(0.01) ˚ (.99)4
=.960596
p(x=0)=4(1(0.01)1
(.99)3
=.038811
p(x=0)=4(2(0.01)2
(.99)2
=.000588
p(x=0)=4(3(0.01)3
(.99)1
=.00000396
p(x=0)=4(4(0.01)4
(.99)0
=.0000001
Se calcula la frecuencia
Xi p(xi) xi p(xi)
0 0.960596 0
1 0.038811 0.038811
2 0.000588 0.001176
3 0.00000396 0.0001188
4 0.0000001 0.00000004
Valor esperado 0.4
Grafica
Esto significa que lo más probable es que ninguna de las 4 piezas resulte
defectuosa.
0
0.2
0.4
0.6
0.8
1
1.2
0 1 2 3 4
Series1
Debido a problemas con la maquinaria, la tasa de defectos en la fábrica yovanna
aumento al 4.5%. Se extrae una muestra de 85 piezas determina el valor
esperado.
Con la formula p(x=x)=n (xpx
qn-x
) se determinaron lo siguiente
Usando una muestra de 10 piezas
0)=0.019965
1)=0.079967
2)=0.1582607
3)=0.2063189
4)=0.1992975
5)=0.1521339
6)=0.095581
7)=0.050829
8)=0.0233521
9)=0.0094141
10)=0.00337136
P (xi)
0
0.079967
0.3165214
0.6108567
0.79719
0.7606695
0.573486
0.355803
0.186816
0.084726
0.033713
M=3.799
0
0.05
0.1
0.15
0.2
0.25
0 1 2 3 4 5 6 7 8 9 10
3.- En la fábrica de Yovanna la tasa de defectos es del 1.3%. Se extrae una
muestra de 87piezaas. Determina el valor esperado.
P=0.013 q=0.87 n=87
Xi P(Xi) (fi)(Xi) (Xi. )² p(Xi)
0 0.320326067 0 0.408199849
1 0.367060569 0.367060569 0.006095051857
2 0.205186858 0.410373716 0.155713026
3 0.0765726603 0.22971789 0.268093365
4 0.021179656 0.084718624 0.174593265
5 0.004630769825 0.023153849 0.069395424
6 0.0008335698458 0.005001419075 0.019778945
7 .0001270442969 0.0008893100783 0.004379252353
8 0.000017179699001 0.00013741592 0.000810969659
9 0.000001985902172 0.00001787311955 0.0001230362452
10 0.0000002040227761 0.00002040227761 0.00001605600406
=1.128860507
0
0.05
0.1
0.15
0.2
0.25
0.3
0.35
0.4
1 2 3 4 5 6 7 8 9 10 11
Series1
4.- Charlie, el encargado de compras, tiene dudas sobre la calidad de los
materiales encargados por un proveedor.
Este proveedor señala que su tasa de defectos (TD) es menor al 0.1%, sin
embargo, se han estado presentando problemas con esas piezas. Charlie le pide
al Ingeniero Crisito que realice una inspección de entrada a los materiales
suministrados por “Lupita S.A d C.V.” se lleva a cabo un muestreo de 5 lotes
extrayendo 75 piezas en cada ocasión obteniéndose los siguientes resultados:
LOTE DEFECTOS TD
1 3 4%
2 1 1.3%
3 0 0%
4 1 1.3%
5 2 2.6%
1.84%
Con base a estos resultados ¿es posible determina si la tasa de defectos señala
por la empresa “Lupita S.A d C.V” es correcta?
Argumenta detalladamente tu repuesta:
Se demostró que el proveedor de Charlie mintió respecto a su tasa de defectos de
0.1% , ya que con la inspección que llevo a cabo el Ingeniero Crisito se encontró
más defectos de los que se encuentran con una TD del 0.1% ya que con una
muestra de 75 piezas solo se espera que haya 0 defectos.
De las 5 lotes de muestra que se tomaron solo un lote cumple con la TD del 0.1%
y los otros lotes tienen una TD del 1.84%
5.- El Ingeniero Crisito se hace cargo del programa “Desarrollo del proveedores”
en la fabrica “Lupita”, realiza una serie de estudios y encuentra los siguientes
problemas.
Categoría Frecuencia
M.P. 4
M de O 8
M y E 1
Método 1
M.A. 1
Medición 3
Elabora un diagrama de Pareto y de Ishikawa e indica cuales fueron las acciones
que tomo el Ing. Crisito para corregir el problema.
Después de estas correcciones el Ing. Crisito analiza lotes completos de mil
piezas encontrando los siguientes resultados.
LOTE DEFECTOS TD
1 0 0%
2 2 0.2%
3 1 0.1%
4 1 0.1%
5 0 0
6 2 0.2%
= 0.1%
Determina si las acciones que se tomaron dieron resultado:
Las acciones que llevo a cabo el Ingeniero Crisito tuvieron una respuesta positiva
ya que la Tasa de Defectos (TD) resulto ser del 0.1% que es lo que la empresa
“Lupita S.A d C.V.” deseaba tener de TD. Aunque la TD disminuyó bastante aun
hay problemas con los resultados de los acciones que se llevaron a cabo ya que
solamente cumplieron satisfactoriamente 4 lotes de 6.
La probabilidad de que un lote resulte con 2 defectos es del 18%
El proceso sigue teniendo problemas, pero ya no es tan grave como antes. La
empresa “Lupita S.A d C.V.” seguirá siendo nuestro proveedor si se compromete
a mantener o mejorar la TD.
0%
0%
0%
0%
0%
0%
1 2 3 4 5 6
Series1
0.20
%
0.15
%
0.10
%
0.05
%
0.25
%
No sirven los
aparatos de aire
Falta de capacitación
a los nuevos
operadores
Falta de calidad en
los materiales del
proveedor “Lupita”
Falta de
mantenimiento
preventivo y
correctivo
Falta de interés

