Documentos de Académico
Documentos de Profesional
Documentos de Cultura
MECÁNICA DE
PRODUCCIÓN
FASCÍCULO DE APRENDIZAJE
ESTADÍSTICA APLICADA
Los Directores Zonales y Jefes de Unidades Operativas son los responsables de su difusión y
aplicación oportuna.
N° de Página…..............150…...........……
Firma ……………………………………..
Nombre: Jorge Saavedra Gamón
Fecha: ……………2006-04-11………….
1
Í N D I C E
Introducción
• Introducción a la estadística 1
• Práctica Nº 1 11
• Variable y toma de datos 13
• Práctica Nº 2 20
• Estadística aplicada a procesos de la calidad 22
• Calidad Total 28
• Control de calidad 40
• Normalización y especificaciones de calidad 46
• Norma ISO 9000 51
• Norma ISO 14000 52
• Distribución de frecuencias absolutas 53
• Práctica Nº 3 77
• La Media 79
• La Mediana 83
• La Moda 86
• Evaluación Parcial I 88
• Rango, varianza, desviación stándard 89
• Práctica Nº 4 93
• Histograma 94
• Práctica Nº 5 105
• Distribución normal, aplicación 110
• Diagrama de causa - efecto 117
• Práctica Nº 6 124
• Diagrama de dispersión 125
• Regresión lineal simple 131
• Diagrama de pareto 133
• Práctica Nº 7 139
• Diagrama de control 140
• Evaluación parcial 144
• La ruta a la calidad 145
• Bibliografía
2
ESTADÍSTICA APLICADA
INTRODUCCIÓN A LA ESTADÍSTICA
Entre Marzo del 88 a Agosto del 90 los sueldos han tenido una caída del
60%. Según el Instituto Nacional de Estadística e Informática (INEI), el
nivel acumulado de inflación durante el primer semestre del presente año
llegó a 230.5%. Una persona cualquiera puede preguntar: ¿has puesto las
últimas estadísticas acerca del empleo?, etc. Naturalmente, en cada uno
de estos comentarios, las personas están usando la palabra "estadística"
en forma correcta, sin embargo, cada uno la usa en una forma diferente
para un propósito también diferente término "estadística" también se
emplea para designar un área de estudio. Una disciplina; por ejemplo,
cuando se emplea esta palabra en el título de un libro o cuando nos
referimos a los cursos de estadística de la currícula de una profesión, etc.
Sin embargo ambos significados de "estadística" están muy relacionados
debido a que las “estadísticas" consideradas como datos numéricos en
gran parte son la "materia prima".
2. División de la estadística
85 + 90 + 93 + 82 + 95 = 445 = 89 puntos
5 5
El resultado se limita a los datos obtenidos en este caso particular y no
implica ninguna generalización acerca de las aptitudes de las secretarias
de otras oficinas de la misma compañía. Es decir. el gerente está usando
estadística para describir aptitudes de las secretarias de esa oficina. Este
método es de naturaleza descriptiva, debido a que el promedio condensa
y describe la información obtenida.
Los gráficos, tablas y mapas que muestra datos de tal forma que sean más
fáciles de entender son todos ejemplos del uso de Estadística Descriptiva.
2.2 Estadística inferencial
Ahora bien esta predicción se hace con un cierto grado de confianza; este
grado de confianza se mide por la "probabilidad". Por tanto, el cálculo de
probabilidades, piedra angular de la inferencia estadística está como
puente entre las dos partes de la estadística.
Aunque la Estadística descriptiva es importante para caracterizar y
presentar información de los datos, sin embargo, el desarrollo de la
Inferencia Estadística es lo que es lo que ha conducido a la .gran
expansión en la aplicación de los métodos estadísticos.
TIRA
Ejemplo 1: Suponga ahora en el ejemplo 1, que el gerente de personal
desea.
Conocer la aptitud promedio de todas las secretarias de la compañía, pero
carece de tiempos de los recursos para aplicar una prueba de aptitud a
todas ellas. Entonces decide usar la aptitud promedio de las cinco
secretarias para estimar la aptitud promedio de todas las secretarias de la
compañía. El proceso de estimar esta aptitud promedio global será un
problema de Inferencia Estadística.
Ejemplo 2: Un fabricante de medicinas afirma que una nueva vacuna
contra el catarro desarrollada por su compañía tiene una efectividad del
95 %, esto es, en promedio 95 de cada 100 personas que emplean la
vacuna pasarán el invierno sin contagiarse de catarro.
35 7 = 0.88
=
40 8
Esta proporción expresado en porcentaje es 100(0.88)% = 88%. Entonces
la evidencia indica sólo un 88% de efectividad de la vacuna en cuestión,
que es menor a la Afinación del fabricante. El proceso de decidir, se
rechaza o no la afirmación del fabricante es problema de inferencia
estadística.
Ejemplo 3: Cuatro bombillas de marca A dejaron de funcionar después de
1100, 980. 900 y 1020 horas de uso continuo. Cinco bombillas de marca B
dejaron de funcionar después de 960, 1050, 1065, 845 y 980 horas de uso
continuo. Se llega a siguientes conclusiones:
f. Ud. está generalizando que las bombillas marca A duran más que las
bombillas marca B. Por lo tanto, es Inferencia Estadística.
Problemas:
TIRA
calificación promedio de las cuatro trabajadoras es 89.
TIRA
características en los alumnos de las universidades de Lima, la población
estará referida solamente a ellas.
TIRA
La proporción de la población, la cual es un parámetro que se desconoce,
es la proporción de todas las unidades defectuosas producidas en el
proceso; se estima mediante la proporción de la muestra, la cual es la
proporción de las unidades defectuosas contenida en la muestra. Así, si
en un lote de 300 unidades defectuosas producidas en el proceso, el
ingeniero de control de calidad encuentra 45 defectuosas, entonces la
proporción de defectuosas en la muestra será 45/300 = 0.15 (15%).
Solución:
Solución:
PRÁCTICA Nº 01
1. Toma de datos
a. Reportes financieros.
b. Reportes de operaciones, que están dadas por la información de la
producción, ventas, compras, estados de pérdidas y ganancias.
c. Reportes especiales, es información adicional para análisis
específico.
Métodos de interrogatorios
- Frecuencia de recolección.
- Los aspectos de cobertura.
- Los aspectos de temporalidad.
- Los aspectos de propósitos.
2. Identificación de variables
Ejemplo:
- Analfabeto
RETIRA - Primaria
- Secundaria
- Superior
Solución:
PRÁCTICA Nº 2
1. ¿Puede ordenar a las personas por su estado civil: soltero (a), casado
(a), viudo (a), divorciado "(a)? Justifique su respuesta.
4. Si los únicos valores posibles para una variable X son: ½, 1/3, 1/4,…,
entonces X es una variable continua.
En los días de Taylor, todas las plantas, salvo algunas excepciones, tenían
un departamento de inspección. La función de éste consistía en eliminar
los materiales inaceptables del proceso de producción, desde el material
de entrada hasta el producto acabado. En aquella época el muestreo
estadístico era eminentemente desconocido en la manufactura, por lo que
con frecuencia se escogían puntos clave del proceso en los cuales se
realizaba 100% de la inspección.
Movimiento
de la herramienta
Al revisar los cálculos para los límites de control superior e inferior tanto
para la media como para el rango en la tabla 1, se observará que los
productos de los valores de factor y el rango de la muestra calculado
pueden usarse para determinar estos límites.
