1.- En el artculo Virgin Recycled Waters for Furnace Qualification: Is the Expense Justified?

se
describe un proceso para el crecimiento de una capa delgada de dixido de silicio sobre placas de
silicio que se usan en la fabricacin de semiconductores. En l aparecen datos relativos a las
mediciones del espesor, en angstroms (A), de la capa de xido para pruebas realizadas en 24
placas: se realizaron 9 mediciones en cada una de las 24 placas. Las placas se fabricaron en dos
series, 12 placas en cada serie. Estas placas eran de distintos tipos y se procesaron en distintas
posiciones en el horno, ya que, entre otros aspectos, el propsito de la recopilacin de los datos
era determinar si el espesor de la capa de xido estaba afectado por el tipo de placa y por la
posicin en el horno. Por el contrario, el experimento se dise de tal manera que no se esperaba
ninguna diferencia sistemtica entre las dos series. Los datos se muestran a continuacin.

Datos del espesor de las capas de xido de silicio

SERIE PLACA ESPESOR EN ANGSTROMS (A)

1 1 90 92.2 94.9 92.7 91.6 88.2 92 98.2 96
1 2 91.8 94.5 93.9 77.3 92 89.9 87.9 92.8 93.3
1 3 90.3 91.1 93.3 93.5 87.2 88.1 90.1 91.9 94.5
1 4 92.6 90.3 92.8 91.6 92.7 91.7 89.3 95.5 93.6
1 5 91.1 89.8 91.5 91.5 90.6 93.1 88.8 92.5 93.6
1 6 76.1 90.2 96.8 84.6 93.3 95.7 90.9 100.3 95.2
1 7 92.4 91.7 91.6 91.1 88 92.4 88.7 92.9 92.6
1 8 91.3 90.1 95.4 89.6 90.7 95.8 91.7 97.9 95.7
1 9 96.7 93.7 93.9 87.9 90.4 92 90.5 95.2 94.3
1 10 92 94.6 93.7 94 89.3 90.1 91.3 92.7 94.5
1 11 94.1 91.5 95.3 92.8 93.4 92.2 89.4 94.5 95.4
1 12 91.7 97.4 95.1 96.7 77.5 91.4 90.5 95.2 93.1
SERIE PLACA ESPESOR EN ANGSTROMS (A)
2 1 93 89.9 93.6 89 93.6 90.9 89.8 92.4 93
2 2 91.4 90.6 92.2 99.9 92.4 87.6 88.9 90.9 92.8
2 3 91.9 91.8 92.8 96.4 93.8 86.5 82.7 90.9 92.8
2 4 90.6 91.3 94.9 88.3 87.9 90 90.7 91.3 93.6
2 5 93.1 91.8 94.6 88.9 90 97.9 92.1 91.6 98.4
2 6 90.8 91.5 91.5 91.5 94 91 92.1 91.8 94
2 7 88 91.8 90.5 90.4 90.3 91.5 89.4 93.2 93.9
2 8 88.3 96 92.8 93.7 89.6 89.6 90.2 95.3 93
2 9 94.2 92.2 95.8 92.5 91 91.4 92.8 93.6 91
2 10 101.5 103.1 103.2 103.5 96.1 102.5 102 106.7 105.4
2 11 92.8 90.8 92.2 91.7 89 88.5 87.5 93.8 91.4
2 12 92.1 93.4 94 94.7 90.8 82.1 91.2 92.3 91.1
Lo primero que salta a la vista al mirar esos datos es que es muy complicado hacerse una idea
global de los resultados. Parecen estar en torno a 90 A, pero con variaciones importantes respecto
de ese valor. Algunas de esas variaciones son especialmente llamativas. Qu pas en esas placas?
En suma, es evidente que se hace necesaria una manera sistemtica de analizar los datos,
tratando de describirlos de forma precisa y objetiva, respondiendo a las preguntas que subyacen
en el diseo del experimento: Son las dos series de datos homogneas?, Afecta el tipo de
placa?, Afecta la posicin en el horno?

a) Analice los datos comparando las medidas de tendencia central y de dispersin entre las
dos series y elabore una grfica que usted determine que describa mejor los resultados de
la medicin.

