Você está na página 1de 32

Universidad de las Fuerzas Armadas - ESPE

Seminarios de Automatizacin y
Control
Definiciones
estadsticas
a
usar
en
la
administracin y herramientas para resumir datos
Integrantes:

Diego Pichoasamin
Diego Barragn
Cristian Andino
Marcelo Alvarez

09 de Noviembre del 2014

Seminarios automatizacin y control

2014

CONTENIDO
RESUMEN ........................................................................................................................................................... 2
1.

INTRODUCCIN ......................................................................................................................................... 2

2.

OBJETIVOS ................................................................................................................................................. 2

3.

2.1

Objetivo General .................................................................................................................................. 2

2.2

Objetivos especficos ............................................................................................................................ 2

DESARROLLO .............................................................................................................................................. 3
3.1.

DEFINICIONES ESTADSTICAS A USAR EN LA ADMINISTRACIN ..................................................... 3

A.

ESTADSTICA EN GENERAL Y SU IMPORTANCIA ............................................................................. 3

B.

CONCEPTOS FUNDAMENTALES ESTADISTICOS ............................................................................... 4

C.

MEDIDAS DE TENDENCIA CENTRAL ................................................................................................. 7

D.

MEDIDAS DE VARIABILIDAD ............................................................................................................ 9

3.2.

HERRAMIENTAS PARA RESUMIR DATOS ....................................................................................... 11

A.

DISTRIBUCIN DE FRECUENCIAS ................................................................................................... 11

B.

HISTOGRAMA ................................................................................................................................ 13

C.

DISTRIBUCIONES DE PROBABILIDAD ............................................................................................. 19

D.

CARTAS DE CONTROL ........................................................................ Error! Marcador no definido.

E.

MUESTREO .................................................................................................................................... 27

4.

ANALISIS DEL GRUPO SOBRE EL TEMA .................................................................................................... 30

5.

CONCLUSIONES ........................................................................................................................................ 31

6.

BIBLIOGRAFIA .......................................................................................................................................... 31

Seminarios automatizacin y control

2014

RESUMEN
En el siguiente trabajo se habla sobre los diferentes conceptos y las herramientas estadsticas que se
emplean frecuentemente para recolectar, organizar, presentar, analizar e interpretar datos obtenidos
despus de algn trabajo, investigacin, encuesta, etc. Estas herramientas nos permiten una toma de
decisiones ms efectiva de una manera rpida ya que no requerimos grandes cantidades de informacin
sino solo un balance general que nos resuma de la mejor manera los resultados obtenidos.

1. INTRODUCCIN
La Estadstica, como todas las ciencias, no surgi de improviso, sino mediante un proceso largo de desarrollo
y evolucin, desde hechos de simple recoleccin de datos hasta la diversidad y rigurosa interpretacin de los
datos que se dan hoy en da. As pues, el origen de la Estadstica se remonta a los comienzos de la historia y
esto se sabe tanto a travs de crnicas, datos escritos, como de restos arqueolgicos, y esto es explicable
por cuanto en ese tiempo se estaba formado recin la sociedad y es algo inherente la necesidad de saber
cosas elementales como: cuntos habitantes tiene a tribu, con cuantos bienes cuenta, etc.
Ante la cantidad de informacin que recibe y comparte un individuo promedio en el medio en que se
desenvuelve, hace que se requiera de conocimientos bsicos estadsticos para: interpretarla, comunicarla y
utilizarla. Todo esto conlleva a plantear una cultura estadstica base necesaria.
Para un directivo empresarial no es sencillo analizar cada uno de los componentes de un informe o trabajo
realizado por sus colaboradores, lo que l debe recibir y analizar es tan solo un balance general en el que se
destaquen los elementos ms relevantes e importantes. Para casos como este es cuando se debe recurrir a
herramientas estadsticas que nos permitan resumir grandes cantidades de informacin para facilitar su
entendimiento y para ahorrar tiempo en su anlisis. Las herramientas ms utilizadas para lograr este
objetivo son; histogramas, distribuciones, muestreos y otras herramientas, en el siguiente trabajo se
mostrarn las principales caractersticas de cada una de estas herramientas estadsticas.

2. OBJETIVOS
2.1

OBJETIVO GENERAL

Conocer las principales definiciones estadsticas utilizadas en la administracin y las herramientas


que se utilizan para resumir datos mediante un informe y exposicin que permitan entender
fcilmente estos conceptos.

2.2

OBJETIVOS ESPECFICOS
Mostrar las principales definiciones y conceptos de estadstica que se utilizan en la
administracin y otros campos.
Indicar las principales caractersticas de las diferentes herramientas que existen para
resumir datos.
Mostrar las principales aplicaciones y utilidad de las herramientas empleadas para resumir
datos.
Indicar los pasos principales para elaborar cada una de las herramientas que se utilizan
para resumir datos
2

Seminarios automatizacin y control

2014

3. DESARROLLO
3.1. DEFINICIONES
ESTADSTICAS
ADMINISTRACIN

USAR

EN

LA

A. ESTADSTICA EN GENERAL Y SU IMPORTANCIA


La Estadstica es la ciencia cuyo objetivo es reunir una informacin cuantitativa concerniente a individuos,
grupos, series de hechos, etc. y deducir de ello gracias al anlisis de estos datos unos significados precisos o
unas previsiones para el futuro. La estadstica, en general, es la ciencia que trata de la recopilacin,
organizacin presentacin, anlisis e interpretacin de datos numricos con el fin de realizar una toma de
decisin ms efectiva.

U TILIDAD E I MPORTANCIA
Los mtodos estadsticos tradicionalmente se utilizan para propsitos descriptivos, para organizar y resumir
datos numricos. La estadstica descriptiva, por ejemplo trata de la tabulacin de datos, su presentacin en
forma grfica o ilustrativa y el clculo de medidas descriptivas. Las tcnicas estadsticas se aplican de manera
amplia en mercadotecnia, contabilidad, control de calidad y en otras actividades; estudios de consumidores;
anlisis de resultados en deportes; administradores de instituciones; en la educacin; organismos polticos;
mdicos; y por otras personas que intervienen en la toma de decisiones.

M TODO E STADSTICO
El conjunto de los mtodos que se utilizan para medir las caractersticas de la informacin, para resumir los
valores individuales, y para analizar los datos a fin de extraerles el mximo de informacin, es lo que se
llama mtodos estadsticos. Los mtodos de anlisis para la informacin cuantitativa se pueden dividir en los
siguientes seis pasos:

Definicin del problema.


Recopilacin de la informacin existente.
Obtencin de informacin original.
Clasificacin.
Presentacin.
Anlisis.

