ESTADISTICA APLICADA AL

CONTROL DE CALIDAD Y
SEIS SIGMA

ACTIVIDAD 1 ANALISIS ESTADISTICO E INFERENCIAL

UNIVERSIDAD AUTONOMA DEL

NORESTE
BENJAMIN PADILLA LEZA
 INDICE

1.1 Introducción 2
1.1.1 ¿Qué es un análisis estadístico 2
2.1 Antecedentes Históricos 3
2.1.1 Etapas de la historia de la estadística 3
2.1.2 Primeras civilizaciones 3
2.1.3 Imperio Romano 3
2.1.4 Edad media 3
2.1.5 Edad moderna 4
2.1.6 Edad Contemporánea 4
3.1 Marco Teórico 5
3.1.1 Estadística 5
3.1.2 Estadística inferencial 5
3.1.3 Media 5
3.1.4 Mediana 5
3.1.5 Moda 5
3.1.6 Rango 5
3.1.7 Intervalo de confianza 5
3.1.8 ANOVA 5
4.1 Objetivo 6
5.1 Justificación 6
6.1 Desarrollo 7
7.1 Conclusión 14
8.1 Bibliografía 14

1
 INTRODUCCION

Disponer de un conjunto de interpretaciones sobre los resultados de una investigación es una gran
herramienta que nos proporciona el análisis estadístico.

Este tipo de análisis nos permite además desarrollar modelos estadísticos, diseñar encuestas y estudios
de investigación, especialmente cuando hablamos de grandes volúmenes de datos.

Conozcamos más de esta clase de análisis y cómo puedes implementarlo.

¿Qué es un análisis estadístico?

Sabemos que el análisis de datos implica una revisión a profundidad de cada parte de un conjunto para
entender su estructura e interpretar su funcionamiento. La estadística, por su parte, es la ciencia que utiliza
las probabilidades como base para influir en los posibles resultados de las situaciones que se determinan
mediante datos numéricos a la hora de recogerlos, interpretarlos y determinar su validez.

Por lo tanto, el análisis estadístico se produce cuando recogemos e interpretamos datos con la intención
de identificar patrones y tendencias; esto significa que, si bien es un tipo de análisis de datos en sí mismo,
se aborda con un ángulo interpretativo que resulta útil para tomar decisiones concretas y comprender a
los clientes potenciales de una empresa, su comportamiento y sus experiencias.

Hoy en día, la estadística es una herramienta que no puede faltar para analizar los datos de una
investigación, porque desde la concepción de la idea de lo que se va a investigar, pasando por la definición
de objetivos, hipótesis, variables, recolección de los datos, organización, revisión, clasificación, tabulación
y producción de los resultados para el análisis es importante saber dar un uso adecuado a las diferentes
medidas y modelos estadísticos para el análisis.

Cuando se logra, los resultados obtenidos representan una verdadera contribución a la solución de los
problemas inherentes al campo donde se desarrollan las actividades propias de las diferentes
investigaciones.

2
 ANTECEDENTES HISTORICOS

En la antigüedad, la estadística nace de forma primitiva con el objetivo de contabilizar determinados

detalles que servían para mejorar determinadas áreas de la vida cotidiana. La estadística nace con el
ánimo de recoger datos, y habitualmente datos sobre el Estado. De ahí su origen etimológico ‘Statisticus’,
que significa relativo al Estado, y que más tarde evolucionó a estadística.

Etapas de la historia de la estadística

La historia de la estadística se puede resumir en cuatro etapas:

Primeras civilizaciones

Desde Sumeria, Egipto, la antigua China, Babilonia o Asiria, se comenzaron a desarrollar las primeras
tablas estadísticas. Existen dos ejemplos muy ilustrativos de la época.

Por un lado, en China, el famoso filósofo Confucio declaró en sus escritos que el Rey Yao encargó
recoger datos sobre industria, comercio y agricultura. En Egipto, el que se cree que es el historiador
antiguo más erudito, el griego Heródoto, cita en sus escritos la importancia de la recogida de datos a la
hora de construir las enigmáticas pirámides de Egipto. Así mismo, Heródoto refleja lo conveniente que es
para un Estado como el suyo (Antigua Grecia) recoger información y cuantificarla.

