ALUMNO: Pablo Jess Luciano Hernndez

PROFESOR: Ing. Martn Mungua Gmez

CARRERA: Ingeniera en Mecatrnica


ASIGNATURA: Control Estadstico de Procesos


TRABAJO: Fundamentos de Estadstica para la Calidad


CUATRIMESTRE: 9no.


GRUPO: B

San Antonio Crdenas, Carmen, Campeche Mayo de 2014

PRINCIPIOS DE ESTADSTICA
La estadstica es comnmente considerada como una coleccin de hechos
numricos expresados en trminos de una relacin, y que han sido recopilado a
partir de otros datos numricos La estadstica es una tcnica especial apta para el
estudio cuantitativo de los fenmenos de masa o colectivo, cuya mediacin
requiere una masa de observaciones de otros fenmenos ms simples llamados
individuales o particulares (Gini, 1953).
TIPOS DE ESTADSTICA
ESTADSTICA DESCRIPTIVA.- Conjunto de mtodos para organizar; resumir y
presentar los datos de manera informativa.
ESTADSTICA INFERENCIAL.-Conjunto de mtodos utilizados para saber algo
acerca de una poblacin, basndose en una muestra.
POBLACIN.- Conjunto de todos los posibles individuos, objetos o medidas de
inters.
MUESTRA.- Una porcin o parte de la poblacin de inters.

TIPOS DE ESTADSITICA POBLACIN MUESTRA

TIPOS DE VARIABLE
Existen dos tipos de datos:
Los obtenidos de una poblacin cualitativa
Las variables no numricas se denominan variables cualitativas o atributo
Sexo
Edad
Religin
Los que resultan de una poblacin cuantitativa
Las variables numricas se denominan variables cuantitativas
Discretas.- Pueden asumir solo ciertos valores (generalmente son el resultado de
un conteo) Ejemplo: El nmero de estudiantes de Estadstica I
Continuas.- Pueden tomar cualquier valor dentro de un intervalo determinado La
temperatura de este da: 18.3 19.5 grados
NIVELES DE MEDICIN
Existen cuatro niveles de medicin: nominal, ordinal, de intervalo y de razn, el
nivel nominal es el ms primitivo y el ms alto o el que proporciona mayor cantidad
de informacin es el de razn
DATOS DE NIVEL NOMINAL
Las observaciones, nicamente se pueden clasificar o contar, no existe un orden
especfico entre las clases
Mutuamente Excluyente.- es una propiedad de un conjunto de categoras, implica
que una persona, objeto o medicin se ha de incluir en solo una categora.
Exhaustivo.- propiedad de un conjunto de categoras que implica que cada
individuo objeto o medicin debe aparecer en solo una categora
DATOS DE NIVEL NOMINAL

Mutuamente Excluyente.- una llamada en especial no puede iniciar tanto en ATyY
como en MCI
Exhaustivo.- Cada miembro debe aparecer solo en una de las caractersticas
Los datos de nivel nominal deben ser mutuamente excluyentes y exhaustivos,
adems los datos no tienen un orden lgico
DATOS DE NIVEL ORDINAL

Existe un orden especfico en los datos
Los datos a nivel ordinal deben tener las siguientes propiedades:
Las categoras para los datos son mutuamente excluyente y exhaustivas
Dichas categoras para los datos se clasifican por intervalos, o se ordenan de
acuerdo con las caractersticas particulares que poseen
DATOS DE NIVEL DE INTERVALO
Las propiedades de la escala de intervalo son:
Las categoras para los datos son mutuamente excluyentes y exhaustivas
Las categoras en cuestin estn ordenadas de acuerdo con la cantidad de la
caracterstica que poseen
Diferencias de iguales en la caracterstica se representan por diferencias iguales
en la medicin

Ejemplo.-

DATOS DE NIVELDE RAZN
Las propiedades del nivel de razn de los datos son:

Las categoras de los datos son mutuamente excluyentes y exhaustivas
Dichas categoras tienen un intervalo u orden de acuerdo con la cantidad de la
caracterstica que poseen.
Diferencias iguales en la caracterstica representadas por diferencias iguales en
los nmeros que se han asignado a las categoras mencionadas
El punto cero representa la ausencia de la caracterstica.

