Uso de tablas de muestreo .............................

Tabla Código ANSI ................................................................................................................ 10

Tabla militar estándar ................................................................................................................. 10
Uso de la tabla militar ............................................................................................................ 11
Toma de muestras ....................................................................................................................... 11
Condiciones para una correcta toma de muestra en agua ............................................................ 11

Control de la inocuidad en la industria de los alimentos ........................ 12

Ventajas ...................................................................................................................................... 12
Porque se aplica .......................................................................................................................... 12
Muestreo de lote ..................................................................................................................... 13
Las 5 S........................................................................................................................................ 13
Método de muestreo de aceptación ......................................................................................... 14
Muestreo de aceptación por atributos ......................................................................................... 14
Simple .................................................................................................................................... 14
Doble ...................................................................................................................................... 15
Múltiple .................................................................................................................................. 16
Secuencial .............................................................................................................................. 16

Tabla de control estadístico ........ 16

Tablas X¯ (media conocida de la población) ...................................................................... 17

Tablas ¯X y S (media y varianza desconocida de la población) ......................................... 20

Procedimiento de un muestreo para la observación ...................... 22

Muestreo probabilístico ...................................................................................................... 22

Métodos de muestreo no probabilísticos ............................................................................. 24
Solución ............................................................................................................................. 28
Referencias bibliográficas ...................................................................................................... 29
Uso de tablas de muestreo

Estas tablas principalmente fueron utilizadas para minimizar la porción global de supervisión,
pero considerando la supervisión para el respectivo muestreo y la supervisión para escoger los
lotes que fueron de alguna manera rechazados.
MIL-STD 414, 105D: es un estándar ya prestablecido que nos muestra los objetivos de muestro
de adquisición mediante lo que es atributos, se basa particularmente en el Nivel de Calidad
Aceptable que se denomina de esta manera NCA., su principal función es el de detectar este NCA,
posee 26 estimaciones para lo que viene siendo la determinación de NCA.
¿En qué consiste?
Este tipo de planes se toma una muestra aleatoria de lote y a cada unidad de la muestra se le mide
una característica de calidad de tipo continuo (longitud, peso, espesor, etc.), en este contraste con
la muestreo por atributos, el objetivo no es clasificar a cada unidad como defectuosa o no, si no
solo registrar la medición de cada pieza. Después de ello y con base en las mediciones se calcula
un índice estadístico que de acuerdo con su valor se aceptara o rechazara el lote.

Tablas de muestreo
Tabla Código ANSI
El código ANSI proviene de las siglas American National Standards Institute del que es lo mismo
que el código Estadounidense Estándar para el lenguaje de programación en C. Fue creado en
1963 y nació para expandir y ordenar tanto los símbolos como los caracteres en nuestro ordenador.

Este estándar lo que permite es interpretar los códigos numéricos a caracteres. En la época de
MSDOS y Windows 95, muchos pulsabais ALT y marcabais 126, dando lugar al famoso carácter
«~«.

Tabla militar estándar

Tabla militar: Son tablas de origen militar muestreo (control de calidad). Los niveles generales
nos ayudan a determinar qué tan grande es el tamaño del lote que se va a inspeccionar.
Toma de muestra significativa y frecuencia
Las muestras se toman a intervalos entre ellas, de manera que garanticen que éstas van a ser
representativas de la población que se pretende estudiar. Intervalos muy cortos, en donde no ha
habido oportunidad de cambios sobre el proceso, no garantiza una mayor información sobre el
mismo. Si, por el contrario, el intervalo entre “toma y toma de muestras” es muy amplio, lo más
probable es que pasen desapercibidas las causas especiales que están actuando sobre él. Para
establecer el intervalo de toma de muestra idóneo, se estudiará cada proceso y se toma en cuenta
la experiencia adquirida en actividades similares. Los puntos básicos por considerar en esta
actividad son los siguientes: • Establecer tomas de muestra, siempre que exista posibilidad de
cambio en el proceso, como, por ejemplo: - Cambio de turnos. - Relevo de personal. - Cambio de
la materia prima. - Cambio de herramienta. - Parada y arranque de la máquina. Uso de tabla
militar estándar La Tabla Militar Estándar para muestreo por lotes (105-D), cuyo nombre es
MILSTD105D, conocido internacionalmente como ABC-STD-105D, es un esfuerzo que
proporciona un conjunto de programas estandarizados que se denomina también como proyecto
de muestreo. La última revisión (MIL STD 105E) fue publicada en 1989, pero cancelada en el
año 1991. El estándar fue adoptado por la Organización Internacional de Estándares como ISO
2859. La versión actualmente más utilizada es MIL-STD-105D. De esa tabla se puede extraer la
información siguiente: • Letra código para el tamaño de muestra. • Niveles de inspección (niveles
de inspección especial y niveles de inspección general).
Uso de la tabla militar
El uso de esta tabla es sencillo, con el valor del tamaño del lote se busca en la primera columna
el intervalo que contiene este tamaño del lote. En línea recta y horizontalmente se busca el código
de letra que corresponde al tamaño de muestra a usar, que se encuentra en la columna II de niveles
generales de inspección. Se usa el nivel general de inspección II, porque es un nivel de inspección
normal, es el que generalmente se emplea en las empresas. Con este código de letra muestral se
busca en la tabla respectiva el valor numérico a que corresponde el tamaño de muestra, de acuerdo
con el tipo de muestreo, ya sea por variables o atributos. La tabla militar permite obtener el código
de letra correspondiente a la muestra y con este código posteriormente se determina el tamaño de
muestra

Toma de muestras

El objetivo de la toma de muestras es recoger una porción

de material lo suficientemente pequeña como para ser
fácilmente transportada al laboratorio de Análisis para su
Investigación, que permita caracterizar con la mayor
aproximación posible, la masa global de agua de la que se
ha tomado.
Muestra válida es la tomada en el lugar, tiempo y
frecuencia adecuada y representa las variaciones de
calidad del sistema problema en tiempo y en espacio .

