Professional Documents
Culture Documents
ECCI
REPASO ESTADSTICA V SEMESTRE DESARROLLO EMPRESARIAL
CONTROL DE CALIDAD
BOGOT 2011
Antes de empezar
ESTADSTICA
ESTADSTICA: Ciencia que estudia la recopilacin clasificada de datos, la analiza y deduce de ella distintas conclusiones.
ESTADSTICAS: Coleccin sistemtica de datos presentada en forma de cuadros y grficas.
ESTADSTICA
ESTADSTICAS PRIMARIAS: Datos obtenidos por encuestas directas con la utilizacin de cuestionarios, o de la observacin directa.
ESTADSTICA
IMPORTANCIA
Es una disciplina ligada al mtodo cientfico que conlleva recoleccin, organizacin, anlisis e interpretacin de la informacin para una EFECTIVA TOMA DE DECISIONES.
Fuente: Torres de Castro, Luz Stella. Manual Prctico de Estadstica. PIME S.A.
ING. FABIO EDUARDO DAZA VALERO DOCENTE INGENIERA INDUSTRIAL
OTROS TRMINOS
POBLACIN O UNIVERSO
Grupo entero motivo de estudio (Alumnos de la ECCI, Desarrollo empresarial en la materia de control de calidad) Conjunto de medidas o recuento de todos los elementos que presentan una caracterstica comn Los elementos que la integran pueden corresponder a personas, objetos, sucesos o cosas. El elemento puede ser una entidad simple (una persona) o una entidad compleja (una familia). Una poblacin puede ser finita (nmero de tornillos elaborados en un da) o infinita (cara o sello de lanzadas de una moneda)
Fuente: Torres de Castro, Luz Stella. Manual Prctico de Estadstica. PIME S.A.
ING. FABIO EDUARDO DAZA VALERO DOCENTE INGENIERA INDUSTRIAL 6
OTROS TRMINOS
MUESTRA
Pequea parte del grupo, que es representativa de la poblacin Conjunto de medidas o recuento de una parte de los elementos pertenecientes a la poblacin S los elementos de una poblacin se denotan: X1, X2, X3, , el conjunto de n observaciones: X1, X2, X3, , Xn, constituye una muestra procedente de la poblacin conformada con base en el cumplimiento de condiciones fijadas previamente. Llamamos n al tamao de la muestra.
Fuente: Torres de Castro, Luz Stella. Manual Prctico de Estadstica. PIME S.A.
ING. FABIO EDUARDO DAZA VALERO DOCENTE INGENIERA INDUSTRIAL
OTROS TRMINOS
MUESTREO
Maneras de tomar la muestra Los tipos de muestreo pueden ser:
Fuente: Torres de Castro, Luz Stella. Manual Prctico de Estadstica. PIME S.A.
ING. FABIO EDUARDO DAZA VALERO DOCENTE INGENIERA INDUSTRIAL
OTROS TRMINOS
OTROS TRMINOS
Cuando la poblacin se divide en grupos segn una caracterstica especfica (se estratifica la poblacin). Estudio Sobre Alumnos entre los 21 y 25 aos de Desarrollo empresarial que jueguen ajedrez.
Fuente:Torres de Castro, Luz Stella. Manual Prctico de Estadstica. PIME S.A.
ING. FABIO EDUARDO DAZA VALERO DOCENTE INGENIERA INDUSTRIAL
10
OTROS TRMINOS
MUESTREO SISTEMTICO
Utilizado por contadores para revisar cuentas. Determina un intervalo igual al valor obtenido al dividir el tamao de la poblacin por el de la muestra. Luego se toma aleatoriamente una observacin , a la que se le suma el tamao del intervalo para encontrar una nueva observacin y as sucesivamente. Por ejemplo entre el 01 y 10 se seleccion la observacin 4 y como el intervalo es 10, la segunda observacin ser la 14, la tercera 24 y as sucesivamente.
Fuente: Torres de Castro, Luz Stella. Manual Prctico de Estadstica. PIME S.A.
ING. FABIO EDUARDO DAZA VALERO DOCENTE INGENIERA INDUSTRIAL 11
OTROS TRMINOS
10
MUESTREO NO PROBABILSTICO
Se toman muestras de cualquier tamao y los elementos son seleccionados de acuerdo con la opinin o juicio que tenga el investigador sobre la poblacin.
