Facultad de Ciencias del Ambiente

Escuela: Ingeniería Ambiental

Docente: Saldaña Miranda Marcela

Tema: Muestreo

Asignatura: Métodos estadísticos

Alumnos:

- CALLUPE LOLI LEYDI

- QUISPE ROSALES GINA
- RAMIREZ CADILLO CESAR
- RODRIGUEZ OLIVERA YESICA
- VILLANUEVA LOBO KATERINE

2018
 INTRODUCCIÓN

El presente trabajo trata del muestreo, el cual busca determinar que parte de una realidad en
estudio (población o universo) debe examinarse para hacer inferencias sobre dicha población;
también de los métodos de muestreo los cuales se dividen en muestreo probabilístico y muestreo
no probabilístico; la primera trata de aquellos en los que todos los individuos tienen la misma
probabilidad de ser elegidos para formar parte de una muestra y la segunda es una técnica en la
cual el investigador selecciona muestras basadas en un juicio subjetivo en lugar de hacer la
selección al azar.

Además, trata de las ventajas y desventajas de la técnica de muestreo; también del censo y su
relación con la muestra.

El trabajo se realizó con el interés de brindar información sobre la técnica de muestreo.

 OBJETIVOS

General:

 Definir el concepto de muestreo y los tipos de muestreo.

 Definir control estadístico de calidad

Específicos:

 Determinar las ventajas y desventajas del muestreo

 Determinar las ventajas y desventajas del muestreo probabilístico
 Dar a conocer aplicaciones sobre muestreo
 Dar a conocer el muestreo por aceptacion
 INDICE

CAPITULO I: MUESTREO

1.1. DEFINICIÓN DE MUESTREO ....................................................................................... 5

1.2. CENSO Y MUESTRA .................................................................................................... 5
1.3. RELACION ENTRE CENSO Y MUESTRA ....................................................................... 5
1.4. MÉTODOS DE MUESTREO .......................................................................................... 5
1.4.1. MUESTREO PROBABILÍSTICO ............................................................................ 5
1.4.1.1. MUESTREO ALEATORIO SIMPLE ................................................................ 6
1.4.1.2. MUESTREO ALEATORIO ESTRATIFICADO .................................................. 7
1.4.1.3. MESTREO ALEATORIO SITEMÁTICO .......................................................... 9
1.4.1.4. MUESTREO ALEATORIO POR CONGLOMERADO ....................................... 10
1.4.2. MUESTREO NO PROBABILÍTICO ........................................................................ 10
1.4.2.1. MUESTREO A CRITERIO ............................................................................. 10
1.4.2.2. MUESTREO POR CUOTAS .......................................................................... 11
1.4.2.3. MUESTREO A BOLAS DE NIEVE ................................................................. 11
1.4.3. VENTAJAS Y DESVENTAJAS DE LOS TIPOS PROBABILISTICOS ........................... 11
1.5. VENTAJAS Y DESVENTAJAS DEL MUESTREO .............................................................. 12
1.6. APLICACIONES………………………………………………………………………….…………………………..12
2. CAPITULO II

2.1. CARTAS DE CONTROL PARA EL RANGO....................................................................... 18

2.2. CARTAS DE CONTROL PARA LA MEDIA ....................................................................... 19
2.3. CARTAS DE CONTROL PARA LA PROPORCION ............................................................ 19
2.4. CARTAS DE CONTROL PARA C ..................................................................................... 19
2.5. VENTAJAS Y DESVENTAJAS DE CONTROL DE CALIDAD ............................................... 20
2.6. EJEMPLO DE CONTROL ESTADISTICO DE CALIDAD ..................................................... 20
2.7. DEFINICION DE MUESTREO POR ACEPTACION ........................................................... 23
2.8. VARIABILIDAD DE CURVA Y CARACTERISTICA DE OPERACIÓN ................................... 23
2.9. VENTAJAS Y DESVENTAJAS DE MUESTREO DE ACEPTACION ...................................... 31
2.10. EJEMPLO DE MUESTREO DE ACEPTACION ............................................................... 31
2.11. PLANES DE MUESTREO POR ATRIBUTO.................................................................... 32
2.12. PLAN DE MUESTREO POR VARIABLE ........................................................................ 33
2.13. PLAN DE MUESTREO SIMPLE .................................................................................... 34
2.14. PLAN DE MUESTREO DOBLE ..................................................................................... 34
2.15. PLAN DE MUESTREO MULTIPLE................................................................................ 36
2.16. FORMACION DE LOTES Y SELECCIÓN DE MUESTRA ................................................. 37

CONCLUSION

BIBLIOGRAFÍA
1.1. DEFINICIÓN DE MUESTREO

El muestreo es una herramienta de la investigación científica. Su función básica es determinar que

parte de una realidad en estudio (población o universo) debe examinarse con la finalidad de hacer
inferencias sobre dicha población. Obtener una muestra adecuada significa lograr una versión
simplificada de la población, que reproduzca de algún modo sus rasgos básicos.

Con la finalidad de proporcionar información estadística de diferentes índoles, la cual puede ser de
naturaleza cualitativa y cuantitativa, esto se logra mediante el análisis de unidades seleccionadas.

1.2. CENSO Y MUESTRA

 CENSO: Es el recuento de elementos de una población, esto se logra mediante una

revisión del valor de los parámetros que existe en un conjunto de unidades de esta
población.
 MUESTRA: Conjunto de unidades o elementos de análisis sacados de la población, la cual
es representativa y adecuada.

1.3. RELACION ENTRE CENSO Y MUESTRA

 Son complementarios y no competitivos

 El censo es el estudio de todos los elementos de una población y la muestra es un
subconjunto de la población esta debe ser representativa esto quiere decir que debe de
tener las mismas características de la población.
1.4. METODOS DE MUESTREO
1.4.1. MUESTREO PROBABILÍSTICO
Los métodos de muestreo probabilísticos son aquellos que se basan en el principio de
equiprobabilidad. Es decir, aquellos en los que todos los individuos tienen la misma
probabilidad de ser elegidos para formar parte de una muestra y, consiguientemente,
todas las posibles muestras de tamaño n tienen la misma probabilidad de ser
seleccionadas. Sólo estos métodos de muestreo probabilísticos nos aseguran la
representatividad de la muestra extraída y son, por tanto, los más recomendables.

(5)
 1.4.1.1. MUESTREO ALEATORIO SIMPLE

Es aquel en que todas las unidades de una población poseen una oportunidad igual
e independiente de estar en la muestra. El procedimiento empleado es el
siguiente:

1) Se asigna un número a cada individuo de la población

2) A través de algún medio mecánico (bolas dentro de una bolsa, tablas de

números aleatorios, números aleatorios generados con una calculadora u
ordenador, etc.) se eligen tantos sujetos como sea necesario para completar el
tamaño de muestra requerido.