NIVELES DE DATOS NOMINAL ORDINAL DE INTERRVALO DE RAZN







Estadstica inferencial

Si el inters del Director de la escuela va ms all de la informacin obtenida,
necesitar otras tcnicas distintas a loa mtodos descriptivos.

Por ejemplo; podra desear conocer la aptitud promedio de las dems secretarias,
pero carece del tiempo o de los recursos para aplicar una prueba a todas ellas.
Podra utilizar la calificacin promedio de las cinco secretarias como base para
realizar una inferencia o estimacin acerca de la aptitud promedio de todas las
secretarias.

Con ese fin, necesitar conocer otra rama dela Estadstica conocida como
Estadstica Inferencial o Inferencia Estadstica.

Definicin

La inferencia estadstica es una tcnica mediante la cual se obtienen
Generalizaciones o se toman decisiones en base a una informacin parcial o
Completa obtenida mediante tcnicas descriptivas

Para concluir diremos que existe otra gran divisin de las tcnicas estadsticas:

a) Estadstica Paramtrica.
b) Estadstica No Paramtrica.

La Estadstica Paramtrica es un conjunto de tcnicas desarrolladas para niveles
altos de medicin como el de intervalos.

Los mtodos paramtricos permiten hacer inferencias acerca de parmetros
poblacionales de las distribuciones. Estos mtodos fueron los primeros en ser
desarrollados por los investigadores de la Estadstica.

La Estadstica no paramtrica es un conjunto de tcnicas diseadas para niveles
de mediciones menores, por ejemplo, el nominal y ordinal, para efectuar
estimaciones no habr parmetros en estricto sentido.

A los procedimientos estadsticos que no dependen para su validez de la forma
funcional de la distribucin original de la poblacin se les denomina
procedimientos no paramtricos o libres de distribucin.

Los Procedimientos No Paramtricos disponibles actualmente ofrecen varias
ventajas para el investigador y analista de datos; entre ellos se pueden mencionar
los que estableci Bradley en 1968:
1) La mayora de los procedimientos no paramtricos se basan en un conjunto
mnimo de suposiciones y esto tiende a reducir la posibilidad de utilizarlos
inadecuadamente.

2) Los clculos aritmticos necesarios para la aplicacin de muchos
procedimientos no paramtricos son cortos y fciles, de manera que con su
empleo se puede ahorrar tiempo.

3) Los procedimientos no paramtricos son por lo general fcilmente
comprensibles para personas no muy formadas matemtica o estadsticamente.

4) Se pueden aplicar los procedimientos no paramtricos cuando los datos que se
van a analizar consisten ms bien en rangos o conteos de frecuencia tales como
porcentaje de pruebas, estatura, peso, longitud, entre otras.

Estadstica descriptiva

La estadstica descriptiva es la rama de las Matemticas que recolecta, presenta
y caracteriza un conjunto, edad de datos (por ejemplo de una poblacin, altura de
los estudiantes de una escuela, temperatura en los meses de verano, etc.) con el fi
n de describir apropiadamente las diversas caractersticas de ese conjunto.

Al conjunto de los distintos valores numricos que adopta un carcter cuantitativo
se llama variable estadstica
.
Las variables pueden ser de dos tipos:

Variables cualitativas o categricas: no se pueden medir numricamente (por
ejemplo: nacionalidad, color de la piel, sexo).

Variables cuantitativas: tienen valor numrico (edad, precio de un producto,
ingresos anuales).

Las variables tambin se pueden clasificar en:

Variables unidimensionales: slo recogen informacin sobre una caracterstica
(por ejemplo: edad de los alumnos de una clase).

Variables bidimensionales: recogen informacin sobre dos caractersticas de la
poblacin (por ejemplo: edad y altura de los alumnos de una clase)
.
Variables pluridimensionales: recogen informacin sobre tres o ms
caractersticas (por ejemplo: edad, altura y peso de los alumnos de una clase).

Por su parte, las variables cuantitativas se pueden clasificar en discretas y
continuas:

Discretas: slo pueden tomar valores enteros (1, 2, 8, -4, etc.). Por ejemplo:
nmero de hermanos (puede ser 1, 2, 3...., etc., pero, por ejemplo, nunca podr
ser 3.45).

Continuas: pueden tomar cualquier valor real dentro de un intervalo. Por ejemplo,
la velocidad de un vehculo puede ser 90.4 km/h, 94.57 km/h...etc.

