Documentos de Académico
Documentos de Profesional
Documentos de Cultura
probable que 50 veces salga cara y 50 cruz. ObsQvese la expresi6n << es probable que >> ; en realidad puede suceder que el resultado sea, por ejemplo, 55-45,48-52 o cualquier otra proporci6n. Sin embargo, esth demostrado que a1 aumentar el n6mero de lanzamientos aumenta la exactitud de la ley de probabilidades. En otras palabras, cuanto mayor sea el nGmero de lanzamientos de la moneda, tanto mayores serhn las posibilidades de llegar a una proporci6n de 50 caras y 50 cruces. De ello se desprende que cuanto mayor sea la muestra, mhs exactamente representar6 la <<poblaci6n>> o << universo >> inicial, es decir, el grupo de factores que se est6n estudiando. Ahora podemos imaginar una escala en la cual uno de 10s extremos corresponda a la precisi6n absoluta lograda por observaci6n continua y el otro a resultados muy inciertos obtenidos mediante unas pocas observaciones aisladas. El tamaiio de la muestra tiene, pues, su importancia, y podemos indicar si creemos o no en la representatividad de la muestra utilizando cierto nivel de confianza.
3. Como establecer niveles de confianza Volvamos ahora a1 ejemplo citado y lancemos a1 aire cinco monedas
simulthneamente, anotando el n6mero de caras y cruces que salgan. Repitamos luego esta operaci6n 99 veces mhs. Los resultados de estos lanzamientos podrian representarse como en el cuadro I I o, grhficamente, como en la figura 87.
Si se aumenta considerablemente el ndmero de lanzamientos, utilizando cada vez un gran niimero de monedas, podr6 obtenerse una curva m6s progresiva, como la ilustrada en la figura 88. Esta curva, llamada curva de distribucibn normal, tambikn puede representarse como en la figura 89. Bgsicamente, esta curva indica que en la mayoria de 10s casos el ndmero de caras tiende a igualar a1 de cruces en cualquier serie de lanzarnientos (cuandop = q, el niimero de lanzamientos es un miximo). En pocos casos, sin embargo, p es muy diferente de q por mera casualidad. Las curvas de distribucidn normal pueden tener numerosas configuraciones ; segdn el caso, pueden ser m6s achatadas o mis redondeadas. Para describir estas curvas se utilizan dos parimetros : 2, que es la media o la medida de la dispersibn, y a, que es la desviaci6n de la media, denominada desviaci6n tipica o estindar. Dado que aqui se trata de una proporci6n, para indicar el error tipico o estgndar de la proporci6n se utilizari la expresi6n ap.
El Area delimitada por la curva de distribuci6n normal se puede calcular. En la figura 89, un op a ambos lados de X da un irea de 68,27 por ciento del irea total ; dos op a ambos lados de xdan un Area de 95,45 por ciento, y tres op a ambos lados de Xdan un irea de 99,73 por ciento. En otros ttrminos, si el muestreo realizado ha sido realmente aleatorio, 95,45 por ciento de las observaciones estarin comprendidas entre X-l 2 op y 99,73 por ciento estarhn comprendidas entre X+ 3 up. Este es, de hecho, el grado de confianza que inspiran las observaciones. Sin embargo, para facilitar las cosas mis vale evitar el uso de porcentajes decimales, pues es mis sencillo hablar de un nivel de confianza de 95 por ciento que de 95,45 por ciento. Con ese fin pueden cambiarse 10s cilculos, obtenitndose : nivel de confianza de 95 por ciento, o sea 95 por ciento del irea comprendida por la curva = 1,96 op ; nivel de confianza de 99 por ciento, o sea 99 por ciento del Area comprendida por la curva = 2,58 op; nivel de confianza de 99,9 por ciento, o sea 99,9 por ciento del Area comprendida por la curva = 3,3 op. En este caso podemos decir que si tomamos una muestra aleatoria de gran tamago, podemos confiar en que en 95 por ciento de 10s casos las observaciones estarin comprendidas entre + 1,96 op, y asi sucesivamente para 10s demis valores. En el muestreo del trabajo, el nivel de confianza mis generalmente utilizado es el de 95 por ciento.
4. Como determinar el tamaiio de la muestra Ademiis de definir el nivel de confianza de nuestras observaciones, tambiCn debemos decidir el margen de error que admitiremos. Debemos poder decir que << tenemos confianza en que 95 por ciento de las veces la observaci6n que hagamos tendri una exactitud de + 5 por ciento >>, o 10 por ciento, o cualquier otro margen de exactitud que adoptemos. Volvamos ahora a nuestro ejemplo del tiempo productivo y del tiempo inactivo de las miiquinas de una fiibrica. Para determinar el tamaiio de la muestra que se necesita con este ejemplo existen dos mCtodos: el metodo estadistico y el mktodo nomogriifico. Metodo estadistico La f6rmula utilizada en este mCtodo es la siguiente :
en la que : ap = error estindar de la proporci6n ; p = porcentaje de tiempo inactivo ; q = porcentaje de tiempo en marcha; n = n6mero de observaciones o tamaiio de la muestra que determinar. Sin embargo, antes de poder aplicar esta f6rmula debemos tener por lo menos una idea de 10s valores de p y q. Asi, pues, el primer paso consiste en efectuar cierto n6mero de observaciones aleatorias en el lugar de trabajo. Supongamos que, como estudio preliminar y aleatorio, se efectuaron 100 observaciones, de las que se dedujo que las mgquinas estaban paradas 25 por ciento del tiempo (p = 25) y en marcha el restante 75 por ciento (q = 75). Ahora ya disponemos de 10s valores aproximados de p y q ; para poder deterrninar el valor de n debemos calcular antes el valor de ap. Tomemos, por ejemplo, un nivel de confianza de 95 por ciento con un margen de error de 10 por ciento (es decir, que tenemos confianza en que en nuestros cilculos el 95 por ciento de 10s casos corresponderiin a + 10 por ciento del valor real). A1 nivel de confianza de 95 por ciento, 1,96 ap = 10 ap = 5 (aproximadamente). Ahora podemos volver a nuestra ecuaci6n inicial para derivar n :
En otras palabras, para reducir el margen de error a la mitad habri que cuadruplicar el tamafio de la muestra.