Más contenido relacionado

La actualidad más candente

Programación lineal
Programación linealProgramación lineal
Programación linealjessi perez
 
Ejercicios de distribución binomial
Ejercicios de distribución binomialEjercicios de distribución binomial
Ejercicios de distribución binomialMariangel Carrillo
 
Distribucion binomial fernando
Distribucion binomial fernandoDistribucion binomial fernando
Distribucion binomial fernandoFercho Dominguez
 
Taller de distribuciones discretas de probabilidad
Taller de distribuciones discretas de probabilidadTaller de distribuciones discretas de probabilidad
Taller de distribuciones discretas de probabilidadYohana Bonilla Gutiérrez
 
246244973 ejercicios-en-clas1
246244973 ejercicios-en-clas1246244973 ejercicios-en-clas1
246244973 ejercicios-en-clas1Majos Conejita
 
Ejercicios resueltos probabilidad_lind_m
Ejercicios resueltos probabilidad_lind_mEjercicios resueltos probabilidad_lind_m
Ejercicios resueltos probabilidad_lind_malexandraseraquive
 
Presentación2 P R O B
Presentación2 P R O BPresentación2 P R O B
Presentación2 P R O Bgoogle
 
Ejercicios resueltos semana_9dic10
Ejercicios resueltos semana_9dic10Ejercicios resueltos semana_9dic10
Ejercicios resueltos semana_9dic10milena cas
 
correcciones de las pruebas
correcciones de las pruebas correcciones de las pruebas
correcciones de las pruebas Diana Curicama
 
Distribuciones de probabilidad
Distribuciones de probabilidadDistribuciones de probabilidad
Distribuciones de probabilidadAlexitaMx
 
Binomial (real)
Binomial (real)Binomial (real)
Binomial (real)pathend
 
Unmsm fisi - casos especiales de problemas de programación lineal - io1 cl07
Unmsm   fisi - casos especiales de problemas de programación lineal - io1 cl07Unmsm   fisi - casos especiales de problemas de programación lineal - io1 cl07
Unmsm fisi - casos especiales de problemas de programación lineal - io1 cl07Julio Pari
 
Quis 1 estadistica semna 3
Quis 1 estadistica semna 3Quis 1 estadistica semna 3
Quis 1 estadistica semna 3cristina0324
 

La actualidad más candente (19)

Programación lineal
Programación linealProgramación lineal
Programación lineal
 
distribucion poisson
distribucion poissondistribucion poisson
distribucion poisson
 
Ejercicios de distribución binomial
Ejercicios de distribución binomialEjercicios de distribución binomial
Ejercicios de distribución binomial
 
Distribucion binomial fernando
Distribucion binomial fernandoDistribucion binomial fernando
Distribucion binomial fernando
 
