CEP Introduccin.

Capitulo 1

Porque el Control Estadstico de Procesos?

As como en la naturaleza, no existen dos cosas que sean exactamente iguales; de la misma
manera, el hombre no ha logrado disear un proceso que sea capaz de hacer que una misma
caracterstica en dos diferentes partes, sean exactamente iguales, sin embargo la inteligencia, le ha
permitido adaptarse a esta constante universal, a la que, como primer paso le dio un nombre,
denominndola: VARIACIN.
La adaptacin del hombre a la existencia de la variacin en los procesos industriales,
empez, mediante la aplicacin de tolerancias a dimensiones de caractersticas criticas en la
fabricacin, operacin o ensamble de sus productos, con el propsito de facilitar la produccin en
masa y la reduccin de costos en sus partes. Sin embargo, ello no fue suficiente, ya que retrabajos,
generacin de desperdicio y producto defectuoso, seguan siendo altos; se necesitaba pues,
controlar la variacin misma, y para ello, recurri a la ESTADSTICA, herramienta matemtica,
con la que desarrollo un mtodo de control, al que denomino: Statistical Process Control, (SPC);
en Espaol: CONTROL ESTADSTICO DE PROCESOS, (CEP).
Con esta breve introduccin explicamos, la razn del porque del control estadstico de
procesos, resumindolo como:

El Control Estadstico de Procesos; tiene como

propsito fundamental, controlar la variacin de los
procesos, mantenerlos estables y capaces, abatir
costos y obtener un producto de calidad de manera
consistente.
El control estadstico de procesos, correctamente aplicado, proporciona las siguientes ventajas:
1. Mejora la Calidad del producto.
Incrementando la satisfaccin del cliente.
Reduciendo devoluciones, quejas y la solicitud de garantas.
2. Reduce costos.
Nos previene de elaborar producto defectuoso.
Reduce la generacin de desperdicio.
Minimiza el retrabajo.
Requiere menos inspeccin.
3. Facilita la administracin.
Reduce inventarios.
Facilita la programacin.
Requiere menos, pero mejores, proveedores.
Permite la programacin de mas y mejor mantenimiento a los equipos.
4. Nos dirige hacia la mejora continua.
Ayuda a cambiar la cultura del operador hacia la calidad.
Facilita la automatizacin.
Facilita el desarrollo de nuevos productos o mejoras a los existentes.
5. Mejora la Capacidad.
Mediante un mejor uso del equipo existente.
Remplazando el equipo existente, solo, si es realmente necesario.
Propiedad privada, prohibida su reproduccin.

SER CAPACITACIN

CEP Introduccin.

Capitulo 1

Requisitos para aplicar SPC.

Quiere
Mejorar el
Proceso?

NO

Bsquele!!!...

SI
SI

NO

Seguro?

NO

Es la Variacin
un problema para
su Proceso?
SI

Puede
medirse la
operacin?

NO

Defina las caractersticas

a controlar y establezca
un sistema de medicin
de las mismas.

SI

Aplique SPC

Como podemos deducir, LA VARIACIN, es la principal causa de producto defectuoso

e impide el obtener un producto de calidad de manera consistente. Para controlar la variacin
Propiedad privada, prohibida su reproduccin.

SER CAPACITACIN

CEP Introduccin.
Capitulo 1
debemos determinar sus causas, las que, para su anlisis, se han clasificado en dos tipos: Causas
comunes o inherentes de variacin y Causas especiales o asignables de variacin.
Causas Comunes o Inherentes de variacin, son aquellas que siempre estn presentes
en el proceso; es decir, son parte del proceso mismo y como una constante del sistema se
presentan de manera casual y aleatoria. Las causas comunes o inherentes de variacin generan una
variacin controlada, mostrando Un proceso estable. La nica forma de mejorar estos procesos
es mediante la modificacin o re-diseo de los procesos mismos.
Ejemplos de Causas comunes o inherentes:

Vibracin natural de la maquina.

Variaciones pequeas en los instrumentos de medicin.
Diferencias en preparacin y ajustes naturales entre maquinas similares.
Errores debidos a la precisin humana.
Fluctuaciones de voltaje.
Pequeas variaciones en el material.

