05 - Uni2-Par1 - La-Estadistica-Como-Herramienta-De-Control (2018)

LA ESTADÍSTICA APLICADA
AL CONTROL
LA
LA ESTADÍSTICA
ESTADÍSTICA
COMO
COMO HERRAMIENTA
HERRAMIENTA
DE
DE CONTROL
CONTROL
POR QUE LA ESTADÍSTICA COMO
HERRAMIENTA DE CONTROL
HERRAMIENTA MATEMÁTICA
PODEROSA

CONTROL DE SISTEMAS,
PROCESOS Y PRODUCTOS

ANALIZAR DATOS

OBTENER RESULTADOS

CONVERTIRLOS EN
INFORMACIÓN ÚTIL
INFORMACIÓN CONFIABLE PARA…
 Control de la calidad de recepción.

 Control de la calidad de procesos de gestión.
 Control de la calidad de procesos de producción.
 Control de la calidad de productos.
 Cálculo e interpretación de probabilidad de éxito en
toma de decisiones ejecutivas.
 Estudios sobre poblaciones a partir de muestras para
mejorar procesos.
 ….
PALABRAS CLAVE
 EXPERIMENTO  FENÓMENO
 COMPORTAMIENTO  CAUSA
 DATOS  INFORMACIÓN
 DIAGNÓSTICO  PRONÓSTICO
 MÉTODOS  TÉCNICAS
 TOMAR DECISIONES  INCERTIDUMBRE
 EFECTOS  CONSECUENCIA
 ANÁLISIS  MEDIDAS
LA CIENCIA ESTADÍSTICA
CONCEPTO
CONCEPTO DE ESTADÍSTICA
La estadística es la parte de la ciencia

matemática que establece métodos para
la recopilación, ordenación, análisis e
interpretación de datos con el fin de
conocer las características específicas
de una población.
LA ESTADÍSTICA
POSICIÓN CIENTÍFICA
MATEMATICA
DA
DA METODOS
METODOS ESTADISTICA
PARA
PARA INFERIR
INFERIR
RESULTADOS
RESULTADOS A A DA
DA METODOS
METODOS
POBLACIONES
POBLACIONES PARA
PARA TRABAJAR
TRABAJAR
con
con CALCULOS
CALCULOS LOS
LOS DATOS
DATOS DE
DE
aa partir
partir de
de MODELO
MODELO MUESTRAS
MUESTRAS
PROBABILISTICO
PROBABILISTICO
CONCEPTOS
CONCEPTOS Y
Y DEFINICIONES
DEFINICIONES
LOS CAMPOS DE LA ESTADÍSTICA
La Estadística Aplicada maneja técnicas

básicas en dos campos concretos:
ESTADISTICA
ESTADISTICA
DESCRIPTIVA
ESTADISTICA
ESTADISTICA
INDUCTIVA
LA ESTADÍSTICA DESCRIPTIVA:
Establece reglas y procedimientos para
presentar los datos estadísticos, en la forma
más útil y significativa posible valiéndose de
tablas y gráficos. Además, formula reglas
para el cálculo de medidas referentes a los
datos.
LA ESTADÍSTICA INDUCTIVA:
Hace inferencias acerca de poblaciones, a
partir de las muestras extraídas de ellas.
MÉTODO OPERATIVO DE LA
ESTADÍSTICA
REGISTROS NORMAS DE
HISTÓRICOS MUESTREO
CIENCIA
ESTADÍSTICA
PRUEBAS
DATOS
MUESTRA
ORDEN Y
ANÁLISIS MÉTODOS
UNIVERSO
O
RESULTADOS CONCLUSIONES
POBLACIÓN
REPRESENTACIONES
REPRESENTACIONES INFERENCIAS
GRÁFICAS
GRÁFICAS ESTADÍSTICAS
ELEMENTOS DE LA
ESTADÍSTICA
DEFINICIONES
DEFINICIONES Y
Y
CARACTERÍSTICAS
CARACTERÍSTICAS
ELEMENTOS DE LA ESTADÍSTICA
DEFINICIONES - CARACTERÍSTICAS
CARACTERÍSTICAS DE LA CALIDAD
Cualquier propiedad que contribuya a la
adecuación al uso de un producto, proceso o
servicio.
VARIABLES ESTADÍSTICAS
Frente a un análisis estadístico, las características
de la calidad son variables estadísticas.
VARIABLE ESTADÍSTICA
Característica o fenómeno que puede tomar
distintos valores del conjunto que compone el
dominio de la variable y que puede ser valorada y
expresada por un número.
Ejemplos: temperatura, humedad, peso de una
pieza, número de unidades demandadas, velocidad
de la herramienta de una máquina.
VARIABLES ESTADÍSTICAS
 Variables: Variables estadísticas
cuantitativas o mensurables.
 Discretas: Solo valores enteros.
 Continuas: Cualquier valor del dominio.
Fracciones de la unidad.
 Atributos: Variables estadísticas
cualitativas o no mensurables.
DATOS ESTADISTICOS
 Definición: Números o medidas recopilados
como resultado de observaciones realizadas.
 Características: Pueden ser valorizados,
comparados, analizados e interpretados.
 Comentario: Constituyen la M.P. de la
Estadística.
POBLACIÓN
Conjunto completo de individuos, objetos o medidas, que
poseen alguna característica común observable.
Tamaño de la población:
Es la cantidad de valores (repetidos o no) que componen
la población.
Generalmente al tamaño de una población finita, se lo
identifica con la letra “N” (mayúscula).
Tamaño de la población:
 Población finita: Número finito de individuos.
 Población infinita: Hay dos casos prácticos:
 Infinitos valores. N = .
Ejemplo: Registro diario e indefinido de las
temperaturas ambientes máximas de una ciudad.
 Gran cantidad de valores. N > 500000.
Ejemplo: Producciones "en serie" de gran volumen.
MUESTRA
Parte de la población seleccionada según una
política determinada, para que sea representativa
de ella.
Tamaño de la muestra:
Es la cantidad de valores (repetidos o no) que componen
la muestra.
Generalmente al tamaño de la muestra, se lo identifica
con la letra “n” (minúscula).
PROCESO
ESTADÍSTICA HABITUAL DE TRABAJO
APLICADA
CONCEPTOS GENERALES
SE MIDE Y ANALIZA
MUESTRA
POBLACIÓN
CONCLUSIONES
SE INFIEREN RESULTADOS
A este proceso se lo denomina

