Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Seminarios de Automatizacin y
Control
Definiciones
estadsticas
a
usar
en
la
administracin y herramientas para resumir datos
Integrantes:
Diego Pichoasamin
Diego Barragn
Cristian Andino
Marcelo Alvarez
2014
CONTENIDO
RESUMEN ........................................................................................................................................................... 2
1.
INTRODUCCIN ......................................................................................................................................... 2
2.
OBJETIVOS ................................................................................................................................................. 2
3.
2.1
2.2
DESARROLLO .............................................................................................................................................. 3
3.1.
A.
B.
C.
D.
3.2.
A.
B.
HISTOGRAMA ................................................................................................................................ 13
C.
D.
E.
MUESTREO .................................................................................................................................... 27
4.
5.
CONCLUSIONES ........................................................................................................................................ 31
6.
BIBLIOGRAFIA .......................................................................................................................................... 31
2014
RESUMEN
En el siguiente trabajo se habla sobre los diferentes conceptos y las herramientas estadsticas que se
emplean frecuentemente para recolectar, organizar, presentar, analizar e interpretar datos obtenidos
despus de algn trabajo, investigacin, encuesta, etc. Estas herramientas nos permiten una toma de
decisiones ms efectiva de una manera rpida ya que no requerimos grandes cantidades de informacin
sino solo un balance general que nos resuma de la mejor manera los resultados obtenidos.
1. INTRODUCCIN
La Estadstica, como todas las ciencias, no surgi de improviso, sino mediante un proceso largo de desarrollo
y evolucin, desde hechos de simple recoleccin de datos hasta la diversidad y rigurosa interpretacin de los
datos que se dan hoy en da. As pues, el origen de la Estadstica se remonta a los comienzos de la historia y
esto se sabe tanto a travs de crnicas, datos escritos, como de restos arqueolgicos, y esto es explicable
por cuanto en ese tiempo se estaba formado recin la sociedad y es algo inherente la necesidad de saber
cosas elementales como: cuntos habitantes tiene a tribu, con cuantos bienes cuenta, etc.
Ante la cantidad de informacin que recibe y comparte un individuo promedio en el medio en que se
desenvuelve, hace que se requiera de conocimientos bsicos estadsticos para: interpretarla, comunicarla y
utilizarla. Todo esto conlleva a plantear una cultura estadstica base necesaria.
Para un directivo empresarial no es sencillo analizar cada uno de los componentes de un informe o trabajo
realizado por sus colaboradores, lo que l debe recibir y analizar es tan solo un balance general en el que se
destaquen los elementos ms relevantes e importantes. Para casos como este es cuando se debe recurrir a
herramientas estadsticas que nos permitan resumir grandes cantidades de informacin para facilitar su
entendimiento y para ahorrar tiempo en su anlisis. Las herramientas ms utilizadas para lograr este
objetivo son; histogramas, distribuciones, muestreos y otras herramientas, en el siguiente trabajo se
mostrarn las principales caractersticas de cada una de estas herramientas estadsticas.
2. OBJETIVOS
2.1
OBJETIVO GENERAL
2.2
OBJETIVOS ESPECFICOS
Mostrar las principales definiciones y conceptos de estadstica que se utilizan en la
administracin y otros campos.
Indicar las principales caractersticas de las diferentes herramientas que existen para
resumir datos.
Mostrar las principales aplicaciones y utilidad de las herramientas empleadas para resumir
datos.
Indicar los pasos principales para elaborar cada una de las herramientas que se utilizan
para resumir datos
2
2014
3. DESARROLLO
3.1. DEFINICIONES
ESTADSTICAS
ADMINISTRACIN
USAR
EN
LA
U TILIDAD E I MPORTANCIA
Los mtodos estadsticos tradicionalmente se utilizan para propsitos descriptivos, para organizar y resumir
datos numricos. La estadstica descriptiva, por ejemplo trata de la tabulacin de datos, su presentacin en
forma grfica o ilustrativa y el clculo de medidas descriptivas. Las tcnicas estadsticas se aplican de manera
amplia en mercadotecnia, contabilidad, control de calidad y en otras actividades; estudios de consumidores;
anlisis de resultados en deportes; administradores de instituciones; en la educacin; organismos polticos;
mdicos; y por otras personas que intervienen en la toma de decisiones.
