Estadística Aplicada PDF

SERVICIO NACIONAL DE ADIESTRAMIENTO EN TRABAJO INDUSTRIAL
MECÁNICA DE
PRODUCCIÓN
FASCÍCULO DE APRENDIZAJE
ESTADÍSTICA APLICADA
Técnico de Nivel Medio.

AUTORIZACIÓN Y DIFUSIÓN
MATERIAL DIDÁCTICO ESCRITO
FAM. OCUPACIONAL : METALMECÁNICA.
ESPECIALIDAD : MECÁNICA DE PRODUCCIÓN.
NIVEL : TÉCNICO MEDIO.
Con la finalidad de facilitar el aprendizaje en el desarrollo de la formación y capacitación en la

especialidad de MECÁNICA DE PRODUCCIÓN a nivel nacional y dejando la posibilidad de un
mejoramiento y actualización permanente, se autoriza la APLICACIÓN Y DIFUSIÓN de material
didáctico escrito referido a ESTADÍSTICA APLICADA.
Los Directores Zonales y Jefes de Unidades Operativas son los responsables de su difusión y
aplicación oportuna.
DOCUMENTO APROBADO POR EL

GERENTE TÉCNICO DEL SENATI
N° de Página…..............150…...........……
Firma ……………………………………..
Nombre: Jorge Saavedra Gamón
Fecha: ……………2006-04-11………….
Registro de derecho de autor:
1
Í N D I C E
Introducción
• Introducción a la estadística 1
• Práctica Nº 1 11
• Variable y toma de datos 13
• 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
• La Media 79
• La Mediana 83
• La Moda 86
• Evaluación Parcial I 88
• Rango, varianza, desviación stándard 89
• Histograma 94
• Distribución normal, aplicación 110
• Diagrama de causa - efecto 117
• Diagrama de dispersión 125
• Regresión lineal simple 131
• Diagrama de pareto 133
• Diagrama de control 140
• Evaluación parcial 144
• La ruta a la calidad 145
• Bibliografía
2
INTRODUCCIÓN A LA ESTADÍSTICA
La palabra "estadística" como muchas otras palabras tienen varios

significados.
En lenguaje común, el término "estadística" significa un poco más que
datos o informaciones numéricas y se emplea generalmente en plural. Por
ejemplo, el cronista deportivo, mientras comenta las incidencias de la
primera etapa de un partido de fútbol puede decir, estas son las
estadísticas para la primera etapa; equipo A: disparos al arco diez, errados
nueve y acertado uno, tiros de esquina seis, etc., equipo B: disparos al
arco ocho todos errados, tiros de esquina siete, etc. Los comentaristas de
radio o televisión conforman diciendo: las estadísticas del Producto Bruto
Interno (PBI) de la Industria Manufacturera pasaron de un 15.3% en 1988
a un 11.7% en 1990.
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".
La evolución y desarrollo de la "Estadística" en el mundo actual, es tal que

sería difícil dar una definición precisa de este concepto. A riesgo de
agregar una más a las tantas existentes daremos la siguiente.
1. Definición: La Estadística es una ciencia que proporciona un conjunto

de métodos que se utilizan para recolectar, resumir, clasificar, analizar e
interpretar el como comportamiento de los "datos" con respecto a una
característica materia de estudio o investigación. En primera instancia se
encarga de obtener información, describirla y luego usa esta información a
fin de predecir "algo" respecto a la fuente de información.
La Estadística actual es el resultado de la unión de las disciplinas que
evolucionaron independientemente hasta confluir en el siglo XIX: la
primera es el "cálculo de las probabilidades", que nace aproximadamente
en el siglo XVII como teoría matemática, de los juegos de azar; la segunda
es la "Estadística" o ciencia del estado, del latín status (aunque sobre este
significado etimológico de estadística no hay un criterio único de lo
autores, pues para unos se deriva del griego statera que significa
balanza, para otros se deriva del alemán staat que significa estado) que
estudia la descripción de los datos y tiene raíces más antiguas.
La integración de ambas líneas de pensamiento da lugar a esta nueva
ciencia.
MECÁNICA DE PRODUCCIÓN 1/147

3
2. División de la estadística
El campo de la Estadística generalmente está dividido en dos grandes

áreas.
RETIRA Estadística Descriptiva y Estadística Inferencial.
2.1 Estadística Descriptiva

De la definición de Estadística, el lector notará dos aspectos bien
remarcados, primero: obtener información, procesada y describirla, es
lo que constituye la Estadística Descriptiva.
Estadística Descriptiva es el conjunto de métodos que implica la
recolección, presentación y caracterización de un conjunto de datos a fin
de describir en forma apropiada las diversas características de estas. Es
decir, un estudio estadístico se considera "descriptivo" cuando sólo se
analiza y describe los datos.
Ejemplo: Un gerente de personal desea conocer las aptitudes de cinco
secretarias que trabajan en una dependencia particular de una compañía.
Se aplica una prueba de aptitudes a las cinco secretarias y las
calificaciones son 85, 90, 93, 82 y 95 puntos.
Supongamos que la medida estadística que emplea el gerente de
personal es la aptitud.
Promedio o media aritmética, la cual es la suma de los valores

observados dividida entre el número de observaciones. Entonces, la
calificación promedio es:
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
El segundo aspecto de la definición de Estadística es: predecir "algo"

con respecto a la fuente de información, es lo que constituye la
Estadística Inferencial o Inferencia estadística, la definición es la
siguiente.
La Inferencia Estadística es el conjunto de métodos o técnicas que
posibilitan la generalización o toma de las decisiones en base a una
información parcial tenida mediante técnicas descriptivas.
Es decir, un estudio estadístico, se considera inferencial cuando se
pretende inferir y predecir conclusiones que atañen a toda la fuente de
información de donde proviene los datos.

4
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.
Como resulta imposible probar la vacuna en todas las personas,

consideremos que 40 personas han recibido la vacuna, que de las 40,35
no se contagiaron de catarro. Vemos que si la afirmación del fabricante es
correcta se esperaría que 38 personas (40 x 0.95=38) pasaran el invierno
sin catarro. Puesto que el número observado es 35, Io cual es inferior al
número esperado 38, ¿deberá rechazarse la afirmación del fabricante en
base a la evidencia? El proceso de decisión de rechazar o no la afirmación
del fabricante es un problema de Inferencia Estadística.
El problema también puede plantearse como sigue: La proporción de

personas no contagiadas, la cual es el cociente del número de personas
observadas que no se contagiaron entre el número total de personas
observadas. Es decir, la proporción de personas no contagiadas es:
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:

5
a. La duración promedio de las cuatro bombillas marca A es de 1000 hs,

mientras que la duración promedio de las cinco bombillas marca B es
de 980 hs.
b. La duración promedio de todas las bombillas marca A es mayor que la

de todas las bombillas marca B.
c. La diferencia entre los dos promedios es de 20 hs.
d. La diferencia entre los dos promedios es demasiado pequeño para

llegar a conclusión de que las bombillas marca A son mejores que las
bombillas marca B.
e. Si se selecciona y prueba otra bombilla marca A, probablemente durará

más que el promedio de las bombillas marca B.
f. Ud. decide comprar bombillas marca A en vez de bombillas marca B.
¿Cuáles de las conclusiones provienen de la Estadística Descriptiva y

cuáles de Inferencia Estadística?
a. La duración promedio de las cuatro bombillas marca A es
1100 + 900 + 980 + 1020 = 4000 = 1000 hs.

4 4
La duración promedio de las cinco bombillas marca B es
1050 + 960 + 1065 + 845 + 980 = 4900 = 980 hs.

4 4
Como se está usando Estadística para describir el comportamiento sólo
de los datos observados y no para una generalización, la conclusión
proviene de Estadística Descriptiva.
b. Puesto que se está generalizando, que la duración promedio de todas
las bombillas marca A es mayor que todas las bombillas marca B, la
conclusión proviene de la Estadística Inferencial.
c. Vemos que: 1000 - 980 = 20 hs, es decir la conclusión proviene de la

Estadística Descriptiva.
d. Se está usando los promedios de los datos observados para inferir

sobre la diferencia de todas las bombillas. Por lo tanto, es Inferencia
Estadística.
e. Se hace una generalización de que cualquier bombilla marca A durará

más que el promedio de las bombillas marca B, proviene de Inferencia
Estadística.
f. Ud. está generalizando que las bombillas marca A duran más que las
bombillas marca B. Por lo tanto, es Inferencia Estadística.

6
Problemas:
En una prueba de aptitud, cuatro trabajadores recibieron calificaciones de

85, 90, 82 y 83. Cuatro trabajadoras recibieron calificaciones de 88, 87, 89,
92. De las siguientes declaraciones realizadas con base en estas
calificaciones, identificar aquellas que se derivan de métodos descriptivos
y aquellos que se derivan de Inferencia Estadística.
a. La calificación promedio de los cuatro trabajadores es 85, y la
TIRA
calificación promedio de las cuatro trabajadoras es 89.
b. La aptitud promedio de todas las trabajadoras es probablemente mayor

que la de los trabajadores.
c. En la siguiente prueba de aptitudes, probablemente los trabajadores

reciban calificaciones más bajas que las trabajadoras.
2. Cinco neumáticos para automóvil de marca A y cuatro neumáticos de
marca B se prueban para determinar su duración en servicio. La duración
para los neumáticos marca A, son: 36000, 29000, 33000, 37000 y 40000
km; para la marca B, son: 29000, 31000, 33000 y 35 000 km.
De las siguientes declaraciones hechas en base a estas cifras, identifique

las que provienen de métodos descriptivos y las que provienen de
inferencia estadística.
a. La duración promedio de los cinco neumáticos marca A es mayor que la

de los cuatro neumáticos marca B.
b. Probablemente, la duración promedio de todos los neumáticos marca A

sea casi 35000 km, mientras que la de los neumáticos marca B sea
aproximadamente de 32000 km.
c. Si el precio de los neumáticos marca A es el mismo que de los

neumáticos marca B, Ud. recomendaría los neumáticos marca A a
todos sus amigos y parientes.
3. En cuatro pruebas de matemática, Juana recibió calificaciones de 17,
18, 15 y 14 mientras que Juan recibió calificaciones de 14, 13, 16 Y 13. A
partir de estos datos se llega a las siguientes conclusiones, ¿cuáles de
éstas incluyen el método descriptivo y cuáles se obtienen mediante la
inferencia estadística?
a. El promedio de las calificaciones de Juana es 16 y el promedio de las

calificaciones de Juan es 14.
b. Juana es mejor estudiante que Juan.
c. Probablemente en la siguiente prueba, Juana obtenga calificaciones

más elevadas que Juan.
d. La diferencia entre los dos promedios es 2 puntos.

7
4. ¿En qué contexto se emplea generalmente la palabra "estadística" en

radio que en televisión?
5. Clasifique cada una de las afirmaciones siguientes ya sea como

inferencias o métodos descriptivos
RETIRA a. El año pasado, en la Universidad Nacional del Callao, el puntaje

promedio del examen de admisión fue 85.
b. El Dr. García, un ecólogo, informó que en cierto río de la selva la carne

de los peces contienen un promedio de 300 unidades de
mercurio.
C. La compañía "RM" predijo quién sería el ganador en una elección

presidencial después de conocer los resultados de las votaciones de
25 mesas de sufragio de las 2800 mesas que hubo en total.
3. Población y muestra
La palabra "población" igual que sucede con el término "estadística" tiene

varios significados. En el uso común, se refiere a todas las personas de
una región, localidad o país. (La población de Lima es 6 millones; la
población de China es 900 millones, etc.).
El concepto de "población", estadísticamente hablando, es un concepto

más amplio de lo que se tiene al referirse a los habitantes de un
Departamento o un País; población desde el punto de vista estadístico se
define como sigue.
Población: Es la colección de todos los individuos, objetos u

observaciones que poseen al menos una característica común.
Los términos población y universo, suelen usarse indistintamente.

Ejemplo 4
a. Las edades de los estudiantes del Perú.

b. Las edades de los alumnos del sistema universitario peruano.
c. Los diámetros de la producción diaria de tuercas.
d. Los pesos de los melones de una cosecha de la cooperativa los
"meloneros".
e. Las placas de los automóviles que circulan en un país.
f. Los pacientes con poliomielitis sometidos a una determinada
terapéutica de rehabilitación.
g. Los enfermos de SIDA, tratado con uno de tres tratamientos diferentes.
En cada uno de los ejemplos anteriores, existe al menos una

característica común para todos los elementos integrantes de la
población. Y cada situación diferente implica a población diferente. En el
ejemplo 1.5 g, en lugar de una población, se tiene tres poblaciones
diferentes, cada población está definida por cada uno de los tres
tratamientos que se utilizan.

8
Es importante definir la población de acuerdo a la naturaleza y extensión

del problema bajo estudio. Al hablar de naturaleza, entenderemos la
característica materia de estudio; es decir, si quisiéramos estudiar los
pesos, alturas y edades de las personas, la población estará formada por
los pesos, alturas y edades respectivamente. Y al hablar de e x t e n s i ó n
definimos la población tan extensa como sea necesario; es decir, si
quisiéramos estudiar las características anteriores en los alumnos del
sistema universitario peruano, la población estará referida al sistema
universitario peruano; y si estuviéramos interesados en estudiar éstas
TIRA
características en los alumnos de las universidades de Lima, la población
estará referida solamente a ellas.
Al referimos a la naturaleza del problema, optamos también por distinguir

entre lo que podemos llamar población "objeto" y población "objetivo";
entendemos por población objeto, el conjunto de elementos materia de
estudio y por población objetivo las diferentes medidas de la característica
que nos interesa de la población objeto. Aclaremos esto con el ejemplo
siguiente: al estudiar el rendimiento académico de los alumnos en el
sistema universitario; la población objeto estará constituida por los
alumnos del sistema y la población objetivo, por las notas, que miden el
rendimiento académico. Es necesario además anotar que:
(a). Toda población debe definirse de manera que la ubicación en ella de
cualquier elemento pueda decidirse de manera inequívoca.
(b). Toda población puede ser real o virtual.

Por otro lado obsérvese, por ejemplo, al hablar de los "alumnos del
sistema universitario", definimos una población acotada, por lo tanto finita.
En cambio al hablar los "pacientes con poliomielitis, sometidos a una
determinada terapéutica de rehabilitación" definimos una población no
acotada, por lo tanto virtualmente infinita, cuyos elementos son, tanto las
personas que ya han sido sometidos a la referida terapia, como los que
sean en el futuro. Es decir, la población puede clasificarse como finita o
infinita.
Población finita: Una población finita es aquella que tiene un número
limitado de elementos. Por ejemplo, las estaturas de todos los estudiantes
que actualmente estudian en las universidades del Perú.
Notación: El tamaño de la población finita lo denotaremos por "N".
Población infinita: Una población infinita es aquella que no tiene límite;

cotas, es decir, tiene un número infinito de elementos. Por ejemplo, la
calidad de todas las unidades producida mediante un proceso
manufacturero.
Parámetro: Es una medida resumen que describe una característica de

toda la población.
Los parámetros son características medibles de una población y
naturalmente para determinar su valor es necesario utilizar la información
de toda la población.

9
Por ejemplo, la edad promedio de los escolares del primer año de

secundaria de los colegios del Perú, es una característica medible (por
tanto un parámetro) de la población formada por las edades de todos los
escolares del primer año de secundaria del país; es pués media de la
RETIRA población.
Similarmente, la proporción de todos los telespectadores que ven un

cierto programa dominical a cierta hora, es una característica medible (por
tanto un parámetro) de la población formada por todos los telespectadores
de ese programa dominical; es la proporción de la población.
Los parámetros más usados son:
- La media poblacional = m (que se lee mn)

- Proporción poblacional = r (que se lee pe)
- Desviación típica poblacional = s (que se lee sigma)
Obviamente es imposible calcular el verdadero valor de cualquier

parámetro de una población infinita. En la mayor parte de los casos
tampoco resulta práctico (o económico) calcular el verdadero valor de
cualquier parámetro de una población finita. Por tanto, resulta necesario
realizar inferencias acerca de los parámetros de la población, a partir de la
información contenida en una parte de la población.
Muestra: Es una parte o un subconjunto representativo de la población. Y
al proceso de obtener la muestra se llama muestreo.
Notación: El número de observaciones (o tamaño) de la muestra se

denota por "n".
Desde luego, el número de observaciones en una muestra es menor que

el número de observaciones posibles en la población, de otra forma, la
muestra sería la población misma.
La selección y el estudio de una muestra, tiene por objeto la extracción de

conclusiones que sean válidas para la población del cual se obtuvo dicha
muestra. En otras palabras, nuestro propósito es conocer la población,
para lo cual se extrae una muestra de ésta.
Por ejemplo, si se-desea estimar el gasto promedio anual de los

estudiantes universitarios del Perú, se extraería una muestra formada por
cierto número de estudiantes, en seguida se determinaría el gasto anual
correspondiente a cada uno de ellos y después se obtendría el promedio
de estos gastos.
Se utiliza una muestra debido a.que simplemente no se tiene el tiempo y

los recursos para establecer contacto con todos los estudiantes
universitarios del país, aun cuando es posible hacerla.
En base al promedio de la muestra (promedio muestral) obtenido de esta

forma, se realiza una inferencia acerca del gasto promedio de todos los
estudiantes universitarios del Perú.

10
Hemos expresado, también que es imposible calcular el verdadero valor

de cualquier parámetro de una población infinita, es pués necesario
emplear una información muestral. Por ejemplo, para determinar la
proporción de partes defectuosas producidas en cierto proceso de
fabricación, los técnicos de control de calidad examinan un lote de
unidades producidas para determinar el número de defectuosas
contenida en 1. (Generalmente un lote de este tipo, el cual constituye una
muestra, se toma a intervalos regulares de tiempo).
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%).
Obsérvese, que tanto el promedio de la muestra, como la proporción de la

muestra en los ejemplos considerados en el párrafo anterior son
características medibles de las muestras, lo cual da lugar a la definición
siguiente.
Estadístico o Estadígrafo es una medida resumen que describe una
característica de la muestra.
Por ejemplo, el C.I. (Coeficiente de inteligencia) promedio de una muestra

de escolares de primer grado seleccionada de entre todos los estudiantes
de primer grado del Perú, es un estadístico; pués se trata de una
característica de la muestra. Similarmente, la proporción de una muestra
de telespectadores de un cierto programa a cierta hora, es también un
estadístico; ya que se trata de una característica de la muestra de
telespectadores.
Ejemplo: Suponga que los ingresantes al primer año de su universidad

consta de 3 000 estudiantes, todos los cuales han dado un examen único
de selección que se aplicó a todos los estudiantes que han ingresado a
primer año de universidad en el país. Explique las circunstancias bajo las
cuales las calificaciones recibidas por los estudiantes ingresantes al
primer año de su universidad puede considerarse como: a. una muestra,
b. una población.
Solución:
a. Puede haber más de una circunstancia. Por ejemplo, si se quiere

conocer, la calificación promedio de todos los ingresantes a las
universidades del país, la población estaría formada por las
calificaciones de todos los ingresantes a primer año de universidad en
el país, entonces las calificaciones de los ingresantes a su universidad
sería una muestra.

11
b. También puede haber varias circunstancias. Por ejemplo, si se desea

conocer la calificación promedio de todos los ingresantes a su
universidad. La población estaría compuesta por las calificaciones de
todos los ingresantes a su universidad. Tendremos así, una circunstancia
RETIRA en la cual las calificaciones recibidas por los estudiantes ingresantes a
primer año de su universidad se consideran como población.
Ejemplo: Se realiza una votación preliminar para determinar las

preferencias de los electores en una elección presidencial. Con este fin se
entrevistan 1500 electores registrados y entre ellos 860 están a favor del
candidato A. Responda lo siguiente:
a. ¿Qué constituye la muestra?

b. ¿Qué constituye la población?
c. ¿La población es finita o infinita?
d. ¿Cuál es el parámetro de la población?
e. ¿Cuál es el estadístico de la muestra?
Solución:
a. La muestra está constituida por las respuestas de 1 500 electores

registrados.
b. La población está constituida por las respuestas de todos los

electores registrados.
c. La población es finita.
d. El parámetro de la población será la proporción de todos los electores

registrados que están a favor del candidato A.
e. El estadístico de la muestra es la proporción de los 1500 electores

registrados que están a favor del candidato A.
Es decir 860/1 500 » 0.57 (57%).

12
PRÁCTICA Nº 01
Ejercicios de repaso relacionados a la estadística descriptiva básica
1. Durante cierta semana, en un restaurante se atendió a 2 300 clientes.

Explique las circunstancias bajo las cuales estos 2300 clientes pueden
considerarse como: a. una muestra y b. una población.
2. Supóngase que el 60% de todos los electores registrados en un país

son integrantes de un partido A y el 40% no. A partir de una muestra de
500 electores, se encuentra que 250 pertenecen al partido A. Responda
lo siguiente:
a. ¿Cuál es la proporción de electores en la muestra que pertenecen al

partido A?
b. ¿Cuál es la proporción de electores en la población que pertenecen
al partido A?
c. ¿Cuál es la población? ¿Es finita o infinita?
3. Establezca la veracidad o falsedad de cada una de las proposiciones

siguientes. Reemplace cada enunciado falso por la proposición
verdadera correspondiente.
a. La población es una colección de todos los elementos que estamos

estudiando.
b. Un estadístico es una característica de la población.
c. La Inferencia Estadística, formula inferencias con respecto a una
muestra.
4. Se realiza un muestreo de opinión para determinar si las amas de casa

de Lima, prefieren un detergente de una marca A con respecto a otra.
Con este fin se entrevistan 2000 amas de casa y entre ellas 1500
prefieren la marca A. Responda lo siguiente:
a. ¿Qué constituye a la muestra?

b. ¿Qué constituye a la población?
c. ¿La población es finita o infinita?

13
5. Para cada una de las siguientes proposiciones, defínase la población

que se está muestreando y describa el parámetro de la población y el
estadístico muestral.
a. Se entrevista a 800 estudiantes universitarios acerca de sus

opiniones (respuestas si o no) sobre la legalización del aborto.
b. Se entrevista a 300 trabajadores no sindicalizados para determinar

sus opiniones (respuestas si o no) acerca de la sindicalización.
c. Se selecciona una muestra de los tomillos producidos por una

máquina automática y se prueban para determinar la proporción de
defectuosos.
d. Se selecciona una muestra de los becerros nacidos en Cajamarca
en 1989 y se lleva un registro de sus pesos al nacer.
6. Defina poblaciones apropiadas y a partir de ellas seleccione las

muestras siguientes:
a. Se llamó por teléfono a personas de 200 hogares de cierta ciudad y

se les pidió mencionar el nombre de su candidato para la alcaldía.
b. Se probaron 200 pares de un nuevo tipo de zapatos para futbolistas

en un torneo profesional y. en promedio duraron 4 meses.
c. En cinco ocasiones diferentes, a un Ingeniero le tomó 21, 26, 24, 22 y

21 minutos conducir su auto de su casa en las afueras de la ciudad
hasta su oficina en el centro de la ciudad.

14
VARIABLES Y TOMAS DE DATOS
1. Toma de datos
A) Algunos procedimientos y métodos para recolectar datos

Existen tres métodos básicos con los cuales el investigador puede
obtener los datos deseados: en primer lugar, el investigador puede
recurrir a datos ya publicados por fuentes gubernamentales,
industriales o individuales; en segundo lugar, puede diseñar un
experimento para obtener los datos necesarios, y en tercer lugar,
puede efectuar una encuesta.
Fuentes de información: Es el lugar, la institución, la persona donde

están los datos que se necesitan para cada una de las variables o
aspectos de la investigación. Las fuentes de datos pueden ser:
Fuente de datos internos: Es la información recopilada por la empresa (o

la institución) de los resultados de su propia gestión. Son pues las
observaciones que constantemente realizan los departamentos,
administrativos, contables, comerciales, técnicos, etc. Estas pueden ser
por ejemplo:
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.
a. Fuente de datos externos: Son informaciones estadísticas

elaboradas por instituciones de investigación, ya sean públicos o
privados, o dependencias especializadas, generalmente requeridos a
nivel nacional o sectorial.
b. Fuentes primarias: Cuando la información estadística es obtenida
directamente de la unidad de observación. Por ejemplo, los resultados de
los censos de población y vivienda, índices de precios al consumidor, etc.
c. Fuentes secundarias: Cuando se obtiene información estadística

elaborada a base de los datos de fuentes primarias.
El organismo oficial fundamental de datos estadísticos es el Instituto
Nacional de Estadística e Informática (INEI). Se encarga de formular y
desarrollar el sistema Estadístico Nacional, levanta los censos nacionales
de población y vivienda cada 10 años y los censos económicos cada diez
años, etc.
El Ministerio de Industria Turismo e Integración, elabora estadística como:

índice de volumen físico de producción, producto bruto interno, etc.
El Ministerio de Economía y Finanzas, a través de sus organismos
especializados lleva y elabora estadística de comercio al por mayor y al
por menor, comercio exterior (importación y exportación), etc.
En general todos los ministerios tienen una oficina especializada de

Estadística.

15
Diseño de experimento: Un segundo método de recolección de la

información es con un diseño de experimentos. Los diseños
experimentales deben utilizarse siempre que sea posible cuando se
desee construir modelos explicativos, y sus estudios suelen ser materia
de textos más avanzados, ya que implican procedimientos estadísticos
complejos.
Encuestas: Es el proceso de recopilar información a través de una

muestra.
Principales procedimientos para recolectar información en ciencias
sociales, salud, educación, etc.
Toda información tiene dos aspectos fundamentales: Fuente de

obtención, y
métodos para su recolección.
Fuente de obtención: La fuente de obtención puede ser: primarios y

secundarios.
Primarios: Como ya hemos dicho, se recogen directamente de su origen.

Secundarios: Cuando no se recogen directamente de su fuente de
origen.
Métodos de recolección: Cuando es utilizada una fuente primaria para

recolectar información se distinguen dos procedimientos fundamentales a
saber: la observación y el interrogatorio.
Desventajas de la observación
- Requiere personal especializado.

- Puede resultar ser un método demasiado caro.
- No es conveniente cuando se estudia grandes masas humanas.
- Una cuestión que invalida la observación es cuando se requiere
investigar.
- Las manifestaciones subjetivas de los individuos. Por ejemplo, saber
si un paciente tiene apetito.
- En su comportamiento pasado. Por ejemplo, enfermedades que ha
padecido. Sus actitudes futuras. Por ejemplo, qué hábitos higiénicos
observará cuando esté de alta.
Ventajas del interrogatorio: Como podrá observarse las limitaciones' de

la observación son ventajas del interrogatorio, ya que cuando se indaga el
pasado o futuro, así como las condiciones subjetivas del individuo ofrece
resultados satisfactorios.
Desventajas del interrogatorio
- Se apela a la memoria y/o a la buena fe del interrogado.

- Produce diferentes resultados según el tipo de preguntas y a la
manera de formularios.

16
Para evitar errores en la segunda desventaja debe observarse los

siguientes aspectos:
- Las preguntas deben ser claras y concisas.

- Las preguntas no deben ser capciosas ni ambiguas.
- Las preguntas no deben presuponer hechos.
- Las preguntas no deben sugerir respuestas.
Métodos de interrogatorios
El interrogatorio puede hacerse mediante dos métodos:
Método directo (se efectúa por medio de entrevistas)

Método indirecto (se efectúa por medio de cuestionarios)
La entrevista tiene una ventaja principal que la acentúa, y es que puede

completarse con la observación directa, también tiene como principal
desventaja el hecho que la personalidad, posición social, la inflexión de la
voz, la manera de hacer las preguntas, etc. pueden hacer variar las
respuestas.
El cuestionario tiene como ventaja principal el ser más barato. Como

desventaja solo es posible para preguntas sencillas y también en
ocasiones no es devuelto por el individuo encuestado, o no llena con todos
los requisitos adecuadamente.
Frecuencia para la recolección de los datos
Los procedimientos para recoger la información, por su frecuencia,

pueden clasificarse en:
- Métodos de recolección ocasional: las encuestas.

- Métodos de recolección periódicas: los censos.
- Métodos de recolección continuas: los registros.
Estos métodos se diferencian entre sí en una serie de aspectos

importantes y que son:
- Frecuencia de recolección.
- Los aspectos de cobertura.
- Los aspectos de temporalidad.
- Los aspectos de propósitos.
Veremos que la encuesta tiene una amplitud parcial, mientras que el

censo y el registro la tienen universal. Otro aspecto muy importante es que
el censo y la encuesta tienen un carácter transversal, es decir se realiza en
un determinado momento, mientras que el registro tiene un carácter
longitudinal, o sea, se recoge la información a lo largo del tiempo.
Finalmente diremos, que el censo es un procedimiento que tiene objetivos

generales, mientras que el registro y la encuesta tienen objetivos
específicos.

17
Encuesta: Es el procedimiento de obtención de información estructurada

según criterios previos de sistematización, que se efectúa con un
propósito específico (y que tiene alcance restringido) en un sector de la
población.
Ejemplo: Encuesta nacional de propósitos múltiples (ENAPROM)

realizada por el INEI en 1977 y 1978, Y publicadas en 13 fascículos por
ésta institución.
Tipos de encuestas: Encuesta retrospectiva, encuesta prospectiva.
Encuesta retrospectiva: En este tipo de encuestas se parte de datos que

se conoce y la investigación consiste en descubrir características de su
historia. Por ejemplo, se coge un grupo de personas afectadas con cáncer
en el pulmón y vamos a recoger en su historia retrospectivamente si tiene
antecedentes de: hábito de fumar, riesgos industriales, etc.
Encuesta prospectiva: Comienza con una muestra de la población

estudiando una o más características a través del tiempo. Por ejemplo, se
coge un grupo de personas, y vemos la característica de hábito de fumar:
observamos si en el transcurso del tiempo se desarrolla cáncer al pulmón.
Censo de población: Se lIama al proceso de recolectar, completar y

publicar datos demográficos, económicos y sociales pertenecientes a un
tiempo específico y datos de todas las personas en un país o un territorio
determinado.
El propósito principal de un censo de población nacional consiste en

satisfacer ciertas necesidades de información estadística concernientes a
la totalidad de los habitantes de un país con vistas a: planificación de una
serie de aspectos como son los requerimientos de alimento, los números
de escuelas y hospitales, así como su ubicación, etc.
Registros: Son los procedimientos que se siguen para conocer

adecuadamente los cambios y las estructuras de:
- Cambios en el número de la población.

- Aumento de la población por nacimiento.
- Aumento de la población por inmigración.
- Reducción de la población por emigración.
- Reducción de la población por fallecidos.
Mediante los sistemas de registros se establecen así, un proceso continuo

que sigue sin pausa los movimientos de cambio en la población.

