Estadstica: Es la ciencia de recolectar, clasificar, presentar e interpretar datos numricos. Control Estadstico de la Calidad: conjunto de acciones orientadas a cumplir con las metas de calidad previamente establecidas, utilizando tcnicas estadsticas aplicables al menor costo posible. La aplicacin de la estadstica en los procesos permite: Identificar y reconocer las caractersticas del problema. Conocer en forma objetiva la situacin en la que se encuentra el proceso. Analizar las causas principales del problema. Verificar la efectividad de las acciones correctivas una vez llevadas a cabo. El control estadstico es esencial para poner en prctica el control de calidad, al grado que el uso de los sistemas de medicin demuestra en que medida una empresa ha mejorado en su calidad y cultura, partiendo no de corazonadas sino de datos especficos y correctos. Permite que todos en la empresa conozcan el o los problemas que ocurren en la empresa y sus dimensiones. Vuelve a las empresas y sus gerencias ms objetivas. Herramientas estadsticas: Pueden emplearse en cualquier paso de un proceso. Muestran seales sobre el comportamiento de los procesos. Las herramientas estadsticas, por s solas, no generan una mejora continua, solamente brindan informacin para el control de calidad de los procesos. Existen tres mtodos comunes para identificar donde estn concentrados los datos: - Media - Mediana - Moda El clculo e interpretacin depender de la definicin de centro. Las medida de tendencia se ubican en el punto alrededor del cual se aglomeran los datos. La media, es la medida de la tendencia central que usualmente se conoce como promedio. Se define como: La sumatoria de la serie de valores dividida entre la cantidad de serie de valores. Media muestral ( ) y media poblacional (). n X n Xn X X X n i i 1 2 1 X Calcular la media del peso (en libras) de las ltimas 6 canales de res: 515, 502, 533, 488, 499, 520. Se suman todos los pesos de las canales y se dividen entre la cantidad de canales (6). 5 . 509 6 520 499 488 533 502 515 X Muestra Tambin llamada media posicional, porque queda exactamente en la mitad del conjunto de datos (valores de propiedades), despus que las observaciones se han ordenado de menor a mayor. La mitad de los valores estn por encima de la mediana y la otra mitad por debajo de la misma. Si el conjunto de valores tiene un nmero par o impar de observaciones la posicin de la mediana es: - Posicin de la mediana = Siendo n el nmero de observaciones. Casi 50% de las mediciones son ms pequeas, y 50% son ms grandes que la mediana. 2 1 n Calcular la mediana del rechazo semanal de jalea slida de guayaba, por prdida de vacio de empaque, para cinco semanas: 24, 18, 32, 26 y 32 (n = 5, nmero impar). Se deben colocar primero los datos en serie ordenada: 18, 24, 26, 32, 32 Posicin de la mediana = La posicin del valor de la mediana se vuelve: 26 La mitad de la semana los rechazos de jalea estuvieron por debajo de 26 y la otra mitad excedieron ese valor. 3 2 1 5 En un conjunto de datos que contiene un nmero par de observaciones, es necesario promediar los dos valores medios. Considerando el ejemplo anterior, si el valor para una sexta semana es 21, y se adiciona al conjunto de valores, entonces la serie ordenada se vuelve: 18, 21, 24, 26, 32, 32 . - Posicin de la mediana = La posicin es tres y medio. Los dos valores de la posicin tercera y cuarta se promedian para producir una mediana de (24+26)/2=25 5 . 