CONTROL ESTADISTICO DE CALIDAD: HERRAMIENTA
FUNDAMENTAL PARA LA MEJORA DE PROCESOS
Resumen: El propósito de este artículo es presentar una
investigación sobre algunos temas establecidos en el
programa de estudio de la asignatura Probabilidad y
Estadística que se imparte en la carrera de Ingeniería
Civil, como son: calidad y control de calidad, control
estadístico de procesos, diagramas de control
estadísticos, administración de la calidad muestreo de
aceptación, ji-cuadrada y análisis de varianza e
inferencias acerca de una varianza de población; esto
con el fin de cumplir con los logros del curso. Para lo
cual se consultó algunos libros y se usó el Internet
como herramienta para buscar la información
pertinente, seleccionando los sitios webs más
relevantes.
Dentro del artículo se incluyen contenidos teóricos,
procedimientos y fórmulas que permiten comprender el
control estadístico de calidad.
Teniendo en cuenta que los procesos productivos
varían porque están sometidos a factores que hacen que
sea imposible fabricar dos productos exactamente
iguales provocando que las características de los
productos no sean uniformes sino variables, se hace
necesario tomar ciertas medidas que garanticen la
estabilidad de los procesos, con el fin de obtener un
producto final dentro de los parámetros de calidad
establecidos. A fin de conseguir esta estabilidad, se
utiliza el control estadístico de procesos, una útil
herramienta que, además, contribuye a la mejora
continua de la calidad en el proceso de fabricación.
Palabras clave: análisis de varianza, calidad, control
estadístico, gráfica de control, inferencia estadística, ji-
cuadrada.
1. INTRODUCCIÓN
La calidad es una de las estrategias más usadas en las
empresas con el fin de mejorar sus procesos y seguir
siendo competitivas en el mercado. La alta calidad es
una característica que debe tener todo producto o
servicio para obtener un mayor rendimiento en su
funcionalidad, que cumpla con las normas necesarias
para satisfacer las necesidades del cliente.
Un proceso industrial o un servicio está sometido a
diferentes factores de carácter aleatorio que hacen
imposible fabricar dos productos exactamente iguales.
Es decir, las características del producto fabricado no
son uniformes y presentan una variabilidad que es
indeseable y el objetivo es reducirla al máximo o por lo
menos mantenerla dentro de unos límites.
El Control Estadístico de la Calidad establece
diferentes técnicas estadísticas a diferentes procesos o
servicios con el fin de verificar si todas y cada una de
las partes del proceso y servicio cumplen con unas
ciertas exigencias de calidad y ayudar a cumplirlas.
Lo que se busca con el Control Estadístico de la
Calidad es: detectar la ocurrencia de variabilidad
debida a causas asignables, investigar que causas la han
producido y eliminarlas, informar acerca de ellas para
la toma de una decisión oportuna para que no se
produzcan más unidades de mala calidad lo que
originaria una disminución de producción y un
incremento en los costos del producto y por último
eliminar, si es posible, o al menos reducir al máximo la
variabilidad del proceso.
2. CALIDAD Y CONTROL DE CALIDAD
Se puede definir Calidad como la característica o
propiedad de cualquier producto, objeto o servicio, que
satisface unas necesidades o requerimientos.
Para comprender el concepto de Control en un proceso,
se debe establecer una característica o estándar deseado
del proceso; medir el resultado obtenido; determinar las
desviaciones entre la característica o estándar y el
resultado obtenido y por último tomar acciones
correctivas. Es decir, el Control es una herramienta
fundamental para garantizar que los resultados