Fuente: Torres de Castro, Luz Stella. Manual Prctico de Estadstica. PIME S.A.
ING. FABIO EDUARDO DAZA VALERO DOCENTE INGENIERA INDUSTRIAL 12
VARIABLE
11
CARACTERSTICAS O CARACTERES
Rasgos, cualidades o propiedades que poseen los elementos de una poblacin o muestra Futbolistas colombianos, nios de 5 aos estudiantes de jardn, Paisas con ojos color verde.
Fuente: Torres de Castro, Luz Stella. Manual Prctico de Estadstica. PIME S.A.
ING. FABIO EDUARDO DAZA VALERO DOCENTE INGENIERA INDUSTRIAL 13
TIPOS DE VARIABLE
12
CUALITATIVAS
ATRIBUTOS MODALIDADES
Cualitativas son aquellas que se expresan mediante palabras y dan origen a los atributos, como por ejemplo profesin, sexo, estado civil. Estos atributos se descomponen en modalidades, as: Profesin: abogado, mdico, arquitecto, ingeniero Sexo: Masculino, femenino Estado civil: soltero, viudo, divorciado
Fuente: Torres de Castro, Luz Stella. Manual Prctico de Estadstica. PIME S.A.
ING. FABIO EDUARDO DAZA VALERO DOCENTE INGENIERA INDUSTRIAL 14
TIPOS DE VARIABLE
CUANTITATIVAS
13
DISCRETA
CONTINUA
Las variables son cuantitativas cuando su descripcin se hace por medio de nmeros. Peso, estatura, edad, aos. La variable es discreta cuando s admite exclusivamente nmeros enteros: Nmero de habitantes de Bogot o de alumnos en un aula. La variable continua acepta intervalos entre enteros. Peso: 65.38 Kilos, distancia Bogot Santa Martha: 883.56 kilmetros.
Fuente: Torres de Castro, Luz Stella. Manual Prctico de Estadstica. PIME S.A.
ING. FABIO EDUARDO DAZA VALERO DOCENTE INGENIERA INDUSTRIAL 15
TIPOS DE ESTADSTICA
ESTADSTICA
14
La estadstica inductiva trata de las condiciones bajo las cuales las inferencias (deducir una cosa de otra) son vlidas. Para las conclusiones se utiliza la probabilidad
La descriptiva trata de describir y analizar un grupo o poblacin dado sin sacar conclusiones o inferencias de un grupo mayor
Fuente: Torres de Castro, Luz Stella. Manual Prctico de Estadstica. PIME S.A.
ING. FABIO EDUARDO DAZA VALERO DOCENTE INGENIERA INDUSTRIAL
16
CLCULOS ESTADSTICOS
15
PRECISIN
CLCULOS ESTADSTICOS
EXACTITUD
16
18
CLCULOS ESTADSTICOS
17
Varias medidas son como flechas disparadas hacia un objetivo. La EXACTITUD describe la proximidad de las flechas al centro del objetivo. Las flechas que impactaron ms cerca del centro se consideran ms exactas. Cuanto ms cerca estn las medidas a un valor aceptado, ms exacto es un sistema.
Fuente:Torres de Castro, Luz Stella. Manual Prctico de Estadstica. PIME S.A.
ING. FABIO EDUARDO DAZA VALERO DOCENTE INGENIERA INDUSTRIAL
19
CLCULOS ESTADSTICOS
18
La PRECISIN, en este ejemplo es que, cuanto ms cercanas entre s estn las flechas que impactaron el objetivo, ms preciso ser el sistema. Hay que notar que el hecho de que las flechas estn muy cercanas entre s es independiente al hecho que estn cerca del centro del objetivo. En s, se puede decir que la precisin es el grado de repetitividad del resultado.
Fuente:Torres de Castro, Luz Stella. Manual Prctico de Estadstica. PIME S.A.
ING. FABIO EDUARDO DAZA VALERO DOCENTE INGENIERA INDUSTRIAL 20
CLCULOS ESTADSTICOS
19
Se podra resumir que exactitud es el grado de veracidad, mientras que precisin es el grado de repetibilidad
Fuente:Torres de Castro, Luz Stella. Manual Prctico de Estadstica. PIME S.A.
