“AÑO DEL DIÁLOGO Y LA RECONCILIACIÓN NACIONAL”

UNIVERSIDAD NACIONAL DEL CALLAO

FACULTAD DE CIENCIAS ADMINISTRATIVAS

TEMA:

HERRAMIENTAS ESTADISTICAS DE LA CALIDAD

INVESTIGADOR:

RUBIO HUARNIZ, WALTER MANUEL

DIRIGIDO A:

MG. MANUEL LIZARDO PEREA PASQUEL

CALLAO – 2018
D E D I C A T O R I A

Dedicado a quienes forjaron mi

corazón,

Volviéndolo inmune ante las

adversidades,

Haciendo que mí pasión sea

liberación,

Y demostrar así mis cualidades.

 INTRODUCCIÓN

El presente trabajo monográfico, desarrolla tópicos esenciales en el ámbito de la gestión

de la calidad, temáticas en las cuales estudiantes, empresarios e incluso catedráticos

deben estar a la vanguardia de ello, conociendo aspectos de la realidad, de esta manera,

podrá complementar sus conocimientos, mejorar su desarrollo personal, académico y

profesional, dando a conocer así su versatilidad.

El logro del éxito empresarial exige una constante adaptación a los cambios que se

manifiestan en el medio en que se desenvuelve la organización, y la competitividad se

convierte en un criterio por excelencia para la evaluación del desempeño dentro y fuera

de la institución. Es crucial la realización del análisis del entorno, ya que las empresas

que no han prestado la relevancia a ello, no dedicando el tiempo ni los recursos para ello,

han enfrentado perdiciones o incluso la quiebra al no aprovechar oportunidades

derivadas de estos estudios.

La calidad, es una disciplina que se estudia por medio de herramientas estadísticas

diseñadas para evaluar datos, obtener información, formar juicios y tomar decisiones en

condiciones de incertidumbre, sobre productos y procesos. En esta investigación se verá

los fundamentos de las más importantes.

Este estudio, trata de centrarse en los fundamentos que nos permiten aplicar

correctamente estas herramientas.

 III

La Monografía se ha dividido en los siguientes capítulos:

CAPITULO I: “ESTRATIFICACIÓN”

CAPITULO II: “DIAGRAMA DE PARETO”

CAPITULO III: “HISTOGRAMA”

CAPITULO IV: “DIAGRAMA DE DISPERSIÓN”

CAPITULO V: “TOMA ESTADÍSTICA DE DECISIONES”

 CAPÍTULO I

“ESTRATIFICACIÓN”

La vida cotidiana, en general, y la vida profesional de forma constante se enfrentan a

problemas complejos que no tienen soluciones simples, por el contrario son conflictivas

o producen nuevos problemas rodeados por una nube de datos, opiniones antagónicas

(1) y alternativas. La estratificación es una herramienta que permite despejar esa nube

para llegar al fondo del problema y destacar sus causas. (Ver Gráfico N°01).

Para la solución de un problema de calidad es necesario organizar la multitud de datos

que usualmente aparecen como parte de los síntomas o de sus causas reales. La

estratificación consiste en agrupar las observaciones de acuerdo con su naturaleza o con

otros factores que influyen en el problema, como pueden ser: los tipos de fallas, la

frecuencia con que se presentan, los lugares donde aparecen, las personas o situaciones

involucradas, los proveedores, las máquinas, etcétera.

La estratificación es una estrategia inicial, no es por sí misma una herramienta que

permita solucionar un problema, sino que es una representación para comprenderlo

mejor, mediante la separación y clasificación de los datos disponibles. Un mismo

conjunto de datos puede ser agrupado de diferentes maneras y su interpretación puede

variar según el punto de vista de la clasificación.

 2

La estratificación es un instrumento que se aplica en problemas, especialmente en

aquellos que son complejos, que tienen muchas causas que se relacionan unas con

otras. Se utiliza en la solución de problemas de calidad para separar los factores técnicos

como la maquinaria, la herramienta y la materia prima, de los factores humanos como el

diseño o la ejecución del trabajo. Algunas clasificaciones que pueden ayudar a organizar

la estratificación son:

 Los tipos de materiales y proveedores.

 El momento de la producción: turno, día u hora.

 Las variables de proceso: temperatura, presión, caudal o nivel.

 El departamento: el área, la sección o la línea.

 Los operarios: experiencia, edad, género o turno.

 La maquinaria: tipo, antigüedad, herramienta, molde o cavidad.

Subcapítulo 01

“Proceso de Estratificación”

a. Recolección de datos con un objetivo: No basta acumular mucha información, que

con frecuencia es costosa, hay que investigar con propósitos definidos. Las variables

y los puntos de vista deben seleccionarse antes de iniciar el acopio de datos.

b. Representación gráfica de los datos y los puntos de vista: Las gráficas y las

tablas ayudan a descubrir patrones y relaciones que a veces resultan difíciles de ver

cuando se representan sólo con números. Los diagramas más comunes son las

gráficas de pastel, los histogramas y los diagramas de Pareto, pero no son los únicos,

ya que hay otras formas ingeniosas para representar datos y destacar relaciones de

causa y efecto.
 3

c. Determinación de las causas posibles de la variación en los datos obtenidos y

las desviaciones de lo normal: Esto a veces lleva a nuevas investigaciones; por

ejemplo, puede surgir la siguiente pregunta: la impuntualidad no es un fenómeno

generalizado sino localizado en dos personas, pero ¿por qué los martes todas las

personas son impuntuales?

d. Profundización en la estratificación: Hay que examinar las diferencias entre los

valores promedio y las variaciones entre clases o individuos. Detectar nuevas

diferencias o relaciones.

e. Conclusiones: Una vez que se establecen y se comprueban relaciones claras de

causas y efectos se pueden emitir conclusiones y formular hipótesis para la solución

de problemas.

La estratificación es un recurso preliminar (2) que sirve para descubrir variaciones;

cuando se profundiza en ella se adquiere un mejor conocimiento del problema y se

acumulan datos para su solución.