Chi cuadrado
Chi cuadradoChi cuadrado
Chi cuadrado
 
Taller de distribuciones discretas de probabilidad
Taller de distribuciones discretas de probabilidadTaller de distribuciones discretas de probabilidad
Taller de distribuciones discretas de probabilidad
 
246244973 ejercicios-en-clas1
246244973 ejercicios-en-clas1246244973 ejercicios-en-clas1
246244973 ejercicios-en-clas1
 
Ejercicios resueltos probabilidad_lind_m
Ejercicios resueltos probabilidad_lind_mEjercicios resueltos probabilidad_lind_m
Ejercicios resueltos probabilidad_lind_m
 
Presentación2 P R O B
Presentación2 P R O BPresentación2 P R O B
Presentación2 P R O B
 
Ejercicios resueltos semana_9dic10
Ejercicios resueltos semana_9dic10Ejercicios resueltos semana_9dic10
Ejercicios resueltos semana_9dic10
 
correcciones de las pruebas
correcciones de las pruebas correcciones de las pruebas
correcciones de las pruebas
 
Distribucion bernoulli
Distribucion bernoulliDistribucion bernoulli
Distribucion bernoulli
 
Porcentajes
PorcentajesPorcentajes
Porcentajes
 
Distribuciones de probabilidad
Distribuciones de probabilidadDistribuciones de probabilidad
Distribuciones de probabilidad
 
Binomial (real)
Binomial (real)Binomial (real)
Binomial (real)
 
Unmsm fisi - casos especiales de problemas de programación lineal - io1 cl07
Unmsm   fisi - casos especiales de problemas de programación lineal - io1 cl07Unmsm   fisi - casos especiales de problemas de programación lineal - io1 cl07
Unmsm fisi - casos especiales de problemas de programación lineal - io1 cl07
 
Repaso de fracciones
Repaso de fraccionesRepaso de fracciones
Repaso de fracciones
 
Probabilidad 2&3
Probabilidad 2&3Probabilidad 2&3
Probabilidad 2&3
 
Quis 1 estadistica semna 3
Quis 1 estadistica semna 3Quis 1 estadistica semna 3
Quis 1 estadistica semna 3
 

Destacado

228 2010 course introduction
228 2010 course introduction228 2010 course introduction
228 2010 course introductionKDGreen
 
Laguna yo te quiero
Laguna yo te quieroLaguna yo te quiero
Laguna yo te quierokaremlucero
 
Laguna yo te quiero
Laguna yo te quieroLaguna yo te quiero
Laguna yo te quierokaremlucero
 
Laguna yo te quiero
Laguna yo te quieroLaguna yo te quiero
Laguna yo te quierokaremlucero
 
Laguna yo te quiero... limpia
Laguna yo te quiero... limpiaLaguna yo te quiero... limpia
Laguna yo te quiero... limpiakaremlucero
 
Universidad tecnologica de torreón
Universidad tecnologica de torreónUniversidad tecnologica de torreón
Universidad tecnologica de torreónkaremlucero
 
De bárbaros a burócratas
De bárbaros a burócratasDe bárbaros a burócratas
De bárbaros a burócrataskaremlucero
 
Why Reactive Matters #ScalaMatsuri
Why Reactive Matters #ScalaMatsuriWhy Reactive Matters #ScalaMatsuri
Why Reactive Matters #ScalaMatsuriYuta Okamoto
 

Destacado (11)

228 2010 course introduction
228 2010 course introduction228 2010 course introduction
228 2010 course introduction
 
Laguna yo te quiero
Laguna yo te quieroLaguna yo te quiero
Laguna yo te quiero
 
Laguna yo te quiero
Laguna yo te quieroLaguna yo te quiero
Laguna yo te quiero
 
Laguna yo te quiero
Laguna yo te quieroLaguna yo te quiero
Laguna yo te quiero
 
Laguna yo te quiero... limpia
Laguna yo te quiero... limpiaLaguna yo te quiero... limpia
Laguna yo te quiero... limpia
 
Universidad tecnologica de torreón
Universidad tecnologica de torreónUniversidad tecnologica de torreón
Universidad tecnologica de torreón
 
De bárbaros a burócratas
De bárbaros a burócratasDe bárbaros a burócratas
De bárbaros a burócratas
 