E RRORES E STADSTICOS C OMUNES


Al momento de recopilar los datos que sern procesados se es susceptible de cometer errores as como
durante los cmputos de los mismos. No obstante, hay otros errores que no tienen nada que ver con la
digitacin y que no son tan fcilmente identificables. Algunos de estos errores son:

Sesgo: Es imposible ser completamente objetivo o no tener ideas preconcebidas antes de comenzar
a estudiar un problema, y existen muchas maneras en que una perspectiva o estado mental pueda
influir en la recopilacin y en el anlisis de la informacin. En estos casos se dice que hay un sesgo
cuando el individuo da mayor peso a los datos que apoyan su opinin que a aquellos que la
contradicen. Un caso extremo de sesgo sera la situacin donde primero se toma una decisin y
despus se utiliza el anlisis estadstico para justificar la decisin ya tomada.

Seminarios automatizacin y control

2014

Datos no comparables: el establecer comparaciones es una de las partes ms importantes del


anlisis estadstico, pero es extremadamente importante que tales comparaciones se hagan entre
datos que sean comparables.

Proyeccin descuidada de tendencias: la proyeccin simplista de tendencias pasadas hacia el


futuro es uno de los errores que ms ha desacreditado el uso del anlisis estadstico.

Muestreo Incorrecto: en la mayora de los estudios sucede que el volumen de informacin


disponible es tan inmenso que se hace necesario estudiar muestras, para derivar conclusiones
acerca de la poblacin a que pertenece la muestra. Si la muestra se selecciona correctamente,
tendr bsicamente las mismas propiedades que la poblacin de la cual fue extrada; pero si el
muestreo se realiza incorrectamente, entonces puede suceder que los resultados no signifiquen
nada

Es importante que todo profesional que utilice la estadstica como herramienta auxiliar de trabajo, posea un
mnimo de conocimientos y habilidades prcticas en aquellas tcnicas que le facilitarn el buen desarrollo de
esta actividad.

E STADSTICA DESCRIPTIVA .
La estadstica descriptiva comprende las tcnicas que se emplean para resumir y describir datos numricos.
Son sencillas desde el punto de vista matemtico y su anlisis se limita a los datos coleccionados sin inferir
en un grupo mayor. El estudio de los datos se realiza con representaciones grficas, tablas, medidas de
posicin y dispersin.

E STADSTICA INFERENCIAL .
El problema crucial de la estadstica inferencial es llegar a proposiciones acerca de la poblacin a partir de la
observacin efectuada en muestras bajo condiciones de incertidumbre. sta comprende las tcnicas que
aplicadas en una muestra sometida a observacin, permiten la toman de decisiones sobre una poblacin o
proceso estadstico.

B. CONCEPTOS FUNDAMENTALES ESTADISTICOS


P OBLACIN
Es el conjunto de todos los elementos que presentan una caracterstica comn determinada, observable y
medible. Por ejemplo, si el elemento es una persona, se puede estudiar las caractersticas edad, peso,
nacionalidad, sexo, etc.

FIGURA1. CONJUNTO DE PERSONAS

Seminarios automatizacin y control

2014

Los elementos que integran una poblacin pueden corresponder a personas, objetos o grupos (por ejemplo,
familias, fbricas, empresas, etc.). Las caractersticas de la poblacin se resumen en valores llamados
parmetros.

M UESTRA
La mayora de los estudios estadsticos, se realizan no sobre la poblacin, sino sobre un subconjunto o una
parte de ella, llamado muestra, partiendo del supuesto de que este subconjunto presenta el mismo
comportamiento y caractersticas que la poblacin. En general el tamao de la muestra es mucho menor al
tamao de la poblacin.

FIGURA2. MUESTRA DE UNA POBLACIN

Muestra representativa de la poblacin: cuando cada uno de los elementos que la forman cumple
ciertas propiedades y de las cuales estudiaremos un determinado fenmeno, ha sido
escogido aleatoriamente. Es decir los elementos que la componen y los restantes que no la
componen han tenido las mismas probabilidades de ser elegidos.

Muestra no representativa de la poblacin: Cuando los elementos que la componen no han sido
escogidos aleatoriamente.

V ARIABLE
Se llama variable a una caracterstica que se observa en una poblacin o muestra, y a la cual se desea
estudiar. La variable puede tomar diferentes valores dependiendo de cada individuo. Una variable se puede
clasificar de la siguiente manera.
Ejemplo anlisis del tipo de variables
Var1: peso del artculo
Var2: nivel de instruccin del cliente
Var3: tiempo de vida til del artculo
Var4: estado civil del cliente
Var5: nmero de sucursales del banco

Seminarios automatizacin y control

2014

FIGURA3. CLASIFICACIN DE LAS VARIABLES

Variable cualitativa o categrica: aquellas que expresan cualidades o categoras.

Variable cualitativa ordinal: tienen un orden de importancia. (var2)


Variable cualitativa nominal: no tienen orden de importancia. (var4)

Variable cuantitativa: aquellas que resultan de hacer mediciones o conteos. Se expresan en forma
numrica
Variable cuantitativa discreta: resultan de hacer conteos. Estn asociadas a
nmeros enteros. (var5)
Variable cuantitativa continua: resultan de hacer mediciones. Estn asociadas a
nmeros reales. (var3)(var1)

Ejemplo1: En una escuela se quiere saber cul es el deporte ms practicado por los alumnos. Se realiza una
encuesta a cinco alumnos de cada curso.

Poblacin: Todos los


alumnos de la escuela.

Muestra: Cinco alumnos


de cada curso, elegidos
por sorteo

Variable: Cualitativa
(Deporte que practica).

Ejemplo2: Se desea conocer cul es la estatura de los alumnos de una escuela. Se miden 10 alumnos por
curso.

Poblacin: Todos los


alumnos de la escuela.

Muestra: 10 alumnos
por curso, elegidos al
azar

Variable: cuantitativa
continua (Estatura).

Seminarios automatizacin y control

2014

Observacin
Es el dato registrado.
Parmetro
Es una constante que caracteriza a una poblacin.

Media
Mediana
Moda
Varianza poblacional
Desviacin Estndar
Proporcin
Diferencia de Medias
Diferencia de proporciones
Coeficiente de correlacin

Valor estadstico
Es un valor calculado usando las observaciones de la muestra

C. MEDIDAS DE TENDENCIA CENTRAL


Son medidas que se ubican aproximadamente al centro de un conjunto de datos, cuando estos estn
ordenados. A continuacin se indican las principales medidas de tendencia central

M EDIA A RITMTICA

Es el promedio de los datos, y su objetivo principal es encontrar el valor que debera de estar en el centro.
Su ventaja principal es que es la nica medida en la que

x x 0 , su inconveniente es que se ve

influida por valores extremos.