obtenidos coincidan con los resultados planeados.
En Calidad el control se puede establecer como todas
aquellas actividades que garantizan que el producto o
servicio cumpla con las características,
especificaciones o propiedades esperados para
satisfacer unas necesidades expresadas o implícitas.
Todo producto o servicio se lleva a cabo a través de un
proceso productivo en cual inicia con unas entradas
1
(inputs), la conversión o proceso de fabricación, la
salida es el producto o servicio (output) que se obtiene
del proceso.
El control de calidad debe aplicarse a todo el proceso
tal como se muestra en la figura 1:
Figura 1. Control de Calidad en un Proceso
Fuente: Rendón, H. (2013). Control Estadístico de
Calidad. [figura]. Recuperado de
https://minas.medellin.unal.edu.co/centro.../40_111b0f
52221788e2efbc75c388f2ab64
2.1. Control estadístico de procesos
El Control Estadístico de Procesos (SPC; por sus siglas
en inglés de Statistical Process Control), es la
aplicación de técnicas estadísticas a procesos
industriales para determinar si todas y cada una de las
partes del proceso cumplen con ciertos estándares de
calidad. Las características de un producto fabricado no
son uniformes presentando una variabilidad la cual es
indeseable y debe ser reducida lo más posible o
mantenerla dentro de unos límites lo cual se puede
alcanzar por medio de SPC. (Rendón, 2013)
2.1.1. variabilidad en el proceso de producción
Son los cambios inevitables que modifican el proceso
afectando posteriormente al producto que pueden ser
identificables y aleatorios.
En los productos pueden existir dos categorías de
variación las generadas por causas comunes y las
causas especiales o asignables.
 Las causas comunes de variación:
Estas se comportan como un sistema constante de
causas totalmente aleatorias (ejemplo error en el
control de calidad, Temperatura y humedad ambiental,
Desgaste y roturas normales, entre otros). Aun cuando
los valores individualmente medidos son todos
diferentes, como grupo, ellos tienden a formar un
patrón que puede describirse como una distribución la
cual se caracteriza por su media, su expansión y su
forma.
La Media es la suma de las observaciones dividida
entre el número total de observaciones:
n
∑ xi (1)
x= i=1
n
Donde x es la media, xi es la observación de una
característica de calidad y n es el número total de
observaciones.
La variación es la medida de la dispersión de las
observaciones en torno a la media.
√
n
∑ ( x i−x )2 (2)
i=1
δ=
n−1
Donde δ es la desviación estándar de una muestra, n es
el número total de observaciones de la muestra, x ̅ es la
media y xi es la observación de una característica de
calidad.
Las dos formas comunes son la simétrica y la
asimétrica o sesgada. La primera presenta el mismo
número de observaciones ubicadas encima y por debajo
de la media y la segunda presenta una preponderancia
de observaciones ya sea encima o por debajo de la
media.
 las causas especiales:
Son aquellas que logran ser identificadas y eliminadas
(ejemplo Operador se queda dormido, Controladores
defectuosos, Malfuncionamiento de las máquinas, entre
otros).
2.1.2. estándares de calidad
Las especificaciones o estándares de calidad pueden
evaluarse en dos categorías generales:
 medir atributos
es cuando se miden las características del producto
donde es posible contar rápidamente para saber si
la calidad es aceptable, lo cual se puede apreciar
2
 con la simple observación (ejemplo si un bombillo
enciende o no, si la camisa tiene sus cuatro botones
o no)
 medir variables
es decir, las características del producto que son
susceptibles a ser medidas como peso, longitud,
volumen o tiempo por lo cual se requiere el uso de
instrumentos de medida (ejemplo el diámetro de un
