Control Estadístico

1
Control de Calidad Estadístico

Año Académico 2020
Ingeniería Comercial
Académico: Erwin Montenegro P.
INGENIERIA COMERCIAL UNIVERSIDAD ARTURO PRAT

ESTADISTICAS
2
Def.: Es una ciencia que proporciona un conjunto de

métodos que se utilizan para recolectar, resumir,
clasificar, analizar e interpretar el comportamiento de
los datos con respecto a una característica, materia de
estudio o investigación. En primera instancia se
encarga de obtener información, describirla y luego
usa esa información a fin de predecir “algo” respecto
a la fuente de información.

1. Estadística Descriptiva
3
Def.: Es el conjunto de métodos que implican la

recolección, presentación y caracterización de un
conjunto de datos a fin de describir en forma
apropiada las diversas características de estas. Es
decir, un estudio estadístico se considera
“descriptivo” cuando sólo se analiza y describe los
datos.

2. Estadística Inferencial
4
Def.: Es el conjunto de métodos o técnicas que

posibilitan la generalización o toma de decisiones en
base a una información parcial obtenida mediante
técnicas descriptivas, o sea, se pretende predecir
conclusiones que atañe a toda fuente de información
de donde proviene los datos. Ahora bien, esta
predicción se hace con un cierto grado de confianza;
esta grado de confianza se mide por la
“probabilidad”.

POBLACION Y MUESTRA
5
 Población: Es la colección de todos los individuos,

objetos u observaciones que poseen al menos una
característica común.
 Muestra: Es una parte o un subconjunto

representativo de la población. Al proceso de obtener
la muestra se llama muestreo.

EL METODO ESTADISTICO
6
La investigación estadística se desarrolla utilizando el

ciclo deductivo-inductivo en las siguientes cuatro
etapas:
a) Planeamiento del problema.
b) Recolección de la información.
c) Organización y clasificación de los datos recogidos.
d) Análisis e interpretación de los resultados.

FUENTES DE INFORMACION
7
Es el lugar, la institución, la persona donde están los

datos que se necesitan para cada una de las variables
o aspectos de la investigación. Las fuentes de datos
pueden ser:
1. Fuentes de datos internos.
2. Fuentes de datos externos.
3. Fuentes primarias.
4. Fuentes secundarias.

TIPOS DE DATOS
8
 Variable: Es una característica de la población que se

va investigar y que puede tomar diferentes valores.
 Variable Cualitativa:
a) Nominal: Son aquellas que establecen la distinción
de los elementos en las categorías sin implicar orden
entre ellas.

TIPOS DE DATOS
9
b) Ordinal: Son aquellas que agrupan a los objetos,

individuos, en categorías ordenadas, para
establecer relaciones comparativas. Es decir, son
susceptibles de ordenación pero no de medición
cuantitativa.
 Variable Cuantitativa:
a) Discreta: Surgen por conteo, o sea, suelen tomar
valores enteros.

TIPOS DE DATOS
10
b) Contínua: Son aquellas que surgen cuando se mide

alguna característica. Es decir, las variables
continuas, pueden tomar al menos teóricamente
cualquier valor dentro de un intervalo

Clasificación de las variables
11
Discreta: solo valores enteros
Numéricas
Continua: cualquier valor real
No Numéricas Ordinales: existe un orden

Categóricas
Atributos Nominales: no hay orden

TIPOS DE DATOS
12
Ejemplos: Clasifique las siguientes características en

variables cualitativas - cuantitativas.
1. Número de cheques girados diariamente en un mes.
2. Lugar de nacimiento de los alumnos de Unap.
3. Nivel educacional y religión de los ariqueños.
4. Temperatura y humedad diaria de Arica.
5. Nivel educacional, estatura y color de ojos de las
ariqueñas.

DISTRIBUCION DE PROFESORES POR ESTADO CIVIL, QUE SE
ENCUESTARON EN TORNO AL TRABAJO INFANTIL, ARICA AGOSTO
2000.
13
ESTADO CIVIL Nº PROF. % PROF.

