SIX SIGMA

MUESTREO
EQUIPO NO#4
MIEMBROS
ANTONIO MORALES MARCIAL
WISTON BRYAN ORNELAS DIAZ
 Muestreo aleatorio
Definición Técnica: El muestreo aleatorio es un proceso que permite obtener una muestra sobre una población,
basada en una determinada probabilidad de elección de los individuos que la conforman.
Con el muestreo aleatorio, lo que se hace es plantear un método de elección. Un método que tiene
en cuenta diferentes probabilidades. Esto lo diferencia de los métodos no aleatorios en que es la
subjetividad del investigador la que decide la selección de la muestra.
A su vez, en este caso, el azar juega un papel significativo; ya que eliminamos la discreción.

¿Por qué utilizar el muestreo aleatorio?

Este tipo de muestreo es uno de los más utilizados en el método cientifico. Las razones son varias, pero
las más relevantes serían las siguientes
• En primer lugar, es el único que permite hacer análisis confirmatorios e inferencia estadística. De
hecho, la segunda se realiza también en muestreos no aleatorios, pero no podremos confirmar los
resultados. En este caso, la investigación es de tipo exploratorio.
• Por otro lado, relacionado con el apartado anterior, este método reduce el sesgo. Es decir, al tener
cierta probabilidad (conocida) de escoger un determinado individuo de la población, evitamos la
subjetividad inherente en la selección no aleatoria.
• Por último, permite utilizar muestras de pequeño tamaño en poblaciones grandes. Eso sí, hay
fórmulas para calcular esas muestras mínimas con poblaciones conocidas o desconocidas.
 ¿Cómo llevarlo a cabo?
• Como toda técnica utilizada en la ciencia, esta también se lleva a cabo siguiendo un proceso.
Este permite replicar el experimento y reduce el sesgo y la subjetividad.
• El primer paso, y muy determinante, es la selección de la población. De hecho, tenemos que
obtener toda la información que podamos. Sobre todo, nos interesa su composición por
ciertas variables sociodemográficas como el sexo, la edad o la ocupación.
• Después, hay que elegir un muestreo aleatorio concreto. En el siguiente apartado veremos
los más relevantes. La decisión dependerá de las características de la población.
• Una vez escogido el método, hay que calcular la muestra mínima. Para hacerlo, debemos
tener en cuenta si conocemos, o no, el tamaño poblacional. Como hemos comentado, hay
fórmulas para calcular este tamaño muestral.
• Por último, procedemos a obtener la muestra y a realizar en ella los análisis estadísticos
pertinentes. Una vez hechos, podremos llevar a cabo un contraste de hipótesis u otros
métodos de inferencia. El objetivo es extrapolar los resultados a la población.
 Tipos de muestreo aleatorio
• Muestreo aleatorio simple: Es uno de los más utilizados. Consiste en asignar un número aleatorio
a la población y, luego, a partir de este, escoger la muestra. Es muy útil en poblaciones con cierta
homogeneidad. Por ejemplo, es muy utilizado en geología.
• Muestreo estratificado: En este caso, estamos ante una población que, si bien es heterogénea, se
puede separar en grupos homogéneos (sexo, edad, etc.). En cada grupo se realiza una muestra
aleatoria simple. Es muy utilizado en ciencias sociales, como la psicología.
• Muestreo por conglomerados: En este caso, el objetivo es crear una serie de bloques o
conglomerados. Estos son elegidos al azar de entre toda la población. En este caso, existe una
heterogeneidad dentro de ellos, así como una homogeneidad fuera. Las 
investigaciones de mercado suelen usar este muestreo aleatorio.
• Muestreo sistemático: En este caso, se divide el número de individuos de la población entre los
de la muestra que queremos obtener. Después, escogemos uno al azar y vamos contando,
utilizando ese valor. Los sujetos elegidos serán los que correspondan a ese recuento. Este tipo
reduce el problema de autocorrelación.
 EL MUESTREO DE ACEPTACIÓN

es un proceso de control de calidad que se basa en un muestreo aleatorio para aceptar o rechazar lotes
completos o lotes de algún producto, y se utiliza cuando la prueba de cada salida sería destructiva o
excesivamente onerosa. El muestreo por atributos prueba si las muestras son buenas o malas según criterios
de aceptación predefinidos. El muestreo por variables utiliza medidas físicas y cálculos de significancia
estándar. Si bien el proceso es estadísticamente significativo, requiere suponer que las muestras aleatorias
son representativas y pueden resultar en errores de Tipo 1 y Tipo 2. La principal debilidad del muestreo de
aceptación es que puede dar lugar a errores al aceptar o rechazar lotes completos. En última instancia,
nuestros clientes probarán todos los artículos N de nuestro lote por nosotros. Si pudiéramos comparar esto
con nuestro proceso de prueba, terminaríamos con cuatro posibles resultados. En los dos primeros casos,
nuestras pruebas habrán sido precisas. Si nuestro muestreo de aceptación nos lleva a rechazar un lote malo
o aceptar un lote bueno, entonces no hemos sufrido un error. Sin embargo, basándonos en nuestra muestra,
podemos decidir rechazar un lote completo que en realidad se encuentra dentro de niveles aceptables de
defectos. Esto se conoce como un error de tipo 1, donde hemos afirmado algo que no es cierto. Por el
contrario, podemos aceptar mucho según nuestro muestreo de aceptación que contenga demasiados
defectos. Esto se conoce como un error de tipo 2, donde no hemos podido afirmar lo que realmente está
presente.
 MUESTREO ALEATORIO O PROBABILÍSTICO