Subcapítulo 02

“Caso Práctico”

1. En una empresa, existen dos cadenas de fabricación de tornillería en continuo. Se

quiere analizar el número de productos defectuosos apartados de la línea de

producción, éstos se consideran desechos ya que no pueden repararse. El jefe de

planta tiene la sospecha que en función del turno se producen más o menos

productos defectuosos. Para ello, contabiliza el número de productos apartados, por

línea de producción y por turno del personal en una semana. De esta manera,

podremos considerar si la causa es debido a los grupos de trabajo (turnos del

personal) o bien es debido a la maquinaria de la línea de producción.

 4

Los datos obtenidos se muestran en la siguiente tabla:

Turnos Línea de Prod. 1 Línea de Prod. 2 Total

Mañana 53 29 82
Tarde 26 36 62
Noche 32 31 63
Total 111 96 207

Solución:

Turnos Línea de Prod. 1 Línea de Prod. 2 Total

Mañana 25.60% 14.01% 39.61%
Tarde 12.56% 17.39% 29.95%
Noche 15.46% 14.98% 30.44%
Total 53.62% 46.38 100%

Unidades de Productos Defectuosos

100.00%
90.00%
80.00%
70.00%
60.00%
50.00%
40.00%
30.00%
20.00%
10.00%
0.00%
1 2 3

Línea de Prod. 1 Línea de Prod. 2 Total

Las unidades de productos defectuosos podría deberse a la falta de capacitación del

personal en cuanto a la manipulación, ensamble, soldadura, etc. La acción correctora

sería la formación, capacitación y supervisión del trabajo de los empleados.

 NOTAS

(1) Antagónico: "Antagónico" deriva del sustantivo "Antagonismo", que significa

básicamente una oposición, incompatibilidad, algo contrario a algo (valga la

redundancia). Cuando se habla entonces de una opinión antagónica se trata de

una posición contraria a otra.

(2) Recurso Preliminar: Son recursos que precede a una acción o que funciona

como preámbulo de algo. Se puede decir que los recursos preliminares nos sirve

para ahorrar tiempo y energía, por lo cual siempre se asocia a un paso previo a un

proceso de relativa complejidad.

 CAPÍTULO II

“DIAGRAMA DE PARETO”

Wilfredo Pareto fue un economista italiano (1848-1923) el cual determinó que 85% de

la riqueza de la ciudad de Milán estaba en manos de 15% de sus habitantes. Joseph

Juran (1) utilizó el mismo concepto, en la década de los cincuenta, para señalar que la

mayoría de los problemas de calidad se debían a la minoría de causas, y a él se le debe

el nombre de principio de Pareto. En la actualidad, se observa el principio de que en

muchas actividades la mayoría de los resultados se deben a la minoría de las causas y

a varios tipos de problemas: calidad, costos, eficiencia, ecología, seguridad, energía,

etc. Se ha generalizado la expresión 80-20 para indicarlo. Esta frase significa, en

general, que 80% de un fenómeno se debe a 20% de las causas, es decir, unas pocas

causas producen la mayoría de los resultados.

En un proceso pueden existir muchos problemas y cada problema puede tener varias

causas. Puesto que los recursos son generalmente escasos, no es posible dedicarlos a

la solución de todos ellos, sino que se deben aplicar en orden de importancia: los

mejores recursos a los problemas más significativos. Para seleccionar ese conjunto de

problemas o dar solución a las causas mayoritarias de un mismo problema se debe

hacer un análisis o Diagrama de Pareto (DP). (Ver Gráfico N°02).

 7

Los propósitos del DP son:

 Ordenar los datos más importantes de una situación (problemas y resultados).

 Identificar las causas que producen la mayor parte de los datos.

Subcapítulo 01

“Importancia”

Una vez resuelto el problema principal, se vuelve a aplicar la técnica para localizar el

siguiente, resolverlo y continuar así en un ciclo de mejora continua y ordenada. Un

Diagrama de Pareto (DP) puede ser el primer paso de un proyecto de mejora y es muy

útil para ilustrar las razones por las que se ataca, primero, cierto aspecto y después los

demás; de esta manera se logra concentrar la atención de los involucrados sobre los

objetivos más importantes.

Subcapítulo 02

“Relación entre la Estratificación y el Diagrama de Pareto”

El Diagrama de Pareto es un paso complementario de la estratificación. Muchas

empresas se detienen en los beneficios de esta última, lo cual puede conducir al uso

ineficaz (2) de los recursos, pues es posible que se apliquen a problemas menores

cuando podrían ser usados para solucionar problemas mayores. La cuantificación de la

información encontrada en la estratificación, con frecuencia, sorprende a los

responsables de la empresa: “sabíamos que había un problema, pero no conocíamos

su magnitud”, suele ser su expresión.

Una ventaja adicional del Diagrama de Pareto es que permite evaluar los resultados

de las acciones emprendidas. La simple inspección del diagrama, antes y después de

haber actuado, indica la efectividad de los responsables y la trascendencia de los

recursos empleados.
 8

Subcapítulo 03

“Pasos para la construcción de un diagrama de Pareto”

a. Para la categoría o eje horizontal del diagrama se seleccionarán las variables de

interés. Éstas pueden ser: tipos de defectos, equipos de trabajo, métodos de trabajo,

personas, máquinas, clientes, proveedores o cualquier variable significativa para el

proceso. Las categorías menores se pueden agrupar en una sola denominada “otras”,

pero se debe vigilar que su porcentaje relativo no sea mayor que ninguna categoría

específica.

b. El eje vertical izquierdo se marca con unidades pertinentes a la categoría horizontal;

por ejemplo, si hablamos de defectos provenientes de una materia prima comprada a

diferentes proveedores, éstos ocupan el eje horizontal y las cantidades compradas en

pesos o kilogramos se anotan en el eje vertical izquierdo. Se procura que la escala sea

un múltiplo de diez, con el indique las líneas horizontales sirvan para ambas escalas.

c. El eje vertical derecho se marca con una escala de 0 a 100% en la misma longitud que

la escala izquierda.

d. Se coloca una barra del tamaño de su magnitud sobre la categoría correspondiente.

La magnitud en unidades se lee hacia la izquierda y su peso porcentual se lee hacia la

derecha. Después se colocan las demás barras en orden descendente.

e. Del eje de la primera barra se traza una línea que represente el porcentaje de la

segunda categoría hasta el eje de la misma. Éstas son las líneas de acumulados y cada

una se inicia dónde termina la anterior. (Ver Gráfico N°03).

