11 Estadística y Control de Calidad 160409

MDULO: TCNICAS GENERALES DE LABORATORIO
11 ESTADSTICA, GRFICAS Y CONTROL DE CALIDAD

1. Estadstica
2. Grficas
3. Histograma
4. Diagrama de dispersin
5. Diagrama de control
6. Criterios de aceptacin o rechazo
7. Diagrama de Levey-Jennings
8. Diagrama de cuSum
9. Diagrama de youden
10. Control de calidad en la fase analtica
11. Tipo de errores
12. Presentacin de resultados
13. Ejercicios.
1.- ESTADSTICA
1.1- CONCEPTOS BSICOS DE ESTADSTICA
La estadstica es una rama de las matemticas que recoge, analiza e interpreta
datos. A partir de observaciones de sucesos, saca conclusiones sobre el
mundo que nos rodea. Por otro lado nos permite aportar un enfoque de
probabilidad a esas conclusiones, es decir, podemos definir con respecto a
determinada conclusin qu probabilidades de equivocarnos tenemos al
enunciarla. Esto es lo que se conoce como intervalo de confianza.
La estadstica debe, pues:
-
Recoger datos. La forma habitual es recogerlos en forma de lista que

relaciona entre s dos o ms sucesos entre s uno a uno. Es importante
comprender que la estadstica no es responsable de si los sucesos
(datos o individuos) estn bien medidos o, en el caso de un estudio
cientfico, si el diseo es el correcto. Si los sucesos (datos) no reflejan la
realidad o, como ocurre en muchas ocasiones, reflejan una realidad
sesgada o incorrecta, las conclusiones no sern vlidas ni tampoco los
intervalos de confianza asignados a esas conclusiones.
Definir y analizar datos. Una vez que tenemos los sucesos (datos) en
forma de lista o relacin, debemos pasar a procesarlos. Esto es lo que
se conoce como estadstica descriptiva. Se trata de reducir la lista de
datos a un nmero menor de cifras, o a grficos que nos proporcionen la
informacin de toda la lista y nos permitan analizarla con diversos
criterios.
Interpretar datos. A partir de los datos del anlisis estadstico podemos

elegir el mtodo ms adecuado para estudiar el caso concreto y poder
generalizar desde los datos recogidos (muestra) a todas las
observaciones posibles (poblacin) elaborando hiptesis sobre cmo se
comportar esa poblacin en determinadas circunstancias con un
determinado margen de error (intervalo de confianza).
La estadstica utiliza una serie de notaciones que quedan reflejadas en la

siguiente tabla:
Definimos
poblacin
como
el
conjunto de elementos sobre los que
se pueden realizar observaciones. No
es siempre posible efectuar todas las
observaciones (si el nmero es muy
grande, o es difcil localizar a todos los
individuos, o econmicamente no es
factible); elegimos entonces una
muestra como representacin de la
poblacin. Los valores obtenidos en la
muestra pueden ser distintos de los
de la poblacin: de ah que la media y la desviacin estndar se expresen con
distintos smbolos segn se trate de una o de otra. La fiabilidad con que la
muestra representa a la poblacin se denomina grado o intervalo de confianza.
Para conseguir la mxima fiabilidad necesitaremos: 1) Que el tamao de la
muestra sea lo ms amplio posible, y 2) que no exista sesgo al elegir la
muestra, es decir, que cualquier elemento de la poblacin tenga la misma
posibilidad que cualquier otro de pertenecer a la muestra. La mejor forma de
conseguir esto es seleccionar la poblacin de forma aleatoria.
En una poblacin podemos estudiar una o ms variables. Si vamos a realizar
un anlisis estadstico con ellas, es importante conocer si las variables son
independientes o no. Decimos que una variable es independiente de otra si
puede tomar cualquier valor sin que al valor que presenta la otra variable
influya en ello.
1.2- VARIABLES ALEATORIAS
Una variable aleatoria es un parmetro que puede tomar distintos valores en
funcin de un mecanismo concreto.
La glucemia, por ejemplo, es una variable aleatoria; su medida en la poblacin

puede tomar infinitos valores; el mecanismo es la determinacin de una
determinada sustancia qumica concreta (la glucosa) por el laboratorio.
Las variables aleatorias se representan con las letras finales del alfabeto,
habitualmente x, y, z. Los diversos valores que puede tomar la variable se
representan con subndices.
El nmero total de observaciones es n. El subndice n indica el ltimo valor de

la variable.
Para expresar un valor cualquiera de los que puede tomar la variable aleatoria
se utiliza el subndice i. As xi representa cualquier valor de x; yi cualquier valor
de y, etc.
Una notacin habitual en estadstica, es el smbolo sumatorio, representado
por la letra griega sigma: en la parte inferior se hace figurar un valor de i y en la
parte superior otro valor de i. El significado sumatorio es la suma de cada uno
de los valores que presente la variable o la frmula expresada (donde est
contenida la variable) desde el valor inferior hasta el superior de i.
Segn los valores que puedan tomar las variables, pueden dividirse en
discretas (si pueden tomar slo determinados valores) y continuas (si pueden
tomar cualquier valor).
Un ejemplo de variable discreta sera la frecuencia cardaca (un sujeto puede
tener 70 o 71 pero no 70,5 pulsaciones/min). Un ejemplo de variable continua
sera el valor del pH sanguneo, que en sujeto sano puede tomar cualquier
valor, desde 7,350 hasta 7,450.
Cuando se trabaja con variables aleatorias es importante saber si son
independientes. Recordemos que una variable es independiente de otra si el
hecho de conocer el valor de la primera no nos da ninguna informacin sobre el
de la segunda.
A veces es conveniente transformar las variables discretas a continuas, para
ello hay que seguir los siguientes pasos:
Se calcula el recorrido, que es la diferencia entre el mayor y el menor de