Cuando se estudia el comportamiento de una variable hay que distinguir los
siguientes conceptos:

Individuo: cualquier elemento que porte informacin sobre el fenmeno que se
estudia. As, si estudiamos la altura de los nios de una clase, cada alumno es un
individuo; si se estudia el precio de la vivienda, cada vivienda es un individuo.

Poblacin: conjunto de todos los individuos (personas, objetos, animales, etc.)
que porten informacin sobre el fenmeno que se estudia. Por ejemplo, si se
estudia el precio de la vivienda en una ciudad, la poblacin ser el total de las
viviendas de dicha ciudad.

Muestra: subconjunto que seleccionado de una poblacin. Por ejemplo, si se
estudia el precio de la vivienda de una ciudad, lo normal ser no recoger
informacin sobre todas las viviendas de la ciudad (sera una labor muy compleja),
sino que se suele seleccionar un subgrupo (muestra) que se entienda que es
suficientemente representativo.

Las variables aleatorias son variables que son seleccionadas al azar o por
procesos aleatorios.

MEDIA, MEDIANA Y MODA

Cuando se tiene un grupo de observaciones, se desea describirlo a travs de un
slo nmero. Para tal fin, no se usa el valor ms elevado ni el valor ms pequeo
como nico representante, ya que slo representan los extremos. Una de las
propiedades ms sobresalientes de la distribucin de datos es su tendencia a
acumularse hacia el centro de la misma. Esta caracterstica se denomina
tendencia central
.
Las medidas de tendencia central ms usuales son: la media aritmtica, la
mediana y la moda.

MEDIA ARITMTICA

La media aritmtica de n valores, es igual a la suma de todos ellos dividida entre
n. Se denota por x. Esto es:

Cuando los datos tienen ms de una frecuencia, para obtener la media aritmtica
se agrega otra columna a la tabla estadstica con el producto de las observaciones
y sus frecuencias. Es decir, si se cuenta con una distribucin de datos entonces se
aplica la frmula:



Ejemplo.
Con los datos: 10, 8, 6, 15, 10, 5, hallar la media aritmtica.
Solucin.

Ejemplo.
Mediante la siguiente distribucin de frecuencias que muestra las estaturas en
metros de los alumnos de un grupo de la Facultad de Contadura y Administracin,
hallar la media aritmtica.

Solucin
Construyendo una tabla





Las caractersticas de la media aritmtica son:

1. Es una medida totalmente numrica o sea slo puede calcularse en datos de
caractersticas cuantitativas.
2. En su clculo se toman en cuenta todos los valores de la variable.
3. Es lgica desde el punto de vista algebraico.
4. La media aritmtica es altamente afectada por valores extremos.
5. No puede ser calculada en distribuciones de frecuencia que tengan clases
abiertas.
6. La media aritmtica es nica, o sea, un conjunto de datos numricos tiene una y
slo una media aritmtica.


MEDIANA

La medianaes el punto central de una serie de datos ordenados de forma
ascendente o escendente.

De acuerdo al nmero de casos o datos, hay dos formas para calcular la mediana:
para nmero impar y para nmero par:

Nmero impar de datos ordenados de menor a mayor o de mayor a menor: la
mediana es el valor
que queda justo al centro.

Ejemplo.

Obtener la mediana de los siguientes datos: 4, 7, 1, 9, 2, 5, 6.

Solucin.

Ordenando de forma ascendente: 1, 2, 4, 5, 6, 7, 9.

El valor que queda al centro es el 5, porque hay tres datos antes y tres datos
despus de l, entonces la mediana es 5.

Nmero de datos par: en este caso se busca la media aritmtica entre los dos
valores centrales.

Ejemplo.

Obtener la mediana de los siguientes datos: -3, 5, 18, 4, 11, -6, 9, 10, -1, 2.


Solucin.

Ordenando de forma ascendente: -6, -3, -1, 2, 4, 5,9, 10, 11, 18.
Los valores centrales son 4 y 5. Su media aritmtica es:

En este caso, la mediana de este conjunto no pertenece al conjunto de datos.

Las caractersticas de la mediana son:

1. En su clculo no se incluyen todos los valores de la variable.
2. La Mediana no es afectada por valores extremos.
3. Puede ser calculada en distribuciones de frecuencia con clases abiertas.
4. No es lgica desde el punto de vista algebraico
.

