Professional Documents
Culture Documents
Ejemplo
Consideremos los datos de un estudio donde se les mide la talla en
centmetros a 20 jugadores del equipo Nacional de Handbol de EE. UU.
seleccionados al azar.
La ley que asocia a cada hombre con su talla es una variable aleatoria
(continua).
A esta funcin que
asocia a cada deportista
184.2
con su talla la
191.8
llamaremos variable
aleatoria y la
188.0
denotaremos por X.
196.2
178.4
.... etc
X: Talla
Ejemplo
X: Talla
184.2
184.2
190.5
176.5
191.8
195.4
190.5
184.2
188.0
189.2
198.1
193.5
196.2
186.0
188.0
195.6
178.4
194.3
184.2
186.3
Qu es ?????
Talla
173.5-179.5
179.5-185.5
185.5-191.5
13
191.5-197.5
19
197.5-203.5
20
20
Histograma
7
6
5
4
3
2
1
0
1 7 3 .5
1 7 9 .5
1 8 5 .5
1 9 1 .5
T a lla
1 9 7 .5
2 0 3 .5
5
Medidas de Resumen
Los fenmenos biolgicos no suelen ser constantes
Necesitamos conocer:
Media
Mediana
Moda
8
(Ejemplo: TALLA)
tos:
184.2
191.8
188.0
196.2
178.4
184.2
195.4
189.2
186.0
194.3
190.5
190.5
198.1
188.0
184.2
176.5
184.2
193.5
195.6
186.3
184 .2 191 .8 188 .0 ... 193 .5 195 .6 186 .3 188 .75 188 .8
20
n es el nmero de observaciones:
10
Si la variable es la talla
11
(Ejemplo: TALLA)
tos ordenados:
50% de 20
50 * 20 20
10 datos
100
2
10 datos
20
par
Mediana
Promedio de 2 valores
centrales
Dejan aproximadamente
50% de los datos bajo y
sobre s (aprox. 10 datos)
12
(Ejemplo: PESO)
tos ordenados:
50% de 21
50 * 21 21
10.5 10 datos
100
2
39, 40, 42, 49, 51, 54, 56, 57, 58, 58, 58, 59, 63, 64, 66, 68,
69, 70, 70, 71,72
21
impar
Mediana
Deja aproximadamente
13
50% de los datos bajo y
sobre s (aprox. 10 datos)
Med=58
Mediana= (5+7)/2= 6
Mediana=(5+7)/2= 6
Conclusin:
La Media es afectada por valores extremos,
no as, la Mediana
14
Ejercicio
Cul de los dos valores es ms adecuado para la distribucin de los
datos, la Media o la Mediana???
Lmite
real
0-10
60
60
10-20
80
15
140
20-30
30
25
170
30-100
20
65
190
100-500
10
300
200
200
Media X 32.75
Mediana 15
15
16
17
(Ejemplo: TALLA)
Moda= 184.2
18
Medidas de Posicin
Percentiles
Cuartiles
19
1.-Percentiles
PERCENTIL DE ORDEN k:
Es la observacin, Pk, que deja por debajo de s el k% de la
poblacin.
P25
P75=
20
Deja debajo de s el 75% de los datos ordenados
Mediana
Si n es el nmero de observaciones:
k *n
k % de n
100
k *n
100
21
(Ejemplo: TALLA)
tos ordenados:
n= 20
67 * 20
67% de 20
13.4 13 datos
100
176.5, 178.4, 184.2, 184.2, 184.2, 184.2, 186.0, 186.3, 188.0,
P 191.8
188.0, 189.2, 190.5, 190.5, 191.8, 193.5, 194.3, 195.4, 195.6,
196.2, 198.1
67
P67
Deja aproximadamente
67% de los datos bajo de s
(aprox. 13 datos), y el 33%
sobre s
22
2.-Cuartiles
rtes iguales
P25
P50=Mediana
P75
23
Medidas de Dispersin
Rango(Recorrido)
Desviacin Estndard
24
1.-Rango o Recorrido
25
(Ejemplo: TALLA)
176.5, 178.4, 184.2, 184.2, 184.2, 184.2, 186.0, 186.3, 188.0,
188.0, 189.2, 190.5, 190.5, 191.8, 193.5, 194.3, 195.4, 195.6,
196.2, 198.1
Rango o Recorrido=
Valor Mximo=
198.1 176.5=
198.1
21.6
Slo depende del valor mximo (198.1) y del valor Mnimo (176.5)
26
Concentracin de
(x-promedio)
plomo (mol/24hr)
0.2 - 1.2= -1
0.2
1.5 - 1.2=0.3
1.5
0.6 - 1.2= -0.6
0.6
2.0 - 1.2=0.8
2.0
0.8 - 1.2=-0.4
0.8
2.1 - 1.2=0.9
2.1
x 1.2
solucin
n
xi x 0
i 1
x
i
x
i
i 1
i 1
S2=
28
n 1
S2
x
i
i 1
n 1
29
(Ejemplo: TALLA)
Datos:
184.2
191.8
188.0
196.2
178.4
184.2
195.4
189.2
186.0
194.3
190.5
190.5
198.1
188.0
184.2
176.5
184.2
193.5
195.6
186.3
n 20
_
X 188,8
(184.2 188.8) 2 191.8 188.8 188.0 188.8 ... 195.6 188.8 186.3 188.8
s
34.5
20 1
2
s 34.5 5.9
30
En SPSS
31
Medidas de Forma
1.- Asimetra
Coef. de
Coef. de
Asimetra <0
Asimetra =0
32
Coef.