los valores observados.
Se definen las clases, que son los intervalos en que se divide el

recorrido. No tiene por qu ser iguales, aunque si son diferentes puede
distorsionar los resultados.
Expresin de las clases indicando sus extremos.
Asignacin de la marca de la clase, que es un nmero representativo,

normalmente el valor central.
3
Exposicin de los resultados.
Ejemplo: Determinar las clases que corresponden al peso de los nios y nias
nacidos la ltima semana en una clnica: (en Kg)
2,5
3,3
3,3
3,7
3,5
3,7
3,6
3,8
3,3
3,5
3,6
3,7
3,7
4,3
4,4
2,9
3,6
2,9
2,8
3,5
3,2
3,3
Tabla de frecuencias se recogen distintas frecuencias.
Frecuencia absoluta: un nmero de individuos toma ese valor.
Frecuencia relativa: mide la relatividad de la toma de ese valor y se

calcula dividiendo la frecuencia absoluta entre la poblacin (por cien)
Frecuencia acumulada: es la suma de frecuencias menores o iguales a

uno dado. Es prctica cuando tenemos que ordenar los valores. Puede
ser absoluta y:
Frecuencia relativa acumulada:

Datos ordenados de menor a mayor:
2,5
2,8
2,9
2,9
3,2
3,3
3,3
3,3
3,3
3,5
3,5
3,5
3,6
3,6
3,6
3,7
3,7
3,7
3,7
3,8
4,3
4,4
RANGO o RECORRIDO: 2,5-4,4 kg

INTERVALO
MARCA
FRECUENCIA
FRECUENCIA
FRECUENCIA
FRECUENCIA
kg
ABSOLUTA
ACUMULADA
RELATIVA %
RELATIVA ACUMULADA
[2,5 - 3)
2,75
[3 - 3,5)
3,25
[3,5 -4)
3,75
[4 -4,5)
4,25
[2,5 - 3)
2,75
1. Ejercicio en clase: tabla de frecuencia de las alturas de las clases.

1.3- ESTADSTICA DESCRIPTIVA
Todos los valores de la muestra representan una larga lista de nmeros. Es
necesario trabajar con ellos para transformarlos en informacin que pueda ser
utilizable.
Existen una serie de conceptos estadsticos que nos permiten describir una
muestra/poblacin. Esos conceptos se agrupan en lo que se conoce como
estadstica descriptiva, lo cual expresa las caractersticas de la poblacin en
4
forma de valores numricos y de grficos. Obviamente todos ellos pueden ser

calculados en una serie de datos. Que sean o no tiles depende del estudio
que queramos realizar. Debido a que se trata de tareas mecnicas, cualquier
programa estadstico de ordenador o calculadora cientfica realiza su clculo de
forma automtica. Es pues el concepto, ms que las cuentas, lo que debemos
retener.
a) MEDIDAS DE TENDENCIA CENTRAL
Se entienden como medidas de tendencia central una serie de valores que
expresan el valor alrededor del cual se disponen los del grupo.
Media: El valor medio se calcula sumando todos los valores observados y
dividindolos entre el nmero total de observaciones. El valor de la
media como expresin de tendencia central es intuitivo y no requiere
mayor explicacin. Sin embargo, debemos resaltar un hecho: la media,
al tener en cuenta todos los valores, est influida por la existencia de
algn valor extremo aislado muy grande o pequeo.
Existen otras medias: ponderada, geomtrica, armnica y cuadrtica,
Mediana: Se define como el valor central, es decir, disponiendo todos los
valores en orden creciente, el que ocupa el valor central. Si el
nmero de datos es par, la mediana est menos influida que la
media por los valores extremos.
Moda: Es el valor que se repite con mayor frecuencia. Las poblaciones pueden
ser unimodales, bimodales, etc., o no tener moda (si cada valor aparece
solo una vez.
Percentiles: Percentil m de una serie estadstica es un valor que verifica la
propiedad de que el % total de valores de la serie es inferior a m.
(No es estrictamente una medida de tendencia central sino de
posicionamiento). De una manera equivalente se puede definir
cuartil: (ejercicio):
b) MEDIDAS DE DISPERSIN O VARIABILIDAD
La media y otros datos de tendencia central no bastan para darnos una idea de
las caractersticas de la poblacin/muestra. Interesa saber tambin la
variabilidad de las observaciones entre s; si los valores estn muy prximos o
muy separados.
Rango: Se calcula a partir de valores extremos, definindolos o representando
su diferencia. Tambin se le denomina recorrido.
Desviacin: Es la diferencia en valor absoluto entre un valor dado y la media
aritmtica de la serie.
Desviacin media: es la desviacin aritmtica de las desviaciones.
Varianza: Se obtiene dividiendo el sumatorio de las diferencias en valor
absoluto entre cada valor observado y la media por el nmero total
de observaciones (si se trata de toda la poblacin), o el nmero total
de observaciones menos 1 si se trata de una muestra.
Desviacin estndar: Es el valor positivo de la raz cuadrada de la varianza.
Es la ms importante de las desviaciones.
5
Coeficiente de variacin de Pearson o covarianza es el coeficiente que resulta

de dividir la desviacin tpica entre la media aritmtica. Se suele multiplicar por 100.
Existen, tambin, medidas aritmticas de apuntalamiento y de asimetra.