Número de muestra
1 2 3 4 5 6 7 8 9 10 11 12
1 3.50 3.60 3.60 3.60 3.50 3.70 3.70 4.00 4.50 3.50 3.70 3.70
2 3.50 3.50 3.70 3.70 3.50 3.80 4.00 4.40 4.60 3.60 3.70 3.60
3 3.60 3.50 3.50 3.60 3.60 3.90 4.20 4.50 4.20 3.60 3.60 3.80
4 3.50 3.60 3.60 3.60 3.60 3.90 4.10 4.20 4.10 3.60 3.60 3.80
Total 14.1 14.3 14.4 14.5 14.2 15.3 16.0 17.1 17.4 14.2 14.6 14.9
X 3.525 3.55 3.60 3.625 3.55 3.55 4.0 4.275 4.35 4.55 4.65 4.725
Valor alto 3.60 3.60 3.60 3.60 3.60 3.60 3.60 3.60 3.60 3.60 3.60 3.50
Valor bajo 3.50 3.50 3.50 3.50 3.50 3.50 3.50 3.50 3.50 3.50 3.50 3.50
Rango 0.10 0.10 0.20 0.10 0.10 0.10 0.50 0.50 0.50 0.10 0.10 0.20
Los valores para estos factores, para varios tamaños de muestra, se dan
en la tabla 2.
Tamaño de la muestra A2 D3 D4
2 1.88 0 3.27
3 1.02 0 2.57
4 0.73 0 2.28
5 0.58 0 2.11
6 0.48 0 2.00
Tabla 2. Factores para determinar límites de control superior e inferior para gráficas
X y R a partir de R
Al analizar las medias graficadas para los valores del diámetro A para las
primeras 48 piezas cortadas (Fig. 2) resulta evidente que este proceso
parece estar "fuera de control", lo cual significa que demasiados (es decir,
más de 1 en 100) valores de medias de la muestra caen fuera de los límites
de control. Esto sugiere que hay una causa especial subyacente para el
grado desplegado de variabilidad de la media de la muestra. La sospecha
aquí es que algo está mal en la forma como se realiza esta operación.
4.35
4.185
4.02
UCLx
3.855
MEDIAx
3.69
LCLx
3.525
GRÁFICA R
0.513 UCLr
0.38475
0.2565
MEDIAr
0.12825
0.00
1 36 35 34 33 32 34.0 4
2 31 31 34 32 30 31.6 4
3 30 30 32 30 32 30.8 2
4 32 33 33 32 35 33.0 3
5 32 34 37 37 35 35.0 5
6 32 32 31 33 33 32.2 2
7 33 33 36 32 31 33.0 5
8 23 33 36 35 36 32.6 13
9 43 36 35 24 31 33.8 19
10 36 35 36 41 41 37.8 6
11 34 38 35 34 38 35.8 4
12 36 38 39 39 40 38.4 4
13 36 40 35 26 33 34.0 14
14 36 35 37 34 33 35.0 4
15 30 37 33 34 35 33.8 7
16 28 31 33 33 33 31.6 5
17 33 30 34 33 35 33.0 5
18 27 28 29 27 30 28.2 3
19 35 36 29 27 32 31.8 9
20 33 35 35 39 36 35.6 6
Totales ... ... ... ... ... 671.0 124
0.4030
0.4040
Límite de control superior
X promedio (pulgadas)
0.4030
Límite de control inferior
0.4020
0 5 10 15 20
Número de muestra
0.0020
X
X
X
0.0010
X
X
X X
X X X X
X X X X X
X X
X X Límite de control inferior
0
0 5 10 15 20
Número de muestra
Fig. 4 Gráficas de control X y R para diámetro de avance
Hay que resaltar un punto importante. Mucho más importantes que las
formulaciones matemáticas más complejas que podamos concebir, o los
cálculos que podamos realizar (hazañas con las cuales los estudiantes se
han asociado íntimamente durante sus estudios de ingeniería), son los
principios, conceptos o premisas orientadoras que se encuentran en el
meollo de la práctica de una profesión. El control de calidad como se
practicó desde 1920 hasta 1980 tenía una base estadística muy alta, si no
en la práctica, al menos en teoría.
CALIDAD TOTAL
Filosofia basica de la calidad
1.1 Introduccion
Estamos prácticamente en la mitad del último lustro del siglo XX y los
tiempos que corren son ciertamente cada vez más difíciles para toda
organización, a medida que nos aproximamos al tercer milenio, debido al
proceso de cambio acelerado y de competitividad global que vive el
mundo, donde la liberalización de las economías y la libre competencia
vienen a caracterizar el entorno de inexorable convivencia para el sector
empresarial.
Concepto:
Los diccionarios, nos brindan una primera base para la formación de este
marco teorico. Una de las definiciones que encontramos en el Pequeño
Larouse Ilustrado nos dice que Calidad es la cualidad de una cosa. Otra
acepción recogida del diccionario es que calidad significa una manera de
ser de una persona o cosa.
Evolución de la Calidad
De manera general, puede decirse que el concepto de calidad y su
aplicación, hasta llegar al estado actual, ha tenido la siguiente evolución:
El último problema de este enfoque, es que resulta muy caro arreglar las
cosas que han salido mal. Pues cuanto más se intenta mejorar con la
calidad tradicional mas caro resulta. La calidad tradicional es algo
impreciso, todos pensamos en ella de formas distintas, ocupa un lugar
secundario ante otros objetivos como la productividad. No sólo permite
errores sino, que los incorpora al sistema a través de la filosofía de
comprobar y arreglar luego. Esta forma de hacer las cosas cuesta a las
empresa muchísimo dinero y les hace perder Clientes.
Los clientes ya no son sólo los Usuarios últimos de los bienes y servicios
que vendemos, ahora el termino se amplia para incluir la idea de Cliente
Interno, las personas de la organización a quienes pasamos nuestro
trabajo. Con este concepto obviamente todo el mundo en la organización
se convierte en cliente de alguien; es mas adquiere un caracter dual de ser
Cliente y Proveedor a la vez.
- Inventarios.
- Equipos no disponibles por daños o mantenimiento.
- Personal dedicado a tareas repetitivas o inoficiosas.
- Papeles y exceso de tramites.
- Exceso de informes y reuniones.
- Inventarios de trabajo en procesos entre oficinas.
- Controles internos innecesarios.
11. Calidad
Es ante todo una responsabilidad gerencial. los mandos directivos
deben ser líderes. capaces de involucrar y comprometer al personal en
las acciones de mejora.
2.2Modalidades de mejoramiento
Dentro del Mejoramiento de una empresa se distinguen dos grandes
modalidades: el mejoramiento Continuo y la innovación o Mejora
Radical.
a) Mejoramiento continuo
Son aportaciones incrementales que se logran con la participación
de todo el personal, motivado por un reto de superación permanente,
conocido con el nombre japonés de Kaizen.
Para iniciar esta etapa se asume que ya se cuenta con un Plan en el que se
ha desagregado todas las acciones a desarrollar. Algunas de las acciones
que se recomienda realizar en esta etapa son: desarrollar un intenso
programa de difusión de los conceptos y filosofía de la calidad para
internalizarla en la gente como medio de lograr su involucramiento y
compromiso. Se deberá elaborar la visión. misión , políticas y objetivos de
la organización, los cuales se difundirán entre todo el personal durante las
acciones de difusión y promoción de la calidad.
5. Evaluación y seguimiento.
CONTROL DE CALIDAD
a) Función control
b) Función calidad
- Establecer la norma
- Medir el fenómeno
- Comparar la medida con la norma
- Analizar la importancia y características de las diferencias.
- Establecer las bases para una acción correctiva.