18
2. Identificación de variables
Sea cual fuere la fuente de la que obtenemos la información, esta

puede estar referida a características cualitativas o cuantitativas. Las
primeras se refieren a cualidades tales como, color: blanco, azul, etc.;
estado civil: casado, soltero, etc.; profesión: economista, ingeniero,
etc.; calidad de un producto: bueno, regular, etc. Los segundos se
refieren a cantidades tales como: estatura en cm., salario en soles,
número de hijos de una familia, número de dormitorios por vivienda, etc.
Con cada característica materia de investigación, asociamos una

variable; así, podemos dar la definición siguiente.
Variable: Es una característica de la población que se va investigar y que

puede tomar diferentes valores.
Así, por ejemplo una variable sería, las horas extras trabajadas por los
trabajadores de una empresa y los valores de esta variable vendrían
dadas por las diferentes horas trabajados por cada trabajador fuera de la
jornada normal: ninguna, una, dos, tres,
Notación: Las variables se denotarán por X, Y, etc.
Las variables se clasifican en: cualitativas y cuantitativas.

Variable cualitativa: Se llama así, cuando la variable está asociada a una
característica cualitativa. Es decir, son variables cuyos valores son
cualidades que presenta la población.
Por ejemplo, la variable "profesión" puede adoptar las modalidades:
Ingeniero,
Médico, Biólogo, Economista, etc.
Las variables cualitativas se clasifican en: nominales y ordinales.
Variable cualitativa nominal: Son aquellas que establecen la distinción

de los elementos en las categorías sin implicar orden entre ellas.
Ejemplo: Clasificar un grupo de individuos por sexo: masculino,

femenino; por su estado civil: soltero, casado, viudo, etc.
Variable cualitativa ordinal: Son aquellas que agrupan a los objetos,

individuos, en categorías ordenadas, para establecer relaciones
comparativas. Es decir, son susceptibles de ordenación pero no de
medición cuantitativas.
Ejemplo:
a. Clasificar a un grupo de personas por su hábito de fumar. Se procede

así:
- No fumadores
- Fumadores leves
- Fumadores moderados
- Fumadores severos

19
b. Clasificar un grupo de individuos por su grado de instrucción. Se

procede como sigue:
- Analfabeto
RETIRA - Primaria
- Secundaria
- Superior
Variable cuantitativa: Se llama así, cuando la variable está asociada a

una característica cuantitativa. Es decir, estas surgen cuando se puede
establecer cuánto o en qué cantidad se posee una determinada
característica.
Ejemplo: Son variables cuantitativas: ingreso por familia, número de

accidentes de tránsito, longitud, tiempo, etc.
Las variables cuantitativas se dividen en discretas y continuas.
Variable discreta: Son aquellas que surgen por el procedimiento de

conteo. Es decir, las variables estadísticas discretas suelen tomar valores
enteros.
Por ejemplo, el número de hijos por familia; el número de estudiantes por
colegio; el número de automóviles que pasan por una avenida en una
hora; el número de habitantes por distrito; etc., son variables discretas.
Variable continua: Son aquellas que surgen cuando se mide alguna

característica. Es decir, las variables continuas, pueden tomar al menos
teóricamente cualquier valor dentro de un intervalo.
Por ejemplo, el peso, la estatura, la tensión arterial de las personas, los
ingresos, el tiempo de servicio, etc., son variables estadísticas continuas.
No significa que el número asignado a cada peso, estatura, etc., pueda

tomar en la práctica cualquier valor real de un intervalo (aunque
teóricamente sea así) porque la imprecisión de nuestras mediciones hará
que en definitiva éstas vengan representadas por valores discretos. Pero
es el carácter de posibilidad que tiene todo número real de ser asignado a
una de estas variables lo que las define como continuas.
En general, todas las magnitudes relacionadas con el tiempo (edad,

duración de un fenómeno,), la masa (volumen, peso,), el espacio
(longitud, superficie) o una combinación de estos (velocidad, densidad,
capacidad) son variables continuas.
Ejemplo: Clasifique las siguientes características en variables
cualitativas, continuas, discretas.
a. Tiempo de servicio de los empleados de una empresa.
b. Número de cheques girados diariamente en un mes.
c. Número de acciones comunes vendidas cada día en la Bolsa de
Valores de Lima.
d. Lugar de nacimiento de las personas que viven en Lima.
e. Nivel educacional y religión de las limeñas.
f. Temperatura y humedad diaria de Lima.
g. Nivel educacional, estatura y color de ojos de las cajamarquinas.

20
Solución:
a. El tiempo que cualquier persona presta servicios a una empresa esta

comprendida generalmente de acuerdo a ciertas leyes entre 0 y 30
años. Es decir, puede ser cualquier punto del intervalo [0, 30], al menos
en teoría. Por tanto es una variable cuantitativa continua.
b. El número de cheques girados diariamente en un mes, puede ser:

ninguno, uno, dos. Es decir, es una variable cuantitativa discreta.
c. También es una variable cuantitativa discreta.
d. Las personas que viven en Lima. pueden haber nacido en cualquier

distrito o lugar del país o del extranjero. Por tanto, es una variable
cualitativa.
e. El nivel educacional es una característica cualitativa ordinal y la religión

es cualitativa nominal. Por tanto, las limeñas son clasificadas por las
variables cualitativas, nivel educacional y religión.
f. La temperatura y la humedad son variables cuantitativas continuas.

Luego, Lima es clasificada por las variables temperatura y humedad
será una variable continua.
g. Nivel educacional y color de los ojos son variables cualitativas; la

estatura es una variable cuantitativa continua. Por tanto, las
cajamarquinas son clasificadas por las características cualitativas:
nivel educacional y color de sus ojos, y la variable continua estatura.
Unidad estadística: Es el elemento u objeto indivisible de la población

que será analizado.
Por ejemplo, si se quiere estudiar la demanda del detergente X en Lima
Metropolitana, la unidad estadística serán las familias.
Datos: Son los valores recopilados como resultado de las observaciones

de una característica o variable. Llamados también series
estadísticas.
Como hay dos tipos de variables: cualitativas y cuantitativas, diremos

también que hay dos tipos de datos: datos cualitativos y cuantitativos. Los
datos cuantitativos, se pueden considerar también como datos discretos y
datos continuos.

21
PRÁCTICA Nº 2
1. ¿Puede ordenar a las personas por su estado civil: soltero (a), casado
(a), viudo (a), divorciado "(a)? Justifique su respuesta.
2. En una carrera de caballos, Saltarín llegó primero, Pintado, segundo y

Ronco, tercero. ¿Puede encontrar la distancia entre los caballos?
Justifique su respuesta.
3. Clasifique las siguientes características, en variables cualitativas,

cuantitativas continuas y discretas.
a. Consumo de corriente (kw) mensual en un año.

b. El número de tornillos de cada caja producidos en un mes.
c. Estado civil, opinión pública, lugar de nacimiento de las personas que
viven en el Callao.
d. Marca y país de procedencia de los automóviles vendidos durante el
año en el Perú.
4. Si los únicos valores posibles para una variable X son: ½, 1/3, 1/4,…,
entonces X es una variable continua.
5. En cada aparato que produce una empresa de equipos eléctricos se

incluye una póliza de garantía para el cliente. Además de validar la
garantía y proporcionar a la compañía el nombre y domicilio del cliente,
la póliza pide otra informaci6n complementaria que se emplea en los
estudios de mercado. Para cada uno de los blancos numerados de la
póliza, determine las características más probables de las categorías
que utilizará la compañía para registrar la información. En particular:
a. ¿Serán cuantitativas o cualitativas?

b. ¿Contínuas o discretas?
Nombre Estado civil 3
Domicilio ¿Dónde se compró el equipo?

4
Ciudad Estado
Código postal ¿Por qué se compró el equipo?
Edad 1 Ingreso anual 2 5

22
6. ¿Cuál de los siguientes enunciados representa el esquema más exacto

para clasificar datos?
a. Métodos cuantitativos.
b. Métodos cualitativos.
c. Una combinación de métodos cuantitativos y cualitativos.
d. El esquema se determina sólo mediante la información concreta
sobre la situación.
7. Para cada uno de los siguientes enunciados, identifique la unidad

estadística:
a. El alcalde de una ciudad desea estimar el porcentaje de votantes en

su distrito que estará a favor de la aprobación de una ley municipal.
b. Una cadena de supermercados desea conocer la opinión de sus

empleados acerca de un plan de seguro médico patrocinado por la
compañía.
c. Un ejecutivo de mercadotecnia de una compañía desea hacer una

encuesta entre los compradores para determinar su actitud hacia
una nueva línea de productos.
8. En los siguientes enunciados identifique usted: la población, la

muestra, la variable, el tipo de variable, la unidad estadística, el
parámetro y dé una observación.
a. Se va a realizar un estudio de la cantidad de azúcar vendida por

semana, en un supermercado de cierto sector de Lima, para el año
1990; para lo cual se utilizará el promedio de ventas de ese año, los
registros se hacen en kgs. por semana.
b. Una firma industrial, comprometida en la producción de aceros,

produce tornillos para los cuales existen estrechos márgenes de
tolerancia con respecto a la anchura, se selecciona un número de
tornillos de la producción diaria y se mide cuidadosamente.

23
INTRODUCCIÓN A LA ESTADÍSTICA APLICADA A PROCESOS PARA

MEJORAMIENTO DE LA CALIDAD
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.
Como a los empleados se les pagaba a menudo con base en el número de

unidades buenas producidas y se evaluaba a los gerentes de producción
según el número de unidades embarcadas, tradicionalmente los
empleados y gerentes de los departamentos de inspección vivían en
ambientes que solían ser poco amistosos y a veces hostiles.
El control de calidad como una subdisciplina de la ingeniería industrial

tiene dos componentes básicos. Un componente implica el uso técnico de
estadísticas aplicadas y se le conoce como control estadístico de calidad
(SQC) o control estadístico de proceso (SPC). El otro componente implica
el desarrollo y la administración cotidiana de una base programática y
administrativa para el logro de objetivos de control de calidad en una
organización.
Corno se dijo antes, ningún curso en un programa de estudios típico de

ingeniería industrial es más importante que un curso en probabilidad y
estadística. Esto es especialmente cierto en el área de control estadístico
de calidad. El control estadístico de calidad, en términos de contenido
técnico, es sencillamente la aplicación de la estadística y la teoría de
muestreo en un ambiente industrial o productivo.
Con toda la importancia que tienen la probabilidad y la estadística para la

educación de un ingeniero industrial, en este texto no se intentará
describir el contenido de tales cursos. Damos por sentado que un curso en
estadística es un requisito esencial para el estudio del control estadístico
de la calidad.
Control estadístico de procesos: gráficas X y R
Probablemente la técnica más conocida, y tal vez la más antigua, en el

control estadístico de calidad (SQC) sea la gráfica de X y R. Fue
desarrollada originalmente por Shewhart [14] en la década de los veinte.
La gráfica se usa cuando la meta consiste en mantener control estadístico
de una variable aislada de interés (por ejemplo, una dimensión para un
componente o armado).
En la figura 1 se describe una operación de corte sobre un torno, con la

dimensión A de interés. La operación podría ejecutarse, por ejemplo,
como preparación para cortar roscas para unir dos tubos en un campo
petrolero (por ejemplo, en el oeste de Texas).

24
Diámetro externo Diámetro inicial

a final deseado Máquina de la varilla
tornilladora
Movimiento
de la herramienta
Aquí se corta Fig. 1 Diámetro externo final A en máquina

la pieza tornilladora.
En la tabla 1 se proporcionan las medidas del campo, hasta la centésima

de pulgada más próxima, para los primeros 48 cortes de tubos.
Obsérvese que las mediciones se han dividido en muestras del tamaño

cuatro. Como se explica en otra parte de este libro, la razón para hacer
esto consiste en aprovechar el teorema del límite central, que
básicamente dice que cuando usted grafica las medias de las muestras de
una distribución desconocida pero esencialmente unimodal de valores
individuales, las medias tendrán una distribución relativamente normal, es
decir, una distribución gaussiana. (No es verdad, como un estudiante
graduado de matemáticas enunció durante un examen oral después de no
haber logrado recordar la palabra Gauss, que el creador original de la
distribución normal se llamara Sir George Normal. Fue una respuesta
totalmente errónea, pero tan ingeniosa y humorística que el alumno
sobrevivió.)
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
Tabla 1. Datos y cálculos de X y R para la dimensión A
X= åXi l n = 45.225/12 = 3.769

R= åRi l n = 2.7/12 = 0.225
LCSX = X + A2R = 3.769 + 0.73(0.225) = 3.93
LClX = X - A2R = 3.769 - 0.73(0.225) = 3.60
LCSR = D4R = 2.28(0.225) = 0.51
LClR = D3R = 0(0.225) = 0

25
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.
La habilidad subyacente de la operación de corte para mantener las

dimensiones del valor del diámetro es muy superior a la informada en los
valores de la media de la muestra. Se deben considerar numerosas
preguntas acerca del proceso. Por ejemplo, ¿el carrusel en el tomo
sostiene firmemente a la pieza? ¿No tiene punta la herramienta y causa
por tanto un corte disparejo que desequilibra el diámetro para alguna
porción del tubo? ¿Hay inconsistencia del material a lo largo del tubo?
Departamento Torno Nombre de la pieza eje

No. de parte 3058 Máquina Browne & Sharpe
Operación Cortar diámetro Variable diámetro
Gran media = 3.768750 LCl x Barra = 3.604725 LCS x Barra = 3.932775
Rango medio = 0.225000 LCS Rango = 0.513000
x Gráfica de barra
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
Fig. 2 Medidas graficadas para los valores de diámetro A

26
Considérese otro ejemplo, que se muestra en la tabla 3, acerca del

diámetro de paso de roscas en guarniciones de aviones.
Tabla 3 Diámetro de pasos de roscas en guarniciones de aviones
Mediciones del diámetro de paso de roscas en guarniciones de aviones.
Los valores se expresan en unidades de 0.0001 pulgadas en exceso de 0.4000
pulgadas. La dimensión se especifica como 0.4037 +
- 0.0013 pulgadas
Número de Medición sobre cada ítem Promedio Rango

la muestra de cinco ítems por hora X R
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
La figura 3 ilustra valores para miembros individuales de diámetros

muestreados en relación con la dimensión nominal del componente y los
límites de tolerancia superior e inferior. De las 20 muestras de 5 lecturas
cada una (es decir, 100 diámetros individuales medidos), sólo un diámetro
en la muestra 8 (es decir, 0.4023 pulgadas), cae fuera de los límites de
tolerancia. ¿Está el proceso en control? Eso depende de qué significa
control.
La figura 4 ilustra gráficas de control X y R para las 20 muestras. Los
límites de gráfica de control, superior e inferior, se determinan estadística
mente de tal modo que sólo debería haber una probabilidad en 100 de que
una media de la muestra caerá fuera de estos límites. Obsérvese que tres
medias de la muestra están fuera de los límites para X y que un rango de la
muestra está fuera de los límites para R, lo cual sugiere que hay causas
especiales que explican el hecho de tener tantas muestras que caen fuera
de los límites.
En otras palabras, probablemente está sucediendo algo que no debería.

En el lenguaje de control de calidad, el proceso no está en control.
Recuérdese que 99 de las 100 partes medidas caen dentro de los límites
de tolerancia (es decir, son aceptables).

27
Límite de tolerancia superior

0.4050
Mediciones individuales (pulgadas)

0.4040
Dimensión nominal = 0.4037
0.4030
Límite de tolerancia inferior

0.4020
0 5 10 15 20
Número de muestra
Fig. 3 Mediciones individuales de diámetro
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
Límite de control superior

Rango R (pulgadas)
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

28
Dicho de modo sencillo, el rango de aceptabilidad de la dimensión de la

parte, en términos de uso, es tan amplio que aun cuando el proceso esté
"fuera de control" todavía es capaz de producir partes aceptables (99 de
cada 100 veces). Con un mejor control del proceso (recuerde: hay razón
para creer que algo puede estar produciendo una variabilidad indebida)
este proceso tendría una mayor capacidad para producir la parte con
éxito.
Un ajuste común para un proceso basado en la información de tales

gráficas consiste en alterar la frecuencia y el grado de centrado o
posicionamiento del proceso (por ejemplo, volverlo a montar tan cerca de
0.4037 pulgadas como sea posible, con la frecuencia que sea necesaria,
si se está desviando de la posición central; o desplazarlo hacia abajo
dentro del rango aceptable conforme la herramienta se desgasta).
La razón para graficar medias de las muestras en vez de valores

individuales se remonta a las propiedades deseables del teorema del
límite central, que se examinar. Baste decir que la determinación confiable
de los límites de control depende de la suposición de que las medias de las
muestras se distribuyen de modo normal, independientemente de la
distribución de los valores individuales de los cuales se obtuvieron las
muestras.
Las gráficas X y R se han usado en el control estadístico de calidad desde
que Shewhart [14] presentó estos conceptos, a comienzos de los años
veinte. Durante medio siglo y hasta la década de los ochenta, el control
estadístico de calidad se desarrolló hasta incluir una considerable
diversidad de técnicas estadísticas para el manejo de problemas de
calidad de productos manufacturados. Encontrar la fuente de problemas
de calidad fue una parte de la historia, pero generalmente se suponía que
tales problemas en el proceso de fabricación podrían resolverse una vez
que se descubrieran.
El uso de gráficas X y R y de otros enfoques estadísticos relacionados

para encontrar las causas de problemas de calidad en el piso de
producción fue, desafortunadamente, un caso de "demasiado poco,
demasiado tarde".
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.
En retrospectiva, hoy día es claro que aunque se logró mucho, se podría

haber logrado mucho más con una mejor comprensión de la verdadera
fuente subyacente de problemas de calidad en la industria. Una revisión
de las definiciones deducidas de la calidad brinda cierta comprensión de
este cambio gradual en el enfoque para hacer frente más exitosamente al
reto de mejorar la calidad en el futuro.

29
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.
En este contexto las empresas tienen que continuar asumiendo el

protagonismo que les corresponde para contribuir al crecimiento y
desarrollo del país, logrando mayor eficiencia y brindando productos y
servicios de calidad. Hoy más que nunca parece existir un amplísimo
consenso respecto de la urgente necesidad de que las empresas
funcionen bien competitivamente.
Hasta hace unos años el sistema proteccionista en nuestro país, como en

otros países de Latinoamérica, había impedido valorar las duras
condiciones de la competencia internacional y los mayores niveles de
exigencia de los clientes y consumidores, quienes exigen mayor calidad
en los productos, oportunidad en las entregas, precios razonables y
excelencia en la atención. La cruda realidad iniciada en los anos ochenta y
los efectos de la globalización de los años 90, esta despertando
bruscamente a todas las organizaciones y las obliga a buscar
afanosamente nuevas estrategias para adaptarse con éxito a la creciente
competencia.
Es precisamente en este entorno en el que la Calidad Total se proyecta

vigorosa y revolucionariamente como un nuevo sistema de gestión
empresarial y factor de primer orden para la competitividad de las
empresas. El concepto de calidad, tradicionalmente relacionado con la
calidad del producto, se identifica ahora como aplicable a toda la actividad
empresarial y a todo tipo de organización.
Las empresas exitosas en el Perú y el mundo son aquellas que vienen

aplicando de una u otra forma la estrategia de la Calidad Total; y muchas
otras con base a esta estrategia estan cambiando su forma de pensar y
por tanto de actuar; de hecho estan rediseñando toda la organización
tanto en el aspecto físico como espiritual prara enfocarla hacia los
clientes, y hacerla eficiente para cumplirles y satisfacerles.
Muchas de nuestras empresas, si bien reconocen la importancia de la

calidad, no se encuentran suficientemente preparadas para aceptar los
nuevos retos que trae consigo y para poner en práctica sus principios y
técnicas. Tal vez uno de los principales inconvenientes sea el de carecer
de una metología práctica que les sirva de soporte.
En la sesión correspondiente a esta primera jornada de trabajo
presentaremos un repaso de los conceptos generales y de los principios
en que se sustenta la filosofía de la Calidad Total.

30
Esperamos que el discurso inicial complementado con el instrumental

teorico-practico de las siguientes jornadas habra de orientar en la manera
de pensar del lector, y que en la medida que este discurso penetre en su
mente se hara posible la aplicacion a su realidad concreta, o coadyuvara a
encaminar procesos de calidad total ya iniciados.
1.2 Concepto y evolucion de la calidad
Concepto:
Una condicion indispensable para asegurar la implantación de una

estrategia de Calidad Total consiste en definir y entender con claridad lo
que significa este concepto.
Es decir, los directivos de una organización que se proponen implantar la

Calidad Total como estrategia para competir tienen que saber
exactamente lo que quieren decir cuando hablan de calidad, o de mejorar
la calidad del producto o servicio, tienen que saber como dividir la calidad
global de proyectos de mejora manejables y como medir la calidad del
producto.
En la práctica, como lo refiere Ricchard J. Schonberger, uno de los

expertos en esta materia, "... la calidad es como el arte. Todos la alaban,
todos la reconocen cuando la ven, pero cada uno tiene su propia definición
de lo que es".
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.
En estas definiciones implicitamente se esta concibiendo a la calidad

como un atributo, propiedad o caracterí stica que distingue a las personas,
a bienes y a servicios, lo cual resulta ya una interesante aproximación al
concepto de calidad aplicado a las organizaciones.
El organismo internacional de normalizacion, ISO, en su norma 8402, ha
definido a la calidad como la totalidad de características de una entidad
que le confiere la capacidad para satisfacer necesidades explicitas e
implicitas.
La norma precisa que entidad es una organización, llamese empresa o

institución, producto o proceso. Complementando esta definición,
diremos que las necesidades explicitas se definen mediante una relación
contractual entre Clientes y Proveedores; mientras las necesidades
implícitas se definen según las condiciones que imperan en el mercado.
Los elementos que conforman las necesidaes son basicamente: la

seguridad, la disponibilidad, la mantenibilidad, la confiabilidad, la facilidad
de uso, la economía (precio) y el ambiente. Estas necesidades, excepto el
precio, se definen traduciendo aspectos y características necesarios para
la fabricación de un buen producto.

31
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:
a) Control de calidad enfocada hacia los productos terminados.

b) Control Estadístico de procesos.
c) Control Total de Calidad o Calidad Total.
La primera etapa iniciada con la revolución industrial consistió en la

inspección a los productos terminados, clasificándolos como aprobados o
rechazados. Estos últimos debían ser sometidos a un reprocesamiento en
caso de ser posible o simplemente eliminados.
En esta concepción tradicional, la calidad normalmente se asocia con una
cadena de producción y a menudo se ve como competidora de otras
prioridades empresariales como la reducción de costos y de la
productividad. Para aumentar la productividad se tenía que sacrificar la
calidad.
Otro problema con este concepto tradicional de la calidad es el de

centrarse en la corrección de errores después de hechos; esta filosofía de
comprobar y arreglar después no sólo permite la existencia de errores sino
que además los incorpora al sistema. Nuestra experiencia como Clientes
es que demasiadas veces terminamos comprando los errores que resulta
de comprobar y arreglar luego. Muchas veces existen más posibilidades
de comprar bienes y servicios defectuosos que perfectos. Pero si eso nos
pasa a nosotros como Clientes, la pregunta es ¿Que dirán los nuestros?.
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.
La segunda etapa, iniciada en la primera mitad de este siglo, consistió en

el desarrollo y aplicación de técnicas estadísticas para disminuir los
costos de inspección. Con este enfoque se logro extender el concepto de
calidad a todo el proceso de producción, lográndose mejoras significativas
en terminos de calidad, reducción de costos y de productividad. Las
ventajas que ofrecía el Control Estadístico permitió ampliar su aplicación a
otras areas de la organizacion; sin embargo se advirtio que si bien este
metodo mejoraba tremendamente los resultados de la empresa resultaba
insuficiente para enfrentar la creciente competitividad.
Es así como nace el Control Total de Calidad y la idea del Mejoramiento

Contínuo, como una manera de tener éxito en el viaje hacia la excelencia,
es decir para lograr la Calidad Total.

32
Este concepto nació en la decada de los cincuenta en los Estados Unidos,

pero fue en Japón donde se desarrolla y aplica a plenitud, introduciendose
importantes y novedosos conceptos tales como :
• La calidad significa satisfacción de las necesidades y expectativas

del cliente.
• La concepción de clentes internos y clientes externos.
• La responsabilidad de la dirección en la calidad.
• La calidad no solo debe buscarse en el producto sino en todas las
funciones de la organización.
• La participación del personal en el mejoramiento permanente de la
calidad.
• La aplicación de principios y herramientas para el mejoramiento
contínuo de los productos y servicios.
1.3 Comprension del significado de la calidad total
El concepto de Calidad Total, originado a partir del concepto ampliado de

control de calidad (Control Total de Calidad), y que el Japón ha hecho de el
uno de los pilares de su renacimiento industrial, ha permitido uniformizar el
concepto de calidad definiendola en función del cliente y evitando asi
diversidad de puntos de vista como sucedia en la concepción tradicional.
Es así pues como la Calidad se hace total.
La Calidad es total porque comprende todos y cada uno, de los aspectos

de la organización, porque involucra y compromete a todas y cada una de
las personas de la organización. La calidad tradicional trataba de arreglar
la calidad después de cometer errores. Pero la Calidad Total se centra en
conseguir que las cosas se hagan bien a la primera . La calidad se
incorpora al sistema. No es ocurrencia tardía y los llamados niveles de
calidad aceptables se vuelven cada dia más inaceptables.
Complementando lo ya mencionado, debemos decir que la Calidad Total

es reunir los requisitos convenidos con el cliente y superarlos, ahora y en
el futuro, debemos partir por ser exactos con los requisitos o
especificaciones. Con esta concepción de Calidad Total se supera la
imprecisión del pasado, no solo tiende a ser exacta sino además medible.
Otro cambio que se obtiene como resultado de esta concepción es la
palabra Cliente.
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.
Tal vez para entender mejor el concepto de Calidad Total conviene

comenzar diciendo que el objetivo de toda organización, grupo de trabajo,
area o puesto de trabajo o inclusive el individuo, es generar un producto o
servicio que va a recibir otra organización, otra area u otro individuo, a
quien denominamos, también llamado Usuario o Consumidor.

33
Algunos prefieren llamar Cliente cuando se trata de un producto tangible

como por ejemplo un automóvil y Usuario cuando se trata de un servicio,
como por ejemplo la salud o el servicio de reparaciones. En nuestro caso
denominaremos Cliente, sea que se trate de producto o servicio.
Conviene precisar que el termino producto se refiere al resultado que se

obtiene de un proceso o de una actividad. Por consiguiente, en terminos
generales, este resultado puede ser un producto tangible (por ejemplo,
materiales ensamblados o procesados), o intangible (por ejemplo,
conocimientos o conceptos) o una combinación de estos; producto es el
trabajo realizado por un puesto o estación de trabajo. También es producto
el resultado de una asesoría, o un servicio educativo, etc., en general de
todas aquellas actividades donde el resultado obtenido no se percibe
como un producto tangible.
Sin embargo, para los fines de la Calidad Total se ha definido al termino

servicio como el resultado generado por actividades en la interfaz entre el
proveedor y el cliente y por actividades internas del proveedor, con el fin de
conocer las necesidades del cliente.
Veamos por ejemplo, en el caso de la Compãnía Toyota la satisfacción del

cliente se clasifica en dos aspectos: producto y servicio. Cuando se
refieren al producto quieren significar: calidad, costo razonable y
oportunidad en la entrega. Por otro lado, el servicio para esta empresa
significa la comunicación y el contacto permanente con el cliente, así como
la atención, que puede desarrollarse incluso a tal vez de actividades
recreativas destinadas a los clientes; asi mismo forma parte del servicio el
mantener todas las mercancias en contacto con el cliente, el seguimiento
postventa para verificar el grado de satisfacción con el producto, y todo el
conjunto de interrelaciones o actividades para captar la voz del cliente y
satisfacerlo mejor.
Otras companías incluyen como parte del servicio el denominado "servicio

pre-venta" destinado a hacer conocer las bondades del producto y la
imagen de la empresa a personas que no son clientes, que talvez podrian
serlo, pero no necesariamente.
Desde el punto de vista de la Calidad Total y aceptando las ideas

expuestas en el parrafo anterior los conceptos de producto y servicio no
estan separados, o bien el producto incluye al servicio, o ambos aspectos
(producto y servicio) deben planificarse separada y simultáneamente para
lograr satisfacer mejor las necesidades y expectativas del cliente.
De una manera sencilla podemos decir que en la expresion Calidad Total,

el término Calidad significa que el Producto o Servicio debe estar al nivel
de satisfacci&onacute; del cliente; y el término Total que dicha calidad es
lograda con la participación de todos los miembros de la organización. La
Calidad total comporta una serie de innovaciones en el area de gestión
empresarial que se ha difundido por todos los países de Europa y América,
aplicándose no sólo a las actividades manufactureras sino en el sector de
servicios y en la Administración pública.

34
Hoy en día, en el Perú, son muchas las organizaciones que vienen

aplicando con exito esta nueva estrategia.
La Calidad Total significa un cambio de paradigmas en la manera de
concebir y gestionar una organización. Uno de estos paradigmas
fundamentales y que constituye su razon de ser es el perfeccionamiento
constante o mejoramiento continuo. La Calidad Total comienza
comprendiendo las necesidades y expectativas del cliente para luego
satisfacerlas y superarlas.
1.4 Importancia estrategica de la calidad total
La Calidad total es una estrategia que busca garantizar, a largo plazo, la

supervivencia, el crecimiento y la rentabilidad de una organización
optimizando su competitividad, mediante: el aseguramiento permanente
de la satisfacción de los clientes y la eliminación de todo tipo de
desperdicios. Esto se logra con la participación activa de todo el personal ,
bajo nuevos estilos de liderazgo; siendo la estrategia que bien aplicada,
responde a la necesidad de transformar los productos, servicios, procesos
estructuras y cultura de las empresas, para asegurar su futuro.
Para ser competitiva a largo plazo y lograr la sobrevivencia, una empresa

necesitará prepararse con un enfoque global, es decir, en los mercados
internacionales y no tan sólo en mercados regionales o nacionales. Pues
ser excelente en el ámbito local ya no es suficiente; para sobrevivir en el
mundo competitivo actual es necesario serlo en el escenario mundial.
Para adoptar con éxito esta estrategia es necesario que la organización

ponga en práctica un proceso de mejoramiento permanente. Los aspectos
esenciales para la aplicación de este proceso se expondrán en la segunda
sesión.
1.5 La calidad total como un nuevo sistema de gestion empresarial
La Calidad Total, constituye un nuevo sistema de gestión empresarial , en

la medidad que sus conceptos modifican radicalmente los elementos
característicos del sistema tradicionalmente utilizado en los países de
occidente. Entre ellos se cuentan:
· Los valores y las prioridades que orientan la gestión de la empresa.

