Seminario de Titulacin Control Estadstico del Proceso

Ing. Eleonore Katerine Bergengruen Gmez Master en Sistemas de Calidad

Tema 1
ESTADSTICA DESCRIPTIVA: LA CALIDAD Y LA VARIABILIDAD
1

Estadstica aplicada a la calidad.

Objetivo: El participante resolver problemas en los cuales esta presente la incertidumbre aplicando tcnicas estadsticas y probabilsticas.

La estadstica descriptiva
La estadstica descriptiva es una ciencia que analiza series de datos (por ejemplo, edad de una poblacin, altura de los estudiantes de una escuela, temperatura en los meses de verano, etc.) y trata de extraer conclusiones sobre el comportamiento de estas variables. Las variables pueden ser de dos tipos: Variables cualitativas o atributos: no se pueden medir numricamente (por ejemplo: nacionalidad, color de la piel, genero, tipos de defectos, etc.). Variables cuantitativas: tienen valor numrico (edad, precio de un producto, ingresos anuales, volumen, peso, calibre, etc.). Variables cualitativas o atributos Variables cuantitativas
Variables cualitativas o atributos Variables cuantitativas

Tipos de variables
Las variables tambin se pueden clasificar en: Variables unidimensionales: slo seleccionan informacin sobre una caracterstica (por ejemplo: edad de los alumnos de una clase). Variables bidimensionales: recogen informacin sobre dos caractersticas de la poblacin (por ejemplo: edad y altura de los alumnos de una clase). Variables pluridimensionales: recogen informacin sobre tres o ms caractersticas (por ejemplo: edad, altura y peso de los alumnos de una clase). Cules sern las variables unidimensionales, bidimensionales y pluridimensionales de un proceso de inyeccin de plstico?
4

Variables cuantitativas
Por su parte, las variables cuantitativas se pueden clasificar en discretas y continuas: Discretas: slo pueden tomar valores enteros (1, 2, 8, -4, etc.). Por ejemplo: nmero de hermanos (puede ser 1, 2, 3....,etc, pero, por ejemplo, nunca podr ser 3.45). Continuas: pueden tomar cualquier valor real dentro de un intervalo. Por ejemplo, la velocidad de un vehculo puede ser 80.3 km/h, 94.57 km/h...etc.
Variables Discretas Variables Continuas

Poblacin, muestra e individuo

Individuo: cualquier elemento que contenga informacin sobre el asunto que se estudia. As, si estudiamos la altura de los nios de una clase, cada alumno es un individuo; si estudiamos el precio de la vivienda, cada vivienda es un individuo. Poblacin: conjunto de todos los individuos (personas, objetos, animales, etc.) que porten informacin sobre el asunto que se estudia. Por ejemplo, si estudiamos el precio de la vivienda en una ciudad, la poblacin ser el total de las viviendas de dicha ciudad. Muestra: subconjunto que seleccionamos de la poblacin. As, si se estudia el precio de la vivienda de una ciudad, lo normal ser no coleccionar informacin sobre todas las viviendas de la ciudad (lo cual sera una labor ardua y costosa), sino que se en vez de eso se selecciona un subgrupo (muestra) que se entienda que es suficientemente representativo. Poblacin Muestra Individuo

Concepto de muestreo
El muestreo es una herramienta de la investigacin cientfica. Su funcin bsica es determinar que parte de una realidad en estudio (poblacin o universo) debe examinarse con la finalidad de hacer inferencias sobre dicha poblacin. El error que se comete debido a hecho de que se obtienen conclusiones sobre cierta realidad a partir de la observacin de slo una parte de ella, se denomina error de muestreo. Obtener una muestra adecuada significa lograr una versin simplificada de la poblacin, que reproduzca de algn modo sus rasgos bsicos.
7

Muestra
En todas las ocasiones en que no es posible o conveniente realizar un censo, lo que hacemos es trabajar con una muestra, entendiendo por tal una parte representativa de la poblacin. Para que una muestra sea representativa, y por lo tanto til, debe de reflejar las similitudes y diferencias encontradas en la poblacin, ejemplificar las caractersticas de la misma.
8

Muestra
Cuando decimos que una muestra es representativa indicamos que rene aproximadamente las caractersticas de la poblacin que son importantes para la investigacin.

