Estadistica

LOGRO DE LA SESIÓN
Al finalizar la sesión, el estudiante analiza problemas de calidad

de productos o procesos que se le pueden presentar en empresas
manufactureras o de servicios; y determina las causas de forma
sistemática y coherente, evidenciando la utilización de forma
adecuada de las distintas herramientas de la calidad.
CONTENIDOS
 Medidas de tendencia central y de dispersión.

 Introducción a la probabilidad: Distribuciones discretas y
continuas.
 Herramientas básicas de la calidad: Hoja de recogida de datos,
Histograma, Diagrama de Pareto, Diagrama de Ishikawa,
Diagrama de dispersión, Estratificación, Gráficos de Control.
ESTADÍSTICA
Recordando algunas definiciones
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 de la gestión de calidad es conocer la capacidad
o habilidad de un proceso.
ESTADÍSTICA
• Capacidad de un proceso: Consiste en conocer la amplitud

de la variación natural del proceso para una característica de
calidad dada; esto permitirá saber en qué medida tal
característica de calidad es satisfactoria (cumple
especificaciones).
ESTADÍSTICA
• La Estadística: se utiliza como tecnología de servicio de las

ciencias para recolectar, describir e interpretar datos.
ESTADÍSTICA
• Estadística Descriptiva: incluye la recolección, presentación y

descripción de los datos referentes a un fenómeno que
presenta variabilidad o incertidumbre, con el objeto de deducir
las leyes que rigen esos fenómenos (probabilidad).
ESTADÍSTICA
• Estadística Inferencial: se refiere a la técnica de

interpretación de los valores resultantes de las técnicas
descriptivas y a la toma de decisiones y obtención de
conclusiones sobre la población muestreada.
RECORDANDO LA ESTADÍSTICA DESCRIPTIVA
Definiciones
• Estadísticos: cantidades o mediciones que se obtienen a partir

de los datos de una muestra y que ayudan a resumir las
características de la misma.
• Población: es la colección de individuos, objetos o eventos
cuyas propiedades serán analizadas y sobre el cual deseamos
obtener conclusiones. (Normalmente es demasiado grande
para poder abarcarlo).
• Muestra: es un subconjunto de la población al cual tenemos
acceso y sobre el que realmente hacemos las observaciones
(mediciones). (Debe ser representativa de la población).
Definiciones
• Variable: característica observable que varía entre los

diferentes individuos de una población o muestra.
• Dato: valor de la variable asociada a un elemento de una
población o muestra. Este valor puede ser un número, una
palabra o un símbolo.
• Experimento: actividad planeada cuyos resultados producen
un conjunto de datos.
• Parámetro: valor numérico que resume los datos de una
población.
Definiciones
• Marco muestral: es una lista de los elementos que pertenecen

a la población de la cual se obtendrá la muestra.
• Muestreo aleatorio: una muestra es seleccionada de modo
que todos los elementos de la población tienen la misma
probabilidad de ser elegidos. Las muestras aleatorias se
obtienen por muestreo con reemplazamiento en una
población finita o por muestreo sin reemplazamiento en una
población infinita.
MEDIDAS DE TENDENCIA CENTRAL
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
Media aritmética
Medida de tendencia central que es igual al promedio aritmético

de un conjunto de datos, que se obtiene al sumarlos y el
resultado se divide entre el número de datos.
N n
 Xi  xi
donde:   i 1 ;x  i 1
n = número de datos N n
X = media de los datos
μ = media poblacional o del proceso
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.
Mediana
Punto medio de los valores después de ordenarlos.

Es un promedio de posición.
No es afectada por valores extremos.
Med  X  N2  0.5

DatosNoAgrupados
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.
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
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.
Moda
Valor que más se repite en un conjunto de datos.

No es afectada por valores extremos.
Para datos discretos es fácil de calcular.
Moda
Ejemplo
4, 5, 7, 8, 8 , 10, 12, 15
4, 7, 12,12 , 15, 16, 20, 20 , 24, 27
7, 12, 15, 18, 25, 30, 31, 38

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.
Selección del promedio más adecuado
OBSERVACIÓN DATOS
22, 24, 25, 26, 27, 28, 28, 29,

EDAD 30, 31, 33, 34
INGRESO EN 8, 8.2, 9,10,11,12,

MILES DE $ 12.3,12.5,13,13.5, 86,97
39, 40, 41, 41, 41, 41, 42, 42,
TALLA ZAPATOS 43, 43, 44, 45
Selección del promedio más adecuado
• La mediana siempre es la posición central.

