Está en la página 1de 12

INTRODUCCIN

Control estadstico del proceso El control de calidad es una herramienta que permite de una forma adecuada y consistente analizar procesos con el fin de estudiar su comportamiento y poder evaluarlo, de tal forma que si se hallan procesos fuera de control se puedan hallar las variables que ejercen ese comportamiento. Con la finalidad de que se puedan generar mecanismos que encaminen a restablecer el control del proceso de tal forma que se puedan cumplir con las especificaciones planteadas dentro del mismo.

Medidas de tendencia central Las medidas de tendencia central son una forma clara y concisa de presentar la informacin de una manera til, ya que proporcionan una descripcin significativa de un conjunto de observaciones. Las medidas de tendencia central, como su nombre lo indica, son parmetros que miden qu tanto los datos de una variable tienden a situarse en el centro de su rango. Para llevar a cabo el estudio de un conjunto de datos estadsticos, podemos resumir dicha serie de cantidades numricas, (llamadas parmetros estadsticos) para facilitar su anlisis. Entre ellas tenemos a las medidas de tendencia central, como la media, moda y mediana que nos permitir conocer de forma apropiada y aproximada el comportamiento de una distribucin estadstica.

MUESTREO
En estadstica se conoce como muestreo a la tcnica para la seleccin de una muestra a partir de una poblacin. Al elegir una muestra se espera conseguir que sus propiedades sean extrapolables a la poblacin. Este proceso permite ahorrar recursos, y a la vez obtener resultados parecidos a los que se alcanzaran si se realizase un estudio de toda la poblacin. Cabe mencionar que para que el muestreo sea vlido y se pueda realizar un estudio adecuado (que consienta no solo hacer estimaciones de la poblacin sino estimar tambin los mrgenes de error correspondientes a dichas estimaciones), debe cumplir ciertos requisitos. Nunca podremos estar enteramente seguros de que el resultado sea una muestra representativa, pero s podemos actuar de manera que esta condicin se alcance con una probabilidad alta. En el muestreo, si el tamao de la muestra es ms pequeo que el tamao de la poblacin, se puede extraer dos o ms muestras de la misma poblacin. Al conjunto de muestras que se pueden obtener de la poblacin se denomina espacio muestra. La variable que asocia a cada muestra su probabilidad de extraccin, sigue la llamada distribucin muestra.

TIPOS DE MUESTREO o o o o o o o o o MUESTREO PROBABILSTICO MUESTREO SISTEMTICO MUESTREO ESTRATIFICADO MUESTREO POR ESTADIOS MLTIPLES MUESTREO POR CONGLOMERADOS MUESTREO NO PROBABILSTICO MUESTREO POR CUOTAS MUESTREO DE BOLA DE NIEVE MUESTREO SUBJETIVO POR DECISIN RAZONADA

MUESTREO PROBABILSTICO Forman parte de este tipo de muestreo, todos aquellos mtodos para los que puede calcular la probabilidad de extraccin de cualquiera de las muestras posibles. Este conjunto de tcnicas de muestreo es el ms aconsejable, aunque en ocasiones no es posible optar por l. En este caso se habla de muestras probabilsticas, pues no es en rigor correcto hablar de muestras representativas dado que, al no conocer las caractersticas de la poblacin, no es posible tener certeza de que tal caracterstica se haya conseguido. Sin reposicin de los elementos: Cada elemento extrado se descarta para la subsiguiente extraccin. Por ejemplo, si se extrae una muestra de una "poblacin" de bombillas para estimar la vida media de las bombillas que la integran, no ser posible medir ms que una vez la bombilla seleccionada. Con reposicin de los elementos: Las observaciones se realizan con reemplazamiento de los individuos, de forma que la poblacin es idntica en todas las extracciones. En poblaciones muy grandes, la probabilidad de repetir una extraccin es tan pequea que el muestreo puede considerarse con reposicin aunque, realmente, no lo sea. MUESTREO SISTEMTICO Se utiliza cuando el universo o poblacin es de gran tamao, o ha de extenderse en el tiempo. Primero hay que identificar las unidades y relacionarlas con el calendario (cuando proceda). Luego hay que calcular una constante, que se denomina coeficiente de elevacin K= N/n; donde N es el tamao del universo y n el tamao de la muestra. Determinar en qu fecha se producir la primera extraccin, para ello hay que elegir al azar un nmero entre 1 y K; de ah en adelante tomar uno de cada K a intervalos regulares. Ocasionalmente, es conveniente tener en cuenta la periodicidad del fenmeno. Esto quiere decir que si tenemos un determinado nmero de personas que es la poblacin (N) y queremos escoger de esa poblacin un nmero ms pequeo el cual es la muestra (n), dividimos el nmero de la poblacin por el nmero de la muestra que queremos tomar y el resultado de esta operacin ser el intervalo, entonces escogemos un nmero al azar desde uno hasta el nmero del intervalo, y a partir de este nmero escogemos los dems siguiendo el orden.