Proceso Estable

Prediccin

Tiempo

Caracterstica

Causas Especiales o Asignables de variacin, estas no son atribuibles al diseo del

proceso ni se comportan de manera casual o aleatoria. Las causas especiales o asignables de
variacin, generan una distribucin descontrolada de la variacin misma, mostrando Un proceso
Propiedad privada, prohibida su reproduccin.

SER CAPACITACIN

CEP Introduccin.
Capitulo 1
inestable. La manera de estabilizar y mejorar estos procesos, es a travs de la eliminacin, una a
una, de las causas especiales o asignables de la variacin.
Ejemplos de Causas especiales...

Picos de voltaje que daan la maquinaria.

Errores inadvertidos por un operador.
Cambios o diferencias en el mtodo de medicin.
Fallas en la preparacin y ajuste de maquinas.
Lotes de material defectuoso.
Desgaste del equipo.
Dibujos de proceso y manufactura mal elaborados.

?
?
?

Proceso Inestable

?
?

?
?
?

Prediccin

Tiempo

Caracterstica

El CEP se aplica a cada proceso, en forma individual, una forma sencilla de

hacerlo, es mediante la implantacin de las siguientes cuatro etapas:
Propiedad privada, prohibida su reproduccin.

SER CAPACITACIN

CEP Introduccin.

Capitulo 1

Prepare
I

Mejore

IV

II

Implemente

III

Mantenga

Cada etapa, comprende los siguientes pasos:

Preparar:

Determine las caractersticas a estudiar, (crticas).

fije y evale su sistema de medicin.

Implementar Elabore diagramas de control.

Determine si el proceso es estable.
Determine si el proceso es capaz.
Logre y mantenga un proceso estable y capaz.
Mantener

Mantenga un proceso estable y capaz, sin causas especiales de

variacin.

Mejorar

Disminuya la variacin y mejore la capacidad del proceso,

eliminando causas comunes de variacin.

Hasta aqu, hemos visto, algunas de las raznes para implantar un sistema de control
estadstico de procesos y una forma para llegar a su implantacin; a continuacin, veremos las
herramientas necesarias para el desarrollo e interpretacin del CEP, sin embargo para una mejor
comprenhensin de lo que veremos, es necesario repasar nuestra Estadstica.

ESTADSTICA....X, R, S, C, U, NP, P...???

LA ESTADSTICA es la rama de las matemticas, que se encarga de la recopilacin,
ordenacin anlisis e interpretacin de datos cuantitativos, gracias e ella, es posible obtener
conclusiones, a partir de las relaciones que se observen entre los datos mismos, unas veces
mediante analogas, (estadstica descriptiva), y otras por inferencia, basadas en muestras tomadas
de la poblacin, (estadstica inferencial).
Propiedad privada, prohibida su reproduccin.

SER CAPACITACIN

CEP Introduccin.
Capitulo 1
Los datos.
Cuando hablamos de datos, nos referimos a la informacin que se obtiene de medir o
evaluar la caracterstica bajo estudio. Los datos pueden obtenerse por observacin directa,
(visualmente o con el uso de instrumentos de medicin), o indirecta, (a travs de cuestionarios
verbales o escritos). Los datos que se emplean en la industria, para el control de la calidad, se
obtienen por observacin directa y se han clasificado en datos variables y datos por atributos.
Datos variables, son generan por caractersticas mensurables o que pueden medirse,
ejemplos de ellos son: el tiempo, el peso, la longitud, la temperatura,.... Variable es toda
caracterstica que al ser medida, presenta un continuo entre cada divisin de su escala de
medicin.
Datos por atributos, los datos por atributos, se originan por aquellas caractersticas que
se evalan por la aplicacin de los valores 0 1; son datos donde los nicos resultados de la
evaluacin de la caracterstica, son bueno o malo, tales como los generados con el uso de
patrones PASA, NO PASA a travs de la aplicacin de definiciones tales como: defectuoso
aceptable; este tipo de datos se recopilan por conteo.
En general, podemos decir que los datos del tipo variable se recopilan a traves de
una medicin y los datos del tipo atributo, se recopilan por conteo.
EL ESTUDIO DE LOS DATOS, HACE USO DE TCNICAS, GRFICAS Y ANALITCAS.
Las tcnicas grficas, distribuyen los datos, dibujando la distribucin de frecuencia de los
mismos, resumiendo la cantidad de datos que ocurren dentro de cada subgrupo de valores
observados.
Entre estas podemos citar como las mas importantes:
El Histograma,
El Diagrama de Recorrido.
Las tcnicas analticas, resumen los datos mediante la determinacin de una estimacin
de su tendencia central y su variacin.