• La moda se puede emplear cuando se requiere una idea rápida
de la tendencia central.
• La más usada es la media aritmética.
• La más representativa para datos de una distribución
asimétrica es la mediana.
• Media valor de equilibrio de Magnitud .
Mediana valor de equilibrio de Cantidad.
Moda valor con mayor frecuencia.
Son insuficientes como criterio de calidad
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:
10 10 10 10 20 30 30 30 30 MEDIA 20 MED. 20 MOD 30
20 22 21 20 20 19 18 20 20 MEDIA 20 MED. 20 MOD 20
1 4 6 8 20 32 34 36 39 MEDIA 20 MED. 20 MOD -
10 12 14 16 20 24 26 28 30 MEDIA 20 MED. 20 MOD -

Son insuficientes como criterio de calidad
Evaluemos:
Media: 20 Moda: 20 Moda: 20 ó 30
• Debido a que estos estadísticos están dentro de las

especificaciones, se podría creer que el proceso cumple con
éstas. Sin embargo, esto no necesariamente es cierto.
• En otras palabras, las medidas de tendencia central son

insuficientes como criterio de calidad, ya que no toman en
cuenta qué tan dispersos están los datos, un hecho vital para
la calidad.
MEDIDAS DE DISPERSIÓN O VARIABILIDAD
Además de conocer la tendencia central de un conjunto de datos

es necesario saber qué tan diferentes son entre sí, es decir, es
preciso determinar su variabilidad o dispersión. Esto es un
elemento vital en el estudio de capacidad de un proceso.
Veremos cuatro formas de medir la variabilidad.
Rango o recorrido
• Diferencia entre el valor

R  V . max  V . min.
mayor y el valor menor
de un conjunto de datos. DatosNoAgrupados
R Ls ( A)  Li ( B)
• No está afectado por los DatosAgrupados
valores comprendidos
entre los extremos.
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
Desviación media
• Media de los valores N
absolutos de las diferencias  Xi  

entre las variables y la DM  i  1
media. N
DatosNoAgrupados
• Da una mejor descripción N
de la dispersión que el  f i Xi  
rango. DM  i  1
N
DatosAgrupados
Varianza
• Media aritmética de las N

  X  
2
desviaciones cuadráticas
respecto a la media.   i 1
2
N
Poblacion
• Expresada en unidades al
cuadrado. n
 xi  x 
2
S 2  i 1
• n-1, factor de corrección. n1
Muestra
Desviación estándar
• Es la raíz cuadrada positiva N

  X i  
2
de la varianza.
 i 1
• Unidades originales. N
Poblacion
• Permite medir el % de n
elementos dentro de
 xi  x 
2
intervalos de una curva
i 1
simétrica. S
n1
• Puntaje estándar (Z). Muestra
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
Ejemplo:
La siguiente información se refiere a una muestra del número de

artículos vendidos durante una semana:
8, 10, 5, 12, 10, 15
• ¿Cuál es el nivel de variabilidad de las ventas?
• ¿Cuál es la desviación estándar?
Solución:
• El nivel de variabilidad de las ventas es de 11.6 artículos

Solución:
• La desviación estándar es de 3.4 artículos.

Desviación estándar muestral (S)

• Medida de la variabilidad que indica qué tan esparcidos están
los datos con respecto a la media.
Desviación estándar del proceso (σ)

• Refleja la variabilidad de un proceso. Para su cálculo se debe
utilizar un número grande de datos que hayan sido obtenidos
en el transcurso de un lapso amplio. Se denota con la letra
griega sigma σ.
Interpretación y usos de la Desviación Estándar
• Regla empírica: para una distribución de frecuencias simétrica

de campana:
- Cerca de 68% de las observaciones estará dentro de ±1σ
de la media (μ);
- Cerca de 95% de las observaciones estará dentro de ±2σ
de la media (μ);
- Casi todas (alrededor de 99.7%) las observaciones estarán
dentro de ±3σ de la media (μ).
Interpretación y usos de la Desviación Estándar
la
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
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
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?.
Tienda I (soles) Tienda II (dólares)