3 2 1 6 Observacin modal, es aquella que ocurre con mayor frecuencia en una distribucin de datos. Si todas las variables tienen la misma frecuencia, entonces no hay moda. Se puede hallar la moda para variables cualitativas y cuantitativas. El peso neto de las latas de atn es de 185 g. En un muestreo realizado en un supermercado local se obtuvieron los siguientes datos: 179, 183, 181, 178, 183, 184, 183, 180, 183, 185. La moda es: 183 Si dos valores ocurren con la misma frecuencia, entonces el conjunto de los datos sera bimodal. La media se ve afectada por valores extremos o valores atpicos, y a diferencia de la mediana, puede ser sesgada por las observaciones que estn muy por encima o muy por debajo de sta. - Por ejemplo, para los datos 7, 8, 9, 9, 10, 11 la media y la mediana son ambas 9 y representa un excelente medida del punto central de los datos. - Si la primera observacin fuera 50 en lugar de 7, (50, 8, 9, 9, 10, 11); la media sera 16, pero la mediana seguira siendo 9. - La mediana no es afectada por este valor extremo, por tanto, representa mejor a los seis valores. - La moda, as mismo, es menos afectada por unas pocas observaciones atpicas y sigue siendo 9 an cuando el primer valor sea 50. - Sin embargo si no hay moda, o si el conjunto de datos es bimodal, su uso puede ser confuso. NOTA: Esto no implica que un mtodo es mejor que los otros. La medida que se seleccione depende de la naturaleza de los datos o de la forma en que se utilicen los datos. Un procesador de yogurt, con 6 sabores diferentes, se beneficiara muy poco del hecho de saber que sus ventas mensuales promedio fueron de 1,580 unidades. De mayor utilidad, para las decisiones futuras del negocio, sera conocer el sabor que prefieren sus consumidores, esto para: - Determinar la compra de materia prima. - La etiqueta de los envases. Indican cunto se dispersan (desvan) las observaciones alrededor de su media. Una medida de tendencia central no siempre es suficiente. Muchas veces se necesita entender que tan disperso est un valor de otro para tener una descripcin ms completa del conjunto de datos. Las medidas de variabilidad ayudan a crear una imagen mental de la dispersin de los datos. Existen conjuntos de datos que pueden tener la misma media o promedio. Si slo se indican sus medias, sin las observaciones, se puede concluir que los valores en cada conjunto son similares. Una conclusin ms verosmil de los conjuntos de datos resultara si se compara el grado de dispersin (desviacin) de las observaciones individuales en cada conjunto de datos o si se extendieron alrededor de la media. Primer conjunto de datos: muy disperso por encima y por debajo de la media. Segundo conjunto de datos: relativamente cerca de la media. Tercer conjunto de datos: no tiene dispersin, todas las observaciones son iguales a la media. NOTA: El primer conjunto de datos tiene una medida de dispersin mayor que la segunda. Conjunto de datos (1) Conjunto de datos (2) Conjunto de datos (3) 0, 9, 18 5, 9, 13 9, 9, 9 Medida de dispersin ms simple. El rango es la diferencia entre el valor (observacin) mximo y mnimo. Su ventaja es que es fcil de calcular e interpretar, y es una medida adecuada de variacin para conjuntos pequeos de datos. Su desventaja es que para conjuntos grandes no es una medida de variabilidad. En una planta hortofrutcola, la cantidad libras de concentrado de fresa que se procesan de lunes a viernes son: 0, 48, 53, 60, 100, respectivamente. - El dato menor es 0 (cero) y el dato mayor es 100 (cien), por lo que sus valores se encuentran en un rango de: 100 0 =100 Mientras que en una segunda planta, las cantidades que se procesan son: 47, 51.5, 50, 48, 52, respectivamente. - El dato menor es 47 y el dato mayor es igual a 52 por lo que su rango correspondiente es igual a: 52 47= 5 Lo que indica que la segunda muestra es ms homognea ya que sus datos estn dispersos en un menor rango. Con la varianza se encuentra la cantidad por la cual cada observacin se desva de la media. Se elevan al cuadrado tales desviaciones y se encuentra la media de tales desviaciones elevadas al cuadrado. As, se tiene el promedio de las desviaciones de la media