Documentos de Académico
Documentos de Profesional
Documentos de Cultura
QUERÉTARO
1
CONTENIDO
INTRODUCCIÓN .................................................................................................... 3
CALIDAD ........................................................................................................... 30
TEORIA DE PROBABILIDAD................................................................................ 78
2
INTRODUCCIÓN
Todas las actividades cotidianas que realizan los seres humanos, implican la toma
de decisiones. Estas, para asumirse, requieren de información y conocimiento, los
cuales son resultado de la obtención, organización, procesamiento y análisis de
datos. Por ello se puede afirmar que de forma empírica o sistemática todos los
seres humanos aplican métodos estadísticos en su vida cotidiana, muchas de las
veces sin reconocer esta habilidad.
3
CONCEPTOS GENERALES
Los datos son comunicados por varios tipos de símbolos tales como las letras del
alfabeto, números, movimientos de labios, puntos y rayas, señales con la
mano, dibujos, etc. Estos símbolos se pueden ordenar y reordenar de forma
utilizable para generar información.
Los datos son símbolos que describen condiciones, hechos, situaciones o valores
y se caracterizan por no contener ninguna información. Un dato puede significar
un número, una letra, un signo ortográfico o cualquier símbolo que represente una
cantidad, una medida, una palabra o una descripción.
EL CONCEPTO DE INFORMACIÓN
4
Para ser significativos, los datos deben constar de símbolos reconocibles, estar
completos y expresar una idea no ambigua. Los símbolos de los datos son
reconocibles cuando pueden ser correctamente interpretados.
La integridad de los datos significa que todos los datos requeridos para responder
a una pregunta específica están disponibles. Los datos son inequívocos cuando el
contexto es claro. Tenemos que conocer el contexto de estos símbolos antes de
poder conocer su significado.
Los datos son pertinentes o relevantes cuando son utilizados para responder a
preguntas propuestas. Como se dispone de un considerable número de hechos en
nuestro entorno. Solo los hechos relacionados con las necesidades de información
son pertinentes.
Los datos a diferencia de la información son utilizados con diversos métodos para
organizarlos y presentarlos a fin de permitir una transmisión o
almacenamiento más eficaces.
A diferencia de los datos, la información tiene significado para quien la recibe, por
eso, los seres humanos siempre han tenido la necesidad de cambiar entre sí
información que luego transforman en acciones. La información es un conjunto de
datos procesados con significado, propósito y utilidad.
5
PRINCIPALES CARACTERÍSTICAS DE LA INFORMACIÓN
En general la información tiene una estructura interna y puede ser calificada según
varios aspectos:
USOS DE LA INFORMACIÓN
EL CONCEPTO DE CONOCIMIENTO
6
1. Hechos, información e ideas adquiridas por una persona a través de la
experiencia o la educación, la comprensión teórica o práctica de un tema.
2. Lo que se conoce en un campo determinado o en su totalidad.
3. Conciencia o familiaridad adquirida por la experiencia de un hecho o
situación.
Las ciencias constituyen uno de los principales tipos de conocimiento. Las ciencias
son el resultado de esfuerzos sistemáticos y metódicos de investigación en busca
de respuestas a problemas específicos, al funcionamiento y relación de los
fenómenos, y cuya elucidación procura ofrecernos una representación adecuada
del universo.
Hay también, muchos tipos de conocimiento que, sin ser científicos, no dejan de
estar perfectamente adaptados a sus propósitos: el saber hacer en la artesanía, el
saber nadar, entre otros; el conocimiento de la lengua, de las tradiciones,
leyendas, costumbres o ideas de una cultura particular; el conocimiento que los
individuos tienen de su propia historia: su propio nombre, la historia de sus padres,
su pasado, etc., o aún los conocimientos comunes a una sociedad dada, incluso a
la humanidad: saber para qué sirve un martillo, saber que el agua extingue el
fuego, etc.
7
El conocimiento se deriva de la información, así como la información se deriva de
los datos. Para que la información se convierta en conocimiento es necesario
realizar acciones como:
CLASIFICACIÓN DE DATOS
Los datos cuantitativos: son aquellos cuyo valor representa diferentes magnitudes.
Ejemplo: Se clasifican los estudiantes por sus notas y se observa que los valores
de los notas representan diferentes magnitudes, así mismo pueden clasificarse por
su estatura, peso, velocidad, entre otros.
Los datos cronológicos: cuando los valores de los datos varían en diferentes
instantes o períodos de tiempo, los datos son reconocidos como cronológicos.
Ejemplo: Al registrar los promedios de notas de los Alumnos en diferentes
semestres.
Los datos geográficos: cuando los datos están referidos a una localidad geográfica
se dicen que son datos geográficos. Ejemplo: El número de estudiantes de
educación superior en las distintas regiones del país.
POBLACIÓN
9
el proceso de investigación estadística, y este tamaño vienen dado por el número
de elementos que constituyen la población, según el número de elementos la
población puede ser finita o infinita.
MUESTRA
Muestra a una parte de la población que presenta las mismas características y que
la representa. Las conclusiones que se obtengan de dicha muestra solo podrán
referirse a la población en referencia. Una muestra representativa contiene las
características relevantes de la población en las mismas proporciones que están
incluidas en tal población.
MUESTREO
TIPOS DE MUESTREO
10
más adelante. Las muestras de juicio evitan el análisis estadístico para hacer
muestras de probabilidad.
VARIABLES Y ATRIBUTOS
Las variables, también suelen ser llamados caracteres cuantitativos, son aquellos
que pueden ser expresados mediante números. Son caracteres susceptibles
de medición. Como por ejemplo, la estatura, el peso, el salario, la edad, etc.
Todos los elementos de la población poseen los mismos tipos de caracteres, pero
generalmente estos no suelen presentarse con la misma intensidad, por lo que las
variables toman distintos valores. Los distintos números o medidas que toman los
caracteres son los "valores de la variable". Todos ellos juntos constituyen una
variable.
Los atributos también llamados caracteres cualitativos, son aquellos que no son
susceptibles de medición, es decir que no se pueden expresar mediante un
número, por ejemplo; profesión, estado civil, sexo, nacionalidad, etc.
Las variables continuas se caracterizan por el hecho de que para todo tipo de
valores siempre se puede encontrar en valor intermedio, (el peso, la estatura, el
tiempo empleado para realizar un trabajo, etc.) Una variable es continua, cuando
puede tomar infinitos valores intermedios dentro de dos valores consecutivos. Por
ejemplo, la estatura, el peso, la temperatura.
11
Las variables discretas serán aquellas que pueden tomar solo un número limitado
de valores separados y no continuos; son aquellas que solo toman un determinado
números de valores, porque entre dos valores consecutivos no pueden tomar
ningún otro; por ejemplo el número de estudiantes de una clase es una variable
discreta ya que solo tomará los valores 1, 2, 3, 4... no es posible encontrar valores
como 1.5 estudiantes
12
básicos se observan exhaustivamente y los otros mediante una muestra; o bien
cuando la población es muy grande, parte de ella se observa parcialmente.
CENSO
Se entiende por censo aquella numeración que se efectúa a todos y cada uno de
los caracteres componentes de una población.
ENCUESTA
Se entiende por encuesta las observaciones realizadas por muestreo, es decir son
observaciones parciales. Esta se efectúa a través de cuestionarios verbales o
escritos que son aplicados a un determinado número de personas.
ESTADÍSTICA DESCRIPTIVA
MEDICIÓN DE CARACTERES
MEDICIÓN
Existen diversas definiciones del término "medición", pero estas dependen de los
diferentes puntos de vista que se puedan tener al abordar el problema de la
13
cuantificación y el proceso mismo de la construcción de
una escala o instrumento de medición.
Se trata de agrupar objetos en clases, de modo que todos los que pertenezcan a
la misma sean equivalentes respecto del atributo o propiedad en estudio, después
de lo cual se asignan nombres a tales clases, y el hecho de que a veces, en lugar
de denominaciones, se le atribuyan números, puede ser una de las razones por
las cuales se le conoce como "medidas nominales".
14
La asignación de números a las distintas categorías no puede ser completamente
arbitraria, debe hacerse atendiendo al orden existente entre éstas.
Los caracteres que posee una escala de medida ordinal permiten, por el hecho
mismo de poder ordenar todas sus categorías, el cálculo de las medidas
estadísticas de posición, como por ejemplo la mediana.
Ejemplo:
15
Ejemplo:
Una de las ventajas es que tienen un costo muy inferior al anterior procedimiento,
puesto que no hay que incluir gastos de entrenamiento de personal, el único gasto
sería el de franqueo postal.
16
Dentro de las desventajas de este procedimiento podemos señalar que solo un
porcentaje bastante bajo de estos es devuelto, en algunos casos no
estamos seguros de que los formularios hayan sido recibidos por sus destinatarios
y que hayan sido respondido por ellos mismos. Lo que trae como consecuencia
que la información se obtenga con una serie de errores difíciles de precisar por el
investigador.
Entre las limitaciones que presenta este método podemos señalar el número de
preguntas que pueden formularse es relativamente limitado; además las
investigaciones efectuadas por este método tienen un carácter selectivo, debido a
que muchas de las personas que potencialmente podrían ser investigadas no
posee servicio telefónico, por lo que quedan sin la posibilidad de ser entrevistados.
Cuestionarios:
Cualquiera que sea el método por el que se decida el investigador para recabar
información, es necesario elaborar un estudio de preguntas.
17
Como es natural, estas partes, así como las preguntas, varían de acuerdo a la
finalidad de la encuesta. En algunos tipos de investigación, la parte referente a los
datos personales es eliminada por no tener ningún tipo de interés para el estudio.
TIPOS DE MUESTREO
Por ejemplo si tenemos una población formada por 100 elementos y queremos
extraer una muestra de 25 elementos, en primer lugar debemos establecer el
18
intervalo de selección que será igual a 100/25 = 4. A continuación elegimos el
elemento de arranque, tomando aleatoriamente un número entre el 1 y el 4, y a
partir de él obtenemos los restantes elementos de la muestra.
2, 6, 10, 14,..., 98
150 x 20 / 150= 5
150 x 20 /150= 5
19
Si consideremos todas las posibles muestras de tamaño n en una población,
para cada muestra podemos calcular un estadístico (media, desviación típica,
proporción) que variará de una a otra.
