SlideShare una empresa de Scribd logo
1 de 16
Universidad Simón Bolívar
Estimación del Valor Esperado de
Un Proceso
Ingeniería de la Calidad para la
Toma de Decisiones
En una empresa fabricante de guisantes enlatados con un peso escurrido
declarado de 19 onzas, se desea conocer el desempeño de una nueva máquina
llenadora para satisfacer el estándar, para lo cual se toma una muestra aleatoria
de 5 latas de la producción
Peso Escurrido
(onzas)
Peso Escurrido2
(onzas2)
18,6 345,96
18,4 338,58
19,1 364,81
18,9 357,21
18,5 342,25
xi = 93,5 xi
2 = 1748,79
Hipótesis
µ = µ0
µ ≠ µ0
Calculamos la media de la muestra
  7,185,93
5
11
xi
n
Calculamos la desviación estándar…
   





 

15
5
93,5
2
791748
1n
n
xi
2
x
2
iS
,
S = 0,29154
… y el error estándar
0,1303
5
0,29154
nn
SSS
2
x

Definimos el error tipo I de la prueba
α = 0,05  α/2 = 0,025
Leemos el valor del estadístico t en la
tabla de la distribución t, para
t α/2, n-1 = t 0,025 , 4 = 3,4954
Construimos el intervalo de confianza
18,7 – (3,4954 x 0,1303) ≤ µ ≤ 18,7 + (3,4954 x 0,1303)
18,24 ≤ µ ≤ 19,15
Los límites del intervalo incluyen el valor de
referencia, por lo que no hay razones para
dudar del desempeño de la nueva máquina
para reproducir el estándar de la empresa
El tamaño de muestra utilizado,
¿permite llegar de manera segura a la conclusión anterior?
Es necesario usar las
curvas características de
operación (CO)
Permiten
Evaluar el error tipo II cometido
Determinar el tamaño de muestra
¿Cómo evaluamos el error tipo II cometido en la prueba?
Calculamos el parámetro d (abscisa de curva CO)
02,1
29154,0
197,18





σ
μμ 0
d
Interceptamos el valor del parámetro d
con el tamaño de muestra (n) utilizado
y leemos β (ordenada de la curva CO)
Visualizando el procedimiento
β 0,60
¿Qué significa β  0,60 ?
El tamaño de muestra utilizado (n=5),
nos conduce a una elevada probabilidad
de cometer error al aceptar la hipótesis
nula
Baja potencia P de la prueba
¿Cuál es el significado de la potencia?
Es la probabilidad de rechazar correctamente
la hipótesis nula
En toda prueba se desea una
potencia elevada
Potencia asociada al caso de estudio
P = 1 – β
= 1 – 0,60 = 0,40
Potencia deseada
P = 1 – β
= 1 – 0,10 = 0,90
¿Cómo definimos el tamaño de muestra necesario
que garantice la validez de la prueba?
Se establece la potencia deseada
Se fija un valor pequeño del parámetro d
Esto significa que la muestra es lo
suficientemente grande como para poder
detectar pequeñas desviaciones del valor
referencial (ver fórmula de d)
Visualización del procedimiento
n 13 Es el número de latas que deben ser
seleccionadas de la producción
Ejercicio propuesto
Una empresa productora de champiñones en conserva desea saber si el
proceso de llenado permite cumplir con el valor ofertado al
consumidor, el cual es de 12,5 onzas de peso neto. Para ello, toma
muestras aleatorias de la producción y obtiene los siguientes pesos:
12,1; 11,9;12,7; 12,6;11,8;12,3;12,8;11,6;12,3;12,6;11,4;12,4;11,9;12,3.
Por favor, realicen el análisis completo del caso
Universidad Simón Bolívar
Dirección de Servicios Multimedia
Estimación del Valor Esperado de
Un Proceso
Ingeniería de la Calidad para la
Toma de Decisiones
Prof. Félix R. Millán Trujillo

