A Basica Supervisores Aplicada Control Procesos 24609 Completo

mailxmail - Cursos para compartir lo que sabes
Estadística básica para

supervisores aplicada al control
de procesos
Autor: Rafael Kauffmann Vargas
1
Presentación del curso
Estadística descriptiva, estadística inferencial... Todo esto y más se estudia en

este completo curso básico sobre estadística, ideal para supervisores y aplicada al
control de procesos.
Veremos la importancia de la toma de decisiones y la organización de la
informaicón y también la aplicación de la estadística al control de la calidad.
2
1. La estadística. Importancia de la toma de

decisiones
TEMA: La Estadística
IMPORTANCIA DE LA TOMA DE DECISIONES
1. Herramienta para la toma de decisiones
El que sabe tomar decisiones ocupa los mejores lugares en la dirección de una
empresa. Allí están las mejores remuneraciones.
Cuando en una empresa se busca a alguien para ocupar un puesto de dirección se
escoge de entre los que saben tomar decisiones correctas. Es decir, no los escogen
entre los que siempre esperan que les digan qué es lo que deben hacer; sino entre
los que deciden qué hacer cuando hay urgencia de hacer algo, coincidiendo con que
no está presente el responsable del departamento.
El mejor empleado no es el que más suda, sino que es el que mejor piensa y decide
hacer lo que considera que es racionalmente correcto.
Para tomar decisiones se debe estar en capacidad de llenar los vacíos de
información de la manera más racional posible.
Es aquí donde la Estadística puede ayudar a tomar decisiones racionalmente
correctas: ayuda a llenar los vacíos de información.
Este curso va dirigido a enseñar progresivamente el uso de la Estadística para
obtener un conocimiento más profundo, racionalmente aceptable, del
comportamiento de un proceso. Con la Estadística podemos ver más allá de lo ven
nuestros ojos.
2 ¿Qué se requiere para entender un Curso Básico de Estadística?
* Conocimientos de Aritmética básica: sumar, restar, multiplicar y dividir.

* Seguridad de uno mismo: puedo conseguir lo que me propongo.
* Poner atención y dedicación en las clases del curso.
* Hacer un pequeño esfuerzo por repasar en casa lo que se ha aprendido.
* Memorizar las definiciones y los esquemas.
La fórmula del triunfador, en cualquier actividad de la vida, es:
Optimismo + Atención + Dedicación = ÉXITO
3 ¿Es importante la Estadística?
Es tan importante que casi no existe actividad humana en que no esté

involucrada la Estadística. Las decisiones más importantes de nuestra vida se toman
con base en la aplicación de la Estadística. Pongamos algunos ejemplos.
* Los Censos de Población * Estudios de la Canasta Básica

* Determinación de la Inflación * Aumentos de salarios
* Accidentes más frecuentes * Enfermedades más frecuentes
* Pagos de Seguros de Vida * Tarifas de buses
* Tarifas de hoteles y taxis * Causas de muertes infantiles
3
* Preferencias de candidatos * Anuncios en radio y TV
* Necesidades de escuelas * Ventas de productos
4 ¿Qué cosas me enseñará este Curso de Estadística?
* Aprenderé a ser cuidadoso en hacer una medición de cualquier proceso.

Ejemplo: tomar tiempos, pesar artículos, medir densidad de un producto, medir el
diámetro de una pieza, medir la temperatura de una mezcla.
* Sabré organizar los datos resultantes de las mediciones

Ejemplo: Cuál es el valor más alto, el más bajo, la diferencia entre ellos, el más
frecuente etc.
* Aprenderé a hacer gráficos que enseñen el comportamiento de un proceso.

Recordar que un gráfico es más elocuente que mil palabras.
* Sabré buscar las causas que hacen cambiar los resultados de una actividad y
comprobarlo con datos experimentales.
Ejemplo: El cansancio incrementa del número de piezas defectuosas: este
incremento va ligado con la hora de la medición. La humedad del papel influye en la
calidad de la impresión.
* Comprenderé que hay procesos o actividades, cuyo resultado final no se puede

predecir con exactitud.
Ejemplo: ¿cuántos defectos tendrá el próximo metro de tela que voy a revisar?
NOTA: este proceso se llama probabilístico. Abundan los procesos probabilísticos.
La Estadística, en un curso más avanzado, me enseñará a determinar cuándo una
actividad probabilística tiene un resultado ACEPTABLE.
5 ¿Cuáles son las palabras básicas que se utilizan en Estadística?
Las palabras más frecuentes e importantes son:
POBLACIÓN:
* son todos los individuos que, por tener una característica común, forman un
grupo bien definido. Ejemplo: todos los que leen La Nación en Costa Rica.
* son todas las mediciones que he podido obtener de una actividad o
proceso. Ejemplo: ventas mensuales en un supermercado.
MUESTRA: es una parte, escogida aleatoriamente, de una población. Ejemplo: tomar

20 facturas de entre las ventas del mes en una tienda.
VARIABLE: es la medición de una actividad en que los resultados no son todos

iguales. Ejemplo: el número de compradores que llegan en un día a una ferretería.
CONSTANTE: es la medición de una actividad en que los resultados son todos

iguales. Ejemplo: el número de operarios en un taller.
PROBABILÍSTICO: es un proceso cuyos resultados no se pueden predecir con

seguridad, pues se escapa a ser controlado. Ejemplo: el número y los tipos de
defectos que voy a encontrar en la próxima página impresa que voy a examinar.
4
MUESTREO: es la escogencia técnica de una muestra tomada de una población

determinada. Con el Muestreo se asegura que la muestra sea REPRESENTATIVA
FENÓMENO O PROCESO: es cualquier actividad física que nos interese estudiar.

Ejemplo: las ventas, la producción diaria, los gastos diarios, el horneado del pan, la
densidad de tinta en una impresión, el envasado de refrescos.
MEDICIÓN: consiste en realizar lo siguiente:

* escoger una característica cuantificable de la actividad en estudio. Ejemplo: peso
de las bolsas de concentrado. NOTA: el color de la bolsa no es una característica
cuantificable
* usar un instrumento de medida apropiado, según la característica en estudio.
Ejemplo: una balanza o una báscula.
* someter la muestra al instrumento. Ejemplo: pesar.
* anotar cuidadosamente el resultado. Ejemplo: 340 Kg.
OBSERVACIÓN:
- se aplica cuando la característica en estudio es CUALITATIVA. Ejemplo: el color
de una tinta.
- Interesa saber si se tiene o no se tiene una característica.
- El resultado se expresa en porcentaje. Ejemplo: el 38% de las piezas son de
color rojo.
6 ¿Qué hace la ESTADÍSTICA BÁSICA O DESCRIPTIVA?
- Toma mediciones exactas.

- ORGANIZA la información obtenida con las mediciones.
- Con las mediciones CONOCE el proceso en estudio.
- TOMA DECISIONES DETERMINISTICAS para mejorar el proceso.
7 ¿Qué hace la ESTADÍSTICA INFERENCIAL?
NOTA: recuérdese que una muestra es tan solo una parte de la población, por
consiguiente, si se quiere extrapolar, o sea, aplicar los resultados de la muestra a
toda la Población, tienen que usarse los conocimientos que da la Estadística
Inferencial. Para ello se hace así:
- Toma muestras representativas de la población en estudio.

- Obtiene mediciones muestrales representativas.
- GENERALIZA estos resultados muestrales para toda la población.
- TOMA DECISIONES PROBABILÍSTICAS para mejorar el proceso en estudio.
Diagrama del Proceso de Generalización de los resultados muestrales.
5
6
2. Importancia de las mediciones en la estadística
IMPORTANCIA DE LAS MEDICIONES
Así como la Calidad de un producto depende fundamentalmente de la Calidad de la

Materia Prima, así también la Calidad de la Toma de Decisiones depende de la
Calidad de las Mediciones. Si las mediciones son inexactas, las decisiones serán,
necesariamente, erróneas. Hay que asegurar la calidad de las mediciones. Esto es
responsabilidad de los Supervisores.
8 ¿Qué actitud mental se debe tener cuando se hacen mediciones?
CONCENTRACIÓN: evitar distracciones, no estar hablando ni oyendo música.

CALMA: no se precipite; tome su tiempo. Suspenda las mediciones si le urge hacer
otra cosa. NOTA: Calma no significa "tortuguismo".
SEGURIDAD: que nace de "saber que sabe lo que hace" y que eso es "experiencia".
Para ello: instrúyase, pregunte, practique y repita.
9 ¿Cuáles precauciones se deben tomar cuando se hacen mediciones?
REVISIÓN DEL EQUIPO O INSTRUMENTO: debe estar en buenas condiciones, en caso

contrario, avise a su jefe.
REPETIR VARIAS VECES LA MEDICIÓN: esto se debe hacer cuando:
* la medición es importante o * se tiene duda del resultado obtenido.
NOTA: no tome en cuenta ni la medición más alta ni la más baja, tome las del
medio.
APUNTAR INMEDIATAMENTE EL RESULTADO: no se fíe de la memoria.
Revise si apuntó bien.
SEA ORDENADO, CLARO Y LIMPIO: los datos deben estar legibles y sin que puedan
causar dudas. Después de pasarlos en limpio, REVÍSELOS.
10 ¿Cuáles son las dos características más importantes de las mediciones?
Las dos características más importantes son: EXACTITUD Y PRECISIÓN.
EXACTITUD: Una medición es EXACTA si coincide con el valor que realmente tiene el
objeto. En general se dice que un instrumento da mediciones exactas cuando el
promedio de varias mediciones es igual al que dicen las especificaciones del objeto.
Ejemplo: si tomo diez bolsas de café que dicen "5 Kg.", el promedio de las diez
mediciones debe ser 5 Kg. Si no es 5 k.o., entonces, la balanza o la máquina
empacadora no tiene EXACTITUD.
PRECISIÓN: Si al tomar varias mediciones, los valores obtenidos se separan muy

poco del valor real, se dice que las mediciones son PRECISAS.
La separación de cada medición respecto al valor real (o valor promedio) se llama
DESVIACIÓN o ERROR de la medición.
El ERROR ABSOLUTO o LA DESVIACIÓN ESTÁNDAR de las mediciones, sirven para

expresar la magnitud de la PRECISIÓN. ( esto se estudiará más adelante)
7
Se puede también decir que un proceso es EXACTO y PRECISO si los resultados

obtenidos en las mediciones se comparan con las especificaciones del producto o
del equipo que lo produce.
Ejemplo: Se toman 20 bolsas de cada una de las 4 máquinas empacadoras.