Imperio Romano

Con el nacimiento de Roma, hacia el 476 a.C., la estadística se tornó aún más relevante. Gracias a la
implantación de los métodos descriptivos, sabemos hoy muchos datos sobre la demografía del Imperio
Romano. Datos como mortalidad infantil, defunciones, nacimientos y habitantes por kilómetro cuadrado.

Aunque no fueron los primeros en elaborar censos de población, sí que fueron los primeros en utilizar la
información para tomar mejores decisiones. Ya en Roma, existían personas capaces de cuadrar
balances, conceder préstamos y registrar el tipo de interés acordado. Adicionalmente, se registraban los
tributos pagados y el Estado elaboraba sus propias cuentas.

Edad Media

Durante la Edad Media, la evolución de la ciencia estadística se estanca. De algún modo, o eso parecen
decirnos los escritos, la historia de la estadística se toma una pausa. Esto podría deberse a las
dificultades que las civilizaciones soportaron en las diferentes partes del mundo, guerras, cultivo
insuficiente, cambios climáticos e importantes transformaciones culturales. La evolución se paralizó en

3
muchos de los planos del desarrollo humano y no sería hasta el Renacimiento (Siglos XV y XVI) cuando
la estadística volvería a cobrar vida.

Edad Moderna

Con el comienzo de la Edad Moderna, hacia el siglo XV, la Iglesia tras darse cuenta de la importancia de
registrar las defunciones, bautizos o nacimientos dedica recursos a crear dichos registros.
Concretamente, sería John Graunt (1620-1674) quien, junto con su ayudante William Petty (1623-1687),
elaboraría el primer censo estadístico moderno y la primera tabla de probabilidades por edades. Es decir,
calculó la probabilidad de morir en función de la edad de los habitantes.

Gracias a esa labor, un famoso profesor alemán llamado Caspar Neumann (1648-1715) realizó el primer
estudio estadístico no político de la historia. Pretendió, y de hecho lo consiguió, destruir el mito de que
los años terminados en el número siete moría más gente.

Aunque anterior a él hay escritos sobre probabilidad, fue Godofredo Achenwall (1719-1772) el primero en
acuñar la palabra ‘estadística’.

Hasta la llegada del siglo XX nacieron grandes personalidades como Pascal, Bernoulli, Laplace, Gauss,
Poisson, Bayes o Markov que fueron, poco a poco, contribuyendo a la unión de los conceptos de
estadística y de probabilidad. La estadística, fue adquiriendo herramientas matemáticas derivadas de la
teoría de la probabilidad. Poco a poco la una fue creciendo con la otra, pero no terminarían de unirse
hasta el siglo XX.

Edad contemporánea

Aunque, en esencia, la estadística y la probabilidad son materias diferentes, están muy relacionadas.
Desde el siglo XX ambas andan caminando estrechamente de la mano.

Este camino paralelo que han ido tomando no hubiera sido posible sin los avances Kolmogorov y Borel.
Ambos dotaron de sentido matemático real al asunto. Ya que, hasta entonces, la probabilidad era vista
desde el mundo académico como algo poco serio y sin suficiente sustento matemático. No podemos
olvidar, sin embargo, las enormes contribuciones que hicieron Fisher y Pearson a la estadística como
disciplina científica.

Desde mediados del siglo XX, la estadística y la probabilidad no han parado de avanzar. Junto con la
computación y los programas informáticos, ha sido posible almacenar grandes cantidades datos, y
realizar cálculos inimaginables hasta la fecha.

4
 MARCO TEORICO

La estadística es el estudio científico que obtiene, ordena y analiza los datos en conjunto para de esta
manera poder obtener explicaciones o predicciones con respecto a los fenómenos que están siendo
estudiados. Son métodos, procedimientos y fórmulas que permiten a la persona recolectar información.

La estadística inferencial es la que tiene como función realizar una serie de inferencias en
las propiedades, las conclusiones y las tendencias de una muestra de un conjunto para interpretar,
hacer comparaciones y diferentes tipos de proyecciones.

La media, también conocida como promedio, es el valor que se obtiene al dividir la suma de un
conglomerado de números entre la cantidad de ellos.

La mediana es un conjunto es un valor que se encuentra a la mitad de los otros valores, es decir, que, al
ordenar los números de menor a mayor, éste se encuentra justamente en medio entre los que están por
arriba.