INFERENCIA ESTADÍSTICA
OBTENCIÓN O RECOLECCIÓN
DE LOS DATOS
INSPECCIÓN
OBTENCIÓN O RECOLECCIÓN DE LOS DATOS
INSPECCIÓN
INSPECCION
Es la actividad mediante la cual se recogen los
datos estadísticos.
INSPECCION
OBS. DIRECTAS CONSULTAS
MEDIR VARIABLES MEDIR VARIABLES
EVALUAR ATRIBUTOS EVALUAR ATRIBUTOS

INSPECCIÓN
INSPECCION
 Inspección Total [100 %]
Censos cada 10 años
Sólo en lotes muy pequeños o por seguridad
Errores que no pueden ser acotados » Poco fiable
Tiene un alto costo operativo
 Inspección a una Muestra

Mayoría de los casos prácticos
Lotes numerosos con muestras representativas
Se comete un error que puede ser calculado
Es muy confiable y más económico que 100%
INSPECCIÓN
TIPOS DE INSPECCION
LOTES LOTES
PEQUEÑOS
TOMA DE DATOS GRANDES
INSPECCIÓN
INSPECCIÓN
A UNA
TOTAL O 100%
MUESTRA
ANÁLISIS A
ANÁLISIS A LA TÉCNICAS
TODA LA
MUESTRA DE MUESTREO
POBLACIÓN
TÉCNICAS PARA
PRESENTACIÓN ESTADÍSTICA ESTADÍSTICA CÁLCULO DE
INFERIR EFECTOS A
DE LOS DATOS DESCRIPTIVA INDUCTIVA PROBABILIDADES
POBLACIÓN
INSPECCIÓN
REGISTRO DE LOS DATOS

Recomendaciones prácticas.
 Utilizar planillas con formatos especialmente
diseñados para cada caso.
 Tomar datos sólo cuando van a utilizarse para
algún análisis serio.
 Nunca transferir los datos a un nuevo registro.
OBTENCIÓN O RECOLECCIÓN
DE LOS DATOS
MUESTREO
OBTENCIÓN O RECOLECCIÓN DE LOS
DATOS
MUESTREO
MUESTREO
Acción de extraer y obtener una muestra.
Conclusiones Válidas para la Población sólo con una
Muestra Representativa (de la Población)
La Muestra Representativa (de la Población) debe
reflejar las características y comportamientos de
"toda" la población.
Exigencias para una muestra representativa:
Cualitativas: En que forma se extraen.
Cuantitativas: Cuantas unidades se extraen.
DATOS
MUESTREO
EXIGENCIAS CUALITATIVAS
1. Cumplir con el principio de aleatoriedad.
2. Cumplir con el principio de independencia.
 Muestreo con reposición.
No se altera el universo original.
 Muestreo sin reposición.
Se altera el universo original.
Se considera universo sin variación cuando N
> 8n.
DATOS
MUESTREO
EXIGENCIAS CUANTITATIVAS
1. Tamaño correcto de la muestra (IRAM 15)
2. Igualdad de condiciones al extraer cada
elemento de la muestra.
 Condiciones Ambientales.
 Procesos y Procedimientos de Extracción.
3. Detección y eliminación de errores no
muestrales.
DATOS
MUESTREO
DATOS
MUESTREO
TIPOS DE MUESTREO
Objeto. Ofrecer procedimientos que aseguren el
principio de aleatoriedad.
TIPOS DE
MUESTREO
ALEATORIO SISTEMÁTICO
SIMPLE ESTRATIFICADO PURO AL AZAR

MUESTREO ALEATORIO SIMPLE
Se realiza sobre un "lote completo", sin más
condiciones que las que impone el muestreo
aleatorio.
MUESTREO ALEATORIO ESTRATIFICADO
Se aplica cuando en una misma población se
pueden individualizar grupos de distinta
categoría o estratos. La población se divide
en los estratos y se toma muestra aleatoria de
ellos.
DATOS
MUESTREO ALEATORIO ESTRATIFICADO
Cuando Se aplica cuando la POBLACION TIENE GRUPOS DE
se aplica DISTINTAS CATEGORIAS.
Como se Paso 1: Se divide el lote (población) en grupos (estratos).

