Control estadístico de calidad.

Estadística inferencial (casos de aplicación).

El control estadístico de calidad es la aplicación de técnicas estadísticas a procesos
industriales, administrativos o de servicios con el objetivo de verificar si todas las partes
cumplen ciertas exigencias de calidad y ayudar a reducir su variabilidad
La estadística inferencial desempeña un papel fundamental en el control estadístico de
calidad al proporcionar herramientas para tomar decisiones basadas en datos y mejorar la
calidad de los productos o procesos. Aquí te explico cómo:

1. Toma de Decisiones Basada en Muestras:

o La estadística inferencial nos permite hacer inferencias sobre una población
completa a partir de una muestra representativa. Por ejemplo, si queremos
evaluar la calidad de un lote de productos, tomamos una muestra de los
mismos y aplicamos técnicas estadísticas para estimar parámetros
poblacionales (como la media o la desviación estándar).
o Con base en estas estimaciones, podemos tomar decisiones sobre si el
proceso está bajo control o si necesita ajustes.

2. Pruebas de Hipótesis:
o Las pruebas de hipótesis son herramientas clave en el control de calidad. Por
ejemplo, supongamos que queremos verificar si la resistencia promedio de
un material cumple con las especificaciones. Realizamos una prueba de
hipótesis para evaluar si hay evidencia suficiente para rechazar la hipótesis
nula (que la resistencia promedio es igual a un valor objetivo).
o Si encontramos que la estadística de prueba es significativamente diferente
de cero, podemos concluir que hay una diferencia significativa y tomar
medidas correctivas

3. Intervalos de Confianza:
o Los intervalos de confianza nos proporcionan un rango dentro del cual es
probable que se encuentre un parámetro poblacional. Por ejemplo, si
calculamos un intervalo de confianza para la media de un proceso, podemos
afirmar con cierto nivel de confianza que la verdadera media está dentro de
ese intervalo.
o Esto nos ayuda a evaluar si el proceso está dentro de los límites aceptables
de calidad

4. Análisis de Regresión:
o La regresión nos permite modelar la relación entre variables. En el control
de calidad, podemos usar análisis de regresión para identificar factores que
afectan la calidad y predecir cómo cambios en esas variables afectarán el
resultado final.
o Por ejemplo, si estamos produciendo un producto químico, podemos
analizar cómo la temperatura y la presión influyen en la pureza del producto.
EJEMPLO
Supongamos que una empresa de fabricación de baterías desea evaluar la vida útil
promedio de sus productos. Para ello, toma una muestra aleatoria de 100 baterías y registra
el tiempo (en horas) hasta que se descargan por completo. Los datos obtenidos son los
siguientes:
Batería 1: 120 horas
Batería 2: 118 horas
Batería 3: 122 horas
...
Batería 100: 121 horas

1. Hipótesis nula (H0): La vida útil promedio de las baterías es igual a 120 horas.
2. Hipótesis alternativa (H1): La vida útil promedio de las baterías no es igual a 120
horas.

A continuación, aplicamos una prueba t de una muestra para evaluar si hay evidencia
suficiente para rechazar la hipótesis nula. Calculamos la estadística de prueba t y
comparamos con un valor crítico (basado en el nivel de significancia deseado).
Si encontramos que la estadística de prueba t es significativamente diferente de cero,
rechazamos la hipótesis nula y concluimos que la vida útil promedio de las baterías no es
igual a 120 horas.
Este análisis nos permite tomar decisiones sobre la calidad de las baterías y, si es necesario,
ajustar los procesos de fabricación para mejorar la duración de las mismas.
Recuerda que este es solo un ejemplo simplificado, pero en la práctica, se pueden aplicar
diversas técnicas estadísticas para evaluar la calidad de los productos y garantizar que
cumplan con las especificaciones requeridas.