Casado (a) 340 59.5
Soltero (a) 170 29.8
Separado (a) 51 9
Viudo (a) 7 1.2
Conviviente 3 0.5
TOTAL 571 100
FUENTE: COLEGIO DE PROFESORES

Ejercicios básicos Estadísticos
Problemas
1.-En una fiesta el 50% de los invitados son hombres de todos los
hombres de la fiesta el 40% de ellos son calvos y de ellos el 50% habla
ingles, si 4 calvos hablan inglés.
¿Cuántas mujeres hay en la fiesta?
2.-Efectuar dos descuentos consecutivos primero de un 10% y luego uno

de 20%, es equivalente a efectuar un descuento de:
3.-Si Pedro tuviera un 15% menos de la edad que tiene, entonces tendría
34 años. ¿Cuántos años tiene en este momento?
INGENIERIA COMERCIAL
UNIVERSIDAD ARTURO PRAT
Ejercicios básicos Estadísticos
Resultados:
1.- ¿Cuantas mujeres hay en la fiesta? R=20 MUJERES

8=40%
12=50%
2.-efectuar dos descuentos consecutivos primero de un 10% y luego uno

de 20%, este equivalente a efectuar un descuento de. R=28%
3.-Si Pedro tuviera un 15% menos de la edad que tiene, tendría 34 años.
¿Cuántos años tiene en este momento? R=40 años
34 años/85%=6 = 34+6 años=40 años
INGENIERIA COMERCIAL
UNIVERSIDAD ARTURO PRAT
En una encuesta realizada en el Liceo A-1 de
Arica, se ha obtenido la sgte. Información respecto a las
17
cargas familiares de los profesores que allí laboran en
marzo 2017.
X: Cargas familiares
n: 20 profesores
X1= 3 X6= 2 X11= 4 X16= 4

X2= 1 X7= 1 X12= 1 X17= 0
X3= 2 X8= 4 X13= 1 X18= 3
X4= 0 X9= 3 X14= 2 X19= 2
X5= 3 X10= 2 X15= 0 X20= 2

CARGAS FAMILIARES DE LOS PROFESORES DEL LICEO
A-1 DE ARICA, EN MARZO DE 2017.
18
AÑOS DE Nº PROF. %PROF. Nº ACUM. % ACUM.

SERVICIO PROF. PROF.
VARIABLE FREC. ABS. FREC. REL. F.A. ACUM. F.R. ACUM.
Yi fi hi FJ HJ
0 3 15 3 15
1 4 20 7 35
2 6 30 13 65
3 4 20 17 85
4 3 15 20 100
TOTAL 20 100
FUENTE: DAEM

LOS SGTES. DATOS SON LOS SALDOS EN MILES DE PESOS,
DE LAS CUENTAS CORRIENTES, DE 20 CLIENTES DEL BANCO BCI,
AL 26 DE MARZO DE 2017, DATOS ENTREGADOS POR EL
DEPARTAMENTO DE VENTAS.
19
80-30-32-50-60-42-63-80-71-70
55-40-50-35-74-37 42-51-32-75
CONSTRUIR UN CUADRO DE DISTRIBUCION DE FRECUENCIAS
REGLA DE STURGES
Nº DE INTERVALOS= M =1+3.3Logn
= 1+3.3Log20 = 5.29 (Número de Grupos)
RANGO = R = XMAX - XMIN ( 80-30)
Amplitud del intervalo: A = R/M
Amplitud = R/M = 10

DISTRIBUCION DE CLIENTES POR SALDOS, DE LAS
CUENTAS CORRIENTES DEL BANCO BCI AL 26.03.2017
20
SALDOS C.C. Nº % Nº ACUM. % ACUM.

(MILES $) CLIENTES CLIENTES CLIENTES CLIENTES
fi hi FJ HJ yi
[30-40] 6 30 6 30 35
(40-50] 4 20 10 50 45
(50-60] 3 15 13 65 55
(60-70] 2 10 15 75 65
(70-80] 5 25 20 100 75
TOTAL 20 100
FUENTE: DPTO. VENTAS

MEDIDAS DE TENDENCIA CENTRAL
ESTADIGRAFO DE POSICION
21
1. Media Aritmética o Promedio para Datos No Agrupados: Sea X una

variable de bajo estudio y sean X1, X2, X3, . . .Xn n valores observados
de la variable X, definimos la Media Aritmética o el Promedio de la
variable X, en símbolos X , a la sgte. expresión:
M (X)= X =  Xi
n
Ejemplo: Calcular e interpretar la Media Aritmética para el

problema anterior (Distribución de clientes por saldos de las Cuentas
Corrientes del Banco BCI).

