HERRAMIENTAS DE CALIDAD

(ESTADÍSTICOS)
COMPETENCIA DE LA SESIÓN
• Selecciona y utiliza las herramientas básicas de calidad para analizar y
resolver problemas en la Industria alimentaria con una actitud crítica.
DIEZ HABILIDADES BLANDAS PARA EL 2020
1- Resolución de problemas.- Incluye la disposición a involucrarse
en situacionespara lograr el potencial comocolaboradorconstructivoyreflexivo.

2.- Pensamiento crítico.- Lapersonanollega aconclusionesprecipitadasni se basaen

susemocionesparatomar unadecisión.
3.- Creatividad.- Proponerideas, proyectos, objetivosyenfoques originalespara
adaptarseal entorno, gustosyhábitos cambiantes.
4.- Gestión de personal.- Reclutarycapacitaralos empleadosparaasegurarse de
lograr niveles máximos de productividad.
5.-Inteligencia emocional.- Facilitarlasrelacionesconlos demás,la
consecución de metas y el manejo del estrés.
3
DIEZ HABILIDADES BLANDAS PARA EL 2020
6.- Trabajo en equipo.- Alcanzarlacohesión,agilizarymejorar las condicionesque
obstaculizanel desarrollodetareasdiarias.
7.- Juicio y toma de decisiones.- Aprender demaneraconscienteloshechos,
estableciendo conexiones causales y lógicas.
8.- Orientación al servicio.- Anticipar las necesidades del clientepara
concentrarse en ofrecer una atención que supere expectativas.

9.- Negociación.- Interactuar enlosconflictos paracomprender las diferencias delas

partes. Serempático ysaber gestionarel tiempo.
10.- Flexibilidad cognitiva.- Adaptar laconducta ypensamiento asituaciones
novedosas, cambiantes oinesperadas.
FUENTE: The Future of Jobs Report 2018
4
HABILIDADES BLANDAS Y DURAS
Algunas Habilidades Duras Algunas Habilidades Blandas
Título profesional o formación específica para el puesto. • Buena organización.
Dominio de lenguas extranjeras.
• Buena comunicación.
• Trabajo en equipo.
Manejo softwares especializados.
• Puntualidad.
Dominio de operación de equipos complejos. • Creativo.
Uso de software para presentaciones.
• Pensamiento crítico.
• Facilidad de adaptación.
Técnicas de correcta expresión verbal.
• Facilidad para comunicación
Conocimiento de leyes relacionadas con la organización interpersonal, sociable.
 ¿Qué es un Problema?
Un "problema" es la brecha existente entre la
situación actual y la situación ideal u objetivo

Situación Ideal u Objetivo

ROBLEMA

Bueno

Nivel actual
CLASIFICACIÓN DE LOS PROBLEMAS
CLASIFICACIÓN DE LOS PROBLEMAS

Problemas de
Problemas de eficacia. Es
Problemas de Problemas de Problemas de
desempeño difícil reducir
no diseño de diseño de
no costos cuando
conformidad. producto. Procesos.
estructurado. hay excesivos
reclamos.
 Es la información que brinda acceso a un conocimiento
preciso y concreto. (Del latín datum = “lo que se da”)
DATOS - Son la representación simbólica, en números o letras, de una
¿QUÉ SON? recopilación de información (cualitativa o cuantitativa) que
facilitan la deducción de una investigación o un hecho.

Es la información recogida que es exacta, completa, integra,

actualizada, coherente, relevante, accesible y confiable.

Debe estar basado en hechos. Sirve para la toma de

decisiones.
 Cuantitativas o Continuas.
Características que se miden o se cuentan
Variable continua: su valor se Variable discreta: es el resultado
obtiene por medición. Pueden de contar. Sus valores son enteros
tener cualquier valor dentro de positivos.
NATURALEZA su rango o recorrido. Ej.: áreas Ej.: núm. de hijos por familia, núm.
de las parcelas, sueldos, peso,
DE LAS estatura, humedad,
de accidentes/día, núm.
habitantes/distrito, núm.

VARIABLES temperatura, tiempo trabajado habitaciones/vivienda, los números

(HH-mm- ss). de una baraja de naipes, los
número de un dado, etc.

Cualitativas o por Atributos.

Características no medibles – Se cuentan
Ej.: Estado civil, nacionalidad, sexo, lugar de nacimiento, colores,
suciedad en una tela, causas de accidentes, etc.
11
 Variables cuantitativas

Sebasanenmedicionesdeuna característicaclavede
calidad.

TIPOS DE Susvaloressoncontinuoso discretos.

DATOS Atributos

Sebasanenconteos quemuestranla presencia o

ausencia deuna característicaodefecto.
Susvaloressonenteros.
 Variables cuantitativas
• Ancho, longitud, peso, espesor,
concentración de sólidos, pH, velocidad,
vacío, vibración, etc.
• Temperatura de calentamiento o de refrigeración;
• Concentración de cloro residual;
• Tiempo de atención desde la colocación del
EJEMPLOS DE pedido hasta su llegada a almacén.
DATOS
Atributos

• “Conforme” o “No Conforme” , “A tiempo” o

“Retrasado”, “Con o Sin raspaduras”, “Etiqueta Sucia”,
• “Tela sucia externamente”, “Envase hinchado”,
“Cantidad de envases con fuga en nn unidades”
 Ayuda a la toma de decisiones mediante
información objetiva.

Nuevo enfoque:
“Creo que el problema es…” por

¿POR QUÉ “Los datos indican que el problema es…”

Por ejemplo, en los diagramas de flujo o los
COLECTAR diagramas de causa y efecto, un grupo de
trabajo analiza los datos y puede expresar:

DATOS? “Si cambiamos el paso X en el proceso haciendo

A, entonces creemos que se mejorará Y ”