MUESTREO ESTRATIFICADO
3

Consiste en la divisin previa de la poblacin de estudio en grupos o clases que se suponen homogneos con respecto a alguna caracterstica de las que se van a estudiar. A cada uno de estos estratos se le asignara una cuota que determinara el nmero de miembros del mismo que compondrn la muestra. Dentro de cada estrato se suele usar la tcnica de muestreo sistemtico, una de las tcnicas de seleccin ms usadas en la prctica. Segn la cantidad de elementos de la muestra que se han de elegir de cada uno de los estratos, existen dos tcnicas de muestreo estratificado:

Asignacin proporcional: el tamao de la muestra dentro de cada estrato es proporcional al tamao del estrato dentro de la poblacin. Asignacin ptima: la muestra recoger ms individuos de aquellos estratos que tengan ms variabilidad. Para ello es necesario un conocimiento previo de la poblacin.

MUESTREO POR ESTADIOS MLTIPLES Esta tcnica es la nica opcin cuando no se dispone de lista completa de la poblacin de referencia o bien cuando por medio de la tcnica de muestreo simple o estratificado se obtiene una muestra con unidades distribuidas de tal forma que resultan de difcil acceso. En el muestreo a estadios mltiples se subdivide la poblacin en varios niveles ordenados que se extraen sucesivamente por medio de un procedimiento de embudo. El muestreo se desarrolla en varias fases o extracciones sucesivas para cada nivel.

MUESTREO POR CONGLOMERADOS

Se utiliza cuando la poblacin se encuentra dividida, de manera natural, en grupos que se supone que contienen toda la variabilidad de la poblacin, es decir, la representan fielmente respecto a la caracterstica a elegir, pueden seleccionarse slo algunos de estos grupos o conglomerados para la realizacin del estudio. Dentro de los grupos seleccionados se ubicarn las unidades elementales, por ejemplo, las personas a encuestar, y podra aplicrsele el instrumento de medicin a todas las unidades, es decir, los miembros del grupo, o slo se les podra aplicar a algunos de ellos, seleccionados al azar. MUESTREO NO PROBABILSTICO

Es aqul para el que no puede calcularse la probabilidad de extraccin de una determinada muestra. Se busca seleccionar a individuos que tienen un conocimiento profundo del tema bajo estudio, por lo tanto, se considera que la informacin aportada por esas personas es vital para la toma de decisiones.

