Una de las 

siete herramientas de la calidades el muestreo

estratificado oestratificación. Básicamente lo que hacemos es clasificar (o
estratificar) una serie de datos según las características que creamos pertinentes.
El resultado de los datos agrupados lo conocemos como estratos.
Qué es la estratificación, cómo se usa en calidad y cuál es su interpretación; es el
tema de hoy para la gestión del negocio.
¿Qué vas a encontrar? [Ocultar contenido]
 1 Qué es el muestreo estratificado
 2 Cuándo utilizar el muestreo estratificado
 3 Tipos de muestreo estratificado
o 3.1 Muestreo estratificado proporcional
o 3.2 Muestreo estratificado uniforme
o 3.3 Muestreo estratificado óptimo
 4 Cómo hacer un muestro estratificado paso a paso
 5 Ejemplo práctico de muestreo estratificado
 6 Plantilla en excel Muestreo estratificado

Te podría interesar:  Consejos imprescindibles para mejorar la productividad en tu

trabajo

Qué es el muestreo estratificado

En ocasiones al desarrollar análisis de situaciones problemáticas o de procesos en
la empresa, nos podemos encontrar que en la recolección de datos obtenemos
resultados muy generales o amplios para apreciar conclusiones pertinentes. Es
también común ver que en los análisis hechos, haya una serie de excepciones
(esos elementos atípicos) que ocasionan la mayoría de problemas.

Estos eventos se presentan al trabajar con poblaciones muy grandes o por

grandes variaciones entre los datos obtenidos. Ante esto, podemos emplear un
método de análisis y mejora de procesos como lo es el muestreo estratificado,
¿por qué?
Con la estratificación logramos establecer segmentos que nos permiten obtener
resultados más específicos, evitando las variaciones que puedan existir al tomar
una población muy grande o con datos muy dispersos. En otras palabras,
logramos transformar lo que antes era un resultado general o poco conciso, a algo
específico, con poca variación y con información mucho más útil para tomar
decisiones.

Desde el departamento de control de calidad en la empresa, los estratos más

frecuentes se efectúan en torno a:

 Materia prima (fechas, proveedores, composición)

 Mano de obra (sexo, edad, antigüedad, experiencia, carrera)
 Maquinaria y equipo (modelo, antigüedad, tecnología, horas de uso)
 Tiempo (turnos, estaciones, horas, mes, semana)
 Localización o áreas de la empresa (casino, sistemas, parqueadero, manufactura,
administrativo, etc)
 Procesos (compras, tecnología, proyectos, etc)
Si en estos momentos continúas sin entender la herramienta, te invito a que pases
de la teoría y vayas al ejemplo resuelto. Lograrás entender el trasfondo de su
aplicación.

Cuándo utilizar el muestreo estratificado

 Cuando los datos provienen de diversas fuentes o condiciones como días de la
semana, proveedores, turnos o grupos de población.
 Antes de comenzar la captura de datos.
 Cuando para analizar los datos, se requiere la separación de diversas fuentes o
condiciones.
 Cuando los resultados obtenidos con otras herramientas no evidencian
conclusiones pertinentes para tomar decisiones.
Tipos de muestreo estratificado
En general, existen tres tipos de muestreo estratificado o técnicas de
estratificación:
  Muestreo estratificado proporcional
Es cuando los estratos de la muestra (el número de datos a considerar) conservan
la misma proporción de la población. Por ejemplo: Hay 1.000.000 de personas
entre hombres y mujeres (población) con 60% mujeres y 40% hombres. Hemos
decidido tomar una muestra de 1000 personas. Los estratos definidos por
supuesto son hombres y mujeres. Por lo tanto, el estrato de mujeres deberá tener
un tamaño de 600 (60%) y el estrato de hombres de 400 (40%). Tal como lo ves,
pro-por-cio-nal.

 Muestreo estratificado uniforme

Es cuando consideramos el mismo número de datos para cada estrato, o dicho de
otra forma, el mismo tamaño de muestra a cada estrato. Por lo tanto, aquí no
importa cuál es el peso del estrato en la población, como si pasaba en el
estratificado proporcional. Por ejemplo, tomando una muestra de 100 personas
entre hombres y mujeres, el estrato de hombres será de 50, al igual que el de
mujeres. Tal como ves, unif-orme.