4251 5149 4751 4847 4249 4648 5047 4847 5156 8789 7227 0104 4141 1521 9104 5563 1392 8238 4882 2324
4849 5051 5046 4756 4738 5350 4746 4847 4846 2346 8506 6348 4612 8252 1062 1757 0964 2983 2244 7654
5692 9870 3583 8997 1533 6466 8830 7271 3809 4256 5086 0303 7423 3298 3979 2831 2257 1508 7642 1245
2080 3828 7880 0586 8482 7811 6807 3309 2729 2235 3690 2492 7171 7720 6509 7549 2330 5733 4730 4534
1039 3382 7600 1077 4455 8806 1822 1669 7501 8330 0813 6790 6858 1489 2669 3743 1901 4971 8280 0835
6477 5289 4092 4223 6454 7632 7577 2816 9002 2365 6905 7127 5933 1137 7583 6450 5658 7678 3444 3754
4554 6146 4846 4647 5034 4646 5139 5355 5249 2224 8387 5323 3753 1859 6043 0294 5110 6340 9137 6323
0772 2160 7236 0812 4195 5589 0830 8261 9232 0902 4094 4957 0163 9717 4118 4276 9465 8820 4127 0202
0092 1629 0377 3590 2209 4839 6332 1490 3092 2390 4951 3781 5101 1815 7068 6379 7252 1086 8919 2093
7315 3365 7203 1231 0546 6612 1038 1425 2709 3092 9047 0199 5068 7447 1664 9278 1708 3625 2864 0204
5775 7517 8974 3961 2183 5295 3096 8536 9442 2392 7274 9512 0074 6677 8676 0222 3335 1976 1645 3203
5500 2276 6307 2346 1285 7000 5306 0414 3383 2303 9192 4011 0255 5458 6942 8043 6201 1587 0972 0243
3251 8902 8843 2112 8567 8131 8116 5270 5994 9092 0554 1690 6333 1931 9433 2661 8690 2313 6999 3094
4675 1435 2192 0874 2897 0262 5092 5541 4014 2113 9231 5627 1815 7171 8036 1832 2031 6298 6073 9044
3543 6130 4247 4859 2660 7852 9096 0578 0097 1324 3995 9677 7765 3194 3222 4191 2734 4469 8617 3233
3521 8772 6612 0721 3899 2999 1263 7017 8057 3443 2402 6250 9362 7373 4757 1716 1942 0417 5921 5345
5573 9396 3464 1702 9204 3389 5678 2589 0288 6343 5295 7385 5474 2123 7035 9983 5192 1840 6176 5756
7478 7569 7551 3380 2152 5411 2647 7242 2800 3432 5177 1191 2106 3351 5057 0967 4538 1246 3374 0304
3339 2854 9691 9562 3252 9848 6030 8472 2266 3255 4344 4044 4549 4443 4249 4948 4151 5152 4240 4737
5505 8474 3167 8552 5409 1556 4247 4652 2953 9854 7343 4706 4440 4646 4548 4742 4746 5253 4749 4689
6381 2086 5457 7703 2758 2963 8167 6712 9820 5324
0935 5565 2315 8030 7651 5189 0075 9353 1921 0222
2605 3973 8204 4143 2677 0034 8601 3340 8383 3243
7277 9889 0390 5579 4620 5650 0210 2082 4664 5643
5484 3900 3485 0741 9069 5920 4326 7704 6525 1249
20
TABLA DE FRECUENCIAS
Definición
En el caso de datos numéricos continuos (ejemplo: 9.5, 6.7, 8.4) los datos se
agrupan en intervalos. Un intervalo es un conjunto de números que se
corresponden con los puntos de una recta o segmento, en el que se encuentra un
ordenamiento interno entre ellos. El intervalo es el espacio que se da de un punto
a otro en el cual se toman en cuenta todos los puntos intermedios.
21
La frecuencia indica el número de repeticiones de cualquier hecho, fenómeno o
suceso, la frecuencia de un intervalo es el número de datos que se encuentran en
él.
22
Tercero, se determina el límite superior de cada intervalo. Este valor sirve como
demarcador y corresponde al valor mayor que se encontrará en el intervalo. Para
determinar el límite superior de cada intervalo procedemos de la manera siguiente:
Frecuencia Frecuencia
Datos Intervalo Frecuencia absoluta relativa %
1/20= 0.05 5
1 0-2 1
1/20 = 0.05 5
3 2-4 1
7/20= 0.35 35
5 4-6 7
9/20= 0.45 45
5 6-8 9
2/20= 0.1 10
6 8-10 2
6
6
6
6
7
7
7
7
7
8
8
8
8
9
9
100
23
Determinación de la frecuencia en Excell
Paso 2: Calcule el ancho común de los cinco intervalos y las límites superiores de
cada uno:
No es necesario ingresar el límite superior del último intervalo 10. Esto se debe a
que en Excel, se entiende que el último intervalo contendrá a todos los valores
mayores que el límite superior del intervalo anterior. De la misma forma Excel
sobre entiende que el primer intervalo incluye todos los valores menores que su
límite inferior.
=frequencia(a1:a20, b1:b4)
24
En la barra de “datos” se ingresan los valores de la columna a (a1:a20) y en la de
“grupos” los valores de la columna b (b1:b4), se presiona “aceptar”.
Ejercicios:
Histograma de frecuencias
Tipos de histograma
25
Polígono de frecuencias. Es un gráfico de líneas que se usa para presentar las
frecuencias absolutas de los valores de una distribución en el cual la altura del
punto asociado a un valor de las variables es proporcional a la frecuencia de dicho
valor.
Construcción de un histograma
Ejemplo: 9-1= 8
26
Elaboración de un histograma de frecuencias en Excell
Histograma
10
8
Frecuencia
6
4
2 Frecuencia
0
2 4 6 8 y mayor...
Clase
Polígono de frecuencias
27
las temperaturas máximas promedio de cada mes (24°, 25°, 27°, etc.). El polígono
de frecuencias se crea al unir, con una línea, todas las temperaturas máximas
promedio.
Polígono de Frecuencia
10
Frecuencia
Frecuencia
0
2 4 6 8 10
Clase
28
Tabla de frecuencia e histograma en Excell
A B
29
DIAGRAMA DE PARETO: HERRAMIENTA BÁSICA PARA LA MEJORA
DE LA CALIDAD
El Dr. Juran aplicó este concepto a la calidad, obteniéndose lo que hoy se conoce
como la regla 80/20. Según este concepto, si se tiene un problema con muchas
causas, podemos decir que el 20% de las causas resuelven el 80 % del problema
y el 80 % de las causas solo resuelven el 20 % del problema.
30
Los propósitos generales del diagrama de Pareto son:
Un fabricante de accesorios plásticos desea analizar cuáles son los defectos más
frecuentes que aparecen en las unidades al salir de la línea de producción. Para
esto, empezó por clasificar todos los defectos posibles en sus diversos tipos:
31
Tipo de defecto Detalle del problema
32
Incompleto Falta alguno de los insertos metálicos 2 2.1 98.9
TOTAL 94
Para hacer más evidente los defectos que aparecen con mayor frecuencia hemos
ordenado los datos de la tabla en orden decreciente de frecuencia. Vemos que la
categoría “otros” siempre debe ir al final, sin importar su valor. De esta manera, si
hubiese tenido un valor más alto, igual debería haberse ubicado en la última fila.
33
Ahora resulta evidente cuales son los tipos de defectos más frecuentes. Podemos
observar que los 2 primeros tipos de defectos se presentan en el 79,8 % de los
accesorios con fallas. Por el Principio de Pareto, concluimos que: La mayor parte
de los defectos encontrados en el lote pertenece sólo a 2 tipos de defectos (los
“pocos vitales”), de manera que si se eliminan las causas que los provocan
desaparecería la mayor parte de los defectos.
REPASO No. 1
34
inferencial hecho o fenómeno
12 Escala nominal Nivel que agrupar, nombrar o categoriza objetos o fenómenos similares
ejemplo: grupo de tornillos, clavos, hojas, escritorios, etc. Sin definir
magnitudes
13 Escala ordinal Nivel que ordena objetos o fenómenos de acuerdo a sus características
o atributos, usa magnitudes
15 Escala de razón Nivel que organiza datos a partir de un punto cero (ausencia de
característica), ejemplo: cantidad de hijos 0, 3, 6
17 Intervalo Espacio que existe entre un punto y otro, tomando en cuenta los puntos
intermedios
35
TAREA No. 1
Nombre:_______________________________________________________
Registros de la precipitación en mm en
Querétaro
36
MÉTODOS ESTADÍSTICOS
PRIMER EXAMEN
N0MBRE_________________________________________________________
37
fluctuaron entre 57 y 132 kg por día, el responsable desea saber cuál es la
cantidad más frecuente. Define el ancho del intervalo si:
Histograma
35
30
25
Frecuencia
20
15
Frecuencia
10
0
800 1000 1100 y mayor...
Clase
38
MEDIDAS DE TENDENCIA CENTRAL
Esta medida se simboliza con ẋ (x con raya superior) cuando representa la media
muestral (estadístico muestral) y µ para representar la media poblacional
(parámetro poblacional). La media “ẋ” o “µ” es la suma de todos los valores de la
muestra o población, divididos por el número de casos.
39
Alumno Resultado
1 6.0
2 5.4
3 3.1
4 7.0
5 6.1
Definición formal
Dado un conjunto numérico de datos, x1, x2, ..., xn, se define su media aritmética
como
40
Propiedades
Inconvenientes de su uso
41
Una debilidad de la media aritmética es que es sensible a valores extremos
de la distribución y que carece de sentido para variables medidas con un
nivel nominal u ordinal.
Moda
Propiedades
42
Cálculo sencillo.
Interpretación muy clara.
Al depender sólo de las frecuencias, puede calcularse para variables
cualitativas. Este es el parámetro más utilizado cuando al resumir una
población no es posible realizar otros cálculos, por ejemplo, cuando se
enumeran en medios periodísticos las características más frecuentes de
determinado sector social.
Esta medida se usa más y tiene más sentido cuando se describen datos
nominales, de hecho es la única medida de tendencia central que funciona
con este tipo de escala.
Inconvenientes
La moda es el valor que tiene mayor frecuencia absoluta. Se representa por Mo.
Datos: 2, 3, 3, 4, 4, 4, 5, 5
Mo= 4
43
Si en un grupo hay dos o varias puntuaciones con la misma frecuencia y esa
frecuencia es la máxima, la distribución es bimodal o multimodal, es decir, tiene
varias modas. Datos: 1, 1, 1, 4, 4, 5, 5, 5, 7, 8, 9, 9, 9
Mo= 1, 5, 9
3+5=8/2=4 Mo = 4
Cálculo de la moda para datos agrupados, si todos los intervalos tienen la misma
amplitud.
ai es la amplitud de la clase.