elevada al cuadrado. NOTA: La varianza y la desviacin estndar no pueden ser nmeros negativos, por esta razn, se elevan al cuadrado. La varianza para una poblacin 2 (sigma al cuadrado) es: Donde: - X 1 , X 2 , X 3 , X N = son los valores (observaciones) individuales. - =es la media poblacional. - N = es el nmero de observaciones. N X N X X X X i N 2 2 2 2 3 2 2 2 1 2 ) ( ) ( ) ( ) ( ) ( Con el fin de determinar condiciones de almacenamiento, se analiz la humedad de la semolina de 5 proveedores diferentes es: 10%, 13%, 10.8%, 12.3% y 11.5%. El promedio de los % de humedad es: 11.52% La varianza es: La desviacin estndar es: % 13 . 1 5 ) 52 . 11 5 . 11 ( ) 52 . 11 3 . 12 ( ) 52 . 11 8 . 10 ( ) 52 . 11 13 ( ) 52 . 11 10 ( 2 2 2 2 2 2 06 . 1 2 Es la suma de las desviaciones elevadas al cuadrado de las mediciones respecto a su media ( ) dividida entre n-1. Se emplea n-1 porque una muestra generalmente est poco menos dispersa que la poblacin de la cual se tom. Existe la tendencia a que la desviacin estndar de la muestra (s) sea menor que la desviacin estndar de la poblacin (). X Se denota mediante s 2 y se calcula con base en la frmula: Donde: - X 1 , X 2 , X 3 , X N = son los valores (observaciones) individuales. - s =es la media poblacional. - n-1 = es el nmero de observaciones menos un grado de libertad. 1 ) ( 1 ) ( ) ( ) ( ) ( 2 2 2 2 3 2 2 2 1 2 n X X s n X X X X X X X X s i n
Se desea determinar la estabilidad del
porcentaje de grasa en la leche que se compra a dos de los proveedores principales. Tomando en cuenta los registros, se selecciona una muestra aleatoria de n=4 das (4 das es probablemente una muestra muy pequea, pero servir por el momento para nuestro propsito). Los porcentajes de grasa en la leche de estos 6 proveedores son de: - Proveedor 1: 2.2%, 3.1%, 2.9% y 3.7% - Proveedor 2: 3.6%, 3.75%, 3.2% y 3.5% El promedio de los % de grasa de los 2 proveedores es: 3.24% La varianza es: La desviacin estndar es: Se estim que la media del porcentaje de grasa es de 3.24%, con una tendencia a variar por encima o debajo de dicho porcentaje en 0.52%. 27 . 0 ) 24 . 3 5 . 3 ( ) 24 . 3 2 . 3 ( ) 24 . 3 75 . 3 ( ) 24 . 3 6 . 3 ( ) 24 . 3 7 . 3 ( ) 24 . 3 9 . 2 ( ) 24 . 3 1 . 3 ( ) 24 . 3 2 . 2 ( 2 2 2 2 2 2 2 2 2 s ) 1 8 ( % 52 . 0 2 s Marcos Alvarenga es el gerente de la Ca. de Inversiones S.A., recientemente Marcos estaba interesado en las tasas de rendimiento de los ltimos cinco aos de dos diferentes fondos de inversin. El fondo de inversin Mega Fcil mostr durante el perodo en cuestin, tasas de rendimiento de 12, 10, 13, 9 y 11%, mientras que el fondo de inversin Mucha Plata arroj 13, 12, 14, 10 y 6%. Un cliente se acerc a Marcos y expres inters en uno de estos fondos de inversin. Cul debera escoger el Sr. Alvarenga para su cliente? Cabe destacar que ambos fondos ofrecen un rendimiento promedio de 11%. Debido a que ambos ofrecen el mismo rendimiento en promedio una inversin ms segura es la que tiene un grado menor de variacin. Para Mega fcil, Marcos halla: Mucha plata: % 41 . 1 2 2 5 ) 11 11 ( ) 11 9 ( ) 11 13 ( ) 11 10 ( ) 11 12 ( 2 2 2 2 2 2 % 83 . 2 8 8 5 ) 11 6 ( ) 11 10 ( ) 11 14 ( ) 11 12 ( ) 11 13 ( 2 2 2 2 2 2 Interpretacin: Debido a que Mega fcil presenta menos variabilidad en sus rendimientos y ofrece la misma tasa de rendimiento promedio que ofrece Mucha plata, Mega fcil representa la ms segura de las dos inversiones y por ende es la oportunidad de inversin preferida. Procedimiento empleado para tomar o constituir una muestra. Forma de obtener una muestra. Es una herramienta de investigacin, cuya funcin bsica es determinar que parte de una realidad en estudio (poblacin) debe examinarse con la finalidad de hacer inferencia sobre dicha poblacin. Poblacin: Conjunto de elementos en estudio de los cuales se pueden extraer