 Fórmulas para el tamaño de muestra para la media poblacional

a) Cuando se desconoce el tamaño poblacional

𝑍 2 (1−𝛼/2) × 𝜎 2 𝑥
𝑛=
𝐸2

b) Cuando se conoce el tamaño poblacional

𝑍 2 (1−𝛼/2) × 𝜎 2 𝑥 × 𝑁
𝑛=
𝐸 2 𝑁 + 𝑍 2 (1−𝛼/2) 𝜎 2 𝑥

Dónde:

n= tamaño de la muestra

z= límite de confianza requerida según la distribución normal

𝜎 2 𝑥 = Desviación estándar poblacional

N= tamaño poblacional

E= error q se puede cometer en un estudio

E= %(promedio)

Muestra piloto (Mp) = %N

(6)
  Fórmulas para el tamaño de muestra para la proporción poblacional
a) Cuando se conoce el tamaño poblacional

𝑍 2 (1−𝛼/2) × 𝑝 × 𝑞 × 𝑁
𝑛= 2
𝐸 𝑁 + 𝑍 2 (1−𝛼/2) 𝜎 2 𝑥

b) Cuando se desconoce el tamaño poblacional

𝑍 2 (1−𝛼/2) × 𝑝 × 𝑞
𝑛=
𝐸 2 𝑁 + 𝑍 2 (1−𝛼/2)

1.4.1.2. MUESTREO ALEATORIO ESTRATIFICADO

Consiste en considerar categorías típicas diferentes entre sí (estratos) que poseen

gran homogeneidad respecto a alguna característica (se puede estratificar, por
ejemplo, según la profesión, el municipio de residencia, el sexo, el estado civil,
etc.). Es un método que trata de diseñar una muestra más eficiente, en la
representación de la muestra se considera la variación y tamaño de cada estrato
y/o costo en cada uno de ellos. Lo que se pretende con este tipo de muestreo es
asegurarse de que todos los estratos de interés estarán representados
adecuadamente en la muestra.

La distribución de la muestra en función de los diferentes estratos se denomina

afijación, y puede ser de diferentes tipos:

 Afijación Simple: A cada estrato le corresponde igual número de

elementos muéstrales.
 Afijación Proporcional: La distribución se hace de acuerdo con el peso
(tamaño) de la población en cada estrato.
 Afijación Óptima: Se tiene en cuenta la previsible dispersión de los
resultados, de modo que se considera la proporción y la desviación típica.
Tiene poca aplicación ya que no se suele conocer la desviación.

(7)
 Fórmulas para el tamaño de muestra para estimaciones de la media
a) Tamaño de muestra afijación óptima

∑ 𝑤ℎ. 𝑠ℎ
(∑ 𝑤ℎ. 𝑠ℎ. √𝑐ℎ)( )
𝑛= √𝑐ℎ
1
𝑣 + ∑ 𝑤ℎ. 𝑠ℎ2
𝑁

b) Tamaño de muestra afijación proporcional

∑ 𝑤ℎ. 𝑠ℎ2
𝑛=
∑ 𝑤ℎ𝑠ℎ2
𝑣+ 𝑁

c) Tamaño de muestra afijación neyman

(∑ 𝑤ℎ. 𝑠ℎ)2
𝑛=
∑ 𝑤ℎ. 𝑠ℎ2
𝑣+
𝑁

 Afijaciones de la muestra
a) Afijación proporcional

𝑁ℎ
𝑛ℎ = (𝑛)
𝑁

b) Afijación óptima

𝑁ℎ. 𝑆ℎ/ √𝑐ℎ

𝑛ℎ = (𝑛)
∑ 𝑁ℎ. 𝑠ℎ/√𝑐ℎ

c) Afijación neyman

𝑁ℎ. 𝑠ℎ
𝑛ℎ = (𝑛)
∑ 𝑁ℎ. 𝑠ℎ

 Fórmulas para el tamaño de muestra para la proporción

a) Tamaño de muestra proporcional

(∑ 𝑤ℎ. 𝑝ℎ. 𝑞ℎ
𝑛=
1
𝑣 + 𝑁 ∑ 𝑤ℎ. 𝑝ℎ. 𝑞ℎ

(8)
 b) Tamaño de muestra óptima
∑ 𝑤ℎ. √𝑝ℎ. 𝑞ℎ
(∑ 𝑤ℎ. √𝑝ℎ. 𝑞ℎ. √𝑐ℎ) ( )
√𝑐ℎ
𝑛=
1
𝑣 + 𝑁 ∑ 𝑤ℎ. 𝑝ℎ. 𝑞ℎ

c) Tamaño de muestra neyman

(∑ 𝑤ℎ. √𝑝ℎ. 𝑞ℎ)2

𝑛=
∑ 𝑤ℎ. 𝑝ℎ. 𝑞ℎ
𝑣+ 𝑁
 Afijaciones de la muestra
a) Afijación proporcional

𝑁ℎ
𝑛ℎ = (𝑛)
𝑁

b) Afijación óptima

√𝑝ℎ. 𝑞ℎ
𝑁ℎ. √𝑐ℎ
𝑛ℎ = (𝑛)
√𝑝ℎ. 𝑞ℎ
∑ 𝑁ℎ.
√𝑐ℎ

c) Afijación neyman
𝑁ℎ. √𝑝ℎ. 𝑞ℎ
𝑛ℎ = (𝑛)
∑ 𝑁ℎ. √𝑝ℎ. 𝑞ℎ
1.4.1.3. MESTREO ALEATORIO SISTEMÁTICO
Consiste en numerar todos los elementos de la población, pero en lugar de extraer
n números aleatorios sólo se extrae uno. Se parte de ese número aleatorio i, que
es un número elegido al azar, y los elementos que integran la muestra son los que
ocupa los lugares i, i+k, i+2k, i+3k,...,i+(n-1)k, es decir se toman los individuos de k
en k, siendo k el resultado de dividir el tamaño de la población entre el tamaño de
la muestra: k= N/n. El número i que empleamos como punto de partida será un
número al azar entre 1 y k.

(9)
 El riesgo este tipo de muestreo está en los casos en que se dan periodicidades en
la población ya que al elegir a los miembros de la muestra con una periodicidad
constante (k) podemos introducir una homogeneidad que no se da en la
población.
Ejm. Imaginemos que estamos seleccionando una muestra sobre listas de 10
individuos en los que los 5 primeros son varones y los 5 últimos mujeres, si
empleamos un muestreo aleatorio sistemático con k=10 siempre seleccionaríamos
o sólo hombres o sólo mujeres, no podría haber una representación de los dos
sexos.

1.4.1.4. MUESTREO ALEATORIO POR CONGLOMERADO

El muestreo por conglomerados consiste en seleccionar aleatoriamente un cierto
número de conglomerados (el necesario para alcanzar el tamaño muestral
establecido) y en investigar después todos los elementos pertenecientes a los
conglomerados elegidos.
En el muestreo por conglomerados la unidad muestral es un grupo de elementos
de la población que forman una unidad, a la que llamamos conglomerado, como:
Las unidades hospitalarias, los departamentos universitarios, una caja de
determinado producto, etc., son conglomerados naturales. En otras ocasiones se
pueden utilizar conglomerados no naturales como, por ejemplo, las urnas
electorales. Cuando los conglomerados son áreas geográficas suele hablarse de
"muestreo por áreas".

