Está en la página 1de 18

Tipos de muestreo

Muestreo probabilstico (aleatorio): En este tipo de muestreo, todos los individuos de


la poblacin pueden formar parte de la muestra, tienen probabilidad positiva de formar
parte de la muestra. Por lo tanto es el tipo de muestreo que deberemos utilizar en
nuestras investigaciones, por ser el riguroso y cientfico.

Muestreo no probabilstico (no aleatorio): En este tipo de muestreo, puede haber
clara influencia de la persona o personas que seleccionan la muestra o simplemente se
realiza atendiendo a razones de comodidad. Salvo en situaciones muy concretas en la
que los errores cometidos no son grandes, debido a la homogeneidad de la poblacin,
en general no es un tipo de muestreo riguroso y cientfico, dado que no todos los
elementos de la poblacin pueden formar parte de la muestra. Por ejemplo, si hacemos
una encuesta telefnica por la maana, las personas que no tienen telfono o que
estn trabajando, no podrn formar parte de la muestra.

Muestreo aleatorio simple

En un muestreo aleatorio simple todos los individuos tienen la misma probabilidad de
ser seleccionados. La seleccin de la muestra puede realizarse a travs de cualquier
mecanismo probabilstico en el que todos los elementos tengan las mismas opciones
de salir. Por ejemplo uno de estos mecanismos es utilizar una tabla de nmeros
aleatorios, o tambin con un ordenador generar nmeros aleatorios, comprendidos
entre cero y uno, y multiplicarlos por el tamao de la poblacin, este es el que vamos a
utilizar.

Muestreo aleatorio estratificado

Es frecuente que cuando se realiza un estudio interese estudiar una serie de
subpoblaciones (estratos) en la poblacin, siendo importante que en la muestra haya
representacin de todos y cada uno de los estratos considerados. El muestreo aleatorio
simple no nos garantiza que tal cosa ocurra. Para evitar esto, se saca una muestra de
cada uno de los estratos.
Hay dos conceptos bsicos:

Estratificacin: El criterio a seguir en la formacin de los estratos ser formarlos de tal
manera que haya la mxima homogeneidad en relacin a la variable a estudio dentro
de cada estrato y la mxima heterogeneidad entre los estratos.

Afijacin: Reparto del tamao de la muestra en los diferentes estratos o
subpoblaciones. Existen varios criterios de afijacin entre los que destacamos:

1. Afijacin igual: Todos los estratos tienen el mismo nmero de elementos en la
muestra.
2. Afijacin proporcional: Cada estrato tiene un nmero de elementos en la muestra
proporcional a su tamao.
3. Afijacin Neyman: Cuando el reparto del tamao de la muestra se hace de forma
proporcional al valor de la dispersin en cada uno de los estratos.

Muestreo aleatorio sistemtico

Es un tipo de muestreo aleatorio simple en el que los elementos se seleccionan segn
un patrn que se inicia con una eleccin aleatoria.

Considerando una poblacin de N elementos, si queremos extraer una muestra de
tamao n, partimos de un nmero h=N/n, llamado coeficiente de elevacin y tomamos
un nmero al azar a comprendido entre 1 y h que se denomina arranque u origen.

La muestra estar formada por los elementos: a, a+h, a+2h,....a+(n-1)h.
De aqui se deduce que un elemento poblacional no podr aparecer ms de una vez en
la muestra. La muestra ser representativa de la poblacin pero introduce algunos
sesgos cuando la poblacin est ordenada en funcin de determinados criterios.

Muestreo aleatorio por conglomerados o reas

Mientras que en el muestreo aleatorio estratificado cada estrato presenta cierta
homogeneidad, un conglomerado se considera una agrupacin de elementos que
presentan caractersticas similares a toda la poblacin.

Por ejemplo, para analizar los gastos familiares o para controlar el nivel de audiencia
de los programas y cadenas de televisin, se utiliza un muestreo por conglomerados-
familias que han sido elegidas aleatoriamente.