conclusiones. Muestra: Cualquier subconjunto de la poblacin. Tamao de la muestra: Nmero de n observaciones que la componen. Muestreo: Es la forma de obtener una muestra. La forma de obtener una muestra es fundamental para extraer conclusiones vlidas. (V.C. Alonso, 1998) Lote: Cantidad determinada de un producto fabricado en condiciones uniformes. Caracterstica: propiedad que permite identificar los elementos de un determinado loteo diferenciarlos entre si. La caracterstica puede ser cuantitativa o cualitativas. Homogeneidad: un lote es homogneo con respecto a una determinada caracterstica si sta ltima esta distribuida de manera uniforme en todo el lote. (Codex Alimentarius, 2004) Heterogneo: un lote es heterogneo con respecto a una determinada caracterstica si sta ltima no esta distribuida de manera uniforme en todo el lote. Los elementos de un lote pueden ser homogneos con respecto a una caracterstica y heterogneo con respecto a otra. Defecto: ocurre en un elemento cuando una o varias caractersticas de calidad no satisfacen las especificaciones de calidad establecidas. Problema u objeto de estudio. Tipo de accin o decisin a tomar. Recursos y tiempo que se dispone para abordar el problema o situacin. Problema u objeto de estudio Obtuvieron el resultado? Acciones y decisiones Conclusiones Obtenerla Objetivos que se persiguen Informacin que se requiere Existe? Anlisis Depende de : - La cantidad de variabilidad. - Tipo de variabilidad que se da en la poblacin. Muestra (X1,X2,X3Xn) Poblacin Muestreo La muestra deber ser lo ms representativa posible de la poblacin. En sacos Se debe de muestrear de cada saco de 500 a 1,000 g. Si el lote es de uno a diez sacos, se deben de muestrear todos. si el lote es mayor a diez, se debe por lo menos el 2% del total del lote. El muestreo de sacos puede hacerse mediante muestreadores especiales para este fin. A granel Cuando la materia prima se encuentra a granel dentro de bodegas rectangulares, vagones o camiones, se tomarn muestras a diferentes niveles con muestreadores adecuados y en varios puntos de acuerdo a la capacidad del transporte o bodega. Capacidad de vagn o bodega Nmero de puntos a muestrear 1-15 toneladas 5 15-30 toneladas 9 30-50 toneladas 11 Slido en fragmentos o partculas Si las muestras consisten en lotes homogneos se toman cogiendo una seleccin aleatoria de dichos lotes. Slido en forma compacta Tomar trozos representativos de las muestras tanto del interior como del exterior. Cundo se muestrea? De dnde? Para muestreo de granos, pellets, polvos. Para muestreo polvos. Para muestreo de granos, pellets, polvos en diferentes sectores o profundidades simultneamente Homogneos: se toman aleatoriamente distintas muestras. En contenedores se realiza 5 min despus de iniciarse la descarga, en paquetes se realiza introduciendo una sonda en diagonal. Con materiales en suspensin: se pueden tomar muestras a distintas profundidades, manteniendo en constante agitacin el conjunto. Se puede utilizar una sonda llamada ladrn toma muestras, la cual se sumerge a la profundidad que se desee y se abre para recoger la muestra. De esta forma se pueden obtener muestras a distintas profundidades, y por mezcla de todas ellas obtener una muestra representativa, ya que a veces es difcil la agitacin. Gas libre en gran cantidad: llenar un tubo con el gas con desplazamiento del aire que en principio contienen estos recipientes, que despus se cierran por medio de llaves o sellando sus extremos. Poco Frecuente en alimentos Al azar simple (aleatorio irrestricto). Al azar sistemtico. Al azar estratificado. Aleatorio por conglomerados. - Seleccin de grupo de n elementos de la poblacin. - Cada muestra de tamao n tiene la misma probabilidad de ser seleccionada. - Con poblacin pequea, se puede hacer una lista, sortearlas y