1.4.2. MUESTREO NO PROBABILÍTICO

Es una técnica de muestreo en la cual el investigador selecciona muestras basadas en
un juicio subjetivo en lugar de hacer la selección al azar. En este muestreo no todos los
miembros de la población tienen la oportunidad de participar en el estudio.
1.4.2.1. MUESTREO A CRITERIO
Proceso por el cual la selección depende del juicio humano y no de la aplicación de
la teoría de las probabilidades. La representatividad de esta muestra queda abierta
a la duda. Esta selección al azar depende de la experiencia del experto.

(10)
 1.4.2.2. MUESTREO POR CUOTAS
También denominado en ocasiones "accidental". Se asienta generalmente sobre la
base de un buen conocimiento de los estratos de la población y/o de los individuos
más "representativos" o "adecuados" para los fines de la investigación. Mantiene,
por tanto, semejanzas con el muestreo aleatorio estratificado, pero no tiene el
carácter de aleatoriedad de aquél.
En este tipo de muestreo se fijan unas "cuotas" que consisten en un número de
individuos que reúnen unas determinadas condiciones.
1.4.2.3. MUESTREO A BOLAS DE NIEVE
Se localiza a algunos individuos, los cuales conducen a otros, y estos a otros, y así
hasta conseguir una muestra suficiente. Este tipo se emplea muy frecuentemente
cuando se hacen estudios con poblaciones "marginales", delincuentes, sectas,
determinados tipos de enfermos, etc.
1.4.3. VENTAJAS Y DESVENTAJAS DE LOS TIPOS PROBABILISTICOS

MUESTREO CARACTERISTICAS VENTAJAS DESVENTAJAS

ALEATORIO Cada elemento - Sencillo y de fácil - Requiere un listado completo de
de la población comprensión. toda la población.
SIMPLE
tiene una - Cálculo rápido de medias - En muestras pequeñas es
probabilidad de y varianzas posible que no represente a la
inclusión en la - Existen paquetes población adecuadamente.
muestra. informáticos para analizar
los datos.
Considera - Asegura que la muestra - Se debe conocer la distribución
categorías típicas representa adecuadamente en la población de las variables
diferentes entre a la población en función utilizadas para la estratificación.
ALEATORIO sí (estratos) que de unas variables - Los análisis son complicados, en
ESTRATIFICADO poseen gran seleccionadas. muchos casos la muestra tiene
homogeneidad - se obtienen estimaciones que ponderarse.
respecto a alguna más precisas.
característica.
Consiste en - Fácil de aplicar - Si la constante de muestreo está
numerar todos - No es necesario siempre asociada con el fenómeno de
los elementos de tener un listado de toda la interés, se pueden hallar
la población, población. estimaciones sesgadas.
SISTEMÁTICO extrayendo sólo - Si la población esta
un número. ordenada en una tendencia
conocida, asegura una
cobertura de unidades.

(11)
 La variación en - Muy eficiente cuando la - El error estándar es mayor que
cada grupo es población es muy grande y en el muestreo aleatorio simple o
CONGLOMERA menor que la dispersa. estratificado.
DO variación entre - Reduce costes - El cálculo del error estándar es
grupos. - No es preciso tener un complejo.
listado de toda la
población.

1.5. VENTAJAS Y DESVENTAJAS DEL MUESTREO

VENTAJAS DESVENTAJAS
- Es económico - Requiere personal altamente
- Es rápido y controlable calificado.
- Se obtiene una observación rápida y - No permite hacer proyecciones sobre
exacta con un mayor control. áreas muy pequeñas de la población o
- Sus resultados pueden ser precisos o sobre poblaciones sujetas a muchos
amplios por utilizar personal cambios en un lapso corto de tiempo.
especializado - Los resultados están sujetos a los
errores del muestreo.
- Se debe tener en cuenta siempre la
población.

1.6. APLICACIONES DE MUESTREO

El muestreo es aplicable en nuestra vida personal y pública. Así, una pareja contrae matrimonio en
base a un corto enamoramiento; con un simple grano de arroz el ama de casa prueba si todo el
arroz contenido en la olla está cocido; paladeando el café contenido en una cucharita se
determina la calidad de la marca del café ; los dosajes o análisis médicos (de sangre, de orina, etc.)
se realizan en base a muestras y finalmente una muestra de roca lunar proporciona información
científica sobre el origen de la luna y así diferentes aspectos de la vida, cultura y ciencia son
investigados en base a muestras.

El propósito del muestreo es proporcionar diferentes tipos de información estadística de la

naturaleza cuantitativa y cualitativa del todo mediante el examen o análisis de un poco de
unidades seleccionadas.

(12)
PROCEDIMIENTOS DEL MUESTREO APLICADOS A LOS NEGOCIOS

El muestreo intenta identificar características de la población, que estén presentes de manera

representativa en una muestra. “Se llama muestra, a una parte de la población, o a un
subconjunto de un conjunto de unidades, obtenidas con el fin de investigar las propiedades de la
población o conjunto de procedencia. (Azorin, 1961:12)”.

La relación entre muestra y población es otra herramienta para determinar adecuados

procedimientos de muestreo. La parte del grupo de elementos que se examinan recibe el nombre
de muestra, y el grupo total a partir del cual se seleccionó la muestra se conoce como población o
universo. Los elementos que forman una población pueden ser personas, empresas, productos
manufacturados, inventarios, escuelas, ciudades, calificaciones escolares, precios; o cualquier otra
cosa que se pueda medir, contar o jerarquizar. (Stevenson, 1981:186).

La población, denominada algunas veces también como universo, es cualquier colección finita o
infinita de elementos. No sólo se refiere a una colección de personas. Puede constituirse de
procesos, sistemas, países, empresas, bienes, y toda clase de eventos observables, susceptibles de
ser catalogados, para que el muestreo sea posible o conveniente. De allí la importancia de
identificar qué características serán examinadas en la investigación de cierta población,
entendiendo que cada una de ellas, pueden llegar a ser una población en sí mismas.

LA MUESTRA DE SUJETOS VOLUNTARIOS

Son frecuentes en ciencias sociales y ciencias de la conducta. Se trata de muestras fortuitas,

utilizadas también en la medicina y la arqueología, donde el investigador elabora conclusiones
sobre especímenes que llegan a sus manos de forma casual. Pensemos, por ejemplo, en los sujetos
que voluntariamente acceden a participar en un estudio que monitorea los efectos de un
medicamento, o en el investigador que anuncia en una clase que está haciendo un estudio sobre
motivación en el universitario e invita a aquellos que acepten someterse a una prueba. En estos
casos, la elección de los individuos que serán sujetos a análisis depende de circunstancias
fortuitas.

(13)
Ejercicios

Ejemplo 1: Suponga que estamos investigando sobre el porcentaje de alumnos que trabajan de
una población de 20 alumnos de la Universidad de la unasam. Base de datos de la población:

Nombre del alumno ¿Trabaja? Nombre alumno ¿trabaja?