Los elementos de la población tienen la misma probabilidad de ser elegidos miembros de la muestra a estudiar. Este grupo
de técnicas de muestreo son las más fiables y representativas de la población al realizarse la selección de los elementos de la
muestra de manera aleatoria. Las técnicas de muestreo de este tipo son:

Simple: Todos los elementos de la población tienen la misma probabilidad de ser seleccionados. Este método es muy sencillo
y es el más utilizado, pero es el menos eficaz en poblaciones muy extensas cuyo tamaño de la muestra es muy grande.

Sistemático: Se enumeran todos los elementos de la población, luego se elige el primer elemento de la muestra de manera
aleatoria y los siguientes de manera periódica. Pueden darse casos en los que en la población haya ciclos o periodicidades y
que al utilizar este método haya una elevada homogeneidad en la muestra y que, por lo tanto, esta no sea representativa de
la población.

Estratificado: Se agrupan los elementos de la población en grupos o estratos en función de características esenciales de
interés para el estudio a realizar (homogeneidad) y se seleccionan los elementos de la muestra de cada uno de los estratos de
manera aleatoria. El número de elementos de la muestra pertenecientes a cada estrato es proporcional al número de
elementos de cada uno de ellos con respecto a la población total. Se consigue aumentar la representatividad de la muestra y
son más fiables.

Conglomerados: Las poblaciones están formadas generalmente por determinados grupos o conglomerados, por ejemplo, un
ayuntamiento está integrado por pueblos. En estas técnicas, en vez de seleccionar los elementos de la muestra
 LA CURVA CARACTERÍSTICA DE OPERACIÓN

• La Curva Característica de Operación (o Curva Característica Operativa) consiste en una representación gráfica que muestra
para un plan de muestreo específico (n,c) la probabilidad de aceptación del lote, para varios valores de calidad del lote a la
entrada p (% de unidades defectuosas). Una Curva Característica de Operación tendrá entre sus puntos uno definido por el
NCA y 1-α y otro punto definido por PTDL y β. Para determinar la probabilidad de aceptación de un lote, se pueden utilizar
las distribuciones Binomial o Poisson. Cuando el tamaño de la muestra es al menos 15 unidades (n>15), el tamaño del lote
es al menos 10 veces el tamaño de la muestra (N>10*n) y el porcentaje de unidades defectuosas históricamente es menor a
un 10% (p<10%), es preferible la Distribución de Poisson debido a la facilidad de los cálculos. Consideremos el siguiente
ejemplo: Un fabricante de pistones para motocicletas comenzará a vender diariamente 1.200 unidades para un nuevo
cliente. Este último determina condiciones contractuales para la inspección del lote diario, especificando que tomará
muestras de 100 unidades (n=100) y que sólo aceptará los pedidos con 4 o menos defectos (c=4). El fabricante menciona en
el contrato, que históricamente ha obtenido un porcentaje defectivo del 2% (p=2%). Determinar la probabilidad de
aceptación del lote por parte del cliente. Para determinar la probabilidad de aceptación del lote podemos utilizar la
siguiente fórmula haciendo uso de una planilla de cálculo Excel: =POISSON (4;100*2%; VERDADERO). En consecuencia, la
probabilidad de aceptación del lote por parte del cliente es de un 94,73% (aproximado). Si el nivel de calidad real es 0%
defectuoso, la probabilidad de aceptación del lote es de 100%. Por otra parte, si el nivel de calidad real es defectuoso en un
porcentaje elevado, la posibilidad de aceptación del lote es muy baja. En otras palabras, si el nivel de calidad de la muestra
es muy alto, la compañía aceptará el lote; si el nivel de calidad es muy bajo, es probable que la compañía lo rechace. Esto se
apega al sentido común comercial. Sin embargo, desde el punto de vista del control de calidad se presenta una pregunta en
términos de lo que signifique porcentaje alto y porcentaje bajo de productos defectuosos y probabilidades altas o bajas de
aceptación.
 Planes de muestreo dodge-roming
• En la década de los veinte, H. F. Dodge y H. G. Roming diseñaron un juego de tablas de
inspección para la aceptación de producto lote por lote mediante el muestreo de atributos.
Estas tablas se basan en dos de conceptos nivel de calidad límite (NCL) y límite de la calidad
promedio de salida (LCPS).
• La ventaja principal de las tablas de Dodge-Roming es la reducida inspección necesaria para
un procedimiento de inspección determinado. Esta ventaja hace especialmente atractivas las
tablas en la inspección que se hace en el mismo sitio donde se obtienen los productos.
 Nivel de calidad límite (NCL).
• Estas tablas se basan en la probabilidad de que un lote en particular, cuyo porcentaje de no conformidad sea igual al NCL, resulte aceptado. Esta
probabilidad es el riesgo del consumidor, β, y es igual a 0.10. Los planes NCL garantizan que los lotes individuales de mala calidad rara vez resulten
aceptados.