ESTALIGRAFO DE POSICION
22
2. Promedio Aritmético Ponderado: Sea X una variable de bajo

estudio y sean X1, X2, X3, . . .Xn n valores observados de la variable
X, con ponderaciones respectivas P1, P2, P3, . . . Pn definimos la
Media Aritmética Ponderada de la variable X, en símbolos X , a la
sgte. expresión:
X=  Xi *Pi , donde  P = 1 ó 100
P
Obs.: Pi da el grado de importancia de la observación Xi
Ej. Sean las sgtes. notas de un alumno, 2.8 - 4.5 - 3.5 - 6.0 donde
la 1ra. Prueba vale 25%, la 2da. Y 3ra. Prueba 30%, y Controles
15%, respectivamente. Si se aprueba con nota 4.0, ¿Aprobará el
curso el alumno?.

23
3. Media Aritmética para Datos Agrupados (variable discreta):

Sea X una variable de bajo estudio a la cual se le han observado n
valores, los que han sido clasificados en K categorías:
X1, X2, X3, . . .Xk (K<= n)
Con frecuencias respectivas n1, n2, . . . nk definimos la Media
Aritmética para datos agrupados en categorías, en símbolos X, a la
sgte. expresión:
X=  Xi * ni donde Xi son las marcas de clases

24
4. Media Aritmética para Datos Agrupados (variable continua) :

valores, los que han sido clasificados en K intervalos de clase:
X1, X2, X3, . . .Xk (K<= n)
Con frecuencias de clases respectivas f1, f2, . . . fk y marcas de
clases respectivas n1, n2, n3, . . .nk definimos la Media Aritmética
para datos agrupados en intervalos de clases, en símbolos X, a la
sgte. expresión:
M (X)=  Xi * ni
n

25
5. Mediana para Datos No Agrupados:

Sea X una variable de bajo estudio y sean X1, X2, X3, . . .Xn, n
valores observados de la variable X, definimos la mediana de X, en
símbolos Med, Md o Me, a aquel valor que una vez ordenado en
orden creciente, dejan por debajo de el un 50% de observaciones y
dejan por encima de el un 50% de observaciones.
A) Si n es impar, la mediana se calcula como sigue:
Me = Xn+1
2
B) Si n es par, la mediana se calcula como sigue:
Me = Xn + Xn+1
2 2
2

26
6. Mediana para Datos Agrupados:

Al igual que en el caso de la media aritmética, lo que se puede
calcular es una aproximación a la verdadera mediana. Una forma
de calcular la mediante la siguiente fórmula que supone que los
datos se encuentran distribuidos uniformemente dentro de cada
una de las clases.
Me = LIj + Aj [n/2 - Nj - 1]
nj

27
donde;
Lj = Límite inferior de la clase Mediana
Aj = Amplitud de la clase Mediana
nj = Frecuencia absoluta de la clase Mediana
Nj - 1 = Frecuencia absoluta acumulada de la clase anterior a la clase
mediana.
n = Nº total de datos
La clase mediana (j-ésima clase) se encuentra ubicando en la columna

de las frecuencias absolutas acumuladas, el primer valor que sea
mayor o igual a n/2 (Nj)

Ejemplo:
28
Peso Marca Nª Nº Alumnos Determinación de la clase

(Kg) de Clase Alumnos Acumulados mediana: n/2
(50,54( 52 4 4 Sería 30/2 = 15
Se busca en la columna de las
(54,58( 56 4 8 frecuencias absolutas
(58,62( 60 6 14 acumuladas el primer valor que
(62,66( 64 8 22 sea > ó = a 15, este valor es 22
(66,70( 68 5 27 (N4=22), por lo tanto, la clase
mediana es la cuarta clase
(70,74( 72 3 30 (j=4), o sea la clase (62,66(
Me = LIj + Aj [n/2 - Nj - 1]
nj Se puede decir entonces
62+4/8(30/2-14)=62,5 que el 50% del curso pesa
62,5 kilos o menos.