ING. FABIO EDUARDO DAZA VALERO DOCENTE INGENIERA INDUSTRIAL 21
CLCULOS ESTADSTICOS
20
ERROR
22
CLCULOS ESTADSTICOS
21
ERROR ABSOLUTO
23
CLCULOS ESTADSTICOS
22
ERROR RELATIVO
EJEMPLO
23
Una persona pesa un objeto y obtiene los siguientes resultados: 25,89 kg; 25,85 Kg; 25,90 Kg; 25,85 Kg, 25,86 Kg. Cul ser el peso ms preciso?
25
EJEMPLO
24
EJEMPLO
25
= 0,0000773 0,08 %
27
GRFICOS EN EL CONTROL
26
Un grfico es
Descripciones y demostraciones que se representan por medio de figuras o signos.
28
GRFICOS EN EL CONTROL
27
Grfico de Barras
Representacin visual mediante rectngulos, de la relacin entre las variables
29
GRFICOS EN EL CONTROL
28
Diagramas circulares
Como en total la circunferencia tiene 360, se calcula a cuntos grados (sector circular) equivale la parte que se va a representar.
ING. FABIO EDUARDO DAZA VALERO DOCENTE INGENIERA INDUSTRIAL
30
GRFICOS EN EL CONTROL
29
Curvas de Frecuencia.
31
GRFICOS EN EL CONTROL
30
Tablas
32
DISTRIBUCIN DE FRECUENCIAS.
33
DISTRIBUCIN DE FRECUENCIAS
Cuando se dispone de gran nmero de datos, es til el distribuirlos en clases o categoras y determinar el nmero de individuos pertenecientes a cada clase, que es la frecuencia de clase.
Fuente: Serie SCHAUM. Estadstica. Murray R. Spiegel, Mc GraW-Hill
ING. FABIO EDUARDO DAZA VALERO DOCENTE INGENIERA INDUSTRIAL
34
DISTRIBUCIN DE FRECUENCIAS
2
1. Toma de datos
2. Ordenacin y rango 3. Distribucin de frecuencia
1. Toma de datos 2. Ordenacin y rango 3. Distribucin frecuencia 4. Interva 5. Lim de clase 6. intervalo 7. de clase
de datos.- es la obtencin de una coleccin de datos por medio de encuestas, preguntas, sondeos etc. Que no han sido ordenados numricamente y que dicha informacin se extrae al azar, es decir, de tal forma que cada miembro de la poblacin tenga la misma oportunidad de ser elegida o seleccionada.
ING. FABIO EDUARDO DAZA VALERO DOCENTE INGENIERA INDUSTRIAL 36
: aquella numeracin que se efecta a todos y cada uno de los caracteres componentes de una poblacin. Encuesta: Se entiende por encuesta las observaciones realizadas por muestreo, es decir son observaciones parciales.
37
DISTRIBUCIN DE FRECUENCIAS 3
2. ORDENACIN Y RANGO Es la colocacin de los datos numricos tomados, en orden creciente o decreciente de magnitud. Ejemplo: Ordenacin de las 20 estaturas de los estudiantes de forma ascendente.
38
NMERO DE CLASES
El uso de esta frmula puede dar resultados irrazonables cuando el nmero de observaciones es muy grande o muy pequeo. Por esta razn la Regla de Sturges no es un sustituto del buen juicio.
39
40
NMERO DE CLASES
Para calcular el nmero de clases es necesario aplicar la REGLA DE STURGES.
No. De clases (Regla de Sturges) = 1 + 3.332 log N
De donde: Log = logaritmo en base 10 N = Tamao total de la poblacin objeto del estudio
ING. FABIO EDUARDO DAZA VALERO DOCENTE INGENIERA INDUSTRIAL 41
NMERO DE CLASES
Otros autores toman como sugerencia para hallar el nmero de clases:
log n
o tambin
n
ING. FABIO EDUARDO DAZA VALERO DOCENTE INGENIERA INDUSTRIAL
Tamao de clase
Para calcular el tamao de clase es necesario dividir el rango entre el nmero de clases.
44
DISTRIBUCIN DE FRECUENCIAS
3. DISTRIBUCIN O TABLA DE FRECUENCIA
Ordenacin tabular de los datos en clases y con las frecuencias (indicar nmero de veces que se repite) correspondientes a cada una.
