Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Los dos módulos tiene como finalidad dar a conocer un amplio panorama de los fundamentos
estadísticos mínimos que requieren los estudiantes para aplicarlos en el control de calidad de
procesos industriales especialmente y presentar las técnicas que se aplican al Control de
Calidad estadístico.
Es importante advertir que ambas partes, los fundamentos Estadísticos y las técnicas de
control de calidad son complementarias y de ninguna manera son reemplazables una por la
otra. No es posible edificar un buen control de calidad si no se han repasado y entendido los
fundamentos estadísticos aplicables en el Control de Calidad. Ambas son vitales y necesarias,
ambas son el objetivo primordial de todo Técnico en Control de Calidad.
Los conceptos y conocimientos que se resumen, son suficientes para que, llevadas a cabo,
produzcan excelentes resultados principalmente en empresas de tipo industrial.
Este trabajo es de apoyo a las clases de Control de Calidad que se realizan en distintas
carreras, como técnicos e ingenieros Industriales, Administradores de Empresas etc. Por esta
razón, algunos temas, solo son mencionados y necesariamente se desarrollarán en clase.
El autor
Módulo 1
Bibliografía
MODULO 1
En esta población queremos investigar una característica para conocer su situación relativa
con los valores del diseño.
Una población es el conjunto de mediciónes que son de interés a un investigador, las cuales
se efectúan sobre una característica común de un grupo de seres o conjunto de objetos,
algunos ejemplos son:
• Conjunto de valores, del coeficiente intelectual de los alumnos de bachillerato en la el
INEM.
• Conjunto de mediciones, en toneladas de la carga máxima soportada por cables de
acero producidos por la compañía 3M.
• Conjunto de mediciones, en litros por día, de la producción lechera de las vacas de la
raza Holstein en el valle del magdalena.
La medición y cálculo de una determinada característica de la muestra nos dará con cierto
grado de confianza o margen de error, una estimación del verdadero valor en la población.
1.2 ¿Cómo se distribuyen los valores de las variables que medimos? ¿Qué frecuencia
tiene cada valor que la causa llamada "variación" nos entrega?
En producción las maquinas nos producen con una programación de una medida que
estandarizamos pero este ideal esta sujeto a las variaciones nos producen realmente las
distintas medidas de la variable cantidad en unidades de: longitud, área, volumen, capacidad,
peso, etc.
Dicho comportamiento significa que los valores más cercanos al valor central, son los que
más frecuentemente se repiten, y a medida que nos alejamos del valor central, la frecuencia
baja dramáticamente. Si unimos estos puntos la gráfica de este comportamiento tiene una
forma de campana y por este motivo podemos sustentar la aplicación de la teoría de la
distribución normal en el campo de control de calidad en Producción
Las variables continuas son aquellas que se miden y las variables discretas se cuentan.
Una variable discreta es una variable cuantitativa que toma valores aislados, es
decir no admite valores intermedios entre dos valores específicos.
Una variable continua, es aquella que puede tomar un valor cualquiera para un determinado
intervalo. O sea en la práctica los valores para esta variable solo están limitados por la
precisión de los instrumentos de medición
Las primeras dan origen al control por variables y las segundas al control por atributos.
Las características de calidad que llamaremos variables son todas aquellas que podemos
representar por una cifra. Por ejemplo, la medida de un perno, la resistencia de resistores de
alambre, el contenido de cenizas en carbón, etc., etc.
Por fin, debemos tener en cuenta, que tanto los procesos como los lotes terminados pueden
ser inspeccionados por atributos o por variables.
Estudiemos el caso de control por variables, es decir estamos midiendo con un instrumento
cuya resolución nos permite medir las variaciones que produce nuestro proceso.
Una vez que el inspector recibe la muestra tomada estadísticamente de la población a valorar,
procede a las correspondientes mediciones de cada una de las muestras. Téngase presente
que lo más probable es que en cada unidad se hagan varias mediciones por variables y por
atributos.
38 47 54 61 26 35 28 48 53 44
32 52 46 42 63 35 50 38 35 57
49 68 47 45 65 45 25 19 56 58
44 73 50 40 46 76 40 64 36 42
Total, n: 40 datos
Rango, 76-19= 57
Raíz de 40 y se redondea: 6
Ancho de clase: 9
El motivo por el cual conviene usar el ancho de clase como número impar es para que la
marca de clase sea un número entero igual que los datos que se están estudiando. Si se
utilizara un número par, el ancho de clase resulta con un decimal que habría que conservar
hasta el final del cálculo y esto es fuente de errores.
