Documentos de Académico
Documentos de Profesional
Documentos de Cultura
LICENCIATURA EN A.D.E.
TÉCNICAS ESTADÍSTICAS DE
CONTROL DE CALIDAD
(12249)
Mª Isabel López Rodríguez
Dpto. Economía Aplicada
2.1. INTRODUCCIÓN
2.2. ESTADÍSTICA DESCRIPTIVA
2.3. CÁLCULO DE PROBABILIDADES
2.4. INFERENCIA ESTADÍSTICA
2
2.1. INTRODUCCIÓN
TEORÍA
O
ESTADÍSTICA CÁLCULO INFERENCIA
DESCRIPTIVA DE ESTADÍSTICA
PROBABILI
DADES
3
POBLACIÓN
MUESTREO INFERENCIA
MUESTRA
4
5
ESTADÍSTICA
DESCRIPTIVA 2. 2. ESTADÍSTICA DESCRIPTIVA
OBJETIVO: analizar los datos, de modo que las conclusiones a las que
se llegue no sobrepasen los límites de éstos. No se aplican a la población.
Características que pueden ser
observadas en un conjunto de
elementos
Atributos: tipos
Variables discretas: Ordinales:
Variables continuas: de defectos en
número de artículos longitud de unos la fabricación satisfacción de los
vendidos en un día, tornillos, espesor de un artículo, clientes en el
nº. piezas planchas de acero, modelos servicio postventa,
defectuosas etc. producidos de clasificación de los
fabricadas en un un automóvil, proveedores de un
mes, etc. etc. producto, etc.
6
ESTADÍSTICA
DESCRIPTIVA
Variables estadísticas
-DISTRIBUCIÓN DE FRECUENCIAS
7
ESTADÍSTICA
DESCRIPTIVA
Se ha preguntado a un grupo de 200 habitantes de la ciudad de Valencia el
número de veces que cogen el transporte publico en un día laborable. Las
Ejemplo 1
respuestas se recogen en la siguiente tabla
8
Ejemplo 2 Tabla de frecuencias absolutas
nº Ciudadanos
nº veces al día que ni frecuencia
cogen autobús Xi absoluta
0 16
1 39
2 62
3 39
4 28
5 15
6 1
200
Diagrama de barras
70
60
50
40
30
20
10
0
0 1 2 3 4 5 6 7 8 9 10
número ciudadanos
9
ESTADÍSTICA
DESCRIPTIVA Un segundo estudio se realiza en la ciudad de Benidorm. Las respuestas de las
200 personas entrevistadas a la pregunta de cuantas veces cogen el autobús se
Ejemplo 3 recoge en la siguiente tabla.
2 0 0 0 5 5 5 0 0 0
4 0 1 10 10 0 0 0 5 0
3 0 6 5 0 0 0 0 6 1
0 0 1 1 6 10 0 1 1 0
4 0 0 0 1 0 2 0 1 1
1 0 2 3 4 5 0 10 0 1
6 2 5 3 1 1 0 0 0 0
6 2 5 6 5 2 2 1 5 0
10 2 3 6 2 6 2 1 4 5
5 0 0 5 3 6 6 1 0 0
3 2 0 5 4 0 0 0 0 0
0 6 10 2 1 0 2 0 0 0
2 2 4 5 5 1 0 0 0 0
2 2 4 0 1 0 0 0 0 6
3 2 0 0 0 6 0 1 0 1
2 0 0 0 0 0 5 5 0 10
4 6 3 0 0 0 1 0 0 5
3 0 6 6 10 6 0 6 6 0
0 6 0 0 0 2 1 10 6 0
5 3 0 0 0 0 10 6 10 6
.
10
Tabla de frecuencias absolutas
nº Ciudadanos
nº veces al día que ni frecuencia
Ejemplo 3 cogen autobús Yi absoluta
0 85
1 23
2 20
3 10
4 8
5 20
6 23
10 11
200
Diagrama de barras
90 Número de veces que se coge el autobús
80
70
60
50
40
número
30 ciudadanos
20
10
0
0 1 2 3 4 5 6 7 8 9 10
11
ESTADÍSTICA
DESCRIPTIVA Ejemplo 2
200
X
i 1
i
X 2,365 PROMEDIO ( )
200
Misma media
Distinta Ejemplo 3
distribución
200
Y
i 1
i
Y 2,365 PROMEDIO( )
200
12
ESTADÍSTICA
Ejemplo 2
DESCRIPTIVA
200
Xi X
2
13
ESTADÍSTICA
DESCRIPTIVA
x x 2 ....... x N x i
x 1 i 1
N N
¿Representa bien la media a dichos valores?