Juan Si Jesica No
Alicia No Cesar Si
pedro No Leydi No
Marcos No Katy Si
Jorge No Jean No
mauro Si Carlos No
maria No Ben No

Elija una muestra aleatoria simple de tamaño n=4 de esta población. Use la tabla de números
aleatorios adjunta, empiece en la fila 1 columna 1 y continúe seleccionando hacia la derecha.
Indique los pasos para elegir la muestra. Tabla de números aleatorios:

TABLA DE NUMEROS ALEATORIO

Primero: Asignamos número a cada alumno del 1 al 20:

(14)
Buscamos en la tabla de números aleatorios 4 números, de dos dígitos, entre el 1 y el 20, sin
repetir.
Los números seleccionados son: 10, 1, 11, 20.
Por lo tanto, la muestra está compuesta por:
*10: Victoria que SI trabaja.
*1: Juan que SI trabaja.
*11: María que NO trabaja.
*20: Marcelo que SI trabaja.
b. Indique cuál es el Parámetro y cuál es el Estadístico en (a).
Respuesta:
El Parámetro es el porcentaje de alumnos que trabajan en la
población de tamaño N=20 alumnos, es decir:

c. Elija una muestra estratificada de tamaño n=4 de esta población.

(15)
Respuesta:
Para elegir una muestra estratificada, primero se dividen los hombres de las mujeres y se asignan
número de identificación a cada estrato:

Usando la tabla de números aleatorios, se elige una muestra aleatoria simple de tamaño n=2 de
los hombres, buscando números del 1 al 12. Se parte de la fila 1 columna 1. Se usan dos dígitos.

Los números elegidos son: 10 y 1.

Por lo tanto la muestra del estrato de hombres queda constituida por Fabián y Juan. Fabián NO
trabaja y Juan SI trabaja.
Usando la tabla de números aleatorios, se elige una muestra aleatoria simple de tamaño n=2 de
las mujeres, buscando números del 1 al 8. Se parte de la fila 1 columna 1. Se usa un dígito.

(16)
Los números elegidos son: 1 y 4.
Por lo tanto, la muestra del estrato de mujeres queda constituida por Alicia y Fernanda. Alicia y

(17)
 CAPITULO II

CONTROL ESTADISTICO DE LA CALIDAD

Es un método gráfico para evaluar si un proceso está o no en un estado de control estadístico, es

decir cuando solo actúan causas comunes o aleatorias, inherentes a cualquier proceso. (Armand V.
Feingenbaum 1994). La carta consiste en una línea central (L.C.) y dos pares de líneas límites
espaciadas por encima y por debajo de la línea central, que se denominan límite de control
superior (L.C.S.) y límite de control inferior (L.C.I.).

2.1. CARTAS DE CONTROL PARA EL RANGO

Se trata de una carta de tipo variable, en la que la medida de tendencia central, la media muestral
, esta controlada por la Carta Media , en tanto que la variabilidad se controla por medio del rango,
lo que constituye la Carta Rango (R).
El rango o amplitud representa la diferencia entre el mayor y el menor valor de las estándar σ/ √n,
valores que se suponen conocidos.
En cambio, la medida del Rango (R) no tiene una distribución normal, pero es una variable
aleatoria de una muestra. La distribución de R se relaciona aproximadamente con la distribución
Chi-Cuadrado. mediciones de una muestra.
FORMULAS
L.C.S = D4XR
L.C.I = D3XR
L.C. = R
(18)
 2.2. CARTAS DE CONTROL PARA LA MEDIA

Los límites de control están determinados de tal forma que resulta una probabilidad pequeña de
que un valor dado de esté fuera de los límites porque, en realidad, el proceso está en control.
Como las cartas se basan en los límites 3. σ, se tiene: Z = 3, obteniendo los límites siguientes:
L.C.S= PT + A2R
L.C.I. = PT – A2R
LC = PT
2.3. CARTAS DE CONTROL PARA LA PROPORCION

Estas cartas miden la proporción de unidades no conformes en un grupo de unidades que se

inspecciona. El objetivo es comprobar si la evolución de las proporcione muestrales observadas
son compatibles con un mismo valor poblacional p.

# 𝑇𝑂𝑇𝐴𝐿 𝐷𝐸 𝐷𝐸𝐹𝐸𝐶𝑇𝑂𝑆 𝐸𝑁 𝑈𝑁𝐴 𝑀𝑈𝐸𝑆𝑇𝑅𝐴

P= 𝑇𝐴𝑀𝐴Ñ𝑂 𝐷𝐸 𝐿𝐴 𝑀𝑈𝐸𝑆𝑇𝑅𝐴

# 𝑇𝑂𝑇𝐴𝐿 𝐷𝐸 𝐷𝐸𝐹𝐸𝐶𝑇𝑂𝑆 𝐸𝑁 𝑇𝑂𝐷𝐴 𝐿𝐴 𝑀𝑈𝐸𝑆𝑇𝑅𝐴

Ṗ= 𝑇𝑂𝑇𝐴𝐿 𝐷𝐸 𝐴𝑅𝑇𝐼𝐶𝑈𝐿𝑂𝑆 𝐼𝑁𝑆𝑃𝐸𝐶𝐶𝐼𝑂𝑁𝐴𝐷𝑂𝑆

Ṗ(1−Ṗ)
L.S. = Ṗ + 3X√
𝑁

Ṗ(1−Ṗ)
L.I. = Ṗ - 3X√
𝑁

L.C = Ṗ

2.4. CARTAS DE CONTROL PARA C

Consideremos el caso en el cual cada elemento de la muestra puede tener un número de

diferentes defectos. La variable de interés es el número de defectos por unidad.
Se inspeccionan todas las unidades de la muestra, se registran el número de defectos c
Para la aplicación del gráfico de control c, suponemos que lo siguiente se cumple:
La probabilidad de que ocurra un defecto es, p, un valor muy pequeño. Además de que los
defectos ocurren en forma independiente, es decir, el que ocurra un defecto no afecta la
probabilidad de que ocurran los siguientes defectos.

(19)
Las muestras tienen las mismas áreas de oportunidad para los defectos, es decir, las piezas deben
ser del mismo tipo y tamaño. Esto es, no considerar piezas de diferente tamaño, unas demasiado
grandes y otras demasiado pequeñas. No considerar números variables n de tamaño de muestra.
L.S. = C + 3√𝐶
L.I = C - 3√𝐶
2.5. VENTAJAS Y DESVENTAJAS DE CONTROL DE CALIDAD

Cuadro 1.
Ventajas
- Garantizar los resultados y
productos de la investigación.
-asegurar la trazabilidad de los
procesos y actividades de
investigación.
-Proporcionar un marco general
de acción para la investigación
ganando tiempo para la
creatividad.
-Responder mejor a las
demandas de socios y
destinatarios de la investigación.
-mejorar la eficacia económica
en un entorno de competencia.
-Capitalizar los resultados y
mejorar la gestión del
conocimiento.
Desventajas
-No trata de la calidad de la
investigación, pues esta se
evalúa por pares en los campos
de investigación de cada área
científica.
-No presenta la organización
como un flujo de procesos.
-La calidad de investigación de un
centro de investigación afecta
por ejemplo, en primer lugar, a
los grupos de investigación que
experimenta y manipulan, y
analizan y miden, pero también
concierne a los servicios de
administración y gestión que
deben promover a los grupos de
los apoyos y servicios necesarios
para que realicen su actividad.