eje en milímetros, el contenido de grasa de una
bebida láctea).
2.2. Diagramas de control para variabilidad de
procesos
El control de proceso se realiza a partir de los gráficos
de control de proceso, los cuales indican si el proceso
presenta algunas alteraciones que puedan afectar la
calidad del producto. La identificación de las causas de
dichas alteraciones permitirá la ejecución de acciones
correctivas.
Un gráfico de control es una de las herramientas de
análisis y solución de problemas que muestra los
valores producto de la medición de una característica
de calidad, ubicados en una serie cronológica.
En un gráfico de control se establece 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, como se muestra en la figura 2.
Figura 2. Partes de un gráfico de control
Fuente: Ingenio Empresa. (2016). Gráfico de Control.
[Figura]. Recuperado de
https://ingenioempresa.com/grafico-de-control/
 Límite superior de control
Es el valor más grande aceptado en el proceso. En
español LSC, en inglés UCL (Upper control limit).}
 Límite 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, más estable es el
proceso.
2.2.1. Tipos de Gráficas de Control
La característica de calidad a medir determina el tipo
de diagrama de control, con frecuencia se clasifican en
gráficos de control por variables y por atributos.
 Gráfica de control por atributos
La característica que refleja es si el producto individual
se ajusta a las especificaciones (si está o no
defectuoso). De aquí se derivan cuatro tipos de
gráficos:
Gráfico p: medimos el porcentaje de defectos por
muestra. Por ejemplo, si tenemos una muestra de 100
productos y 10 de ellos tienen al menos un defecto, hay
una fracción defectuosa de 0,1. Este valor se ubica en
el gráfico sobre el eje y.
Gráfico np: se mide el número de unidades
defectuosas en una muestra. Si es una muestra de 100
productos, 10 de ellos tienen al menos un defecto, 10
será el valor para ubicar en el gráfico sobre el eje y.
Gráfico c: en este caso, los defectos por producto se
cuentan, y se establece un valor para definir a partir de
cuántos defectos una unidad es defectuosa. Por
ejemplo, el número de zonas desgastadas que tenga una
chaqueta de cuero, si la chaqueta tiene más de 5 zonas
desgastadas, se considera una unidad no conforme.
Gráfico u: Similar a p pero parte del gráfico c. En él
medimos el porcentaje de defectos en una unidad
durante un período de muestreo.
 Gráficas de control por variables
La característica de calidad que se mide es una variable
continúa (peso, pulgadas, temperatura, etc). Podemos
encontrar gráficos basados en la tendencia central X y
en el rango.
Gráfica X : Estos gráficos controlan el valor promedio
de la característica de calidad arrojada por el proceso a
partir de los valores promedios de la característica
obtenidos en las muestras y se basan en la distribución
muestral de la media de la teoría de muestreo.
3
Estos nos indican qué tanto se están alejando las Las cantidades que definen las gráficas R son:
mediciones de la tendencia central, que en este caso es
la media o promedio. Por ejemplo, un nuevo trabajador LSC =D4 R (7)
o nuevos instrumentos de trabajo harán que las Línea Central=R (8)
mediciones se alejen más de línea central.
LIC=D3 R (9)
Cuando las causas asignables a la variabilidad del
proceso han sido identificadas y la variabilidad de Donde R es el promedio de varios valores R pasados y
dicho proceso se encuentra dentro del control la línea central de la gráfica de control, D 4 y D3 son
estadístico, se puede construir una gráfica X constantes que proporcionan tres acotamientos de
desviación estándar (tres sigma) para un tamaño de
Las cantidades que definen las gráficas X son: muestra dado.

