SlideShare una empresa de Scribd logo
1 de 14
COMPUTADORAS
“ROGELIO PERA”
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.
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.
• 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

• Nuestros resultados son los
siguientes

0,1645
0,2976
0,2685
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.
Tasa de defectos

Más contenido relacionado

Similar a Tasa de defectos

1370943 karlalilianaestradacarreraestadistica2atasadedefectos2
1370943 karlalilianaestradacarreraestadistica2atasadedefectos21370943 karlalilianaestradacarreraestadistica2atasadedefectos2
1370943 karlalilianaestradacarreraestadistica2atasadedefectos2
Karla Estrada
 
RETROALIMENTACIÓN-CORRELACIÓN Y REGRESIÓN.pdf
RETROALIMENTACIÓN-CORRELACIÓN Y REGRESIÓN.pdfRETROALIMENTACIÓN-CORRELACIÓN Y REGRESIÓN.pdf
RETROALIMENTACIÓN-CORRELACIÓN Y REGRESIÓN.pdf
ThaliaRiosMartinez1
 
Tarea seminario 10 correlacion
Tarea seminario 10 correlacionTarea seminario 10 correlacion
Tarea seminario 10 correlacion
noebapi
 
Aplicación de Histogramas y Correlación
Aplicación de Histogramas y CorrelaciónAplicación de Histogramas y Correlación
Aplicación de Histogramas y Correlación
Iris Márquez
 
IntroduccióN Al Control De La ProduccióN
IntroduccióN Al Control De La ProduccióNIntroduccióN Al Control De La ProduccióN
IntroduccióN Al Control De La ProduccióN
adfst
 
IntroduccióN Al Control De La ProduccióN
IntroduccióN Al Control De La ProduccióNIntroduccióN Al Control De La ProduccióN
IntroduccióN Al Control De La ProduccióN
guest5e1760b
 
IntroduccióN Al Control De La ProduccióN
IntroduccióN Al Control De La ProduccióNIntroduccióN Al Control De La ProduccióN
IntroduccióN Al Control De La ProduccióN
guest5e1760b
 

Similar a Tasa de defectos (20)

1370943 karlalilianaestradacarreraestadistica2atasadedefectos2
1370943 karlalilianaestradacarreraestadistica2atasadedefectos21370943 karlalilianaestradacarreraestadistica2atasadedefectos2
1370943 karlalilianaestradacarreraestadistica2atasadedefectos2
 
Tipos errores
Tipos erroresTipos errores
Tipos errores
 
Aproximaciones y Errores
Aproximaciones y ErroresAproximaciones y Errores
Aproximaciones y Errores
 
RETROALIMENTACIÓN-CORRELACIÓN Y REGRESIÓN.pdf
RETROALIMENTACIÓN-CORRELACIÓN Y REGRESIÓN.pdfRETROALIMENTACIÓN-CORRELACIÓN Y REGRESIÓN.pdf
RETROALIMENTACIÓN-CORRELACIÓN Y REGRESIÓN.pdf
 
Hipotesis
Hipotesis Hipotesis
Hipotesis
 
Tarea seminario 10 correlacion
Tarea seminario 10 correlacionTarea seminario 10 correlacion
Tarea seminario 10 correlacion
 
Presentación clase 5 regresión múltiple.pdf
Presentación clase 5 regresión múltiple.pdfPresentación clase 5 regresión múltiple.pdf
Presentación clase 5 regresión múltiple.pdf
 
1 trabajo de matemática
1 trabajo de matemática1 trabajo de matemática
1 trabajo de matemática
 
Tarea 8
Tarea 8Tarea 8
Tarea 8
 
Aplicación de Histogramas y Correlación
Aplicación de Histogramas y CorrelaciónAplicación de Histogramas y Correlación
Aplicación de Histogramas y Correlación
 
Informe sobre análisis de datos experimentales en el laboratorio.
Informe sobre análisis de datos experimentales en el laboratorio.Informe sobre análisis de datos experimentales en el laboratorio.
Informe sobre análisis de datos experimentales en el laboratorio.
 
Cinco pasos para construir un pronóstico de ventas
Cinco pasos para construir un pronóstico de ventasCinco pasos para construir un pronóstico de ventas
Cinco pasos para construir un pronóstico de ventas
 
Método SQL para Calcular el valor máximo de un conjunto de columnas de una Tabla
Método SQL para Calcular el valor máximo de un conjunto de columnas de una TablaMétodo SQL para Calcular el valor máximo de un conjunto de columnas de una Tabla
Método SQL para Calcular el valor máximo de un conjunto de columnas de una Tabla
 
IntroduccióN Al Control De La ProduccióN
IntroduccióN Al Control De La ProduccióNIntroduccióN Al Control De La ProduccióN
IntroduccióN Al Control De La ProduccióN
 