Muestreo probabilstico
Los mtodos de muestreo probabilsticos son aquellos que se basan en el principio de equiprobabilidad. Es decir, aquellos en los que todos los individuos tienen la misma probabilidad de ser elegidos para formar parte de una muestra y, consiguientemente, todas las posibles muestras de tamao n tienen la misma probabilidad de ser elegidas. Slo estos mtodos de muestreo probabilsticos nos aseguran la representatividad de la muestra extrada y son, por tanto, los ms recomendables.
10

Mtodos de muestreo
Muestreo aleatorio simple Muestreo estratificado Muestreo sistemtico Muestreo polietpico o por conglomerados

11

Muestreo aleatorio simple

El procedimiento empleado es el siguiente: 1) se asigna un nmero a cada individuo de la poblacin y 2) a travs de algn medio mecnico (bolas dentro de una bolsa, tablas de nmeros aleatorios, nmeros aleatorios generados con una calculadora u ordenador, etc.) se eligen tantos sujetos como sea necesario para completar el tamao de muestra requerido. Este procedimiento, atractivo por su simpleza, tiene poca utilidad prctica cuando la poblacin que estamos manejando es muy grande.
12

Muestreo aleatorio simple en breve

Se selecciona una muestra de tamao n de una poblacin de N unidades, cada elemento tiene una probabilidad de inclusin igual y conocida de n/N.

13

Muestreo aleatorio sistemtico

Este procedimiento exige, como el anterior, numerar todos los elementos de la poblacin, pero en lugar de extraer n nmeros aleatorios slo se extrae uno. Se parte de ese nmero aleatorio i, que es un nmero elegido al azar, y los elementos que integran la muestra son los que ocupa los lugares i, i+k, i+2k, i+3k,...,i+(n1)k, es decir se toman los individuos de k en k, siendo k el resultado de dividir el tamao de la poblacin entre el tamao de la muestra: k= N/n. El nmero i que empleamos como punto de partida ser un nmero al azar entre 1 y k.
14

Muestreo aleatorio sistemtico

El riesgo este tipo de muestreo est en los casos en que se dan periodicidades en la poblacin ya que al elegir a los miembros de la muestra con una periodicidad constante (k) podemos introducir una homogeneidad que no se da en la poblacin. Imaginemos que estamos seleccionando una muestra sobre listas de 10 individuos en los que los 5 primeros son varones y los 5 ltimos mujeres, si empleamos un muestreo aleatorio sistemtico con k=10 siempre seleccionaramos o slo hombres o slo mujeres, no podra haber una representacin de los dos sexos.
15

Muestreo aleatorio sistemtico en breve

Conseguir un listado de los N elementos de la poblacin Determinar tamao muestral n. Definir un intervalo k= N/n. Elegir un nmero aleatorio, r, entre 1 y k (r= arranque aleatorio). Seleccionar los elementos de la lista.
16

Muestreo aleatorio estratificado

Trata de obviar las dificultades que presentan los anteriores ya que simplifican los procesos y suelen reducir el error muestral para un tamao dado de la muestra. Consiste en considerar categoras tpicas diferentes entre s (estratos) que poseen gran homogeneidad respecto a alguna caracterstica (se puede estratificar, por ejemplo, segn la profesin, el municipio de residencia, el sexo, el estado civil, etc.).
17

Muestreo aleatorio estratificado

Lo que se pretende con este tipo de muestreo es asegurarse de que todos los estratos de inters estarn representados adecuadamente en la muestra. Cada estrato funciona independientemente, pudiendo aplicarse dentro de ellos el muestreo aleatorio simple o el estratificado para elegir los elementos concretos que formarn parte de la muestra. En ocasiones las dificultades que plantean son demasiado grandes, pues exige un conocimiento detallado de la poblacin. (Tamao geogrfico, sexos, edades,...).
18