extrae la Paso 2: Se elige al azar un número determinado de elementos
muestra de cada estrato para que conformen la muestra (proporcional al
tamaño de cada estrato).
APLICACIONES
APLICACIONES PRINCIPALES
PRINCIPALES
•• Estudios
Estudios relativos
relativos aa las
las personas
personas (edades,
(edades, zonas,
zonas,
ingresos,
ingresos, educación,
educación, sexo,
sexo, etc.).
etc.).
•• Grupos
Grupos separados
separados en en proporción
proporción aa variables
variables
determinadas
determinadas (horas
(horas de
de trabajo,
trabajo, cantidad
cantidad producida,
producida,
tipo
tipo de
de proveedor,
proveedor, etc.).
etc.).
•• Control
Control de
de recepción
recepción en en distintos
distintos bultos
bultos oo paquetes
paquetes
(partida
(partida con
con varios
varios lotes).
lotes).
DATOS
MUESTREO SISTEMÁTICO
Para controlar procesos durante su ejecución o

desarrollo. Se realiza extrayendo la muestra con el
único criterio de hacerlo con una frecuencia
previamente establecida.
 MUESTREO SISTEMÁTICO PURO
Con orígenes fijos para los períodos de observación.
OK para procesos totalmente automáticos, pero no seguro en
procesos manuales o semiautomáticos por alteraciones
voluntarias o no por acción de operadores.
 MUESTREO SISTEMÁTICO AL AZAR
Con orígenes aleatorios para los períodos de observación.
Soluciona inseguridad en procesos manuales.
MUESTREO SISTEMÁTICO PURO
Cuando Cuando se selecciona la muestra manteniendo un período

se aplica fijo de tiempo entre toma de datos.
Paso 1: Se adopta un tamaño de muestra y se elige un tipo

Como se de frecuencia:
extrae la • 2 piezas cada 30 minutos.
muestra • 5 piezas por turno.
• 1 pieza cada 20 fabricadas.
Paso 2: Se trabaja con la muestra que se va obteniendo.
APLICACIONES
APLICACIONES PRINCIPALES
PRINCIPALES
•• Procesos
Procesos dede producción
producción automáticos
automáticos (garantizan
(garantizan
muestreos
muestreos sistemáticos
sistemáticos aleatorios).
aleatorios).
•• Selección
Selección de
de muestras
muestras enen procesos
procesos sometidos
sometidos al al
C.E.P.
C.E.P. (en
(en este
este caso
caso se
se extraen
extraen submuestras
submuestras de de 44 óó
55 piezas
piezas consecutivas
consecutivas que
que luego
luego se
se analizan
analizan -- por
por
ejemplo
ejemplo 55 piezas
piezas por
por hora).
hora).
MUESTREO SISTEMÁTICO PURO
MUESTREO SISTEMÁTICO ALEATORIO
El MUESTREO SISTEMATICO ALEATORIO, trata de cubrir las

deficiencias del PURO, cuando la muestra se extrae manualmente,
para garantizar la representatividad.
Se obtiene una muestra como la anterior, pero cambiando al azar
los puntos iniciales de extracción (o de las frecuencias de
extracción).
Cuando Cuando se selecciona la muestra manteniendo un período

se aplica fijo de tiempo entre toma de datos.
Paso 1: Se adopta un tamaño de muestra y se elige un tipo

Como se de frecuencia:
extrae la • 2 piezas cada 30 minutos.
muestra • 5 piezas por turno.
• 1 pieza cada 20 fabricadas.
Paso 2: Se trabaja con la muestra que se va obteniendo.
AL CONTROL
LA ESTADÍSTICA
DESCRIPTIVA
LA ESTADÍSTICA DESCRIPTIVA
OBJETIVOS
Organizar y presentar los datos estadísticos.

 TABLAS.
 De frecuencias simple.
 De frecuencias agrupadas por intervalo de clase.
 GRÁFICOS.
 De Líneas.
 Circulares, o de Sectores, o de Torta (Pie).
 De Barras y de Columnas.
ESTADÍSTICA DESCRIPTIVA
TABLAS
AGRUPAMIENTO
AGRUPAMIENTO DE
DE DATOS
DATOS EN
EN
TABLA SIMPLE DE
FRECUENCIAS
TABLA SIMPLE DE FRECUENCIAS
Se desarrolla en un ejemplo:
PLANTEO:
En una fábrica de electrodomésticos se han obtenido los siguientes
valores de gastos en dólares, que generaron las 19 NO
CONFORMIDADES detectadas en la sección armado durante el
último año: 500, 1000, 1000, 800, 1000, 1700, 1200, 800, 1600 600,
1500, 600, 500, 700, 1000, 600, 160, 500 y 800.
PROPÓSITO:
Agrupar los datos en una TABLA.
Estos datos tienen las siguientes características:
- Son pocos valores.
- Algunos aparecen repetidos.
VER TABLA

U$S por NC Conteo fi Fi
500 | | | 3 3
600 | | | 3 6
700 | 1 7
800 | | | 3 10
1000 | | | | 4 14
1200 | 1 15
1500 | 1 16
1600 | | 2 18
1700 | 1 19
XXVOLVER
Total 19
AGRUPAMIENTO
AGRUPAMIENTO DE
DE DATOS
DATOS EN
EN
TABLA DE FRECUENCIAS
CON DATOS AGRUPADOS
POR INTERVALOS DE CLASE
TABLA DE FRECUENCIAS POR INTERVALOS
En un ejemplo
PLANTEO:
Los siguientes datos, representan las facturaciones en dólares de 40
prestaciones realizadas en un trimestre, por una compañía proveedora de
servicios de limpieza en edificios: 900, 500, 450, 1900, 1200, 1250, 2500,
550, 1650, 1200, 1000, 550, 950, 600, 750, 1300, 850, 350, 1400, 700, 300,
1100, 300, 1600, 1500, 1000, 1800, 900, 500, 650, 2000, 1000, 2000, 450,
750, 850, 600, 3000, 350 y 1500.
PROPÓSITO:
Agrupar los datos en una TABLA, que aquí tienen como característica:
- Son demasiados valores.
- Muchos aparecen una sola vez.
VER TABLA
Para hacer la TABLA, usaremos:

INTERVALOS DE CLASE
Hay un factor negativo:
 Perdemos inevitablemente parte de la información
por la forma de agrupar los datos (en este caso,
los préstamos individuales).
 Tendremos pequeños errores estadísticos
basados en la forma de agrupación.
VER TABLA
¿Qué criterio empleamos para elegir la “amplitud”

de los “intervalos de clase” que vamos a utilizar?
 Obviamente, el intervalo seleccionado, no debería ser tan
amplio como para perder demasiada información ni tan
pequeño como para que pierda sentido el haber agrupado
en intervalos.
 Es importante que todos los datos asignados a una clase,
puedan considerarse (sin gran error) iguales al valor
medio del intervalo, usaremos dicho valor como
representante de todos los de la clase.
VER TABLA
¿Cuántos intervalos consideramos?

 No hay una norma general que pueda aplicarse a todos los casos.
 Al escoger el número de intervalos, debemos basarnos en: la
precisión del trabajo que desarrollamos, los datos de que disponemos,
la economía de presentación, etc.
 Algunos autores sostienen que una buena práctica para determinar el
número de clases en que se dividirá un lote es hacer:
Nc  √ n > 5
Nc = número de clases o de intervalos
n = número de datos
Conviene que se adopte un Nc > 5 en todos los casos.
VER TABLA
Adoptamos 7 intervalos. Veremos cual es el

procedimiento para asignar los valores a las distintas
clases:
Paso 1:
Buscamos el valor máximo y mínimo entre los datos (valores extremos) y
realizamos la diferencia (rango).
Paso 2:
Calculamos el ANCHO o AMPLITUD de la clase que es el cociente entre
el rango y el número de intervalos.
Como este valor debe ser entero para simplificar cálculos, en caso que
sea decimal, lo aproximamos SIEMPRE al entero superior.
La amplitud en este caso es A = 386.
VER TABLA
Paso 3:
Corregimos el cálculo. Si multiplicamos la amplitud por el número de
intervalos, obtenemos el RANGO REAL.
En el segundo paso aproximamos al entero superior, pues de lo contrario el rango nos
daría menor a 2700. Por lo tanto, al construir las clases, nos encontraríamos con valores
de la muestra que no pertenecerían a ninguna clase.
Rango real = Rr = 2702

> Rango = 2700 en 2 unidades
Los dos valores que sobran deben repartirse en el primer y último intervalo. Ya
que tenemos que tener en cuenta que:
300 es el valor mínimo de los datos,
3000 es el valor máximo, y
que todos los valores deben estar en alguna clase.
VER TABLA
Consideramos:
Límite inferior = valor mínimo menos 1.
Límite superior = valor máximo más 1.
Es decir:
Extremo inferior del primer intervalo: 300 - 1 = 299.
Extremo superior del último intervalo: 3000 + 1 = 3001.
Si no hubiera diferencia entre el rango y el rango real, consideraríamos el
valor mínimo de la muestra como el límite inferior del primer intervalo.
VER TABLA
Paso 4.
Construimos los intervalos.
Al extremo inferior 299, le sumamos la amplitud y obtenemos el extremo
superior de la primera clase:
299 + 386 = 685
Éste a su vez, es el límite inferior del segundo intervalo.
Así repetimos el procedimiento hasta obtener los extremos de los 7
intervalos que son:
685, 1071, 1457, 1843, 2229, 2615 y 3001
VER TABLA
Paso 5.
Asignamos los datos de la muestra al intervalo que correspondan
logrando así la frecuencia absoluta de cada clase.
Por convención, vamos a considerar los intervalos de forma tal que
incluyan al extremo inferior pero no al superior.
Si hubiera algún valor que quedara vacío (es decir, sin ningún valor),
deberíamos replantear el número de intervalos.
Ordenamos los resultados en una tabla y tenemos la que se muestra en
la siguiente transparencia…
TABLA DE DATOS AGRUPADOS POR INTERVALOS DE CLASE
Intervalos Conteo fi fr Fi xm
299 - 685 ||||||||||||| 13 0.325 13 492
685 - 1071 ||||||||||| 11 0.275 24 878
1071 - 1457 |||||| 6 0.150 30 1264
1457 - 1843 ||||| 5 0.125 35 1650
1843 - 2229 ||| 3 0.075 38 2036
2229 - 2615 | 1 0.025 39 2422
2615 - 3001 | 1 0.025 40 2808
Totales 40 1.000
Observaciones:
 La columna fr es la que corresponde a las frecuencias relativas. Se
calculan haciendo el cociente entre la frecuencia absoluta de cada
clase y el número total de datos de la muestra.
Por ejemplo, el primer valor de fr sería:
fr = 13/40 = 0.325
 La fr nos indica qué proporción del total de datos corresponde a
cada clase.
En el caso visto, el 0.325 nos dice que el 32.5 % de los préstamos están entre los $ 299
y $ 685.
Es lógico, que la suma de todos los valores de esta columna resultará igual a 1; es decir
representa el 100 %.
VER TABLA
 La columna fi sigue teniendo los valores correspondientes a las

frecuencias absolutas.
 Recordemos que la columna Fi corresponde a las frecuencias
acumuladas, obtenidas adicionando las frecuencias absolutas
anteriores (La misma, representa ahora el número de datos que son
menores o iguales al extremo superior del intervalo).
Las frecuencias acumuladas son de gran ayuda en el cálculo de la mediana.
VER TABLA
 La última columna xm , es la MARCA DE CLASE y se obtiene haciendo el

