Descarga la aplicación para disfrutar aún más
Vista previa del material en texto
286 ❍ CAPÍTULO 7 DISTRIBUCIONES MUESTRALES APLICACIONES 7.53 Veintiuno Un casino de juegos de azar registra y grafi ca la ganancia o pérdida diaria media, de cinco mesas de veintiuno, en una gráfi ca x�. La media general de las medias muestrales y la desviación estándar de los datos combinados de 40 semanas fueron x�� � $10 752 y s � $1 605, respectivamente. a. Construya una gráfi ca x� para la ganancia diaria media por mesa de veintiuno. b. ¿Cómo puede ser de valor esta gráfi ca x� al gerente del casino? 7.54 Remaches de latón Un fabricante de remaches de latón muestrea al azar 400 remaches cada hora y calcula la proporción de los defectuosos de la muestra. La proporción media muestral calculada de 200 muestras era igual a .021. Construya una gráfi ca de control para la proporción de defectuosos en muestras de 400 remaches. Explique la forma en que la gráfi ca de control puede ser de valor para un gerente. 7.55 Especifi caciones en madera El gerente de una compañía de materiales de construcción muestrea al azar la madera que recibe para ver si cumple con especifi caciones de calidad. De cada embarque, 100 piezas de madera de 2 � 4 son inspeccionadas y juzgadas de acuerdo a si son de primera (aceptable) o de segunda (defectuosa) clase. Las proporciones de piezas de madera de 2 � 4 de segunda registradas para 30 embarques fueron como sigue: .14 .21 .19 .18 .23 .20 .25 .19 .22 .17 .21 .15 .23 .12 .19 .22 .15 .26 .22 .21 .14 .20 .18 .22 .21 .13 .20 .23 .19 .26 Construya una gráfi ca de control para la proporción de piezas de madera de 2 � 4 en muestras de 100 piezas de madera. Explique la forma en que la gráfi ca de control puede ser empleada por el gerente de la compañía de materiales de construcción. 7.56 Planta generadora de electricidad a base de carbón Una planta generadora de electricidad a base de carbón prueba y mide tres especímenes de carbón al día, para vigilar el porcentaje de ceniza en el carbón. La media general de 30 medias muestrales diarias y la desviación estándar combinada de todos los datos fueron x�� � 7.24 y s � .07, respectivamente. Construya una gráfi ca x� para el proceso y explique la forma en que puede ser de valor para el gerente de la planta generadora de electricidad. 7.57 Planta nuclear de energía eléctrica Los datos de la tabla son medidas de la radiación en partículas de aire en una planta nuclear de energía eléctrica. Cuatro mediciones se registraron a intervalos semanales en un periodo de 26 semanas. Use los datos para construir una gráfi ca x� y grafi que los 26 valores de x�. Explique la forma en que se puede usar la gráfi ca. Semana Radiación 1 .031 .032 .030 .031 2 .025 .026 .025 .025 3 .029 .029 .031 .030 4 .035 .037 .034 .035 5 .022 .024 .022 .023 6 .030 .029 .030 .030 7 .019 .019 .018 .019 8 .027 .028 .028 .028 9 .034 .032 .033 .033 10 .017 .016 .018 .018 11 .022 .020 .020 .021 12 .016 .018 .017 .017 13 .015 .017 .018 .017 14 .029 .028 .029 .029 15 .031 .029 .030 .031 16 .014 .016 .016 .017 17 .019 .019 .021 .020 18 .024 .024 .024 .025 19 .029 .027 .028 .028 20 .032 .030 .031 .030 21 .041 .042 .038 .039 22 .034 .036 .036 .035 23 .021 .022 .024 .022 24 .029 .029 .030 .029 25 .016 .017 .017 .016 26 .020 .021 .020 .022 7.58 Bates de béisbol Una planta fabricante de maderas duras tiene varias líneas de producción diferentes para hacer bates de béisbol de diferentes pesos. Una de esas líneas de producción está diseñada para producir bates que pesan 32 onzas. Durante un tiempo, cuando se sabe que el proceso de producción está en control estadístico, el peso promedio de un bate se encontró que era de 31.7 onzas. Los datos observados se reunieron de 50 muestras, cada una de ellas formada de 5 mediciones. Se encontró que la desviación estándar de todas las muestras era s � .2064 onzas. Construya una gráfi ca x� para vigilar el proceso de producción de bates de 32 onzas. 7.59 Más bates de béisbol Consulte el ejercicio 7.58 y suponga que, durante un día cuando el estado del proceso de producción de bates de 32 onzas era desconocido, se obtuvieron las siguientes mediciones a intervalos de una hora. Hora x� Hora x� 1 31.6 4 33.1 2 32.5 5 31.6 3 33.4 6 31.8 Cada medición representa una estadística calculada de una muestra de cinco pesos de bates seleccionados del proceso de producción durante cierta hora. Use la gráfi ca de control construida en el ejercicio 7.58 para supervisar el proceso. DATOSMISMIS EX0755 DATOSMISMIS EX0757 Probabilidad_Mendenhall_07.indd 286Probabilidad_Mendenhall_07.indd 286 5/14/10 8:43:32 AM5/14/10 8:43:32 AM www.FreeLibros.me REPASO DEL CAPÍTULO ❍ 287 Conceptos y fórmulas clave I. Planes muestrales y diseños experimentales 1. Muestreo aleatorio simple a. Cada posible muestra de tamaño n es igual- mente probable de ocurrir. b. Use una computadora o tabla de números alea- torios. c. Los problemas son: sin respuesta, baja cober- tura y sesgo verbal. 