Subcapítulo 04

“Caso Práctico”

1. “Hurtos en un gran almacén”

 9

Un gran almacén, que registra elevados costos por hurtos, encargo a un grupo de

trabajo resolver el problema. Como el almacén disponía de varias plantas y ofrecía

mercancía de naturaleza muy diferente, el equipo decidió empezar las

investigaciones recogiendo datos sobre los costos por hurtos en varios secciones y

realizar un análisis de Pareto. En la siguiente tabla se sintetizan los datos:

Sección Costes Porcentaje Relativo Porcentaje Acum.

Joyería 62 22% 22%
Perfumería 58 20% 42%
Deportes 50 18% 60%
Música 47 17% 77%
Electrodomésticos 22 8% 85%
Ropa 16 6% 91%
Alimentación 15 5% 96%
Hogar 10 3% 99%
Muebles 4 1% 100%
Total 284 100%

Solución:

Gráfico de Pareto
284 100%
Pocos 90%
234 Vitales 80% 77%
70%
184
Muchos 60%
Triviales 50%
134
40%
84 30%
20%
34 10%
1 2 3 4 5 6 7 8 9
Costes Porcentaje Acum.

En las primeras cuatro secciones se registran el 77% de los costos totales por hurtos.

Estos son los “pocos vitales”. El equipo tendrá que concentrar sus esfuerzos en buscar

solucionar los hurtos en estas cuatro secciones. De esta manera obtendrán una mejora

significativa con una acción más centrada en el problema.

 NOTAS

(1) Joseph Juran: Fue un consultor de gestión del siglo XX que es principalmente

recordado como un experto de la calidad y la gestión de la calidad y la escritura de

varios libros influyentes sobre esos temas. Descubrió en 1941 la obra de Wilfredo

Pareto y fue entonces cuando amplió la aplicación del llamado principio de Pareto a

cuestiones de calidad. Esto también se conoce como "los pocos vitales y muchos

triviales". Juran en los últimos años ha preferido "los pocos vitales y los muchos

útiles" para indicar que el 80% restante de las causas no deben ser totalmente

ignoradas.

(2) Ineficaz: Se refiere a una acción o acto en especial que no produce la capacidad

del efecto o resultado esperado o que va para bien en un determinado elemento.

 CAPÍTULO III

“HISTOGRAMAS”

En la estratificación y en el Diagrama de Pareto se organizan las variables de un proceso

de mayor a menor; el histograma es otra representación gráfica del comportamiento de

un proceso, pero en este caso las diferentes observaciones de una misma variable se

grafican alrededor de un valor medio (1) o central. Lo importante es ver qué tanto se

dispersa una misma variable alejándose de dicho valor central.

Para aumentar la calidad de un proceso es necesario reducir al mínimo su variación; el

histograma es una gráfica de barras que permite determinar cuántas veces se repite un

mismo valor, es decir, con qué frecuencia se repite una medición dentro de un rango y

qué tan ceñidos o dispersos están los valores de su promedio. Si se comparan

histogramas de un mismo proceso, a lo largo del tiempo, se determina si hay algún patrón

de comportamiento. (Ver Gráfico N°04).

El histograma se inicia contando los resultados de un proceso que se consideran iguales;

cada observación se marca en una forma para registro y luego las marcas se resumen

en tablas de números; finalmente se agrupan en forma gráfica. De esta manera resulta

más fácil su interpretación que leyendo listados de números.

 12

Subcapítulo 01

“Tipos de Gráficos relacionados con el Histograma”

1. Histograma de frecuencias absolutas: Representa la frecuencia absoluta mediante

la altura de las barras. Se usa mucho en educación no universitaria por su sencillez,

pero sólo se puede aplicar cuando todos los intervalos son iguales, ya que en ese

caso las alturas y las superficies son proporcionales. En esos niveles educativos se

introduce una estadística elemental y todavía no se puede profundizar en estos

detalles.

2. Histograma de frecuencias relativas: Representa la frecuencia relativa mediante la

altura de las barras. Igual que en el caso anterior se usa mucho en educación no

universitaria. La elaboración del gráfico es más complicada pues los números ya no

son enteros. Como en el caso anterior sólo se puede aplicar cuando todos los

intervalos son iguales, ya que en ese caso las alturas y las superficies son

proporcionales.

3. Histograma: Representa la frecuencia relativa mediante la superficie de las barras.

Aunque esto sea cierto en todos los histogramas, cuando se agrupan los datos en

intervalos desiguales hay que atender a la superficie de las barras, que no se

corresponderá con la altura como ocurría en los casos anteriores. Es el que se suele

usar en educación universitaria. Para su elaboración debe introducirse el concepto

de altura de histograma, que es un concepto equivalente al de densidad de

probabilidad (2), y que se calcula dividiendo la frecuencia relativa (3) de ese intervalo

(o sea la superficie que queremos darle) entre la anchura del intervalo (la base del

rectángulo). Ahora las barras tendrán siempre superficie igual a la frecuencia relativa

y la suma de todas esas superficies (de todas las barras) será 1, o sea el 100%
 13

4. Función densidad: Representa la probabilidad mediante la superficie de las barras.

Es un gráfico idéntico al histograma pero aplicado a distribuciones teóricas. El

concepto de frecuencia relativa se cambia por el de probabilidad, pero también se

representa por superficies y la suma de todas esas superficies (de todas las barras)

será 1, como en el histograma, o sea el 100% de probabilidad.

5. Curva acumulativa u ojiva: Es un gráfico acumulativo que representa la frecuencia

relativa acumulada hasta cada valor de la variable. Si el rango es finito el primer valor

del rango tiene frecuencia acumulada (anterior) cero y el último tiene frecuencia

acumulada 1 (100%). Así el eje vertical siempre toma valores de cero a uno y

representa frecuencias relativas (o probabilidades si se trata de distribuciones

teóricas). Se utiliza para introducir el concepto y el cálculo de la mediana, los cuartiles,

los deciles (4) y en general los parámetros llamados de posición. Si el rango es

infinito, como suele ocurrir en las distribuciones teóricas (Normal, Student, Chi-

cuadrado, etc.) el cero puede no alcanzarse y será el valor asintótico (5) por la

izquierda, si tampoco se alcanza el uno también será el valor asintótico derecho, y en

muchos casos no se alcanza ni uno ni otro, teniendo dos asíntotas. Este gráfico es la

integral del histograma (cuando trabajamos con distribuciones reales) o de la función

densidad (cuando trabajamos con distribuciones teóricas).