seleccionar una muestra n. - Ejemplo: Extraccin de nmeros en una tmbola de lotera donde todos estn mezclados perfectamente. Cada muestra tiene la misma probabilidad de ser seleccionada. Resultado sern tablas aleatorias. Cuando los elementos en poblaciones pequeas pueden numerarse fcilmente. Cuando los elementos estn bien mezclados. Cuando no se formen grupos internos bien definidos de acuerdo con la variable de inters. Objeto de estudio: - Helado de mango bajo en caloras en la poblacin estudiantil Zamorana (n=400). - Se desea obtener la opinin del consumidor. Muestreo: - Se selecciona una muestra de 100 estudiantes. - Se desarrolla el listado en orden alfabtico y se les asigna un nmero del 1 al 400. - Se mezclan los nmeros y se eligen 100. - til en muestreos directos durante la produccin o recepcin de materiales y no al final de la produccin total. - Seleccin de una muestra de tamao n de una lista de N elementos. - La muestra se elige en intervalos iguales a lo largo del proceso y el punto de inicio se elige de manera aleatoria. - Los intervalos pueden ser: Determinada cantidad de productos. Determinada cantidad de tiempo. Determinada longitud o rea. Cuando se desea obtener informacin para evaluar la calidad de la produccin en cadena. Cuando la poblacin es de gran tamao, o se extiende en el tiempo. Cuando el objeto de estudio no tenga una periodicidad que coincida con la del muestreo. Objeto de estudio: - Peso de bolsas para leche. - Capacidad de envasado de la mquina de 4,000 bolsas al da. Muestreo: Se seleccionar una muestra de (2%) 80 bolsas de la siguiente manera: - Una bolsa cada 6 minutos en 8 horas = 80 bolsas. - Cinco bolsas cada 30 minutos en 8 horas = 80 bolsas. Se elije aleatoriamente los minutos en los que se tomarn las primeras 5 bolsas. Los elementos de la poblacin u objeto de estudio estn divididos en grupos homogneos o estratos los cuales son heterogneos entre si, de acuerdo con caractersticas de inters. Para el muestreo: - Se asigna un nmero determinado de elementos a cada estrato. - Se elige, por muestreo aleatorio simple, dentro de cada estrato. Cuando los estratos o grupos son ajenos entre s. Cuando los elementos de cada estrato son ms homogneos que la poblacin total. Cuando se desea obtener informacin estadstica para cada estrato. Cuando hayan elementos representativos de todos los estratos. Objeto de estudio: - Helado de fresa bajo en caloras degustado por la poblacin estudiantil Zamorana. - Se desea obtener la opinin del consumidor. Muestreo: - Se selecciona una muestra de 10 alumnos por pas. - Se listan en orden alfabtico por pas y se les asigna un nmero del 1 al n. - Se mezclan los nmeros y se escogen diez de cada pas. Se divide la poblacin en grupos o conglomerados de elementos heterogneos, pero homogneos con respecto a los grupos entre s. Se debe determinar de manera clara los sub- grupos en que se divide la poblacin. Los elementos se dividen en sub-grupos. Los sub-grupos son similares entre s. La variabilidad de los elementos es similar a la de toda la poblacin. Cuando el nmero de conglomerados es pequeo. Cuando los conglomerados estn bien definidos, de modo que cada elemento pertenezca a un solo conglomerado. Cuando el tamao de cada conglomerado est definido (se ha estimado). Procedimiento planificado que permite seleccionar o tomar muestras separadas de un lote para obtener la informacin necesaria. Esquema en el que se determina el nmero de elementos que deben recogerse y el nmero de elementos no conformes que se requieren en una muestra para evaluar el grado de cumplimiento de las normas en un lote. Proyecto BID-FOMIN/EAP "Aumentando la Calidad y Competitividad de la Produccin Agroalimentaria en Honduras ZAMORANO Escuela Agrcola Panamericana Telfono: (504) 2287-2000 ext. 2317 Telefax: (504) 2776-6008