VAMOS A TRABAJAR EN ESTE EJERCICIO CONCEPTOS BSICOS DE
ESTADSTICA.
Se quiere saber cul es el consumo medio por persona y da de electricidad.
Partiendo de una muestra de 5 personas a partir de medidas realizadas del
consumo de estas personas se ha obtenido la siguiente tabla:
PERSONA
CONSUMO (Kw/h) (persona/da)
0.75
1.1
0.8
1.5
Calcular: media, desviacin media, varianza, desviacin estndar (tpica),

coeficiente de variacin y rango o recorrido
* Media:
0.75 + 1.1 + 0.8 + 1.5 + 1
X=
= 1.03 Kw/h
5
6
*Desviacin media 0,216 km/h
* Varianza:
(0.75 1.03 )2 + (1.1 - 1.03)2 + (0.8 1.03)2+ (1.5 1.03)2 + (1 1.03)2
s2 =
=
4
= 0.08 Kw/h
* Desviacin Estandar:
s = s2 = 0.08 = 0.29 Kw/h
* Rango o Recorrido:
1,5-0,75 = 0.75
*Coeficiente de variacn
0.29/1.03 = 0,28 28,16%
INTERVALO
MARCA
FRECUENCIA
FRECUENCIA
Desviaciones
Desviaciones
kg
ABSOLUTA
ACUMULADA
[2,5 - 3)
2,75
-0,77
0,59
[3 - 3,5)
3,25
10
-0,27
0,073
[3,5 -4)
3,75
11
21
0,23
0,053
[4 -4,5)
4,25
24
0,73
0,53
cuadradas
Datos estadsticos
Sin tabla
Con tabla
media
3,46
3,52
Mediana
3,5
3,75
Moda
37
3,75
Varianza (n/ n-1)
0,212/0,221
0,207/0,216
Desviacin tpica (n/ n-1)
0,46/ 0,47
0,455/0,465
Coeficiente de variacin
13,29/13,58
12,93/13,21
1.4 NDICE DE CAPACIDAD DE PROCESO

El ndice de capacidad del proceso, Cpk, tambin denominado ratio de
capacidad del proceso, es un clculo estadstico sobre la capacidad del
proceso: La capacidad de un proceso para producir un resultado dentro de
unos lmites predefinidos (TS, tolerancia superior y TI, tolerancia inferior). El
concepto de capacidad del proceso es solo vlido para procesos que estn
sometidos a control estadstico. Este ndice juega un papel fundamental en
las plantas de produccin a la hora de demostrar que un proceso (ej. de
produccin de tornillos) es fiable y est bajo control. El proceso est bajo
control cuando tiene un valor igual o superior a 1,33.
2.- GRFICAS
2.1 GRFICO DE SECTORES
2.1- 1 EN QU CONSISTE UN GRFICO DE SECTORES?
Un grfico de sectores es una representacin grfica que compara la magnitud

o frecuencia relativa de dos o ms elementos mediante sectores circulares. Los
grficos de sectores muestran el porcentaje de un elemento con relacin al
total de un conjunto, destacando el ms importante.
2.1.2- METODOLOGA
Se divide un crculo con varios radios de forma que cada sector represente la
parte proporcional deseada de un elemento con relacin al conjunto.
Para calcular el tamao del sector, se toma el valor del elemento y se divide por
el valor total de todos los elementos, despus se multiplica.
8
Utiliza un programa informtico o un transportador para representar los grados

con precisin, comenzando a las 112 en punto y en direccin a las agujas del
reloj, colocando los sectores en orden decreciente al tamao. Site un n=___
en un pequeo crculo en el centro del grfico. Dale un ttulo al grfico y
compltalo con una caja de recogida de informacin.
2.2 GRFICO DE BARRAS
2.2.1- EN QU CONSISTE UN GRFICO DE BARRAS?
Un grfico de barras es la representacin grfica que compara cantidades por

medio de rectngulos (barras) de igual ancho pero de longitud proporcional al
nmero que representan.
2.2.2- PARA QU SIRVE?
Un grfico de barras sirve para comparar los datos recogidos mediante una
representacin visual.
2.2.3- METODOLOGA
El eje horizontal (X) muestra los elementos o arculos a comparar mediante

barras verticales de igual ancho. El eje vertical (Y) muestra las cantidades
(frecuencias de sucesos en distintos lugares, costes de diferentes tipos de
averas, etc.) mediante la altura de las barras. Un grfico de barras horizontal
invierte el contenido de los ejes.
2.3: GRFICO DE LNEAS
9
2.3.1- EN QU CONSISTE UN GRFICO DE LINEAS?
Un grfico de lneas es otra manera de representar datos visualmente para

realizar su comparacin. Los elementos se representan numricamente y los
puntos de datos se conectan trazando una lnea..
2.3.2- PARA QU SIRVE?
Un grfico de lneas dibuja un perfil del patrn de los datos y resulta fcil
construir. Normalmente ayuda a reflejar patrones de tendencias en el tiempo.
El anlisis del perfil de un grfico de lneas ofrece informacin sobre reas que
requieren un estudio posterior.
3.-HISTOGRAMA
El histograma es una herramienta a utilizar cuando se trata de analizar una
distribucin de datos. Los resultados de un proceso varan en mayor o menor
grado, de lo que resulta que unos datos sean frecuentes, otros no lo sean tanto
y algunos se produzcan muy pocas veces.
a) Estructura
Ordenadas: n de datos o frecuencia para cada clase o categora.
Abscisas:
fronteras
lmites de cada clase.
b) Realizacin de un
histograma
1. Contar el nmero de
datos
(n).
disponibles
10
2. Determinar el rango de los datos (R).