Muestreo aleatorio estratificado

La distribucin de la muestra en funcin de los diferentes estratos se denomina afijacin, y puede ser de diferentes tipos: Afijacin Simple: A cada estrato le corresponde igual nmero de elementos mustrales. Afijacin Proporcional: La distribucin se hace de acuerdo con el peso (tamao) de la poblacin en cada estrato. Afijacin Optima: Se tiene en cuenta la previsible dispersin de los resultados, de modo que se considera la proporcin y la desviacin tpica. Tiene poca aplicacin ya que no se suele conocer la desviacin.
19

Muestreo aleatorio estratificado en breve

En ciertas ocasiones resultar conveniente estratificar la muestra segn ciertas variables de inters. Para ello debemos conocer la composicin estratificada de la poblacin objetivo a hacer un muestreo. Una vez calculado el tamao muestral apropiado, este se reparte de manera proporcional entre los distintos estratos definidos en la poblacin usando una simple regla de tres.
20

Muestreo aleatorio por conglomerados

Los mtodos presentados hasta ahora estn pensados para seleccionar directamente los elementos de la poblacin, es decir, que las unidades mustrales son los elementos de la poblacin. En el muestreo por conglomerados la unidad muestral es un grupo de elementos de la poblacin que forman una unidad, a la que llamamos conglomerado. Las unidades hospitalarias, los departamentos universitarios, una caja de determinado producto, etc., son conglomerados naturales. En otras ocasiones se pueden utilizar conglomerados no naturales como, por ejemplo, las urnas electorales. Cuando los conglomerados son reas geogrficas suele hablarse de "muestreo por reas".
21

Muestreo aleatorio por conglomerados

El muestreo por conglomerados consiste en seleccionar aleatoriamente un cierto numero de conglomerados (el necesario para alcanzar el tamao muestral establecido) y en investigar despus todos los elementos pertenecientes a los conglomerados elegidos.

22

Muestreo aleatorio por conglomerados en breve

Se realizan varias fases de muestreo sucesivas (polietpico) La necesidad de listados de las unidades de una etapa se limita a aquellas unidades de muestreo seleccionadas en la etapa anterior.

23

Aleatorio simple: ventajas y desventajas

Sencillo y de fcil Requiere que se comprensin. posea de antemano un listado completo Clculo rpido de de toda la poblacin. medias y varianzas. Cuando se trabaja Se basa en la teora con muestras estadstica, y por pequeas es posible tanto existen que no represente a paquetes la poblacin informticos para adecuadamente. analizar los datos
24

Sistemtico: ventajas y desventajas

Fcil de aplicar. No siempre es necesario tener un listado de toda la poblacin. Cuando la poblacin est ordenada siguiendo una tendencia conocida, asegura una cobertura de unidades de todos los tipos. Si la constante de muestreo est asociada con el fenmeno de inters, las estimaciones obtenidas a partir de la muestra pueden contener sesgo de seleccin

25

Estratificado: ventajas y desventajas

Tiende a asegurar que la muestra represente adecuadamente a la poblacin en funcin de unas variables seleccionadas. Se obtienen estimaciones ms precisa Su objetivo es conseguir una muestra lo ms semejante posible a la poblacin en lo que a la o las variables estratificadoras se refiere.

Se ha de conocer la distribucin en la poblacin de las variables utilizadas para la estratificacin

26

Conglomerados: ventajas y desventajas

Es muy eficiente El error estndar es cuando la poblacin mayor que en el es muy grande y muestreo aleatorio dispersa. simple o estratificado. No es preciso tener un listado de toda la El clculo del error poblacin, slo de estndar es complejo las unidades primarias de muestreo
27

Distribucin de frecuencia
La distribucin de frecuencia es la representacin estructurada, en forma de tabla, de toda la informacin que se ha recolectado sobre la variable que se estudia.
Variable
(Valor) x X1 X2 ... Xn-1 Xn x n1 n2 ... nn-1 nn

Frecuencias absolutas
Simple x n1 n1 + n2 ... n1 + n2 +..+ nn-1 n Acumulada x

Frecuencias relativas
Simple x f1 = n1 / n f2 = n2 / n ... fn-1 = nn-1 / n fn = nn / n f1 f1 + f2 ... f1 + f2 +..+fn-1 f Acumulada

Siendo X los distintos valores que puede tomar la variable. Siendo n el nmero de veces que se repite cada valor. Siendo f el porcentaje que la repeticin de cada valor supone sobre el total 28

