SlideShare una empresa de Scribd logo
1 de 13
COMPUTADORAS

“ROGELIO PERA”
Alumna: Karla Liliana Estrada Carrera.
Profesor: Edgar Gerardo Mata Ortiz.
Carrera: Procesos Industriales área manufactura.
Materia: Estadística.
2 “A”
Universidad Tecnológica de Torreón.
En el siguiente ejercicio desarrollaremos la
probabilidad que el fabricante de computadoras
afirma tener, sobre la tasa de defectos sobre la
producción de computadoras.

El ejercicio se desarrolla mediante la distribución
binomial, lo cual nos dice que distribución de
probabilidad discreta que mide el número de
éxitos en una secuencia de numero de ensayos
de Bernoulli independientes entre sí.

P(x=k) 𝑘!

𝑛!
Pk (1-p)n-k
𝑛−𝑘 !
EL FABRICANTE DE COMPUTADORAS ROGELIO PERA AFIRMA
QUE SU TASA DE DEFECTOS ES DEL .3%, LA GERENTE DE
COMPRAS KARLA LINEBACKER NO CONFÍA EN ESTE RESULTADO
POR LO QUE TOMA UNA MUESTRA DE 360 PIEZAS Y
ENCUENTRA QUE 2 DE ELLAS ESTÁN DEFECTUOSAS ¿ QUE
PODEMOS DECIR ACERCA DE LA AFIRMACIÓN DE ROGELIO
PERA?
• AHORA LLEGO EL MOMENTO DE DESARROLLAR EL EJERCICIO MEDIANTE EL MÉTODO DE
DISTRIBUCIÓN BINOMIAL, DONDE TENEMOS COMO DATOS
N= 360
P= .3% = .003
K= 0
1
2
3
5
• DESPUÉS DE SUSTITUIR CONTINUAMENTE CADA UNO DE LOS VALORES LOS RESULTADOS FINALES
NOS QUEDAN DE LA SIGUIENTE MANERA.
Ahora según los datos obtenidos lo siguiente es
hacer la tabulación para graficar y después de
esto dar una opinión de acuerdo a la tabulación
y grafica que nos resulto.

P
0
1
2
3
4
5

p(k)
0,3390
0,3672
0,1983
0,0712
0,0191
0,0040
P
0
1
2
3
4
5

p(k)
0,3390
0,3672
0,1983
0,0712
0,0191
0,0040

Como se puede observar claramente la tasa que afirmo Ricardo Pera no cumple con los
cálculos realizados teóricamente ya que al realizar lo anterior nos dice que la tasa de
defectos se encuentra en 1 computadora por lote, lo cual no podemos descartar que
puede ser probable que la tasa continua siendo de 2 ya que en la tabulación se
encuentra en 3er lugar y aun sigue siendo probable que esta cumpla con lo afirmado.
• PARA CONTINUAR ANALIZANDO LA TASA DE DEFECTOS QUE HABÍA AFIRMADO RICARDO, AHORA
CAMBIAREMOS LA TASA A EL .4% PARA VERIFICAR QUE TAN CONCRETA ES LA AFIRMACIÓN,
AUNQUE NO PODEMOS DEJAR PASAR DESAPERCIBIDO QUE TAL VEZ SEA UNA MUESTRA MUY
PEQUEÑA LAS 360 PIEZAS TAL VEZ SI SE ANALIZARA DESDE EL PUNTO DE PIEZA POR PIEZA
AUMENTADO LA MUESTRA ENCONTRARÍAMOS LA TASA QUE SE HABÍA AFIRMADO, AUNQUE SE
REALIZARA MEDIANTE EL MEDIO TEÓRICO POR EL MOTIVO DE COSTO $$$ DE REALIZAR EL ANÁLISIS
AUMENTANDO LAS PIEZAS.
P(x=k) 𝑘!

𝑛!
Pk (1-p)n-k
𝑛−𝑘 !

• AHORA TENEMOS COMO DATOS.
N= 360
P= .4% = .004
K= 0
1
2
3

• NUESTROS RESULTADOS DESPUÉS DE SUSTITUIR CADA UNO COMO EL EJEMPLO ANTERIOR:

0,2362
0,3415
0,2462
0,1180
• REALIZAMOS LA TABULACIÓN Y GRAFICA CORRESPONDIENTE.