LSC = X́ + A 2 R (3) Los valores para D4, D3 y A2 están contenidos en la

tabla de la figura 3:
Línea Central= X́ (4)
LIC= X́ − A2 R (5)

Donde LSC y LIC son los límites de control superior e

inferior respectivamente, X́ es la línea central de la
gráfica y el promedio de las medias de una muestra
pretérita o un valor establecido como objetivo para el
proceso, A2 es la constante para proporcionar
acotamientos tres sigma para una media de la muestra y
R es el promedio de varios valores R pasados y la línea
central de la gráfica de control.

Gráficos R: Estos gráficos controlan la amplitud o

rango de variación de la característica de calidad en las
muestras. El rango, R, se define como la diferencia
entre el máximo y el mínimo valor de la característica,
X, obtenido en una muestra, así:
R=Max [ X ] −Min [ X ] (6)
Un gráfico R indica qué tanta ganancia o pérdida de
uniformidad hay en la dispersión de un proceso dentro
de una muestra. En otras palabras, el rango es la resta
del valor más grande con el valor más pequeño de una
muestra, lo que permite determinar la variabilidad. El
valor resultante es plasmado en un gráfico de control
para ser comparado con el rango de otra serie de
muestras. Con esto se logra ver si hay presencia de
uniformidad en los puntos ubicados o si no, para
intervenir.
Los gráficos R están diseñados para detectar cambios
en la variabilidad del proceso a partir del cálculo de los
rangos de las muestras. Para calcular el rango de un
conjunto de datos de muestra, se debe restar la
medición más pequeña de la medición más grande
obtenida en cada muestra.
Figura 3.Factores para calcular acotamientos tres sigma
para la gráfica X y R
Fuente: Carro, R., y González, D. (2012). Control
Estadístico de Procesos. [figura]. Recuperado de
http://nulan.mdp.edu.ar/1617/1/12_control_estadistico.
pdf
Gráficos X −¿R: Se Utiliza ambos tipos de gráficas
cuando se miden la relación de las especificaciones de
calidad con la tendencia central y la dispersión. En este
sentido, se ubica una gráfica ligeramente encima de la
otra y se analiza el comportamiento de cada punto.
2.2.2. Cómo hacer un gráfico de control: Paso a
paso
Los analistas pueden desarrollar y usar gráficas X y R
en la siguiente forma:
Paso 1. Determinar cuál es el proceso a trabajar y cuál
es la característica de calidad que se va a medir.
4
Paso 2. Organizar los datos por números de muestra.
De preferencia deben tomarse por lo menos 20
muestras
Paso 3. Definir el tipo de gráfica de control a usar
Para gráficos R:
 Calcular el rango para cada muestra y el rango
promedio R para el conjunto de muestras.
 Use la tabla de la figura 3 para determinar los
acotamientos de control superior e inferior de
la gráfica R y calcular los parámetros LSC R y
LICR
 Represente los datos en la gráfica
Para gráficos X :
 Calcular x para cada muestra y la línea central
X́
 Use la tabla de la figura 3 afín de determinar
los parámetros para LSCx y LICx
 construya la gráfica X .
Paso 4. Analizar el resultado e interpretar el gráfico.Si
todas están bajo control, el proceso está controlado
estadísticamente en términos del promedio del procero
y de la variabilidad del proceso siga tomando muestras
y vigile el proceso.
Si alguna de ella, está fuera de control, desde el punto
de vista estadístico, busque las causas corríjalas y
regrese al paso 1. Si no logra encontrar ninguna causa
después de realizar una cuidadosa búsqueda, suponga
que los puntos fuera de control presentan causas
comunes de variación y continúe vigilando el proceso
(Carro & González, 2012)
2.2.3. Interpretación de un gráfico de control
Pista 1: Cuando hay solo un punto fuera de control. Es
quizá la más pequeña de las probabilidades.
Pista 2: Cuando hay dos de cada tres puntos sucesivos
ubicados a un lado de la línea central y más de dos
desviaciones estándar (sigma) alejados de esta línea.
Pista 3: Cuando hay 4 de cada 5 puntos sucesivos
ubicados a un lado de la línea central y más de una
desviación estándar (sigma) alejados de esta línea.
Pista 4: Cuando hay una serie de 8 puntos sucesivos
ubicados a un lado de la línea central, sin importar
cuántas desviaciones estándar estén alejados de la línea
central. Por ejemplo 8 de cada 10 puntos, 12 de cada 14
puntos o 16 de cada 18 puntos.
Pista 5: Cuando hay 6 puntos consecutivos ascendentes
o descendientes.
Pista 6: Cuando hay 14 o más puntos consecutivos
cruzando la línea central de arriba a abajo, sin que haya
al menos 2 puntos sucesivos en un mismo lado.
Pista 7: Cualquier patrón recurrente que estés
observando, puede ser considerado algo inusual.
(Ingenio Empresa, 2016).
2.3. Administración de la calidad
Es un método que busca mejorar la calidad de un
producto y/o servicio y aumentar la satisfacción del
cliente. La administración o gestión de la calidad
involucra los siguientes elementos: definición de
objetivos, normas y un sistema.
2.3.1. definición de objetivos
Se basan en el compromiso escrito de políticas y una
organización bien definida, para proceder con
detalladas instrucciones procesales para cada paso,