Fuente: Serie SCHAUM. Estadstica. Murray R. Spiegel, Mc GraW-Hill
ING. FABIO EDUARDO DAZA VALERO DOCENTE INGENIERA INDUSTRIAL
45
Estatura m
1.73
Nombre
11. Lobo Albeiro
Estatura m
1.73
2. Barrera Armando
3. Caon Josefa 4. Chia Luna 5. Daz Lucho 6. Engativ Soledad
1.68
1.65 1.71 1.82 1.69
1.72
1.76 1. 90 1.72 1.74
7. Fernndez Fernando
8. Garca Gabriel 9. Huertas Flor 10. Jamaica Ana
Fuente Propia
1.74
1.80 1.68 1.71
1.64
1.71 1.69 1.67
46
Estatura m
1.64
N
11.
Estatura m
1.72
2.
3. 4. 5. 6.
1.65
1.67 1.68 1.68 1.69
12.
13. 14. 15. 16.
1.72
1.73 1.73 1.74 1.74
7.
8. 9. 10.
Fuente Propia
1.69
1.71 1.71 1.71
17.
18. 19. 20.
1.76
1.80 1.82 1.90
47
1.
1.64
11.
1.72
10.
1.71
20.
1.90
N de Estudiantes
7 10 2 1
TOTAL
Fuente Propia
20
ING. FABIO EDUARDO DAZA VALERO DOCENTE INGENIERA INDUSTRIAL
49
DISTRIBUCIN DE FRECUENCIAS
4. INTERVALO DE CLASES
Tabla 23. DATOS AGRUPADOS ESTATURAS Estatura m 1.60 1.69 1.70 1.79 1.80 1.89 N de estidantes 7 10 2
26
1.90 1.99
TOTAL
1
20
1.70 1.79 ES UN INTERVALO DE CLASE. Es un smbolo que define una clase o grupos de datos. Los extremos 1.70 1.79 son los lmites de clase. Inferior y superior respectivamente. Un intervalo se dice abierto cuando no tiene lmite superior o inferior. Ejemplo: Estaturas superiores a 2 metros.
Fuente Propia ING. FABIO EDUARDO DAZA VALERO DOCENTE INGENIERA INDUSTRIAL
50
N de estudiantes
10 2 1
TOTAL
20
Se divide el rango en un nmero conveniente de intervalos de clase, preferiblemente del mismo tamao.
DISTRIBUCIN DE FRECUENCIAS
5. LMITES REALES DE CLASE
Si las alturas se registran con aproximacin de centmetros, el intervalo de clase 170 179 tericamente incluye todas las medidas desde 169, 55 a 179.49.
Estos nmeros se conocen como lmites reales o verdaderos de clase. 169,55 ser el lmite inferior real y el 179,49 el lmite superior real.
Fuente: Serie SCHAUM. Estadstica. Murray R. Spiegel, Mc GraW-Hill
ING. FABIO EDUARDO DAZA VALERO DOCENTE INGENIERA INDUSTRIAL 52
DISTRIBUCIN DE FRECUENCIAS
53
DISTRIBUCIN DE FRECUENCIAS
7. MARCA DE CLASE
Es el punto medio del intervalo de clase y se obtiene sumando los lmites inferior superior de la clase y dividiendo por 2.
54
PRCTICA
REALIZAR LA DISTRIBUCIN DE FRECUENCIAS DEL EJERCICIO CUCHARAS PLSTICAS. 5000 datos
55
56
57
58
Son clculos que proporcionan la idea del comportamiento del fenmeno en la parte cntrica de ste.
59
MEDIDAS DE TENDENCIA CENTRAL LAS MS USADAS Media Aritmtica. Media Geomtrica. Mediana. Moda.
60
MEDIA ARIMTICA
Para calcular la media aritmtica de una muestra utilizamos la siguiente frmula:
: representa la media aritmtica de la muestra : nmero de datos.
: Sumatoria.
: cada uno de los datos.
61
MEDIANA
Es el dato que se encuentra exactamente a la mitad del total de los datos. Es decir se encuentra exactamente en medio, la mediana identifica el dato que representa al 50% de las observaciones.