· Los planteamientos lógicos que prevalecen en la gestión de la
actividad empresarial.
· Las características de los principales procesos de gestión y decisión.
· Las técnicas y metodologías aplicadas.
· El clima entendido como el conjunto de las percepciones que las
personas tienen sobre relaciones, política de personal, ambiente, etc.
El nuevo enfoque de calidad requiere una renovacion total de la

mentalidad de las personas y por tanto una nueva cultura empresarial; ya
que entre otros aspectos se tiene que poner en práctica una gestión
participativa y una revalorizacion del personal no aplicada en los modos
de administración tradicional.

35
1.6 Reflexiones para el lector

Con el objeto de ayudar al lector a identificar oportunidades de
mejoramiento, presentamos a continuación un conjunto de reflexiones
que consideramos importantes, las mismas que hemos adaptado del libro
de Jaime Rojas referido a la aplicación de la Calidad Total.
· ¿Está su organización preparada para satisfacer a los clientes frente a
los mejores competidores?
· ¿Los productos y servicios que ofrece responden a las verdaderas
necesidades y expectativas de los clientes?
· ¿Esta usted eliminando todo tipo de despilfarros para tener costos
competitivos y una adecuada rentabilidad?
· ¿El tiempo de sus ciclos de desarrollo de desarrollo de nuevos
productos o servicios y los de operación, entrega y postventa es
adecuado?
· ¿Esta su personal altamente motivado y participa activamente en el
mejoramiento de los procesos ?
· ¿Ha logrado desarrollar proveedores confiables?
· ¿Qué tan lejos esta actualmente de la Calidad Total?
El proceso de mejoramiento hacia la calidad total
2.1 Principios basicos para el logro de la calidad total
1. La calidad es la clave para lograr competitividad.

Con una buena calidad es posible captar un mercado y mantenerse en
él.
2. La calidad la determina el cliente.
Es el cliente quien califica la calidad del producto o servicio que se

ofrece; de allí que la calidad no debe ser tomada en su valor absoluto o
científico, sino que es un valor relativo, en función del cliente.
Es necesario identificar con precisión las cambiantes necesidades y
expectativas de los clientes y su grado de satisfacción con los
productos y servicios de la empresa y los de la competencia.
Tenga presente que las expectativas de los clientes están dadas en

términos de calidad del producto o servicio, oportunidad de entrega,
calidad de la atención, costos razonables y seguridad. No te preguntes
a ti mismo sobre la calidad del producto o servicio que ofreces,
pregúntaselo a tu cliente, es el quien dice que hacer, como o para
cuando.
No se puede forzar al Cliente a comprar el producto que nosotros

queremos al precio que queremos. Una organización mejora hacia la
Calidad Total cuando los clientes externos e internos sienten que se
esta cumpliendo consistentemente con sus requerimientos de calidad,
oportunidad, costo y servicio.

36
3. El proceso de produccion esta en toda la organizacion.
Proceso de producción no es toda la línea de producción propiamente

dicha, sino toda la empresa.
Los que hacen bien su trabajo lubrican el proceso, los que lo hacen mal
crean cuellos de botella en el proceso.
4. La calidad de los productos y servicios es resultado de la calidad

de los procesos
5. El proveedor es parte de nuestro proceso.

En el proveedor se inicia la calidad, el es parte de nuestro proceso,
debe ser considerado como parte de la organización.
La calidad se inicia en la demanda ( de nuestros clientes ) y culminará

con su satisfacción, pero el proceso de elaboración se inicia en el
proveedor; por lo que este debe ser considerado como parte de nuestro
proceso de producción, extendiéndose a el las acciones de
entrenamiento en Calidad Total.
6. Son indispensables las cadenas proveedor-clientes internos.
Cada individuo de la organización toma conciencia de que tiene uno o

más clientes internos y uno o más proveedores internos. Creándose
cadenas de proveedor- cliente dentro de la organización. Proveedores
internos a los que hay que mantener informados de como queremos
que nos entreguen su trabajo y sobre lo que haya que corregir.
En esta cadena que se genera por esta conciencia de proveedores

internos y de clientes internos, es tan responsable el proveedor que no
le pregunta a su cliente sobre la calidad del trabajo que entrega, como el
cliente que no le informa a su proveedor sobre algo que se le esta
entregando mal hecho.
7. La calidad es lograda por las personas y para las personas.
Esto exige, entre otras cosas, un constante programa de capacitación y

entrenamiento.
8. Establecer la mentalidad de cero defectos.
Esto tiene el propósito de erradicar el desperdicio, en todas las formas

como se presente, eliminando las actividades que no agregan valor.
"Cero defectos" consiste en tener una actitud sistemática hacia el no-
error. Debemos el uso común de la frase errar es humano. no se trata
de perseguir a los subalternos porque cometen errores, ya que eso
mataría su iniciativa.
De lo que se trata es de despertar la conciencia de no equivocarse. Bajo

el concepto de CERO DEFECTOS desaparecerán los límites de
tolerancia, pues estos consagran el error.

37
La Calidad Total promueve la eliminación de todo tipo de despilfarros

presentes en:
- 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.
9. La ventaja competitiva esta en la reduccion de errores y en el

mejoramiento continuo.
La verdadera ventaja competitiva esta en la reducción de errores o en
mejorar los procesos; allí radica la reducción de costos. Con el
resultado de "Menores Costos" se puede:
- Bajar precios a los clientes.

- Mejorar utilidades de la empresa.
- Mejorar el acabado del producto.
- O todas las anteriores a la vez.
10.Es imprescindible la participacion de todos (conciencia

colectiva).
Reducir errores solo será posible con la participación de todos y cada
uno de los miembros de la organización.
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.
12.Requiere una nueva cultura.

En el concepto de Calidad Total "todos piensan y todos hacen"
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.
b) Innovacion o mejora radical

Se refiere a aportaciones radicales o cambios grandes realizados
esporádicamente por especialistas en los respectivos temas. Un
ejemplo, de esta modalidad es llamada "Reingeniería de Procesos"

38
La mejora radical, compete a la Alta Dirección y se consigue con cambios

importantes e innovaciones tecnológicas que conllevan grandes
inversiones, mientras que la mejora incremental, Kaizen, es un proceso de
renovación continua realizado a través de pequeños pasos que sirven
para perfeccionar los estándares existentes, estando a cargo de todos los
niveles de la empresa.
El Mejoramiento ideal es aquel que combina eficazmente la mejora

continua y la innovación, es la mejor forma de asegurar el éxito futuro de
una empresa. No obstante, debemos señalar que la aplicación de la
Calidad Total significa un cambio radical en la mentalidad de las personas,
y la concepción holística de la organización y de los procesos de mejora
que caracteriza a este enfoque, tiene un papel fundamental con fines
innovadores; pues, no sólo favorece la capacidad innovadora, sino que se
descubre donde es necesario innovar, porque la labor de optimización ha
llegado a su límite.
De esta manera, la calidad Total es determinante para la innovación que

también se hace global, arraigándose a la empresa con el ingrediente
adicional de la participación.
2.3 El ciclo de control para el mejoramiento
El mejoramiento y aseguramiento de la calidad se basa en el Ciclo de

Control, que se compone de las siguientes cuatro fases:
· PLANEAR: Actividad que determina que es lo que se debería hacer,

cual es la meta y como se puede alcanzar.
· HACER: Significa transformar los procesos actuales con el fin de
mejorar su desempeño, de acuerdo a lo planeado.
· VERIFICAR: Determina el grado de cumpliendo de las actividades
planeadas y metas de desempeño.
· HACER: Significa realizar los ajustes a los nuevos procedimientos y
estandarizarlos, con el fin de garantizar que siempre se apliquen.
La ejecución continuada del Ciclo de Control garantiza el mejoramiento

permanente del desempeño de los procesos de la organización.
2.4 Actividades para iniciar un proceso hacia la calidad total
Para la implantación de la Calidad Total no existe un modelo que

pueda copiarse. En principio cada organización tiene que diseñar una
metodología de acuerdo a su propia realidad.
Como parte de todo proceso de mejoramiento hacia la Calidad Total

se incluyen acciones como: el desarrollo de las actividades de
liderazgo y el compromiso de los mas altos directivos de la
organización, el desarrollo del personal, el enfoque a los clientes, el
desarrollo de los proveedores, la planificación de la calidad,
mejoramiento del trabajo diario, aseguramiento de la calidad,
programa de reducción de costos, etc.

39
Tomando como base las recomendaciones de los expertos en esta

materia, nuestra experiencia y la propia evidencia empírica, nos
permitimos señalar que en términos generales para poner en práctica este
proceso es conveniente dividirlo en las fases siguientes:
FASE I: Toma de decisión
Consiste en analizar seriamente si existe la voluntad de hacer todo lo que

sea necesario para emprender y mantener adecuadamente dicho
proceso; ya que una vez iniciado no debe ser discontinuado ya que genera
desconfianza y frustración.
Es necesario ser conscientes de los esfuerzos que llevará vencer la

resistencia al cambio. Por otro lado, los directivos tienen que dedicar
tiempo y recursos, orientar la gestión administrativa, aceptar todos los
conceptos y principios tales como: el trabajo en equipo, nuevos estilos de
liderazgo, tener un definición clara de calidad, etc.
Esa necesario estar consciente de lo que significa emprender un proceso

hacia la Calidad Total y de los beneficios que de ello se derivan.
Tomada la decisión debe elaborarse un Plan para poner en marcha este

proceso. Este Plan debe estar integrado o formar parte del Plan
Estratégico de la organización. Así mismo, tomada la decisión debe
definirse paralelamente al plan de desarrollo de la Calidad una
organización básica que se encargará de desarrollar las acciones de
calidad. Como parte de esta organización se incluirá un Comité de Calidad
o mas bien un Consejo de Calidad presidido por el mas alto directivo de la
organización. luego los Comites de Calidad por Areas y Equipos de
Mejoramiento dependiendo del tamaño de la organización. También debe
tenerse en cuenta la necesidad de contratar los servicios de un Asesor
Externo. El plan de calidad deberá definir un área piloto para iniciar los
procesos de mejora y prever igualmente acciones de reconocimiento al
personal.
FASE II: Preparación del escenario y promoción
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.
Es conveniente en esta fase efectuar un Diagnóstico de calidad la

organización , considerando aspectos como costos de la mala calidad, el
clima organizacional, nivel de satisfacción de los clientes, identificación de
procesos críticos, claridad y precisión en cuanto a las fortalezas y
debilidades.
En este fase es necesario poner en marcha un vigoroso Programa de
Capacitación y desarrollo de personal. Se ensayará el desarrollo de
proyectos a nivel piloto.

40
FASE III: Implantacion de procesos de mejora
En esta fase se pondrá en marcha los procesos de mejoramiento con la

participación de los equipos de mejoramiento, quienes para este
momento han sido suficientemente entrenados en técnicas de
mejoramiento y de solución de problemas.
Si el proceso de mejora va mostrando sus frutos, es necesario motivar al

personal con acciones de reconocimiento. En el aspecto de capacitación
debe incluirse lo referente a la aplicación de las normas ISO de la serie
9000.
FASE IV: Consolidacion y optimizacion interfuncional
En esta fase se continuará desarrollando los procesos de mejora y

continuará con la capacitación en técnicas de calidad mas avanzadas. se
desarrollará los sistemas y procedimientos con base a las normas ISO
9000. Se continuará con los procesos de mejora manteniendo y
perfeccionando la gestión estratégica.
Lo antes expuesto no tiene un carácter definitivo o absoluto, dependerá

del dinamismo y progreso que haya alcanzado cada organización. Sin
entrar en controversia con lo expuesto, una metodología operativa que
viene siguiendo una organización en nuestro país donde hemos tenido la
oportunidad de participar y brindarle asesoramiento consiste en las
siguientes acciones:
1. Toma de la decisión: Análisis situacional; análisis de los enfoques de

calidad en el mundo; análisis de las experiencias y logros obtenidos
por otras organizaciones.
2. Diseño, estructuración y aprobación del plan de gestión de la calidad

total.
3. Implantación, al nivel de un área piloto.
4. Expansión a toda la organización.
5. Evaluación y seguimiento.
6. Acciones correctivas, medidas de aseguramiento y continuación de la

gestión estratégica.
7. Desarrollo de acciones de aseguramiento y auditoría con fines de

acreditación.

41
CONTROL DE CALIDAD
El concepto de Control de Calidad comprende dos funciones

interrelacionadas:
a) Función control
b) Función calidad
Para nuestro propósito, la función control comprende al menos los

siguientes elementos y actividades:
- 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.
Por su parte la función calidad tiene al menos los siguientes elementos o

etapas:
- Calidad de diseño
- Calidad de producción
- Calidad de conformidad
- Calidad certificada
- Calidad de servicio
La interrelación de estas dos funciones constituye en su forma más amplia

el concepto moderno de control de calidad según se observa en la Fig. 1.
MEDIDA DISEÑO
NORMA PRODUCCIÓN
CORRECCIÓN CONTROL
+ CALIDAD CONFORMIDAD
ANÁLISIS CERTIFICACIÓN
COMPARACIÓN SERVICIO
{
CON´TROL DE CALIDAD
Fig. 1

42
1. Funciones y principios de control de calidad
FUNCIONES: Se distinguen tres funciones:
* Legislativa
* Ejecutiva
* Judicial
La Función Legislativa involucra la realización de normas de control,

preparación de especificaciones, etc. En una palabra, hace la ley. Es
característicamente la estipulación de la calidad de diseño. Esta no es una
función exclusiva del Control de Calidad, pues intervienen otros
ETIRA
departamentos, pero jamás deberá realizarse un diseño sin la
intervención del Departamento de Control de Calidad.
Dentro de la Función Ejecutiva se hallan todas aquellas tareas que

hacen que el proceso entregue productos de acuerdo al diseño, que se
evite la fabricación de piezas defectuosas y se posibilite la localización de
fuentes de desecho, es decir, lo que llamaremos control durante el
proceso de fabricación.
En la Función Judicial encontraremos el control de entrada y de salida,

es decir el juzgamiento de productos ya terminados, los cuales pueden ser
materia prima para otros sectores o fábricas.
Entonces, resumiendo, tenemos que calidad de diseño está en la función
legislativa y calidad del producto en la función ejecutiva, control dinámico
de la calidad y judicial, control estático de la calidad.
Principios (Se refiere al control de la calidad de producto)
1. "Control no es clasificación ni selección"
En efecto, la clasificación de productos en buenos y malos es una

operación más de la fabricación. Control de la Calidad debe proveer las
razones para estudiar los problemas de la calidad.
2. “Con el control no puede obtenerse calidad; esta es una

característica inherente al producto"
Esto es evidente; para obtener un buen nivel de calidad hay que

fabricarlo. El control no agrega calidad a los productos.
3. "El equipo productor es el responsable de la calidad y el control"
Este principio es una consecuencia del anterior, y de él se concluye que

debemos brindar al equipo productor la poderosa herramienta que es el
control durante el proceso, que lo guíe para saber las medidas
correctivas que debe tomar.

43
4. "El control no resuelve problemas de fabricación, sólo da las

razones para estudiarlos"
Es muy importante que el equipo productor sepa que problemas de

calidad existen y en que sentido se manifiestan para lograr un buen
nivel de calidad en la producción.
TIRA
5. Las decisiones deben tomarse sobre la base de datos reales"
La confiabilidad de los datos registrados es del punto inicial para todo

análisis o interpretación de resultados. Esta tarea es propia del control
de calidad y el equipo productor tomará las medidas correctivas sobre
la base de estos datos objetivos.
6. "Los datos deben ser compatibles y estar dispuestos de manera

tal, que permitan el análisis".
Esto posibilitará el empleo de algunas herramientas estadísticas de las

cuales el control de calidad hace uso.
7. "El acuerdo entre proveedores y cliente debe hacerse sobre el

método de control y solamente sobre la fracción defectuosa de las
pérdidas".
Existe lo que se denomina riesgo del comprador que, en términos

generales, puede definirse como el riesgo de aceptar partidas con un
porcentaje de defectuosos mayor que el especificado y el riesgo del
proveedor que partidas con un porcentaje defectuosos menor que el
especificado le sean rechazadas.
Teniendo siempre presente estos principios básicos y haciendo que

todas las partes que intervienen los comprendan, es seguro que no se
desvirtuarán los esfuerzos que realizaremos para lograr los niveles de
calidad deseados.

44
Control de calidad
¿Por qué elaborar productos de calidad? (Fig. 2)
¿LA CALIDAD
PORQUÉ?
RAZONES EXIGENCIAS
FINANCIERAS INTERNAS
RAZONES EXIGENCIAS
COMERCIALES INTERNAS
RAZONES
Fig. 2 TÉCNICAS
La empresa debe elaborar productos de calidad por:
- Razones financieras; los defectos de calidad significan un costo muy

elevado tanto para la empresa como para el cliente.
LOS DEFECTOS DE CALIDAD
CUESTAN MUCHO
A la empresa
Al cliente
DEFECTOS DE CALIDAD =
DESPILFARRO Tiempos de trabajo e
indisponibilidad
Materias primas y productos

fabricados Energía
Aumento del precio de

EMPRESA ventas
Disminución de las
utilidades
Pérdida de la
competitividad

45
- Razones Comerciales; necesidad de ser competitivo

Cliente (Competitividad = Calidad /Precio)
A precio de venta igual
Mejor utilización
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:
a) Principales clientes industriales

Quienes solicitan la certificación de la calidad demandada.
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
Mejoramiento del clima laboral de la empresa.
La desmotivación de los trabajadores se refleja con el siguiente

comportamiento:
- Un alto nivel de ausentismo y tardanzas.

- Un alto índice de rotación.
- Alto índice de accidentes.
- Mala calidad y alto índice de desechos en los productos.
- Baja productividad.
- Una fuerza de trabajo inflexible.
- Baja moral e insatisfacción general.
" PARA REMEDIARLO DEBE DESARROLLARSE EL ESPÍRITU DE

CALIDAD”

46
A IGUAL CALIDAD
Disminuir los costos de:

NECESIDAD rechazo, reparaciones,
mantenimiento y controles
DE
Racionalizar los métodos de
DISMINUIR EL PRECIO trabajo y procesos de
fabricación
DE VENTA
Simplificar el diseño de los
productos
Fidelizar a la clientela
MANTENER O MEJORAR LA
IMAGEN DE MARCA PARA Ampliar los mercados
- Razones Técnicas; mejorar las propiedades y rendimiento ligados al

uso; así como, al dominio de los procedimientos de fabricación y
control.
Para evitar las consecuencias negativas de las razones financieras y

comerciales, debemos mejorar:
Para una utilización más

LOS RENDIMIENTOS económica y mejor
TÉCNICOS
adaptados al uso
Fiabilidad
LAS PROPIEDADES Mantenimiento
LIGADAS A LA
UTILIZACIÓN Duración de vida
EL DOMINIO DE Procesos de fabricación y

TÉCNICAS
REFERENTES A métodos de control

47
NORMALIZACIÓN Y ESPECIFICACIONES DE CALIDAD

Introducción a la normalización
En la sociedad actual crece velozmente las relaciones comerciales,

donde comparadores y vendedores requieren de mejores procesos que
permitan realizar esas transacciones con un alto de grado de confiabilidad
con respecto a la calidad de los productos que se comercializan. La
calidad no es una magnitud absoluta, esta influenciada por condiciones
subjetivas variables, que necesita tener un sistema que sirva de conexión
entre los compradores y los vendedores, para generar unas bases
técnicas para el buen entendimiento comercial, como son la metrología, la
normalización y el control de la calidad.
Es importante puntualizar las funciones que va a cumplir el bien o servicio

que se va a adquirir y así conocer la potencialidad que tiene el fabricante
para responder a las expectativas de los clientes. Esto genera la aparición
de distintos niveles de calidad y de precios. El éxito de todos estos
aspectos para asegurar las calidades esperadas radica en el hecho de un
conjunto de reglas técnicas, reconocidas y acatadas que conforman un
sistema de normas. Este sistema de entendimiento y control se le
denomina normalización.
El sistema que conforma la normalización está integrado por una

conceptuación, una diferenciación y un ordenamiento de una serie de
principios y procedimientos para establecer unidades y definiciones,
métodos de toma y conservación de muestras, métodos de ensayo,
además de especificaciones cualitativas y códigos de práctica.
Para el Ingeniero Rafael Salas Jiménez, del departamento técnico de A

VPC, "El problema estriba en que para lograr un arraigo y una extensión
suficientes de la normalización, se hace necesario que la sociedad tenga
conciencia real de esta necesidad". Esto plantea que la primera tarea es
crear conciencia de la falta de un proceso de normalización y de control de
calidad, donde es necesario demostrar que son necesarios estos
cambios, para que no sea pasajera la modificación de conducta.
La normalización dirigida a los fabricantes es denominada normalización

industrial, donde es un importante caso particular, restringido y restrictivo
que se ocupa de llevar a la organización los fundamentos para un
desarrollo armónico y eficiente de la industria. El grado de evolución de la
normalización en un rubro específico determina su grado de importancia y
desarrollo industrial.
En el vasto conjunto del mercado de compradores, el comprador industrial

lleva ventajas sobre el comprador común, ya que los suplidores están
sujetos a la normalización industrial que ejerce la organización en sus
compras, basada en convenios de garantías, especificaciones y acuerdos
que no están presentes en el comprador común. El comprador común
puede no saber con exactitud que productos responden mejor a sus
necesidades particulares. Por esto la normalización tiene la importante
labor de desarrollar los rubros de producción que salen al mercado, y
ayudar a definir un tipo de calidad para aquellos compradores que
carecen de los conocimientos técnicos necesarios.

48
Es probable que no exista una retroalimentación completa entre las

informaciones completas, correctas y suficientes sobre un producto
específico y sus vendedores o fabricantes. La normalización trata de
evitar estas peculiaridades al definir los procedimientos y normas a
emplearse en las mesas de trabajo y en 1& elaboración de las mismas en
RETIRA
las largas y difíciles discusiones técnicas.
Una mala relación entre comprador y fabricante y la ausencia de

mecanismos que garanticen la confiabilidad y calidad de los productos y
materiales, conduce a que las empresas efectúen por su cuenta ensayos
de calidad sobre los materiales de un mismo suplidor, y donde los
compradores dupliquen los ensayos y controles sobre los mismos
productos de un fabricante determinado.
Estos controles son los siguientes:
Controles de producción, o de tipo interno, efectuados por la empresa

fabricante o de servicios.
Controles de Aceptación o rechazo, de tipo externo, efectuados por el

comprador.
1. Normalización
Conceptos generales
La necesidad de normar las diversas actividades humanas se remontan a

los inicios de la civilización, esto debido a la tendencia que tienen los
problemas a repetirse; es entonces que se plantean soluciones a estos
problemas repetitivos, estas soluciones tienden a hacerse normas,
escritas o no; surgen regulaciones, reglas o normas de, por ejemplo, como
comunicarse, como cuidarse, como cultivar la tierra, etc. la evolución de
estas reglas particularmente las de comunicación desembocan en el
lenguaje y la escritura, las reglas gramaticales, las formas de conjugar
verbos, la manera de formar plurales, el uso de la "S", "C" o "Z", etc. son
normalizaciones.
También se desarrollan normas de aplicación comercial, normas de

medición de longitudes, áreas, volúmenes, pesos, etc.
Cuando una especificación de resultados satisfactorios, la emplearemos

todas las veces que necesitamos el mismo resultado. Este uso reiterativo
de una especificación es una NORMA.
Así; podemos mencionar algunos hechos que marcan pasos importantes

en el campo de la normalización industrial.
Logra que todas las piezas de un arma sean

1793 A.W.WHITUEY, intercambiables, es decir que los componentes
de un arma la haga a otro de igual tipo.

49
Establece normas para los hilos de los tornillos,

1841 WHITWORTH pernos y tuercas que se mantienen hasta la
actualidad.
1846 Se unifica la separación entre rieles de los ferrocarriles.
En nuestro siglo la normalización da el gran salto del empirismo por un

lado y el regionalismo por otro; al de la precisión, la tecnificación y la
universalización.
TIRA
Aparecen organismos, de árnbito nacional e internacional, que se dedican
casi exclusivamente a la normalización.
BSI BRISTIH STANDARD INSTITUTION 1901
ISA Federación Internacional de Asociaciones

Nacionales de Normalización 1926-1939
(Funciona hasta el inicio de la 2da. Guerra Mundial)
ISO Organización Internacional de Normalización 1947
En nuestro país:
1959 Se crea el INANTIC- Instituto Nacional de Normas Técnicas
Industriales y Certificación.
1970 Se crea el lTINTEC Instituto DE INVESTIGACIÓN Tecnológica

Industrial y Normas Técnicas.
1992 Se crea el lNDECOPI Instituto Nacional de Defensa de la

Competencia y de la Protección de la Propiedad Intelectual.
Las funciones de estas entidades, que se han ido sucediendo en el
tiempo, son genéricamente y entre otras, promover, estudiar, establecer,
revisar, verificar y certificar las normas técnicas; apoyar a todos los
sectores de la Economía Nacional en los aspectos relacionados a
normalización.
NORMALIZACIÓN
Definición según ISO
"Normalización es el proceso de formular y aplicar reglas con el propósito

de poner orden en un campo de actividades dado, para beneficio y con el
concurso de todos los involucrados y, en particular, para la obtención de
una economía de conjuntos óptima, respetando las exigencias
funcionales y de seguridad.
Se basa en los resultados consolidados de ciencia, técnica y experiencia;

no fija solamente las bases para el presente sino también las proyecta
para el futuro desarrollo, con el que debe marchar al unísono”

50
Es una disciplina que trata el establecimiento, aplicación y adecuación de

un conjunto de reglas destinadas a conseguir y mantener un
ordenamiento dentro de un campo determinado, con el fin de procurar a
una Institución, Empresa, al país o a la Comunidad Internacional, ciertos
beneficios económicos o sociales.
Debe tener una característica definitoria: es dinámica; es decir en

constante proceso de actualización.
Norma Técnica
"Resultado de un particular o específico trabajo de normalización"
Es un patrón o modelo, un conjunto de datos de referencia, es concreta y

precisa, se materializa en un documento escrito donde fundamentalmente
se específica:
- El nombre del objeto, bien o servicio, claramente diferenciado e

individualizado de cualquier otro.
- Requisitos y/o valores numéricos, que debe tener para adecuarse a

sus funciones de uso.
- Métodos de ensayo para probar o comprobar estos requisitos. Estos

ensayos pueden solicitar normas aparte.
- Identificación, rotulado, envase y/o embalaje, de ser el caso.
Una Norma Técnica puede manifestarse o concretarse también como un

aparato o equipo, un instrumento, o un objeto como por ejemplo un
viscosímetro, un termómetro o una regla - metro, respectivamente.
Tipos de normas técnicas
Por el carácter de su aplicación:
• Normas obligatorias
• Normas optativas o voluntarias
Por su contenido:
• Normas de terminología y definiciones

• Normas de clasificación
• Normas de elaboración
• Normas de requisitos
• Normas de métodos de ensayo
• Normas de muestreo y recepción
• Normas de rotulado
• Normas de envase y embalaje
• Normas de uso.

51
Cuando una especificación da resultado satisfactorio, la emplearemos
1. Todas las veces que necesitamos el mismo resultado. Este uso

reiterativo de una especificación es una NORMA.
2. Condiciones que debe reunir una Norma:
a) Que responda a una necesidad real.
b) Que se elabore con una participación y consenso de los grupos

interesados.
c) Que sea de rápida y fácil aplicación.
d) Que propicie o provoque economía, reducción de costo y/o mejora

del producto o servicio.
e) Que sea revisable y perfectible cuando las condiciones que la

motivación cambie o cuando las circunstancias lo aconsejen.
f) Que sea:
Clara; ideas concretas y bien expresada.
Objetiva: que defina características comprobables.
Precisa: que evite las ambigüedades.

Eficaz, que resuelva el problema que el motivo, en forma práctica y
completa.
NIVELES DE APLICACIÓN
Normas de Empresa.- Las que regulan y controlan la producción,

especificado detalladamente la manera como se elaboran los productos y
se orientan, al interior de la empresa en sus relaciones convencionales
saber que materias primas usar, que equipos usar o adquirir, que mano de
obra emplear, etc.
Normas de Asociación.- Las que desarrollan un grupo de personas o

empresas que desempeñan actividades en un campo de interés común,
ejemplo: ASTM.
Normas Nacional.- Son aquellas establecidas por el Organismo Nacional

de Normalización competente, existente en cada país, en nuestro caso
INDECOPI.
Normas Internacional.- Son las establecidas por organizaciones

regionales y/o internacionales de normalización. Por ejemplo: ISO,
COPANT, CEL.

52
NORMAS ISO 9000
La serie ISO 9000 es un conjunto de normas orientadas a ordenar la

gestión de la empresa que han ganado reconocimiento y aceptación
internacional debido al mayor poder que tienen los consumidores y a la
alta competencia internacional acentuada por los procesos
integracionistas.
Algunas de estas normas especifican requisitos para sistemas de calidad

(ISO 9001, 9002, 9003) y otras dan una guía para ayudar en la
interpretación e implementación del sistema de calidad (ISO 9000-2, ISO
9004-1)
Objetivos de las ISO 9000
• Proporcionar elementos para que una organización pueda lograr la

calidad del producto o servicio, a la vez que mantenerla en el tiempo,
de manera que las necesidades del cliente sean satisfechas
permanentemente, permitiéndole a la empresa reducir costos de
calidad, aumentar la productividad, y destacarse o sobresalir frente a
la competencia.
• Proporcionar a los clientes o usuarios la seguridad de que el

producto o los servicios tienen la calidad deseada concertada,
pactada o contratada.
• Proporcionar a la dirección de la empresa la seguridad de que se

obtiene la calidad deseada.
• Establecer las directrices, mediante las cuales la organización,

puede seleccionar y utilizar las normas.
Normas ISO 9000
La organización internacional de normalización ISO, a través de su sector

TC - 176 ha preparado un conjunto de normas sobre Gestión y
Aseguramiento de la Calidad, agrupándolas por códigos de 9000 a 9004,
así:
ISO - 9000: Normas para la Gestión de la Calidad y el Aseguramiento de
la Calidad, Lineamientos para selección y uso.
ISO - 9001: Sistema de Calidad, modelo de aseguramiento de la calidad

en diseño desarrollo, producción, instalación y servicio post-
venta.
ISO - 9002: Sistema de calidad, modelo de aseguramiento de la calidad

en producción e instalación.
ISO - 9003: Sistema de calidad, modelo de aseguramiento de la calidad

en inspección y ensayos finales.
ISO - 9004: Gestión de la calidad y elementos del sistema de la calidad.