de
Asimetra >0
Ejemplo
Moda <Mediana<Media
33
En SPSS
Moda <MedianaMedia
Curtosis >0
Curtosis =0
Curtosis <0
Distribucin leptocrtica : presenta un elevado grado de concentracin alrededor de los valores centrales de la variable.
En SPSS
36
En SPSS
37
Ejercicio
Datos I:
2, 3, 3, 3, 4, 4, 4, 4, 5, 5, 5, 5, 5
Promedio=
Mediana=
Datos II:
3, 3, 3, 3, 3, 4, 4, 4, 4, 5, 5, 5, 6
Promedio=
Mediana=
Datos III:
Promedio=
2, 3, 3, 4, 4, 4, 4, 4, 4, 4, 5, 5, 6
Mediana=
Datos IV:
3, 3, 3, 3, 3, 3, 4, 5, 5, 5, 5, 5, 5
Promedio=
38
Mediana=
Datos
Med
Moda
I
II
III
IV
4
4
4
4
4
4
4
4
5
3
4
3y5
Rang
o
3
3
4
2
P25
P75
P75-P25
3
3
4
3
5
5
4
5
2
2
0
2
1
1
1
1
D is tr ib u c i n II
6
4
No of obs
No of obs
D is t r ib u c i n I
6
0
2
D is tr ib u c i n III
D is tr ib u c i n IV
No of obs
No of obs
5
4
3
2
39
2
1
1
0
+
Medidas de Dispersin
+
Medidas de posicin
+
40
Grficos:Histograma, BoxPlot
Posicin
Centralizacin
Dispersin
Indican la mayor o menor concentracin de los datos con respecto a las medidas de
centralizacin
. Varianza, desviacin estndar, rango o recorrido
Forma
Asimetra y apuntamiento
41
Variable Ordinal
Moda
Moda
Mediana
Percentiles
Variable Contnua:
Mediana
Percentiles
Media
Desviacin estndard
42
Anlisis de la
Capacidad del Proceso
Cp
Cpk
43
CO4311 Estadstica para la Calidad
47
CO4311 Estadstica para la Calidad
49
CO4311 Estadstica para la Calidad
50
CO4311 Estadstica para la Calidad
LITN x 3
LIE
LSE LSTN x 3
52
Dnde:
53
CO4311 Estadstica para la Calidad
Puesto
Media del
proceso
LIE LSE
Proceso
centrado
Li: Lmite inferior
de especificacin
57
CO4311 Estadstica para la Calidad
LIE LSE
Proceso
Descentrado
con media
corrida hacia la
derecha
58
60
CO4311 Estadstica para la Calidad
6 LSE LIE
+3
Proceso
Capaz
-3
Li: Lmite inferior
de especificacin
Si
62
CO4311 Estadstica para la Calidad
R
d2
S
c4
x R
x S
64
Clculo del Cp
LS Li
Cp
6
No puede ser
negativo
Ls > L i
Clculo del Cp
Cuando el proceso es centrado el porcentaje
de piezas conformes es mximo.
Cuando el proceso es capaz, este porcentaje
mximo
de
piezas
conformes
es
aproximadamente el 100%, pero cuando no es
capaz no alcanza dicho porcentaje y
lamentablemente el proceso no puede ser
mejorado, a menos que se logre una ampliacin
en las especificaciones o una reduccin en la
desviacin estndar.
70
Interpretacin del Cp
la
Interpretacin del Cp
El coeficiente Cp tiene tambin otra interpretacin muy importante, pues su inverso
representa el porcentaje de la banda de tolerancia que abarca los lmites naturales de
variacin del proceso, cuando ste est centrado. Por ejemplo si
C p 1,40
72
CO4311 Estadstica para la Calidad
Interpretacin del Cp
Se interpreta como una medida que el proceso es capaz en caso de que est
centrado.
Calculando su inverso expresado en porcentaje
1
*100% 71,43%
1,40
73
CO4311 Estadstica para la Calidad
Interpretacin del Cp
Puede ser interpretado como que los lmites naturales de variacin del proceso
representan el 71,43% de los lmites de especificacin.
Ls Li
X , R Cp
d2
6R
Ls Li
X , S Cp
c4
6S
74
CO4311 Estadstica para la Calidad
C pk
Ls Li
m nim o
,
3
3
Coeficiente de
capacidad real
76
CO4311 Estadstica para la Calidad
Cpk > 1.33: el proceso es capaz y es comnmente usado como una meta
para muchas compaas.