Estimaciones de la tendencia central, son: La media aritmtica, La moda y La

mediana,
Medidas de la variacin son: El Rango, La Varianza y la Desviacin estndar....

Tcnicas grficas...El histograma

El Histograma es la mas comn de las tcnicas grficas y de el haremos aqu un breve
repaso. En si, el histograma es una tcnica de anlisis de datos por Distribucin de Frecuencias, su
estudio nos permitir comprender como se distribuyen los datos en el tiempo, y nos dar una clara
idea de cuando un proceso es estable o inestable.
Como hacer un histograma.
Los datos de la tabla 1.1 abajo, representan la longitud, en pulgadas, de unas barras de
metal; cuando se tienen tantos datos, es difcil determinar su distribucin con solo observar los
valores en la tabla, en cambio, si los acomodamos, de manera secuencial, agrupando los datos que
son iguales y dibujando despus su histograma, podremos observar la tendencia del conjunto de
datos.
Propiedad privada, prohibida su reproduccin.

SER CAPACITACIN

CEP Introduccin.

Capitulo 1
Longitud de las barras, en pulgadas

3.58
3.34
3.52
3.40
3.65

3.48
3.46
3.49
3.34
3.46

3.37
3.48
3.59
3.32
3.48

3.50
3.47
3.52
3.52
3.47

3.34
3.45
3.38
3.46
3.44

3.60
3.45
3.47
3.41
3.51

3.49 3.48
3.44 3.46
3.48 3.59
3.48 3.47
3.33 3.56
Tabla 1.1

3.41
3.38
3.52
3.46
3.55

3.43
3.50
3.63
3.49
3.60

3.50
3.46
3.45
3.67
3.48

3.52
3.47
3.45
3.54
3.49

3.54
3.48
3.43
3.44
3.46

3.43
3.45
3.54
3.48
3.47

Para hacer el histograma, seguimos los siguientes pasos:

1. Contamos, cuantos datos son.
n = 70
2. Dividimos los datos en 10 grupos, anotando los valores mas altos de cada grupo, bajo Xs
y los menores bajo Xi; despus determine los valores mayor y menor de las columnas Xs y
Xi.
Grupo
1
2
3
4
5
6
7
8
9
10

Datos
3.58
3.48
3.34
3.46
3.52
3.59
3.40
3.47
3.65o
3.56

3.48
3.41
3.46
3.38
3.49
3.52
3.37
3.46
3.46
3.55

3.37
3.43
3.48o
3.50o
3.59o
3.63o
3.32
3.49
3.48
3.60o

3.50
3.50
3.47
3.46
3.52
3.45
3.52o
3.67o
3.47
3.48

3.34
3.52
3.45
3.47
3.38
3.45
3.46
3.54
3.44
3.49

3.60o
3.54o
3.45
3.48
3.47
3.43
3.41
3.44
3.51
3.46

n = 70

3.49
3.43
3.44
3.45
3.48
3.54
3.48
3.63
3.33
3.47
Xs = 3.67

Xs

Xi

3.60
3.54
3.48
3.50
3.59
3.63
3.52
3.67
3.65
3.60

3.34
3.41
3.34
3.38
3.38
3.43
3.32
3.44
3.33
3.46

Xi = 3.32

3. El rango de todos los datos ser la diferencia entre los valores mximo y mnimo de Xs e
Xi respectivamente, determinados en el punto 2.
As:

R = Xs -Xi = 3.67 - 3.32 = 0.35

Tabla 1.2

Cantidad de
datos
n
Menos de 50
50 a 100
100 a 250
mas de 250

Nmero k
de clases
recomendadas
5a7
6 a 10
7 a 12
10 a 20

4. Divida el rango en clases, cada clase, ser una barra

en el histograma, utilice la tabla 1.2, como referencia;
(tomando k=7), tenemos: R = 0.35/7 = 0.05 a
este valor se le llama intervalo de clase y puede
ajustarse para facilitar su operacin; en este caso lo
dejaremos tal como esta, con 0.05.