Con estos datos procedemos a construir nuestro diagrama de frecuencias, el cual una vez
finalizado tiene el siguiente diagrama:
LI LS X recuento frecuencia
18 26 22 /// 3
27 35 31 //// 5
36 44 40 //// //// 9
45 53 49 //// //// // 12
54 62 58 //// 5
63 71 67 //// 4
72 80 76 // 2
Total 40 40
Cuando se reúne gran cantidad de datos primarios es útil distribuirlos en clases y categorías y
determinar las frecuencias de las clases, o sea, el número de elementos que pertenecen a
una clase. El ordenamiento tabular de los datos por clases conjuntamente con las frecuencias
de clases se denomina distribución de frecuencias
Definiremos como frecuencia de un dato el número de veces que este aparece en el colectivo;
consecuentemente, si una variable estadística toma r valores, cada uno de los cuales puede
repetirse un cierto número de veces, podríamos decir que el número de datos representado
Facultad de Economía y Administración USCO Prof. Rodrigo Charry Tovar Página 6
Curso Básico de Estadística para Control de Calidad 2010
por la variable serían N, siendo N la suma de las respectivas frecuencias de cada dato
(N=ΣXi).
Este valor N será denominado como frecuencia total, mientras que la frecuencia de cada dato
recibirá el nombre de frecuencia absoluta o simplemente frecuencia (fi). La frecuencia
absoluta nos habla del número de veces que un dato aparece en un colectivo, más ello no
nos dice demasiado en orden al establecimiento de comparaciones sobre la importancia de
este dato. Para obtener una idea de la importancia que un dato posee en el seno de un
colectivo, puesto que no es suficiente concepto de frecuencia, se utiliza
el concepto frecuencia relativa, que se definirá como: el coeficiente entre la frecuencia
absoluta del dato considerado y la frecuencia total (fr=fi/ΣXi).
(datos) fi fi/N
X1 f1 f1/N
X2 f2 f2/N
… … …
… … …
Xn fn fn/N
La longitud, tamaño o amplitud de un intervalo de clases (C) es la diferencia entre los limites
superior e inferior (C=lim sup – lim inf). El Recorrido (R) es la diferencia entre el dato mayor y
el menor del conjunto da datos en estudio (R=Xn – X1)
En el caso de variables continuas será necesario fijar intervalos de frecuencias para llegar a
un resumen efectivo de la información original. A menudo es necesario representar una clase,
o más particularmente, un intervalo por un único valor, este representará a todo el intervalo y
se denominará marca de clases. Matemáticamente el punto medio de cada
intervalo corresponde a lo que denominamos marca de clase, se denotará porXi, y constituirá
el valor representativo de cada intervalo. El número de observaciones que correspondan a
cada intervalo se denominará frecuencias absolutas.
(C) Xi fi
X1-X2 X1 f1
X2-X3 X2 f2
… … …
… … …
Xn-1-Xn Xn fn
Donde
1.5 Histograma:
El cuadro anterior puede llevarse a un gráfico como sigue, dando lugar al Histograma:
HISTOGRAMA
FRECUENCIAS
15 12
9
10 5 5
3 4
5 2
0 0
0
21 22 31 40 49 58 67 76 85
MARCAS DE CLASE
Histogramas de frecuencias:
Un histograma es un gráfico que sirve para representar una distribución de frecuencias. Este
gráfico está formado por un conjunto de rectángulos (caso de variables continuas) que tienen
como base un eje horizontal (generalmente el eje de las abscisas o de las X), y como centro
los puntos medios de las clases. Los anchos de las clases y las áreas de los rectángulos son
proporcionales a las frecuencias de las clases. En el caso de las variables discretas el gráfico
consiste de un conjunto de barras verticales en lugar de rectángulos, hallándose cada barra
sobre la observación respectiva y con una altura proporcional a la frecuencia de
la observación
- Polígono de frecuencias:
El polígono de frecuencias es un gráfico formado por líneas quebradas, que tiene los centros
de las clases representadas en un eje horizontal (eje de las X) y las frecuencias de las clases
en un eje vertical (eje de las Y). La frecuencia correspondiente a cada centro de clase se
señala mediante un punto y luego los puntos consecutivos se unen por líneas rectas. Del
correspondiente histograma se puede lograr el polígono de frecuencia uniendo los puntos
medios de las bases superiores de cada rectángulos mediante líneas rectas.
