2aa Estad1

CMI Centro de Metrologia e Instrumentao CMIP- Centro de Metrologia e Inovao em Processos
Estadstica Fundamental Aplicada a los Anlisis en Laboratorios
Ing. MSc. Daniel Hamburg Piekar

Colombia, 7 Noviembre a 7 de Diciembre de 2011
COPYRIGHT 2011 - Fundao CERTI
Estadstica Fundamental
Objetivos
Incerteza de Medio
Ttulo do Permitir el entendimiento de los conceptos fundamentales de Slide estadstica, con la intencin de sustentar el aprendizado de los conceptos bsicos de metrologa y control de calidad. Crear las bases para el desenvolvimento de clculos de incertidumbre de medicin y construccin de grficos de control.
Contenidos
1. 2. 3. 4. 5.
Estadstica descriptiva Probabilidad y distribuciones de probabilidad Ajuste de curvas Control estadstico de proceso Anlisis estadstico con Microsoft EXCEL
2
1. Estadstica descriptiva
1.1. Tratamiento de datos
1.2. Representacin grfica
1.3. Descriptores de posicin y dispersin
1.4. Aplicaciones prcticas y ejercicio
... Datos ... Datos ... Datos ... Datos ...
12,456 10,312 14,707 13,212 12,445 13,652 11,458 14,201 13,215 12,455 13,212 11,487 15,205 14,312 13,569 13,987 12,564 13,354 12,785 11,296 12,865 14,520 12,568 13,658 12,568 11,598 14,265 13,985 11,987 15,104 14,625 13,671 13,205 14,562 13,365 13,587 14,201 15,625 13,358 12,298 13,658 13,585 11,208 13,985 11,653 13,654 13,285 12,652 13,458 12,248 11,582 12,585 13,542 11,542 12,587
10,985 15,023 14,852 13,552 11,526 12,856 13,254 14,582 15,284 12,523 13,254
4
Tipos de datos
Obtenidas por medicin de la caracterstica de calidad bajo estudio; La proximidad de dos valores sucesivos est limitada slo por la resolucin del instrumento de medicin utilizado (idealmente son variables continuas); Presentan alto contenido de informacin; La evaluacin de conformidad con datos tipo variables requiere comparar los valores obtenidos con los lmites de especificacin.
Variables:
Ejemplos: masa, longitud, temperatura, fuerza, tensin, corriente, volumen, caudal ...
5
Atributos:
Describen el estado de caractersticas de calidad no mensurables o de las cuales slo importa el cumplimiento o no de la especificacin; Un atributo slo puede presentar dos estados: bueno o malo, conforme o no-conforme, est o no est, aceptable o no-aceptable ... Una variable puede dar origen a un atributo una vez que el dato ha sido comparado con la especificacin correspondiente; En control de calidad los atributos se procesan por conteo, dando origen a variables discretas (particularmente aquellas que slo presentan valores enteros);