Las familias incluyen personas de todas las edades, muy representativas de las
mismas edades y preferencias que la totalidad de la poblacin.

Una vez seleccionados aleatoriamente los conglomerados, se toman todos los
elementos de cada uno para formar la muestra. En este tipo de muestreo lo que se
elige al azar no son unos cuantos elementos de la poblacin, sino unos grupos de
elementos de la poblacin previamente formados. Elegidos estos grupos o
"conglomerados" en un nmero suficiente, se pasa posteriormente a la eleccin,
tambin al azar, de los elementos que han de ser observados dentro de cada grupo, o
bien, segn se desee, a la observacin de todos los elementos que componen los
grupos elegidos.

Por ejemplo, para analizar los gastos familiares o para controlar el nivel de audiencia
de los programas y cadenas de televisin, se utiliza un muestreo por conglomerados-
familias que han sido elegidas aleatoriamente. Las familias incluyen personas de todas
las edades, muy representativas de las mismas edades y preferencias que la totalidad
de la poblacin.

Una vez seleccionados aleatoriamente los conglomerados, se toman todos los
elementos de cada uno para formar la muestra. En este tipo de muestreo lo que se
elige al azar no son unos cuantos elementos de la poblacin, sino unos grupos de
elementos de la poblacin previamente formados. Elegidos estos grupos o
"conglomerados" en un nmero suficiente, se pasa posteriormente a la eleccin,
tambin al azar, de los elementos que han de ser observados dentro de cada grupo, o
bien, segn se desee, a la observacin de todos los elementos que componen los
grupos elegidos.

Muestreo no Probabilstico

Existen otros procedimientos para seleccionar las muestras, que son menos precisos
que los citados y que resultan menos costosos. El procedimiento ms utilizado es el
muestreo no probabilstico, denominado opintico consistente en que el investigador
selecciona la muestra que supone sea la ms representativa, utilizando un criterio
subjetivo y en funcin de la investigacin que se vaya a realizar.

Con el muestreo opintico la realizacin del trabajo de campo puede simplificarse
enormemente pues se puede concentrar mucho la muestra. Sin embargo, al querer
concentrar la muestra, se pueden cometer errores y sesgos debidos al investigador y,
al tratarse de un muestreo subjetivo (segn las preferencias del investigador), los
resultados de la encuesta no tienen una fiabilidad estadstica exacta.

Un muestreo no probabilstico muy utilizado hoy en da por los institutos de opinin es
el de itinerarios, consistente en facilitar al entrevistador el perfil de las personas que
tiene que entrevistar en cada uno de los itinerarios en que se realizan las entrevistas.

El muestreo denominado de cuotas, utiliza en sucesivos sondeos al mismo conjunto
muestral (inicialmente seleccionado de forma aleatoria) y es el empleado para medir
ndices de audiencia de programas televisivos.

En muestreo se entiende por poblacin a la totalidad del universo que interesa
considerar, y que es necesario que est bien definido para que se sepa en todo
momento que elementos lo componen.

No obstante, cuando se realiza un trabajo puntual, conviene distinguir entre poblacin
terica: conjunto de elementos a los cuales se quieren extrapolar los resultados, y
poblacin estudiada: conjunto de elementos accesibles en nuestro estudio.

Censo: En ocasiones resulta posible estudiar cada uno de los elementos que
componen la poblacin, realizndose lo que se denomina un censo, es decir, el estudio
de todos los elementos que componen la poblacin.

La realizacin de un censo no siempre es posible, por diferentes motivos: a) economa:
el estudio de todos los elementos que componen una poblacin, sobre todo si esta es
grande, suele ser un problema costoso en tiempo, dinero, etc.; b) que las pruebas a las
que hay que someter a los sujetos sean destructivas; c) que la poblacin sea infinita o
tan grande que exceda las posibilidades del investigador.