2.6. EJEMPLO DE CONTROL ESTADISTICO DE CALIDAD

Cartas de control para la media y para el rango:

Una máquina automatizada a alta velocidad fabrica resistores para circuitos electrónicos. La
máquina está programada para producir un lote muy numeroso de resistores de 1000 OHMS cada
uno, siendo éste el valor ideal para cada resistor y admitiéndose una variación sobre dicho valor
de ± 25 OHMS.

(20)
Con el fin de ajustar la máquina y crear una gráfica de control para utilizarla a lo largo de todo el
proceso, se tomaron 15 muestras con cuatro resistores cada una.

N° de Lecturas (En Ohms) X (Promedio) R (Rango)

muestras

1 1010 991 985 986 993 25

2 995 996 1009 994 998,5 15

3 990 1003 1015 1008 1004 25

4 1015 1020 1009 998 1010,5 22

5 1013 1019 1005 993 1007,5 26

6 994 1001 994 1005 998,5 11

7 989 992 982 1020 995,8 38

8 1001 986 996 996 994,8 15

9 1006 989 1005 1007 1001,8 18

10 992 1007 1006 979 996 28

11 996 1006 997 989 997 17

12 1019 996 992 998 1001,3 27

13 981 991 989 1020 995,3 39

14 1015 993 988 984 9995 31

15 1023 1008 1005 982 1004,,5 41

Prom: 999,6 25,2

Su fórmula:

(21)
Reemplazando:

Para la media:

Para el rango:

(22)
 2.7. DEFINICION DE MUESTREO POR ACEPTACION

El muestreo de aceptación es un componente principal de control de calidad y es útil cuando el

costo de la prueba es alto comparado con el costo de pasar un elemento defectuoso o cuando la
prueba destruye la muestra. Es un compromiso entre realizar el 100% de la inspección y no
inspeccionar. En particular, en casos en que se desconoce la calidad del proceso de un proveedor,
un muestreo de aceptación podría ser una buena opción en lugar de una inspección de 100% de
los elementos. El muestreo de aceptación se puede realizar en atributos o mediciones del
producto.

Puede utilizar el muestreo de aceptación para desarrollar planes de inspección que le permitan
aceptar o rechazar un lote en particular de material entrante con base en los datos de una
muestra representativa.

2.8. VARIABILIDAD DE CURVA Y CARACTERISTICA DE OPERACIÓN

Suponga que se tiene gran cantidad de productos y se sabe que el índice de producto defectuoso
es el 6%. Si tomamos una muestra de tamaño de 100 con muy buena representatividad, entonces
por lógica se esperaría que en cada muestro encontremos 6 productos defectivos. Sin embargo, la
misma experiencia ha demostrado que se puede encontrar más o menos 6 defectivos, la razón es
que los artículos extraídos en cada muestra depende del azar, por lo que la cantidad de artículos
defectuoso es variable y es "difícil" que en las muestras vengan exactamente 6 defectuosos.

Siempre que el azar está de por medio, los resultados son variables y el objetivo de la probabilidad
y la estadística es modelar (predecir) tal variabilidad, para que así el "azar" no sea capricho. Así en
el caso particular que hemos planteado, quizá sea razonable pensar que la mayoría de las veces
que repitamos el proceso de extraer una muestra de 100 artículos, la cantidad de piezas defectivas
encontradas varíe alrededor de 6. Pero la pregunta es ¿qué tan cercano a 6? La respuesta la da la
distribución de probabilidad binomial, que es la distribución que modela las más de las veces este
tipo de situaciones que hemos planteado antes. Se puede encontrar la probabilidad de obtener
cierta cantidad, x, de productos defectuosos en cada muestra de tamaño de 100, sabiendo que la
población o lote de donde se extrae la muestra de manera aleatoria tiene cierto porcentaje de
productos defectuosos aleatoriamente mezclados en el lote. A continuación se muestran estas
probabilidades. (23)
 3. Aplicación de la distribución binomial (100, 0.06)

Cantidad de defectuosos Probabilidad de Porcentaje de muestras en las que se esperaría

en la muestra (x) extraer tal cantidad ver tal cantidad de defectos

0 0.002 0.2

1 0.013 1.3

2 0.041 4.1

3 0.086 8.6

4 0.134 13.4

5 0.164 16.4

6 0.166 16.6

7 0.142 14.2

8 0.105 10.5

9 0.069 6.9

10 0.040 4.0

11 0.021 2.1

12 0.010 1.0

(24)
Existen muchos sistemas computacionales para calcular lo anterior. Por ejemplo, en Excel las
probabilidades de la tabla anterior se calculan con la función DISTR.BINOM (x, n, p, 0). Donde x es
la cantidad de defectuosos, n es el tamaño de muestra (n = 100, en el ejemplo), p es la proporción
artículos defectuosos en el lote o población (p = 0.06 en el ejemplo), y 0 es un valor lógico. De esta
manera, a partir de la tabla se observa que si en la situación descrita se siguen extrayendo
muestras de tamaño de 100 y en la producción se mantiene 6% de artículos defectuosos, entonces
se espera que solo en 16.6% de las muestras se observen exactamente 6 artículos defectuosos. Lo
anterior debe tomarse en cuenta siempre que se haga inspección por muestras: lo que se observa
de una muestra no es idéntico lo que hay en la población o lote, ya que lo que se observa de una
muestra a otra tiene cierta variabilidad. Por tanto, para tomar cualquier decisión sobre la
población, lo primero que se debe hacer es conocer tal variabilidad. Así, forzosamente se tiene
que aplicar algún modelo probabilístico. En muestreo de aceptación tal modelo probabilístico es la
curva característica de operación-

Curva característica de operación (CO)

Suponga que en una fábrica se aplica a lotes de tamaño grande (es usual considerar que un
lote es grande respecto al tamaño de la muestra, cuando la muestra es menos del 10% del
lote, es decir, cuando 10n < N) el plan de muestreo simple por atributos definido por n = 60, c
=1 a los lotes de ciertos artículos antes de embarcarlos y enviarlos al cliente. De esta manera,
de un lote de más de 600 piezas, se extrae una muestra aleatoria de n = 60, y si al inspeccionar
estas unidades se encuentran cero o a lo más una defectuosa, entonces el lote es aceptado
(embarcado y enviado al cliente). Pero si se encuentran dos artículos o más que son
defectuosos, entonces el lote es rechazado (retenido para una inspección al 100%). Bajo estas
condiciones surgen algunas interrogantes: que tipo de calidad garantiza este plan y cuál es el
nivel de calidad que no tolera; o de una manera más técnica: si un lote tiene cierta proporción
de artículos defectuosos, ¿cuál es la probabilidad de que el lote sea aceptado? Las respuestas
a estas preguntas se obtiene a partir de la curva característica de operación (curva CO) para el
citado plan. La curva CO de un plan proporciona una caracterización del potencial desempeño
del mismo, ya que con ésta se puede saber la probabilidad de aceptar o rechazar un lote que
tiene determinada calidad. Por ejemplo, con la curva CO del plan n = 60, c =1 y tamaño de lote
grande, se puede saber cuál es la probabilidad de aceptar un lote que tenga 2% de sus
artículos defectuosos. Además, como de un lote que se somete a inspección por muestreo se
(25)
 desconoce su proporción, p, de artículos defectuosos, entonces la curva CO tiene que
proporcionar la probabilidad de aceptar lotes con cualquier valor de p. En la figura 3 se
muestra la curva CO para el plan n = 60, c =1.