promedio del intervalo de clases (es decir, sumando los extremos y
dividiendo por dos).
El primer valor es: (299 + 685) / 2 = 492
OJO
 Cuando las muestras no son lo suficientemente grandes, es
preferible trabajar con todos los datos, sin necesidad de
agruparlos.
 Si necesitáramos comparar una muestra con otra previamente
agrupada, será muy importante que escojamos el mismo
agrupamiento, pues si ignoráramos esta convención sería muy
difícil comparar los resultados de los distintos estudios.
REPRESENTACIONES GRÁFICAS
GRAFICO DE LINEAS
Ejemplo: Evolución de la temperatura de un enfermo
EVOLUCIÓN DE LA TEMPERATURA
42
41
40
39
38
37
36
35
12 15 18 21 24 3 6 9 12 15 18 21 24 3 6 9
GRAFICO CIRCULAR o GRAFICO DE SECTORES

Ejemplo: Distribución ocupacional en Tío Pujio en 2005
TIO PUJIO - DISTRIBUCION OCUPACIONAL

Fuente de datos: CENSO MUNICIPAL - MAYO 2005
15%
20%
Agricultura
Industria
Construcción
10%
35% Servicios básicos
Otros servicios
20%
GRAFICO DE BARRAS
Ejemplo: Medición del grado de conformidad con hotelería
GRADO DE CONFORMIDAD CON SERVICIO DE HOTELERIA
Excelente 0.7%
Muy Buena 16.5%
Buena 18.7%
Regular 48.8%
Mala 2.6%
No sabe - No contesta 12.7%
0% 10% 20% 30% 40% 50% 60%

GRAFICO DE COLUMNAS
Ejemplo: Variabilidad en temperatura de un horno
30
23 21
20 18 16
Repeticiones
10 10 9
2 1
0
98.0-98.5 98.5-99.0 99.0-99.5 99.5-100.0 100.0-100.5 100.5-101.0 101.0-101.5 101.5-102.0
Temperaturas
Ejercicio grupal – caso real

La
La situación
situación era
era (más
(más oo menos)
menos) así:así: cuando
cuando loslos bombarderos
bombarderos retornaban
retornaban
de
de sus
sus misiones,
misiones, no no todos
todos volvían
volvían intactos
intactos sino
sino que
que alal llegar
llegar aa sus
sus
respectivas
respectivas bases
bases sese hacía
hacía unun análisis
análisis del
del impacto
impacto queque habían
habían producido
producido
los
los proyectiles
proyectiles alemanes.
alemanes. Se Se hacía
hacía un un recuento
recuento de de los
los diferentes
diferentes lugares
lugares
en
en donde
donde se
se encontraban
encontraban los los ‘agujeros’.
‘agujeros’. LaLa idea
idea era
era no
no sólo
sólo repararlos
repararlos
(obviamente),
(obviamente), sinosino aprovechar
aprovechar lala experiencia
experiencia para para proteger
proteger aa loslos otros.
otros. AA
tal
tal efecto,
efecto, se buscaba agregarles
se buscaba agregarles armaduras
armaduras oo piezas
piezas metálicas
metálicas que que
ofrecieran
ofrecieran más
más resistencias
resistencias aa los
los impactos
impactos que que recibían
recibían desde
desde tierra.
tierra.
Pero
Pero aparecía
aparecía un un problema:
problema: sisi uno
uno lele pone
pone armaduras
armaduras muy muy pesadas,
pesadas, elel
avión
avión no
no puede
puede volar;
volar; pierde
pierde maniobrabilidad
maniobrabilidad yy usa usa muchísimo
muchísimo más más
combustible.
combustible.
Entonces….
Entonces…. En
En donde
donde colocamos
colocamos refuerzos??
refuerzos??
Ejercicio grupal – caso real
El ejercicio consiste en juntarse en
equipos de 2 o 3 máximo, y en un plazo
de 5 a 10 minutos evaluar la información
Respuesta:
Wald
Wald -- matemático
matemático estadístico
estadístico hizo
hizo una
una explicación
explicación magistral:
magistral: “Si
“Si los
los aviones
aviones regresan
regresan con
con daños
daños en en las
las zonas
zonas
grisadas,
grisadas, es es porque
porque esas
esas zonas
zonas son
son laslas que
que menos
menos necesitan
necesitan de de las
las armaduras”.
armaduras”.
Después
Después de de todo,
todo, sisi los
los aviones
aviones podían
podían recibir
recibir ese
ese número
número de de impactos
impactos peropero podían
podían regresar
regresar es
es porque
porque allí
allí no
no
estaba
estaba elel problema.
problema. Siguió
Siguió Wald:
Wald: “El
“El hecho
hecho queque lala cabina
cabina yy lala cola
cola tuvieran
tuvieran muchísimo
muchísimo menos
menos impactos
impactos no no tenía
tenía
que
que ver
ver con
con que
que los
los proyectiles
proyectiles no no llegaban
llegaban hasta
hasta ellas,
ellas, sino
sino que…
que…(y(y aquí
aquí lele pido
pido que
que meme preste atención)… los
preste atención)… los
aviones
aviones que que sufrían
sufrían ese
ese tipo
tipodede impactos,
impactos, en en esos
esos lugares…
lugares… ¡no ¡no retornaban
retornaban más!
más!”.”.
Aunque
Aunque ahora
ahora parezca
parezca una una trivialidad,
trivialidad, lala observación
observación de de Wald
Wald fuefue espectacular.
espectacular. Si Si había
había una
una distribución
distribución
uniforme
uniforme de de los
los proyectiles,
proyectiles, ¿dónde
¿dónde estaban
estaban loslos agujeros
agujeros queque faltaban?
faltaban? ¡Estaban
¡Estaban en los aviones
en los aviones queque faltaban
faltaban,,
los
los aviones
aviones queque no
no volvieron!”
volvieron!”
HISTOGRAMA
HISTOGRAMAS
Diagrama de columnas que representa una