Muestra representativa es aquella en la que la

concentración de analito es igual que en el sistema
problema.

Condiciones para una correcta toma de muestra en agua

• Representatividad del total de la masa de agua investigada.
• Mínima variación de las características del agua desde su origen hasta su efectiva
determinación analítica.
• Adecuación de la frecuencia de toma de muestras a la situación concreta.
Control de la inocuidad en la industria de los alimentos

Inocuidad de Alimentos es la garantía de que un alimento no causará daño al consumidor cuando

el mismo sea preparado o ingerido de acuerdo con el uso a que se destine.
Con el fin de mejorar la inocuidad de los alimentos, se recomienda la aplicación del Análisis de
peligros y de puntos críticos de control (APPCC) en todos los casos posibles. El APPCC ha
adquirido reconocimiento internacional como una herramienta eficaz para garantizar la inocuidad
y la aptitud de los alimentos para el consumo humano y para el comercio internacional.
Como instrumento de gestión de la inocuidad de los alimentos, el sistema de APPCC aplica el
procedimiento de controlar los puntos críticos en la manipulación de alimentos, con el fin de
prevenir problemas de inocuidad. Aparte de mejorar la inocuidad, la aplicación del sistema de
APPCC reporta otros beneficios, como la utilización eficaz de los recursos y el responder a tiempo
a los problemas de inocuidad de alimentos que se presenten. Adicionalmente, la aplicación del
sistema de APPCC puede dar lugar a un mejor enfoque de la gestión de riesgos por parte de las
autoridades que regulan el control de alimentos y puede promover el comercio internacional, al
aumentar la confianza de los compradores en la inocuidad de los alimentos.
El sistema de APPCC identifica los peligros específicos y las medidas de control necesarias para
garantizar la inocuidad de los alimentos. Cada plan de APPCC es específico para un alimento y
un tipo de elaboración en particular. El sistema de APPCC es capaz de adaptarse a los cambios,
como, por ejemplo, a los avances en el diseño de equipos, a la nueva información sobre peligros
o riesgos para la salud, a los nuevos procedimientos de elaboración o a las innovaciones
tecnológicas. Para que la aplicación del sistema de APPCC sea satisfactoria, es preciso que tanto
la dirección como los trabajadores se comprometan y participen plenamente en el proceso.
También es necesario un enfoque de trabajo en equipo. La aplicación del sistema de APPCC es
compatible con la implantación de sistemas de gestión de calidad, como la serie ISO 9000, y el
APPCC es el sistema de elección para la gestión de la inocuidad de los alimentos en el marco de
dichos sistemas.

Que es un enfoque para ajustar un lote Existen

tres enfoques para juzgar un lote:
• Aceptarlo sin inspección
• Efectuar una inspección al 100% •
Utilizar el muestreo para la aceptación.
Ventajas
• Costos más bajos.
• Menor manejo y daño del producto.
• Aplicación en pruebas destructivas.
• Menor cantidad de personal en las actividades de inspección.
• Se reduce notablemente la cantidad de errores de inspección.
• Rechazo de lotes completos.
Porque se aplica
Se realiza para asegurar que aquellos poseen la calidad suficiente. De esta forma, mediante el
análisis de las propiedades en un número de elementos, se decide sobre la aceptación o no del
conjunto de artículos que conforman el lote. La base que se considera para decidir la aceptación
o no de un lote de tamaño n lote son las propiedades determinadas sobre n artículos
inspeccionados, tal que n < nlote. Estas propiedades pueden ser del tipo cuantitativo (variables) o
cualitativo (atributos). Dado que la aceptación o rechazo se realiza sobre un muestreo estadístico,
existe riesgo, tanto para el proveedor como para el cliente.

Muestreo de lote
Los planes de muestreo lote a lote consisten en estimar la calidad de un lote a partir de la
inspección de una muestra obtenida de él. El plan se define en función de la magnitud del lote1 y
la calidad considerada. Los factores son (AEC, 1990): el tamaño de la muestra n, el número
máximo de unidades defectuosas2 que se admiten (número de aceptación, Ac), y en otras
ocasiones el número de rechazo Re, y finalmente el método de muestreo. El tamaño de la muestra
n dependerá del máximo porcentaje de defectuosos admisible, de los riesgos que se toleran, de la
garantía que ofrece el suministrador y del tamaño del lote, entre otros.

Método para el control de calidad

Las 5 S
El método de las 5 S (Imai, 1996, pp. 15-35; 1998), también denominado de las 5 C o
"housekeeping", es un modelo sencillo muy indicado para el inicio de la implantación de los
programas de calidad. Es un proceso fácil para poner orden dentro de la empresa. El nombre de
las 5 S viene de las iniciales de sus 5 etapas de desarrollo en japonés.
El objetivo de esta metodología es crear hábitos de organización, orden y limpieza en el lugar de
trabajo (Martins; 1994); mejorando así las condiciones de trabajo y de seguridad, el clima laboral,
la motivación y la eficiencia. Esto dará como resultado una disminución de costes y un incremento
en la productividad y la competitividad de la empresa.
Las descripciones de las cinco etapas las podemos ver en la tabla nº 4 (Kume; 1995; Brocka y
Brocka 1994).

Tabla nº4. Las Cinco S

Japonés Inglés Español

Seiri Clear Separar todo lo innecesario y eliminarlo.