- Calidad de diseño
- Calidad de producción
- Calidad de conformidad
- Calidad certificada
- Calidad de servicio
MEDIDA DISEÑO
NORMA PRODUCCIÓN
CORRECCIÓN CONTROL
+ CALIDAD CONFORMIDAD
ANÁLISIS CERTIFICACIÓN
COMPARACIÓN SERVICIO
{
CON´TROL DE CALIDAD
Fig. 1
* Legislativa
* Ejecutiva
* Judicial
ETIRA
departamentos, pero jamás deberá realizarse un diseño sin la
intervención del Departamento de Control de Calidad.
TIRA
5. Las decisiones deben tomarse sobre la base de datos reales"
Control de calidad
¿LA CALIDAD
PORQUÉ?
RAZONES EXIGENCIAS
FINANCIERAS INTERNAS
RAZONES EXIGENCIAS
COMERCIALES INTERNAS
RAZONES
Fig. 2 TÉCNICAS
Al cliente
DEFECTOS DE CALIDAD =
DESPILFARRO Tiempos de trabajo e
indisponibilidad
Disminución de las
utilidades
Pérdida de la
competitividad
Mejor disponibilidad
CLIENTES MAS
TIRA
SATISFECHOS Mejor adaptación a sus
necesidades
Aumentar la calidad
- Exigencias externas; conformadas por asociaciones de: consumidores,
normalización ecologistas y los poderes públicos.
Son debidas a:
b) Sociedad de consumidores
Quienes informan mediante cuadros comparativos, las características,
rendimientos y precio de los productos. Recepción de reclamos y
defensa del consumidor.
c) Poderes públicos
Quienes publican las reglamentaciones referidas a la seguridad del
uso.
d) Institutos de normalización
Únicos responsables de la conformidad de la calidad del producto.
e) Asociaciones de ecologistas
Encargados de evitar la contaminación ambiental.
- Exigencias Internas
A IGUAL CALIDAD
Fidelizar a la clientela
MANTENER O MEJORAR LA
IMAGEN DE MARCA PARA Ampliar los mercados
Fiabilidad
LAS PROPIEDADES Mantenimiento
LIGADAS A LA
UTILIZACIÓN Duración de vida
1. Normalización
Conceptos generales
TIRA
Aparecen organismos, de árnbito nacional e internacional, que se dedican
casi exclusivamente a la normalización.
En nuestro país:
1959 Se crea el INANTIC- Instituto Nacional de Normas Técnicas
Industriales y Certificación.
NORMALIZACIÓN
• Normas obligatorias
• Normas optativas o voluntarias
Por su contenido:
f) Que sea:
Clara; ideas concretas y bien expresada.
Objetiva: que defina características comprobables.
NIVELES DE APLICACIÓN
ISO 14000 realmente es una serie de normas que cubren todo de los
sistemas de dirección medioambientales (El SME) a las calificaciones del
interventor a como todavía normas no escrito para las tales cosas como
valoración de ciclo de vida.
La norma ISO 14000, no es una sola norma, sino que forma parte de una
familia de normas que se refieren a la gestión ambiental aplicada a la
empresa, cuyo objetivo consiste en la estandarización de formas de
producir y prestar de servicios que protejan al medio ambiente,
aumentando la calidad del producto y como consecuencia la
competitividad del mismo ante la demanda de productos cuyos
componentes y procesos de elaboración sean realizados en un contexto
donde se respete al ambiente.
y1 n1
y2 n2
. .
. .
. .
ym nm
Totales n
x1 = 2, x2 = 1, x3 = 3, x4 = 1, x5 = 2, x6 = 1, x7 = 3, x8 = 0 ,
x9 = 2, x10 = 1, x11 = 2, x12 = 3, x13 = 4, x14 = 1, x15 = 1, x16 = 2
Solución:
y1 = 0, y2 = 1, y3 = 2, y4 = 3, y5 = 4
n1 = 1, n2 = 6, n3 = 5, n4 = 3, n5 = 1
De esta manera se ha construido la tabla de distribución de frecuencias
absolutas del número de hijos por familia.
Tabla 2. Distribución de Frecuencias del número de hijos por familia
yi ni
0 / 1
1 //// / 6
2 //// 5
3 /// 3
4 / 1
Totales 16
Así sucesivamente,
n5 = 1, significa, que en las familias encuestadas, una tiene cuatro hijos.
Ni = n1 + n2 + n3 + ... + ni
Ni = jS
=1
nj = n1 = 1
2
N2 = S
j=1
nj = n1 + n2 = 1 + 6 = 7
3
N3 = S
j=1
nj = n1 + n2 + n3 = 1 + 6 + 5 = 12
4
N4 = S
j=1
nj = n1 + n2 + n3 + n4 = 1 + 6 + 5 + 3 = 15
5
N5 = S
j=1
nj = n1 + n2 + n3 + n4 + n5 = 1 + 6 + 5 + 3 + 1 = 16
N*i = ni + ni + 1 + ... + nm
N*i = jS
=1
nj
N*1 = j S
=1
nj = n1 + n2 + n3 + ... + n5 = 1 + 6 + 5 + 3 + 1 = 16
5
N*2 = S
j=1
nj = n2 + n3 + ... + n5 = 6 + 5 + 3 + 1 = 15
5
N*3 = S
j=1
nj = n3 + n4 + n5 = 5 + 3 + 1 = 9
5
N*4 = S
j=1
nj = n4 + n5 = 3 + 1 = 4
5
N*5 = S
j=1
nj = n5 = 1
N*5 = 1, significa, que de las encuestadas, sólo una familia tiene 4 hijos .
Frecuencia absoluta de yi ni
hi = número total de observaciones = n
Así sucesivamente:
Hi = å
j=i
hj
H1 = j S
=1
hj = h1 = 0.0625
2
H2 = S
j=1
hj = h1 + h2 = 0.0625 + 0.3750 = 0.4375
3
H3 = S
j=1
hj = h1 + h2 + h3 = 0.0625 + 0.3750 + 0.3125 = 0.7500
4
H4 = S
j=1
hj = h1 + h2 + h3 + h4 = 0.0625 + 0.3750 + 0.3125 + 0.1875 = 0.9375
5
H5 = S
j=1
hj = h1 + h2 + h3 + h4 + h5 = 0.0625 + 0.3750 + 0.3125 + 0.1875
+ 0.0625 = 1.0
Interpretación:
Así, sucesivamente.
Definición 7: se llama frecuencia relativa acumulada “Mayor que” del
valor yi a la frecuencia relativa total de las observaciones mayores o
iguales a yi
Hi* = å hj = hi + hi + 1 + ... + hm
j=i
H*1 = j S
=1
hj = h1 + h2 + h3 + h4 + h5 = 1.0
5
H*2 = jS
=2
hj = h2 + h3 + h4 + h5 = 0.3750 + 0.3125 + 0.1875 + 0.0625 = 0.9375
5
H*3 = jS
=3
hj = h3 + h4 + h5 = 0.3125 + 0.1875 + 0.0625 = 0.5625
H*4 = jS
=4
hj = h4 + h5 = 0.1875 + 0.0625 = 0.25
5
H*5 = jS
=5
hj = h5 = 0.0625
RETIRA
Interpretación:
Así, sucesivamente.