distribución de frecuencias
 Particularidades del
HISTOGRAMA:
1. La altura de cada barra
FRECUENCIAS
es la “FRECUENCIA” o
número de veces que se
repite cada valor en el
diagrama lineal. La
frecuencia queda
reflejada en el eje
vertical o de ordenadas.
HISTOGRAMAS

HISTOGRAMA:
2. El ancho de cada barra es la
FRECUENCIAS
del "INTERVALO DE
CLASE" que hemos
adoptado para agrupar las
frecuencias. Los valores o
datos extraídos de la
muestra quedan
representados en el eje
horizontal o de abscisas.
INTERVALOS DE CLASE
HISTOGRAMAS

HISTOGRAMA:
3. El histograma tiene las
FRECUENCIAS
COLUMNAS UNIDAS, a
diferencia de un diagrama
de barras común. Esto se
debe a que representamos
intervalos de clase y los
extremos de estos intervalos
se suceden sin
interrupciones.
INTERVALOS DE CLASE
HISTOGRAMAS

HISTOGRAMA:
4. El área de cada columna del
FRECUENCIAS
histograma es proporcional
a la frecuencia de
ocurrencia del valor sobre el
que se levanta dicha
columna. Por eso conviene
que todos los intervalos
tengan el mismo ancho.
INTERVALOS DE CLASE
COMO
COMO SE
SE TRAZA
TRAZA UN
UN
HISTOGRAMA
HISTOGRAMA
COMO SE TRAZA UN HISTOGRAMA
1. Recolectar y registrar
los datos. Por lo general los datos
En el ejemplo se toman se registran en una
125 muestras de una tabla.
característica de Para este caso, con 25
calidad variable de columnas (25 coladas)
fundición. La muestra y 5 filas (5 muestras de
se ha obtenido de una cada
serie de 25 coladas una de las coladas).
sucesivas.
EJEMPLO DE HOJA TÍPICA PARA TOMAR DATOS:
Para este caso, hay 10 columnas (procesos observados), y
5 filas (5 muestras medidas en cada una de las observaciones).
Es decir que se ha estudiado una muestra de 50 unidades producidas.
Mínimo Máximo
2. Calcular el Rango.
Se buscan los valores Para nuestras 125
extremos (máximo y medidas suponemos
mínimo) y se hace la que los extremos son:
diferencia obteniendo el X max = 112
rango (intervalo que X min = 91
contiene el total de la
muestra). El RANGO resulta:
R = 112 – 91 = 21
3. Elegir el número de
clases. Con una tabla que da
Se trata de determinar números de clase en
la cantidad de función al tamaño de
intervalos en que se la muestra y con el
partirá el rango. empleo de un
procedimiento para
Se emplean diferentes
elegir la apropiada se
métodos. Aquí se uso
elige n = 7 y [a] = 3.
una tabla adecuada al
problema.
4. Determinar y ajustar los

valores de los extremos A partir de nuestro
de los intervalos: mínimo “91”, se
Se encuentran los obtienen los valores
valores extremos y se extremos:
ajusta de acuerdo a un 94, 97, 100, 103, 106 y 109
procedimiento que Intervalos ajustados:
tiene en cuenta la 91 – 93.5; 94 – 96.5;
precisión de medidas. 97 – 99.5; 100 – 102.5;
103 – 105.5; 106 – 108.5;
109 – 112
5. Tabular los datos:

Se prepara una grilla y se incluyen los datos.
Intervalo de clases
Intervalo de clases Frecuencia Total frecuencia
ajustadas
91 – 94 91 - 93.5 ///// /// 8
94 – 97 94 - 96.5 ///// ///// // 12
97 – 100 97 - 99.5 ///// ///// ///// ///// ///// ///// ///// /// 38
100 – 103 100 -102.5 ///// ///// ///// ///// ///// ///// /// 33
103 – 106 103 -105.5 ///// ///// ///// ///// /// 23
106 – 109 106 -108.5 ///// /// 8
109 – 112 109 -112 /// 3

Total de valores 125
POR LO GENERAL SE CONSTRUYE UNA TABLA DE FRECUENCIAS ORDENADA POR INTERVALOS DE CLASE
CONSTITUYE EL CASO MÁS FRECUENTE EN LA PRÁCTICA
6. Dibujar el histograma:
En el eje horizontal van los números de clase, en el eje vertical se colocan las
frecuencias. Sumando los valores de frecuencia de cada columna tendremos las
125 medidas [100%] “proporcionales” al área total del gráfico escalonado obtenido
[mismo ancho de cada clase]
40
38
35
33
30
25
23
20
15
10 12
8 8
5
3
0
88-91 91-94 94-97 97-100 100-103 103-106 106-109 109-112 112-115
POLÍGONO
POLÍGONO DE
DE FRECUENCIAS
FRECUENCIAS
CURVA
CURVA DE
DE FRECUENCIAS
FRECUENCIAS
CONSTRUCCIÓN DEL POLIGONO DE FRECUENCIAS.