Si la numeracin de elementos, se realiza sobre la poblacin accesible o estudiada, y
no sobre la poblacin terica, entonces el proceso recibe el nombre de marco o
espacio muestral.

Concepto de muestreo

El muestreo es una herramienta de la investigacin cientfica. Su funcin bsica es
determinar que parte de una realidad en estudio (poblacin o universo) debe
examinarse con la finalidad de hacer inferencias sobre dicha poblacin. El error que se
comete debido a hecho de que se obtienen conclusiones sobre cierta realidad a partir
de la observacin de slo una parte de ella, se denomina error de muestreo. Obtener
una muestra adecuada significa lograr una versin simplificada de la poblacin, que
reproduzca de algn modo sus rasgos bsicos.

Muestra: En todas las ocasiones en que no es posible o conveniente realizar un censo,
lo que hacemos es trabajar con una muestra, entendiendo por tal una parte
representativa de la poblacin. Para que una muestra sea representativa, y por lo tanto
til, debe de reflejar las similitudes y diferencias encontradas en la poblacin,
ejemplificar las caractersticas de la misma.

Cuando decimos que una muestra es representativa indicamos que rene
aproximadamente las caractersticas de la poblacin que son importantes para la
investigacin.

a. Poblacin Los estadsticos usan la palabra poblacin para referirse no slo a
personas si no a todos los elementos que han sido escogidos para su estudio.
b. Muestra Los estadsticos emplean la palabra muestra para describir una porcin
escogida de la poblacin. Matemticamente, podemos describir muestras y
poblaciones al emplear mediciones como la Media, Mediana, la moda, la desviacin
estndar. Cuando estos trminos describen una muestra se denominan estadsticas.

Una estadstica es una caracterstica de una muestra, los estadsticos emplean letras
latinas minsculas para denotar estadsticas y muestras.

Tipos de muestreo Los autores proponen diferentes criterios de clasificacin de los
diferentes tipos de muestreo, aunque en general pueden dividirse en dos grandes
grupos: mtodos de muestreo probabilsticos y mtodos de muestreo no
probabilsticos.

Terminologa

Poblacin objeto: conjunto de individuos de los que se quiere obtener una
informacin.
Unidades de muestreo: nmero de elementos de la poblacin, no solapados, que se
van a estudiar. Todo miembro de la poblacin pertenecer a una y slo una unidad de
muestreo.
Unidades de anlisis: objeto o individuo del que hay que obtener la informacin.
Marco muestral: lista de unidades o elementos de muestreo.
Muestra: conjunto de unidades o elementos de anlisis sacados del marco.

Muestreo probabilstico

Los mtodos de muestreo probabilsticos son aquellos que se basan en el principio de
equiprobabilidad. Es decir, aquellos en los que todos los individuos tienen la misma
probabilidad de ser elegidos para formar parte de una muestra y, consiguientemente,
todas las posibles muestras de tamao n tienen la misma probabilidad de ser elegidas.
Slo estos mtodos de muestreo probabilsticos nos aseguran la representatividad de
la muestra extrada y son, por tanto, los ms recomendables. Dentro de los mtodos de
muestreo probabilsticos encontramos los siguientes tipos:

El mtodo otorga una probabilidad conocida de integrar la muestra a cada elemento de
la poblacin, y dicha probabilidad no es nula para ningn elemento.

Los mtodos de muestreo no probabilisticos no garantizan la representatividad de la
muestra y por lo tanto no permiten realizar estimaciones inferenciales sobre la
poblacin.