Donde Y es una característica clave de calidad

del producto o servicio (salida de ese proceso)
 Establecer
objetivos
claros

Formatos COLECTA ¿Cuál es el

adecuado
s para el DE propósito
?
recojo. DATOS

Confiabili
dad en las
medicion
es
1. Datos – Establecer
objetivos claros
• ¿Qué se va a hacer con los datos?
• Cualquier recolección de información
ha de tener un objetivo o propósito
específico y ser seguida por acciones.
• Los objetivos de la recolección de
datos son:
a) El control y el monitoreo de un
proceso de producción (o un
servicio)
b) El análisis de lo que no se ajusta a las
especificaciones o normas
c) La inspección.
2. ¿Cuál es el propósito?
• Determinar los tipos de comparación
que se necesitan.
• Aplicar la estratificación cuando
sea necesario: por ejemplo,
cuando se quiere saber por qué
resultan productos defectuosos
hechos por tres máquinas
diferentes.
• Si se quisiera saber la relación
entre la calidad de un ingrediente
y la dureza de un producto, se
buscará registrar pares de datos
pertenecientes a estas dos
características para emplearlos en
un diagrama de dispersión.
16
3. ¿Son confiables las
mediciones?
• Si las mediciones no son
confiables se emitirá un juicio
erróneo.
• Ejemplo, un inspector en un
muestreo calificó unos artículos
con una tasa de defectuosos
mayor que otros inspectores. Más
tarde, un examen cuidadoso
mostró que el instrumento de
medición empleado estaba
descalibrado.
4. Establecer formas
apropiadas de recojo
• Organizar los datos
adecuadamente para facilitar su
procesamiento posterior.
• Su origen debe registrarse
claramente.
• Debe registrarse por ejemplo, la
característica de calidad, los días
de la semana, el turno, la hora,
qué máquinas, qué lotes de
materiales se usaron, y así
sucesivamente.
17
COLECCIÓN DE DATOS
• Elaborar un plan:
• Incorporar información
concreta, de modo que
todos sabrán qué hacer.
• Corresponde a la
primera fase del Ciclo
P-H-V-A: PLANIFICAR
• Resultará en un
Procedimiento para
la colección de
datos

Esta foto de Autor desconocido está bajo licencia

CC BY
¿Cómo colectar los datos?
• Colectar los datos que mejor describan la situación
• Determinar cantidad de datos necesarios (tamaño de muestra) y la frecuencia de colección
• En algunos casos, pequeños grupos de datos para el control estadístico del proceso; por lo general,
sirven grupos de 4 ó 5 unidades en cada intervalo de tiempo (minutos, horas, etc..)
• Tener en cuenta el costo, disponibilidad y consecuencias de las decisiones.
• Las definiciones operativas incluyen:
• Establecer el “quién, cómo, qué, dónde y cuándo, etc. ”. ( 5W 2H )
• Unidades de medida a utilizar.
• Estado de los equipos de medición.
• Criterios para calificar los defectos.
• Cómo se clasificará cuando hay múltiples defectos.
¿Qué influirá negativamente en la Colección de
Datos?
• Acelerar o reducir la velocidad
del proceso.
• Reducir el flujo normal del
proceso.
• La actitud y percepción de los
colectores de datos. Quizá
busquen resultados
favorables.
• El miedo a las consecuencias.
Mensaje deberá ser: “no
pasará nada”.
• Datos pasados (podrían estar
sesgados por el miedo y otros
factores).
• Fallas en el procedimiento;
pueden agregar errores a los
datos, como:
✓ No hay instrucciones, no hay
entrenamiento previo;
✓ Hojas de Verificación inapropiadas;
✓ No se prueba a pequeña escala;
✓ Se pierden los datos.
20
¿Dónde o cuando
¿Dónde colectar datos?
y cuándo colectar los datos?
Acudir al lugar del proceso donde ocurre el problema y medirlo para saber
cómo está
ahora. Compare las mediciones contra “lo que podemos hacer” y “lo que
debería ser”
• Colecte datos antes y después
de efectuar cambios.
• Compare el proceso antes y
después. ¿Mejoró o no cambió?
• Utilice gráficos para antes y
después (control visual), sólo
así se podrá apreciar bien si el
proceso ha mejorado o no.
Técnicas para colectar
datos
• Recorra el proceso en vivo. Hable
con los protagonistas.
• Haga la colección de datos algo simple.
• Defina los puntos de colección de datos.
• Use hojas de chequeo con descripciones
concretas.
• Automatice lo más que pueda.
• Minimice la categoría “Otros” cuando
colecte datos para diagrama de Pareto.

22
HERRAMIENTAS DE CALIDAD
(ESTADÍSTICOS)
 1. Las siete herramientas clásicas de control y gestión de
Herramientasde la calidad. – Estadísticos / Control y Mejora de la Calidad
Calidad Hoja de recogida de datos.
El diagrama de Pareto.
El diagrama causa efecto.
HERRAMIENTAS Histograma.
El diagrama de dispersión o bivariante.
La Estratificación.
DE CALIDAD El gráfico de Control.
(ESTADÍSTICOS) 2. Nuevas herramientas de planificación y gestión de la calidad.
– No Estadísticos / Gestión y Planificación de la Calidad
Diagrama de afinidad.
Diagrama de relaciones.
Diagrama de árbol.
Matrices de priorización.
Diagrama matricial.
Diagrama del proceso de decisión.
Diagrama de flechas.
 Hojas de verificación Diagrama Causa y Efecto
Check sheets

Las primeras Diagrama de Pareto

7 Herramientas Histograma
de Calidad Análisis
Obtención de de datos
datos

Cartas
Cartasdede
control
control

Diagrama de Flujo
Diagrama de Dipersión
Estratificación
DIAGRAMA DE FLUJO

Es una herramienta que Es un dibujo que representa

ayuda a identificar la un proceso detallando sus
ubicación de las causas raíz. tareas y decisiones.

Se dibujan al comienzo de un
Expresa de manera simple y proyecto de mejora de
visual lo que ocurre en un calidad para que los
proceso. participantes comprendan
mejor lo que quieren hacer.
1. CHECK-SHEETS U
HOJAS DE CHEQUEO
Es un formato construido para recolectar
y registrar datos de un proceso. El
registro de datos debe ser fácil de
registrar y que sirva para analizar los
principales factores que intervienen o
influyen en una situación o problema
específico.
5W 2H
En el uso de una hoja de chequeo se
requiere conocer:
• Para qué o por qué se colectarán los datos
• Qué se quiere aprender de los datos.
• Qué datos se colectarán..
• Cómo se utilizarán los datos. Qué análisis se hará.
• Quién colectará los datos y cómo los colectará
• Dónde y cuándo se colectarán los datos.
27
1. CHECK-SHEETS U HOJAS DE
Hoja de chequeo - Formato de Tabla
CHEQUEO