 Muestreo estratificado óptimo

También llamado no proporcional, con este muestreo cada estrato es proporcional
a la desviación estándar. En otras palabras, el número de datos en cada estrato
será mayor en la medida en que exista mayor variabilidad entre ellos.

Cómo hacer un muestro estratificado paso a paso

Paso 1: ¿Qué es lo que quieres analizar? Identifica cuál es la situación, evento o
fenómeno que vas a estudiar. ¿Hay una situación problemática? Defínela.
Paso 2: Captura los datos relativos a la situación que estas analizando.
Paso 3: Este es un paso opcional. Utiliza una herramienta que te permita
representar los datos recolectados. Esto te dará una idea de los factores de
estratificación que puedes usar. Por ejemplo, usa un histograma, un diagrama de
pastel o un análisis de pareto para tener una representación previa de los datos
obtenidos.
Paso 4: Determina los factores de estratificación a emplear. Puedes saltar desde
el paso 2 al paso 4 y determinar los factores, sin embargo al hacer el paso 3
tendrás un mejor criterio para definir los estratos. El cómo definir los estratos
dependerá de qué tanto conoces la situación que estás analizando.
Cesar Camison, Sonia Cruz y Tomas González, autores del libro Gestión de
calidad: Conceptos, enfoques, modelos y sistemas, afirman que a mayor número
de estratos, mejor comprensión del fenómeno, sin embargo no es conveniente
excederse en el número. Resulta muy útil hacerse la siguiente pregunta: ¿Cómo
incide … sobre el fenómeno? Generalmente, la palabra faltante corresponde a
un factor de estratificación.
Paso 5: Realiza los cálculos necesarios para clasificar los datos con base en los
estratos definidos.
Paso 6: Elabora una o más gráficas que represente cada grupo homogéneo de
datos. La elección de la gráfica depende de lo que se quiere evidenciar. Podemos
usar por ejemplo un diagrama de Pareto para definir en qué
enfocarnos, un diagrama de dispersión para analizar la relación entre dos
variables o un histograma para representar los datos de forma general.
Paso 7: Observando la gráfica o el grupo de gráficas que elaboraste, ¿hay
diferencias importantes entre los estratos? Si la respuesta es positiva, la
estratificación ha sido útil. Has conseguido obtener diferencias a través del
muestreo estratificado, que antes de estratificar no hubieras logrado diferenciar.
Vamos a entender el paso a paso a través de un ejemplo de estratificación.

Ejemplo práctico de muestreo estratificado

Paso 1: Vamos a pensar en una empresa de nombre LifeClear. Queremos
observar el comportamiento de los ingresos por canal de comercialización en el
año.
Paso 2: El departamento de calidad ha recolectado estos datos: los ingresos
anuales por canal. Se aprecia demás el porcentaje de ingresos que representa
cada canal y el porcentaje acumulado. Como ves, los insumos necesarios para
desarrollar un análisis de Pareto.
Ingresos anuales en millones por canal

Paso 3: Elaboramos el siguiente diagrama de Pareto para representar los datos

recolectados del comportamiento de las ventas por canal de comercialización.

Diagrama de pareto de ingresos anuales por canal

Este diagrama de Pareto ciertamente no nos aporta mucho. Los cinco primeros
canales representan el 80% de las ventas, 5 de 8. No es un dato representativo
que nos permita tomar decisiones de impacto para el negocio.

¿Y si hacemos un muestreo estratificado?

Paso 4: Vamos a considerar las tres principales líneas de negocio de la

empresa: Higiene, salud y hogar. Estudiaremos el comportamiento de cada línea
de negocio, nuevamente con la herramienta de Pareto.
Paso 5: Clasificamos los datos según los estratos definidos, en este caso las
líneas de negocio. Como verás, no estamos tomando ninguna muestra, pues
estamos trabajando con el 100% de los ingresos por canal. Este es un ejemplo de
muestreo proporcional.

