4 Analizar

4.1 Estadística Básica

Si no podemos expresar lo que sabemos con números, realmente no
sabemos mucho al respecto. Si no sabemos mucho al respecto, no podemos
controlarlo. Si no podemos controlarlo, estamos a merced de la casualidad.
Dr. W. E. Deming

La Estadística
 La Estadística es la rama de las matemáticas que se
refiere a la recolección, estudio e interpretación de los
datos obtenidos.

 Aplicaciones:
Física
Ciencias Sociales
Negocios
Calidad
Gobierno

1
Historia de la Estadística
 La palabra «Estadística" procede del latín Statisticum
Collegium («Consejo de Estado") y de su derivado italiano
Statista («Hombre de Estado" o «Político").
 El término alemán Statistik, que fue primeramente
introducido por Gottfried Achenwall (1749), designaba
originalmente el análisis de datos del estado.
 En el siglo XIX, el término Estadística adquirió el significado
de recolectar y clasificar datos. Este concepto fue
introducido por el inglés John Sinclair.

Historia de la Estadística
 Hacia el año 3000 a.C., los babilonios usaban ya pequeñas
tablillas de arcilla para recopilar datos sobre la producción
agrícola y de los géneros vendidos o cambiados mediante
trueque.
 Los egipcios analizaban los datos de la población y la renta del
país mucho antes de construir las pirámides en el siglo XI a.C.
 Los libros bíblicos de Números y Crónicas incluyen, en algunas
partes, trabajos de estadística. El primero contiene dos censos
de la población de Israel y el segundo describe el bienestar
material de las diversas tribus judías.
 En China existían registros numéricos similares con
anterioridad al año 2000 a.C.
 Los griegos clásicos realizaban censos cuya información se
utilizaba hacia el 594 a.C. para cobrar impuestos.

2
Importancia de la Estadística
K L O V D T P X O F I Y D Y R N O A G
R Z S O M U S O S C B V B B B I I S S
K E S C U C H A G I Y R V C V K U P Y

Escúchalos... S R H P S A H S H L V C T S I H J O I
T S S S U F A U P O T S E E K G R I N
M P V N K H U N K O C A D K J S V M B
B D I A D O Q P Q H S D S J G D C H Ñ
W S N K S G T D U M U O O C F C X T L
B V A I A C V Q E D N L L D W E O R K
U A D F H E A L F V T U S G D G U C H
Z L G P K G L D D O V S F K A F B S I
F I Y Q F J J C P Q Z R L Y T T T Z S
S E Z C S D A S X Y S R V L O J V A Q
O M D X W H G G P I Q L G I S E S G T
L V U Z G J A W Y O F M L N G J V T L
M O S N U K S I Q U I E R E N A F B B
T A O A D D M F I J J H I S M R B S P
S Q S B F R C O C Q X C I H E M O E B
K L W F D E C I R T E Q Y A X B M L I
V R Z S T Q E P M P D W K R V O R Z Y
A F L P L A H S A V T G L S A N Y V O
H S T M W I A H E O T X L U M D J A S
M G D F C U V A S F X Q K X D S F B T

Importancia de la Estadística
K L O V D T P X O F I Y D Y R N O A G
R Z S O M U S O S C B V B B B I I S S
K E S C U C H A G I Y R V C V K U P Y

Escúchalos... S R H P S A H S H L V C T S I H J O I
T S S S U F A U P O T S E E K G R I N
M P V N K H U N K O C A D K J S V M B
B D I A D O Q P Q H S D S J G D C H Ñ
W S N K S G T D U M U O O C F C X T L
B V A I A C V Q E D N L L D W E O R K
U A D F H E A L F V T U S G D G U C H
Z L G P K G L D D O V S F K A F B S I
F I Y Q F J J C P Q Z R L Y T T T Z S
S E Z C S D A S X Y S R V L O J V A Q
O M D X W H G G P I Q L G I S E S G T
L V U Z G J A W Y O F M L N G J V T L
M O S N U K S I Q U I E R E N A F B B
T A O A D D M F I J J H I S M R B S P
S Q S B F R C O C Q X C I H E M O E B
K L W F D E C I R T E Q Y A X B M L I
V R Z S T Q E P M P D W K R V O R Z Y
A F L P L A H S A V T G L S A N Y V O
H S T M W I A H E O T X L U M D J A S
M G D F C U V A S F X Q K X D S F B T

3
La Estadística Actualmente
 Hoy el uso de la estadística se ha extendido mas allá
de sus orígenes como un servicio al estado o al
gobierno.
 Personas y organizaciones usan estadística para
entender datos y tomar decisiones en ciencias
naturales y sociales, medicina, negocios y otras
áreas.
 La estadística es pensada generalmente no como un
sub-área de las matemáticas sino como una ciencia
diferente y "aliada".