Ejemplos de atributos puros: Presencia de golpes en fruta, burbujas en un parabrisas de auto, defectos en un recubrimiento cermico ...
6
Muestra y Poblacin
Poblacin o Universo
Muestra
Poblacin (Universo): Coleccin bien definida de objetos que se pretende estudiar. Ejemplos:
Muestra: Subconjunto de objetos pertenecientes a la poblacin bajo estudio, seleccionados en forma predefinida.
Ejemplos:
Todos los cermicos de un cierto tipo producidos durante un periodo definido;
El film de polietileno producido en el mes de Marzo por una determinada empresa o lnea de produccin;
Conjunto de baldosas cermicas extradas del proceso en grupos de 3 unidades cada 8h de produccin; Conjunto de los trozos de film de polietileno de 4 cm2 obtenidos cada 4 h de produccin en Marzo; Muestras de petrleo 1 dm3 obtenidas en cada pozo del yacimiento una vez por semana;
8
El volumen total de petrleo producido en un cierto yacimiento;
La ESTADISTICA es la ciencia que permite, a partir del estudio de una o ms muestras, conocer las propiedades correspondientes de la poblacin.
Todo valor calculado en base a la muestra se denomina estadstico. Un estadstico siempre difiere en una magnitud no conocida de su homlogo a nivel poblacin, llamado parmetro. Esta diferencia se denomina error de muestreo.
El valor mximo del error de muestreo puede estimarse con ayuda de la estadstica, siempre que la muestra obtenida sea aleatoria.
Una muestra es aleatoria cuando, dado el valor de la propiedad de inters en una o ms unidades extradas, no pueda predecirse el valor de la propiedad en la prxima unidad a extraer.
Recoleccin de datos:
Debe tener un propsito bien definido. Ejemplos:
Inspeccin de la calidad, orientada a definir acciones sobre el producto (inspeccin 100%, aceptacin por muestreo, muestreo on-line);
Inspeccin de la calidad, orientada a definir acciones sobre el proceso (CEP);
Recoleccin de datos para gestin preventiva de la calidad;
Anlisis de no-conformidades (causa-efecto) ...
Plan de (re)accin o de contingencia
Son 5W1Hs!
What? Who? Where? When? Why? How? Qu? Quin? Dnde? Cundo? Por qu? Cmo?
Plan de muestreo
10
Hojas de verificacin para la distribucin del proceso:
Se utilizan principalmente cuando se dispone de datos tipo variable;
Permiten tener una primera idea sobre la dispersin y valor de concentracin del proceso.
Marcas
5 10 15 20
Desvo
Frec
LIE
Ejemplo
83
Una cruz por cada evento