Ejemplo
44
66= Limite inferior de la clase modal (Li)
Mediana
45
mediana representarán el 50% de los datos, y los que sean mayores que la
mediana representarán el otro 50% del total de datos de la muestra.
Me = (n+1) / 2
Me = (13+1) / 2
Me = 14 / 2=7
46
Existen dos estrategias para calcular la mediana: considerando los datos en forma
individual, sin agruparlos, o bien utilizando los datos agrupados en intervalos de
clase. A continuación se describe un ejemplo con datos sin agrupar.
x5 = 9, x6 = 10 => Hay dos valores que están por debajo del y otros
dos que quedan por encima del siguiente dato . Por tanto, la
mediana de este grupo de datos es la media aritmética de estos dos datos:
47
Propiedades e inconvenientes
48
Medida de Ventajas y desventajas
tendencia
central
Media Incorpora todos los datos de la variable y su valor suele ser más estable. Su valor
es único para una serie de datos. Se usa con frecuencia para comparar
poblaciones, es más apropiada acompañarla de una medida de dispersión. La
afecta sobremanera la dispersión, cuanto menos homogéneos son los datos,
menos información proporciona. Es sensible a valores extremos de la distribución y
carece de sentido para variables medidas con un nivel nominal u ordinal.
Moda Cálculo sencillo. Recomendada para variables cualitativas. Se usa más y tiene más
sentido para datos nominales. Su valor es independiente de la mayor parte de los
datos, lo que la hace muy sensible a variaciones muestrales. No siempre se sitúa
hacia el centro de la distribución.
Mediana Preferida cuando se emplea una escala ordinal (situación donde el valor asignado
sólo indica el orden entre los casos). Es menos sensible que la media a
oscilaciones de los valores de la variable. No se ve afectada por la dispersión. No
se presta a cálculos algebraicos tan bien como la media aritmética.
49
=VAR(------------)dentro del paréntesis se colocan los valores, seleccionándolos
con el cursor.
Otra vía es utilizar “insertar función” fx, se despliega un menú como el siguiente,
donde se selecciona la función deseada:
50
MEDIDAS DE DISPERSIÓN O VARIABILIDAD
El rango
La desviación estándar
Cuando se trabaja con muestras la desviación estándar se simboliza con una “S” y
con la letra sigma minúscula “σ” cuando se usan datos de una población. Se
calcula como la raíz cuadrada de la varianza:
51
“∑” en mayúscula se utiliza para indicar sumatoria:
∑1n xi = x1 + x2 + x3 + x4+……xn
Donde “x” es el valor de cada medición de la variable de estudio e “i” un índice que
varía de “1 a n”. El número de datos de la muestra se identifica con la letra “n” y de
la población con “N”.
S=√((55-76.1)2+(62-76.1)2+(67-76.1)2+(68-76.1)2+69-76.1)2+(79-76.1)2+(88-
76.1)2+(89-76.1)2+(92-76.1)2+(92-76.1)2) /9
S= 13.6
La varianza
La varianza siempre será mayor que cero. Mientras más se aproxima al cero, más
concentrados están los valores de la serie alrededor de la media. Por el contrario,
mientras mayor sea la varianza, más dispersos están.
52
Para calcular la la desviación estándar y la varianza a través de excell, se
realizan los siguientes pasos:
53
El resultado es el siguiente:
Columna1
Media 76.5
Mediana 74
Moda 92
Desviación estándar 13.19301162
Varianza de la muestra 174.0555556
Rango 37
Mínimo 55
Máximo 92
Suma 765
Cuenta o número de datos de la
distribución 10
54
REPASO No. 2
Formula de la media
Formula de la Moda
n 2
σ=√∑ 1 (xi-µ) / N Formula de la desviación estándar de la población
n 2
S= √ ∑ 1 (xi -ẋ) / n-1 Formula de la desviación estándar de la muestra
55
2
“S ” Varianza muestral
2
“σ ” Varianza poblacional
2 2
S = ∑(x-ẋ) / n-1 Formula de la varianza muestral
Amplitud de Frecuencia
clase absoluta
(60,63) 5
(63.66) 18
(66.69) 42
(69.72) 27
(72,75) 8
Estadística descriptiva
Media 76.5
Mediana 74
Moda 92
Desviación estándar 13.1
Rango 37
Mínimo 55
Máximo 92
Suma 765
Cuenta 10
56
TAREA No. 2
Nombre:_______________________________________________________
Prueba
Filtros 1 2 3 4 5
A 13.2 13.1 13.1 18.2 13.2
B 13.4 13.5 13.5 13.6 13.5
Con base en los datos anteriores ¿cuál de los dos filtros debe elegir el
fabricante? ¿por qué?
¿Debería ser diferente la selección si el fabricante supiera que hubo un cambio
en la intensidad de la energía luminosa durante la cuarta medición del modelo
A? ¿por qué?
DEFINICIONES DE CONJUNTOS
58
Si un elemento no pertenece a un conjunto se denota por (), por ejemplo si “b”
no pertenece a A se expresara como b A, que se lee: b no pertenece a A.
59
Formas de describir un conjunto
1).- Enumerando todos los elementos del conjunto (solo se puede hacer si el
conjunto es finito)
2).- Por medio de una propiedad característica de los elementos que forman a ese
conjunto, esta propiedad puede expresarse de forma ordinaria o utilizando alguna
simbología lógica.
Nota: Los conjuntos se nombran con letras mayúsculas latinas, los elementos se
colocan entre llaves, por ejemplo:
A ={0,1,2,3,4,5,6,7,8,9}
B = {a,v,e,s}
DETERMINACIÓN DE UN CONJUNTO
60
La forma tabular o extensiva. Es cuando el conjunto es determinado por
extensión (o enumeración), cuando se da una lista que comprende a todos los
elementos del conjunto y sólo a esos elementos.
Ejemplos:
A = { a, e, i, o, u }
B = { 0, 2, 4, 6, 8 }
C = { c, o ,n , j, u, t, s }
D = {A, B, E, C, D, R, I, O}
Ejemplos:
A = { x l x es número entero}
E = {x I x es color básico}
POR EXTENSIÓN
POR COMPRENSIÓN
A = { x I x es una vocal}
A = { a, e, i, o, u }
61
B = { x I x es un número par menor que 10 }
B = { 0, 2, 4, 6, 8 }
C = { x I x es un número impar menor que 10 }
C = {1, 3, 5, 7, 9 }
D = { x I x es una letra de la palabra conjuntos }
D = { c, o, n, j, u, t, s}
E = { x I x es una consonante }
E = { b, c, d, f, g, h, j, .. . }
F = {x I x es médico y está en la clase}
F = { Laura, Javier }
G = {x I x es un metal líquido }
G = {mercurio}
62
Axioma de la unión. Dada cualquier colección (conjunto) de conjuntos C,
existe un conjunto, representado por y llamado unión de C, que
contiene todos los elementos de cada conjunto de C. Esto es,
entonces
63
Axioma de infinitud. Existe un conjunto x tal que y tal que si
, entonces . En símbolos,
64
CONJUNTOS FINITOS E INFINITOS
Ejemplos:
DIAGRAMA DE VENN-EULER
65
OPERACIONES ENTRE CONJUNTOS
A U B = {x I x A o x B}
66
DIFERENCIA ENTRE CONJUNTOS. Se denomina diferencia de dos conjuntos A
y B al conjunto formado por todos los elementos de A pero que no pertenecen a B.
La diferencia se denota por: A - B que se lee: A diferencia B o A menos B. Se
define la diferencia de dos conjuntos también como:
A - B = {x / x Ayx B}
67
Cuando dos conjuntos no tienen ningún elemento en común se dice que son
disjuntos.
68
Cuando todos los elementos de un conjunto están contenidos en el otro, no es
necesario que los conjuntos sean iguales:
Los conjuntos cuentan con algunas operaciones que son análogas al álgebra y
que pueden ser demostradas.
OPERACIÓN Propiedad
a) A A = A ; A A =A IGUALATIVA
b) A B = A B; A B = B A CONMUTATIVA
c) (A B) C = A (B C) ; (A B) C = A (B C) ASOCIATIVA
d) A ( B C) = (A B) (A C) ; DISTRIBUTIVA
A ( B C) = (A B) (A C)
69
Elaboración de diagramas de Venn con Word, Excell o Power point
70
NOTA Si el panel de texto no está visible, haga clic en el control.
1. Haga clic en el elemento gráfico SmartArt al que desea agregar otro círculo.
2. Haga clic en el círculo existente que se encuentre más cerca del lugar donde
desea agregar el nuevo círculo.
3. En Herramientas de SmartArt, en la ficha Diseño del grupo Crear gráfico, haga
clic en Panel de texto.
71
Para insertar un círculo delante del círculo seleccionado, que se
superpondrá al mismo, haga clic en Agregar forma delante.
NOTAS
1. Haga clic con el botón secundario en el diagrama de Venn que desea modificar y,
a continuación, en Cambiar diseño.
2. Haga clic en Relación y, a continuación, siga uno de estos procedimientos:
Para mostrar las relaciones superpuestas en una secuencia, haga clic en
Venn lineal.
72
Para mostrar las relaciones resaltando el tamaño o la gradación, haga clic en
Venn apilado.
NOTA También puede cambiar el diseño del elemento gráfico SmartArt. Para
Puede aplicar combinaciones de colores derivadas de los colores del tema a los
círculos del elemento gráfico SmartArt.
73
Si no ve las fichas Herramientas de SmartArt o Diseño, asegúrese de que
ha seleccionado un elemento gráfico SmartArt.
1. En el elemento gráfico SmartArt, haga clic con el botón secundario del mouse en
el borde del círculo que desea cambiar y, a continuación, en Formato de forma.
2. Para cambiar el color del borde del círculo, haga clic en Color de línea, en Color
Para cambiar el fondo de un color que no exista en los colores del tema, haga clic
en Más colores y, a continuación, haga clic en el color que desea en la ficha
Estándar o cree un color personalizado en la ficha Personalizado. Los colores
personalizados y los colores de la ficha Estándar no se actualizarán si cambia
más adelante el tema del documento.