5. Las fronteras de clase, se determinan, de modo que las clases queden bien definidas y no
haya duda de a cual pertenece cada dato, para ello se usa la mitad de la unidad de
medicin
que
se
este
Frontera
Xi + Intervalo Frontera
considerando, en nuestro caso, Xi + Intervalo
de clase
de clase
unidad de medicin = 0.01, 3.320 - .025 =
3.295
3.495 + .05 =
3.545
luego 0.005 ser la demarcacin 3.295 + .05 =
3.345
3.545 + .05 =
3.595
Propiedad privada, prohibida su reproduccin.
SER CAPACITACIN
3.345 + .05 =
3.395
3.595 + .05 =
3.645
3.445 + .05 =
3.495
3.645 + .05 =
3.695

CEP Introduccin.
Capitulo 1
de los valores de frontera entre las clases, considerando esto, se divide el intervalo de clase
entre dos y se resta al valor de X 1, donde iniciaran las fronteras de cada clase, as los
valores de frontera de las clases para nuestro histograma sern:
6. Ahora, elaboraremos una tabla de frecuencias, distribuyendo los datos dentro de las clases,
colocando una marca en para cada valor encontrado en la clase correspondiente, como
sigue:
Clase
No
1
2
3
4
5
6
7
8

Fronteras
de clase
3.295 - 3.345
3.345 - 3.395
3.395 - 3.445
3.445 - 3.495
3.495 - 3.545
3.545 - 3.595
3.595 - 3.645
3.645 - 3.695

Valor
Medio
3.32
3.37
3.42
3.47
3.52
3.57
3.62
3.67

Marcas de Frecuencia

Frecuencia

////
////
//// ////
//// //// //// //// //// //// /
//// //// //
////
///
//
n = 70

4
4
9
31
12
5
3
2

7. Las marcas de frecuencia, nos sugieren la distribucin de los datos, nuestro siguiente paso
ser elaborar el histograma, para lo cual, se trazan dos lneas perpendiculares entre si, se
coloca en la lnea horizontal a las clases y en la vertical, a las frecuencias de clase; como se
muestra en la figura siguiente:

Histograma
35
30
25
20
15
10
5
0
3.32

3.37

3.42

3.47

Propiedad privada, prohibida su reproduccin.

3.52

3.57

3.62

3.67
SER CAPACITACIN

CEP Introduccin.

Capitulo 1

El histograma nos muestra claramente la distribucin de las frecuencias. Ya que un

histograma es un grfico con barras, recibe tambin dicho nombre, (grfico de barras).
Cada barra es llamada clase, el ancho de la barra se llama intervalo de clase. Los valores
numricos que corresponden a las fronteras de las barras, se han llamado fronteras de
clase, el valor medio de la clase es conocido como valor representativo o valor medio.
La preguntas que podemos contestar del trazado de un histograma pueden ser la
siguientes: Que tan grande es la dispersin?, Se tiene una distribucin simtrica o los
datos estn sesgados?, Cuantos picos tiene?, Hay barras aisladas?; En otras palabras,
cuales son las caractersticas del producto; elaborar histogramas de la caracterstica en
diferentes intervalos de tiempo, mostrara si el proceso es estable y/o capaz.
Del histograma que hicimos, podemos sacar las siguientes conclusiones:
La mayora de las barras tienen una longitud que en el rango de 3.395 a 3.545, el
nmero de barras fuera de este rango, son mas cortas o mas largas pero en menor
cantidad, la distribucin de las longitudes es simtrica y la dispersin se haya de 3.32 a
3.67; no hay datos aislados ni anormales; al parecer el proceso es estable, requerimos mas
histogramas para confirmar esto, adems se requiere conocer las especificaciones para
determinar si el proceso, es capaz.
En la naturaleza de los procesos, pueden hallarse otras formas de distribucin, la
mas general y estudiada de todas es la distribucin normal, que es similar a la que
encontramos en el proceso que analizamos. Es necesario tener una idea clara de cual es la
distribucin del proceso que estemos estudiando para no caer en errores durante la
interpretacin de los datos; adelante mostramos algunas de la distribuciones comunes...
Estudie las siguientes distribuciones y trate de interpretarlas, contestndose las siguientes
preguntas:
Cumple la distribucin con las especificaciones?
Si es que se necesita, que accin considera apropiado tomar?