Datos clasificados por estratos

Paso 6: ¿Cuál será el comportamiento de los ingresos por canal de comercialización si lo

estratificamos por línea de negocio? Veamos.
Muestreo por estratificación: Linea salud

Muestreo por estratificación: Línea higiene

Muestreo por estratificación: Línea hogar

Paso 7: Realizada la estratificación, ¿podemos apreciar diferencias importantes

entre los canales? Las conclusiones y decisiones a tomar dependerán de la
estrategia de la empresa, pero a modo de ejemplo podemos sentenciar que:
 Casi el 60% de los ingresos en la línea de salud se concentran en supermercados
e internet. Canales como farmacias deberían desarrollarse más.
 El 56% de los ingresos en la línea de higiene son generados por las tiendas de
barrio, las tiendas propias y la venta directa (persona a persona). Canales como
mayoristas y supermercados presentan potencial de crecimiento, además “otros”
para la línea de higiene, debe ser desagregado, pues el 10% de los ingresos se
generan en otros canales. Las ventas de productos para la higiene en comercios
en línea no son fuertes, se debería disminuir la inversión en internet para fortalecer
otros canales.
 El 67% de los ingresos para la línea de hogar provienen de mayoristas y tiendas
de barrio. Es urgente desarrollar estrategias para fortalecer los otros canales de
venta.

Qué es un gráfico de control

Una de las herramientas de análisis y solución de problemas es la gráfica de
control. Es un diagrama que muestra los valores producto de la medición de una
característica de calidad, ubicados en una serie cronológica. En él establecemos
una línea central o valor nominal, que suele ser el objetivo del proceso o el
promedio histórico, junto a uno o más límites de control, tanto superior como
inferior, usados para determinar cuándo es necesario analizar una eventualidad.
Qué logramos con esto?

Imagina que eres un productor de tornillos y que cada tornillo que haces debe
medir entre 3,55 cm y 3,60 cm. Menos de 3,55 cm o más de 3,60 cm se
consideran tornillos defectuosos. Por ende, estableces tu límite de control superior
en 3,60 cm y tu límite inferior en 3,55 cm. Anotas las medidas de los tornillos que
produces a diferentes horas del día. Un día ves que en el gráfico de control, hay 7
tornillos producidos a las 3 de la tarde que están por fuera de los límites, ¿qué
paso ahí?

La respuesta al primer interrogante es: Adquieres control del proceso. Siguiendo el

ejemplo de los tornillos, el paso siguiente es determinar porqué ocurrió esa
variación en el proceso. ¿Acaso fue una causa aleatoria? ¿Quizás fue una causa
asignable?

Veamos algunos términos antes de conocer qué tipos de gráficas hay.

 Causa asignable: Si consigues hallar una causa concreta o que ocasiona una
variación excesiva y obedece a una situación especifica, hablamos de causa
asignable. Es el tipo de causa que debemos corregir. Por ejemplo la deficiente
capacitación del trabajador o la falta de ajuste de una máquina.
 Causa aleatoria: Cuando no consigues hallar una explicación concreta a una
variación, o si la variación fue ocasionada por un evento sin importancia que no se
volverá a repetir, hablamos de causa aleatoria. También se le suelen llamar
variaciones naturales o causas naturales. Es el tipo de causa que esta presente en
la vida misma, fortuita. Ejemplos son la curva de aprendizaje del trabajador y el
cierre inesperado del software.
 Límite superior de control: Es el valor más grande aceptado en el proceso. En
español LSC, en inglés UCL (Upper control limit).
 Limite inferior de control: El opuesto al superior, es decir, el valor más pequeño.
LIC en español, LCL en inglés (Lower control limit).
 Límite central de control: Con siglas LCC, es la línea central del gráfico. Entre
más cerca están los puntos a la línea, mas estable es el proceso
Para qué sirve un diagrama de control entonces?

Con lo que hemos detallado hasta el momento ya tenemos varios beneficios

definidos.

