UNIVERSIDAD NACIONAL DE CAJAMARCA

CONTROL DE CALIDAD DE ALIMENTOS

Trabajo Encargado de Control de Calidad Alumno: Mantilla Gaona, Jhonatan Distribuciones de frecuencia: Definiciones Relativas a las Distribuciones de Frecuencia: Distribucin de Frecuencia En estadstica existe una relacin con cantidades, nmeros agrupados o no, los cuales poseen entre s caractersticas similares. Existen investigaciones relacionadas con los precios de los productos de la dieta diaria, la estatura y el peso de un grupo de individuos, los salarios de los empleados, los grados de temperatura del medio ambiente, las calificaciones de los estudiantes, etc., que pueden adquirir diferentes valores gracias a una unidad apropiada, que recibe el nombre de variable. La representacin numrica de las variables se denomina dato estadstico. La distribucin de frecuencia es una disposicin tabular de datos estadsticos, ordenados ascendente o descendentemente, con la frecuencia (fi) de cada dato. Las distribuciones de frecuencias pueden ser para datos no agrupados y para datos agrupados o de intervalos de clase. Frecuencia Relativa La frecuencia relativa es aquella que resulta de dividir cada uno de los fi de las clases de una distribucin de frecuencia de clase entre el nmero total de datos(N) de la serie de valores. Estas frecuencias se designan con las letras fr; si cada fr se multiplica por 100 se obtiene la frecuencia relativa porcentual (fr %). Frecuencias acumuladas Las frecuencias acumuladas de una distribucin de frecuencias son aquellas que se obtienen de las sumas sucesivas de las fi que integran cada una de las clases de una distribucin de frecuencia de clase, esto se logra cuando la acumulacin de las frecuencias se realiza tomando en cuenta la primera clase hasta alcanzar la ltima. Las frecuencias acumuladas se designan con las letras fa. Las frecuencias acumuladas pueden ser menor que (fa< que) y frecuencias acumuladas mayor que (fa>que). Rango Es el lmite dentro del cual estn comprendidos todos los valores de la serie de datos, en otras palabras, es el nmero de diferentes valores que toma la variable en un estudio o investigacin dada. Es la diferencia entre el valor mximo de una variable y el valor mnimo que sta toma en una investigacin cualquiera. El rango es el tamao del intervalo en el cual se ubican todos los valores que pueden tomar los diferentes datos de la serie de valores, desde el menor de ellos hasta el valor mayor estando incluidos ambos extremos. El rango de una distribucin de frecuencia se designa con la letra R. Clase (nmero de intervalos) Son divisiones o categoras en las cuales se agrupan un conjunto de datos ordenados con caractersticas comunes. En otras palabras, s on fraccionamientos del rango o recorrido de la serie de valores para reunir los datos que presentan valores comprendidos entre dos lmites.

ING. LILI CICINIA ALVARADO VASQUEZ

UNIVERSIDAD NACIONAL DE CAJAMARCA

CONTROL DE CALIDAD DE ALIMENTOS

Para organizar los valores de la serie de datos hay que determinar un nmero de clases que sea conveniente. En otras palabras, que ese nmero de intervalos no origine un nmero pequeo de clases ni muy grande. Un nmero de clases pequeo puede ocultar la naturaleza natural de los valores y un nmero muy alto puede provocar demasiados detalles como para observar alguna informacin de gran utilidad en la investigacin. Representaciones Grficas: Histograma de Frecuencia Los histogramas son diagramas de barras verticales en los que se construyen barras rectangulares en los lmites de cada clase. La variable aleatoria o fenmeno de inters se despliega a lo largo del eje horizontal; el eje vertical representa el nmero, proporcin o porcentaje de observaciones por intervalo de clase, dependiendo de si el histograma particular, es un histograma de frecuencia, un histograma de frecuencia relativa o histograma de porcentaje. Diagrama de barras Un diagrama de barras se utiliza para de presentar datos cualitativos o datos cuantitativos de tipo discreto. Se representan sobre unos ejes de coordenadas, en el eje de abscisas se colocan los valores de la variable, y sobre el eje de ordenadas las frecuencias absolutas o relativas o acumuladas. Los datos se representan mediante barras de una altura proporcional a la frecuencia. Polgono de frecuencia Un polgono de frecuencias se las barras mediante segmentos.