14
ESTADÍSTICA
DESCRIPTIVA
MEDIDAS DE DISPERSIÓN: VARIANZA, DESVIACIÓN
TÍPICA, RECORRIDO
Si x1, x2, ……..xN son los N valores de la variable estadística:
• VARIANZA: N
x x 2
=VAR.P ( )
i
i 1
S2x
N
• DESVIACIÓN TÍPICA:
Sx S2x 0
• RECORRIDO:
15
ESTADÍSTICA Se analizan los pedidos efectuados por la empresa LUNASPUMA a una sección
DESCRIPTIVA
comercial de la misma empresa a lo largo de 360 días. El importe de los pedidos en
euros se recoge en la siguiente tabla:
Ejemplo 4
16
ESTADÍSTICA Ejemplo 4
DESCRIPTIVA Gráfico barras
50
Importe pedidos
en euros nº de dias 40
300 45
450 55 30
500 24 número días
600 38 20
700 49
800 42 10
900 36
1000 37 0
1200 34 300 450 500 600 700 800 900 1000 1200
360
X 697,6€
S2X 71293 € 2
S X 267 €
Re 900€
17
CÁLCULO DE 2.3. CÁLCULO DE PROBABILIDADES
PROBABILIDADES
Experimentos:
Deterministas o Causales
Aleatorios
Variables aleatorias: discretas y continuas
-DISTRIBUCIÓN DE PROBABILIDAD
• MEDIDAS DE POSICIÓN: esperanza matemática ( )
-MEDIDAS DE REDUCCIÓN
• MEDIDAS DE DISPERSIÓN: varianza ( 2),
desviación típica ( ), recorrido
18
CÁLCULO DE
PROBABILIDADES
19
CÁLCULO DE
PROBABILIDADES
X 0, 1, 2, ..........n
NOTACIÓN: X~B(n, p)
20
CÁLCULO DE
PROBABILIDADES
=DISTR.BINOM.N(X;n;p;FALSO) =DISTR.BINOM.N(X;n;p;VERDADERO)
MODELO BINOMIAL
0 2 4 6 8 10 12 14 16 18 20
0, 9
0, 8
0, 7
0, 6
0, 5
0, 4
0, 3
0, 2
0, 1
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
RESULTADOS DE INTERÉS
Valor medio de B(n,p) = n.p= 20.0,5 =10
Varianza de B(n; p): 2 =n p q =20 . 0,5 . 0,5 = 5
21
CÁLCULO DE
PROBABILIDADES
Ejemplo 5
22
CÁLCULO DE
PROBABILIDADES
a) 22,5
b) 0’0098
c) 0’008
23
CÁLCULO DE
PROBABILIDADES
NOTACIÓN: X~P()
24
CÁLCULO DE =POISSON.DIST(X;;FALSO) =POISSON.DIST(X;;VERDADERO)
PROBABILIDADES
MODELO POISSON
0 5 10 15 20 25 30
1, 0
0, 9
0, 8
0, 7
0, 6
0, 5
0, 4
0, 3
0, 2
0, 1
0, 0
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30
25
CÁLCULO DE
PROBABILIDADES
Ejemplo 6
26
CÁLCULO DE
PROBABILIDADES
MODELO POISSON
0 5 10 15 20 25 30
1,0
0,9
0,8
0,7
0,6
0,5
0,4
0,3
0,2
0,1
0,0
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30
a) 14’65%
b) 9’16%
c) 0’1048
27
CÁLCULO DE
PROBABILIDADES
NOTACIÓN: X~N(, )
28
CÁLCULO DE =DISTR.NORM.N(X;;;FALSO) =DISTR.NORM.N(X;;;VERDADERO)
PROBABILIDADES
MODELO NORMAL
0,9
0,8
0,7
0,6
0,5
0,4
0,3
0,2
0,1
0
-4 -2 0 2 4 6 8 10 12
29
CÁLCULO DE
PROBABILIDADES N(=4, = 2)
68’27%
95’45% 99’73%
30
CÁLCULO DE
PROBABILIDADES
Ejemplo 7
31
CÁLCULO DE
PROBABILIDADES
MODELO NORMAL
0,9
0,8
0,7
0,6
0,5
0,4
0,3
0,2
0,1
0
15 20 25 30 35 40 45
a.1) 0’5
a.2) 0’8054
b) [15min., 45min]
32
CÁLCULO DE
PROBABILIDADES
BINOMIAL-POISSON
Si X~B(n, p) con n suficientemente X~ P(=np)
grande y p suficientemente pequeño
n50 y np 5
BINOMIAL-NORMAL
Si X~B(n, p) con n suficientemente grande X~N(µ=np, 2=npq )
n50 y np >5
POISSON-NORMAL
X~N(µ=, 2= )
Si X~P() y suficientemente grande