6. Curva acumulativa de frecuencias absolutas: Es un gráfico acumulativo que

representa la frecuencia absoluta (6) acumulada hasta cada valor de la variable.

Realmente no es un gráfico relacionado con el histograma, pero es muy parecido a

la curva acumulativa y a la función de distribución. Se usa mucho en enseñanza no

universitaria por su sencillez, ya que permite trabajar con números enteros

(frecuencias absolutas) y, como la anterior, permite introducir y calcular mediana,

 14

cuartiles, etc. Esta curva no irá entre cero y uno sino entre cero y el total de individuos

de la muestra.

Subcapítulo 02

“Construcción de un Histograma de Frecuencias”

a. Determinar el rango de los datos. Rango es igual al dato de proporción menos el dato

de desigualdad.

b. Obtener todos los números de grupos, existen 4 criterios para determinar el número

de clases (o barras) –por ejemplo, la regla de Sturges (7) etc.

c. Establecer la anchura de clase. Si queremos intervalos iguales tomaremos el rango

dividido por el número de clases y comparar con los resultado obtenidos de la

dispersión.

d. Construir los intervalos de clases: Los intervalos resultan de dividir el rango de los

datos en segmentos iguales usando la anchura de clase obtenida en el PASO 2.

e. Graficar el histograma: Como todas las clases tienen la misma amplitud las bases de

las barras son los intervalos de clases y la altura es la frecuencia de las clases. (Ver

Gráfico N°05).

Subcapítulo 03

“Casos Prácticos”

1. Los pesos de los 65 empleados de una fábrica vienen dados por la siguiente tabla:

fi
[50, 60> 8
[60, 70> 10
[70, 80> 16
[80, 90> 14
[90, 100> 10
[100, 110> 5
[110, 120> 2
a) Construir la tabla de frecuencias.

b) Representar el histograma y el polígono de frecuencias.

 15

Solución:

a)

Frecuencia Frecuencia
Marca de Frecuencia Frecuencia
Peso en Kg. Absoluta Relativa
clases Absoluta Relativa
Acumulada Acumulada
Intervalos Xi fi Fi hi Hi
[50, 60> 55 8 8 12% 12%
[60, 70> 65 10 18 15% 28%
[70, 80> 75 16 34 25% 52%
[80, 90> 85 14 48 22% 74%
[90, 100> 95 10 58 15% 89%
[100, 110> 105 5 63 8% 97%
[110, 120> 115 2 65 3% 100%
Total 65 100%

b)

18

16

14

12

10

0
55 65 75 85 95 105 115

2. Dada la distribución de salarios semanales de 50 obreros de la fábrica INRESA en

unidades monetarias son los siguientes:

80 59 100 108 76 52 96
85 89 62 92 88 85 64
75 63 84 81 82 78 86
70 96 83 78 48 70 85
98 66 90 75 78 92 69
81 105 103 66 73 64 90
94 97 89 83 67 107 56
88
 16

a) Construir la tabla de distribución de frecuencia, sabiendo que m=10

b) Graficar el histograma y el polígono en un mismo sistema.

Solución:

a)

Rx = 108 – 48 = 60 (Rango)

Ci = 60/10 = 6 (Amplitud del Intervalo)

Frecuencia Frecuencia
Marca de Frecuencia Frecuencia
Salario semanal Absoluta Relativa
clases Absoluta Relativa
Acumulada Acumulada
Intervalos Xi fi Fi hi Hi
[48, 54> 51 2 2 4% 4%
[54, 60> 57 2 4 4% 8%
[60, 66> 63 4 8 8% 16%
[66, 72> 69 6 14 12% 28%
[72, 78> 75 4 18 8% 36%
[78, 84> 81 9 27 18% 54%
[84, 90> 87 9 36 18% 72%
[90, 96> 93 5 41 10% 82%
[96, 102> 99 5 46 10% 92%
[102, 108> 105 4 50 8% 100%
Total 50 100%
b)

10

0
51 57 63 69 75 81 87 93 99 105
 NOTAS

(1) Valor Medio: Es una propiedad de las funciones derivables en un intervalo.

Algunos matemáticos consideran que este teorema es el más importante del cálculo

(2) Probabilidad: Es una medida de la certidumbre asociada a un suceso o evento

futuro y suele expresarse como un número entre 0 y 1 (o entre 0 % y 100 %).

(3) Frecuencia Relativa: Se dice que la frecuencia relativa es el cociente entre

la frecuencia absoluta de un determinado valor y el número total de datos. Se puede

expresar en tantos por ciento y se representa por h i. La suma de las frecuencias

relativas es igual a 1.

(4) Deciles: Los Deciles (D) son puntuaciones que dividen la distribución en diez

partes.

(5) Asintótico: Se le llama asíntota de la gráfica de una función a una recta a la que

se aproxima continuamente la gráfica de tal función; es decir que la distancia entre

las dos tiende a ser cero (0), a medida que se extienden indefinidamente.

(6) Frecuencia Absoluta: Es una medida estadística que nos da información acerca

de la cantidad de veces que se repite un suceso al realizar un número determinado

de experimentos aleatorios.

(7) Regla de Sturges: Con esta regla se calcula el número de clases (o intervalos)

necesarios para representar fielmente los datos.

 CAPÍTULO IV

“DIAGRAMA DE DISPERSIÓN”
Un diagrama de dispersión se grafican pares de valores relacionados entre sí. Las

variables que se manipulan se llaman variables independientes (1) y los resultados

obtenidos se denominan variables dependientes, porque dependen de las primeras. Por

ejemplo, la resistencia mecánica (variable dependiente) de una aleación depende del

contenido de un elemento (variable independiente); la capacidad de carga de una grúa

depende de la potencia de su motor; el peso de un pollo de engorda depende de la

cantidad de carbohidratos ingeridos.