M TODO E STADSTICO
El conjunto de los mtodos que se utilizan para medir las caractersticas de la informacin, para resumir los
valores individuales, y para analizar los datos a fin de extraerles el mximo de informacin, es lo que se
llama mtodos estadsticos. Los mtodos de anlisis para la informacin cuantitativa se pueden dividir en los
siguientes seis pasos:
Sesgo: Es imposible ser completamente objetivo o no tener ideas preconcebidas antes de comenzar
a estudiar un problema, y existen muchas maneras en que una perspectiva o estado mental pueda
influir en la recopilacin y en el anlisis de la informacin. En estos casos se dice que hay un sesgo
cuando el individuo da mayor peso a los datos que apoyan su opinin que a aquellos que la
contradicen. Un caso extremo de sesgo sera la situacin donde primero se toma una decisin y
despus se utiliza el anlisis estadstico para justificar la decisin ya tomada.
2014
Es importante que todo profesional que utilice la estadstica como herramienta auxiliar de trabajo, posea un
mnimo de conocimientos y habilidades prcticas en aquellas tcnicas que le facilitarn el buen desarrollo de
esta actividad.
E STADSTICA DESCRIPTIVA .
La estadstica descriptiva comprende las tcnicas que se emplean para resumir y describir datos numricos.
Son sencillas desde el punto de vista matemtico y su anlisis se limita a los datos coleccionados sin inferir
en un grupo mayor. El estudio de los datos se realiza con representaciones grficas, tablas, medidas de
posicin y dispersin.
E STADSTICA INFERENCIAL .
El problema crucial de la estadstica inferencial es llegar a proposiciones acerca de la poblacin a partir de la
observacin efectuada en muestras bajo condiciones de incertidumbre. sta comprende las tcnicas que
aplicadas en una muestra sometida a observacin, permiten la toman de decisiones sobre una poblacin o
proceso estadstico.
2014
Los elementos que integran una poblacin pueden corresponder a personas, objetos o grupos (por ejemplo,
familias, fbricas, empresas, etc.). Las caractersticas de la poblacin se resumen en valores llamados
parmetros.
M UESTRA
La mayora de los estudios estadsticos, se realizan no sobre la poblacin, sino sobre un subconjunto o una
parte de ella, llamado muestra, partiendo del supuesto de que este subconjunto presenta el mismo
comportamiento y caractersticas que la poblacin. En general el tamao de la muestra es mucho menor al
tamao de la poblacin.
Muestra representativa de la poblacin: cuando cada uno de los elementos que la forman cumple
ciertas propiedades y de las cuales estudiaremos un determinado fenmeno, ha sido
escogido aleatoriamente. Es decir los elementos que la componen y los restantes que no la
componen han tenido las mismas probabilidades de ser elegidos.
Muestra no representativa de la poblacin: Cuando los elementos que la componen no han sido
escogidos aleatoriamente.
V ARIABLE
Se llama variable a una caracterstica que se observa en una poblacin o muestra, y a la cual se desea
estudiar. La variable puede tomar diferentes valores dependiendo de cada individuo. Una variable se puede
clasificar de la siguiente manera.
Ejemplo anlisis del tipo de variables
Var1: peso del artculo
Var2: nivel de instruccin del cliente
Var3: tiempo de vida til del artculo
Var4: estado civil del cliente
Var5: nmero de sucursales del banco
2014
Variable cuantitativa: aquellas que resultan de hacer mediciones o conteos. Se expresan en forma
numrica
Variable cuantitativa discreta: resultan de hacer conteos. Estn asociadas a
nmeros enteros. (var5)
Variable cuantitativa continua: resultan de hacer mediciones. Estn asociadas a
nmeros reales. (var3)(var1)
Ejemplo1: En una escuela se quiere saber cul es el deporte ms practicado por los alumnos. Se realiza una
encuesta a cinco alumnos de cada curso.
Variable: Cualitativa
(Deporte que practica).
Ejemplo2: Se desea conocer cul es la estatura de los alumnos de una escuela. Se miden 10 alumnos por
curso.