La Estadística se Divide
en Dos Ramas:
 La estadística descriptiva:
Recolección
Descripción
Visualización
Resumen de datos originados (numéricos o gráficos)
 La estadística inferencial:
Generación de los modelos
Inferencias
Predicciones
Estadística Descriptiva + Probabilidad

4
Control Estadístico

 Es la aplicación de métodos estadísticos para

analizar datos y para estudiar y vigilar la habilidad y
el desempeño de un proceso.

 El control estadístico del proceso se basa en un

concepto simple, un diagrama histórico de
frecuencia, que consiste en un diagrama que
muestra la frecuencia con que ocurren distintos
valores o mediciones en los resultados de un
proceso.

Procesos

ENTRADAS
PROCESOS SALIDAS
4 M’s

5
 Control de Procesos es...

• Control de 4 M’S •Control de Productos

(mediante •Control de Calidad
estándares) •Control de Costos
•Control de Entregas
• Girar el círculo •Control de Seguridad
PHVA •Control de Moral
(Mejoramientos)
歯止め •Control de Ambiente

RESULTADO

3 Formas de Reducir la Variación

 Estratificar: Es clasificar y analizar datos de acuerdo a
las distintas fuentes de donde provienen, por ejemplo:
máquinas, lotes, proveedores, turnos, etc.

 Experimentar: Se ejecutan cambios cuidadosamente

planeados, anotando los resultados. Este proceso se
sigue realizando hasta llegar a un nivel óptimo.

 Disgregar: Consiste en dividir el proceso en los

subprocesos que lo conforman, procediendo a un
análisis más profundo y detallado, analizando además
la relación sistémica entre los diversos subprocesos.

6
Causas de Variación:
Especiales o Asignables

 Es fundamental a la hora de juzgar las variaciones si

las mismas son aleatorias o propias del sistema, o
bien son asignables o producto de causas especiales.

 La correcta distinción lleva a evitar la comisión de

errores a la hora de tomar decisiones concernientes
a la realización o ejecución de correcciones o ajustes

Razones para Aplicar

Control Estadístico
1. Saber cuándo emprender acciones para ajustar un
proceso que ha salido de control.
2. Saber cuándo dejar solo un proceso controlado.
3. Establecer una forma de análisis y síntesis de un
proceso para conocerlo a detalle.
4. Conocer de manera continua, el nivel de variación
del proceso para actuar oportunamente

7
Estadística Descriptiva

 Lograr un entendimiento de cómo y cuántas

unidades muestrear en un estudio de calidad
 Conocer las diversas medidas de tendencia central
 Identificar los límites reales de un proceso, la
estimación de los parámetros
 Interpretar un Histograma
 Hacer un estudio de Capacidad

Relación entre Población,

Muestra, Parámetros y Estadísticos
Población
(toda la producción Muestra
del mes) (representativa
Aleatoriamente del mes)

Parámetros
(siempre desconocidos)
Estadísticos
(conocidos)

Inferencia

8
Definiciones
 Población: Totalidad de posibles individuos u objetos de
interés sobre los que se hace un estudio.
Ej: El grupo de esta clase, el lote, etc.

 Muestra: Parte de una población, seleccionada

adecuadamente, que observa las características más
importantes de dicha población.
Ej: Un equipo del grupo, un muestra del lote, etc.

 Parámetros: Características que mediante su valor numérico

ayudan a describir a un conjunto de elementos o individuos.

Definiciones

 Estadístico: Medición o cálculo que se obtiene a partir de

un conjunto de datos con el objeto de conocer sus
características más relevantes.

 Inferencia: Se pueden hacer afirmaciones válidas acerca

de la población o proceso con base en la información
contenida en una muestra.