Distribucin sesgada a la
Distribucin simtrica
derecha
(Normal).
________________________ ________________________

Distribucin sesgada a
________________________
la izquierda

________________________

________________________

________________________

________________________

________________________

________________________

Propiedad privada, prohibida su reproduccin.

Distribucin punteada o
Leptokurtica

SER CAPACITACIN

Distribucin aplanada o
Platokurtica

CEP Introduccin.

Capitulo 1

Distribucin bimodal
________________________

________________________

________________________

________________________

________________________

________________________

________________________ ________________________ ________________________

Cada distribucin tiene caractersticas propias y se origina por diversas circunstancias. Las
distribuciones mas empleadas y por ende las mas estudiadas son la Hipergeomtrica, la Normal,
La Binomial, La de Poisson, y La Weibull; el estudio de estas, profundiza mas en la matemtica
estadstica y queda fuera del alcance de este curso, Independientemente de ello, anexamos aqu
algunas de ellas con las frmulas que las describen y un comentario sobre su aplicacin. Para
aquellas personas que deseen profundizar mas, se les recomiendan los siguientes libros: Control
Estadstico de la Calidad de Grant y Leavenworth; CECSA, Estadstica de Spiegel, serie
Shaum y Elementary Statistics de Triola, Addison Wesley ...
Funciones de probabilidad mas comunes.
Distribucin
Forma
Funcin de Probabilidad
Aplicacin/Comentarios
Normal

(X -

y=

= Media
= Desviacin Estndar

Exponencial

=1

1 e

y=

Weibull

2 2

y =

(X

= Parmetro de escala.

=1

= 2 = Parmetro de perfil.

= Parmetro de localizacin.

Binomial *

p= 0.1 x p= 0.3

y=

pr qn-r

r! (n-r)!

n = nmero de Pruebas.
r = nmero de Ocurrencias.
p = Probabilidad de ocurrencia.
q = 1- p

r
Poisson *

n!

p= 0.5

p= 0.1 p= 0.3

p= 0.5

y=

Propiedad privada, prohibida su reproduccin.

(np)r e-np
r!

Aplicable cuando hay gran concentracin

de valores alrededor del promedio y la
probabilidad de observaciones arriba o
debajo del mismo son iguales. Toda
distribucin tiende a semejarse a la
normal, por ende, esta es la distribucin
mas empleada de todas.
Se aplica cuando se estima que mas
observaciones se encontraran por debajo del
promedio que por encima del mismo; por
ejemplo en la estimacin de la distribucin de
fallas en equipos complejos o la dispersin de
cargas en estructuras.
Aplicable para describir una amplia variedad
de distribuciones de la variacin, incluyendo
desviaciones de la normal y la exponencial.
Es muy empleada para determinar que
distribucin se ajusta mejor a la distribucin
bajo estudio.
Define la probabilidad de r ocurrencias en n
pruebas de un evento con probabilidad de
ocurrencia p constante en cada prueba, en
general, se considera p=constante, si N>10n

Igual que la binomial, pero particularmente

aplicable, cuando hay varias oportunidades de
SER CAPACITACIN

CEP Introduccin.