Propiedades
Es una medida nica.
Es afectada por todas las observaciones e influida por las magnitudes absolutas de los
valores extremos de la serie.

x x 0

Datos No Agrupados Ejemplo: Calcular la media aritmtica de los nmeros 10,12,36,25,58


n

X
X=

i 1

10 12 36 25 58 121

24.2
5
5

Datos Agrupados Ejemplo: Calcular el salario promedio de :

Seminarios automatizacin y control

2014

Salario (X)

No de Empleados (F)

$ 15000

18

$ 20000

35

$ 25 000

29

TABLA 1. DATOS PARA MEDIA ARITMETICA

f
X=
x

i 1

*X i

15000 *18 20000 * 35 25000 * 29 1695000 $20,670.70


82

82

M EDIANA M UESTRAL ( ME )
Es el valor central, el que delimita al 50% de los datos, es decir, es el valor que se encuentra exactamente en
la mitad de los datos.
Ejemplo: El tiempo mensual, en horas, dedicados a estudiar son: 24.2, 15.8, 25.0, 18.3, 23.6, 14.3

Los datos ordenados son: 14.3, 15.8, 18.3, 23.6, 24.2, 25.0
Encontramos la posicin de los datos:

posicin

n 1 6 1

3.5 Siendo=nmero de datos


2
2

El valor de la posicin nos da un valor decimal (3.5) y entonces debemos: sumar los valores
involucrados de la posicin y dividirlos entre 2

me

18,3 23,6
20,95
2

M ODA MUESTRAL ( MO )
Dado un conjunto de datos, la moda muestral es el valor que se repite con mayor frecuencia.
Ejemplo: El tipo de apariencia registrada: (1) Normal, (2) Defectuoso, en un grupo de artculos es: 1, 1, 1, 1,
1, 1, 1, 1, 2, 2, 2, 2, 2
La moda muestral, mo = 1
Por lo tanto Entre los artculos en estudio, el tipo de apariencia ms frecuente es el Normal.

Seminarios automatizacin y control

2014

D. MEDIDAS DE VARIABILIDAD
Son indicadores del grado de dispersin de los datos. Entre los ms importantes estn las que se muestran a
continuacin:

R ANGO O R ECORRIDO (R) O (R E )


Se define como la diferencia entre el mximo y el mnimo valor de la variable:

rango max min

Ejemplo: Sea X, las indemnizaciones recibidas por cuatro trabajadores de dos empresas A y B
A

100

120

350

370

225

230

240

245

TABLA 2. DATOS PARA CALCULO DE RANGO

Re ( A) = 370 100= 270


Re ( B) = 245 225= 20

V ARIANZA ( )
2

Es el promedio del cuadrado de la distancia de los datos a su media, sirve para identificar a la media de las
desviaciones cuadrticas de una variable de carcter aleatorio, considerando el valor medio de sta.
Ayuda a determinar qu tanto pueden variar tus datos. Lo ideal sera la varianza igual a cero ya que tus
datos seran perfectos y no hay posibilidad de variacin, pero en la vida real esto no sucede.

Varianza para una poblacin

X x
N

2 =

i 1

Donde =media
N=nmero de la poblacin

Varianza para una muestra de poblacin

X x
N

2 =

i 1

Donde =media
n=nmero de la poblacin

D ESVIACIN ESTNDAR ( )
Se define como la raz cuadrada con signo positivo de la varianza. Uno de los conceptos ms importantes
relacionados con la varianza es la desviacin estndar, tambin conocida como tpica, que representa la
magnitud de la dispersin de variables de intervalo y de razn, y resulta muy til en el campo de
la estadstica descriptiva. Para obtenerla, simplemente se parte de la varianza y se calcula su raz cuadrada.

Seminarios automatizacin y control

2014

Desviacin estndar para una poblacin

X x
N

i 1

Desviacin estndar para muestras de una poblacin

X x
N

i 1

n -1

C OEFICIENTE DE VARIABILIDAD
Indica la relacin existente entre la desviacin tpica de una muestra y su media.

CV

Al dividir la desviacin tpica por la media se convierte en un valor excento de unidad de medida. Si
comparamos la dispersin en varios conjuntos de observaciones tendr menor dispersin aquella que tenga
menor coeficiente de variacin. El principal inconveniente, es que al ser un coeficiente inversamente
proporcional a la media aritmtica, cuando est tome valores cercanos a cero, el coeficiente tender a
infinito.

Ejemplo de medidas de variabilidad:


El gerente de una empresa de alimentos desea saber que tanto varan los pesos de los empaques (en
gramos), de uno de sus productos; por lo que opta por seleccionar al azar cinco unidades de ellos para
pesarlos. Los productos tienen los siguientes pesos (490, 500, 510, 515 y 520) gramos respectivamente.
Numero

Peso (gr)

Unidad 1

490

Unidad 2

500

Unidad 3

510

Unidad 4

515

Unidad 5

520

TABLA 3. DATOS DE PESO DE EMPAQUES

10

Seminarios automatizacin y control

2014

Primero calculamos la media


n

X
X=

X=

i 1

490 500 510 515 520 2535

507
5
5

La varianza ser para el conjunto muestra

X x
N

2 =

i 1

n -1

(490 507)2 (500 507)2 (510 507) 2 (515 507)2 (520 507) 2 580

145
5 -1
4
Desviacin Estndar

145 12,04 12
Con lo que concluiramos que el peso promedio de los empaques es de 507 gramos, con una tendencia a
variar por debajo o por encima de dicho peso en 12 gramos. Esta informacin le permite al gerente
determinar cunto es el promedio de perdidas causado por el exceso de peso en los empaques y le da las
bases para tomar los correctivos necesarios en el proceso de empacado.

3.2. HERRAMIENTAS PARA RESUMIR DATOS


Los mtodos prcticos para resumir datos dan especial importancia a la sencillez. Algunas veces basta con
un solo mtodo para obtener un resumen completo, en otros casos se requieren dos e incluso tres mtodos
para lograr una claridad total. Los tres mtodos clave son la distribucin de frecuencias, el histograma y las
medidas de tendencia central y de dispersin.

A. DISTRIBUCIN DE FRECUENCIAS
D EFINICIN
La distribucin de frecuencias es una herramienta estadstica para representar numerosos hechos, de forma
tal que ponga de manifiesto la tendencia central y la dispersin a lo largo de la escala de medida.
La tabla 4 muestra los datos originales correspondientes a la medicin de la resistencia elctrica de 100
bobinas.