Z de 1 muestra
Z de 1 muestraZ de 1 muestra
Z de 1 muestra
 
Alejandra
AlejandraAlejandra
Alejandra
 
Anova
AnovaAnova
Anova
 
Why Reactive Matters #ScalaMatsuri
Why Reactive Matters #ScalaMatsuriWhy Reactive Matters #ScalaMatsuri
Why Reactive Matters #ScalaMatsuri
 

Similar a Karem lucero garcia vitela

Ejercicios de probabilidad
Ejercicios de probabilidadEjercicios de probabilidad
Ejercicios de probabilidadVicNoee
 
Problemas
ProblemasProblemas
ProblemasVicNoee
 
Problemas de probabilidad
Problemas de probabilidadProblemas de probabilidad
Problemas de probabilidadVicNoee
 
Distribución Binomial
Distribución BinomialDistribución Binomial
Distribución BinomialAdriana Acosta
 
Caso de Yovana
Caso de YovanaCaso de Yovana
Caso de Yovanaalimacni
 
Ejercicios de distribución binomial, hipergeométrica y de poisson pablo peraz...
Ejercicios de distribución binomial, hipergeométrica y de poisson pablo peraz...Ejercicios de distribución binomial, hipergeométrica y de poisson pablo peraz...
Ejercicios de distribución binomial, hipergeométrica y de poisson pablo peraz...Stalin Jose Gdz
 
Problemas binomial
Problemas binomialProblemas binomial
Problemas binomialCarol Ramos
 
Problemas de probabilidad itp
Problemas de probabilidad itpProblemas de probabilidad itp
Problemas de probabilidad itpFer Echavarria
 

Similar a Karem lucero garcia vitela (20)

Estadísticas
EstadísticasEstadísticas
Estadísticas
 
Ejemplos binomial
Ejemplos binomialEjemplos binomial
Ejemplos binomial
 
Problemas de probabilidad
Problemas de probabilidadProblemas de probabilidad
Problemas de probabilidad
 
Ejercicios de probabilidad
Ejercicios de probabilidadEjercicios de probabilidad
Ejercicios de probabilidad
 
Problemas
ProblemasProblemas
Problemas
 
Probabilidad 5&6
Probabilidad 5&6Probabilidad 5&6
Probabilidad 5&6
 
Problemas de probabilidad
Problemas de probabilidadProblemas de probabilidad
Problemas de probabilidad
 
Seeeeeeeeeee
SeeeeeeeeeeeSeeeeeeeeeee
Seeeeeeeeeee
 
Seeeeeeeeeee
SeeeeeeeeeeeSeeeeeeeeeee
Seeeeeeeeeee
 
Ejercicios mata
Ejercicios mataEjercicios mata
Ejercicios mata
 
Distribución Binomial
Distribución BinomialDistribución Binomial
Distribución Binomial
 
Caso de Yovana
Caso de YovanaCaso de Yovana
Caso de Yovana
 
Ejercicios de distribución binomial, hipergeométrica y de poisson pablo peraz...
Ejercicios de distribución binomial, hipergeométrica y de poisson pablo peraz...Ejercicios de distribución binomial, hipergeométrica y de poisson pablo peraz...
Ejercicios de distribución binomial, hipergeométrica y de poisson pablo peraz...
 
Ejercicio 1 2
Ejercicio 1 2Ejercicio 1 2
Ejercicio 1 2
 
Ejercicio 1 2
Ejercicio 1 2Ejercicio 1 2
Ejercicio 1 2
 
Problemas binomial
Problemas binomialProblemas binomial
Problemas binomial
 
Ejercicio 6 y 7
Ejercicio 6 y 7Ejercicio 6 y 7
Ejercicio 6 y 7
 
Caso charly
Caso charlyCaso charly
Caso charly
 
Problemas de probabilidad
Problemas de probabilidadProblemas de probabilidad
Problemas de probabilidad
 
Problemas de probabilidad itp
Problemas de probabilidad itpProblemas de probabilidad itp
Problemas de probabilidad itp
 

Más de karemlucero

De bárbaros a burócratas
De bárbaros a burócratasDe bárbaros a burócratas
De bárbaros a burócrataskaremlucero
 
De bárbaros a burócratas
De bárbaros a burócratasDe bárbaros a burócratas
De bárbaros a burócrataskaremlucero
 
