Estadstica descriptiva: la

calidad y la variabilidad
Curso: Control de Calidad.

Objetivo: Estudiar los elementos principales de la estadstica

descriptiva y cmo se aplica para analizar la calidad y
variabilidad de un proceso, enfatizando la toma de decisiones
con base en datos.
Fig 1 La toma de decisiones y la estadstica
 La variabilidad y el pensamiento estadstico
Existe variacin en las diversas
acciones que ocurre en nuestras vidas,
tambin ocurre en los resultados de los
procesos, ya que son generados por la
interaccin de materiales, mquinas,
mano o mente de obra (gente),
mediciones, medio ambiente y
mtodos. Estos seis elementos, las 6 M,
determinan de manera global todo
proceso, y cada uno aporta parte de la
variabilidad (y de la calidad) de los
resultados de un proceso (Fig 2). Por lo
que si hay algn cambio significativo en
el desempeo del proceso, la razn de tal
modificacin se encuentra en una o ms
Figura 2 La variabilidad de un proceso. Cada M aporta una parte no necesariamente igual, de la
de las 6 M. variacin total observada.
 ESTADISTICA

Es vital en el
En la mejora e est conformada de un
control y
innovacin de conjunto de tcnicas y
monitoreo de
la calidad conceptos orientados a
procesos
la recoleccin y el
anlisis de datos
tomando en cuenta la
variacin en los mismos
 Analizar los datos procedentes de las
Identificar dnde, cmo, cundo y guas clave del negocio, para as
con qu frecuencia se presentan identifi car las fuentes
los problemas (regularidad de variabilidad, analizar su estabilidad
estadstica). y pronosticar su desempeo.

Detectar con rapidez, Expresar los hechos en forma

Las tcnicas estadsticas son de
oportunidad y a un bajo costo de datos y evaluar de manera
gran importancia en todo tipo de
anormalidades en los objetiva el impacto de
empresas y en una gran
procesos y sistemas de acciones
diversidad de Situaciones.
medicin (monitoreo eficaz). de mejora.

Ser objetivos en la planeacin y toma Analizar de manera lgica,

de decisiones, evitando frases como Enfocarse en los hechos
vitales; es decir, en los sistemtica y ordenada la
el yo siento, el yo creo, mi bsqueda de mejoras.
experiencia y el abuso de poder en la problemas y causas
toma de decisiones. realmente importantes.
 Pensamiento Estadstico, que es una filosofa de aprendizaje y
accin basada en los siguientes principios:

1) Todo el trabajo 3) Entender y

2) La variacin existe
ocurre en un reducir la
en todos los
sistema de variacin son
procesos
procesos claves para el
interconectados. xito.

El tercer principio es una de las razones y objetivos

principales de la mejora: reducir la variabilidad hasta
lograr niveles de excelencia en calidad, como el nivel
de calidad Seis Sigma
 TIPOS DE VARIABLES

V. discretas slo pueden adquirir ciertos valores y

V. CUALITATIVAS ( casi siempre hay brechas entre esos valores.
V. CUANTITATIVAS Por ejemplo: nmero de clientes atendidos (0, 1, 2,
nominales o de
atributos) 3, ..., etc.), nmero de artculos defectuosos por
lote, nmero de quejas, nmero de servicios de
mantenimiento.

aquellas cuyas
aquellas cuyas caractersticas pueden
caractersticas que se registrarse
estudian no son numricamente. Por V. continuas pueden tomar cualquier valor dentro
numricas. Por ejemplo, de un intervalo especfi co. Por ejemplo, el tiempo
ejemplo, el tipo de peso de un lote, nmero en el que un cliente es atendido.
producto, si ste de clientes atendidos, Son aquellas que requieren un instrumento de
funciona o no nmero de productos medicin para cuantificarse, como peso, volumen,
defectuosos. voltaje, longitud, resistencia, temperatura,
humedad, tiempo, dimensiones varias, etctera.
 VARIABLES DE UN PROCESO
V. DE ENTRADA
o variables independientes (las X), por lo general son
variables de control del proceso: temperatura,
velocidad, presin, cantidad y/o caractersticas de
algn insumo o material, etc.
Se consideran aquellas que, aunque normalmente no
estn controladas, influyen en los resultados de un
proceso, como la humedad relativa en el medio
ambiente, la habilidad de un operario, el mtodo de
trabajo, etc.
V. DE SALIDA
variables de respuesta o dependientes (las Y), son
caractersticas de calidad del producto y, en general, en ellas
se reflejan los resultados obtenidos
por el proceso; a travs de los valores que toman estas
variables se evala la calidad del desempeo
del proceso.
Por lo general, las variables de salida tienen especificaciones
o tolerancias, porque los valores que deben tener estn
especificados.
Cuando se satisfacen estos requerimientos se dice que el
proceso cumple las especificaciones de calidad.
 Existen tres tipos de variables de salida o caractersticas de calidad, de acuerdo con
el tipo de especificaciones que deben cumplir:

1) Entre ms pequeo mejor. Son variables o
caractersticas de calidad cuya nica exigencia
es que no excedan un cierto valor mximo
tolerado o una especificacin superior (ES), y
entre ms pequeo sea su valor es mejor. Por
ejemplo, el porcentaje de impurezas en una
sustancia o la cantidad de sustancias txicas en
un producto alimenticio.
2) Entre ms grande mejor. Son variables o
caractersticas de calidad a las que se les exige
que sean mayores que un valor mnimo o que una
cierta especificacin inferior (EI), y entre ms
grande sea el valor de la variable es mejor. Por
ejemplo, la resistencia de una pieza de plstico
inyectado o la blancura de una tela de color
blanco.