Planta Ate Defectos Paquetes de Salchicha Viena Envasadora 2

Marzo 2020
Lun Mie Jue Lun Mar Mie Jue
• Es de fácil uso. Por ejemplo
Defecto
12 14 15 19 20 21 22
Total cuando solamente se desea
Código errado // / // / / / 8
contar cuán
frecuentemente sucede
Superficie sucia / // / / 5
algo o para registrar una
Falta
medición.
// /// // /// / /// // 16
hermeticidad
Bajo peso / / 2
1. HOJA DE CHEQUEO - FORMATO DE
GRÁFICO PARA USO INMEDIATO

Temperatura ambiental sala llenado polvos dulces

40

Es especialmente diseñado 35
Los s
para que los datos puedan 30 trabajadore
marcan cada
ser registrados y 35 dato en el o
gráfic

Temperatura
mostrados al mismo 30
tiempo que ocurren, 25

(°C)
indicando los datos 20
directamente como puntos 15
en la gráfica. 10

5
8 9 10 11 12 13 14 15 16 17 18 19 20 21 22
Horas del día
1. HOJA DE CHEQUEO PARA CONTROL DE CONTENIDO
NETO PARA ELABORAR UNA CARTA DE medias y rangos.

30
1. HOJA DE CHEQUEO CON DATOS PARA Frecuencia total
Σ= 2 2 3 1 1 1
USO INMEDIATO EN HISTOGRAMA 25
24
23
22
21
20
19

•Las normas oficiales de calidad del agua 18

17

potable requieren que el contenido de 16

15

Frecuencia
iones calcio (dureza) se mantenga en 4 14
13
ppm (partes por millón), con una 12

tolerancia de ± 0.2.
11
10
9
•Es necesario elaborar una Hoja de Chequeo 8
7
que sirva para construir un histograma 6
5
conforme se van capturando los datos 4
x
(cada 10 min.), digamos durante la 3
2
x x x
x x x x x x
operación de un día. 1

ppm C a 3.6 3.7 3.8 3.9 4.0 4.1 4.2 4.3 4.4 4.5
31
 2. DIAGRAMA DE PARETO
Es una herramienta que identifica los problemas más importantes, en función de su frecuencia de
ocurrencia o coste (dinero, tiempo), permitiendo establecer las prioridades de intervención. Es un tipo de
distribución de frecuencias que se basa en el principio de Pareto, a menudo denominado regla 80/20, el
cual indica que el 80 % de los problemas son originados por un 20 % de las causas. Este principio ayuda a
separar los errores críticos, que normalmente suelen ser pocos, de los muchos no críticos o triviales.

3
2
 2. DIAGRAMA DE PARETO
La construcción del diagrama de Pareto consta de las siguientes etapas:

1. Decidir cómo clasificar los datos

2. Determinar el tiempo de recogida de los datos
3. Obtener los datos y ordenarlos
4. Dibujar los ejes de coordenadas
5. Dibujar el diagrama
6. Construir una línea de frecuencia acumulada
7. El análisis de Pareto

3
3
 2. DIAGRAMA DE PARETO
Modelo de Tabla para la construcción de un Diagrama de Pareto:

34
 2.2.DIAGRAMA DE PARETO
Diagrama de Pareto
Hemos decidido clasificar por tipo de defecto y definimos un periodo de observación de cuatro
semanas consecutivas, la hoja de recogida de datos podría ser como la que muestra debajo.

En ella se van anotando los datos (el defecto A ocurrió dos veces en la primera semana, el defecto B
ocurrió cuatro veces, y así sucesivamente con todos), de manera que una vez cumplimentada
constituye la base para la representación del Diagrama de Pareto.
3
5
 2. DIAGRAMA DE PARETO
4.Se coloca en el eje vertical el número total de defectos detectados y en el eje horizontal los tipos
de defectos.
5.Consiste en la representación gráfica de los datos recogidos en la hoja. Para ello se observa cuál
es el defecto ocurrido con más frecuencia y se representa en el extremo izquierdo, junto al eje
vertical, mediante una barra ancha que tendrá la altura correspondiente a su frecuencia. Se
representa el segundo defecto en frecuencia, y así sucesivamente. Antes de dibujar el diagrama de
Pareto hay que colocar los defectos en orden decreciente en función del número de veces que se
hayan detectado.

3
6
 2. DIAGRAMA DE PARETO

6. Trazar a la derecha una línea de porcentajes que sitúa a la altura de 90, total de los defectos
observados en las cuatro semanas, el 100 %. Esta línea muestra los porcentajes acumulados.

3
7
 2. DIAGRAMA DE PARETO
7. El diagrama muestra los problemas más importantes sobre los que será necesario actuar. En el
ejemplo, los defectos C y B son los defectos más importantes, puesto que representan el 80 % de los
defectos totales.

38
 2. DIAGRAMA DE PARETO
Interpretación de los resultados de Pareto:

a) Si los defectos o las pérdidas más frecuentes decrecen súbitamente, esto

indica que han tenido o están teniendo éxito las acciones de mejora
emprendidas o que existen factores que han cambiado si todavía no hemos
emprendido nada.

b) Si varios tipos de defectos o pérdidas decrecen de manera uniforme, esto

indica generalmente que el control ha mejorado.

c) Si el defecto o la pérdida más frecuente varía en el tiempo pero no disminuye

mucho el porcentaje global, es decir, el diagrama de Pareto es inestable, esto
indica falta de control.

3
9
 2. DIAGRAMA DE PARETO
La utilización de esta herramienta presenta las
siguientes ventajas:

• Permite observar los resultados de las acciones

de mejora implantadas al comparar dos
diagramas
del mismo fenómeno en momentos distintos de
tiempo.

•Es una herramienta polivalente y fácilmente

aplicable, no sólo en el control de la calidad sino
en cualquier ámbito.

•Utilizado en presentaciones y reuniones aumenta

la eficacia y la rapidez de la comunicación ya que
permite identificar rápidamente y a simple vista el
problema más grave Esta foto de Autor desconocido está bajo licencia CC BY-SA

4
0
 3. ESTRATIFICACIÓN
La estratificación no es una técnica propiamente dicha, más bien es una metodología de trabajo
compatible con cualquiera de las herramientas antes mencionadas.

Estratificar los datos consiste en dividirlos y clasificarlos según su procedencia, desagregando la

información y realizando estudios separados para situaciones como: diferentes materias primas,
diferentes máquinas, diferentes turnos de trabajo, etc.