Se pueden elaborar diagramas de dispersión que indiquen una relación aparente entre

dos variables, pero esto no significa que una dependa de la otra, sino que ambas

dependen, simultáneamente, de una tercera. Por ejemplo, si se grafica la estatura de un

grupo de jóvenes contra su peso, se encontrará que a mayor estatura, mayor peso, pero

¿depende la estatura del peso? No, lo que pasa es que ambos dependen de la edad de

la persona. La variable independiente es la edad y el peso o la estatura son las variables

que dependen de aquella.

Es importante establecer la relación de dependencia entre dos variables y no sólo la

relación entre sí, porque si se busca un determinado efecto, se debe manipular la variable

independiente y no las otras variables que no modifican el efecto deseado. De esta

manera, un criador de pollos podrá cambiar el contenido de los alimentos que da a

 19

sus aves y al mismo tiempo éstos reaccionarán con un diferente peso y estatura.

Subcapítulo 01

“Construcción de un Diagrama de Dispersión”

1. Seleccionar las variables que se pondrán en la gráfica y obtener datos en pares, es

decir, para cada valor de una variable independiente debe corresponder otro de la

variable dependiente.

2. Trazar los ejes de la gráfica. La variable independiente va sobre el eje horizontal (o

eje de las X); la variable dependiente va sobre el eje vertical (o eje de las Y). Anotar el

nombre de las variables junto al eje que las representa.

3. Marcar la escala y las unidades. La escala comprende todos los valores que se

utilizaron, desde el mínimo hasta el máximo de ambas variables. No forzosamente las

gráficas se inician desde cero. Algunas variables pueden tomar valores negativos; en

este caso, se necesitan ejes con valores negativos a la izquierda del cero en el eje de

las X y debajo de cero en el eje de las Y. El tamaño de las unidades de una escala puede

ser diferente al tamaño de las unidades en la otra.

4. Colocar los pares de datos. Un punto en la gráfica está definido por sus coordenadas:

un valor de X y otro de Y. El cruce de las coordenadas localiza el punto. Si varios pares

de datos se repiten, se trazan círculos concéntricos (2) sobre el primer punto.

5. Identificar la gráfica, las escalas, los ejes y, en caso necesario, los puntos anotados.

(Ver Gráfico N°06).

Subcapítulo 02

“Casos Prácticos”

1. Una litográfica está abriendo una nueva área de producción para la impresión de

posters, y en este momento se encuentra haciendo todos los ensayos y pruebas para

determinar la cantidad de tinta de cada color que deberían tener las maquinas.
 20

Como prueba inicial, han decidido establecer la relación de errores de impresión según

el grado de llenado de los recipientes de tinta de la máquina. El departamento de control

de calidad hace 50 pruebas durante 5 días continuos. Lo cual se detalla a continuación:

Cantidad de Número de
tinta errores
47% 16
48% 14
69% 30
70% 31
59% 15
59% 17
37% 10
62% 21
39% 11
35% 13
68% 28
52% 17
42% 11
51% 18
50% 19
34% 10
41% 14
30% 7
53% 20
33% 7
36% 11
40% 16
40% 13
69% 24
61% 24
32% 9
66% 28
64% 23
45% 17
59% 20
60% 21
56% 19
60% 20
55% 18
44% 15
49% 16
63% 25
65% 26
38% 10
67% 24
 21

Solución:

Número de errores sugún la Cantidad de Tinta

35

30

25

20

15

10

0
0% 10% 20% 30% 40% 50% 60% 70% 80%

Evidentemente hay una relación positiva fuerte entre la cantidad de tinta con la que se

carga el tubo de la máquina y el número de errores generados en la impresión de los

posters. Un paso siguiente para un problema de este tipo, sería buscar la forma de

aprovechar la capacidad restante de la máquina, por ejemplo usar más tubos y más

pequeños.
 NOTAS

(1) Variables Independientes: Son aquellas cuyos valores no dependen de

otras variables. Son aquellas características o propiedades que se supone son las

causas del fenómeno estudiado. En investigación experimental se llama así a

las variables que el investigador manipula.

(2) Círculos Concéntricos: Son representaciones del conocimiento en forma

conceptual. Esta representación puede ser utilizada para programar unidades,

proyectos, etc. De esta manera el círculo inicial, el más pequeño representará la

idea general a la cual vamos a dirigirnos.

 CAPÍTULO V

“TOMA ESTADÍSTICA DE DECISIONES”

¿Cómo se determinan las dimensiones de las tallas de ropa o zapatos? Son las medidas

promedio tomadas de muchas personas de diversas edades, pero ¿acaso alguien midió

las proporciones de todos los habitantes de un país para sacar las tallas?: no, solamente

se midieron algunas personas seleccionadas cuidadosamente por ser las más

representativas de toda la población. (Ver Gráfico N°07).

La toma estadística de decisiones se basa en tomar medidas de una variable o un

atributo sobre una muestra que pertenece a un grupo más grande. La información que

se saca de una muestra es útil para tomar decisiones acerca del total de la población y

para aceptar o rechazar hipótesis formuladas sobre ella; por ejemplo, el tamaño más

frecuente de calzado en niños de 12 años es 25 cm.

Subcapítulo 01

“Población”

Es el total de individuos que conforman un grupo homogéneo de objetos que se estudian;

por ejemplo, un lote completo de producción de una fábrica de ruedas para bicicletas,

todos los jóvenes de 14 años que estudian secundaria en una determinada ciudad; las

mujeres entre 40 y 50 años de edad de un sector social específico; los pistones de motor

producidos ayer por la máquina número 2 de una planta o el consumo por casa de
 24

energía eléctrica en una colonia. Una parte representativa de una población se llama

muestra; por ejemplo, algunas piezas extraídas de un lote de producción, algunos

jóvenes de 14 años o ciertas mujeres entre 40 y 50 años.

Subcapítulo 02

“Variable”

Es una cualidad observable de un objeto, la cual puede ser medida con una escala

continua; por ejemplo, dimensiones, peso, color, temperatura, resistencia eléctrica,

resistencia mecánica, dureza superficial, contenido de azufre, etc. La variable toma

diferentes valores según el individuo que se observa; es decir, cada pieza de un lote o

cada persona de un grupo pueden tener diferente valor que la pieza o la persona de

junto.