MUESTREO POR CUOTAS Es la tcnica ms difundida sobre todo en estudios de mercado y sondeos de opinin. En primer lugar es necesario dividir la poblacin de referencia en varios estratos definidos por algunas variables de distribucin conocida (como el gnero o la edad). Posteriormente se calcula el peso proporcional de cada estrato, es decir, la parte proporcional de poblacin que representan. Finalmente se multiplica cada peso por el tamao de n de la muestra para determinar la cuota precisa en cada estrato. MUESTREO DE BOLA DE NIEVE

Indicado para estudios de poblaciones clandestinas, minoritarias o muy dispersas pero en contacto entre s. Consiste en identificar sujetos que se incluirn en la muestra a partir de los propios entrevistados. Partiendo de una pequea cantidad de individuos que cumplen los requisitos necesarios, servirn como localizadores de otros con caractersticas anlogas. MUESTREO SUBJETIVO POR DECISIN RAZONADA En este caso las unidades de la muestra se eligen en funcin de algunas de sus caractersticas de manera racional y no casual. Una variante de esta tcnica es el muestreo compensado o equilibrado, en el que se seleccionan las unidades de tal forma que la media de la muestra para determinadas variables se acerque a la media de la poblacin. La cual funciona en base a referencias o por recomendacin.

MEDIDAS DE TENDENCIA CENTRAL


Las medidas de tendencia central (media, mediana y moda) sirven como puntos de referencia para interpretar las calificaciones que se obtienen en una prueba. Las medidas de tendencia central ms comunes son: MEDIA ARITMTICA Es la medida de posicin central ms utilizada, la ms conocida y la ms sencilla de calcular, debido principalmente a que sus ecuaciones se prestan para el manejo algebraico, lo cual la hace de gran utilidad. Su principal desventaja radica en su sensibilidad al cambio de uno de sus valores o a los valores extremos demasiado grandes o pequeos. La media se define como la suma de todos los valores observados, dividido por el nmero total de observaciones.

MEDIANA Con esta medida podemos identificar el valor que se encuentra en el centro de los datos, es decir, nos permite conocer el valor que se encuentra exactamente en la mitad del conjunto de datos despus que las observaciones se han ubicado en serie ordenada. Esta medida nos indica que la mitad de los datos se encuentran por debajo de este valor y la otra mitad por encima del mismo. Para determinar la posicin de la mediana se utiliza la frmula

LA MODA La medida modal nos indica el valor que ms veces se repite dentro de los datos; es decir, si tenemos la serie ordenada (2, 2, 5 y 7), el valor que ms veces se repite es el nmero 2 quien sera la moda de los datos. Es posible que en algunas ocasiones se presente dos valores con la mayor frecuencia, lo cual se denomina Bimodal o en otros casos ms de dos valores, lo que se conoce como multimodal.
6

MEDIDAS DE DISPERSIN
Los estudios estadsticos permiten hacer inferencias de una caracterstica de una poblacin a partir de la informacin contenida en una muestra. Los mtodos numricos que describen a los conjuntos de observaciones tienen como objetivo dar una imagen mental de la distribucin de frecuencias. Una vez localizado el centro de la distribucin de un conjunto de datos, lo que procede es buscar una medida de dispersin de los datos. La dispersin o variacin es una caracterstica importante de un conjunto de datos porque intenta dar una idea de cun esparcidos se encuentran stos. Existen diversas medidas de dispersin, algunas de ellas son: Rango Desviacin media Desviacin estndar Varianza A continuacin se explican cada una de ellas. RANGO Datos no agrupados El rango de un conjunto de nmeros es la diferencia entre el mayor y el menor de todos ellos. Hay 2 maneras de expresar sta medida: La diferencia entre los valores mayor y menor Los valores mayor y menor del grupo

Datos agrupados Hay dos formas para determinar el rango para datos agrupados: Rango = punto medio de la clase ms alta punto medio de la ms baja
7

Rango = lmite superior de la clase ms alta lmite inferior de la ms baja

Ventajas Es relativamente sencilla su obtencin El significado de sta medida es fcil de comprender Limitaciones Considera slo los valores extremos de un conjunto, y no proporciona Mayor informacin respecto a los dems valores del mismo Tiene una limitada utilidad para los distintos tipos de anlisis estadsticos.

