Objetivos:

• Comprender qué es y cómo se construye un histograma

• Comprender la importancia de los histogramas como herramienta
CONTROL DE CALIDAD estadística en el control de calidad
Desarrollo:
• Poblaciones y muestras
• Histogramas: § Definición
§ Construcción mediante un ejemplo
§ Variantes
§ Interpretación
§ Ventajas y desventajas
§ Especificaciones
Facultad de Ingeniería - IIMPI 1 § Formas típicas y atípicas 2

MUESTRAS Y POBLACIONES • Histograma: representación gráfica de datos numéricos que

permite ver tres propiedades de los mismos:
• Población: totalidad de valores posibles de una
característica particular de un grupo especificado de objetos, - forma en la que se distribuyen las observaciones
- tendencia central
los cuales constituyen un universo. - dispersión
Ejemplo:
Histograma de frecuencias relativas típico:
Universo: personas que se encuentran en el salón de clases.
Características: edad
Población: edades de dichas personas

• Muestra: parte de la población en estudio seleccionada

según una regla o plan.
Ejemplo:
Muestra: edades de 10 personas elegidas al azar.
3 4

Ejemplo de construcción de un histograma

1.37 1.34 1.38 1.32 1.33 1.29 1.36 1.30 1.31 1.33
1.35 1.36 1.30 1.32 1.33 1.32 1.37 1.34 1.38 1.36
En la fabricación de remaches una característica de interés es la
1.35 1.33 1.38 1.37 1.44 1.38 1.39 1.34 1.32 1.30
longitud de los mismos. A fin de estudiar el comportamiento de esta
característica en un lote se extrae una muestra de 100 remaches y se 1.29 1.41 1.27 1.36 1.41 1.31 1.33 1.35 1.34 1.35
la inspecciona. Los resultados obtenidos se aprecian en la tabla 1.40 1.35 1.37 1.35 1.35 1.35 1.36 1.39 1.31 1.31
adjunta. 1.28 1.34 1.31 1.33 1.34 1.34 1.34 1.36 1.39 1.34

(VER DIAPOSITIVA SIGUIENTE) 1.35 1.35 1.34 1.32 1.38 1.37 1.36 1.31 1.33 1.30
1.31 1.36 1.32 1.29 1.35 1.39 1.36 1.40 1.32 1.33
Es necesario procesar esta información para facilitar el análisis de 1.37 1.36 1.37 1.33 1.36 1.34 1.31 1.36 1.37 1.35
los datos.
1.36 1.35 1.35 1.31 1.34 1.30 1.35 1.33 1.35 1.31

5 6

1
1) RANGO = Valor máx. – Valor mín. = 1,44 – 1,27 = 0,17
Al tiempo que se efectúan los cálculos resulta útil completar la
2) NUMERO DE CLASES (NC) = √ n NC = √100 = 10 siguiente tabla (se obtiene la distribución de frecuencias):
3) ANCHO DE CLASE (AC) = R / NC = 0,17 / 10 = 0,017 ≅ 0,02
recalcular el NC por el redondeo: NC = R / AC = 0,17 / 0,02 ≅ 9
Clase LI LS M Valores en c / clase Fa Fr (%) Fac (%)
4) LIMITES DE CLASE:
1 1.27 1.29 1.28 II 2 2 2
LIci = valor mín. + (i - 1).AC (límite inferior de la i-ésima clase).
2 1.29 1.31 1.30 IIIII III 8 8 10
LSci = LIci+1 (límite superior de la i-ésima clase,
coincidiendo con el límite inferior de la clase siguiente). 3 1.31 1.33 1.32 IIIII IIIII IIIII II 17 17 27
4 1.33 1.35 1.34 IIIII IIIII IIIII IIIII II 22 22 49
5) MEDIATRIZ DE CLASE (Mi) = Mi = (LSci + Lici) / 2
5 1.35 1.37 1.36 IIIII IIIII IIIII IIIII IIIII IIII 29 29 78
6) FRECUENCIAS ABSOLUTAS (Fa): cantidad total de valores en cada clase. 6 1.37 1.39 1.38 IIIII IIIII III 13 13 91
7) FRECUENCIAS RELATIVAS (Fr): Fri (%) = (Fai / n) ∗ 100 7 1.39 1.41 1.40 IIIII I 6 6 97
(Fr de la i-ésima clase; en este caso n = 100) 8 1.41 1.43 1.42 II 2 2 99
9 1.43 1.45 1.44 I 1 1 100
8) FRECUENCIAS ACUMULADAS (Fac): Faci (%) = Σ Frj (%)
j≤i
7 8