R= (Valoro mayor) (Valor menor)
3. Dividir
el valor del rango en un nmero de clases K segn la tabla

siguiente.
N de datos (n)
N de clases (K)
< 50
5a7
50-100
6 a 10
100-250
7 a 12
>250
10 a 20
4. Determinar el intervalo H de cada clase y redondear.

Siempre que el valor de H sea una fraccin es conveniente redondearla
al nmero adecuado.
5. Determinar los lmites de cada clase (redondear).

6. Construir una tabla de frecuencias basadas en los valores obtenidos.
7. Construir un histograma basada en la tabla de frecuencia.
Ejercicio desarrollado: En unas medidas analticas se toman una serie de
valores Se considera en valor aceptable 9 + 1,5. Elabora el histograma e
interpreta el resultado.
Pasos a seguir para la construccin de un Histograma.

PASO 1: Cuente el nmero de datos para la serie: Para el ejemplo mostrado
arriba es de 125 datos (n= 125).
11
PASO 2: Determine el rango, R, de los datos. El rango es la diferencia entre

el valor ms grande y el ms pequeo del conjunto de datos. En
nuestro caso, el rango es igual a 10,7 menos 9,0; as que R = 1,7.
PASO 3: Divida el rango de un cierto nmero de clases K. La tabla de abajo
es una gua que nos muestra para diferentes cantidades de datos el
nmero recomendado de clases a utilizar. Para nuestro ejemplo, se
recomienda usar entre 7 y 12 clases. Tomaremos K = 10.
PASO 4: Determine el intervalo H, de la clase. Una frmula adecuada para
hacer esto es la siguiente:
En este caso, como en la mayora, es conveniente redondear H a un

nmero adecuado para nuestros propsitos; 0,20 parece serlo; no
olvide que este intervalo debe ser constante a travs de toda la
distribucin de frecuencias.
Clase
Lmite de
clase
Valor
medio
Frecuencia
Total
PASO 5: Determine los lmites de clases. Para una determinacin sencilla de

los lmites de clase tome la menor medicin individual de los datos.
Use ste nmero o redondee hacia un nmero menor. Este ser el
punto inferior de nuestro primer lmite de clase. En nuestro ejemplo, la
medicin ms pequea fue 9,00. Toma este nmero y sume el
intervalo de clase, 9,00+0,20 = 9,20. En consecuencia, el prximo
lmite de clase inferior comenzara en 9,20. La primera clase incluye
desde el 9,00 hasta el 9,19. La segunda clase empieza en 9,20 hasta
9,40 (no incluyendo el 9,40). Esto hace que cada clase sea
mutuamente excluyente, con lo que cada uno de nuestros datos
corresponder a una sola categora. Finalmente, sume
consecutivamente el intervalo de clase 0,20, al lmite de clase inferior
hasta que obtenga el nmero correcto de clases, aproximadamente
10, que contiene todos nuestros nmeros.
12
PASO 6: Construya una tabla de frecuencias basada en los valores

obtenidos (nmero de clases, intervalo de clase y lmite de clase). La
tabla de frecuencias es actualmente un Histograma en forma tabular.
Una tabla de frecuencias basada en los datos de nuestro ejemplo es
la siguiente:
PASO 7: Construya un histograma basado en la tabla de frecuencias. Un
Histograma es una representacin grfica de una tabla de frecuencias. El
Histograma nos muestra una vista rpida de la distribucin de la caracterstica
medida. El Histograma de nuestro ejemplo sera el siguiente:
El Histograma es una herramienta de diagnstico muy importante, ya que nos

muestra una vista panormica de la variacin de la distribucin de datos. En
nuestro caso los datos parecen tener su tendencia central entre 9,8 y 9,99 y
parecen seguir una distribucin normal. La especificacin para nuestra
caracterstica es de 7,5 a 10,5; con su valor central en 9. Por lo tanto, podemos
ver que aunque la mayora de los valores estn dentro de los lmites estn
alejados del valor central.
4.Diagrama de Dispersin.
Un Diagrama de Dispersin es una herramienta de Control de Calidad que
permite mostrar la relacin existente entre dos variables (ambas variables
deben ser continuas) sobre un grfico de ejes X e Y. Se puede utilizar un
diagrama de dispersin para verificar la causa originaria identificada mediante
el diagrama de causa efecto. Ejemplos de variables interrelacionadas son:
Horas trabajadas y volumen de la produccin.
Edad y presin sangunea.
Velocidad y consumo de gasolina.
Estos grficos muestran con claridad si existe una relacin, o correlacin, entre
dos variables:
Correlacin positiva si X aumenta, Y tambin.

13
Correlacin negativa si X aumenta, Y disminuye.
Sin correlacin una variable no guarda ninguna relacin especial con

la otra.
La metodologa es la siguiente:
1.- Recoger al menos 30 parejas de datos (un punto de daros en X tiene su
correspondiente valor en Y)
2.- Determinar el valor mximo y mnimo de X e Y. Fijar las escalas para que
sean ms o menos iguales.
3.- Disponer los ejes de forma que el factor conductor sea la variable
independiente (eje X) y el factor al que este influye sea la variable dependiente
(eje Y).
Ejemplo 1: Correlacin positiva.
Ejemplo 2: Correlacin negativa.
Ejemplo 3: Sin correlacin.