Se obtiene el PESO PROMEDIO y el RANGO de las mediciones del peso de las 20
bolsas de cada máquina.
NOTA: RANGO = Peso Mayor - Peso menor. Es también una medida de precisión
Ejemplo: Resultados de la medición del peso de 20 bolsas de 5 Kg. de cada

máquina.
Parámetros (medidos en Kg.) Máquina 1 Máquina 2 Máquina 3 Máquina 4

__________________________________________________________________________
Peso promedio 5 5
6 6
Peso Mayor 5.001 6
6.001 7
Peso menor 4.999 4
5.999 5
Rango 0.001 2
0.001 2
__________________________________________________________________________
EXACTITUD Exacta Exacta Inexacta
Inexacta
PRECISIÓN Precisa Imprecisa Precisa
Imprecisa
11 ¿Cuáles son las causas de las medidas NO EXACTAS?
Hay dos tipos de causas de la inexactitud en las mediciones:
CAUSAS EVITABLES:
Error personal: debido a descuido del que ejecuta la medición
Error instrumental: debido a fallas del instrumento.
CAUSAS NO EVITABLES:
Variaciones naturales por causa del operador. Ejemplo: posición del ojo,
iluminación, cansancio del operario.
Variaciones naturales por causa del instrumento. Ejemplo: desgastes, suciedad,
defectos que no se pueden detectar fácilmente.
12 ¿Qué efectos tiene una medida NO EXACTA?
Conocimiento erróneo de la actividad en estudio.

Decisiones equivocadas.
Desperdicio si da más de lo que debe dar, en peso o volumen del producto.
Reclamos si da menos de lo que debe dar.
La falta de Calidad en el producto promueve el rechazo del producto, lo cual a su
vez produce pérdidas para la empresa, las cuales pueden llevar a su quiebra.
8
13 ¿Cómo se determina la PRECISIÓN?
En forma muy general, se puede decir que si al tomar varias mediciones de un

objeto o actividad y al ordenar esas mediciones, NO HAY MUCHA DIFERENCIA entre
la medida menor y mayor, entonces, se dice que la medición es PRECISA.
Ejemplo: Mido la longitud de una caja, con una cinta métrica.
Repito cinco veces la medición y obtengo: 34.8, 34.6, 35.4, 34.8, 34.9 centímetros.
Ordeno los datos: 34.6, 34.8, 34.8, 34.9, 35.4
Valor Mayor: 35.4, valor menor: 34.6.
RANGO = 35.4 - 34.6 = 0.8 cm. = 8 milímetros.
Si el cliente EXIGE que esa diferencia o rango, no puede ser superior a los 6
milímetros, entonces este producto NO TIENE PRECISIÓN ACEPTABLE.
Si el cliente permite un rango de hasta 10 milímetros, entonces el producto TIENE
PRECISIÓN ACEPTABLE.
14 ¿Cómo se controla la EXACTITUD y la PRECISIÓN?
En forma general, se puede decir que en una medición o en un proceso:
9
3. Estadística. Organización de la información
ORGANIZACIÓN DE LA INFORMACIÓN
15 ¿Por qué hay que ORGANIZAR la Información?
Porque la cantidad de información que muchas veces se tiene, por las diferentes
mediciones que se hacen en un proceso, es demasiado grande y nuestra mente no
logra resumirlos en forma tal que le trasmitan un conocimiento exacto de ese
proceso. Una persona puede pasar, horas y horas, leyendo y releyendo la
información bruta sin que pueda llegar a conocer las características fundamentales
del proceso en estudio. Si los datos se ORGANIZAN, se hace fácil conocer el
comportamiento de un proceso.
16 ¿Cómo se organiza la información?
Hay tres maneras de ORGANIZAR la información:
TABULACIÓN: presentar los datos del proceso en una tabla o cuadro.

GRAFICACIÓN: presentar gráficos de los datos que han sido tabulados.
PARÁMETROS: utilizar unos pocos datos representativos del proceso.
17 ¿Cuáles son los GRÁFICOS ESTADÍSTICOS más utilizados?
Los gráficos son utilizados en Estadística porque un gráfico dice más que mil
palabras. Mediante un gráfico se puede observar visualmente el comportamiento de
un proceso.
Los gráficos más utilizados en Estadística son: 1) HISTOGRAMA, 2) POLÍGONO DE
FRECUENCIAS, 3) OJIVA.
En los Apéndices se explica la Tabulación de Datos (Tablas de Frecuencia) y la

Graficación (Histograma, Polígono de Frecuencia y Ojiva).
10
4. Estadística descriptiva. Parámetros estadísticos
Tema 2. Estadística Descriptiva
A. PARÁMETRO ESTADÍSTICOS.
18 ¿Qué significa "parámetros estadísticos"?
Son VALORES REPRESENTATIVOS de todas las mediciones obtenidas y, en

consecuencia, pueden ser considerados también, como valores representativos del
proceso, siempre y cuando la muestra tomada haya sido aleatoria.
Los parámetros estadísticos más usados son dos: uno, representativo de la

EXACTITUD
otro, representativo de
la PRECISIÓN.
Los parámetros son como el NOMBRE y el APELLIDO de la distribución de datos.

Ambos, juntos, son importantes para describir correctamente una distribución.
19 ¿Qué utilidad tiene el uso de parámetros?
Entre las muchas ventajas, podemos mencionar las siguientes:
* Facilita el manejo de los datos: cualquiera sea el número de datos de la

distribución, estos son reducidos a dos valores únicamente.
* La Teoría de la Probabilidad tiene técnicas especiales para determinar el
comportamiento de toda la distribución, basándose en esos dos parámetros de
exactitud y precisión, siempre y cuando el proceso sea razonablemente NORMAL.
(más adelante veremos cuándo un proceso es NORMAL).
* Con esos dos parámetros se puede comparar el comportamiento de un proceso
con el de otros procesos similares. Es decir, se puede determinar el que tenga mejor
exactitud o mayor precisión.
* Se puede pronosticar el comportamiento del proceso, es decir, las consecuencias
que tendría una variación en la exactitud o en la precisión.
20 ¿Cuáles son los dos parámetros más usados en Estadística?
Los dos parámetros más usados en Estadística son:

MEDIA (o Promedio) para expresar la Exactitud del proceso.
DESVIACIÓN ESTÁNDAR para expresar la Precisión del proceso.
Los símbolos usados para esos parámetros son:

X BARRA para la MEDIA
s para la Desviación Estándar.
( en el Apéndice 4 se explica el cálculo de estos dos parámetros)
11
5. Estadística descriptiva. La media aritmética y la

desviación estándar
B. LA MEDIA ARITMÉTICA
21 ¿Qué significa la MEDIA?
1) Es un valor REPRESENTATIVO de todos los valores obtenidos. Es como si todos

los datos obtenidos en las mediciones tuviesen un mismo valor, igual a la media.
Ejemplo: si decimos que la edad promedio de un grupo de participantes en un
Curso de Computación, es decir su media, es 21.6 años, debemos entender que es
como si todos los participantes en el curso tuviesen esa edad.
Aunque esto no es así, aunque sea una ficción, sin embargo, para efectos prácticos,
para tomar decisiones, funciona muy bien. Por ejemplo, se puede comparar con un
grupo similar que anteriormente recibió este mismo curso y con edad promedio de
26.7 años. Este segundo grupo, es un grupo más joven y eso debe ser tenido en
cuenta, quizá para dar un enfoque diferente a este nuevo curso.
2) Es un valor NIVELADOR, es decir, se puede afirmar que todos los datos son
iguales a la media: quita a los que están sobre la media, para completar lo que le
falta a los que están bajo la media. Ejemplo: si un alumno obtuvo dos calificaciones
en sus exámenes: 7 y 9, la media es 8. Es como si hubiese obtenido 8 en ambos
exámenes. Al 9 se le quita un punto, y se lo agrega al 7: ambas quedan iguales a 8.,
quedan niveladas.
C. LA DESVIACIÓN ESTÁNDAR
22 ¿Qué significa DESVIACIÓN ESTÁNDAR (DE)?
Expliquemos, primeramente, el concepto de DISPERSIÓN. Ésta indica cómo están

ubicados los datos, respecto a la media. Si hay muchos datos, muy separados de la
Media, tanto por exceso como por defecto, se dice que los datos están muy
dispersos. El RANGO es una medida de Dispersión, pero la más usada es la
DESVIACIÓN ESTÁNDAR.
La separación de una medición respecto a la media, se conoce como Desviación o
Error.
Desviación o Error de una medición = Valor observado - Valor de la Media.
La Desviación Estándar (DE) es la Media de la desviación de todos los datos, es decir,

indica cuánto se separan, en promedio, los valores observados, respecto a la propia
Media.
NOTA: La DE no es un concepto intuitivo, no es fácil de entender, como sí lo es, el

concepto de la Media. La forma de comprender un poco la DE es aplicándola a
determinar los valores extremos de una distribución, como se verá más adelante.
23 ¿Cuál de los dos parámetros es el más importante?
12
Ninguno de los dos es el más importante, los dos son igualmente importantes. Para
poder describir adecuadamente una Distribución se deben dar los dos parámetros.
La Media indica el VALOR CENTRAL de la distribución. Es un valor representativo de

todos los datos de la distribución.
La Desviación Estándar indica qué tan representativa es esa Media. Si la dispersión
es muy grande, la Media es menos representativa que cuando la DE es pequeña.
NOTA: con solo la Media no se pueden tomar decisiones correctas. Generalmente

en muchos casos de investigaciones, solo dan la Media de los resultados obtenidos,
olvidan la DE., con lo cual no le dan importancia a la dispersión del proceso.
Recuérdese que la dispersión está ligada con la Calidad del proceso.
13
6. Estadística descriptiva. Cálculo de la media y la

desviación estándar
D. CALCULO DE LA MEDIA Y DE LA DESVIACIÓN ESTÁNDAR
24 ¿Hay varios tipos de MEDIA?
Sí, hay varios tipos de Media, que se les denomina, en forma general, como
PROMEDIOS.
Hay Media Aritmética, Media Geométrica, Media Armónica.