Aplicaciones de histogramas
Aplicaciones de histogramasAplicaciones de histogramas
Aplicaciones de histogramaskaremlucero
 
Universidad tecnologica de torreón cosas importantes
Universidad tecnologica de torreón cosas importantesUniversidad tecnologica de torreón cosas importantes
Universidad tecnologica de torreón cosas importanteskaremlucero
 
Intervalos de confianza
Intervalos de confianzaIntervalos de confianza
Intervalos de confianzakaremlucero
 
Prueba de hipótesis
Prueba de hipótesisPrueba de hipótesis
Prueba de hipótesiskaremlucero
 
Brandon alejandro
Brandon alejandroBrandon alejandro
Brandon alejandrokaremlucero
 
T student ejemplos
T student ejemplosT student ejemplos
T student ejemploskaremlucero
 
T student ejemplos
T student ejemplosT student ejemplos
T student ejemploskaremlucero
 
Poisson ejemplos
Poisson ejemplosPoisson ejemplos
Poisson ejemploskaremlucero
 
Poisson ejemplos
Poisson ejemplosPoisson ejemplos
Poisson ejemploskaremlucero
 
Poisson ejemplos
Poisson ejemplosPoisson ejemplos
Poisson ejemploskaremlucero
 
Binomial ejemplos
Binomial ejemplosBinomial ejemplos
Binomial ejemploskaremlucero
 
Binomial ejemplos
Binomial ejemplosBinomial ejemplos
Binomial ejemploskaremlucero
 
Normal 5 ejemplos
Normal  5 ejemplosNormal  5 ejemplos
Normal 5 ejemploskaremlucero
 
Normal 5 ejemplos
Normal  5 ejemplosNormal  5 ejemplos
Normal 5 ejemploskaremlucero
 
Normal 5 ejemplos
Normal  5 ejemplosNormal  5 ejemplos
Normal 5 ejemploskaremlucero
 
Bernoulli ejemplos
Bernoulli ejemplosBernoulli ejemplos
Bernoulli ejemploskaremlucero
 
Distribuciones de probabilidad
Distribuciones de probabilidadDistribuciones de probabilidad
Distribuciones de probabilidadkaremlucero
 

Más de karemlucero (20)

De bárbaros a burócratas
De bárbaros a burócratasDe bárbaros a burócratas
De bárbaros a burócratas
 
De bárbaros a burócratas
De bárbaros a burócratasDe bárbaros a burócratas
De bárbaros a burócratas
 
50 palabras
50 palabras50 palabras
50 palabras
 
Aplicaciones de histogramas
Aplicaciones de histogramasAplicaciones de histogramas
Aplicaciones de histogramas
 
Universidad tecnologica de torreón cosas importantes
Universidad tecnologica de torreón cosas importantesUniversidad tecnologica de torreón cosas importantes
Universidad tecnologica de torreón cosas importantes
 
Intervalos de confianza
Intervalos de confianzaIntervalos de confianza
Intervalos de confianza
 
Prueba de hipótesis
Prueba de hipótesisPrueba de hipótesis
Prueba de hipótesis
 
Brandon alejandro
Brandon alejandroBrandon alejandro
Brandon alejandro
 
T student ejemplos
T student ejemplosT student ejemplos
T student ejemplos
 
T student ejemplos
T student ejemplosT student ejemplos
T student ejemplos
 
Poisson ejemplos
Poisson ejemplosPoisson ejemplos
Poisson ejemplos
 
Poisson ejemplos
Poisson ejemplosPoisson ejemplos
Poisson ejemplos
 
Poisson ejemplos
Poisson ejemplosPoisson ejemplos
Poisson ejemplos
 
Binomial ejemplos
Binomial ejemplosBinomial ejemplos
Binomial ejemplos
 
Binomial ejemplos
Binomial ejemplosBinomial ejemplos
Binomial ejemplos
 
Normal 5 ejemplos
Normal  5 ejemplosNormal  5 ejemplos
Normal 5 ejemplos
 
Normal 5 ejemplos
Normal  5 ejemplosNormal  5 ejemplos
Normal 5 ejemplos
 
Normal 5 ejemplos
Normal  5 ejemplosNormal  5 ejemplos
Normal 5 ejemplos
 
Bernoulli ejemplos
Bernoulli ejemplosBernoulli ejemplos
Bernoulli ejemplos
 
Distribuciones de probabilidad
Distribuciones de probabilidadDistribuciones de probabilidad
Distribuciones de probabilidad
 