40,70,60,48,52,65,58 70,35,150,140,82,110,140,120
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
• Es la medida numérica de la posibilidad de que un evento

pueda ocurrir.
• Su valor está entre 0 y 1
PROBABILIDAD
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
Cantidad que es el resultado de un experimento aleatorio que,

debido al azar, puede adoptar diversos valores.
VARIABLE ALEATORIA
Clasificación
• Variable Aleatoria Discreta:

Sólo puede asumir ciertos
valores claramente separados
y que es resultado de contar
algún elemento de interés.
• Variable Aleatoria Continua:

Puede asumir uno de una
cantidad infinita de valores,
dentro de ciertos límites.
VARIABLE ALEATORIA
Experimento:
• Lanzar una moneda tres veces al aire.
Evento
• Obtener sellos en los tres lanzamientos.
Resultados Posibles (Variable Aleatoria)

• 0 Sellos
• 1 Sello
• 2 Sellos
• 3 Sellos
VARIABLE ALEATORIA
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
Variable aleatoria discreta

Usualmente un número entero (0, 1, 2, 3 etc.)
Obtenida por conteo.
Experimento Variable Aleatoria (x) Posibles Valores
# de clientes que
Llamar a 10 clientes 0, 1, 2, 3, …, 10
efectúan un pedido
Inspeccionar un
# de repuestos
embarque de 1000 0, 1, 2, 3, ……1000
defectuosos
repuestos
Administrar un
# de comensales 0, 1, 2, 3, …….
restaurante por un día
0 para mujer, 1 para
Vender un automóvil Género del cliente
hombre
VARIABLE ALEATORIA
Variable aleatoria continua

Puede asumir cualquier valor dentro de un rango dado.
Obtenida por mediciones.
Experimento Variable Aleatoria (x) Posibles Valores
Tiempo en minutos entre
Operar un banco X≥0
llegadas de los clientes
Llenar una botella de
Cantidad de ml 0 ≤ x ≤ 500 ml
gaseosa, máx. 500 ml
Construcción de una Porcentaje de avance del
0 ≤ x ≤ 100 %
carretera proyecto luego de 3 meses
Temperatura a la que ocurre
Prueba de un nuevo
la reacción (min 30°C máx. 30 ≤ x ≤ 250°C
proceso químico
250°C)
Video
Herramientas para controlar la calidad
-
HERRAMIENTAS BÁSICAS DE LA CALIDAD
Generalidades
Las diferentes herramientas que vamos a explicar se caracterizan

por ser visuales y utilizar métodos estadísticos sencillos, por lo
que resultan de fácil comprensión y aplicación.
Estas herramientas son las denominadas «Siete Herramientas del

Control de la Calidad» o herramientas estadísticas básicas, y
abarcan la hoja de recogida de datos, el histograma, el diagrama
de Pareto, el diagrama de espina, la estratificación, el diagrama
de correlación y los gráficos de control.
Las herramientas de calidad más comunes que se pueden utilizar para resolver la gran mayoría de los
problemas relacionados con la calidad
Funciones
Diagrama Causa-Efecto
Procedimiento para Elaborar el Diagrama
1. Se describe el efecto, atributo o variable de la calidad que se va analizar.

2. Se escriben las causas primarias, que se denominan “ramas principales”. Luego se escriben las
causas secundarias que salen de las ramas principales y seguidamente las causas terciarias que
salen de las “ramas” medianas.
3. Se determinan todas las causas posibles que pueden afectar la característica.
4. Se agrupan las causas por afinidad, ramas grandes, medianas y pequeñas.
5. Se asigna importancia a cada factor, se marcan aquellos que parecen tener un efecto
significativo sobre la característica de calidad. Esto depende de la experiencia personal.
6. Se registra cualquier información que pueda ser útil: título, nombre del producto, proceso, lista
de participantes, etcétera.
Aspectos a tener en cuenta
• Identificar los factores para discusión y consulta entre las personas