Muestra: 10 alumnos
por curso, elegidos al
azar
Variable: cuantitativa
continua (Estatura).
2014
Observacin
Es el dato registrado.
Parmetro
Es una constante que caracteriza a una poblacin.
Media
Mediana
Moda
Varianza poblacional
Desviacin Estndar
Proporcin
Diferencia de Medias
Diferencia de proporciones
Coeficiente de correlacin
Valor estadstico
Es un valor calculado usando las observaciones de la muestra
M EDIA A RITMTICA
Es el promedio de los datos, y su objetivo principal es encontrar el valor que debera de estar en el centro.
Su ventaja principal es que es la nica medida en la que
x x 0 , su inconveniente es que se ve
Propiedades
Es una medida nica.
Es afectada por todas las observaciones e influida por las magnitudes absolutas de los
valores extremos de la serie.
x x 0
X
X=
i 1
10 12 36 25 58 121
24.2
5
5
2014
Salario (X)
No de Empleados (F)
$ 15000
18
$ 20000
35
$ 25 000
29
f
X=
x
i 1
*X i
82
M EDIANA M UESTRAL ( ME )
Es el valor central, el que delimita al 50% de los datos, es decir, es el valor que se encuentra exactamente en
la mitad de los datos.
Ejemplo: El tiempo mensual, en horas, dedicados a estudiar son: 24.2, 15.8, 25.0, 18.3, 23.6, 14.3
Los datos ordenados son: 14.3, 15.8, 18.3, 23.6, 24.2, 25.0
Encontramos la posicin de los datos:
posicin
n 1 6 1
El valor de la posicin nos da un valor decimal (3.5) y entonces debemos: sumar los valores
involucrados de la posicin y dividirlos entre 2
me
18,3 23,6
20,95
2
M ODA MUESTRAL ( MO )
Dado un conjunto de datos, la moda muestral es el valor que se repite con mayor frecuencia.
Ejemplo: El tipo de apariencia registrada: (1) Normal, (2) Defectuoso, en un grupo de artculos es: 1, 1, 1, 1,
1, 1, 1, 1, 2, 2, 2, 2, 2
La moda muestral, mo = 1
Por lo tanto Entre los artculos en estudio, el tipo de apariencia ms frecuente es el Normal.
2014
D. MEDIDAS DE VARIABILIDAD
Son indicadores del grado de dispersin de los datos. Entre los ms importantes estn las que se muestran a
continuacin:
Ejemplo: Sea X, las indemnizaciones recibidas por cuatro trabajadores de dos empresas A y B
A
100
120
350
370
225
230
240
245
V ARIANZA ( )
2
Es el promedio del cuadrado de la distancia de los datos a su media, sirve para identificar a la media de las
desviaciones cuadrticas de una variable de carcter aleatorio, considerando el valor medio de sta.
Ayuda a determinar qu tanto pueden variar tus datos. Lo ideal sera la varianza igual a cero ya que tus
datos seran perfectos y no hay posibilidad de variacin, pero en la vida real esto no sucede.
X x
N
2 =
i 1
Donde =media
N=nmero de la poblacin
X x
N
2 =
i 1
Donde =media
n=nmero de la poblacin
D ESVIACIN ESTNDAR ( )
Se define como la raz cuadrada con signo positivo de la varianza. Uno de los conceptos ms importantes
relacionados con la varianza es la desviacin estndar, tambin conocida como tpica, que representa la
magnitud de la dispersin de variables de intervalo y de razn, y resulta muy til en el campo de
la estadstica descriptiva. Para obtenerla, simplemente se parte de la varianza y se calcula su raz cuadrada.
2014
X x
N
i 1
X x
N
i 1
n -1
C OEFICIENTE DE VARIABILIDAD
Indica la relacin existente entre la desviacin tpica de una muestra y su media.
CV
Al dividir la desviacin tpica por la media se convierte en un valor excento de unidad de medida. Si
comparamos la dispersin en varios conjuntos de observaciones tendr menor dispersin aquella que tenga
menor coeficiente de variacin. El principal inconveniente, es que al ser un coeficiente inversamente
proporcional a la media aritmtica, cuando est tome valores cercanos a cero, el coeficiente tender a
infinito.