Ejemplo de distribucin de frecuencia

Medimos la altura de los nios de una clase y obtenemos los siguientes resultados (cm):
Alumno
x Alumno 1 Alumno 2 Alumno 3 Alumno 4 Alumno 5 Alumno 6 Alumno 7 Alumno 8 Alumno 9 Alumno 10

Estatura
x 1.25 1.28 1.27 1.21 1.22 1.29 1.30 1.24 1.27 1.29

Alumno
x Alumno 11 Alumno 12 Alumno 13 Alumno 14 Alumno 15 Alumno 16 Alumno 17 Alumno 18 Alumno 19 Alumno 20

Estatura
x 1.23 1.26 1.30 1.21 1.28 1.30 1.22 1.25 1.20 1.28

Alumno
x Alumno 21 Alumno 22 Alumno 23 Alumno 24 Alumno 25 Alumno 26 Alumno 27 Alumno 28 Alumno 29 Alumno 30

Estatura
x 1.21 1.29 1.26 1.22 1.28 1.27 1.26 1.23 1.22 1.21 29

Ejemplo de distribucin de frecuencia

Si presentamos esta informacin estructurada obtendramos la siguiente tabla de frecuencia:
Variable (Valor) x 1.20 1.21 1.22 1.23 1.24 1.25 1.26 1.27 1.28 1.29 1.30 x 1 4 4 2 1 2 3 3 4 3 3 Frecuencias absolutas Simple x 1 5 9 11 12 14 17 20 24 27 30 Acumulada x 3.3% 13.3% 13.3% 6.6% 3.3% 6.6% 10.0% 10.0% 13.3% 10.0% 10.0% Frecuencias relativas Simple x 3.3% 16.6% 30.0% 36.6% 40.0% 46.6% 56.6% 66.6% 80.0% 90.0% 100.0% 30 Acumulada

Distribuciones de frecuencia agrupada

Supongamos que medimos la estatura de los habitantes de una vivienda y obtenemos los siguientes resultados (mts.):
Habitante x Habitante 1 Habitante 2 Habitante 3 Habitante 4 Habitante 5 Habitante 6 Habitante 7 Habitante 8 Habitante 9 Habitante 10 Estatura x 1.15 1.48 1.57 1.71 1.92 1.39 1.40 1.64 1.77 1.49 Habitante x Habitante 11 Habitante 12 Habitante 13 Habitante 14 Habitante 15 Habitante 16 Habitante 17 Habitante 18 Habitante 19 Habitante 20 Estatura x 1.53 1.16 1.60 1.81 1.98 1.20 1.42 1.45 1.20 1.98 Habitante x Habitante 21 Habitante 22 Habitante 23 Habitante 24 Habitante 25 Habitante 26 Habitante 27 Habitante 28 Habitante 29 Habitante 30 Estatura x 1.21 1.59 1.86 1.52 1.48 1.37 1.16 1.73 1.62 1.01 31

Distribuciones de frecuencia agrupada

Preferimos agrupar los datos por intervalos, con lo que la informacin queda ms resumida (se pierde, por tanto, algo de informacin), pero es ms manejable e informativa: Estatura Cm x 1.01 1.10 1.11 1.20 1.21 1.30 1.31 1.40 1.41 1.50 1.51 1.60 1.61 1.70 1.71 1.80 1.81 1.90 1.91 2.00 Frecuencias absolutas Simple x 1 3 3 2 6 4 3 3 2 3 Acumulada x 1 4 7 9 15 19 22 25 27 30 x 3.3% 10.0% 10.0% 6.6% 20.0% 13.3% 10.0% 10.0% 6.6% 10.0% Frecuencias relativas Simple Acumulada x 3.3% 13.3% 23.3% 30.0% 50.0% 63.3% 73.3% 83.3% 90.0% 100.0% 32

Aplicacin para el DIAGRAMA DE PARETO

Paso 1. Decida qu problemas se van a investigar y cmo recoger los datos. Decida qu clase de problemas son los que usted quiere investigar. Ejemplo: objetos defectuosos, prdidas en trminos monetarios, ocurrencia de accidentes, etc. Decida qu datos va a necesitar y cmo clasificarlos. Ejemplo: Por tipo de defecto, localizacin, proceso, mquina, trabajador, mtodo. Nota: resuma las clases de problemas con poca frecuencia en la categora otros. Defina el mtodo de recoleccin de los datos y el perodo de duracin de la recoleccin. Nota: se aconseja utilizar un formato de investigacin.
33

Aplicacin para el DIAGRAMA DE PARETO

Paso 2. Disee una tabla para el conteo de datos, con espacio suficiente para registrar los totales. Paso 3. Aplique la tabla y calcule los totales.