14
Ejemplo; ejercicio:
En nuestra empresa se han recibido durante las ltimas semanas un
nmero elevado de pedidos extras, que se acept ya que producira buenos
beneficios para la empresa. Este encargo supone un esfuerzo por parte de los
empleados. El tiempo extra puede incidir en la calidad del trabajo ya que
requiere una atencin alta. La direccin de la empresa quiere analizar si baja la
calidad de la atencin y aumentan los productos no conforme en esos perodos
especiales para no volver a aceptar encargos similares. Para ello coge
informacin sobre el nmero de productos no conforme realizadas en funcin
de las horas trabajadas.
Con estos datos realiza un Diagrama de Dispersin. Constryelo y
analiza su resultado.
Horas
8 8 8 9 10 14 10 9 8 9 8 8 10 15 10 8 8 8 9 10 12 3 4 12
trabajadas
Defectos
3 2 2 4 14 10 12 9 2 3 3 3 4
H 11 1
R 9
10 10 11 9
12 11 1 2 0 1 6
8 8 8
6 9 8 10 13 9 8 8 13 9 8 8 8 9 10 8 8 9 9 9
8 2 2 2
2 0 0 7
9 0 0 1 1 3
5 2 5 2 2
15
Interpretacin: Sin correlacin. No existe una evidencia palpable de que las

desconformidades se vean directamente afectadas por un aumento de horas
de trabajo. Por tanto, desde ste punto de vista y con el consentimiento de los
trabajadores, compensara seguir aceptando este tipo de peticiones.
5. Grficos de Control.
Es un tipo especial de Grficos de Lneas. En este grfico se calculan los
lmites estadsticamente.
Se utiliza para realizar el seguimiento de la tendencia o rendimiento de un
proceso.
Puede ayudarnos a detectar cambios que se han producido y a determinar si el
proceso est bajo control.
Los Grficos de Control son sencillos de confeccionar. En ellos se suelen
marcar unos lmites superiores e inferiores para el valor de la variable, que sta
no debe sobrepasar. Cuando esto ocurre se supone que el proceso est
controlado. En caso contrario, es decir, si los valores se la variable sobrepasan
los lmites de control, se dice que el proceso est fuera de control.
Fundamentalmente los grficos de control son de dos tipos:
Grficos de Control por atributos: En ellos se controla una caracterstica del
proceso. Por ejemplo, el tamao de una
fruta.
Grficos de Control por variables: En ellos se controla cmo vara una
magnitud que se puede medir.
Estos ltimos proporcionan mayor informacin.
En el comportamiento de los datos que se observan en un Grfico de Control,
si el grfico es de variables se puede observar, por ejemplo, si hay muchos
datos fuera de control que pasan de los lmites, sera un proceso rechazable. Si
espordicamente aparece un punto fuera de los lmites, por lo general suele ser
debido a una causa externa a investigar. A veces aparecen ciclos en las
desviaciones. Esto suele ser debido a operaciones peridicas realizadas de
diferente forma o a causas ambientales.
Para calcular los lmites inferior y superior, se utilizan los datos del proceso.
16
En distribuciones de datos normales o que se aproxime a lo normal, para

calcular los lmites se utilizan las siguientes frmulas:
- Lmite de Control Superior; LCS =X + 3 s
- Lmite de Control Inferior; LCI = X - 3 s
(s = Desviacin tpica)
Ejemplo
El nmero de unidades producidas en la fbrica en los 10 primeros das de un
mes se toman de referencia para hacer un grfico de control. Los tenemos
representados en la siguiente tabla:
Das
10
Entrevistas
realizadas
19
18
17
17
20
20
20
19
20
23
19 + 18 + 17 + 17 + 20 + 20 + 20 + 19 + 20 + 23
X=
= 19.3
10
S =S2
(19 19.3)2 + (18 - 19.3)2 + (17 - 19.3)2 + (17 19.3)2 + (20 19.3)2 +
S =
9
+ (20 19.3)2 + (20 19.3)2 + (19 19.3)2 + (20 19.3)2 + (23 19.3)2
=
9
= 0.01 + 0.18 + 0.58 + 0.58 + 0.05 + 0.05 + 0.05 + 0.01 + 0.05 + 1.52 = 3.08
s = s2= 3.08 = 1.75
LCS = X + 3 s = 19.3 + (3 x 1.75) = 24.55
LCI = X 3 s = 19.3 (3 x 1.75) = 14.05
17
Los grficos de control que elaboremos de ahora en adelante tendrn estos

lmites de Control inferior y Superior, salvo que se especifique lo contrario.
Adems del Grfico de Control de Variables, se construyen a veces el llamado
Grfico de Medias y el Grfico de Recorridos. En ellos se estudia la variacin
de la media y la variacin del recorrido de una serie de datos respectivamente.
Para calcular los Grficos de Medias y de recorridos, se determinan los LCI y
LCI, mediante frmulas que incluyen constantes estadsticas que vienen
recogidas en tablas en funcin del tamao de la muestra.
TABLA DE FACTORES PARA CALCULAR LOS LCS Y LOS LCI
N DE
OBSERVACIONES
1.880
3.268
1.023
2.574
0.729
2.282
0.577
2.114
0.483
2.004
0.419
1.924
0.076
0.373
1.864
0.136
0.337
1.816
0.184
10
0.308
1.777
0.223
Frmulas para calcular los LCS y LCI:

Grfico de Medias:
Grfico de Recorridos:
LCS = X + CR
LCS = D* R
LCI = X CR
LCI = E* R
18
Ejemplo; ejercicio
En una empresa que se dedica a construir piezas de
acero, el cliente principal ha exigido un control
estadstico de procesos. La parte crtica de las piezas
es su dimetro, cuya especificacin es de 35 0.25
mm.
Adems de cumplir con la tolerancia de las piezas, el
proceso debe de estar bajo control.
Se efectan 10 series de medias tomando 5 muestras
en cada una de ellas a las que se controla el dimetro.
Elaborar el grfico de control de medias y Recorridos

X = 35; R = 035
GC Medias
LCS = 35 + (0.577 x 0.35) = 35.20;

LCI = 35 (0.577 x 0.35) = 34.79
GC Recorridos LCS = 2.114 x 0.35 = 0.73;

LCI = 0 x 0.35 = 0
6. Criterios de aceptacin o rechazo

Existen criterios para rechazar un resultado sospechoso o no utilizarlo.
Previamente hay que asegurarnos de:
Que se ha seguido el protocolo.
Que no ha habido contaminacin
Que el instrumental estaba calibrado
Que no hay errores en el clculo

19
Que las magnitudes de los clculos sean correctas.
Si ha sucedido cualquiera de lo anterior hay que repetir el anlisis.