que se encuentra en el segundo bloque de la primera hilera vertical, cuarta colurnna, cuarta linea (cuadro 12). Seguidamente escogemos un ndmero cualquiera de 1 a 10. Supongamos nuevamente que hemos elegido el ndmero 2 ; bajando ahora por la colurnna, seleccionamos una cifra de cada dos y la anotamos, como se indica a continuaci6n (si hubibramos escogido el ndmero 3, deberiamos seleccionar una cifra de cada tres, y asi sucesivamente) : VER GRAFICO PAG 263, 264 Y 265 Observando estas cifras nos damos cuenta de que debemos eliminar 10s n6meros 87,68 y 49, ya que son demasiado elevados (tenemos s61o 48 periodos de diez minutos y, por lo tanto, toda cifra superior a 48 debe eliminarse). Asimismo debe eliminarse el 1 1, pues es la cifra que hemos escogido a1 azar. Por consiguiente, debemos seguir seleccionando otras cifras para sustituir las cuatro que hemos eliminado. Aplicamos, pues, el rnismo sistema, tomando una cifra de cada dos a partir de la ~l t imap untada, o sea, 05 : 14 15 47 22 Estas cuatro cifras est6n dentro de la garna deseada y no han aparecido antes. Ahora podemos clasificar por orden numkrico las cifras seleccionadas, basandonos en ellas para calcular 10s momentos de la jornada de trabajo en que deben efectuarse las observaciones. La cifra m6s pequeiia (05) representar6 el quinto period0 de diez minutos a contar de la hora en que empez6 el trabajo, o sea las 7,00 horas. Por lo tanto, la primera observaci6n se efectuar6 a las 7,50 horas, y asi sucesivamente (vCase cuadro 13).
6. Como realizar el estudio Como determinar el objetivo del estudio Antes de llevar a cab0 las observaciones es importante decidir el objetivo de nuestro muestreo del trabajo. El objetivo m6s simple es averiguar si determinada m6quina est6 parada o en marcha. En este caso nuestras observaciones tienden a descubrir s61o una de dos posibilidades :
Quizh queramos asimismo formarnos una idea de la distribuci6n del tiempo (expresada en porcentajes) durante 10s periodos en que la mhquina esth en marcha y parada; en este caso debemos combinar 10s dos liltimos modelos. Puede ser que nos interese saber el porcentaje de tiempo dedicado por un trabajador o grupo de trabajadores a determinado elemento del trabajo. Si una tarea consta de diez elementos diferentes, observando a1 trabajador en 10s momentos que correspondan podemos anotar en qu6 elemento esth trabajando y asi determinar el porcentaje de tiempo que ha dedicado a cada elemento. Los objetivos que se busquen a1 hacer el estudio determinargn, pues, el modelo de hoja de registro que se utilizari en el muestreo del trabajo, como puede observarse en las figuras 91, 92 y 93.
estudio del trabajo tenga desde el principio una idea clara de lo que quiere lograr y por qu6 lo quiere. Deberia evitar ambigiiedades a1 clasificar las actividades. Por ejemplo, si el motor de una carretilla de horquilla esth funcionando mientras que se espera que la carguen o descarguen, el especialista debe decidir de antemano si la carretilla debe considerarse en marcha o parada. Tambitn debe de todas maneras hablar con las personas que desea observar, explicindoles el objeto del estudio e indicindoles que deben llevar a cab0 su trabajo a1 ritmo normal ; ademis, debe esforzarse por conquistar su confianza y colaboraci6n. La observaci6n propiamente dicha de las sucesivas miquinas deberi efectuarse siempre a1 pasar por la que se observa. En otros terminos, el especialista que observa la mhquina A no deberia anotar lo que esti sucediendo a la miquina B, porque falsearia el estudio. En un taller de tejido, por ejemplo, quizh vea que el telar situado inmediatamente desputs del que esti estudiando se ha parado. Sin embargo, es posible que, a1 llegar alli, el encargado del telar ya lo haya puesto nuevamente en marcha. Por lo tanto, si el analista lo hubiese anotado entre las mhquinas inactivas, habria dado una visi6n err6nea de la realidad. La anotacidn en si, como puede verse en las figuras, es una simple raya que se hace en la hoja de registro, en el espacio que corresponda, a la hora predeterminada adecuada. No se utilizan cron6metros. El cilculo de 10s resultados puede efectuarse ripidamente en la rnisma hoja de registro. Gracias a este metodo se puede calcular el porcentaje de tiempo productivo en relaci6n con el de espera, analizar 10s motivos del tiempo improductivo y determinar el porcentaje de tiempo dedicado por un trabajador, grupo de trabajadores o miquina a determinado elemento de trabajo. Todos estos datos son de por si una informacidn ~ t iqlu e puede obtenerse de forma sencilla y relativamente ripida.