-Ojivas:
Las ojivas se refieren a los gráficos que se construyen utilizando una distribución acumulativa
de frecuencias, el orden de acumulación se aplica al cuadro de distribución de frecuencia y
puede ser descendente (fa↓, fra↓) o ascendente (fa↑, fra↑). La figura que se forma al unir los
puntos del polígono de frecuencias acumulativas es lo contrario del orden anunciado (por
ejemplo si se utilizó el orden descendente en la acumulación de los datos en el cuadro, la ojiva
resulta ser ascendente).
Son varios los medidores de la tendencia central y de la dispersión de una serie de datos
experimentales, de ellos estudiaremos los dos más frecuentes y útiles en Control de
Calidad, estos son : la Media Aritmética , medidor de la tendencia central, y la
Desviación Típica, medidor de la dispersión de los datos alrededor de la Media
Aritmética.
Se define como Media Aritmética al valor central producto del siguiente cálculo:
k
f . X + f2 . X 2 + ...+ fk . Xk
fX
j=1
j j
fX = fX
X= 1 1 = =
f1 + f2 + ...+ fk k
f j
f N
j=1
de donde deriva:
k
fju
X = A + c j=k1 = A + c fu
N
fj
j=1
Se define como desviación típica al valor que surge del siguiente cálculo:
Facultad de Economía y Administración USCO Prof. Rodrigo Charry Tovar Página 12
Curso Básico de Estadística para Control de Calidad 2010
f (X )
k
2
− X
f( X − )
2
j j
j= 1
X
S= k
=
N
pues f = n
f
j= 1
j
fu fu
2
2
S = c * −
N N
X F U fu fu2
22 3 -3 -9 27
31 5 -2 -10 20
40 9 -1 - 9 9
49 12 0 0 0
58 5 1 5 5
67 4 2 8 16
76 2 3 6 16
fu = - 9 fu2 = 95
donde: c = 9 y A = 49
Este cálculo tiene un error como consecuencia de suponer a todos los datos dentro de cada
clase como iguales.
Nota: Los decimales de las respuestas obtenidas, deberán guardar relación con los
decimales que tengan los datos, sin embargo, cuando use las calculadoras deberá conservar
en cada cálculo, todos los decimales que genera la calculadora, para luego aproximar la
respuesta a la cantidad de decimales igual a los que tengan los datos, nunca menos. En
particular en estos cálculos es costumbre usar uno o dos decimales más que los datos.
Tampoco es correcto usar muchos decimales pues no tienen significado alguno.
Existen muchas clases de distribución, y una de las más frecuentes es la Distribución Normal.
En muchos casos, cuando la variación de una característica de calidad es causada por la
suma de un gran número de errores infinitesimales independientes debidos a diferentes
factores, la distribución de la característica de calidad se aproxima a una distribución normal.
La forma de la Distribución Normal puede describirse como la de una campana.
y
Si bien en este curso no tenemos espacio para desarrollar el concepto de probabilidades, será
necesario definir los siguientes puntos:
Un suceso es más o menos probable según la frecuencia con que ocurre. a mayor frecuencia
de ocurrencia pasada será mayor la probabilidad de ocurrencia futura.
Aceptando estos conceptos veremos como se puede hacer los cálculos partiendo de la Curva
Normal. En primer término, la Curva Normal hay que transformarla en lo que se llama forma
canónica, esto significa que el cero de las X irá al medio del gráfico. Para lograrlo se usa una
variable llamada z y es:
z =
(X − X )
Esta transformación hace que siempre el valor de la desviación típica, en una curva canónica,
sea igual a uno, y el valor de z no es más que un dato medido en relación a su propia
desviación. Esto hace que la curva tenga características muy particulares que veremos luego
de los siguientes comentarios.