IntroduccióN Al Control De La ProduccióN
IntroduccióN Al Control De La ProduccióNIntroduccióN Al Control De La ProduccióN
IntroduccióN Al Control De La ProduccióN
 
IntroduccióN Al Control De La ProduccióN
IntroduccióN Al Control De La ProduccióNIntroduccióN Al Control De La ProduccióN
IntroduccióN Al Control De La ProduccióN
 
Tutorial análisis de regresión
Tutorial análisis de regresiónTutorial análisis de regresión
Tutorial análisis de regresión
 
Tip de porcentajes
Tip de porcentajesTip de porcentajes
Tip de porcentajes
 
Intervalos reales
Intervalos realesIntervalos reales
Intervalos reales
 
Ejemplos prueba de hipótesis
Ejemplos prueba de hipótesisEjemplos prueba de hipótesis
Ejemplos prueba de hipótesis
 

Más de Cesar Cordova (8)

Proceso de-troquelado
Proceso de-troqueladoProceso de-troquelado
Proceso de-troquelado
 
Figura 14
Figura 14Figura 14
Figura 14
 
Figura 04
Figura 04Figura 04
Figura 04
 
Figura07
Figura07Figura07
Figura07
 
Ejercicio intervalos de confianza con datos apareados.
Ejercicio intervalos de confianza con datos apareados.Ejercicio intervalos de confianza con datos apareados.
Ejercicio intervalos de confianza con datos apareados.
 
Distribución binomial
Distribución binomialDistribución binomial
Distribución binomial
 
Distribución binomial
Distribución binomialDistribución binomial
Distribución binomial
 
Estadística en la INGENIERÍA INDUSTRIAL
Estadística en la INGENIERÍA  INDUSTRIALEstadística en la INGENIERÍA  INDUSTRIAL
Estadística en la INGENIERÍA INDUSTRIAL
 

Último

RESOLUCIÓN VICEMINISTERIAL 00048 - 2024 EVALUACION
RESOLUCIÓN VICEMINISTERIAL 00048 - 2024 EVALUACIONRESOLUCIÓN VICEMINISTERIAL 00048 - 2024 EVALUACION
RESOLUCIÓN VICEMINISTERIAL 00048 - 2024 EVALUACION
amelia poma
 
TEMA 14.DERIVACIONES ECONÓMICAS, SOCIALES Y POLÍTICAS DEL PROCESO DE INTEGRAC...
TEMA 14.DERIVACIONES ECONÓMICAS, SOCIALES Y POLÍTICAS DEL PROCESO DE INTEGRAC...TEMA 14.DERIVACIONES ECONÓMICAS, SOCIALES Y POLÍTICAS DEL PROCESO DE INTEGRAC...
TEMA 14.DERIVACIONES ECONÓMICAS, SOCIALES Y POLÍTICAS DEL PROCESO DE INTEGRAC...
jlorentemartos
 

Último (20)

SISTEMA RESPIRATORIO PARA NIÑOS PRIMARIA
SISTEMA RESPIRATORIO PARA NIÑOS PRIMARIASISTEMA RESPIRATORIO PARA NIÑOS PRIMARIA
SISTEMA RESPIRATORIO PARA NIÑOS PRIMARIA
 
ACRÓNIMO DE PARÍS PARA SU OLIMPIADA 2024. Por JAVIER SOLIS NOYOLA
ACRÓNIMO DE PARÍS PARA SU OLIMPIADA 2024. Por JAVIER SOLIS NOYOLAACRÓNIMO DE PARÍS PARA SU OLIMPIADA 2024. Por JAVIER SOLIS NOYOLA
ACRÓNIMO DE PARÍS PARA SU OLIMPIADA 2024. Por JAVIER SOLIS NOYOLA
 
La Evaluacion Formativa SM6 Ccesa007.pdf
La Evaluacion Formativa SM6  Ccesa007.pdfLa Evaluacion Formativa SM6  Ccesa007.pdf
La Evaluacion Formativa SM6 Ccesa007.pdf
 
Louis Jean François Lagrenée. Erotismo y sensualidad. El erotismo en la Hist...
Louis Jean François Lagrenée.  Erotismo y sensualidad. El erotismo en la Hist...Louis Jean François Lagrenée.  Erotismo y sensualidad. El erotismo en la Hist...
Louis Jean François Lagrenée. Erotismo y sensualidad. El erotismo en la Hist...
 
animalesdelaproincia de beunos aires.pdf
animalesdelaproincia de beunos aires.pdfanimalesdelaproincia de beunos aires.pdf
animalesdelaproincia de beunos aires.pdf
 
Tema 11. Dinámica de la hidrosfera 2024
Tema 11.  Dinámica de la hidrosfera 2024Tema 11.  Dinámica de la hidrosfera 2024
Tema 11. Dinámica de la hidrosfera 2024
 