P
0
1
2
3

p(k)
0,2362
0,3415
0,2462
0,1180

Analizamos la tabulación y grafica y aun observamos que la tasa de defectos aun no coincide con la
que afirmaba Rogelio por lo que podemos decir que la tasa aun sigue pareciendo errónea ya que no
coincide con lo que se afirmaba. Ya que aumentado la tasa de defectos aun sigue en 1 computadora
como mayor probabilidad de defecto.
SEGUIMOS SIN COINCIDIR CON LO AFIRMADO ES
POR ESO QUE AHORA AUMENTAREMOS NUESTRA
TASA A ,5 % PARA LLEGAR A UNA CONCLUSIÓN
MAS CERTERA Y AFIRMAR QUE LO MAS PROBABLE ES
QUE LA TASA DE DEFECTOS ES INCORRECTA.
SUSTITUCIÓN CON UNA TASA DE .5%.
• NUESTROS DATOS SON LOS SIGUIENTES.
N= 360
P= .5% = .005
K= 0
1
2

0,1645
0,2976
0,2685

• NUESTROS RESULTADOS SON LOS SIGUIENTES
P
0
1
2

p(k)
0,1645
0,2976
0,2685

Seguimos observando que la tasa defectuosa sigue siendo 1 computadora por lo que podemos llegar
a una conclusión mas probable con el análisis que hasta ahora pudimos desarrollar por el método
teórico.
• MEDIANTE EL ANÁLISIS QUE REALIZAMOS A LA AFIRMACIÓN QUE TENIA ROGELIO PERA SOBRE SU
TASA DE DEFECTOS PODEMOS LLEGARA TENER LA PROBABILIDAD DE QUE SU TASA ES ERRÓNEA
DEBIDO A QUE NO SE PUDO IGUALAR AL RESULTADO QUE EL HABÍA AFIRMADO CON UNA TASA
DE ,3%. AUNQUE NO PODEMOS DEJAR DE TOMAR EN CUANTA QUE SI NUESTRA MUESTRA
MUESTRA FUERA MAYOR PODRÍAMOS HABER CAMBIADO DE DECISIÓN PERO AL DESARROLLAR EL
MÉTODO TEÓRICO PODEMOS CONCLUIR EN QUE SI NO SE PUEDE REALIZAR UNA MUESTRA MAYOR
DEBIDO A EL COSTO ELEVADO QUE ESTE PRODUCIRÍA NOS BASAMOS EN LOS CÁLCULOS
REALIZADO PARA LLEGAR A PODER TOMAR UNA DECISIÓN CON LO QUE HASTA AHORA
REALIZAMOS.

Más contenido relacionado

La actualidad más candente (11)

Probabilidad kimberlys
Probabilidad kimberlysProbabilidad kimberlys
Probabilidad kimberlys
 
Coeficiente de cronbach
Coeficiente de cronbachCoeficiente de cronbach
Coeficiente de cronbach
 
Seminario 8
Seminario 8Seminario 8
Seminario 8
 
Seminario 8
Seminario 8Seminario 8
Seminario 8
 
Distribucion binomial
Distribucion binomialDistribucion binomial
Distribucion binomial
 
Reporte 10 programas
Reporte  10 programasReporte  10 programas
Reporte 10 programas
 
Primer programa
Primer programaPrimer programa
Primer programa
 
Calcular la muestra correcta
Calcular la muestra correctaCalcular la muestra correcta
Calcular la muestra correcta
 
Contraste de hipotesis
Contraste de hipotesisContraste de hipotesis
Contraste de hipotesis
 
Definiciones ( error )
Definiciones ( error )Definiciones ( error )
Definiciones ( error )
 
Ejercicios de algoritmos
Ejercicios de algoritmosEjercicios de algoritmos
Ejercicios de algoritmos
 

Similar a 1370943 karlalilianaestradacarreraestadistica2atasadedefectos2

Método de distribución binomial
Método de distribución binomial Método de distribución binomial
Método de distribución binomial Anahi Mtz Rangel
 
Algoritmos para aplicar data mining
Algoritmos para aplicar data miningAlgoritmos para aplicar data mining
Algoritmos para aplicar data miningJose Sanchez
 
