2

Característica

Tiempo

Estadística descriptiva del proceso

❒OBJETIVOS

Resumir la información en forma tabular y gráfica.

Calcular las principales medidas estadísticas.
Interpretar las medidas estadísticas calculadas.

 R E C URSOS
• Computadora con acceso a internet
• Guía de Prácticas.
• Apuntes de clase
• Libros según bibliografía del curso

 D U R A C I Ó N D E L A P R Á C T I CA
• Una sesión (2 horas).

 M A R C O T E Ó RICO

TÉCNICAS DE ESTADÍSTICA DESCRIPTIVA PARA EL ANÁLISIS DE LA CAPACIDAD DEL PROCESO

Las variables de salida o de respuesta de un proceso deben cumplir con ciertas metas y/o especificaciones, a
fin de considerar que el proceso funciona de manera satisfactoria. Por ello, una tarea primordial del control de
calidad es conocer la capacidad o habilidad de un proceso, que consiste en determinar la amplitud de la
variación natural del proceso para una característica de calidad dada.
Ejemplos de características de calidad monitoreadas en la elaboración de tops de alpaca: finura, longitud,
titulo, elongación, resistencia, pilling, humedad, solidos, grasa, regularidad.
Ejemplos de características de calidad monitoreadas en la elaboración de leche en polvo para recién
nacidos: Color, ausencia de impurezas macroscópicas, Olor y sabor, índice de solubilidad entre 1 y 1.25 ml,
humedad (max 5%), grasa (26% leche entera), ausencia de coliformes (0.1 g max), acidez de la grasa (ac oléico
max 2%).
Esto permitirá saber en qué medida tal característica de calidad es satisfactoria. Para lograr este objetivo se
estudian las principales técnicas de la estadística descriptiva para el análisis de una variable de tipo continuo.

ANALISIS DE TABLAS DE FRECUENCIAS CON DATOS NO AGRUPADOS

Por lo general, para realizar un estudio de capacidad se toman datos del proceso durante un periodo
considerable para que se refleje bien el desempeño del proceso. Para un proceso masivo: entre 4 a 10 días
(muestra referencias de 120 a 150 unidades). Para un proceso lento: entre 50 a 60 unidades.
Luego del muestreo, los datos que se recolectan para fines de control de calidad se obtienen por observación
directa, y se clasifican como variables o atributos.

Las variables son aquellas características de la calidad que se pueden medir, como peso en gramos, o cantidad
de defectos.

Los atributos, por otra parte, son aquellas características de calidad que se clasifican como conformes o no
conformes a las especificaciones, como un “calibrador pasa-no pasa.”

Ejemplo: Cantidad de defectos, en una muestra de 52 productos

n=52

Variables Discretas

Valores exactos, se pueden contar: Ejemplos: La cantidad de remaches no conformes, la cantidad de defectos
por producto. Cuando tenemos pocos datos no es necesario agrupar en intervalos:

Tabla de Frecuencia
Frecuencia Frecuencia
N° de Frecuencia Frecuencia Frecuencia Frecuencia
relativa porcentual
defectos absoluta acumulada relativa porcentual
acumulada acumulada

0 8 8 0,267 0,267 26,7% 26,7%

1 7 15 0,233 0,500 23,3% 50,0%

2 7 22 0,233 0,733 23,3% 73,3%

3 5 27 0,167 0,900 16,7% 90,0%

4 3 30 0,100 1 10,0% 100%

Total 30 1 100%
Histograma:

Cantidad de defectos en
lote de 30 u

45.00%
Frecuencia

10.00% 15.00% 16.70% 10.00%

0 1 2 3 4
Cantidad de defectos

TABLAS DE FRECUENCIAS CON DATOS AGRUPADOS

Variables Continua:

En general, los datos continuos son medibles. Un ejemplo de una variable continua es el peso de una pieza
fundida de hierro gris, que puede ser 11 kg, 11.33 kg o 11.3398 kg (25 lb), dependiendo de la exactitud del
instrumento medidor. Mediciones como metros (pies), litros (galones) y pascales (libras por pulgada cuadrada)
son ejemplos de datos continuos.