Directivas.

53
NORMA ISO 14000
ISO 14000 es una norma medioambiental voluntaria internacional

reconocida por comandante las naciones comerciales y comercio que
regulan organizaciones como GATT y la Organización de Comercio
Mundial. No es una ley en el sentido que nadie se exige ser registrado (de
es voluntario); sin embargo, ninguno hace a cualquiera tiene que hacer
negocio usted, compre sus productos y servicios, o permitió sus productos
y servicios en su país si ellos han declarado ISO 14000 registro un
requisito por hacer negocio con ellos o en su país. Se espera que los
compañeros comerciales tantos extranjeros requerirán registro por
fabricantes de importación. Esta es una barrera de comercio legal
reconocida bajo el tratado internacional. Los elementos del Gobierno
americano han indicado intención para instituir cualquier preferencia para,
o requisito que, los proveedores sé registrados. Es probable que el
registro influirá en la posición de la entrada en vigor de reguladores medio
ambientales, y influirá en las proporciones de seguros Y prácticas del
prestamista probablemente.
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.
Normas ISO 14000

Sistemas de Gestión Ambiental (14001 Especificaciones y directivas
para su uso - 14004 Directivas generales sobre principios, sistemas y
técnica de apoyo.)
Auditorias Ambientales (14010 Principios generales. 14011

Procedimientos de auditorias, Auditorias de Sistemas de Gestión
Ambiental-14012 Criterios para certificación de auditores)
Evaluación del desempeño ambiental (14031 Lineamientos - 14032

Ejemplos de Evaluación de Desempeño Ambiental)
Análisis del ciclo de vida (14040 Principios y marco general- 14041

Definición del objetivo y ámbito y análisis del inventario. 14042 Evaluación
del impacto del Ciclo de vida - 14043 Interpretación del ciclo de vida-14047
Ejemplos de la aplicación de ISO 14042- 14048 Formato de
documentación de datos del análisis)
Etiquetas ambientales (14020 Principios generales - 14021Tipo II -

14024 Tipo I - 14025 Tipo III)
Términos y definiciones (14050 Vocabulario)

54
DISTRIBUCIÓN DE FRECUENCIAS ABSOLUTAS, MEDIA, MODA,

MEDIANA
Tabla de distribución de frecuencias
Si los datos que se dispone son numerosos, es indispensable clasificarlos

en un cuadro o tabla resumen de las observaciones originales, a las que
en adelante llamaremos Tabla de distribución de frecuencias o
simplemente “Tabla de frecuencias”.
1. Datos de Variables Discretas

Sean x1, x2,..., Xn un conjunto de n observaciones discretas y sean y1,
y2,...ym el conjunto de valores diferentes que toman los datos originales (m
£ n)
Definción1: Se llama frecuencia absoluta del valor yi, al número de veces

que aparece este valor en el conjunto de observaciones y se representa
por “ni”, i = 1,2,...,m.
Tabla 1. Distribución de Frecuencias Absolutas
Valores diferentes Frecuencias

observados absolutas
yi ni
y1 n1
y2 n2
. .
. .
. .
ym nm
Totales n
Se realiza una encuesta a un conjunto de 16 familias sobre el número de

hijos. Los resultados en el orden obtenido son:
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
a. Construya una tabla de distribución de frecuencias absolutas para estos

datos.
b. Interprete cada frecuencia absoluta (ni)
Solución:
1. En primer lugar, se observa que el conjunto de observaciones es de

tamaño 16, luego n = 16
2. En segundo lugar, identificamos el número de observaciones

diferentes, m = 5. Estos valores son:
y1 = 0, y2 = 1, y3 = 2, y4 = 3, y5 = 4

55
Los cuales se ubican (en ese orden) en la primera columna de la tabla 2.
3. Contemos ahora el número de familias con 0,1,2,3 y 4 hijos

respectivamente. Esto se puede hacer agregando una columna en la
tabla 2, llamada “conteo”, usando el método de los “palotes”, que
consiste en poner una raya vertical o tarja (/) cada vez que aparece el
valor en cuestión, destacando cada cinco unidades con el fin de facilitar
el cómputo final (////). Finalmente se cuenta el número de tarjas,
obteniendo las frecuencias absolutas (ni). En nuestro caso.
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
Número de hijos Conteo Frecuencias absolutas
yi ni
0 / 1
1 //// / 6
2 //// 5
3 /// 3
4 / 1
Totales 16
b. Interpretación de las ni:
n1 = 1, significa que en las familias encuestadas, una no tiene hijos.

n2 = 6, significa que en las familias encuestadas, seis tienen un hijo cada
una.
Así sucesivamente,
n5 = 1, significa, que en las familias encuestadas, una tiene cuatro hijos.
La tabla de distribución de frecuencias, se puede construir no sólo con

respecto a las frecuencias absolutas, sino también a otro tipo de
frecuencias, tales como: las relativas, las absolutas acumuladas, las
relativas acumuladas, etc., Las cuales se definen como sigue.
Definición 2: Se llama frecuencia absoluta acumulada “menor que”

correspondiente al valor yi, al número de observaciones menores o iguales
a yi (xi £ yi).
Si denotamos esta frecuencia por “Ni”, entonces:
Ni = n1 + n2 + n3 + ... + ni
Usando la notación de sumatoria, la frecuencia i
absoluta acumulada se escribe: Ni = jS

=1
nj

56
Así, para el ejemplo 1, tenemos:

1
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
Interpretación: N2 = 7, significa, que en la encuesta hay 7 familias con 1 ó

menos hijos (o equivalente; en la encuesta se ha encontrado 7 familias
con a lo más 1 hijo).
N3 = 12, significa, que en la encuesta se ha obtenido 12 familias con a los

más 2 hijos.
Definición 3: se llama frecuencia absoluta acumulada “mayor que”
correspondiente al valor yi, al número de observaciones mayores o iguales
a yi (xi ³ yi)
Si se denota esta frecuencia por “N*i ”, entonces:
N*i = ni + ni + 1 + ... + nm
En notación de sumatoria, se escribe: m
N*i = jS
=1
nj
Así, para el ejemplo 2, tenemos que m = 5, entonces:

5
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*1 = 16, significa, las familias encuestadas tienen entre 0 y 4 hijos

inclusive;
N*2 = 15, significa, que en la encuesta, 15 familias tienen por lo menos 1

hijo.

hijos

57

hijos
N*5 = 1, significa, que de las encuestadas, sólo una familia tiene 4 hijos .
Definición 4: Se llama frecuencia relativa del valor yi, al cociente de la

frecuencia absoluta de yi y el número total de observaciones.
Esta frecuencia se denota por “hi”. entonces
Frecuencia absoluta de yi ni
hi = número total de observaciones = n
Para el ejemplo 2 las frecuencias relativas son:

n1 1 n4 3
h1 = = = 0.0625 h4 = = = 0.1875
n 16 n 16
n2 6 n5 1
h2 = = = 0.3750 h5 = = = 0.0625
n 16 n 16
n3 5
h3 = = = 0.3125
n 16
Interpretación:
h1 = 0.0625, se interpreta como la proporción de familias que no tienen hijo

en la muestra.
h2 = 0.3750, se interpreta como la proporción de familias que tienen un hijo
en la muestra.
Así sucesivamente.
h5 = 0.0625, es la proporción de familias que tienen 4 hijos en la muestra.
La importancia que tiene la frecuencia, es que mide el “peso” que tiene
cada frecuencia absoluta respecto al número total de observaciones.
Definición 5: se llama frecuencia relativa porcentual, a la frecuencia
relativa hi multiplicada por 100% (100hi%), y representa el porcentaje de
observaciones que corresponde al valor yi.
La frecuencia porcentual estará comprendida lógicamente entre 0 y 100 y

se denota por:
p1 = 100hi Así, para el ejemplo 2 tenemos que:
p1 = 100hi % = 6.25%, porcentaje de familias que no tienen hijos en la
muestra de tamaño.
p2 = 100h2% = 37.5%, porcentaje de familias con 1 hijos en la muestra.
Así sucesivamente:
p5 = 100h5% = 6.25%, porcentaje de familias con 4 hijos en la muestra

en estudio.

58
Definición 6: se llama frecuencia relativa acumulada “Menor que” del

valor yi a la frecuencia relativa total de las observaciones menores o
iguales a yi
Si denotamos esta frecuencia por “Hi”, entonces

n1 + n2 + ... + ni
Hi = h1 + h2 + ... + hi = n
Empleando la notación de sumatoria, Hi se escribe
i
Hi = å
j=i
hj
Para el ejemplo 2, las Hi son:

1
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:
H2 = 0.4375, es la proporción de las familias bajo estudio con a lo más 1

hijo.
H3 = 0.75, la proporción de familias bajo estudio con a lo más dos hijos.
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
Si denotamos por “Hi”, esta frecuencia, entonces

m
Hi* = å hj = hi + hi + 1 + ... + hm
j=i
Para el ejemplo 2, las Hi son:

5
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

59
H*4 = jS
=4
hj = h4 + h5 = 0.1875 + 0.0625 = 0.25
5
H*5 = jS
=5
hj = h5 = 0.0625
RETIRA
Interpretación:
H2 = 0.9375, es la proporción de familias en la muestra con por lo menos 1

hijo.
H3 = 0.5625, es la proporción de familias en la muestra con por lo menos

dos hijos.
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)
Así, para el ejemplo 2:
100 H2* % = 43.75%, es el porcentaje de familias en la muestra con a lo más

1 hijo;
100 H3* % = 75%, es el porcentaje de familias en la muestra con a lo más

hijos;
100 H2 % = 93.75%, es el porcentaje de familias en la muestra con por lo

menos 1 hijo;
100 H3* % = 56.25%, es el porcentaje de familias en la muestra con por lo

menos 2 hijos;
Por tanto; las diferentes tablas de distribución de frecuencias que se

pueden confeccionar para un mismo conjunto de datos, se
resume en la tabla 3.
Tabla 3. Diferentes tipos de tablas de Distribución de Frecuencias
yi ni Ni hi Hi Ni* Hi* 100 hi % 100 Hi % 100 H*i %

y1 n1 N1 h1 H1 N1* H1* 100 h1 100 H1 100 H*1
y2 n2 N2 h2 H2 N2* H2* 100 h2 100 H2 100 H*2
ym nm Nm = n hm Hm Nm* Hm* 100 hm 100 Hm 100 Hm*

m m
Totales ån = n 1 åh = n 1 100 %
i=1 i=1
Las diferentes variantes de tablas de distribución de frecuencias para el ejemplo 2

60
Tabla 4. Diferentes tipos de tablas de Distribución de Frecuencias del número de hijos
yi ni Ni hi Hi Ni* H*i 100 hi % 100 Hi % 100 H*i %

0 1 1 0.0625 0.0625 16 1.00 6.25 6.25 100.00
1 6 7 0.3750 0.4375 15 0.9375 37.50 43.75 93.75
2 5 12 0.3125 0.7500 9 0.5625 31.25 75.00 56.25
3 3 15 0.1875 0.9375 4 0.2500 18.75 93.75 25.00
4 1 16 0.0625 1.00 1 0.0625 6.25 100.00 6.25
Totales 16 1.0 100%
Propiedades de las frecuencias
Lo que sigue son propiedades triviales que son consecuencia de las

definiciones de frecuencia absoluta, relativa, absoluta acumulada y
frecuencia acumulada, por lo que no se demostrarán ninguna de ellas.
Propiedad 1: Las frecuencias absolutas y las frecuencias acumuladas

son siempre enteros no negativos. Es decir
Ni ³ 0 , Ni ³ 0 y Ni* ³ 0 , para i = 1, 2, ... , m

Propiedad 2: La suma de todas las frecuencias absolutas es igual al
número total del conjunto de observaciones. O sea
m
å
i=i
ni = n + n + ... + nm = n
1 2
Propiedad 3: Las frecuencias relativas y las frecuencias relativas

acumuladas son siempre números fraccionarios no negativos, no
mayores que uno. Es decir.
0 £ hi £ 1,0 £ Hi £ 1 y H*i £ 1 , para i = 1, 2, ... , m

Propiedad 4: La frecuencia absoluta acumulada “menor que”
correspondiente al valor ym coincide con el número total del conjunto de
observaciones. o sea Es decir:
m
Nm = å
i=i
ni = n
Propiedad 5: La frecuencia absoluta acumulada “mayor que”

correspondiente al valor y1 coincide con el número total del conjunto de
datos. Es decir
m
N*1 = å ni = n
i=i
Propiedad 6: La frecuencia relativa acumulada “menor que”

correspondiente al valor ym coincide con la unidad. Es decir
m
Hm = å
i=i
hi = 1

61
Propiedad 7: La frecuencia relativa acumulada “mayor que”

correspondiente al valor y1 coincide con la unidad. O sea:
m
H*1 = å hi = 1
i=i
Propiedad 8: La frecuencia absoluta acumulada “menor que”

correspondiente al valor y1 es n1. Es decir:
1
N1 = å
i=i
ni = n1
Propiedad 9: La frecuencia absoluta acumulada “mayor que”

correspondiente al valor ym es nm. O sea:
M
Nm* = å ni = nm
i=m
Propiedad 10: La frecuencia relativa acumulada “menor que”

correspondiente al valor y1 es h1. Es decir:
1
H1 = å
i=1
hi = nm
Propiedad 11: La frecuencia relativa acumulada “mayor que”

correspondiente al valor ym es hm. O sea:
m
H*m = å hi = hm
i=m
Propiedad 12: Las frecuencias absolutas acumuladas cumplen las

desigualdades siguientes:
n1 = Ni £ N2 £ ... £ Nm = n y Ni = Ni-1 + ni
Para i = 1, 2,... , m, y N0 = 0 Note que ni = Ni + Ni-1
n = N1* ³ N2* ³ ... ³ Nm* = nm y Ni* = Ni-1* - ni-1 para i = 2, 3, ...m

Note que ni-1 = Ni-1 *- Ni *
Propiedad 13: Las frecuencias relativas acumuladas cumplen las

desigualdades siguientes:
h1 = Hi £ H2 £ ... £ Hm = 1 y Hi = Hi-1 + hi Para i = 1, 2,... , m

H0 = 0 Note que hi = Hi + Hi-1
1 = H1* ³ H2* ³ ... ³ Hm * = hm y Hi * = Ni-1* - ni-1 para i = 2, 3, ...m

Note que ni-1 = Ni-1 *- Ni *
El conocimiento de estas propiedades sirve para controlar la correcta

confección de las tablas de frecuencia.

62
En la tabla de frecuencias que se dan a continuación faltan algunos datos.

Complétala.
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
3. Por la definición de frecuencia relativa acumulada MENOR QUE,
n1 + n2 + n3 + n4 14
H4 = h1 + h2 + h3 + h4 = n = = 0,70, luego n = 20
n
4. Por definición de frecuencia relativa H5 = n5 = n5 = 0.20, de donde

n 20
n5 = 4
5. Finalmente N5 = N4 + n5 = 14 + 4 = 18 Propiedad 12
N6 = N5 + n6 = 18 + 4 = 18 Propiedad 12 y 4
Luego, n6 = 2
6. Las frecuencias relativas que faltan son:

h1 = 2 = 0.10 h2 = 3 = 0.15 h3 = 4 = 0.20 h4 = 5 = 0.25
20 20 20 20
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

63
Un ingeniero agrónomo visita 25 cooperativas agrarias de naranajas en el

valle de Huaral y en cada una anotó el número de plantas atacadas por
cierto hongo, de los cual resultaron los datos siguientes
15, 20, 25, 15, 18,16, 17, 18, 20, 18, 18, 18, 19, 16, 17, 19, 16, 17, 19, 16,
17, 17, 17, 19, 18, 19,18, 15
a. Diga qué tipo de datos son éstos.
b. Construya una tabla de distribución de frecuencia adecuada a este
conjunto de valores.
c. ¿Cuántas cooperativas agrarias tienen a lo más 20 plantas atacadas
por hongos?
d. ¿Cuántas cooperativas agrarias tienen por lo menos 17 plantas
atacadas por hongos?
e. ¿Qué proporción de cooperativas bajo estudio tienen 18 plantas
atacadas por hongos?
f. ¿Qué proporción de cooperativas tienen 18 o menos plantas atacadas
por hongos?
g. ¿Qué porcentaje de cooperativas tienen 18 o menos plantas atacadas
por hongos?
Solución
a. Puesto que los datos se obtienen como resultado del conteo de plantas
atacadas por hongos, estos son discretos.
b. 1. El conjunto de observaciones es de tamaño 25, luego n = 25

2. Los diferentes valores de la característica observada son:
y1 = 15, y2 = 16, y3 = 17, y4 = 18, y5 = 19, y6 = 20, y7 = 25

Es decir, m = 7
3. Conteo: se cuenta el número de cooperativas con 15, 16, 17, 18, 19,
20 y 25 plantas atacadas por hongos respectivamente. Así, el número
15 aparece 3 veces en el conjunto de datos, luego n1 = 3; el número 16
aparece también 3 veces, entonces n2 = 3; el número 17 aparece 5
veces, luego n3 = 5; el 18 aparece 7 veces, o sea n4 = 7; el 19 aparece 4
veces, es decir; n5 = 4; el 20 aparece dos veces, luego n6 = 2; y
finalmente el 25 aparece una vez, o sea n7 = 1
4. La frecuencia relativa de yi, i - 1,2, ..., 7, son:
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

64
5. Las frecuencias absolutas acumuladas para yi, i=1,2,...7, están dadas

por:
N1 = n1 = 3 N5 = N4 + n5 = 18 + 4 = 22
N2 = N1 + n2 = 3 + 3 = 6 N6 = N5 + n6 = 22 + 2 = 24
N3 = N2 + n3 = 6 + 5 = 11 N7 = n = 25
N4 = N3 + n4 = 11 + 7 = 18
N1* = n = 25 N5* = N*4 - n4 = 14 - 7 = 7
N2* = N*1 - n1 = 25 - 3 = 22 N6* = N*5 - n5 = 7 - 4 = 3
N3* = N*2 - n2 = 22 - 3 = 19 N7* = N*6 - n6 = 3 - 2 = n7 = 1
N4* = N*3 - n3 = 19 - 5 = 14
6. Las frecuencias relativas acumuladas para yi, i=1,2,...7, son:
H1 = h1 = 3 H*1 = 1
H2 = H1 + h2 = 0.12 + 0.12 = 0.24 H*2 = H1* - h1 = 1 - 0.12 = 0.88
H3 = H2 + h3 = 0.24 + 0.20 = 0.44 H*3 = H2* - h2 = 0.88 - 0.12 = 0.76
H4 = H3 + h4 = 0.44 + 0.28 = 0.72 H*4 = H3* - h3 = 0.76 - 0.20 = 0.56
H5 = H4 + h5 = 0.72 + 0.16 = 0.88 H*5 = H4* - h4 = 0.56 - 0.28 = 0.28
H6 = H5 + h6 = 0.88 + 0.08 = 0.96 H*6 = H5* - h5 = 0.28 - 0.16 = 0.12
H7 = H6 + h7 = 0.96 + 0.04 = 1 H*7 = H6* - h6 = 0.12 - 0.08 = 0.04 = h7
Por tanto, los diferentes tipos de tablas de distribución de frecuencias que
se puede confeccionar para el mismo conjunto de datos esta dado en la
tabla 6
Tabla 6. Distribución de Frecuencias del número de plantas atacadas por el hongo
Valores Frecuencia Frecuencia Frecuencias Frecuencias Frecuencias Frecuencias

diferentes absoluta relativa absolutas absolutas relativas relativas
observados acumuladas acumuladas acumuladas acumuladas
menor que mayor que menor que mayor que
yi ni hi Ni N* i Hi H*
i
15 3 0.12 3 25 0.12 1.00

16 3 0.12 6 22 0.24 0.88
17 5 0.20 11 19 0.44 0.76
18 7 0.28 18 14 0.72 0.56
19 4 0.16 22 7 0.88 0.28
20 2 0.08 24 3 0.96 0.12
25 1 0.04 25 1 1.00 0.04
Totales S n = 25
j Sh = 1
i
c. El número de cooperativas que tienen a los más 20 plantas atacadas

por hongos es N6 = 24
d. El número de cooperativas que tienen por lo menos 17 plantas

atacadas por hongos es N*= 19
e. La proporción de cooperativas en la muestra que tienen 18 plantas

atacadas por hongos, es h4 = 0.28, la cual expresado en porcentaje es
28%
f. La proporción de cooperativas que tienen 18 o menos plantas atacadas

por hongos es H4 = 0.72
g. El 100 H4% = 72%

65
Nota: Discutiremos brevemente la utilidad de la construcción de una tabla

de distribución de frecuencias. Claro está que con nuestros ejemplos,
donde sólo hemos considerado unos cuantos datos por el problema de
simplificar los cálculos, es posible que éste procedimiento muestre a
plenitud todas sus ventajas; no obstante con un poco de imaginación por
parte del lector, las experiencias que se deriven de estos ejemplos se
puede fácilmente extender a otra situación donde el número de datos sea
mayor. De este modo, a partir de la tabla 6, donde se brindan las diferentes
variantes de tablas de frecuencias que se puede construir para el ejemplo
3, a parte de las preguntas ya contestadas, es posible extraer, por ejemplo
conclusiones como las siguientes:
1. No existe en general grandes diferencias en cuanto a números de

plantas atacadas con hongos en las 25 cooperativas. El número de
plantas atacadas que más se repite es 18, ya que hay 7 cooperativas que
poseen esta cifra (está dado por la frecuencia absoluta del valor 18).
2. Si se tiene criterios sobre el número de plantas atacadas con hongos

que debe tener cada cooperativa para ser declarada en emergencia por el
Ministerio de Agricultura, digamos que este número fuese 100, de los
datos de la tabla se puede apreciar que todas las cooperativas están por
debajo de este número, por tanto no serán declarados en emergencia.
Observación: el lector observará que la construcción de tablas de

frecuencias para datos discretos, no es más que un procedimiento
mediante el cual se ha considerado la información contenida en el
conjunto original. Decimos esto porque del conjunto original de n
observaciones hemos pasado a considerar un conjunto más pequeño
compuesto sólo por m valores (m < n) diferentes (yi). Ahora bien, este
procedimiento que conduce a la construcción de una tabla de frecuencias,
no implica pérdida de información contenida en el conjunto de
observaciones originales, ya que a partir del conocimiento de las yi,
i=1,2,...m y sus respectivas frecuencias absolutas, se puede construir el
conjunto original de los valores de estas observaciones sin tener en
cuenta el orden de aparición de éstas. Es decir, dada una tabla de
frecuencias de este tipo, podemos saber la cantidad de veces de cada
valor diferente debe aparecer en el conjunto original y así enumerar cada
uno ellos; si el orden de aparición no es importante, entonces puede
asegurarse que se conoce completamente el conjunto original de
observaciones.
Datos de variables contínuas
Designaremos también el conjunto original de datos u observaciones por

x1, x2, ..., Xn, siendo n el tamaño del conjunto (tamaño muestral) y donde
estos datos son del tipo continuo . En este caso debido a que la magnitud
de la característica puede tomar, al menos teóricamente, una infinidad de
valores, el proceso de reducción, agrupación o condensación de los datos
originales, que conducen a la construcción de tablas de frecuencia, no es
tan simple como en el caso de datos discretos y no se puede proceder
como en el caso ya estudiado; es más bien un problema de clasificación
de datos donde la subjetividad del hombre tiene una influencia que no
debe ignorarse

66
Definición 9: se llaman clases a cada uno de los grupos en que e divide el

conjunto de datos.
El primer paso a dar para resolver este problema de clasificación, es decir

cuáles y cuántas han de ser las clases a considerarse. Para ello
normalmente se empieza por determinar la observación que tiene el valor
máximo “xmax”, y la observación que tiene el valor mínimo “xmin”
Xmax = max {x/i=1,2,..., N}, Xmin = min {x/i=1,2,..., n}
Estos valores extremos definen el recorrido o rango del conjunto de
observaciones, el cual está dado por el intervalo [Xmin ,Xmax]
R
Xmin Xmax
Definición 10: Amplitud de recorrido (l) es la longitud del recorrido del
conjunto de datos. O sea.
l = xmin - xmax
Una vez determinado el número de clases en que se dividirá los datos,

digamos m, el cual puede hacerse con cierto grado de arbitrariedad, pues
depende del problema en cuestión y en última instancia del investigador o
del estadístico, se divide el recorrido del conjunto de datos en tantos
intervalos como clase se desee, que en adelante llamaremos intervalos
de clase (o simplemente clase). En la práctica se suele dividir no
exactamente el recorrido [Xmin ,Xmax] sino un intervalo mínimo [Xmin ,Xmax] que
contenga a dicho recorrido, cuyos extremos sean números que faciliten
esta operación y de manera que la amplitud l` del nuevo recorrido sea
múltiplo de número de clases m
[xmin ,xmax] É [x´min ,x´max]
Notación: Sea m el número de clases y, y´1, y´2, ... , y´m los extremos o
límites de los intervalos de clase, entonces.
yí-1 - yí , i = 1, 2, ... , m
Denota el i-ésimo intervalo de clase. Donde yí-1, es el extremo inferior, yí

el extremo superior del intervalo.
Un intervalo de clase, que al menos teóricamente no tiene límite inferior o
superior se llama intervalo de clase abierto.
Definición 11: Amplitud de clase es la longitud del intervalo que define la
clase, es decir.
ci - yí - yí-1 , i = 1, 2, ... , m
Así c1 - y´1 - y´0 Es la longitud del primer intervalo de clase

c2 - y´2 - y´1 Es la longitud del segundo intervalo de clase
Si los intervalos tienen igual longitud digamos “c” , es decir
c - yí - yí-1 para todo i = 1, 2, ... , m
Entonces c=l/m

67
Construcción de los intervalos de clase
Los intervalos de clase se construyen partiendo de xmin(o x`min), luego se

va asignando consecutivamente a las clases, los límites inferior y superior
de clase (yì-1 - yì), de la siguiente manera.
Límite inferior Límite superior

Primer intervalo de clase: yó = xmin y´1 = xmin + c = y´0 + c
Segundo intervalo de clase: y´1 = xmin + c y´2 = xmin + 2c = y´1 + c
. . . . .
. . . . .
. . . . .
m-ésimo intervalo de clase: y´m-1 = xmin + (m-1)c y´m = xmin + mc = xmax
Los intervalos de clase de amplitud diferentes se construyen en forma
similar.
Definición 12: La marca de clase es el punto medio del intervalo que
representa a dicha clase. Se denota por “yi”, i=1,2,..., M. Es decir.
yí-1 + yí , i = 1,2,..., m

yi =
2
Determinación de la frecuencia absoluta.
Se pasa finalmente a determinar el número de observaciones (frecuencia
absoluta ni) del conjunto original (x1, x2,..., Xn), que pertenecen a cada
intervalo de clase. Este proceso se conoce como la operación de conteo.
Consiste en tomar cada una de las observaciones registradas y asignar
una “tarja” a la clase a la cual pertenece (método de los” palotes”).
El número de tarjas es la frecuencia absoluta de clase. El concepto de

frecuencia absoluta es la misma que en la definición 1; sólo que en este
caso se refieren a las clases y no a los valores yi.
Tabla 7 Distribución de frecuencia
Intervalo de clase Marca de clase Conteo Frecuencia absoluta

yí-1 - yí yi de clase ni
y´0 - y´1 y1 n1
y´1 - y´2 y2 n2
. . .
. . .
. . .
y´m-1 - y´m ym nm
Totales n
Observaciones:
En situaciones especiales se podrá tener intervalos de clase de amplitud

diferentes.
Esto depende del problema en cuestión y del criterio del investigador.
Desde que la teoría para tablas con amplitud de clase diferentes es la
misma que la teoría con amplitudes iguales.

68
Cuando es conveniente ampliar la amplitud del recorrido de tal manera

que resulte un número “manejable” en futuros cálculos, esta ampliación en
lo posible debe hacerse en forma simétrica, es decir a la izquierda de xmin y
a la derecha de xmax.
Respecto al número de clases (m) no existe un concenso unánime entre

los autores Bradfor Hill señala que debe tomarse un número de clases
comprendido entre 10 y 20, mientras que Camel indica que el número
apropiado es entre 8 y 15. Sin embargo, el sentido común nos dice que el
número de clases no deben ser pocas debido a que la condensación sería
mucha y con ello habrían pérdidas de información fuerte en relación con la
contenida en el conjunto de datos originales. Por otra parte, un número
excesivo de clases, si bien produce poca pérdida de información no
reduce o simplifica el trabajo, siendo en ocasiones preferible el trabajo con
los propios datos originales. También algunas pueden resultar vacías, es
decir con la frecuencia nula.
Daremos a continuación algunas reglas frecuentemente utilizadas:
A. Tomar el número de clases (m) igual al entero más próximo a 2 n,

siendo n el número de datos.
b. m ³ n, donde n es el número de observaciones
c. Regla de Sturges: m = 1 + 3.3 log(n), con n el número de observaciones.
En general se recomienda que el número de clases esté entre cinco y

veinte
5 £ m £ 20
El lector habrá notado que el límite superior de una clase coincide con el
límite inferior de la clase siguiente, entonces al hacer la clasificación de
una observación que coincide con el límite común de clase, se encuentra
frente a la disyuntiva, ¿a qué clase se asigna este valor?. Para evitar esta
dificultad se suele tomar una de las alternativas siguientes:
A. Definir los extremos de los intervalos de clase con una cifra decimal
más que las que contengan las observaciones.
B. Considerar los intervalos de clase como intervalos de números reales

abiertos a izquierda y cerrados a derecha. Así, el intervalo i-ésimo yí-1 - yì
que define la clase i-ésima equivalente al intervalo < yí-1, yí], es decir
Yí-1 - yí @ < yí - 1 , yí ]
Con esta alternativa cada clase excluye la observación que coincide con
su límite superior.
Nota: se debe destacar que lo anterior es pura notación y que no afecta la

amplitud de clase ni la marca de clase.