33
CÁLCULO DE APROXIMACIÓN DE BINOMIAL A POISSON
PROBABILIDADES
0,5
0,45
0,4
0,35
0,3
0,25
0,2
0,15
0,1
0,05
0
0
4
8
12
16
20
24
28
32
36
40
44
48
52
56
60
64
68
72
76
80
Binomial Poisson
34
CÁLCULO DE
PROBABILIDADES APROXIMACIÓN DE BINOMIAL A POISSON
BINOMIAL (B(n=80, p=0'5))
POISSON (P('5=40))
0,1
0,09 0,07
0,08 0,06
0,07
0,05
0,06
0,05 0,04
0,04 0,03
0,03 0,02
0,02 0,01
0,01
0
0
-0,01 0 -0,01 0 10 20 30 40 50 60 70 80
10 20 30 40 50 60 70 80
Función de Probabilidad
Función de Probabilidad
0,1
0,09
0,08
0,07
0,06
0,05
0,04
0,03
0,02
0,01
0
0
4
8
12
16
20
24
28
32
36
40
44
48
52
56
60
64
68
72
76
80
Binomial Poisson
35
CÁLCULO DE
APROXIMACIÓN DE BINOMIAL A NORMAL
PROBABILIDADES
0,1
0,1
0,09
0,09
0,08
0,08
0,07 0,07
0,06 0,06
0,05 0,05
0,04 0,04
0,03
0,03
0,02
0,01 0,02
0 0,01
-0,01 0 10 20 30 40 50 60 70 80 0
0 10 20 30 40 50 60 70 80
Función de Probabilidad
Función de Probabilidad
36
CÁLCULO DE APROXIMACIÓN DE POISSON A NORMAL
PROBABILIDADES
NORMAL (N(49, 2 49)
POISSON (P(49))
0,08
0,08 0,07
0,07 0,06
0,06
0,05
0,05
0,04
0,04
0,03
0,03
0,02 0,02
0,01 0,01
0
0
0 10 20 30 40 50 60 70 80 0 10 20 30 40 50 60 70 80
37
CÁLCULO DE
PROBABILIDADES APROXIMACIÓN DE POISSON A NORMAL
38
CÁLCULO DE
PROBABILIDADES
Ejemplo 8
39
CÁLCULO DE
PROBABILIDADES
Ejemplo 8
X B(n=6000; p=0’01)
np=60>5 se puede aproximar a N(=np=60, 2=npq=59’4)
p(X>60)=0’5
X B(n=70; p=0’01)
np=0’7<5 se puede aproximar a P(=0’7)
p(X>1)=0’1558
40
CÁLCULO DE
PROBABILIDADES
Ejemplo 9
X B(n=6000; p=0’01)
np=60>5 se puede aproximar a N(=np=60, 2=npq=59’4)
41
CÁLCULO DE
PROBABILIDADES
Ejemplo 10
Ejemplo 11
42
CÁLCULO DE
PROBABILIDADES
Ejemplo 10
En Poissson ==2
p(X<88)=0’9987
43
CÁLCULO DE
PROBABILIDADES
Ejemplo 11
44
CÁLCULO DE
PROBABILIDADES
1ª Consecuencia
n
Sn X i Para n suficientemente grande
Si se define
Sn ~ N n, n
i 1
2ª Consecuencia
n
X Para n suficientemente grande
Si se define M n n X media muestral
i
i 1
X ~ N ,
n
45
CÁLCULO DE
PROBABILIDADES
1
0,9
0,8
0,7
0,6
0,5
0,4
0,3
0,2
0,1
0
-4 -2 0 2 4 6 8 10 12
X~D(=4, 2=2)
Ejemplo 13 1
0,9
0,8
0,7
0,6
0,5
0,4
0,3
0,2
0,1
0 1 2 3 4 5 6 7 8
46
CÁLCULO DE PROBABILIDADES
Ejemplo 14
1 1
0,8 0,8
0,6 0,6
0,4 0,4
0,2 0,2
0 0
-4 -2 0 2 4 6 8 10 12 -4 -2 0 2 4 6 8 10 12
-0,2 -0,2
2
1,4
1,8
1,2 1,6
1 1,4
1,2
0,8
1
0,6 0,8
0,4 0,6
0,4
0,2
0,2
0
0
-4 -2 0 2 4 6 8 10 12
-0,2 -4 -2 -0,2 0 2 4 6 8 10 12
47
CÁLCULO DE
PROBABILIDADES
Ejemplo 15
48
CÁLCULO DE
PROBABILIDADES
Ejemplo 15
Y ~ N n, n N 36 ·500; 100 36 N(18.000; 600)
p(Y>19.200)=0’0227
X1 X 2 .............. X36 36 Xi
b) Z=v. a. beneficio medio/en 36 meses hábiles Z
36 i 1 36
2ª Consecuencia
del TCL
100
Z ~ N , N 500; N(500;16'6)
n 36
p(Z>550)=0’0013
49
INFERENCIA
ESTADÍSTICA
2.4. INFERENCIA ESTADÍSTICA
OBJETIVO: Obtener conclusiones de la población (todo el colectivo) a
partir de los valores de una muestra (subconjunto de la población).