9
Muestra Aleatoria

Es la muestra que representa de manera muy aproximada

al total de la población

Datos
 La materia prima para las herramientas estadísticas
son los datos.
 Dificultades en el uso de los datos:
Poco tiempo para recolectar los datos.
Muchos datos por recolectar.
Se recogen los datos pero no se tiene tiempo para
ordenarlos o interpretarlos.

Mientras más personas procesan los datos, mayor es la

probabilidad de que se presenten errores.

10
 Importancia de la Estadística
Dos propiedades importantes de los datos
Cualquier grupo de datos medidos tiene 2 propiedades muy
importantes:
¡ De aquí pa’cá !

¡ Aquí ! Dispersión (variabilidad) alrededor

del valor central

Localización o tendencia central

Algunos indicadores de tendencia central: Algunos indicadores de dispersión:

Media, Mediana, Moda Rango, Varianza, Desviación Estándar

Medidas de Tendencia Central

 Si deseas describir una población o muestra con un
solo número… ¿ Cuál usarías ?

Media Promedio aritmético

Moda Dato que ocurrió mas veces
Mediana Dato que divide a la mitad a los datos

¡ Aquí !

Localización o tendencia central

11
Medidas de Dispersión
 Rango: Medición de la variabilidad de un conjunto de datos
que es resultado de la diferencia entre el mayor dato y el
menor de la muestra.
 Desviación estándar: Es la medida más usual de variabilidad y
mide qué tan esparcidos están los datos respecto a la media.
 Varianza: Desviación estándar al cuadrado

n
1
s  ( xi x )2
(n  1) i 1
¡ De aquí pa’cá !

Dispersión (Variabilidad)
alrededor del valor central

Medidas de Tendencia Central

Ejemplo: Las calificaciones del grupo de capacitación en el curso de
estadística son 64, 88, 66, 82, 68, 68, 70, 78, 76, 80, 90
Media Aritmética:
n
 xi
i=1 (64+88+66+82+68+68+70+78+76+80+90)
X= = 75.5
n = 11

Mediana:
64 66 68 68 70 76 78 80 82 88 90

Moda:
El 68 es el dato que más repite

12
Medidas de Dispersión
Ejemplo: Las calificaciones del grupo de capacitación en el curso de
estadística son 64, 88, 66, 82, 68, 68, 70, 78, 76, 80, 90
Rango:
R = ( 90 - 64 ) = 26

Varianza:
n
 (x i- x )2 (64 – 75.5)2 + (88 – 75.5)2 + … + (90 – 75.5)2
S2 = i = 1 = = 80.07
n–1 11 - 1

Desviación Estándar:

s= s2 s = 8.94

Ejercicio
 Con la bolsa de caramelos de tu equipo:
1. Creen una hoja de registro
2. Cuenten el total de caramelos en la bolsa y el número de
caramelos de cada color
3. Cuando terminen de contar, un representante del equipo
capturará la información en la hoja de registro
4. Usando Excel o calculadoras, capturen la información de todo
el grupo
5. Para cada color obtengan lo siguiente:
– Máximo, mínimo, media, moda, mediana, desviación
estándar, rango

13
Concepto de Variación
Esta simulación ilustra los principios básicos de la variación que
todos deben entender para tomar decisiones efectivas
Principio 1: Ningún objeto es idéntico a otro
La variación está en todas partes!!! Y en todo!!!

Principio 2: La variación existe en dos estados de control:

Controlada: Conocida como causa común, es un patrón de variación
estable o consistente a través del tiempo (predecible).
Descontrolada: Conocida como causa especial, es un patrón que
cambia con el tiempo (impredecible).

