Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Definiciones
Definiciones
Definiciones
Definiciones
Aquellas que nos indican cual podría ser el punto medio o típico
de un conjunto de datos analizados.
Llamados “Promedios”.
Promedios principales:
• Media aritmética simple
• Mediana
• Moda
MEDIDAS DE TENDENCIA CENTRAL
Media aritmética
n = número de datos N n
X = media de los datos
μ = media poblacional o del proceso
MEDIDAS DE TENDENCIA CENTRAL
Media aritmética
Ventajas:
• Concepto familiar para muchas personas
• Es única para cada conjunto de datos
• Es posible comparar medias de diferentes muestras
Desventajas:
• Se ve afectada por los datos extremos.
• Si la muestra es grande y los datos no están agrupados, su
cálculo es tedioso.
MEDIDAS DE TENDENCIA CENTRAL
Mediana
Mediana
Ejemplo:
Los siguientes datos se refieren al número de clientes atendidos
durante los últimos 11 días en una tienda de artefactos. Calcule e
interprete la mediana.
12, 10, 5, 15, 8, 11, 13, 8, 10, 17, 16
Primero se ordenan lo datos:
5, 8, 8, 10, 10, 11, 12, 13, 15, 16, 17
mediana
5 datos menores 5 datos mayores
Interpretación:
Durante 5 días se atendieron a menos de 11 clientes, y
durante 5 días se atendieron a más de 11 clientes.
MEDIDAS DE TENDENCIA CENTRAL
Mediana
Reglas
1º Si la serie es impar, la mediana ocupa el lugar central de la
serie previamente ordenada.
Ejemplo: 5, 10, 10, 12, 15, 17, 20, 21, 24
2º Si la serie es par, la mediana se obtiene de la semisuma de los
dos valores centrales de la serie previamente ordenada.
Ejemplo:
8, 10, 14, 18, 23, 24, 32, 34
18 23
mediana 20.5
2
MEDIDAS DE TENDENCIA CENTRAL
Mediana
Ventajas:
• Los valores extremos no afectan a la mediana como en el caso de la
media aritmética.
• Es fácil de calcular, interpretar y entender.
• Se puede determinar para datos cualitativos.
Desventajas:
• Como valor central, se debe ordenar primero la serie de datos.
• Para una serie amplia de datos no agrupados, el proceso de
ordenamiento de los datos demanda tiempo y usualmente provoca
equivocaciones.
MEDIDAS DE TENDENCIA CENTRAL
Moda
Moda
Ejemplo
4, 5, 7, 8, 8 , 10, 12, 15
Moda
Ventajas:
• Se puede utilizar tanto para datos cualitativos como cuantitativos.
• No se ve afectada por los valores externos
Desventajas:
• No tiene un uso tan frecuente como la media.
• Muchas veces no existe moda (distribución amodal).
• En otros casos la distribución tiene varias modas, lo que dificulta su
interpretación.
MEDIDAS DE TENDENCIA CENTRAL
OBSERVACIÓN DATOS
Evaluemos:
• Suponga que la longitud de una pieza mecánica debe estar
entre 20 ± 1. Para ver si se cumple con las especificaciones se
toma una muestra aleatoria grande y se obtiene que:
Evaluemos:
Rango o recorrido
Rango o recorrido
Ventajas
• fácil de calcular
• fácil de entender e interpretar
Desventajas
• sólo considera los valores extremos
• no toma en cuenta ni el número de datos ni el valor de estos
MEDIDAS DE DISPERSIÓN O VARIABILIDAD
Desviación media
de la dispersión que el f i Xi
rango. DM i 1
N
DatosAgrupados
MEDIDAS DE DISPERSIÓN O VARIABILIDAD
Varianza
S 2 i 1
• n-1, factor de corrección. n1
Muestra
MEDIDAS DE DISPERSIÓN O VARIABILIDAD
Desviación estándar
Desviación estándar
Datos A
Media = 15.5
s = 3.338
11 12 13 14 15 16 17 18 19 20 21
Datos B
Media = 15.5
11 12 13 14 15 16 17 18 19 20 21 s = 0.9258
Datos C
Media = 15.5
11 12 13 14 15 16 17 18 19 20 21 s = 4.57
MEDIDAS DE DISPERSIÓN O VARIABILIDAD
Ejemplo:
Solución:
Solución:
Desviación estándar
Desviación estándar
Desviación estándar
la
MEDIDAS DE DISPERSIÓN O VARIABILIDAD
Coeficiente de variación
• Indica la magnitud
relativa de la
desviación estándar
CV *100
con respecto a la
media aritmética.