Peso (gr)
Unidad 1
490
Unidad 2
500
Unidad 3
510
Unidad 4
515
Unidad 5
520
10
2014
X
X=
X=
i 1
507
5
5
X x
N
2 =
i 1
n -1
(490 507)2 (500 507)2 (510 507) 2 (515 507)2 (520 507) 2 580
145
5 -1
4
Desviacin Estndar
145 12,04 12
Con lo que concluiramos que el peso promedio de los empaques es de 507 gramos, con una tendencia a
variar por debajo o por encima de dicho peso en 12 gramos. Esta informacin le permite al gerente
determinar cunto es el promedio de perdidas causado por el exceso de peso en los empaques y le da las
bases para tomar los correctivos necesarios en el proceso de empacado.
A. DISTRIBUCIN DE FRECUENCIAS
D EFINICIN
La distribucin de frecuencias es una herramienta estadstica para representar numerosos hechos, de forma
tal que ponga de manifiesto la tendencia central y la dispersin a lo largo de la escala de medida.
La tabla 4 muestra los datos originales correspondientes a la medicin de la resistencia elctrica de 100
bobinas.
11
2014
Ahora en la tabla 5 aparecen los mismos datos una vez tabulados. Obsrvese cmo la clasificacin del
analista en la columna Tabulacin, pone en evidencia la tendencia central y la dispersin. La columna
Frecuencia es simplemente la suma correspondiente a cada una de esas clasificaciones. La columna
Frecuencia acumulada indica el nmero de bobinas con resistencia igual o mayor al valor de resistencia
indicado en la lnea correspondiente.
La tabla 5 presenta una gama de valores que van de 3,33 a 3,27 en 17 intervalos de 0,01 ohmio cada uno.
Cuando se desea reducir el nmero de dichos intervalos, se agrupan los datos en clases. La tabla 6
muestra los mismos datos agrupados en una distribucin de frecuencias con slo seis clases, cada una de las
cuales tiene una amplitud de 0.03 ohmios. La agrupacin de los datos en clases simplifica la presentacin y
el estudio de la distribucin, pero se pierden algunos detalles.
12
2014
1. Decida el
nmero de clases
2. Calcule el
intervalo de clase
aproximado
3. Contruya las
clases indicando los
extremos de las
mismas
4. Marque cadaa
observacion dentro
de la clase que le
corresponda
Las clases que aparecen en la tabla 7 sirven de orientacin adecuada en l mayora de los casos. Deben
considerarse slo como simples orientaciones que se pueden modificar siempre que sea necesario.
B. HISTOGRAMA
D EFINICIN
Un Histograma es un tipo especial de grfica de barras que despliega la variabilidad dentro de un proceso;
toma datos variables (tales como alturas, pesos, densidades, tiempo, temperaturas, etc.) y despliega su
distribucin. Los patrones inusuales o sospechosos pueden indicar que un proceso necesita investigacin
para determinar su grado de estabilidad.
Con ste instrumento, a travs del concepto de clase, de dispersin y de frecuencia, el hombre de ciencia
tiene la posibilidad de captar la estructura estadstica de los datos que ha recogido y de interpretar su
sentido.
13
2014
El histograma utiliza los conceptos de clase, rango y frecuencia que se estudiaran a continuacin:
Clase
Por clase se entiende a la dimensin de un intervalo de variabilidad de los datos que se toma como base
para representar los propios datos. En la Error! No se encuentra el origen de la referencia.Figura la
dimensin de las clases es diez y se pueden contar siete intervalos: de 131 a 140, de 141 a 150 y as
sucesivamente hasta el valor de 200.
Rango
Por rango se entiende la dimensin del intervalo existente entre el mximo y el mnimo de los valores.
En el histograma de la Figura 5, el rango va de 130 a 200 y, por consiguiente, su valor es de 70.