desde compras hasta la terminación y entrega del
producto.
2.3.2. normas
Puede haber varias normas dentro del mismo sistema:
normas para materiales y componentes comprados, la
habilidad de los proveedores para entregar según
requerimientos, conformidad con los requerimientos
del producto y otros más. Todo ello debe estipularse en
procedimientos e instalarse un sistema para su
verificación.
2.3.3. sistema
Definiciones y procedimientos por sí mismos no son
suficientes. Uno necesita de un sistema de medición
para compras, recepción de materiales,
comportamiento del proceso, inspección final y
entregas. También se necesitan pruebas y técnicas de
medición y un sistema para probar y calibrar el equipo
de pruebas en sí.
Una característica de la administración de la calidad es
la prevención, de manera de eliminar los problemas
antes que estos aparezcan. Se trata de crear un medio
ambiente en la empresa que responda rápidamente a las
5
necesidades y requerimientos del cliente.
2.4. Muestreo de aceptación
El muestreo de aceptación es un procedimiento de
inspección que se usa para determinar si se acepta o se
rechaza una cantidad específica de material. A medida
que más empresas emprendan programas de
Administración de la Calidad Total (TQM) y colaboren
muy de cerca con los proveedores para asegurar altos
niveles de calidad de sus suministros, la necesidad de
realizar muestreos de aceptación será menor.
El concepto de TQM consiste en que ningún defecto
deberá pasar de un productor a un consumidor, no
importa que el consumidor sea externo o interno. Sin
embargo, en la realidad, muchas empresas tendrán que
seguir dependiendo de la revisión de sus insumos de
materiales.
El procedimiento básico es muy directo:
Paso 1. Se toma una muestra aleatoria a partir de una
gran cantidad de elementos y se la somete a pruebas o
mediciones pertinentes para la característica de calidad
que interesa.
Paso 2. Si la muestra pasa satisfactoriamente la prueba,
la cantidad total de elementos es aceptada.
Paso 3. Si la muestra no pasa la prueba, entonces (a) la
cantidad total de elementos se somete a una inspección
del 100% y todos los elementos defectuosos se reparan
o sustituyen, o bien (b) la cantidad total se devuelve al
proveedor.
2.4.1. planes de muestreo
 plan de un solo muestreo.
Es una regla de decisión para aceptar o rechazar un
lote, basándose en los resultados de una muestra al azar
tomada del lote. El procedimiento consiste en tomar
una muestra aleatoria de tamaño (n) y examinar cada
uno de sus elementos. Si el número de defectos
encontrados no excede un número de aceptación
especificado ©, el consumidor acepta todo el lote.
Todos los elementos defectuosos que se encuentren en
la muestra se reparan o devuelven al productor. Si el
número de defectos encontrados en la muestra es
mayor que c, el consumidor somete todo el lote a una
inspección al 100% o bien lo rechaza en su totalidad y
lo devuelve al productor.
 Plan de doble muestreo
En este tipo de plan, la gerencia especifica dos tamaños
de muestra (n1 y n2) y dos números de aceptación (c 1 y
c2). Si la calidad del lote es muy buena o muy mala, el
consumidor toma la decisión de aceptar o rechazar el
lote en función de la primera muestra, la cual es más
pequeña que en el plan de un solo muestreo. Para
aplicar el plan, el consumidor toma una muestra al azar
de tamaño n1. Si el número de defectos encontrados es
menor que o igual a c1, el consumidor acepta el lote. Si
el número de errores está entre c 1 y c2, el consumidor
toma una segunda muestra de tamaño n2. Si el número
combinado de defectos en las dos muestras es menor
que o igual que c2, el consumidor acepta el lote. Si no
es así, el lote es rechazado
 plan de muestreo secuencial
selecciona al azar algunos elementos del lote y los
inspecciona uno por uno. Cada vez que un elemento es
inspeccionado, se toma una decisión para (a) rechazar
el lote; (b) aceptar el lote o (c) continuar con el
muestreo, basándose en los resultados acumulativos
obtenidos hasta ese momento. El analista traza una
gráfica del número total de elementos defectuosos
contra el tamaño de muestra acumulativo y si el
número de elementos defectuosos es menor que cierto
número de aceptación (c1), el consumidor acepta el
lote. Si ese número es mayor que otro número de
aceptación (c2), el consumidor rechaza el lote.
3. JI-CUADRADA Y ANÁLISIS DE VARIANZA
Las pruebas ji-cuadrada son un grupo de contrastes de
hipótesis que sirven para comprobar afirmaciones
acerca de las funciones de probabilidad de una o dos
variables aleatorias.
3.1. Ji-cuadrada como prueba de independencia
Sirve para comprobar la independencia de frecuencias
entre dos variables aleatorias, X e Y.
Una prueba de independencia usa la pregunta de si la
ocurrencia del evento X es independiente a la
ocurrencia del evento Y, por lo que el planteamiento de
las hipótesis para esta prueba de independencia es:
 H0, La ocurrencia del evento X es
independiente del evento Y.
 H1; La ocurrencia del evento X no es
independiente del evento Y.
Procedimiento para elaborar una prueba de
independencia.
6