Poblacion
• Comparación de S
CV *100
distribuciones. x
Muestra
MEDIDAS DE DISPERSIÓN O VARIABILIDAD
Coeficiente de variación
CV Grado de Variablidad
0 < CV < 10 Datos muy homogéneos
Datos regularmente
10 ≤ CV < 15
homogéneos
Datos regularmente
15 ≤ CV < 20
variables
20 ≤ CV < 25 Datos variables
CV ≥ 25 Datos muy variables
MEDIDAS DE DISPERSIÓN O VARIABILIDAD
Coeficiente de variación
Ejemplo:
A continuación se presentan las ventas (en unidades monetarias)
logradas durante una semana por dos tiendas de artículos
electrodomésticas. La tienda I vende en soles y la tienda II en
dólares ¿Cuál de ellas tiene un desempeño más estable, en
cuanto a nivel de ventas?.
Coeficiente de variación
Solución:
• Calculamos la media y
desviación estándar por
cada una de las tiendas y
luego obtenemos el CV de
c/u y comparamos.
• La tienda II presenta una
mayor variabilidad en el
volumen de ventas, 38.07
> 18.29
• La tienda I tiene una
mayor estabilidad en las
ventas.
PROBABILIDAD
Definición
Definiciones
Experimento estadístico
• Proceso que genera un conjunto de datos
• Cada uno tiene varios resultados posibles
• Inseguridad del resultado
• Puede ser repetido en las mismas condiciones
Espacio Muestral
• Conjunto de todos los resultados posibles de un
experimento estadístico (Ω).
PROBABILIDAD
Definiciones
Punto muestral
• Cada elemento del espacio muestral
Evento o Suceso
• Subconjunto de un espacio muestral
VARIABLE ALEATORIA
Concepto
Clasificación
Experimento:
• Lanzar una moneda tres veces al aire.
Evento
• Obtener sellos en los tres lanzamientos.
Experimento:
• Lanzar 1 moneda 3 veces.
Evento
• Número de sellos.
VARIABLE ALEATORIA
Experimento:
• Lanzar 1 moneda 3 veces.
N° Sellos Resultado Probabilidad Probabilidad
0 CCC 0.5 x 0.5 x 0.5 0.125
Evento 1 CCS 0.5 x 0.5 x 0.5 0.125
• Número de sellos. 1 CSC 0.5 x 0.5 x 0.5 0.125
1 SCC 0.5 x 0.5 x 0.5 0.125
1 CSS 0.5 x 0.5 x 0.5 0.125
1 SCS 0.5 x 0.5 x 0.5 0.125
1 SSC 0.5 x 0.5 x 0.5 0.125
1 SSS 0.5 x 0.5 x 0.5 0.125
1.000
VARIABLE ALEATORIA
N° Sellos Probabilidad
0 0.125
1 0.375
2 0.375
3 0.125
VARIABLE
PROBABILIDAD
ALEATORIA
Variable Aleatoria: Variable “X = Número de sellos”
Valores de la Variable X x (0, 1, 2, 3).
P(X=x) o f(x) Probabilidad de que la V.A. “X” tome el valor x
P(X=0) = 0.125 f(0) = 0.125
P(X=1) = 0.375 f(1) = 0.375
P(X=2) = 0.375 f(2) = 0.375
P(X=3) = 0.125 f(3) = 0.125
VARIABLE ALEATORIA
-
HERRAMIENTAS BÁSICAS DE LA CALIDAD
Generalidades
Las herramientas de calidad más comunes que se pueden utilizar para resolver la gran mayoría de los
problemas relacionados con la calidad
HERRAMIENTAS BÁSICAS DE LA CALIDAD
Funciones
HERRAMIENTAS BÁSICAS DE LA CALIDAD
Diagrama Causa-Efecto
HERRAMIENTAS BÁSICAS DE LA CALIDAD
Diagrama Causa-Efecto
Diagrama Causa-Efecto
Diagrama Causa-Efecto
Diagrama de Flujo
Diagrama de Flujo
HERRAMIENTAS BÁSICAS DE LA CALIDAD
Diagrama de Flujo
• Trazar el diagrama de flujo del proceso e indicar los pasos que éste
debería seguir si funcionara todo de manera correcta.