involucradas en los procesos.
• La característica debe ser lo más concreta y real posible.
• Los factores y las características deben ser medible.
• Descubrir los factores sobre los cuales es posible actuar.
• Asignar valores a los factores de manera objetiva, con base en datos.
• El diagrama causa – efecto debe mejorarse continuamente mientras se use.
• Identificar los factores para discusión y consulta entre las personas

involucradas en los procesos.
• La característica debe ser lo más concreta y real posible.
• Los factores y las características deben ser medible.
• Descubrir los factores sobre los cuales es posible actuar.
• Asignar valores a los factores de manera objetiva, con base en datos.
• El diagrama causa – efecto debe mejorarse continuamente mientras se use.
Diagrama Causa-Efecto: ejemplo

Diagrama de Flujo
Es una representación gráfica que muestra todas las actividades

de un proceso; permite ver la relación y la secuencia lógica entre
los pasos (actividades) del proceso.
Diagrama de Flujo
Diagrama de Flujo
Aspectos Fundamentales del Procedimiento
• Trazar el diagrama de flujo del proceso e indicar los pasos que se

siguen actualmente.
• Trazar el diagrama de flujo del proceso e indicar los pasos que éste
debería seguir si funcionara todo de manera correcta.
• Realizar una comparación para encontrar las diferencias entre los

diagramas, ya que es ahí donde radican los problemas.
Diagrama de Flujo
• Eliminar las actividades que no incorporen valor agregado.
• Desarrollar y aplicar normas. Esto es propio de todo proceso de

estandarización.
• Eliminar la necesidad de puntos de inspección y/o actividades

duplicadas.
• Decidir cuáles procesos conviene automatizar. Fusionar actividades si es

posible
Diagrama de Flujo: ejemplo

Diagrama de Pareto
Es una forma especial de una gráfica de barras verticales que

permite observar la importancia relativa de determinados
fenómenos o causas, a partir de los cuales pueden establecerse
prioridades.
Diagrama de Pareto
Este diagrama se usa para:

• Identificar un producto, bien o servicio, para el análisis de su
mejoramiento de calidad.
• Llamar la atención acerca de los problemas o causas de una forma
sistemática.
• Identificar las oportunidades de mejoramiento.
• Analizar las diferentes agrupaciones de datos.
• Buscar las principales causas de los problemas y establecer la
prioridad de las soluciones.
• Evaluar los resultados de los cambios efectuados a un proceso
(antes y después).
Diagrama de Pareto
Este diagrama se usa para:

• Identificar un producto, bien o servicio, para el análisis de su
mejoramiento de calidad.
• Llamar la atención acerca de los problemas o causas de una forma
sistemática.
• Identificar las oportunidades de mejoramiento.
• Analizar las diferentes agrupaciones de datos.
• Buscar las principales causas de los problemas y establecer la
prioridad de las soluciones.
• Evaluar los resultados de los cambios efectuados a un proceso
(antes y después).
Diagrama de Pareto
Construcción del Diagrama de Pareto
Tabla para conteo de datos

TIPO DE DEFECTO CONTEO TOTAL
Fractura A 10
Rayado B ….. 42
Mancha C 6
Tensión D ………… 104
Rajadura E 4
Burbuja F 20
Otros 14
Total 200
Diagrama de Pareto
Construcción del Diagrama de Pareto
Tabla de conteo según varios aspectos
TIPO DE DEFECTO NÚMERO DE TOTAL COMPOSICIÓN PORCENTAJE

DEFECTOS ACUMULADO PORCENTUAL ACUMULADO
Tensión D 104 104 52 52

Rayado B 42 146 21 73
Burbuja F 20 166 10 83
Fractura A 10 176 5 88
Mancha C 6 182 3 91
Rajadura E 4 186 2 93
Otros 14 200 7 100
Total 200 ------ 100 ------
Diagrama de Pareto: ejemplo