Nosotros vamos a referirnos solo a la Media Aritmética. Al decir Media,
entenderemos Media Aritmética.
La Media puede ser: Simple o Ponderada.
Media Simple: se aplica cuando todos los datos tienen igual importancia.
Media Ponderada: se aplica cuando los datos tienen diferente importancia, y según
sea la importancia se le da un valor de ponderación. Las ponderaciones pueden ser,
a veces, sujetivas. En otros casos la ponderación es objetiva, como sería el caso en
que la ponderación es igual número de veces que aparece una misma medición.
25 ¿Cómo se calcula la media cuando son pocos datos?
* Fórmula para calcular la Media Simple:

Media Simple: X BARRA = Suma de los datos / Número de sumandos
Ejemplo: Calcule la Media Simple de: 7.2, 5.8, 6.6, 5.9, 6.4, 7.1
X BARRA = (7.2 + 5.8 + 6.6 + 5.9 + 6.4 + 7.1) / 6 = 39.0/6 = 6.5
* Formula para calcular la Media Ponderada:

Media Ponderada: (X BARRA)Pond = Suma de Productos / Suma de ponderaciones.
Ejemplo: La venta (millones de colones) de los últimos tres años son: 15.4, 16.8,
18.8. Calcule la media de estas ventas, de modo que la ponderación sea 1, 3, 4. Es
decir, se le quiere dar mayor peso a las ventas más recientes.
Ventas (X) Ponderación (P ) Producto (X.P)

15.4 1 15.4
16.8 3 50.4
18.8 4 75.2
Suma 8 141.0
(X BARRA) Pond = 141.0 / 8 = 17.62 millones de colones.
26 ¿Hay varios tipos de Desviación Estándar?
Los datos o mediciones de un estudio pueden ser la totalidad del estudio, que se
denomina POBLACIÓN, o bien, pueden ser una parte, que se denomina MUESTRA
tomada de la población. Por tanto hay dos tipos de Desviación Estándar:
14
Desviación Estándar Poblacional: que se simboliza con la letra griega sigma.
Desviación Estándar Muestral: que se simboliza con la letra minúscula latina s.
NOTA: Solamente explicaremos la Desviación Estándar Muestral porque la mayoría

de los estudios se realizan con muestras.
27 ¿Cómo se calcula la Desviación Estándar cuando son pocos datos?
Desviación Estándar: s = RAIZ (Suma de las desviaciones cuadráticas / (n - 1) )

Desviación = valor de cada medición - valor de la media.
n = número de observaciones de la muestra. (Nota: el
tamaño de la Población se indica con N mayúscula)
Ejemplo: Calcule la Desviación Estándar de la siguiente muestra:

X : 7.2, 5.8, 6.6, 5.9, 6.4, 7.1 n = 6 datos ( tamaño de la muestra)
X BARRA = 6.5 ( ver el ejemplo del cálculo de la Media Simple en la pregunta

2.8)
Suma de la Desviaciones cuadráticas:

= (7.2 - 6.5)2 + (5.8 - 6.5)2 + (6.6 - 6.5)2 + (5.9 - 6.5)2 + (6.4 - 6.5)2 + (7.1 -
6.5)2= 1.72
Desviación Estándar s = Raíz ( 1.72 / 5 ) = 0.59
28 ¿Cómo se calcula la Media y Desviación Estándar con muchos datos?
Cuando son muchos datos, los cálculos de la Media y al Desviación Estándar son
muy laboriosos y se debe proceder a preparar una Tabla de Distribución de
Frecuencias. En el Apéndice No. 4 aparecen estos cálculos con los datos agrupados.
NOTA: cuando uno tiene a mano un computador, el Programa EXCELL ejecuta estos
cálculos en forma muy sencilla y rápida.
29 Hay alguna relación entre el RANGO y la DESVIACIÓN ESTÁNDAR?
Sí, existe esta relación. Y esto es muy útil porque, utilizando esta relación, se puede
calcular, en forma aproximada, la Desviación Estándar de una muestra por medio del
RANGO. La ventaja que se tiene, es que el cálculo del Rango es sumamente sencillo,
mientras que el cálculo exacto de la Desviación Estándar es muy engorroso, sobre
cuando la muestra es muy grande.
Rango de la Muestra = R = Valor Mayor menor - valor menor
Hay Tablas que dan los factores d2 que, aplicados al Rango, permiten calcular, en
forma aproximada, la Desviación Estándar según el tamaño n de la Muestra.
Fórmula : s = aprox. ( R / d2)
Tabla No. 1 Factores para determinar s en función de n
15
Ejemplo: Calcule, en forma aproximada, la Desviación Estándar de una muestra,
cuyas mediciones fueron: 26,40 ; 26,80 ; 27.10 ; 26.90
Solución: Rango = 27,10 - 26,40 = 0,70

Factor d2 = 2,059 (de la Tabla, con n = 4)
s aprox. = 0,70 / 2,059 = 0,34
NOTA: El valor exacto de la Desviación Estándar de la muestra e s s = 0.29

Redondeados a un decimal ambos resultados dan: 0,3
16
7. Estadística descriptiva. Aplicaciones de la Media y

la Desviación Estándar
E. APLICACIONES DE LA MEDIA Y DE LA DESVIACIÓN ESTÁNDAR.
30 ¿Qué utilidad tiene la Media y la Desviación Estándar?
Conociendo la Media y la Desviación Estándar de un proceso, o de una distribución

aislada, se puede obtener información valiosa sobre ese proceso o esa distribución.
Se puede conocer:
* El Coeficiente de Variación (CV) del proceso.
* Los valores extremos (Límite Inferior y Límite Superior) de la variable del proceso.
* La Estandarización z de cualquier valor de la variable x del proceso.
* Los Porcentajes de Aceptación y Rechazo del producto, según los Límites de
Tolerancia impuestos por regulaciones estatales o por el mismo cliente.
31 ¿Qué es, cómo se calcula y para qué sirve el CV?
El Coeficiente de Variación, que se indica como CV, es la relación entre la Desviación

Estándar y la Media. Se acostumbra expresarlo en forma de porcentaje.
Fórmula: CV = (Desviación Estándar / Media) x 100 %
Ejemplo: Si en la distribución A se tiene Media = 23.4 cm , Desviación estándar =

6.7 cm
CV de A = ( 6.7 / 23.4) x 100 % = 28.6%
Si en la distribución B se tiene Media = 897.5 cm., Desviación estándar = 145.3

cm
CV de B = ( 145.3 / 897.5) x 100% = 16.2%
Interpretación: El Coeficiente de Variación indica cuál sería el valor de la Desviación

Estándar si suponemos que la Media es igual a 100 unidades.
En el ejemplo tenemos que en la distribución B la Desviación Estándar sería igual a
16.2 cm, en la suposición de que la Media es 100 cm. En cambio, en la distribución
A, con la misma suposición, la Desviación Estándar sería igual a 28.6 cm.
Así qué, se puede concluir que el proceso A es MENOS PRECISO que el proceso B.
UTILIDAD DEL CV: Permite comparar la variabilidad de dos procesos distintos,

aunque las magnitudes de las Medias y la naturaleza del proceso, sean muy
diferentes.
En el ejemplo anterior aparentemente, en términos absolutos, la Distribución B tiene
mayor variabilidad (s = 145.3 cm.) que la Distribución A (s = 6.7 cm.) pues tiene
una mayor Desviación Estándar.
Pero considérese que el proceso B tiene maquinaria más grande; por eso también su
media es más grande. Así que la única manera de poder compararlas, es utilizando
el artificio de suponer que ambas tienen una misma media.
No se habla de valores absolutos sino relativos. Por eso es que el CV no tiene
medidas, sino que se expresa en forma de porcentaje. La Media y la Desviación
17
Estándar tienen las unidades propias de fenómeno correspondiente ( Ej. Peso en Kg.,
Longitud en cm.)
32 ¿Cómo se determinan los valores extremos de una distribución?
Una distribución que tenga un Histograma que se asemeje a una Campana de Gauss,
se
dice que corresponde a un Proceso NORMAL. En tal caso, la Teoría Estadística
señala que:
Valor mínimo teórico = Media - 3 veces la Desviación Estándar = X BARRA - 3 s

Valor máximo teórico = Media + 3 veces la Desviación Estándar = X BARRA + 3 s
Ejemplo: si una distribución tiene Media = 23.4 cm. y Desviación Estándar = 6.7
cm. y su comportamiento es aproximadamente NORMAL, las mediciones se
encontrarán entre:
Límite Inferior = valor mínimo teórico = 23.4 - 3 x 6.7 = 3.3 cm.