DESVIACIN MEDIA La desviacin media o desviacin promedio es abreviada por MD. Mide la desviacin promedio de valores con respecto a la media del grupo, sin tomar en cuenta el signo de la desviacin. Datos no agrupados x es la media aritmtica de los nmeros | |es el valor absoluto de la desviacin de xj respecto de x. (El valor absoluto de un nmero es el nmero sin Signo y se denota con dos barras verticales).

Datos agrupados Si x1, x2 xk ocurren con frecuencias f1, f2fk, respectivamente, la desviacin media es:

Donde: los puntos medios de las clases correpondientes frecuencias de clase

DESVIACIN ESTNDAR La desviacin tpica es una medida de dispersin. Corresponde exactamente a la raz cuadrada de la varianza. Este indicador, comnmente empleado, permite describir la variabilidad de los valores de un conjunto de datos. La desviacin tpica se utiliza generalmente para completar los indicadores de tendencia central como la media o la mediana. El objetivo es ver si los valores de un conjunto de datos estn ms o menos reagrupados alrededor de la tendencia central. A mayor dispersin, mayor valor tomar la desviacin tpica. Generalmente, la desviacin tpica se suele representar como estndar de una poblacin y S es una estimacin de . para la desviacin

Para estimar la desviacin estndar de una poblacin con la ayuda de una muestra, podemos calcular el estimador S con la ayuda de la siguiente frmula matemtica:

VARIANZA

La varianza es una medida de dispersin de una distribucin de una variable aleatoria.


9

Matemticamente, la varianza se define como la suma de las diferencias de cada observacin respecto a la media (desviacin) al cuadrado, dividido por el nmero de observaciones. En relacin con la desviacin estndar, la varianza ser notada como S cuando se trate de una muestra y como cuando se trate de una poblacin.

COEFICIENTE DE VARIACIN La variacin o dispersin real, tal como se determina de la desviacin estndar u otra medida de dispersin, se llama dispersin absoluta. La dispersin relativa es:

A la dispersin relativa se le llama coeficiente de variacin o coeficiente de dispersin si la dispersin absoluta es la desviacin estndar s y el promedio es la media x. Se define como: Coeficiente de variacin (V)= y se expresa en general como porcentaje.

10

CONCLUSIN

Gracias al estudio de estos sistemas estadsticos, podemos tomar diferentes parmetros que nos ayuden a mejorar la calidad de un producto, encontrando diferente variables a travs de los estudios de muestreo, medidas de tendencia central y de dispersin en el cual podemos observar que un tamao de muestra es vital para llevar un control detallado de la produccin. De esta forma ahorramos recursos y se obtienen resultados positivos, optimizando y mejorando el proceso de produccin. Si se lleva a cabo el estudio a toda una gama de produccin, por ende las medidas de tendencia central sern puntos de referencia para obtener calificaciones dentro de un proceso o determinada prueba, esto es vital pues nos ayuda a identificar determinadas cantidades especficas, en un muestreo cualquiera, facilita encontrar datos medios mientras tanto las medidas de dispersin hacen inferencias de caractersticas dentro de una poblacin , como lo es el rango que surge entre nmero mayor y el menor. Por lo tanto se tiene un estudio de los parmetros aplicados a un producto, mediante el estudio se representaran variables y diferencias de los mismos. Con el uso de estas medidas podemos llevar a fondo un estudio o control acerca del proceso.

11

BIBLIOGRAFA

Iglesias, ,. (2004). Enciclopedia "Estadistica". Colombia: REYMO. Navidi, ,. (2006). Estadistica para ingeniero y cientificos. Mxico: Mc Graw Hill. Spiegel, ,. (2009). Estadistica. Mxico: Mc Graw Hill. Tovar, ,. (2008). Probabilidad y Estadistica. Mxico: IEPSA. Vilar Barrio, J. F., & Delgado Trejada, T. (2005). Control Estadisticos del Procesos (SPC). Madrid: FC Editorial.

12