forma

uniendo

los extremos de

Tambin se puede realizar trazando los puntos que representan las frecuencias y unindolos mediante segmentos. Medidas Algebraicas de las Distribuciones de Frecuencia: Medidas de exactitud Con el objeto de establecer el desempeo de los modelos alternativos de pronstico, se requiere un criterio para la exactitud del pronstico. El concepto pertinente que se estudia aqu es la funcin de la prdida del error. Ahora se supone que para cada error de pronstico, existe una prdida asociada en principio, tal como lo sealo Granger (1969), es vlido emplear cualquier funcin en particular para la prdida del error. Desafortunadamente, la especificacin de una funcin de la prdida del error plantea un sinnmero de dificultades. Por ejemplo, la prdida asociada con los errores de pronsticos puede ser imaginaria, no verdadera, ya que las decisiones no se pueden tomar como resultado del pronstico. En situaciones en las que los pronsticos conducen a decisiones, las consecuencias potenciales de los errores especficos pueden ser demasiado variadas o complicadas

ING. LILI CICINIA ALVARADO VASQUEZ

UNIVERSIDAD NACIONAL DE CAJAMARCA

CONTROL DE CALIDAD DE ALIMENTOS

para su cuantificacin. Con estas dificultades, por lo general se adoptan las funciones de prdida que implica las mediciones comunes de la exactitud del pronstico. Medidas de Precisin: Es la proximidad entre las indicaciones o los valores medidos obtenidos en mediciones repetidas de un mismo objeto, bajo condiciones especificadas. La precisin se puede expresar numricamente mediante medidas de dispersin tales como desviacin tpica, variancia o el coeficiente de variacin bajo las condiciones especificadas. La precisin, se utiliza para definir a la repetibilidad de medida. Distribuciones ms Comunes: Distribucin normal Al estudiar aspectos tan cotidianos como: - Caracteres morfolgicos de individuos (personas, animales, plantas) de una misma raza. Como tallas, pesos, envergaduras, etc. - Caracteres fisiolgicos, como el efecto de una misma dosis de un frmaco, o de una misma cantidad de abono. - Caracteres sociolgicos, como el consumo de ciertos productos por individuos de un mismo grupo humano. - Caracteres psicolgicos, como el cociente intelectual, grado de adaptacin a un medio. - Caracteres fsicos, como la resistencia a la rotura de ciertas piezas. . .todos ellos tienen en comn que se distribuyen normalmente. Distribucin binomial La distribucin binomial est asociada a experimentos del siguiente tipo: - Realizamos n veces cierto experimento en el que consideramos solo la posibilidad de xito o fracaso. - La obtencin de xito o fracaso en cada ocasin es independiente de la obtencin de xito o fracaso en las dems ocasiones. - La probabilidad de obtener xito o fracaso siempre es la misma en cada ocasin. Si realizamos n veces un experimento en el que podemos obtener xito, E, con probabilidad p y fracaso, F, con probabilidad q (q = 1 p), diremos que estamos ante una distribucin binomial de parmetros n y p, y lo representaremos por Bin (n;p). En este caso la probabilidad de obtener k xitos viene dada por:

La distribucin de Poisson La distribucin de probabilidad de Poisson es un ejemplo de distribucin de probabilidad discreta. La distribucin de Poisson parte de la distribucin binomial. Cuando en una distribucin binomial se realiza el experimento muchas veces, la muestra n es grande y la probabilidad de xito p en cada ensayo es baja, es aqu donde aplica el modelo de distribucin de Poisson. Se tiene que cumplir que: p < 0.10 - p * n < 10

ING. LILI CICINIA ALVARADO VASQUEZ

UNIVERSIDAD NACIONAL DE CAJAMARCA

CONTROL DE CALIDAD DE ALIMENTOS

Distribucin Hipergeomtrica La distribucin hipergeomtrica es especialmente til en todos aquellos casos en los que se extraigan muestras o se realizan experiencias repetidas sin devolucin del elemento extrado o sin retornar a la situacin experimental inicial. Modeliza , de hecho, situaciones en las que se repite un nmero determinado de veces una prueba dicotmica de manera que con cada sucesivo resultado se ve alterada la probabilidad de obtener en la siguiente prueba uno u otro resultado. Es una distribucin .fundamental en el estudio de muestras pequeas de poblaciones .pequeas y en el clculo de probabilidades de, juegos de azar y tiene grandes aplicaciones en el control de calidad en otros procesos experimentales en los que no es posible retornar a la situacin de partida. La distribucin hipergeomtrica puede derivarse de un proceso experimental puro o de Bernoulli con las siguientes caractersticas: El proceso consta de n pruebas, separadas o separables de entre un conjunto de N pruebas posibles. Cada una de las pruebas puede dar nicamente dos resultados mutuamente excluyentes: A y no A. En la primera prueba las probabilidades son: P(A)= p y P(A)= q; con p+q=l. Las probabilidades de obtener un resultado A y de obtener un resultado no A varan en las sucesivas pruebas, dependiendo de los resultados anteriores. (Derivacin de la distribucin). Si estas circunstancias aleatorizamos de forma que la variable aleatoria X sea el nmero de resultados A obtenidos en n pruebas la distribucin de X ser una Hipergeomtrica de parmetros N,n,p Relacin entre dos Variables: Correlacin El trmino correlacin se utiliza generalmente para indicar la correspondencia o la relacin recproca que se da entre dos o ms cosas, ideas, personas, entre otras. En tanto, en probabilidad y estadstica, la correlacin es aquello que indicar la fuerza y la direccin lineal que se establece entre dos variables aleatorias. Se considera que dos variables de tipo cuantitativo presentan correlacin la una respecto de la otra cuando los valores de una ellas varen sistemticamente con respecto a los valores homnimos de la otra. Coeficiente de correlacin Es una medida que indica que tan asociadas estn las variables dependiente e independiente en un modelo de regresin lineal, o de manera similar explica, junto con el coeficiente de determinacin( que es el cuadrado del coeficiente de correlacin) que tanto depende realmente Y de X, ahora, si el valor del coeficiente de correlacin es cercano a 1 o a -1 indicar que la variable dependiente si est relacionada de manera directa o inversamente proporcional con la variable independiente y el modelo tiene funcionalidad, pero si el coeficiente est cercano a cero indicar que las variables son as