Subcapítulo 03

“Media Aritmética”

Es la medida de la tendencia central de una variable en una población o en una muestra;

por ejemplo, la estatura media de los jóvenes de 14 años es de 1.65 m; el diámetro

promedio de los pistones fabricados por la máquina número 3, ayer en el primer turno,

fue de 41.538 mm; la media aritmética de las resistencias eléctricas producidas la

semana pasada fue de 1 050 ohms.

1. Media Poblacional: Se denomina µ (letra griega, se pronuncia “mu” o “miu”) y es

igual al promedio de una variable de la población total; es la suma de los valores de

una variable medida en todos los elementos de una población, dividida entre el

número total (N) de elementos en la población:

 25

2. La media muestral: Se denomina X (equis barra, equis tilde o equis media) y es igual

al promedio de una variable en la muestra y se calcula así:

La diferencia es que en la media muestral (1) se miden los valores de la variable sólo

en los elementos de la muestra, y se divide entre la cantidad (n) de individuos

tomados de la muestra.

Se utilizan letras griegas para referirnos a la población y letras latinas para indicar la

muestra (N para la población y n para la muestra).

Subcapítulo 04

“Medidas de Dispersión”

Son indicadores que sirven para saber cómo se distribuyen las observaciones alrededor

de la media; por ejemplo, si bien el promedio de estatura de los jóvenes de 14 años es

1.65 m, no todos miden eso, algunos miden más y otros miden menos. Dentro de las

medidas de dispersión, se detallaran las más importantes a continuación.

1. Varianza: Es el promedio de las desviaciones elevadas al cuadrado. La varianza de

la población es:

Para que el cálculo quede en las mismas unidades de las observaciones, se extrae

la raíz cuadrada de la varianza y se obtiene así la desviación estándar:

 26

Si se opera sobre una muestra, la varianza y la desviación estándar de la muestra

son:

a. varianza de la muestra

b. Desviación estándar de la muestra

2. Distribución Normal: Es una distribución de datos continuos que produce una curva

simétrica (2) en forma de campana. Si un histograma de eventos al azar se divide en

clases cada vez más pequeñas y contiene un número muy grande de dichos eventos,

la línea que une el borde superior de cada barra vertical es la curva de distribución

normal; por ejemplo, en la manufactura de rines de 14 pulgadas para llanta de

automóvil, la inmensa mayoría medirá 14 pulgadas de diámetro, algunos medirán

14.05 o 13.95 y sólo unos cuantos medirán 14.1 o 13.9; en una fábrica de ollas de

peltre, el espesor del vitrificado promedio será de 0.03 mm, algunas piezas tendrán

0.02 o 0.04 mm y muy pocas habrán sido fabricadas con 0.01 o 0.05 mm de espesor.

(Ver Gráfico N°08).

a. Unidades de Distribución Normal: Para comparar cualquier unidad de medida, ya

sean metros, litros o kilos, con una distribución normal, es necesario codificar los

datos. A esta codificación se le llama estandarización.

 27

Puesto que la curva de distribución normal es una línea que representa cualquier tipo

de variable, no tiene dimensiones, pero para utilizarla es necesario convertir las

variables que se manejan en la práctica a este valor estandarizado. Z o K es tal valor

estandarizado y es la coordenada sobre el eje horizontal entre el promedio y el valor

observado en un elemento de la población. Se puede decir que es la distancia desde

el centro de la curva, hasta un punto cualquiera de ésta. (Ver Gráfico N°09).

La distribución normal estandarizada tiene una media de cero. El área total bajo la

curva es 1 y el área desde la media hasta una coordenada Z. Hay dos formas de

tabular el área: algunas tablas la presentan desde el centro de la curva, es decir,

desde la media hacia la derecha, con números positivos que van desde 0.0000 hasta

0.5000; considerando que la curva es simétrica, si el área que se busca está del lado

izquierdo, simplemente se busca su equivalente del lado derecho.

3. Prueba de Hipótesis: Es la suposición que se hace del valor medio de una variable

en una población, pero como es muy difícil medir todos sus elementos se toma una

muestra y el valor medio encontrado se usa para aceptar o rechazar la hipótesis; por

ejemplo, se formula la hipótesis de que la medida más común de calzado para

alumnos de segundo año de secundaria es 26.5 cm y una fábrica toma una muestra

de 10% de todos los alumnos de ese grado en la capital y mide su calzado. Si el

promedio de la medida tomada sobre la muestra está entre 26.3 y 26.7 cm (± 1% de

26.5 cm), se aceptará la hipótesis.

La decisión fundamental en asuntos de calidad es la aceptación o rechazo de un lote

de producción (la población), basándonos en la medición de variables o atributos de

una muestra y comparándolos con valores esperados, deseados o aceptables. Si la

 28

producción de que se habla es pequeña o puede ser detenida para inspección de

todos sus elementos, la decisión se puede tomar con un alto grado de confianza; es

decir, si se pudieran medir todos los objetos de un conjunto, sería difícil cometer el

error de aceptar lo que debería haberse rechazado o rechazar lo que debería ser

aceptado.

La hipótesis nula dice que el promedio de contenido en todas las bolsas (toda la

población) es de 2 kg; se prueba contra la hipótesis alterna de que el promedio de

contenido de todas las bolsas no es de 2 kg (nótese el signo). La hipótesis nula puede

ser rechazada o no rechazada, pero nunca se puede “aceptar” una hipótesis nula

como “verdadera”. Cuando no se rechaza una hipótesis, lo que se está diciendo es

que con la muestra tomada no hay suficiente evidencia para rechazarla. Podría

suceder que el promedio real de todas las bolsas (toda la población) fuera de 1.95

kilos, pero por errores, de muestreo o de medición, el promedio de la muestra se

reportará de 2 kg; esto no prueba que el total sea de 2 kg.

En la prueba de hipótesis, se supone que H es verdadera hasta que se demuestra

que es falsa y esto se logra sólo cuando la diferencia entre el valor observado en la

muestra y el esperado por la hipótesis es suficientemente significativo; es decir,

cuando esa diferencia es mayor que una diferencia debida al azar o a errores de

muestreo (3).

En la práctica, la media de la población es lo que se busca; ese valor se plantea como

la hipótesis y luego se toma una muestra de dicha población. Se mide el valor medio

en ésta y se compara con la hipótesis suponiendo que ambas se comportan en una

distribución normal, si la diferencia no es significativa, es decir, es menor que un

porcentaje preestablecido de tolerancia, se acepta la hipótesis; si la diferencia es

 29

significativa, se rechaza la hipótesis. El error de muestreo es el nivel de confianza con

el que deseamos aceptar o rechazar la hipótesis.