Capitulo 1
ocurrencia de un evento pero baja
probabilidad, (<0.10) en cada prueba
Esto puede escribirse as: n>15, N>10n y
p<0.1

n = nmero de Pruebas.
r = nmero de Ocurrencias.
p = Probabilidad de ocurrencia.

y=

p alta

Binomial
negativa *

p= 0.5

pr qs

Se utiliza para definir la probabilidad de que r

ocurrencias necesitaran un total de r + s
pruebas de un evento que tenga probabilidad
de ocurrencia p constante en cada prueba.
(Observe, que el nmero total de pruebas n es
r +s)

(r -1)! s!

r = nmero de Ocurrencias.
s = Diferencia entre nmero de
pruebas y nmero de ocurrencias.
p = Probabilidad de ocurrencia.

q = 1-p

s
d/N baja

Hipergeomtrica
*

(r + s -1)!

Define la probabilidad exacta de r ocurrencias

en n pruebas de un evento cuando en total hay
d ocurrencias en una poblacin N. Esta distribucin de probabilidad, es apropiada cuando
se toman muestras independientes, pero la
probabilidad de ocurrencia cambia debido a la
disminucin del lote por el muestreo. Muy til
en lotes pequeos.

( )( )
y=
(Nn)
d
r

N-d
n-r

* Estas son distribuciones discretas; las curvas se presentan como continuas, solo para facilitar su
comparacin con las distribuciones continuas.
Ejercicio:
Trace un histograma con los datos de la tabla abajo:
Dimetros de 60 cojinetes de bolas
Xs
0.738

0.729

0.743

0.740

0.736

0.741

0.735

0.731

0.726

0.737

0.728

0.737

0.736

0.735

0.724

0.733

0.742

0.736

0.739

0.735

0.745

0.736

0.742

0.740

0.728

0.738

0.725

0.733

0.734

0.732

0.733

0.730

0.732

0.730

0.739

0.734

0.738

0.739

0.727

0.735

0.735

0.732

0.735

0.727

0.734

0.732

0.736

0.741

0.736

0.744

0.732

0.737

0.731

0.746

0.735

0.735

0.729

0.734

0.730

0.740

Propiedad privada, prohibida su reproduccin.

Xi

SER CAPACITACIN

CEP Introduccin.

Capitulo 1

Que forma tiene la distribucin?___________________________________________________

_____________________________________________________________________________
Dentro de que rango se encuentra la mayora de los datos?______________________________
_____________________________________________________________________________
Cual es la dispersin de los datos?_________________________________________________
_____________________________________________________________________________
Que necesita para determinar si el proceso es estable y capaz?___________________________
_____________________________________________________________________________

El diagrama de recorrido.
En un diagrama de recorrido, los datos se grafican en el orden en que se obtienen durante
la produccin, en el es posible observar tendencias y distribuciones de los procesos y ajustes
menores a los mismos. Un diagrama de recorrido, no tiene lmites de control y se emplea
principalmente para analizar los datos antes de la implantacin de un sistema de control
estadstico. Se recomienda elaborar el diagrama de recorrido, como un primer paso para el anlisis
de datos, sin el, otras herramientas de anlisis, tales como la media, la desviacin estndar y el
histograma, pueden conducir a conclusiones equivocadas.
Elabore el diagrama
de recorrido de los
datos de la tabla.

Lote Muestra
A
B
C
D
E
F

1
29
31
35
34
36
36

2
32
36
37
35
37
38

3
32
32
34
37
35
40

4
30
35
38
32
34
41

5
31
33
32
36
38
37

6
32
31
32
38
35
38

7
33
34
35
34
36
42

8
29
35
33
39
40
39

A continuacin se muestra el diagrama de recorrido obtenido.

40

35

30

Propiedad privada, prohibida su reproduccin.

25

SER CAPACITACIN

CEP Introduccin.

Capitulo 1

Tiempo----> Lotes
Entre las conclusiones que podemos sacar de la elaboracin del diagrama, esta la tendencia
que se tiene en los datos a incrementarse, de lote a lote y conforme pasa el tiempo. Un
conocimiento mas detallado del proceso, nos llevara a determinar el tipo de ajustes que se
necesitan para mantenerlo estable y capaz...