HISTOGRAMA Frecuencias relativas en función de las mediatrices:

Histograma de frecuencias acumuladas:

9 10

Interpretación de histogramas de frecuencias relativas y

acumuladas: Supongamos lote muy grande; si aumentamos “n” y el NC

Probabilidad = (casos favorables) / (casos posibles) el AC disminuirá; tendremos barras cada vez más delgadas

X = `longitud de un remache` P(1.33≤X≤1.35) = 0.22 en el límite, uniendo las mediatrices se obtiene la curva de la
densidad de probabilidad en el lote.
las Fr se pueden interpretar como probabilidades la altura
de cada banda (en el histog. de Fr) indica la probabilidad de que el La probabilidad de extraer una unidad perteneciente al intervalo
remache extraído pertenezca a esa clase. “I” se obtiene integrando la densidad en ese intervalo.

El histograma de Fac indica la probabilidad de que al tomar una

densidad de frecuencia relativa ≡ Fr/AC medida la misma se encuentre en ese subintervalo ó en los
anteriores. Si se trabaja con densidades de Fac es el área lo que
al graficarla se tendrá ahora que el área de cada banda indica la indica dicha probabilidad.
probabilidad el área total es 1.
11 12

2

Histogramas y especificaciones
Especificación: valor deseado para una característica
determinada de un producto.
Al fijarse una tolerancia (∇) surgen los límites de
especificación:
LIE = E - ∇ límite inferior de especificación
LSE = E + ∇ límite superior de especificación.
Obs: si hay tolerancia hacia un solo lado se tendrá un único
límite.
Producto dentro de los límites: conforme
Producto fuera de los límites: no conforme.
a) proceso que cumple con las especificaciones y que está centrado
en el valor deseado (caso ideal).
b) proceso con nivel medio diferente al especificado. Alguna
modificación podría causar la producción de defectuosos.
c) proceso que no está centrado en la especificación, con
variabilidad relativamente pequeña.
d) proceso centrado y dentro del rango aceptable, con la
variabilidad máxima recomendada.
e) proceso cuyo nivel medio no coincide con el deseado y que
produce defectuosos.
f) proceso centrado pero con variabilidad que excede la
recomendada.
Ventajas del uso de histogramas
• simplicidad
• posibilidad de trabajar conjuntamente con los límites de
especificación.
Desventajas del uso de histogramas
• pérdida de la individualidad de las observaciones
• la evolución de la característica en el proceso puede no ser revelada
13 14
Al colocar los límites de especificación en un histograma
pueden darse distintas situaciones, algunas de las cuales se
muestran a continuación:
15 16
Las que siguen son formas atípicas:
g) histograma bimodal: construido en base a unidades
producidas por dos máquinas diferentes que producen a niveles
distintos.
h) histograma bimodal que no cumple con las especificaciones.
i) histograma truncado: se inspeccionaron todas las unidades del
lote y se eliminaron las defectuosas.
j) histograma truncado con errores de inspección: el lote
contiene todavía unidades defectuosas por errores del inspector.
k) histograma truncado con errores de inspección: en este caso
se cometieron mayor cantidad de errores en unidades dudosas.
17 18
3
l) histograma truncado con errores de inspección: aquí los errores
son más graves (se dejaron unidades más alejadas del valor
especificado).

m) histograma con isla: aparece un pequeño agrupamiento en

torno a un cierto valor diferente del especificado, posiblemente
por mezcla de productos fabricados por dos máquinas distintas,
una que produce al nivel deseado y otra que lo hace a otro nivel
(predominan las unidades de la primera en la mezcla).

n) histograma con isla: en este caso ninguna de las dos máquinas

produce al nivel deseado, al tiempo que ambas generan
defectuosos.

19