ORDENAR LA TABLA CONFORME A LA SERIE Y LA PLACA

SERIE PLACA ESPESOR EN ANGSTORMS (A)

1 1 90 92.2 94.9 92.7 91.6 88.2 92 98.2 96
2 1 93 89.9 93.6 89 93.6 90.9 89.8 92.4 93
1 2 91.8 94.5 93.9 77.3 92 89.9 87.9 92.8 93.3
2 2 91.4 90.6 92.2 99.9 92.4 87.6 88.9 90.9 92.8
1 3 90.3 91.1 93.3 93.5 87.2 88.1 90.1 91.9 94.5
2 3 91.9 91.8 92.8 96.4 93.8 86.5 82.7 90.9 92.8
1 4 92.6 90.3 92.8 91.6 92.7 91.7 89.3 95.5 93.6
2 4 90.6 91.3 94.9 88.3 87.9 90 90.7 91.3 93.6
1 5 91.1 89.8 91.5 91.5 90.6 93.1 88.8 92.5 93.6
2 5 93.1 91.8 94.6 88.9 90 97.9 92.1 91.6 98.4
1 6 76.1 90.2 96.8 84.6 93.3 95.7 90.9 100.3 95.2
2 6 90.8 91.5 91.5 91.5 94 91 92.1 91.8 94
1 7 92.4 91.7 91.6 91.1 88 92.4 88.7 92.9 92.6
2 7 88 91.8 90.5 90.4 90.3 91.5 89.4 93.2 93.9
1 8 91.3 90.1 95.4 89.6 90.7 95.8 91.7 97.9 95.7
2 8 88.3 96 92.8 93.7 89.6 89.6 90.2 95.3 93
1 9 96.7 93.7 93.9 87.9 90.4 92 90.5 95.2 94.3
2 9 94.2 92.2 95.8 92.5 91 91.4 92.8 93.6 91
1 10 92 94.6 93.7 94 89.3 90.1 91.3 92.7 94.5
2 10 101.5 103.1 103.2 103.5 96.1 102.5 102 106.7 105.4
1 11 94.1 91.5 95.3 92.8 93.4 92.2 89.4 94.5 95.4
2 11 92.8 90.8 92.2 91.7 89 88.5 87.5 93.8 91.4
1 12 91.7 97.4 95.1 96.7 77.5 91.4 90.5 95.2 93.1
2 12 92.1 93.4 94 94.7 90.8 82.1 91.2 92.3 91.1
 SERIE 1 SERIE 2
MEDIA= 92.02314815 MEDIA= 92.61203704
MEDIANA= 92.2 MEDIANA= 91.85
MODA= 92 MODA= 92.8

MEDIA

SERIE 2

MEDIANA

SERIE 1
MEDIA

SERIE 1 MEDIANA

SERIE 2
 b) Analice los datos entre las mismas placas de distintas series y elabore una grfica que
usted determine describa mejor los resultados de la medicin.

SERIE 1 PLACA 1 SERIE 2 PLACA 1 SERIE 1 PLACA2 SERIE 2 PLACA 2

MEDIA= 92.87 MEDIA= 91.69 MEDIA= 90.38 MEDIA= 91.86
MEDIANA= 92.20 MEDIANA= 92.40 MEDIANA= 92.00 MEDIANA= 91.40
MODA= N/A MODA= 93.00 MODA= N/A MODA= N/A

SERIE 1 PLACA 3 SERIE 2 PLACA 3 SERIE 1 PLACA 4 SERIE 2 PLACA 4

MEDIA= 91.11 MEDIA= 91.07 MEDIA= 92.23 MEDIA= 90.96
MEDIANA= 91.10 MEDIANA= 91.90 MEDIANA= 92.60 MEDIANA= 90.70
MODA= N/A MODA= 92.80 MODA= N/A MODA= 91.30

SERIE 1 PLACA 5 SERIE 2 PLACA 5 SERIE 1 PLACA 6 SERIE 2 PLACA 6

MEDIA= 91.39 MEDIA= 93.16 MEDIA= 91.46 MEDIA= 92.02
MEDIANA= 91.50 MEDIANA= 92.10 MEDIANA= 93.30 MEDIANA= 91.50
MODA= 91.50 MODA= N/A MODA= N/A MODA= 91.50

SERIE 1 PLACA 7 SERIE 2 PLACA 7

SERIE 1 PLACA 8 SERIE 2 PLACA 8
MEDIA= 91.27 MEDIA= 91.00
MEDIA= 93.13 MEDIA= 92.06
MEDIANA= 91.70 MEDIANA= 90.50
MEDIANA= 91.70 MEDIANA= 92.80
MODA= 92.40 MODA= N/A
MODA= N/A MODA= 89.60