Frecuencia
8:00
LUN
94
MAR
97
MIER
92
JUE
94
VIE
104
SAB
108
LUN
95
MAR
98
MIER
111
JUE
85
VIE
109
SAB
110
9:00
109
118
92
100
109
92
105
111
96
110
108
97
10:00
105
97
101
102
93
99
97
109
95
96
103
88
11:00
85
96
93
93
94
92
108
99
95
91
88
96
14
2014
12:00
93
103
95
99
101
80
98
101
106
95
103
83
13:00
111
100
90
98
110
85
111
109
104
97
115
93
14:00
109
92
108
89
103
95
91
99
95
93
105
97
15:00
102
99
86
96
110
92
94
99
87
114
100
102
16:00
99
115
84
89
110
85
93
101
84
89
113
91
17:00
93
104
84
85
109
99
100
100
94
91
113
109
Fase1:
De la tabla de datos, tomamos el valor mximo (M) y el mnimo (m). En nuestro caso, M=118 y m=80.
Seguidamente, calculamos el denominado rango (R) como diferencia entre el valor mximo y el mnimo: R=
118 80 = 38.
Fase 2:
Ahora, definimos el nmero de clases. El nmero de clases, que se indican mediante K, se elige en funcin
del nmero de datos N, para lo que puede utilizarse el criterio de la raz cuadrada;
N=120 y K=10,95 y, por aproximacin, elegimos 10.
, en nuestra caso,
Fase 3:
La amplitud de cada clase (H se obtiene dividiendo el rango de R pro el nmero de clases K. En nuestro caso:
R/K=38/10=3,8.
Normalmente, la amplitud de cada clase se redondea a un valor ms cmodo, en nuestro caso, H=4. As
hemos determinado que nuestro histograma tendr diez clases de amplitud cuatro.
Datos
Valor
N (nmero de mediciones)
M (mximo valor)
m (mnimo valor)
R (ranngo)
K (nmero de clases)
H (amplitud)
120
118
80
38
10
4
Fase 4:
En este punto se definen los lmites de las clases empezando por el valor mnimo, en nuestro caso 80.
Ese valor se asume como lmite inferior de la primera clase. El lmite superior de la primera clase se calcula
sumando a 80 la amplitud de clase, que es igual a cuatro.
El lmite superior de la primera clase coincide con el lmite inferior de la segunda clase. Los lmites de las
clases sucesivas se definen sumando cada vez el valor de la amplitud de clase.
15
2014
Generalmente, para los valores comprendidos entre dos clases, como, en el ejemplo, 88, se adopta la
siguiente conversin: todos los datos que corresponden a los lmites de las clases se registran en la clase
superior como se muestra en la tabla 5.
Clase
Frecuencia
80
84
88
92
14
96
25
100
22
104
14
108
112
17
116
120
Fase 5:
Se prepara la tabla de las frecuencias y se registran los datos. El registro de los datos requiere una especial
atencin, ya que ciertos valores pueden corresponder exactamente a los lmites.
Se pasa a continuacin al completo registro de los datos en la tabla de frecuencia y se cuenta el nmero de
datos que entran en cada clase.
La primera clase, por ejemplo, comprender los valores 80 y 83; la segunda, los valores 84 (3 veces), 85 (4
veces), 86 (2 veces) y 87 (1 vez).
Se puede observar en la Figura 6 el grfico correspondiente al ejemplo realizado.
Ejemplo Histograma
30
25
25
22
20
17
14
15
14
10
8
5
5
1
0
80-84
84-88
88-92
92-96
96-100
16
2014
Los histogramas ofrecen aspectos particulares que reflejan errores de elaboracin o, con mayor frecuencia
la existencia de problemas en el proceso objeto de anlisis. Generalmente, se pueden presentar las
siguientes caractersticas:
Histogramas En Isla
En el caso de los histogramas en isla, es preciso investigar las causas de esos escasos datos aislados, que
pueden derivar de errores de medicin debidos al instrumento o al operario o proceder de datos no
homogneos con los precedentes como consecuencia de diversos lotes de produccin, materiales o
mquinas (Figura 8).
En cuanto a los histogramas con dientes de peine algo no va en los intervalos de las clases a cause de un
redondeo inadecuado de las medidas o de un excesivo nmero de clases respecto de los datos disponibles
(Figura 9).