11

Seminarios automatizacin y control

2014

TABLA 4. EJEMPLO DE DISTRIBUCIN DE FRECUENCIAS

Ahora en la tabla 5 aparecen los mismos datos una vez tabulados. Obsrvese cmo la clasificacin del
analista en la columna Tabulacin, pone en evidencia la tendencia central y la dispersin. La columna
Frecuencia es simplemente la suma correspondiente a cada una de esas clasificaciones. La columna
Frecuencia acumulada indica el nmero de bobinas con resistencia igual o mayor al valor de resistencia
indicado en la lnea correspondiente.

TABLA 5. CUADRO DE VALORES TABULADOS

La tabla 5 presenta una gama de valores que van de 3,33 a 3,27 en 17 intervalos de 0,01 ohmio cada uno.
Cuando se desea reducir el nmero de dichos intervalos, se agrupan los datos en clases. La tabla 6
muestra los mismos datos agrupados en una distribucin de frecuencias con slo seis clases, cada una de las
cuales tiene una amplitud de 0.03 ohmios. La agrupacin de los datos en clases simplifica la presentacin y
el estudio de la distribucin, pero se pierden algunos detalles.

TABLA 6. DISTRIBUCIN DE FRECUENCIAS DE LOS VALORES DE LAS RESISTENCIAS

12

Seminarios automatizacin y control

2014

P ASOS PARA CONSTRUIR UNA DISTRIBUCIN DE FRECUENCIAS


A continuacin se enumeran los pasos a seguir para una distribucin de frecuencia

1. Decida el
nmero de clases

2. Calcule el
intervalo de clase
aproximado

3. Contruya las
clases indicando los
extremos de las
mismas

4. Marque cadaa
observacion dentro
de la clase que le
corresponda

FIGURA 4. PASOS A SEGUIR PARA LA CONSTRUCCIN DE UNA DISTRIBUCIN DE FRECUENCIAS

Las clases que aparecen en la tabla 7 sirven de orientacin adecuada en l mayora de los casos. Deben
considerarse slo como simples orientaciones que se pueden modificar siempre que sea necesario.

TABLA 7. NMERO DE CLASES PARA LA DISTRIBUCIN DE FRECUENCIAS (EJEMPLO)

B. HISTOGRAMA
D EFINICIN
Un Histograma es un tipo especial de grfica de barras que despliega la variabilidad dentro de un proceso;
toma datos variables (tales como alturas, pesos, densidades, tiempo, temperaturas, etc.) y despliega su
distribucin. Los patrones inusuales o sospechosos pueden indicar que un proceso necesita investigacin
para determinar su grado de estabilidad.
Con ste instrumento, a travs del concepto de clase, de dispersin y de frecuencia, el hombre de ciencia
tiene la posibilidad de captar la estructura estadstica de los datos que ha recogido y de interpretar su
sentido.

13

Seminarios automatizacin y control

2014

FIGURA 5. EJEMPLO DE HISTOGRAMA

El histograma utiliza los conceptos de clase, rango y frecuencia que se estudiaran a continuacin:

Clase

Por clase se entiende a la dimensin de un intervalo de variabilidad de los datos que se toma como base
para representar los propios datos. En la Error! No se encuentra el origen de la referencia.Figura la
dimensin de las clases es diez y se pueden contar siete intervalos: de 131 a 140, de 141 a 150 y as
sucesivamente hasta el valor de 200.

Rango

Por rango se entiende la dimensin del intervalo existente entre el mximo y el mnimo de los valores.
En el histograma de la Figura 5, el rango va de 130 a 200 y, por consiguiente, su valor es de 70.

Frecuencia

Por frecuencia se entiende el nmero de elementos comprendidos en una determinada clase.


Por ejemplo, en el histograma de la Figura 5, en la clase de 161 a 170, se encuentran comprendidos 50
elementos.

C OMO SE CONSTRUYE UN HISTOGRAMA


En la Tabla 8 se reproducen las mediciones del contenido de los frascos de un producto farmacutico
obtenidas sistemticamente 10 veces por da durante 12 das consecutivos y expresados en centilitros.
El nmero de las mediciones objeto de anlisis se expresa mediante N; en nuestro caso N=120.
Observando la tabla, no se puede definir qu valor es el ms frecuente ni cmo se distribuye los valores.
Debido stos inconvenientes se realiza la construccin de un histograma.

8:00

LUN
94

MAR
97

MIER
92

JUE
94

VIE
104

SAB
108

LUN
95

MAR
98

MIER
111

JUE
85

VIE
109

SAB
110

9:00

109

118

92

100

109

92

105

111

96

110

108

97

10:00

105

97

101

102

93

99

97

109

95

96

103

88

11:00

85

96

93

93

94

92

108

99

95

91

88

96

14

Seminarios automatizacin y control

2014

12:00

93

103

95

99

101

80

98

101

106

95

103

83

13:00

111

100

90

98

110

85

111

109

104

97

115

93

14:00

109

92

108

89

103

95

91

99

95

93

105

97

15:00

102

99

86

96

110

92

94

99

87

114

100

102

16:00

99

115

84

89

110

85

93

101

84

89

113

91

17:00

93

104

84

85

109

99

100

100

94

91

113

109

TABLA 8. TABULACIN EJEMPLO DE HISTOGRAMA

Fase1:

De la tabla de datos, tomamos el valor mximo (M) y el mnimo (m). En nuestro caso, M=118 y m=80.
Seguidamente, calculamos el denominado rango (R) como diferencia entre el valor mximo y el mnimo: R=
118 80 = 38.

Fase 2:

Ahora, definimos el nmero de clases. El nmero de clases, que se indican mediante K, se elige en funcin
del nmero de datos N, para lo que puede utilizarse el criterio de la raz cuadrada;
N=120 y K=10,95 y, por aproximacin, elegimos 10.

, en nuestra caso,

Fase 3:

La amplitud de cada clase (H se obtiene dividiendo el rango de R pro el nmero de clases K. En nuestro caso:
R/K=38/10=3,8.
Normalmente, la amplitud de cada clase se redondea a un valor ms cmodo, en nuestro caso, H=4. As
hemos determinado que nuestro histograma tendr diez clases de amplitud cuatro.
Datos

Valor

N (nmero de mediciones)
M (mximo valor)
m (mnimo valor)
R (ranngo)
K (nmero de clases)
H (amplitud)

120
118
80
38
10
4

TABLA 9. DATOS PARA CONSTRUCCIN DE HISTOGRAMA

Fase 4:

En este punto se definen los lmites de las clases empezando por el valor mnimo, en nuestro caso 80.
Ese valor se asume como lmite inferior de la primera clase. El lmite superior de la primera clase se calcula
sumando a 80 la amplitud de clase, que es igual a cuatro.
El lmite superior de la primera clase coincide con el lmite inferior de la segunda clase. Los lmites de las
clases sucesivas se definen sumando cada vez el valor de la amplitud de clase.