Disponer en forma ordenada todos los elementos que
Seiton Configure
quedan
Mantener limpias las máquinas y los ambientes de
Seiso Clean
trabajo.
Extender hacia uno mismo el concepto de limpieza y
Seiketsu Conform
practicar de forma continua los tres anteriores.
Custum and Construir autodisciplina y hábito de comprometerse en
Shitsuke
practice las 5 S mediante el establecimiento de estándares.

El primer paso se denomina Seiri. Consiste en clasificar todos los objetos, herramientas,
productos, suministros, bancos de trabajo, etc., en dos grandes grupos: los que son necesarios y
los que no lo son, y éstos últimos eliminarlos. Se suelen eliminar todos los que no se van a utilizar
en un mes. Los objetos que normalmente no se utilizan, pero que pueden ser utilizados alguna
vez, se guardarán en otro lugar clasificados para su control. De esta forma pueden salir a la luz
una infinidad de costes de objetos, productos, etc., que no son útiles y están ocupando sitio,
perjudicando el ambiente de trabajo. También se pueden detectar productos prematuramente
fabricados, inventarios de productos excesivos que puede que no se lleguen a utilizar en años, etc.
poniendo de manifiesto importantes costes de calidad que se verán reducidos al poner en práctica
esta metodología.
La segunda etapa se denomina Seiton. Una vez realizada la clasificación anterior, todo lo
innecesario se debe de retirar, dejando sólo un número mínimo de lo necesario. Este grupo se
clasifica y dispone de forma que minimice el tiempo de búsqueda y el esfuerzo, de esta forma se
incrementará la productividad y se reducirán los costes.
El tercer paso es el Seiso. En este caso se trata de limpiar todo el entorno de trabajo, incluidas
las máquinas, herramientas, pisos, paredes, etc. Al limpiar una máquina se pueden encontrar y
descubrir muchos defectos de funcionamiento. Así, con un coste de prevención, como podíamos
catalogar el Seiso, se pueden eliminar muchos costes de fallos.
La cuarta etapa es el Seiketsu. Se trata de mantener la limpieza por medio de uso de ropa de
trabajo adecuada, lentes, guantes, zapatos de seguridad, etc.
El quinto paso es el Shitsuke. Consiste en realizar el trabajo conforme a unas normas
establecidas. Hay que mantener la autodisciplina y el hábito de practicar las 5 S.
Este método está muy indicado, como un primer paso, para empresas que valoran la calidad, pero
no han iniciado la aplicación de ningún sistema de calidad (Fundación Valenciana de la Calidad
FVQ; www.fvc.es ,13/11/2000). Su puesta en marcha es sencilla y la obtención de resultados
concretos y positivos es muy rápida. Las mejoras que aporta, según la FVQ son:
Menos productos devueltos.
Menos averías.
Mejor imagen ante clientes.
Menos movimientos y traslados inútiles.
Menos accidentes.
Menor nivel de existencias de inventarios.
Más espacio.
Orgullo del lugar en que se trabaja.
Comunicación más fluida.
Mayor motivación de los trabajadores.
Mejor identificación de los problemas.
Mayor compromiso y responsabilidad en las tareas.
Más cooperación y trabajo en equipo.
Mayor conocimiento del puesto.
Más sugerencias e iniciativas de mejora.
Esta metodología la aconsejamos a todas las empresas ya que con poca inversión los resultados
que se obtienen son muy importantes y sirve como punto de referencia para ver el potencial de
mejoras y de ahorros de costes que se pueden obtener con la implantación de los sistemas de
calidad.

Método de muestreo de aceptación

Muestreo de aceptación, es el proceso de evaluación de una porción de los productos de un lote
con el propósito de aceptar o rechazar el lote completo.

Muestreo de aceptación por atributos

Simple
Es aquel en el cual la aceptación de un lote se determina mediante una muestra única. Un plan de
muestreo para un lote de tamaño N consiste en una muestra de tamaño n y número de aceptación
c. Si el número de artículos defectuosos en la muestra, x, es menor o igual a c, se acepta el lote;
si no, se rechaza. Por ejemplo, se tiene un tamaño de lote N = 5000, y un plan de muestreo: n =
45 y c = 3. Significa que se inspecciona una muestra aleatoria de n = 45 unidades, tomada de un
lote de tamaño N = 5000, y se observa el número de artículos defectuosos d. Si el número de
artículos no conformes observados d es menor que o igual a c =3, se aceptará el lote. Si el número
de artículos (d) es mayor que 3, se rechazará el lote. La lógica de este plan la podemos observar
en la Figura 1

Doble
En este plan se selecciona una muestra aleatoria de m artículos del lote, y se inspecciona. Si el
número de artículos defectuosos es menor o igual al número ele aceptación, c1r el lote se acepta.
Si el número de artículo defectuosos es mayor o igual a un número de rechazo, n, el lote se rechaza.
Sin embargo, si el número de artículos defectuosos es mayor que ci, pero menor que r-i, se toma
una segunda muestra de n2 artículos. El número de artículos defectuosos de la segunda muestra
se suma al de la primera muestra. Si este número acumulado es menor o igual a un segundo
número de aceptación, c2, el lote se acepta. Si es mayor que c2l. el lote se rechaza. Por ejemplo,
supongamos que ni = 25, Ci = 2, n2 = 50 y c2 = 4. De tal manera, se selecciona una muestra
aleatoria de ni = 25 artículos del lote, y se observa el número de artículos defectuosos, d^ en ella.
Si di < Ci = 2, se aceptará el lote en la primera muestra. Si d! > c2 = 4, se rechazará el lote en la
primera muestra. Si c, < di < c2, se tomará una segunda muestra aleatoria de tamaño n2 = 50 del
lote, y se observará el número de artículos defectuosos, d2, en esta segunda muestra.
Ahora se suma di + d2, para determinar la suerte del lote. Si di + d2 < c2 = 4, se acepta el lote.
Sin embargo, si d-i + d2 > c2 = 4, se rechazará. La lógica de este plan la podemos observar en la
Figura 2.
Múltiple
Es una generalización de los planes de muestreo doble; es decir se pueden tomar tres, cuatro, cinco
o más muestras. Los tamaños de muestra son menores que para los planes de muestreo doble, pero
los procedimientos son semejantes a los ya descritos.