La moda es el valor que aparece más dentro de un conglomerado. En un grupo puede haber dos modas
y se conoce como bimodal, y más de dos modas o multimodal cuando se repiten más de dos valores; se
llama amodal cuando en un conglomerado no se repiten los valores.

El rango es un valor numérico que sirve para manifestar la diferencia entre el valor máximo y el valor
mínimo de una muestra poblacional en Estadística. A través del rango se puede observar la dispersión
total en una muestra en concreto.

Un intervalo de confianza es una técnica de estimación utilizada en inferencia estadística que permite
acotar un par o varios pares de valores, dentro de los cuales se encontrará la estimación puntual buscada
(con una determinada probabilidad).

La prueba ANOVA o análisis de varianza es un método estadístico que permite descubrir si los resultados
de una prueba son significativos, es decir, permiten determinar si es necesario rechazar la hipótesis nula
o aceptar la hipótesis alternativa.

5
 OBJETIVO

Aplicar de manera sumamente práctica las herramientas de estadística para el análisis de datos en un
caso práctico de proyecto de mejora.

JUSTIFICACION

Elaborar la siguiente actividad del Módulo 1 de la materia de Estadística Aplicada al Control de la Calidad
y Seis Sigma

En una fábrica de remolques se quiere realizar un proyecto de optimización para reducir el consumo de
pintura utilizada por remolque. Después de un análisis de proceso se llegó a la conclusión que las variables
que pueden afectar el consumo son:

Cantidad de recubrimiento Tiempo de secado Pintura Calidad de Aplicación total remolque

gr/ l min. acabado Kg
13.9 30.9 buena 180
14.2 31.2 buena 180.3
14.1 31.1 buena 180.5
13.5 30.5 buena 180.1
14 31 buena 180.2
14.1 31.1 buena 180.4
13.9 30.9 buena 180.4
13.6 30.6 buena 180.1
14.3 31.3 buena 180.5
13 30 buena 179.6
14.9 31.9 buena 180.6
15.1 32.1 buena 181.8
14.8 31.8 buena 182.7
14.7 31.7 buena 183.5
14.3 31.3 buena 183.9
14.5 31.5 buena 184.5
14.6 31.6 regular 185.2
14.2 31.2 regular 185.5
14.1 31.1 regular 185.7
13.8 30.8 regular 185.6
13.9 30.9 regular 185.6
13.9 30.9 regular 185.6
14.5 31.5 regular 186.2
15.3 32.3 regular 187.6
15.5 32.5 regular 189.2
19.5 36.5 regular 194.8
19.5 36.5 regular 200.4
19.8 36.8 regular 206.3
21.3 38.3 regular 213.7
22.5 39.5 regular 222.3
21.9 38.9 regular 230.3
22 39 regular 238.4
6
 DESARROLLO

1.- La estadística descriptiva de las variables continúas y establece conclusiones de sus tendencias
centrales, rango, intervalos de confianza.

Para calcular la media de cada una de nuestras muestras vamos a utilizar la formula:

La cual explicada un poco mejor nos dice que vamos a sumar cada uno de los datos recolectados entre
(N) que representa al numero de datos que ya tenemos, este caso son 32.

En cuanto a la mediana, se calcula colocando cada uno de nuestros datos ascendentes, es decir del menor
al mayor y es ahí donde vamos a localizar el numero central de nuestra distribución.
Y la moda, seleccionamos en valor que mas veces se repite dentro de nuestros.
Para finalizar el primer paso necesitamos además calcular el rango de nuestros datos, con el cual podemos
realizar utilizando la siguiente formula:

que menciona que la cantidad mayor de nuestra muestra se va a restar por la de menor, haciendo esto,
mostramos los resultados en nuestra siguiente tabla.