34

Aplicacin para el DIAGRAMA DE PARETO

Paso 4. Elabore una tabla de datos para el diagrama de Pareto con la lista de las clases, los totales individuales, los totales acumulados, la composicin porcentual y los porcentajes acumulados. Paso 5. Organice las clases por orden de cantidad y llene la tabla de datos.
Tipo de defecto tensin rayado burbuja fractura mancha rajadura otros nmero de defectos 104 42 20 10 6 4 14 200 total acumulado 104 146 166 176 182 186 200 composicin porcentual 52 21 10 5 3 2 7 100 porcentaje acumulado 52 73 83 88 91 93 100 35

Aplicacin para el DIAGRAMA DE PARETO

Paso 6. Dibuje dos ejes verticales y un eje horizontal. Paso 7. Construya el diagrama de barras Paso 8 Dibuje la curva acumulada (curva de Pareto)
Partes Defectuosas
200 180 160 140 120 100 80 60 40 20 0 tensin rayado burbuja fractura mancha rajadura otros Tipos de defectos 100 90 80 70 60 50 40 30 20 10 0

Porcentaje acumulado

Nmero de unidades defectuosas

36

Aplicacin para el DIAGRAMA DE PARETO

Paso 9: Escriba en el diagrama cualquier informacin necesaria: Ttulo, cifras significativas, unidades, nombre del analista, perodo de tiempo, tema y lugar de la investigacin, nmero total de datos.
Partes Defectuosas Nmero de partes investigadas 5000 abril 1 a junio 30 Realizado por: J.L. Prez

200

100

Nmero de unidades defectuosas

60 100 40 50 0 tensin rayado burbuja fractura mancha rajadura otros Tipos de defectos 20 0

Porcentaje acumulado

150

80

37

Diagrama de Pareto de Fenmenos

Este es un diagrama en el cual se relacionan los resultados indeseables, como los que se presentan a continuacin, y se utiliza para averiguar cul es el principal problema. 1. Calidad: Defectos, faltas, fracasos, quejas, rechazos o devoluciones, reparaciones. 2. Costo: Magnitud de las prdidas, gastos. 3. Entrega: Escasez de inventarios, demoras en los pasgos, demoras en la entrega. 4. Seguridad: Accidentes, errores, interrupciones.
38

Diagrama de Pareto de Causas

Este es un diagrama en el cual se relacionan los resultados indeseables, como los que se presentan a continuacin, y se utiliza para averiguar cul es el principal problema. 1. Operario: Turno, grupo, edad, experiencia, destreza. 2. Mquina: Mquinas, equipos, herramientas, organizaciones, modelos, instrumentos 3. Materia Prima: Productor, planta, lote, clase. 4. Mtodo operacional: Condiciones, rdenes, disposiciones, mtodos.
39

Ejercicio: Diagrama de Pareto

Operario Mquina Lunes tttt rr No. 1 bb ff o A tt r No. 2 b ttt rr bb ttt rrrrr bb f o tt rr No. 3 b f B tt r No. 4 bb ttt r b f o t: tensin r:rayado b:burbuja f:fractura o:otros ttt rrrr bb f f ttt r tt r bb f tttt r b ttt rrrrr b f ttt r b f o tttt r bbbb f tt r b f tt rr b f Martes ttttt r bbb f Mircoles ttttt rrrrr bbbb ff o Jueves tttt r bbb ff Viernes ttttt r bbbb fff