Secuencial
En este plan se revisan los artículos uno por uno y se toma la decisión de aceptar o rechazar el
lote. El procedimiento de muestreo continúa hasta que los resultados acumulados de la inspección
determinen la decisión de aceptación o rechazo que se deba tomar. Por consiguiente, el tamaño
de muestra no se especifica con anterioridad, sino que depende de los resultados que se vayan
obteniendo. Dependiendo de la cantidad total de inspección y de los criterios de aceptación y
rechazo que se especifican en un plan de muestreo, en la práctica se usan por lo general tres niveles
de inspección:

Inspección normal.
Se utiliza cuando no existe evidencia de que la calidad del producto en consideración sea mejor
ni peor que el nivel especificado de calidad. Por lo general se utiliza la inspección normal primero,
y se continua con ella siempre que la calidad del producto sea consistente con los requisitos
especificados.
Inspección rigurosa.
Es más estricta que la inspección normal, y se utiliza cuando existe evidencia de que la calidad
disminuye. Por lo general, da como resultado disminuir el número de aceptación para el plan de
muestreo.
Inspección reducida.
Utiliza Un tamaño menor de muestra que la inspección normal; este tipo de inspección se lleva
acabo con frecuencia cuando existen, antecedentes suficientes como para indicar que la calidad
es buena. Sin embargo, si la calidad comienza a disminuir, se requiere utilizar la inspección
normal.

Tabla de control estadístico

Es un proceso inferencial basado en un muestreo repetitivo. Se emplea para definir un estándar de

calidad para un proceso de fabricación y para determinar si éste se mantiene durante el proceso.
De esta forma una tabla de control estadístico de calidad es el proceso inferencial por el cual se
decide si una desviación observada de la norma deseada se debe al azar o a alguna causa fija. Si
es del azar se dice que el proceso está bajo control.
Los errores de tipo I y de tipo II se enuncian ahora de la manera siguiente: Error de tipo I, declarar
a un proceso fuera de control cuando en realidad está bajo control. Error de tipo II: Declarar a un
proceso bajo control cuando en realidad está fuera de control.
Tablas X¯ (media conocida de la población)
Para calcular la media se utilizan todos los elementos de la población (todos los posibles
individuos, especímenes, objetos o medidas de interés sobre los que se hace un estudio), por
ejemplo, el grosor de todos los discos producidos en la última semana o mes, entonces el
promedio calculado es la media del proceso (o media poblacional) y se denota con la letra griega
μ (mu). Es importante destacar que la media del proceso μ es igual a cierto valor, aunque no
siempre se conoce; mientras que el valor de X – se obtiene para cada muestra y es diferente
(variable) de una muestra a otra, ya que su valor depende de las piezas que se seleccionan (X –
es una variable aleatoria). Por lo anterior, el valor que se observa de la media muestral, X – , por
lo general es diferente a la media del proceso, μ. Luego, es preciso tener cuidado con las
afirmaciones basadas en X – sobre la media del proceso o población.

Sea X1, X2, …, Xn una muestra aleatoria de tamaño n, en donde cada

La probabilidad de que

Los límites de control tres-sigma son

Cuando se toma una muestra de tamaño n y se calcula la media muestral, si esta se encuentra en
los límites anteriores se considera que el proceso se encuentra bajo control. Por lo tanto, cada vez
que se toma una muestra se está probando la hipótesis nula de que la media del proceso es igual
a μ contra la hipótesis alternativa, de que ha habido un corrimiento en la media del proceso.
Ejemplo
Una máquina rellena un recipiente con 500 g de una sustancia, con una desviación estándar de 2
g. Se toman 10 muestras diarias, cada una de 5 recipientes, y se mide el peso de cada recipiente.
Los pesos promedios para las 10 muestras en una semana son
Nº de muestra 1 2 3 4 5 6 7 8 9 10

Media 498,37 499,49 501,25 498,63 502,97 500,56 499,23 498,76 501,05 500,27
muestra

Para los límites de control 3σ, ¿se encontró el proceso bajo control durante esta semana? Con
estos límites, ¿cuál es la probabilidad de no detectar un corrimiento de 500 a 503 g en la media?

Dado que n=5, μ=500 y σ=2, los límites de control 3σ son 500±3 (2/50,5) = (497,3167; 502,5833).
Nótese en la figura que la media muestral quinta está por encima del límite superior; de esta forma,
durante este tiempo el proceso se juzgó como fuera de control.

La probabilidad de obtener un valor de la media muestral fuera de los límites de control si el

proceso se encuentra realmente bajo control es:

valor que se obtiene de 1-(DISTR.NORM(502,683282;500;2/5^0,5;

VERDADERO)DISTR.NORM(497,316718;500;2/5^0,5; VERDADERO))
Veamos el 2º apartado, la probabilidad de no detectar un corrimiento en la media cuando ésta pasa
a μ=503 es igual a:

valor que se obtiene: = (DISTR.NORM(502,683282;503;2/5^0,5;

