Estadstica Descriptiva: Calidad y la Variabilidad

Es

La

necesario evaluar la calidad de un producto, es decir, el grado con el cual cumple los requerimientos del cliente (organizacin o persona que recibe el producto), para ello se debe tomar en cuenta la variabilidad.
Debido

a que en un proceso interactan materiales, mquinas, mano o mente de obra (gente), mediciones, medio ambiente y mtodos.
Estos

seis elementos, las 6 M, determinan de manera global todo el proceso, y cada uno aporta parte de la variabilidad (y de la calidad) de los resultados del proceso.

LA VARIABILIDAD Y PENSAMIENTO ESTADISTICO

El

EL

resultado de todo proceso se debe a la accin conjunta de las 6M, por lo que si hay algn cambio significativo en el desempeo del proceso sea accidental u ocasionado, la razn de tal cambio se encuentra en una o ms de las 6M.
En

un proceso, cada una de las 6M tiene y aporta su propia variacin; por ejemplo, los materiales no son idnticos, ni toda la gente tiene las mismas habilidades y entrenamiento.
Pero

adems, a travs del tiempo, ocurren cambios frecuentes en las 6M, como la llegada de un lote de material no adecuado o con caractersticas especiales, descuidos u olvidos, desajustes y desgastes de mquinas y herramientas, etc.

LA VARIABILIDAD Y PENSAMIENTO ESTADISTICO

En

EL

los esfuerzos permanentes que hoy en da es necesario realizar para mejorar la calidad y la productividad de un proceso, resulta indispensable apoyarse en las tcnicas y el pensamiento estadstico, ya que proporcionan metodologas que facilitan la planeacin, el anlisis y la toma de decisiones.
Esto

tiene ms relevancia si se toma en cuenta que hoy en da abundan los datos y cifras, pero en ocasiones escases la informacin. Por ello, es necesario entender y aprovechar la gran cantidad de cifras y datos.

LA VARIABILIDAD Y PENSAMIENTO ESTADISTICO

En

EL

la mejora continua, las tcnicas estadsticas son de gran importancia en todo tipo de empresas y en una gran diversidad de situaciones, por ejemplo son tiles para:
Identificar

dnde, cmo, cundo y con qu frecuencia se presentan los problemas (regularidad estadstica).
Analizar

de manera lgica, sistemtica y ordenada la bsqueda de mejoras.

Enfocarse

a los hechos vitales; es decir, a los problemas y causas realmente importantes.

TIPOS DE VARIABLES
En

un primer nivel de clasificacin las variables pueden ser cualitativas o cuantitativas. Las variables cualitativas, nominales o de atributos, son aquellas en donde las caractersticas que se estudian no son numricas. Por ejemplo, tipo de producto, el producto est armado o no, nombre de los clientes, etc.
Mientras

que las variables cuantitativas son aquellas cuyas caractersticas pueden registrarse numricamente. Por ejemplo, peso de un lote, nmero de clientes atendidos, nmero de productos defectuosos.

TIPOS DE VARIABLES
Las

variables cuantitativas se clasifican como discretas o continuas. Las discretas slo pueden adquirir ciertos valores y casi siempre hay brechas entre esos valores. Por ejemplo: nmero de clientes atendidos (0,1,2,3,,etc.), nmero de artculos defectuosos por lote, nmero de quejas, nmero de servicios de mantenimiento.
Por

su parte, las variables continuas pueden tomar cualquiera valor dentro de un intervalo especifico. Por ejemplo, el tiempo en que un cliente es atendido.
Por

otro lado, como ya se dijo, en un proceso hay variables de salida y de entrada. Las de salida (caractersticas de calidad, o variables de respuesta, las Y), son las variables en las que se reflejan los resultados obtenidos por el proceso.

TIPOS DE VARIABLES
A

travs de los valores que toman estas variables se evala la eficacia del proceso. Por lo general, son caractersticas de la calidad del producto que se obtiene con el proceso, as como variables objetivo de un proceso; en ocasiones tambin se les conoce como variables de respuesta o variables dependientes.
Por

lo general, las variables de salida tienen especificaciones o tolerancias, ya que los valores que deben tomar generalmente estn delimitadas o acotadas.
Existen

tres tipos de variables de salida o caractersticas de calidad, de acuerdo al tipo de especificaciones que deben cumplir:

TIPOS DE VARIABLES
Entre

ms pequea mejor. Son variables o caractersticas de calidad cuya nica exigencia es que no exceda un cierto valor mximo tolerado o una especificacin superior (ES), y entre ms pequeo sea su valor es mejor. Por ejemplo, el porcentaje de impurezas en una sustancia o la cantidad de sustancias txicas en un producto alimenticio.
Entre

ms grande mejor. Son variables o caractersticas de calidad a las que se les exige que sean mayores que un valor mnimo o que una cierta especificacin inferior (EI), y entre ms grande sea el valor de la variable es mejor. Por ejemplo, la resistencia de una pieza de plstico inyectado o la blancura de una tela de color blanco.