PRESENTACIÓN TABULAR DE DATOS

Lo realizamos mediante una tabla de frecuencia, la cual se define como el resumen que se realiza en
función de la totalidad de elementos de una muestra, o de una población con respecto a una característica
bastante particular que está estudiando alguna variable.

Elementos de una tabla de frecuencias para datos agrupados

a) Frecuencia absoluta(fi).- es el # de veces que se repiten los elementos de una

variable.
 b) Frecuencia relativa (hi).- es el cociente de cada frecuencia absoluta entre el #
total de elementos. Se calcula de la siguiente manera:
fi
h=

c) Frecuencia acumulada (Fi, Hi).- es la suma de una frecuencia dada y todas las
anteriores a ella.

d) Tabla de distribución de frecuencia.- es el arreglo ordenado en filas y

columnas de datos estadísticos según las diversas categorías de la variable,
mostrando la frecuencia o repetición en cada categoría. Este tipo de tabla se
utiliza para organizar los datos con el objeto de calcular algunas medidas de
resumen.

Frecuencias Frecuencias Frecuencias Frecuencias

Intervalos Marca
Clases absolutas Absolutas Relativas Relativas
de clases de clase
simples Acumuladas Simples Acumuladas

i Ii fi Fi hi Hi Xi

1
2
.
n

Para rellenar los datos en la tabla de distribución de frecuencias, se debe seguir los
siguientes pasos:
➢ Calcular el rango de los datos, mediante.
Rango = Dato mayor- Dato menor
➢ Determinar el número de clases o intervalos
Regla de STURGES → k = 1+3,322 log (N)

➢ Calcular la amplitud de los intervalos, mediante:

➢ Constituir los intervalos;

➢ Para calcular la marca de clase X i de cada intervalo: (Lim i Sup + Limi Inf) / 2
 ➢ Calcular cada uno de los elementos de la tabla de frecuencias: frecuencia absoluta (fi),
frecuencia absoluta acumulada (Fi), frecuencia relativa (hi), frecuencia relativa acumulada (Hi),
frecuencia porcentual (hi%)
➢ Interpretar los resultados.

Ejemplo:

1° Muestreo:

2° Tabla de frecuencia:

2. Gráficos Estadísticos
Los principales gráficos estadísticos que se trataran serán:
➢ Histograma.
➢ Polígono de frecuencias.
3. Medidas de Tendencia Central
4.1. Media
Es un valor que tiende a situarse en el centro del conjunto de datos ordenados según
su magnitud. Es equivalente a dividir la suma de todos los puntajes, entre el número
total de éstos Es un valor intermedio situado entre los extremos de los datos de la
distribución.

no agrupados
 4.2. Moda
Es la medida de tendencia central correspondiente al valor de la variable con mayor
frecuencia., es decir aquel valor que mas repite.

Para los datos agrupados:

4.3. Mediana
Es la medida de tendencia central que divide la población en dos partes iguales. Se
representa por “Me” o “Md”.

Donde:
Li = Límite inferior real de la clase mediana (Es decir la clase que contiene a la
mediana).
N= Número total de datos.
Fi-1 = Suma de las frecuencias de todas las clases por debajo de la clase mediana.
fi = Frecuencia de la clase mediana.
c= Tamaño del intervalo de la clase mediana.