VERDADERO)DISTR.NORM(497,316718;503;2/5^0,5; VERDADERO))
Tabla de S (desviación estándar conocida de la población)
Para calcular la desviación estándar se emplean todos los elementos de la población o proceso,
entonces se obtiene la desviación estándar poblacional y se denota con la letra griega sigma (σ).
Como se comentó antes, es posible considerar a la población como las mediciones de toda la
producción de las últimas semanas, o si las mediciones se toman por muestras, entonces una
buena idea es obtener los parámetros poblacionales (μ y σ) con todas las mediciones realizadas
en las últimas semanas, siempre y cuando éstas no sean pocas; de 120 a 150 mediciones en
adelante es una buena cantidad
La variabilidad de un proceso es casi tan importante como el control del promedio. Mantener un
nivel aceptable en las tasas de variación se considera vital en la fabricación de instrumentos de
precisión.
Las tablas de control de variabilidad de un proceso se obtendrán mediante el empleo de la
desviación estándar muestral.
los límites de control 3σ son E(S) ± 3.d.e(S). Para obtener los valores de E(S) y de Var(S) téngase
en cuenta lo siguiente:

Por tanto:

Como Y sigue una chi-cuadrada con n-1 grado de libertad

Luego

Por tanto

En consecuencia

Para la varianza se obtiene:

Var (S2) =E(S2)-[E(S)]2

de ahí
la desviación estándar

y los límites de control 3σ son

Como la varianza σ es conocida, estos límites sólo dependen de c4 y c5, que a su vez sólo dependen
de n, el tamaño de la muestra. Para los valores usuales de n, se obtiene:
n 4 5 6 7 8 9 10 11 12 13 14 15

c4 0,9213 0,9400 0,9515 0,9594 0,9650 0,9693 0,9727 0,9754 0,9776 0,9794 0,9810 0,9823

c5 0,3888 0,3412 0,3075 0,2822 0,2621 0,2458 0,2322 0,2207 0,2107 0,2019 0,1942 0,1872

Ejemplo
Si σ=2, los límites de control 3σ para la desviación estándar muestral, para una muestra de tamaño
n=5, son:
(0,94).2± (3) (0,3412) (2) lo que da el intervalo (- 0,1673; 3,9273); es decir, (0; 3,9273).
El proceso será considerado bajo control siempre que la desviación estándar muestral se halle
dentro de los límites de control ya establecidos
Tablas ¯X y S (media y varianza desconocida de la población)
Cuando la media del proceso no se conoce, tampoco se conoce la llamada línea central de la tabla
de control. Si la línea central es un valor estimado basado en un gran número de muestras, los
límites de control que se obtienen deben de considerarse como límites tentativos. De acuerdo con
Shewshart, los límites deben de estar basados, por lo menos, en 20 muestras, cada una con 4 o 5
observaciones. Shewshart denominó a estas muestras “subgrupos racionales”. Estos deben de
determinarse de manera tal que cada subgrupo sea homogéneo y proporcione la máxima
oportunidad de variación de un subgrupo a otro.

Sea m el número de muestras y supóngase que ni = n para cada i=1, 2, …, m. Sean

la media y la desviación estándar en la i-ésima muestra. Se tiene:

Es evidente que

de manera similar

Lo cual sugiere que

Los límites tentativos 3σ para la media muestral cuando no se conocen ni la media ni la desviación
típica poblacional son

y los correspondientes para la desviación estándar son

La construcción de las tablas de X¯ y S se basa en la distribución normal. La tabla de X ¯ es,

relativamente, insensible a la hipótesis de normalidad debido al teorema central del límite. Sin
embargo, S, es mucho más sensible.
Los datos siguientes son 20 muestras, cada uno con 5 observaciones tomadas en intervalos de 2
horas, de la resistencia a la tensión en libras de un hilo. Constrúyanse las tablas de control X ¯ y
S con base en estos datos.
Número de muestra Valores de muestra Media S

1 44 46 48 52 49 47,8 3,03
2 44 47 49 46 44 46 2,12
3 47 49 47 43 44 46 2,45
4 45 47 50 46 48 47,4 2,30
5 44 41 51 46 50 46,2 3,90
6 49 46 45 46 49 47 1,87
7 47 48 50 46 47 47,6 1,52
8 49 46 51 48 46 48 2,12
9 47 42 48 44 46 45,4 2,41
10 46 48 45 51 50 48 2,55
11 45 47 51 48 46 47,4 2,30
12 52 51 48 48 45 48,8 2,77
13 13 45 47 49 44 46 2,00
14 14 47 43 48 45 45,8 1,92
15 15 49 52 46 51 49,2 2,39
16 16 46 45 47 52 46,8 3,11
17 17 50 47 46 49 48 1,58
18 18 52 50 47 46 48,8 2,59
19 19 51 51 46 49 48,6 2,07
20 20 43 42 43 46 43,6 1,52
𝐗̿ = 𝟒𝟕, 𝟏𝟐 𝐒̅ = 𝟐, 𝟑𝟐𝟕

Al promediar las 20 medias maestrales, para n=5 se obtiene c 4=0,94 y c5=0,3412. Luego los
límites tentativos de control 3 s para las medias maestrales son
y los límites tentativos para la desviación estándar muestral son

En la figura se observa que la media de la observación 20 se encuentra fuera de control. Si se

elimina este último valor, los valores nuevos que se obtienen para los límites tentativos inferior y
superior son:

Es decir:

Lo que da unos límites (43,92486924; 50,68565708) para la media y de (0, 4,9466) para S.