ING. LILI CICINIA ALVARADO VASQUEZ

UNIVERSIDAD NACIONAL DE CAJAMARCA

CONTROL DE CALIDAD DE ALIMENTOS

independientes y por lo tanto que el modelo no funciona con esas variables, o que el modelo lineal no es el adecuado para realizar inferencias acerca de una tendencia determinada. Regresin lineal El estudio consiste en tratar de encontrar con la mayor aproximacin la ecuacin de la recta a la que ms se acercan todos los puntos para, a partir de ella, intentar deducir o inferir el comportamiento de los que no aparecen en la tabla. Regresin curvilnea Se considerar primero el caso en que la graficacin en una escala adecuada puede ser lineal. Por ejemplo, si un conjunto de parejas de datos que conste de n puntos (xi,yi) "se enderezan" cuando son graficados sobre ejes escalados adecuadamente. E este caso, al ser representados sobre papel semilogartmico, indican que la curva de regresin de y sobre x es exponencial, es decir para cualquier x considerada, la media de la distribucin est dada por la siguiente ecuacin predictora y = . x, tomando logaritmos en ambos miembros: log(y) log() + xlog( ) y se puede estimar ahora log() y log(), y de ah obtener y , aplicando los mtodos anteriores a los n pares de valores [xi, log(yi)]. Pruebas estadsticas: Paramtricas: a. Diseos experimentales: Diseo completamente al azar Estos diseos determinan los tratamientos, o combinaciones de niveles de los factores, a las unidades experimentales (o viceversa) completamente al azar. Esto hace que cada unidad experimental tenga la misma posibilidad de recibir cualquier tratamiento o, dicho de otra forma, que todas las combinaciones de unidades experimentales asignadas a los tratamientos diferentes sean igualmente viables. Un diseo completamente al azar, es especialmente til cuando todas las unidades experimentales son muy homogneas y el grado de precisin requerido no es muy elevado. Muestra la ventaja de que es muy manejable ajustndose a cualquier nmero de tratamientos y permite tamaos mustrales bajo los diferentes tratamientos. Su principal inconveniente es, cuando las unidades experimentales son heterogneas, por lo que no es tan eficiente como otros diseos estadsticos. Diseo de bloques completamente al azar Conocido como diseo de doble va, se aplica cuando el material es heterogneo. Las unidades experimentales homogneas se agrupan formando grupos homogneos llamados bloques. Tratamientos A, B, C, D, E Bloque I: B A E C D Bloque II: C B D E A Bloque III: B E A D C Bloque IV: D C A E B Las fuentes de variacin para el anlisis estadstico son: Fuentes Grados de libertad Tratamiento (t-1) = 4