2.
3.
77
CO4311 Estadstica para la Calidad
C p C pk 1
Proceso capaz y
centrado
C p C pk 1
Proceso capaz
No centrado
C p 1, C pk 1
Proceso
potencialmente
capaz.
Si se centra puede
ser capaz
78
C pk C p 1
Proceso incapaz
Ejemplo
80
CO4311 Estadstica para la Calidad
Ejemplo
Un dado de extrusin se emplea para
producir barras de alumnio. El dimetro de
las barras es una caracterstica de calidad
crtica, que debe encontrarse dentro de
las especificaciones (0,5035 0,0010)
pulgadas.
Se toman 20 muestras de 5 barras cada
una.
81
Ejemplo
Muestra
X
R
33,4
34
10
34,8
38,6
10
Muestra
11
12
13
14
15
16
17
18
19
20
X
R
35,4
34
36
37,2
35,2
33,4
35
34,4
33,9
34
10
82
CO4311 Estadstica para la Calidad
Por qu medir ?
En
23 45 65 34
78 78 34 32
33
INDICADORES DE GESTIN
Tomado de http://web.jet.es/Amozarrian/gestion_indicadores.htm
Producto
Proceso
CAPACIDAD DE PROCESO
Problemas de Procesos
Problemas asociados a todo proceso
1. VARIABILIDAD asociada a la dispersin de los resultadas
del proceso con relacin a la media
2. CENTRALIDAD asociada a la diferencia entre la
especificacin media y la media real que obtenemos del
proceso
Grfica de Tendencia
Variable
LSEsp
LIEsp
Diagnstico: Problemas de VARIABILIDAD
medicin en el tiempo
Grfica de Tendencia
Variable
LSEsp
LIEesp
CPk se calcula por el Lim Inf Especificacin
Diagnstico: Prob. de VARIABILIDAD y CENTRALIDAD
medicin en el tiempo
Grfica de Tendencia
Variable
LSEsp
LIEesp
medicin en el tiempo
Grfica de Tendencia
Variable
LSEsp
LIEsp
medicin en el tiempo
Cp= 0.75 (no cumple con lo que debe de hacer por tener alta
variabilidad)
Cpk=0,74 (problemas de variabilidad, diagnosticado por el Cp,
centralidad esta muy buena. Si la centralidad hubiese sido perfecta el
Cpk = 0.75)
ALMACENES:
1. ERI (exactitud del registro de inventarios, nos ayuda a detectar errores en el registro
de la informacin en los sistemas y posteriormente diferencia de inventarios).
2. Mermas (mide los daos que se generan producto de la operacin, Ejemplo,
manipulacin de productos sea carga suelta o paletizada).
Principales Indicadores
TRANSPORTE:
1. Pedidos perfectos (Pedidos atendidos a tiempo, completos, en el lugar adecuado, y en
el estado adecuado).
2. Costo de fletes (en m3 o en TN).
EXPORTACIONES:
Existen actividades que dependen de agentes externos (Aduanas).
EJEMPLO
Se cuenta los 28 ltimos tiempos transporte y entrega de la empresa XYZ.
Evaluar el proceso
Tiempo en das
Media
LSE
LIE
8.68
9.12
9.54
9.72
10.46
8.66
8.02
10.04
9.78
8.80
9.58
10.00
9.14
9.30
9.96
8.96
9.56
9.08
9.12
9.78
9.64
9.16
10.30
9.86
10.26
8.64
10.04
10.18
9.48
9.48
9.48
9.48
9.48
9.48
9.48
9.48
9.48
9.48
9.48
9.48
9.48
9.48
9.48
9.48
9.48
9.48
9.48
9.48
9.48
9.48
9.48
9.48
9.48
9.48
9.48
9.48
10.50
10.50
10.50
10.50
10.50
10.50
10.50
10.50
10.50
10.50
10.50
10.50
10.50
10.50
10.50
10.50
10.50
10.50
10.50
10.50
10.50
10.50
10.50
10.50
10.50
10.50
10.50
10.50
7.50
7.50
7.50
7.50
7.50
7.50
7.50
7.50
7.50
7.50
7.50
7.50
7.50
7.50
7.50
7.50
7.50
7.50
7.50
7.50
7.50
7.50
7.50
7.50
7.50
7.50
7.50
7.50
Compromiso
Tolerancia
LSE
9 dias
+/- 1.5
dias
10.5
LIE
7.5
11.00
10.50
LSE
10.46
10.30
10.04
10.00
9.96
9.78
9.72
9.58
9.54
9.50
10.00
9.56
9.78
9.64
10.26
10.18
10.04
9.86
Media real
9.30
9.14
9.12
9.00
9.089.12
9.16
8.96
Tiempo en das
8.80
8.68
8.66
8.64
Media
LSE
8.50
LIE
8.02
8.00
LIE
7.50
7.00
1
9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28
0.83
0.56
1.09
1.8
1.6
1.4
1.2
1
Cp
Cpk
0.8
0.6
0.4
0.2
0
1
10