UNIVERSIDAD NACIONAL

“SANTIAGO ANTÚNEZ DE
MAYOLO”

FACULTAD DE ADMINISTRACIÓN Y
TURISMO

ESCUELA PROFESIONAL DE ADMINISTRACIÓN

TEMA : Control Estadístico de Calidad

CURSO : Métodos Estadisticos
DOCENTE : Maldonado Leyva Hugo Walter
ALUMNA : Menacho Duran Lizeth Yulisa

Huaraz-Ancash -Perú
 Ejercicios de Control de Calidad

EJERCICIO 2
Gráficos X y R son usados para controlar un proceso mediante la extracción de subgrupos
de cinco unidades cada dos horas. Especificaciones en la característica crítica son 2.119 + -
10. Los productos sobre especificación pueden ser reprocesados, los que estén por debajo
deben ser desechados. Después de 50 subgrupos,∑ x = 106.200,0 y ∑ R=581,5.

Especificaciones en la característica crítica son 2 119 + - 10.

2 109 2 129

a) Determine límites de control a 3 para los gráficos X y R.

Solución:
N=5
K=50

X́ =
∑ x=106.200,0 → 2124
50

Ŕ=
∑ R=581,5. →11,63
50

Límites de control a 3 para los gráficos X

R 11,63
σ= = =5
d 2 2,326
 3σ
LSC =X +
√n
3(5)
LSC=2124 +
√5
LSC =2130.708

3σ
LIC=X −
√n
3 (5)
LIC=2 124−
√5
LIC=2117 , 292

LSC =2130.708

2 124

LIC=2117.292

Límites de control a 3 para los gráficos R

R
LSC=R+3 ×d 3 ×
d2

11,63
LSC=11,63+3 ×0,864 ×
2,326
LSC =24,59

R
LIC=R−3 ×d 3 ×
d2

11,63
LIC=11,63−3× 0,864 ×
2,326
LIC=−1,33

LSC =24.59

11.63

LIC=−1.33
 b) Asumiendo que el proceso está bajo control y normalmente distribuido, estime
sigma y determine el porcentaje de producto que va a ser reprocesado y que va a
ser desechado.
SIGMA:

R 11,63
σ= = =5
d 2 2,326

Determine el porcentaje de producto que va a ser reprocesado y que va a

ser desechado.
Especificaciones en la característica crítica son 2 119 + - 10.
∴ LSE=2 129∴ LIE=2109

2 109 2 129

LSE−LIE
C p=
6σ
(2 129)−(2 109)
C p=
6(5)
C p=0,667

∴ 0,667<1
P ( x ≤ 2129 ) + P ( x ≥−2109 )

(
P z≤
2 129−2 124
5
+P z≥ ) (
2 109−2 124
5 )
P ( z ≤ 1 )+ P ( z ≥−3 )

0.159 + 0.001
0.16≈ 16 %
Por lo tanto, el porcentaje de productos que serán reprocesados y desechados serán del
16%.

c) Uno de los ingenieros de la planta sugiere que las especificaciones sean cambiadas
de tal forma que el límite superior de especificación iguale el límite de control
superior del grafico X y el límite inferior de especificación iguale el límite de
control inferior. Asumiendo que este cambio sea aceptado por el departamento de
diseño, ¿piensa usted que se trata de una exigencia razonable? Justifique.