Un criterio para aceptar es el criterio Q: (dato sospechoso-dato ms cercano)/
(dato mayor-dato menor). Los valores de Q estn recogidos en tablas.
Otro criterio se basa en la distribucin normal. Es un clculo de
probabilidades que se representan en una curva simtrica que representa la
probabilidad de distribucin de los valores de la variable. Las distribuciones
ms comunes son:
Chi-cuadrado: se calcula elevando los datos al cuadrado y dividiendo

por las varianzas.
T-student: diferencia entre el dato y el punto central de la curva de

distribucin dividido por la desviacin estndar. Se calcula el valor de t
en la distribucin t-student y se compara nuestro valor sospechoso con
el resto. Si se sale de los valores dados, lo consideramos no vlido.
7. Grfica de Levey-Jennings
Consiste en hacer anlisis repetitivos con controles comerciales en un periodo
de tiempo relativamente breve. Se calcula la media aritmtica y la desviacin
tpica Se representa la media aritmtica con una, dos y tres veces la desviacin
tpica.
En esa grfica se recogen los valores recogidos durante un periodo de tiempo.
o Si los valores sobrepasan el lmite +- 1 desviacin se activa el
lmite de AVISO.
o Si es de 2 veces se activa el lmite de ALARMA.
o Si es de 3 veces se activa el lmite de ACCIN.
Regla de control. Tipo de error.
Un resultado fuera de lmites Alatorio o sistemtico.
Dos resultados consecutivos ambos por encima del lmite
Sistemtico advertencia superior o ambos por debajo del
lmite advertencia inferior.
Dos resultados consecutivos uno por encima del lmite
Aleatorio superior de advertencia y otro por debajo del
lmite de advertencia inferior.
Ocho resultados consecutivos todos por encima o por
debajo Sistemtico de la media.
Una forma habitual de control de calidad interno basado en el empleo de

muestras control.
TCNICA MULTIRREGLA DE
WESTGARD
1: 3 SD una observacin supera la media el lmite de 3SD

2: 2 SD dos observaciones consecutivas superan la misma media
2SD
R: 4SD dos observaciones consecutivas se diferencian ms de 4SD
20
4: 1SD cuatro observaciones superan la media 1SD

10:MEDIA diez observaciones caen a un mismo lado de la media.
Las reglas 1:3SD y R: 4SD generalmente sugieren un error aleatorio. Las

reglas 2:2SD, 4:1SD y 10:MEDIA suele ser un error sistemtico.
Ejercicio 13 y 14
8. Grfica de cusum o de suma acumulativa

En esta grfica en el eje de ordenadas lo que se anota es la suma acumulativa
de las diferencias entre los valores obtenidos cada da y el valor medio
determinado previamente. Se emplea para detectar errores sistemticos.
C1 = x1- x
C2 = C1 + (x2-x)
C3 = C2 + (x3-x)
9. Grfica de youden
Se representan dos valores de concentracin de un analito determinndose su
media y su desviacin. Si se representan los resultados obtenidos en cada eje
se pueden deducir una serie de cuadros. Si los puntos estn cerca de la
bisectriz, quiere decir se trata de un fallo sistemtico.
Se utiliza para controles externos de los distintos laboratorios.
10.
Control de calidad en la fase analtica.
La fase analtica, con ayuda de la estadstica nos ayuda a presentar unos datos
coherentes y veraces, por lo que el mtodo tiene que ser:
Exacto
Preciso
Sensible
Especfico
Selectivo
Robusto
Tener en cuenta el sesgo
Tener en cuenta el lmite de deteccin.
Exactitud: mide la proximidad de un dato aceptado a su valor real. Seala la
discrepancia existente entre los datos.
Precisin mide la reproducibilidad de los datos, es decir, la coherenciaentre los
datos de una misma medida, medidos de una misma manera. Se utiliza la
desviacin tpica, la varianza y el coeficiente de variacin que tienen que ser
pequeos.
En los laboratorios de anlisis clnicos la fidelidad se comprueba con
intraensayos e interensayos.
21
Los intraensayos se realizan con patrones en el laboratorio y se mide la

reproducibilidad (incluso en distintos das) y la repetibilidad (varias medidas
seguidas 3 o 5).
Los interensayos: son evaluaciones ciegas entre laboratorios.
Sensibilidad: permite diferenciar pequeas variaciones en la medida de un
analto. Est limitada por la precisin en la medida y por la pendiente de la
curva de calibrado (mayor pendiente mayor sensibilidad).
Especificidad: Mide la particularidad del mtodo como por ejemplos enzimasustrato.
Selectividad: mide la ausencia de interferencias producidas por la matriz.
Robusted: mide la influencia en pequeas variaciones en el mtodo de
medida.
Sesgo: mide el error que se comete de forma sistemtica en un mtodo
analtco.
Lmite de deteccin medida ms pequea al que un equipo puede llegar.
Lmite de cuantificacin: medida ms pequea que se puede cuantificar con
confianza.
11.
Tipo de errores
Para elegir un mtodo es necesario conocer:
El analto
El rango de concentraciones
Conocer la matriz
Finalidad del anlisis.
Los anlisis estn sujetos a errores por lo que hay que medirlos:
General:
Error absoluto: diferencia entre el dato observado y el valor real.
Error relativo: Es el cociente entre el error absoluto y el valor real.