62
MEDIANA
Ejemplo Considere la siguiente tabla de datos:
VARIABLE
6
7 8 9 10 10
63
MODA
Es el dato que se repite con ms frecuencia.
VARIABLE
7
8
9
10
10
64
65
66
67
MEDIDAS DE DISPERSIN
Estudio y manejo medidas que indican comportamiento de datos respeto a promedio, es decir, medidas que precisan grado de variacin de datos de el los su las el los
68
DISPERSIN O VARIACIN
Es el grado en que los datos numricos tienden a expresarse alrededor de un valor medio
69
DISPERSIN O VARIACIN
Ejemplo
Supongamos las Calificaciones en Matemticas o Ingls de un grupo de estudiantes en una universidad.
MATEMTICAS
INGLS
9.5
6.8 5.6 7.6 7.2 4.2 6.6 7.0 8.2 6.3
6.8
6.5 6.4 6.0 7.4 7.2 7.8 6.4 7.5 7.0
70
DISPERSIN O VARIACIN
MATEMTICAS
INGLS
__
__
M
6.9
6.9
71
DISPERSIN O VARIACIN
MATEMTICAS INGLS 6.8 6.9 = -0.1
Observemos las desviaciones con respecto a la media En cul de los dos hay mayor desviacin?
72
DISPERSIN O VARIACIN
En cul de los dos hay mayor desviacin?
Hubo una mayor desviacin en Matemticas que en Ingls, ya que en este las calificaciones se acercan ms a la media.
Es decir que los datos de Ingls son ms representativos que los de Matemticas
ING. FABIO EDUARDO DAZA VALERO DOCENTE INGENIERA INDUSTRIAL 73
MEDIDAS UTILIZADAS
1. RANGO
2. DESVIACIN MEDIA 3. DESVIACIN ESTNDAR 5. VARIANZA TPICA O
4. DESVIACIN MEDIANA
DE
74
MEDIDAS UTILIZADAS
1. RANGO
El rango es la diferencia entre el mayor y menor de todos los datos. En datos agrupados:
Es la diferencia entre la marca de clase superior y la marca de clase inferior. , la diferencia entre el lmite real superior de la clase ms alta y el lmite real inferior de la clase ms baja.
ING. FABIO EDUARDO DAZA VALERO DOCENTE INGENIERA INDUSTRIAL
75
MEDIDAS UTILIZADAS
2. DESVIACIN MEDIA
Indica la manera como desvan con referencia ARIMTICA. los datos se a la MEDIA
|X -
76
MEDIDAS UTILIZADAS
DESVIACIN MEDIA
Es la media aritmtica de los valores absolutos de las desviaciones respecto a la media. La desviacin media para las calificaciones de matemticas es:
M.D.= 2.6 + 0.1 + 1.3 + 0.7 + 0.3 + 2.7 + 0.3 + 0.1 + 1.3 +0.6
10
M.D. =
10.0
10
= 1
ING. FABIO EDUARDO DAZA VALERO DOCENTE INGENIERA INDUSTRIAL 77
MEDIDAS UTILIZADAS
DESVIACIN MEDIA
M.D.= 0.1 + 0.4 + 0.5 + 0.9 + 0.5 + 0.3 + 0.9 + 0.5+0.6+0.1 10 M.D.
4.8
10
= 0.48 .5
ING. FABIO EDUARDO DAZA VALERO DOCENTE INGENIERA INDUSTRIAL
78
DESVIACIN ESTNDAR
Permite la comparacin de dos o ms distribuciones, determinando su grado de variabilidad absoluta. La desviacin Estndar de una serie de nmeros:
79
MEDIDAS UTILIZADAS
DESVIACIN ESTNDAR
La desviacin Estndar es la raz cuadrada de los cuadrados de las desviaciones de los datos respecto a su media
ING. FABIO EDUARDO DAZA VALERO DOCENTE INGENIERA INDUSTRIAL
80
DESVIACIN ESTNDAR
Ejemplo: La desviacin estndar de los siguientes 11 nmeros:
2, 4, 5, 3 , 2 , 5 , 6, 4, 7, 3, 2 :
1. 2. 3. 4. 5. 6. CALCULAR LA MEDIA DE LOS DATOS RESTAR A CADA UNO DE LOS DATOS LA MEDIA CALCULADA PARA CADA UNO DE LOS DATOS ANTERIOR MEDICIN CALCULAR EL CUADRADO DE LA
REALIZAR LA SUMATORIA DEL PUNTO 3 DIVIDIR LA SUMATORIA POR EL NMERO DE DATOS CALCULAR LA RAZ DEL ANTERIOR CALCULO
7.