d) Esta exigencia si seria

razonable debido a que el
limite de control del
proceso sobrepasa
e) apenas con una mínima
diferencia al limite
superior de especificación,
además el limite
f) inferior este dentro del
limite de especificación
inferior lo que no afectaría
al control del
g) proceso en lo absoluto.
h) Esta exigencia si seria
razonable debido a que el
limite de control del
proceso sobrepasa
i) apenas con una mínima
diferencia al limite
superior de especificación,
además el limite
j) inferior este dentro del
limite de especificación
 inferior lo que no afectaría
al control del
k) proceso en lo absoluto.
l) Esta exigencia si seria
razonable debido a que el
limite de control del
proceso sobrepasa
m) apenas con una mínima
diferencia al limite
superior de especificación,
además el limite
n) inferior este dentro del
limite de especificación
inferior lo que no afectaría
al control del
o) proceso en lo absoluto.
p) Esta exigencia si seria
razonable debido a que el
limite de control del
proceso sobrepasa
q) apenas con una mínima
diferencia al limite
superior de especificación,
además el limite
r) inferior este dentro del
limite de especificación
inferior lo que no afectaría
al control del
s) proceso en lo absoluto.
t) Esta exigencia si seria
razonable debido a que el
 limite de control del
proceso sobrepasa
u) apenas con una mínima
diferencia al limite
superior de especificación,
además el limite
v) inferior este dentro del
limite de especificación
inferior lo que no afectaría
al control del
w) proceso en lo absoluto.
x) Esta exigencia si seria
razonable debido a que el
limite de control del
proceso sobrepasa
 y) apenas con una mínima
diferencia al limite
superior de especificación,
además el limite
z) inferior este dentro del
limite de especificación
inferior lo que no afectaría
al control del
aa) proceso en lo absoluto.
Justificación: Esta exigencia si sería razonable debido a que el limite de control del
proceso es decir X (2130.708) sobrepasa apenas con una mínima diferencia al
límite superior de especificación (2129), además el límite del control inferior (2109)
esta dentro del límite de especificación inferior (2117.902) lo que no afecta el
control del proceso en absoluto.

EJERCICIO 4
Un fabricante de fusibles para terminales de computadora quiere vigilar el proceso de
producción construyendo una gráfica P. Para ello, cada hora durante un periodo de 25 horas,
selecciona al azar 100 fusibles de la línea de producción y los prueba, obteniendo el número de
fusible defectuosos. Los datos fueron (fusibles defectuosos de los 100, tomados cada hora): 6 4
9 3 0 6 4 2 1 2 6 3 4 5 5 4 1 3 0 3 7 2 9 11 3. Calcula los límites de la gráfica de control P con
estos datos. Determine si el proceso está bajo control. De no ser así supongamos que pueden
encontrarse las causas asignables y que los puntos fuera de control pueden eliminarse, tras lo
cual, revisa los límites de control.
SOLUCION:

n=100
6+4+9+3+0+6+4+2+1+2+6+3+4+5+5+4+1+3+0+3+7+2+9+11+3 = 103 fusibles
defectuosos
Aplicamos criterio 3 sigma
L .Cnp=np ±3 √ np ¿ ¿
n∗p=100∗¿

√
L.C.S = 103 + 3 103(1−
103
2500
¿ )¿ = 132.813

L.C = 103

√
L.C.S = 103 - 3 103(1−
103 = 73.187
2500
)

LSC =132. 813

103

LIC=73. 187

Respuesta: por lo tanto, el proceso está bajo control

EJERCICIO 6
Unas cubiertas para computadoras personales se fabrican por modelo por inyección. se
toman periódicamente muestras de 5 cubiertas del proceso y se registra el número de
defectos. Los datos obtenidos para 25 muestras fueron: 3 2 0 1 4 3 2 4 1 0 2 3 2 8 0 2 4 3 5 0
2 1 9 3 2. Calcula los límites de la gráfica de control para la media. Determine si el proceso
está bajo control. De no ser así supongamos que pueden encontrarse las causas asignables
y que los puntos fuera de control pueden eliminarse, tras lo cual, revisa los límites de
control.
x́
PERIODO P1 P2 P3 P4 P5 R
1 3 3 2 2 2 2,4 1

2 2 2 3 4 1 2,4 3

3 0 4 2 3 9 3,6 9

4 1 1 8 5 3 3,6 7

5 4 0 0 0 2 1,2 4

promedio 2,64 4,8

 3∗R 3∗4.8
LSC =x́+ =2.64+ =5.409
d2 √ n 2.326∗√ 5

x́ =2.64
3∗R 3∗4.8
LIC=x́− =2.64− =−0.129
d 2 √n 2.326∗√ 5

R 4.8
σ= =
d 2 2.326
=2.064

LSE−LIE 5.409−0.129
RCP=
6σ
=
6∗2.064
=0.426

El valor es muy bajo por lo tanto el proceso no está bajo control, se debe de trabajar en el
proceso con la finalidad de disminuir la variabilidad y aumentar la capacidad del proceso.