4.4. Cuantiles
Los cuantiles son las medidas estadísticas que dividen a los datos en una cantidad
determinada de partes no son más que una extensión del estudio de la mediana, por
lo tanto la interpretación de estos será muy similar que la de la mediana. También
son conocidos como medidas de posición. Los principales cuantiles son los cuarteles,
los deciles y los percentiles. Para calcularlos se utilizan la formulas:

Cuartiles Deciles Percentiles

(K 4)  N − F i −1 (K 10)  N − F i−1 (K 100)  N − F i −1

QK = Li + c DK = Li + c PK = Li + c
fi fi fi

Donde K=1,2,3 Donde K=1,2,…,9 Donde K=1,2,…,99

4. Medidas de Dispersión
5.1. La desviación estándar
Es la raíz cuadrada del cuadrado medio de las desviaciones a la media. También se
le llama desviación típica. Si se esta trabajando con una muestra, se lee representa
por s y si se trabaja con una población se le representa por .
n n

∑( X − X
2 2
i Xi − X . fi
i=1 i=1

Datos no agrupados Datos Agrupados

 5.2. La varianza
Estadístico definido como el cuadrado de la desviación estándar; es, por lo tanto, una
medida de la dispersión de los datos de una muestra con respecto a su media. Se
pueden usar las formulas de la desviación estándar, si se están trabajando con datos
no agrupados, también se puede usar:

nx2 − ( x )2 nx2 − ( x )2
 2= s2 =
n2 n( n −1)
5.3. Coeficiente de variación
Es el estadígrafo que “determina el grado de homogeneidad o heterogeneidad” de la
distribución que se analiza. Según esto, la distribución es más homogénea, “si el
coeficiente de variación es cada vez menor”.
El coeficiente de variación se representa por C.V y se da en tanto por ciento y su valor
es igual a la razón de la desviación estándar con la media aritmética de la distribución.
Su fórmula es:

C.V = * 100
X
5. Medidas de Forma
6.1. Asimetría
Se dice que una distribución de frecuencias es simétrica, si los intervalos
equidistantes del intervalo central tienen iguales frecuencias. También se dice que
una distribución es simétrica si su curva de frecuencias es simétrica con respecto al
centro de los datos. Para calcular la asimetría existen varias medidas, una de ellas
es el coeficiente de asimetría de Pearson. En Excel: COEFICIENTE.ASIMETRÍA( )

As =
X − Mo
As =
(
3 X − Mo ) Sesgo =
s s ( n −1)( n − 2 )
El signo del sesgo indica el lado para el que la cola de la distribución es más larga, ya sea
hacia la izquierda (signo −) o hacia la derecha (signo +). Para los datos que siguen una
distribución normal, el valor del sesgo estandarizado debe caer dentro de (−2, +2), por lo
que si n es grande (n > 100) y el sesgo estandarizado está fuera de tal intervalo, será una
evidencia de que la distribución de los datos tiene un sesgo y en consecuencia la misma
no es normal.
Simétrica

Asimetría positiva

Mo<Me<Ma Ma<Me<Mo

6.2. Curtosis
Una medida para determinar qué tan elevada o plana (achatada o picuda). El
Coeficiente de Curtosis analiza el grado de concentración que presentan los
valores alrededor de la zona central de la distribución. En Excel CURTOSIS( )
Se definen 3 tipos de distribuciones según su grado de curtosis:
 P75 − P25
K= − 0.5 X−X 3( n −1 )2
P90 − P10 Curtosis =
( n − 2 )( n − 3 )
Si al distribución es normal, K tiende a 0. Si K tiende a 0.5, es leptocúrtica, y si K
tiende a -0.5, es platicúrtica.

Distribución mesocúrtica: presenta un grado de concentración medio alrededor

de los valores centrales de la variable (el mismo que presenta una distribución
normal).