81
DESVIACIN ESTNDAR
82
La desviacin Estndar tambin se puede calcular cuando los datos se encuentran agrupados o, como nosotros lo llamamos, en una distribucin de frecuencia
83
84
85
VARIANZA
Medida de dispersin equivalente al cuadrado de la desviacin estndar. Es una forma natural de medir la dispersin en torno a la media.
86
87
COEFICIENTE DE VARIACIN
Es el cociente entre la desviacin tpica y la media. Eliminamos con esta medida la influencia de la escala escogida en las mediciones efectuadas. Su resultado se expresa en porcentaje
X
ING. FABIO EDUARDO DAZA VALERO DOCENTE INGENIERA INDUSTRIAL 88
COEFICIENTE DE VARIACIN
Ejemplo:
El coeficiente de variacin para los datos
= a 15,8
15.8 35.6
= 0.4438 = 44.38 %
89
DISTRIBUCIN NORMAL
Es el modelo de distribucin ms utilizado en la prctica, ya que la multitud de fenmenos se comportan segn una distribucin normal.
Esta distribucin se caracteriza porque los valores se distribuyen formando una campana de Gauss, en torno a un valor central que coincide con el valor medio de la distribucin:
ING. FABIO EDUARDO DAZA VALERO DOCENTE INGENIERA INDUSTRIAL
90
DISTRIBUCIN NORMAL
Un 50% de los valores estn a la derecha de este valor central y otro 50% a la izquierda. Esta distribucin viene definida por dos parmetros:
, 2
: es el valor medio de la distribucin y es precisamente donde se sita el centro de la curva (de la campana de Gauss).
la varianza. Indica si los valores estn ms o menos alejados del valor central: si la varianza es baja los valores estn prximos a la media; si es alta, entonces los valores
estn muy dispersos.
2 : es
91
EJERCICIOS ACLARATORIOS
1. Un mecnico realiza mediciones en una pieza de dimetro 62.9 mm. Las observaciones son: 62,8 63,0 62,9 62,7 62,9 63,2 63,0 62,8 62,9 63,0
92
EJERCICIOS ACLARATORIOS 2
2. Calcular la desviacin media, la desviacin mediana y la desviacin estndar para la distribucin de los pesos en gramos de varios piones:
PESO EN GRAMOS
50 54 55 59 60 -64 65 -69 70 -74 75 79
Xi
52 57 62 67 72 77
Fi
4 7 12 3 10 4
80 84
EJEMPLO desviacin estandar.xls
82
87
8
2 50
93
85 90 TOTAL
TEXTOS GUA
BARNES, R.H., Estudio de movimientos y tiempos, Aguilar. Madrid, Quinta impresin, 1988. HARINGTON, J., Mejoramiento de los procesos de la empresa. McGraw Hill, Bogot, 1991. HAY, E., Justo a tiempo, Norma, Bogot, 1989. HITOSHI, K., Herramientas estadsticas bsicas para el mejoramiento de la calidad. Norma, Bogota, 1992. KONZ, S. Diseo de sistemas de trabajo. Limusa, Mxico, 1990. KRICK, E.V., Ingeniera de mtodos, Limusa, Mxico, Dcima impresin, 1991. MAYNARD, H.B. Manual de ingeniera y organizacin industrial, Revert, Bogot, 1988. NIEBEL, B. W., Ingeniera industrial: Mtodos, tiempos y movimientos, Alfaomega, Mxico, Dcima Edicin, 2001. ORGANIZACIN MUNDIAL DEL TRABAJO, Introduccin al estudio del trabajo, Limusa, 1999 SCHONBERGER, R., Manufactura de categora mundial. Norma, Bogot, 1989. THOMPSON, P., Crculos de calidad, Norma, Bogot, Quinta impresin, 1991
ING. FABIO EDUARDO DAZA VALERO DOCENTE INGENIERA INDUSTRIAL 94