Más contenido relacionado

La actualidad más candente

Uso de la tabla mil std 105 d para definir planes de muestreo
Uso de la tabla mil std 105 d para definir planes de muestreoUso de la tabla mil std 105 d para definir planes de muestreo
Uso de la tabla mil std 105 d para definir planes de muestreoKevin Sosa Matos
 
Examen primer parcial recuperatorio
Examen primer parcial recuperatorioExamen primer parcial recuperatorio
Examen primer parcial recuperatorioEdwinGuillen16
 
Practica de publicacion (capacitacion aql y perfil )
Practica de publicacion (capacitacion aql y perfil )Practica de publicacion (capacitacion aql y perfil )
Practica de publicacion (capacitacion aql y perfil )RULFO7
 
Limite de-calidad-aceptable
Limite de-calidad-aceptableLimite de-calidad-aceptable
Limite de-calidad-aceptableChristian Yunga
 
Jose luis suarez guzman kkk
Jose luis suarez guzman kkkJose luis suarez guzman kkk
Jose luis suarez guzman kkkkiulis
 
Muestreo aceptacion-cec.pdf-713374473
Muestreo aceptacion-cec.pdf-713374473Muestreo aceptacion-cec.pdf-713374473
Muestreo aceptacion-cec.pdf-713374473ivan_antrax
 
Control+estadístico+de+procesos +ejercicios
Control+estadístico+de+procesos +ejerciciosControl+estadístico+de+procesos +ejercicios
Control+estadístico+de+procesos +ejerciciosDaniel Remondegui
 
Notas m todo_de_transporte
Notas m todo_de_transporteNotas m todo_de_transporte
Notas m todo_de_transporteEthan Lima
 

La actualidad más candente (18)

Muestreo Aceptacion
Muestreo AceptacionMuestreo Aceptacion
Muestreo Aceptacion
 
Uso de la tabla mil std 105 d para definir planes de muestreo
Uso de la tabla mil std 105 d para definir planes de muestreoUso de la tabla mil std 105 d para definir planes de muestreo
Uso de la tabla mil std 105 d para definir planes de muestreo
 
Examen primer parcial recuperatorio
Examen primer parcial recuperatorioExamen primer parcial recuperatorio
Examen primer parcial recuperatorio
 
Planes de muestreo
Planes de muestreoPlanes de muestreo
Planes de muestreo
 
Practica de publicacion (capacitacion aql y perfil )
Practica de publicacion (capacitacion aql y perfil )Practica de publicacion (capacitacion aql y perfil )
Practica de publicacion (capacitacion aql y perfil )
 
Presentación ale
Presentación alePresentación ale
Presentación ale
 
Limite de-calidad-aceptable
Limite de-calidad-aceptableLimite de-calidad-aceptable
Limite de-calidad-aceptable
 
MUESTREO DE ACEPTACION
MUESTREO DE ACEPTACIONMUESTREO DE ACEPTACION
MUESTREO DE ACEPTACION
 
Jose luis suarez guzman kkk
Jose luis suarez guzman kkkJose luis suarez guzman kkk
Jose luis suarez guzman kkk
 
8 planes de muestreo
8 planes de muestreo8 planes de muestreo
8 planes de muestreo
 
Clase ues bromato muestreo
Clase ues bromato muestreoClase ues bromato muestreo
Clase ues bromato muestreo
 
Muestreo aceptacion-cec.pdf-713374473
Muestreo aceptacion-cec.pdf-713374473Muestreo aceptacion-cec.pdf-713374473
Muestreo aceptacion-cec.pdf-713374473
 
Muestreo
MuestreoMuestreo
Muestreo
 
norma-mil-std-105d
norma-mil-std-105dnorma-mil-std-105d
norma-mil-std-105d
 
Control+estadístico+de+procesos +ejercicios
Control+estadístico+de+procesos +ejerciciosControl+estadístico+de+procesos +ejercicios
Control+estadístico+de+procesos +ejercicios
 
Notas m todo_de_transporte
Notas m todo_de_transporteNotas m todo_de_transporte
Notas m todo_de_transporte
 
muestreo de aceptacion
muestreo de aceptacionmuestreo de aceptacion
muestreo de aceptacion
 