74
Para especificar cuánto se puede ver a través del color de fondo, mueva el control
deslizante Transparencia o escriba un número en el cuadro situado junto a dicho
control. El porcentaje de transparencia puede oscilar entre 0% (completamente
opaco, el valor predeterminado) y 100% (completamente transparente).
NOTAS
Al colocar el puntero sobre una miniatura, puede ver cómo afecta el estilo
SmartArt al elemento gráfico SmartArt.
También puede personalizar el elemento gráfico SmartArt; para ello, puede mover
círculos, cambiar el tamaño de los círculos, agregar un relleno o un efecto y
agregar una imagen.
Si usa Microsoft Office PowerPoint 2007, puede animar el diagrama de Venn para
resaltar cada círculo.
75
1. Haga clic en el diagrama de Venn que desea animar.
2. En la ficha Animaciones, en el grupo Animaciones, haga clic en Animar y, a
continuación, en Una a una.
REPASO NUM. 3
1. ¿Qué es un conjunto?
demás?
76
8. Dados los siguientes conjuntos: A = {2,4,6,8,10}, B = {0,1,2,3 }, C =
77
TEORIA DE PROBABILIDAD
INTRODUCCIÓN
78
Entonces:
Espacio muestral o sampling space: Ω o S: universo de posibles
resultados del experimento
Evento o suceso: subconjunto del espacio muestral, se denota con A, B, C,
etc.
Unión: A ∪ B Intersección: A ∩ B
Diferencia: A − B Complemento: A B
79
Mediante un diagrama de Venn ilustramos gráficamente las operaciones de unión,
intersección, diferencia y complemento.
80
Fórmula general para presentar una probabilidad
Ejemplos:
Una moneda cualquiera tiene dos lados: águila o sol, cara o cruz
Total ♣ ♠ ♥ ♦
4 As As As As
4 2 2 2 2
4 3 3 3 3
4 4 4 4 4
4 5 5 5 5
4 6 6 6 6
4 7 7 7 7
4 8 8 8 8
4 9 9 9 9
4 10 10 10 10
4 Jota Jota Jota Jota
4 Quina Quina Quina Quina
4 Rey Rey Rey Rey
52 13 13 13 13
81
El espacio muestral Ω= (52 cartas diferentes); Cuando se toma una sola carta al
azar de un paquete estándar de 52 cartas
82
= No. De reyes en el paquete + No de ases en el paquete
No. de cartas en el paquete No. de cartas en el paquete
Q= 1-P; P= 1-Q
83
la reina de corazones dos veces. Siendo un rey y un corazón, el rey de corazones
es exitoso dos veces.
Cuando tenemos un evento que tiene doble éxito o une dos aspectos de éxito, se
denomina ocurrencia conjunta. Para calcular la probabilidad correcta, debemos
restar cada ocurrencia conjunta para eliminar ese doble conteo.
= 21 - 2 = 19 = .3654 (correcto)
52 52 52
Algunos eventos tienen dos o más partes. A estos eventos con partes múltiples los
llamamos eventos compuestos, es decir que está compuesto de dos o mas
elementos. Por ejemplo, definimos el éxito como sacar un par de ases del
paquete de cartas, es decir, sacar un as, regresándolo, barajar una vez más (es
decir al azar), y entonces sacar de nuevo un as. La regla multiplicativa para
eventos compuestos señala que la probabilidad de un evento compuesto es
igual al múltiplo de las probabilidades de las partes separadas del evento. Así,
= 4 x 4 = 16 = .0059
52 52 2704
84
= .5 x .5 = .2500 (1 de 4)
= 4 x 3 = 12 = .0045
52 51 2652
p (as luego rey luego as) sin reemplazamiento = p (as) x p (rey) x p (as)
= 4 x 4 x 3 = 48 = .0004
52 51 50 132600
Probabilidad de sucesos
Al definir los sucesos hablamos de las diferentes relaciones que pueden guardar
dos sucesos entre sí, así como de las posibles relaciones que se pueden
establecer entre los mismos. Vamos a ver ahora cómo se refleja esto en el cálculo
de probabilidades.
85
a) Un suceso puede estar contenido en otro: entonces, la probabilidad del
primer suceso será menor que la del suceso que lo contiene.
Por lo tanto, podemos ver que la probabilidad del suceso contenido, suceso a), es
menor que la probabilidad del suceso que lo contiene, suceso b).
b) Dos sucesos pueden ser iguales: en este caso, las probabilidades de ambos
sucesos son las mismas.
86
P(A) = 3 / 6 = 0,50 P(B) = 3 / 6 = 0,50
Por lo tanto,
Por lo tanto,
Ejemplo: lanzamos un dado al aire. el suceso (A) es que salga un número par,
luego su complementario, suceso (B), es que salga un número impar.
La probabilidad del suceso (A) es igual a :
P(A) = 3 / 6 = 0,50
87
Se puede comprobar aplicando la regla de "casos favorables / casos posibles":
P(B) = 3 / 6 = 0,50
Ejemplo: seguimos con el ejemplo anterior: a) que salga un número par, y b) que
salga un número impar. La probabilidad del suceso unión de estos dos sucesos
será igual a:
Por lo tanto,
88
REPASO # 4
p (As de ♦)=
p (Rey ♠)=
p (Jota ♣)=
p (6 ♥)=
p (♥)=
PROBABILIDAD CONDICIONAL
89
La probabilidad de A dado B es igual a la probabilidad de A y B dividida por la
probabilidad de B.
P(A B) = P(A y B)
P(B)
P(B A) = P(A y B)
P(A)
P(A)= probabilidad de A
P(B)= probabilidad de B
= 200 = 0.80
250
90
DISTRIBUCIÓN DE PROBABILIDAD
91
Cuantitativas o numéricas
Son las variables que se expresan mediante cantidades numéricas. Las variables
cuantitativas pueden ser:
92
2. Cada observación se clasifica en una de dos categorías mutuamente
excluyentes, denominadas éxito (p) o fracaso (q).
3. La probabilidad de que una observación se clasifique como éxito (p), es
constante de una observación a otra, de la misma forma, la probabilidad de
que una observación se clasifique como fracaso (q) o 1-p, es constante en
todas las observaciones.
4. El resultado (es decir, el éxito o fracaso) de cualquier observación es
independiente del resultado de cualquier otra observación. Para garantizar la
independencia, las observaciones se deben seleccionar de manera aleatoria,
ya sea de una población infinita sin reemplazo o de una población finita con
reemplazo.
93
P(X) = (numero de de secuencia posibles) x (probabilidad de un secuencia
especifica)
Ejemplo:
Supóngase que en cierta población el 52 por ciento de todos los nacimientos que
se registraron son varones. Si aleatoriamente se escogen 5 registros de
nacimientos dentro de esa población, ¿cuál es la probabilidad de que exactamente
3 de ellos sean varones?
x n-x
P(x)= n! p (1-p)
(n-x)! x!
3 5-3
P(x=20)= 5! (0.52) (1-0.52)
(5-3)! 3!
94
PROBLEMA
1. Si 2. No
VARIABLE ALEATORIA
Una variable se dice que es aleatoria, si los posibles valores que puede tomar son
determinados por el azar. Es decir se sabe qué valores puede tomar la variable
pero no se tiene certeza de su ocurrencia, sólo se sabe que puede ocurrir con una
cierta probabilidad. Por ejemplo, en una epidemia de cólera, se sabe que una
persona cualesquiera puede enfermar o no (eventos), pero no se sabe cuál de los
95
dos eventos va a ocurrir. Solamente se puede decir que existe una probabilidad de
que la persona enferme.
VALOR ESPERADO
Sigamos con nuestro ejemplo del centro médico. Nuestra variable de interés seria:
96
ocurrencia de cada uno de los posibles valores de la variable podría predecir su
ocurrencia con una cierta probabilidad. El conjunto de las probabilidades de
ocurrencia de los posibles valores de la variable aleatoria se denomina distribución
de probabilidades.
DISTRIBUCION BINOMIAL
X = 0, 1, 2, ……, n.
97
Veamos el siguiente ejemplo:
Sea el caso de una droga X, con una dosis mortal de 1g/100 ml para cobayos
experimentales, en el 25% de los casos. Aplicando esta dosis a cien cobayos se
desea saber cuánto vale la probabilidad de que mueran veinte de ellos.
98
Para calcular el factorial (!) se utiliza excell, insertar función (Fx), categoría
“matemáticas y trigonométricas”, seleccionar “fact”, insertar el número
seleccionado y dar aceptar. Para calcular la potencia se sigue el mismo
procedimiento y se selecciona “potencia” se inserta el número y la potencia, se da
“aceptar”.
157
9.3326x10
118 18
(7.1569 x 10 ) 2.4329 x 10
=0.0493≈ 49%
99
Matemáticamente esto se resuelve así:
El 60% de los estadounidenses leen sus contratos de trabajo, incluyendo las letras
pequeñas. Suponga que el número de empleados que leen cada una de las palabras de
su contrato se puede modelar utilizando la distribución binomial. Considerando un grupo
de cinco empleados, encuentre cual es la probabilidad de que:
100
a) Los cinco lean cada una de las palabras de su contrato
Variables:
x n-x
a) P(x)= n! p (1-p)
(n-x)! x!
2 5-5
P(x=5)= 5! (0.60) (1-0.60)
(5-5)! 5!
= 0.0778
x n-x
b) P(x)= n! p (1-p)
(n-x)! x!
P(x≥3)
3 5-3
P(x=3)= 5! (0.60) (1-0.60)
(5-3)! 3!
= 0.3456
2 5-4
P(x=4)= 5! (0.60) (1-0.60)
(5-4)! 4!
= 0.2592
5 5-5
P(x=5)= 5! (0.60) (1-0.60)
(5-5)! 5!
= 0.0778
101
x n-x
c) P(x)= n! p (1-p)
(n-x)! x!
P(x˂2)
1 5-1
P(x=1)= 5! (0.60) (1-0.60)
(5-1)! 1!
= 0.0768
0 5-0
P(x=0)= 5! (0.60) (1-0.60)
(5-0)! 0!
= 0.0102
P(x˂2) = P(x=1) + p(x=0)
P(x˂2) = 0.0768+0.0102 = 0.0870
distribución
binomial solución
Ejercicio n! n-x! x! (a2/(b2*c2)) px 1-p n-x d2*e2*f2 en Excel en libro
a 120 1 120 1 0.07776 1 0.0778 0.0778 0.0778
b 120 1 120 1 0.07776 1 0.0778 0.0778 0.6826
120 2 6 10 0.216 0.16 0.3456 0.3456
120 1 24 5 0.1296 0.4 0.2592 0.2592
c 120 24 1 5 0.6 0.0256 0.0768 0.0768 0.0870
120 120 1 1 1 0.01024 0.0102 0.0102
102
Variables:
x n-x
a) P(x)= n! p (1-p)
(n-x)! x!