15

Seminarios automatizacin y control

2014

Generalmente, para los valores comprendidos entre dos clases, como, en el ejemplo, 88, se adopta la
siguiente conversin: todos los datos que corresponden a los lmites de las clases se registran en la clase
superior como se muestra en la tabla 5.
Clase

Frecuencia

80

84

88

92

14

96

25

100

22

104

14

108

112

17

116

120

TABLA 10. CLASE Y FRECUENCIA PARA GRAFICAR HISTOGRAMA

Fase 5:

Se prepara la tabla de las frecuencias y se registran los datos. El registro de los datos requiere una especial
atencin, ya que ciertos valores pueden corresponder exactamente a los lmites.
Se pasa a continuacin al completo registro de los datos en la tabla de frecuencia y se cuenta el nmero de
datos que entran en cada clase.
La primera clase, por ejemplo, comprender los valores 80 y 83; la segunda, los valores 84 (3 veces), 85 (4
veces), 86 (2 veces) y 87 (1 vez).
Se puede observar en la Figura 6 el grfico correspondiente al ejemplo realizado.

Ejemplo Histograma
30
25
25

22

20

17
14

15

14

10

8
5

5
1
0
80-84

84-88

88-92

92-96

96-100

100-104 104-108 108-112 112-116 116-120

16

Seminarios automatizacin y control

2014

FIGURA 6. RESULTADO GRFICO DEL EJEMPLO DE HISTOGRAMA

T IPOS DE HISTOGRAMAS E INTERPRETACIN


Si en el proceso de llenado, durante el perodo de observacin, no han intervenido elementos
distorsionantes, la dispersin de los datos tiende a asumir una forma de campana, que representa la
denominada distribucin normal de este proceso (Figura 7).

FIGURA 7. DISTRIBUCIN NORMAL

Los histogramas ofrecen aspectos particulares que reflejan errores de elaboracin o, con mayor frecuencia
la existencia de problemas en el proceso objeto de anlisis. Generalmente, se pueden presentar las
siguientes caractersticas:

Histogramas En Isla

En el caso de los histogramas en isla, es preciso investigar las causas de esos escasos datos aislados, que
pueden derivar de errores de medicin debidos al instrumento o al operario o proceder de datos no
homogneos con los precedentes como consecuencia de diversos lotes de produccin, materiales o
mquinas (Figura 8).

FIGURA 8. HISTOGRAMA EN ISLA

Histogramas Con Dientes De Peine

En cuanto a los histogramas con dientes de peine algo no va en los intervalos de las clases a cause de un
redondeo inadecuado de las medidas o de un excesivo nmero de clases respecto de los datos disponibles
(Figura 9).
17

Seminarios automatizacin y control

2014

FIGURA 9. HISTOGRAMA CON DIENTES DE PEINE

Histogramas Asimtricos

Los histogramas asimtricos pueden haber sido causados por cualquier tipo de error en la recogida de los
datos o en la medicin o por la superposicin de datos no homogneos que ser preciso estratificar (Figura
10).

FIGURA 10. HISTOGRAMA ASIMTRICO

Histograma En Precipicio

Los histogramas en precipicio son debidos a errores de medicin, a valores falseados accidental o
voluntariamente durante la fase de recogida o a la existencia de un lmite no previsto en la fase de cogida de
datos (Figura 11).

FIGURA 11. HISTOGRAMA EN PRECIPICIO

18

Seminarios automatizacin y control

2014

Histogramas De Dos Puntas

Puede ocurrir que nos encontremos ante un histograma que presente dos puntas y que, por consiguiente,
asuma
una
forma
de
joroba
de
camello
(Figura
12).
As sucede cuando los datos recogidos afectan a dos conjuntos diversos como, por ejemplo, dos mquinas,
dos operarios, dos materias primas diferentes o cuando interviene en el proceso algo concreto que altera la
distribucin natural.
En estos casos es preciso definir criterios adecuados de estratificacin y reflejar seguidamente los datos
estratificados.

FIGURA 12. HISTOGRAMAS DE DOS PUNTAS

C. DISTRIBUCIONES DE PROBABILIDAD
Una distribucin de probabilidad indica toda la gama de valores que pueden representarse como resultado
de un experimento si ste se llevase a cabo.

Describe la probabilidad
de que un evento se
realice en el futuro

Puede disear un
escenario de
acontecimientos
futuros considerando
las tendencias actuales

Una distribucin de probabilidad es una lista de las probabilidades de todos los resultados posibles que
pudieran resultar si el experimento se hace; es decir, es la suma de todas las funciones en las que interviene
la variable aleatoria x bajo estudio.

19

Seminarios automatizacin y control

2014

Las distribuciones de probabilidad siempre es la suma de todas las funciones posibles, por tanto su
sumatoria siempre tiene que ser igual al espacio muestral; esto es:

CLASIFICACIN DE LAS DISTRIBUCIONES DE PROBABILIDAD


D ISTRIBUCIONES DISCRETAS
Se presentan cuando nuestra variable de estudio es discreta; esto es, solo puede asumir valores enteros, sin
decimales.

Distribucin binomial

La distribucin binomial es una distribucin de probabilidad discreta que cuenta el nmero de xitos en
una secuencia de n ensayos de Bernoulli independientes entre s, con una probabilidad fija p de
ocurrencia del xito entre los ensayos.
Un experimento de Bernoulli se caracteriza por ser dicotmico, esto es, slo son posibles dos
resultados. A uno de estos se denomina xito y tiene una probabilidad de ocurrencia p y al otro, fracaso,
con una probabilidad q = 1 - p.
En la distribucin binomial el anterior experimento se repite n veces, de forma independiente, y se trata
de calcular la probabilidad de un determinado nmero de xitos. Para n = 1, la binomial se convierte, de
hecho, en una distribucin de Bernoulli. Su funcin de probabilidad es:

FIGURA 13. FUNCIN DE PROBABILIDAD DE LA DISTRIBUCIN BINOMIAL

20

Seminarios automatizacin y control

2014

Distribucin Poisson

La distribucin de Poisson es una distribucin de probabilidad discreta que expresa, a partir de una
frecuencia de ocurrencia media, la probabilidad de que ocurra un determinado nmero de eventos
durante cierto perodo de tiempo.
Concretamente, se especializa en la probabilidad de ocurrencia de sucesos con probabilidades muy
pequeas, o sucesos "raros".
Su funcin de probabilidad es:

FIGURA 14. FUNCIN DE PROBABILIDAD DE LA DISTRIBUCIN DE POISSON

D ISTRIBUCIONES CONTINUAS
Se presentan cuando nuestra variable de estudio es continua; esto es, puede asumir valores dentro de un
intervalo de valores.