29
 CUARTILES:
Xmín Q1 Q2 Q3 Xmáx
Qi = Valor de la variable X, que deja por debajo de el
25i% y por encima de el (100 - 25i)%
 DECILES:
Di = (i = 1, 2, . . . , 9) Valor de la variable que deja por debajo de el 10i
% y por encima de el (100 - 10i)%
 PERCENTILES:
Pi = (i = 1, 2, . . . ,99) Valor de la variable que deja por debajo de el i%
y por encima de el (100 - i)%

30
 DEF.:
valores, los que han sido clasificados en K intervalos de clase:
(Qk, K= 1,2,3)
Son tres valores que dividen al histograma en cuatro partes de igual
área..
a) CUARTILES: Qk = LIj + Aj [n*k - Nj - 1 ]

nj 4

31
b) DECIL : Dk = LIj + Aj[n*k - Nj - 1 ]

nj 10
c) PERCENTIL: :
Pk = LIj + Aj[n*k - Nj - 1 ]
nj 100

32
7. Moda para Datos No Agrupados: Sea X una variable de bajo

estudio y sean X1, X2, X3, . . .Xn n valores observados de la variable
X, definimos la Moda o Modo de la variable X, en símbolos Mo , a
aquel valor de la variable que mas se repite (máxima frecuencia).
Ej. Dadas las notas de un alumno: 1 - 2 - 3 - 7 - 3 - 5

Calcular la moda.
Mo = 3

33
7. Moda para Datos Agrupados: Si los datos están agrupados en

clases, al igual que en el caso de la media aritmética y mediana, lo
que se puede calcular es una aproximación a la verdadera moda.
Una forma de calcularla es mediante la sgte. Fórmula.
Mo= LIj + Aj * (nj - nj-1)

(nj - nj-1) + (nj – nj+1)

34
donde;
L Ij = Límite inferior de la clase modal
nj = Frecuencia absoluta de la clase modal
Aj = Amplitud de la clase modal
nj-1 = Frecuencia absoluta de la clase anterior a la clase modal
nj+1 = Frecuencia absoluta de la clase siguiente a la clase
modal
La clase modal (j-ésima clase), es aquella que presenta la mayor

frecuencia.

Ejemplo:
35
Peso Marca Nª Nº Alumnos

(Kg) de Clase Alumnos Acumulados La clase modal es
(50,54( 52 4 4 la cuarta clase
(54,58( 56 4 8 (j=4), es decir, la
(58,62( 60 6 14 clase (62,66(
(62,66( 64 8 22
(66,70( 68 5 27
(70,74( 72 3 30 Se puede decir
entonces, que el
Mo= LIj + Aj * (nj - nj-1) Mo = 62+4 * (8-6)
peso más común, en
(nj - nj-1) + (nj – nj+1) (8-6)+(8-5) ese curso, es de
63,6 kilos

Medidas de Dispersión o Medidas de
36
Variabilidad
 Son medidas que sirven para medir la variabilidad
de los datos. Como se señaló anteriormente, al
resumir la información contenida en un conjunto de
datos, se pierde información de manera que al
calcularse alguna medida de posición, es
conveniente rescatar ciertas características de la
distribución, por ejemplo la variabilidad de los
datos.

Medidas de Dispersión o Medidas de
37
Variabilidad
 Consideremos el siguiente caso: Una persona A,
registra 5 veces durante el día su Presión Arterial
(PAS) y obtiene: 130,128,132,129 y 131.
Otra persona B, registra 5 veces durante el día y su
PAS es: 110,120,140,153 y 127.

Medidas de Dispersión o Medidas
38
de Variabilidad
 Caso A : 130, 125, 132,129, 131 X= 130
 La X es buena si no varía mucho sobre el promedio, lo
cual es representativa.
 Caso B : 110, 120, 140, 153, 127 X=130
 Este X=130 no es representativo es muy bajo o muy
alto.
Con la Variabilidad hay que ver si la X es útil o no.

Medidas de Dispersión o Medidas
39
de Variabilidad
 Si solo se calcula una medida de posición, por ejemplo, la
media, se puede decir que la persona A tiene una PAS
promedio de 130, lo que “más menos” refleja lo que es su
PAS.
 En el caso de la persona B también su PAS promedio es de
130, pero se puede observar que sería peligroso adjudicar ese
PAS como valor representativo.
 Lo que ocurre entonces es que, en el primer caso existe “poca
variabilidad” en los datos, es decir, los datos son homogéneos,
lo que no sucede en el segundo caso.