Paso 1. Obtener la frecuencia observada (F.O),
proveniente de una encuesta, estudio ó experimento.
Paso 2. Resumir los datos obtenidos, es decir, la
frecuencia observada, en un cuadro de contingencia.
Paso 3. Calcular la frecuencia esperada (F.E), y se
calcula con la siguiente formula:
( total columna ) ( total renglón )
F . E= (10)
gran total
Paso 4. Determinar el nivel de significancia (α), y los
grados de libertad, con la siguiente formula:
g .l=( ¿ renglones )( ¿ columnas ) (11)
Paso 5. Plantear las hipótesis. H0: independencia, H1:
dependencia
Paso 6. Construir las áreas de aceptación y rechazo.
Paso 7. Calcular ji-Cuadrada X2
n
( F .O−F . E )2
X 2c =∑ (12)
i=1 F. E
Donde F.O es la frecuencia observada y FE es la
frecuencia esperada
Paso 8. Tomar una decisión y emitir una conclusión en
términos del problema
3.2. Ji-cuadrada como prueba de bondad de ajuste
La prueba de ji cuadrada también se puede utilizar para
decidir si una distribución de probabilidad, como la
binomial, la de poisson o la normal, es la distribución
apropiada.
Procedimiento para elaborar una prueba de bondad y
ajuste.
Paso1. Obtener la frecuencia observada (F.O),
proveniente de una encuesta, estudio ó experimento.
Paso 2. Determinar la frecuencia esperada (F.E),
Paso 3. Establecer el nivel de significancia
Paso4. Determinar los grados de libertad. De la
siguiente manera:
g .l=K−1 (13)
Donde k es el número de categorías.
Paso 5. Plantear las hipótesis: H0: lo que se sostiene el
supuesto valor del parámetro, H1: lo que contradice al
supuesto valor del parámetro.
Paso 6. Construir las áreas de aceptación y rechazo.
Paso 7. Calcular jí-cuadrada “ecuación (12)”
Paso 8. Tomar una decisión y emitir una conclusión en
términos del problema (Aguilar, Pineda, Altamira,
Axotla & García, 2010).
3.3. Análisis de varianza
permite contrastar la hipótesis nula de que las medias
de K poblaciones (K >2) son iguales, frente a la
hipótesis alternativa de que por lo menos una de las
poblaciones difiere de las demás en cuanto a su valor
esperado. Este contraste es fundamental en el análisis
de resultados experimentales, en los que interesa
comparar los resultados de K 'tratamientos' o 'factores'
con respecto a la variable dependiente o de interés.
3.4. Inferencias acerca de una varianza de población
Una inferencia estadística es una afirmación que se
hace acerca de la población en base a la información
contenida en una muestra aleatoria tomada de esta
población. Debido a la naturaleza aleatoria de los datos
obtenidos en la muestra, hay un riesgo en la certeza de
la afirmación propuesta, y es necesario cuantificar el
valor de este riesgo. (Rodríguez, 2007)
Un estimador es una variable aleatoria cuyas
propiedades permiten estimar el valor del parámetro
poblacional de interés. La muestra aleatoria
proporciona únicamente un valor de esta variable y se
denomina estimación puntual.
3.4.1. métodos de inferencia estadística
^ : estimador,
Sean θ: parámetro poblacional de interés, Θ
θ^ :estimador puntual de Θ
^
 estimación puntual
Consiste en la estimación de un valor del parámetro de
la población θ, mediante un solo valor θ^ de un
^.
estadístico Θ
|θ^ - θ | (13)
7
  estimación por intervalo y así poder tomar la decisión de rechazar o no la
hipótesis nula.
Con el valor θ^ del estimador Θ ^ se construye un
intervalo que contenga el valor del parámetro θ que se
desea estimar, con algún nivel de certeza especificado. 5. REFERENCIAS