-0.02

-0.04

-0.06 Series1
Series2
-0.08 Series3

-0.1

-0.12

-0.14
1 2 3 4 5 6 7 8 9 10111213141516171819202122232425
 Las causas asignables son los datos 8 y 9 ya que están fuera de los limites de control,
si eliminamos estos datos nuestro proceso estaría bajo control.

EJERCICIO 8
Se está estudiando el torneado de piezas cilíndricas que van a ser utilizadas como ejes,
siendo la característica de calidad relevante el diámetro externo. Se toman tres mediciones
cada dos horas de proceso, y los resultados pueden verse a continuación.
 Hora evento
3 Reemplazo de herramienta
7 Cambio de refrigerante
18 Reemplazo de herramienta

a) Establezca si el proceso se encuentra o no bajo control

GRAFICO

b) En caso de que no lo este, indique cuales podrían ser las causas asignables
asociadas y comente sobre posibles acciones preventivas ¿Qué probabilidad se tiene de que
estas reglas de parada ocurran a pesar de estar el sistema bajo control?

Respuesta: De acuerdo a la imagen gráfica de control de calidad lo que están realizando los
estudiando se encuentra entre los limites establecido para que ellos puedes realizar extinción
entre esos límites de LCI de 29.873y de LCS DE 30.125 para aceptar las piezas cilíndricas que
van a ser utilizadas como ejes en su trabajo .sin embrago ,Se muestra un proceso en el cual se
puede concluir con suficiente evidencia que se encuentra bajo control estadístico, esto porque
ningún punto de la muestra se sale de los límites de control. Sin embargo, del tiempo desde el
tiempo 12 al 18 se observa una recuperación notable lo que sería bueno observar que paso ahí
para poder control y que no se salga de los limites específicos superiores.

EJERCICIO 10
Suponga que un proveedor envía componentes en lotes de tamaño 5000. Se utiliza un plan
de muestreo simple con n = 50 y c = 2 para inspección de recepción. Se tamizan los lotes
rechazados y se vuelven a trabajar todos los artículos defectuosos para después
regresarlos al lote.
Datos:
N=5000
n=50
c=2
a. Trace la curva característica de operación para este plan.

p% c=2
0 1
1 0,98618273
2 0,92157225
3 0,81079808 c=2
1.2 4 0,676714
5 0,54053312
1 6 0,41624647
0.8 7 0,31078856
pro aceptacion

8 0,22597428
0.6
9 0,16054049
0.410 0,11172876
0.211 0,07632688
12 0,05126418
013 0,0338941
0 2 4 6 8 10 12 14 16
14 0,02208246
proporcion de defectuosos
15 0,01418852

b. Obtenga el nivel de calidad del lote que se rechazaría el 90% de las veces

90 % defectuoso
Di
pi=
¿
Di
0.9=
50
0.9∗50=Di ( numero de unidades no conformes )
45=Di
( 0.9 ) 90 %
10 % no defectuoso
50−45=5
no defectuasos =5 ≅ 0.1=10 %
El nivel de calidad del lote cuando se rechaza el 90% (45 unidades) es del 10% (5
unidades)

c. La administración se opuso al empleo del procedimiento de muestreo anterior y quiere

usar un plan con número de aceptación c = 0, argumentando que esto está más acorde con
su programa de cero defectos. ¿Qué opina de esto?

p% c=0
0 1 1.2
1 0,60500607
1
2 0,36416968
3 0,21806538 0.8
pro aceptacion

4 0,12988579
5 0,07694498 0.6
6 0,04533073
0.4 c=45
7 0,02655507
8 0,01546648 0.2
9 0,00895508
10 0,00515378 0
11 0,00294782 0 2 4 6 8 10 12 14 16
12 0,00167546 proporcion de defectuosos
13 0,00094616
14 0,00053079
15 0,00029576

En este caso para el productor es más conveniente el plan de muestreo del inciso a ya
que tienen una mayor probabilidad de que el lote sea aceptado, ya que no es tan exigente,
por el mismo motivo no estoy de acuerdo con la administración.
d. Diseñe un plan de muestreo simple con c = 0 que corresponde a una probabilidad 0.90
de rechazar lotes con el nivel de calidad encontrado en el inciso (b). Trace la curva
característica de operación de este plan y compárelo con el plan original.