Total
1 2 4 6 9 11 8 7 3 2 1 1
LSE
-9 -8 -7 -6 -5 -4 -3 -2 -1 0 1 2 3 4 5 6 7 8 9
55
11
Grfico de puntos o dotplot
La herramienta grfica ms sencilla para estudiar la distribucin de los datos: informacin sobre la localizacin de los datos, su dispersin, valores extremos, etc.;
Util cuando el conjunto de datos es razonablemente pequeo o presenta pocos valores diferentes;
Cada observacin es representada con un punto encima del valor correspondiente en una escala horizontal. Cuando un valor ocurre ms de una vez, se repite el punto, apilndolo en direccin vertical.
N de o c u r r e n c ia s
16
14
12
10
2 329,5 329,6 329,7 329,8 329,9 330,0 330,1 330,2 330,3 330,4 330,5 330,6 330,7 330,8
12
Ejemplo:
Grfico de puntos de las temperaturas medidas en los Orings del motor cohete del transbordador espacial, presuntos causantes de la tragedia del Challenger en 1986 (resultados de ensayos posteriores, 36 determinaciones)
Temperaturas en C
84 49 61 40 83 67 45 66
70 69 80 58 68 60 67 72
73 70 57 63 70 78 52 67
53 67 75 61 70 81 76 79
75 76 58 31
30
40
50
60
70
80
Temperatura
13
Histograma
Permite visualizar la forma de la distribucin de una variable a partir de los valores obtenidos en una muestra de tamao adecuado (generalmente, no menor de 50 unidades);
Se lo dibuja en forma distinta, segn la variable bajo anlisis sea discreta o continua;
Para datos de una variable discreta se lo suele denominar diagrama de bastones o de barras;
Para datos de variable continua, se lo conoce directamente con el nombre de histograma;
En todos los casos, un histograma se se obtiene graficando las frecuencias absolutas o las frecuencias relativas:
Frecuencia absoluta es el nmero de veces que ocurre un evento determinado. Frecuencia relativa es el cociente entre la frecuencia absoluta y el tamao de la muestra (nmero de eventos posibles).
14
Construccin de histograma (variables continuas ):
Etapa 1:
Luego de recolectados los datos, identifique el valor mximo y el valor mnimo obtenidos en la muestra. Calcule a continuacin la diferencia entre ellos, denominada amplitud o rango:
Rango
Etapa 2:
= Valor mximo
- Valor
mnimo
Determine el intervalo de clase, de forma tal de obtener entre 5 y 20 clases de igual ancho cuya suma sea ligeramente mayor a la amplitud de los datos calculada en el punto anterior. Como ayuda, puede usarse la regla:
Etapa 3:
Nmero de clases =
nmero de datos
Determine los lmites de cada clase, de forma tal que el menor valor quede incluido en la primera clase y el mayor valor en la ltima clase. Por regla general, los limites de clase deben estar definidos con un decimal ms que los datos (para evitar que algunos datos caigan en los lmites de clase, generando ambigedades en la clasificacin).
15
Etapa 4:
Clasifique los datos por comparacin con los lmites de clase obtenidos en el punto anterior y calcule las frecuencias absolutas y relativas. Construya la tabla de frecuencias. Frecuencia absoluta Frecuencia relativa
Intervalo de valores de la variable
Contar las ocurrencias en el intervalo.
Dividir la frecuencia absoluta por el tamao de la muestra
Etapa 5:
Dibuje el histograma de la misma forma que se hace para variables discretas, pero trace los rectngulos de forma que se toquen entre s.
16
Ejemplo:
7,510; 7,525; 7,529; 7,538; 7,532; 7,522; 7,530; 7,519; 7,524; 7,527; 7,517; 7,522; 7,522; 7,510; 7,511; 7,519; 7,532; 7,543 7,527; 7,536; 7,506; 7,541; 7,512; 7,515; 7,521; 7,536 7,524; 7,529; 7,523; 7,523; 7,523; 7,519; 7,528; 7,543 7,518; 7,534; 7,520; 7,514; 7,512; 7,534; 7,526; 7,530 7,526; 7,523; 7,520; 7,535; 7,523; 7,526; 7,525; 7,532 7,502; 7,530; 7,522; 7,514; 7,533; 7,510; 7,542; 7,524 7,521; 7,522; 7,535; 7,540; 7,528; 7,525; 7,515; 7,520 7,526; 7,527; 7,522; 7,542; 7,540; 7,528; 7,531; 7,545 7,522; 7,520; 7,519; 7,519; 7,529; 7,522; 7,513; 7,518 7,511; 7,519; 7,531; 7,527; 7,529; 7,528; 7,519; 7,521
Resultados de 90 mediciones de pH en una solucin:
Etapa 1
Valor mximo en la muestra= 7,545 Valor mnimo en la muestra= 7,502 Rango= 7,545-7,502=0,043
nmero de clases = 90 = 9 . 48 9 clases
Etapa 2
intervalo de clase =
rango 0 ,043 = 0 ,005 9 9
17
Etapa 3
7 ,5005; 7,5255; 7,5305; 7,5355; 7,5405; 7,5455 7,5055; 7,5105; 7,5155; 7,5205;
Lmites de clase:
Etapa 4
Tabla de frecuencias absolutas y relativas