Procedimiento de un muestreo para la observación

Procedimientos de muestreo
El método usado para seleccionar la muestra de la población se denomina procedimiento de
muestreo. Estos procedimientos de muestreo pueden dividirse en dos tipos o categorías: muestreo
probabilístico y muestreo no probabilístico. Estos dos tipos de procedimiento no se distinguen por
el cuestionario y las instrucciones a seguir sino por los métodos de selección de la muestra para
obtener las estimaciones de las características poblacionales de interés y su precisión.
Muestreo probabilístico
Los métodos de muestreo probabilísticos son aquellos que se basan en el principio de
equiprobabilidad. Es decir, aquellos en los que todos los individuos tienen la misma probabilidad
de ser elegido para formar parte de una muestra y, consiguientemente, todas las posibles muestras
de tamaño n tienen la misma probabilidad de ser seleccionadas. Sólo estos métodos de muestreo
probabilísticos nos aseguran la representatividad de la muestra extraída y son, por tanto, los más
recomendables. Dentro de los métodos de muestreo probabilísticos encontramos los siguientes
tipos:
1. Muestreo aleatorio simple:
El procedimiento empleado es el siguiente: 1) se asigna un número a cada individuo de la
población y 2) a través de algún medio mecánico (bolas dentro de una bolsa, tablas de números
aleatorios, números aleatorios generados con una calculadora u ordenador, etc.) se eligen tantos
sujetos como sea necesario para completar el tamaño de muestra requerido.
Este procedimiento, atractivo por su simpleza, tiene poca o nula utilidad práctica cuando la
población que estamos manejando es muy grande.

2. Muestreo aleatorio sistemático:

Este procedimiento exige, como el anterior, numerar todos los elementos de la población, pero
en lugar de extraer n números aleatorios sólo se extrae uno. Se parte de ese número aleatorio i,
que es un número elegido al azar, y los elementos que integran la muestra son los que ocupa los
lugares i, i+k, i+2k, i+3k, ..., i+(n-1) k, es decir se toman los individuos de k en k, siendo k el
resultado de dividir el tamaño de la población entre el tamaño de la muestra: k= N/n. El número i
que empleamos como punto de partida será un número al azar entre 1 y k.
El riesgo este tipo de muestreo está en los casos en que se dan periodicidades en la población ya
que al elegir a los miembros de la muestra con una periodicidad constante (k) podemos introducir
una homogeneidad que no se da en la población. Imaginemos que estamos seleccionando una
muestra sobre listas de 10 individuos en los que los 5 primeros son varones y las 5 últimas mujeres,
si empleamos un muestreo aleatorio sistemático con k=10 siempre seleccionaríamos o sólo
hombres o sólo mujeres, no podría haber una representación de los dos sexos.

3. Muestreo aleatorio estratificado:

Trata de obviar las dificultades que presentan los anteriores ya que simplifican los procesos y
suelen reducir el error muestral para un tamaño dado de la muestra. Consiste en considerar
categorías típicas diferentes entre sí (estratos) que poseen gran homogeneidad respecto a alguna
característica (se puede estratificar, por ejemplo, según la profesión, el municipio de residencia,
el sexo, el estado civil, etc.). Lo que se pretende con este tipo de muestreo es asegurarse de que
todos los estratos de interés estarán representados adecuadamente en la muestra. Cada estrato
funciona independientemente, pudiendo aplicarse dentro de ellos el muestreo aleatorio simple o
el estratificado para elegir los elementos concretos que formarán parte de la muestra. En ocasiones
las dificultades que plantean son demasiado grandes, pues exige un conocimiento detallado de la
población. (Tamaño geográfico, sexos, edades, ...).
La distribución de la muestra en función de los diferentes estratos se denomina afijación, y puede
ser de diferentes tipos:
• Afijación Simple: A cada estrato le corresponde igual número de elementos muéstrales.
• Afijación Proporcional: La distribución se hace de acuerdo con el peso (tamaño) de la
población en cada estrato.
• Afijación Optima: Se tiene en cuenta la previsible dispersión de los resultados, de modo
que se
• considera la proporción y la desviación típica. Tiene poca aplicación ya que no se suele
conocer la desviación.

4. Muestreo aleatorio por conglomerados:

Los métodos presentados hasta ahora están pensados para seleccionar directamente los elementos
de la población, es decir, que las unidades muéstrales son los elementos de la población. En el
muestreo por conglomerados la unidad muestral es un grupo de elementos de la población que
forman una unidad, a la que llamamos conglomerado. Las unidades hospitalarias, los
departamentos universitarios, una caja de determinado producto, etc., son conglomerados
naturales. En otras ocasiones se pueden utilizar conglomerados no naturales como, por ejemplo,
las urnas electorales. Cuando los conglomerados son áreas geográficas suele hablarse de
"muestreo por áreas". El muestreo por conglomerados consiste en seleccionar aleatoriamente un
cierto número de conglomerados (el necesario para alcanzar el tamaño muestral establecido) y en
investigar después todos los elementos pertenecientes a los conglomerados elegidos.
Métodos de muestreo no probabilísticos
A veces, para estudios exploratorios, el muestreo probabilístico resulta excesivamente costoso
y se acude a métodos no probabilísticos, aun siendo conscientes de que no sirven para realizar
generalizaciones (estimaciones inferenciales sobre la población), pues no se tiene certeza de que
la muestra extraída sea representativa, ya que no todos los sujetos de la población tienen la
misma probabilidad de ser elegidos. En general se seleccionan a los sujetos siguiendo
determinados criterios procurando, en la medida de lo posible, que la muestra sea representativa.
En algunas circunstancias los métodos estadísticos y epidemiológicos permiten resolver los
problemas de representatividad aun en situaciones de muestreo no probabilístico, por ejemplo,
los estudios de caso-control, donde los casos no son seleccionados aleatoriamente de la
población.
Entre los métodos de muestreo no probabilísticos más utilizados en investigación encontramos:
1. Muestreo por cuotas:
También denominado en ocasiones "accidental". Se asienta generalmente sobre la base de un
buen conocimiento de los estratos de la población y/o de los individuos más "representativos" o
"adecuados" para los fines de la investigación. Mantiene, por tanto, semejanzas con el muestreo
aleatorio estratificado, pero no tiene el carácter de aleatoriedad de aquél.
En este tipo de muestreo se fijan unas "cuotas" que consisten en un número de individuos que
reúnen unas determinadas condiciones, por ejemplo: 20 individuos de 25 a 40 años, de sexo
femenino y residentes en Gijón. Una vez determinada la cuota se eligen los primeros que se
encuentren que cumplan esas características. Este método se utiliza mucho en las encuestas de
opinión.
2. Muestreo intencional o de conveniencia:
Este tipo de muestreo se caracteriza por un esfuerzo deliberado de obtener muestras
"representativas" mediante la inclusión en la muestra de grupos supuestamente típicos. Es muy
frecuente su utilización en sondeos preelectorales de zonas que en anteriores votaciones han
marcado tendencias de voto. También puede ser que el investigador seleccione directa e
intencionadamente los individuos de la población. El caso más frecuente de este procedimiento
el utilizar como muestra los individuos a los que se tiene fácil acceso (los profesores de
universidad emplean con mucha frecuencia a sus propios alumnos).
3. Bola de nieve:
Se localiza a algunos individuos, los cuales conducen a otros, y estos a otros, y así hasta conseguir
una muestra suficiente. Este tipo se emplea muy frecuentemente cuando se hacen estudios con
poblaciones "marginales", delincuentes, sectas, determinados tipos de enfermos, etc.
4. Muestreo Discrecional: A criterio del investigador los elementos son elegidos sobre lo
que él cree que pueden aportar al estudio.
Concepto
Muestreo. Es el método utilizado para seleccionar a los componentes de la muestra del total de la
población. "Consiste en un conjunto de reglas, procedimientos y criterios mediante los cuales se
selecciona un conjunto de elementos de una población que representan lo que sucede en toda esa
población”. (MATA et al, 1997:19)