Ya que se rechaza el 90% 45 unidades esta seria nuestro c

n
= 50
c= 45

c=45
p% c=45
0 1 1.2
1 1
2 1 1
En este plan hay una probabilidad del 100 % que nos
3 1 acepten el lote0.8a diferencia del plan original que varía de acuerdo
pro aceptacion

4 1 al porcentaje de defectuosos, cuanto más grande el número de

5 1 0.6
defectuosos la probabilidad de aceptación es mayor.
6 1 0.4
7 1
8 1 0.2
9 1 EJERCICIO 12
0
10 1 0 2 4 6 8 10 12 14 16
Están en uso graficas de control de la media y Rango basadas en un
11 1 proporcion de defectuosos
tamaño de sub grupo de cuatro para controlar un proceso cuya
12 1
13 1
desviación estándar es de 10, el valor de la media que se pretende
14 1 alcanzar es de 250.
15 1 a. Determine los límites de control para la media y el rango.
b. Determine la probabilidad de que un punto caiga dentro de los límites de control de la gráfica
de la media si la μ real está 0,5σ debajo del valor pretendido de 250.
c. Si es 1.0σ por debajo de 250; Si es 2.0σ por debajo de 250, Si es;2,5σ por debajo de 250

SOLUCION :X =4 R=4

a. Determine los límites de control para la media y el rango.

PARA X

σ
L .C . I = X−3 ×
√n
 10
L .C . I =250−3 × =235
√4
σ
L .C . S=X +3 ×
√n
10
L .C . S=250+3 × =265
√4
PARA R

L.S.R = R +3∗σ R

L.S.R = 4 +3∗10

L.S.R = 34

L.S.R = R -3∗σ R

L.I.R = 4 -3∗10

L.I. R=26

b. Determine la probabilidad de que un punto caiga dentro de los límites de control de la gráfica
de la media si la μ real está 0,5σ debajo del valor pretendido de 250.
μ=250
σ =10
σ =10+5=15
μ real=0.5
μ=245
μ=235
10 x−μ
σ= z=
√4 σ
265−245 235−245
z= −
5 5
(z ≤ 4)−(z ≥−2)
0.999−1−0.0227 → tabla de ladistribución normal
0.99−0.972
0.0274
la probalidad de que caigadebajo de la media es 2.74 %
c. Si es 1.0σ por debajo de 250; Si es 2.0σ por debajo de 250, Si es;2,5σ por debajo de 250
σ =10+1
σ =11
261−249 239−249
z= −
1 1
(z ≤2.2)−(z ≥−1.1)
0.9867−0.13350
0.853
la probalidad de que caigadebajo de la media=50 con σ=1 es 8.5 %
σ =10+2
σ =12
262−248 238−248
z= −
2 2
(z ≤7)−( z ≥−5)
0.7580−0.48006
0.0220
la probalidad de que caigadebajo de la media=50 con σ=2 es 2.2 %
σ =10+2.5
σ =12.5
262.5−247.5 237.5−247.5
z= −
2.5 2.5
(z ≤6)−( z ≥−4 )
0.725747−0.000032
0.7254
La probalidad de que caiga debajo de la media=50 con σ =2.5 es 7.254 %

EJERCICIO 14
Las especificaciones de cierto proceso de enlatado son de 650 + - 0.5 gramos se sabe que la
desviación estándar de este proceso es de 0,15gr. Calcule las líneas centrales y los límites
de control para las gráficas de media y rango, sobre la base de un tamaño de subgrupo de
cuatro. Al seleccionar la media objetivo se supondrá que el proceso tiene una distribución
normal.
SOLUCIÓN:
L . I . E=649,5 σ =0,15 gr
L . S . E=650,5
a) Calcule las líneas centrales y los límites de control para las gráficas de media y rango,
sobre la base de un tamaño de subgrupo de cuatro.
σ
L .C=μ ± Z α
1−
2 √n
3 SIGMA

L .C . S=μ+3
( 0,15
√4 )
=650,5 …(1)

L .C . I =μ−3 (
√4 )
0,15
=649,5 …(2)

μ+3( 0,15
√4 )
=650,5 ¿

μ−3
( √ 4 )=649,5
0,15

2 μ=1300
μ=650

650,5 L .C . S

650 L .C
L .C . I
650.5

EJERCICIO 16
Representar las curvas características para los siguientes planes de muestreo simple (n=
50, c=1); (n=100; c= 2) (n=200, c= 4). Comprobar que la curva característica de operación
se parece cada vez más a la ideal cuando aumenta el tamaño de la muestra n. (use la distr.
binomial.).