SERIE 1 PLACA 9 SERIE 2 PLACA 9 SERIE 1 PLACA 10 SERIE 2 PLACA 10

MEDIA= 92.73 MEDIA= 92.72 MEDIA= 92.47 MEDIA= 102.67
MEDIANA= 93.70 MEDIANA= 92.50 MEDIANA= 92.70 MEDIANA= 103.10
MODA= N/A MODA= 91.00 MODA= N/A MODA= N/A

SERIE 1 PLACA 11 SERIE 2 PLACA 11 SERIE 1 PLACA 12 SERIE 2 PLACA 12

MEDIA= 93.18 MEDIA= 90.86 MEDIA= 92.07 MEDIA= 91.30
MEDIANA= 93.40 MEDIANA= 91.40 MEDIANA= 93.10 MEDIANA= 92.10

MODA= N/A MODA= N/A MODA= N/A MODA= N/A

 S
2
P
1
0

S S S
S S S S
S 2 S 1 S 1 S
1 S S 1 2
1 S S P S S P 2 1
2 S S 2 S P S 1 S
P 2 S 1 5 1 P P P
1 2 P 2 P 1 2 8 P 1 2 P 2
1 P P 9 9
1 4 P P P P 8 1
2 P P 6 P 1 P 1 P
1 P 5 6 7 0
3 3 4 7 1 2 1
2 2
1

S
2
P
1
0

S S
S S S
S S S 1 S S
S S S 1 1 1 S
S 1 S S S S 2 P 2 1
1 2
1 S 2 2 P P S P 2
P P 2 1 P P S 1 2 1 S 1 P 9 P P
1 2
P P 6 1 P
1 1 P P 3 4 2 P P P 2 P 8
9 1
1 P
2 P 5 8 2 1
2 5 6 7 P 0 1
3 4 2
7 1
 c) Determine si existen datos cuantitativos atpicos o fuera de rango mediante el mtodo de
los percentiles y elabore una grfica de caja para las dos series.

PLACA Serie 1
1 76.1 77.3 77.5 84.6 87.2 87.9 87.9 88 88.1
2 88.2 88.7 88.8 89.3 89.3 89.4 89.6 89.8 89.9
3 90 90.1 90.1 90.1 90.2 90.3 90.3 90.4 90.5
4 90.5 90.6 90.7 90.9 91.1 91.1 91.1 91.3 91.3
5 91.4 91.5 91.5 91.5 91.6 91.6 91.6 91.7 91.7
6 91.7 91.7 91.8 91.9 92 92 92 92 92.2
7 92.2 92.4 92.4 92.5 92.6 92.6 92.7 92.7 92.7
8 92.8 92.8 92.8 92.9 93.1 93.1 93.3 93.3 93.3
9 93.4 93.5 93.6 93.6 93.7 93.7 93.9 93.9 94
10 94.1 94.3 94.5 94.5 94.5 94.5 94.6 94.9 95.1
11 95.2 95.2 95.2 95.3 95.4 95.4 95.5 95.7 95.7
12 95.8 96 96.7 96.7 96.8 97.4 97.9 98.2 100.3

Caja 1.- Escondida 90.5

Caja 2.-Inferior 1.7
Mnimo 76.1 Caja 3.-Superior 1.875
Q1 90.5
Mediana 92.2
Q3 94.075
Mximo 100.3 Bigote inferior 6.225
Bigote superior 14.4

Serie 1

76 81 86 91 96 101 106
 PLACA Serie 2
1 82.1 82.7 86.5 87.5 87.6 87.9 88 88.3 88.3
2 88.5 88.9 88.9 89 89 89.4 89.6 89.6 89.8
3 89.9 90 90 90.2 90.3 90.4 90.5 90.6 90.6
4 90.7 90.8 90.8 90.8 90.9 90.9 90.9 91 91
5 91 91.1 91.2 91.3 91.3 91.4 91.4 91.4 91.5
6 91.5 91.5 91.5 91.6 91.7 91.8 91.8 91.8 91.8
7 91.9 92.1 92.1 92.1 92.2 92.2 92.2 92.3 92.4
8 92.4 92.5 92.8 92.8 92.8 92.8 92.8 92.8 93
9 93 93 93.1 93.2 93.4 93.6 93.6 93.6 93.6
10 93.7 93.8 93.8 93.9 94 94 94 94.2 94.6
11 94.7 94.9 95.3 95.8 96 96.1 96.4 97.9 98.4
12 99.9 101.5 102 102.5 103.1 103.2 103.5 105.4 106.7