(En algunas circunstancias los mtodos estadsticos y epidemiolgicos permiten
resolver los problemas de representatividad aun en situaciones de muestreo no
probabilstico, por ejemplo los estudios de caso-control, donde los casos no son
seleccionados aleatoriamente de la poblacin.)
Entre los mtodos de muestreo probabilsticos ms utilizados en investigacin
encontramos:

Muestreo aleatorio simple
Muestreo estratificado
Muestreo sistemtico
Muestreo polietpico o por conglomerados

Muestreo aleatorio simple:

El procedimiento empleado es el siguiente: 1) se asigna un nmero a cada individuo de
la poblacin y 2) a travs de algn medio mecnico (bolas dentro de una bolsa, tablas
de nmeros aleatorios, nmeros aleatorios generados con una calculadora u
ordenador, etc.) se eligen tantos sujetos como sea necesario para completar el tamao
de muestra requerido.
Este procedimiento, atractivo por su simpleza, tiene poca o nula utilidad prctica
cuando la poblacin que estamos manejando es muy grande.

Muestreo aleatorio sistemtico:

Este procedimiento exige, como el anterior, numerar todos los elementos de la
poblacin, pero en lugar de extraer n nmeros aleatorios slo se extrae uno. Se parte
de ese nmero aleatorio i, que es un nmero elegido al azar, y los elementos que
integran la muestra son los que ocupa los lugares i, i+k, i+2k, i+3k,...,i+(n-1)k, es decir
se toman los individuos de k en k, siendo k el resultado de dividir el tamao de la
poblacin entre el tamao de la muestra: k= N/n. El nmero i que empleamos como
punto de partida ser un nmero al azar entre 1 y k.

El riesgo este tipo de muestreo est en los casos en que se dan periodicidades en la
poblacin ya que al elegir a los miembros de la muestra con una periodicidad constante
(k) podemos introducir una homogeneidad que no se da en la poblacin. Imaginemos
que estamos seleccionando una muestra sobre listas de 10 individuos en los que los 5
primeros son varones y los 5 ltimos mujeres, si empleamos un muestreo aleatorio
sistemtico con k=10 siempre seleccionaramos o slo hombres o slo mujeres, no
podra haber una representacin de los dos sexos.

Muestreo aleatorio estratificado:

Trata de obviar las dificultades que presentan los anteriores ya que simplifican los
procesos y suelen reducir el error muestral para un tamao dado de la muestra.
Consiste en considerar categoras tpicas diferentes entre s (estratos) que poseen gran
homogeneidad respecto a alguna caracterstica (se puede estratificar, por ejemplo,
segn la profesin, el municipio de residencia, el sexo, el estado civil, etc.). Lo que se
pretende con este tipo de muestreo es asegurarse de que todos los estratos de inters
estarn representados adecuadamente en la muestra. Cada estrato funciona
independientemente, pudiendo aplicarse dentro de ellos el muestreo aleatorio simple o
el estratificado para elegir los elementos concretos que formarn parte de la muestra.
En ocasiones las dificultades que plantean son demasiado grandes, pues exige un
conocimiento detallado de la poblacin. (Tamao geogrfico, sexos, edades,...).

La distribucin de la muestra en funcin de los diferentes estratos se denomina
afijacin, y puede ser de diferentes tipos:

Afijacin Simple: A cada estrato le corresponde igual nmero de elementos
mustrales.
Afijacin Proporcional: La distribucin se hace de acuerdo con el peso (tamao) de la
poblacin en cada estrato.
Afijacin Optima: Se tiene en cuenta la previsible dispersin de los resultados, de modo
que se considera la proporcin y la desviacin tpica. Tiene poca aplicacin ya que no
se suele conocer la desviacin.

Muestreo aleatorio por conglomerados:

Los mtodos presentados hasta ahora estn pensados para seleccionar directamente
los elementos de la poblacin, es decir, que las unidades mustrales son los elementos
de la poblacin.

En el muestreo por conglomerados la unidad muestral es un grupo de elementos de la
poblacin que forman una unidad, a la que llamamos conglomerado. Las unidades
hospitalarias, los departamentos universitarios, una caja de determinado producto, etc.,
son conglomerados naturales. En otras ocasiones se pueden utilizar conglomerados no
naturales como, por ejemplo, las urnas electorales. Cuando los conglomerados son
reas geogrficas suele hablarse de "muestreo por reas".