Rango o Recorrido
40
 Si X es una variable que toma los valores X1,X2…Xn, , se

define el RANGO de la variable X como: R=XMAX –XMIN,
donde XMAX es el valor máximo y XMIN el valor mínimo, que
toma la variable X.
Rango Intercuartil
RI = Q3-Q1 Q1 Q2 Q3
Rango
MEDIDAS DE VARIABILIDAD O DISPERSION
41
1. Varianza para datos No Agrupados:

Sea X una variable de bajo estudio y sean X1, X2, X3, . . .Xn n valores
observados de la variable X, definimos la Varianza de la variable X,
en símbolos;
V(x), VAR(x), S²(x), Si² a la sgte. expresión:
V(x) = S²(x) =  (Xi - X)² Poblacional

N
Vn-1(x) = S²(x) =  (Xi - X)² Muestral

n-1

42
La raíz cuadrada de la Varianza se llamará Desviación Típica o

Estándar de la variable X y que denotaremos por: S(x)

43
2. Varianza para datos Agrupados:

Para datos tabulados sus fórmulas son:
V(X)= S²(x) =  (Xi - X)² * ni

Poblacional
N
V(X)= S²(x) =  (Xi - X)² * ni

Muestral
n-1

Desviación Estándar
44
 Si X es una variable cuya varianza es V(x), entonces se define

la desviación estándar de X como la raíz aritmética de X, esto
es:
 Desviación estándar de X = √ V(x)
 Cuando la desviación estándar corresponde a la de una

población, se acostumbra usar el símbolo σ (x) y cuando
corresponde a los de una muestra S (x)

Ejemplo:
45
 Si las edades de 5 personas enfermas son:

 50, 42, 34, 38 y 46 años, entonces:
 M(X) = = 50+42+34+38+46 = 42 años
5
V(X) = S 2 2 2 2 2
= (50-42) +(42-42) + (34-42) + (38-42) + (46-42)
2
5
2
Serían 32 años
σ (X) = √32 = 5,65685 años
Se ha considerado que la población tiene solo 5 datos (N=5)

Ejemplo:
46
 Si los datos correspondieran a una muestra de 5

datos (n=5) que se han extraído de una cierta
población, entonces:
V(X) = S 2 2 2 2 2
= (50-42) +(42-42) + (34-42) + (38-42) + (46-42)
2
4
2
Serían 40 años
S (X) = √40 = 6,3245 años

47
3. Coeficiente de Variación:
Sea X una variable de bajo estudio, definimos el Coeficiente de
Variación de la variable X, en símbolos C.V. a la siguiente expresión:
C.V. = S(x) * 100 %

X

48
Observación:
- Tanto X como S(x) deben ser calculado por el mismo procedimiento.
- C.V. es una medida de dispersión relativa y es un índice de

variabilidad de la variable X, expresada en unidades de promedio.
- C.V. permite comparar la variabilidad de dos o más variables.
El CV no tiene unidad de medida, se expresa en números absolutos.

49
Ejemplo: si las edades de 5 enfermos son: 50, 42, 34, 38, 46 años
entonces:
M(X) = 42 años
2
V(X) = 32 (32 años )
σ (X) = √32 = 5,65685 años
Por lo tanto, CV(X) = 5,65685/42 = 0.1347 = 13,47%

Se puede decir que la variabilidad es de un 13,47% de la media o la
desviación estándar es de un 13,47% de la media.
El coeficiente de variación, resulta útil cuando se quiere comparar
variabilidad en dos o más distribuciones, en las que los datos están
expresados en unidades diferentes o que la media es diferente.

Realizar:
50
 En un curso A en que para las evaluaciones se usa

la escala del 1 al 7, se tienen las siguientes notas:
3,5,6,4,4.5. En otro curso B, en que las
evaluaciones se usa la escala de 1 a 100, se tiene:
50, 55, 40,60,45. ¿En qué curso hay mayor
variabilidad?

Trabajo Investigación
51
 Buscar las propiedades de la Varianza y explicar

con un ejemplo.

52
4. Valor Estándar o Valor Típico o Puntaje Típico:

Sea X una variable de bajo estudio y sean X1, X2, X3, . . .Xn , n valores
observados de la variable X, se define el valor estándar para Xi, como:
Valor Estándar de Xi :
Zi = Xi - X
S(x)
El valor estándar resulta útil para saber como es un determinado valor,
en relación al resto de los valores de una distribución.