Por ejemplo en el caso de la empresa e legumbres, no sería lógico representar en un mismo diagrama
de dispersión las variables “grado de humedad” y “peso” para los tres tipos de legumbres (garbanzos,
alubias y lentejas) que envasa la citada empresa, sino que habría que representar por separado la
situación de cada tipo de legumbre.

4
1
3. ESTRATIFICACIÓN
3. ESTRATIFICACIÓN

43
 4. DIAGRAMA CAUSA Y EFECTO
Es un método sistematizado de trabajo en grupo, que ilustra con claridad las diversas causas que
afectan a un resultado, clasificándolas y vinculándolas entre sí.

Mano de Obra,
Máquina,
5M Material,
Método y
Medio Ambiente

Técnicas para encontrar la Causa Raíz:

Lluvia de Ideas / 5 Por qué? / 5W + 2H.

4
4
 4. DIAGRAMA CAUSA Y EFECTO
Construcción: Para desarrollar el diagrama de espina se deben seguir los siguientes pasos:
1. Definir y determinar claramente el problema o efecto que se va a analizar.
2. Identificar los factores o causas que originan el efecto, mediante un brainstorming.
3. Representación del diagrama.
4. Análisis de las relaciones causa-efecto que derivan de la construcción del diagrama.

4
5
 4. DIAGRAMA CAUSA Y EFECTO

Aplicación: Es útil para conocer y afrontar las causas de los defectos, anomalías o reclamaciones;
reducir costes; obtener mejoras en los procesos; mejorar la calidad de los productos, servicios e
instalaciones; y establecer procedimientos normalizados, tanto operativos como de control.

Ventajas:

• Proporcionar una metodología racional para la resolución de problemas.

• Permitir sistematizar las posibles causas de un problema.

• Favorecer el trabajo en equipo permitiendo que los trabajadores planteen de forma creativa sus
opiniones y que la comunicación sea clara y eficaz.

4
6
 4. DIAGRAMA CAUSA Y EFECTO
El director de administración de una empresa de fabricación de maquinaria industrial decide emplear
un diagrama de espina para investigar por qué muchos clientes muestran un cierto grado de
insatisfacción con la empresa. Los clientes han expresado su insatisfacción explícitamente a través de
los formularios de quejas y reclamaciones. La mayoría de los clientes señalan la lentitud del servicio
de mantenimiento y de la atención al cliente y el constante comunicar del teléfono cuando éstos
llaman. Bastante sorprendido, decide formar un grupo con otras tres personas, miembros de los
departamentos implicados, y realizar una sesión de brainstorming.
En primer lugar definen el efecto que va a ser analizado como «clientes insatisfechos ».
Posteriormente, el equipo comienza a detectar posibles causas y el coordinador del equipo las va
agrupando según correspondan a mano de obra, métodos, materiales y maquinaria. Una vez
enumeradas y agrupadas las causas, el coordinador las incluye en el diagrama de espina (mostrado
debajo), mientras el grupo sigue reflexionando sobre la importancia de cada una de ellas y si quedan
algunas por añadir. Los pasos siguientes serán determinar las causas más importantes y más
probables para diseñar líneas de actuación encaminadas a la disminución de la insatisfacción de los
clientes.
4
7
4. DIAGRAMA CAUSA Y EFECTO

48
4. DIAGRAMA CAUSA Y EFECTO

49
5. DIAGRAMAS DE DISPERSIÓN
• La forma más sencilla de determinar si existe una relación de causa a
efecto entre dos variables es trazar un diagrama de dispersión, o
diagrama de puntos. La figura 4-19 muestra la relación entre
velocidades de automóvil y rendimiento de gasolina.
• Se ve que a medida que aumenta la velocidad, baja el rendimiento. La
velocidad del automóvil se grafica en el eje x, y es la variable
independiente.
5. DIAGRAMAS DE DISPERSIÓN
5. DIAGRAMAS DE DISPERSIÓN
5. DIAGRAMAS DE DISPERSIÓN
El diagrama de correlación o diagrama de dispersión sirve para determinar si existe
relación entre dos variables, normalmente de causa y efecto.

CORRELACIÓN VALOR O RANGO

Perfecta |R| = 1
Excelente 0.9 <= |R| < 1
Buena 0.8 <= |R| < 0.9
Regular 0.5 <= |R| <0.8

Mala |R| < 0.5

5
3
5. DIAGRAMAS DE DISPERSIÓN
Aplicación: Habitualmente, se aplica después de la utilización del diagrama de
espina, donde ya hemos identificado todas las posibles causas del efecto, y conviene
verificar la existencia de relación, al menos, de las causas más probables. Esta
herramienta nos permite conocer cómo al variar una causa probable varía el efecto.

Ventajas:
• Se trata de una herramienta especialmente útil para estudiar e identificar las
posibles relaciones entre los cambios observados en dos conjuntos diferentes de
variables.
• Suministra los datos para confirmar hipótesis acerca de si dos variables están
relacionadas.
• Proporciona un medio visual para probar la fuerza de una posible relación.

5
4
5. DIAGRAMAS DE DISPERSIÓN
Construcción:
Según sea la dispersión de los datos (nube de puntos) en el plano cartesiano,
pueden darse alguna de las siguientes relaciones, Lineal, Logarítmica, Exponencial,
Cuadrática, entre otras.

Las ecuaciones de cada relación se presentan en la siguiente tabla:

REGRESIÓN ECUACIÓN
Lineal y = A + Bx
Logarítmica y = A + BLn(x)
Exponencial y = Ae(Bx)
Cuadrática y = A + Bx +Cx2

5
5
5. DIAGRAMAS DE DISPERSIÓN
• Recogemos los datos de las dos variables en varios individuos de una muestra.

✓ En cada fila tenemos los datos de un individuo

✓ Cada columna representa los valores que toma una variable sobre los
mismos.
✓ Las individuos no se muestran en ningún orden particular.

•Dichas observaciones pueden ser representadas en un diagrama de dispersión.

En ellos, cada individuos es un punto cuyas coordenadas son los valores de las
variables.

5
6
5. DIAGRAMAS DE DISPERSIÓN
Tenemos las alturas y los pesos de 30 individuos representados en un diagrama de
dispersión.

5
7
5. DIAGRAMAS DE DISPERSIÓN
La TENDENCIA tiene PENDIENTE positiva.

58
5. DIAGRAMAS DE DISPERSIÓN
Apreciamos que el peso aumenta 10Kg por cada 10 cm de altura
aproximadamente, o sea el peso aumenta en una unidad por cada unidad de
altura.