Socioestadistica - 6. tamaño muestra (b) - Jorge Canales Fuster
Socioestadistica - 6. tamaño muestra (b) -  Jorge Canales FusterSocioestadistica - 6. tamaño muestra (b) -  Jorge Canales Fuster
Socioestadistica - 6. tamaño muestra (b) - Jorge Canales FusterF Franz Guillermo
 
Muestreo segunda parte
Muestreo segunda parteMuestreo segunda parte
Muestreo segunda parteInstruccional
 
Muestreo segunda parte
Muestreo segunda parteMuestreo segunda parte
Muestreo segunda parteeymar gonzalez
 
Ejercicio 7, parte 6 de 6
Ejercicio 7, parte 6 de 6Ejercicio 7, parte 6 de 6
Ejercicio 7, parte 6 de 6EmilioVargasM
 
Estadistica aplicada a la calidad
Estadistica aplicada a la calidadEstadistica aplicada a la calidad
Estadistica aplicada a la calidaddannyconye
 
Inferencia estadistica
Inferencia estadisticaInferencia estadistica
Inferencia estadisticaShouky Delgado
 
Distribución binomial
Distribución binomialDistribución binomial
Distribución binomialIan Santillann
 
Distribución binomial
Distribución binomialDistribución binomial
Distribución binomialIvan Sldñ
 
Aproximaciones y Errores
Aproximaciones y ErroresAproximaciones y Errores
Aproximaciones y Erroresmaribelmir
 
¿Cómo se calcula una muestra? - Comité de Investigación IAB Mexico
¿Cómo se calcula una muestra? - Comité de Investigación IAB Mexico¿Cómo se calcula una muestra? - Comité de Investigación IAB Mexico
¿Cómo se calcula una muestra? - Comité de Investigación IAB MexicoIAB México
 

Similar a 1370943 karlalilianaestradacarreraestadistica2atasadedefectos2 (20)

Método de distribución binomial
Método de distribución binomial Método de distribución binomial
Método de distribución binomial
 
ESTADISTICA PROBLEMAS
ESTADISTICA PROBLEMASESTADISTICA PROBLEMAS
ESTADISTICA PROBLEMAS
 
Tipos errores
Tipos erroresTipos errores
Tipos errores
 
Hipotesis
Hipotesis Hipotesis
Hipotesis
 
Algoritmos para aplicar data mining
Algoritmos para aplicar data miningAlgoritmos para aplicar data mining
Algoritmos para aplicar data mining
 
condicionales
condicionalescondicionales
condicionales
 
Socioestadistica - 6. tamaño muestra (b) - Jorge Canales Fuster
Socioestadistica - 6. tamaño muestra (b) -  Jorge Canales FusterSocioestadistica - 6. tamaño muestra (b) -  Jorge Canales Fuster
Socioestadistica - 6. tamaño muestra (b) - Jorge Canales Fuster
 
Muestreo segunda parte
Muestreo segunda parteMuestreo segunda parte
Muestreo segunda parte
 
Muestreo segunda parte
Muestreo segunda parteMuestreo segunda parte
Muestreo segunda parte
 
Ejercicio 7, parte 6 de 6
Ejercicio 7, parte 6 de 6Ejercicio 7, parte 6 de 6
Ejercicio 7, parte 6 de 6
 
Errores
ErroresErrores
Errores
 
Estadistica aplicada a la calidad
Estadistica aplicada a la calidadEstadistica aplicada a la calidad
Estadistica aplicada a la calidad
 
Estadistica.pptx...exposicion
Estadistica.pptx...exposicionEstadistica.pptx...exposicion
Estadistica.pptx...exposicion
 
Inferencia estadistica
Inferencia estadisticaInferencia estadistica
Inferencia estadistica
 
Excondicionales
ExcondicionalesExcondicionales
Excondicionales
 
Distribución binomial
Distribución binomialDistribución binomial
Distribución binomial
 
An gordo
An gordoAn gordo
An gordo
 
Distribución binomial
Distribución binomialDistribución binomial
Distribución binomial
 
Aproximaciones y Errores
Aproximaciones y ErroresAproximaciones y Errores
Aproximaciones y Errores
 