Límite Superior = valor máximo teórico = 23.4 + 3 x 6.7 = 43.5 cm.
Interpretación: en este proceso se pueden encontrar, normalmente, valores tan

pequeños como 3.3 cm., y tan grandes como 43.5 cm. Valores fuera de este rango
denotarían que hay alguna irregularidad en el proceso y se deben tomar medidas
correctivas, o también puede ser que los datos correspondan a otro proceso.
33 ¿Qué es y para qué sirve la ESTANDARIZACIÓN z?
Estandarizar significa que cada valor de la variable x de un proceso, puede ser

convertido en un valor z, el cual depende de la Media y de la Desviación Estándar de
la distribución.
Fórmula: Valor z = ( Valor x - Media) / Desviación Estándar = ( x - X BARRA)/ s
Ejemplo 1: Si en la distribución de los pesos de los sacos de concentrado para

animales, se encuentra que la Media es 61.6 Kg. y la Desviación Estándar es 3.1 Kg.
¿Cuál sería el valor z que corresponde a un saco que pesa 66.2 Kg?
Solución: z = ( 66.2 - 61.6) / 3.1 = 1.94
Interpretación: El valor z no tiene medidas, tan solo indica cuántas desviaciones

estándares se separa el valor x observado, de la Media del proceso. En el ejemplo, el
peso del saco de 66.2 Kg es 1.94 Desviaciones Estándares mayor que la Media de
todos los sacos.
Utilidad: Mediante el valor z se pueden comparar los resultados de muchos

procesos, aunque tengan magnitudes diferentes. Podemos comparar si, en una
empresa, las ventas mensuales del producto A son mejores o peores que las
correspondientes al Producto B, en el mismo mes del año.
Ejemplo 2: Ventas mensuales (millones colones) en la Empresa LM. Mes de

Abril, 2005
18
Producto A: Ventas Abril: x (A) = 385 Media histórica= 374, Desv. Estándar =
8.4
Producto B: Ventas Abril: x (B)= 28.43 Media histórica= 27.16 , Desv. Estándar
= 0.86
Producto A: valor z(A) = ( 385 - 374 ) / 8.4 = 1.31

Producto B: valor z(B) = ( 28.43 27.16) / 0.86 = 1.48
Conclusión: en el mes de Abril, 2005, las ventas del Producto B han aumentado
más, respecto a su Media histórica que el aumento obtenido por el Producto A
respecto a su propia Media Histórica de ese mes.
34 ¿Cómo se determina el Porcentaje de Rechazo de piezas defectuosas?
El procedimiento que se sigue es:
- Determinar la Media y la Desviación Estándar de la variable principal, es decir,

aquella con la cual se decide si el producto Se Acepta o Se Rechaza
- Determinar los Límites de Aceptación del producto (generalmente puestos por el
cliente).
- Calcular los valores z correspondientes al Límite Superior: z(LS) y al Límite
Inferior: z(LI), de la zona de Aceptación del producto.
- Utilizando la TABLA DE LA CURVA NORMAL se leen los porcentajes que están a la
izquierda de los valores z de ambos Límites. Restando el porcentaje correspondiente
a z (LS) menos el correspondiente a z (LI), se obtiene el PORCENTAJE DE
ACEPTACIÓN. Lo que le falte al porcentaje de aceptación para llegar el 100%, es el
PORCENTAJE DE RECHAZO que tiene ese producto en ese proceso.
NOTA: La Tabla de la Curva Normal aparece en el Apéndice No. 9
Ejemplo: Un cliente acepta pollos que pesen entre 1450 gr. y 1850 gr. En esta
semana, en la granja, encuentran que en ese día el peso promedio del pollo es 1610
gr. con una Desviación Estándar de 145 gr., Determine el Porcentaje de pollos que
podrán ser enviados a ese cliente.
Solución: Valor z del Límite Superior = ( 1850 - 1610) / 145 = 1.66

Valor z del Límite Inferior = ( 1450 - 1610) / 145 = - 1.10
En la Tabla de la Curva Normal se entra con el valor z (valores en las orillas,

izquierda y superior). El valor dentro del cuadro corresponde al porcentaje de
unidades que tienen valor z inferior a ese valor z que estamos considerando.
Para z (LS) = 1.66 Se lee: en la fila: 1.6 y en la columna: 0.06 . Corresponde.

0.9515 = 95.15%
z (LI) = - 1.10 Se lee: en la fila: -1.1 y en la columna: 0.00 . Corresponde.
0.1357 = 13.57%
Para hallar el PORCENTAJE DE ACEPTACIÓN se restan las dos lecturas obtenidas en la

Tabla:
PORCENTAJE DE ACEPTACIÓN = 95.15 - 13.57 = 81.58%
Es decir, que para este cliente tenemos capacidad de enviarle el 81.58 % de la

producción de ese día. El 18.42% de nuestra producción no satisface las exigencias
19
de ese cliente.
20
8. Estadística inferencial. Relación entre parámetros

muestrales y poblaciones
Tema 3 Estadística Inferencial
A. RELACIÓN ENTRE PARÁMETROS MUESTRALES Y POBLACIONALES
35 ¿ Se puede calcular con certeza la media de una Población?
Para calcular con certeza la Media de una Población debería poder medir TODOS los
elementos de la Población. Resulta muy sencillo aplicar la fórmula para calcular la
Media.
Esto lo podemos hacer únicamente cuando la POBLACIÓN es FINITA. Pero, aunque
la Población fuese Finita, no siempre se pueden medir todos los elementos, ya sea
porque es muy costoso o muy tardado o porque al medir una pieza esta se
destruye.
En consecuencia, el MUESTREO es muy útil para determinar, no con Certeza, pero sí
con buen a aproximación la Media de una Población de datos.
36 ¿En qué consiste la Inferencia Estadística?
La Inferencia consiste en GENERALIZAR los parámetros muestrales (XBarra y s)

para determinar los parámetros poblacionales (Mu y sigma). Es decir, la Inferencia
Estadística es el método científico para estudiar una Población, cuando no se
puede (por economía o tiempo) medir TODOS loe elementos de la población, uno
por uno.
NOTA: para los parámetros poblacionales se utilizan letras giegas, en cambio para
los parámetros muéstrales se utilizan letras latinas.
Para poder hacer INFERENCIA, la Estadística se sirve de la TEORÍA DE LA

PROBABILIDAD - (que es parte de las Matemáticas) - y la aplica a los parámetros
muestrales obtenidos con la ESTADÍSTICA DESCRIPTIVA de los datos de la muestra.
PROCESO DE LA INFERENCIA ESTADÍSTICA
37 ¿Cuándo una muestra es Pequeña y cuándo es Grande?
Para efectos prácticos, se considera lo siguiente:

Muestra pequeña: número de unidades = menos de 30
Muestra Grande : número de unidades = 30 o más
38 ¿ Para qué sirve hacer esta distinción?
21
Cuando la muestra es GRANDE, se aplica el siguiente principio:

" el valor de la desviación estándar de esa muestra es APROXIMADAMENTE igual a la
desviación estándar de la Población" Sigma aprox.= s.
Desviación estándar de la Población se representa con sigma (letra griega)

Desviación estándar de la Muestra se representa con s (letra latina)
Recuérdese que es muy importante conocer y controlar la Desviación Estándar de las

variables principales de un proceso, porque de esa manera controlamos la
PRECISIÓN del producto final.
La falta de precisión es causa de grandes pérdidas económicas y hace imposible
tener CALIDAD productos. No tener Calidad es grave para una empresa.
39 ¿Qué relación hay entre la Media de una muestra y la Media de la

Población?
Hay un principio importante de la Estadística que dice que, si se toman muchas

muestras de tamaño n de una Población, y se calculan las medias de cada una de
estas muestras, se obtiene dos resultados muy interesantes:
1. Las medias muestrales tienen una distribución NORMAL, es decir que su

distribución tiene forma ACAMPANADA, como la Campana de Gauss, aunque la
Población no sea Normal. La media de las medias muestrales está muy cerca de la
Media de la Población.
2. Mientras más grande es el tamaño de la muestra, la media de las medias

muestrales está más cerca de la media poblacional.
NOTA: Este principio es conocido como el TEOREMA DEL LÍMITE CENTRAL y es la

base de toda la Estadística Inferencial
a. ¿Qué tipos de variables hay en un proceso?
Para realizar un estudio de un proceso se deben definir cuales son los aspectos que
debemos considerar. Cada uno de estos aspectos va expresado mediante una
variable, porque si no hubiese variación no se necesitaría ningún estudio. Ejemplos:
la densidad de tinta en un impreso, la resistencia de un cable de acero, el número
de tubos PVC defectuosos, etc.
Los aspectos que se consideran en todo proceso son de dos clases:
MEDIBLES = si para obtener un resultado necesitamos

* un INSTRUMENTO DE MEDIDA Ejemplo: una balanza
* una UNIDAD de MEDIDA. Ejemplo: Kilogramos
* tiene muchos resultados.
* las mediciones generalmente siguen una Distribución NORMAL.
OBSERVABLES =
* solo se requiere determinar, por simple observación, si el aspecto considerado,
está presente o no, en la unidad sometida a estudio.
* solo tiene dos resultados. Tiene- No tiene, Pasa - No pasa,
22
Acepto- Rechazo.
* el resultado se expresa como la fracción o Porcentaje % entre las unidades
examinada que tienen el aspecto que se está estudiando.
Ejemplo: si se examinan 40 tubos PVC y de ellos se observa que 31 cumplen con
todas las especificaciones, se dice que :
P = porcentaje de aceptables en esa muestra= 31/40 = 0.775= 77.5 %
Q = 1 - P = % no aceptable = 1 - 0.775 = 0.225 = 22.5%
* los porcentajes de Aceptables (o no Aceptables) en las muestras siguen una
Distribución BINOMIAL.
23
9. Estadística inferencial. Distribución normal y

distribución binomial
B. DISTRIBUCIÓN NORMAL
40 ¿Qué significa ESTIMACIÓN DE LA MEDIA poblacional?
Estimación significa que, aunque no podemos conocer, con exactitud, la Media de

una Población, sin embargo, podemos calcular, con buena aproximación, este
parámetro, utilizando la teoría estadística.
Esta estimación se hace con base en que, según el Teorema del Límite Central, las
Medias muestrales se distribuyen en forma NORMAL, alrededor de la Media
Poblacional. Es decir, esta estimación se hace utilizando los conocimientos
estadísticos sobre la Curva Normal.
41 ¿Cómo o se hace para ESTIMAR la Media de una Población?
Se siguen los siguientes pasos:
1) Se determina el tamaño apropiado de la muestra. Ejemplo. Tomar n =36

muestras de la producción diaria de unos tornillos. Esta es una muestra GRANDE, n
mayor que 30
2) Se ha determina cuál es el aspecto que vamos a estudiar. Ejemplo: el diámetro,
en cm.
3) Se miden con cuidado, cada uno de los 36 tornillos. Tenemos 36 resultados.
4) Aplicando la Estadística Descriptiva, se calcula la Media y la Desviación Estándar
de estos 36 datos. Ejemplo. Sea X Barra = 7.69 cm.; s = 0. 12 cm. n = 36.
5) Se aplica la siguiente fórmula que nos da un INTERVALO donde con bastante
probabilidad se encuentra la Media Poblacional.
* La probabilidad de que la Media real se encuentre en el intervalo estimado se llama
CONFIANZA. La Confianza más usada es el 95%. Por eso se usa el coeficiente 1.96
FORMULAS DEL INTERVALO DE CONFIANZA 95% para la Media.
Límite Inferior de la Media poblacional = LI Mu = XBarra - 1.96 * (s / Raiz (n) )