3) El valor nominal es el mejor. Variables que deben tener un valor especfico y que, por lo
tanto, no deben ser menores que una especificacin inferior (EI), pero tampoco mayores
que una superior (ES). Por ejemplo, el dimetro interior de una tuerca o la longitud de una
pieza para ensamble; no pueden ser ni muy chicas ni muy grandes.
REPASO

Medidas de tendencia central

Con las mediciones de una caracterstica de calidad de tipo

cuantitativo, el primer aspecto a investigar es la tendencia
central de los datos ,es decir, identificar un valor en torno
al cual los datos tienden a aglomerarse o concentrarse.
Esto permitir saber si el proceso est centrado; es decir,
saber si la tendencia central de la variable de salida es
igual o est muy prxima a un valor nominal deseado.
En seguida veremos tres medidas de la tendencia central:
la media, mediana y moda.
La media (o promedio) muestral, que es igual a la media aritmtica de todos
los datos:

los siguientes datos representan el sueldo semanal de siete trabajadores de

cierta rea de una empresa:
1 100; 1 300; 1 000; 1 500; 800; 1 600; 1 100;

_
x = 1 200, por lo que el sueldo promedio de los trabajadores es de 1 200 soles
 Mediana o percentil 50

~
La mediana, x , que es igual al valor que divide a la mitad los datos cuando stos estn
ordenados de menor a mayor.
Para calcular la mediana cuando el nmero de datos es impar, los datos se ordenan de
manera creciente y el que quede en medio de dicho ordenamiento ser la mediana; y si el
nmero de datos es par, entonces la mediana se calcula dividiendo entre dos la suma de los
nmeros que estn en el centro del ordenamiento.

Para calcular la mediana se ordenan los datos:

800; 1 000; 1 100; 1 100; 1 300; 1 500 y 1 600; ~
Entonces, como el nmero de datos es impar (n= 7), la mediana es x = 1 100, con lo que es
posible asegurar que la mitad de los trabajadores de la muestra gana 1 100 soles semanales o
menos.
La moda, que es igual al dato que se repite con ms frecuencia.

En el caso de los sueldos de los trabajadores la moda es 1 100.

De aqu se desprende que no siempre la media es el dato ms frecuente, ya que en

este caso la media es 1 200, y no 1 100.

EJERCICIO

Por ejemplo, en el caso de los sueldos de los trabajadores, suponga que en

esa rea hay un trabajador ms que gana 7600 soles, con lo que ahora los
sueldos son:
800; 1 000; 1 100; 1 100; 1 300; 1 500; 1 600 y 7 600.
Determinar: La media, mediana y moda
Comparar y analizar con los resultados anteriores.
 Medidas de dispersin o variabilidad

Adems de la tendencia central de un conjunto de datos, es necesario

conocer qu tan diferentes son entre s, es decir, es importante saber
su variabilidad (o dispersin).
Esto es un elemento vital en el anlisis estadstico de un conjunto de
datos, particularmente cuando se quiere hacer un estudio de capacidad
de un proceso.
Existen cuatro formas de medir la variabilidad.

1) La desviacin estndar muestral es
la medida ms usual de variabilidad e
indica qu tan esparcidos estn los
datos respecto a la media; se denota
con S y se calcula mediante la
siguiente expresin:
_ estndar, S2, se conoce como varianza
S= (Xi X )2
n-1
2) Desviacin estndar poblacional o del
proceso, s. Si para calcular la desviacin
estndar se
utilizan todos los elementos de la
poblacin o proceso, entonces se obtiene
la desviacin estndar
poblacional y se denota por la letra griega
sigma, s.
Por otra parte, el cuadrado de la desviacin
muestral,
que es muy importante para propsitos de
inferencia estadstica. Y en forma
equivalente, s2 es la varianza (o variancia)
poblacional.
3) El rango (o recorrido):

R= dato mayor dato menor

R mide la amplitud de la variacin de un grupo de datos y tambin es

independiente de la magnitud de los datos.