 Análisis de proceso: Puede que nunca se haya hecho un control estadístico de

proceso. Un análisis con gráfico de control donde estableces los límites de control,
te permitirá analizar ese proceso y determinar qué es lo normal en él, cuando algo
no está bien, o si ha mejorado o empeorado a través del tiempo. Un proceso
analizado con esta herramienta, es un proceso controlado, que es precisamente el
segundo beneficio.
 Control de proceso: Conoces el comportamiento del proceso. ¿Es estable?, ¿se
mantiene? ¿qué tan frecuente se sale de control? Esto te permite intervenir sobre
el proceso para mejorarlo. Este, a continuación es el tercer beneficio.
 Mejoramiento del proceso: No basta analizar y controlar un proceso. Es necesario
mejorarlo. Con el diagrama de Shewhart identificamos dónde se generaron las
fallas y tenemos datos de entrada para hacer análisis de causas en aras de
plantear soluciones a las fallas.

Ejemplo de diagrama de control

Vamos a imaginar una empresa que produce escritorios, por ejemplo, Mesfir. Ellos
quieren monitorear el número de defectos en sus mesas incluyendo el 99,73%
(tres desviaciones estándar) de la variación aleatoria del proceso, por lo que
revisan que la forma de la mesa, su estabilidad y la pintura estén en óptimas
condiciones.

Paso 1: Se van a contar el número de defectos encontrados en las mesas por lote.
Los lotes pueden variar levemente de tamaño, es decir, puede haber pequeñas
variaciones en el número de mesas que compone un lote de producción.
Paso 2: Se van a trabajar lotes que pueden tener diferente tamaño, y se va a
contar el porcentaje de defectos encontrados por lote (el lote es la muestra), razón
por la cual vamos a trabajar con una gráfica de control por atributos tipo p.
Paso 3: Los datos se van a capturar durante 10 días de producción. Se van a
considerar 20 muestras (20 lotes), el tamaño de cada lote lo tienes en el paso 4.
Paso 4: Estos son los datos recopilados. La fracción defectuosa es el resultado de
dividir el número de errores por el tamaño del lote.

Paso 5: Vamos a determinar la línea central y los límites de control superior e

inferior. Vale la pena aclarar que cuando hicimos el ejemplo, consideramos todos
los decimales, sin embargo en los gráficos y fórmulas que mostramos a
continuación, solo consideramos dos cifras decimales, por lo tanto seguramente si
reproduces el ejemplo como se muestra a continuación, los resultados van a variar
levemente.
Para tener la línea central calculamos p promedio:
Observa la última fila del paso 4. El número de errores es 99, el número total de
registros examinados es 1859 y resulta de la sumatoria del número de escritorios
por lote.

La desviación estándar para la distribución de la muestra se calcula así:

p promedio es el número que calculamos anteriormente, y n es 92,96 que es el

tamaño de la muestra, en este caso el tamaño de los lotes. Como se aprecia en la
tabla del paso 4, el tamaño del lote varia, por lo tanto 92,95 es el resultado del
promedio de escritorios por lote. La desviación estándar es igual a 0,02.
El cálculo de los límites se hace así:

El número de desviaciones estándar se conoce como z. Mesfir (la empresa) limita

los valores a 3 desviaciones estándar de la media, lo que equivale a 99,73%. Es
por eso que en el cálculo de los límites de control, z es igual a 3. Los otros datos
ya los conoces, fueron calculados anteriormente.

¿Podemos tener un número de defectos negativo? No. Es por eso que el límite
central inferior se redondea a 0.

Paso 6: Procedemos a representar los datos en una carta de control.

Con los cálculos hechos, este es el resultado de la gráfica de control de Mesfir.

Paso 7: Analizamos el resultado.

La interpretación de una gráfica de control tiene más sentido cuando se han hecho
varios ejercicios de este tipo, lo que permite determinar qué es normal y qué no lo
es en el comportamiento de la producción. Sin embargo, y basándonos en las
pistas antes mostradas, podemos ver que:

 El punto 12 esta fuera de control. Aunque es una probabilidad pequeña, bien vale
la pena entrar a mirar porqué ocurrió esto.
 Evidentemente algo ocurrió en los lotes 4 a 9. Fija que hay un aumento constante
desde el punto 4 hasta el punto 9, y aunque se ve corregido en el punto 10, se
debe de revisar cómo se trabajaron estos lotes.
 ¿Qué ocurrió en los puntos 11,12 y 13? Hubo algún suceso que afectó sobre todo
al punto 12 y después fue corregido; es lo más probable.