59
5. DIAGRAMAS DE DISPERSIÓN
Para valores de X por encima de la
media tenemos valores de Y por encima
y por debajo en proporciones similares.
Incorrelación.

Para los valores de X mayores que la

media le corresponden valores de
Y menores. relación
Estoinversa
es o
decreciente.

6
0
5. DIAGRAMAS DE DISPERSIÓN
•Para los valores de X mayores que la
media le corresponden valores de Y
mayores también.

•Para los valores de X menores que la

media le corresponden valores de Y
menores también.

• Esto se llama relación directa.

6
1
5. DIAGRAMAS DE DISPERSIÓN
Medición: Coeficiente de Correlación de Pearson.

• El coeficiente de correlación lineal de Pearson de dos

variables, r, nos indica si los puntos tienen una tendencia a
disponerse alineadamente (excluyendo rectas horizontales y
verticales).

• “r” es útil para determinar si hay relación lineal entre dos

variables, pero no servirá para otro tipo de relaciones
(cuadrática, logarítmica,...)

6
2
5. DIAGRAMAS DE DISPERSIÓN
Propiedades de “r”
• Es adimensional
• Sólo toma valores en [-1,1]
• Las variables no tienen correlación => r=0
• Relación lineal perfecta entre dos variables  r =+1 ó r =-1
Excluimos los casos de puntos alineados horizontal o verticalmente.
• Cuanto más cerca esté “r” de +1 o -1 mejor será el grado de relación lineal.
Siempre que no existan observaciones anómalas.

6
3
5. DIAGRAMAS DE DISPERSIÓN

64
5. DIAGRAMAS DE DISPERSIÓN

65
6. DISTRIBUCIÓN DE FRECUENCIA
Datos agrupados
DIFERENCIA ENTRE EXACTITUD Y PRECISIÓN
6.DISTRIBUCIÓN DE FRECUENCIAS
HISTOGRAMA
 • Un histograma consiste en un conjunto de rectángulos que
representan la frecuencia en cada categoría. Gráficamente
representa las frecuencias de los valores observados.
• Como se trata de una variable discreta, una línea vertical en
lugar de un rectángulo hubiera sido teóricamente correcta. Sin
ISTOGRAMA

embargo, el rectángulo es lo que se suele usar.

• Una clase es un agrupamiento dentro de límites especificados,
de valores observados a lo largo de la abscisa (el eje horizontal)
del histograma.
• La cantidad de celdas, clases o grupos en una distribución de
frecuencia depende principalmente del juicio del analista. Ese
juicio se basa en el número de observaciones, y puede requerir
tanteos (“prueba y error”)
 • 1.-Recolectar datos y formar una hoja de conteo.
• En general, la cantidad de clases debe ser entre 5 y 20. Los
lineamientos generales son los siguientes:
ISTOGRAMA

Numero de clases Numero de observaciones

5–9 100
8 – 17 100 – 500
15 - 20 > 500
ISTOGRAMA
 • 2. Determinar el rango. Rango (o recorrido) es la diferencia
entre el mayor valor.
PASO A PASO

• 3. Determinar el intervalo de clase. El intervalo de clase es la

distancia entre los puntos medios de clases adyacentes, como
se ve en la figura. Siempre que sea posible, se recomienda usar
un intervalo impar, como 0.001, 0.07, 0.5 o 3.
• Regla de Sturgis
 • Otra técnica es la de tanteos. El intervalo de clase (i) y la
cantidad de clases (h)se relacionan con la fórmula h =R/i.
Debido a que tanto h como i no se conocen, se usa un método
de tanteos para determinar el intervalo que cumpla con los
lineamientos.
• R=0.044
PASO A PASO
 Histograma
• Un histograma es un gráfico de columnas
especializado para ilustrar la estabilidad de un
proceso. El mayor número de unidades están
ubicadas en el punto medio con más o menos igual
cantidad de unidades a cada lado de ese punto
medio.
• Es una herramienta que ayuda en la toma de
decisión para la resolución de problemas.

74
 Antecedente del Histograma
Distribución de Frecuencias

Los datos no agrupados son Ejemplo:

simplemente una lista de Número de errores en las facturaciones en una tienda
valores observados.
0 1 3 0 1
1 5 4 1 2
No brindan información 1 0 2 0 0
alguna 2 1 1 1 2
0 4 1 3 1
Para aprovecharlos es 1 3 4 0 0
necesario organizarlos. 1 3 0 1 2

75
Organizar los datos
a) Ordenar los datos en formaascendente o Número de errores en la facturación:
descendente. Nr. Recuen Frec
%
b) Tabular la frecuencia con que aparecen. error to u
es (tarjas) encia
c) Utilizar tarjas para determinar la frecuencia. 0
d) La frecuencia muestrala distribución de los 1
datos por rangos o categorías. 2
0 1 3 0 1 3
1 5 4 1 2
4
1 0 2 0 0
2 1 1 1 2 5
0 4 1 3 1 Total
1 3 4 0 0
1 3 0 1 2
76
Organizar los datos
a) Ordenar los datos en formaascendente o Número de errores en la facturación:
descendente. Nr. de Frecu
Recuento %
b) Tabular la frecuencia con que aparecen. errores encia
c) Utilizar tarjas para determinar la frecuencia. 0 //// //// 9 25,7
1 //// //// /// 13 37,1
d) La frecuencia muestrala distribución de los
datos por categorías (Nr. de errores) 2 //// 5 14,2
3 //// 4 11,4
0 1 3 0 1
4 /// 3 8,6
1 5 4 1 2
1 0 2 0 0 5 / 1 2,9
2 1 1 1 2 Total 35 100
0 4 1 3 1
1 3 4 0 0 Con las frecuencias halladas,
1 3 0 1 2 ahor
a puede construir un gráfico de 77
barras
 Gráfico de barras
Distribución de Frecuencias Errores
Número de errores en la facturación: Facturas
Nr. de Frecu 16
Recuento %
errores encia 14 13
0 //// //// 9 25,7
12
1 //// //// /// 13 37,1 9
10

Frecuencia
2 //// 5 14,2 8
3 //// 4 11,4 6 5
4 /// 3 8,6 4
4 3
5 / 1 2,9 2 1
Total 35 100 0
0 1 2 3 4 5
Número de errores

78
 Histograma
Es la representación gráfica, por medio de
barras verticales, de una distribución de
frecuencias de una variable continua. Cada
una de las barras refleja un intervalo o clase y
la altura de las barras representa la frecuencia
con que aparecen los valores en cada uno de
los intervalos.