Figura 3 Curva CO para el plan de muestreo n = 60, c = 1 y tamaño de lote grande

Obtener los puntos sobre la curva CO es relativamente fácil. Supóngase que el lote proviene de un
flujo continuo de productos que puede ser considerado infinito o que el lote tiene un
tamaño N que es grande respecto al tamaño de muestra. Bajo esta condición, la distribución del
número de artículos defectuosos, x, en la muestra aleatoria de tamaño n, es binomial con
parámetros n y p; donde p es la proporción de artículos defectuosos en el lote. La probabilidad de

observar exactamente x defectuosos en la muestra esta dada por la ecuación:

(26)
símbolo factorial (5! = 5 x 4 x 3 x 2 x 1 = 120, por ejemplo). A p se le desconoce la mayoría de las
veces.

De esta manera la probabilidad de aceptación es justamente la probabilidad que x sea menor o

igual que c. Por ejemplo, la probabilidad de aceptar un lote que tenga 2% de artículos defectuosos
(p = 0.02) con el plan n = 60, c = 1, es igual a la probabilidad de que x sea menor o igual a 1; es
decir, es igual a la probabilidad de obtener cero artículos defectuosos más la probabilidad de
obtener uno.

P(0) + P(1).

Al calcular estas probabilidades con la distribución binomial con n = 60 y p = 0, se obtiene.

P(0) = 0.2976

P(1) = 0.3633

Por lo que la probabilidad de aceptar un lote que tenga 2% de artículos defectuosos con este plan
es igual a 0.6619. Probabilidad que se podría haber apreciado más o menos directamente de la
curva CO de la figura 3, ya que esta curva se obtiene calculando P(0) + P(1) con la formula de
distribución binomial, con n = 60, para diferentes valores de p. En la tabla 1 se aprecia la
probabilidad de aceptación de lotes con diferentes valores de p; y con base en la tabla 1 se puede
bosquejar la curva CO de la figura 3

Tabla 1 Probabilidad de aceptación del plan n = 60, c =1, para Diferentes valores de p y suponiendo
tamaño de lote grande.

Probabilidad de aceptación
Proporción de defectuosos (p)
(Pa)

0.001 0.9982

0.005 0.9634

0.010 0.8787

(27)
 0.015 0.7727

0.020 0.6619

0.030 0.4592

0.040 0.3022

0.050 0.1915

0.060 0.1179

0.070 0.0709

0.080 0.0417

0.100 0.0137

0.150 0.0006

Así, la curva CO de la figura 3 muestra el poder de discriminación del plan de muestreo n = 60,
c =1. Por ejemplo, si los lotes tienen 5% de artículos defectuosos (p = 0.05), entonces la
probabilidad de aceptarlos es aproximadamente 0.19. Esto significa que si 100 lotes con 5% de
defectuosos, son sometidos a este plan de muestreo, entonces se esperaría aceptar a 19 y
rechazar a 81.

En general, para obtener una curva CO para un plan con tamaño de muestra n y número de
aceptación c, se calcula la probabilidad de aceptación, Pa, para diferentes valores de la proporción
de defectuosos, p; es decir, se calcula.

Pa = P(0) + P(1)+ ..... +P(c); para diferentes valores de p.

(28)
Curva CO ideal

Si se quieren rechazar los lotes que tengan una proporción de artículos defectuosos mayor que 1%
por ejemplo, y aceptar los que tengan 1% de defectuosos o menos. La curva CO ideal para esta
situación se muestra en la figura 4, en la que si el nivel de calidad es 1% de defectivo o menos, se
está satisfecho con tal cantidad y por tanto se acepta con probabilidad 1. Mientras que si la
proporción de defectivos es mayor que 1% no se está satisfecho con esa calidad por lo que se
desea aceptarla con probabilidad cero (es decir, rechazarla con probabilidad 1). Sin embargo, no
existe ningún plan de muestreo que tenga esta curva ideal y que por tanto sea capaz de hacer una
discriminación perfecta entre los lotes "buenos" y "malos". En teoría la curva CO ideal se puede
alcanzar con inspección al 100%, siempre y cuando esta inspección estuviera libre de errores, lo
que difícilmente ocurre.

4. Figura 4 Curva CO ideal para la calidad p = 0.01 (1%).

De acuerdo con lo anterior, lo más que se puede hacer en la práctica es diseñar planes de
muestreo de aceptación que tengan alta probabilidad de aceptar lotes buenos, y una baja
probabilidad de aceptar lotes malos. Por ejemplo, con el plan n = 60, c =1 (véase tabla 1 figura 3),
se tiene una probabilidad de 0.879 de aceptar lotes con proporción de defectuosos de 1% y para
porcentajes menores a este 1% se tiene mayor probabilidad de aceptación; pero lotes con 4% de
defectivo todavía tienen probabilidad de aceptarse de 0.30. Por lo que si se quiere un plan más
estricto que no permita pasar tan fácilmente lotes de ese tipo, entonces será necesario diseñar un
plan con un tamaño de mayor muestra, como lo veremos enseguida.

(29(
Propiedades de las curvas CO

 No existe un plan de muestreo que tenga una curva CO ideal, que pueda distinguir
perfectamente los lotes buenos de los malos. De esta manera, todo plan de muestreo
tiene riesgos de rechazar la buena calidad y aceptar la mala. Lo que sí existe son planes
que tienen mayor probabilidad de aceptar la buena calidad y menos probabilidad de
aceptar la mala.
 Al aumentar el tamaño de la muestra con el número de aceptación, se obtiene planes cuya
curva CO se acerca más a la ideal, es decir, que tienen mayor potencia en distinguir la
buena calidad de la mala. Esta propiedad queda en evidencia en la figura 5, en la que se
muestran las curvas CO de tres planes de muestreo, nótese que entre mayor es n más
rápido cae la curva, no obstante que el número de aceptación c se mantiene proporcional
al tamaño de muestra. Entre más rápido caiga la curva, menos probabilidad se tiene de
aceptar lotes de mala calidad.
 El criterio de tamaño de muestra igual a un porcentaje del tamaño de lote es un mal
criterio. Es frecuente encontrar casos en los que el tamaño de la muestra se tome igual a
cierto porcentaje del tamaño del lote y el número de aceptación c = 0.
 Al disminuir el número de aceptación la curva CO cae más rápido y con ello los planes se
vuelven más estrictos.
 La influencia del tamaño de lote es diseñar planes adecuados de muestreo, es menor de lo
que continuamente se cree. Curvas CO tipo A y tipo B. Para obtener todas las curvas CO
que hemos visto hasta aquí, se ha supuesto que las muestra se extraen de un lote grande
o que el lote proviene de un flujo continuo de productos. A este tipo de curvas se les
conocen como curvas CO tipo B, y la distribución apropiada para calcular las
probabilidades de aceptación es binomial.