Definición 8: se llama frecuencia relativa acumulada porcentual a la
frecuencia relativa acumulada Hi(Hi * ) multiplicado por 100%. Es decir,
100Hi% (100 Hi * %) y representa el porcentaje de observaciones menores
o iguales a yi (mayores o iguales a yi)
Totales ån = n 1 åh = n 1 100 %
i=1 i=1
å
i=i
ni = n + n + ... + nm = n
1 2
m
Hm = å
i=i
hi = 1
n1 = Ni £ N2 £ ... £ Nm = n y Ni = Ni-1 + ni
Para i = 1, 2,... , m, y N0 = 0 Note que ni = Ni + Ni-1
yi ni hi Ni Hi
0 2
1 5
2 9
3 0.2 14 0.70
4
Solución:
1. Por la propiedad 8, N1 = n1, entonces n1 = 2
2. Por la propiedad 12, N2 = N1 + n2 = 2 + n2 = 5, de donde n2 = 3
N3 = N2 + n3 = 5 + n3 = 9, luego n3 = 4
N4 = N3 + n4 = 9 + n4 = 14, por tanto n4 = 5
n1 + n2 + n3 + n4 14
H4 = h1 + h2 + h3 + h4 = n = = 0,70, luego n = 20
n
h6 = 2 = 0.10
20
7. Las frecuencias relativas acumuladas MENOR QUE, que faltan son:
H1 = h1 = 0.10 H2 = h1 + h2 = 0.10 + 0.15 = 0.25 Propiedad 10 y 13
H3 = h2 + h3 = 0.25 + 0.2 = 0.45
H5 = h4 + h5 = 0.70 + 0.20 = 0.90
H6 = h5 + h6 = 0.90 + 0.10 = 1.0
Por tanto la tabla de Distribución de frecuencias completa es la siguiente
Tabla 5
yi ni hi Ni Hi
0 2 0.10 2 0.10
1 3 0.15 5 0.25
2 4 0.20 9 0.45
3 5 0.25 14 0.70
4 4 0.20 18 0.90
5 2 0.10 20 1.00
Totales 20 1.00
a. Puesto que los datos se obtienen como resultado del conteo de plantas
atacadas por hongos, estos son discretos.
h1 = n1 = 3
= 0,12 h5 = n5 = 4
= 0,16
n 25 n 25
h2 = n2 = 3
= 0,12 h6 = n6 = 2
= 0,08
n 25 n 25
h3 = n3 = 5
= 0,20 h7 = n7 = 1
= 0,04
n 25 n 25
n
h4 = 4 = 7
= 0,28
n 25
R
Xmin Xmax
Definición 10: Amplitud de recorrido (l) es la longitud del recorrido del
conjunto de datos. O sea.
l = xmin - xmax
Entonces c=l/m
y´0 - y´1 y1 n1
y´1 - y´2 y2 n2
. . .
. . .
. . .
y´m-1 - y´m ym nm
Totales n
Observaciones:
A. Definir los extremos de los intervalos de clase con una cifra decimal
más que las que contengan las observaciones.
Con esta alternativa cada clase excluye la observación que coincide con
su límite superior.
c = l /m
Si esto es posible, utilizar intervalos de clase de diferente tamaño o
intervalos de clase abiertos.
1. Por datos; m = 5
2. Del conjunto de datos xmax = max {x1,x2,...x50} = 96.4 y xmin = min {x1,
x2,...,x50}, = 91.6 luego el recorrido de los datos es [91.6, 96.4] y la
amplitud es l = 96.4 - 91.6 = 4.8
l 4.8
3. De (1) y (2) la amplitud de clase constante será C = m = 5 = 0.96
un número como este es difícil de manejar, por eso al igual que ud.
Preferimos trabajar con el entero más próximo c = 1. Para esto
ampliamos el recorrido de los datos simétricamente a izquierda de xmin =
91.6 y a derecha de xmax = 96.4, de manera que contenga al recorrido
original [91.6 , 96.4] y cuya amplitud sea múltiplo de m = 5, en este caso
MECÁNICA DE PRODUCCIÓN 68/147
70
ESTADÍSTICA APLICADA
i
Ni = n1 + n2 + ... + ni = jS=1 nj
Para el ejemplo 4:
m
H*i = hi + hi+1 + ... + hm = Sj =1hj
Para el ejemplo 4:
m
H1* = jS=1 hj = 1
H2* = h2 + h3 + h4 + h5 = 0.22 + 0.40 + 0.18 + 0.12 = 0.92
es la proporción de lingotes de acero que pesan por lo menos 92.5 kg
*
H3 = h3 + h4 + h5 = 0.40 + 0.18 + 0.12 = 0.70
es la proporción de lingotes de acero que pesan por lo menos 93.5 kg
Totales n 1 100
Totales 50 1 100
Nota: Antes de pasar, vale la pena ilustrar, al igual que se hizo con los
resultados de la tabla 6, como a partir de una clasificación de datos
continuos, se puede obtener información valiosa y resumida de ellos. En el
ejemplo 2.4 donde las observaciones respecto a los pesos de 50 lingotes
de acero producidos por SIDERPERÚ, se consideran representativos DE
toda la población de lingotes de acero producidos por dicha empresa, las
diferentes distribuciones de frecuencias que aparecen en la tabla 10
pueden entre otros, brindar informaciones como las siguientes:
1. Que el mayor tanto por ciento de lingotes de acero pesan entre 93.5 y
94.5 kg. Como se puede observar en la columna correspondiente a
100hi% este tanto por ciento es 40.
15 22 10 8 2 1 1 1
{
{
{
{
{
{
{
{
0 8 16 24 32 40 48 56 64
{
{
15 + 22 +10 + 8+ 2 = 57 1 + 1+ 1 = 3
Fig. 2
8 10 16 24 32 35 40
X
Fig. 3
X + 10 + 8 + y
X, se determina interpolando linealmente de la siguiente manera:
suponiendo que los datos están uniformemente distribuidos en los
intervalos de clase, entonces
Si en una amplitud de 8 = 16 - 8 hay 22 valores
En una amplitud de 6 = 16 - 10 habrá x valores
(16 - 10) 22 6 x 22
Es decir x = = = 16.5 = 17
16 - 8 8
Similarmente se obtiene y:
en una amplitud de 8 = 40 - 32 hay 2 observaciones
En una amplitud de 3 = 35 - 32 habrá “y“ observaciones
(35 - 32) 2 3x2 6
O sea y = = = =1
40 - 32 8 8
Por tanto, el número será 17 + 10 + 8 + 1 = 36 empresas
e. La proporción de pequeñas empresas con inversiones menos de 8 mil
dólares es 15/60 =. 0.25
16 20 24 32 38 40
{
P1 P2
Fig. 4
x% y%
Fig. 5
Es decir: x% =
(8-6) (150 / 6)% 2 150
8-0
=
8 6
% = 6.25% ( (
En forma completamente similar se obtiene y%
Esto es y% =
(30-24) (80 / 6)% 6 80
(32 - 24)
=
8 6
% = 10% ( (
PRÁCTICA Nº 3
1. ¿Por qué las frecuencias relativas son más importantes que las
absolutas?