Gráfica de Tendencia
Aplicaciones
• Establecer una línea base para mejorar. Comparar el

desempeño histórico con el obtenido.
• Ver qué está pasando en el proceso: definir, medir, analizar,
mejorar, controlar, crear, reunir datos, analizar datos, tomar
decisiones, planear y trabajar en equipo.
• Enfocar los cambios importantes en un proceso.
• Analizar los efectos de un cambio que se haya efectuado a
un proceso.
Gráfica de Tendencia: ejemplo
DÍA OCURRENCIA DÍA OCURRENCI

A
1 5 6 6
2 9 7 5
3 6 8 7
4 3 9 4
5 2 10 3
Histograma
El histograma muestra cuantos datos de una variable de interés

ocurren en un rango específico.
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.
Histograma
Tipos
Histograma
Tipos
Diagrama de dispersión o correlación
El diagrama de dispersión grafica pares de datos (x,y) en una

cuadrícula de dos ejes para buscar relaciones entre ambas
variables. Si existe relación, los puntos seguirán la forma de una
recta o una curva.
Aplicaciones
• Para seleccionar factores muy correlacionados con las
características de calidad entre varios factores.
• Para determinar el rango óptimo de una variable donde se fijan las

condiciones de las características de control.
• Para comparar los resultados de medidas precisas y medidas

simples, pruebas destructivas y no destructivas, y para seleccionar
características sustitutivas y métodos de realización de mediciones
y experimentos.

Diagrama de dispersión o correlación: ejemplos
Correlación Positiva Regular

Correlación Negativa Buena

No Existe Correlación
Gráficas de Control
• Miden la tendencia central y la dispersión con los límites

estadísticamente determinados y la compara con la especificación
estándar.
• Sirven para evaluar y visualizar la calidad del un proceso y su
comportamiento en función del tiempo.
Control del proceso

Beneficios de las Gráficas de Control:
• Son herramientas simples y efectivas para lograr un control

estadístico del proceso.
• Cuando un proceso está bajo control estadístico puede predecirse

su desempeño respecto de las especificaciones.
Beneficios de las Gráficas de Control:
• Una vez que un proceso se encuentra en control estadístico, su

comportamiento puede mejorarse posteriormente y reducir la variación.
• Proporcionan un lenguaje común de comunicación con relación al

comportamiento de un proceso.
• Dan una buena indicación de cuándo algún problema debe corregirse

localmente, y cuándo se requiere una acción en la que deban participar varios
niveles de la organización.
Tipos de Gráficas de Control

Las gráficas de control se dividen en dos grandes ramas: de variables
para valores continuos y de atributos para valores discretos;
dependiendo del tipo de proceso, la forma como se inspecciona y las
distribuciones de probabilidad
VALOR
CLASIFICACIÓN GRÁFICA DE CONTROL
CARACTERÍSTICO
Gráfica de media x̅
Variables Valor continuo Gráfica de rangos
R
Gráfico de desviaciones estándar S
Gráfico n p (número de unidades defectuosas)
Gráfica p (fracción de unidades defectuosas)
Atributos Valor discreto
Gráfica c (número de defectos)
Gráfica u (número de defectos por unidad)
Gráficas de Control: Fórmulas para los límites de control

Límite d e Cont r ol Super ior ( LCS)
TIPOS D E GRÁFICAS D E CON T R O L Lí mit e Cent r a l M e d i o ( L M )
L í m i t e d e C o n t r o l Inf er i or ( L C I )
Valor cont inu o - pr ome d i o / r ang o L C S = X" + A 2 R

X− R LC = X"
LCI = X" − A2 R
Valor cont i nuo - r ang o / desviació n est ándar LCS = D4 R B4S

LC = R S
R − S
LCI = D3 R B3 S
Valor cont i nuo - pr ome d i o / desviació n est ándar L C S = X" + A 3 S

LC = X"
X − S
LCI = X" − A3 S
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
Valor discret o - fracción d e uni d a d e s def ect uo sa s LCS = p + 3 p 1 − p /n

LC = p
p ( n p u e d e variar)
Binom ia l LCI = p − 3 p 1 – p /n
n s i n var í a
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
Gráficas de Control: Fórmulas para los límites de control