Para controlar y reducir la variación primero debe usted entender,

cuantificar e interpretar la variación en un conjunto de datos de un proceso

Nuestra Meta es
Reducir la Variación
 El primer paso para tomar decisiones efectivas es reconocer que todos
nuestros sistemas y procesos tienen variación de causa común, y que la
mayoría sufre la variación de causa especial y de los efectos de
“arreglos”, que son reacciones exageradas ante la variación.
 Minimizar la reacción exagerada ante la variación es progreso. Sin
embargo, ello no conducirá a una mejora rápida y sostenida.
 La variación es inevitable, pero podemos mejorar notablemente la
calidad y reducir la variación tanto como podamos
 ¿ Cómo debemos reaccionar ante la variación y reducirla para mejorar
nuestros procesos ?
 Medir y analizar las fuentes de variación
 Hacer mejoras apropiadas a los sistemas/procesos
 Controlar y mantener las mejoras al proceso desde la fuente

14
Elementos de Variación
 Recuerde, la variación existe en TODAS PARTES !!!!!
 ¿ Cuáles son las causas de variación ?
Para encontrarlas tenemos las 4 M’s
Acrónimo sencillo que nos recuerda dónde buscar
las fuentes de variación

Tipos de Variación
Variación Esperada (causa común) Variación inesperada (causa especial)
normal anormal
aleatoria no aleatoria
sistemática local
probable causa asignable
esperada inesperada
estable inestable
predecible impredecible
en control estadístico fuera de control estadístico

Meta Inmediata: Eliminar la variación inesperada

Meta a Largo Plazo: Reducir la variación continuamente

15
El Papel de la Estadística en
Seis Sigma
Utilizamos la ciencia de la estadística para entender la variación
 Más exactamente, se utilizan métodos y herramientas estadísticas para
determinar eficazmente Y = f(x) y la cantidad de variación esperada
alrededor de esa Y.
 Transformaremos los datos de un estado aleatorio y diverso a
conocimiento ordenado y acumulativo.
 Cuantificar las Y’s
 Cuantificaremos las relaciones de Causa & Efecto
 Cuantificar el efecto de las X’s en las Y’s
 Herramienta de medición inferencial.
 Confianza en la influencia de las X’s con el paso del tiempo.

La Distribución Normal
 Un proceso produce resultados que tienen una distribución
 La distribución tiene tres propiedades básicas
- Forma Forma: En este caso, la
- Centro distribución con forma de
- Dispersión Centro campana o distribución
normal
30
Dispersión
20

10

-3 -2 -1 0 1 2 3
La distribución normal ocurre comúnmente en la naturaleza, negocio e
industria. Muchas herramientas estadísticas se basan en la suposición de una
distribución normal.

16
La Distribución Normal
 La mayoría de los datos tienden
a seguir la curva de distribución
normal o en forma de campana. Punto de
Inflexión
• Una de las propiedades
clave de la distribución
normal es la relación entre la
forma de la curva y la
desviación estándar.
 99.7 % del área de la
distribución normal está
contenida entre -3 sigma y 3σ 2σ 1σ µ 1σ 2σ 3σ
+3 sigma a partir de la media. 68.2%

• Los límites de 3 sigma 95.4%

definen los límites de 99.7%
comportamiento esperado
del proceso. 6σ = 99.99999975%

¿ Qué queremos decir con un

Proceso 6σ ?
1 Desviación
Estándar

Límite Superior de
Promedio Especificación
del Proceso
(Media) Probabilidad
de
Defecto
3.4 DPMO’s

1 2 3 4 5 6
Desviaciones Estándar

17
Como comparación,
éste es un Proceso “3σ”
1 Desviación
Estándar

Límite Superior de
Promedio Especificación
del Proceso
Probabilidad
(Media)
de
Defecto
66,807 DPMO’s
1 2 3
Desviaciones Estándar
¿ Qué ha cambiado ?

El Desempeño del Sistema puede

considerarse como una
Distribución de Salida: LSL Target USL
 Capacidad de respuesta de mostrador
 Lisura del laminado
 Velocidad de flujo de la bomba
 Tasa de aceptación del trabajo
 Ubicación de la perforación
 Exactitud del inventario

 La mayoría de las medidas tienen algún valor objetivo y límites aceptables

de variación alrededor del objetivo (VOC).
 El punto hasta donde los valores “esperados” (VOP) caen dentro de estos
límites (VOC) determina qué tan capaz es el proceso para cumplir con los
requerimientos

La Capacidad compara a VOP con VOC

18
Capacidad: ¿ Qué gano con eso ?
 Determina una línea base para medir las mejoras
del proceso.
 Justifica nueva tecnología si el proceso es incapaz.
 Evita gastos si se determina que el proceso es
capaz.
 Ahorra costos de diseño al no ser demasiado
conservador.
LSL USL

19