Límite Superior de la Media poblacional = LS MU = XBarra + 1.96 * (s / Raiz (n)
)
Aplicación: usando nuestros datos, podemos hacer la estimación del diámetro

promedio
de toda la producción (pasada, presente y futura) de la máquina que estamos
estudiando:
Limite Inferior del diámetro promedio= 7.69 - 1.96 * ( 0.12 / Raíz (36) ) = 7.67
cm.
Limite Superior del diámetro promedio= 7.69 + 1.96 * ( 0.12 / Raíz (36) ) = 7.71
cm
C. DISTRIBUCION BINOMIAL
24
C. DISTRIBUCION BINOMIAL
42 ¿ Cuáles son las características de una Distribución Binomial?
En Estadística se entiende por Fenómeno, cualquier actividad física, cuyos

resultados podemos MEDIR u OBSERVAR.
Se dice que un Fenómeno es BINOMIAL cuando tiene las siguientes características:
- El fenómeno es OBSERVABLE. No requiere instrumento de medición ni unidad de

medida.
- El fenómeno tiene SOLO DOS RESULTADOS, respecto a la característica que
estamos estudiando. SE TIENE o NO SE TIENE. O sea solo hay EXITOS o FRACASOS.
Ejemplo: respectos a "las calificaciones de un examen", solamente nos interesa si

es APROBADO o APLAZADO, no nos interesa el valor de la medición. Supóngase
que en una clase de 42 alumnos hubo 31 Aprobados y 11 Aplazados. Siendo X =
número de éxitos = 31
- La medición de la característica se realiza n veces.

- El porcentaje o PROPORCIÓN MUESTRAL de los que tienen la característica, es
decir EXITOS, se indica por P.
P = X/n En nuestro ejemplo: P = 31/ 42 = 0. 738 = 73.8%
- El porcentaje o PROPORCIÓN MUESTRAL de los que NO tienen la característica, es
decir FRACASOS, se indica por Q.
Q = 1 - Q = 1 - 0.738 = 0.262 = 26.2 %
43 ¿ Cómo se hace para Estimar el PORCENTAJE poblacional?
Tomaremos los mismos datos del ejemplo anterior y queremos estimar, con ellos,
cuál es el Porcentaje histórico de Aprobados que se ha tenido en esa asignatura, en
ese colegio.
* Los datos que tenemos son: n= 42 P = 0.738 Q = 0.262 (para hacer

cálculos no usamos %)
* La Confianza más usual para la Estimación parámetros poblacionales es 95% y
el Coeficiente Normal que utiliza es 1.96.
* El porcentaje o PROPORCIÓN POLACIONAL de los que tienen la característica, es
decir EXITOS, se indica por p (minúscula). Este es el parámetro que debemos
estimar.
FORMULAS DEL INTERVALO DE CONFIANZA 95% para la Proporción Poblacional
Límite Inferior de la Proporción poblacional = LI p = P - 1.96 * ( Raíz ( P* Q /

n) )
Límite Superior de la Proporción poblacional = LS p = P + 1.96 * ( Raíz ( P* Q
/ n) )
Aplicación: usando nuestros datos, podemos hacer la estimación del Porcentaje

histórico de alumnos Aprobados en esta asignatura y en este Colegio que estamos
estudiando:
Límite Inferior del % Aprobados=
25
LI p = 0.738 - 1.96 * (Raíz (0.738*0.262/42 ) = 0.871 = 87.1%
Límite Superior del % Aprobados =

LS p = 0.738 + 1.96 * (Raíz (0.738*0.262/42 ) = 0.605 = 60.5%
Interpretación: El Porcentaje Histórico de Aprobados en esta asignatura, en

este Colegio está entre: 87.1% y 60.5%.
- Si el año próximo el % de Aprobados en esa asignatura, es superior a 87.1%
habría que felicitar al Profesor, pues ha superado el promedio histórico (aunque
puede deberse a circunstancias especiales de este grupo).
- Lo mismo, si el resultado fuera inferior a 60.5% habría que revisar los métodos
de enseñanza del profesor, pues está por debajo del promedio histórico. (aunque
puede deberse a circunstancias especiales de este grupo).
- Mientras, el % de aprobados en esa asignatura, esté entre los Límites Estimados,
el proceso está dentro de lo esperado. El reto está, entonces, en elevar el %
histórico de Aprobación.
26
10. Aplicación de la Estadística al Control de la

calidad. Técnicas generales del muestreo (1/2)
Tema 4. Aplicación de la Estadística al Control de Calidad
A. TÉCNICAS GENERALES DE MUESTREO
44 ¿En qué consiste el Muestreo?
Todos usamos frecuentemente el Muestreo, en nuestras labores cotidianas, aunque

no sepamos exactamente qué es Muestreo, ni que lo que estamos haciendo es
Muestreo. Por ejemplo, si vamos a comprar queso, pedimos una "muestra" para
probarla, si nos gusta, posiblemente compremos el producto. También, cuando el
médico desea dar un diagnóstico sobre nuestra salud, nos manda a hacer un
examen de sangre, y en el laboratorio nos extraen una "muestra" de sangre y con
ella sabemos el estado de nuestra salud.
Pareciera, por tanto, que el Muestreo consiste en tomar una muestra de algo, y con
los resultados obtenidos de esa muestra pretendemos "conocer" el comportamiento
de todos los elementos de interés, aunque no los hayamos revisado uno por uno.
Sin embargo, frecuentemente hay casos en que si esa muestra no fue obtenida de
una manera técnica, los resultados pueden ser falseados, y llevarnos a tomar
decisiones incorrectas. Por ejemplo, si Usted va a una plaza pública de un candidato
político, y le pregunta a varios de los presentes, por quién van a votar en las
elecciones, posiblemente llegará a la conclusión que ese candidato es el próximo
presidente de la República, lo cual puede ser totalmente falso... En consecuencia
podemos describir en qué consiste el Muestreo diciendo:
El Muestreo consiste en escoger, de manera técnica, una parte, que llamamos

MUESTRA, de un todo, llamado POBLACIÓN, la cual es difícil o imposible estudiar en
su totalidad. Se pueden tomar decisiones confiables si se usan los resultados que se
obtengan mediante una muestra, siempre y cuando haya sido escogida
técnicamente.
El Muestreo es una de las varias herramientas que la Estadística ofrece para llenar
los vacíos de información, de manera rápida, económica, y suficientemente
confiable. Hay dos adjetivos que se pueden aplicar apropiadamente al Muestreo:
El Muestreo útil: sirve cuando deseamos obtener información confiable, de manera

rápida y económica. Ejemplo: si se desea conocer, de manera confiable pero
urgentemente, el peso promedio de las 10.000 bolsas de concentrado, almacenadas
en una bodega.
El Muestreo necesario: si el Muestreo es la única forma en que podemos estudiar la

Población. Ejemplo: si queremos conocer si una medicina cura una enfermedad, sin
el Muestreo, deberíamos probar toda la producción y no quedaría nada para la venta.
a. ¿Cuáles son los términos más usados en el Muestreo?
Si se quiere entender una ciencia, lo primero que se debe hacer es conocer los
términos propios que usa esa ciencia. Se les conoce como términos técnicos. A
continuación se presentan varios términos técnicos usados en el Muestreo:
27
continuación se presentan varios términos técnicos usados en el Muestreo:
* Población: es el conjunto de elementos que tienen una característica común, la

cual es objeto de estudio. Es decir que, para poder definir una población, debemos
conocer exactamente lo que queremos investigar.
* Muestra: es una parte representativa de una población.
* Población finita: se conoce el número total de elementos que la componen.

Ejemplo: los acreedores de un establecimiento comercial, en los dos últimos años.
* Población infinita: no se puede determinar exactamente el número que la

componen. Ej: Las piezas producidas por una máquina. Es difícil determinar cuántas
ha producido hasta la fecha y cuántas va a producir en el futuro.
* Muestra aleatoria: es la que se escoge en modo tal que todos los elementos
iguales de la población tienen la misma probabilidad de ser escogidos.
* Representatividad de una muestra: para que una muestra sea representativa,

deber ser fundamentalmente aleatoria. Una muestra escogida aleatoriamente viene
a ser como una población miniatura. Las características fundamentales de la
población estarán reflejadas, en forma reducida, en la muestra.
* Muestreo: es la escogencia técnica de una muestra, de modo que se asegure su

aleatoriedad y, consecuentemente, su representatividad.
* Fenómeno: es cualquier actividad física que deseamos estudiar, mediante la

investigación de sus resultados. Ejemplos de fenómenos: el peso de los sacos de
concentrados ASCAN, la cantidad de grasa del alimento para perros, las ventas
mensuales de pollo. Los procesos son fenómenos importantes que son estudiados
por los ingenieros industriales.
Los fenómenos, según la naturaleza de los resultados, pueden ser:

DETERMINÍSTICOS = se conoce cuál va a ser el resultado final.
PROBABILÍTICO = no se conoce cuál, de los varios resultados posibles, va a
ser el resultado final. Los resultados posibles se llaman eventos.
Los fenómenos, según el enfoque del estudio, pueden ser.