Subcapítulo 05

“Casos Prácticos”

1. Varianza. Se utilizan dos máquinas diferentes para producir minidiscos para

computadora; como surgieron ciertos problemas con el diámetro de los discos, que

debería ser de 3.0 pulgadas, se tomó una muestra de la producción de cada una. Las

Mediciones de los diámetros se anotan en la siguiente tabla. Calcula el promedio, la

varianza y la desviación estándar. Si el objetivo disminuyera la variación alrededor de

la media, ¿cuál sería el mejor proceso?

Maquina 1 Maquina 2
3.41 3.28
3.74 3.07
3.89 3.30
3.65 3.25
3.22 3.75
3.65 3.20
3.33 3.30
Total 24.89 23.15
Media 3.56 3.31
Solución:

n= 7

Diferencia: Diferencia:
Maquina Maquina
Maquina 1 (Diferencia 1)2 Maquina 2 (Diferencia 2)2
1 2
- Media - Media
3.41 3.28 -0.15 0.0225 -0.03 0.0009
3.74 3.07 0.18 0.0324 -0.24 0.0576
3.89 3.30 0.33 0.1089 -0.01 0.0001
3.65 3.25 0.09 0.0081 -0.06 0.0036
3.22 3.75 -0.34 0.1156 0.44 0.1936
3.65 3.20 0.09 0.0081 -0.11 0.0121
3.33 3.30 -0.23 0.0529 -0.01 0.0001
Total 24.89 23.15 Total 0.3485 Total 0.2680
Media 3.56 3.31 Entre n-1 0.0581 Entre n-1 0.0447
 30

La varianza de las muestras de la máquina 1 es 0.0581 y la de la máquina 2 es 0.0447;

por lo tanto, el mejor proceso es el de la máquina 2, ya que produce con menor variación.

Las desviaciones estándar de la muestra son:

Desviación Estándar (Maquina 1) = S1 =√0.0581 = 0.241

Desviación Estándar (Maquina 2) = S2 =√0.0447 = 0.211

2. Desviación Estándar. Un lote muy grande de tornillos producidos ayer se ha hecho

sospechoso de tener una longitud mayor a la especificada de 20 mm; el inspector de

calidad toma al azar una muestra de diez piezas y la mide; encuentra que el promedio

en la muestra es 19.98 mm con una desviación estándar de 0.1; ¿qué porcentaje de

toda la producción se encontrará entre el promedio medido en la muestra y el

promedio esperado de la población total?

Solución:

Z =?? ẋ = 19.98

µ = 20

19.98−20
𝑧= = - 0.20 → F(z) = 0.42074
0.10

0.50 – 0.42074 = 0.07926

∴ 7.926%

El 7.93% de la producción de ayer se encontrará entre 19.98 y 20 mm.

3. Prueba de Hipótesis. Una compañía supone que la vida de su prensa rotativa más

grande es de 14500 horas con una desviación estándar de 2100 horas. De una

muestra de 40 prensas, la compañía encuentra una media de la muestra de 13000

horas. Para un nivel de significancia de 0,01 ¿Debería concluir la compañía que la

vida promedio de las prensas es menor que las hipótesis 14500 horas? Dibuje la
 31

curva normal e Identifique las zonas de aceptación y rechazo.

Solución:

Z =?? ẋ = 13000 NC = 0,99

µ = 14500 n = 40 ZCrítico = -2,326

13000−14500
s = 2100 α = 0,01 ZCalculado = = -4,5175
2100 ÷ √40

Si: Zcalculado > Zcrítico no Rechazar Ho

-4,5175 < -2,326 Se Rechaza Ho

 NOTAS

(1) Media Muestral: Es un estimador centrado del valor medio μ de una variable

aleatoria X , cuya varianza decrece a medida que aumenta n , el tamaño muestral,

es decir, a medida de que se disponga de "mayor información" de la población.

(2) Curva Simétrica: Es Cuando una distribución es simétrica, moda, mediana y media

coinciden aproximadamente en valores y la forma de un histograma (o polígono de

frecuencias) se parece a la figura I, en donde el lado derecho de la barra central es

simétrico a su lado izquierdo.

(3) Error de muestreo: Es la desviación de la muestra seleccionada de las verdaderas

características, rasgos, comportamientos, cualidades o figuras de toda la población.

 CONCLUSIONES

1. La estratificación es una estrategia inicial que nos permite organizar y observar

los datos de diferentes maneras, con el fin de ver los problemas desde varios

puntos de vista y así distinguir las relaciones entre sí y entre las causas y sus

efectos visibles. De esta manera, se pueden simplificar y comprender los

problemas más complejos. No es una herramienta que deba usarse sola, siempre

debe ir acompañada de las demás.

2. El Diagrama de Pareto es una técnica conocida en diversos medios, aparte de los

relacionados con la calidad. Es una herramienta que frecuentemente se aplica

después de la estratificación y que nos permite observar la importancia relativa de

los factores de un problema; se puede utilizar para estudiar causas o efectos,

costos, resultados o simplemente para ver cómo se acomodan los elementos que

componen un fenómeno.

3. Una vez establecidas las relaciones de causa y efecto es necesario determinar

cómo influyen las causas en los efectos, para ello nos apoyamos en los diagramas

dispersión y en el cálculo del coeficiente de correlación. Estas herramientas nos

permiten medir qué grado de influencia tiene una causa sobre diferentes efectos

o cuál es la causa que mayor influencia ejerce sobre un efecto particular.

 34

4. La prueba de hipótesis se analiza sobre promedios basados en muestras. Esta

herramienta es de gran importancia porque es de aplicación común en varias

disciplinas; nos basta escuchar cualquier discusión sobre eventos de actualidad

para oír la expresión: “en promedio...”, lo cual significa que alguien ha tomado una

muestra, ha medido alguna variable de ella y pretende convencer a su audiencia

de que la mayoría de la población se comporta o piensa igual que su promedio.

 BIBLIOGRAFÍA

1. BAZÁN BACA, JUAN FRANCISCO “Texto de Problemas de Inferencia

Estadística” (2013).Resolución Rectoral. Callao - Perú. Página 409.