Tambin se suele expresar en %
Otra clasificacin de los errores segn si es fija o proporcional:
Error como valor determinado: es un error constante. Sabemos que

siempre se va a dar la misma cantidad. Por ejemplo peso en una
revisin mdica.
Error proporcional a una magnitud: Es un error que crece segn

crece el valor del dato y lo hace de manera proporcional. Por ejemplo
la presin osmtica.
Errores respecto al anlisis:
22
Error accidental: Pueden evitarse. Por ejemplo, prdida de muestra,

contaminacin por falta de limpieza, etc.
Error sistemtico: Se produce siempre de la misma manera. La

mayor parte se pueden evitar. Tambin se pueden calcular y y
aadirlos al resultado. Nos dan una idea de la exactitud. Dentro de
ellos tenemos:
o Error personal: La forma de trabajar, como percibe los
sentidos,
o Error instrumental: calibracin
o Error de mtodo: Se puede controlar con patrones y blancos.
o Error aleatorio: Aparece de forma casual y no se puede
medir. Afecta a la precisin.
Dentro de una serie analtica el valor real es difcil determinar con exactitud.
Por lo que hay que definir unos lmites por arriba y por abajo del valor
obtenido para dar un dato con ms garantas. Estos lmites se llaman
intervalos de confianza. Depende de la veracidad de la medida. El
intervalo se suele expresar como una probabilidad.
Los resultados tienen que ir acompaados de su correspondiente error. La
forma ms habitual es con la desviacin estndar. Y, se representan con el
diagrama de barras (que puede ir acompaado de la barra de error). El
diagrama de dispersin es ms difcil de interpretar.
12.
Presentacin de resultados
A la hora de entregar los resultados el informe debe reunir por lo menos los
siguientes puntos:
Fecha
Identificacin
Ttulo del experimento
Descripcin del mtodo utilizado.
Descripcin e identificacin de las muestras analizadas.
Fecha de recepcin de las muestras
Fecha de ejecucin del anlisis
Resultados
Observaciones y conclusiones finales
Firma
13.
Ejercicios
1.- Ejercicio de estadstica alturas de las personas de clase.

23
2. Ejercicio elabora la grfica de sectores:

Un dentista observa el nmero de caries en cada uno de los 100 nios
de cierto colegio. La informacin obtenida aparece resumida en la
siguiente tabla
N de caries
fi
25
20
35
15
3. Ejercicio diagrama de barras:

Las calificaciones de 50 alumnos en Matemticas han sido las
siguientes:5, 2, 4, 9, 7, 4, 5, 6, 5, 7, 7, 5, 5, 2, 10, 5, 6, 5, 4, 5, 8, 8, 4, 0, 8, 4,
8, 6, 6, 3, 6, 7, 6, 6, 7, 6, 7, 3, 5, 6, 9, 6, 1, 4, 6, 3, 5, 5, 6, 7.
Construir
la tabla
de
distribucin
de
frecuencias y
dibuja
el diagrama de barras.
7. Ejercicio de elaboracin de un histograma.
La tabla siguiente recoge las puntuaciones de satisfaccin dadas por los
usuarios respecto a las actividades realizadas por nuestra empresa.
Se considera que la nota de aceptabilidad es de 6.
5.5
8.5
5.5
3.5
8.5
4.5
3.5
5.5
6.5
6.5
4.5
3.5
4.5
7.5
4.5
7.5
4.5
5.4
4.5
5.5
6.5
8.- Se desea estudiar la estabilidad en la produccin de una pieza en la cual su

peso es una caracterstica crtica. Para ello se toma el peso de cada pieza
obtenida en el proceso cada 5 minutos. El peso medio de la pieza se sita en
24
100 gramos y su tolerancia es de 100 5. Dibujar un grfico de control de

variables si los pesos obtenidos son los siguientes.
N
muestra
10
Peso
100
94
98
99
104
106
94
99
102
104
9.- Se desea trazar el grfico de medias y recorridos para controlar el proceso

de fabricacin de varillas metlicas de 6 cm. de longitud. Para ello se ha
medido la longitud de 5 varillas cada hora, por lo que el total de muestras
tomadas para hacer este estudio ha sido 10, por lo que el total de unidades a
controlar es de 50.
M1
M2
M3
M4
M5
M6
M7
M8
M9
M10
6.01
5.99
6.29
6.25
6.05
6.22
6.09
6.08
5.8
5.9
5.93
6.07
5.74
5.98
5.95
6.14
5.94
5.95
5.93
5.86
6.02
6.10
5.95
6.14
5.97
6.14
5.94
6.14
6.11
5.9
6.01
5.89
6.02
5.91
6.12
6.15
5.89
5.96
6.07
5.71
5.87
5.86
6.09
5.97
6.01
6.23
6.11
5.9
5.85
5.85
10.- Una empresa se dedica a la venta de equipos informticos y de electrnica