El muestreo por conglomerados consiste en seleccionar aleatoriamente un cierto
numero de conglomerados (el necesario para alcanzar el tamao muestral establecido)
y en investigar despus todos los elementos pertenecientes a los conglomerados
elegidos.

Mtodos de muestreo no probabilsticos

A veces, para estudios exploratorios, el muestreo probabilstico resulta excesivamente
costoso y se acude a mtodos no probabilsticos, aun siendo conscientes de que no
sirven para realizar generalizaciones, pues no se tiene certeza de que la muestra
extrada sea representativa, ya que no todos los sujetos de la poblacin tienen la
misma probabilidad de se elegidos. En general se seleccionan a los sujetos siguiendo
determinados criterios procurando que la muestra sea representativa.

Muestreos No Probabilsticos:

de Conveniencia
de Juicios
por Cuotas de Bola de Nieve Discrecional

Muestreo por cuotas:

Tambin denominado en ocasiones "accidental". Se asienta generalmente sobre la
base de un buen conocimiento de los estratos de la poblacin y/o de los individuos ms
"representativos" o "adecuados" para los fines de la investigacin. Mantiene, por tanto,
semejanzas con el muestreo aleatorio estratificado, pero no tiene el carcter de
aleatoriedad de aqul.

En este tipo de muestreo se fijan unas "cuotas" que consisten en un nmero de
individuos que renen unas determinadas condiciones, por ejemplo: 20 individuos de
25 a 40 aos, de sexo femenino y residentes en Gijn. Una vez determinada la cuota
se eligen los primeros que se encuentren que cumplan esas caractersticas. Este
mtodo se utiliza mucho en las encuestas de opinin.

Muestreo opintico o intencional:

Este tipo de muestreo se caracteriza por un esfuerzo deliberado de obtener muestras
"representativas" mediante la inclusin en la muestra de grupos supuestamente tpicos.
Es muy frecuente su utilizacin en sondeos preelectorales de zonas que en anteriores
votaciones han marcado tendencias de voto.

Muestreo casual o incidental:

Se trata de un proceso en el que el investigador selecciona directa e
intencionadamente los individuos de la poblacin. El caso ms frecuente de este
procedimiento el utilizar como muestra los individuos a los que se tiene fcil acceso (los
profesores de universidad emplean con mucha frecuencia a sus propios alumnos).

Bola de nieve:

Se localiza a algunos individuos, los cuales conducen a otros, y estos a otros, y as
hasta conseguir una muestra suficiente. Este tipo se emplea muy frecuentemente
cuando se hacen estudios con poblaciones "marginales", delincuentes, sectas,
determinados tipos de enfermos, etc.

Muestreo Discrecional A criterio del investigador los elementos son elegidos sobre lo
que l cree que pueden aportar al estudio. Ej. : Muestreo por juicios; cajeros de un
banco o un supermercado; etc.
POBLACION (estadsticamente)
En todo estudio estadstico referimos a un conjunto o coleccin de personas o cosas
como poblacin y las personas o cosas que forman parte de la poblacin se denominan
elementos.
En sentido estadstico un elemento puede ser algo con existencia real, como un
automvil o una casa, o algo ms abstracto como la temperatura, un voto, o un
intervalo de tiempo.

Poblacin Finita: es medible
Es aquella que indica que es posible alcanzarse o sobrepasarse al contar, y que posee
o incluye un nmero limitado de medidas y observaciones; por ejemplo el nmero de
alumnos de un centro de enseanza.
Poblacin Infinita: imposible de medir
Es infinita si se incluye un gran conjunto de medidas y observaciones que no pueden
alcanzarse en el conteo. Son poblaciones infinitas porque hipotticamente no existe
lmite en cuanto al nmero de observaciones que cada uno de ellos puede generar; por
ejemplo si se realizara un estudio sobre los productos que hay en el mercado. Hay
tantos y de tantas calidades que esta poblacin podra considerarse infinita.