81 53 67 60 80 80 64 56 54 91 61
66 88 67 65 52 52 72 74 65 73 69
43 54 76 70 97 97 68 82 75 79 60
39 87 76 97 86 86 45 60 45 65 76
92 72 82 80 70 70 65 50 58 70 56
LA MEDIA
X ni fi
x1 n1 f1
... ... ...
xk nk fk
la media es el valor que podemos escribir de las siguientes formas
equivalentes:
x = x1 f1 + ... + xk fk
= 1 (x1 n1 + ... xk nk)
n
1 k
nå
= xi ni
i=1
Observación
å( x - x ) = 0
i=1
i
Demostración:
Basta desarrollar el sumatorio para obtener:
n
å ( x - x ) = (x
i=1
i 1 - x ) + ... + (xn - x) = (x1 + ... + xn) - nx = nx - nx = 0
å i=1
xi - x ³ 0 Error cuadrático
máx
i=1,...,n
xi - x ³ 0 Error cuadrático
Ejemplo li-1 - l1 n1
0 - 10 1
Obtener las desviaciones con respecto a la media en
10 - 20 2
la siguiente distribución y comprobar que su suma es
cero. 20 - 30 4
30 - 40 3
Solución
Proposición (Konig)
Para cualquier posible valor k que consideremos como candidato a
medida central, lo mejora en el sentido de los mínimos cuadrados, es
decir.
n n
2 2
å
i=1
(xi - x) < å (x - k)
i=1
i si k ¹ x
Demostración
Sea k ¹ x
Veamos que el error cuadrático cometido por k es mayor que el de x
n n
n
2
= å
i=1
(xi - x) - (k - x) (y usando el binomio de Newton...)
n n n
2 2
= å (x - x)
i=1
i - 2(x - k) å (x - x) + å (k - x)
i=1
i
i=1
0 n (k-x)2 > 0
n
2
> å (x - x)
i=1
i
resimo grupo
...
x21
xr1
... X2n2
... Xrn
{ n2
x2 = ( å j=1 xij( /n2
nr
xr = ( å j=1 xij( /nr
Así, agrupando convenientemente las observaciones se llega a que:
(x11 + ... + x1n1) + (x22 + ... + x2n2) + ... + (xr1 + ... + xrnr)
x=
n1 + n2 + ... + nr
x1 + x1 + ... + nrxr
=
n
Observación
Cálculo abreviado
3. Cambiamos a la variable
x - x0
X - x0 x= a
Z= a
x = az + x0
4. Construimos de este modo la tabla de la variable Z, para la que es
más fácil calcular x directamente, y después se calcula x mediante la
relación (2.2).
Medias generalizadas
La media armónica
xa, se define como el recíproco de la media 1 ... 1
+ +
aritmética de los recíprocos, es decir, 1 x1 xn
xa = n
por tanto: xa = n
1 ... 1
+ +
x1 xn
La media cuadrática
xc, es la raíz cuadrada de la media aritmética de los cuadrados.
2 2
xc = x 1 + ... + x n
n
LA MEDIANA
Ni C´
N/2 B´
A
Ni C
1 B
Med
l l1
i-1
F(lj) - F(lj-1)
F(x) = F(lj-1) + aj (x - lj-1)
Observación
å
i=1
xi - Med
Ejemplo
Sea X una variable discreta que ha presentado sobre una muestra las
modalidades
X 2, 5, 7, 9, 12 x = 7, Med = 7
Si cambiamos la última observación por otra anormalmente grande, esto
no afecta a la mediana, pero si a la media:
X 2, 5, 7, 9, 125 x = 29,6 ; Med = 7
Ejemplo li-1 - li ni
Obtener la media aritmética y la mediana en la 0 - 10 60
distribución adjunta. 10 - 20 80
20 - 30 30
Determinar gráficamente cuál de los dos 30 - 100 20
promedios es más significativo. 100 - 500 10
Solución:
li-1 - l1 ni ai xi xini Ni n i´
0 - 10 60 10 5 300 60 60
10 - 20 80 10 15 1.200 140 80
20 - 30 30 10 25 750 170 30
30 - 100 20 70 65 1.300 190 2,9
100 - 500 10 400 300 3.000 200 0.25
n = 200 åx n = 6.550
i i
La media aritmética es
1
x=
n å x = 6.550
i
200
= 32,75
n/2 - Ni - 1 100 - 60
Med = li-1 + ni • ai = 10 + x 10 = 15
80
80
Mediana
60
Media
30
0 10 20 30 100
LA MODA
B E
H F´
C F´
Moda
E´ E´
Moda - li-1 ai
=
ni - ni-1 (ni - ni-1) + (ni - ni+1)
ni - ni-1
Moda = li-1 + ai
(ni - ni-1) + (ni - ni+1)
Observación
EJEMPLO
y´ y´ yi ni Ni yini
i-1 i
300
400
23 350
17
- 120 440
50
c. El segundo decil
y´ y´ yi ni Ni yini
i-1 i
20 - 40 30 10 10 300
40 - 60 50 8 18 400
60 - 80 70 5 23 350
80 - 100 90 17 40 1530
Totales 50 3800
EVALUACIÓN PARCIAL I
10. Los defectos de calidad tienen que ver con las razones V F
financieras
MEDIDAS DE DISPERSIÓN
Luego:
Cv = 0,0255
El interés del coeficiente de variación es que al ser un porcentaje permite
comparar el nivel de dispersión de dos muestras. Esto no ocurre con la
desviación típica, ya que viene expresada en las mismas unidas que los
datos de la serie.
Interpretación y aplicación
Una desviación estándar grande indica que los puntos están lejos de la
media y una desviación pequeña indica que los datos están agrupados
cerca de la media.
Por ejemplo, las tres muestras (0, 0, 14, 14), (0, 6, 8, 14) Y (6, 6, 8, 8) cada
una tiene una media de 7. Sus desviaciones estándar son 7, 5 y 1,
respectivamente. La tercera muestra tiene una desviación mucho menor
que las otras dos porque sus valores están más cerca de 7.
n
2 å i=1 xi2 x2
S =
n -1
Ejemplo
1. Calcular el promedio X.
1 n xi
x= å
N i=1
1 N (xi - x)2
s= å
N i=1
1 4 (xi - x)2
s= å Sustituyendo N por 4
4 i=1
1 4 (xi - 7)2
s= å Sustituyendo x por 7
4 i=1
1
s= [(4.589 - 4.596)2+(4.318-4.596)2+(4.256-4.596)2+(4.624-4.596)2+(4.903-4.596)2+(4.867-4.596)2+(4.420-4.596)2+(4.790-43596)2]
8
1 (4+1+1+4)
s=
4
10
s=
4
PRÁCTICA Nº 4
HISTOGRAMA DE FRECUENCIAS
ni
20
15
20
10
11
5 9
6
4
0
91.5 92.5 93.5 94.5 95.5 96.5 y´i
hi
0.40
0.30
0.20
0.10
Polígonos de frecuencias
20
15
10
0
91.5 92.5 93.5 94.5 95.5 96.5 y´i
Fig. 4. Polígono de frecuenias absolutas de los pesos de 50 lingotes de acero
0.40
0.30
0.20
0.10
0
91.5 92.5 93.5 94.5 95.5 96.5 y´i
Fig. 5 Polígono de frecuencias relativas de los pesos de 50 lingotes de acero.
Ni
50
45
40 Ojiva
menor que
35
30
25
20
15
10
5
0
91.5 92.5 93.5 94.5 95.5 96.5
Fig. 6 Ojiva “Menor que” de la distribución de peso de lingotes de acero usando frecuencias
absolutas acumuladas
0.90
0.80 Ojiva
0.75 menor que
0.70
0.60
0.50
0.40
0.30
0.25
0.20
0.10
0
91.5 92.5 93.5 94.5 95.5 96.5
Fig. 7 Ojiva “menor que” de la distribución de pesos de lingotes de acero usando
frecuencias relativas acumuladas
Ni*
50
45
40
35
30
25
20
15
10
5
0
91.5 92.5 93.5 94.5 95.5 96.5
Fig. 8 Ojiva “mayor o igual que” de la distribución de pesos de lingotes de acero, usando
frecuencias absolutas acumuladas.