Distribucin normal

Se llama distribucin normal, distribucin de Gauss o distribucin gaussiana, a una de las distribuciones
de probabilidad de variable continua que con ms frecuencia aparece aproximada en fenmenos reales.

21

Seminarios automatizacin y control

2014

La grfica de su funcin de densidad tiene una forma acampanada y es simtrica respecto de un


determinado parmetro estadstico. Esta curva se conoce como campana de Gauss y es el grfico de
una funcin gaussiana.
La importancia de esta distribucin radica en que permite modelar numerosos fenmenos naturales,
sociales y psicolgicos.
Mientras que los mecanismos que subyacen a gran parte de este tipo de fenmenos son desconocidos,
por la enorme cantidad de variables incontrolables que en ellos intervienen, el uso del modelo normal
puede justificarse asumiendo que cada observacin se obtiene como la suma de unas pocas causas
independientes.
Su funcin de densidad probabilidad es:

FIGURA 15. FUNCIN DE DENSIDAD PROBABILIDAD DE LA DISTRIBUCIN DE NORMAL

Las cartas de control son la herramienta ms poderosa para analizar la variacin en la mayora de los
procesos. Han sido difundidas exitosamente en varios pases dentro de una amplia variedad de situaciones
para el control del proceso.
Las cartas de control enfocan la atencin hacia las causas especiales de variacin cuando estas aparecen y
reflejan la magnitud de la variacin debida a las causas comunes. Las causas comunes o aleatorias se deben
a la variacin natural del proceso.
Las causas especiales o atribuibles son por ejemplo: un mal ajuste de mquina, errores del operador,
defectos en materias primas. Se dice que un proceso est bajo Control Estadstico cuando presenta causas
comunes nicamente. Cuando ocurre esto tenemos un proceso estable y predecible.
Cuando existen causas especiales el proceso est fuera de Control Estadstico; las grficas de control
detectan la existencia de estas causas en el momento en que se dan, lo cual permite que podamos tomar
acciones al momento.

22

Seminarios automatizacin y control

2014

V ENTAJAS
a.
b.

c.
d.
e.

Es una herramienta simple y efectiva para lograr un control estadstico


El operario puede manejar las cartas en su propia rea de trabajo, por lo cual puede dar
informacin confiable a la gente cercana a la operacin en el momento en que se deben de tomar
ciertas acciones
Cuando un proceso est en control estadstico puede predecirse su desempeo respecto a las
especificaciones.
Una vez que un proceso se encuentra en control estadstico, su comportamiento puede ser
mejorado posteriormente reduciendo la variacin
Al distinguir ente las causas especiales y las causas comunes de variacin, dan una buena indicacin
de cundo un problema debe ser corregido localmente y cuando se requiere de una accin en la
que deben de participar varios departamentos o niveles de la organizacin.

C ARTAS DE CONTROL POR VARIABLES Y POR ATRIBUTOS


En Control de Calidad mediante el trmino variable se designa a cualquier caracterstica de calidad
medible tal como una longitud, peso, temperatura, etc. Mientras que se denomina atributo a las
caractersticas de calidad que no son medibles y que presentan diferentes estados tales como conforme y
disconforme o defectuoso y no defectuoso.
Segn sea el tipo de la caracterstica de calidad a controlar as ser el correspondiente Grfico de Control
que, por tanto, se clasifican en Cartas de Control por Variables y Cartas de Control por Atributos.

Ventajas significativas

Cartas de Control por variables


Conducen
a
un
mejor
procedimiento de control.

Cartas de control por atributos


Son potencialmente aplicables a
cualquier proceso

Proporcionan una utilizacin


mxima de la informacin
disponible de datos.

Los datos estn a menudo


disponibles.
Son rpidos y simples de obtener.
Son fciles de interpretar.
Son frecuentemente usados en
los informes a la Gerencia.

Desventajas significativas

No se entienden a menos que se


de capacitacin; puede causar
confusin entre los lmites de
especificacin y los lmites de
tolerancia.

Ms econmicas
No proporciona informacin
detallada
del
control
de
caractersticas individuales.

No reconoce distintos grados de


defectos en las unidades de
producto.
TABLA 11. COMPARACIN DE LAS CARTAS DE CONTROL POR VARIABLES VS. ATRIBUTOS

23

Seminarios automatizacin y control

2014

C AMPOS DE APLICACIN DE LAS CARTAS


Variables
Carta
X R
X S

Descripcin
Medias y Rangos
Medias y desviacin
estndar.
Individuales

Campo de aplicacin.
Control de caractersticas individuales.
Control de caractersticas individuales.
Control de un proceso con datos variables que no pueden ser
muestreados en lotes o grupos.

TABLA 12. VARIABLES DE UNA CARTA DE CONTROL

Atributos
Carta
P
NP
C
U

Descripcin
Proporciones
Nmero de defectuosos
Defectos por unidad
Promedio de defectos
por unidad

Campo de aplicacin.
Control de la fraccin global de defectuosos de un proceso.
Control del nmero de piezas defectuosas
Control de nmero global de defectos por unidad
Control del promedio de defectos por unidad.

TABLA 13. ATRIBUTOS DE UNA CARTA DE CONTROL

Ejemplo de aplicacin de una carta de control

La longitud de un tramo de tubo se registra para cada producto. Realice la grfica de control
individual.

Parte
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15

Longitud
12.02
11.85
11.98
11.72
11.88
12.07
12.03
12.13
12.16
12.16
12.16
12.21
12.19
11.93
11.89

TABLA 14. DATOS DE LONGITUD PARA EJEMPLO

24

Seminarios automatizacin y control

2014

Terminologa
k = nmero de piezas
n = 2 para calcular los rangos

X = promedio de los datos


R = rango de un subgrupo de dos piezas consecutivas

R = promedio de los (n - 1) rangos

LSC X X E2 R
LIC X X E2 R

LSCR D4 R
LICR D3 R
Donde D4, D3, E2 son constantes que varan segn el tamao de muestra usado para agrupar los rangos
mviles como se muestra en la tabla siguiente:

n
D4
D3
E2

2
3.27
0
2.66

3
2.57
0
1.77

4
2.28
0
1.46

5
2.11
0
1.29

6
2.00
0
1.18

7
1.92
0.08
1.11

8
1.86
0.14
1.05

9
1.82
0.18
1.01

10
1.78
0.22
0.98

TABLA 15. DATOS RANGOS MOVILES

Generalmente se utiliza n = 2
Parte
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15

Longitud
12.02
11.85
11.98
11.72
11.88
12.07
12.03
12.13
12.16
12.16
12.16
12.21
12.19
11.93
11.89
12.03

Rangos
0.17
0.13
0.26
0.16
0.19
0.04
0.10
0.03
0.00
0.00
0.05
0.02
0.26
0.04
0.10

TABLA 16. DATOS OBTENIDOS DE RANGOS

25

Seminarios automatizacin y control

2014

Se calcula el rango mvil de la siguiente manera: diferencia entre 1 y 2 lectura, 2 y 3 y as hasta n-1.