79
 Partes de un Histograma

30

In te rv a lo
25
Frecuenc

mayor
Valor
20
ia

15 Rango o Recorrido
menor
Valor

10 Celda o
clase

mm
M arc a de
Límite Límite
clase
inf erio r s uperi or Unidades

80
 Partes de un Histograma
x

Lím. Espec.
30

Lím. Esp.
25 In te rv a lo
Frecuenc

Super.
Inf
20
ia

15

Celda o
10 clase

mm
Porción fuera de
M arc a de
Límite Límite especiicación
clase Unidades
inf erio r s uperi or

81
 Ejemplo
Datos Diámetro Interior Bujes Enroscados
Especificación: 10,50 mm ± 0,20 mm
Min Max
10,35 10,50 10,65 10,40 10,45 10,45 10,65 10,40 10,40 10,65
10,60 10,35 10,40 10,40 10,55 10,35 10,45 10,30 10,40 10,55
10,40 10,60 10,50 10,75 10,45 10,45 10,40 10,40 10,50 10,30
10,50 10,45 10,45 10,30 10,35 10,35 10,40 10,45 10,75 10,50
10,70 10,65 10,45 10,50 10,50 10,45 10,40 10,55 10,30 10,45
10,45 10,60 10,40 10,50 10,60 10,45 10,35 10,45 10,65 10,50
10,45 10,35 10,60 10,45 10,40 10,50 10,40 10,50 10,40 10,50
10,60 10,40 10,60 10,60 10,50 10,50 10,25 10,60 10,45 10,50
10,45 10,40 10,60 10,50 10,35 10,65 10,40 10,35 10,50 10,75
Número de datos: N = 90

82
 Construcción del Histograma

1) Hallar el rango (R):

10,75 (Max.) – 10,25 (Min.) = 0,50 mm

2a) Hallar el número de clases ( k )

Empleando la Regla de Sturges
Número de datos: N = 90
k = 1 + 3,3 log N ;
k = 1 + 3,3 log 90 = 7,44  8 clases

83
2b) Hallar el número de clases ( k ) a partir de una tabla

Número de datos ( N ) Número de clases (k)

<50 5 a 7
50 a 99 6 a 10
100 a 250 7 a 11
> 250 10 a 20

84
2c) Estimar el número de clases ( k ) de modo gráfico
Gráfico de estimación del N°. de clases (k ) segun Regla de
Sturges
10 k = + 3, 3 log N
9
1

8
Clases (k)

3 110

160

190
100

250
220
230
10

200

260
20
30

50
60
70
80
90

120

140

170

210

240
130

150

180
40

Número de datos ( N )
85
 Construcción del Histograma
3) Determinar el intervalo de clase ( h ) :
h = Rango (R)  Núm. de clases ( k ) =
h = 0,50 mm  8 = 0,063 mm
Ampliar el intervalo de clase ( h ) 0,063 mm a 0,065
mm para dar holgura y simetría a la distribución de
los datos
Ahora el nuevo rango (R) es:
0,065 x 8 = 0,520 ;
El exceso del rango es:
0,520 – 0,500 = 0,020 mm
El exceso se reparte en dos partes iguales:
0,020  2 = 0,010 mm

86
 Construcción del Histograma

4) Con el exceso repartido en dos partes iguales:

0,020  2 = 0,010 mm
se calculan los nuevos valores máximo y mínimo.

• Dato mínimo original (10,25) – 0,010 = 10,240 mm (nuevo valor mín.)

• Dato máximo original (10,75) + 0,010 = 10,760 mm (nuevo valor máx.)

87
 Construcción del Histograma

5) Cálculo de la
primera clase:
h
Lím. inf. Intervalo
(10,240) + (0,065) = (10,305)
Lím. sup.
88
 Construcción del Histograma

5) Cálculos los límites de las clases:

Lim inf. Intervalo Lim sup. Conteo (Tarjas) Frecuencia

clase de clase clase
10,240 + 0,065 10,305 //// 5
10,305 + 0,065 10,370 //// //// 9
10,370 + 0,065 10,435 //// //// //// /// 18
10,435 + 0,065 10,500 //// //// //// /// 18
10,500 + 0,065 10,565 //// //// //// //// 20
10,565 + 0,065 10,630 //// //// 10
10,630 + 0,065 10,695 //// / 6
10,695 + 0,065 10,760 //// 4

89
Obtener la media aritmética ( ) a partir de datos agrupados

X
Límites de clase f fx
(marca de clase)
10,240 - 10,305
10,305 - 10,370
10,370 - 10,435
10,435 - 10,500
10,500 - 10,565
10,565 - 10,630
10,630 - 10,695
10,695 – 10,760
f=  fx =
Obtener la media aritmética ( ) a partir de datos agrupados
Frecuencia
de clase
X Var N Mean StDev Min Max
Límites de clase f fx
(marca de
mm 90 10,477 0,110 10,25 10,75
clase)
10,240 - 10,305 5 10,2725 51,3625
10,305 - 10,370 9 10,3375 93,0375
10,370 - 10,435 18 10,4025 187,2450
10,435 - 10,500 18 10,4675 188,4150
10,500 - 10,565 20 10,5325 210,6500
10,565 - 10,630 10 10,5975 105,9750
10,630 - 10,695 6 10,6625 63,9750
10,695 – 10,760 4 10,7275 42,9100
= 10,4841
f= 90  fx = 943,5700
91
 Dispersión de datos
(𝑥ҧ)
VALOR
MEDIO

(-) (+)

92
Obtener la desviación estándar a partir de datos agrupados

σ𝑁
𝑖= 𝑓 (𝑥 𝑖 )2
s= 1 −𝑁

donde:
s = desviación estándar de la muestra
f = frecuencia
xi = valor observado

= media
n = cantidad de valores observados

93
 Frecuencia
de clase = 10,4841
x 2 2
Límites de clase f fx (xi - )
(xi - ) f (xi - )
(marca de clase)
10,240 - 10,305 5 10.2725 51.3625
-0.2116 0.0448 0.2239