Solución:

Para n=50 cuando P0es igual a 0.05.

c=1

Para P0= 0.05

P ( x=k ) =Cnk pK qn−k

P ( c=1 )=P ( c=0 ) + P ( c=1 )

50 0 50−0 50 1 50−1
P ( c=1 )=C 0 0.05 ∗0.95 +C 1 0.05 ¿ 0.95

P ( c=1 )=C 50 0 50 50 1
0 0.05 ¿ 0.95 +C 1 0.05 ∗0.95
49

P ( c=1 )=0.0769+ 0.2025

P ( c=1 )=0.2794=27.94 %
La probabilidad de encontrar exactamente 1 defectuoso es de 0.2794 o 27.94%.

∝=72.06 %
prob acept. (pa)
n= 50 p p% c=0 c=1
c= 0 0 0 1 1
c= 1 0.01 1 0.605006067 0.910564687
0.02 2 0.36416968 0.735771394
0.03 3 0.218065375 0.555279873
0.04 4 0.129885794 0.400481197
0.05 5 0.076944975 0.279431752
0.06 6 0.045330727 0.190003258
0.07 7 0.026555069 0.126493499
0.08 8 0.015466476 0.082712023
0.09 9 0.008955083 0.053238461
0.1 10 0.005153775 0.03378586
0.11 11 0.002947816 0.021164655
0.12 12 0.001675458 0.013099037
0.13 13 0.000946156 0.008015135
0.14 14 0.00053079 0.004851172
0.15 15 0.000295765 0.002905453
0.16 16 0.000163668 0.001722413
0.17 17 8.993E-05 0.0010109
0.18 18 4.90561E-05 0.000587476
0.19 19 2.65614E-05 0.000338084
0.2 20 1.42725E-05 0.000192678
Para n=100 cuando P0 es igual a 0.05.

c=2

Para P0= 0.05

P ( x=k ) =Cnk pK qn−k

P ( c=2 )=P ( c=0 ) + P ( c=1 ) + P(c=2)

P ( c=2 )=C 100 0

0 0.05 ¿ 0.95
100−0
+C100 1
1 0.05 ¿ 0.95
100−1
+C100 2
2 0.05 ¿ 0.95
100−2

P ( c=2 )=C 100 0

0 0.05 ¿ 0.95
100
+C100 1 99 100 2
1 0.05 ¿ 0.95 +C 2 0.05 ∗0.95
98

P ( c=2 )=0.0059205+ 0.0312+ 0.0812

P ( c=2 )=0.1183=11.83 %
La probabilidad de encontrar exactamente 2 defectuosos es de 0.1183 o 11.83%.

∝=88.17 %
 prob acept. (pa)
n= 100 p p% c=0 c=1 c=2
c= 0 0 0 1 1 1
c= 1 0.01 1 0.36603234 0.73576198 0.9206268
c= 2 0.02 2 0.13261956 0.40327171 0.67668562
0.03 3 0.04755251 0.19462212 0.41977508
0.04 4 0.01687032 0.08716332 0.23214262
0.05 5 0.00592053 0.03708121 0.11826298
0.06 6 0.00205487 0.0151711 0.05661278
0.07 7 0.00070517 0.00601292 0.02578854
0.08 8 0.00023921 0.00231932 0.0112728
0.09 9 8.0194E-05 0.00087332 0.00475613
0.1 10 2.6561E-05 0.00032169 0.00194488
0.11 11 8.6896E-06 0.00011609 0.00077316
0.12 12 2.8072E-06 4.1087E-05 0.00029947
0.13 13 8.9521E-07 1.4272E-05 0.00011321
0.14 14 2.8174E-07 4.8682E-06 4.1826E-05
0.15 15 8.7477E-08 1.6312E-06 1.5116E-05
0.16 16 2.6787E-08 5.3702E-07 5.3478E-06
0.17 17 8.0874E-09 1.7373E-07 1.8531E-06
0.18 18 2.4065E-09 5.5232E-08 6.2923E-07
0.19 19 7.0551E-10 1.7254E-08 2.0941E-07
0.2 20 2.037E-10 5.2963E-09 6.8317E-08