LSC X X E2 R =12.03+(2.66)(.10) = 12.29


LIC X X E2 R =12.03 (2.66)(.10) = 11.76
LSCR D4 R = 3.27(.10)= .327
LICR D3 R = 0
I Chart for C1
12.35
UCL=12.30

Individual Value

12.25
12.15
12.05

Mean=12.03

11.95
11.85
11.75

LCL=11.75
1

11.65
0

10

15

Observation Number

Moving Range Chart for C1


0.4
UCL=0.3384

Moving Range

0.3

0.2

0.1

R=0.1036

0.0

LCL=0
0

10

15

Observation Number

FIGURA16. RESULTADOS OBTENIDOS DE CARTA DE CONTROL

Interpretacin del proceso:

Revisar la grfica de rangos para puntos fuera de los lmites de control como signo de la existencia de
causas especiales. Note que los rangos sucesivos estn correlacionados, debido a que tienen un punto
en comn y debido a esto se tiene que tener cuidado al interpretar tendencias.
Las grficas por lecturas individuales pueden ser analizadas para puntos fuera de los lmites de control,
dispersin de puntos dentro de los lmites de control y para tendencias o patrones. Cabe hacer notar
que si la distribucin de proceso no es simtrica, las reglas mostradas anteriormente para grficas X
podrn dar seales de causas especiales sin que stas existan.

26

Seminarios automatizacin y control

2014

U SOS MS COMUNES
Cartas de control para
el anlisis de calidad en
manufactura

Ejemplos de
caractersticas de
calidad.

Peso promedio

Longitud promedio

Dimetro promedio

Tiempo promedio de
servicio

Nmero de
inconformidades en la
unidad.

FIGURA17. USOS COMUNES DE CARTA DE CONTROL

D. MUESTREO
En ocasiones en que no es posible o conveniente realizar un censo (analizar a todos los elementos de una
poblacin), se selecciona una muestra, entendiendo por tal una parte representativa de la poblacin.
El muestreo es por lo tanto una herramienta de la investigacin cientfica, cuya funcin bsica es
determinar que parte de una poblacin debe examinarse, con la finalidad de hacer inferencias sobre
dicha poblacin.
La muestra debe lograr una representacin adecuada de la poblacin, en la que se reproduzca de la
mejor manera los rasgos esenciales de dicha poblacin que son importantes para la investigacin. Para
que una muestra sea representativa, y por lo tanto til, debe de reflejar las similitudes y diferencias
encontradas en la poblacin, es decir ejemplificar las caractersticas de sta.
Los errores ms comunes que se pueden cometer son:

Hacer conclusiones muy generales a partir de la observacin de slo una parte de la Poblacin,
se denomina error de muestreo.
Hacer conclusiones hacia una Poblacin mucho ms grandes de la que originalmente se tom la
muestra. Error de Inferencia.

En la estadstica se usa la palabra poblacin para referirse no slo a personas si no a todos los
elementos que han sido escogidos para su estudio y el trmino muestra se usa para describir una porcin
escogida de la poblacin.

T IPOS DE MUESTREO
A. Muestreo probabilstico
Los mtodos de muestreo probabilsticos son aquellos que se basan en el principio de equiprobabilidad. Es
decir, aquellos en los que todos los individuos tienen la misma probabilidad de ser elegidos para formar
parte de una muestra y, consiguientemente, todas las posibles muestras de tamao n tienen la misma
probabilidad de ser seleccionadas. Slo estos mtodos de muestreo probabilsticos nos aseguran la
27

Seminarios automatizacin y control

2014

representatividad de la muestra extrada y son, por tanto, los ms recomendables. Dentro de los
mtodos de muestreo probabilsticos encontramos los siguientes tipos:
1.

Muestreo aleatorio simple:

El procedimiento empleado es el siguiente: 1) se asigna un nmero a cada individuo de la


poblacin y 2) a travs de algn medio mecnico (bolas dentro de una bolsa, tablas de nmeros
aleatorios, nmeros aleatorios generados con una calculadora u ordenador, etc.) se eligen tantos
sujetos como sea necesario para completar el tamao de muestra requerido
2.

Muestreo aleatorio sistemtico:

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

Muestreo aleatorio estratificado:

Trata de obviar las dificultades que presentan los anteriores ya que simplifican los procesos y
suelen reducir el error muestral para un tamao dado de la muestra. Consiste en considerar
categoras tpicas diferentes entre s (estratos) que poseen gran homogeneidad respecto a alguna
caracterstica (se puede estratificar, por ejemplo, segn la profesin, el municipio de residencia,
el sexo, el estado civil, etc.). Lo que se pretende con este tipo de muestreo es asegurarse de que
todos los estratos de inters estarn representados adecuadamente en la muestra.
Cada estrato funciona independientemente, pudiendo aplicarse dentro de ellos el muestreo
aleatorio simple o el estratificado para elegir los elementos concretos que formarn parte de la
muestra. En ocasiones las dificultades que plantean son demasiado grandes, pues exige un
conocimiento detallado de la poblacin. (Tamao geogrfico, sexos, edades,...).
4.

Muestreo aleatorio por conglomerados:

Los mtodos presentados hasta ahora estn pensados para seleccionar directamente los
elementos de la poblacin, es decir, que las unidades mustrales son los elementos de la
poblacin.

B. Mtodos de muestreo no probabilsticos


A veces, para estudios exploratorios, el muestreo probabilstico resulta excesivamente costoso y se acude
a mtodos no probabilsticos, aun siendo conscientes de que no sirven para realizar generalizaciones
(estimaciones inferenciales sobre la poblacin), pues no se tiene certeza de que la muestra extrada sea
representativa, ya que no todos los sujetos de la poblacin tienen la misma probabilidad de ser elegidos.
En general se seleccionan a los sujetos siguiendo determinados criterios procurando, en la medida de
lo posible, que la muestra sea representativa.