Lo obtenemos uniendo el punto medio de las cabezas de columnas. La principal
característica del polígono de frecuencias es que el área encerrada entre esta línea
poligonal y el eje horizontal es igual al área del histograma [suma de las áreas de las
columnas]. Representa la suma de datos analizados [total de frecuencias].
40
38
35
33
30
25
23
20
15
10 12
8 8
5
3
0
88-91 91-94 94-97 97-100 100-103 103-106 106-109 109-112 112-115
CONSTRUCCIÓN DE LA CURVA DE FRECUENCIAS.

Se obtiene suavizando los puntos angulosos del POLIGONO DE FRECUENCIAS. De
tal modo, "en ciertos casos" se puede asociar una función continua e integrable
[FUNCIÓN DE DENSIDAD]. El área debajo se calcula mediante una integral definida y
su valor representa la suma del 100% de los datos analizados.
40
38
35
33
30
25
23
20
15
10 12
8 8
5
3
0
88-91 91-94 94-97 97-100 100-103 103-106 106-109 109-112 112-115
DESCRIPCIÓN
DESCRIPCIÓN DE
DE LOS
LOS DATOS
DATOS
MEDIDAS
MEDIDAS DESCRIPTIVAS
DESCRIPTIVAS
DESCRIPCIÓN DE LOS DATOS
Son medidas concebidas para mostrar en un resumen
sencillo, claro y conciso las principales características
del conjunto de datos.
 Medidas de tendencia central y posición.
Medidas de centralización.
 Medidas de dispersión.
Medidas de variabilidad.
DESCRIPCIÓN
DESCRIPCIÓN DE
DE LOS
LOS DATOS
DATOS
MEDIDAS
MEDIDAS DE
DE TENDENCIA
TENDENCIA CENTRAL
CENTRAL
MEDIDAS DE TENDENCIA CENTRAL
 MEDIA.
El promedio de los n valores.
 MEDIANA.
El valor central de los n valores.
 MODA.
El valor más repetido de los n valores
MEDIA.
Media aritmética o Promedio o Valor esperado.
El promedio de los "n" o "N" valores.
Valoriza la exactitud del proceso.
n N
x i
x 1  x 2  ...  x n x x 1  x 2  ...  x N
i
x i 1
 μ i 1

n n N N
Datos de una muestra Datos de la población

MEDIA.
Media aritmética o Promedio o Valor esperado.
El promedio de los "n" o "N" valores.
40
35
30
25
Media = 100.248
20
15
10
0
88-91 91-94 94-97 97-100 100-103 103-106 106-109 109-112 112-115
MEDIA.
Media aritmética o Promedio o Valor esperado
El promedio de los n valores.
 A FAVOR:
Fácil cálculo. Interpretación sencilla. Es la medida más utilizada
y difundida. Es útil en innumerables desarrollos.
 EN CONTRA:
Cuando alguno de los valores extremos (o ambos) son de
magnitud desproporcionada respecto al resto de los datos (sobre
todo si estos son poco numerosos), la media suele alejarse de la
realidad y deja de ser representativa y útil.
MEDIANA.
Valor central.
El valor central de los "n" o "N" valores.
Si n es impar » CENTRO Si N es impar » CENTRO

Si n es par » SEMI SUMA Si N es par » SEMI SUMA

MEDIANA.
Valor central.
El valor central de los "n" o "N" valores.
40
35
30
25
Mediana = 100
20
15
10
0
88-91 91-94 94-97 97-100 100-103 103-106 106-109 109-112 112-115
MEDIANA.
Valor central.
El valor central de los n valores.
 A FAVOR:
Fácil comprensión. No se ve afectada por los valores extremos fuera
de contexto, en esos casos es más representativa del comportamiento
real de los datos que con la media.
 EN CONTRA:
No se pueden hacer cálculos adicionales a partir de ella. No suministra
demasiada información de un conjunto de datos. Cuando el conjunto
de datos es grande, no resulta sencillo ordenarlos, salvo que se
empleen planillas en PC (tipo Excel).
MODA.
Valor frecuente o Valor más frecuente.
El valor más repetido de los "n" o "N" valores.
Mayor cantidad de números Mayor cantidad de números

iguales en los "n" datos iguales en los "N" datos

MODA.
40
35
30
25
Moda = 99
20
15
10
0
88-91 91-94 94-97 97-100 100-103 103-106 106-109 109-112 112-115
MODA.
Comentarios:
 Puede haber conjuntos de datos sin moda (ningún valor
repetido más veces que otro), es decir que todas las
frecuencias absolutas tienen el mismo valor.
 Puede haber conjuntos de datos con una moda única (sólo
un valor repetido más veces que el resto)
 Puede haber conjuntos de datos multimodales (presentan
más de 1 moda).