69
Convención: en el desarrollo de este texto por criterio de uniformidad,

asumiremos la tercera alternativa. Evidentemente se puede tomar las
otras alternativas, esto queda a criterio del especialista.
Regla general para elaborar las distribuciones de frecuencia
1. Decidir el número m de clase a considerar, de acuerdo con la

observación 4.
2. Determinar el recorrido o rango de los datos y la amplitud (l) del

recorrido.
3. Determinar, la amplitud o longitud de los intervalos de clase. En lo

posible es conveniente que los intervalos de clase sean de igual
amplitud (c), la cual está dado por
c = l /m
Si esto es posible, utilizar intervalos de clase de diferente tamaño o
intervalos de clase abiertos.
4. Determinar los límites de clase, de manera que cada observación se

clasifique sin ambigüedades en una sola clase.
5. Se determina las marcas de clase.
6. Finalmente se halla la frecuencia absoluta de cada clase.
Suponga que se han registrado 50 observaciones referentes a los pesos

de 50 lingotes de acero producidos por SIDERPERÚ, la muestra fue
obtenida de la producción semanal y las unidades están dadas en kg.
94.3 93.0 95.5 95.3 92.4 94.4 92.8 93.2 93.6 95.5
92.9 93.6 95.7 93.8 94.8 93.9 92.7 91.6 93.6 93.7
94.2 95.7 94.7 94.3 92.7 94.5 96.2 95.4 93.7 91.9
94.7 92.7 95.0 93.0 92.9 93.7 92.7 93.3 94.6 96.4
94.1 93.7 94.2 93.7 94.0 93.9 93.6 94.6 92.3 94.4
a. Clasificar estas observaciones en una tabla de frecuencias con 5 clases
de igual amplitud.
b. Interpretar cada ni
Solución: a
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
70
Puede ser l = 96.5 - 91.5 = 5, donde xmin = 91.5 y x`max = 96.5
4. Determinaremos los límites de clase:
yó = xmin = 91.5 ; y´3 = y`2 + c = 93.5 + 1 = 94.5 ;
y´1 = yó + c = 91.5 +1 = 92.5 y´4 = y´3 + c = 94.5 + 1 = 95.5
y´2 = y´1 + c = 92.5 + 1 = 93.5 y´5= y´4 + c = 95.5 + 1 = 96.5

5. Se halla las marcas de clases:
91.5 + 92.5 94.5 + 95.5
y1 = = 92.0 y4 = = 95.0
2 2
92.5 + 93.5 95.5 + 96.5
y2 = = 93.0 y5 = = 96.0
2 2
93.5 + 94.5
y3 = = 94.0
2
6. Finalmente se determina la frecuencia absoluta de cada clase, y
teniendo en cuenta que estamos considerando intervalos de clase
abierto a la derecha y cerrados a izquierda, es decir.
yí-1 - yí @ [ yí-1 , yí >
Por ejemplo, el valor 94.5 estará en la cuarta clase.
Se procede como sigue: se toma la primera observación 94.3 y se busca el

intervalo de clase a que pertenece, es el 93.5 - 94.5, luego se asigna una
tarja en la intersección de la columna de conteo y la fila de este intervalo.
Se toma ahora la otra observación 93.0, la cual pertenece al intervalo 92.5
- 93.5, entonces se asigna una tarja en la intersección de la fila de este
nuevo intervalo y la columna de conteo. Así sucesivamente hasta agotar la
última observación. Sumando las tarjas se obtiene la frecuencia absoluta
de cada clase. Se obtiene de esta manera la tabla 8.
Intervalo de clase Marca de clase Conteo Frecuencia absoluta
[ yí-1 , yí ] yi ni
91.5 - 92.5 92.0 //// 4

92.5 - 93.5 93.0 //// //// / 11
93.5 - 94.5 94.0 //// //// //// //// 20
94.5 - 95.5 95.0 //// //// 9
95.5 - 96.5 96.0 //// / 6
Totales S ni = 50
B. Interpretación de las ni:
n1 = 4, significa que en la muestra hay 4 lingotes que pesan 91.5 kg o más

pero menos de 92.5 kg
n2 = 11, en la muestra, 11 lingotes pesan 92.5 kg o más, pero menos de

93.5 kg, etc.

71
Nota: al elaborar la tabla de frecuencias de datos variables continuas;

siempre hay una ligera pérdida de información, que ocurre al no
considerar más los datos individuales, si no la marca de clase (o punto
medio de cada clase) como un valor representativo de toda la clase. Así,
y2 = 93.0 representa a toda las observaciones mayores o iguales a 92.5 y
menores que 93.5. Sin embargo, esta pérdida de información queda
compensada por la ganancia en concisión, sencillez y claridad.
Definición 14: Frecuencia absoluta acumulada “menor que” (Ni) de la

clase i-ésima, es el número de observaciones menores que el extremo
superior del intervalo de clase i-ésimo, o sea menores a y´1. Entonces
i
Ni = n1 + n2 + ... + ni = jS=1 nj
Así, para el ejemplo.
N1 = n1 = 4, es el número de lingotes de acero que pesan menos de

92.5 kg
N2 = n1 + n2 += 4 + 11, es el número de lingotes de acero cuyo peso es
menor que 93.5 kg
N3 = n1 + n2 + n3 = 4 + 11 + 20 =35, número de lingotes de acero que
pesan menos de 94.5 kg
N4 = n1 + n2 + n3+ n4 = 4 + 11 + 20 + 9 = 44, número de lingotes de acero
que pesan menos de 95.5 kg.
N5 = n = 50
Definición 15: Frecuencia absoluta acumulada “mayor que” (Ni* ) de la

clase i-ésima, es el número de observaciones mayores o iguales que el
extremo inferior del intervalo de clase i-ésimo, es decir mayor o igual a yí-1 .
Entonces:
i
N*i = n1 + ni+1 + ... + nm = jS=1 nj
Así, para el ejemplo:
N*1 = n1 + n2 + ... + n5 = n = 50, número de lingotes de acero que pesan

por lo menos 91.5 kg
N*2 = n2+ n3 + n4 + n5 = 11 + 20 + 9 + 6 = 46, número de lingotes de acero

que pesan por lo menos 92.5 kg
N*3 = n3+ n4+ n5 = 20 + 9 + 6 = 35, número de lingotes de acero que

pesan por lo menos 93.5 Kg.
N*4 = n4 + n5 = 9 + 6 = 15, número de lingotes de acero que pesan por lo

menos 94.5 kg
N*5 = n5 = 6, número de lingotes de acero que pesan por lo menos 95.5 kg

72
Definición 16: Frecuencia relativa (hi) del i-ésimo intervalo de clase, es

el cociente.
ni
hi = , i = 1, 2,... , m
n
Para el ejemplo 4:
n1 4
h1 = = = 0.08 , es la proporción de lingotes de acero que pesan
n 5
menos de 92.5 kg.
n2 11
h2 = = = 0.22 , es la proporción de lingote que pesan 92.5 kg. o
n 50
más pero menos de 93.5 kg
n3 20
h3 = = = 0.40 , es la proporción de lingotes de acero que pesan
n 50
93.5 kg. o más pero menos de 94.5 kg
n4 9
h4 = = = 0.18
n 50
n5 6
h5 = = = 0.12
n 50
Definición 17: Frecuencia relativa porcentual a la frecuencia relativa hi
multiplicada por 100% (100%) y representa el porcentaje de
observaciones que pertenecen a la clase i-ésima.
Así, para el ejemplo 4
100 h1% = 100(0.08)% = 8%, es el porcentaje de lingotes de acero que
pesan menos de 92.5 Kg.
pesan 92.5 Kg o más pero menos de 93.5 kg
pesan 93.5 Kg o más pero menos de 94.5 kg
Definición 18: Frecuencia relativa acumulada “menor que” (Hi)l de la
clase i-ésima, es la frecuencia relativa correspondiente a los valores
observados menores que yí, es decir menores que el extremo superior del
intervalo de clase i-ésimo. entonces.
i
Hi = h1 + h2 + ... + hm = jS=1 nj
Para el ejemplo 4:
H1 = h1 = 0.08, es la proporción de lingotes de acero que pesan menos

de 92.5 kg
H2 = h1 + h2 = 0.08 + 0.22 = 0.30, es la proporción de lingotes de acero
que pesan menos de 93.5 kg
H3 = h1 + h2 + h3 = 0.08 + 0.22 + 0.40 = 0.70, es la proporción de lingotes
de acero que pesan menos de 94.5 kg
Definición 19: Frecuencia relativa acumulada “mayor o igual
*
que” (Hi) de la clase i-ésima, es la frecuencia relativa total
correspondiente a los valores observados mayores o iguales al extremo
inferior del intervalo de clase i-ésimo, es decir mayores o iguales que yí-1 ,
entonces.
73
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
Definición 20: Frecuencia relativa acumulada porcentual a la

frecuencia relativa acumulada Hi (o Hi* ) multiplicada por 100%
Es decir 100 Hi% (o 100 H*i %) y representa el porcentaje de observaciones

menores que yí (o mayores o iguales a yí-1)
Así, para el ejemplo 4:
100 H1% = 100(0.08)% = 8%, es el porcentaje de lingotes de acero que
100 H2% = 100(0.30)% = 30%, es el porcentaje de lingote de acero que
Etc.
100H2* % = 100(0.92)% = 92%, es el porcentaje de lingotes de acero que
pesan por lo menos 92.5 kg
100H3* % = 100(0.70)% = 70%, es el porcentaje de lingotes de acero que
pesan por lo menos 93.5 kg
Por tanto, las diferentes tablas de frecuencias que se pueden
confeccionar para un conjunto de datos contínuos está dada en la tabla 9.
yí-1 - yí yi ni hi Ni Hi N*i H*i 100hi% 100Hi% 100Hi* %
y´0 - y´1 y1 n1 h1 N1 H1 N 1 100h1 100H1 100
y´1 - y´2 y2 n2 h2 N2 H2 N*2 Hi 100h2 100H2 100H2*
. . . . . . . . . . .
. . . . . . . . . . .
. . . . . . . . . . .
y´m-1 - y´m ym nm hm n 1 N*m H*m 100hm 100 100H*m
Totales n 1 100
Las tablas de frecuencia diferentes que se puede formar para el ejemplo 4

se resume en la tabla 10
[yí-1- yí] yi ni hi Ni Hi N*i H*i 100hi% 100Hi% 100Hi* %

91.5 - 92.5 92.0 4 0.08 4 0.08 50 1.00 8 8 100
92.5 - 93.5 93.0 11 0.22 15 0.30 46 0.92 22 30 92
93.5 - 94.5 94.0 20 0.40 35 0.70 35 0.70 40 70 70
94.5 - 95.5 95.0 9 0.18 44 0.88 15 0.30 18 88 30
95.5 - 96.5 96.0 6 0.12 50 1.00 6 0.12 12 100 12
Totales 50 1 100

74
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.
2. Si el peso apropiado de los lingotes de acero para su aceptación en el

mercado internacional es como mínimo 93.5%, los resultados de la
tabla reflejan que sólo el 70% (ver la columna 100 Hi %) de esta
población cumple la condición, lo cual representa quizás, que dicha
empresa debe reajustar sus maquinarias, ya que habría un 30% que no
se puede en adelante.
La inversión real (en miles de dólares) anual de un grupo de pequeñas
empresa fueron:
10 12 8 40 6 8 10 30 2 8 6 14
16 20 25 28 30 26 30 4 6 10 18 17
13 17 21 7 6 8 14 7 15 19 27 22
0 14 6 8 9 11 13 15 18 20 30 60
12 6 5 5 6 8 7 12 15 36 39 52
Se pide:
a. Formar una tabla de todas las distribuciones de frecuencias, con

intervalos de amplitud constante;
b. El número de pequeñas empresas con inversiones menores de 40 mil
dólares.
c. El número de pequeñas empresas que han invertido 40 mil dólares o
más.
d. El número de pequeñas empresas que invirtieron 10 mil dólares o más
pero menos de 35 mil dólares.
e. La proporción de pequeñas empresas con inversiones menos de 8 mil
dólares.
f. La proporción de pequeñas empresas que invirtieron por lo menos 20
mil dólares pero a lo más 38 mil dólares.
g. El porcentaje de pequeñas empresas que han invertido entre 6 mil
dólares y 30 mil dólares inclusive;
h. El porcentaje de pequeñas empresas que invirtieron más de 64 mil
dólares.
Solución a:
1. Consideremos m ³ 60 = 7.746, es decir m = 8
2. Xmax = 60 y xmin = 0, por tanto l = 60 - 0 = 60
l 60
3. De (1) y (2) c = = = 7.5
m 8

75
Obviamente preferimos trabajar con c = 8. Para lo cual ampliamos el

recorrido de los datos, de manera que sea múltiplo de m = 8. Pero como la
inversión no puede ser negativa, ampliamos sólo a la derecha, es decir,
hacemos:
x´max = 64 y xmin = xmin = 0
Ahora: l = 64 - 0 = 64
4. Los límites de clases son:
y´0 = x´min = 0 y´6 = y´0 + 6c = 48
y´1 = y´0 + c = 0 + 8 y´7 = y´0 + 7c = 56
y´2 = y´0 + 2c = 0 + 2x8 = 16 y´8 = y´0 + 8c = 64
y´3 = y´0 + 3c = 24
y´4 = y´0 + 4c = 32
y´5 = y´0 + 5c = 40
5. Las marcas de clases son:
0+8 8 + 16
y1 = =4 Y2 = = 12 Observe que esto es lo mismo que
2 2
y2 = y1 + c - 4 + 8 - 12. Entonces y3 - y2 + c - 12 + 8 - 20
y4 = y3 + c = 20 + 8 = 28, etc
6. Las frecuencias absolutas de cada clase se obtiene siguiendo el

proceso antes mencionado. Las otras frecuencias también se ubicarán
directamente en la tabla.
Tabla 11 Distribución de frecuencias de las inversiones de pequeñas empresas
yí-1 - yí yi ni hi Ni Hi N*i H*i 100hi%

0-8 4 15 15/60 15 15/60 60 16/60 150/6
8 - 16 12 22 22/60 37 37/60 45 45/60 220/6
16 - 24 20 10 10/60 47 47/60 23 23/60 100/6
24 - 32 28 8 8/60 55 55/60 13 13/60 80/6
32 - 40 36 2 2/60 57 57/60 5 5/60 20/6
40 - 48 44 1 1/60 58 58/60 3 3/60 10/6
48 - 56 52 1 1/60 59 59/60 2 2/60 10/6
56 - 64 60 1 1/60 60 60/60 1 1/60 10/6
Totales 60 1 100%
B. El número de pequeñas empresas con inversiones menores de 40 mil

dólares es 57. Este número se encuentra en la intersección de la fila del
intervalo “32-40” y la columna Ni. (Fig. 2)
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

76
c. El número de pequeñas empresas con inversiones de 40 mil dólares o

más es 3 y se encuentra en la intersección de la fila del intervalo “40*48”
y la columna Ni* (Fig. 2)
d. Ubiquemos los puntos 10 y 35 y los intervalos de clase en una recta

(Fig. 3)
22 10 8 2
8 10 16 24 32 35 40
X
Fig. 3
Por tanto, el número de pequeñas empresas que intervinieron 10 mil

dólares o más pero menos de 35 mil dólares será:
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
f. Ubiquelos los límites de los intervalos y los puntos 20 y 38 en una

recta(Fig. 4)
10/60 8/60 2/60

{
{
{
16 20 24 32 38 40
{
P1 P2
Fig. 4

77
La proporción de pequeñas empresas que intervinieron por lo menos

20 mil dólares pero a lo más 38 mil dólares, estará dado por:
8
P1 + + P2
60
p1 se determina como sigue: suponiendo que las observaciones está
uniformemente distribuido en cada intervalo de clase, entonces
Si en una amplitud de 8 = 24 - 16 hay una proporción de 10/60
En una amplitud de 4 = 24 - 20 habrá una proporción p1
(24 - 20) (10/60) 4 1 5
Luego, p1 = = ( )=
24 - 16 8 6 60
Análogamente se obtiene p2:
Si en una amplitud de 8 = 40 - 32 hay una proporción de 2/60
En una amplitud de 6 = 38 - 32 habrá una proporción p2
(38 - 32) (2 / 60) 6 2 3
Es decir, p2 = = ( )=
40 - 32 8 6 120
5 8 3
Por tanto, la proporción pedida será + + = 0.242
60 60 120
g. Se sigue el mismo proceso de (d) y (f)
150/6% 220/6% 100/6% 80/6%

{
{
{
0 6 8 16
{
24
{
30 32 40
{
x% y%
Fig. 5
El porcentaje de pequeñas empresas que han invertido entre 6 y 30 mil

dólares inclusive será:
220 100
x% + + %+y%
6 6
X%, se obtiene como sigue:
Si en una amplitud de 8 = 8 - 0, hay un 15/60%

En una amplitud de 2 = 8 - 6, habrá un x%
Es decir: x% =
(8-6) (150 / 6)% 2 150
8-0
=
8 6
% = 6.25% ( (
En forma completamente similar se obtiene y%
Si en una amplitud de 8 = 32 - 24 hay un 80/6%

En una amplitud de 6 = 30 - 24 habrá y%
Esto es y% =
(30-24) (80 / 6)% 6 80
(32 - 24)
=
8 6
% = 10% ( (

78
PRÁCTICA Nº 3
1. ¿Por qué las frecuencias relativas son más importantes que las
absolutas?
2. Cuando se construye una distribución de frecuencia, el número de

clases que se usan depende de:
A. Número de datos c. Tamaño de la población
B. Intervalo de los datos reunidos d. Todas las anteriores
E. A y b pero no c
3. Explique la diferencia entre distribuciones de frecuencias relativas y de

porcentajes.
4. A continuación se transcriben las edades de 50 integrantes de un

programa de servicio social del gobierno:
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
Construya con esto datos las distribuciones de frecuencia relativa

usando 7 y 13 intervalos iguales. Las políticas estatales de los
programas de servicio social exigen que aproximadamente 40% de los
participantes del programa sean mayores de 50 años.
a. ¿Se ajusta el programa a esa política?
b. ¿Cuál de las distribuciones de frecuencia relativa le ayuda a contestar

mejor la parte (a)?
c. Suponga que el director de los servicios sociales quiera conocer la

proporción de participantes en el programa cuya edad fluctúa entre 45 y
80 años. ¿Con cuál de las dos distribuciones podría estimar mejor la
respuesta el director?
5. La compañía VELOZ, una empresa situada en Arequipa, muestreo sus

registros de embarque durante cierto día, obteniendo los siguinetes
resultados:
Tiempo transcurrido desde la recepción de la orden hasta la

entrega (en días)
4 12 8 14 11 6 7 13 13 11 11
20 5 19 10 15 24 7 29 6

79
Construya una distribución de frecuencia para los datos anteriores y

una distribución de frecuencia relativa. Use intervalos de 6 días.
a. ¿Qué afirmación puede hacer sobre la eficacia del procesamiento de

pedidos a partir de las distribución de frecuencia?
b. Si la compañía quiere asegurarse de que la mitad de sus entregas se
realicen en 10 o menos días. ¿Puede ud. determinar mediante la
distribución de frecuencia de la compañía ha alcanzado su meta?
6. Las marcas de clase de una distribución de frecuencias con intervalos

de igual amplitud son: 46,55,64,73,82,91. Halle:
a. El intervalo de clase c. Los limites de clase
b. El rango
7. Se tiene una distribución de frecuencias con cuatro intervalos de clase

de igual amplitud y los siguientes datos:
y1 = 10, y4= 22 h1 = 0.30 h4 = 17.5% H2 = 0.45 n = 120
Reconstruir la tabla de frecuencias.
8. Los puntajes de 50 alumnos se clasifican en un cuadro de distribución

de frecuencias de cuadro intervalos de amplitud constente. Sabiendo
que: y2 = 50, n1 = 4, N2 = 20, n3 = 25, c = 62. Reconstruir el cuadro
9. En cada uno de los siguientes casos, determine si son consistentes o no

los datos:
a. m = número de clases = 6, h1 = 0.2, h4 = 0.2, H2 = 0.6, H3 + H4 = 1.9
b. H4 = 0.30, n = 10, h3 = 0.31
c. h2 = 0.40, n = 50, n1 = 20
d. h1 = 4%, h3 = 12%, H4 = 15%
e. H5 = 0.36, N4 = 30, h5 = 6, n = 50
10.Suponga que la siguiente tabla de distribución representa los salarios

de los trabajadores de la construcción civil de Lima.
a. El sindicato de construcción civil Salarios diarios (en S/.) Frecuencia

solicita que en el nuevo pacto De 8 a 12 360
colectivo se establezca un de 12 a 16 420
salario diario mínimo de S/. 14 de 16 a 20 510
de 20 a 24 660
¿Qué porcentaje de de 24 a 28 570
trabajadores se beneficiarán de 28 a 32 480
con este pacto? Total 3000
b. Los trabajadores que reciben más de 30 soles diarios, se supone

muy calificados (maestros de obra). ¿Qué porcentaje de
trabajadores se supone muy calificados?
c. Estime el número de trabajadores que ganan entre 15 y 20 soles

diarios.

80
LA MEDIA
La media aritmética de una variable estadística es la suma de todos sus

posibles valores, ponderada por las frecuencias de los mismos.
Es decir, si la tabla de valores de una variable X es:
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
si los datos no están ordenados en una tabla, entonces:

x1 + ... + xn
x= n
Observación
Hemos supuesto implícitamente en la definición de media que tratábamos

con una variable X discreta. Si la variable es continua tendremos que
cambiar los valores de Xi por las marcas de clase correspondientes. En
general, la media aritmética obtenida a partir de las marcas de clase Ci,
diferirá de la media obtenida con los valores reales, Xi. Es decir, habrá una
perdida de precisión que será tanto mayor cuanto mayor sea la diferencia
entre los valores reales y las marcas de clase, o sea, cuanto mayores sean
las longitudes ai, de los intervalos.
Proposición
La suma de las diferencias de la variable con respecto a la media es nula,

es decir:
n
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
Este resultado nos indica que el error cometido al aproximar un valor

cualquiera de la variable, por ejemplo x1, mediante el valor central x, es
compensado por los demás errores:
n
Error aprox. de x1 º x1 - x = å (xi - x)
i=1

81
Si los errores se consideran con signo positivo, en este caso no pueden

compensarse. Esto ocurre si tomamos como medida de error alguna de
las siguientes:
n
2
å (x -
i=1
i x) ³ 0 Error cuadrático
n
å i=1
xi - x ³ 0 Error cuadrático
máx
i=1,...,n
xi - x ³ 0 Error cuadrático
Que son cantidades estrictamente positivas si algún xi ¹ x
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
li-1 - l1 ni xi xini xi - x (xi - x) ni

0 - 10 1 5 5 -19 -19
10 - 20 2 15 30 -9 -18
20 - 30 4 25 100 +1 +4
30 - 40 3 35 105 +11 +33
n = 10 åX n = 240
i i å=0
La media aritmética es
1 240
x=
n å xi ni =
10
= 24
Como se puede comprobar sumando los elementos de la última columna.

å (x - x) • n = 0
i i
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
å (xi - k)2 = å xi - (k - x + x) 2 (Sumando y restando x)

i=1 i=1
n
2
= å
i=1
(xi - x) - (k - x) (y usando el binomio de Newton...)

82
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
Proposición (Linealidad de la media)

Y = a + bx y = a + bx
Proposición
Dados r grupos con n1, n2,…nr observaciones y siendo, x1, x2,...xr ,las
respectivas medias de cada uno de ellos.
Entonces la media de las n = n1 + ... + nr observaciones es:
n1 x1 + ... + nr xr
X= n1 + ... + nr
Demostración
Vamos a llamar xij a la j-ésima observación del grupo i; entonces tenemos
n1
er
1 grupo x11 ... X1n1 x1 = ( å j=1 xij( /n1
2do grupo
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
A pesar de las buenas propiedades que ofrece la media, ésta posee

algunos inconvenientes:
• Uno de ellos es que es muy sensible a los valores extremos de la

variable: ya que todas las observaciones intervienen en el cálculo de
la media, la aparición de una observación extrema, hará que la media
se desplace en esa dirección. En consecuencia.
• No es recomendable usar la media como medida central en las

distribuciones muy asimétricas;
• Depende de la división en intervalos en el caso de variables

continuas.
• Si consideramos una variable discreta, por ejemplo, el número de

hijos en las familias de Málaga el valor de la media puede no
pertenecer al conjunto de valores de la variable;
Por ejemplo x = 25 hijos.

83
Cálculo abreviado
Se puede utilizar la linealidad de la media para simplificar las operaciones

necesarias para su cálculo mediante un cambio de origen y de unidad de
medida. El método consiste en lo siguiente:
1. Tomamos a un número que exprese aproximadamente el tipo de

unidad con la que se trabaja. Por ejemplo, si las unidades que
usamos son millones, tomamos a = 1.000. 000
2. Seleccionamos un punto cualquiera de la zona central de la tabla, Xo.

Este punto jugará el papel de origen de referencia.
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
En función del tipo de problema varias generalizaciones de la media

pueden ser consideradas. He aquí algunas de ellas aplicadas a unas
observaciones x1,..., xn:
La media geométrica
xg, es la media de los logaritmos de los valores de la variable:

log x1 + ... + log xn
log xg = n
Luego
xg = n x1 x2 ... xn
Si los datos están agrupados en una tabla, entonces se tiene:
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

84
LA MEDIANA
Consideramos una variable discreta X cuyas observaciones en una tabla

estadística han sido ordenadas de menor a mayor. Llamaremos mediana,
Med al primer valor de la variable que deja por debajo de sí al 50% de las
observaciones. Por tanto, si n es el número de observaciones, la mediana
corresponderá a la observación [n/2] + 1, donde representamos por [-] la
parte entera de un número.
Fig. 1 Cálculo geométrico de la mediana
Ni C´
N/2 B´
A
Ni C
1 B
Med
l l1
i-1
En el caso de variables continuas, las clases vienen dadas por intervalos,

y aquí la fórmula de la mediana se complica un poco más (pero no
demasiado): Sea [li-1, li] el intervalo donde hemos encontrado que por
debajo están el 50% de las observaciones.
Entonces se obtiene la mediana a partir de las frecuencias absolutas

acumuladas, mediante interpolación lineal (Teorema de Thales) como
sigue (Fig. 1).
n - Ni - 1
CC´ BB´ ni 2
= =
AC AB ai Med - li-1
n - Ni - 1
2
Med = li-1 + • ai
ni
Observación
La relación (2.2) corresponde a definir para cada posible observación,

x Î (lj-1, lj)su frecuencia relativa acumulada, F(x), por interpolación lineal
entre los avlores F(lj-1) = Fj-1 y F(lj) = Fj de forma que
F(lj) - F(lj-1)
F(x) = F(lj-1) + aj (x - lj-1)
De este modo, Med es el punto donde F(Med) = 1

2
Esto equivale a decir que la mediana divide al histograma en dos partes
iguales a 1
2
85
Observación
Entre las propiedades de la mediana, vamos a destacar las siguientes:
• Como medida descriptiva, tiene la ventaja de no estar afectada por las

observaciones extremas, ya que no depende de los valores que toma la
variable, sino del orden de las mismas. Por ello es adecuado su uso en
distribuciones asimétricas.
• Es de cálculo rápido y de interpretación sencilla.
• A diferencia de la media, la mediana de una variable discreta es siempre

un valor de la variable que estudiamos (ej. La mediana de una variable
número de hijos toma siempre valores enteros).
• Si una población está formada por 2 subpoblaciones de medianas Med1 y

Med2, sólo se puede afirmar que la mediana, Med, de la población está
comprendida entre Med1 y Med2
Med1 £ Med £ Med2
• El mayor defecto de la mediana es que tiene unas propiedades
matemáticas complicadas, lo que hace que sea muy dificil de utilizar en
inferencia estadística.
• Es función de los intervalos escogidos.
• Puede ser calculada aunque el intervalo inferior o el superior no tenga

límites.
• La suma de las diferencias de los valores absolutos de n puntuaciones

respecto a su mediana es menor o igual que cualquier otro valor. Este
es el equivalente al teorema de Konig (proposición 2.1) con respecto a
la media, pero donde se considera como medida de dispersión a:
n
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
En este caso la media no es un posible valor de la variable (discreta), y se

ha visto muy afectada por la observación extrema. Este no ha sido el caso
para la mediana.

86
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
La primera frecuencia absoluta acumulada que supera el valor n/2 = 100

es Ni=140. Por ello el intervalo mediano es [10;20). Así
n/2 - Ni - 1 100 - 60
Med = li-1 + ni • ai = 10 + x 10 = 15
80
Para ver la representatividad de ambos promedios, realizamos el

histograma de la figura 2 y observamos que dada la forma de la
distribución, la mediana es más representativa que la media.
Fig. 2 Para esta distribución de frecuencias es más representativo usar como

estadístico de tendencia central la mediana que la media
80
Mediana
60
Media
30
0 10 20 30 100

87
LA MODA
Llamaremos moda a cualquier máximo relativo de la distribución de

frecuencias, es decir, cualquier valor de la variable que posea una
frecuencia mayor que su anterior y su posterior.
Fig. 3 Cálculo geométrico de la moda
B E
H F´
C F´
Moda
E´ E´
En el caso de variables continuas es más correcto hablar de intervalos

modales. Una vez que este intervalo, (li-j, li), se ha obtenido, se realiza la
siguiente fórmula para calcular la moda. (Fig. 3).
HC´ BĆ HC + HĆ

= =
AB A´B AB + A´B´
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
De la moda destacamos las siguientes propiedades:
• Es muy fácil de calcular.
• Puede no ser única.
• Es función de los intervalos elegidos a través de su amplitud,

número y límites de los mismos.
• Aunque el primero o el último de los intervalos no posean

extremos inferior o superior respectivamente, la moda puede ser
calculada.

