TABLA DE LA DISTRIBUCION 

tStudent

c  t1  , r
La tabla da áreas 1    y valores , donde,  P[T  c]  1   , y donde T tiene distribución t-
Student con r grados de libertad..

 
 

1
 r  0.75  0.80  0.85 0.90  0.95  0.975 0.99  0.995
 1 1.000  1.376  1.963  3.078  6.314 12.706 31.821 63.657
 2 0.816  1.061  1.386  1.886  2.920  4.303  6.965  9.925
 3 0.765  0.978  1.250  1.638  2.353  3.182  4.541  5.841
 4 0.741  0.941  1.190  1.533  2.132  2.776  3.747  4.604
 5 0.727  0.920  1.156  1.476  2.015  2.571  3.365  4.032
                   
 6 0.718  0.906  1.134  1.440  1.943  2.447  3.143  3.707
 7 0.711  0.896  1.119  1.415  1.895  2.365  2.998  3.499
 8 0.706  0.889  1.108  1.397  1.860  2.306  2.896  3.355
 9 0.703  0.883  1.100  1.383  1.833  2.262  2.821  3.250
 10 0.700  0.879  1.093  1.372  1.812  2.228  2.764  3.169
                  
  11 0.697  0.876  1.088  1.363  1.796  2.201  2.718  3.106
 12 0.695  0.873  1.083  1.356  1.782  2.179  2.681  3.055
 13 0.694  0.870  1.079  1.350  1.771  2.160  2.650  3.012
 14 0.692  0.868  1.076  1.345  1.761  2.145  2.624  2.977
 15 0.691  0.866  1.074  1.341  1.753  2.131  2.602  2.947
                   
 16 0.690  0.865  1.071  1.337  1.746  2.120  2.583  2.921
 17 0.689  0.863  1.069  1.333  1.740  2.110  2.567  2.898
 18 0.688  0.862  1.067  1.330  1.734  2.101  2.552  2.878
 19 0.688  0.861  1.066  1.328  1.729  2.093  2.539  2.861
 20 0.687  0.860  1.064  1.325  1.725  2.086  2.528  2.845
                  
 21 0.686  0.859  1.063  1.323  1.721  2.080  2.518  2.831
 22 0.686  0.858  1.061  1.321  1.717  2.074  2.508  2.819
 23 0.685  0.858  1.060  1.319  1.714  2.069  2.500  2.807
 24 0.685  0.857  1.059  1.318  1.711  2.064  2.492  2.797
 25 0.684  0.856  1.058  1.316  1.708  2.060  2.485  2.787
                  
 26 0.684  0.856  1.058  1.315  1.706  2.056  2.479  2.779
 27 0.684  0.855  1.057  1.314  1.703  2.052  2.473  2.771
 28 0.683  0.855  1.056  1.313  1.701  2.048  2.467  2.763
 29 0.683  0.854  1.055  1.311  1.699  2.045  2.462  2.756
 30 0.683  0.854  1.055  1.310  1.697  2.042  2.457  2.750
                    
 40 0.681  0.851  1.050  1.303  1.684  2.021  2.423  2.704
 60 0.679  0.848  1.046  1.296  1.671  2.000  2.390  2.660
120 0.677  0.845  1.041  1.289  1.658  1.980  2.358  2.617
  0.674  0.842  1.036  1.282  1.645  1.960  2.326  2.576

Supongamos que X1,..., Xn son variables aleatorias independientes distribuidas normalmente, con media μ

y varianza σ2. Sea

la media muestral. Entonces

sigue una distribución normal de media 0 y varianza 1.

Sin embargo, dado que la desviación estándar no siempre es conocida de

antemano, Gosset estudió un cociente relacionado,

donde
 es la varianza muestral y demostró que la función de densidad de T es

donde ν es igual a n − 1.

La distribución de T se llama ahora la distribución-t de Student.

El parámetro ν representa el número de grados de libertad. La distribución depende de ν, pero no de μ oσ,

lo cual es muy importante en la práctica.

El uso de la distribución t para hacer estimaciones se requiere siempre que el tamaño de la muestra sea
de 30 o meno y a la desviación estándar de la población no se conoce. Además, al utilizar la
distribución t, supongamos que la población es normal o es aproximadamente normal.