Karem lucero garcia vitela

  • 1. KAREM LUCERO GARCIA VITELA PROFESOR: ÉDGAR GERARDO MATA ORTIZ PROBLEMAS DE PROBABILIDAD INGENIERIA EN TECNOLOGÍAS DE LA PRODUCCIÓN MATERIA: ESTADÍSTICA APLICADA A LA INGENIERÍA 20-SEPTIEMBRE-2013 7 ´´A´´
  • 2. 1. Carlos Gardel tiene un 70% de probabilidad de encestar desde la línea de tiro libre. Si en un partido de basquetbol realiza cinco tiros libres A) ¿cuál es la probabilidad de que falle los 5 tiros? B) ¿cuál es la probabilidad de que enceste los 5 tiros? C) determina la probabilidad de que enceste 1, 2, o 4 tiros. Traza la grafica: N=5 P=0.7 Q=0.3 X= a) 0 b) 5 c) 3 d)1 2 4 La N significa el número de tiros que pretende tirar, la P equivale al porcentaje que tiene de encestar. Se calcula la frecuencia y se saca la sumatoria para saber el valor esperado. Xi p (xi) xi p (xi) 0 0.00243 0 1 0.02835 0.02835 2 0.13230 0.2646 3 0.30870 0.9261 4 0.36015 1.4406 5 0.16807 0.84035 ∑=3.5 a) p(x=0) 0(0.7) ˚ (0.3)5 =0.00243 b) p (x=5) 5(5(0.7)5 (0.3)5 =0.02835 c) p (x=3) 5(3(0.7)3 (0.3)2 =0.13230 d) p (x=1) 5(1(0.7)1 (0.3)4 =0.30870 e) p (x=2) 5(2(0.7)2 (0.3)3 =0.36015 f) p (x=4) 5(4(0.7)4 (0.3)1 =0.16807
  • 3. Lo que nos muestra aquí en la grafica es que hay una probabilidad de que enceste 3 tiros. 0 0.05 0.1 0.15 0.2 0.25 0.3 0.35 0.4 0 1 2 3 4 5 Series1
  • 4. 2. En la fábrica de marcadores Yovanna se sabe que tiene un nivel de calidad entre 2 y 3 sigma, por lo que su tasa de defectos es del 1%. Se extrae una muestra de 4 piezas, determina la probabilidad de que haya A)0 defectos B)1 defecto C)2 defectos D)3 defectos E)4 defectos traza la grafica y determina el valor esperado. N=4 P=0.01 Q=0.99 X=0) = 1)= 2)= 3)= 4)= p(x=0)=4(0(0.01) ˚ (.99)4 =.960596 p(x=0)=4(1(0.01)1 (.99)3 =.038811 p(x=0)=4(2(0.01)2 (.99)2 =.000588 p(x=0)=4(3(0.01)3 (.99)1 =.00000396 p(x=0)=4(4(0.01)4 (.99)0 =.0000001 Se calcula la frecuencia Xi p(xi) xi p(xi) 0 0.960596 0 1 0.038811 0.038811 2 0.000588 0.001176 3 0.00000396 0.0001188 4 0.0000001 0.00000004 Valor esperado 0.4
  • 5. Grafica Esto significa que lo más probable es que ninguna de las 4 piezas resulte defectuosa. 0 0.2 0.4 0.6 0.8 1 1.2 0 1 2 3 4 Series1
  • 6. Debido a problemas con la maquinaria, la tasa de defectos en la fábrica yovanna aumento al 4.5%. Se extrae una muestra de 85 piezas determina el valor esperado. Con la formula p(x=x)=n (xpx qn-x ) se determinaron lo siguiente Usando una muestra de 10 piezas 0)=0.019965 1)=0.079967 2)=0.1582607 3)=0.2063189 4)=0.1992975 5)=0.1521339 6)=0.095581 7)=0.050829 8)=0.0233521 9)=0.0094141 10)=0.00337136 P (xi) 0 0.079967 0.3165214 0.6108567 0.79719 0.7606695 0.573486 0.355803 0.186816 0.084726 0.033713 M=3.799 0 0.05 0.1 0.15 0.2 0.25 0 1 2 3 4 5 6 7 8 9 10
