CONTROL ESTADÍSTICO

DE CALIDAD
 FUNDAMENTOS ESTADÍSTICOS
Se observan normalmente cuatro tipo de distribuciones de datos básicos en el Control
Estadístico de Proceso: Binomial, Poisson, Normal y t de Student

Análisis de Datos:

La tendencia Central de
una simple serie de datos 2; 5; 3; 7; 8 N=5
puede reportarse con la Media = 25/5 = 5
Media Aritmética.

Cuando los valores se

ordenan por magnitud en 2,3,7,9,21,22,45,67,68,69,72
el punto medio de la serie Mediana = 22
de datos encontraremos 4, 6, 9, 12, 24, 45, 56, 58, 59, 63, 68, 69
un valor llamado Mediana Mediana = (45 + 56):2 = 50.5

Ni la Media ni la Mediana proveen

mucha información acerca de los datos
187,65
Dispersión
Rango: aplicación limitada puede dar una
impresión exagerada de dispersión de los
datos

Dos medias iguales Varianza: mas utilizada y como se eleva al

pueden tener series cuadrado se evita un valor negativo posible
de datos distintos pero reporta valores al cuadrado ej.: gr2

Desvío Standard: se elimina el problema de

las unidades de la Varianza por ser la raíz
cuadrada de esta
 PROBABILIDAD
r Artículos Defectuosos
n Artículos
Si p es la probabilidad de
defectos en una muestra
Las observaciones pueden ser
medidas físicas (largo, peso,
volumen, etc.) o simple conteo de
defectos (demasiado grande o chico,
rayado, dañado, etc.)
Los Datos se pueden obtener de
muestras o de la total población y la
posición, arreglo o frecuencia de
ocurrencia de los valores se definen
como distribución de datos
Probabilidad de defectos:
p = r/n
Probabilidad de no
defectos: q = (n — r)/n
El número de defectos esperados
en n muestras es np
Las observaciones
dentro de los límites
seleccionados se
refieren a los “Datos”
Dependiendo del tipo de producto,
proceso o sistema examinado los
datos pueden tener diferentes tipos
de distribución y ningún análisis
debe ser realizado sin entender
primero el tipo de distribución de
probabilidades presente
Distribución Binomial: es una distribución de probabilidad discreta que cuenta el
número de éxitos en una secuencia de n ensayos independientes, con una probabilidad
fija p de ocurrencia del éxito entre los ensayos con q = 1 - p

Una Distribución cuyos términos son proporcionales a una

sucesión de términos de la expansión binomial se llama
Distribución Binomial:

𝑛
𝑛
𝑛 𝑘 𝑛−𝑘
𝑥+𝑎 = 𝑥 𝑎
𝑘
𝑘=0
𝜇 = 𝑛𝑝 𝑦 𝜎 = 𝑛𝑝𝑞

Ejemplo: En un proceso de manufactura en el cual el 10% de los artículos son

defectuosos, tomo una muestra de 5 artículos. ¿Cual es la probabilidad en la muestra
de haya exactamente (a) 0, 1, 2, 3, 4, 5 artículos defectuosos (b) 2 o menos
defectuosos?
+ +
 0 1 2 3 4 5

Bajo las condiciones del ejemplo

anterior, sin embargo, en repeticiones
de muestreos uno esperaría obtener
una muestra sin defectos mas de la
mitad de las veces, con un defecto
alrededor de la tercera parte de las
veces y con dos defectos alrededor de
7 veces cada 100

: p = q = 0,5
Distribución de Poisson: Una aproximación de la distribución Binomial que tiene lugar
cuando:
1. La probabilidad de defectos es baja(< 0,1)
2. El número de observaciones es grande (> 16)
3. El tamaño de la muestra es pequeño con respecto a la población (< 10%)

2,718

Ejemplo: En un gran embarque de artículos se sabe que el 5% son defectuosos. ¿Cual

es la probabilidad que en una muestra de 100 artículos del embarque haya 2 o menos
defectuosos?
Distribución Normal
Es el tipo de distribución de mayor aplicación en Control de Calidad ya que distribución
binomial y Poisson tiene lugar solo en caso de variables discretas
Muchos procesos de medición involucran variables continuas que con incrementos de
mediciones (a n mayor) el histograma tiene a una curva y como esta curva es de
ocurrencia normal en la naturaleza es conocida con el nombre de Curva Normal
Donde Ϭ es la La ecuación que
desviación standard define la
probabilidad
normal es

Área de Probabilidad (A)

entre X1 y X2

Para la simplificación de los cálculos es habitual el uso de tablas

para encontrar las áreas bajo la curva normal. Las tablas fueron
construidas para un uso universal. Las tablas son una compilación
de áreas bajo la curva normal en las condiciones especificadas
Distribución de Medias de Muestra

Parámetros: valores de µ (media) Ϭ (desvío standard)

obtenidos de de la población
Debemos
clarificar
entre Variable Estadística: valores de X and s, desde las
muestras, para estimar µ (media) Ϭ (desvío standard)

Aproximación Normal de
Distribución Binomial
Si n es grande y p péqueño de modo que µ = np ≤ 5, la Distribución de Poisson da una
buena aproximación de las probablidades de distribución binomial
Si n es grande y µ = np > 5, la aproximación por distribución de Poisson es menos
satisfactoria y la curva normal puede utilizarse para calcular las probabilidades
Cuanto mas cercanos sean p y q y mas grande n mejor es la aproximación

La distribución binomial es discreta y la gráfica consiste en series de barras adyacentes

cuyas áreas representan las probabilidades correspondientes. La curva normal es
continua y para la aproximación los histogramas deben estar centrados bajo la curva
normal a algún valor r.

Para esto debemos centrar cada block a r adicionando o sustrayendo ½ al valor r

CAPACIDAD DEL PROCESO Y
PROCESO BAJO CONTROL

Un proceso Su variabilidad está dentro de los límites de

es “capaz” tolerancia especificados para un indicador

Cualquier proceso de producción por bueno que sea tiene cierto grado de
variabilidad de naturaleza aleatoria y que no se puede eliminar por completo.
Cuando la variabilidad del proceso se reduce a causas aleatorias se dice que
está en un estado de control estadístico.

O sea un proceso está “bajo control”

cuando es estable y previsible.