5 5-5
P(x=5)= 5! (0.25) (1-0.25)
(5-5)! 5!
5 5-5
b) P(x=5)= 5! (0.25) (1-0.25)
(5-5)! 5!
4 5-4
P(x=4)= 5! (0.25) (1-0.25)
(5-4)! 4!
0 5-0
c) P(x=0)= 5! (0.25) (1-0.25)
(5-0)! 0!
2 5-2
d) P(x=2)= 5! (0.25) (1-0.25)
(5-2)! 2!
1 5-1
P(x=1)= 5! (0.25) (1-0.25)
(5-1)! 1!
0 5-0
P(x=0)= 5! (0.25) (1-0.25)
(5-0)! 0!
Distribución
binomial
Ejercicio n! n-x! x! (a2/(b2*c2)) px 1-p n-x d2*e2*f2 en Excel Suma
A 120 1 120 1 0.0009 1 0.0010 0.0010
B 120 1 120 1 0.0009 1 0.0010 0.0010 0.0156
120 1 24 5 0.0039 0.75 0.0146 0.0146
C 120 120 1 1 1 0.2373 0.2373 0.2373
D 120 6 2 10 0.0625 0.4218 0.2637 0.2637 0.8965
120 24 1 5 0.25 0.3164 0.3955 0.3955
120 120 1 1 1 0.2373 0.2373 0.2373
103
DISTRIBUCIÓN DE PROBABILIDAD CONTINUA
LA DISTRIBUCIÓN NORMAL
104
entre 7.99 y 8.01. Sin embargo, la probabilidad de que el tiempo de descarga sea
exactamente de 8 segundos es cero.
infinito positivo (+∞), la forma de la distribución hace poco posible que ocurran
valores extremadamente grandes o muy pequeños.
105
Puesto que “e” y “π” son constantes matemáticas, las probabilidades de una
variable aleatoria X dependen sólo de dos parámetros de la distribución normal: la
µ
media y la desviación estándar σ. Cada vez que se especifique una
Fórmula de transformación
µ
El valor Z es igual a la diferencia entre X y la media , dividida por la desviación
estándar σ.
µ
Z= X-
σ
Aunque los datos originales para la variable aleatoria X tenían una media y una
desviación estándar, la variable aleatoria estandarizada Z siempre tendrá una
media=0 y una desviación estándar=1.
- (1/2)Z 2
f(X) = _____1_____ e
√ 2π
106
Cualquier conjunto de valores distribuidos normalmente son susceptibles de
convertirse a su forma estandarizada. Entonces se determinan las probabilidades
deseadas usando la Tabla de Distribución normal estandarizada acumulativa.
Problema
Suponga que desea encontrar la probabilidad de que el tiempo de descarga para
µ
un sitio Web sea menor a 9 segundos. La media es =7 y la desviación estándar
σ =2
µ
Primero utiliza la ecuación Z= X-
σ
Encontrar P (X≤9)
Para transformar X=9 a unidades estandarizadas Z. Puesto que X=9 es una
desviación estándar por arriba de la media 7+2= 9, Z= +1.00.
Z= 9-7 = 2 = +1.00
2 2
Para leer la probabilidad o área bajo la curva menor que Z=+1.00 se revisa la
columna Z de la tabla, hasta localizar el valor Z de interés (en décimos) en la fila Z
de 1.0. A continuación se lee a través del renglón hasta que intercepte la columna
que contiene el lugar del valor Z en los centésimos.
107
Encontrar P (X˃9)
¿Cuál es la probabilidad de que el tiempo de descarga sea de más de 9
segundos?
Figura 1.
108
Encontrar P (7˂X˂9)
µ
Usando la ecuación Z= X-
σ
Z= 7-7 = 0.00
2
Figura 2.
109
Encontrar P (X˂7 O X˃9)
Puesto que la media y la mediana son la misma para los datos distribuidos
normalmente, el 50% de los tiempos de descarga están por debajo de los 7
segundos. Como se calculó, en el primer ejercicio, la probabilidad del tiempo de
descarga de más de 9 segundos P (X˃9) es de 0.1587. Por lo tanto, la
probabilidad de que el tiempo de descarga esté por debajo de 7 o por arriba de 9
segundos, P (X˂7 O X˃9), es 0.5000+0.1587= 0.6587. Figura 3.
Figura 3.
110
Encontrar P (5˂X˂9)
¿Cuál es la probabilidad de que el tiempo de descarga este entre 5 y 9 segundos,
es decir P (5˂X˂9)?
El área bajo la curva normal menor que 9 segundos es, como se mencionó
anteriormente, 0.8413. Para encontrar el área bajo la curva menor que 5 segundos
(paso 2)
Z= 5-7 = -1.00
2
Figura 4.
111
Tabla distribución normal estandarizada acumulativa
Normal 0.00 0.01 0.02 0.03 0.04 0.05 0.06 0.07 0.08 0.09
0 0.5000 0.5040 0.5080 0.5120 0.5160 0.5199 0.5239 0.5279 0.5319 0.5359
0.1 0.5398 0.5438 0.5478 0.5517 0.5557 0.5596 0.5636 0.5675 0.5714 0.5753
0.2 0.5793 0.5832 0.5871 0.5910 0.5948 0.5987 0.6026 0.6064 0.6103 0.6141
0.3 0.6179 0.6217 0.6255 0.6293 0.6331 0.6368 0.6406 0.6443 0.6480 0.6517
0.4 0.6554 0.6591 0.6628 0.6664 0.6700 0.6736 0.6772 0.6808 0.6844 0.6879
0.5 0.6915 0.6950 0.6985 0.7019 0.7054 0.7088 0.7123 0.7157 0.7190 0.7224
0.6 0.7257 0.7291 0.7324 0.7357 0.7389 0.7422 0.7454 0.7486 0.7517 0.7549
0.7 0.7580 0.7611 0.7642 0.7673 0.7704 0.7734 0.7764 0.7794 0.7823 0.7852
0.8 0.7881 0.7910 0.7939 0.7967 0.7995 0.8023 0.8051 0.8078 0.8106 0.8133
0.9 0.8159 0.8186 0.8212 0.8238 0.8264 0.8289 0.8315 0.8340 0.8365 0.8389
1 0.8413 0.8438 0.8461 0.8485 0.8508 0.8531 0.8554 0.8577 0.8599 0.8621
1.1 0.8643 0.8665 0.8686 0.8708 0.8729 0.8749 0.8770 0.8790 0.8810 0.8830
1.2 0.8849 0.8869 0.8888 0.8907 0.8925 0.8944 0.8962 0.8980 0.8997 0.9015
1.3 0.9032 0.9049 0.9066 0.9082 0.9099 0.9115 0.9131 0.9147 0.9162 0.9177
1.4 0.9192 0.9207 0.9222 0.9236 0.9251 0.9265 0.9279 0.9292 0.9306 0.9319
1.5 0.9332 0.9345 0.9357 0.9370 0.9382 0.9394 0.9406 0.9418 0.9429 0.9441
1.6 0.9452 0.9463 0.9474 0.9484 0.9495 0.9505 0.9515 0.9525 0.9535 0.9545
1.7 0.9554 0.9564 0.9573 0.9582 0.9591 0.9599 0.9608 0.9616 0.9625 0.9633
1.8 0.9641 0.9649 0.9656 0.9664 0.9671 0.9678 0.9686 0.9693 0.9699 0.9706
1.9 0.9713 0.9719 0.9726 0.9732 0.9738 0.9744 0.9750 0.9756 0.9761 0.9767
2 0.9772 0.9778 0.9783 0.9788 0.9793 0.9798 0.9803 0.9808 0.9812 0.9817
2.1 0.9821 0.9826 0.9830 0.9834 0.9838 0.9842 0.9846 0.9850 0.9854 0.9857
2.2 0.9861 0.9864 0.9868 0.9871 0.9875 0.9878 0.9881 0.9884 0.9887 0.9890
2.3 0.9893 0.9896 0.9898 0.9901 0.9904 0.9906 0.9909 0.9911 0.9913 0.9916
2.4 0.9918 0.9920 0.9922 0.9925 0.9927 0.9929 0.9931 0.9932 0.9934 0.9936
2.5 0.9938 0.9940 0.9941 0.9943 0.9945 0.9946 0.9948 0.9949 0.9951 0.9952
2.6 0.9953 0.9955 0.9956 0.9957 0.9959 0.9960 0.9961 0.9962 0.9963 0.9964
2.7 0.9965 0.9966 0.9967 0.9968 0.9969 0.9970 0.9971 0.9972 0.9973 0.9974
2.8 0.9974 0.9975 0.9976 0.9977 0.9977 0.9978 0.9979 0.9979 0.9980 0.9981
2.9 0.9981 0.9982 0.9982 0.9983 0.9984 0.9984 0.9985 0.9985 0.9986 0.9986
3 0.99865 0.99869 0.99874 0.99878 0.99882 0.99886 0.99889 0.99893 0.99896 0.99900
3.1 0.99903 0.99906 0.99910 0.99913 0.99916 0.99918 0.99921 0.99924 0.99926 0.99929
3.2 0.99931 0.99934 0.99936 0.99938 0.99940 0.99942 0.99944 0.99946 0.99948 0.99950
3.3 0.99952 0.99953 0.99955 0.99957 0.99958 0.99960 0.99961 0.99962 0.99964 0.99965
3.4 0.99966 0.99968 0.99969 0.99970 0.99971 0.99972 0.99973 0.99974 0.99975 0.99976
3.5 0.99977 0.99978 0.99978 0.99979 0.99980 0.99981 0.99981 0.99982 0.99983 0.99983
3.6 0.99984 0.99985 0.99985 0.99986 0.99986 0.99987 0.99987 0.99988 0.99988 0.99989
3.7 0.99989 0.99990 0.99990 0.99990 0.99991 0.99991 0.99992 0.99992 0.99992 0.99992
3.8 0.99993 0.99993 0.99993 0.99994 0.99994 0.99994 0.99994 0.99995 0.99995 0.99995
112
3.9 0.99995 0.99995 0.99996 0.99996 0.99996 0.99996 0.99996 0.99996 0.99997 0.99997
4 0.999968329 0.999969641 0.999970901 0.999972112 0.999973274 0.999974391 0.999975464 0.999976493 0.999977482 0.999978431
4.1 0.999979342 0.999980217 0.999981056 0.999981862 0.999982635 0.999983376 0.999984088 0.999984770 0.999985425 0.999986052
4.2 0.999986654 0.999987231 0.999987785 0.999988315 0.999988824 0.999989311 0.999989779 0.999990226 0.999990655 0.999991066
4.3 0.999991460 0.999991837 0.999992199 0.999992545 0.999992876 0.999993193 0.999993497 0.999993788 0.999994066 0.999994332
4.4 0.999994587 0.999994831 0.999995065 0.999995288 0.999995502 0.999995706 0.999995902 0.999996089 0.999996268 0.999996439
4.5 0.999996602 0.999996759 0.999996908 0.999997051 0.999997187 0.999997318 0.999997442 0.999997561 0.999997675 0.999997784
4.6 0.999997888 0.999997987 0.999998081 0.999998172 0.999998258 0.999998340 0.999998419 0.999998494 0.999998566 0.999998634
4.7 0.999998699 0.999998761 0.999998821 0.999998877 0.999998931 0.999998983 0.999999032 0.999999079 0.999999124 0.999999166