10,305 - 10,370 9 10.3375 93.0375

-0.1466 0.0215 0.1934

10,370 - 10,435 18 10.4025 187.245

-0.0816 0.0067 0.1199

10,435 - 10,500 18 10.4675 188.415

-0.0166 0.0003 0.0050

10,500 - 10,565 20 10.5325 210.65

0.0484 0.0023 0.0469

10,565 - 10,630 10 10.5975 105.975

0.1134 0.0129 0.1286

10,630 - 10,695 6 10.6625 63.975

0.1784 0.0318 0.1910

10,695 – 10,760 4 10.7275 42.91

0.2434 0.0592 0.2370

90
1.1455

94
95
Construcción del
Histograma
− Manualmente
− Con softwares

96
Discusión:

97
98
99
Variación en los procesos

El Proceso A ilustra mayor

variación que el proceso B

El proceso C ilustra una

variación aún menor que el
proceso B

100
 Ejercicio Histograma

Con los datos de la hoja H1-05 “Espesor de Pintura” (Anexo)

• Elabore el histograma y dibuje los límites de especificación inferior

y superior.
• Observar si los datos cumplen la especificación.
• Identificar si la distribución está centrada, si es simétrica o
sesgada.
• Observar la distribución de los datos respecto a sus ± 3 desv. std.

Aplicación MINITAB - ppt

101
102
USOS DE LOS HISTOGRAMAS
El histograma describe la variación en el proceso. Se usa para:
1. Resolver problemas.
2. Determinar la capacidad del proceso.
3. Comparar con las especificaciones.
4. Sugerir la forma de la población.
5. Indicar discrepancias en datos, como por ejemplo
discontinuidades.
Las distribuciones de frecuencia pueden dar la información suficiente sobre un
problema de control de calidad para ser la base de toma de decisiones, sin más análisis.
OTROS TIPOS DE DISTRIBUCIÓN
• Como se mencionó antes, en teoría la
gráfica de barras es correcta para datos
discretos, pero no se usa con
frecuencia.
• El polígono, o polígono de frecuencia es
otra forma gráfica de representar
distribuciones de frecuencia,
• Como el histograma muestra el área en
DE FRECUENCIA

cada celda, se considera que presenta

mejor imagen gráfica que el polígono, y
es el que se usa con más frecuencia.
• La gráfica que se usa para presentar la
frecuencia de todos los valores
menores que el límite superior de clase,
de determinada clase, se llama
frecuencia acumulada u ojiva.
GRÁFICAS DE DISTRIBUCIÓN
CARACTERISTICAS DE LAS

• En lugar de las formas rectangulares asociadas con el

DE FRECUENCIA

histograma. Una curva continua representa una

Distribución de frecuencia de población, mientras que el
histograma representa una distribución de frecuencia
muestral (es decir, de muestra).
CARACTERÍSTICAS
¿QUÉ PODRIAMOS DECIR DE ESTE HISTOGRAMA?
CARTAS DE CONTROL

108
 ¿Qué es una Carta
de Control?
Variaciónespecial
Herramienta estadística
para controlar y verificar
la estabilidad o variación Variación común
de una característica
clave de calidad de un
proceso, en el tiempo.
Permitedistinguir
eventos con variación
común de aquellos
con variación especial

109
 Tipos de cartas de control según tipo de datos
Cartas de variables cuantitativas o continuas
Contienen datos producto de mediciones; por ejemplo, temperatura,
presión, espesor,peso, concentración, potencia, fuerza, costos, etc.

Cartas de variables cualitativas por atributos

Contienen datos como resultado del conteo de atributos de un ítem,
producto o servicio; por ejemplo, errores, fallas, defectuosos, defectos.
En general, los ítems, productos o servicios son calificados como “pasa-
no pasa”

110
 Identificar los elementos de esta Carta de Control
Definir la
característica Aquí, cada punto
de calidad a es el promedio de
controlar un sub grupo de
n= 3 mediciones
CARTADE
MEDIAS: Línea central
y límites de
Observar la control
estabilidad
Cuantificar
Hay k = 30 sub-
el proceso grupos o
muestras de n= 3
CARTADE mediciones cada
RANGOS: uno
Conocer la
dispersión
Aquí, cada
punto es el
rango de n =3
Cada media se apareja mediciones
con su rango
111
Beneficios de las cartas de control
• Ayudan a comprender y
cuantificar la variación del
proceso
• Monitorear el proceso en tiempo
real
• Ayudan a centrar el proceso
• Se puede predecir el resultado del
proceso
• Determinar cuándo tomar acción
sobre el proceso
• Un operador las puede usar en su
puesto de trabajo (autocontrol).
• Se pueden anticipar los efectos de
las mejoras propuestas
• Se puede obtener pronta
información para evitar los
problemas.
• Utilizan lenguaje sencillo para
comunicarse.
112
 Límites de control
Limite
Control
8
Superior
2
+ 3σ 4
6
ന
𝑿
Promedio de
promedios
- 3σ 3 9 Limite
1 7
5 Control
Inferior

Los Límites de Control se fijan en ± 3σ desde

la línea central o promedio del proceso.

113
 Zonas en las Cartas de Control
Histograma

114
 Los Límites de Control (± 3σ) y la
distribución normal en una carta de control
LCS
+ 3 sigma  Zona A
+ 2 sigma Zona B
+3σ
+ 1 sigma Zona C

2  x
x
Media del

95.45 %
 3
99.73
proceso

%
- 1 sigma Zona C


- 3σ
- 2 sigma Zona B
- 3 sigma Zona A
LCI

Los límites de control se colocan a

± 3 desviaciones estándar de la media del proceso
115
Zona A
Zona B
Zona C
Zona C
Zona B
Zona A

116
Elementos y principios básicos de
una Carta de Control
Límite
LSC Superior
de Control

Línea
LC Central

Límite
LIC Inferior de
Control
1 2 3 4 5 6 7 8
Número de subgrupo o muestra

117
 Continuos Tipo Atributos
Elegir una de datos

Carta de
¿En Sub
Control Grupos? SÍ ¿Qué está
contando?

NO Elementos Defectos
Tamaño
Sub Grupos defectuosos por unidad
Tamaño Tamaño Tamaño
Tamaño
Sub grupo Muestra muestra
Sub grupo
≤8 constante variable
≥8

I-MR X barra-R X barra-S Grafico p Gráfico C Gráfico U

118
 Capítulo 8
CARTAS DE CONTROL DE
VARIABLES CONTINUAS

119
Tipos de cartas de control de variables continuas

• Valores individuales y rango móvil

• Media móvil y rango móvil
• Medias y rangos
• Medias y desviación estándar

120
 Carta de
Mediciones Individuales y
Rango Móvil (I-RM)

121
Cartas de Mediciones Individuales y Rango Móvil (I-MR)

Es un diagrama para procesos lentos, relativamente

estables, o las mediciones son prolongadas, caras o
destructivas.
Para la obtención de la muestra se requieren periodos
relativamente largos o es de difícil acceso.
El tamaño de la muestra es una unidad, no hay grupos.

