Histograma y distribución de frecuencias.

¿Qué es un histograma?
Los histogramas son gráficos que indican la frecuencia de un hecho mediante una distribución de los datos. Los
histogramas no se pueden elaborar con atributos, sino con variables medibles tales como peso, temperatura, tiempo,
etc. Nos ofrece un vistazo general del comportamiento de las variables, donde logramos analizar aspectos como
distribución, dispersión, aleatoriedad y tendencia.

Beneficios de llevar a cabo un histograma:

1. Tomar de decisiones con base en la representación de los datos

2. Mostrar información de interés general, por eso es común que el departamento de control de calidad los
difunda.
3. Analizar rendimientos de procesos
4. Evidenciar cambios ante intervenciones (antes y después)
5. Y un largo etc. Los beneficios dependerán de la interpretación del histograma.

Ejemplo de histograma
Paso 1: Para este estudio, se tomó el tiempo en minutos de
asesoramiento con 50 usuarios.
Paso 2: Determinamos el rango. El valor más grande es 15,5
y el más pequeño es 8,2.

Paso 3: Calculamos el número de intervalos de clase

(K). Lo hacemos con la fórmula de raíz cuadrada del
número de datos.
Paso 4: Calculamos la amplitud o ancho del intervalo. Es la
división del rango (paso 2) entre el número de intervalos
(paso 3).
Paso 5 y 6: Definimos las clases sumándole al valor más
pequeño, el ancho del intervalo hasta que obtenga 7
intervalos de clase, justo allí deberá estar el valor más
grande de mis datos. A continuación, agrupamos cada valor
dentro del intervalo de clase, o dicho de otra forma,
determinamos la frecuencia. El resultado es el siguiente:

Paso 7: Construimos el histograma.

Personalmente prefiero ubicar en el eje x la marca de clase
y no los intervalos de clase. La marca de clase es el
resultado de sumar el límite superior e inferior del intervalo
y dividirlos por dos. El resultado no afecta la forma del
histograma.
El resultado del ejercicio resuelto del histograma es el
siguiente:
 Distribución normal y binomial.

La distribución normal.
Al estudiar aspectos tan cotidianos como: - Caracteres morfológicos de individuos (personas, animales, plantas) de
una misma raza. como tallas, pesos, envergaduras, etc. - Caracteres fisiológicos, como el efecto de una misma dosis
de un fármaco, o de una misma cantidad de abono. - Caracteres sociológicos, como el consumo de ciertos productos
por individuos de un mismo grupo humano. - Caracteres psicológicos, como el cociente intelectual, grado de
adaptación a un medio. - Caracteres físicos, como la resistencia a la rotura de ciertas piezas. . . todos ellos tienen en
común que se distribuyen “normalmente”. ¿Qué quiere decir esta expresión? Pues, por ejemplo, si hacemos una
estadística para conocer la altura de 1400 mujeres y representamos los resultados en un diagrama de barras,
obtenemos:

Las gráficas de este tipo son muy corrientes: Hay pocos

individuos en los extremos y un aumento paulatino
hasta llegar a la parte central del recorrido, donde está
la mayoría de ellos.

La distribución binomial
En teoría de la probabilidad y estadística, la distribución
binomial o distribución binómica es una distribución de
probabilidad discreta que cuenta el número de éxitos en
una secuencia de n ensayos de Bernoulli independientes
entre sí con una probabilidad fija p de ocurrencia de éxito entre los ensayos. Un experimento de
Bernoulli se caracteriza por ser dicotómico, esto es, solo dos resultados son posibles, a uno de estos
se le denomina “éxito” y tiene una probabilidad de ocurrencia p y al otro se le denomina “fracaso” y tiene una
probabilidad de

Función de probabilidad. En ocasiones, para calcular las probabilidades

está dada por: binomiales se utiliza la siguiente fórmula recursiva para
calcular:

Siendo
 Distribución de las medias y las derivaciones.

Distribuciones muestrales
El estudio de determinadas características de una población se efectúa a través de diversas muestras que pueden
extraerse de ella.
El muestreo puede hacerse con o sin reposición, y la población de partida puede ser infinita o finita. Una población
finita en la que se efectúa muestreo con reposición puede considerarse infinita teóricamente. También, a efectos
prácticos, una población muy grande puede considerarse como infinita. En todo nuestro estudio vamos a limitarnos a
una población de partida infinita o a muestreo con reposición.
Consideremos todas las posibles muestras de tamaño n en una población. Para cada muestra podemos calcular un
estadístico (media, desviación típica, proporción,) que variará de una a otra. Así obtenemos una distribución del
estadístico que se llama distribución muestral.

Cada muestra de tamaño n que podemos

extraer de una población proporciona una
media. Si consideramos cada una de estas
medias como valores de una variable aleatoria
podemos estudiar su distribución que
llamaremos distribución muestral de medias.

Si tenemos una población normal N (m,s) y

extraemos de ella muestras de tamaño n, la
distribución muestral de medias sigue también
una distribución normal

Si la población no sigue una distribución

normal, pero n>30, aplicando el
llamado Teorema central del límite la
distribución muestral de medias se aproxima
también a la normal anterior.

En numerosas ocasiones se plantea estimar una

proporción o porcentaje. En estos casos la
variable aleatoria toma solamente dos valores
diferentes (éxito o fracaso), es decir sigue una
distribución binomial y cuando la extensión de
la población es grande la distribución binomial
B(n,p) se aproxima a la normal
Para muestras de tamaño n>30, la distribución
muestral de proporciones sigue una
distribución normal
 Fundamentos del SPC

Control estadístico de procesos

El objetivo del control estadístico de procesos (SPC, por sus siglas en inglés) es hacer predecible un proceso en el
tiempoo. Es una herramienta que ayuda en la toma de decisiones y facilita el proceso de mejora constante de una
empresa.