MODA

La moda de un conjunto de datos numricos es el valor que ms se repite, es
decir, el que tiene el mayor nmero de frecuencias absolutas. La moda puede ser
no nica e inclusive no existir.

La moda es una medida de tendencia central muy importante, porque permite
planificar, organizar y producir para satisfacer las necesidades de la mayora.

Ejemplo.

Obtener la moda de los siguientes datos: -3, 3, -2,0, 3, -1, -2, 4, 5, -2, 0, 1.

Solucin.

Ordenando de forma ascendente: -3, -2, -2, -2, -1, 0, 0, 1, 3, 3, 4, 5.

El valor que ms se repite es el -2, por lo tanto ese valor es su moda.

Ejemplo.

Obtener la moda de los siguientes datos: 6, 2, -1,
-5, 3, -3, -2, 5, 0, -4, 4, 1.

Solucin.

Ordenando de forma ascendente: -5, -4, -3, -2, -1, 0, 1, 2, 3, 4, 5, 6.

Ningn valor se repite es, decir su moda no existe.


Ejemplo.

En una tienda, 18 empleados presentan la siguiente informacin:


Cul es la moda de las horas laboradas por los empleados?

Solucin.

Hay dos valores con frecuencia 5. Entonces, se concluye que hay ms de una
moda. La mayor frecuencia son 8 y 9 horas diarias de trabajo.

Las caractersticas de la moda son:
1. En su clculo no se incluyen todos los valores de la variable.
2. El valor de la moda puede ser afectado grandemente por el mtodo de
designacin de los intervalos de clases.
3. No est definida algebraicamente.
4. Puede ser calculada en distribuciones de frecuencia que tengan clases abiertas.
5. No es afectada por valores extremos.

DESVIACION ESTNDAR

La desviacin estndar o desviacin tpica se define como la raz cuadrada de los
cuadrados de las desviaciones de los valores de la variable respecto a su media.
Esto es:

La desviacin estndar es una medida estadstica de la dispersin de un grupo o
poblacin. Una gran desviacin estndar indica que la poblacin esta muy
dispersa respecto de la media. Una desviacin estndar pequea indica que la
poblacin est muy compacta alrededor de la media.

Para el caso de datos agrupados, la desviacin estndar se calcula por medio de:


CONTROL ESTADSTICO DE PROCESOS
Mide el funcionamiento de un proceso.
Se utilizan las matemticas (estadstica).
Es necesario una recoleccin, organizacin e interpretacin de los datos.
Objetivo: proporcionar una seal estadstica cuando aparezcan causas de
variacin imputables.
Se usa para:
controlar el proceso de produccin y
examinar las muestras de los productos finalizados. Control estadstico de
procesos (CEP)
Tipos de control estadstico de procesos

Caractersticas de calidad
Variables
Caractersticas que se pueden medir (por ejemplo, el peso o la longitud).
Pueden ser nmeros enteros o fracciones.
Muchas variables aleatorias.

Atributos
Caractersticas centradas en los defectos.
Los productos se clasifican en productos buenos o malos, o se cuentan
los defectos que tengan.
o Por ejemplo, una radio funciona o no.
Variables aleatorias categricas o discretas.
Control estadstico de procesos (CEP)
Es una tcnica estadstica que se usa para asegurar que los procesos
cumplen con los estndares.
Todos los procesos estn sujetos a ciertos grados de variabilidad.
Causas naturales: Variaciones aleatorias.
Causas imputables: Problemas corregibles.
Maquinaria de desgaste, trabajadores no cualificados, material
de baja calidad.
Objetivo: Identificar las causas imputables.
Se usan los grficos de control de procesos.


Control de procesos: tres tipos de resultados

Relacin entre la distribucin de la poblacin y la distribucin de las
muestras

La distribucin de las medias en el muestreo y la distribucin del proceso

Grficos del proceso de control

Objetivos de los grficos de control
Mostrar los cambios que se han producido en los datos.
Por ejemplo, las tendencias.
Realizar las correcciones antes de que el proceso est fuera
de control.
Mostrar las causas de las variaciones en los datos.
Causas imputables.
Los datos situados fuera de los lmites de control o la
tendencia en los datos.
Causas naturales.
Variaciones aleatorias alrededor de la media.
Fundamento terico de los grficos de control


Pasos del control estadstico de procesos