Para n=200 cuando P0es igual a 0.05.

c=4

Para P0 = 0.05

P ( x=k ) =Cnk pK qn−k

P ( c=4 )=P ( c=0 ) + P ( c=1 ) + P ( c=2 ) + P ( c=3 ) + P(c=4)

200 0 200−0 200 1 200−1 200 2 200−2 200 3 200−3 200 4
P ( c=4 )=C 0 0.05 ¿ 0.95 +C1 0.05 ¿ 0.95 +C 2 0.05 ¿ 0.95 +C 3 0.05 ¿ 0.95 +C 4 0.05 ¿

P ( c=4 )=C 200 0

0 0.05 ¿ 0.95
200
+C200 1
1 0.05 ¿ 0.95
199
+C 200 2
2 0.05 ¿ 0.95
198
+C 200 3
3 0.05 ¿ 0.95
197
+C 200 4
4 0.05 ¿ 0.95
196

P ( c=4 )=0.0264
La probabilidad de encontrar exactamente 4 defectuosos es de 0.0264 o 2.64%.
∝=97.36 %
prob acept. (pa)
n= 200 p p% c=0 c=1 c=2 c=3 c=4
c= 0 0 0 1 1 1 1 1
c= 1 0.01 1 0.133979675 0.40464568 0.67667869 0.85803403 0.94825374
c= 2 0.02 2 0.017587947 0.08937548 0.23514814 0.43149497 0.62884358
c= 3 0.03 3 0.002261241 0.0162483 0.05929095 0.14715119 0.28097956
c= 4 0.04 4 0.000284608 0.00265634 0.01248914 0.03952934 0.09501808
0.05 5 3.50527E-05 0.00040403 0.00233629 0.00904838 0.0264468
0.06 6 4.22251E-06 5.8127E-05 0.00040048 0.00184272 0.00637657
0.07 7 4.97267E-07 7.983E-06 6.4046E-05 0.00034255 0.00137496
0.08 8 5.72223E-08 1.0524E-06 9.6628E-06 5.9079E-05 0.00027071
0.09 9 6.431E-09 1.3364E-07 1.3854E-06 9.5565E-06 4.9357E-05
0.1 10 7.05508E-10 1.6383E-08 1.8971E-07 1.4608E-06 8.4164E-06
0.11 11 7.55095E-11 1.942E-09 2.4896E-08 2.1214E-07 1.3519E-06
0.12 12 7.88015E-12 2.2279E-10 3.1388E-09 2.9383E-08 2.0563E-07
0.13 13 8.01402E-13 2.4751E-11 3.8083E-10 3.8926E-09 2.9736E-08
0.14 14 7.93762E-14 2.6637E-12 4.4524E-11 4.9428E-10 4.1002E-09
0.15 15 7.65218E-15 2.7773E-13 5.02E-12 6.0253E-11 5.4029E-10
0.16 16 7.17558E-16 2.8053E-14 5.4613E-13 7.0591E-12 6.8157E-11
0.17 17 6.54061E-17 2.7447E-15 5.7347E-14 7.9547E-13 8.2412E-12
0.18 18 5.79123E-18 2.6004E-16 5.8132E-15 8.6266E-14 9.5604E-13
0.19 19 4.97741E-19 2.3849E-17 5.6885E-16 9.0062E-15 1.0648E-13
0.2 20 4.14952E-20 2.1163E-18 5.3726E-17 9.0528E-16 1.139E-14

Respuesta: Definitivamente, cuando el tamaño de la muestra n sea más grande la curva

característica de operación se parece cada vez más a la curva de caracterización de operación
ideal.

EJERCICIO 18
Representar y comentar las curvas características de operación para los siguientes planes
de muestreo simple con c=0; (n= 50, c=0); (n=100; c= 0) (n=200, c= 0).