88
EJEMPLO
Problema 1: se tiene la siguiente información sobre una distribución de

frecuencia de 50 elementos de un material sometido a prueba de rotura
(en kg/cm2). La longitud de los intervalos de clase es constante e igual a 20
y´ y´ yi ni Ni yini
i-1 i
300
400
23 350
17
- 120 440
50
a. Determinar la media y la mediana muestral
b. El nº de datos que estima pertenezca al intervalo [media, mediana]
c. El segundo decil
Solución: Teniendo en cuenta que c = 20, y los datos de la tabla,

completamos ésta
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
100 - 120 110 4 44 440
120 - 140 130 6 50 780
Totales 50 3800

89
EVALUACIÓN PARCIAL I
1. La estadística descriptiva es el conjunto de métodos que V F

analiza y describe los datos
2. La estadística inferencial es el conjunto de métodos que V F

predice algo respecto a la fuente de información
3. Población estadísticamente se refiere a todos los V F

individuos, objetos con características comunes
4. Clasificar un grupo de individuos por sexo y por estado civil V F

corresponde a una variable cuantitativa ordinal
5. El control de la calidad en la ingeniería industrial tiene

como componente básico: SQC, SPC en el desarrollo y la V F
administración de una base pragmática
6. La calidad total es una estrategia que busca garantizar a V F

largo plazo: la supervivencia, el crecimiento y la
rentabilidad de una organización
7. La calidad es la clave para lograr la competitividad V F
8. La calidad la determina el cliente V F
9. El control de calidad comprende 2 funciones V F
10. Los defectos de calidad tienen que ver con las razones V F
financieras
11. La normalización ISO 9000 consiste en formular y aplicar

reglas con el propósito de poner en orden un campo de V F
actividades.
12. El resultado de un particular o específico trabajo de V F

normalización se le conoce como: norma técnica
13. Los niveles de aplicación de la norma son 4: V F
14. La norma ISO 9000 son un conjunto de normas orientadas V F

a ordenar la gestión de una empresa
15. ISO 14000 es una norma medioambiental V F
16. La Media aritmética es la suma de todos los posibles V F

valores
17. La moda es cualquier máximo relativo de la distribución de V F

frecuencias

90
RANGO, VARIANZA, DESVIACIÓN ESTÁNDAR
MEDIDAS DE DISPERSIÓN
Estudia la distribución de los valores de la serie, analizando si estos se

encuentran más o menos concentrados, o más o menos dispersos.
Existen diversas medidas de dispersión, entre las más utilizadas podemos

destacar las siguientes:
1. Rango: mide la amplitud de los valores de la muestra y se calcula por

diferencia entre el valor más elevado y el valor más bajo.
2. Varianza: Mide la distancia existente entre los valores de la serie y la

media. Se calcula como sumatorio de las diferencias al cuadrado entre
cada valor y la media, multiplicadas por el número de veces que se ha
repetido cada valor. El sumatorio obtenido se divide por el tamaño de la
muestra.
2 å (xi-xm)2 * ni
Sx= n
La varianza siempre será mayor que cero. Mientras más se aproxima a
cero, más concentrados están los valores de la serie alrededor de la
media. Por el contrario, mientras mayor sea la varianza, más dispersos
están.
3. Desviación típica: Se calcula como raíz cuadrada de la varianza.
4. Coeficiente de varización de Pearson: se calcula como cociente

entre la desviación típica y la media.
Ejemplo: vamos a utilizar la serie de datos de la estatura de los alumnos

de una clase y vamos a calcular sus medidas de dispersión.
Variable Frecuencias absolutas Frecuencias relativas

(valor) simple Acumulada Simple Acumulada
1,23 1 1 3,3% 3,3%
1,21 4 5 13,3% 16,6%
1,22 4 9 13,3% 30,0%
1,23 2 11 6,6% 36,6%
1,24 1 12 3,3% 40,0%
1,25 2 14 6,6% 46,6%
1,26 3 17 10,0% 56,6%
1,27 3 20 10,0% 66,6%
1,28 4 24 13,3% 80,0%
1,29 3 27 10,0% 90,0%
1,30 3 30 10,0% 100,0%
1. Rango: Diferencia entre el mayor valor de la muestra (1,30) y el menor

valor (1,20). Luego el rango de esta muestra es 10 cm.
2. Varianza: recordemos que la media de esta muestra es 1,253. Luego,

aplicamos la fórmula:

91
((1,20-1,253)2 * 1 + ((1,21-1,253)2 * 4) + ((1,22-1,253)2*4) + ... + ((1,30-1,253)2 *3)

2
Sx= 30
Por lo tanto, la varianza es 0,0010
3.- Desviación típica: es la raíz cuadrada de la varianza.
2 (½)
s = (S x)
Luego:
s = (0,010)(½) = 0,0320
4. Coeficiente de variación de Pearson: se calcula como cociente entre
la desviación típica y la media de la muestra.
Cv = 0,0320 / 1,253
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.
Por ejemplo, para comparar el nivel de dispersión de una serie de datos de

la altura de los alumnos de una clase y otra serie con el peso de dichos
alumnos, no se puede utilizar las desviaciones típicas (una viene vienes
expresada en cm. y la otra en kg). En cambio, sus coeficientes de variación
son ambos porcentajes, por lo que sí se pueden comparar.
Interpretación y aplicación
La desviación estándar es una medida del grado de dispersión de los

datos del valor promedio. Dicho de otra manera, la desviación estándar es
simplemente el "promedio" o variación esperada con respecto de la media
aritmética.
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.
La desviación estándar puede ser interpretada como una medida de

incertidumbre. La desviación estándar de un grupo repetido de medidas
nos da la precisión de éstas. Cuando se va a determinar si un grupo de
medidas está de acuerdo con el modelo teórico, la desviación estándar de
esas medidas es de vital importancia: si la media de las medidas está
demasiado alejada de la predicción (con la distancia medida en
desviaciones estándar), entonces consideramos que las medidas
contradicen la teoría.

92
Esto es de esperarse ya que las mediciones caen fuera del rango de

valores de los cuales sería razonable esperar que ocurrieran si el modelo
teórico fuera correcto.
Desglose
La desviación estándar (DS/DE), también conocida como desviación

típica, es una medida de dispersión usada en estadística que nos dice
cuánto tienden a alejarse los valores puntuales del promedio en una
distribución. De hecho específicamente la desviación estándar es "el
promedio de la distancia de cada punto respecto del promedio". Se suele
representar por una S o con la letra sigma, s
La desviación estándar de un conjunto de datos es una medida de cuánto

se desvían los datos de su media. Esta medida es más estable que el
recorrido y toma en consideración el valor de cada dato.
Es posible calcular la desviación estándar como la raíz cuadrada de la

integral
¥
2 2
s = (x-u) f(x) dx
-¥
Donde:
¥
m= x f(x) dx
-¥
La DS. Es la raíz cuadrada de la varianza de la distribución
2
s = lim 1 n
å (xi - x)2
n-¥
n i=1
Así la varianza es la media de los cuadrados de las diferencias entre cada
valor de la variable y la media aritmética de la distribución.
Aunque esta fórmula es correcta, en la práctica interesa realizar

inferencias poblacionales, por lo que en el denominador en vez de n, se
usa n-1 (Corrección de Bessel)
n
2 å i=1 (xi - x)2
S =
n -1
También hay otra función más sencilla de realizar y con menos riesgo de
tener equivocaciones:
n
2 å i=1 xi2 x2
S =
n -1
Ejemplo
Aquí se muestra cómo calcular la desviación estándar de un conjunto de

datos. Los datos representan la edad de los miembros de un grupo de
niños. {5, 6, 8, 9}

93
1. Calcular el promedio X.
1 n xi
x= å
N i=1
En este caso, N = 4 porque hay cuatro datos:

x1 = 5
x2 = 6
x3 = 8
x4 = 9
1 4 xi
x= å
4 i=1 Sustituyendo N por 4
1 (xi + x2 + x3 + x4)
x=
4
1 (5 + 6 +8 + 9)
x=
4
x = 7 Este es el promedio
2. Calcular la desviación estándar
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 [(5-7)2 + (6 - 7)2 + (8 - 7)2 + (9 - 7)2]

s=
4
1 ((-2)2 + (-1)2 + 12 + 22)

s=
4
1 (4+1+1+4)
s=
4
10
s=
4
s = 1.5811 Esta es la desviación estándar.

94
PRÁCTICA Nº 4
1. El promedio de sueldos de los empleados de una fábrica es una cierta

cantidad. ¿Qué contestaría usted, como Jefe de Personal, ante una
queja de que nadie debería ganar por debajo del promedio, sea cual
fuere éste?
Respuesta: La única forma de satisfacerlos es haciendo que todos
ganen igual, lo cual no es posible.
2. Hasta el semestre pasado un alumno de la UDEP había aprobado 108

de 141 créditos matriculados, con un índice acumulado de 10,43. Si
este semestre se ha matriculado en 21 créditos, ¿Hasta cuánto puede
subir su índice acumulado como máximo?
Respuesta: Hasta 11,67
3. ¿Puede la desviación media tener un valor cero? ¿Puede ser negativa?
4. ¿Qué puede decirse de una distribución en la que s = 0?
5. Una asociación de ahorro y préstamo tiene las siguientes hipotecas con

sus respectivas tasas de interés: $40 000 al 10%; $25000 al 9%;
$20000 al 8%; $10000 al 7% y $5 000 al 6%. ¿Cuál es la tasa de interés
promedio que se paga?
6. En las cuatro aulas donde se rindió una prueba de Estadística hubieron

14, 27, 27 y 36 alumnos. Las medias (o promedios) en estas aulas
fueron 14,4; 12,1; 9,9 Y 10,2 respectivamente. ¿Cuál es la media
general?
7. Un grupo de amigos que salieron juntos del colegio, egresaron de la

UDEP el último semestre. Cuatro de Ingeniería con un índice promedio
de 14,95, seis de Administración de Empresas con un Índice promedio
de 14.12 y tres de Información con un índice promedio de 15.10. ¿Cuál
es el Índice promedio del grupo? ¿Cuál es la desviación están dar?
8. Dada la siguiente distribución de salarios, en dólares, en una empresa

extranjera:
80 52 92 75 82 96 80
70 90 69 83 94 67 63
61 96 88 63 78 83 99
85 75 81 73 97 109 87
100 85 95 88 98 78 98
98 76 100 58 108 89 84
88 64 81 70 105 64 64
81 91 59 72 97 77 97
a) Construya una tabla de distribución de frecuencia, utilizando intervalos

de $10, desde $50,
b) Determine la media y la desviación estándar.
c) Comente brevemente cómo es la distribución de salarios en esta
empresa.
d) Construya una tabla de frecuencias acumulativas.
e) Encuentre el salario sobre el cual está el 25% de los empleados.
9. El diámetro de 180 tornillos varía entre 0,829 a 1,286 cm. Sugiera un

agrupamiento indicando sus límites, fronteras y marcas de clase.
10. Considere la siguiente muestra: resistencia de 50 lotes de algodón

(Kg. necesarios para romper una madeja)

95
HISTOGRAMA DE FRECUENCIAS
Se usa para representar gráficamente las distribuciones de frecuencias

absolutas o relativas de datos cuantitativos continuos agrupados en
clases. El fenómeno estudiado queda representado por una serie de
rectángulos semejantes a los del diagrama de barras; sin embargo las
barras de histograma se colocan sólo verticalmente y deben ir uno al lado
del las otras sin que haya un espacio que las separe. La base de cada
rectángulo es la amplitud de la clase de la variable correspondiente. Estos
gráficos reciben el nombre de histograma de frecuencia absolutas (o
histograma de frecuencias relativas), Se construye como sigue:
1. Se lleva sobre un eje horizontal los límites de los intervalos de clase

y´0, y´1,…y´m
2. Sobre cada intervalo de clase se levantan rectángulos que tengan

como área exactamente la frecuencia absoluta (o relativa)
correspondiente.
Es decir, al intervalo de clase [y'i-1' y'i >
con amplitud c1, y frecuencia absoluta
ni (o frecuencia relativa h i ),le
corresponderá un rectángulo de base
ci y altura ni/ci (o respectivamente hi/ci),
con lo cual se garantiza que el área de
dicho rectángulo, es decir base por ni ni
Ci
altura, coincida con n1 (o con hi según
el caso). Fig. 1
ni hi
ci x = ni (o ci x = hi)
ci ci
Así, la superficie total de los yí - 1
yí
yi
rectángulos o sea e! área limitada
por e! histograma será igual a n (o a Ci
la unidad), lo cual permite comparar
visual mente dos distribuciones de
efectos diferentes.
Nota: Cuando los intervalos de clases son de igual amplitud como se ha
venido considerando en los ejemplos (c1 = c), las alturas de los rectángulos
ni/c (o h/c) serán proporcionales a las frecuencias absolutas (o relativas).
En este caso se acostumbra tomar las alturas numéricamente iguales a

dichas frecuencias (o sea que se cambia n/c por ni o hi/c por hi). Esto es
equivalente a poner c una unidad.
Ejemplo 1: Las figuras 2 y 3 serían los histogramas de frecuencias
absolutas y relativas respectivamente para la distribución de frecuencias
de los pesos de los lingotes de acero del ejemplo 1, Figura 3.
Note que la única diferencia entre ambos histogramas es la escala

vertical. La escala de la Fig. 2 es el número absoluto de las observaciones
en cada clase; en cambio, la escala de la Fig. 3 es el número de
observaciones en cada clase como una fracción del número total de ellas.
Es decir, ambos gráficos tienen la misma forma.

96
ni
20
15
20
10
11
5 9
6
4
0
91.5 92.5 93.5 94.5 95.5 96.5 yí
Fig. 2 Histograma de Frecuencia absoluta de los pesos de lingotes de acero
hi
0.40
0.30
0.20
0.10
0.08 0.22 0.40 0.18 0.12

0
91.5 92.5 93.5 94.5 95.5 96.5 yí
Fig. 3 Histograma de Frecuencia relativa de los pesos de los lingotes de acero.
Es útil poder presentar los datos en función de la frecuencia relativa de las

observaciones y no en función de la frecuencia absoluta de cada clase,
pues, aunque los números absolutos pueden cambiar (por ejemplo, al
pesar más lingotes de acero), la relación entre las clases pueden
permanecer estables. El 40% de los lingotes pueden caer dentro de la
clase "9.35 - 94.5", sin importar si pesamos 50 ó 500 lingotes.
Utilidad de las gráficas: Las gráfica" de la distribución de frecuencias

absolutas y de la distribución de frecuencias relativas son útiles porque
ponen en relieve y aclaran las tendencias que no se captan fácilmente en
las tablas. Atraen la atención del lector sobre las tendencias de los datos.
Nos permiten estimar algunos valores con una simple ojeada y nos
brindan una verificación gráfica de la veracidad de nuestras soluciones.

97
Polígonos de frecuencias
Los polígonos de frecuencias absolutas o relativas, se obtienen uniendo

los puntos medios de las bases superiores de los rectángulos en el
histograma de frecuencias" absolutas o relativas, respectivamente. Así las
figuras 4 y 5 serían los polígonos de frecuencias absolutas y relativas para
la distribución de los pesos de lingotes de acero del ejemplo 1.
ni
20
15
10
0
91.5 92.5 93.5 94.5 95.5 96.5 yí
Fig. 4. Polígono de frecuenias absolutas de los pesos de 50 lingotes de acero
Si comparamos estas figuras con las figuras 2 y 3, vemos que se han

agregado un intervalo de clase de cero observaciones en cada extremo de
la distribución, lo cual permite al polígono alcanzar el eje horizontal en
ambos extremos.
hi
0.40
0.30
0.20
0.10
0
91.5 92.5 93.5 94.5 95.5 96.5 yí
Fig. 5 Polígono de frecuencias relativas de los pesos de 50 lingotes de acero.
Podría demostrarse que el área encerrada por los rectángulos del

histograma coincide con la encerrada por el polígono de frecuencias.
Por tanto no habría diferencia entre ambos gráficos.
Sin embargo, cuando se quiere presentar más de una serie estadística en

el mismo gráfico con fines comparativos, deben utilizarse los poligonos de
frecuencias.

98
Polígonos de frecuencias acumuladas ojivas
Una ojiva es la representación gráfica de una distribución de frecuencias

absolutas acumuladas o las frecuencias relativas acumuladas.
OJIVA ''MENOR QUE": Es la representación gráfica de una distribución

de frecuencias absolutas acumuladas "menor que" o las frecuencias
relativas acumuladas "menor que". Se construyen de la siguiente manera:
1. Se llevan sobre un eje horizontal los límites de los intervalos de clase

y0, y1,…ym
2. Se levantan sobre el extremo superior de cada clase un segmento cuya

longitud - coincida con la frecuencia absoluta acumulada o con la
frecuencia relativa acumulada de dicha clase, según estemos
considerando una ojiva de frecuencias absolutas acumuladas o una
ojiva de frecuencias relativas acumuladas.
3. Luego se unen con segmentos de rectas los extremos superiores de

dichos segmentos verticales.
Ejemplo 2: Construir la ojiva "menor que" de frecuencias absolutas

acumuladas y de frecuencias relativas acumuladas para la distribución de
los pesos de lingotes de acero del ejemplo 1.
Solución: Escribimos las tablas de distribución de frecuencias absolutas
acumuladas y frecuencias relativas acumuladas de la siguiente manera:
Frecuencia Frecuencia
Pesos (en Kg)
absoluta relativa
intervalo de clase
acumulada Ni acumulada Hi Luego, siguiendo las pautas
Menor que 91.5 0 0.00 dadas, se construye las
Menor que 92.5 4 0.08 ojivas “menor que”, Figuras
Menor que 93.5 15 0.30
Menor que 94.5 35 0.70 6 y 7.
Menor que 95.5 44 0.88
Menor que 96.5 50 1.00
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

99
Nota: Ojiva porcentual
Si en una ojiva de frecuencias relativas acumuladas se cambia en el eje

vertical la escala de frecuencias relativas acumuladas por la porcentual,
se obtiene la ojiva porcentual.
Observe que la ojiva "menor" que" es siempre creciente u horizontal.
OJIVA "MAYOR O IGUAL QUE"; Es la representación gráfica de una

distribución de frecuencias absolutas acumuladas; "mayor o igual que" o
las frecuencias relativas acumuladas "mayor o igual que". Se construye
completamente similar a la ojiva menor que.
Hi
1
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
Ejemplo 3: Construir la ojiva mayor igual que, de las frecuencias

absolutas acumuladas y frecuencias relativas acumuladas para la
distribución de pesos de lingotes de acero del ejemplo 1.
Solución: las tablas de distribución de frecuencias mayor o igual que se

escribe:
Peso (en Kg)
N*i H*i
intervalo de clase
Luego, siguiendo el mismo proceso
Mayor o igual que 91.5 50 1.00
Mayor o igual que 92.5 46 0.92 de las ojivas menor que, se
Mayor o igual que 93.5 35 0.70 construyen las ojivas mayor o igual
que. (Figs. 8 y 9)
Observe que la ojiva "mayor o igual que" es siempre decreciente u

horizontal.
La ventaja principal de la ojiva es la facilidad con la cual se puede

interpolar linealmente entre dos puntos trazados. Por ejemplo, el
investigador podría estar interesado en el porcentaje de lingote s de acero
que pesan menos de un valor específico, digamos 95.1 kg (es decir,
conocida la abscisa, hallar la ordenada).

100
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).
Si por el contrario, el investigador quiere saber por debajo de que valor

está situado un cierto porcentaje específico de la distribución de
observaciones, (es decir ordenada conocida, hallar la abscisa). Por
ejemplo, si se quiere saber por debajo de qué valor está el 25% de los
pesos de los lingotes de acero.
MECÁNICA DE PRODUCCIÓN 9/113 99/147

101
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
Fig. 10 Gráfica de ambas ojivas la “menor que” y la “mayor o igual que”
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.
Una conclusión importante que se extrae del gráfico de ambas ojivas

(Fig. 10) es que éstas se intersectan en un punto "M" que corresponde al
50% de las observaciones. Para nuestro ejemplo este punto es
aproximadamente 94 Kg.
Ejemplo 4: La revista económica "Perú en cifras" ha recabado los
siguientes datos en una muestra de 130 vendedores que representan los
ingresos anuales totales por concepto de comisión:
<Utilidades (en S)] Frecuencia a. Construya un histograma de frecuencias
5 000 o menos 5 con estos datos.
5 000 - 10 000 9
10 000 - 15 000 11 b. ¿Qué observa en el histograma respecto
15 000 - 20 000 33 a los datos que no captó de inmediato en
20 000 - 30 000 37
30 000 - 40 000 19 la distribución de frecuencias?
40 000 - 50 000 9 c. Construya una ojiva que le ayude a
más de 50 000 7
contestar las siguientes preguntas:
I. ¿Aproximadamente qué proporción de los vendedores gana más de $
25000?
Ii. ¿Aproximadamente cuánto gana el vendedor "medio" de la muestra?
Iii. ¿Aproximadamente cuánto podría ganar al año un agente de bienes

raíces cuyo rendimiento fuera 25% del nivel máximo?
Solución:
a. Los intervalos de clases tienen amplitudes diferentes. Entonces para

graficar el histograma, primero estandarizamos la amplitud, tomando
como unidad c = 5 000 = unidad. En la tabla siguiente se puede
observar los cálculos.

102
< utilidades (en S) ] Frecuencia Amplitud de Amplitud Altura =

ni clase estandarizado ni ci
ci c = 5000 = unidad
estandar
5 000 o menos 5 --- --- ---
5 000 - 10 000 9 5 000 1 9
10 000 - 15 000 11 5 000 1 11
15 000 - 20 000 33 5 000 1 33
20 000 - 30 000 37 10 000 2 18.5
30 000 - 40 000 19 10 000 2 9.5
40 000 - 50 000 9 10 000 2 4.5
más de 50 000 7 --- --- ---
Note que los extremos son intervalos abiertos. No se conoce su amplitud;

por tanto, no se puede estandarizar, tampoco graficar dichos intervalos.
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)
Fig. 11 Histograma de frecuencia absoluta de las utilidades de 130 vendedores
b. El extremo inferior de la distribución es más plano que el superior.
c. Construiremos la ojiva de frecuencias relativas acumuladas “menor

que”.
Frecuencia (hi ) Frecuencia relativa

Ingresos (en S) ni
relativa acumulada Hi
< 5 000 5 0.038 0.038

5 000 - 10 000 9 0.069 0.107
10 000 - 15 000 11 0.085 0.192
15 000 - 20 000 33 0.254 0.446
20 000 - 30 000 37 0.285 0.731
30 000 - 40 000 19 0.146 0.877
40 000 - 50 000 9 0.069 0.946
< 50 000 7 0.054 1.000
TOTAL 130 1.000

103
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.
Esta solución como sabemos se puede hacer también por el método de

interpolación lineal. En este método se supone que las frecuencias
dentro de todo intervalo están uniformemente distribuidas. Y se pueden
utilizar indiferentemente las frecuencias absolutas o las relativas.
1.0
FRECUENCIA RELATIVA ACUMULADA

0.9
0.8
0.7
0.6
0.5
0.4
0.3
0.2
0.1
0
5 10 15 20 30 40 50 ingreso
25 (en miles de S)
Fig. 12 Ojiva de frecuencia relativa acumulada “menor que”
1. utilizando frecuencias absolutas.
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
2. Utilizando frecuencias relativas:

25
}
20 30 40 50
}
}
}
}
28.5% 14.6% 6.9% 5.4%

104
(30 - 25) 28.5%

P= + 14.6% + 6.9% + 5.4%
10
= 14.25% + 14.6% + 6.9% + 5.4% = 41.15%
La diferencia es por los redondeos
ii. Al vendedor medio le corresponderá el 50% de la frecuencia.
El valor aproximado que corresponde es $ 22 000
iii. El 25% del nivel superior, implica el 75% inferior, al actual le

corresponde aproximadamente $ 31 000
Gráficas de línea
Gráficas de líneas son aquellas que se representan en unos ejes de

coordenadas cartesianas mediante una línea recta o quebrada, ya que los
valores de las variables estadísticas serán aislados, tanto en el caso de
variables discretas como en el de las continuas, porque el dominio se
divide en clases y se elige una marca de clase.
Los polígonos de frecuencias y las ojivas son ejemplos de gráfica de línea.

Estos gráficos se utilizan también para representar series cronológicas o
sea de distribuciones analizadas a través del tiempo.
En las series cronológicas el tiempo (años, meses, días, etc.) se ubica en

el eje horizontal, llamada escala cronológica. En el eje vertical, llamada
escala numérica o de valores, se representa el valor de los datos. Ambas
escalas son independientes.
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

105
Nota: La gráfica de una distribución simétrica se le puede doblar a lo largo

de un eje vertical de manera que coincidan los dos lados. Una distribución
cuya gráfica no tiene esta característica se le conoce como sesgada. Se
dice que la distribución que se ilustra en la Fig. 14 está sesgada a la
derecha, porque tiene una cola prolongada aliado derecho y una cola
mucho más corta al lado izquierdo. En la Fig. 15 se observa que la
distribución es simétrica, mientras que la Fig. 16 está sesgada a la
izquierda.
Fig. 14 Distribución sesgada a la derecha
Fig. 15 Distribución simétrica
Fig. 16 Distribución sesgada a la izquierda

106
PRÁCTICA Nº 5
1. Establezca la veracidad o falsedad de cada una de las proposiciones

siguientes. Reemplace cada enunciado falso por la proposición
verdadera correspondiente.
a. La escala vertical de una ojiva para una distribución de frecuencia

relativa, marca la fracción del número total de observaciones que
caen dentro de cada clase.
b. El histograma es una serie de rectángulos, cada uno de ancho

proporcional al número de elementos que caen dentro de una clase
particular de datos.
c. La ojiva "mayor o igual que" tiene la forma S y pendiente negativa.
d. Una ventaja del histograma frente a un polígono de frecuencias

consiste en que muestra con mayor claridad cada clase individual en
la distribución.
2. ¿Cuál de los siguientes enunciados sobre los rectángulos del

histograma es correcto?
a. Los rectángulos son de altura proporcional al número de elementos

que caen dentro de las clases.
b. Generalmente hay 5 rectángulos en cada histograma.
c. El área de un rectángulo depende del número de elementos de la
clase en comparación con el número de los que hay en el resto de las
clases.
d. Todos los anteriores.
e. a y c pero no b.
3. En la oficina de el diario El Peruano, el tiempo que se tarda en imprimir

la primera plana fue registrado durante 50 días. A continuación se
transcriben los datos, aproximados a décimas de minuto:
20.1 20.8 22.8 21.9 22.0 20.7 20.9 25.0 22.2 22.8
19.5 25.3 20.7 22.5 21.2 23.8 23.3 20.9 22.9 23.5
21.8 23.7 20.3 23.6 19.0 25.1 25.0 19.5 24.1 24.2
23.9 21.3 21.5 23.1 19.9 24.2 24.1 19.8 23.9 22.8
22.7 19.7 24.2 23.8 20.7 23.8 24.3 21.1 20.9 21.6
a. Construya con los datos una distribución de frecuencia y una

distribución de frecuencia acumulativa "menor que", usando intervalos
de 0.8 minutos.
b. Construya con los datos un polígono de frecuencias.
c. Construya con los datos una ojiva de frecuencia "menor que".
d. Por medio de la ojiva estime qué porcentaje de las veces la primera

plana del periódico puede imprimirse en menos de 24 minutos.

107
4. La siguiente distribución de las edades de las personas hospitalizadas

en una sala de cirugía. Dibuje el histograma y el polígono
correspondiente.
Intervalo (edad en años) Frecuencia
27 - 32 2
32 - 37 5
37 - 47 6
47 - 62 3
Total 16
5. Para la siguiente distribución Años Mortalidad (%)

de las tasas de mortalidad 0 - 0.20 50.0
infantil, dibujar su histograma 0.20 - 0.50 30.0
y el polígono de frecuencias. 0.50 - 1.00 12.0
1.00 - 2.00 05.0
2.00 - 3.00 03.0
6. El siguiente histograma fue el resultado de un estudio realizado en una

escuela de mecánica automotriz, sobre el tiempo de reparación de un
motor.
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
a. ¿Cuántas reparaciones se incluye en este estudio?
b. ¿Cuántas reparaciones se terminaron en un tiempo mayor de 11.5

horas?
¿Qué porcentaje de las reparaciones se hicieron en un tiempo mayor
de 11.5 horas?
c. ¿Qué porcentaje de las reparaciones se terminaron en un período de

tiempo entre 7.5 y 11.5 horas?
7. El histograma que se muestra a continuación, representa las estaturas

(en centímetro) de los niños integrantes del equipo de atletismo 8 de un
colegio de primaria.

108
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
8. Se han medido mediante pruebas adecuadas los coeficientes

intelectuales de un grupo de 80 estudiantes, viniendo los resultados
agrupados en 6 intervalos de amplitud variable. Si estas amplitudes
son: c1 = 4, c2 = 12, c3 = 4, c4 = 12, C5 = 8, c6 = 20. Si las frecuencias
relativas acumuladas son: H1 = 0.20, H2 = 0.20, H3 = 0.50, H4 = 0.70,
H5 = 0.85.
a. Construir la tabla de distribución de frecuencias absolutas (relativas,

absolutas acumuladas y relativas acumuladas), si el límite inferior de
la primera clase es 80.
b. Dibujar un Histograma de frecuencias.
c. Dibujar una ojiva "mayor o igual que" y "menor que".
d. Determine el punto de intersección de las ojivas.
9. De un hospital de infantes se tiene el siguiente informe de atención por

día: hasta de 2 meses de edad, 40 niños; de 2 a 6 meses, 60 niños, de 6
a 1 año, 60 niños; de 1 a 2 años, 96 niños y de 2 a 3 años, 72 niños.
Represente esta distribución en un histograma de frecuencias y dibuje
el polígono de frecuencias.
10. Elabore un gráfico de barras en el que figuran los seis países

2
americanos de mayor área: Brasil, 8511 965 Km , Canadá, 9976137
Km2, Estados Unidos, 9363498 Km2, Argentina, 2776889 Km2, México,
2 2
1958201 Km , Perú, 1285215 Km .
11. Muestre en un diagrama de barras las ventas y los costos de un

almacén que en los últimos tres años tiene las siguientes cifras
informadas por el Departamento de Contabilidad:
Costos en almacén
Año Venta
de mercancía vendida
1988 S/. 58 6474 36 3252
1989 47 6892 33 5817
1990 59 9886 37 2338

109
12. Muestre en un pictograma los habitantes (en miles) de cinco ciudades

(A, B, C, D y E) que en 1988 fueron: A 350 D 400
B 500 E 250
C 600
13. Representar mediante diagramas de barras múltiples los datos del
siguiente cuadro:
PERÚ: DELITOS ECONÓMICOS REGISTRADOS POR LA POLICIA
DE INVESTIGACIONES: 1986 - 1988
DELITOS ECONÓMICOS
TOTAL
ADULTE- ACAPARA- ESPECULA- OTROS
RACIÓN MIENTO CION
1986 1945 230 614 457 644

1987 3616 236 480 1290 1610
1988 13582 2708 3149 4025 3700
Fuente: Ministerio del Interior - Dirección Estadística

14. Representar mediante un diagrama de barras múltiples los datos del
siguiente cuadro:
PERÚ: PRESTACIONES DE SERVICIOS DEL INSTITUTO PERUANO
DE SEGURIDAD SOCIAL POR TIPO DE ACTIVIDAD: 1987 - 89
(EN MILES)
TIPO DE ACTIVIDAD
AÑO ATENCIÓN ATENCIÓN
MÉDICA ODONTOL. VACUNAS PARTOS HOSPITALES
(CONSULTA) (SESIÓN) (DOSIS) (PARTOS) EGRESO DIAS
1987 7110 950 278 46 183 2134

1988 8641 1253 330 52 212 1956
1989 8154 1373 518 59 197 1675
Fuente: INSTITUTO PERUANO DE SEGURIDAD SOCIAL - Dirección Estadística
15. Representar mediante un diagrama de barras compuestas o

proporcionales la producción de arroz, algodón y la producción total
del cuadro siguiente.
PERÚ: SUPERFICIE AVIADA DE CULTIVOS CON PRÉSTAMOS APROBADOS POR EL BANCO
AGRARIO CON RECURSOS PROPIOS: 1970 - 88 (Has)
SUPERFICIE AVIADA CON PRÉSTAMO DEL BANCO AGRARIO
Años Total Algodón Arroz Café Caña de Frijol Maíz 1/ Papa Sorgo 2/ Trigo Otros
azúcar
1980 528707 139524 130156 49939 8183 13549 68591 38776 21167 4300 54522
1981 565516 119133 162598 35577 11484 18357 84889 50053 15317 3364 64726
1982 548337 105138 159291 36883 35002 13569 79303 38899 15347 1787 63118
1983 462149 74478 165060 37276 5104 4929 61965 46024 13266 805 53242
1984 600790 111302 197488 40888 7178 11472 82738 59494 15562 1512 73156
1985 681457 184041 182277 49328 9700 10442 78653 61986 4477 9340 91213
1986 1039798 109388 209038 92202 18348 24904 212831 152766 7052 23557 189712
1987 1056549 108010 217726 62216 5549 16048 220529 166417 8144 22171 229739
1988 945752 134145 174438 70669 4908 13178 185559 131798 10827 22047 198183
Nota: En el año 1988, se considera la Cuenta Ajena.