Intervalo de clase 7,5005 - 7,5055 7,5055 - 7,5105 7,5105 - 7,5155 7,5155 - 7,5205 7,5205 - 7,5255 7,5255 - 7,5305 7,5305 - 7,5355 7,5355 - 7,5405 7,5405 - 7,5455 1 4 9 14 22 (Moda) 19 10 5 6 Frecuencia absoluta Frecuencia relativa 0,0111 0,0444 0,1000 0,1555 0,2444 0,2111 0,1111 0,0555 0,0666
Clase N
18
Etapa 5
Frecuencia relativa
Frecuencia absoluta
0,25 0,20 0,15 0,10 0,05 0
22 20 18 16 14 12 10 8 6 4 2 0 1 2 3 4 5 6 7 8 9
clases
Observacin:
Para que el histograma cumpla adecuadamente el objetivo de poner en evidencia la distribucin de los datos, debe tener una adecuada relacin de aspecto. Se recomienda que la altura del rectngulo ms alto sea de 0.5 a 2.0 veces la distancia entre los valores mximo y mnimo en el eje horizontal.
19
Histogramas
Frecuencia da clase (%)
Intervalo de clase Punto medio de la clase
Frecuencia acumulada (%)
simple
acumulado
20
Diagrama de Pareto
La mayora de las prdidas de calidad se deben a algunos pocos tipos de defecto, que pueden ser atribuidos a una pequea cantidad de causas: se los denomina los pocos importantes o pocos vitales.
Fenmenos generalmente son influenciados por pocas causas dominantes y muchas causas secundarias.
Influncia
Causas A B C D E F Outras
21
Cmo construir un diagrama de Pareto:
Etapa 1: Definir el problema y el mtodo de anlisis
Decidir qu problemas deben investigarse (Ej: unidades noconformes, prdidas en valores monetarios, accidentes, etc.);
Decidir cules datos sern necesarios y cmo clasificarlos (Ej: por tipo de no-conformidad, ubicacin, proceso, mquina, operador, mtodo, otros);
Determinar el mtodo de recoleccin de datos y el perodo durante el cual se extiende la recoleccin.
Ejemplo:
Se desea identificar los pocos defectos vitales en elementos de polipropileno inyectado. Se producen habitualmente los siguientes tipos de defectos: fisuras, rayas, manchas, deformaciones, rayas profundas, porosidad y otros. Se planifica analizar visualmente 1000 piezas producidas en forma consecutiva.
22
Etapa 2: Crear una hoja de registro de datos
La hoja de registro de datos puede crearse para el caso especfico o puede usarse el modelo de hoja de verificacin para no-conformidades / atributos mltiples (pgina RD-20)
Etapa 3: Obtener y registrar los datos
Completar la hoja de registro (hoja de verificacin) creada en la etapa 2 y calcular los totales por tipo de defecto y el gran total.
F r e c u e n c ia //// //// / //// //// //// //// //// //// //// ... ... //// //// //// // //// //// //// //// //// //// //// //// S u b -to ta l 1 0 4 2 6 1 0 4 4 2 0 1 4 T o ta l 2 0 0
N o - c o n f o r m id a d
F is u r a R a ya M a n ch a D e f o r m a c i n R a y a p ro fu n d a P o r o s id a d O tro s
23
Etapa 4: Calcular totales acumulados y porcentajes
Calcular totales acumulados y porcentajes, registrndolos en una tabla de la siguiente forma:
Ordene los tipos de defecto en orden decreciente de cantidad (segunda columna);
El item otros debe quedar siempre ltimo, independientemente de la cantidad asociada;
Calcule la cantidad acumulada y los porcentajes que constan en las dos ltimas columnas de la tabla abajo.
Cantidad defectos Total acumulado Porcentaje del total (%) Porcentaje acumulado (%)
No-conformidad
Deformacin Raya Porosidad Fisura Mancha Raya profunda Otros