4.8 0.999999207 0.999999245 0.999999282 0.999999317 0.999999351 0.999999383 0.999999413 0.999999442 0.999999470 0.999999496
4.9 0.999999521 0.999999545 0.999999567 0.999999589 0.999999609 0.999999629 0.999999648 0.999999665 0.999999682 0.999999698
5 0.999999713 0.999999728 0.999999742 0.999999755 0.999999767 0.999999779 0.999999790 0.999999801 0.999999811 0.999999821
5.1 0.999999830 0.999999839 0.999999847 0.999999855 0.999999863 0.999999870 0.999999877 0.999999883 0.999999889 0.999999895
5.2 0.999999900 0.999999906 0.999999911 0.999999915 0.999999920 0.999999924 0.999999928 0.999999932 0.999999935 0.999999939
5.3 0.999999942 0.999999945 0.999999948 0.999999951 0.999999954 0.999999956 0.999999958 0.999999961 0.999999963 0.999999965
5.4 0.999999967 0.999999968 0.999999970 0.999999972 0.999999973 0.999999975 0.999999976 0.999999977 0.999999979 0.999999980
5.5 0.999999981 0.999999982 0.999999983 0.999999984 0.999999985 0.999999986 0.999999987 0.999999987 0.999999988 0.999999989
5.6 0.999999989 0.999999990 0.999999990 0.999999991 0.999999991 0.999999992 0.999999992 0.999999993 0.999999993 0.999999994
5.7 0.999999994 0.999999994 0.999999995 0.999999995 0.999999995 0.999999996 0.999999996 0.999999996 0.999999996 0.999999996
5.8 0.999999997 0.999999997 0.999999997 0.999999997 0.999999997 0.999999998 0.999999998 0.999999998 0.999999998 0.999999998
5.9 0.999999998 0.999999998 0.999999998 0.999999998 0.999999999 0.999999999 0.999999999 0.999999999 0.999999999 0.999999999
6 0.999999999 0.999999999 0.999999999 0.999999999 0.999999999 0.999999999 0.999999999 0.999999999 0.999999999 0.999999999
113
Para valores negativos de Z
Normal 0 0.01 0.02 0.03 0.04 0.05 0.06 0.07 0.08 0.09
0 0.5 0.496010644 0.492021686 0.488033527 0.484046563 0.480061194 0.476077817 0.47209683 0.468118628 0.464143607
-0.1 0.460172163 0.456204687 0.452241574 0.448283213 0.444329995 0.440382308 0.436440537 0.432505068 0.428576284 0.424654565
-0.2 0.420740291 0.416833837 0.412935577 0.409045885 0.405165128 0.401293674 0.397431887 0.393580127 0.389738752 0.385908119
-0.3 0.382088578 0.378280478 0.374484165 0.370699981 0.366928264 0.363169349 0.359423567 0.355691245 0.351972708 0.348268273
-0.4 0.344578258 0.340902974 0.337242727 0.333597821 0.329968554 0.32635522 0.32275811 0.319177509 0.315613697 0.312066949
-0.5 0.308537539 0.305025731 0.301531788 0.298055965 0.294598516 0.291159687 0.287739719 0.284338849 0.280957309 0.277595325
-0.6 0.274253118 0.270930904 0.267628893 0.264347292 0.2610863 0.257846111 0.254626915 0.251428895 0.24825223 0.245097094
-0.7 0.241963652 0.238852068 0.235762498 0.232695092 0.229649997 0.226627352 0.223627292 0.220649946 0.217695438 0.214763884
-0.8 0.211855399 0.208970088 0.206108054 0.203269392 0.200454193 0.197662543 0.194894521 0.192150202 0.189429655 0.186732943
-0.9 0.184060125 0.181411255 0.17878638 0.176185542 0.17360878 0.171056126 0.168527607 0.166023246 0.163543059 0.16108706
-1 0.158655254 0.156247645 0.15386423 0.151505003 0.14916995 0.146859056 0.1445723 0.142309654 0.14007109 0.137856572
-1.1 0.135666061 0.133499513 0.131356881 0.129238112 0.127143151 0.125071936 0.123024403 0.121000484 0.119000107 0.117023196
-1.2 0.11506967 0.113139446 0.111232437 0.109348552 0.107487697 0.105649774 0.103834681 0.102042315 0.100272568 0.098525329
-1.3 0.096800485 0.095097918 0.093417509 0.091759136 0.090122672 0.088507991 0.086914962 0.085343451 0.083793322 0.082264439
-1.4 0.080756659 0.079269841 0.077803841 0.07635851 0.0749337 0.07352926 0.072145037 0.070780877 0.069436623 0.068112118
-1.5 0.066807201 0.065521712 0.064255488 0.063008364 0.061780177 0.060570758 0.059379941 0.058207556 0.057053433 0.055917403
-1.6 0.054799292 0.053698928 0.052616138 0.051550748 0.050502583 0.049471468 0.048457226 0.047459682 0.046478658 0.045513977
-1.7 0.044565463 0.043632937 0.042716221 0.041815138 0.040929509 0.040059157 0.039203903 0.03836357 0.03753798 0.036726956
-1.8 0.035930319 0.035147894 0.034379502 0.033624969 0.032884119 0.032156775 0.031442763 0.030741909 0.030054039 0.02937898
-1.9 0.02871656 0.028066607 0.02742895 0.026803419 0.026189845 0.02558806 0.024997895 0.024419185 0.023851764 0.023295468
-2 0.022750132 0.022215594 0.021691694 0.02117827 0.020675163 0.020182215 0.01969927 0.019226172 0.018762766 0.0183089
-2.1 0.017864421 0.017429178 0.017003023 0.016585807 0.016177383 0.015777607 0.015386335 0.015003423 0.014628731 0.014262118
-2.2 0.013903448 0.013552581 0.013209384 0.012873721 0.012545461 0.012224473 0.011910625 0.011603792 0.011303844 0.011010658
-2.3 0.01072411 0.010444077 0.010170439 0.009903076 0.00964187 0.009386706 0.009137468 0.008894043 0.008656319 0.008424186
-2.4 0.008197536 0.00797626 0.007760254 0.007549411 0.007343631 0.007142811 0.006946851 0.006755653 0.006569119 0.006387155
-2.5 0.006209665 0.006036558 0.005867742 0.005703126 0.005542623 0.005386146 0.005233608 0.005084926 0.004940016 0.004798797
-2.6 0.004661188 0.004527111 0.004396488 0.004269243 0.004145301 0.004024589 0.003907033 0.003792562 0.003681108 0.003572601
-2.7 0.003466974 0.00336416 0.003264096 0.003166716 0.003071959 0.002979763 0.002890068 0.002802815 0.002717945 0.002635402
-2.8 0.00255513 0.002477075 0.002401182 0.0023274 0.002255677 0.002185961 0.002118205 0.002052359 0.001988376 0.001926209
-2.9 0.001865813 0.001807144 0.001750157 0.00169481 0.001641061 0.00158887 0.001538195 0.001488999 0.001441242 0.001394887
-3 0.001349898 0.001306238 0.001263873 0.001222769 0.001182891 0.001144207 0.001106685 0.001070294 0.001035003 0.001000782
-3.1 0.000967603 0.000935437 0.000904255 0.000874032 0.000844739 0.000816352 0.000788846 0.000762195 0.000736375 0.000711364
-3.2 0.000687138 0.000663675 0.000640953 0.000618951 0.000597648 0.000577025 0.000557061 0.000537737 0.000519035 0.000500937
-3.3 0.000483424 0.00046648 0.000450087 0.00043423 0.000418892 0.000404058 0.000389712 0.000375841 0.000362429 0.000349463
-3.4 0.000336929 0.000324814 0.000313106 0.000301791 0.000290857 0.000280293 0.000270088 0.000260229 0.000250707 0.00024151
-3.5 0.000232629 0.000224053 0.000215773 0.00020778 0.000200064 0.000192616 0.000185427 0.000178491 0.000171797 0.000165339
-3.6 0.000159109 0.000153099 0.000147302 0.000141711 0.000136319 0.00013112 0.000126108 0.000121275 0.000116617 0.000112127
-3.7 0.0001078 0.00010363 9.96E-05 9.57E-05 9.20E-05 8.84E-05 8.50E-05 8.16E-05 7.84E-05 7.53E-05
-3.8 7.23E-05 6.95E-05 6.67E-05 6.41E-05 6.15E-05 5.91E-05 5.67E-05 5.44E-05 5.22E-05 5.01E-05
114
-3.9 4.81E-05 4.61E-05 4.43E-05 4.25E-05 4.07E-05 3.91E-05 3.75E-05 3.59E-05 3.45E-05 3.30E-05
-4 3.17E-05 3.04E-05 2.91E-05 2.79E-05 2.67E-05 2.56E-05 2.45E-05 2.35E-05 2.25E-05 2.16E-05
-4.1 2.07E-05 1.98E-05 1.89E-05 1.81E-05 1.74E-05 1.66E-05 1.59E-05 1.52E-05 1.46E-05 1.39E-05
-4.2 1.33E-05 1.28E-05 1.22E-05 1.17E-05 1.12E-05 1.07E-05 1.02E-05 9.77E-06 9.34E-06 8.93E-06
-4.3 8.54E-06 8.16E-06 7.80E-06 7.46E-06 7.12E-06 6.81E-06 6.50E-06 6.21E-06 5.93E-06 5.67E-06
-4.4 5.41E-06 5.17E-06 4.94E-06 4.71E-06 4.50E-06 4.29E-06 4.10E-06 3.91E-06 3.73E-06 3.56E-06
-4.5 3.40E-06 3.24E-06 3.09E-06 2.95E-06 2.81E-06 2.68E-06 2.56E-06 2.44E-06 2.32E-06 2.22E-06
-4.6 2.11E-06 2.01E-06 1.92E-06 1.83E-06 1.74E-06 1.66E-06 1.58E-06 1.51E-06 1.43E-06 1.37E-06
-4.7 1.30E-06 1.24E-06 1.18E-06 1.12E-06 1.07E-06 1.02E-06 9.68E-07 9.21E-07 8.76E-07 8.34E-07
-4.8 7.93E-07 7.55E-07 7.18E-07 6.83E-07 6.49E-07 6.17E-07 5.87E-07 5.58E-07 5.30E-07 5.04E-07
-4.9 4.79E-07 4.55E-07 4.33E-07 4.11E-07 3.91E-07 3.71E-07 3.52E-07 3.35E-07 3.18E-07 3.02E-07
-5 2.87E-07 2.72E-07 2.58E-07 2.45E-07 2.33E-07 2.21E-07 2.10E-07 1.99E-07 1.89E-07 1.79E-07
-5.1 1.70E-07 1.61E-07 1.53E-07 1.45E-07 1.37E-07 1.30E-07 1.23E-07 1.17E-07 1.11E-07 1.05E-07