MEDIBLES = si se estudia una característica cuantificable sujeta a medición.
OBSERVABLES = si se estudia una variable no cuantificable, llamada atributo.
45 ¿Cuáles son los pasos para el Diseño de un Muestreo?
Para hacer el Diseño de un Muestreo se deben seguir los siguientes pasos:
- Identificar el problema: se debe tener claro qué es lo que queremos investigar y

porqué es importante hacer este estudio. Seleccionar las características o variables
del fenómeno, que nos interese controlar. A esto se le llama aspectos de interés del
estudio
- Definir la Población: deben quedar incluidos TODOS los elementos que forman
parte del Problema. La Población puede ser Finita o Infinita, según se conozca el
número de elementos que la componen o no se puede conocer, porque incluye los
elementos, pasados, presentes y futuros. Según el tipo de Población se determina el
28
Tipo de Muestreo conveniente.
- Definir la UNIDAD MUESTRAL: es el elemento que puede dar directamente y con
exactitud la información solicitada. Ejemplo: el ama de casa es la Unidad Muestral
lógica para un muestreo que indague hábitos de consumo en las familias.
- Definir el ESPACIO del Muestreo (Quién, Cuándo y Dónde): para ubicar los
elementos que deben ser entrevistados o medidos. Estos elementos deben ser
escogidos en forma aleatoria, para asegurar que la muestra sea representativa.
- Especificar cómo obtener la información: * Medición u Observación, *
Entrevista, * Correo, * Registros en instituciones públicas, etc.
- Calcular el Tamaño de la Muestra: según la Confianza y la Precisión deseadas.
- Depuración de los resultados: eliminar los datos claramente inadmisibles.
- Cálculos estadísticos: según la teoría propia para cada tipo de parámetro.
En el Apéndice No. 10 se presenta el Diagrama de Flujo con los pasos que se

deben seguir para realizar el estudio estadístico de un Proceso Productivo, pero que
también es válido para cualquier otro tipo de proceso.
29

calidad. Técnicas generales del muestreo (2/2)
46 ¿Cuáles son las Ventajas del Muestreo?
Las principales ventajas de Muestreo son:

* Rapidez para realizar un estudio urgente.
* Facilidad de llegar a los pocos elementos que componen la muestra.
* Economía de recursos (dinero y personal) para obtener la información muestral.
* Profundización del estudio, porqué son pocos los elementos que deben estudiar.
* Único medio para estudio, cuando las pruebas son destructivas.
47 ¿Cuáles son las Desventajas del Muestreo?
Las principales desventajas son:

* Requiere conocer las técnicas del muestreo.
* El error se puede minimizar, pero no se puede evitar.
* Imposible de usar, si se requiere certeza de los resultados.
* Tamaño de muestra muy grande, si se desea mucha precisión.
48 ¿Qué se entiende por Error en el Muestreo?
* Error: es la diferencia entre el resultado obtenido mediante la muestra y el

resultado que se hubiera obtenido al investigar a todos los elementos de la
población.
* El Error del Muestreo se define de la siguiente manera
* Error de muestreo = resultado del muestreo - resultado verdadero
NOTA: El error del muestreo no se puede evitar, pero se puede hacer

suficientemente pequeño, de modo que sea aceptable. Hay que saber convivir con el
error. Si no se admite la posibilidad del error, no podríamos tomar muchas
decisiones importantes.
49 ¿Cuáles son los Tipos de errores que se encuentran en el Muestreo?
Hay dos tipos de errores en el muestreo:
- Sesgo: es un resultado erróneo del muestro, causado por un mal diseño del
muestreo. Este tipo sí se puede evitar, y se debe evitar, aplicando correctamente las
técnicas de muestreo.
Ejemplo: en una muestra para estudiar los hábitos de aseo de los niños de escuela,
es escogieron solamente a los niños más desaliñados. El resultado, por supuesto,
tuvo SESGO.
- El Error del muestreo se da porque es imposible que todos los resultados del
muestreo coincidan con el verdadero valor del parámetro investigado. Los
resultados del muestreo son PROBABILÍSTICOS, por eso es natural exista siempre el
Error de Muestreo.
Este error, aunque no se puede evitar, podemos manejarlo dentro de los límites
aceptables.
30
Ejemplo: con una muestra obtuvimos que el porcentaje de piezas defectuosas en

una fábrica era el 13.6 % Pero según los registros del Departamento de Producción,
las piezas defectuosas constituían solo el 11.8 %. La diferencia de 1.8 % es el Error
en esta muestra. Los errores muestrales se distribuyen según una Curva Normal:
unas veces serán positivos y otras, negativos.
50 ¿Cómo se determina un Error Aceptable en la Estimación?
El investigador que hace el estudio o un experto que conoce los costos del proceso,
son los que pueden decidir el tamaño máximo permisible del error en la
estimación de un parámetro. Solamente el que conoce bien la característica que esta
sometiendo a estudio, es el que puede decir la MAGNITUD ACEPTABLE DEL ERROR.
Ejemplo: Si investigamos el comportamiento del Peso de las bolsas de cemento en
una Fábrica y para ello debemos realizar un muestreo. ¿Cuántos sacos debo pesar
para estimar el peso promedio?
Para responder a esta pregunta, antes debo saber qué error estoy dispuesto a
permitir. Si uno que conoce el negocio de la venta de sacos de cemento, nos dice
que un error de 50 g por saco, lo puede soportar la empresa, entonces puedo
partir de allí para determinar el tamaño de la muestra.
El error de la estimación se puede hacer tan pequeño como uno quiera, basta
aumentar el tamaño de la muestra. Si este tamaño crece hasta hacerse igual al
tamaño de la Población, el error muestral será nulo.
31

calidad. Tamaño de la muestra
B. EL TAMAÑO DE LA MUESTRA
51 ¿Cómo se calcula el Tamaño n de la muestra?
Para calcular el tamaño de una muestra se deben determinar los siguientes datos:
- Confianza de la Estimación de la Media. La confianza más usada es 95%.

El valor z correspondientes al 95% de confianza es z = 1.96
- Error aceptable en la estimación E. Lo determina un conocedor del proceso.
o El error de la estimación, si el fenómeno es medible se da en las unidades del
fenómeno. Ejemplo: en el caso de pesos de sacos de harina: E = 0,05 Kg.
se está dispuesto a aceptar que el Error que se comete al hacer la estimación de la
media, no sea superior a 150 g. por saco, pondremos:
o El error de la estimación, si el fenómeno es observable, se da en porcentaje %.
- Mediante una muestra piloto de tamaño mayor que 30, se obtiene la desviación
estándar, sea s= 0. 35 Kg.
- Se aplican las fórmulas siguientes:
- Población Infinita , fenómeno medible:
- tamaño de muestra = n( i ) = ( 1.96 * s / E )2
Ejemplo: En el caso de los sacos de harina, el tamaño es infinito. E = 0.050 Kg y s

= 0.35 Kg
n (i ) = ( 1,96 * 0.35 / 0.050 )2 = 189

La muestra constará de 189 sacos tomados en forma completamente aleatoria.
- Población Infinita , fenómeno observable ( Proporción P que tiene el atributo y Q

que no lo tiene en una muestra piloto de por lo menos 50 elementos)
- Tamaño de muestra = n ( i ) = ( 1.96 / E )2 * P * Q (expresar P , Q y E en

forma decimal)
Ejemplo: Si en la muestra de 50 pollos vacunados encuentro que en 46 surtió

efecto la vacuna y en 4 no surtió efecto. P = 46 / 50 = 0.92 y Q = 0.08.
Permitiendo un Error de Estimación de 2%, es decir E = 0.02
n ( i ) = ( 1.96 / 0.02)2 * 0.92 * 0.08 = 707

Se vacunarán 708 pollos para estimar la efectividad de esa vacuna., con
error máximo del 2%
NOTA: si la población es Finita de Tamaño N, el tamaño n, se obtiene afectando el

tamaño n(i) - obtenido como si la población fuera Infinita - por un Factor de
Reducción FR.
Factor de Reducción FR = n ( i ) / N
32
Factor de Reducción FR = n ( i ) / N
Tamaño de muestra Población finita: n = n( i ) / ( 1 + FR)
El lote de vacunas que estoy recibiendo y del cual quiero estimar su efectividad son
N = 2500 Ya hemos determinado el tamaño, como si la población fuera infinita
n ( i ) = 707.
FR = 708 / 2500 = 0.28
n = n(i) / ( 1 + FR) = 707 / ( 1 +0.28 ) = 553
Si el número de vacunas viene en lotes de 2500, se examinan los primeros