CARACTERISTICAS

Se deriva de la distribución t de manera matemática, podemos obtener un entendimiento

intuitivo de la relación que existe entre la distribución t y la distribución normal. Ambas son
simétricas en general la distribución t es mas plana que la distribución normal y hay una
distribución t diferente para cada tamaño posible de muestra, incluso con esto, conforme al
tamaño de muestra se hace mas grande, la forma de la distribución t pierde su horizontalidad y
se vuelve aproximadamente igual a la distribución normal. De hecho para tamaños de muestra
mayores de 30, la distribución t se asemeja tanto a la normal que utilizaremos a esta ultima para
aproximar a la distribución t.

GRADOS LIBERAD

Podemos definirlos como el número de valores que podemos escoger libremente.

Utilizaremos los grados libertad cuando elegimos una distribución t para estimar una media de
población, y utilizaremos n-1 grados de libertad, tomando a n igual al tamaño de la muestra.
Ejemplo # 1

El ciclo medio de vida operativa de una muestra aleatoria de 10 focos es de 4000 horas con la
desviación estándar de la muestra de 200 horas. Se supone que el ciclo de vida operativo de
los focos en gl tienen una distribución aproximadamente normal. Estimamos el ciclo medio de
vida operativa de la población de focos aplicando un 95% de confianza.

n= 10

gl= 10 - 1= 9

S= 200

I= 4000 2.262 (63.29)

Ls= 4000 + 143.16 = 4143.16

Li= 4000 – 143.16= 3856.84

(3856.84, 4143.16)
 Grαfica de distribuciσn
T , d f= 9
0.4

0.3
Densidad

0.2

0.1

0.025 0.025
0.0
-2.26 0 2.26
X

El ciclo medio de la vida operativa de la aplicación va de los 3850 a 4143 hr

Ejemplo # 2

La desviación estándar de la muestra del ciclo de la vida de una marca especifica del cinescopio
es igual a 500. En general se supone que el ciclo de vida de los cinescopios tienen una
distribución aproximadamente normal. En el caso de la muestra de 15 cinescopios, en el ciclo
de vida útil es de 8900 hrs. Determine los intervalos de confianza.

a) 95 %

b) 90 % para la estimación de la media de la población

a) n= 15

S= 500

gl= 15 – 1 =14
(8622.92, 9177.08)

b) n= 15

S= 500

gl= 15 – 1 =14

(8672.46, 9127.54)
}}

G r á fi c a d e d i s t r i b u c i ón
T. df=14
0.4

0.3
Densidad

0.2

0.1

0,025 0,025
0.0
-2,14 0 2,14
X

Ejemplo # 3
Una muestra aleatoria de 10 focos del ciclo medio de vida es de 4600 hrs con una desviación
estándar muestra de 250hrs.

El ciclo medio de vida y la desviación estándar de una muestra del tamaño de 8 focos de otra
marca son 4000 hrs y desviación estándar muestra 200hrs. Se supone que el ciclo de vida de
ambas marcas tiene una distribución normal.
Construya el intervalo de confianza del 90% para estimar la diferencia entre el ciclo medio de
vida entre las dos marcas de focos.

Gráfica de distribución
T. df=16

0.4

0.3

S= 250hrs

Densidad
0.2

0.1

0,025 0,025
0.0
-2,12 0 2,12
X

gl= 10 + 8 – 2 = 16

1 - .90= .10

(409,790)
Gráfica de distribución
T, df=16

0.4

0.3
Densidad

0.2

0.1

0,025 0,025
0.0
-2,12 0 2,12
X
Ejemplo # 4
Suponga que los datos siguientes se relacionaron al azar de una población de valores
normalmente distribuidos, realice un intervalo de confianza de 95% para calcular la media
poblacional.

40 51 43 48 44 57 54 39 42 48 45 39 43

n= 13

S2 = (39 - 45.6)2 + (39 – 45.6)2 + (40 – 45.6)2 + (42 – 45.6)2 +

(43 – 45.6)2 + (44 – 45.6)2 + (48 – 45.6)2 + (43 – 45.6)2 + (48 – 45.6)2 + (45 –
45.6)2 + (51 – 45.6)2 + (54 – 45.6)2 + (54 – 45.6)2
 12

= 45.61 + 3.42103

=49.03103

Li =45.61 – 3.42103

= 42.18897

La esencia del control estadístico de proceso consiste en identificar un parámetro que sea fácil
de medir cuyo valor es importante para la calidad del resultado del proceso (el diámetro de los
ejes), representarlo gráficamente de tal manera que podamos reconocer las variaciones aleatorias
y decidir cuándo hacer ajustes a un proceso.