53
Estandarizar la variable “x” será convertirla en una

variable Z, de manera que:
Z=X- X
σ

54
Ejemplo: si las edades de 5 enfermos son: 50, 42, 34, 38, 46 años
entonces:
M(X) = 42 años
2
V(X) = 32 (32 años )
σ (X) = √32 = 5,65685 años
Si se quiere determinar el valor estándar por ejemplo de 50, se tiene.
Z = 50 - 42 = 1,4 Eso quiere decir que la

5,65685 persona que tiene 50 años,
se encuentra a 1,4
desviaciones estándar de la
media (por sobre la media)

55
Propiedad: Al estandarizar los valores de una

variable X, la media de los valores estandarizados
es cero y la desviación estándar en 1.

Ejercicio Taller
56
Los siguientes datos corresponden al gasto mensual en

movilización de un grupo de estudiantes.
Gastos en M$ Nª Alumnos
a) Calcular e interpretar Media,
De 0 a menos 5 15 mediana y moda
De 5 a menos 10 30 b) Calcular e interpretar el CV
c) Calcule e interprete el quintil 4.
De 10 a menos 15 40
d) Si un alumno afirma que él se
De 15 a menos 20 50 encuentra dentro del 5% que más
De 20 a menos 25 20 gasta en movilización ¿Cuál es su
gasto?
De 25 a 30 5 e) Si un alumno gasta $8.000.- en
movilización ¿Cuál es su puntaje
estándar? Interprete.

CORRELACION
57
Def.:
Es el método empleado para determinar el grado de
relación entre las variables que se estudian, para así
determinar en qué medida una relación funcional
describe o explica de una forma adecuada la relación
entre estas variables.

CORRELACION
58
1. Correlación directa o positiva:

Cuando las variables X e Y presentan variaciones en un mismo
sentido, esto es, para mayores valores de X corresponden mayores
valores de Y.
Y
0 X

CORRELACION
59
2. Correlación inversa o negativa:

Cuando las variables X e Y son en sentidos contrarios, esto es, para
mayores valores de X corresponden menores valores de Y.
Y
0 X

CORRELACION
60
3. Coeficiente de Correlación:
Es un número abstracto que indica el grado de
asociación entre las variables, mide la calidad del
ajuste.
R= n  XY - ( X) ( Y)
 [n  X² - ( X)² ] [n  Y² - ( Y)² ]
donde R   -1, 1 

CORRELACION
61
OBS.:
- Valores positivos indican que las dos variables aumentan o disminuyen
al mismo tiempo.
- Valores negativos significan que cuando una variable aumenta la otra

disminuye o viceversa.
- Si r es igual a -1 o 1, quiere decir que hay una perfecta asociación entre

las dos variables, en el sentido de que por cada unidad que aumenta o
disminuye una variable, la otra cambia siempre igual número de
unidades.

CORRELACION
62
- Si R=0, significa que no hay ninguna asociación entre las dos

variables o de existir, no es una relación lineal. Sin embargo,
valores de R=0 o iguales a la unidad, son mas bien teóricos.
En primer lugar, aunque no haya ninguna asociación entre dos
características, las variaciones causadas por el azar suelen dar una
correlación aparente.
En segundo lugar, aún tratándose de correlaciones
perfectas, no es de esperar que R sea exactamente igual a 1, a
causa de los errores que se cometen al hacer las observaciones.
Así, la correlación queda caracterizada por el coeficiente de
correlación que varía en el intervalo  -1, 1  .

REGRESION
63
Def.:
Es un método que se emplea para encontrar una
función que se ajusta a una nube de puntos o
diagrama de dispersión, con la finalidad de poder
obtener una “predicción” aproximada de una de las
variables a partir de la otra. Así, la regresión de la
variable Y en X, es dado por:
Ý = f (x)

REGRESION
64
Naturalmente debemos elegir una función óptima de

entre todas las funciones que se ajustan a la nube de
puntos, esto es, la que mejor encaje sobre los puntos
del diagrama de dispersión, para lo cual utilizaremos
el método de mínimos cuadrados.

REGRESION
65
1. Regresión Lineal Simple:

Si la regresión de Y en X, es una función lineal, entonces
tenemos:
Ýest = a + bxi
La función que se desea ajustar donde “a” y “b” se llaman

parámetros, porque conociendo tales valores, la función queda
determinada, entonces el problema se reduce a calcular “a” y
“b”.

REGRESION
66
Geométricamente:
Ýest = a + bxi
0 X

REGRESION
67
a : Es la intersección de la recta de regresión con el eje vertical (eje

Y)
b : Pendiente
Entonces:
a = Y - bX
b=XY-XY
X² - (X) ²

Control Estadístico

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

Control Estadístico

Cargado por

Copyright:

Formatos disponibles

1

Control de Calidad Estadístico

Académico: Erwin Montenegro P.