ATRIBUTOS VARIABLES
TIPOS
P np c u X R S Moda
Fracción Defectos por Defectos en Rangos Desviaciones mediana
LÍMITES Número Medias(tendencia central)
defectu unidad muestra (dispersi estandar (tendencia
defectos
osa homogénea definida ón) (dispersión) central)
LM p np c u X" R S Análisis
especial
u X" + A2
LSC p(1 – np + np 1− p u+3 n R D4 B4S Análisis
p+3 c+3 c R X" +
p) 3
n especial
A3 S
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
 Se conoce las diferentes técnicas o herramientas de la calidad

a disposición de cualquier organización para la planificación, el
control y la gestión de la calidad, así como para la aplicación
de la mejora continua.
Referencias
 Evans, J. & Lindsay, W. (2015). Administración y control de la

calidad (9ª Edición). México, Editorial Cengage Learning.
 Gutiérrez, H. & De la Vara, R. (2013). Control estadístico de la
calidad y seis sigma (3ª Edición). México, McGraw-Hill
Educación.

Estadistica

Cargado por

Información del documento

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

Estadistica

Cargado por

Copyright:

Formatos disponibles

LOGRO DE LA SESIÓN

Al finalizar la sesión, el estudiante analiza problemas de calidad

 Medidas de tendencia central y de dispersión.

Recordando algunas definiciones

Las variables de salida o de respuesta de un proceso deben

Recordando algunas definiciones

• Capacidad de un proceso: Consiste en conocer la amplitud

Recordando algunas definiciones

• La Estadística: se utiliza como tecnología de servicio de las

Recordando algunas definiciones

• Estadística Descriptiva: incluye la recolección, presentación y

Recordando algunas definiciones

• Estadística Inferencial: se refiere a la técnica de

• Estadísticos: cantidades o mediciones que se obtienen a partir

• Variable: característica observable que varía entre los

• Marco muestral: es una lista de los elementos que pertenecen

Medida de tendencia central que es igual al promedio aritmético

Punto medio de los valores después de ordenarlos.

Med  X  N2  0.5

Valor que más se repite en un conjunto de datos.

4, 7, 12,12 , 15, 16, 20, 20 , 24, 27

7, 12, 15, 18, 25, 30, 31, 38

Selección del promedio más adecuado

22, 24, 25, 26, 27, 28, 28, 29,

INGRESO EN 8, 8.2, 9,10,11,12,

Selección del promedio más adecuado

• La mediana siempre es la posición central.

Son insuficientes como criterio de calidad

10 10 10 10 20 30 30 30 30 MEDIA 20 MED. 20 MOD 30

20 22 21 20 20 19 18 20 20 MEDIA 20 MED. 20 MOD 20

1 4 6 8 20 32 34 36 39 MEDIA 20 MED. 20 MOD -

10 12 14 16 20 24 26 28 30 MEDIA 20 MED. 20 MOD -

Son insuficientes como criterio de calidad

Media: 20 Moda: 20 Moda: 20 ó 30

• Debido a que estos estadísticos están dentro de las

• En otras palabras, las medidas de tendencia central son

Además de conocer la tendencia central de un conjunto de datos

• Diferencia entre el valor

• Media de los valores N

absolutos de las diferencias  Xi  

• Media aritmética de las N

• Es la raíz cuadrada positiva N

La siguiente información se refiere a una muestra del número de

• El nivel de variabilidad de las ventas es de 11.6 artículos

• La desviación estándar es de 3.4 artículos.

Desviación estándar muestral (S)

Desviación estándar del proceso (σ)

Interpretación y usos de la Desviación Estándar

• Regla empírica: para una distribución de frecuencias simétrica

Interpretación y usos de la Desviación Estándar

Tienda I (soles) Tienda II (dólares)

• Es la medida numérica de la posibilidad de que un evento

Cantidad que es el resultado de un experimento aleatorio que,

• Variable Aleatoria Discreta:

• Variable Aleatoria Continua:

Resultados Posibles (Variable Aleatoria)

Variable aleatoria discreta

Variable aleatoria continua

Herramientas para controlar la calidad

Las diferentes herramientas que vamos a explicar se caracterizan

Estas herramientas son las denominadas «Siete Herramientas del

Procedimiento para Elaborar el Diagrama

1. Se describe el efecto, atributo o variable de la calidad que se va analizar.

Aspectos a tener en cuenta