Diagrama de Flujo
Diagrama de Pareto
Diagrama de Pareto
Diagrama de Pareto
Diagrama de Pareto
Fractura A 10
Rayado B ….. 42
Mancha C 6
Tensión D ………… 104
Rajadura E 4
Burbuja F 20
Otros 14
Total 200
HERRAMIENTAS BÁSICAS DE LA CALIDAD
Diagrama de Pareto
Gráfica de Tendencia
Aplicaciones
Histograma
Histograma
Aplicaciones
• Datos numéricos.
• Ver la forma de la distribución de datos, especialmente para ver si
esa forma es aproximadamente normal.
• Ver si un proceso está dentro de especificaciones.
• Ver si un proceso ha cambiado en dos momentos específicos del
tiempo.
• Determinar si los resultados de dos o más procesos son diferentes.
HERRAMIENTAS BÁSICAS DE LA CALIDAD
Histograma
Tipos
HERRAMIENTAS BÁSICAS DE LA CALIDAD
Histograma
Tipos
HERRAMIENTAS BÁSICAS DE LA CALIDAD
Aplicaciones
• Para seleccionar factores muy correlacionados con las
características de calidad entre varios factores.
No Existe Correlación
HERRAMIENTAS BÁSICAS DE LA CALIDAD
Gráficas de Control
Gráficas de Control
Gráficas de Control
Gráficas de Control
Gráficas de Control
LCS = np + 3 np 1 − p
Valor discret o - fracción d e uni d a d e s def ect uo sa s
LC = np
np (n es const ant e)
Binom ia l LCS = np − 3 np 1 − p
LCS = c + 3 c
Valor discret o - nú m e r o d e def ect os
LC = c
c (n es const ant e)
LCI = c − 3 c
Poisso n
LCS = u + 3 u/n
Valor discret o - nú m e r o d e def ect os por uni d a d LC = u
u ( n p u e d e variar)
LCI = u − 3 u/n
Poisso n
n s i n var í a
HERRAMIENTAS BÁSICAS DE LA CALIDAD
p(1 – u X" – A2 R
LIC p–3 np – np 1− p c–3 c u–3 n R D3 B3S Análisis
p) 3 X" – A3 S
n especial
Distribución Binomial Binomial Poisson Poisson Normal Normal Normal Normal
SIn VARIA, n DEBE SIn
NOTAS USAR SER n DEBE SER VARIA,USAR n CONSTANTE
CONSTANTE
ñ CONSTA ñ
NTE
n A2 A3 D3 D4 B3 B4 n A2 A3 D3 D4 B3 B4
2 1.880 2.659 0.000 3.267 0.000 3.267 14 0.235 0.817 0.328 1.672 0.406 1.594
3 1.023 1.954 0.000 2.574 0.000 2.568 15 0.223 0.789 0.347 1.653 0.428 1.572
4 0.739 1.628 0.000 2.282 0.000 2.266 16 0.212 0.763 0.363 1.637 0.448 1.520
5 0.577 1.427 0.000 2.115 0.000 2.089 17 0.203 0.739 0.378 1.622 0.466 1.534
6 0.483 1.287 0.000 2.004 0.030 1.970 18 0.194 0.718 0.391 1.608 0.482 1.518
7 0.419 1.182 0.076 1.924 0.118 1.882 19 0.187 0.698 0.403 1.597 0.497 1.503
8 0.373 1.099 0.136 1.864 0.185 1.815 20 0.180 0.680 0.415 1.585 0.510 1.490
9 0.337 1.032 0.184 1.816 0.239 1.761 21 0.173 0.663 0.425 1.575 0.523 1.477
10 0.308 0.975 0.223 1.777 0.284 1.716 22 0.167 0.647 0.434 1.566 0.534 1.466
11 0.285 0.927 0.256 1.744 0.321 1.679 23 0.162 0.633 0.443 1.557 0.545 1.455
12 0.266 0.886 0.283 1.717 0.354 1.646 24 0.157 0.619 0.451 1.548 0.555 1.445
13 0.249 0.850 0.307 1.693 0.382 1.618 25 0.153 0.606 0.459 1.541 0.565 1.435
Conclusiones