ING. LILI CICINIA ALVARADO VASQUEZ

UNIVERSIDAD NACIONAL DE CAJAMARCA

CONTROL DE CALIDAD DE ALIMENTOS

Bloques (r-1) = 3 Error (t-1)(r-1)=12 Diseos cuadro latino Este diseo se utiliza para conducir experimentos en condiciones heterogneas donde las propiedades cambian en dos direcciones como ocurre en la toma de muestra para anlisis de laboratorio, donde las condiciones de laboratorio, donde las condiciones cambian entre la planta y planta (una direccin) y de hoja a hoja por tamao o posicin en la misma planta (otra direccin). El agrupamiento de las unidades en dos direcciones (filas y columna) y la asignacin de los tratamientos al azar en las unidades, de tal forma que en cada fila y en cada columna se encuentren los tratamientos constituye un diseo cuadro latino. Un cuadrado latino es una matriz de n x n elementos, en la que cada casilla est ocupada por uno de los n smbolos de tal modo que cada uno de ellos aparece exactamente una vez en cada columna y en cada fila. Experimentos factoriales Son aquellos experimentos en los que se estudia simultneamente dos o ms factores, y donde los tratamientos se forman por la combinacin de los diferentes niveles de cada uno de los factores. Los experimentos factoriales en si no constituyen un diseo experimental sino un diseo de tratamiento (un arreglo de tratamiento es una disposicin geomtrica de ellos bien en el espacio o en el tiempo y que deben ser llevados en cualquiera de los diseos experimentales clsicos tal como el diseo completo al azar, el diseo en bloques completos al azar, el diseo cuadrado latino. Los experimentos factoriales se emplean en todos los campos de la investigacin, son muy tiles en investigaciones exploratorias en las que poco se sabe acerca de muchos factores. Muy frecuentemente usados en investigaciones comparativas. b. Pruebas de comparacin de promedios Prueba de t de student La prueba t-Student se utiliza para contrastar hiptesis sobre medias en poblaciones con distribucin normal. Tambin proporciona resultados aproximados para los contrastes de medias en muestras suficientemente grandes cuando estas poblaciones no se distribuyen normalmente (aunque en este ltimo caso es preferible realizar una prueba no paramtrica). Para conocer si se puede suponer que los datos siguen una distribucin normal, se pueden realizar diversos contrastes llamados de bondad de ajuste, de los cuales el ms usado es la prueba de Kolmogorov. A menudo, la prueba de Kolmogorov es referida errneamente como prueba de KolmogorovSmirnov, ya que en realidad esta ltima, sirve para contrastar si dos poblaciones tienen la misma distribucin. Prueba de Duncan La prueba de Duncan, tambin conocida como la prueba de rango mltiple, es conveniente aplicarla cuando los tamaos de las muestras son iguales y los tratamientos presentan una relacin ordinal, es decir, pueden ordenarse de manera ascendente o descendente en una escala no numrica, a diferencia de los tratamientos que responden a variables continuas en las que procede un anlisis de
ING. LILI CICINIA ALVARADO VASQUEZ

UNIVERSIDAD NACIONAL DE CAJAMARCA

CONTROL DE CALIDAD DE ALIMENTOS

regresin. Navarro (2006) y Montgomery (2003) presentan las frmulas de clculo y particularidades de esta prueba. Prueba de Tukey La prueba de Tukey es la prueba ms aplicada y preferida por los estadsticos, pues controla de mejor manera los dos errores ampliamente conocidos en la estadstica (a y ) (Montgomery 2003). Esta prueba permite hacer todas las posibles comparaciones de tratamientos de dos en dos, y por eso se considera la ms completa de las tres pruebas aqu descritas. Wu y Hamada (2000), discuten en detalle el procedimiento para aplicar esta prueba. No paramtricas: Prueba para k muestras independientes Este procedimiento podra considerarse como la alternativa no paramtrica al anlisis de la varianza, dado que nos permite contrastar si la variabilidad en el rango medio de k grupos difiere de cero. Una vez obtenida la ventana de captura de datos de la figura inferior. En la misma debemos seleccionar la variable independiente (variable de agrupacin) definiendo el rango mediante el procedimiento habitual y la variable dependiente. En este apartado se presentan dos pruebas que permiten contrastar si k >2 muestras aleatorias e independientes proceden de una misma poblacin, es decir, si un factor que subdivide la poblacin de origen incide de forma significativa sobre el valor central de la poblacin. Estos contrastes son alternativas no paramtricas al anlisis de la varianza cuando se incumple alguno de los supuestos bsicos de dicho anlisis. El nico requisito para aplicar estos contrastes es que la variable est medida al menos en una escala ordinal. Prueba para k muestras relacionadas Este procedimiento es til en aquellos casos que deseemos comparar k muestras relacionadas utilizando una variable dependiente medida en una escala ordinal. El procedimiento de introduccin de los datos es anlogo al de la prueba "t" para muestras relacionadas, es decir, debemos introducir los resultados de cada medida en una variable distinta. En nuestro caso hemos registrado la posicin en que un grupo de atletas llega al final de una carrera en tres das consecutivos. El programa nos proporciona tres posibles estadsticos. La prueba de Friedman podramos considerarla como una prueba anloga a la de Kruskal Wallis para el caso de muestras relacionadas. La prueba de Kendall, por su parte es til para verificar el grado de acuerdo entre una serie de jueces al respecto de un grupo de tems. Finalmente la prueba Q de Cochran se aplica en aquellos casos en que operemos con variables dicotmicas.

ING. LILI CICINIA ALVARADO VASQUEZ