SINAPSIS: De manera sencilla ayuda a estudiantes de la especialidad a desarrollar

competencias conceptuales y procedimentales, mediante la asimilación de la

terminología propia de la estadística, así como las correspondientes aplicaciones a la

economía.

2. ALIAGA VALDEZ, CARLOS & ALIAGA CALDERÓN, CARLOS. “Estadística para los

negocios con Excel” (2009). 2da edición. ECITEC SA. Lima. Página 634.

SINAPSIS: Este libro desarrolla temáticas para la toma de decisiones que, sin embargo,

contiene una teoría básica que sirve de sustento para comprender lo que realiza Excel

con sus funciones estadísticas. Para el caso específico de los profesores, estos modelos

estadísticos permitirán personalizar las evaluaciones de modo tal que para cada

problema se puedan alterar indefinidamente los valores de las variables intervinientes.

3. GUTIERREZ PULIDO, HUMBERTO & DE LA VARA SALAZAR, ROMÁN. “Control

estadístico de la calidad y seis sigma” (2013). 3era edición. McGraw-

Hill/INTERAMERICANA EDITORES, S.A. DE C.V. México D.F. Página 461.

SINAPSIS: Aborda los principales conceptos y métodos del control estadístico de calidad
 36

y los aspectos esenciales de la estrategia de mejora conocida como Seis Sigma (6σ). El

control estadístico ha demostrado su utilidad tanto en las empresas de manufactura

como de servicio, ya que con las exigencias de mejora a la que se ven expuestas las

organizaciones, debido a la alta competitividad de los mercados globalizados, se ha

hecho más evidente la necesidad de ampliar la comprensión y utilización del

pensamiento estadístico, y aplicar conceptos y técnicas estadísticas para una diversidad

de tareas y propósitos

WEBGRAFÍA

1. CalyProd_LIC 4a_U04.pdf. “Herramientas estadísticas de calidad”.

Enlace:http://gc.initelabs.com/recursos/files/r157r/w13319w/CalyProd_LIC%204a_U

04.pdf

2. GEOGEBRA. “Prueba de Hipótesis”.

Enlace: https://www.geogebra.org/m/VME5NlAq
ANEXOS
 38

GRÁFICO N° 01

“CONCEPTO GENERAL DE ESTRATIFICACIÓN”

Fuente:http://gc.initelabs.com/recursos/files/r157r/w13319w/CalyProd_LIC%204a_U04.

pdf

GRÁFICO N° 02

“CONCEPTO GENERAL DEL DIAGRAMA DE PARETO”

Fuente:http://gc.initelabs.com/recursos/files/r157r/w13319w/CalyProd_LIC%204a_U04.

pdf
 39

GRÁFICO N° 03

“DIAGRAMA DE PARETO”

Fuente: https://es.scribd.com/doc/173426450/Ejercicios-Resueltos-Del-Diagrama-de-

Pareto

GRÁFICO N° 04

“CONCEPTO GENERAL DEL HISTOGRAMA”

Fuente:http://gc.initelabs.com/recursos/files/r157r/w13319w/CalyProd_LIC%204a_U04.

pdf
 40

GRÁFICO N° 05

“HISTOGRAMA”

Fuente:http://gc.initelabs.com/recursos/files/r157r/w13319w/CalyProd_LIC%204a_U04.

pdf

GRÁFICO N° 06

“CONCEPTO GENERL DEL DIAGRAMA DE DISPERSIÓN”

Fuente:http://gc.initelabs.com/recursos/files/r157r/w13319w/CalyProd_LIC%204a_U04.

pdf
 41

GRÁFICO N° 07

“CONCEPTO GENERAL DE TOMA ESTADÍSTICA DE DECISIONES”

Fuente:http://gc.initelabs.com/recursos/files/r157r/w13319w/CalyProd_LIC%204a_U04.

pdf

GRÁFICO N° 08

“DISTRIBUCIÓN NORMAL”

Fuente:http://gc.initelabs.com/recursos/files/r157r/w13319w/CalyProd_LIC%204a_U04.

pdf
 42

GRÁFICO N° 09

“DISTRIBUCIÓN NORMAL ESTANDRIZADA”

Fuente:http://gc.initelabs.com/recursos/files/r157r/w13319w/CalyProd_LIC%204a_U04.

pdf
 ÍNDICE

CARÁTULA

DEDICATORIA I

INTRODUCCIÓN II

CAPÍTULO I: “ESTRATIFICACIÓN” 1

Subcapítulo 01: “Proceso de Estratificación” 2

Subcapítulo 02: “Caso Práctico” 3

NOTAS DEL CAPÍTULO I 5

CAPÍTULO II: “DIAGRAMA DE PARETO” 6

Subcapítulo 01: “Importancia” 7

Subcapítulo 02: “Relación entre Estratificación y el Diagrama de Pareto” 7

Subcapítulo 03: “Pasos para la construcción de un diagrama de Pareto” 8

Subcapítulo 04: “Caso Práctico” 8

NOTAS DEL CAPÍTULO II 10

CAPÍTULO III: “HISTOGRAMA” 11

Subcapítulo 01: “Tipos de Gráficos relacionados con el Histograma” 12

Subcapítulo 02: “Construcción de un Histograma de Frecuencias” 14

Subcapítulo 03: “Casos Prácticos” 14

NOTAS DEL CAPÍTULO III 17

CAPÍTULO IV: “DIAGRAMA DE DISPERSIÓN” 18

Subcapítulo 01: “Construcción de un Diagrama de Dispersión” 19

Subcapítulo 02: “Caso Práctico” 19

NOTAS DEL CAPÍTULO IV 22

CAPÍTULO V: “TOMA ESTADÍSTICA DE DECISIONES” 23

Subcapítulo 01: “Población” 23

Subcapítulo 02: “Variable” 24

Subcapítulo 03: “Media Aritmética” 24

Subcapítulo 04: “Medidas de Dispersión” 25

Subcapítulo 05: “Casos Prácticos” 29

NOTAS DEL CAPÍTULO V 32

CONCLUSIONES 33

BIBLIOGRAFÍA 35

WEBGRAFÍA 36

ANEXOS 37

ÍNDICE