Exposicion unida metodo taguchi
Exposicion unida metodo taguchiExposicion unida metodo taguchi
Exposicion unida metodo taguchi
 

Similar a Estimación del valor esperado de un proceso

1.2. pruebas de hipótesis de una muestra parte 2
1.2. pruebas de hipótesis de una muestra parte 21.2. pruebas de hipótesis de una muestra parte 2
1.2. pruebas de hipótesis de una muestra parte 2alexis cañez
 
Pruebas de hipotesis, toma de desiciones.
Pruebas de hipotesis, toma de desiciones.Pruebas de hipotesis, toma de desiciones.
Pruebas de hipotesis, toma de desiciones.RobertoCarlosAlvarez12
 
Prueba de hipotesis estadistica aplicada a la ingenieria
Prueba de hipotesis estadistica aplicada a la ingenieriaPrueba de hipotesis estadistica aplicada a la ingenieria
Prueba de hipotesis estadistica aplicada a la ingenieriaHector García Cárdenas
 
La distribucion binomial
La distribucion binomialLa distribucion binomial
La distribucion binomialADrián Murillo
 
Pruebas de hipótesis para una muestra
Pruebas de hipótesis para una muestraPruebas de hipótesis para una muestra
Pruebas de hipótesis para una muestraAlejandro Ruiz
 
Valor determinado a partir de la información muestral clase 5
Valor determinado a partir de la información muestral clase 5Valor determinado a partir de la información muestral clase 5
Valor determinado a partir de la información muestral clase 5AnaLauraLpezOrocio
 
2. ejercicios pruebas_no_parametricas
2. ejercicios pruebas_no_parametricas2. ejercicios pruebas_no_parametricas
2. ejercicios pruebas_no_parametricasdaser wicho
 
2. ejercicios pruebas_no_param_tricas
2. ejercicios pruebas_no_param_tricas2. ejercicios pruebas_no_param_tricas
2. ejercicios pruebas_no_param_tricasDarwin Izurieta Calle
 
archivodiapositiva_20211119205642 (1).pptx
archivodiapositiva_20211119205642 (1).pptxarchivodiapositiva_20211119205642 (1).pptx
archivodiapositiva_20211119205642 (1).pptxWilliamVeraHerrera1
 

Similar a Estimación del valor esperado de un proceso (20)

Estadistica practic
Estadistica practicEstadistica practic
Estadistica practic
 
10 examen fin de semestre
10 examen fin de semestre10 examen fin de semestre
10 examen fin de semestre
 
1.2. pruebas de hipótesis de una muestra parte 2
1.2. pruebas de hipótesis de una muestra parte 21.2. pruebas de hipótesis de una muestra parte 2
1.2. pruebas de hipótesis de una muestra parte 2
 
Pruebas de hipotesis, toma de desiciones.
Pruebas de hipotesis, toma de desiciones.Pruebas de hipotesis, toma de desiciones.
Pruebas de hipotesis, toma de desiciones.
 
Prueba de hipotesis estadistica aplicada a la ingenieria
Prueba de hipotesis estadistica aplicada a la ingenieriaPrueba de hipotesis estadistica aplicada a la ingenieria
Prueba de hipotesis estadistica aplicada a la ingenieria
 
Pr9 muestreo
Pr9 muestreoPr9 muestreo
Pr9 muestreo
 
Presentacion
 Presentacion Presentacion
Presentacion
 
S13.s1 - Material.pptx
S13.s1 - Material.pptxS13.s1 - Material.pptx
S13.s1 - Material.pptx
 
05. aceptación tema5
05. aceptación tema505. aceptación tema5
05. aceptación tema5
 
La distribucion binomial
La distribucion binomialLa distribucion binomial
La distribucion binomial
 
Distribuciones discretas
Distribuciones discretasDistribuciones discretas
Distribuciones discretas
 
