Procesamiento datos para control estadistico procesos

2014
PROCESAMIENTO DATOS PARA
CONTROL ESTADISTICO PROCESOS
Ingeniero Civil Metalúrgico
Adriano Castillo Vega
Centro de Carreras Técnicas, Universidad de Antofagasta, Calama 2.014.

||Procesamiento datos para Control Estadístico Procesos
CCT, Sede Calama, 2014
Página 2
INDICE
ESTADÍSTICA DESCRIPTIVA........................................................................................................................ 4
INTRODUCCIÓN............................................................................................................................................... 4
¿Qué es la estadística? ................................................................................................................................ 4
¿Por qué estudiar estadística?................................................................................................................. 4
Definición de Estadística ........................................................................................................................... 5
Conceptos de Estadística........................................................................................................................... 5
Población........................................................................................................................................................ 5
Individuo......................................................................................................................................................... 5
Muestra ........................................................................................................................................................... 5
Muestreo......................................................................................................................................................... 5
Valor ................................................................................................................................................................. 5
Dato................................................................................................................................................................... 6
Tipos de variable estadísticas................................................................................................................. 6
Variable cualitativa ................................................................................................................................... 6
Variable cualitativa nominal ................................................................................................................ 6
Variable cualitativa ordinal o variable cuasicuantitativa ...................................................... 6
Variable cuantitativa ................................................................................................................................ 7
Variable discreta ........................................................................................................................................ 7
Variable continua....................................................................................................................................... 7
Distribución de frecuencias............................................................................................................................ 7
Tipos de frecuencias......................................................................................................................................... 7
Frecuencia absoluta...................................................................................................................................... 7
Frecuencia relativa......................................................................................................................................... 8
Frecuencia acumulada.................................................................................................................................. 8
Frecuencia relativa acumulada.................................................................................................................. 8
Distribución de frecuencias agrupadas...................................................................................................... 9
Límites de la clase ......................................................................................................................................... 9
Amplitud de la clase................................................................................................................................... 10
Marca de clase.............................................................................................................................................. 10
Construcción de una tabla de datos agrupados.................................................................................... 10

Página 3
Diagrama de barras .................................................................................................................................... 11
Polígonos de frecuencia ................................................................................................................................ 12
Diagrama de sectores..................................................................................................................................... 13
Histograma...................................................................................................................................................... 15
Polígono de frecuencia .................................................................................................................................. 15
Histograma y polígono de frecuencias acumuladas............................................................................. 17
Histogramas con intervalos de amplitud diferente .............................................................................. 17
Tipos de parámetros estadísticos.............................................................................................................. 18
Medidas de centralización........................................................................................................................ 19
Medidas de posición................................................................................................................................... 19
Medidas de dispersión............................................................................................................................... 19
Puntuaciones típicas....................................................................................................................................... 20
Puntuaciones diferenciales....................................................................................................................... 20
Puntuaciones típicas................................................................................................................................... 21
Observaciones sobre puntuaciones típicas......................................................................................... 21
Distribución normal.................................................................................................................................... 22
Variable aleatoria de la distribución normal....................................................................................... 22
Curva de la distribución normal ............................................................................................................. 22

Página 4
ESTADÍSTICA DESCRIPTIVA
INTRODUCCIÓN
¿Qué es la estadística?
ESTADÍSTICA es el arte de realizar inferencias y sacar conclusiones a partir de
datos imperfectos. Los datos son generalmente imperfectos en el sentido que
aún cuando posean información útil no nos cuentan la historia completa. Es
necesario contar con métodos que nos permitan extraer información a partir de
los datos observados para comprender mejor las situaciones que los mismos
representan.
Algunas técnicas de análisis de datos son sorprendentemente simples de
aprender y usar más allá del hecho que la teoría matemática que las sustentan
puede ser muy compleja. Todos, aún los estadísticos, tenemos problemas al
enfrentarnos con listados de datos. Existen muchos métodos estadísticos cuyo
propósito es ayudarnos a poner de manifiesto las características sobresalientes
e interesantes de nuestros datos que pueden ser usados en casi todas las áreas
del conocimiento.
Los métodos estadísticos pueden y deberían ser usados en todas las etapas de
una investigación, desde el comienzo hasta el final.
Existe el convencimiento de que la estadística trata con el ANÁLISIS DE DATO S
(quizás porque esta es la contribución más visible de la estadística), pero est e
punto de vista excluye aspectos vitales relacionados con
el DISEÑO DE LAS INVESTIGACIONES. Es importante tomar conciencia que la
elección del método de análisis para un problema, se basa tanto en el tipo de
datos disponibles como en la forma en que fueron recolectados.
¿Por qué estudiar estadística?
Porque los datos estadísticos y las conclusiones obtenidas aplicando
metodología estadística ejercen una profunda influencia en casi todos los
campos de la actividad humana. En particular, la estadística invade cada vez
más cualquier investigación relativa a salud pública. Este crecimiento,
probablemente relacionado con el interés por aumentar la credibilidad y
confiabilidad de las investigaciones, no garantiza que en t odos los casos la
metodología estadística haya sido correctamente utilizada, o peor aún, que se a
válida.
¿Por qué debe preocuparnos la aplicación incorrecta de métodos estadísticos en
un trabajo
científico o en un informe técnico?
- Porque las conclusiones pueden ser incorrectas.
- Porque no todos los lectores están en condiciones de detectar el error, y est o
genera un importante “ruido” en la bibliografía científica (Aunque este
argumento tiende a sobredimensionar la importancia de un paper, existe
considerable evidencia que los lectores sin formación metodológica tienden a
aceptar como válidas las conclusiones de los trabajos publicados, en especial si
se encuentran publicados en revistas prestigiosas).