de consumo por Internet. Se ha realizado un estudio para comprobar la
estabilidad en los tiempos de entrega de los productos a los clientes desde que
realizan la peticin va Internet hasta que los reciben en sus domicilios. Para
ello de han analizado muestras de 5 pedidos una vez por semana y el estudio
de ha realizado durante 10 semanas. Si los datos obtenidos son los siguientes,
construir un grfico de control de medias/recorridos e interpretar el resultado.
M1
M2
M3
M4
M5
M6
M7
M8
M9
M10
25
13.- Individual: Con los datos de la tabla de frecuencia que has elaborado en el
ejercicio 7 elabora una grfica de Levey-Jennings
14.- Individual: En la grfica anterior
conclusiones:
introduce estos datos y saca
6,2
7,4
4,9
6,6
7,8
5,8
5,9
4,7
8,3
6,5
5,8
5,9
6,3
6,4
6,1
6,6
6,7
5,5
7,7
15- Se han realizado anlisis de la concentracin de cobre en suero de una muestra de

diversos cotroles con los siguientes resultados (en g/mL)
0,67
0,78
0,50
0,56
0,78
0,79
0,99
0,53
0,40
0,60
0,38
0,66
0,48
0,76
0,72
0,81
0,58
0,92
0,64
0,75
0,0,68
0,76
0,54
0,94
Realiza una tabla de frecuencia con 5 intervalos y con ayuda de esa tabla calcula:
percentil 70, media, mediana, moda, varianza, desviacin tpica coeficiente de
variacin. Dibuja el histograma.
Posteriormente, se estudian a varios pacientes con los siguientes valores:
0,87
0,84
0,78
0,77
0,73
0,70
0,68
0,65
0,62
0,61
Realiza un diagrama de Levey-Jennings y con la ayuda de las reglas de Westward obtn
conclusiones.
26

11 Estadística y Control de Calidad 160409

Enviado por

Dados do documento

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

11 Estadística y Control de Calidad 160409

Enviado por

Direitos autorais:

Formatos disponíveis

MDULO: TCNICAS GENERALES DE LABORATORIO

11 ESTADSTICA, GRFICAS Y CONTROL DE CALIDAD

Recoger datos. La forma habitual es recogerlos en forma de lista que

Interpretar datos. A partir de los datos del anlisis estadstico podemos

MDULO: TCNICAS GENERALES DE LABORATORIO

La estadstica utiliza una serie de notaciones que quedan reflejadas en la

MDULO: TCNICAS GENERALES DE LABORATORIO

La glucemia, por ejemplo, es una variable aleatoria; su medida en la poblacin

El nmero total de observaciones es n. El subndice n indica el ltimo valor de

Se calcula el recorrido, que es la diferencia entre el mayor y el menor de

Se definen las clases, que son los intervalos en que se divide el

Expresin de las clases indicando sus extremos.

Asignacin de la marca de la clase, que es un nmero representativo,

MDULO: TCNICAS GENERALES DE LABORATORIO

Exposicin de los resultados.

Tabla de frecuencias se recogen distintas frecuencias.

Frecuencia absoluta: un nmero de individuos toma ese valor.

Frecuencia relativa: mide la relatividad de la toma de ese valor y se

Frecuencia acumulada: es la suma de frecuencias menores o iguales a

Frecuencia relativa acumulada:

RANGO o RECORRIDO: 2,5-4,4 kg

1. Ejercicio en clase: tabla de frecuencia de las alturas de las clases.

MDULO: TCNICAS GENERALES DE LABORATORIO

forma de valores numricos y de grficos. Obviamente todos ellos pueden ser

MDULO: TCNICAS GENERALES DE LABORATORIO

Coeficiente de variacin de Pearson o covarianza es el coeficiente que resulta

Existen, tambin, medidas aritmticas de apuntalamiento y de asimetra.

CONSUMO (Kw/h) (persona/da)

Calcular: media, desviacin media, varianza, desviacin estndar (tpica),

MDULO: TCNICAS GENERALES DE LABORATORIO

*Desviacin media 0,216 km/h

Varianza (n/ n-1)

Desviacin tpica (n/ n-1)

MDULO: TCNICAS GENERALES DE LABORATORIO

1.4 NDICE DE CAPACIDAD DE PROCESO

Un grfico de sectores es una representacin grfica que compara la magnitud

MDULO: TCNICAS GENERALES DE LABORATORIO

Utiliza un programa informtico o un transportador para representar los grados

Un grfico de barras es la representacin grfica que compara cantidades por

El eje horizontal (X) muestra los elementos o arculos a comparar mediante

MDULO: TCNICAS GENERALES DE LABORATORIO

2.3.1- EN QU CONSISTE UN GRFICO DE LINEAS?

Un grfico de lneas es otra manera de representar datos visualmente para

MDULO: TCNICAS GENERALES DE LABORATORIO

2. Determinar el rango de los datos (R).

el valor del rango en un nmero de clases K segn la tabla

4. Determinar el intervalo H de cada clase y redondear.

5. Determinar los lmites de cada clase (redondear).

Pasos a seguir para la construccin de un Histograma.

MDULO: TCNICAS GENERALES DE LABORATORIO

PASO 2: Determine el rango, R, de los datos. El rango es la diferencia entre

En este caso, como en la mayora, es conveniente redondear H a un

PASO 5: Determine los lmites de clases. Para una determinacin sencilla de

MDULO: TCNICAS GENERALES DE LABORATORIO

PASO 6: Construya una tabla de frecuencias basada en los valores

El Histograma es una herramienta de diagnstico muy importante, ya que nos

Horas trabajadas y volumen de la produccin.

Edad y presin sangunea.

Velocidad y consumo de gasolina.

Correlacin positiva si X aumenta, Y tambin.

MDULO: TCNICAS GENERALES DE LABORATORIO

Correlacin negativa si X aumenta, Y disminuye.

Sin correlacin una variable no guarda ninguna relacin especial con