Tcnicas analticas. Medidas de tendencia central:

La Media. ( X )
Se ha denominado media, al promedio aritmtico de los datos, se representa por una x con
una barra sobre la misma, ( X ); esta es la medida mas utilizada de la tendencia central de un
conjunto de datos; existen tres mtodos para determinar su valor y son: Por datos desagrupados,
Por datos agrupados y por datos ponderados. Sin embargo para nuestro fin, solo veremos el
primero:
Para datos desagrupados:
X1, X2, ...Xn = Mediciones individuales

i=

n = Cantidad de mediciones

Xi

= 1
n

X1 + X2 + . . . +
n

= Xn

~ ).
La Mediana ( X
La mediana de un conjunto ordenado de datos, es el valor medio o la media aritmtica de
los dos valores medios.
Ejemplos:

Sean los nmeros: 3, 4, 4, 5, 6, 6, 7, 8, 8, 8, 10 su mediana ser 7.

Sean los nmeros: 3, 3, 5, 7, 11, 12, 14, 18 su mediana ser: (7 + 11) = 9

Geomtricamente, la mediana es el lugar de la abscisa, donde un histograma se divide e

dos partes de igual rea.

^)
La Moda.( X
La moda, es el valor que mas se repite en un conjunto de datos, la moda puede no existir e
incluso si existe, puede ser nica.
Propiedad privada, prohibida su reproduccin.

SER CAPACITACIN

CEP Introduccin.
Capitulo 1
Ejemplos:
El conjunto: 2, 2, 5, 7, 9, 9, 9, 10, 10, 11, 12, 18 tiene de moda 9 y es unimodal.
El conjunto: 3, 5, 8, 10, 12, 15, 16 no tiene moda.
El conjunto: 2, 3, 4, 4, 4, 5, 5, 7, 7, 7, 9 tiene dos modas 4 y 7 y por ende es
bimodal.
Relacin emprica entre media, mediana y moda.
Para distribuciones ligeramente sesgadas se puede utilizar la siguiente relacin emprica entre
media, mediana y moda:
Media - Moda = 3 (Media - Mediana)
En distribuciones simtricas o normales, la relacin entre ellas es: Media = Mediana = Moda
Existen otras medidas de la tendencia central, tales como la media geomtrica, la media
harmnica y la media cuadrtica, pero estas no se utilizan en el control de calidad.
Tcnicas analticas; Medidas de dispersin:
Estas tcnicas, se emplean para determinar, como los datos se distribuyen alrededor del
valor central; las medidas que aqu se discutirn son el rango, la desviacin estndar y la varianza.
Otras medidas, tales como la desviacin media y la desviacin quartilitica no son empleadas en
control de calidad y por lo mismo no se vern.
El Rango
El rango, es la medida de dispersin mas sencilla y fcil de calcular, se obtiene mediante la
diferencia entre los valores mayor y menor de una serie de observaciones o datos; simblicamente
puede expresarse por la formula:
R = Xs - Xi
La mayor desventaja del rango es su valor se ve influenciado por el tamao de la muestra,
a mayor tamao de muestra, mayor ser el rango.
La Desviacin Estndar.
La desviacin estndar es un valor numrico, dado en las mismas unidades que las
observaciones, y que mide la tendencia de la dispersin de los datos. Mientras mayor sea la
desviacin estndar, mayor ser la dispersin. En trminos simblicos, la formula para determinar
la desviacin estndar es:

n
S=

i=
1

(Xi - X )
n

Xi

Este estimador de la desviacin estndar, es adecuado para tamaos de muestra donde n

>30, cuando se emplean muestras de menor tamao, se multiplica el estimador anterior por
Propiedad privada, prohibida su reproduccin.

SER CAPACITACIN

CEP Introduccin.