PLAN LECTOR 2024 integrado nivel inicial-miercoles 10.pptx
PLAN LECTOR 2024  integrado nivel inicial-miercoles 10.pptxPLAN LECTOR 2024  integrado nivel inicial-miercoles 10.pptx
PLAN LECTOR 2024 integrado nivel inicial-miercoles 10.pptx
 
Power Point E. S.: Los dos testigos.pptx
Power Point E. S.: Los dos testigos.pptxPower Point E. S.: Los dos testigos.pptx
Power Point E. S.: Los dos testigos.pptx
 
Prueba de evaluación Geografía e Historia Comunidad de Madrid 4ºESO
Prueba de evaluación Geografía e Historia Comunidad de Madrid 4ºESOPrueba de evaluación Geografía e Historia Comunidad de Madrid 4ºESO
Prueba de evaluación Geografía e Historia Comunidad de Madrid 4ºESO
 
ACERTIJO LA RUTA DEL MARATÓN OLÍMPICO DEL NÚMERO PI EN PARÍS. Por JAVIER SOL...
ACERTIJO LA RUTA DEL MARATÓN OLÍMPICO DEL NÚMERO PI EN  PARÍS. Por JAVIER SOL...ACERTIJO LA RUTA DEL MARATÓN OLÍMPICO DEL NÚMERO PI EN  PARÍS. Por JAVIER SOL...
ACERTIJO LA RUTA DEL MARATÓN OLÍMPICO DEL NÚMERO PI EN PARÍS. Por JAVIER SOL...
 
AEC2. Egipto Antiguo. Adivina, Adivinanza.pptx
AEC2. Egipto Antiguo. Adivina, Adivinanza.pptxAEC2. Egipto Antiguo. Adivina, Adivinanza.pptx
AEC2. Egipto Antiguo. Adivina, Adivinanza.pptx
 
Ensayo Paes competencia matematicas 2 Preuniversitario
Ensayo Paes competencia matematicas 2 PreuniversitarioEnsayo Paes competencia matematicas 2 Preuniversitario
Ensayo Paes competencia matematicas 2 Preuniversitario
 
LA JUNGLA DE COLORES.pptx Cuento de animales
LA JUNGLA DE COLORES.pptx  Cuento de animalesLA JUNGLA DE COLORES.pptx  Cuento de animales
LA JUNGLA DE COLORES.pptx Cuento de animales
 
RESOLUCIÓN VICEMINISTERIAL 00048 - 2024 EVALUACION
RESOLUCIÓN VICEMINISTERIAL 00048 - 2024 EVALUACIONRESOLUCIÓN VICEMINISTERIAL 00048 - 2024 EVALUACION
RESOLUCIÓN VICEMINISTERIAL 00048 - 2024 EVALUACION
 
Los avatares para el juego dramático en entornos virtuales
Los avatares para el juego dramático en entornos virtualesLos avatares para el juego dramático en entornos virtuales
Los avatares para el juego dramático en entornos virtuales
 
Usos y desusos de la inteligencia artificial en revistas científicas
Usos y desusos de la inteligencia artificial en revistas científicasUsos y desusos de la inteligencia artificial en revistas científicas
Usos y desusos de la inteligencia artificial en revistas científicas
 
TEMA 14.DERIVACIONES ECONÓMICAS, SOCIALES Y POLÍTICAS DEL PROCESO DE INTEGRAC...
TEMA 14.DERIVACIONES ECONÓMICAS, SOCIALES Y POLÍTICAS DEL PROCESO DE INTEGRAC...TEMA 14.DERIVACIONES ECONÓMICAS, SOCIALES Y POLÍTICAS DEL PROCESO DE INTEGRAC...
TEMA 14.DERIVACIONES ECONÓMICAS, SOCIALES Y POLÍTICAS DEL PROCESO DE INTEGRAC...
 
Novena de Pentecostés con textos de san Juan Eudes
Novena de Pentecostés con textos de san Juan EudesNovena de Pentecostés con textos de san Juan Eudes
Novena de Pentecostés con textos de san Juan Eudes
 
AEC 2. Aventura en el Antiguo Egipto.pptx
AEC 2. Aventura en el Antiguo Egipto.pptxAEC 2. Aventura en el Antiguo Egipto.pptx
AEC 2. Aventura en el Antiguo Egipto.pptx
 
Lecciones 06 Esc. Sabática. Los dos testigos
Lecciones 06 Esc. Sabática. Los dos testigosLecciones 06 Esc. Sabática. Los dos testigos
Lecciones 06 Esc. Sabática. Los dos testigos
 

Tasa de defectos

  • 2. 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.
  • 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. • 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 • Nuestros resultados son los siguientes 0,1645 0,2976 0,2685
  • 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.