INGENIERIA COMERCIAL UNIVERSIDAD ARTURO PRAT

Def.: Es una ciencia que proporciona un conjunto de

INGENIERIA COMERCIAL UNIVERSIDAD ARTURO PRAT

Def.: Es el conjunto de métodos que implican la

INGENIERIA COMERCIAL UNIVERSIDAD ARTURO PRAT

Def.: Es el conjunto de métodos o técnicas que

INGENIERIA COMERCIAL UNIVERSIDAD ARTURO PRAT

 Población: Es la colección de todos los individuos,

 Muestra: Es una parte o un subconjunto

INGENIERIA COMERCIAL UNIVERSIDAD ARTURO PRAT

La investigación estadística se desarrolla utilizando el

INGENIERIA COMERCIAL UNIVERSIDAD ARTURO PRAT

Es el lugar, la institución, la persona donde están los

INGENIERIA COMERCIAL UNIVERSIDAD ARTURO PRAT

 Variable: Es una característica de la población que se

INGENIERIA COMERCIAL UNIVERSIDAD ARTURO PRAT

b) Ordinal: Son aquellas que agrupan a los objetos,

INGENIERIA COMERCIAL UNIVERSIDAD ARTURO PRAT

b) Contínua: Son aquellas que surgen cuando se mide

INGENIERIA COMERCIAL UNIVERSIDAD ARTURO PRAT

Discreta: solo valores enteros

No Numéricas Ordinales: existe un orden

INGENIERIA COMERCIAL UNIVERSIDAD ARTURO PRAT

Ejemplos: Clasifique las siguientes características en

INGENIERIA COMERCIAL UNIVERSIDAD ARTURO PRAT

ESTADO CIVIL Nº PROF. % PROF.

FUENTE: COLEGIO DE PROFESORES

INGENIERIA COMERCIAL UNIVERSIDAD ARTURO PRAT

2.-Efectuar dos descuentos consecutivos primero de un 10% y luego uno

1.- ¿Cuantas mujeres hay en la fiesta? R=20 MUJERES

2.-efectuar dos descuentos consecutivos primero de un 10% y luego uno

X1= 3 X6= 2 X11= 4 X16= 4

INGENIERIA COMERCIAL UNIVERSIDAD ARTURO PRAT

AÑOS DE Nº PROF. %PROF. Nº ACUM. % ACUM.

INGENIERIA COMERCIAL UNIVERSIDAD ARTURO PRAT

INGENIERIA COMERCIAL UNIVERSIDAD ARTURO PRAT

SALDOS C.C. Nº % Nº ACUM. % ACUM.

FUENTE: DPTO. VENTAS

INGENIERIA COMERCIAL UNIVERSIDAD ARTURO PRAT

1. Media Aritmética o Promedio para Datos No Agrupados: Sea X una

Ejemplo: Calcular e interpretar la Media Aritmética para el

INGENIERIA COMERCIAL UNIVERSIDAD ARTURO PRAT

2. Promedio Aritmético Ponderado: Sea X una variable de bajo

INGENIERIA COMERCIAL UNIVERSIDAD ARTURO PRAT

3. Media Aritmética para Datos Agrupados (variable discreta):

X=  Xi * ni donde Xi son las marcas de clases

INGENIERIA COMERCIAL UNIVERSIDAD ARTURO PRAT

4. Media Aritmética para Datos Agrupados (variable continua) :

INGENIERIA COMERCIAL UNIVERSIDAD ARTURO PRAT

5. Mediana para Datos No Agrupados:

INGENIERIA COMERCIAL UNIVERSIDAD ARTURO PRAT

6. Mediana para Datos Agrupados:

INGENIERIA COMERCIAL UNIVERSIDAD ARTURO PRAT

La clase mediana (j-ésima clase) se encuentra ubicando en la columna

INGENIERIA COMERCIAL UNIVERSIDAD ARTURO PRAT

Peso Marca Nª Nº Alumnos Determinación de la clase

INGENIERIA COMERCIAL UNIVERSIDAD ARTURO PRAT

INGENIERIA COMERCIAL UNIVERSIDAD ARTURO PRAT

a) CUARTILES: Qk = LIj + Aj [n*k - Nj - 1 ]

INGENIERIA COMERCIAL UNIVERSIDAD ARTURO PRAT