Por ejemplo, sean los dos conjuntos de datos:

A = {10, 12, 14} y B = {159, 161, 163},

se ve que la magnitud de los datos es diferente, y eso lo refleja la media, que es

de 12 y 161, respectivamente.
Pero en cuanto a la variabilidad, los datos de ambos conjuntos estn
igualmente dispersos: s= 2 en ambos casos y R= 4 para los dos conjuntos.
El coeficiente de variacin (CV) es una medida de variacin relativa
a la magnitud de los datos, que es igual a la desviacin estndar
entre la media de los datos:

A = {10, 12, 14} y B = {159, 161, 163},

 EJERCICIO:

En un restaurante se tiene una frmula especfica para elaborar una cantidad

determinada de agua fresca, la cual contempla agregar 500 gramos de azcar. Es claro
que resulta de suma importancia aadir exactamente esa cantidad de azcar para la
calidad del agua, ya que, de lo contrario, sta queda muy dulce o desabrida. Aunque a los
cocineros se les ha insistido sobre lo anterior, es frecuente que no pesen el azcar y la
agreguen al tanteo. Al considerar la calidad del agua como un aspecto clave, se decide
disear un procedimiento a prueba de olvidos: comprar bolsas que contengan 500
gramos de azcar. Suponga dos marcas de azcar que cuentan con la presentacin de 500
gramos; ahora es necesario decidir qu marca comprar. Con este propsito se pesan 40
bolsas de ambas marcas. Al pesarse arrojan los resultados de la tabla1.
se requiere decidir cul de las dos marcas cumple mejor con la especificacin: peso ms cercano a 500 gramos.

TABLA 1

Es claro que los datos son variables, por lo que se requieren analizar con tcnicas estadsticas. En estos casos, para saber
el comportamiento (distribucin) de un conjunto de datos es necesario estudiar tres de sus aspectos: tendencia central,
variabilidad y forma de su distribucin.
PROCEDIMIENTO:
1 Determinar la tendencia central de los datos para cada marca de
azcar, es decir, identificar un valor en torno al cual los datos tienden a
aglomerarse o concentrarse.
Esto permitir saber si el proceso est centrado; es decir, saber si la
tendencia central de la variable de salida es igual o est muy prxima a
un valor nominal deseado (en el ejemplo, el valor nominal es 500
gramos).
Las tres medidas de la tendencia central: la media, mediana y moda.
 REALIZAR CLCULOS Y ANALIZAR LOS RESULTADOS

la moda es 502 y 498 para las marcas A y B, respectivamente

ANLISIS:
La tendencia central para cada marca se aleja aproximadamente lo
mismo respecto al peso requerido de 500 gramos.

Al tomar en cuenta nicamente las medidas de tendencia central, no se

puede decidir cul de las dos marcas satisface mejor el requerimiento
de peso.

Por lo general, como en este caso, decidir con base en el promedio

equivale a lanzar un volado.

A continuacin se debe analizar tambin la variabilidad de los datos

para poder tomar decisiones ms acertadas.
Por medio de las medidas de tendencia central no se pudo decir cul de las dos marcas de azcar
satisface mejor la exigencia de que las bolsas pesen 500 gramos.
Ahora, con el uso de las medidas de variabilidad, s se podr decidir. (Desviacin estndar y Rango
para cada marca).

Marca A: S = 7.23, R = 31;

Marca B: S = 3.68, R = 16.

De aqu se desprende que la muestra de bolsas de azcar de la marca A tienen una dispersin dos
veces que la de la marca B, tanto en trminos de S como de R.
Por lo tanto, como las muestras son representativas de ambas marcas y tienen un tamao
moderado, esto es una evidencia a favor de la marca B, ya que stas proporcionan un peso ms
cercano al peso deseado (500 gramos).
Si la discrepancia entre las desviaciones estndar hubiera sido menor, entonces para decidir si tal
discrepancia es significativa o si podra atribuirse a variaciones debido al muestreo, se hace una
prueba de hiptesis
 _
Relacin entre x y S

Una forma de apreciar ms claramente el signifi cado de la desviacin estndar como medida de
dispersin en torno a la media es a travs de la relacin entre la media y la desviacin estndar, la cual
est dada por la desigualdad de Chebyshev y la regla emprica

Dos hechos particulares que afirman la desigualdad de En cuanto a la regla emprica, sta afi rma que en
muchos de los datos que surgen en la prctica
Chebyshev es que entre: se ha observado por la experiencia que:
_ _ _ _
x - 2S y x + 2S est por lo menos 75% de los datos de la entre x S y x + S est 68% de los datos de la
muestra, muestra;
_ _
y que entre x 3S est por lo menos 89%. entre x 2S y x + 2S est 95%, y
_ _
entre x 3S y x + 3S est 99.7%.
Si aplicamos la regla emprica a los datos del peso de las bolsas de azcar, se tiene que el
_
intervalo x 3S est dado por:

Marca A: 502.3 - 3(7.23) = 480.61; 502.3 + 3(7.23) = 523.99

Marca B: 498.1 - 3(3.68) = 487.06; 498.1 + 3(3.68) = 509.14

De esto se deduce que alrededor de 99% de los pesos de las bolsas de muestra de la marca A vara entre
480.61 y 523.99 gramos.

Mientras que en el caso de la marca B, esta variacin est entre 487.06 y 509.14 gramos.
Con esto se confirma la evidencia a favor de la marca B.