[1] Aguilar, A., Pineda, M., Altamira, J., Axotla, J., y

Li ≤ θ ≤ Ls (14) García, O. (2011). Serie Aprendiendo Estadística
Fascículo 11 Inferencia Estadística: Análisis de
Donde Li y Ls son los limites inferior y superior del Varianza ANOVA. Recuperado el 17 de marzo de
intervalo. 2019 de https://docplayer.es/42049219-Presentacion-
los-autores.html
 prueba de hipótesis
[2] Carro, R., y González, D. (2012). Control
Se formula una hipótesis acerca del parámetro θ Estadístico de Procesos. Recuperado el 16 de marzo de
asignándole un valor supuesto θ0 y con el valor θ^ del 2019 de
^ se realiza una prueba para aceptar o http://nulan.mdp.edu.ar/1617/1/12_control_estadistico.
estimador Θ
pdf
rechazar la hipótesis propuesta con algún nivel de
certeza especificado. [3] Ingenio Empresa. (2016). Gráfico de Control.
Recuperado el 15 de marzo de 2019 de
Hipótesis propuesta: θ=θ0 (15) https://ingenioempresa.com/grafico-de-control

4. CONCLUSIONES [4] Rendón, H. (2013). Control Estadístico de Calidad.

Recuperado el 15 de marzo de 2019, de
El control de calidad se ha convertido en una https://minas.medellin.unal.edu.co/centro.../40_111b0f
herramienta indispensable a la hora de controlar 52221788e2efbc75c388f2ab64
procesos, ya que por medio de este se puede mejorar
las características del producto, mantener los [5] Rodriguez, L. (2007). Probabilidad y Estadística
estándares establecidos para poder cumplir con las Básica para Ingenieros. Recuperado el 18 de marzo de
especificaciones y generar una mayor satisfacción al 2019, de
cliente. https://archuto.files.wordpress.com/2011/02/probabilid
ad_y_estadistica_basica.pdf
Con un diagrama de control se puede realizar un
análisis del proceso donde se establecen los límites de
control que permiten analizar dicho proceso y
determinar qué está mal o si ha mejorado a través del
tiempo.

A través del Control de un proceso se puede establecer

el comportamiento del proceso lo que permite
intervenir sobre este para mejorarlo.

El Análisis de la varianza se puede aplicar en todas las

ciencias, así como en la Ingeniería, ya que permite
decidir cuál es la alternativa más adecuada para obtener
una solución satisfactoria al problema planteado

Con el ANOVA se logra decidir los niveles de factores

que se establecen en las diferentes poblaciones, así
como analizar el comportamiento de estas.

Con el análisis de varianza se puede comparar el valor

crítico de F con los resultados del estadístico de prueba