En la mayoría de las situaciones, suponer una distribución normal con u y a conocidas no es algo
que resulte razonable, por consiguiente la desecharemos más adelante. Sin embargo, esta
suposición facilita el análisis de las ideas básicas de los diagramas de control
Una línea límite de control superior (LCS)

Una línea límite de control inferior (LCF)

El número tres que aparece en los límites de control superior e inferior se utiliza por
Convención. ¿De dónde viene? Recuerde el teorema de Chebyshev. Así pues, si un proceso está
bajo control, esencialmente todas las observaciones caerán dentro de los límites de control. Y si,
por el contrario, las observaciones caen fuera de los límites de control, entonces sugieren que el
proceso está descontrolado, y exigen una mayor investigación para ver si se puede encontrar una
causa especial que explique por qué caen fuera de los límites. Con esto en mente.

En la que
•X= gran media
• Ex = suma de todas las observaciones
• Ex = suma de las medias de muestra
• n = número de observaciones de cada muestra
• k = número de muestras tomadas

Grafico
Una planta manufacturera produce cojinetes de un diámetro especifico de 5mm. Cada 10mm se
muestrean 6 cojinetes, se miden y registran sus diámetros, se unieron 20 de estas muestras de 6
cojinetes y se pide construir.

a) Una grafica x barra

b) Ungrafico de control R
c) Limite inferior de control y limite superior de control
d) Elaborar elñ grafico de control

Muestra 1 Muestra 2 Muestra 3 Muestra 4 Muestra 5 Muestra 6

5.13 4.96 5.21 5.02 5.12 4.98
4.92 4.98 4.87 5.09 5.08 5.02
5.01 4.95 5.02 4.99 5.09 4.97
4.88 4.96 5.08 5.02 5.13 4.99
5.05 5.01 5.12 5.03 5.06 4.98
4.97 4.89 5.04 5.01 5.13 4.99

Muestra 7 Muestra 8 Muestra 9 Muestra 10 Muestra 11 Muestra 12

4.99 4.96 4.96 5.04 4.91 4.97
5 5.01 5 5.11 4.93 4.91
5 5.02 4.91 5.14 5.04 5.02
5.02 5.05 4.87 4.96 5 4.93
5.01 5.04 4.96 4.99 4.90 4.95
5.01 5.02 5.01 5.03 4.82 4.96

Muestra 13 Muestra 14 Muestra 15 Muestra 16 Muestra 17 Muestra 18

5.09 4.96 4.99 5.01 5.05 4.96
4.96 4.99 4.97 5.04 4.97 4.93
5.05 4.82 5.01 5.09 5.04 4.97
5.12 5.03 4.99 5.07 5.03 4.97
5.06 5 4.96 5.12 5.09 4.98
5.01 4.96 5.02 5.13 5.01 4.92

Muestra 19 Muestra 20
4.90 5.04
4.85 5.03
5.02 4.97
5.01 4.99
4.88 5.05
4.86 5.06
 = 4.961

= 29.52

= 5.023

R=.25+.12+.34+.1+.07+.05+.03+.09+.14+.18+.22+.11+.16+.21+.06+.
12+.12+.09+.17+.09

20

=
 UCL= 5.00175 + .483(.136) =5.067438

LCL=5.00175 - .483(.136) = -4.936062

Gráfica Xbarra-S de C1
1
5.10
U C L=5.0852
M edia de la muestr a

5.05

_
_
5.00 X=5.0019

4.95

LC L=4.9186
4.90
1 3 5 7 9 11 13 15 17 19 21 23
M uestr a

0.15 1
Desv.Est. de la muestr a

U C L=0.1219
0.10

_
S =0.0584
0.05

0.00 LC L=0
1 3 5 7 9 11 13 15 17 19 21 23
M uestr a
GRAFICO R
Límite superior

Límite inferior

LCL= 0*.136=0

ULC= 2.004(.136)= .272544

Gráfica Xbarra-R de C1
1
5.10
U C L=5.0852
M edia de la muestr a

5.05
_
_
5.00 X=5.0019

4.95

LC L=4.9186
4.90
1 3 5 7 9 11 13 15 17 19 21 23
Muestr a

0.3 U C L=0.3054
Rango de la muestr a

0.2
_
R=0.1444
0.1

0.0 LC L=0
1 3 5 7 9 11 13 15 17 19 21 23
Muestr a