Clculo del Tamao de la Muestra
Tamao de la muestra para la poblacin infinita o desconocida:


Tamao de la muestra para la poblacin finita y conocida:


Donde:
n: tamao muestral
N: tamao de la poblacin
z: valor correspondiente a la distribucin de gauss, z= 0.05 = 1.96 y
z= 0.01 = 2.58
p: prevalencia esperada del parmetro a evaluar, en caso de
Desconocerse (p =0.5), que hace mayor el tamao muestral
q: 1 p (si p = 70 %, q = 30 %)
i: error que se prev cometer si es del 10 %, i = 0.1
Clculo del Tamao de la Muestra
Tamao de la muestra para poblacin finita cuando los datos son cualitativos, es decir
para anlisis de fenmenos sociales o cuando se utilizan escalas nominales para
verificar la ausencia o presencia del fenmeno a estudiar:


s2 = p(1-p) y 2 = (se)2
Donde:
n: tamao muestral
N: tamao de la poblacin
s2: varianza muestral
2: varianza poblacional
se: error standard
p: % de confiabilidad


1Que es SPC?
SPC (Statistical Process Control) por sus cifras en ingles, es la aplicacin de mtodos
estadsticos para identificar y controlar la causa de una variacin dentro de un proceso.
El SPC es el equivalente a un histograma visto desde el punto de vista del tiempo.
Cada punto nuevo es estadsticamente comparado con los puntos anteriores as como
con la distribucin como un todo en funcin de encontrar consideraciones en el control
de proceso (control i.e., turnos y modas).
Herramientas estadsticas
Diagrama de Causa Efecto
A este diagrama se le conoce tambin como diagrama de espina de pescado
Los Diagramas de Causa Efecto ilustran la relacin entre las caractersticas (los
resultados de un proceso) y aquellas causas que, por razones tcnicas, se considere
que ejercen un efecto sobre el proceso.
Casi siempre por cada efecto hay muchas causas que contribuyen a producirlo.
El Efecto es la caracterstica de la calidad que es necesario mejorar. Las causas por lo
general se dividen en las causas principales de mtodos de trabajo, materiales,
mediciones, personal y entorno.
A veces la administracin y el mantenimiento forman parte tambin de las causas
principales.
A su vez, cada causa principal se subdivide en causas menores. Por ejemplo, bajo el
rubro de mtodos de trabajo podran incorporarse la capacitacin, el conocimiento, la
habilidad, las caractersticas fsicas, etc.
El uso de este diagrama facilita en forma notables el entendimiento y comprensin del
proceso y a su vez elimina la dificultad del control de calidad en el mismo, aun en caso
de relaciones demasiado complicadas y promueven el trabajo en grupo, ya que es
necesaria la participacin de gente involucrada para su elaboracin y uso.
Diagrama de Pareto
El Diagrama de Pareto es una grfica en donde se organizan diversas clasificaciones
de datos por orden descendente, de izquierda a derecha por medio de barras sencillas
despus de haber reunido los datos para calificar las causas. De modo que se pueda
asignar un orden de prioridades.
Mediante el Diagrama de Pareto se pueden detectar los problemas que tienen ms
relevancia mediante la aplicacin del principio de Pareto (pocos vitales, muchos
triviales) que dice que hay muchos problemas sin importancia frente a solo unos
graves. Ya que por lo general, el 80% de los resultados totales se originan en el 20%
de los elementos.
La minora vital aparece a la izquierda de la grafica y la mayora til a la derecha. Hay
veces que es necesario combinar elementos de la mayora til en una sola clasificacin
denominada otros, la cual siempre deber ser colocada en el extremo derecho.
La escala vertical es para el costo en unidades monetarias, frecuencia o porcentaje.
Diagrama de Dispersin
Un Diagrama de Dispersin es la forma mas sencilla de definir si existe o no una