Distribución leptocúrtica: presenta un elevado grado de concentración alrededor

de los valores centrales de la variable.
Distribución platicúrtica: presenta un reducido grado de concentración alrededor
de los valores centrales de la variable.
Leptocurtica

Mesocurtica

Platicúrtica

6.3. Diagrama de Cajas

Los diagramas de cajas y bigotes –también llamados boxplots o box and whiskers– son
representaciones gráficas de una distribución estadística unidimensional en las que se
reflejan cinco parámetros: límite inferior, primer cuartil, mediana, tercer cuartil y límite
superior. A partir de estos cinco parámetros se pueden obtener fácilmente otros dos: el
rango y el rango intercuartílico. Además, también dan una medida de la simetría o
asimetría de la distribución, del sesgo y de la dispersión.
De un grafico de cajas, se obtiene información de los acerca de:
➢ La centralización, observando la ubicación de la mediana.
➢ La dispersión o variabilidad, mediante el rango intercuartilico.
➢ La simetría, comparando: Me - P25 con P75 - Me.
➢ Las colas, por la longitud de los segmentos que salen de los lados de la caja.
A C T I V I D A D E S D E L A P R Á C T I CA

1. En una fábrica de leche en polvo, se realizó un muestreo del proceso en 35 lotes, para
identificar las causas de la variabilidad de la concentración de % de hierro, y se encontró
los siguientes resultados. El Jefe de Planta piensa que se debe a las malas condiciones de
humedad en la planta que aglutinan los materiales. Realizar una tabla de frecuencia,
diagrama de Pareto, y redactar un informe breve para el Jefe de Planta esclareciendo el
problema y dando recomendaciones.

Nro de
eventos
Causa de falla registrados
Problemas condiciones (humedad, presión) 2
Falta de ajuste equipo 3
Taponeo de malla del equipo 1
Descalibracion del equipo de lectura 2
Daño de motor 25
Respiradero raturado 2
Falta de recarga de insumo 0
35

2. A continuación, se presenta el número de no conformidades encontradas en la

inspección de varias cajas de un lote de producción de productos textiles:

0 0 0 0 0 0 4 4 0 0
0 1 0 0 0 1 0 1 1 1
1 1 1 1 0 1 0 0 0 0
0 3 1 0 0 0 0 1 1 1
1 0 1 0 0 1 0 0 1 1
0 0 0 0 0 0 0 0 0 1
0 0 0 0 0 0 0 0 0 0
2 0 1 0 3

Se le pide:
a) Elaborar una tabla de distribución de frecuencias (para datos no agrupados)
b) Crear un histograma con su polígono de frecuencias.
c) Hallar la media, la moda y la mediana.
d) Calcular la desviación estándar y el coeficiente de variación, coeficiente de
asimetría y kurtosis.
e) El Jefe de Planta piensa que la calidad del proceso ha mejorado en los últimos meses . Redactar
un informe breve analizando la tabla de frecuencias y los estadísticos descriptivo calculados, para
debatir su punto de vista.
3. Una fábrica de láminas de metal inox, tomó la sgte muestra del grosor en mm de las
láminas, las cuales deberían tener un grosor de 10 mm. La muestra arrojo los siguientes
resultados:

9.80 10.20 9.80 10.10 9.50 9.70 9.60 9.80 9.90 10.00
10.10 11.90 9.70 9.70 10.80 9.60 9.90 9.90 11.00 9.70
9.80 9.98 9.90 10.40 9.80 9.10 9.20 10.00 11.50 11.40

Se le pide:
a) Elaborar una tabla de distribución de frecuencias, para datos agrupados
b) Crear un histograma con su polígono de frecuencias.
c) Hallar la media aritmética. la moda y la mediana para datos agrupados.
d) Hallar la desviación estándar. la varianza y el coeficiente de variación.
e) Hallar el sesgo y curtosis.
f) Elaborar un breve informe interpretando los resultados del proceso de control
estadístico.
 REFERENCIAS BIBLIOGRÁFICAS

1) Duncan. Acheson. 1989. Control de calidad y estadística industrial. Editorial Alfaomega.

pp 15 – 76.
2) Montgomery. D. 2005. Control Estadístico de la Calidad. Ed. LIMUSA WILEY. pp 39 – 50.
3) Córdova. M. 2003. Estadística Descriptiva e Inferencial. pp 1-81
4) Gutierrez, Control Estadistico de Procesos