(30)
2.9. VENTAJAS Y DESVENTAJAS DE MUESTREO DE ACEPTACION

El muestreo de aceptación respecto a la inspección al 100% tiene las siguientes ventajas:

a) Tiene menor costo porque se inspecciona menos, a pesar de algunos costos adicionales
generados por la planificación y administración de los planes de muestreo.
b) Requiere de menos personal en las actividades de inspección, simplificando con ello el
trabajo de coordinación y reduciendo los costos.
c) El producto sufre menos daño al haber menos manipulación.
d) Es aplicable en pruebas destructivas.
e) A menudo reduce el error de inspección y la monotonía
f) El rechazo de lotes completos por la existencia de artículos defectuosos proporciona una
motivación al fabricante del lote para que mejore su calidad.

El muestreo de aceptación presenta algunas desventajas, como las siguientes:

a) Hay cierto riesgo de aceptar lotes malos y rechazar buenos, aunque en un plan de
muestreo de aceptación están previstos y cuantificados estos riesgos.
b) Proporciona menos información acerca del nivel de calidad del producto o de su proceso
de fabricación. Aunque bien utilizada, la información obtenida puede ser suficiente.
c) Se requiere más tiempo y conocimiento para planificar y documentar el muestreo,
mientras la inspección al 100% no. Esto tal vez no sea una desventaja, ya que la
planificación genera otros efectos positivos, como mayor conciencia de los niveles de
calidad exigidos por el cliente,
2.10. EJEMPLO DE MUESTREO DE ACEPTACION

Determinar la curva OC para un plan de muestreo simple con un tamaño de muestra, n = 300 y un
número de aceptación, c= 5. Aceptando una probabilidad de aceptación como la que se muestra
en la tabla siguiente:

(31)
Realizando la representación gráfica. En el eje de ordenadas representamos el valor de la calidad
de entrada, p y en el eje de abscisas la probabilidad de aceptación, Pa , obtenemos la Curva OC

2.11. PLANES DE MUESTREO POR ATRIBUTO

Se extrae aleatoriamente una muestra de un lote y cada pieza de la muestra es clasificada de

acuerdo a ciertos atributos como aceptable o defectuosa. Si el número de piezas que se
encuentran defectuosas es menor o igual que un cierto número predefinido, entonces el lote es
aceptado; en caso de que sea mayor, entonces el lote es rechazado. Muestreo de aceptación por
atributos.

En la industria el muestreo de aceptación que más se utiliza es el muestreo por atributos.

Comenzaremos por este, tomando en cuenta que algunos conceptos se aplican también al
muestreo de aceptación por variables.

En los sistemas de muestreo para aceptación se emplean mucho los términos defectivo y defecto.
Una unidad defectuosa es la que no cumple con las especificaciones en algún aspecto, o sea tiene
uno o más defectos. Un defecto es una falta de conformidad con alguna especificación. Cuando
hablamos del porcentaje de unidades defectuosas suponemos que si es totalmente defectuosa, el
número de defectos no tiene importancia. Los defectos pueden ser independientes o estar
correlacionados positiva o negativamente. Resulta conveniente mantener registros de todos los
defectos posibles. Los defectos se pueden clasificar como:

(32)
  Mayores: Vuelven inútil el artículo
 Menores: Hacen el artículo menos útil de lo que debería ser pero no necesariamente
inútil.
 Crítico: Vuelven al artículo no solamente inútil sino peligroso.

A continuación se definen algunos términos que se utilizarán:

N = número de unidades en un lote determinado;

n = número de unidades en las muestras;
D = número de unidades defectuosas en un lote;
d = número de unidades defectuosas en una muestra;
p = fracción defectuosa. En un lote dado presentado para inspección, es D/N; en una muestra dada
es, d/n;
Pα = probabilidad de aceptación;
c = número de unidades defectuosas que se aceptan en una muestra;
r = número de unidades defectuosas que condicionan el rechazo de una muestra.
En los planes de muestreo por atributos se extrae aleatoriamente una muestra de un lote, y cada
unidad de la muestra es clasificada de acuerdo con ciertos atributos como aceptable o defectuosa.
Si el número de piezas defectuosas es menor o igual que un cierto número predefinido, entonces
el lote es aceptado, en caso de que sea mayor el lote es rechazado. Como ya vimos tenemos
diferentes tipos de muestreo de aceptación por atributos: simple, doble y múltiple.

2.12. PLAN DE MUESTREO POR VARIABLE

Se toma una muestra aleatoria del lote y a cada unidad de la muestra de la mide una
características de calidad de tipo continuo Con las mediciones se calcula un estadístico, que
generalmente está en función de la media, la desviación estándar muestra y las especificaciones, y
dependiendo del valor de este estadístico al compararlo con un valor permisible, se aceptará o
rechazará todo el lote.

En los planes de muestreo de aceptación por Variables se especifican el número de artículos que
hay que muestrear y el criterio para juzgar los lotes cuando se obtienen datos de las mediciones
respecto a la característica de calidad que interesa.

(33)
Estos planes se basan generalmente en la Media y Desviación estándar muéstrales de la
característica de calidad. Cuando se conoce la distribución de la característica en el lote o el
proceso, es posible diseñar planes de muestreo por Variables que tengan riesgos especificados de
aceptar y de rechazar lotes de una calidad dada.

Se puede obtener de la misma curva característica de operación con un tamaño muestral menor
que lo requerido por un plan de muestreo por atributos. Cuando se utilizan pruebas destructivas,
el Muestreo por Variables es particularmente útil para reducir los costos de inspección. Los datos
de mediciones proporcionan normalmente más información sobre el proceso de manufactura o el
lote que los datos de Atributos.

2.13. PLAN DE MUESTREO SIMPLE

El plan de muestreo simple consiste en un tamaño de muestra n, y en un número de aceptación

c, ambos fijados de antemano. Si en la muestra se encuentra c o menos unidades defectuosas
entonces el lote es aceptado. Por el contrario, si hay más de c artículos defectuosos el lote es
rechazado.

Ejemplos:

Muestreo simple:
Tamaño de la muestra: 125;
Número de aceptación: 3 defectivos;
Número de rechazo: 4 defectivos.
Procedimiento: Se toman 125 unidades, si hay 3 defectivos o menos se acepta el lote. Si hay 4 o
más defectivos se rechaza el lote y se toman las medidas para su disposición (que puede ser
realizar una inspección al 100 % y retirar los defectivos o reenviar al proceso, etc.)

2.14. PLAN DE MUESTREO DOBLE

Un plan de muestreo doble involucra las decisiones de, aceptar, rechazar o tomar una segunda
muestra para decidir. Si la inferencia de la primera muestra es que la calidad del lote es
suficientemente buena, el lote se acepta. Si la inferencia nos dice que la calidad es muy pobre,
el lote se rechaza. Si la inferencia es que la calidad no es lo suficientemente buena o mala para
aceptar o rechazar el lote, entonces se toma una segunda muestra del lote para decidir. La
decisión en la segunda etapa se hace con la información acumulada en las dos muestras.