Total
104 42 20 10 6 4 14 200
104 146 166 176 182 186 200 -
52 21 10 5 3 2 7 100
52 73 83 88 91 93 100 -
24
Etapa 5: Construir el diagrama de Pareto

Curva acumulada
100 90 80 70 60 50 40 30 20 10 0
Raya Fisura Deformacin Porosidad Mancha Raya profunda Otros
Diagrama de barras
200
180
160
140
120
100
Cantidad de defectuosos
60
40
20
Porcentaje acumulada
25
80
Descriptores cuantitativos
Media de la muestra:
1 n x1 + x2 + x3 + .....+ xn x = xi = n i =1 n
Mediana
valor del medio de la distribucin. Si x1, x2, x3, ..., xn son ordenados de forma creciente, entonces la mediana corresponde al valor de la observao: 2 3 n +1 3 si n es impar 2 4 n n+2 5 media entre y si n es par 5 2 2 7
26
Medidas numricas de posicin:
Puede obtenerse una idea cualitativa de cul es la posicin del conjunto de datos a partir del anlisis del histograma o diagrama de barras.
Las denominadas medidas de posicin son la media, la mediana y los cuartiles y percentiles. Estas medidas proveen una estimacin cuantitativa, ms precisa y prctica para la toma de decisiones.
La media y la mediana son conocidas tambin como medidas de tendencia central, ya que indican sobre qu valor se concentran los datos.
Mnimo Mximo Cuartiles Percentiles
Media Mediana
Medidas de posicin
Medidas de tendencia central

27
Mnimo muestral Es el menor valor encontrado en la muestra min (x 1 , x 2 , ... x n )

min(
j
x
)
= 1 ... n
Mximo muestral Es el mayor valor encontrado en la muestra m ax (x 1 , x 2 , ... x n )

m ax ( x j ) j = 1 ... n
Media muestral
x x n
= 1
n
Es el promedio observaciones
=
1
(media
X
+ X
2
aritmtica)
+ ... + X
n
de
las
x
=1
sumatoria
Es recomendable expresar la media con un decimal ms que los datos;
El valor de la media es fuertemente influenciado por la presencia de outliers.

28
Mediana muestral
La mediana divide la muestra en dos partes iguales. Es el valor central del conjunto de datos una vez ordenado en forma creciente o decreciente.
Determinacin de la mediana:
1) Ordenar el conjunto de datos de menor a mayor (o de mayor a menor);
2) Si el tamao de la muestra (nmero de datos) es impar el valor de la mediana corresponde al valor del elemento central del conjunto ordenado:
~ x = valor elemento n + 1 2
3) Si el tamao de la muestra es par, el valor de la mediana se obtiene promediando los valores de los dos elementos centrales del conjunto ordenado:
1 n n valor elemento + valor elemento + 1 2 2 2
~ x =
Nota: La mediana resiste el efecto de outliers mejor que la media.

29
Ejemplo: Obtener media y mediana de los datos de pH utilizados en el

ejemplo de construccin de histograma.
x =
1 (7,510 + 7,517 + ... + 7,521) 90 x = 7,5247 1
n
Media:
x n j =1 j
x =
Mediana:
A partir del conjunto de datos ordenado de menor a mayor se calcula la mediana usando la frmula para tamao de muestra par (n=90)

n n ~ 1 x = valor elemento + valor elemento + 1 2 2 2
~ x = [valor elemento (45) + valor elemento (46)]
1 2 ~ 1 x = [7,524 + 7,524] 2 ~ = 7,524 x
30
Medidas numricas de dispersin o variabilidad:
Puede obtenerse una idea preliminar de la variabilidad de una caracterstica de calidad en una muestra a partir del anlisis de un diagrama de puntos o de un histograma.
Las denominadas medidas numricas de dispersin o variabilidad, tpicamente la amplitud o rango, el desvo estndar y el rango intercuartlico, proveen una estimacin cuantitativa, ms precisa y prctica para la toma de decisin. Es la diferencia entre el valor mximo y el valor mnimo de las n observaciones
Rango o amplitud de la muestra
R = max (x j ) min (x j
j = 1 ...n
El rango es la medida de dispersin de los datos ms simple de calcular;
Su principal problema es que slo depende de los valores extremos, despreciando la influencia de los restantes (n-2) valores;
El rango es poco confiable en presencia de outliers.