553 pollos, y se puede saber, con una confianza del 95% si la efectividad de la
vacuna está conforme con lo especificado por el proveedor. En caso contrario, se
presenta el reclamo técnicamente justificado.
33
13. Sesgeo del muestreo y representatividad de la

muestra
C. SESGO DEL MUESTREO Y REPRESENTATIVIDAD DE LA MUESTRA
52 ¿Cómo se hace para evitar el SESGO en un Muestreo?
Para asegurar que el muestreo tenga resultados confiables, es indispensable que

la Muestra sea REPRESENTATIVA. Es deseable que la Muestras sea una Población en
miniatura
Para asegurar que la Muestra es Representativa, es necesario que sea tomada en
forma ALEATORIA, es decir, "al azar". Todos respetan los resultados de una
encuesta cuando saben que ha sido escogida totalmente al azar.
Los Estadísticos aseguran que la muestra será ALEATORIA "si el diseño de la
escogencia de la muestra hace posible que TODOS los elementos de la Población
tengan la MISMA PROBABILIDAD de ser escogidos para ser parte de la muestra." Si
hay elementos que tienen poca o ninguna probabilidad de ser escogidos, entonces
la Muestra no es Aleatoria, y consecuentemente no es Representativa de la
Población. Esto significa que con esa muestra no se pueden obtener resultados
útiles para la Inferencia Estadística.
Nunca serán aceptadas las conclusiones que se obtengan con una muestra No
Representativa.
Ejemplo: 1) Si una encuesta sobre un nuevo detergente se hace solo por medio
del teléfono, dará resultados falsos porque la muestra no es aleatoria. Los
compradores que no tienen teléfono no tuvieron posibilidad de ser escogidos para
opinar sobre el detergente.
2) Las contestaciones a un formulario que sale en un periódico nacional, no forman
una muestra Representativa por que no es aleatoria. Hay mucha posibilidad de
Sesgo. Los fanáticos son los que más contestan los cuestionarios que salen en los
periódicos. Hay mucha gente a la que no le interesan esos cuestionarios. Su opinión
no cuenta., para los resultados de este muestreo.
53 ¿Cuáles son los principales Tipos de Muestreo?
Los tres tipos de Muestreo más usados son los siguientes:
* MUESTREO ALEATORIO SIMPLE:
- Sirve cuando la Población es FINITA y se tiene una lista de los N elementos que
la componen...
- Se numeran todos los elementos de la Población. Ej. Si son menos de 10,000
elementos, se numeran desde 0000 hasta 9999.
- Mediante una Tabla de Números Aleatorios (n.a.), o usando una calculadora con
la tecla RAND, se obtienen n números . El tamaño de la muestra es n.
- Leyendo en la lista numerada de los elementos de la Población, se sabe cuáles
son los n elementos que conforman la muestra. De esta forma se asegura que la
muestra es aleatoria.
* MUESTREO SISTEMÁTICO:
34
- Si la Población es finita
Tamaño de la Población = N ; tamaño de la muestra = s n, se determina el
Factor de Recurrencia = k = N / n .
Ejemplo: Para una auditoría debo tomar, aleatoriamente, 50 facturas de entre el
legajo de las 1.000 facturas de un mes.
* Se calcula el Factor de Recurrencia.
k = 1.000 / 50 = 20 Debo tomar una factura de cada 20.
* Para iniciar, se numeran las 1000 facturas en orden sucesivo: desde 000
hasta 999.
* se escoge un , en forma aleatoria o semi aleatoria (arbitraria), la 1ª. Factura
que formará la muestra.
Ejemplo. Sea la factura No. 035 . (físicamente ocupa el lugar 34º, pues la
primera factura
tiene el n.a = 000).
* La siguiente factura seleccionada debe ser la ( 35 + k) = 35 + 20 = No. 055
* Así se sigue: 55 + 20 = No. 075; 75 + 20 = No. 095 etc.
* Al llegar a la última factura del legajo, se vuelve a comenzar contando con la 1ª.
Factura
La última factura escogida sería la que tiene el No. 015.
- Si la Población es Infinita
Se escoge arbitrariamente un factor de recurrencia. Ejemplo: sea k= 7

En la población se escoge uno de cada siete elementos, escogiendo el inicio en
forma arbitraria o semialeatoria.
Ejemplo: En una esquina de San José, puedo entrevistar una de cada 7 personas que
pasan por la acera. En los procesos productivos el muestreo es sistemático y
automatizado. Mediante métodos mecánicos y con programas de computadora,
escogen aleatoriamente, cada cierto número de piezas, las que son separadas para
una revisión.
MUESTREO ESTRATIFICADO
- Se determinan los estratos (sectores o grupos) de la Población.

Ejemplo: Varones, Mujeres; Urbana, Rural; Solteros, Casados, Unión libre.
- Se calcula el % que hay en cada estrato.
- Se aplican estos % al tamaño n de la muestra, y se obtiene cuántos elementos
serán escogidos de cada estrato.
- Estos elementos de cada estrato DEBEN SER ESCOGIDOS , en forma aleatoria, ya
sea con el muestreo Aleatorio Simple o con el muestreo Estratificado
Ejemplo: Una ONG debe escoger una muestra aleatoria de 120 Guarderías
Infantiles para hacer un estudio sobre la higiene con que se manejan
Los tipos de Guarderías Infantiles son: Públicas, Semipúblicas, Privadas. Las zonas
que van a ser estudiadas son: Central, Norte y Sur.
Procedimiento:
- En los Registros que tiene el IMAS aparecen las siguientes Guardería Infantiles,
en cada una de las tres zonas: (los datos son ficticios )
TABLA No. 4.11.1
35
- Distribución de las Guarderías Infantiles por zonas geográficas

Datos expresados en ( porcentajes % )
- Multiplicando por 120 los porcentajes de la Tabla se obtendrá el tamaño de la

muestra para cada estrato, según tipo y ubicación de las guarderías
TABLA No. 4.11.2
Distribución de las muestras que se deben tomar según tipo y

ubicación
Número de Guarderías en cada estrato.
La recolección de la información en cada estrato se hará en forma aleatoria, según

los principios antes expuestos. Se debe especificar muy detalladamente la forma en
que se van a tomar las guarderías de cada tipo en cada zona. En esto se debe exigir
exacto cumplimiento.
36
14. Control estadístico de los procesos (CEP)
D. CONTROL ESTADÍSTICO DE LOS PROCESOS (CEP)
54 ¿Cómo se controla un proceso?
Se dice que un Proceso está controlado cuando se puede afirmar que los
resultados del proceso, es decir, el producto tiene las características esperadas y las
cumple, en la forma esperada. Cuando obtenemos, en forma inesperada o con
resultados sorpresivamente fuera de las especificaciones, se dice que el Proceso
está fuera de Control. Es lo peor que puede pasar en un proceso productivo, por
cuanto todo lo que ha sido esmeradamente planeado, no se sabe si se podrá llevar a
cabo.
55 ¿Qué significa CONTROL ESTADÍSTICO DE LOS PROCESOS (CEP)?
Es irracional y antieconómico llevar a cabo un control permanente y

exhaustivo de todos los pasos de un proceso y de todos los elementos producidos.
La solución está en apoyarse en la Estadística y mediante el MUESTREO mantener los
resultados de cada paso crítico del proceso, bajo control. El Control de Calidad
resulta económico si se aplica un CEP.
56 ¿Cuáles son las características del CEP?
Un Supervisor de Procesos, guiado por el CEP, podrá hacer tres cosas importantes:
- Sabrá cuándo todo el proceso está trabajando normalmente, y no tiene que

efectuar cambios.
- Sabrá cuándo, donde y por qué el proceso no está trabajando normalmente.
- Procederá a ejecutar técnicamente los cambios y ajustes necesarios, en la
medida exacta que el CEP indica. De aquí es de donde sale la economía, eficacia y
eficiencia del CEP.
57 ¿Cuáles son las técnicas usadas en el CEP?
Las técnicas usadas por el CEP son muchas y cada vez se encuentran nuevas
formas estadísticas para tener mejor control del proceso. Podemos citar algunas
técnicas:
* Gráficos de Control, varios tipos,
* Muestreos de Aceptación, varios tipos.
* Uso de las tablas Militares
* Criterios de 6 Sigmas. etc.
Los Gráficos de Control es la técnica más usada, por su simplicidad.
58 ¿En qué consisten los Gráficos de Control de Calidad?
Los Gráficos de Control son la representación periódica (horaria, diaria, semanal o

mensual) y permanente, del comportamiento de los parámetros muestrales de un
Proceso, para determinar, por una estimación estadística, si el Proceso está bajo
control. Con estos gráficos se puede tomar la decisión de detener el proceso, por
37
estar fuera de control. Esto sucede cuando los resultados de repetidas muestras
están cayendo fuera de los Límites de Aceptación.
Las muestras usadas en los Gráficos de Control son relativamente pequeñas, porque
el tamaño de la muestra total de un día se divide entre el número de veces que se
repetirá el muestreo durante el día. Ejemplo: Supóngase que se ha calculado que
se requiere una muestra de tamaño 80 cada día. Para los gráficos de control, se
tomarán muestras de tamaño 10 cada hora, todos los días laborales.
59 ¿Cuales son los Gráficos de Control más usados en el Control de

Procesos?
- Para el caso de Mediciones (fenómenos medibles) se usan juntos, el gráfico X

BARRA y el gráfico R que estudia el comportamiento del Rango (*) de las
mediciones muestrales. Estos dos gráficos, puestos uno arriba del otro, muestran
con claridad en qué momento y por qué, el proceso está fallando. Con estos dos
gráficos se determina si las fallas son por falta de EXACTITUD o por falta de
PRECISIÓN.
(*) Recuérdese que el Rango, mide la Precisión del Proceso, y es más fácil de calcular
que la Desviación Estándar
- Para el caso de Proporciones (fenómenos observables) se usa el gráfico p. Este

gráfico muestra el comportamiento periódico del % muestral de producto aceptable,
y alerta al supervisor para cuando el proceso no está obteniendo el % requerido, y
esto sucede en forma muy seguida, como en una racha de malos resultados.
La forma en que se presentan los Gráficos de Control es la siguiente:
Esquema de presentación de los Gráficos de Control.
60 ¿Qué datos se requieren para preparar un Gráfico de Control?
Es preferible explicar, mediante un ejemplo completo, el procedimiento de la

preparación de un Gráfico de Control.
En el Apéndice 6 se explica cómo se debe presentar un Gráfico XBARRA, R.
En el Apéndice 7 se explica cómo se debe presentar un Gráfico p.
61 ¿Cómo se sabe, mediante estos Gráficos, cuándo el Proceso está fuera de