Hi *
1
0.90
0.80
0.75
0.70
0.60
0.50
0.40
0.30
0.25
0.20
0.10
0
91.5 92.5 93.5 94.5 95.5 96.5
Fig. 9 Ojiva “mayor o igual que” de la distribución de pesos de lingotes de acero, usando
frecuencias relativas acumuladas.
Se traza por la abscisa conocida una línea vertical que intersecta a la curva
"menor que" y por este punto se traza una recta horizontal. La
aproximación al porcentaje deseado se obtiene al leer el punto de
intersección de la horizontal con el eje de la escala vertical. Fig. 10.
En este caso, aproximadamente el 80% de los lingotes pesarán menos de
95.1 Kg. Esto implica que el 20% de los lingotes pesan 95.1 Kg o más. Esto
se obtiene al trazar una línea vertical por 95.1 Kg hasta que corte la curva
"mayor o igual que", luego trazar una horizontal y leer el punto de
intersección de esta horizontal con el eje de la escala vertical Fig. 10.
(Observe la dirección de la flecha).
1.00
0.90
Ojiva
0.80 “menor que”
Frecuencia Relativa
0.70
0.60
0.50
0.40 Ojiva
0.30 “menor
25% o igual que”
0.20
0.10
0
91.5 92.5 93.5 94.5 95.5 96.5 Pesos de los lingotes
93.3 94.0 95.1
Por este punto se traza una horizontal que intersecta a la curva "menor
que" y por la intersección una vertical. La aproximación al valor buscado
se obtiene al leer el punto de intersección de la vertical con el eje de las
abscisas (Fig. 10). En este caso es aproximadamente 93.3 Kg. Es decir, el
25% de los lingotes de acero pesan menos de 93.3 Kg.
35
FRECUENCIA ABSOLUTA
30
25
20
cinco vendedores que
ganan 5 mil o menos
15
10
Siete vendedores
5 que ganan
50 mil o más
5 10 15 20 25 30 35 40 45 50 ingreso
(en miles de S)
i. Por el punto 25 se traza una vertical que corta a la ojiva y por este una
horizontal. El valor es aproximadamente 42%. Es decir,
aproximadamente el 42% de los vendedores ganan más de $ 25 000.
25
}
20 x 30 40 50
}
}
}
}
37 19 9 7
10 37
(30-25) 37
30 - 25 x, Luego x = = 5 x 3.7 = 18.5 = 19
10
Por tanto: N = 19 + 19 + 9 + 7 = 54
N 54
El porcentaje será : P = x 100 = x 100 » 42%
130 130
20 30 40 50
}
}
}
}
El gráfico puede representar una sola variable en función del tiempo o más
de una variable en función del tiempo.
Ejemplo 5: El número de piezas (en miles) existentes en el almacén de
una Compañía el último día de cada mes del año 1990 está dado en la
siguiente tabla. Representar un gráfico de línea con estos datos.
Meses En. Feb. Mar. Abr. Ma. Jun. Jul. Ag. Sep. Oct. Nov. Dic.
Piezas 4.5 5.2 5.8 6 6 6.5 7.5 7 7.2 6.5 6 5
Fig. 13
7
0
Ene. Feb. Mar. Abril May. Jun.. Jul. Agos. Set. Oct. Nov. Dic. Meses
PRÁCTICA Nº 5
27 - 32 2
32 - 37 5
37 - 47 6
47 - 62 3
Total 16
12
9
reparaciones efectuadas)
Frecuencia (número de
Tiempo necesario
3 para terminar una
reparación (en h.)
0
3.5 5.5 7.5 9.5 11.5 13.5 15.5
10
8 a. R e c o n s t r u y a l a t a b l a d e
distribución de frecuencias.
6
b. ¿Cuántos niños forman el equipo?
4
c. Los niños de altura 145 o más
2 integran el equipo de básquetbol.
¿Cuántos forman este equipo?
0
127 132 137 147 162
Costos en almacén
Año Venta
de mercancía vendida
1988 S/. 58 6474 36 3252
1989 47 6892 33 5817
1990 59 9886 37 2338
DISTRIBUCIÓN NORMAL
1. Concepto:
0,2
0,1
0,0
0 1 2 3 5 6 7 8 9 10
2. Aplicación:
La importancia de la distribución normal se debe principalmente a que
hay muchas variables asociadas a fenómenos naturales que siguen el
modelo de la normal.
3. Función de Densidad
Dominio: Dom f = R
1
Máximo: m,
( s 2p ( m-s m m+s X
P. Inflexión: en x = m + s y x = m - s
Asíntotas: El eje OX es una asíntota horizontal
Simetrías: Respecto a la recta x = m
Monotonía: Creciente (-¥, m), decreciente (¥,+m)
Signo: Es siempre positiva
m2
P. Corte: OY
(0,
1
s 2p
- 2
e 2s (
La distribución normal queda definida por dos parámetros, su media y su
desviación típica y la representamos así
N (m,s)
Para cada valor de m y s tendremos una función de densidad distinta
Por tanto la expresión N (m,s) Representa una familia de distribuciones
normales
4. Función de distribución
(x - m)2
x -
1 2s2
F(x) = ò
-¥ s 2p
e dx
F (x)
F(x) = P(X £ x)
U Xi X
5. Tipificación
Si la variable X es N(m,s) entonces la variable tipificada de X es
X-m
Z = s Y sigue también una distribución normal pero
De m = 0 y s = 1, es decir, N(0, 1)
Por tanto su función de densidad es:
z2
-2
1
j (z) = 2p
•e ;-¥<z<+¥
Y su función se distribución es
2
t
z -2
1
F(z) = P(Z£z) = f(z) = 2p ò
-¥
e dt
0,3
0,2
-1.5 1.5
-1 -0,5 00 0,5 1
-s m Z1 +s 2
a a
a b a b
Teorema de
DE MOIVRE
X es B(n, p) Y es N(np, npq )
X - np
Z= es N (0,1)
npq
P (Z £ a) Tablas
0 a
P (Z > a) = 1 - P (Z £ a)
0 a
P (Z £ -a) = 1 - P (Z £ a)
-a 0
-a 0 b
0 a b
P (-bZ > a) = 1 - P (Z £ a)
-b -a 0
Ejemplo:
-1 0 1
+ 0.00 0.01 0.02 0.03 0.04 0.05 0.06 0.08 0.08 0.09
0.00 .5000 .4960 .4920 .4880 .4840 .4801 .4761 .4721 .4681 .4641
0.10 .4602 .4562 .4522 .4483 .4443 .4404 .4364 .4325 .4286 .4247
0.20 .4207 .4168 .4129 .4090 .4052 .4013 .3974 .3936 .3897 .3859
0.30 .3821 .3783 .3745 .3707 .3669 .3632 .3594 .3557 .3520 .3483
0.40 .3446 .3409 .3372 .3336 .3300 .3264 .3228 .3192 .3156 .3121
0.50 .3085 .3050 .3015 .2981 .2946 .2912 .2877 .2843 .2810 .2776
0.60 .2743 .2709 .2676 .2643 .2611 .2578 .2546 .2514 .2483 .2451
0.70 .2420 .2389 .2358 .2327 .2296 .2266 .2236 .2206 .2177 .2148
0.80 .2119 .2090 .2061 .2033 .2005 .1977 .1949 .1922 .1894 .1867
0.90 .1841 .1814 .1788 .1762 .1736 .1711 .1685 .1660 .1635 .1611
1.00 .1587 .1562 .1539 .1515 .1492 .1469 .1446 .1423 .1401 .1379
1.10 .1357 .1335 .1314 .1292 .1271 .1251 .1230 .1210 .1190 .1170