¿Cómo se calcula una muestra? - Comité de Investigación IAB Mexico
¿Cómo se calcula una muestra? - Comité de Investigación IAB Mexico¿Cómo se calcula una muestra? - Comité de Investigación IAB Mexico
¿Cómo se calcula una muestra? - Comité de Investigación IAB Mexico
 

Más de Karla Estrada

Más de Karla Estrada (11)

Plantilla ensamble-6
Plantilla ensamble-6Plantilla ensamble-6
Plantilla ensamble-6
 
Plantilla ensamble-5
Plantilla ensamble-5Plantilla ensamble-5
Plantilla ensamble-5
 
Plantilla ensamble-4
Plantilla ensamble-4Plantilla ensamble-4
Plantilla ensamble-4
 
Plantilla ensamble-3
Plantilla ensamble-3Plantilla ensamble-3
Plantilla ensamble-3
 
Plantilla ensamble-2
Plantilla ensamble-2Plantilla ensamble-2
Plantilla ensamble-2
 
Plantilla ensamble-1
Plantilla ensamble-1Plantilla ensamble-1
Plantilla ensamble-1
 
Procesos
ProcesosProcesos
Procesos
 
Format opieza 5
Format opieza 5Format opieza 5
Format opieza 5
 
Formato pieza 15
Formato pieza 15Formato pieza 15
Formato pieza 15
 
Formato pieza 8
Formato pieza 8Formato pieza 8
Formato pieza 8
 
Datos agrupados
Datos agrupadosDatos agrupados
Datos agrupados
 

1370943 karlalilianaestradacarreraestadistica2atasadedefectos2

  • 1. COMPUTADORAS “ROGELIO PERA” Alumna: Karla Liliana Estrada Carrera. Profesor: Edgar Gerardo Mata Ortiz. Carrera: Procesos Industriales área manufactura. Materia: Estadística. 2 “A” Universidad Tecnológica de Torreón.
  • 2. En el siguiente ejercicio desarrollaremos la probabilidad que el fabricante de computadoras afirma tener, sobre la tasa de defectos sobre la producción de computadoras. El ejercicio se desarrolla mediante la distribución binomial, lo cual nos dice que distribución de probabilidad discreta que mide el número de éxitos en una secuencia de numero de ensayos de Bernoulli independientes entre sí. P(x=k) 𝑘! 𝑛! Pk (1-p)n-k 𝑛−𝑘 !
  • 3. EL FABRICANTE DE COMPUTADORAS ROGELIO PERA AFIRMA QUE SU TASA DE DEFECTOS ES DEL .3%, LA GERENTE DE COMPRAS KARLA LINEBACKER NO CONFÍA EN ESTE RESULTADO POR LO QUE TOMA UNA MUESTRA DE 360 PIEZAS Y ENCUENTRA QUE 2 DE ELLAS ESTÁN DEFECTUOSAS ¿ QUE PODEMOS DECIR ACERCA DE LA AFIRMACIÓN DE ROGELIO PERA?
  • 4. • AHORA LLEGO EL MOMENTO DE DESARROLLAR EL EJERCICIO MEDIANTE EL MÉTODO DE DISTRIBUCIÓN BINOMIAL, DONDE TENEMOS COMO DATOS N= 360 P= .3% = .003 K= 0 1 2 3 5
  • 5. • DESPUÉS DE SUSTITUIR CONTINUAMENTE CADA UNO DE LOS VALORES LOS RESULTADOS FINALES NOS QUEDAN DE LA SIGUIENTE MANERA. Ahora según los datos obtenidos lo siguiente es hacer la tabulación para graficar y después de esto dar una opinión de acuerdo a la tabulación y grafica que nos resulto. P 0 1 2 3 4 5 p(k) 0,3390 0,3672 0,1983 0,0712 0,0191 0,0040