MEDIDAS DE DISPERSIÓN
 RANGO.
Es la amplitud en la que se encuentran todos los datos.
Matemáticamente es la diferencia entre el máximo y el mínimo
de los n datos.
 DESVIACIÓN ESTÁNDAR.
Representa la mayor o menor dispersión de los datos
observados alrededor del valor promedio. Da información de la
distribución de todos los elementos y ello se asocia al concepto
de “precisión” de los procesos .
 VARIANZA.
Se la define matemáticamente, como al valor del cuadrado del
desvío estándar
RANGO.
Ancho o Amplitud o Recorrido.
Diferencia entre xmáx y xmín.
R  x max  x min

RANGO.
40
35
MAXIMO = 112
MINIMO = 91
30
25
20
15
10
5 RANGO
0
88-91 91-94 94-97 97-100 100-103 103-106 106-109 109-112 112-115
RANGO.
 A FAVOR:
Cálculo sencillo. Da idea de la variabilidad de los procesos, cuando se
trabaja con muestras poco numerosas. Es comprensible aun para
operadores sin entrenamiento en estadística.
 EN CONTRA:
Sólo refleja lo que ocurre con los valores extremos de la muestra, pero
no da ninguna información (precisa o no) de lo que ocurre dentro de
ese intervalo. No es aconsejable utilizarlo en muestras numerosas (se
pueden cometer errores importantes por interpretaciones falsas).
DESVIACIÓN ESTÁNDAR
Desvío Estándar o Desvío Típico.
Mayor o menor dispersión de los datos observados
alrededor del valor promedio.
Da información de la distribución de todos los
elementos. Valoriza la precisión del proceso.
n n N N
 (x i  x )  x i2  n  x  (x x
2 2
i  μ) 2 2
i  N μ2
S i 1
 i 1
σ i 1
 i 1
n1 n1 N N

40
4.120476
35
01
30
Desvío = 4.1205
25
Media = 100.248
20
15
10
0
88-91 91-94 94-97 97-100 100-103 103-106 106-109 109-112 112-115
 A FAVOR:
Da idea precisa de la variabilidad de los procesos, aun cuando se
trabaje con muestras numerosas. Asociada al valor medio, define
completamente al grupo de datos. Su cálculo se puede hacer en
calculadoras científicas o en planillas de cálculo tipo Excel. Es
importante para analizar distribuciones normales. Los resultados
son lo suficientemente precisos para aplicarlos prácticamente aún
cuando se trabaje con datos agrupados.
 EN CONTRA:
No es fácil su interpretación para las personas con poca
preparación.
VARIANCIA
Varianza.
Cuadrado del desvío estándar.
En general se la utiliza para hacer demostraciones
teóricas.
Próximo Tema
PROBABILIDAD Y
CALCULO DE
PROBABILIDADES

05 - Uni2-Par1 - La-Estadistica-Como-Herramienta-De-Control (2018)

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

05 - Uni2-Par1 - La-Estadistica-Como-Herramienta-De-Control (2018)

Cargado por

Copyright:

Formatos disponibles

LA ESTADÍSTICA APLICADA

 Control de la calidad de recepción.

 TOMAR DECISIONES  INCERTIDUMBRE

La estadística es la parte de la ciencia

La Estadística Aplicada maneja técnicas

A este proceso se lo denomina

OBS. DIRECTAS CONSULTAS

MEDIR VARIABLES MEDIR VARIABLES

EVALUAR ATRIBUTOS EVALUAR ATRIBUTOS

 Inspección a una Muestra

REGISTRO DE LOS DATOS

SIMPLE ESTRATIFICADO PURO AL AZAR

Como se Paso 1: Se divide el lote (población) en grupos (estratos).

Para controlar procesos durante su ejecución o

Cuando Cuando se selecciona la muestra manteniendo un período

Paso 1: Se adopta un tamaño de muestra y se elige un tipo

El MUESTREO SISTEMATICO ALEATORIO, trata de cubrir las

Cuando Cuando se selecciona la muestra manteniendo un período

Paso 1: Se adopta un tamaño de muestra y se elige un tipo

Organizar y presentar los datos estadísticos.

TABLA SIMPLE DE FRECUENCIAS

Para hacer la TABLA, usaremos:

¿Qué criterio empleamos para elegir la “amplitud”

¿Cuántos intervalos consideramos?

Adoptamos 7 intervalos. Veremos cual es el

Rango real = Rr = 2702

TABLA DE DATOS AGRUPADOS POR INTERVALOS DE CLASE

299 - 685 ||||||||||||| 13 0.325 13 492

685 - 1071 ||||||||||| 11 0.275 24 878

1071 - 1457 |||||| 6 0.150 30 1264

1457 - 1843 ||||| 5 0.125 35 1650

1843 - 2229 ||| 3 0.075 38 2036

2229 - 2615 | 1 0.025 39 2422

2615 - 3001 | 1 0.025 40 2808

 La columna fi sigue teniendo los valores correspondientes a las

 La última columna xm , es la MARCA DE CLASE y se obtiene haciendo el

GRAFICO CIRCULAR o GRAFICO DE SECTORES

TIO PUJIO - DISTRIBUCION OCUPACIONAL

GRADO DE CONFORMIDAD CON SERVICIO DE HOTELERIA

0% 10% 20% 30% 40% 50% 60%

Ejercicio grupal – caso real

Diagrama de columnas que representa una

Diagrama de columnas que representa una

Diagrama de columnas que representa una

Diagrama de columnas que representa una

4. Determinar y ajustar los

5. Tabular los datos:

91 – 94 91 - 93.5 ///// /// 8

94 – 97 94 - 96.5 ///// ///// // 12

103 – 106 103 -105.5 ///// ///// ///// ///// /// 23

106 – 109 106 -108.5 ///// /// 8

109 – 112 109 -112 /// 3

CONSTRUCCIÓN DEL POLIGONO DE FRECUENCIAS.

CONSTRUCCIÓN DE LA CURVA DE FRECUENCIAS.

Datos de una muestra Datos de la población

Si n es impar » CENTRO Si N es impar » CENTRO

Datos de una muestra Datos de la población

Mayor cantidad de números Mayor cantidad de números

Datos de una muestra Datos de la población

DESCRIPCIÓN DE LOS DATOS

Datos de una muestra Datos de la población

Datos de una muestra Datos de la población

También podría gustarte