Hay dos juegos de tablas NCL: uno para el muestreo sencillo y otro para el muestreo doble. Cada juego tiene tablas para valores de NCL de 0.5,
1.0, 2.0, 3.0, 4.0, 5.0, 7.0 Y 10.0%, con un total de 16 tablas. Para propósitos de explicación, se muestra la tabla 9-6 para muestreo sencillo,
empleando NCL = 1.0%. No se publican las tablas de los demás valores de NCL.

Para usar las tablas, antes hay que tomar una decisión acerca de si se va a utilizar el muestreo sencillo o el muestreo doble. Además, el NCL tiene
que calcularse, lo que se puede hacer de manera semejante al caso de NCA. El tipo de muestro (sencillo o doble) y el NCL determinarán qué tabla
hay que utilizar.
• Una vez que se sabe cuál es el tamaño del lote y el promedio del proceso, es fácil obtener el plan de muestreo de aceptación.
•

Por ejemplo, si el tamaño del lote, N, es 1500 y el promedio del proceso es 0.25%, el plan de muestreo sencillo necesario para NCL = 1.0% se
encuentra en la tabla 9-6. La respuesta es:
•N = 1500 n = 490 c=2
 Límite de la calidad promedio de
salida ,LCPS, ( AOQL).
• Los planes de muestreo para el concepto LCPS se concibieron como respuesta a
necesidades surgidas en cierta situa­ción de fabricación. Cuando se especifica la cantidad de
lote, como es el caso en los lotes del cliente (homogéneos) es aplicable el concepto de LCPS
pero también es aplicable cuando el lote inspeccionado es una subdivisión conveniente del
flujo de un producto para propósitos de manejo de materiales (no homogéneos). Los planes
LCPS limitan la cantidad de la calidad pobre de salida, con base en un promedio, pero no
ofrecen garantía alguna en el caso de los lotes individuales. Las tablas para el LCPS tienen
un grupo para muestreo sencillo y otro para muestreo doble. Cada grupo tiene tablas para
valores LCPS de 0.1,0.25,0.5,0.75, 1.0, 1.5,2.0,2.5,3.0,4.0,5.0, 7.0y 10.0%, lo que da un total
de 26 tablas. Para propósitos de explicación, en la tabla 9-7 se muestra una tabla para
muestreo sencillo, en el que el LCPS = 3.0%. No aparecen las tablas de los demás valores
de LCPS.
• Además de definir si se utilizará muestreo sencillo o doble, también se necesita el valor de
LCPS. El tipo de muestreo (sencillo o doble) y el LCPS indicarán qué tipo de tabla habrá que
usar.
 Muestreo de aceptación por variables (mil
std 414)
• En este tipo de planes se toma una muestra aleatoria del lote y a cada unidad de la muestra se le
mide una característica de calidad aleatoria del lote Peso, Longitud, etc. Con las mediciones se
calcula un estadístico, que generalmente está en función de la media y la desviación estándar
muestral, y Dependiendo del valor de este estadístico al compararlo con un valor permisible, se
aceptará o rechazará todo el lote, es decir, riesgo del fabricante o consumidor.
• Existen 2 tipos generales de procedimientos de muestreo por variable: los planes que controlan la
fracción defectuosa del lote y los planes que controlan un parámetro del lote o proceso.
• 1. Método de M
• 2. Método de k
 TIPO DE METODOS

1. Método de M
• Se toma una muestra y en cada unidad de la misma se mide la característica de calidad que se
pretende controlar. Se estiman los parámetros poblaciones, media y desviación (µ y σ). • Se calcula la
proporción de elementos fuera de las especificaciones establecidas (LTS y LTI): P(x ≤ LTI) + P(x ≥ LTS) ≤
M/100 donde, M es el valor máximo que está dispuesto a tolerar el comprador, µ = media de las
medias de las muestras y σ = desviación estándar de la muestra, o bien Se acepta el lote si esta
relación se cumple, sino se rechaza
2. Método de k
• Es un procedimiento alternativo cuando la especificación es unilateral. Consiste en estimar la
distancia de la media al límite de tolerancia, tomando como medida la desviación típica: µ - LTI , sí
existe un LTI σ LTS - µ , sí existe un LTS σ . Se acepta el lote si esta distancia es mayor que un cierto
valor k, fijado previamente.