1.20 .1151 .1131 .1112 .1093 .1075 .1056 .1038 .1020 .1003 .0985
1.30 .0968 .0951 .0934 .0918 .0901 .0885 .0869 .0853 .0838 .0823
1.40 .0808 .0793 .0778 .0764 .0749 .0735 .0721 .0708 .0694 .0681
1.50 .0668 .0655 .0643 .0630 .0618 .0606 .0594 .0582 .0571 .0559
1.60 .0548 .0537 .0526 .0516 .0505 .0495 .0485 .0475 .0465 .0455
1.70 .0446 .0436 .0427 .0418 .0409 .0401 .0392 .0384 .0375 .0367
1.80 .0359 .0351 .0344 .0336 .0329 .0322 .0314 .0307 .0301 .0294
1.90 .0287 .0281 .0274 .0268 .0262 .0256 .0250 .0244 .0239 .0233
2.00 .0228 .0222 .0217 .0212 .0207 .0202 .0197 .0192 .0188 .0183
2.10 .0179 .0174 .0170 .0166 .0162 .0158 .0154 .0150 .0146 .0143
2.20 .0139 .0136 .0132 .0129 .0125 .0122 .0119 .0116 .0113 .0110
2.30 .0107 .0104 .0102 .0099 .0096 .0094 .0091 .0089 .0087 .0084
2.40 .0082 .0080 .0078 .0075 .0073 .0071 .0069 .0068 .0066 .0064
2.50 .0062 .0060 .0059 .0057 .0055 .0054 .0052 .0051 .0049 .0048
2.60 .0047 .0045 .0044 .0043 .0041 .0040 .0039 .0038 .0037 .0036
2.70 .0035 .0034 .0033 .0032 .0031 .0030 .0029 .0028 .0027 .0026
2.80 .0026 .0025 .0024 .0023 .0023 .0022 .0021 .0021 .0020 .0019
2.90 .0019 .0018 .0018 .0017 .0016 .0016 .0015 .0015 .0014 .0014
3.00 .0013 .0013 .0013 .0012 .0012 .0011 .0011 .0011 .0010 .0010
3.10 .0010 .0009 .0009 .0009 .0008 .0008 .0008 .0008 .0007 .0007
3.20 .0007 .0007 .0006 .0006 .0006 .0006 .0006 .0005 .0005 .0005
3.30 .0005 .0005 .0005 .0004 .0004 .0004 .0004 .0004 .0004 .0003
3.40 .0003 .0003 .0003 .0003 .0003 .0003 .0003 .0003 .0003 .0002
3.50 .0002 .0002 .0002 .0002 .0002 .0002 .0002 .0002 .0002 .0002
3.60 .0001 .0001 .0001 .0001 .0001 .0001 .0001 .0001 .0001 .0001
3.70 .0001 .0001 .0001 .0001 .0001 .0001 .0001 .0001 .0001 .0001
3.80 .0001 .0001 .0001 .0001 .0001 .0001 .0001 .0001 .0001 .0001
3.90 .0000 .0000 .0000 .0000 .0000 .0000 .0000 .0000 .0000 .0000
Concepto:
Ejemplos de causa-efecto
Métodos de
trabajo Medición
Máquinas y
Equipos Características
de Calidad
Materias
Personas
Primas
Métodos de
trabajo Medición
Máquinas y
Equipos Características
de Calidad
Materias
Personas
Primas
Para ello nos sirven los Diagramas de Causa - Efecto, conocidos también
como Diagramas de Espina de Pescado por la forma que tienen.
Estos diagramas fueron utilizados por primera vez por Kaoru Ishikawa.
Característica
de Calidad
Máquinas y
Equipos Medición
Característica
de calidad
Personas Materias
Primas
Sirve también para guiar las discusiones, al exponer con claridad los
orígenes de un problema de calidad. Y permite encontrar más
rápidamente las causas asignables cuando el proceso se aparta de su
funcionamiento habitual.
Irregular
Blindado
Taladro de Metal
Inspección Capacitación Herramientas
Tope Axial
Medición Cubierta F
Error Inspector Cubierta de Eje F
Ancho de Punzón Cubierta de Soporte de Eje G
Instrumento
Experiencia Cubierta de Eje G
Abertura de Cubierta
Evaluación Ajuste
Descentrada Descentrada
Método
Oscilación
del Eje
Cavidad Axial Intervalo Calidad del Material
Experiencia
9
Contenido Cubierta F
Soporte de Eje G
Irregular
Capacitación 6
Personalidad 6.4 11.6 2,6
Pequeño Roscas
Conocimientos Grande Tamaño Grande
Eje Central Tuercas
Calibración
Medición Picnómetro
Mezcladora
Proveedor A
Incentivos Composición
Cantidad
Aceite
Capacitación
Huevos
Balanza
Personas
Materias Cantidad Mantenimiento
primas
Personas Equipo
Termostato roto
Pobre capacidad de lectura
Cocina falla del horno
muy No puede entender recetas
pequeña
Válvula de
Barrera del idioma temperatura errada
Medidor
mal
instalado
La torta se
Medio quema en el
horno
Mezcla sin revolver
Pre-calentado Recipiente equivocado
por mucho
tiempo Error en el libro de cocina
Horno sin enfriarse del uso
anterior a mayor temperatura Instrucciones confusas
Métodos Materiales
Problema
Evaluación Actualización
Inspección
recepción
Instrucciones
Proveedor X de trabajo
CARACTERISTICAS
DE CALIDAD
(Efecto)
Rotación Horno
Obsolescencia Pirómetro
Capacitación
Temperatura
Presupuesto
Operarios Contenido de
Máquina Humedad
Falta de
Reactivos Impuntualidad
del Personal
Deficiencia en la
Ausentismo
Corriente Eléctrica
Microscopios
Pocos (Desajustes)
refrigeradores Falta de
capacitación DEMORA EN LA
ENTREGA DE
RESULTADOS DE
ANÁLISIS DE
Se Aceptan Todas Las
LABORATORIO
Solicitudes No hay Plan
(Emitidas Diariamente) de Trabajo
Se da Fecha de
Entregar sin Tomar Hay Pasos
en Cuenta Cantidad Innecesarios
de Trabajo en el Trabajo
MECÁNICA DE PRODUCCIÓN
Concentración
Compostura
Dormir
125
del oponente Velocidad
Cooperación
Planeación Análisis Calidad
Cantidad
Trabajo en equipo
Reglas Observación Consejo
Juicio de la situación Función Forma
ESTADÍSTICA APLICADA
Sentido común
Experiencia en partidos Modelo
Repetición
Estrategia Técnia
123/147
ESTADÍSTICA APLICADA
Hueso grande
Hueso pequeño
Hueso mediano
Columna Característica
vertebral
Característica (efecto)
Factores (Causas)
PRÁCTICA Nº 6
DIAGRAMA DE DISPERSIÓN
x 60 56 42 72 36 63 47 55 49 38 42 61
y 179 147 125 160 118 149 128 150 145 115 140 152
160
152
149 150
147 145
140
128
125
118
115
36 38 42 47 49 55 56 60 61 63 72 X
CORRELACIÓN LINEAL
y y
y y
X X X X
a. Covarianza positiva b. Covarianza próxima a cero
y y
y y
X X X X
c. Covarianza negativa d. Covarianza próxima a cero
Fig. 1 Distintos tipos de relación entre dos variables y covarianza resultante.
2. Si existe una relación lineal exacta entre ambas variables y todos los
puntos están en la línea y = a + bx, el coeficiente de correlación es igual
a 1 (si b > 0) ó -1 (si b < 0).