17
2014
Histogramas Asimtricos
Los histogramas asimtricos pueden haber sido causados por cualquier tipo de error en la recogida de los
datos o en la medicin o por la superposicin de datos no homogneos que ser preciso estratificar (Figura
10).
Histograma En Precipicio
Los histogramas en precipicio son debidos a errores de medicin, a valores falseados accidental o
voluntariamente durante la fase de recogida o a la existencia de un lmite no previsto en la fase de cogida de
datos (Figura 11).
18
2014
Puede ocurrir que nos encontremos ante un histograma que presente dos puntas y que, por consiguiente,
asuma
una
forma
de
joroba
de
camello
(Figura
12).
As sucede cuando los datos recogidos afectan a dos conjuntos diversos como, por ejemplo, dos mquinas,
dos operarios, dos materias primas diferentes o cuando interviene en el proceso algo concreto que altera la
distribucin natural.
En estos casos es preciso definir criterios adecuados de estratificacin y reflejar seguidamente los datos
estratificados.
C. DISTRIBUCIONES DE PROBABILIDAD
Una distribucin de probabilidad indica toda la gama de valores que pueden representarse como resultado
de un experimento si ste se llevase a cabo.
Describe la probabilidad
de que un evento se
realice en el futuro
Puede disear un
escenario de
acontecimientos
futuros considerando
las tendencias actuales
Una distribucin de probabilidad es una lista de las probabilidades de todos los resultados posibles que
pudieran resultar si el experimento se hace; es decir, es la suma de todas las funciones en las que interviene
la variable aleatoria x bajo estudio.
19
2014
Las distribuciones de probabilidad siempre es la suma de todas las funciones posibles, por tanto su
sumatoria siempre tiene que ser igual al espacio muestral; esto es:
Distribucin binomial
La distribucin binomial es una distribucin de probabilidad discreta que cuenta el nmero de xitos en
una secuencia de n ensayos de Bernoulli independientes entre s, con una probabilidad fija p de
ocurrencia del xito entre los ensayos.
Un experimento de Bernoulli se caracteriza por ser dicotmico, esto es, slo son posibles dos
resultados. A uno de estos se denomina xito y tiene una probabilidad de ocurrencia p y al otro, fracaso,
con una probabilidad q = 1 - p.
En la distribucin binomial el anterior experimento se repite n veces, de forma independiente, y se trata
de calcular la probabilidad de un determinado nmero de xitos. Para n = 1, la binomial se convierte, de
hecho, en una distribucin de Bernoulli. Su funcin de probabilidad es:
20
2014
Distribucin Poisson
La distribucin de Poisson es una distribucin de probabilidad discreta que expresa, a partir de una
frecuencia de ocurrencia media, la probabilidad de que ocurra un determinado nmero de eventos
durante cierto perodo de tiempo.
Concretamente, se especializa en la probabilidad de ocurrencia de sucesos con probabilidades muy
pequeas, o sucesos "raros".
Su funcin de probabilidad es:
D ISTRIBUCIONES CONTINUAS
Se presentan cuando nuestra variable de estudio es continua; esto es, puede asumir valores dentro de un
intervalo de valores.
Distribucin normal
Se llama distribucin normal, distribucin de Gauss o distribucin gaussiana, a una de las distribuciones
de probabilidad de variable continua que con ms frecuencia aparece aproximada en fenmenos reales.
21
2014
Las cartas de control son la herramienta ms poderosa para analizar la variacin en la mayora de los
procesos. Han sido difundidas exitosamente en varios pases dentro de una amplia variedad de situaciones
para el control del proceso.
Las cartas de control enfocan la atencin hacia las causas especiales de variacin cuando estas aparecen y
reflejan la magnitud de la variacin debida a las causas comunes. Las causas comunes o aleatorias se deben
a la variacin natural del proceso.
Las causas especiales o atribuibles son por ejemplo: un mal ajuste de mquina, errores del operador,
defectos en materias primas. Se dice que un proceso est bajo Control Estadstico cuando presenta causas
comunes nicamente. Cuando ocurre esto tenemos un proceso estable y predecible.