MEDIA MEDIANA MODA MINIMO MAXIMO RANGO

Cantidad de recubrimiento
15.725 14.3 13.900 13.000 22.500 9.500
gr/ l
Tiempo de secado Pintura
32.725 31.3 30.900 30.000 39.500 9.500
min.
calidad de acabado

Aplicación total remolque

190.047 183.9 185.600 179.600 238.400 58.800
Kg

7
Después de tener nuestros datos, realizamos los cálculos en una página de Excel, comenzando por la
cantidad de recubrimiento, continuando por el tiempo de secada y finalizando así la aplicación total de los
remolques, cada una de estas graficas nos muestra la media, la desviación estándar de cada dato y el
numero de repetición o muestras que ya hemos presentado dando además a este un 95% de confianza,
una vez completado los datos, se corroboro en minitab la coincidencia de cada una de estas donde a
continuación se muestran los resultados

Datos Previos (Cantidad de Recubrimiento) Intervalos de Confianza

N de clases
N de Datos 32 Limite Inferior Limite Superior
Limite inferiro 13 1 13 14.9
Limite superior 22.5 2 14.9 16.8
Rango 9.5 3 16.8 18.7
N de Clases 5 4 18.7 20.6
Tamano de clase o amplitud 1.9 5 20.6 22.5

Datos Previos (Tiempo de secado) Intervalos de Confianza

N de clases
N de Datos 32 Limite Inferior Limite Superior
Limite inferiro 30 1 30 31.9
Limite superior 39.5 2 31.9 33.8
Rango 9.5 3 33.8 35.7
N de Clases 5 4 35.7 37.6
Tamano de clase o amplitud 1.9 5 37.6 39.5

8
Datos Previos (Aplicacion total de remolque) Intervalos de Confianza
N de clases
N de Datos 32 Limite Inferior Limite Superior
Limite inferiro 179.6 1 179.6 191.36
Limite superior 238.4 2 191.36 203.12
Rango 58.8 3 203.12 214.88
N de Clases 5 4 214.88 226.64
Tamano de clase o amplitud 11.76 5 226.64 238.4

2.- Realiza una identificación de la distribución de probabilidad y determina a qué tipo de distribuciones se
ajusta cada una de las variables continuas.

9
10
3.- Mediante una gráfica de corridas determina cuál de las variables se encuentra en descontrol y cuáles
son los comportamientos de descontrol que presentaría cada variable si es que esta en descontrol.

Existe una tendencia normal dentro de las primeras 24 muestras, pero pasando a la muestra numero 25,
la grafica advierte que el proceso comienza a salirse de control.

11
4.-Realiza un ANOVA entre calidad de acabado y consumo de pintura por remolque y establece si la
primera es significativa con respecto a la segunda.

Conclusión.
En base a la
gráfica de
intervalos,
podemos deducir
que el valor mas
alto en cuanto a la
aplicación total del
remolque implica
un acabado
regular en la
mayoría de estos

12
5.- Realiza análisis de regresión lineal para las demás variables y el consumo de pintura y determina cuales
son significativas, el valor del r2 para cada una de las regresiones y en que valores es conveniente trabajar
para optimizar o en este caso disminuir el consumo de pintura.

Conclusión
Como podemos dentro de nuestras de gráficas, el tiempo del secado no es una variable que logre influir
en este tipo de proceso, pero viendo esto podemos deducir que se debe de trabajar poniendo atención en
la cantidad de recubrimiento para lograr así mejor el consumo de la pintura

13
 CONCLUSION

Durante la elaboración de este trabajo logramos observar la importancia que hoy en día tienen las
herramientas estadísticas para poder conseguir la mejora buscada dentro de los procesos y en su
aplicación como son es seis sigmas, durante el desarrollo de este trabajo logramos observar cada una de
las aportaciones y conocimientos que ofrece cada herramienta para ir descifrando el fondo del problema
en el que se aplica

Además de esto nos damos cuenta que es una metodología muy compleja para una sola persona, el
trabajo en equipo es indispensable para lograr avanzar en cada una de las fases de este sistema, ya que
se necesita el conocimiento adecuado de cada una de estas herramientas y aplicar conclusiones certeras
que muchas veces una sola persona no puede lograr

BIBLIOGRAFIA

ANTECEDENTES HISTORICOS - ANÁLISIS ESTADÍSTICO (google.com)

Antecedentes históricos de la estadística y algunos conceptos básicos. (espaciologopedico.com)
T_completo.PDF (unmsm.edu.pe)
Lean Manufacturing: ¿qué es y cuáles son sus principios? | APD
(11) CORRELACIÓN y REGRESIÓN LINEAL con EJEMPLOS - YouTube
(11) Desarrollo del análisis de varianza (ANOVA) en Minitab. - YouTube
(11) Gráfica de Corridas - YouTube

14