Solución:

n=50

p% c=0
0 1
1 0,60500607
2 0,36416968
3 0,21806538
4 0,12988579
5 0,07694498
6 0,04533073
7 0,02655507
8 0,01546648
9 0,00895508
10 0,00515378
11 0,00294782
12 0,00167546
13 0,00094616
14 0,00053079
15 0,00029576

1.2

0.8
pro aceptacion

0.6

0.4

0.2

0
0 2 4 6 8 10 12 14 16
proporcion de defectuosos

c=0

n=100
p% c=0
0 1
1 0,36603234
2 0,13261956
3 0,04755251
4 0,01687032
5 0,00592053
6 0,00205487
7 0,00070517
8 0,00023921
9 8,0194E-05
10 2,6561E-05
11 8,6896E-06
12 2,8072E-06
13 8,9521E-07
14 2,8174E-07
15 8,7477E-08

c=0
1.2

0.8
pro aceptacion

0.6

0.4

0.2

0
0 2 4 6 8 10 12 14 16
proporcion de defectuosos

n=200
p% c=0
0 1 1.2
c=0
1 0,13397967
2 0,01758795 Respuesta: Si 1el número de aceptación (c) es de 0; la probabilidad
3 0,00226124 de que el lote sea aceptado es mínima o nula sin importar cual sea
el tamaño de0.8la muestra ya que al condicionar que el número de

pro aceptacion
4 0,00028461
5 3,5053E-05 productos defectuosas
0.6 sea 0, para su aceptación la exigencia es
6 4,2225E-06 grande. Es decir, a mas cantidad de muestras es imposible de
7 4,9727E-07 encontrar 0 defectuosos.
0.4
8 5,7222E-08
9 6,431E-09 0.2
10 7,0551E-10
0
11 7,5509E-11 0 2 4 6 8 10 12 14 16
12 7,8801E-12 EJERCICIO 20 proporcion de defectuosos
13 8,014E-13
14 7,9376E-14 Obtener un plan de muestreo simple para el cual p0 = 0,01, α=0,10
15 7,6522E-15 y p1= 0,06 y β =0,20. En comparación al ejercicio anterior comente
sus resultados.

Solución:

P ( C>c ) =∝=0,10 o P ( C ≤ c )=1−∝=0,90

Aplicando la aproximación normal a la binomial:

P ( C ≤ c )=P ( C−np
√ pqn √ 0.10∗0.90∗n )
≤
c−0,10∗n
=0,90

Proceso de estandarización:

C−np
=z
√ pqn

(
P ( C ≤ c )=P z ≤
c−0,10∗n
√ 0.09∗n )
=0,90

De la tabla de la distribución normal estándar se tiene:

( c−0,10∗n
√ 0.09∗n )
=1,28 …∗¿

Igual manera para: (aceptación/ p1= 0,06) = β

P ( C>c ) =β=0,20

Desarrollándolo con la aproximación normal a la binomial se tiene:

P ( C ≤ c )=P
( C−np
√ pqn √ 0.20∗0.80∗n )
≤
c−0,20∗n
=0,20

(
P ( C ≤ c )=P z ≤
c−0,20∗n
√0.16∗n )
=0,20

De la tabla de la distribución normal estándar se tiene:

( c−0,20∗n
√ 0.16∗n )
=−0,84 …∗¿

Luego de * y ** se tiene las ecuaciones

( c−0,10∗n
√ 0.09∗n )
=1,28

( c−0,20∗n
√ 0.16∗n )
=−0,84

c=1,28 √ 0,09 n+0,10 n

c=−0,84 √ 0,16 n+0,20 n

1,28 √ 0,09 n+0,10 n=−0,84 √ 0,16 n+0,20 n

1,28 √ 0,09 n+0,84 √ 0,16 n=0,20 n−0,10 n

1,28 √ 0,09∗√ n+ 0,84 √ 0,16∗√ n=0,10 n

0,384∗√ n+0,336∗√ n=0,10 n

√ n∗(0,384 +0,336)=0,10 n

√ n∗(0,72)=0,10 n

0,72 n
=
0,10 √ n

n
7,2=
1
n
2

1
7,2=n
2

7,2= √ n

(7,2)2=n

51,84=n ≈ n=52

Ahora que se conoce la n, calculamos la c en *

c=1,28 √ 0,09 n+0,10 n

c=1,28 √ 0,09∗52+ 0,10∗52

c=1,28 √ 4,68+ 5,2

c=2,769+ 5,2

c=7,969 ≈ c=8