2. Otros planes muestrales con aleatorización a. Muestreo aleatorio estratifi cado b. Muestreo de conglomerado c. Muestreo sistemático de 1 en k 3. Muestreo no aleatorio a. Muestreo de conveniencia b. Muestreo de juicio c. Muestreo de cuota II. Estadísticas y distribuciones muestrales 1. Las distribuciones muestrales describen los posi- bles valores de una estadística y con qué frecuen- cia se presentan en muestreo repetido. 2. Las distribuciones muestrales se pueden deducir matemáticamente, aproximarse en forma empírica o hallarse usando teoremas estadísticos. 3. El teorema del límite central dice que las sumas y promedios de mediciones de una población no normal, con media m fi nita y desviación estándar s, tienen distribuciones aproximadamente norma- les para muestras grandes de tamaño n. III. Distribución muestral de la media muestral 1. Cuando muestras de tamaño n se sacan al azar de una población normal con media m y varianza s2, la media muestral x� tiene una distribución normal con media m y desviación estándar s/ � __ n . 2. Cuando muestras de tamaño k se sacan al azar de una población no normal con media m y varianza s2, el teorema del límite central asegura que la media muestral x� tendrá una distribución aproxi- madamente normal con media m y desviación estándar s/ � __ n cuando n es grande (n � 30). 3. Las probabilidades que contengan la media mues- tral pueden calcularse al estandarizar el valor de x� usando z: z � x� � m_____ s/ � __ n IV. Distribución muestral de la proporción muestral 1. Cuando muestras de tamaño n se toman de una población binomial con parámetro p, la propor- ción muestral p̂ tendrá una distribución aproxi- madamente normal con media p y desviación estándar � ____ pq/n mientras np � 5 y nq � 5. 2. Las probabilidades que comprendan la proporción muestral se pueden calcular al estandarizar el valor p̂ usando z: z � p̂ � p _____ � ___ pq ___ n V. Control estadístico de un proceso 1. Para vigilar un proceso cuantitativo, use una gráfi ca x�. Seleccione k muestras de tamaño n y calcule la media general x�� y la desviación están- dar s de todas las nk mediciones. Genere límites de control superiores e inferiores como x�� � 3 s ___ � __ n Si una media muestral excede de estos límites, el proceso está fuera de control. 2. Para vigilar un proceso binomial, use una gráfi ca p. Seleccione k muestras de tamaño n y calcule el promedio de las proporciones muestrales como p� � S p̂i ___ k Genere límites de control superiores e inferiores como p� � 3 � ___________ p� (1 � p�) ___________ n Si una proporción muestral excede de estos lími- tes, el proceso está fuera de control. REPASO DEL CAPÍTULO Probabilidad_Mendenhall_07.indd 287Probabilidad_Mendenhall_07.indd 287 5/14/10 8:43:32 AM5/14/10 8:43:32 AM www.FreeLibros.me 288 ❍ CAPÍTULO 7 DISTRIBUCIONES MUESTRALESMINITABMIMI El teorema del límite central en operación El MINITAB es una herramienta perfecta para explorar la forma en que el teorema del límite central funciona en la práctica. Recuerde que, según el teorema del límite central, si muestras aleatorias de tamaño n se sacan de una población no normal con media m y desviación estándar s, entonces cuando n es grande, la distribución muestral de la media muestral x� será aproximadamente normal con la misma media m y con error es- tándar s/ � __ n . Intentemos muestrear a partir de una población no normal con la ayuda del MINITAB. En una hoja de trabajo MINITAB nueva, genere 100 muestras de tamaño n � 30 de una distribución no normal llamada distribución exponencial. Use Calc � Random Data � Exponential. Teclee 100 para el número de renglones de datos y guarde los resulta- dos en C1-C30 (véase la fi gura 7.17). Deje la media en el valor predeterminado de 1.0, el umbral en 0.0 y dé un clic en OK. Los datos se generan y guardan en la hoja de trabajo. Use Graph � Histogram � Simple para ver la distribución de algunos de los datos, por ejemplo C1 (como en la fi gura 7.18). Observe que la distribución no tiene forma de montículo; está sumamente sesgada a la derecha. Para la distribución exponencial que hemos empleado, la media y desviación estándar son m � 1 y s � 1, respectivamente. Verifi que las estadísticas descriptivas para una de las columnas (use Stat � Basic Statistics � Display Descriptive Statistics) y se verá que las 100 observaciones tienen una media muestral y desviación estándar que son cer- canas pero no exactamente iguales a 1. A continuación, genere 100 valores de x� con base en muestras de tamaño n � 30 al crear una columna de medias para los 100 renglones. Use Calc � Row Statistics y seleccione Mean. Para promediar las entradas en todas las 30 columnas, seleccione o teclee C1-C30 en la caja de variables de Entrada y guarde los resultados en C31 (véase la fi gura 7.19). Ahora podrá ver la distribución de las medias muestrales usando Graph � Histogram � Simple, seleccionando C31 y dando un clic en OK. La distribución de las 100 medias muestrales generadas para nuestro ejemplo se ilustran en la fi gura 7.20. FIGURA 7.17 ● Probabilidad_Mendenhall_07.indd 288Probabilidad_Mendenhall_07.indd 288 5/14/10 8:43:32 AM5/14/10 8:43:32 AM www.FreeLibros.me 7 DISTRIBUCIONES MUESTRALES Repaso del capítulo
Compartir