Estadistica III
Estadistica IIIEstadistica III
Estadistica III
 
Pruebas de hipótesis para una muestra
Pruebas de hipótesis para una muestraPruebas de hipótesis para una muestra
Pruebas de hipótesis para una muestra
 
Valor determinado a partir de la información muestral clase 5
Valor determinado a partir de la información muestral clase 5Valor determinado a partir de la información muestral clase 5
Valor determinado a partir de la información muestral clase 5
 
Pruebas de hipotesis
Pruebas de hipotesisPruebas de hipotesis
Pruebas de hipotesis
 
estadístico ambiental
estadístico ambiental estadístico ambiental
estadístico ambiental
 
2. ejercicios pruebas_no_parametricas
2. ejercicios pruebas_no_parametricas2. ejercicios pruebas_no_parametricas
2. ejercicios pruebas_no_parametricas
 
2. ejercicios pruebas_no_param_tricas
2. ejercicios pruebas_no_param_tricas2. ejercicios pruebas_no_param_tricas
2. ejercicios pruebas_no_param_tricas
 
archivodiapositiva_20211119205642 (1).pptx
archivodiapositiva_20211119205642 (1).pptxarchivodiapositiva_20211119205642 (1).pptx
archivodiapositiva_20211119205642 (1).pptx
 
atributos.ppt
atributos.pptatributos.ppt
atributos.ppt
 

Último

RAIZ CUADRADA Y CUBICA PARA NIÑOS DE PRIMARIA
RAIZ CUADRADA Y CUBICA PARA NIÑOS DE PRIMARIARAIZ CUADRADA Y CUBICA PARA NIÑOS DE PRIMARIA
RAIZ CUADRADA Y CUBICA PARA NIÑOS DE PRIMARIACarlos Campaña Montenegro
 
Estrategia de prompts, primeras ideas para su construcción
Estrategia de prompts, primeras ideas para su construcciónEstrategia de prompts, primeras ideas para su construcción
Estrategia de prompts, primeras ideas para su construcciónLourdes Feria
 
TEMA 13 ESPAÑA EN DEMOCRACIA:DISTINTOS GOBIERNOS
TEMA 13 ESPAÑA EN DEMOCRACIA:DISTINTOS GOBIERNOSTEMA 13 ESPAÑA EN DEMOCRACIA:DISTINTOS GOBIERNOS
TEMA 13 ESPAÑA EN DEMOCRACIA:DISTINTOS GOBIERNOSjlorentemartos
 
proyecto de mayo inicial 5 añitos aprender es bueno para tu niño
proyecto de mayo inicial 5 añitos aprender es bueno para tu niñoproyecto de mayo inicial 5 añitos aprender es bueno para tu niño
proyecto de mayo inicial 5 añitos aprender es bueno para tu niñotapirjackluis
 
Caja de herramientas de inteligencia artificial para la academia y la investi...
Caja de herramientas de inteligencia artificial para la academia y la investi...Caja de herramientas de inteligencia artificial para la academia y la investi...
Caja de herramientas de inteligencia artificial para la academia y la investi...Lourdes Feria
 
la unidad de s sesion edussssssssssssssscacio fisca
la unidad de s sesion edussssssssssssssscacio fiscala unidad de s sesion edussssssssssssssscacio fisca
la unidad de s sesion edussssssssssssssscacio fiscaeliseo91
 
SELECCIÓN DE LA MUESTRA Y MUESTREO EN INVESTIGACIÓN CUALITATIVA.pdf
SELECCIÓN DE LA MUESTRA Y MUESTREO EN INVESTIGACIÓN CUALITATIVA.pdfSELECCIÓN DE LA MUESTRA Y MUESTREO EN INVESTIGACIÓN CUALITATIVA.pdf
SELECCIÓN DE LA MUESTRA Y MUESTREO EN INVESTIGACIÓN CUALITATIVA.pdfAngélica Soledad Vega Ramírez
 