31
Desvo estndar de la muestra
Es una medida de dispersin o variabilidad que depende de la suma de las diferencias cuadradas de los valores de la muestra respecto de la media muestral.
x j x = 1,15 .
, x k x = 2.85
xi = 6
x k = 10
10 11
12
13
14
, x = 7.15
32
La expresin de clculo del desvo estndar muestral es:

2
s =
n 1 x x n 1 j =1 j
(
Suma de las diferencias cuadradas
La necesidad de trabajar con diferencias cuadradas proviene del hecho que la suma de diferencias es igual a cero debido a la definicin de la media muestral:
x = n
=1 =1
n n
xj j
(x j j
)=
Por la misma razn se usa (n-1) en lugar de n como divisor al calcular el desvo estndar. En trminos generales, una vez que se conocen (n-1) diferencias, el valor de la diferencia restante estar predeterminado. Entonces, n diferencias proporcionan informacin redundante sobre la variabilidad.
33
Varianza de la muestra:
2
La varianza es el desvo estndar elevado al cuadrado.
n 1 = x j n 1 j =1
(
x
La varianza est relacionada con la variabilidad de la muestra por ser el cuadrado del desvo estndar;
En rigor, no es una medida de la dispersin pues no est expresada en la unidad en que se miden los datos (Ejemplo, datos en m, varianza de los datos en m2).
Observacin a medidas de dispersin:
Si bien el desvo estndar es una medida ms representativa de la variabilidad en la muestra, es considerablemente ms difcil de calcular que el rango.
34
Ejemplo:
Obtener el rango, el desvo estndar y la varianza de los datos de pH utilizados en el ejemplo de construccin de histograma
Rango:
R = max (x j ) min (x j ) = 7,545 - 7,502 = 0,043
Desvo estndar:
n 1 x x n 1 1 j j=
s =
1 90 1 x1 x 1 (7 ,510 7 ,5247 89
(
x
)2 )2
)2
+ ... + (7 ,521 7 ,5247
s =
)2 + ... + (x 90
s =
)2 ]
s = 0 ,00 89
35
Varianza:
s 2 = 0 ,0089 2 = 0 ,00008
Marcando la media y el desvo estndar sobre el histograma construido con los datos: s s
x
= 7 , 5247
Frecuencia absoluta
Frecuencia relativa
0,25 0,20 0,15 0,10 0,05
7,5155
7,5205
7,5255
7,5305
7,5355
7,5005
7,5055
7,5105
7,5405
7,5455
22 20 18 16 14 12 10 8 6 4 2 0
36
Ejercicio 1: Estadstica Descriptiva
37
2. Probabilidad y distribuciones de probabilidad
2.1. Conceptos bsicos 2.2. Funcin de distribucin 2.3. Tipos de distribucin de probabilidad 2.4. Distribucin normal y anlisis de normalidad 2.5. Poblacin y muestra 2.6. Teorema del lmite central 2.7. Correlacin 2.8. Conceptos generales sobre Z-score, error normalizado y ANOVA.
38
Espacio muestral
Conjunto de todos los valores posibles de un experimento
(todos los valores que la muestra puede asumir)
ejemplos:
{ a, e, i, o, u }
puede ser finito o infinito
puede ser discreto o continuo
39
Probabilidad
Concepto clsico:
Si existen n posibilidades con las mismas chances de ocurrir, de las cuales s son clasificadas como favorables (o xito), entonces la probabilidad de xito es dada como s/n
Ejemplo: la probabilidad de obtener un nmero par al jugarse um dado honesto: Espacio muestral: {1, 2, 3, 4, 5, 6} Eventos favorables: {2, 4, 6} Probabilidad = s/n = 3/6 = 0,5 = 50%
40
n=6 s=3
Variables aleatorias
Son funciones definidas sobre los elementos de un espacio muestral.
ej: suma de dos dados, cotacin del Dlar, precipitacin diaria de lluvia en una ciudad, lmite de resistencia de una pieza, etc.
Pueden ser
discretas continuas
Convencin:
variables aleatorias: X, Y, ... (letras maysculas) valores posibles de las variables aleatorias: x, y, ... (minsculas)
41
Variables aleatorias discretas
La funcin que atribuye probabilidad a cada valor posible de una variable aleatoria discreta es denominada distribucin de probabilidad. f(x) = P(X = x) ejemplo:
dado honesto: f(x) = 1/6, para x=1, 2, 3, 4, 5 ou 6 cmo seria f(x) para la suma de dos dados?
Propiedades:
todosX
f ( x) 0
f ( x) = 1
42
Funcin de distribucin (acumulada)
La funcin de distribucin acumulada de una variable aleatoria X asocia a cada valor posible de X la probabilidad de ese valor ser menor o igual a x. Se denota F(x) = P(X x) ejemplo:
f(x)
1,00 0,50
F(x)
0,50
0,25
x
2 3 4 5 1 2 3 4 5
43
Media y varianza de uma distribucin calculada a partir de su distribucin de probabilidad
Media (o valor esperado)
=
todosx
x. f ( x) = E( x)
2
Varianza
=
2 todosx
(x ) . f (x)
44
Variables aleatorias continuas