Control?
38
En el Gráfico, cada Media muestral (XBARRA) o cada Rango muestral (R) o cada
Proporción muestral (P), se representa con un punto.
Estos puntos se unen con una línea, para que se vea la tendencia del proceso, a lo
largo del tiempo
Se dibujan dos líneas, una arriba y otra debajo de la Media de las Medias
(XDOBLEBARRA) las cuales corresponden a los Límites de Control, Superiores e
Inferiores de Control (LCS, LCI)
Las muestras fuera de control son las que caen arriba del LCS o debajo del LCI.
Damos dos ejemplos, entre otros, de criterios que utiliza el Supervisores para saber
si el Proceso está fuera de control y proceder a tomar las medidas correctivas.
Cuando se da una Racha en la que al menos siete muestras consecutivas están:

a) todas arriba del LCS o abajo del LCI: esto significa que el Proceso está
Fuera de Control y se debe hacer una revisión de los procedimientos del proceso.
b) todas ascendentes o todas descendentes: esto significa que hay que
rehacer el Gráfico de Control porque posiblemente los Parámetros del Proceso han
variado, y amerita hacer un nuevo estudio muestral.
39
15. Estadística Básica para Supervisores. Conclusión
CONCLUSIÓN
Hemos presentado la ESTADÏSTICA como una serie de herramientas valiosas para

que los Supervisores puedan utilizarlas para tomar decisiones inteligentes para el
Control de los Procesos.
Deseamos resumir los conceptos principales, que nunca deben olvidar, relacionados
con la Estadística y el modo de usarla.
- La Estadística es una sola. No existe una estadística especial para
administradores, químicos, psicólogos, veterinarios, ingenieros industriales. Lo que
se hace especial, es la forma de aplicar la Estadística. Lo que cambia son las
aplicaciones de la teoría estadística a las distintas áreas del saber.
- La Estadística es una herramienta valiosa para llenar los vacíos de información.
Si se toman decisiones basadas en estudios estadísticos, sus decisiones serán
justificadas, aunque al final, no se dieron los resultados esperados. El que juega
con probabilidades, tiene derecho a equivocarse y sabe perder sin perder el
prestigio. A la larga, su balance será el de un vencedor.
- La Estadística es muy amplia. Pero no hay que preocuparse por lo mucho que
hace falta por aprender. Preocupémonos por recordar y utilizar lo poco que vamos
aprendiendo, poco a poco. De grano en grano se llena el granero. La mejor manera
de no olvidar algo, es utilizándolo, aplicándolo en todas las circunstancias que
pueda.
Rafael Kauffmann V.
Junio, 2005.
40
16. Apéndice para las casillas de la tabla
Apéndice
EXPLICACIÓN PARA LLENAR LAS CASILLAS

DE CADA COLUMNA DE LA TABLA DE DISTRIBUCIÓN DE FRECUENCIAS
1. El Límite de Clase Inferior (LCI) de la primera clase es igual al valor menor

observado, o alguno, por redondeo, levemente menor.
El LCI de la siguiente clase se obtiene sumando el valor c de la amplitud al LCI de la
clase anterior.
El LCS de cada clase se obtiene disminuyendo en una unidad significativa el LCI de
la clase siguiente.
Ejemplo: LCI de la 1ª. Clase = 55.75 ( si de desea redondear, debe ser siempre
hacia abajo )
LCI de la 2ª. Clase = 55.75 + 1.50 = 57.25
LCS de la 1ª.Clase = 57.25 -0.01 = 57.24 ( las medidas se han hecho con
aproximación 0.01 Kg)
2. Los Límites Reales son límites contínuos, es decir, el el Límite Real Superior
(LRS) de una clase es igual al Límite de Clase Inferior (LCI) de la siguiente clase.
Ejemplo: LRS de la 1ª.Clase = 57.25 porque ese el el valor del LCI de la 2ª. Clase.
Debe notar que los LRS están espaciados en 1.50 unidades, que es igual a la
amplitud de clases.
3. El Punto Medio (X) de cada clase es el VALOR REPRESENTATIVO de la clase. Es

como si todos los valores de la clase tuviesen el valor X. Para calcular X se
promedian los dos Límites Reales de la Clase
Ejemplo: Valor X de 1ª.Clase = (55.75 + 57.25) / 2 = 56.50
4. Las Frecuencias Absolutas, sin acumular ( f ) indican cuántas observaciones

caen en cada clase. Se leen todos los datos, uno por uno, y se van colocando en la
clase que le corresponde, como si fuera una "votación". Se utilizan, para esto, los
Límites de Clases para así evitar ambigüedades.
Ejemplo: 11 sacos "votaron" por ubicarse en la 1ª. Clase. Estos sacos pesan entre
55,55 y 57.24 Kg. (inclusive)
5. Las Frecuencias Absolutas Acumuladas (F ), MENOR QUE, indican, en cada

clase, cuántas observaciones tienen mediciones INFERIORES al correspondiente
Límite de Clase Superior. Para escribir las F, se procede a sumar las frecuencias f
de la clase y de las clases anteriores. Una manera fácil, es sumarlas en en
escalerilla, es decir la F de la clase anterior más la f de la clase donde se está
acumulando. En la 1ª. Clase F = f , son iguales, porque allí comienza la
Acumulación.
Ejemplo: La F de 2ª. Clase = 11 (F de la 1ª. Clase) + 28 (f de la 2ª. Clase) = 39
6. Las Frecuencias Relativas sin acumular (fr) se calculan dividiendo la f de cada

clase entre en total datos observados, que se representa por n. Si de la división se
multiplica por 100, se expresa con el símbolo % que indica porcentaje.
Ejemplo: la fr de la 1ª. Clase es : (11/ 150) * 100 = 7.33 %
41
7. Las Frecuencias Relativa Acumulada (Fr) se calculan dividiendo la F de cada
clase entre el total de datos (n). Si el resultado de la división se multiplica por 100
se expresa en %.
Ejemplo: La Fr de la 2ª. Clase es = (39 / 150) * 100 = 26.00 %
Nota : las Fr también se pueden obtener, acumulando en escalerilla las fr. En forma
similar a como se obtuvieron las F, sumando en escalerilla las f.
42
Estas tablas contienen fórmulas matemáticas y han sido extraída de un programa de

Hojas de Cálculo.
43

A Basica Supervisores Aplicada Control Procesos 24609 Completo

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

A Basica Supervisores Aplicada Control Procesos 24609 Completo

Uploaded by

Copyright:

Available Formats

mailxmail - Cursos para compartir lo que sabes

Estadística básica para

Presentación del curso

Estadística descriptiva, estadística inferencial... Todo esto y más se estudia en

1. La estadística. Importancia de la toma de

1. Herramienta para la toma de decisiones

2 ¿Qué se requiere para entender un Curso Básico de Estadística?

* Conocimientos de Aritmética básica: sumar, restar, multiplicar y dividir.

3 ¿Es importante la Estadística?

Es tan importante que casi no existe actividad humana en que no esté

* Los Censos de Población * Estudios de la Canasta Básica

4 ¿Qué cosas me enseñará este Curso de Estadística?

* Aprenderé a ser cuidadoso en hacer una medición de cualquier proceso.

* Sabré organizar los datos resultantes de las mediciones

* Aprenderé a hacer gráficos que enseñen el comportamiento de un proceso.

* Comprenderé que hay procesos o actividades, cuyo resultado final no se puede

5 ¿Cuáles son las palabras básicas que se utilizan en Estadística?

Las palabras más frecuentes e importantes son:

MUESTRA: es una parte, escogida aleatoriamente, de una población. Ejemplo: tomar

VARIABLE: es la medición de una actividad en que los resultados no son todos

CONSTANTE: es la medición de una actividad en que los resultados son todos

PROBABILÍSTICO: es un proceso cuyos resultados no se pueden predecir con

MUESTREO: es la escogencia técnica de una muestra tomada de una población

FENÓMENO O PROCESO: es cualquier actividad física que nos interese estudiar.

MEDICIÓN: consiste en realizar lo siguiente:

6 ¿Qué hace la ESTADÍSTICA BÁSICA O DESCRIPTIVA?

- Toma mediciones exactas.

7 ¿Qué hace la ESTADÍSTICA INFERENCIAL?

- Toma muestras representativas de la población en estudio.

Diagrama del Proceso de Generalización de los resultados muestrales.

2. Importancia de las mediciones en la estadística

IMPORTANCIA DE LAS MEDICIONES

Así como la Calidad de un producto depende fundamentalmente de la Calidad de la

8 ¿Qué actitud mental se debe tener cuando se hacen mediciones?

CONCENTRACIÓN: evitar distracciones, no estar hablando ni oyendo música.

9 ¿Cuáles precauciones se deben tomar cuando se hacen mediciones?

REVISIÓN DEL EQUIPO O INSTRUMENTO: debe estar en buenas condiciones, en caso

10 ¿Cuáles son las dos características más importantes de las mediciones?

Las dos características más importantes son: EXACTITUD Y PRECISIÓN.

PRECISIÓN: Si al tomar varias mediciones, los valores obtenidos se separan muy

El ERROR ABSOLUTO o LA DESVIACIÓN ESTÁNDAR de las mediciones, sirven para

Se puede también decir que un proceso es EXACTO y PRECISO si los resultados

Ejemplo: Se toman 20 bolsas de cada una de las 4 máquinas empacadoras.

Ejemplo: Resultados de la medición del peso de 20 bolsas de 5 Kg. de cada

Parámetros (medidos en Kg.) Máquina 1 Máquina 2 Máquina 3 Máquina 4

11 ¿Cuáles son las causas de las medidas NO EXACTAS?

Hay dos tipos de causas de la inexactitud en las mediciones:

12 ¿Qué efectos tiene una medida NO EXACTA?

Conocimiento erróneo de la actividad en estudio.

13 ¿Cómo se determina la PRECISIÓN?

En forma muy general, se puede decir que si al tomar varias mediciones de un

14 ¿Cómo se controla la EXACTITUD y la PRECISIÓN?

En forma general, se puede decir que en una medición o en un proceso:

3. Estadística. Organización de la información

15 ¿Por qué hay que ORGANIZAR la Información?

16 ¿Cómo se organiza la información?

Hay tres maneras de ORGANIZAR la información:

TABULACIÓN: presentar los datos del proceso en una tabla o cuadro.

17 ¿Cuáles son los GRÁFICOS ESTADÍSTICOS más utilizados?

En los Apéndices se explica la Tabulación de Datos (Tablas de Frecuencia) y la

4. Estadística descriptiva. Parámetros estadísticos

Tema 2. Estadística Descriptiva

18 ¿Qué significa "parámetros estadísticos"?