relacin causa efecto entre dos variables y que tan firme es esta relacin, como
estatura y peso. Una aumenta al mismo tiempo con la otra.
El Diagrama de Dispersin es de gran utilidad para la solucin de problemas de la
calidad en un proceso y producto, ya que nos sirve para comprobar que causas
(factores) estn influyendo o perturbando la dispersin de una caracterstica de calidad
o variable del proceso a controlar.
Histogramas
Presentacin de datos en forma ordenada con el fin de determinar la frecuencia con
que algo ocurre.
El Histograma muestra grficamente la capacidad de un proceso, y si as se desea, la
relacin que guarda tal proceso con las especificaciones y las normas.
Tambin da una idea de la magnitud de la poblacin y muestra las discontinuidades
que se producen en los datos.
Hojas de Verificacin o Comprobacin
Es un formato especial constituido para colectar datos fcilmente, en la que todos los
artculos o factores necesarios son previamente establecidos y en la que los records
de pruebas, resultados de inspeccin o resultados de operaciones son fcilmente
descritos con marcas utilizadas para verificar.
Para propsitos de control de procesos por medio de mtodos estadsticos es
necesaria la obtencin de datos. El control depende de ellos y, por supuesto, deben ser
correctos y colectados debidamente.
Adems de la necesidad de establecer relaciones entre causas y efectos dentro de un
proceso de produccin, con propsito de control de calidad de productividad, las Hojas
de Verificacin se usan para:
Verificar o examinar artculos defectivos.
Examinar o analizar la localizacin de defectos.
Verificar las causas de defectivos.
Verificacin y anlisis de operaciones
Estratificacin
Es un mtodo que permite hallar el origen de un problema estudiando por separado
cada uno de los componentes de un conjunto. Es la aplicacin a esta tcnica del
principio romano "divide y vencers" y del principio de Management que dice: "Un gran
problema no es nunca un problema nico, sino la suma de varios pequeos
problemas".
A veces, al analizar separado las partes del problema, se observa que la causa u
origen est en un problema pequeo.
En la Estratificacin se clasifican los datos tales como defectivos, causas, fenmenos,
tipos de defectos (crticos, mayores, menores), en una serie de grupos con
caractersticas similares con el propsito de comprender mejor la situacin y encontrar
la causa mayor ms fcilmente, y as analizarla y confirmar su efecto sobre las
caractersticas de calidad a mejorar o problema a resolver.
Grfica de control
Es una herramienta estadstica que detecta la variabilidad, consistencia, control y
mejora de un proceso.
La grfica de control se usa como una forma de observar, detectar y prevenir
el comportamiento del proceso a travs de sus pasos vitales.
As mismo nos muestra datos en un forma esttica, tienen por supuesto sus
aplicaciones, y es necesario saber sobre los cambios en los procesos de produccin,
la naturaleza de estos cambios en determinado perodo de tiempo y en forma dinmica,
es por esto que las grficas de control son ampliamente probadas en la prctica.
Caractersticas Generales de las Grficas de Control
El termino consistencia se refiere a la uniformidad en la salida del proceso; es preferible
tener un producto de un proceso consistente, que tener uno con calidad superior, pero
de un proceso intermitente.
Una grfica de control se inicia con las mediciones considerando, sin embargo que las
mediciones dependen tanto de los instrumentos, como de las personas que miden y de
las circunstancias del medio ambiente , es conveniente anotar en las grficas de control
observaciones tales como cambio de turno, temperatura ambiente.