  • 6. P 0 1 2 3 4 5 p(k) 0,3390 0,3672 0,1983 0,0712 0,0191 0,0040 Como se puede observar claramente la tasa que afirmo Ricardo Pera no cumple con los cálculos realizados teóricamente ya que al realizar lo anterior nos dice que la tasa de defectos se encuentra en 1 computadora por lote, lo cual no podemos descartar que puede ser probable que la tasa continua siendo de 2 ya que en la tabulación se encuentra en 3er lugar y aun sigue siendo probable que esta cumpla con lo afirmado.
  • 7. • PARA CONTINUAR ANALIZANDO LA TASA DE DEFECTOS QUE HABÍA AFIRMADO RICARDO, AHORA CAMBIAREMOS LA TASA A EL .4% PARA VERIFICAR QUE TAN CONCRETA ES LA AFIRMACIÓN, AUNQUE NO PODEMOS DEJAR PASAR DESAPERCIBIDO QUE TAL VEZ SEA UNA MUESTRA MUY PEQUEÑA LAS 360 PIEZAS TAL VEZ SI SE ANALIZARA DESDE EL PUNTO DE PIEZA POR PIEZA AUMENTADO LA MUESTRA ENCONTRARÍAMOS LA TASA QUE SE HABÍA AFIRMADO, AUNQUE SE REALIZARA MEDIANTE EL MEDIO TEÓRICO POR EL MOTIVO DE COSTO $$$ DE REALIZAR EL ANÁLISIS AUMENTANDO LAS PIEZAS.
  • 8. P(x=k) 𝑘! 𝑛! Pk (1-p)n-k 𝑛−𝑘 ! • AHORA TENEMOS COMO DATOS. N= 360 P= .4% = .004 K= 0 1 2 3 • NUESTROS RESULTADOS DESPUÉS DE SUSTITUIR CADA UNO COMO EL EJEMPLO ANTERIOR: 0,2362 0,3415 0,2462 0,1180
  • 9. • REALIZAMOS LA TABULACIÓN Y GRAFICA CORRESPONDIENTE. P 0 1 2 3 p(k) 0,2362 0,3415 0,2462 0,1180 Analizamos la tabulación y grafica y aun observamos que la tasa de defectos aun no coincide con la que afirmaba Rogelio por lo que podemos decir que la tasa aun sigue pareciendo errónea ya que no coincide con lo que se afirmaba. Ya que aumentado la tasa de defectos aun sigue en 1 computadora como mayor probabilidad de defecto.
  • 10. SEGUIMOS SIN COINCIDIR CON LO AFIRMADO ES POR ESO QUE AHORA AUMENTAREMOS NUESTRA TASA A ,5 % PARA LLEGAR A UNA CONCLUSIÓN MAS CERTERA Y AFIRMAR QUE LO MAS PROBABLE ES QUE LA TASA DE DEFECTOS ES INCORRECTA.
  • 11. SUSTITUCIÓN CON UNA TASA DE .5%. • NUESTROS DATOS SON LOS SIGUIENTES. N= 360 P= .5% = .005 K= 0 1 2 0,1645 0,2976 0,2685 • NUESTROS RESULTADOS SON LOS SIGUIENTES
  • 12. P 0 1 2 p(k) 0,1645 0,2976 0,2685 Seguimos observando que la tasa defectuosa sigue siendo 1 computadora por lo que podemos llegar a una conclusión mas probable con el análisis que hasta ahora pudimos desarrollar por el método teórico.
  • 13. • MEDIANTE EL ANÁLISIS QUE REALIZAMOS A LA AFIRMACIÓN QUE TENIA ROGELIO PERA SOBRE SU TASA DE DEFECTOS PODEMOS LLEGARA TENER LA PROBABILIDAD DE QUE SU TASA ES ERRÓNEA DEBIDO A QUE NO SE PUDO IGUALAR AL RESULTADO QUE EL HABÍA AFIRMADO CON UNA TASA DE ,3%. AUNQUE NO PODEMOS DEJAR DE TOMAR EN CUANTA QUE SI NUESTRA MUESTRA MUESTRA FUERA MAYOR PODRÍAMOS HABER CAMBIADO DE DECISIÓN PERO AL DESARROLLAR EL MÉTODO TEÓRICO PODEMOS CONCLUIR EN QUE SI NO SE PUEDE REALIZAR UNA MUESTRA MAYOR DEBIDO A EL COSTO ELEVADO QUE ESTE PRODUCIRÍA NOS BASAMOS EN LOS CÁLCULOS REALIZADO PARA LLEGAR A PODER TOMAR UNA DECISIÓN CON LO QUE HASTA AHORA REALIZAMOS.