  • 7. 3.- En la fábrica de Yovanna la tasa de defectos es del 1.3%. Se extrae una muestra de 87piezaas. Determina el valor esperado. P=0.013 q=0.87 n=87 Xi P(Xi) (fi)(Xi) (Xi. )² p(Xi) 0 0.320326067 0 0.408199849 1 0.367060569 0.367060569 0.006095051857 2 0.205186858 0.410373716 0.155713026 3 0.0765726603 0.22971789 0.268093365 4 0.021179656 0.084718624 0.174593265 5 0.004630769825 0.023153849 0.069395424 6 0.0008335698458 0.005001419075 0.019778945 7 .0001270442969 0.0008893100783 0.004379252353 8 0.000017179699001 0.00013741592 0.000810969659 9 0.000001985902172 0.00001787311955 0.0001230362452 10 0.0000002040227761 0.00002040227761 0.00001605600406 =1.128860507 0 0.05 0.1 0.15 0.2 0.25 0.3 0.35 0.4 1 2 3 4 5 6 7 8 9 10 11 Series1
  • 8. 4.- Charlie, el encargado de compras, tiene dudas sobre la calidad de los materiales encargados por un proveedor. Este proveedor señala que su tasa de defectos (TD) es menor al 0.1%, sin embargo, se han estado presentando problemas con esas piezas. Charlie le pide al Ingeniero Crisito que realice una inspección de entrada a los materiales suministrados por “Lupita S.A d C.V.” se lleva a cabo un muestreo de 5 lotes extrayendo 75 piezas en cada ocasión obteniéndose los siguientes resultados: LOTE DEFECTOS TD 1 3 4% 2 1 1.3% 3 0 0% 4 1 1.3% 5 2 2.6% 1.84% Con base a estos resultados ¿es posible determina si la tasa de defectos señala por la empresa “Lupita S.A d C.V” es correcta? Argumenta detalladamente tu repuesta: Se demostró que el proveedor de Charlie mintió respecto a su tasa de defectos de 0.1% , ya que con la inspección que llevo a cabo el Ingeniero Crisito se encontró más defectos de los que se encuentran con una TD del 0.1% ya que con una muestra de 75 piezas solo se espera que haya 0 defectos. De las 5 lotes de muestra que se tomaron solo un lote cumple con la TD del 0.1% y los otros lotes tienen una TD del 1.84%
  • 9. 5.- El Ingeniero Crisito se hace cargo del programa “Desarrollo del proveedores” en la fabrica “Lupita”, realiza una serie de estudios y encuentra los siguientes problemas. Categoría Frecuencia M.P. 4 M de O 8 M y E 1 Método 1 M.A. 1 Medición 3 Elabora un diagrama de Pareto y de Ishikawa e indica cuales fueron las acciones que tomo el Ing. Crisito para corregir el problema. Después de estas correcciones el Ing. Crisito analiza lotes completos de mil piezas encontrando los siguientes resultados. LOTE DEFECTOS TD 1 0 0% 2 2 0.2% 3 1 0.1% 4 1 0.1% 5 0 0 6 2 0.2% = 0.1% Determina si las acciones que se tomaron dieron resultado: Las acciones que llevo a cabo el Ingeniero Crisito tuvieron una respuesta positiva ya que la Tasa de Defectos (TD) resulto ser del 0.1% que es lo que la empresa “Lupita S.A d C.V.” deseaba tener de TD. Aunque la TD disminuyó bastante aun hay problemas con los resultados de los acciones que se llevaron a cabo ya que solamente cumplieron satisfactoriamente 4 lotes de 6. La probabilidad de que un lote resulte con 2 defectos es del 18% El proceso sigue teniendo problemas, pero ya no es tan grave como antes. La empresa “Lupita S.A d C.V.” seguirá siendo nuestro proveedor si se compromete a mantener o mejorar la TD.
  • 10. 0% 0% 0% 0% 0% 0% 1 2 3 4 5 6 Series1 0.20 % 0.15 % 0.10 % 0.05 % 0.25 % No sirven los aparatos de aire Falta de capacitación a los nuevos operadores Falta de calidad en los materiales del proveedor “Lupita” Falta de mantenimiento preventivo y correctivo Falta de interés