Capitulo 1

n
n-1
La varianza, es el cuadrado de la desviacin estndar y por lo tanto viene dada por: S2
Sea s la media de una muestra tomada de n>30; se ha comprobado, que para
distribuciones normales, Xocurre con la siguiente distribucin:
X se encontrara el 68.26% de las veces dentro de s +/- S
X se encontrara el 95.44% de las veces dentro de s +/- 2S
X se encontrara el 99.74% de las veces dentro de s +/- 3S
Ejercicios:
Obtenga la media, la moda, la mediana, el rango, la desviacin estndar y la varianza de los
siguientes datos:
0.738

0.729

0.743

0.740

0.736

0.741

0.735

0.731

0.726

0.737

0.728

0.737

0.736

0.735

0.724

0.733

0.742

0.736

0.739

0.735

0.745

0.736

0.742

0.740

0.728

0.738

0.725

0.733

0.734

0.732

0.733

0.730

0.732

0.730

0.739

0.734

0.738

0.739

0.727

0.735

0.735

0.732

0.735

0.727

0.734

0.732

0.736

0.741

0.736

0.744

0.732 0.737 0.731 0.746 0.735 0.735 0.729 0.734 0.730

0.740
Media = _________________ Moda = _________________ Mediana = _______________

Rango = _______________ Desviacin estndar = _______________ Varianza = ____________

Propiedad privada, prohibida su reproduccin.

SER CAPACITACIN

CEP Introduccin.

Capitulo 1

Cont... Ejercicios.
Realice el diagrama de recorrido y despus dibuje el histograma de las 100 observaciones
dadas abajo obtenga de los mismos datos, la media, la moda, la mediana, el rango, la desviacin
estndar y la varianza, finalmente, anote sus conclusiones.
0.135
0.165
0.170
0.231
0.238
0.247
0.252
0.270
0.288
0.289

0.304
0.320
0.323
0.330
0.336
0.340
0.350
0.352
0.360
0.361

0.374
0.374
0.396
0.450
0.456
0.496
0.510
0.533
0.544
0.585

0.592
0.600
0.612
0.630
0.646
0.666
0.702
0.704
0.736
0.765

Propiedad privada, prohibida su reproduccin.

0.784
0.798
0.840
0.896
0.938
0.972
1.050
1.110
1.170
1.581

0.140
0.168
0.228
0.234
0.240
0.247
0.255
0.272
0.288
0.289

0.308
0.320
0.323
0.336
0.336
0.342
0.352
0.352
0.361
0.364

0.374
0.390
0.448
0.450
0.494
0.496
0.532
0.540
0.576
0.592

0.600
0.612
0.629
0.630
0.660
0.686
0.702
0.736
0.750
0.779

0.784
0.810
0.896
0.928
0.966
0.976
1.064
1.170
1.290
1.802

SER CAPACITACIN

CEP Introduccin.

Media = _________________

Capitulo 1

Moda = _________________

Mediana = _______________

Rango = _______________ Desviacin estndar = _______________ Varianza = ____________

Conteste las siguientes preguntas, puede consultar sus apuntes...
1.

Cual es el propsito del control estadstico de procesos? ____________________________

___________________________________________________
___________________________________________________
2.

Cual es la diferencia entre estable y capaz? _____________________________________

___________________________________________________
___________________________________________________
___________________________________________________
___________________________________________________
3.

Que es un dato? ____________________________________________________________

___________________________________________________
4.

Cual es la diferencia entre variable y atributo?____________________________________

___________________________________________________
___________________________________________________
5.

Que informacin podemos obtener de un histograma? ______________________________

___________________________________________________
___________________________________________________
6.

Cuales son sus componentes y para que se utiliza el diagrama de recorrido? ____________

___________________________________________________
___________________________________________________
7.

Cuales son las medidas de la tendencia central y cuales sus diferencias? _______________

___________________________________________________
___________________________________________________
8.

Cuales son las medidas de la variacin? _________________________________________

___________________________________________________
Propiedad privada, prohibida su reproduccin.

SER CAPACITACIN

CEP Introduccin.

Capitulo 1

___________________________________________________
9.

Cual son las caractersticas de la curva normal? ___________________________________

___________________________________________________
Hoja para anotaciones y/o clculos.

Propiedad privada, prohibida su reproduccin.

SER CAPACITACIN

CEP Introduccin.

Propiedad privada, prohibida su reproduccin.

Capitulo 1

SER CAPACITACIN