Las herramientas usadas por el SPC son las gráficas de control que permiten distinguir las causas especiales de las
causas comunes de variación. Se entiende por variación aquellos cambios ocurridos en el valor de la característica
medida, siendo esta característica la respuesta de un proceso determinado.

El padre del SPC

En 1950 la Unión Japonesa de Científicos e Ingenieros (JUSE) invitó al estadístico estadounidense William Edwards
Deming a realizar conferencias acerca del control estadístico de procesos con el fin de formar a cientos de
ingenieros, directivos y estudiantes en el control estadístico de los procesos y los conceptos de calidad.
Los textos generados a partir de las conferencias y artículos de Deming fueron reproducidos por millares en idioma
japonés. El estadístico rechazó una oferta de recibir los derechos de autor por esas publicaciones, pidiendo a cambio
que esos recursos sean empleados para financiar un premio que estimule a las empresas japonesas a introducir
sistemas de calidad.

Fundamentos del SPC

Las causas especiales que originan variaciones excesivas pueden ser: sustituir empleados con experiencia por
empelados poco entrenados, introducir nuevas materias primas de más baja calidad, cambios indebidos de los
métodos de trabajo, deterioro en de las herramientas de trabajo, etcétera. Como los procesos raramente se encuentran
libres de este tipo de defectos, es importante tener algún método sistemático de detectar las desviaciones notables
cuando éstas se presentan o si es posible antes. Es para este fin para el que emplean principalmente las gráficas de
control estadístico. Mientras los valores individuales de todas las medidas pueden ser diferentes, como grupo tienden
a formar un patrón que puede describirse como una distribución. La distribución puede caracterizarse por:
- Locación (valor típico)
- Extensión (intervalo de valores desde el menor al mayor)
- Forma (patrón de variación-si es simétrica, asimétrica, etc.)

Hay varios tipos de gráficas de control que pueden construirse. Si se obtienen datos para una característica de calidad
que puede medirse y expresarse en números, generalmente se utilizan gráficas de control para mediciones de
tendencia central y variabilidad, ya que la calidad de un producto, frecuentemente puede resumirse en términos de
estas dos cantidades.

Gráficas de Control por Variables:

• Gráfica X - R (De la media y el rango)
• Gráfica X - S (De la media y la desviación estándar)
• Gráfica (Pi-Rm) (De los puntos individuales y el rango móvil)
• Gráfica EWMA - R (De los promedios móviles exponenciales y el rango)

Cuando una característica de la calidad puede observarse y elaborar el análisis de un producto o servicio que sea
defectuoso o no lo sea, requiere de un enfoque y tipo de gráficas para la fracción defectuosas o número de defectos.
Existen las siguientes gráficas de Control por Atributos:

• Gráfica P (De la fracción defectuosa)

• Gráfica NP (Del número de defectivos)
• Gráfica C (Del número de defectos que aparecen por unidad (es)
• Gráfica U (De defectos de la unidad)
 Relación causa efecto

¿Qué es?
Un diagrama de Causa y Efecto es la representación de varios elementos (causas) de un sistema que pueden
contribuir a un problema (efecto). Fue desarrollado en 1943 por el Profesor Kaoru Ishikawa en Tokio. Algunas veces
es denominado Diagrama Ishikawa o Diagrama Espina de Pescado por su parecido con el esqueleto de un pescado.
Es una herramienta efectiva para estudiar procesos y situaciones, y para desarrollar un plan de recolección de datos.

¿Cuándo se utiliza?
El Diagrama de Causa y Efecto es utilizado para identificar las posibles causas de un problema específico. La
naturaleza gráfica del Diagrama permite que los grupos organicen grandes cantidades de información sobre el
problema y determinar exactamente las posibles causas. Finalmente, aumenta la probabilidad de identificar las
causas principales.

¿Cómo se utiliza?
1. Identificar el problema. El problema (el efecto generalmente está en la forma de una característica de calidad) es
algo que queremos mejorar o controlar.
El problema deberá ser específico y concreto: incumplimiento con las citas para instalación, cantidades inexacta en la
facturación, errores técnicos en las cuentas de proveedores, errores de proveedores. Esto causará que el número de
elementos en el Diagrama sea muy alto (consultar la ilustración).
2. Registrar la frase que resume el problema. Escribir el problema identificado en la parte extrema derecha del papel
y dejar espacio para el resto del Diagrama hacia la izquierda. Dibujar una caja alrededor de la frase que identifica el
problema (algo que se denomina algunas veces como la cabeza del pescado).
3. Dibujar y marcar las espinas principales. Las espinas principales representan el input principal/ categorías de
recursos o factores causales. No existen reglas sobre qué categorías o causas se deben utilizar, pero las más comunes
utilizadas por los equipos son los materiales, métodos, máquinas, personas, y/o el medio. Dibujar una caja alrededor
de cada título. El título de un grupo para su Diagrama de Causa y Efecto puede ser diferente a los títulos
tradicionales; esta flexibilidad es apropiada y se invita a considerarla.
 Bibliografías

Total, Quality Tools, PQ Systems, Inc., 1996

Quality Improvement Tools, Juran Institute, 1989

The Team Handbook, Sholtes, Peter R., 1988

The Memory Jogger II, GOAL/QPC, 1994