MUESTRA POBLACIÓN
50
INFERENCIA
ESTADÍSTICA
51
INFERENCIA
ESTADÍSTICA
ESTIMACIÓN PUNTUAL
X
c2 y d2: valores
2 2
S
tabulados dependientes
del tamaño muestral
R
S
o bien
c2 d2
p p̂
52
INFERENCIA
ESTADÍSTICA
Ejemplo 16
Con los datos del ejemplo 16, y considerando el estimador dependiente del
recorrido de la muestra, obtener la estimación puntual de la desviación típica
del número de piezas fabricadas diariamente.
53
INFERENCIA
ESTADÍSTICA
Ejemplo 16
Estimador de X
8 ................. 10
En este caso 11'6
10
Ejemplo 17
S
Estimador de dependiente de S
c2
4'02988
En este caso 4'1429
0'9727
Ejemplo 18
R
Estimador de dependiente de R
d2
12
En este caso 3'8986
3'078
54
INFERENCIA
ESTADÍSTICA
ESTIMACIÓN PUNTUAL
X
S
c2
R
d2
55
INFERENCIA
ESTADÍSTICA
CONTRASTACIÓN DE HIPÓTESIS
Hipótesis Estadística
Contraste de Hipótesis Estadística
Tipos de Contrastes de Hipótesis:
Paramétricos
No Paramétricos
Tipos de Hipótesis Estadísticas:
Hipótesis Simple
Hipótesis Compuesta
56
INFERENCIA
ESTADÍSTICA
EJEMPLO 19
Ho: =100
H1: 100
57
INFERENCIA
ESTADÍSTICA
Rechazar Ho No rechazar Ho
Ho cierta Fallo Acierto
(Error Tipo I)
58
INFERENCIA
ESTADÍSTICA
EJEMPLO 20
59
INFERENCIA
ESTADÍSTICA
TÉCNICA GENERAL
60
INFERENCIA
ESTADÍSTICA
EJEMPLO 21
61
INFERENCIA
ESTADÍSTICA
EJEMPLO 21
Se obtiene que
103'6 100
To 2'2
5
y 9
Ro=[-2’58, 2’58 ]
62
INFERENCIA
Proporcionado por
ESTADÍSTICA
paquetes estadísticos y
algunas hojas de
ENFOQUE DEL P-VALOR (P-VALUE)
cálculo
(aunque se puede
obtener sin necesidad
de utilizarlos )
P-VALOR (P-VALUE): mínimo valor de significación que nos lleva al
rechazo de Ho,, es decir, si:
Si > p se rechaza Ho
63
INFERENCIA
ESTADÍSTICA
EJEMPLO 22
Distribución 2 de Pearson
Distribución t de Student
( siendo X~ N(0, 1); Y ~ n ; X e Y independientes)
2
X DE
t ~ tn
Y
n
Distribución F de Snedecor
LIBERTAD
( siendo X~ m ; Y ~ 2n ; X e Y independientes)
X n X
2
F m · ~ Fm, n
Y m Y
n
65
INFERENCIA Analizar previamente la adecuación del
ESTADÍSTICA modelo Normal
• Contrastes no
paramétricos ( 2 de
Pearson, Kolmogorov)
• Métodos gráficos
(histograma, papel
probabilístico Normal)
COMPARAR
MEDIAS
COMPARAR
VARIANZAS
66
INFERENCIA TABLA
ESTADÍSTICA
67
GLOSARIO DE FUNCIONES EN EXCEL:
♦Media aritmética: =PROMEDIO( )
♦Varianza de la muestra: =VAR.P( )
♦Desviación típica de la muestra: =DESVEST.P( )
♦Recorrido: =MAX( )-MIN( )
♦Frecuencias: =FRECUENCIA(datos, grupos),
♦Función de Probabilidad (modelo Binomial): =DISTR.BINOM.N(X;n;p;FALSO)
♦Función de Distribución (modelo Binomial): =DISTR.BINOM.N(X;n;p;VERDADERO)
68