(34)
 El plan de muestreo doble es la extensión natural del plan de muestreo simple. Se toma una
muestra de n1 unidades y se observan las unidades defectuosas. Si el número de defectuosos
no excede el número de aceptación c1 se acepta el lote. Si en cambio excede c1 pero no excede
c2 se toma una segunda muestra de tamaño n2 y se contabilizan los defectos acumulados de la
primera y segunda muestra. Si este acumulado de unidades defectuosas no excede c2 se
acepta el lote y en caso contrario se rechaza. Notar que si el número de unidades defectuosas
de la primera muestra es mayor a c2 no es necesario tomar una segunda muestra y el lote se
rechaza inmediatamente. El siguiente diagrama resume el procedimiento descrito:

Muestreo Doble Ejemplo Schilling pag. 138. Consideremos un plan de muestreo doble con
parámetros N=120, n1=13, c1=0, r1=2, n2 =13, c2=1, r2=2. Consideramos un nmuestreo tipo B
(dist. Binomial), con una proporción de defectuosos p=.18 a). Grafique la Curva OC
correspondiente. Considerando un tamaño de lote 200. b). Grafique también las curvas ASN y ATI.

(35)
 2.15. PLAN DE MUESTREO MULTIPLE

es una extensión del concepto de muestreo doble, esto es, aquí se toma una muestra inicial muy
pequeña, y si ya se tiene evidencia de muy buena o muy mala calidad se toma la decisión en
consecuencia, si no es así, se toma una segunda muestra y se trata de decidir; si todavía no es
posible se continúa con el proceso hasta tomar la decisión de aceptar o rechazar el lote.
Consideremos un lote de tamaño de N=3.000 unidades sobre el cual queremos realizar un
muestreo múltiple que tiene las siguientes características: (n1,c1)=(7,1), (n2,c2)=(50,2),
(n3,c3)=(80,3). El porcentaje histórico de unidades defectuosas en lotes de similares características
ha sido de un p=4%. Se desea estimar la probabilidad de aceptación del lote.

(36)
Como primer paso construimos un diagrama que muestre las distintas combinaciones que
permiten aceptar un lote luego de ser expuesto al plan de muestreo descrito. En este caso en
particular el diagrama es el
siguiente:

Por ejemplo, si en la primera muestra se encuentran 2 unidades defectuosas se aplica una

segunda muestra de tamaño 50, donde se aceptará el lote si la cantidad de unidades defectuosas
en esta muestra es exactamente 0. En caso que en la segunda muestra se obtenga 1 unidad
defectuosa se debe realizar un tercer muestreo donde será necesario no encontrar unidades
defectuosas para poder aceptar el lote (con esto se tiene un acumulado de defectuosos en las tres
muestras menor o igual a c3=3).

Para estimar la probabilidad de aceptación del lote en el caso de la primera muestra se utiliza la
Distribución Binominal. En el caso de la segunda muestra se utiliza la Distribución de Poisson. En el
caso de la tercera muestra se utiliza la Distribución de Poisson. Las condiciones que permiten
seleccionar dichas distribuciones se describen en la sección de muestreo simple.

2.16. FORMACION DE LOTES Y SELECCIÓN DE MUESTRA

La Probabilidad de Aceptación del Lote queda definida por la siguiente expresión donde Pp se
refiere a una probabilidad obtenida a través de la Distribución de Poisson y Pb una probabilidad
obtenida con la Distribución Binominal:

PA = Pb(0) + Pb(1) + Pb(2)*Pp(0) + Pb(2)*Pp(1)*Pp(0) + Pb(3)*Pp(0)*Pp(0)

(37)
FORMACIÓN DE LOTE Y SELECCIÓN DE LA MUESTRA

La formación de un lote puede influir en la eficacia del plan del muestreo de aceptación. A
continuación se enuncian tres recomendaciones típicas para formas lo lotes, aunque una de ellas
se debe ver con reserva.

 Los lotes deben ser homogéneos, es decir, las unidades que forman un lote en particular
deben haber sido fabricadas bajo condiciones similares en cuanto a: máquinas,
operadores, materia prima, tiempo (fechas), etc. cuando el lote forma mezclando
unidades de diferentes fuentes, al muestreo de aceptación no funciona tan efectivamente
como se debe.
 Los lotes deben ser formados de tal manera que no compliquen el manejo de materiales
de proveedor y del cliente. Todos los artículos de los lotes deben ser empaquetados y
embarcados con un mínimo de riesgo y de tal forma que la selección de unidades de la
muestra sea relativamente fácil.
 Con las reservas del caso, los lotes deben ser tan grande como sea posible. Esto debido al
menor costo y mayor eficiencia de la inspección, ya que con lotes grandes es necesario
inspeccionar menos proporcionalmente que con los lotes pequeños, y además los planes
resultantes a partir de tamaños de lote grande tienen una mayor capacidad de detectar
los lotes de mala calidad.

Selección de muestra

Todos los planes de muestreo de aceptación basan su funcionamiento en que las unidades
seleccionadas para la inspección sean representativas de todo el lote. De aquí que la selección de
las unidades que forman la muestra debe hacerse aplicando un método de muestreo aleatorio. La
técnica de muestreo es muy importante y la que a menudo se sugiere en el muestreo aleatorio
simple, en la que se asigna un número a cada artículo del lote. Entonces entre 1 y el número
máximo de unidades en el lote se selecciona aleatoriamente n números. Esta sucesión de números
aleatorios determina cuales artículos constituyen la muestra. Si los productos están seriados o
tienen un código de números, estos pueden ser utilizados para desarrollar el muestreo aleatorio.

(38)
 CONCLUSIONES

 Se definió el muestreo.

 Se definió los tipos de muestreo, en el cual existe el probabilístico y el no probabilístico.

 Se determinó las ventajas, una de ellas es la reducción considerable de los costos de

materiales del estudio, una mayor rapidez en la obtención de la información de resultados
con eficacia.

 Se presentó las desventajas del muestreo

 Se dio a conocer las aplicaciones sobre muestreo para un mejor aprendizaje acerca del
tema.

 Se dio a conocer el tema de control estadístico de calidad

 BIBLIOGRAFÍA

- Muestreo (s.f). Chospab.es.

Recuperado de: http://www.chospab.es/calidad/archivos/Metodos/Muestreo.pdf

- Muestreo no probabilístico (s.f). QuestionPro.

Recuperado de: https://www.questionpro.com/blog/es/muestreo-no-probabilistico/

- Tema N°5 Muestreo Aleatorio (s.f). Universidad Nacional Experimental “Francisco

Miranda”.
Recuperado de: https://es.slideshare.net/rubencho1979/muestreo-1817745

- Exebio, C (s.f). Primera unidad: Muestreo.

- Manzano, V (2013). Problemas resueltos Muestreo. Dadpsico

Recuperado de: http://asignatura.us.es/dadpsico/apuntes/EjMuestreo.pdf

- Cubas, G (2012). Teoría de Muestreo y Aplicaciones. Scribid.com.

Recuperado de: https://es.scribd.com/document/100872713/Teoria-de-Muestreo-y-
Aplicaciones
- file:///C:/Users/User/Downloads/P26.pdf
- https://www.monografias.com/trabajos46/muestreo-de-aceptacion/muestreo-de-
aceptacion2.shtml