f(x)
Asumen valores reales
f(x) = funcin densidad de probabilidad x a b

b
P( X = x) = 0
P(a X b) = f ( x) dx
a
45
Variables aleatorias continuas f(x)
Propiedades:
f ( x) 0, x
x a b
f (x)dx =1
P(a X b) = P(a < X b) = P(a X < b) = P(a < X < b)
46
Funcin probabilidad acumulada
La funcin probabilidad acumulada de una variable aleatoria X asocia a cada valor posible de X la probabilidad de ese valor ser menor o igual a x. Se denota F(x)
f(x)
x
F ( x) = P( X x) =
f ( )d
x a
1,00
b F(x)
d F ( x) = f ( x) dx
F(b) F(a)
P(a X b) = F (b) F (a)
x a b
47
Media y varianza de una VA continua
Media (o valor esperado)
= x f ( x)dx = E( x)
Varianza

2 = ( x )2 f ( x) dx = x2 f ( x) dx 2

48
Distribucin de probabilidad uniforme o rectangular
probabilidad
1.2 1 0.8 0.6 0.4 0.2 0 0 1 2
Probabilidade (1/6)
1/6
3 Valores
Lanzamiento de un dado
49
Distribucin de probabilidad triangular
probabilidad (1/36)
10
11
12
Suma de dos dados
50
Lanzamiento de un dado
1.2
0.8
0.6
Probabilidade (1/6)
0.4
0.2
0 1 2 3 Valores 4 5 6 7
51
Media de dos dados
P rob a b ilid ade (1/36)
0 1 2 3 4 M di a d e 2 d ado s 5 6 7
52
Media de tres dados
30
25
20
15
10
P r o bab ilid ade (1/2 16)
0 1 2 3 4 M di a d e 3 d ado s 5 6 7
53
Media de cuatro dados
16 0
14 0
12 0
10 0
80
60
P ro bab ilid a d e (1 /12 96)
40
20
0 1 2 3 4 M di a d e 4 d ado s 5 6 7
54
Media de seis dados
500 0
450 0
400 0
350 0
300 0
250 0
200 0
150 0
P ro ba bili dad e ( 1/ 466 56)
100 0
50 0 1 2 3 4 M di a d e 6 d ado s 5 6 7
55
Mdia de ocho dados
160000
140000
120000
100000
80000
60000
40000
Probabilidade (1/1679616)
20000 1 2 3 4 Mdia de 8 dados 5 6 7
56
Curva normal
= desvio estndar
puntos de inflexin
= media
asntota
asntota
57
Distribucin normal (o gaussiana)
Observada en el siglo XVIII: curva normal de errores

( x ) 2 2 2
1 f ( x) = e 2 < x < +
f(x)
Punto de inflexin
58
Distribucin normal (o gaussiana)

x ( )2 2 2
Funcin probabilidad acumulada:

1 F ( x) = 2
e
d
No pude ser integrada de forma explcita. Es calculada numericamente y tabulada.
Problema:
para cada valor de y seria necesario una tabla diferente! distribucin normal estndar
59
Solucin:
variable f(x) =2 =3
distribucin
X
0 f(y) 3 =0 =2 0 f(z) 3 =0 =1 0 3
60
Y = X 3
X 3 Z= 2

2aa Estad1

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

2aa Estad1

Transféré par

Droits d'auteur :

Formats disponibles

CMI Centro de Metrologia e Instrumentao CMIP- Centro de Metrologia e Inovao em Processos

Estadstica Fundamental Aplicada a los Anlisis en Laboratorios

Ing. MSc. Daniel Hamburg Piekar

COPYRIGHT 2011 - Fundao CERTI

COPYRIGHT 2011 - Fundao CERTI

1.1. Tratamiento de datos

1.2. Representacin grfica

1.3. Descriptores de posicin y dispersin

1.4. Aplicaciones prcticas y ejercicio

COPYRIGHT 2011 - Fundao CERTI

... Datos ... Datos ... Datos ... Datos ...

COPYRIGHT 2011 - Fundao CERTI

COPYRIGHT 2011 - Fundao CERTI

COPYRIGHT 2011 - Fundao CERTI

COPYRIGHT 2011 - Fundao CERTI

Todos los cermicos de un cierto tipo producidos durante un periodo definido;

El volumen total de petrleo producido en un cierto yacimiento;

COPYRIGHT 2011 - Fundao CERTI

COPYRIGHT 2011 - Fundao CERTI

Debe tener un propsito bien definido. Ejemplos:

Inspeccin de la calidad, orientada a definir acciones sobre el proceso (CEP);

Recoleccin de datos para gestin preventiva de la calidad;

Anlisis de no-conformidades (causa-efecto) ...

Plan de (re)accin o de contingencia

COPYRIGHT 2011 - Fundao CERTI

Hojas de verificacin para la distribucin del proceso:

Se utilizan principalmente cuando se dispone de datos tipo variable;

Una cruz por cada evento

COPYRIGHT 2011 - Fundao CERTI

Grfico de puntos o dotplot

COPYRIGHT 2011 - Fundao CERTI

COPYRIGHT 2011 - Fundao CERTI

Para datos de variable continua, se lo conoce directamente con el nombre de histograma;

COPYRIGHT 2011 - Fundao CERTI

Construccin de histograma (variables continuas ):

COPYRIGHT 2011 - Fundao CERTI

Intervalo de valores de la variable

Contar las ocurrencias en el intervalo.

Dividir la frecuencia absoluta por el tamao de la muestra

COPYRIGHT 2011 - Fundao CERTI

Resultados de 90 mediciones de pH en una solucin:

rango 0 ,043 = 0 ,005 9 9

COPYRIGHT 2011 - Fundao CERTI

Tabla de frecuencias absolutas y relativas

COPYRIGHT 2011 - Fundao CERTI

0,25 0,20 0,15 0,10 0,05 0

COPYRIGHT 2011 - Fundao CERTI

Frecuencia da clase (%)

Intervalo de clase Punto medio de la clase

COPYRIGHT 2011 - Fundao CERTI

Frecuencia acumulada (%)

COPYRIGHT 2011 - Fundao CERTI

Cmo construir un diagrama de Pareto:

Etapa 1: Definir el problema y el mtodo de anlisis

Determinar el mtodo de recoleccin de datos y el perodo durante el cual se extiende la recoleccin.

COPYRIGHT 2011 - Fundao CERTI

Etapa 2: Crear una hoja de registro de datos

Etapa 3: Obtener y registrar los datos

COPYRIGHT 2011 - Fundao CERTI

Etapa 4: Calcular totales acumulados y porcentajes

Calcular totales acumulados y porcentajes, registrndolos en una tabla de la siguiente forma:

Ordene los tipos de defecto en orden decreciente de cantidad (segunda columna);

El item otros debe quedar siempre ltimo, independientemente de la cantidad asociada;