Cuando existen causas especiales el proceso est fuera de Control Estadstico; las grficas de control
detectan la existencia de estas causas en el momento en que se dan, lo cual permite que podamos tomar
acciones al momento.
22
2014
V ENTAJAS
a.
b.
c.
d.
e.
Ventajas significativas
Desventajas significativas
Ms econmicas
No proporciona informacin
detallada
del
control
de
caractersticas individuales.
23
2014
Descripcin
Medias y Rangos
Medias y desviacin
estndar.
Individuales
Campo de aplicacin.
Control de caractersticas individuales.
Control de caractersticas individuales.
Control de un proceso con datos variables que no pueden ser
muestreados en lotes o grupos.
Atributos
Carta
P
NP
C
U
Descripcin
Proporciones
Nmero de defectuosos
Defectos por unidad
Promedio de defectos
por unidad
Campo de aplicacin.
Control de la fraccin global de defectuosos de un proceso.
Control del nmero de piezas defectuosas
Control de nmero global de defectos por unidad
Control del promedio de defectos por unidad.
La longitud de un tramo de tubo se registra para cada producto. Realice la grfica de control
individual.
Parte
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
Longitud
12.02
11.85
11.98
11.72
11.88
12.07
12.03
12.13
12.16
12.16
12.16
12.21
12.19
11.93
11.89
24
2014
Terminologa
k = nmero de piezas
n = 2 para calcular los rangos
LSC X X E2 R
LIC X X E2 R
LSCR D4 R
LICR D3 R
Donde D4, D3, E2 son constantes que varan segn el tamao de muestra usado para agrupar los rangos
mviles como se muestra en la tabla siguiente:
n
D4
D3
E2
2
3.27
0
2.66
3
2.57
0
1.77
4
2.28
0
1.46
5
2.11
0
1.29
6
2.00
0
1.18
7
1.92
0.08
1.11
8
1.86
0.14
1.05
9
1.82
0.18
1.01
10
1.78
0.22
0.98
Generalmente se utiliza n = 2
Parte
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
Longitud
12.02
11.85
11.98
11.72
11.88
12.07
12.03
12.13
12.16
12.16
12.16
12.21
12.19
11.93
11.89
12.03
Rangos
0.17
0.13
0.26
0.16
0.19
0.04
0.10
0.03
0.00
0.00
0.05
0.02
0.26
0.04
0.10
25
2014
Se calcula el rango mvil de la siguiente manera: diferencia entre 1 y 2 lectura, 2 y 3 y as hasta n-1.
Individual Value
12.25
12.15
12.05
Mean=12.03
11.95
11.85
11.75
LCL=11.75
1
11.65
0
10
15
Observation Number
Moving Range
0.3
0.2
0.1
R=0.1036
0.0
LCL=0
0
10
15
Observation Number
Revisar la grfica de rangos para puntos fuera de los lmites de control como signo de la existencia de
causas especiales. Note que los rangos sucesivos estn correlacionados, debido a que tienen un punto
en comn y debido a esto se tiene que tener cuidado al interpretar tendencias.
Las grficas por lecturas individuales pueden ser analizadas para puntos fuera de los lmites de control,
dispersin de puntos dentro de los lmites de control y para tendencias o patrones. Cabe hacer notar
que si la distribucin de proceso no es simtrica, las reglas mostradas anteriormente para grficas X
podrn dar seales de causas especiales sin que stas existan.
26
2014
U SOS MS COMUNES
Cartas de control para
el anlisis de calidad en
manufactura
Ejemplos de
caractersticas de
calidad.
Peso promedio
Longitud promedio
Dimetro promedio
Tiempo promedio de
servicio
Nmero de
inconformidades en la
unidad.
D. MUESTREO
En ocasiones en que no es posible o conveniente realizar un censo (analizar a todos los elementos de una
poblacin), se selecciona una muestra, entendiendo por tal una parte representativa de la poblacin.
El muestreo es por lo tanto una herramienta de la investigacin cientfica, cuya funcin bsica es
determinar que parte de una poblacin debe examinarse, con la finalidad de hacer inferencias sobre
dicha poblacin.