Ejemplo: En una fábrica hay 1500 personas trabajando, 800 de las cuales son obreros, 400 son
técnicos y 300 son profesionales. Si se quiere seleccionar una muestra aleatoria simple (m 200
personas, por ejemplo), la probabilidad de selección de cada persona es:
P = n / N = 200/1500 = 0,13
Con: P: probabilidad de
selección N: tamaño de la
población n: tamaño de la
muestra
Y: la distribución tendería a que los 200 de la muestra se distribuyan así:
800 u 0,13 =104 obreros,
400u 0,13 = 52 técnicos
300 u 0,13 = 39 profesionales
Desarrollo de planes de muestreo para riesgos estipulados del productor y consumidor

Concepto
Plan de muestreo
Procedimiento planificado que permite seleccionar o tomar muestras separadas de un lote para
obtener la información necesaria, p. ej., una decisión sobre el grado de cumplimiento de las
normas en un lote. Más concretamente, un plan de muestreo es un esquema en el que se determina
el número de elementos que deben recogerse y el número de elementos no conformes que se
requieren en una muestra para evaluar el grado de cumplimiento de las normas en un lote.

La esencia del procedimiento está en determinar n y c, dadas las posibilidades de aceptación en el

NAC y el TPDL.Por ejemplo, supóngase un plan de muestreo en el cuál la curva de operación
pase a través del riesgo del productor a=0,05 en un NAC de 0,01, y de un riesgo del consumidor
b=0,1 en un TPDL igual al 0,05. De esta forma, las probabilidades de aceptación al NAC = 0,01
y al TPDL = 0,05 son 0,95 y 0,1 respectivamente.

Supóngase que las condiciones son tales que la distribución de Poisson proporciona una
aproximación adecuada. Sea X la variable aleatoria que representa el número de artículos
defectuosos en una muestra de tamaño n. Entonces para el riesgo del productor, se desea
determinar n y c, de manera que:

de manera similar, el riesgo del consumidor

Dado que se conocen a, b, p1 y p2; hay que determinar n y c.

No existe ningún método directo de resolución, debido a que n y c tienen que ser enteros. Lo que

se hace es determinar 4 planes: 2 contendrán el valor exacto de a y diferirán muy poco de b; y

otros dos, contendrán el valor exacto de b y diferirán muy poco de a.

Ejemplo

Dados los valores a=0,05; b=0,1; p1=0,01; p2=0,05; el procedimiento es el siguiente: sea λ1=np1 y

λ2=np2 y fórmese el cociente λ2/ λ1; en el ejemplo, este cociente vale 5.

Tenemos que determinar c, cuando λ 2/ λ1=5. Dado que no es probable obtener de manera exacta
este valor, lo que se hace es interpolar con los valores relacionados con el valor 5.
Lo anterior puede lograrse si, iniciando con c=0, se va calculando l 1 de manera que la P(A)=0,95
y calculando l2, de manera que p(A)=0,1.
De esta manera se llega a unos valores de c, en este caso c=2 y c=3; donde el cociente entre λ 2/ λ1
se aproxime a 5. Para calcular los valores de n

Resumiendo, los valores posibles son:

Para el plan c=2 y n=81, la probabilidad de aceptar a un TPDL=0,05 se obtiene mediante l 2= (81)
(0,05) =4,05. De acuerdo con lo anterior

P (A≤2| l2=4,05) = POISSON (2;4,05; VERDADERO) =0,23086824.

Para el plan c=2, n=107, la probabilidad de aceptar para NAC=0,01 se obtiene mediante l 1= (107)
(0,01) =1,07. Luego

P (A≤2 | l1=1,07) = POISSON (2;1,07; VERDADERO) = 0,90638286.

La decisión final sobre qué plan adoptar se toma en base a la cercanía a los riesgos especificados.