-5.2 9.96E-08 9.44E-08 8.95E-08 8.48E-08 8.03E-08 7.60E-08 7.20E-08 6.82E-08 6.46E-08 6.12E-08
-5.3 5.79E-08 5.48E-08 5.19E-08 4.91E-08 4.65E-08 4.40E-08 4.16E-08 3.94E-08 3.72E-08 3.52E-08
-5.4 3.33E-08 3.15E-08 2.98E-08 2.82E-08 2.66E-08 2.52E-08 2.38E-08 2.25E-08 2.13E-08 2.01E-08
-5.5 1.90E-08 1.79E-08 1.70E-08 1.60E-08 1.51E-08 1.43E-08 1.35E-08 1.27E-08 1.20E-08 1.14E-08
-5.6 1.07E-08 1.01E-08 9.55E-09 9.01E-09 8.50E-09 8.02E-09 7.57E-09 7.14E-09 6.73E-09 6.35E-09
-5.7 5.99E-09 5.65E-09 5.33E-09 5.02E-09 4.73E-09 4.46E-09 4.21E-09 3.96E-09 3.74E-09 3.52E-09
-5.8 3.32E-09 3.12E-09 2.94E-09 2.77E-09 2.61E-09 2.46E-09 2.31E-09 2.18E-09 2.05E-09 1.93E-09
-5.9 1.82E-09 1.71E-09 1.61E-09 1.51E-09 1.43E-09 1.34E-09 1.26E-09 1.19E-09 1.12E-09 1.05E-09
-6 9.87E-10 9.28E-10 8.72E-10 8.20E-10 7.71E-10 7.24E-10 6.81E-10 6.40E-10 6.01E-10 5.64553E-
115
ESTIMACIÓN DE INTERVALO DE CONFIANZA
116
Para determinar el valor de Z, se realiza el siguiente procedimiento:
La notación α/2, representa que estamos en una gráfica de dos colas, por esta
razón α (alfa) o nivel de significancia se divide entre dos.
117
Este valor nos dice que la media de la muestra se encuentran en un 95% de los
casos como máximo a 1.96 desviaciones típicas de la media buscada.
ẋ ± Z σ/√n
= 10.998±0.00392
10.99408 ≤ µ ≤ 11.00192
118
Ejemplo estimación del intervalo de confianza para la media con 99% de
confianza
ẋ ± Z σ/√n
Una vez más, puesto que el 11 está incluido dentro de la amplitud de intervalo, no
hay razón para creer que algo está mal.
Problemas a resolver
119
estándar de la variable que mide las unidades de colesterol es s=28 mg/dl, se
pide:
a) Calcular el intervalo de confianza, con un nivel de confianza 0'95 para la media
de la población.
Así como la media poblacional µ suele ser desconocida, rara vez se conoce la
desviación estándar real de la población σ. Por lo tanto se requiere desarrollar una
estimación del intervalo de confianza de µ usando solo los estadísticos de
muestra: ẋ y S (media y desviación estándar de la muestra).
Ejercicio:
120
Para determinar el valor crítico (tn-1) se busca en la Tabla de valores críticos de t
(ver tabla al final) Las columnas de la tabla representan el área de la cola
superior de la distribución t. Cada fila representa el valor t determinado para cada
grado de libertad específico.
Por ejemplo, con 99 grados de libertad, si se quiere un nivel de confianza del 95%
significa que el 2.5% de los valores, es decir un área de 0.025, se encuentra en
cada extremo de la distribución. Buscando en la columna para un área de la cola
superior de 0.025 y en la fila correspondiente a 99 grados de libertad, se obtiene
un valor crítico para t de 1.9842 (ver figura). Entonces sustituimos:
121
122
123
PRUEBA DE HIPOTESIS
Una hipótesis puede usarse como una propuesta provisional que no se pretende
demostrar estrictamente, o puede ser una predicción que debe ser verificada por
el método científico. En el primer caso, el nivel de veracidad que se otorga a una
hipótesis dependerá de la medida en que los datos empíricos apoyan lo afirmado
en la hipótesis. Esto es lo que se conoce como contrastación empírica de la
hipótesis o bien proceso de validación de la hipótesis. Este proceso puede
realizarse mediante confirmación (corroborar, dar validez) o mediante verificación
(demostrar o comprobar que es verdadera una cosa de la que se dudaba).
La hipótesis nula (H0), siempre es una de status quo: expresa que el fenómeno o
proceso está funcionando de manera adecuada, de acuerdo con la norma o las
especificaciones.
124
hipótesis de investigación H1. Plantear hipótesis de investigación (H1) que no sea
excluyente con H0 supondría una aplicación incorrecta del razonamiento
estadístico.
Ejemplo:
¿Es el peso medio de las cajas de cereal incluidas en la muestra de una empresa
de cereales un valor congruente con lo que usted esperaría si la media de toda la
población de cajas de cereales es de 368 gr? ¿o puede usted inferir que la media
poblacional no es igual a 368 gramos porque la media muestral es
significativamente diferente a 368 gramos?.
125
Si no se rechaza la hipótesis nula, entonces no ha podido demostrar la
hipótesis alternativa. El no poder demostrar la hipótesis alternativa no
quiere decir que haya demostrado la hipótesis nula.
La hipótesis nula siempre se refiere a un valor específico del parámetro
poblacional µ, no a un estadístico de muestra (ẋ).
El enunciado que describe la hipótesis nula siempre contiene un signo de
igual relacionado con el valor específico del parámetro poblacional.
El enunciado que describe la hipótesis alternativa nunca contiene un signo
de igual relacionado con el valor específico del parámetro poblacional.
126
Error tipo I y II
127
La posibilidad de cometer el error tipo II (β) depende de la diferencia que existe
entre los valores hipotéticos y real del parámetro poblacional. Si la diferencia que
existe entre los valores hipotético y real del parámetro poblacional es grande, β es
pequeña y si la diferencia entre los valores hipotético y real del parámetro
poblacional es pequeño β es mayor.
Z= ẋ-µ
σ
√n
128
Por lo tanto la regla de decisión es:
Ejemplo:
El resultado del pesado de las 25 cajas indica una media muestral de ẋ=372.5
gramos y que la desviación estándar de la población es de 15 gramos
129
Z= ẋ-µ = 372.5-368 = +1.50
σ 15
√n √25
131
Determinación del valor crítico para un área de 0.025 en cada cola, con 11
grados de libertad, a partir de la tabla de valores críticos de t.
A partir de la tabla t, los valores críticos son ± 2.201. La regla de decisión es:
Paso 5. Los siguientes datos son las cantidades de la muestra de 12 facturas, con
la media ẋ y la desviación estándar S:
110.59 108.98
75.71 93.32
127.46 152.22
128.58 91.97
107.26 111.45
135.11 111.56
Media 112.85 20.79 desviación estándar
132
t= ẋ- µ
S
√n
=112.85-120 =-1.19
20.80
√12
INTRODUCCIÓN
Si se presenta una relación entre una variable denominada dependiente y otra
denominada independiente, como, por ejemplo, las existentes entre la experiencia
profesional de los trabajadores y sus respectivos sueldos, las estaturas y pesos de
personas, la producción agraria y la cantidad de fertilizantes utilizados, etc., puede
darse el problema de que la variable dependiente asuma múltiples valores para
una combinación de valores de las variables independientes.
133
Una variable independiente a aquélla que es manipulada por el
investigador en un experimento con el objeto de estudiar cómo incide sobre
la expresión de la variable dependiente. Esto significa que las variaciones,
ejercidas por el investigador sobre la variable independiente repercutirán
en variaciones en la variable dependiente. También se la conoce como
variable explicativa y suele denotarse como X
A la variable dependiente se la conoce como variable explicada. Esta
dependen de los valores que tome la otra variable. En una función suele
estar representada por Y, en el eje ordenadas (vertical).
La variable Y está en función (depende) de la variable X, que es la variable
independiente.
Ejemplos
El precio que pagamos por frutas, verduras u otra mercancía depende del número
de kilogramos que compremos.
x = Kg de mercancía 1 2 3 4 5
y = P r ec i o e n $ 2 4 6 8 10
134
Si se dan las relaciones descritas, se suele recurrir a los estudios de regresión
en los cuales se obtiene una nueva relación pero de un tipo especial
denominado función, en la cual la variable independiente se asocia con un
indicador de tendencia central de la variable dependiente. Cabe recordar que
en términos generales, una función es un tipo de relación en la cual para cada
valor de la variable independiente le corresponde uno y sólo un valor de la
variable dependiente.