La muestra debe lograr una representacin adecuada de la poblacin, en la que se reproduzca de la
mejor manera los rasgos esenciales de dicha poblacin que son importantes para la investigacin. Para
que una muestra sea representativa, y por lo tanto til, debe de reflejar las similitudes y diferencias
encontradas en la poblacin, es decir ejemplificar las caractersticas de sta.
Los errores ms comunes que se pueden cometer son:
Hacer conclusiones muy generales a partir de la observacin de slo una parte de la Poblacin,
se denomina error de muestreo.
Hacer conclusiones hacia una Poblacin mucho ms grandes de la que originalmente se tom la
muestra. Error de Inferencia.
En la estadstica se usa la palabra poblacin para referirse no slo a personas si no a todos los
elementos que han sido escogidos para su estudio y el trmino muestra se usa para describir una porcin
escogida de la poblacin.
T IPOS DE MUESTREO
A. 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 seleccionadas. Slo estos mtodos de muestreo probabilsticos nos aseguran la
27
2014
representatividad de la muestra extrada y son, por tanto, los ms recomendables. Dentro de los
mtodos de muestreo probabilsticos encontramos los siguientes tipos:
1.
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.
3.
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,...).
4.
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.
28
1.
2014
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.
4. Muestreo Discrecional
A criterio del investigador los elementos son elegidos sobre lo que l cree que pueden aportar al
estudio.
Ejemplo de aplicacin
Supongamos que en una empresa se encuentran los siguientes funcionarios:
Y se nos pide que tome una muestra de 40 personas, estratificada segn las categoras anteriores. El primer
paso es encontrar el nmero total de personal y calcular el porcentaje de cada grupo.
29
2014
Por tanto:
50% de 40 es 20.
10% de 40 es 4.
5% de 40 es 2.
35% de 40 es 14
Poltica: Las muestras de las opiniones de los votantes se usan para que los candidatos midan la
opinin pblica y el apoyo en las elecciones.
Educacin: Las muestras de las calificaciones de los exmenes de estudiantes se usan para
determinar la eficiencia de una tcnica o programa de enseanza.
Industria: La muestras de los productos de una lnea de ensamble sirve para controlar la calidad.
Medicina: Las muestras de medidas de azcar en la sangre de pacientes diabticos prueban la
eficacia de una tcnica o de un frmaco nuevo.
Agricultura: Las muestras del maz cosechado en una parcela proyectan en la produccin los efectos
de un fertilizante nuevo.
Gobierno: Una muestra de opiniones de los votantes se usara para determinar los criterios del
pblico sobre cuestiones relacionadas con el bienestar y la seguridad nacional.
30
2014
5. CONCLUSIONES
Se observ que las medidas de tendencia central son de gran utilidad ya que nos permiten conocer
valores que vienen a ser como un reporte general de una gran cantidad de informacin, lo cual
permite analizar esta informacin brevemente sin necesidad de observar todos los datos.
Se observ que es muy importante tomar en cuenta los errores que se pueden cometer al utilizar
estas herramientas estadsticas, ya que podemos generar una informacin descontextualizada y
equivoca que puede causar problemas
Las cartas de control es una herramienta de estadstica muy til en las empresas, ya que les permite
ver las variaciones del producto y estimar los valores aceptables dentro de un rango de tolerancia,
lo cual es ideal para un proceso de control de calidad de producto.
El muestreo es una tcnica muy til al momento de realizar encuestas, puesto que es una estrategia
para evitar estudiar toda la poblacin (sobre todo cuando sta es grande) y selecciona una
proporcin que sea representativa de ella.
6. BIBLIOGRAFIA
Galgano, A. (1995). Los siete instrumentos de la calidad total. Ediciones Daz de Santos.
Juran, J. M., Gryna, F., & Bingham, R. S. (1983). Manual de Control de la Calidad. Revert.
URL: gestiopolis.com/recursos/experto/catsexp/pagans/eco/21/estadistica.htm. Fecha de extraccin:
08-11-2014
URL: estadistica.mat.uson.mx/Material/elmuestreo.pdf. Fecha de extraccin: 08-11-2014
URL: dgplades.salud.gob.mx/descargas/dhg/MUESTREO.pdf. Fecha de extraccin: 09-11-2014
31