Clasificaciones, modalidades y tendencias de investigación educativa.
Clasificaciones, modalidades y tendencias de investigación educativa.Clasificaciones, modalidades y tendencias de investigación educativa.
Clasificaciones, modalidades y tendencias de investigación educativa.José Luis Palma
 
cortes de luz abril 2024 en la provincia de tungurahua
cortes de luz abril 2024 en la provincia de tungurahuacortes de luz abril 2024 en la provincia de tungurahua
cortes de luz abril 2024 en la provincia de tungurahuaDANNYISAACCARVAJALGA
 
Curso = Metodos Tecnicas y Modelos de Enseñanza.pdf
Curso = Metodos Tecnicas y Modelos de Enseñanza.pdfCurso = Metodos Tecnicas y Modelos de Enseñanza.pdf
Curso = Metodos Tecnicas y Modelos de Enseñanza.pdfFrancisco158360
 
Ecosistemas Natural, Rural y urbano 2021.pptx
Ecosistemas Natural, Rural y urbano  2021.pptxEcosistemas Natural, Rural y urbano  2021.pptx
Ecosistemas Natural, Rural y urbano 2021.pptxolgakaterin
 
Historia y técnica del collage en el arte
Historia y técnica del collage en el arteHistoria y técnica del collage en el arte
Historia y técnica del collage en el arteRaquel Martín Contreras
 
Heinsohn Privacidad y Ciberseguridad para el sector educativo
Heinsohn Privacidad y Ciberseguridad para el sector educativoHeinsohn Privacidad y Ciberseguridad para el sector educativo
Heinsohn Privacidad y Ciberseguridad para el sector educativoFundación YOD YOD
 
La empresa sostenible: Principales Características, Barreras para su Avance y...
La empresa sostenible: Principales Características, Barreras para su Avance y...La empresa sostenible: Principales Características, Barreras para su Avance y...
La empresa sostenible: Principales Características, Barreras para su Avance y...JonathanCovena1
 
Identificación de componentes Hardware del PC
Identificación de componentes Hardware del PCIdentificación de componentes Hardware del PC
Identificación de componentes Hardware del PCCesarFernandez937857
 
Planificacion Anual 2do Grado Educacion Primaria 2024 Ccesa007.pdf
Planificacion Anual 2do Grado Educacion Primaria   2024   Ccesa007.pdfPlanificacion Anual 2do Grado Educacion Primaria   2024   Ccesa007.pdf
Planificacion Anual 2do Grado Educacion Primaria 2024 Ccesa007.pdfDemetrio Ccesa Rayme
 

Último (20)

RAIZ CUADRADA Y CUBICA PARA NIÑOS DE PRIMARIA
RAIZ CUADRADA Y CUBICA PARA NIÑOS DE PRIMARIARAIZ CUADRADA Y CUBICA PARA NIÑOS DE PRIMARIA
RAIZ CUADRADA Y CUBICA PARA NIÑOS DE PRIMARIA
 
Estrategia de prompts, primeras ideas para su construcción
Estrategia de prompts, primeras ideas para su construcciónEstrategia de prompts, primeras ideas para su construcción
Estrategia de prompts, primeras ideas para su construcción
 
TEMA 13 ESPAÑA EN DEMOCRACIA:DISTINTOS GOBIERNOS
TEMA 13 ESPAÑA EN DEMOCRACIA:DISTINTOS GOBIERNOSTEMA 13 ESPAÑA EN DEMOCRACIA:DISTINTOS GOBIERNOS
TEMA 13 ESPAÑA EN DEMOCRACIA:DISTINTOS GOBIERNOS
 
Tema 8.- PROTECCION DE LOS SISTEMAS DE INFORMACIÓN.pdf
Tema 8.- PROTECCION DE LOS SISTEMAS DE INFORMACIÓN.pdfTema 8.- PROTECCION DE LOS SISTEMAS DE INFORMACIÓN.pdf
Tema 8.- PROTECCION DE LOS SISTEMAS DE INFORMACIÓN.pdf
 