Grficas de variables
Una grfica de control X-R, en realidad son dos grficas en una, una representa los
promedios de las muestras de la (grfica X) y la otra representa los rangos (grfica R),
deben construirse juntas, ya que la grfica X, nos muestra cualquier cambio en la
media del proceso y la grfica R nos muestra cualquier cambio en la dispersin del
proceso, para determinar las X y R de las muestras, se basan en los mismos datos.
El uso particular de la grafica X-R es que nos muestra los cambios en el valor medio y
en la dispersin del proceso al mismo tiempo, adems es una herramienta efectiva
para verificar anormalidades en un proceso dinmicamente.
Algunos puntos importantes a considerar previo a la elaboracin de esta grfica son:
-Variable a considerar
-Tamao de la muestra
-Tener un criterio para decidir si conviene investigar causas de variacin del proceso de
produccin.
-Familiarizar al personal con el uso de esta grfica.
El proceso que se debe seguir para construir una grafica es:
La construccin de una grfica de rangos y promedio resulta de formar una unidad,
tanto de la grfica de promedios como de la de rangos, consta de dos secciones,
Parte superior se dedica a los promedios,
Parte inferior a los rangos, en el eje vertical se establece la escala, a lo largo del eje
horizontal se numeran las muestras.
Mediante este proceso est bajo control cuando no muestra ninguna tendencia y
adems ningn punto sale de los lmites.
Ejemplo: Grafico X

Grafico R


Grfico de control x-rm
En muchas situaciones el tamao de la muestra para monitorear el proceso es n=1; es
decir la muestra consta de una unidad individual. Algunos ejemplos de estas
situaciones son:
Las mediciones repetidas del proceso difieren nicamente por el error de laboratorio o
de anlisis, como en muchos procesos qumicos. En otras palabras cuando la
caracterstica a medir es relativamente homognea.
El principal objetivo de este tipo de grafico es estimar la variabilidad debida a causas
especiales cuando se presentan lecturas individuales que constituyen tendencias.
Procedimiento para la construccin del grfico.
Paso 1: Colectar los datos
Paso 2: Calcular el promedio de los datos.

Paso 3: Calcular los rangos mviles.

Paso 4: Calcular el promedio de los rangos mviles.






Paso 5: Calcular los lmites de control

Paso 6: Trazar la grfica de control.
La grfica superior es la de observaciones individuales y la grafica inferior es la de
rangos mviles Rm.
En el eje de las x se representa el nmero de subgrupos (se anotan los nmeros
cardinales que representan las muestras sucesivas).
En el eje de las y se representan los valores individuales rangos mviles segn
corresponda a la grfica que estemos trazando.
Para la grfica de valores individuales
La grafica consiste en tres lneas de gua: Lmite de control inferior LCLx, lnea central
CLx y lmite de control superior UCLx. La lnea central es el promedio de las
mediciones individuales y los dos lmites de control son fijados ms o menos a tres
desviaciones estndar.
Cada subgrupo se identifica en la grfica como un punto, un crculo o una cruz segn
se establezca, cada punto corresponde a un valor Xi .
Para la grfica de Rangos mviles
La grafica consiste en tres lneas de gua: Lmite de control inferior LCLRm, lnea
central CLRm y lmite de control superior UCLRm. La lnea central es el promedio de
los rangos mviles y los dos lmites de control son fijados ms o menos a tres
desviaciones estndar.
Cada subgrupo se identifica en la grfica como un punto, un crculo o una cruz segn
se establezca, cada punto corresponde a un valor Rmi . (Nota: solo tomamos desde el
valor del segundo lote o tanda ya que el primero no genera rango mvil).


Bibliografa
Medicin del Trabajo - Roberto Garca Criollo
Ingeniera Industrial, mtodos, estndares y diseo del trabrajo
Benjamin W. Niebel.
Probabilidad y Estadstica para la Ingeniera y Ciencias Meyer y
Wapol.
Http://spcgroup.com.mx/que-es-spc/
http://www.monografias.com/trabajos28/calidad-spc/calidad-
spc.shtml