40

Las medidas de tendencia central

Las medidas de posicin nos facilitan informacin sobre la serie de datos que estamos analizando. Estas medidas permiten conocer diversas caractersticas de esta serie de datos. Las medidas de tendencia son de dos tipos: a) Medidas de tendencia central: informan sobre los valores medios de la serie de datos. b) Medidas de tendencia no centrales: informan de como se distribuye el resto de los valores de la serie.
41

Las medidas de tendencia central: La media

Es el valor medio ponderado de la serie de datos. Se pueden calcular diversos tipos de media, siendo las ms utilizadas: a) Media aritmtica: se calcula multiplicando cada valor por el nmero de veces que se repite. La suma de todos estos productos se divide por el total de datos de la muestra:
(X1 * n1) + (X2 * n2) + (X3 * n3) + .....+ (Xn-1 * nn-1) + (Xn * nn) Xm = --------------------------------------------------------------------------------------n

b) Media geomtrica: se eleva cada valor al nmero de veces que se ha repetido. Se multiplican todo estos resultados y al producto final se le calcula la raz "n" (siendo "n" el total de datos de la muestra).

42

Las medidas de tendencia central: La mediana

Es el valor de la serie de datos que se sita justamente en el centro de la muestra (un 50% de valores son inferiores y otro 50% son superiores). El mtodo para determinar la mediana en el caso de variables numricas depende de si el nmero de observaciones es par o impar. Si hay un nmero impar de observaciones, la mediana corresponde al valor que se encuentra en el medio. Pero si el nmero de observaciones es par, entonces se toman los dos valores que se hallan en el medio de la distribucin, se suman y se divide entre dos. Ejemplos: En la distribucin (2, 7,9,12,15), la mediana = 9 En la distribucin (2,7,9,12,15,20), la mediana = (9+12)/2 = 10.5 En la distribucin (2,7,9,9,15,20), la mediana = (9+9)/2 = 9
43

Las medidas de tendencia central: La moda

La moda es la medida de tendencia central ms fcil de determinar. Corresponde a la categora o valor de la variable con la frecuencia mayor (la que aparece ms a menudo) La moda se utiliza principalmente con variables nominales y es la nica medida de tendencia central que se puede usar con variables nominales. A veces no hay moda porque ningn valor se repite. Otras veces hay dos o ms modas puesto que varios valores se repiten la misma cantidad de veces. Ejemplos: En la distribucin (2, 3, 4, 4, 5 8, 12) la MODA es 4 La distribucin (2, 3, 3, 4, 5, 5, 12) es bimodal y las modas son 3, 5 En la distribucin (2, 3, 6, 7, 8, 10, 12) NO HAY MODA Al igual que la mediana, la moda no se afecta por los valores extremos de la distribucin.
44

Histograma
El histograma se utiliza para representar las diferencias en frecuencias absolutas y relativas entre los intervalos o clases de una variable. Es un tipo de grfica de barras verticales donde el ancho de cada barra corresponde a los lmites de cada clase. Los lmites de cada clase aparecen en el eje horizontal y la frecuencia en el vertical. A veces se indica la frecuencia exacta sealndola en la parte superior de la barra.
45

Cmo se construye un Histograma

Ejemplo: Para investigar la distribucin de los dimetros de ejes de acero producidos en un proceso de laminacin, se medieron los dimetros de 90 vigas, como se muestra en la siguiente tabla.

Muestra 1 a 10 11 a 20 21 a 30 31 a 40 41 a 50 51 a 60 61 a 70 71 a 80 81 a 90 2.51 2.527 2.529 2.52 2.535 2.533 2.525 2531 2.518 2.517 2.536 2.523 2.514 2.523 2.51 2.515 2.545 2.527 2.522 2.506 2.523 2.512 2.526 2.542 2.52 2.524 2.511

Resultados de la medicin 2.522 2.541 2.523 2.534 2.525 2.524 2.519 2.522 2.519 2.51 2.512 2.519 2.526 2.532 2.53 2.526 2.52 2.531 2.511 2.515 2.528 2.53 2.522 2.521 2.527 2.519 2.527 2.519 2.521 2.543 2.532 2.502 2.522 2.522 2.519 2.529 2.532 2.536 2.538 2.526 2.53 2.535 2.542 2.529 2.528 2.543 2.529 2.518 2.523 2.522 2.54 2.54 2.522 2.519 2.525 2.524 2.534 2.52 2.514 2.528 2.528 2.513 2.521