TIPOS DE VARIABLES
Valor

nominal es el mejor. Variables que deben tener un valor especifico, y que por lo tanto, no deben ser menores que una especificacin inferior (EI), pero tampoco mayores que una superior (ES). Ejemplo de este tipo de caractersticas de calidad con doble especificacin son el dimetro interior de una tuerca.
Por

su parte, las variables de entrada del proceso (las X), por lo general definen las condiciones de operacin del proceso, y del valor de ellas dependen la eficacia del proceso.
Pueden

ser las variables de control del proceso, tales como temperatura, velocidad, presin, cantidad y/o caractersticas de algn insumo o material, etc.

TIPOS DE VARIABLES
Pero

tambin, bajo ciertas condiciones, entre las variables de entrada se consideran a aquellas que aunque normalmente no estn controladas, influyen en los resultados de un proceso, como la humedad relativa en el medio ambiente, la habilidad de un operario, el mtodo de trabajo, etc.

MEDIDAS DE TENDENCIA CENTRAL

Son

medidas estadsticas que se usan para describir como se puede resumir la localizacin de los datos. Ubican e identifican el punto alrededor del cual se centran los datos. Las medidas de tendencia central nos indican hacia donde se inclinan o se agrupan ms los datos. Las ms utilizadas son: la media, la mediana y la moda.

MEDIDAS DE TENDENCIA CENTRAL

MEDIA

MEDIANA

MODA

LA MEDIA

La media o media aritmtica, usualmente se le llama promedio. Se obtiene sumando todos los valores de los datos y dividiendo el resultado entre la cantidad de datos. Si los datos proceden de una muestra, el promedio se representa con X. Si los datos proceden de la poblacin, se utiliza la letra griega .

CONTINUACIN

La frmula matemtica para calcular la media o promedio es la siguiente:

x
N
donde;

X = promedio = signo de sumatoria N = numero de datos

Veamos como se emplea la media o promedio con el siguiente ejemplo:

EJEMPLO
A continuacin se presenta una muestra de las puntuaciones en un examen de un curso de estadstica: 70 90 95 74 58 70 98 72 75 85 95 74 80 85 90 65 90 75 90 69 Podemos calcular el promedio de las puntuaciones para conocer cuntos estudiantes obtuvieron puntuaciones por encima y por debajo del promedio . Veamos

CONTINUACIN

Primero, sumamos todos los valores de los datos y el resultado lo divide entre el total de datos o tamao de la muestra. Al sumar todas las puntuaciones en el ejemplo anterior obtendrs un total de 1600, que dividido por 20(total de datos), es igual a 80. Si empleamos la frmula obtenemos:

x x N

1600 x 80 20

LA MEDIANA

La segunda medida de tendencia central que analizaremos es la mediana, en ocasiones se le llama media posicional, porque queda exactamente en la mitad de un grupo de datos, luego de que los datos se han colocado de forma ordenada. En este caso la mitad (50%) de los datos estar por encima de la mediana y la otra mitad (50%) estar por debajo de ella. La mediana es el valor intermedio cuando los valores de los datos se han ordenado.

CONTINUACIN

Existen dos formas para obtener la mediana. Primero, si la cantidad de los datos es impar, la mediana es el valor que se encuentra en la posicin (n+1)2 donde, n es el nmero de datos. Por ejemplo, se tiene una muestra de tamao 5 con los siguientes valores: 46, 54, 42, 48 y 32. Veamos como se determina la mediana.

PASOS PARA CALCULAR LA MEDIANA

Primer paso, ordenar los datos: 32 42 46 48 54 Como la cantidad de datos es impar (5 datos), la mediana es el valor del dato que se encuentra ubicado en la posicin (5+1)2=3, la mediana es 46. Segundo, si la cantidad de datos es par, la mediana es el valor promedio de los datos que se encuentran en las posiciones (n2) y (n2) + 1. Veamos el siguiente ejemplo:

EJEMPLO

Se ha obtenido una muestra con los valores de datos: 27, 25, 27, 30, 20 y 26. cmo se determina la mediana en este caso?. Primer paso, ordenar los datos de forma ascendente: 20 25 26 27 27 30 Como el nmero de datos es par (6), la mediana es el promedio de los datos que se encuentran en las posiciones (62) = 3 y (62) +1 = 4. por lo tanto la mediana es:

26 27 = 2

26.5

LA MODA
La moda es el dato que ms se repite o el dato que ocurre con mayor frecuencia. En el ejemplo anterior la moda es el . 27 Un grupo de datos puede tener ms de una moda. Veamos el siguiente ejemplo: se tiene una muestra con valores 20, 23, 20, 24, 25, 25, 26 y 30. El 20 y 25 son la moda entonces, se dice que es bimodal.

MEDIDAS DE TENDENCIA CENTRAL

Cuando

en un grupo de datos hay algunos valores bastante diferenciados del resto, ya sean muy pequeos o bien muy grandes, entonces la media no es una buena medida de tendencia central, ya que a sta la jalan los datos raros.
Por

ejemplo, en el caso de los sueldos de los trabajadores suponga que en esa rea hay un trabajador ms que gana 7600 pesos por mes, con lo que ahora los sueldos son:
800, En

1000,1100,1100,1300,1500,1600 y 7600.

este caso la media es 2000. Resulta evidente que el 2000 no refleja la tendencia central de los sueldos, ya que un slo trabajador gana ms que la media.