Y = f (X)
"Y está regresando por X"
Yi = β0 + β1 Xi + ei
Donde:
136
Consiste en determinar los valores de "a" y "b " a partir de la muestra, es decir,
encontrar los valores de a y b con los datos observados de la muestra. El método
de estimación es el Método de Mínimos Cuadrados, mediante el cual se obtiene:
PROBLEMA
Se desea pronosticar las ventas anuales para todas las tiendas nuevas de una
marca, con base en el tamaño de los establecimientos. Para examinar la relación
entre la superficie de la tienda (en pies cuadrados) y las ventas anuales, se
selecciono una muestra de 14 tiendas (ver tabla).
137
TIENDA PIES 2 VENTAS ANUALES
1 1.7 3.7
2 1.6 3.9
3 2.8 6.7
4 5.6 9.5
5 1.3 3.4
6 2.2 5.6
7 1.3 3.7
8 1.1 2.7
9 3.2 5.5
10 1.5 2.9
11 5.2 10.7
12 4.6 7.6
13 5.8 11.8
14 3 4.1
138
8) los resultados obtenidos con Excel son los siguientes:
Estadísticas de la regresión
Coeficiente de correlación múltiple 0.95088
Coeficiente de determinación R^2 0.90418
R^2 ajustado 0.89619
Error típico 0.96638
Observaciones 14.00000
Tabla 2. Análisis de varianza (ANOVA)
Grados de Suma de Valor crítico de
libertad cuadrados Promedio de los cuadrados F F
Regresión 1.00000 105.74761 105.74761 113.23351 0.00000
Residuos 12.00000 11.20668 0.93389
Total 13.00000 116.95429
139
En la tabla 3 se observan los coeficientes b0= 0.964 y b1= 1.669. Por lo tanto, la
línea de predicción para estos datos es: Yi= 0.964 + 1.669i
La pendiente b1 es+ 1.669. Esto significa que para cada incremento de 1 unidad
en X, se estima que el valor promedio de Y se incrementará por 1.669 unidades.
En otras palabras por cada incremento de 1.0 mil pies cuadrados en el tamaño de
la tienda, se estima que la media de ventas anuales se incrementará por 1.669
millones. Por lo tanto la pendiente representa la porción de las ventas anuales que
se estima que variará de acuerdo con el tamaño de la tienda.
12
VENTAS ANUALES
10
8
Y
6 Y
4 Pronóstico para Y
0
0 1 2 3 4 5 6 7
Variable X 1 SUPERFICIE DE LA TIENDA
140
GRÁFICOS DE CONTROL
Las gráficas de control son una herramienta ampliamente utilizada para analizar el
proceso de recolección secuencial de datos, permiten monitorear la variación de
una característica de productos o servicios a lo largo del tiempo. Con ellas se
estudia el desempeño pasado, se evalúan las condiciones presentes o predicen
las condiciones futuras. La información obtenida al analizar una gráfica de control,
constituye la base para el proceso de mejoramiento. Con ellas se analizan
variables categóricas, discretas y continuas. Las gráficas de control hacen énfasis
en separar las causas de variación especiales de las causas comunes de
variación.
Como se menciono, para el enfoque de las gráficas de control existen dos tipos de
variación. El primer tipo es una variabilidad aleatoria debido a "causas al azar" o
"causas comunes". Estas representan cambios que existen en un proceso, son
fluctuaciones que operan aleatoriamente o por casualidad.
141
De esta forma, un proceso se encuentra bajo control estadístico cuando la
variabilidad se debe sólo a "causas comunes" y está fuera de control cuando se
debe a “causas especiales”.
La distinción entre las dos causas de variación es importante porque las causas
especiales no forman parte del proceso y son corregibles, sin cambiar el sistema,
Las causas comunes se reducen cambiando el sistema.
El segundo tipo de error implica tratar una causa especial como si fuera común y
da como resultado no tomar una acción correctiva inmediata cuando es necesaria.
Para cada uno de los gráficos de control, existen dos situaciones diferentes; a)
cuando no existen valores especificados y b) cuando existen valores
especificados. Antes de utilizar las Gráficas de Control por variables, debe tenerse
en consideración lo siguiente:
142
Construcción de gráficos de control
1
El porcentaje o fracción disconforme se define como el cociente del número de artículos
disconformes de una población entre el número total de artículos que contiene ésta última. Los
artículos pueden tener varias características de calidad que el inspector examina simultáneamente.
Si no está conforme con el estándar de una o más características, se clasificará como disconforme.
143
Panel A. No existe un patrón aparente de los valores a lo largo del tiempo y no hay
puntos que caigan fuera del límite de control de 3 desviaciones estándar. El
proceso parece estable y contiene causas comunes de variación.
Panel B. Contiene dos puntos que caen fuera de los límites de control de las 3
desviaciones estándar. Se debe investigar estos puntos para tratar de determinar
las causas especiales que llevan a su ocurrencia.
Panel C. No tienen ningún punto fuera de los límites de control, tiene una serie de
puntos consecutivos por arriba del valor promedio y una serie de puntos
consecutivos por debajo del valor promedio. Además se observa claramente una
tendencia global descendente, se debe investigar para determinar que ha causado
este patrón.
Cuando una gráfica de control exhibe un punto fuera de los límites de control o
una tendencia (como en B y C) está fuera de control y es impredecible. Un
proceso fuera de control contiene tanto causas comunes de variación como
causas especiales y estas últimas no forman parte del diseño del proceso, si las
causas especiales de variación actúan en detrimento del producto o servicio, se
requiere elaborar planes para eliminar la causa; por el contrario si éstas
incrementan la calidad del producto o servicio, se debe cambiar el proceso para
incorporarla dentro del diseño del proceso.
144
Tipos de gráficas de control
p± 3 √p (1-p)
n
k
p= Ʃpi
i=1
k
En donde:
145
Tabla 1
1 200 16 0.080
2 200 7 0.035
3 200 21 0.105
4 200 17 0.085
5 200 25 0.125
6 200 19 0.095
7 200 16 0.080
8 200 15 0.075
9 200 11 0.055
10 200 12 0.060
11 200 22 0.110
12 200 20 0.100
13 200 17 0.085
14 200 26 0.130
15 200 18 0.090
16 200 13 0.065
17 200 15 0.075
18 200 10 0.050
19 200 14 0.070
20 200 25 0.125
21 200 19 0.095
22 200 12 0.060
23 200 6 0.030
24 200 12 0.060
25 200 18 0.090
26 200 15 0.075
27 200 20 0.100
28 200 22 0.110
k=28 n=200 2.315
pi=2.315
146
Para los datos de la tabla anterior
k=28
k
Pi= 2.315
n= 200 p= Ʃ pi
k= 28 i=1
p= Ʃ pi =2.315
=0.0827
i=1
28
LIC= 0.0827-0.0584=0.0243
147
Grafica p, control para la proporción
de artículos disconformes
0.140
0.120
0.100
0.080
0.060
0.040
0.020
0.000
1 3 5 7 9 11 13 15 17 19 21 23 25 27
Una vez que se tiene la base de datos como la tabla 1 se elige el menú “insertar”,
posteriormente dentro de éste se seleccionan “gráficos de línea”, allí se opta por
“gráficas de línea con marcadores”.
148
Una vez seleccionada la opción anterior aparece un recuadro en blanco, se coloca
el cursor sobre éste y se da clik en el botón derecho, allí parece un menú y se
elige “seleccionar datos”
149
En la línea de nombre de la serie se colocan para éste caso los “días” y en
“valores de las serie” los datos de proporción y finalmente se arregla el formato de
la gráfica.
0.120
0.100
0.080
0.060
0.040
0.020
0.000
Días
150
Gráfica de control para el rango y la media
Las variables numéricas comunes incluyen tiempo, dinero y peso, las gráficas de
control de variables son más sensibles para detectar la variación por causas
especiales respecto a la gráfica p. Las gráficas de control, generalmente se usan
en parejas, una permite monitorear la dispersión o variabilidad, y la otra monitorea
el promedio del proceso.
La gráfica R
Para desarrollar los límites de control para el rango, se requiere una estimación
del rango promedio y de la desviación estándar del rango. Estos límites dependen
de dos constantes: factor d2, que representa la relación entre la desviación
estándar y el rango para tamaños de muestra que varían, y el factor d3, que
representa la relación entre la desviación estándar y el error estándar del rango
para tamaños de muestra que varían.
R±3R d3
d2
151
Límite de control superior (LCS)= R+3R d3
d2
Donde: R= Ʃ Ri
i=1
k
Problema:
152
18 9 8.1 10.2 9.7 8.4 9.08 2.1
19 9.9 10.1 8.9 9.6 7.1 9.12 3
20 10.7 9.8 10.2 8 10.2 9.78 2.7
21 9 10 9.6 10.6 9 9.64 1.6
22 10.7 9.8 9.4 7 8.9 9.16 3.7
23 10.2 10.5 9.5 12.2 9.1 10.3 3.1
24 10 11.1 9.5 8.8 9.9 9.86 2.3
25 9.6 8.8 11.4 12.2 9.3 10.26 3.4
26 8.2 7.9 8.4 9.5 9.2 8.64 1.6
27 7.1 11.1 10.8 11 10.2 10.04 4
28 11.1 6.6 12 11.5 9.7 10.18 5.4
Sumas: 265.38 97.5
k
Ʃ Ri = sumatoria de rangos = 97.5
i=1
k
R= Ʃ Ri = 97.5 = 3.482
i=1 28
k
n= 5
Constantes
153
3.482±3 (3.482) [ 0.864 ] = 3.482±3.880
2.326
Por lo tanto
La gráfica ẋ
154
que representa la relación entre la desviación estándar y el rango para tamaño de
muestras variables.
Donde
k k
R= Ʃ Ri
X= Ʃ Xi
i=1
i=1
k
k
k
Ʃ Xi = sumatoria de las medias de los subgrupos seleccionados = 265.38
i=1
k
Ʃ Ri = sumatoria de los rangos de los subgrupos seleccionados= 97.5
i=1
= k k
155
Aplicando
= 9.478 ± 3 3.482 =
2.362√5
= 9.478 ± 2.008
Por tanto:
LCS= 9.478 + 2.008 = 11.486
LCI= 9.478 - 2.008 = 7.470
Graficando
La gráfica no revela ningún punto fuera de los límites de control así como tampoco
una tendencia. Aunque existe una cantidad considerable de variabilidad entre las
medias de los 28 subgrupos, y como ambas gráficas R y X barra están bajo
control, el proceso de entrega de equipaje se encuentra en estado de control
estadístico. Si se desea reducir la variación o la media del tiempo de entrega,
entonces se necesita cambiar el proceso.
156