46

Histograma: Calcule el rango

Obtenga el mximo y el mnimo de los valores observados y calcule R R= (el mximo valor observado) (el mnimo valor observado)
Muestra 1 a 10 11 a 20 21 a 30 31 a 40 41 a 50 51 a 60 2.51 2.527 2.529 2.52 2.535 2.533 2.517 2.536 2.523 2.514 2.523 2.51 2.522 2.506 2.523 2.512 2.526 2.542 Resultados de la medicin 2.522 2.541 2.523 2.534 2.525 2.524 2.51 2.512 2.519 2.526 2.532 2.53 2.511 2.515 2.528 2.53 2.522 2.521 2.519 2.521 2.543 2.532 2.502 2.522 2.532 2.536 2.538 2.526 2.53 2.535 2.543 2.529 2.518 2.523 2.522 2.54 2.525 2.524 2.534 2.52 2.514 2.528 Max 2.543 2.541 2.543 2.534 2.535 2.542 Min 2.51 2.506 2.518 2.512 2.502 2.51

61 a 70
71 a 80 81 a 90

2.525
2531 2.518

2.515
2.545 2.527

2.52
2.524 2.511

2.519
2.522 2.519

2.526
2.52 2.531

2.527
2.519 2.527

2.522
2.519 2.529

2.542
2.529 2.528

2.54
2.522 2.519

2.528
2.513 2.521

2.542
2.545 2.531

2.515
2.513 2.511

2.545

2.502

Por lo tanto, R = 2.545-2.502 = 0.043

47

Histograma: Determine el intervalo de clase

Determine el intervalo de clase: El intervalo de clase se determina de manera que el rango, el cual incluye los valores mximo y mnimo, se divida en intervalos de igual amplitud. Para obtener la amplitud del intervalo, divida R por 1,2 5 ( 10,20,50; 0.1, 0.2, 0.5, etc.), de manera que se obtengan entre 5 y 20 intervalos de clase de igual amplitud. Cuando haya dos posibilidades, use el intervalo de menor amplitud si el nmero de valores medidos es de 100 o ms y el intervalo de mayor amplitud, si hay 99 o menos valores observados. Nuestro ejemplo: 0.043/0.002 = 21.5 y lo aproximamos al siguiente nmero entero, con lo que obtenemos 22, o bien 0.043/0.005 = 8.6 y lo aproximamos al siguiente nmero entero, con lo que obtenemos 9, o bien 0.043/0.010 = 4.3 y lo aproximamos al nmero entero ms cercano, con lo que obtenemos 4. El nmero de intervalos idneo es 9.
48

Histograma: Prepare la tabla de frecuencias y los lmites de la clase

Prepare un formato donde se puedan registrar la clase, el punto medio, las marcas de frecuencia, la frecuencia, etc.

Determine los lmites de los intervalos de manera que incluyan los valores mnimos y mximos, y escrbalos en la tabla de frecuencia. Primero, determine el lmite inferior de la primera clase y smele la amplitud del intervalo para obtener el lmite entre la primera y la segunda clase. Cuando lo haga cercirese de que la primera clase contiene el valor mnimo. El lmite inferior de la primera clase se ubica de la unidad de medida a partir del valor mnimo observado. Luego, siga sumando la amplitud del intervalo al valor previo para obtener el segundo lmite, el tercero, y as sucesivamente, y por ltimo verifique que la ltima clase contiene al valor mximo.
49

Histograma: Prepare la tabla de frecuencias y los lmites de la clase

Los lmites de la primera clase deben determinarse como 2.5005 y 2.5055 de manera que la clase incluya el valor mnimo 2.502; los lmites de la segunda clase deben determinarse como 2.5055-2.5105, y as sucesivamente. 2.502-(0.005/2) = 2.4995 aprox. 2.500. lo que dara un valor medio de la primera clase de 2.5025, y que redondea a 2.503 y se establecen los lmites definitivos.