Unidad 3 | Metodología de la Investigación
Unidad 3 | Metodología de la InvestigaciónUnidad 3 | Metodología de la Investigación
Unidad 3 | Metodología de la Investigación
 
proyecto de mayo inicial 5 añitos aprender es bueno para tu niño
proyecto de mayo inicial 5 añitos aprender es bueno para tu niñoproyecto de mayo inicial 5 añitos aprender es bueno para tu niño
proyecto de mayo inicial 5 añitos aprender es bueno para tu niño
 
Caja de herramientas de inteligencia artificial para la academia y la investi...
Caja de herramientas de inteligencia artificial para la academia y la investi...Caja de herramientas de inteligencia artificial para la academia y la investi...
Caja de herramientas de inteligencia artificial para la academia y la investi...
 
la unidad de s sesion edussssssssssssssscacio fisca
la unidad de s sesion edussssssssssssssscacio fiscala unidad de s sesion edussssssssssssssscacio fisca
la unidad de s sesion edussssssssssssssscacio fisca
 
SELECCIÓN DE LA MUESTRA Y MUESTREO EN INVESTIGACIÓN CUALITATIVA.pdf
SELECCIÓN DE LA MUESTRA Y MUESTREO EN INVESTIGACIÓN CUALITATIVA.pdfSELECCIÓN DE LA MUESTRA Y MUESTREO EN INVESTIGACIÓN CUALITATIVA.pdf
SELECCIÓN DE LA MUESTRA Y MUESTREO EN INVESTIGACIÓN CUALITATIVA.pdf
 
Clasificaciones, modalidades y tendencias de investigación educativa.
Clasificaciones, modalidades y tendencias de investigación educativa.Clasificaciones, modalidades y tendencias de investigación educativa.
Clasificaciones, modalidades y tendencias de investigación educativa.
 
cortes de luz abril 2024 en la provincia de tungurahua
cortes de luz abril 2024 en la provincia de tungurahuacortes de luz abril 2024 en la provincia de tungurahua
cortes de luz abril 2024 en la provincia de tungurahua
 
Curso = Metodos Tecnicas y Modelos de Enseñanza.pdf
Curso = Metodos Tecnicas y Modelos de Enseñanza.pdfCurso = Metodos Tecnicas y Modelos de Enseñanza.pdf
Curso = Metodos Tecnicas y Modelos de Enseñanza.pdf
 
Power Point: Fe contra todo pronóstico.pptx
Power Point: Fe contra todo pronóstico.pptxPower Point: Fe contra todo pronóstico.pptx
Power Point: Fe contra todo pronóstico.pptx
 
Ecosistemas Natural, Rural y urbano 2021.pptx
Ecosistemas Natural, Rural y urbano  2021.pptxEcosistemas Natural, Rural y urbano  2021.pptx
Ecosistemas Natural, Rural y urbano 2021.pptx
 
Historia y técnica del collage en el arte
Historia y técnica del collage en el arteHistoria y técnica del collage en el arte
Historia y técnica del collage en el arte
 
Presentacion Metodología de Enseñanza Multigrado
Presentacion Metodología de Enseñanza MultigradoPresentacion Metodología de Enseñanza Multigrado
Presentacion Metodología de Enseñanza Multigrado
 
Heinsohn Privacidad y Ciberseguridad para el sector educativo
Heinsohn Privacidad y Ciberseguridad para el sector educativoHeinsohn Privacidad y Ciberseguridad para el sector educativo
Heinsohn Privacidad y Ciberseguridad para el sector educativo
 
La empresa sostenible: Principales Características, Barreras para su Avance y...
La empresa sostenible: Principales Características, Barreras para su Avance y...La empresa sostenible: Principales Características, Barreras para su Avance y...
La empresa sostenible: Principales Características, Barreras para su Avance y...
 