PROBABILIDADES
35
30
25
20
15
10
5
0
-3 -1 1 3
DESDE -1 A +1 DESVIACION TIPICA
40
30
20
10
-3
DESDE -2 A +2 DESVIACION TIPICA
40
30
20
10
0
-3 -1 1 3
DESDE -3 A +3 DESVIACION TIPICA
Ejercicio nº 1
Hallar el área bajo la CURVA NORMAL en cada uno de los 7 casos siguientes:
a) Entre z = 0 y z = 1.20
PROBABILIDADE
50
40
30
S
20
10
0
-3 -2 -1 0 1 2 3
Area bajo la curva entre z = 0 y z = 1,2
De tablas leemos que para z = 1,2 es 0,3849, por lo tanto: Pr {0 z 1,2} = 0,3849 Esto
significa que el área bajo la curva normal para z entre 0 y 1,2 es del 38.49%
b) Entre z = - 0.68 y z = 0
CURVA NORMAL DE GAUSS
PROBABILIDADES
50
40
30
20
10
0
-3 -2 -1 0 1 2 3
Area bajo la curva entre z = -0,68 y z = 0
50
40
30
20
10
0
-3 -2 -1 0 1 2 3
Area bajo la curva de z = -0,46 a z = 2,21
Esto significa que el área bajo la curva, para z= - 0.46 y z=2.21 es del 66.36%
PROBABILIDADES
40
30
20
10
0
-3 -2 -1 0 1 2 3
Ar ea bajo la curva entre z = 0,81 y z = 1,94
40
30
20
10
0
-3 1
Area bajo la curva entre z = - infinito yz
= - 0,6
PROBABILIDADE
40
30
S
20
10
0
-3
Area entre z = -1,28 y z = + infinito
20
15
10
5
0
-3 -2 -1 0 1 2 3
A la izquierda de -1,44 y a la derecha de
2,05
Ejercicio nº 2
Este ejercicio ayuda a entender el uso de los procedimientos anteriores para el cálculo de las
probabilidades en eventos reales.
Si los diámetros de las bolillas de rodamientos están normalmente distribuidas con media
0.6140 mm y desviación típica 0.0025 mm determinar el % con diámetro :
a) entre 0.6100 y 0.6180 mm
b) mayores que 0.6170 mm
c) menores que 0.6080 mm
Solución:
a) - z = (0.6100-0.6140) / 0.0025 = - 1.60
La probabilidad de que el diámetro de las bolillas sea mayor que 0.617 es del 11.51%
Probabilidad = 0.82 %
EJERCICIOS DE PROFUNDIZACION
Una distribución normal de media μ y desviación típica σ se designa por N(μ, σ).
Su gráfica es la campana de Gauss :
El área del recinto determinado por la función y el eje de abscisas es igual a la unidad.
Al ser simétrica respecto al eje que pasa por x = µ, deja un área igual a 0.5 a la
izquierda y otra igual a 0.5 a la derecha .
La probabilidad equivale al área encerrada bajo la curva.
Distribución normal estándar
N(0, 1)
La distribución normal estándar, o tipificada o reducida, es aquella que tiene
pormedia el valor cero, μ =0, y por desviación típica la unidad, σ =1 .
Φ(k) = P(z ≤ k)
P(Z ≤ a)
p = K
Ejercicios
En una ciudad se estima que la temperatura máxima en el mes de junio sigue una distribución
normal, con media 23° y desviación típica 5°. Calcular el número de días del mes en los que
se espera alcanzar máximas entre 21° y 27°.
1. Entre 60 kg y 65 kg.
2. Más de 90 kg.
3.Menos de 64 kg.
4.64 kg.
5.64 kg o menos.
Se supone que los resultados de un examen siguen una distribución normal con media 78 y
varianza 36. Se pide:
1. ¿Cuál es la probabilidad de que una persona que se presenta el examen obtenga una
calificación superior a 72?
2.Calcular la proporción de estudiantes que tienen puntuaciones que exceden por lo menos
en cinco puntos de la puntuación que marca la frontera entre el Apto y el No-Apto (son
declarados No-Aptos el 25% de los estudiantes que obtuvieron las puntuaciones más bajas).
Tras un test de cultura general se observa que las puntuaciones obtenidas siguen una
distribución una distribución N(65, 18). Se desea clasificar a los examinados en tres grupos
(de baja cultura general, de cultura general aceptable, de excelente cultura general) de modo
que hay en el primero un 20% la población, un 65% el segundo y un 15% en el tercero.
¿Cuáles han de ser las puntuaciones que marcan el paso de un grupo al otro?
Varios test de inteligencia dieron una puntuación que sigue una ley normal con media 100 y
desviación típica 15.
En una ciudad una de cada tres familias posee teléfono. Si se eligen al azar 90 familias,
calcular la probabilidad de que entre ellas haya por lo menos 30 tengan teléfono.
En un examen tipo test de 200 preguntas de elección múltiple, cada pregunta tiene una
respuesta correcta y una incorrecta. Se aprueba si se contesta a más de 110 respuestas
correctas. Suponiendo que se contesta al azar, calcular la probabilidad de aprobar el examen.
Un estudio ha mostrado que, en un cierto barrio, el 60% de los hogares tienen al menos dos
televisores Se elige al azar una muestra de 50 hogares en el citado barrio. Se pide:
1. ¿Cuál es la probabilidad de que al menos 20 de los citados hogares tengan cuando menos
dos televisores?
Bibliografía