intervalo 1 2 3 4 5 6 7 8 9

clase punto medio conteo 2.5005-2.5055 2.5055-2.5105 2.5105-2.5155 2.5155-2.5205 2.5205-2.5255 2.5255-2.5305 2.5305-2.5355 2.5355-2.5405 2.5405-2.5455 Total

frecuencia

50

Histograma: Calcule el punto medio de la clase y obtenga las frecuencias

intervalo 1 2 3 4 5 6 7 8 9 clase punto medio conteo 2.5005-2.5055 2.503 / 2.5055-2.5105 2.508 //// 2.5105-2.5155 2.513 //// //// 2.5155-2.5205 2.518 //// //// //// 2.5205-2.5255 2.523 //// //// //// //// // 2.5255-2.5305 2.528 //// //// //// //// 2.5305-2.5355 2.533 //// //// 2.5355-2.5405 2.538 //// 2.5405-2.5455 2.543 //// / Total frecuencia 1 4 9 14 22 19 10 5 6 90
51

Histograma: Elaboracin del grfico

Dimetro del eje n=90, m=2.5247
25

Histograma

20 15 10 5 0 2.5 2.51 2.51 2.52 2.52 2.53 2.53 2.54 2.54 Dimetro del eje

52

Formas y maneras de crear grficas engaosas

Analiza los siguientes ejemplos de grficas engaosas que se han hecho partiendo de un histograma en el que se representa un aumento muy pequeo de salario de 2001 a 2002.

53

Formas y maneras de crear grficas engaosas

Corte del eje vertical del histograma o polgono de frecuencias para dar la impresin de que el aumento fue mayor

Cuando se construye un histograma jams se debe cortar el eje vertical de las frecuencias. Si esto se hace la grfica es engaosa. Sin embargo el eje horizontal si se puede cortar y hasta el cero se puede excluir, siempre que 54 todas las clases aparezcan en la grfica.

Formas y maneras de crear grficas engaosas

Estiramiento de los ejes del histograma para dar la impresin de que el aumento fue mayor

Si se estira el eje horizontal o se encoge el eje vertical, se puede modificar el impacto visual de la grfica dando a entender que el cambio ha sido mayor.

55

Formas y maneras de crear grficas engaosas

Ampliacin del histograma para dar la impresin de que el aumento fue mayor

A menudo se utilizan barras o figuras para representar frecuencias. El problema con las barras y otras figuras es que los cambios se representan aumentando el volumen total de la figura, no solamente el alto. Esto crea la 56 impresin de que el cambio ha sido mayor.

Medidas de dispersin
Estudia la distribucin de los valores de la serie, analizando si estos se encuentran ms o menos concentrados, o ms o menos dispersos. Existen diversas medidas de dispersin, entre las ms utilizadas podemos destacar las siguientes: 1.- Rango: mide la amplitud de los valores de la muestra y se calcula por diferencia entre el valor ms elevado y el valor ms bajo. 2.- Varianza: Mide la distancia existente entre los valores de la serie y la media. Se calcula como sumatoria de las diferencias al cuadrado entre cada valor y la media, multiplicadas por el nmero de veces que se ha repetido cada valor. La sumatoria obtenida se divide por el tamao de la muestra. La varianza siempre ser mayor que cero. Mientras ms se aproxima a cero, ms concentrados estn los valores de la serie alrededor de la media. Por el contrario, mientras mayor sea la varianza, ms dispersos estn.
57

Medidas de dispersin
3.- Desviacin tpica: Se calcula como raz cuadrada de la varianza. 4.- Coeficiente de variacin de Pearson: se calcula como cociente entre la desviacin tpica y la media.

58

Las 7 herramientas de la Calidad

1. 2. 3. 4. 5. 6. 7. Lluvia de Ideas Listas de verificacin Diagrama Causa-Efecto Histograma Anlisis de Pareto Diagrama de dispersin Grficos de control
59

Los errores en la toma de decisin con uso de la media

1. Se cree que los valores de todos los datos son iguales o estn muy cerca de la media, ignorando cualquier medicin sobre la variabilidad. La media es el dato ms frecuente, no confundir el concepto de moda con el de media. La media es el valor que est en medio y que a la izquierda de el queda el 50% de los datos lo mismo que a la derecha. La media muestral es la media poblacional, si se desconoce que la media muestral es una variable aleatoria.
60

2. 3.

4.