Identificación de componentes Hardware del PC
Identificación de componentes Hardware del PCIdentificación de componentes Hardware del PC
Identificación de componentes Hardware del PC
 
Planificacion Anual 2do Grado Educacion Primaria 2024 Ccesa007.pdf
Planificacion Anual 2do Grado Educacion Primaria   2024   Ccesa007.pdfPlanificacion Anual 2do Grado Educacion Primaria   2024   Ccesa007.pdf
Planificacion Anual 2do Grado Educacion Primaria 2024 Ccesa007.pdf
 

Estimación del valor esperado de un proceso

  • 1. Universidad Simón Bolívar Estimación del Valor Esperado de Un Proceso Ingeniería de la Calidad para la Toma de Decisiones
  • 2. En una empresa fabricante de guisantes enlatados con un peso escurrido declarado de 19 onzas, se desea conocer el desempeño de una nueva máquina llenadora para satisfacer el estándar, para lo cual se toma una muestra aleatoria de 5 latas de la producción Peso Escurrido (onzas) Peso Escurrido2 (onzas2) 18,6 345,96 18,4 338,58 19,1 364,81 18,9 357,21 18,5 342,25 xi = 93,5 xi 2 = 1748,79 Hipótesis µ = µ0 µ ≠ µ0
  • 3. Calculamos la media de la muestra   7,185,93 5 11 xi n
  • 4. Calculamos la desviación estándar…             15 5 93,5 2 791748 1n n xi 2 x 2 iS , S = 0,29154 … y el error estándar 0,1303 5 0,29154 nn SSS 2 x 
  • 5. Definimos el error tipo I de la prueba α = 0,05  α/2 = 0,025 Leemos el valor del estadístico t en la tabla de la distribución t, para t α/2, n-1 = t 0,025 , 4 = 3,4954
  • 6. Construimos el intervalo de confianza 18,7 – (3,4954 x 0,1303) ≤ µ ≤ 18,7 + (3,4954 x 0,1303) 18,24 ≤ µ ≤ 19,15 Los límites del intervalo incluyen el valor de referencia, por lo que no hay razones para dudar del desempeño de la nueva máquina para reproducir el estándar de la empresa
  • 7. El tamaño de muestra utilizado, ¿permite llegar de manera segura a la conclusión anterior? Es necesario usar las curvas características de operación (CO) Permiten Evaluar el error tipo II cometido Determinar el tamaño de muestra
  • 8. ¿Cómo evaluamos el error tipo II cometido en la prueba? Calculamos el parámetro d (abscisa de curva CO) 02,1 29154,0 197,18      σ μμ 0 d Interceptamos el valor del parámetro d con el tamaño de muestra (n) utilizado y leemos β (ordenada de la curva CO)
  • 10. ¿Qué significa β  0,60 ? El tamaño de muestra utilizado (n=5), nos conduce a una elevada probabilidad de cometer error al aceptar la hipótesis nula Baja potencia P de la prueba
  • 11. ¿Cuál es el significado de la potencia? Es la probabilidad de rechazar correctamente la hipótesis nula En toda prueba se desea una potencia elevada
  • 12. Potencia asociada al caso de estudio P = 1 – β = 1 – 0,60 = 0,40 Potencia deseada P = 1 – β = 1 – 0,10 = 0,90
  • 13. ¿Cómo definimos el tamaño de muestra necesario que garantice la validez de la prueba? Se establece la potencia deseada Se fija un valor pequeño del parámetro d Esto significa que la muestra es lo suficientemente grande como para poder detectar pequeñas desviaciones del valor referencial (ver fórmula de d)
  • 14. Visualización del procedimiento n 13 Es el número de latas que deben ser seleccionadas de la producción
  • 15. Ejercicio propuesto Una empresa productora de champiñones en conserva desea saber si el proceso de llenado permite cumplir con el valor ofertado al consumidor, el cual es de 12,5 onzas de peso neto. Para ello, toma muestras aleatorias de la producción y obtiene los siguientes pesos: 12,1; 11,9;12,7; 12,6;11,8;12,3;12,8;11,6;12,3;12,6;11,4;12,4;11,9;12,3. Por favor, realicen el análisis completo del caso
  • 16. Universidad Simón Bolívar Dirección de Servicios Multimedia Estimación del Valor Esperado de Un Proceso Ingeniería de la Calidad para la Toma de Decisiones Prof. Félix R. Millán Trujillo