28

Seminarios automatizacin y control

1.

2014

Muestreo por cuotas

Tambin denominado en ocasiones "accidental". Se asienta generalmente sobre la base de un buen


conocimiento de los estratos de la poblacin y/o de los individuos ms "representativos" o
"adecuados" para los fines de la investigacin. Mantiene, por tanto, semejanzas con el muestreo
aleatorio estratificado, pero no tiene el carcter de aleatoriedad de aqul.
2.

Muestreo intencional o de convivencia

Este tipo de muestreo se caracteriza por un esfuerzo deliberado de obtener muestras


"representativas" mediante la inclusin en la muestra de grupos supuestamente tpicos. Es muy
frecuente su utilizacin en sondeos preelectorales de zonas que en anteriores votaciones han
marcado tendencias de voto.
3.

Bola de nieve

Se localiza a algunos individuos, los cuales conducen a otros, y estos a otros, y as hasta conseguir
una muestra suficiente. Este tipo se emplea muy frecuentemente cuando se hacen estudios con
poblaciones "marginales", delincuentes, sectas, determinados tipos de enfermos, etc.
4. Muestreo Discrecional
A criterio del investigador los elementos son elegidos sobre lo que l cree que pueden aportar al
estudio.
Ejemplo de aplicacin
Supongamos que en una empresa se encuentran los siguientes funcionarios:

varn, a tiempo completo: 90


varn, a tiempo parcial: 18
femenino, a tiempo completo: 9
femenino, a tiempo parcial: 63
Total: 180

Y se nos pide que tome una muestra de 40 personas, estratificada segn las categoras anteriores. El primer
paso es encontrar el nmero total de personal y calcular el porcentaje de cada grupo.

% Hombres, a tiempo completo = 90/180 = 50%


% Hombres, a tiempo parcial = 18/180 = 10%
% Mujeres, a tiempo completo = 9/180 = 5%
% De mujeres, a tiempo parcial = 63/180 = 35%

Esto nos dice que nuestra muestra de 40.

50% debe ser de sexo masculino, de tiempo completo.


10% debe ser de sexo masculino, a tiempo parcial.
5% debe ser mujer, a tiempo completo.
35% debe ser mujer, a tiempo parcial.

29

Seminarios automatizacin y control

2014

Por tanto:

50% de 40 es 20.
10% de 40 es 4.
5% de 40 es 2.
35% de 40 es 14

U SOS DEL MUESTREO


El Muestreo es utilizado en diversos campos:
1.
2.
3.
4.
5.
6.

Poltica: Las muestras de las opiniones de los votantes se usan para que los candidatos midan la
opinin pblica y el apoyo en las elecciones.
Educacin: Las muestras de las calificaciones de los exmenes de estudiantes se usan para
determinar la eficiencia de una tcnica o programa de enseanza.
Industria: La muestras de los productos de una lnea de ensamble sirve para controlar la calidad.
Medicina: Las muestras de medidas de azcar en la sangre de pacientes diabticos prueban la
eficacia de una tcnica o de un frmaco nuevo.
Agricultura: Las muestras del maz cosechado en una parcela proyectan en la produccin los efectos
de un fertilizante nuevo.
Gobierno: Una muestra de opiniones de los votantes se usara para determinar los criterios del
pblico sobre cuestiones relacionadas con el bienestar y la seguridad nacional.

4. ANALISIS DEL GRUPO SOBRE EL TEMA


Todos los conceptos expuestos en este trabajo son de mucha utilidad en la vida diaria de un profesional ya
que sin importar el rea de especializacin de un profesional, este debe constantemente elaborar balances
de cualquier tipo, elaborar anlisis de alguna informacin determinada, organizar y resumir informacin,
entre otras actividades que son necesarias a diario. Como pudimos ver estos conceptos muchas veces nos
pueden parecen insignificantes y se puede omitir su conocimiento pero en realidad son una herramienta
muy poderosa que puede facilitar muchos trabajos y nos permite ahorrar tiempo.
Nosotros como estudiantes de una carrera tcnica siempre esperamos que el resultado de algn sistema
electrnico se ajuste a una caracterstica establecida y ante esto nosotros podemos actuar. Pero en realidad
no todo funciona de esta manera y muchos aspectos en la vida tienen caractersticas probabilsticas con
datos discretos, en este caso es cuando ser necesario la utilizacin de las herramientas que hemos
expuesto en este trabajo.
La presentacin de datos estadsticos constituye en sus diferentes modalidades uno de los aspectos de ms
uso en la estadstica. A partir de esto podemos visualizar a travs de los diferentes medios escritos y
televisivos de comunicacin masiva la presentacin de los datos estadsticos sobre el comportamiento de las
principales variables econmicas y sociales, nacionales e internacionales.
Las herramientas que se usen para recolectar la informacin tendrn un efecto fuerte en la manera de
analizar y en la forma de presentar los datos. Si se ha incrementado la productividad, esto implicar, en
parte, una cuantificacin de los resultados.

30

Seminarios automatizacin y control

2014

5. CONCLUSIONES

Se observ que las medidas de tendencia central son de gran utilidad ya que nos permiten conocer
valores que vienen a ser como un reporte general de una gran cantidad de informacin, lo cual
permite analizar esta informacin brevemente sin necesidad de observar todos los datos.
Se observ que es muy importante tomar en cuenta los errores que se pueden cometer al utilizar
estas herramientas estadsticas, ya que podemos generar una informacin descontextualizada y
equivoca que puede causar problemas
Las cartas de control es una herramienta de estadstica muy til en las empresas, ya que les permite
ver las variaciones del producto y estimar los valores aceptables dentro de un rango de tolerancia,
lo cual es ideal para un proceso de control de calidad de producto.
El muestreo es una tcnica muy til al momento de realizar encuestas, puesto que es una estrategia
para evitar estudiar toda la poblacin (sobre todo cuando sta es grande) y selecciona una
proporcin que sea representativa de ella.

6. BIBLIOGRAFIA

Galgano, A. (1995). Los siete instrumentos de la calidad total. Ediciones Daz de Santos.
Juran, J. M., Gryna, F., & Bingham, R. S. (1983). Manual de Control de la Calidad. Revert.
URL: gestiopolis.com/recursos/experto/catsexp/pagans/eco/21/estadistica.htm. Fecha de extraccin:
08-11-2014
URL: estadistica.mat.uson.mx/Material/elmuestreo.pdf. Fecha de extraccin: 08-11-2014
URL: dgplades.salud.gob.mx/descargas/dhg/MUESTREO.pdf. Fecha de extraccin: 09-11-2014

31