Caja 1.- Escondida 90.625

Caja 2.-Inferior 1.225
Caja 3.-Superior 1.825
Mnimo 82.1
Q1 90.625
Mediana 91.85
Bigote inferior 13.025
Q3 93.675
Bigote superior 8.525
Mximo 106.7

Serie 2

82.1 87.1 92.1 97.1 102.1 107.1

d) Escriba una conclusin acerca de los datos obtenidos.

Los datos obtenidos en cada una de las series, son muy parecidos entre s.
No existe una variacin importante entre las placas de una serie y otra.
2.- Un lote de 50 arandelas contiene 30 arandelas cuyo grosor excede las especificaciones de
diseo. Se seleccionan 3 arandelas al azar y sin reemplazo del lote.

a) Cul es la probabilidad de que las 3 arandelas sean ms gruesas que las especificaciones?

(30/50) = 0.6

(29/49) = 0.5918

(28/48) = 0.583

(0.6) *(0.5918) *(0.583) = 0.2071

b) Cul es la probabilidad de que la 3era arandela seleccionada sea ms gruesa que las
especificaciones de diseo si las dos primeras fueron ms delgadas que la especificacin?

La primera sali bien

(20/50) = 0.4

La segunda sali bien

(19/49) = 0.3877

La tercera sali mal

(30/48) = 0.625

(0.4) *(0.3877) *(0.625) = 0.097

 c) Cul es la probabilidad de que mnimo 2 arandelas sean ms gruesas que las
especificaciones?

La primera mala La primera mala

(30/50) = 0.6 (30/50) = 0.6

La segunda mala La segunda mala

(29/49) = 0.5918 (29/49) = 0.5918

La tercera mala La tercera buena

(28/48) = 0.583 (20/48) = 0.4167

(0.6) *(0.5918) *(0.583) = 0.2071 (0.6) *(0.5918) *(0.4167) = 0.1480

La primera mala La primera buena

(30/50) = 0.6 (20/50) = 0.4

La segunda buena La segunda mala

(20/49) = 0.4082 (30/49) = 0.6122

La tercera mala La tercera mala

(29/48) = 0.6042 (29/48) = 0.6042

(0.6) *(0.4082) *(0.6042) = 0.1480 (0.4) *(0.6122) *(0.6042) = 0.1480

(0.2071) +(0.1480) +(0.1480) +(0.1480) = 0.6511

3.- En un proceso industrial de produccin en serie de ensamble de coches, existe una mquina
encargada de detectar desperfectos que desechen una pieza de ensamble. Esta mquina est
calibrada para detectar una pieza defectuosa con un 90% de acierto, pero tambin detecta como
defectuosas el 5% de las piezas no defectuosas. El encargado de calidad estima, por estudios
previos, que el porcentaje general de piezas defectuosas es del 5%.

Este encargado, consciente de que la mquina puede dar por buenas piezas que son defectuosas,
decide actuar de la siguiente forma: una pieza que sea detectada como no defectuosa pasar otras
dos veces por la misma mquina detectora y slo ser declarada no defectuosa cuando en ninguna
de esas tres pruebas d defectuosa.

Supongamos que una pieza pasa tres veces y da no defectuosa.

a) Cul es la probabilidad de que una pieza detectada como no defectuosa por la mquina,
sea realmente defectuosa?

DETECTADA DEFECTUOSA (0.0475) + (0.045) = 0.0925

 NO DEFECTUOSA (0.9025) + (0.005) = 0.9075

(0.857375) + (0.0005) = 0.857875

DETECTADA DEFECTUOSA (0.00045) + (0.857375) = 0.861875

Es decir, REALMENTE DEFECTUOSA (0.00045/0.0861875)

= 0.00522117
 b) Cul ser la probabilidad de que realmente sea no defectuosa?

(0.0857375/0.0861875) = 0.9948
c) El mtodo ideado por el responsable de calidad es consistente?

Estamos hablando que despus de 3 pruebas nos da un 81.45% de piezas

sin falla a la venta, y 8.5% de piezas con defecto a la venta, y a su vez, 0.55%
de piezas buenas no salen a la venta porque fueron reportadas como
defectuosas.