Muestro para la aceptación por variable y aplicaciones

Cuando esto es posible, se convierte en el tipo de muestreo más popular, puesto que proporciona
mucha más información. En general es más costoso, porque tiene que aplicarse el criterio de
aceptación por separado para cada medición de calidad cuando se muestrea por variables.
En el caso sencillo, en el que la aceptación de un lote se hace con base a las medias de la muestra,
se supone que la medición de la calidad es una variable aleatoria normalmente distribuida y con
varianza conocida.

Sean a el riesgo del productor y ma el promedio del lote para el que la probabilidad de aceptación
es 1-a. En forma similar, sea b el riesgo del consumidor y mb el promedio del lote para el cual la
probabilidad de aceptación es b. Es decir, si el lote tiene una media m a, se desea aceptar el lote
con una probabilidad 1-a, y si éste tiene una media mb (ma>mb) se desea aceptar el lote con una
probabilidad b. Dados a, b, ma, mb, el plan de muestreo por variables es una muestra de tamaño n
y un valor de aceptación. de manera que cuando el valor de la media de la muestra es
mayor que

el lote será aceptado. Para obtener estos valores, considérese lo siguiente. Para el riesgo del
productor

Para obtener estos valores, considérese lo siguiente. Para el riesgo del productor

o
en donde

Para el riesgo del consumidor

en donde

Tenemos dos ecuaciones con dos incógnitas:

Empleando el método de igualación

Al igualar y resolver para n, se obtiene

Una vez calculado n, se lleva a cualquiera de las dos expresiones anteriores y se obtiene la 2ª
incógnita.

Aplicación del muestreo de aceptación por variables.

Las condiciones corrientes para la aplicación del muestreo por variables para aceptación,
son las siguientes:
1. La característica de inspección que se considera debe ser una variable, o capaz de ser
puesta en una escala variable.
2. La inspección por atributos es demasiado costosa (tiempo de inspección, naturaleza
destructiva del ensayo, etc.)
3. La inspección por atributos no da suficiente información y se desea conocer también la
cuantía de la variación.
4. La variable que se considera debe ser aproximadamente normal, en su distribución.
Las características que distinguen un plan de muestreo por variables, comparándolo con un plan
por atributos, son las siguientes:
1. Se obtiene una protección equivalente, con un tamaño de muestra más pequeño.
2. Puede aplicarse solamente a la aceptación o rechazo de una característica de inspección.
3. Por lo general implica mayores costos administrativos. Se requiere un personal más hábil;
se necesitan más cálculos; se cometen más errores de cálculo y requiere equipo.

Ejemplo

Una compañía constructora de un gran edificio de oficinas se interesa en la resistencia a la

comprensión del concreto que se empleará en la construcción del edificio. El proceso a través del
cual se fabrica el concreto con una resistencia promedio de 350 kilogramos por centímetro
cuadrado (Kg. /cm2.) es bueno. El concreto adquirido en este proceso debe aceptarse el 95% de
las veces. Un proceso que ofrece una resistencia de 347 Kg. /cm 2. no es efectivo, y al ser adquirido
será rechazado en el 90% de los casos. Si el fabricante de cemento asegura a la compañía que la
desviación estándar de su proceso no es mayor de 5 Kg. /cm 2. ¿Cuántas muestras de concreto debe
inspeccionar el contratista con respecto a su resistencia, y cuál debe ser el valor de aceptación
para la media de la muestra bajo las condiciones dadas? Supóngase que la resistencia del concreto
se encuentra normalmente distribuida.

Solución

Los riesgos del productor y del consumidor están dados como a=0,05 para m a=350 y b=0,10 para
mb=347. Para a=0,05 y 1-b=0,9, los valores cuartiles estandarizados son za=-1,64485348 y z1-
b=1,28155194. Aplicando la última fórmula para n, se obtiene:

Llevando este valor a la formula anterior, resulta:

El plan de muestreo consiste en probar la resistencia de 24 muestras de concreto provenientes del

proceso y aceptar el concreto siempre que la resistencia promedio sea mayor de 384,32
kilogramos por centímetro cuadrado.
Referencias bibliográficas

✓ S. (s. f.). Muestreo en control de calidad. slideshare. Recuperado 9 de junio de 2021, de

https://es.slideshare.net/sorayac/muestreo-en-control-de-calidad

✓ Métodos para el control de calidad y muestreo de aceptacià 3n. (s. f.). junta de anda
Lucia. Recuperado 9 de junio de 2021, de
http://www.juntadeandalucia.es/averroes/centros-
tic/14002996/helvia/aula/archivos/repositorio/250/295/html/estadistica/calidad.htm

• https://www.google.com/url?sa=t&source=web&rct=j&url=http://servicio.bc.uc.edu.ve/
educacion/revista/46/art13.pdf&ved=2ahUKEwj71fTVr4jxAhUoQjABHap7AoIQFjAA
egQIAxAC&usg=AOvVaw38Xxo3w9LVAIcACZ8Qc5Mh

• https://www.google.com/url?sa=t&source=web&rct=j&url=http://matematicas.unex.es/
~inmatorres/teaching/muestreo/assets/Cap1.pdf&ved=2ahUKEwj71fTVr4jxAhUoQjA
BHap7AoIQFjACegQIDhAC&usg=AOvVaw2p9nVBM5t1TqHjM8ig_07X

• https://www.uv.mx/personal/ermeneses/files/2018/05/6-control-estadistico-de-lacalidad-
y-seis-sigma-gutierrez-2da.pdf

• https://www.3ciencias.com/wp-content/uploads/2018/08/Control-
estad%C3%ADsticode-la-calidad.pdf

• https://www.ina-
pidte.ac.cr/pluginfile.php/14417/mod_resource/content/13/assets/tablamilitar.pdf

• http://www.dimf.upct.es/docencia/asignaturas/fabricacion/I_IND/141215017_ing_cali/
TablasEst.pdf