2. El coeficiente de correlación.
2. De la tabla:
Sx2i 2 385
Sx= n -x =
2
- (5.5)2 = 8.25
10
2
Sy i 2 385
S2y = n - y = - (5.5)2 = 8.25
10
Por tanto, el coeficiente de correlación es
Cov (x, y) 6.95 6.95
r= = = = 0.84
Sx Sy 8.25 8.25 8.25
n
2
6S
i=1
di
rS = 1 -
n (n2 - 1)
donde di = a la diferencia de los rangos de x e y (di = Rx Ry)
Solución: Las estaturas de los padres y los hijos, así como los rangos
correspondientes de las ordenaciones en forma descendente aparecen
en la tabla.
= 0.213
Correlación y Causalidad
y = f(x)
Definición 2: Si la regresión de y en x es una [unción lineal,
y = a + bx, a, b constantes
Se llama regresión lineal simple de y en x. El valor a se llama ordenada en
el origen, puesto que es el punto en que la línea recta corta al eje y. La
pendiente de la recta se mide por b, que da el cambio en y por unidad de
cambio en el valor de x.
n
2
SCD = S [ yi - (a + bxi) ] sea mínima
i =1
¶SCD
2
¶SCD
= 2 S [yi - (a + b xi)] ( -1 ) = 0
a + b xi
{ L
(xi,a + bxi)
= 2 S [yi - (a + b xi)] ( - xi ) = 0
¶b
Fig. 1
xi
DIAGRAMA DE PARETO
Concepto
¿Qué es?
El nombre de Pareto fue dado por el Dr. Joseph Juran en honor del
economista italiano Vilfredo Pareto (1848-1923) quien realizo un estudio
sobre la distribución de la riqueza, en el cual descubrió que la minoría de la
población poseía la mayor parte de la riqueza y la mayoría de la población
poseía la menor parte de la riqueza. Con esto estableció la llamada "Ley
de Pareto" según la cuál la desigualdad económica es inevitable en
cualquier sociedad.
Por lo tanto, el Análisis de Pareto es una técnica que separa los "pocos
vitales" de los "muchos triviales". Una gráfica de Pareto es utilizada para
separar gráficamente los aspectos significativos de un problema desde los
triviales de manera que un equipo sepa dónde dirigir sus esfuerzos para
mejorar. Reducir los problemas más significativos (las barras más largas
en una Gráfica Pareto) servirá más para una mejora general que reducir
los más pequeños. Con frecuencia, un aspecto tendrá el 80% de los
problemas.
¿Cuándo se utiliza?
11. Dar un título al gráfico, agregar las fechas de cuando los datos fueron
reunidos y citar la fuente de los datos.
Ejemplo de aplicación
45.0%
40.0%
35.0%
30.0%
25.0%
20.0%
20.0%
10.0%
5.0%
0.0%
Pintura Def. Mala Motor no Motor se No enfría No funciona Otros Puerta Def. Puerta no Rayas
Nivelación arranca detiene cierra
Pero ¿Cuáles son los defectos que aparecen con mayor frecuencia? Para
hacerlo más evidente, antes de graficar podemos ordenar los datos de la
tabla en orden decreciente de frecuencia:
Tipo de
Detalle del Problema Frec. Frec. %
Defecto
Motor no detiene No para el motor cuando alcanza temperatura 36 40.9
No enfría El motor arranca pero la heladera no enfría 27 30.7
Burlete Def. Burlete roto o deforme que no ajusta 9 10.2
Pintura Def. Defectos de pintura en superficies externas 5 5.7
Rayas Rayas en las superficies externas 4 4.5
No funciona Al enchufar no arranca el motor 2 2.3
Puerta no cierra La puerta no cierra correctamente 2 2.
Gavetas Def. Gavetas interiores con rajaduras 1 1.1
Mala Nivelación La heladera se balancea y no se puede nivelar 1 1.1
Motor no arranca El motor no arranca después de ciclo de parada 1 1.1
Puerta Def. Puerta de refrigerador no cierra herméticamente 0 0.0
Otros Otros defectos no incluidos en los anteriores. 0 0.0
Total: 88 100
Ahora resulta evidente cuales son los tipos de defectos más frecuentes.
Podemos observar que los 3 primeros tipos de defectos se presentan en el
82 % de las heladeras, aproximadamente.
120,0%
100,0%
80,0%
60,0%
40,0%
20,0%
0,0%
Motor no No enfría Pintura Def. Rayas No funciona Puerta no Gavetas Def. Mala Motor no Puerta Def. Otros
detiene cierra Nivelación arranca
PRÁCTICA Nº 7
1. Diagrama de Pareto
2. Diagrama de Causa - Efecto
3. Diagrama de Flujo
4. Diagrama de Control
Ejercicio: Diagrama de Pareto
En el Departamento de Sistemas existen paralizaciones de trabajo debido
a fallas de ciertas máquinas. Se decide analizar este problema para tomar
decisiones encaminadas a solucionarlo.
El personal del área enumera las principales causas que pueden estar
incidiendo sobre el problema.
• Interrupción de la energía eléctrica.
• Manejo incorrecto por parte del operador.
• Programa inadecuado
• Falta de mantenimiento
• Virus en el sistema
• Otros
Para constatar tales apreciaciones, se decide recolectar datos en
cualquiera de los dos turnos (matutino-vespertino) de forma aleatoria
durante 8 horas, en cada uno de los cuatro días determinados como
periodo de recolección.
Ordenados:
Paralización de trabajo
DIAGRAMA DE CONTROL
Concepto:
El proceso de determinar lo que se esta llevando a cabo, a fin de
establecer las medidas correctivas necesarias y así evitar desviaciones
en la ejecución de los planes.
Puesto que el control implica la existencia de metas y planes, ningún
administrador puede controlar sin ellos. El no puede medir si sus
subordinados están operando en la forma deseada a menos que tenga un
plan, ya sea, a corto, a mediano o a largo plazo. Generalmente, mientras
más claros, completos, y coordinados sean los planes y más largo el
periodo que ellos comprenden, más completo podrá ser el control.
Lo esencial de los datos es que el propósito este claro y que los datos
reflejen la verdad. Estas hojas de recopilación tienen muchas
funciones, pero la principal es hacer fácil la recopilación de datos y
realizada de forma que puedan ser usadas fácilmente y analizados
automáticamente.
Una vez que se ha fijado las razones para recopilar los datos, es
importante que se analice las siguientes cuestiones:
Gráficas de dispersión
Estos gráficos son muy útiles para estudiar las propiedades de los
productos, los factores variables del proceso, los costos, los errores y
otros datos administrativos.
pH 0.222
0.
0.
0.
2 4 6 8 1 1
Subgrupos
EVALUACIÓN PARCIAL II
LA RUTA DE LA CALIDAD
Actividades:
a) Formalización de los nuevos estándares que reflejan la mejora en
manuales de: operación, procedimientos, especificaciones de nuevos
limites de control, etc.
BIBLIOGRAFÍA
• WWW.MONOGRAFÌAS.COM/TRABAJOS15/ : INTERNET
CALIDAD TOTAL/CALIDAD-TOTAL.SHTML
• WWW.AITECO.COM/CALIDAD.HTM : INTERNET
• WWW.IMPROVEN-CONSULTAS.COM : INTERNET
150
PROPIEDAD INTELECTUAL DEL SENATI PROHIBIDA
SU REPRODUCCIÓN Y VENTA SIN LA AUTORIZACIÓN
CORRESPONDIENTE