1/ MAIZ: Amarillo, amiláceo, chala y choclo.
2/ SORGO: Grano y escobera.
FUENTE: BANCO AGRARIO DEL PERU - Oficina de Planificaci6n y Estudios Económicos.

110
16.Representar mediante un diagrama de sectores los datos del siguiente

informe. En una industria el informe de contabilidad muestra que la
producción fue de S/. 62600 y los gastos así: de administración
S/.11160, de materiales y energéticos S/. 15650, salarios y
prestaciones S/.18780.
17.Represente mediante un diagrama de sectores (gráfico circular) para

cada año los datos del siguiente cuadro.
EXPORTACIONES FOB POR GRUPO DE PRODUCTOS
(Millones de US dólares)
1984 1985 1986
I Productos Tradicionales
Mineros 1368 1205 1023
Petróleo y derivados 618 645 236
Agrícolas 198 225 333
Pesqueros 137 118 204
Otros tradicionales 100 71 65
II Productos No Tradicionales 726 714 648
Total 3147 2978 2509
Fuente: Banco Central de Reserva del Perú
18. Los beneficios de la empresa ROS, S.A. (en miles de soles) han sido:
1980 200 1986 425
1981 250 1987 400
1982 250 1988 400
1983 300 1989 300
1984 350 1990 350
1985 400 1991 400
representar en un gráfico de líneas estos datos.
19. Si ud. es publicista y tiene que presentar gráficamente los siguientes
datos relativos a tres academias de preparación en el Examen de
Admisión:
ACADEMIA Nº INGRESANTES Nº NO INGRESANTES

A 300 1200
B 600 1800
C 100 400
a. ¿Cómo representaría gráficamente de modo que se viera el "tamaño de
la academia y el resultado en Admisión"?
b. ¿Qué representación gráfica es más adecuada para comparar el "grado
de éxito" de las academias?
20. En una empresa industrial la nómina de pago por estamentos en cierto

mes fue así: personal de administración, $ 423 380; personal de
ventas, $ 560325; personal de producción, $ 2360420. Elabore un
cuadro que destaque:
1.El porcentaje de cada estamento con base en el total de la nómina,
2.El porcentaje de la nómina de pago de cada estamento y del total con

base en el total de ventas que fue de $ 12885518.

111
DISTRIBUCIÓN NORMAL
1. Concepto:
Esta distribución es frecuentemente utilizada en las aplicaciones

estadísticas. Su propio nombre indica su extendida utilización,
justificada por la frecuencia o normalidad con la que ciertos fenómenos
tienden a parecerse en su comportamiento a esta distribución,
Muchas variables aleatorias continuas presentan una función de

densidad cuya gráfica tiene forma de campana.
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.
• Caracteres morfológicos de individuos (personas, animales,

plantas,...) de una especie, p. ejm. Tallas, pesos, envergaduras,
diámetros, perímetros...
• Caracteres fisiológicos, por ejemplo; efecto de una misma dosis de un

fármaco, o de una misma cantidad de abono.
• Caracteres sociológicos, por ejemplo: consumo de cierto producto

por un mismo grupo de individuos, puntuaciones de examen.
• Caracteres psicológicos, por ejemplo: cociente intelectual, grado de

adaptación a un medio......
• Errores cometidos al medir ciertas magnitudes.
• Valores estadísticos maestrales, por ejemplo: la media.
• Otras distribuciones como la binomial o la de Poisson son

aproximaciones normales...
Y en general cualquier característica que se obtenga como suma de

muchos factores.

112
3. Función de Densidad
Empleando cálculos bastante laboriosos, puede demostrarse que el

modelo de la función de densidad que corresponde a tales
distribuciones viene dado por la fórmula.
Función de Densidad Representación gráfica de esta función de densidad
(x - m)2 f(x)
1 -
2s2
f(x) = e
s 2p
Campana de Gauss
m = media p = 3.1415
s = desv. típica e = 2,7182...
s2 = varianza x = abscisa
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
• Puede tomar cualquier valor (- , + )

• Son más probables los valores cercanos a uno central que llamamos
media
• Conforme nos separamos de ese valor, la probabilidad va
decreciendo de igual forma a derecha e izquierda (es simétrica).
• Conforme nos separamos de ese valor, la probabilidad va
decreciendo de forma más o menos rápida dependiendo de un
parámetro, que es la desviación típica.
F(x) es el área sombreada de esta gráfica
Función de Distribución
f(x)
(x - m)2
x -
1 2s2
F(x) = ò
-¥ s 2p
e dx
F (x)
F(x) = P(X £ x)
U Xi X

113
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
Siendo la representación gráfica de esta función.

0,4 f(z)
0,3
0,2
F(z) 0,1 1-F(z)
-1.5 1.5
-1 -0,5 00 0,5 1
-s m Z1 +s 2
a la variable Z se la denomina variable tipificada de X, y a la curva de su

función de densidad curva normal tipificada.
Característica de la distribución normal tipificada (reducida,

estándar)
• No depende de ningún parámetro

• Su media es 0, su varianza es 1 y su desviación típica es 1.
• La curva f(x) es simétrica respecto del eje OY
• Tiene un máximo en este eje
• Tiene dos puntos de inflexión en z =1 y z = -1
Aproximación de la Binomial por la Normal (Teorema de De Moivre):
Demostró que bajo determinadas condiciones (para n grande y tanto p

como q no estén próximos a cero) la distribución Binomial B(n, p) se puede
aproximar mediante una distribución normal.
N (np, npq)
y, por tanto, la variable
X - np Teorema de
Z= npq es N(0,1)
De Moivre

114
Debemos tener en cuenta que cuanto mayor sea el valor de n, y cuanto

más próximo sea p a 0.5, tanto mejor será la aproximación realizada. Es
decir, basta con que se verifique.
np ³ 5 y nq ³ 5
gracias a esta aproximación es fácil hallar probabilidades binomiales, que
para valores grandes de n resulten muy laboriosos de calcular.
Hay que tener en cuenta que para realizar correctamente esta

transformación de una variable discreta (binomial) en una variable
continua (normal) es necesario hacer una corrección de continuidad.
P(X = a) = P(a - 0.5 £ X £ a + 0.5)
P(X < a) = P( X £ a - 0.5) P(X £ a) = P( X £ a + 0.5)
a a
P(a £ X £ b) = P( a - 0.5 £ X £ b + 0.5) P(a < X < b) = P( a + 0.5 £ X £ b - 0.5)
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
6. Manejo de tablas, casos más frecuentes
La distribución de la variable Z se encuentra tabulada

115
P (Z £ a) Tablas
0 a
P (Z > a) = 1 - P (Z £ a)
0 a
P (Z £ -a) = 1 - P (Z £ a)
-a 0
P (-a < Z £ b) = P (Z £ b) - [1-P(Z £ a)]
-a 0 b

116
P (-a < Z £ b) = P (Z £ b) - P(Z £ a)
0 a b
P (-bZ > a) = 1 - P (Z £ a)
-b -a 0
Ejemplo:
Consideremos que el peso de los niños varones españoles en el momento

del nacimiento se distribuye normalmente. Si sabemos que el peso medio
en el momento de nacer son 3,25 kgs y la desviación típica es de 0,82 kgs,
¿Cúal es la probabilidad de que el peso de un niño varón al nacer sea
superior a 4 kgs?
Tipificamos la variable aleatoria x, peso de los niños al nacer. En el

proceso de tipificación, al valor de x=4, le corresponde el valor, t=0,9146 :
En la tabla de la distribución normal tipificada, buscamos el valor de a

correspondiente al valor de t=0,9146; la probabilidad de t > 0,9146 es,
según se puede apreciar en la figura: a/2. Luego:
0,36 = 0,18
p (x > 4) = p (t > 0,9146) =
2
La curva tipificada
-1 0 1

117
+ 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
La tabla que antecede muestra los valores calculados para:

z2
+¥ -2
1
ò
z 2p
e dz = A
La tabla anterior se calculó por medio de la siguiente expresión

A = m0(t50b5 - t40b4 + t30b3 - t20b2 + t0 + b1)
Donde:
z2 1
m0 = 0.39894228 * 2.71828183 - to = z
2 1 + p0
P0 = 0.23164190 b2 = 0.35656378 b4 = 1.82125598

b1 = 0.31938153 b3 = 1.78147794 b5 = 1.33027443
(esto vale para los Z no negativos)
Como ejemplo calcularemos el área bajo la curva desde 0.98 hasta

infinito.

118
DIAGRAMA CAUSA - EFECTO
Concepto:
El diagrama causa-efecto es una forma de organizar y representar las

diferentes teorías propuestas sobre las causas de un problema. Se
conoce también como diagrama de Ishikawa o diagrama de espina de
pescado y se utiliza en las fases de Diagnóstico y Solución de la causa.
Cómo interpretar un diagrama de causa-efecto:
El diagrama causa-efecto es un vehículo para ordenar, de forma muy

concentrada, todas las causas que supuestamente pueden contribuir a un
determinado efecto. Nos permite, por tanto, lograr un conocimiento común
de un problema complejo, sin ser nunca sustitutivo de los datos. Es
importante ser conscientes de que los diagramas de causa-efecto
presentan y organizan teorías. Sólo cuando estas teorías son
contrastadas con datos podemos probar las causas de los fenómenos
observables.
Errores comunes son construir el diagrama antes de analizar globalmente

los síntomas, limitar las teorías propuestas enmascarando
involuntariamente la causa raíz, o cometer errores tanto en la relación
causal como en el orden de las teorías, suponiendo un gasto de tiempo
importante.
Ejemplos de causa-efecto
A continuación veremos como el valor de una característica de calidad

depende de una combinación de variables y factores que condicionan el
proceso productivo (entre otros procesos). Vamos a utilizar el ejemplo de
fabricación de mayonesa para explicar los Diagramas de Causa-Efecto:
Métodos de
trabajo Medición
Máquinas y
Equipos Características
de Calidad
Materias
Personas
Primas
La variabilidad de las características de calidad es un efecto observado

que tiene múltiples causas. Cuando ocurre algún problema con la calidad
del producto, debemos investigar para identificar las causas del mismo.
Para hacer un Diagrama de Causa-Efecto seguimos estos pasos:

119
Las Siete Herramientas de la Calidad

H1 - Diagramas de Causa-Efecto
Hemos visto en la introducción como el valor de una característica de

calidad depende de una combinación de variables y factores que
condicionan el proceso productivo. Vamos a continuar con el ejemplo de
fabricación de mayonesa para explicar los Diagramas de Causa-Efecto:
Métodos de
trabajo Medición
Máquinas y
Equipos Características
de Calidad
Materias
Personas
Primas
La variabilidad de las características de calidad es un efecto observado

que tiene múltiples causas. Cuando ocurre algún problema con la calidad
del producto, debemos investigar para identificar las causas del mismo.
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.
Para hacer un Diagrama de Causa-Efecto seguimos estos pasos:
1. Decidimos cual va a ser la característica de calidad que vamos a

analizar. Por ejemplo, en el caso de la mayonesa podría ser el peso del
frasco lleno, la densidad del producto, el porcentaje de aceite, etc.
Trazamos una flecha gruesa que representa el proceso y a la derecha

escribimos la característica de calidad:
Característica
de Calidad
2. Indicamos los factores causales más importantes y generales que

puedan generar la fluctuación de la característica de calidad, trazando
flechas secundarias hacia la principal. Por ejemplo, Materias Primas,
Equipos, Operarios, Método de Medición, etc.

120
Máquinas y
Equipos Medición
Característica
de calidad
Personas Materias
Primas
3. Incorporamos en cada rama factores más detallados que se puedan

considerar causas de fluctuación. Para hacer esto, podemos
formulamos estas preguntas:
a. ¿Por qué hay fluctuación o dispersión en los valores de la

característica de calidad? Por la fluctuación de las Materias Primas.
Se anota Materias Primas como una de las ramas principales.
b. ¿Qué Materias Primas producen fluctuación o dispersión en los

valores de la característica de calidad? Aceite, Huevos, sal, otros
condimentos. Se agrega Aceite como rama menor de la rama
principal Materias Primas.
c. ¿Por qué hay fluctuación o dispersión en el aceite? Por la fluctuación

de la cantidad agregada a la mezcla. Agregamos a Aceite la rama
más pequeña Cantidad.
d. ¿Por qué hay variación en la cantidad agregada de aceite? Por

funcionamiento irregular de la balanza. Se registra la rama Balanza.
e. ¿Por qué la balanza funciona en forma irregular? Por que necesita

mantenimiento. En la rama Balanza colocamos la rama
Mantenimiento.
Así seguimos ampliando el Diagrama de Causa-Efecto hasta que

contenga todas las causas posibles de dispersión.
4. Finalmente verificamos que todos los factores que puedan causar

dispersión hayan sido incorporados al diagrama. Las relaciones
Causa-Efecto deben quedar claramente establecidas y en ese caso, el
diagrama está terminado.
Veamos un ejemplo de la Guía de Control de Calidad de Kaoru
Ishikawa, publicada por UNIPUB (N. York). Se trata de una máquina en
la cual se produce un defecto de rotación oscilante. La característica de
calidad es la oscilación de un eje durante la rotación:

121
Un diagrama de Causa-Efecto es de por si educativo, sirve para que la

gente conozca en profundidad el proceso con que trabaja, visual izando
con claridad las relaciones entre los Efectos y sus Causas.
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
Operarios Calidad del Material Flojas Ajustadas

Materiales
Calibración
Medición Picnómetro
Mezcladora
Ajuste Refrigeración Equipo de

Motor Capacitación Medición
Mante- Operador Balanza
nimiento
Agitación
Limpieza Habilidad
Características
de calidad
Proveedor A
Incentivos Composición
Cantidad
Aceite
Capacitación
Huevos
Balanza
Personas
Materias Cantidad Mantenimiento
primas

122
Ejercicio: Diagrama de Causa - Efecto
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
Categorías Categorías Categorías
Problema
Categorías Categorías Categorías

123
Materia prima Método de fabricación
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
Ejemplo de: Diagrama de Causa - Efecto
MAQUINA MANO DE OBRA

(EQUIPO) (PERSONAL)
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
MEDIO AMBIENTE MÉTODO

(POLÍTICAS) (PROCEDIMIENTO)

124
Salud Animo Entusiasmo
Orgullo
Relajamiento Espíritu de lucha
Descanso Nutrición Calorías Paciencia

Devoción
Diversión Comida Cuidado
Calma
Tiempo
Cantidad
MECÁNICA DE PRODUCCIÓN
Concentración
Compostura
Dormir
Qué tan bien Confianza

Derrota en
un torneo
Potencia deportivo
Información Itinerario
Movimiento
Estudio
Teoría Ejercicio
125
del oponente Velocidad
Cooperación
Planeación Análisis Calidad
Cantidad
Trabajo en equipo
Reglas Observación Consejo
Juicio de la situación Función Forma
Sentido común
Experiencia en partidos Modelo
Repetición
Estrategia Técnia
123/147
Hueso grande
Hueso pequeño
Hueso mediano
Columna Característica
vertebral
Característica (efecto)
Factores (Causas)
PRÁCTICA Nº 6
Ejercicio: Diagrama de Causa - Efecto
Demora en la entrega de los resultados de los análisis en la U.M.F. # "XX".
a) La deficiencia en equipo (causa) puede ser responsable de que se

demore la entrega de resultados.
b) La demora de resultados de los análisis (efecto) se puede deber a

que no existe un plan adecuado de trabajo.
c) El desconocimiento de cómo realizar algunos cultivos (causa) puede

influir en la no entrega de resultados de análisis.
d) La demora en la entrega de resultados de análisis (efecto) es debido

a no considerar el periodo necesario para su realización (causa).

126
DIAGRAMA DE DISPERSIÓN
La investigación de una relación entre dos variables, comienza con un

intento de descubrir la forma aproximada de la relación, para lo cual se
representan los datos observados en un sistema de coordenadas.
Esta gráfica recibe el nombre de diagrama de dispersión, el cual muestra

la ubicación de los valores o puntos (xi, yj) de la variable bidimensional
(x, y), en un sistema de coordenadas rectangulares.
En la gráfica se puede observar si existe o no una relación acentuada

entre las variables x e y, y se puede ver que forma tiene: lineal u otra.
Ejemplo 1: A continuación se presentan los pesos (x) y la estatura (y) de

12 estudiantes. Trace el 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
Solución: El diagrama de dispersión correspondiente se muestra en la

Figura 1
y
179
160
152
149 150
147 145
140
128
125
118
115
36 38 42 47 49 55 56 60 61 63 72 X
Si observamos la posición de los puntos de este diagrama de dispersión,

se evidencia que hay una dependencia lineal entre los valores de las
variables x e y, pues a medida que aumenta los pesos, aumenta la
estatura.

127
CORRELACIÓN LINEAL
Hemos dicho que la covarianza mide la relación lineal entre x e y. Para

ilustrarlo, dibujamos en los ejes coordenadas los diagramas de
dispersión, de la Fig. 1.
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.
Cuando x e y varían conjuntamente de forma lineal, como indican las

figuras (a) y (c), la covarianza será alta. Por ejemplo, en el caso (a) la
mayoría de los puntos xi - x e yi - y estarán en el primer cuadrante y tercer
cuadrante (definidos por x e y), contribuyendo positivamente a la suma. En
el caso (c), la mayoría de los puntos xi - x e yi - y estarán en el segundo y
cuarto cuadrante, por tanto serán negativos, obteniendo una suma de alta
magnitud y negativa en la fórmula de la covarianza.
Por el contrario, cuando no existe relación, caso (b), o existe relación no

lineal, caso (d), la varianza ser será pequeña, al estar los puntos
repartidos por los cuatro cuadrantes definidos por x e y.
El inconveniente de la covarianza como medida de asociación lineal es su

dependencia de las unidades de medida de las variables.
En consecuencia, para construir una medida adimensional, tendremos

que dividir la covarianza por un término con sus mismas dimensiones. Si
se divide por el producto de sus desviaciones típicas se define el
coeficiente de correlación entre dos variables.

128
Definición 1: El coeficiente de correlación (o índice de correlación lineal

de Pearson) entre dos variables x e y se define por:
Cov (x, y)
R=
Sx Sy
donde Sx y Sy son las desviaciones típicas de x y de y respectivamente.
Se demuestra que el coeficiente de correlación cumple:
1. Si se multiplica x por k1, e y por k2, el coeficiente de correlación no varía.
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).
3. Si no existe relación lineal exacta: -1 < r < 1, el cual representa el grado

de asociación.
4. r = 0, cuando no hay ninguna correlación lineal entre x e y
Ejemplo 1: Dos jueces x e y de un concurso asignaron separadamente a

los 10 finalistas del concurso las siguientes puntuaciones.
X 3 10 9 1 2 4 6 5 8 7
y 10 8 10 4 1 2 5 6 7 9
1. Hallar la covarianza dada por los jueces bajo el supuesto de que
emitieran su juicio con absoluta independencia indicando así el signo
de la dependencia.
2. El coeficiente de correlación.
Solución 1. En este caso la covarianza está dado por

S ( xi - x ) ( yi - y ) S (xi - yi)
Cov (x, y) = n = -xy
n
En la Tabla 1 se calculan todos los valores que necesitamos.
2 2
xi yi xiyi xi yi
3 3 9 9 9 55
10 8 80 100 64
x= = 5.5
10
9 10 90 81 100
55
1 4 4 1 16 y= = 5.5
2 1 2 4 1
10
4 2 8 16 4 372 - (5.5) (5.5)
Cov (x, y) =
6 5 30 36 25 10
5 6 30 25 36 = 37.2 - 30.25
8 7 56 64 49
= 6.95
7 9 63 49 81
55 55 372 385 385
Este valor indica una dependencia positiva directa, ya que la

covarianza nos da también el signo de la relación.

129
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
correlación con alto grado de asociación, ya que r varía de -1 a + l.
Para ver el grado de dependencia debemos considerar

2 2 2 2
r : r = (0.84) = 0.7056 (r es llamado coeficiente de determinación) esto
indica que el 70.56% de la variación de y viene explicado por la variable x.
Interpretación errónea de los coeflcientes de correlación
En ocasiones el coeficiente de correlación se interpreta erróneamente

como un porcentaje. Si r = 0.7, será incorrecto afirmar que el 70% de las
variaciones de y viene explicado por la variable x. Para una interpretación
correcta deberá considerarse r2. Así para r = 0.7 ,será r2 = 0.49, sólo el 49%
de la variación de y es explicada por la variable x.
COEFICIENTES DE CORRELACIÓN
Coeficiente de correlación por rangos de SPEARMAN
Este coeficiente de correlación se utiliza cuando una o ambas variables

son ordinales, es decir que los elementos de una de las series o de ambas
son posiciones de orden.
Para definir este coeficiente de correlación se considera los rangos de

cada variable; o sea, los números de orden de las observaciones cuando
se ordenan de manera creciente o decreciente. Si existen dos o más
valores iguales de la variable, los rangos de cada uno de éstos son iguales
al promedio de los rangos que les correspondería en el caso de que fueran
diferentes consecutivos.
El coeficiente de correlación por rangos "rs" se calcula por la fórmula:
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)
Si una de las variables no es ordinal, se asigna rango a las puntuaciones.

La interpretación del coeficiente de correlación por rangos de Spearman
es la misma que la del coeficiente de correlación de Pearson.

130
Ejemplo 2: La Tabla adjunta muestra la altura de un padre y un hijo (en

pulgadas). Hallar el coeficiente de correlación de Spearman.
Solución: Las estaturas de los padres y los hijos, así como los rangos
correspondientes de las ordenaciones en forma descendente aparecen
en la tabla.
x y Los rangos de los valores

padre hijo Rx Ry di d2i
iguales se calculan así:
65 68 9 6.5 2.5 6.25 para x:
63 66 11 10.5 0.5 0.25
67 68 7.5 6.5 1 1 5 + 6 11
64 65 10 12 -2 4 = = 5.5
2 2
68 69 5.5 4 1.5 2.25
62 66 12 10.5 1.5 2.25 7 + 8 15
= = 7.5
71 68 2 6.5 -4.5 20.25 2 2
76 75 1 1 0 0
68 71 5.5 2 3.5 12.25 para y:
67 67 7.5 9 -1.5 2.25
5 + 6 + 7 + 8 26
69 68 4 6.5 -2.5 6.25 = = 6.5
70 70 3 3 0 0 4 4
57.00 10 + 11 21
= = 10.5
2 2
La fórmula de Spearman con n = 12 es
12
2
6S
i=1
di 6 x 57
rS = 1 - 2
=1- 2 = 1 - 0.1980 = 0.802
n (n - 1) 12 (12 - 1)
Alto grado de relación.
Coeficiente de correlación “Q” de Yule.
Mide la asociación de dos variables cualitativas nominales con solo dos

categorías excluyentes: (sexo: hombre, mujer; estudia: si o no). Cuando
los valores de x e y son solamente dos, la distribución del número de
puntos puede disponerse como la tabla siguiente:
y El coeficiente de correlación entre este tipo de
0 1 Total
x variables x e y está dado por.
0 a b a+b
1 c d C+d ad - bc
Q=
Total a + c b + d ad + bc
El coeficiente Q no es aplicable cuando uno de los casilleros es cero.
Ejemplo 3: Se desea estudiar la relación que existe entre encontrar
trabajo y el conocimiento de un determinado idioma. Con tal objeto se
realizó una encuesta, la distribución de los resultados es como sigue:
Idioma El valor del coeficiente de
Encontrar trab.
Si No Total correlación de Yule es:
Si 11 7 18 11 x 10 - 7 x 4
Q=
No 4 10 14 11 x 10 + 7 x 4
Total 15 17 32
82
= = 0.594
138

131
Coeficiente de Correlación PHI Es un coeficiente para medir el grado de

asociación entre dos variables cualitativas ordinal o nominal, de solo dos
categorías. La distribución del número de puntos se dispone como en la
siguiente tabla.
y El coeficiente de correlación PHI o de puntos

0 1 Total está dado por
x
0 a b a+b ad - bc
1 c d c+d F=
Total a + c b + d n (a + b) (c + d) (a + c) (b + d)
Ejemplo 4: ver si existe relación entre actividad social y clasificación

como líder.
Activ. Social
Alta Baja Total
Calif. como líder
Favorable 86 41 127
Desfavorable 62 71 133
Total 148 112 n = 260
Solución: El coeficiente de correlación F es:
86 x 71 - 41 x 62 6106 - 252 3564

F= = =
127 x 133 x 148 x 112 279985216 16732 . 7588
= 0.213
Correlación y Causalidad
Los coeficientes de correlación son sólo medida de la covariación de las

variables.
En cuanto a la variación misma puede deberse a causas que afectan a

cada variable de una misma manera o de maneras opuestas, o bien una
de ellas es causa de la variación de la otra, o puede suceder que la
relación causal sea recíproca; todo esto es ajeno a la comprobación de la
existencia de la correlación y del valor del coeficiente de correlación.
Es fácil imaginarse al aprendiz parejas de variables que pudieran dar un

alto valor de un coeficiente de correlación y que no se deba realmente a
una estrecha relación entre ellas, sino el efecto común sobre éstas de una
tercera variable, y entonces este alto valor del coeficiente de correlación
refleja sólo ese efecto común.
En consecuencia los coeficientes de correlación se deben manejar con

mucho cuidado, ya que de no ser así, puede llevamos a conclusiones
erróneas.

132
REGRESIÓN LINEAL SIMPLE
El estudio de la asociación entre dos variables se dan en dos aspectos.

El primero se conoce como análisis de correlación, el cual se ocupa de
determinar "el grado de la relación" entre las variables.
El segundo aspecto se llama análisis de regresión que trata de

establecer la "forma de la relación entre las variables"; es decir, se estudia
la relación funcional entre las variables (y = f(x) o x = f(y)) , de modo que
podamos predecir el valor de una con base en la otra u otras.
Convencionalmente la variable o variables que son la base de la
predicción se llaman variable o variables independientes y la variable que
se va a predecir se llama variable dependiente.
La palabra regresión se usó por primera vez en este contexto por

FRANCIS GALTON (1822 - 1911) en sus estudios biológicos sobre la
herencia. En ellos se notó que las características promedio de la siguiente
generación de un grupo particular tendían a moverse en la dirección de las
características promedio de la población en general, más que hacia las de
la generación previa de ese grupo. Esta tendencia fue referida como una
regresión hacia la media de la población.
Luego, la regresión tiene dos significados: uno surge de la distribución

conjunta de probabilidad de dos variables aleatorias; el segundo empírico
y nace de la necesidad de ajustar alguna función a un conjunto de datos.
El primer significado está fuera del alcance de este texto. El segundo es

más práctico. En él, no se tienen los elementos necesarios para
determinar la curva de regresión, sin embargo, dado un conjunto de datos
puede asumirse una forma funcional para la curva de regresión y tratar de
ajustar ésta a los datos.
Asi, la regresión de la variable y en x está dado por;
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.
El signo de b también indica el tipo de relación entre x e y.

Estimación por el método de mínimos cuadrados
Una tarea principal en el análisis de regresión, es estimar los parámetros a
y b de la recta L: y = a + bx basándonos en los datos muestrales formado
por los pares (x1, y1), (X2 y2) . . ., (xn y yn). El método de mínimos cuadrados
consiste en hallar la recta L, de tal manera que la suma de los cuadrados
de las diferencias de las ordenadas y. y a + bx., de los puntos observados
(xi, yi) y los puntos sobre la recta L, (xi, a + bxi) sea mínima (Fig. 1). Es decir,
se trata de hallar a y b de tal manera que

133
n
2
SCD = S [ yi - (a + bxi) ] sea mínima
i =1
Derivando respecto a cada uno de los parámetros a y b igualando a cero

se obtiene:
(xi,yi)
yi
¶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
Haciendo las operaciones respectivas en ambas ecuaciones se obtiene el

sistema:
S yi = bS xi + 2na
S yi xi = b S x i + aS xi
Llamdas ecuaciones normales para la recta de mínimos cuadrados
NOTA 5: Si los datos están tabulados las expresiones de las ecuaciones
normales aparecerán multiplicados por sus respectivas frecuencias
absolutas.
Resolviendo el sistema de ecuaciones normales para a y b obtenemos

a = y - bx
S xi yi - n x y Cov (x, y) (*)
b= = v (x)
S X2i - n x2
Luego, la recta L se escribe:
Cov (x, y)
y=y+ v (x) (x - x)
Llamada recta de mínimos cuadrados de y en x.

La recta L' de mínimos cuadrados de x en y se obtiene intercambiando los
papeles de x e y en el método de mínimos cuadrados:
L´: x = x + b´(y - y) , donde b´= Cov (x,y)/v(y)
o también:
y = y + 1 (x - x)
b´
Si el ajuste lineal es correcto, se debe tener que 1/b´= b, o sea bb´= 1
Observe que el coeficiente de determinación se escribe:
2 Cov (x,y) Cov (x,y) Cov (x,y) Cov (x, y)
r = Sx Sy Sx Sy = V(x) V (y) = bb´
Luego el coeficiente de correlación es r - bb´. Si b > 0, es la raíz positiva;

pero si b < 0, r es la raíz cuadrada negativa. Luego, el signo de r indica la
dirección de la relación entre x e y. Por tanto, si r2 se aproxima a 1 el ajuste
lineal es válido.