122
 Aplicaciones de Cartas Individuales y Rango Móvil (I-RM)
• Procesos químicos que trabajan por
lotes.
• Cuando el proceso alcanzócierto
grado de control y se quiere verificar
ese nivel de control.
• Las mediciones cercanas difierenpor
el error de medición. Ej.: Humedad
relativa en el medio ambiente.
• Procesos con salidas
relativamente homogéneas.
Ejemplo: En fábricas de papel, las
mediciones del espesor del recubrimiento
a través del rollo se diferenciarán muy
poco; su variación será muy pequeña.
123
Aplicaciones de Cartas Individuales y Rango Móvil (I-RM)
También se aplican a variables administrativas (mediciones
diarias, semanales, anuales, etc.)
– De productividad,
– De desperdicio,
– De consumo de agua,
– De consumo de electricidad,
– De combustible, etc.

124
Cartas de Mediciones Individuales y Rango Móvil (I-RM)

En muchas aplicaciones de la carta de control de mediciones

individuales se emplea el rango móvil a partir de dos
observaciones sucesivas como base de estimación de la
variabilidad.
El rango móvil se define como:

RMi = │xi − xi−1│

125
 Ejemplo de Carta (I-RM)
Variación °Bx en
Jugo Clarificado
de Caña”

Fin
126
 Elaboración tradicional del azúcar

Inicio

Jugo
clarificado

Fin
127
 Carta I-RM
Data °Bx Jugo Clarificado

1 2 3 4 5 6 7 8 9 10 11 12
MM-DD 09-18 09-19 09-20 09-21 09-22 09-23 09-25 09-26 09-27 09-28 09-29 09-30

°Brix (I) 13.97 13.22 12.77 13.49 13.38 14.58 13.04 13.08 13.36 13.01 12.12 12.48

13 14 15 16 17 18 19 20 21 22 23
MM-DD 10-1 10-2 10-3 10-7 10-8 10-9 10-10 10-11 10-12 10-13 10-14
°Brix (I) 12.46 11.74 12.76 13.87 12.71 11.69 12.79 12.79 12.77 12.59 10.82

128
 Cálculo del Rango Móvil

1 2 3 4 5 6 7 8 9 10 11 12
MM-DD 09-18 09-19 09-20 09-21 09-22 09-23 09-25 09-26 09-27 09-28 09-29 09-30

°Brix (I) 13.97 13.22 12.77 13.49 13.38 14.58 13.04 13.08 13.36 13.01 12.12 12.48
Rango
Móvil
0.75 0.45 0.72 0.11 1.20 1.54 0.04 0.28 0.35 0.89 0.36

1er. RM = │13.97-13.22│= 0.75

2do. RM = │13.22-12.77│= 0.45
3er. RM = │12.77-13.49│= 0.72 Etc. …
129
 Obtener promedios
1 2 3 4 5 6 7 8 9 10 11 12
MM-DD 09-18 09-19 09-20 09-21 09-22 09-23 09-25 09-26 09-27 09-28 09-29 09-30
°Brix (I) 13.97 13.22 12.77 13.49 13.38 14.58 13.04 13.08 13.36 13.01 12.12 12.48
R. Móvil 0.75 0.45 0.72 0.11 1.20 1.54 0.04 0.28 0.35 0.89 0.36

13 14 15 16 17 18 19 20 21 22 23
MM-DD 10-1 10-2 10-3 10-7 10-8 10-9 10-10 10-11 10-12 10-13 10-14
°Brix (I) 12.46 11.74 12.76 13.87 12.71 11.69 12.79 12.79 12.77 12.59 10.82 Prom I = 12,847
R. Móvil 0.02 0.72 1.02 1.11 1.16 1.02 1.10 0.00 0.02 0.18 1.77 Prom 0,673
RM=

130
 Calcular los Límites de Control
Límites de control para x individuales (Carta de I):
3 3 Prom I = ഥ 12,847
𝒙
( )=( )= 2.66
𝑑2 1,128)
Prom 𝑹𝑴 0,673
RM=
• LCSx = 𝑥ҧ + 𝟐, 𝟔𝟔 𝑅𝑀 = 12,847 +
2,66 *0,673 = 14,638
•LCIx = ഥ
𝑥− 𝟐, 𝟔𝟔 𝑅𝑀 = 12,847 − 2,66 * 7,79 = 11,057
Límites de control para el Rango Móvil (RM):
• LCSRM = 𝐷4 𝑅𝑀 = 3,268 * 0,673 = 2,199
• LCSRM = 𝐷3 𝑅𝑀 = 0 * 0,673 = 0
131
Factores para cálculo de límites de control en carta de I-RM

Factores p/ Lím. Control

Carta de I Carta de R
Tamaño
Subgrup d2 (3/d2) D3 D4
3 3 o: n
( )=( ) = 2.659
𝑑2 1,128) 2 1.128 0 3.267
2.659
3 1.693 1.772 0 2.574

4 2.059 1.457 0 2.282

5 2.326 1.280 0 2.114

132
133
 Interpretar el Estado de Control
• Para la carta x de I, verificar
tendencias, observar
fluctuaciones; identificar si son
uniformes o dispersas.
• Buscar ciclos o agrupamientos
• Saber cómo es el proceso
ayudará a encontrar las causas
de estos problemas.
• Las cartas de I son menos
sensibles que las cartas x-R

134
Patrones de inestabilidad por causas especiales

135
Patrones de inestabilidad por causas especiales

136
 Aplicación para interpretar el
PRUEBA 1. Un punto fuera de estado de control - Pruebas
3 dv.std de la línea central.
Puntos: 2; 15
PRUEBA 2. 9 puntos
consecutivos en el mismo lado
de la línea central. Punto: 18
PRUEBA 5. 2 de 3 puntos en
más de 2 dv.std de la línea
central (en un mismo lado de
la LC). Puntos: 2; 3
PRUEBA 6. 4 de 5 puntos en
más de 1 dv.std a partir de la
línea central (en un mismo
lado de la LC). Puntos: 5; 13;
15; 16; 17
137