MEDIDAS DE TENDENCIA CENTRAL

En

estos casos la mediana es mejor medida de tendencia central, ya que no es afectada por datos raros.
Por

ejemplo, en el caso de los trabajadores, cuando uno gana mucho ms que el resto, la mediana es 1200. Este valor si refleja la tendencia central de la mayoria de los sueldos.
De

lo anterior se desprende que, para describir la tendencia central de los datos, es importante apoyarse tanto en la media como en la mediana.

MEDIDAS DE DISPERSIN O VARIABILIDAD

Cuando

se tiene un conjunto de datos y se desea saber lo disperso que estn entre s o qu tan esparcidos estn respecto a su tendencia central, entonces se utilizan las medidas de variabilidad.
La

medida ms usual de este tipo es la desviacin estndar muestral, que est definida por:

MEDIDAS DE DISPERSION O VARIABILIDAD

Donde

X1, X2,..,Xn, son las observaciones numricas de la muestra.

S

mide la dispersin de los datos en torno a la media, y entre ms grande sea el valor de S mayor variabilidad habr en los datos y, por ende, ms mala calidad.
La

desviacin estndar est expresada en las mismas unidades de medicin (gramos, centmetros) que los datos muestrales.
El

cuadrado de S, S2, se conoce como varianza muestral.

MEDIDAS DE DISPERSION O VARIABILIDAD

La

desviacin estndar no refleja la magnitud de los datos, slo refleja lo retirado que estn los datos de la media.
Si

para calcular la desviacin estndar se utilizan todos los elementos de la poblacin, entonces se obtiene la desviacin estndar poblacional y se denota por la letra griega .
Otra

medida de dispersin es el rango, R, que es igual a la diferencia entre el dato mayor y el dato menor de la muestra. El rango mide la amplitud de la variacin de un grupo de datos. El rango tambin es independiente de la magnitud de los datos.

HISTOGRAMA Y TABLA DE FRECUENCIAS

El

Histograma es una grfica de barras que permite describir el comportamiento de un conjunto de datos en cuanto a su tendencia central, forma y dispersin.
El

histograma hace posible que de un vistazo se pueda tener una idea objetiva sobre la calidad de un producto, el desempeo de un proceso o el impacto de una accin de mejora.
La

correcta utilizacin del histograma permite tomar decisiones no slo con base en la media, sino tambin por medio de la dispersin y formas especiales de comportamiento de los datos.

Histograma
Este tipo de grfico se utiliza para representar variables continuas o cuantitativas discretas tabuladas en intervalos.

Histograma 80

Frecuencia absoluta

60

40

20

Pes o al nacer (k)

CONSTRUCCION DE UN HISTOGRAMA
Aun

cuando la mayora de los software estadstico proporcionan de manera automtica el histograma, a continuacin, mediante un ejemplo, se ilustra la construccin de un histograma a fin de profundizar en la comprensin del mismo. Paso 1: Determinar el rango de los datos. El rango es igual a la diferencia entre el dato mximo y el mnimo. Paso 2: Obtener el nmero de clases (NC). Existen varios criterios para determinar el nmero de clases (o barras). Sin embargo, ninguno de ellos es exacto. Se recomienda obtener de cinco a 15 clases, dependiendo de cmo estn los datos debe ser aproximadamente igual a la raz cuadrada del numero de datos.

CONSTRUCCION DE UN HISTOGRAMA
Paso 3. Establecer la longitud de clase (LC). La longitud de clase se establece de tal manera que el rango pueda ser cubierto en su totalidad por NC intervalos de igual magnitud. As, una forma directa de obtener la LC es dividiendo el rango entre el nmero de clases, LC=R/NC. Sin embargo, en ocasiones resulta ms conveniente ampliar un poco el rango para que el histograma tenga una cobertura ligeramente mayor a la observada en la muestra.

CONSTRUCCION DE UN HISTOGRAMA
Paso 4. Construir los intervalos de clase. Los intervalos de clase resultan de dividir el rango (original o ampliado) en NC intervalos de longitud cada uno. El punto inicial para la primera clase puede ser el dato mnimo si no se ampli el rango. Pero, s se amplio el rango, el punto inicial es un poco antes del mnimo. Para obtener la primera clase, se le suma al punto inicial la longitud de clase y as se obtiene el intervalo de la primera clase. Para obtener el intervalo de segunda clase, se toma el final de la primera clase como punto inicial y se le suma la longitud de clase, y as se sigue hasta completar todos los intervalos.

CONSTRUCCION DE UN HISTOGRAMA
Paso 5. Obtener la frecuencia de cada clase. Para obtener la frecuencia se cuentan los datos que caen en cada intervalo de clase. Cuando un dato coincide con el final de una clase y principio de la siguiente , entonces tal dato se incluye en esta ltima. Paso 6. Graficar el histograma. Se hace una grfica de barras en la que las bases de las barras sean los intervalos de clase y la altura sean las frecuencias de las clases.