134
DIAGRAMA DE PARETO
Concepto
El Diagrama de Pareto es una gráfica en donde se organizan diversas

clasificaciones de datos por orden descendente, de izquierda a derecha
por medio de barras sencillas después de haber reunido los datos para
calificar las causas. De modo que se pueda asignar un orden de
prioridades.
¿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.
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% de! problema y
el 80% de las causas solo resuelven el 20% del problema.
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.
En el resto de los casos, entre 2 y 3 aspectos serán responsables por el

80% de los problemas.
En relación con los estilos gerenciales de Resolución de Problemas y

Toma de Decisiones (Conservador, Bombero, Oportunista e Integrador)
1[1], vemos como la utilización de esta herramienta puede resultar una
alternativa excelente para un gerente de estilo Bombero, quien
constantemente a la hora de resolver problemas solo "apaga incendios'"
es decir, pone todo su esfuerzo en los "muchos triviales".
¿Cuándo se utiliza?
• Al identificar un producto o servicio para el análisis para mejorar la

calidad.
• Cuando existe la necesidad de llamar la atención a los problema o

causas de una forma sistemática.
• Al identificar oportunidades para mejorar.

135
• Al analizar las diferentes agrupaciones de datos (ej: por producto por

segmento del mercado, área geográfica, etc.).
• Al buscar las causas principales de los problemas y establecer la

prioridad de las soluciones.
• Al evaluar los resultados de los cambos efectuados a un proceso (antes

y después).
• Cuando los datos puedan clasificarse en categorías.
• Cuando el rango de cada categoría es importante.

Pareto es una herramienta de análisis de datos ampliamente utilizada y es
por lo tanto útil en la determinación de la causa principal durante un
esfuerzo de resolución de problemas. Este permite ver cuales son los
problemas más grandes, permitiéndoles a Ios grupos establecer
prioridades. En casos típicos, los pocos (pasos, servicios, ítems,
problemas, causas) son responsables por la
mayor parte el impacto negativo sobre la calidad. Si enfocamos nuestra
atención en estos pocos vitales, podemos obtener la mayor ganancia
potencial
de nuestros esfuerzos por mejorar la calidad.
Un equipo puede utilizar la Gráfica de Pareto para varios propósitos

durante un proyecto para lograr mejoras:
• Para analizar las causas
• Para estudiar los resultados
• Para planear una mejora continua.
• Las Gráficas de Pareto son especialmente valiosas como fotos de
"antes y después" para demostrar qué progreso se ha logrado. Como tal,
la Gráfica de Pareto es una herramienta sencilla pero poderosa.
¿Cómo se utiliza?
1. Seleccionar categorías lógicas para el tópico de periodo de tiempo).
2. Reunir datos. La utilización, de un Check List puede ser de mucha

ayuda en este paso.
3. Ordenar los datos de la mayor categoría a la menor.
4. Totalizar los datos para todas las categorías.
5. Calcular el porcentaje del total que cada categoría representa.
6. Trazar los ejes horizontales (x) y verticales (y primario y secundario)
7. Trazar la escala del eje vertical izquierdo para frecuencia (de 0 al

total), según se calculó anteriormente.

136
8. De izquierda a derecha trazar las barras para cada categoría en orden

descendente. Si existe una categoría “otros” debe ser colocada al final,
sin importar su valor. Es decir que no debe tenerse en cuenta al
momento de ordenar de mayor a menor la frecuencia de las categorías.
9. Trazar la escala del eje vertical derecho para el porcentaje

acumulativo, comenzando por el 0 y hasta el 100%
10.Trazar el gráfico lineal para el porcentaje acumulado, comenzando en

la parte superior de la barra de la primera categoría (la más alta)
11. Dar un título al gráfico, agregar las fechas de cuando los datos fueron
reunidos y citar la fuente de los datos.
12.Analizar la gráfica para determinar los "pocos vitales”

Consejos para la construcción I interpretación
Como hemos visto, un Diagrama de Pareto es un gráfico de barras que

enumera las categorías en orden descendente de izquierda a derecha, el
cual puede ser utilizado por un equipo para analizar causas, estudiar
resultados y planear una mejora continua.
Dentro de las dificultades que se pueden presentar al tratar de interpretar

el Diagrama de Pareto es que algunas veces los datos no indican una clara
distinción entre las categorías. Esto puede verse en el gráfico cuando
todas las barras son más o menos de la misma altura.
Otra dificultad es que se necesita más de la mitad de las categorías para

sumar más del 60% del efecto de calidad, por lo que un buen análisis e
interpretación depende en su gran mayoría de un buen análisis previo de
las causas y posterior recogida de datos.
En cualquiera de los casos, parece que el principio de Pareto no aplica.

Debido a que el mismo se ha demostrado como válido en literalmente
miles de situaciones, es muy poco probable que se haya encontrado una
excepción. Es mucho más probable que simplemente no se haya
seleccionado un desglose apropiado de las categorías. Se deberá tratar
de estratificar los datos de una manera diferente y repetir el Análisis de
Pareto.
Esto nos lleva a la conclusión que para llevar a cabo un proceso de

Resolución de Problemas/Toma de Decisiones (RP/TD) es necesario
manejar cada una de las herramientas básicas de la calidad, tanto desde
el punto de vista teórico como desde su aplicación.
La interpretación de un Diagrama de Pareto se puede definir completando

las siguientes oraciones de ejemplo:
"Existen (número de categorías) contribuyentes relacionados con

(efecto). Pero estos (número de pocos vitales) corresponden al (número)
% del total (efecto). Debemos procurar estas (número) categorías pocos
vitales, ya que representan la mayor ganancia potencial para nuestros
esfuerzos.”

137
Relación con otras herramientas
Un Diagrama de Pareto generalmente se relaciona con:
• Diagrama de Causa y Efecto (Ishikawa)

• Check List de Revisión
• Check List de reunión de datos
• Matriz para Planeación de Acciones
Ejemplo de aplicación
Un fabricante de heladeras desea analizar cuales 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:
Tipo de defecto Detalle del Problema

Motor no detiene No para el motor cuando alcanza temperatura
no enfría El motor arranca pero la heladería no enfría
Burlete Def. Burlete roto o deforme que no ajusta
Pintura Def. Defectos de pintura en superficies externas
Rayas Rayas en las superficies externas
No funciona Al enchufar no arranca el motor
Puerta no cierra La puerta no cierra correctamente
Gavetas Def. Gavetas interiores con rajaduras
Motor no arranca El motor no arranca después de ciclo de parada
Mala nivelación La heladera se balancea y no se puede nivelar
Puerta Def. Puerta del refrigerador no cierra herméticamente
Otros Otros defectos no incluidos en los anteriores
Posteriormente, un inspector revisa cada heladera a medida que sale de

producción registrando sus defectos de acuerdo con dichos tipos.
Después de inspeccionar 88 heladeras, se obtuvo una tabla como esta:
Tipo de defecto Detalle del Problema Frec.
Burlete Def. Burlete roto o deforme que no ajusta 9

Pintura Def. Defectos de pintura en superficies externas 5
Gavetas Def. Gavetas interiores con rajaduras 1
Mala Nivelación La heladera se balancea y no se puede nivelar 1
Motor no arranca El motor no arranca después de ciclo de parada 1
Motor no detiene No para el motor cuando alcanza temperatura 36
No enfría El motor arranca pero la heladera no enfría 27
No funciona Al enchufar no arranca el motor 2
Otros Otros defectos no incluidos en los anteriores 0
Puerta Def. Puerta del refrigerador no cierra herméticamente 0
Puerta no cierra La puerta no cierra correctamente 2
Rayas Rayas en la superficies externas 4
Total: 88

138
La última columna muestra el número de heladeras que presentaban cada

tipo de defecto, es decir, la frecuencia con que se presenta cada defecto.
En lugar de la frecuencia numérica podemos utilizar la frecuencia
porcentual, es decir, el porcentaje de heladeras en cada tipo de defecto:
Tipo de defecto Detalle del Problema Frec. Frec. %
Burlete Def. Burlete roto o deforme que no ajusta 9 10.2

Pintura Def. Defectos de pintura en superficies externas 5 5.7
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
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
No funciona Al enchufar no arranca el motor 2 2.3
Otros Otros defectos no incluidos en los anteriores 0 0.0
Puerta Def. Puerta del refrigerador no cierra herméticamente 0 0.0
Puerta no cierra La puerta no cierra correctamente 2 2.3
Rayas Rayas en las superficies externas 4 4.5
Total 88 100
Podemos ahora representar los datos en un histograma como el siguiente:
Frecuencia de defectos encontrados
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:

139
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
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.
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.
Por el Principio de Pareto, concluimos que: La mayor parte de los defectos

encontrados en el lote pertenece sólo a 3 tipos de defectos, de manera
que si se eliminan las causas que los provocan desaparecería la mayor
parte de los defectos.
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

140
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
Tiempo de Paralización % Relativo de tiempo % Relativo

Causas del trabajo (en minutos) de paralización acumulado
(f)
Falta de mantenimiento 202
Programa inadecuado 114
Interrupción de energía 92
eléctrica
Manejo incorrecto del 45
aprendizaje
Virus en el sistema 19
Otros 16
Total 488
Obtención de porcentaje relativo

% frecuencia de la causa X 100
total de frecuencia
Construcción del diagrama y determinación de “pocos vitales”
500
100 %
488
400 80 %
300 60 %
200 40 %
100 20 %

141
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.
Un administrador puede estudiar los planes pasados para ver dónde y

cómo erraron, para descubrir qué ocurrió y porqué, y tomar las medidas
necesarias para evitar que vuelvan a ocurrir los errores. Sin embargo, el
mejor control previene que sucedan las desviaciones, anticipados a ellas.
Elementos del control.
1. Relación con lo planeado. El control siempre existe para verificar el

logro de los objetivos que se establecen en la planeación.
2. Medición. Para controlar es imprescindible medir y cuantificar los

resultados.
3. Detectar desviaciones. Una de las funciones inherentes al control,

es descubrir las diferencias que se presentan entre la ejecución y la
planeación.
4. Establecer medidas correctivas. El objeto del control es prever y

corregir los errores.
2. Hoja de control
La Hoja de Control u hoja de recogida de datos, también llamada de

Registro, sirve para reunir y clasificar las informaciones según
determinadas categorías, mediante la anotación y registro de sus
frecuencias bajo la forma de datos. Una vez que se ha establecido el
fenómeno que se requiere estudiar e identificadas las categorías que
los caracterizan, se registran estas en una hoja, indicando la frecuencia
de observación.
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.
De modo general las hojas de recogida de datos tienen las siguientes

funciones:
De distribución de variaciones de variables de los artículos producidos

(peso, volumen, longitud, talla, clase, calidad, etc...)

142
• De clasificación de artículos defectuosos

• De localización de defectos en las piezas.
• De causas de los defectos.
• De verificación de chequeo o tareas de mantenimiento.
Una vez que se ha fijado las razones para recopilar los datos, es
importante que se analice las siguientes cuestiones:
• La información es cualitativa o cuantitativa

• Como, se recogerán los datos y en que tipo de documento se hará.
• Cómo se utiliza la información recopilada
• Cómo de analizará
• Quién se encargará de la recogida de datos
• Con qué frecuencia se va a analizar
• Dónde se va a efectuar
Esta es una herramienta manual, en la que clasifican datos a través de
marcas sobre la lectura realizadas en lugar de escribirlas, para estos
propósitos son utilizados algunos formatos impresos, los objetivos mas
importantes de la hoja de control son:
• Investigar procesos de distribución

• Artículos defectuosos
• Localización de defectos
• Causas de efectos
Una secuencia de pasos útiles para aplicar esta hoja en un Taller es la
siguiente:
1. Identificar el elemento de seguimiento

2. Definir el alcance de los datos a recoger
3. Fijar la periodicidad de los datos a recolectar
4. Diseñar el formato de la hoja de recogida de datos, de acuerdo con

la cantidad de información a recoger, dejando un espacio para
totalizar los datos, que permita conocer, las fechas de inicio y
termino, las probables interrupciones, la persona que recoge la
información, fuentes, etc.
Gráficas de dispersión
Se utilizan para estudiar la variación de un proceso y determinar a que

obedece esta variación.
Un gráfico de control es una gráfica lineal en la que se han determinado

estadísticamente un límite superior (límite de control superior) y un límite
inferior (límite inferior de control) a ambos lados de la media o línea central.
La línea central refleja el producto del proceso. Los límites de control
proveen señales estadísticas para que la administración actúe, indicando
la separación entre la variación común y la variación especial.
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.

143
Un gráfico de control muestra
1. Si un proceso está bajo controlo no

2. Indica resultados que requieren una explicación
3. Define los límites de capacidad del sistema, los cuales previa
comparación con los de especificación pueden determinar los
próximos pasos en un proceso de mejora.
Este puede ser de línea quebrada o de círculo. La línea quebrada es a
menudo usada para indicar cambios dinámicos. La línea quebrada es la
gráfica de control que provee información del estado de un proceso y en
ella se indica si el proceso se establece o no. Ejemplo de una gráfica de
control, donde las medidas planteadas versus tiempo.
En ella se aclara como las medidas están relacionadas a los límites de
control superior e inferior del proceso, los puntos afuera de los límites de
control muestran que el control esta fuera de control.
Todos los controles de calidad requieren un cierto sentido de juicio y
acciones propias basadas en información recopilada en el lugar de
trabajo. La calidad no puede alcanzarse únicamente a través de calcular
desarrollado en el escritorio, pero si a través de actividades realizadas en
la planta y basadas desde luego en cálculos de escritorio.
El control de calidad o garantía de calidad se inició con la idea de hacer
hincapié en la inspección.
Necesidad de la participación total
Para aplicar desde el comienzo la garantía de calidad en la etapa de
desarrollo de un producto nuevo, será preciso que todas las divisiones de
la empresa y todos sus empleados participen en el control de calidad.
Cuando el control de calidad sólo hace hincapié en la inspección,
únicamente interviene una división, bien sea la división de inspección o la
división de control de calidad, y ésta se limita a verificar en la puerta de
salida para impedir que salgan productos defectuosos.
Sin embargo, el programa de control de calidad hace hincapié en el
proceso de fabricación, la participación se hace extensiva a las líneas de
ensamblaje, a los subcontratistas y a las divisiones de compras, ingeniería
de productos y mercadeo.
En una aplicación más avanzada del control de calidad, que viene a ser la
tercera fase, todo lo anterior se toma insuficiente. La participación ya tiene
que ser a escala de toda la empresa.
Esto significa que quienes intervienen en planificación, diseño e
investigación de nuevos productos, así como quienes están en la división
de fabricación y en las divisiones de contabilidad, personal y relaciones
laborales, tienen que participar sin excepción.
La garantía de calidad tiene que llegar a esta tercera fase de desarrollo,
que es la aplicación de la garantía de calidad desde las primeras etapas de
desarrollo de un producto. Al mismo tiempo, el control de calidad ha
acogido el concepto de la participación total por parte de todas las
divisiones y sus empleados. La convergencia de estas dos tendencias ha
dado origen al control de calidad en toda la empresa, la característica más
importante del Control de Calidad japonés hoy.

144
En la fabricación de productos de alta calidad con garantía plena de

calidad, no hay que olvidar el papel de los trabajadores. Los trabajadores
son los que producen, y si ellos y sus supervisores no lo hacen bien, el
Control de Calidad no podrá progresar.
La satisfacción de un trabajo bien hecho con calidad. Esto incluye lo
siguiente:
El gozo de completar un proyecto o alcanzar una meta
El gozo de escalar una montaña simplemente porque esta allí.
Se sugiere que se establezcan fabricantes especializados en sus propios
campos, al menos en cada provincia. De lo contrario no podremos mejorar
la calidad ni aumentar la productividad.
Ejercicio: Diagrama de Control
Ejemplo:
En el proceso de lavado de ropa hospitalaria (sábanas) se vio la
conveniencia de controlar la acidez del desinfectante (PH), para evitar el
deterioro de la prenda sin que esto afecte el nivel de asepsia en la ropa.
Para tal efecto, se hicieron pruebas cada 20 minutos y se registraron los
resultados en grupos de tamaño 6. Las mediciones se presentan en la
siguiente tabla.
DÍA MEDIDA GRUPOS DE MEDIDA (20´) “K”
NUMERO x R 1.- Calcular promedios de cada
a b c d e f
2/8 1 4.22 4.20 4.20 4.08 4.15 4.15 4.166 0.14 una de las k subgrupos
2/8 2 4.25 4.22 4.10 4.15 4.10 4.15 4.161 0.15 x1 + x2 + ... xk
x= ni
2/8 3 4.20 4.22 4.01 4.17 4.18 4.30 4.180 0.29
2/8 4 4.20 4.25 4.18 4.05 4.17 4.10 4.158 0.20 2.- Calcular el rango de cada
subgrupo (k)
3/8 5 4.15 4.20 4.03 4.15 4.31 4.25 4.181 0.28
3/8 6 4.18 4.17 4.17 4.30 4.15 4.10 4.178 0.20 3.-
3/8 7 4.22 4.24 4.23 4.07 4.19 4.25 4.196 0.18 S Ri R1 + R2 + R3 + ... Rk
8
R= k = k
3/8 4.00 4.15 4.18 4.10 4.30 4.20 4.155 0.30
4/8 9 4.10 4.15 4.30 4.36 4.15 4.10 4.193 0.26 4. Gráficas de rangos
D3 y D4 son constantes
4/8 10 4.20 4.25 4.20 4.30 4.15 4.10 4.200 0.20
4/8 11 4.35 4.20 4.25 4.12 4.30 4.10 4.220 0.25 LICR = D3 R
45.988 245
LICR =
LSCR = D4 R
LSCR =
4. 5. Gráficas de promedios (x)

4.2
x1 + x2 + ... xk
x= k
x=
pH
LICx = x - A2 R
LICx =
4.0 LICx =
LSCx =
LSCx =
2 4 6 8 1 LSCx =
0.
0.4
pH 0.222
0.
0.
0.
2 4 6 8 1 1
Subgrupos
5. INTERPRETACIÓN: El proceso muestra

145
EVALUACIÓN PARCIAL II
1. El rango mide la amplitud de los valores de la muestra y se V F

calcula por diferencia entre el valor más elevado y el más
bajo.
2. La varianza mide la distancia existente entre los valores de V F

la serie y la media
3. La desviación típica se calcula como raíz cuadrada de la V F

varianza.
4. Coeficiente de varianza de Pearson: se calcula como V F

cociente entre la desviación típica y la media.
5. El histograma se utiliza para representar gráficamente las V F

distribuciones de las frecuencias absolutas o relativas.
6. Los polígonos de frecuencias se obtienen uniendo los V F

puntos medios de las bases superiores de los rectángulos .
7. La distribución normal no es utilizada en las aplicaciones V F

estadísticas.
8. La distribución normal no es importante en la estadística. V F
9. El diagrama causa-efecto organiza y representa las V F

causas de un problema.
10. En el diagrama de dispersión se representan los datos de V F

un sistema de coordenadas.
11. El coeficiente de correlación por rangos de Spearman se V F

utiliza cuando una o ambas variables son ordinales.
12. La correlación y causalidad son medidas de la covariación V F

de las variables.
13. El diagrama de pareto es una gráfica en donde se V F

organizan los datos en orden ascendente.
14. Las gráficas de dispersión se utilizan para ver las V F

variaciones de un proceso.
15. La ruta de calidad es un procedimiento para no dar solución V F

a un problema.
16. El problema es el segundo paso de la ruta de calidad. V F
17. El análisis es el cuarto paso de la ruta de calidad. V F

146
LA RUTA DE LA CALIDAD
La Ruta de la Calidad es un procedimiento estándar de solución de

problemas. Se trata de una especie de recuento o representación de las
actividades relacionadas con el Ciclo de Control de Calidad: Planear,
Hacer, Verificar, Actuar (PHVA). Consiste de los siete pasos siguientes:
a) Definición del Problema.

b) Reconocimiento de las Características del Problema
(Observación).
c) Búsqueda de las principales causas (Análisis).
d) Acciones para eliminar las causas (Acción).
e) Confirmación de la eficacia de la acción (Verificación).
f) Eliminación permanente de las causas (Estandarización).
g) Revisión de las actividades y planeación del trabajo futuro
(Conclusiones).
Los tres primeros pasos corresponden a la acción de Planear, el cuarto

paso a la acción de Hacer, el quinto paso a la acción de Verificar y el sexto
paso a la acción de Actuar, del Circulo de Control de Calidad. Con el paso
siete se inicia nuevamente este Circulo de Control.
Primer Paso: Definición del Problema.
Este es el primer paso del procedimiento estandarizado de solución de

problemas o Ruta de la Calidad. Debemos comenzar definiendo lo que
entendemos por problema.
Para nuestro propósito el problema se define como el resultado no
deseado de un trabajo, la desviación con respecto a un estándar o a una
norma de funcionamiento, o la desviación con respecto al deber ser.
En este sentido: la no satisfacción del Cliente, los resultados que no

concuerdan con los objetivos o metas o todo aquello que se desvíe de las
políticas, representa problemas para una organización.
Analizando esta definición podemos ver que para definir un problema se
necesita en primer lugar conocer lo deseable, lo que quiere el Cliente, en
dos palabras el "debe ser".
Esto nos lleva a reconocer la importancia de los objetivos y el compromiso

de los directivos o de la Alta Gerencia para definir los objetivos.
Permitirá a ellos mismos, a los Mandos Medios, a los Supervisores y a los
Operativos saber la dirección de la empresa y de esa manera definir sus
problemas.
Las actividades que deben realizarse en este primer paso son:
a) Toma de conocimiento de los lineamientos, los objetivos y las metas de

la organización o área de estudio.
b) Identificación de los problemas prioritarios, comparando los resultados

obtenidos con lo previsto. Para ello puede utilizarse histogramas,
gráficos de control o gráficos varios, así como el Diagrama de Pareto.

147
Es recomendable usar una Matriz de Selección de Problemas, técnica que

actualmente es muy utilizada para valorar y priorizar los problemas en
función a factores tales como: importancia, frecuencia, costo,
accesibilidad, entre otros.
c) Selección de un problema de entre todos los muchos problemas que se

hayan identificado. La elección de este problema debe estar en función
de su importancia (debe ser mucho mas importante que cualquier otro)
y del objetivo de mejora que se tenga: la calidad, la disponibilidad, la
seguridad, el ambiente de trabajo, del servicio, etc.
d) Definición de los responsables de solucionar el problema. Puede ser

una persona, un equipo de personas como por ejemplo un Equipo de
Mejora o un Circulo de Calidad.
e) Elaboración de un presupuesto para la mejora y un cronograma de

actividades (Diagrama de Gant) que nos permita planear lo que
queremos o necesitamos en función del tiempo.
Segundo Paso: Reconocimiento de las Características del Problema

(Observación) Actividades
a) Análisis y comprensión del problema. Debe investigarse el tiempo ,

lugar y el contexto donde se presenta el problema así como los muchos
puntos de vista para descubrir la variación del resultado.
En este punto se requiere la determinación de ciertos indicadores de
medición del problema a fin de tener una explicación o evidencia mas
objetiva.
b) Fijación de una meta cuantitativa de lo que se desea, a partir del punto

anterior
Las herramientas típicamente utilizadas en este paso son el Diagrama

de Pareto y el Gráfico de Control.
Tercer Paso: Búsqueda de las Principales Causas(Análisis)

Actividades
a) Análisis minucioso de todas las posibles causas que pueden originar el

problema, con la participación de todas las personas que intervienen en
el problema. Es decir se plantea lo que se denomina las hipótesis de
causas.
Para ello se debe efectuar un diagrama de causa-efecto, utilizando la

información obtenida en la observación. A partir de este Diagrama
determinar las causas que parecen tener una alta prioridad de ser las
principales.
b) Someter a prueba las causas mas probables (hipótesis de causas), a fin

de verificar y concluir con la determinación de las causas que realmente
tienen incidencia en el problema.

148
Esto exige a veces nueva información o nuevos experimentos. La

herramienta utilizada para verificar las causas es básicamente la Hoja de
Recogida de Datos. También se recomienda aplicar encuestas u otra
herramienta dentro de un plan cuidadosamente diseñado.
Cuarto Paso: Acciones para eliminar las causas (Acción) Actividades
a) Planteamiento de las alternativas de solución para eliminar las causas

del problema. Es preciso distinguir aquí las soluciones que solamente
constituyen remedios inmediatos de las que realmente eliminan los
factores causales. Debe examinarse las ventajas y desventajas de
cada alternativa diseñada, seleccionando aquella que sea mas
conveniente.
b) Diseño de medidas para los efectos secundarios, en caso necesario.

Complementariamente a las herramientas expuestas en este paso se
suele hace uso del Diagrama denominado "COMO" para la formulación
de las alternativas de solución, luego en el Diagrama Gant programar la
implantación.
Quinto Paso: Confirmación de la eficacia de la acción (Verificación).

Actividades
a) Comparación de los resultados obtenidos con la solución implantada

con los obtenidos anteriormente, haciendo uso de histogramas,
gráficos lineales gráficos de control o cualquier otra gráfica que resulte
útil para este fin.
b) Medición del efecto en términos monetarios y comparar con el objetivo

deseado.
Esta es una fase típica de monitoreo de las mejoras implantadas.
Sexto Paso: Eliminación permanente de las causas del problema

(Estandarización)
Actividades:
a) Formalización de los nuevos estándares que reflejan la mejora en
manuales de: operación, procedimientos, especificaciones de nuevos
limites de control, etc.
b) Comunicación de los nuevos estándares a todos los que resulten

involucrados.
c) Capacitación y entrenamiento al personal.
d) Diseño de un sistema de monitoreo para verificar la aplicación de los
nuevos estándares.
Sétimo Paso: Revisión de las actividades y planeación del trabajo

futuro (Conclusiones).
Actividades
a) Revisión de todo lo actuado, beneficios obtenidos, experimentos
realizados, dificultades obtenidas, grado de participación de las
personas involucradas, costos incurridos, herramientas utilizadas, etc.
b) Preparación de una lista de los problemas no resueltos, incluyendo los
nuevos problemas que hayan surgido.
Definición del nuevo problema a resolver, y continuar en forma
indefinida con el proceso de mejora de la calidad.

149
BIBLIOGRAFÍA
• INTRODUCCIÓN A LA TEORÍA DE : HAROLD J, LARSON

PROBABILIDADES
• LA ENSEÑANZA DE LA ESTADÍSTICA : ETAYO MIQUEO, JOSÉ
• ALFA 10 : EDITORIAL NORMA
• ¿QUÉ ES EL CONTROL TOTAL : KAORU ISHIKAWA

DE LA CALIDAD? EDITORIAL NORMA
• CALIDAD TOTAL : EDITORIAL PAX
• CALIDAD TOTAL Y LOGÍSTICA : SOLER GARCÍA, DAVID
• INTRODUCCIÓN A LA GESTIÓN : CAMPINS MASRIERA,

DE CALIDAD JUAN
• 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
CÓDIGO DE MATERIAL EDICIÓN

0751 ABRIL 2006

Estadística Aplicada PDF

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Estadística Aplicada PDF

Cargado por

Copyright:

Formatos disponibles

SERVICIO NACIONAL DE ADIESTRAMIENTO EN TRABAJO INDUSTRIAL

Técnico de Nivel Medio.

MATERIAL DIDÁCTICO ESCRITO

FAM. OCUPACIONAL : METALMECÁNICA.

ESPECIALIDAD : MECÁNICA DE PRODUCCIÓN.

NIVEL : TÉCNICO MEDIO.

Con la finalidad de facilitar el aprendizaje en el desarrollo de la formación y capacitación en la

DOCUMENTO APROBADO POR EL

Registro de derecho de autor:

La palabra "estadística" como muchas otras palabras tienen varios

La evolución y desarrollo de la "Estadística" en el mundo actual, es tal que

1. Definición: La Estadística es una ciencia que proporciona un conjunto

MECÁNICA DE PRODUCCIÓN 1/147

El campo de la Estadística generalmente está dividido en dos grandes

2.1 Estadística Descriptiva

Promedio o media aritmética, la cual es la suma de los valores

El segundo aspecto de la definición de Estadística es: predecir "algo"

MECÁNICA DE PRODUCCIÓN 2/147

Como resulta imposible probar la vacuna en todas las personas,

El problema también puede plantearse como sigue: La proporción de

MECÁNICA DE PRODUCCIÓN 3/147

a. La duración promedio de las cuatro bombillas marca A es de 1000 hs,

b. La duración promedio de todas las bombillas marca A es mayor que la

c. La diferencia entre los dos promedios es de 20 hs.

d. La diferencia entre los dos promedios es demasiado pequeño para

e. Si se selecciona y prueba otra bombilla marca A, probablemente durará

f. Ud. decide comprar bombillas marca A en vez de bombillas marca B.

¿Cuáles de las conclusiones provienen de la Estadística Descriptiva y

a. La duración promedio de las cuatro bombillas marca A es

1100 + 900 + 980 + 1020 = 4000 = 1000 hs.

1050 + 960 + 1065 + 845 + 980 = 4900 = 980 hs.

c. Vemos que: 1000 - 980 = 20 hs, es decir la conclusión proviene de la

d. Se está usando los promedios de los datos observados para inferir

e. Se hace una generalización de que cualquier bombilla marca A durará

MECÁNICA DE PRODUCCIÓN 4/147

En una prueba de aptitud, cuatro trabajadores recibieron calificaciones de

a. La calificación promedio de los cuatro trabajadores es 85, y la

b. La aptitud promedio de todas las trabajadoras es probablemente mayor

c. En la siguiente prueba de aptitudes, probablemente los trabajadores

De las siguientes declaraciones hechas en base a estas cifras, identifique

a. La duración promedio de los cinco neumáticos marca A es mayor que la

b. Probablemente, la duración promedio de todos los neumáticos marca A

c. Si el precio de los neumáticos marca A es el mismo que de los

a. El promedio de las calificaciones de Juana es 16 y el promedio de las

b. Juana es mejor estudiante que Juan.

c. Probablemente en la siguiente prueba, Juana obtenga calificaciones

d. La diferencia entre los dos promedios es 2 puntos.

MECÁNICA DE PRODUCCIÓN 5/147

4. ¿En qué contexto se emplea generalmente la palabra "estadística" en

5. Clasifique cada una de las afirmaciones siguientes ya sea como

RETIRA a. El año pasado, en la Universidad Nacional del Callao, el puntaje

b. El Dr. García, un ecólogo, informó que en cierto río de la selva la carne

C. La compañía "RM" predijo quién sería el ganador en una elección

La palabra "población" igual que sucede con el término "estadística" tiene

El concepto de "población", estadísticamente hablando, es un concepto

Población: Es la colección de todos los individuos, objetos u

Los términos población y universo, suelen usarse indistintamente.

a. Las edades de los estudiantes del Perú.

En cada uno de los ejemplos anteriores, existe al menos una

MECÁNICA DE PRODUCCIÓN 6/147

Es importante definir la población de acuerdo a la naturaleza y extensión

Al referimos a la naturaleza del problema, optamos también por distinguir

(b). Toda población puede ser real o virtual.