Página 5
De finición de Estadística
La Estadística trata del recuento, ordenación y clasificación de los datos
obtenidos por las observaciones, para poder hacer comparaciones y sacar
conclusiones.
Un estudio estadístico consta de las siguientes fases:
Recogida de datos.
Organización y representación de datos.
Análisis de datos.
Obtención de conclusiones.
Conce ptos de Estadística
Población
Una población es el conjunto de todos los elementos a los que se somete
a un estudio estadístico.
Individuo
Un individuo o unidad estadística es cada uno de los elementos que
componen la población.
Mue str a
Una muestra es un conjunto representativo de la población de referencia,
el número de individuos de una muestra es menor que el de la población.
Mue str e o
El muestreo es la reunión de datos que se desea estudiar, obtenidos de
una proporción reducida y representativa de la población.
Valor
Un valor es cada uno de los distintos resultados que se pueden obtener en
un estudio estadístico. Si lanzamos una moneda al aire 5 veces obtenemos
dos valores: cara y cruz.

Página 6
Dato
Un dato es cada uno de los valores que se ha obtenido al realizar un
estudio estadístico. Si lanzamos una moneda al aire 5 veces obtenemos 5
datos: cara, cara, cruz, cara, cruz.
Una variable estadística es cada una de las características o
cualidades que poseen los individuos de una población.
Tipos de var iable e stadísticas
Var iable cualitativa
Las variables cualitativas se refieren a características o
cualidades que no pueden ser medidas con números. Podemos distinguir
dos tipos:
Var iable cualitativa nominal
Una variable cualitativa nominal presenta modalidades no
numéricas que no admiten un criterio de orden.
Ejemplo:
El estado civil, con las siguientes modalidades: soltero, casado, separado,
divorciado y viudo.
Var iable cualitativa or dinal o var iable cuasicuantitativa
Una variable cualitativa ordinal presenta modalidades no númericas,
en las que existe un orden.
Ejemplos:
La nota en un examen: suspenso, aprobado, notable, sobresaliente.
Puesto conseguido en una prueba deportiva: 1º, 2º, 3º, ...
Medallas de una prueba deportiva: oro, plata, bronce.

Página 7
Var iable cuantitativa
Una variable cuantitativa es la que se expresa mediante un número,
por tanto se pueden realizar operaciones aritméticas con ella. Podemos
distinguir dos tipos:
Var iable discr e ta
Una variable discreta es aquella que toma valores aislados, es
decir no admite valores intermedios entre dos valores específicos.
Ejemplo:
El número de hermanos de 5 amigos: 2, 1, 0, 1, 3.
Var iable continua
Una variable continua es aquella que puede tomar valores
comprendidos entre dos números.
Ejemplos:
La altura de los 5 amigos: 1.73, 1.82, 1.77, 1.69, 1.75.
En la práctica medimos la altura con dos decimales, pero también se podría dar
con tres decimales.
Distribución de frecuencias
La distribución de frecuencias o tabla de frecuencias es una ordenación en forma de tabla de los datos
estadísticos, asignando a cada dato su frecuencia correspondiente.
Tipos de frecuencias
Frecuencia absoluta
La frecuencia absoluta es el número de veces que aparece un determinado valor en un estudio
estadístico.
Se representa por fi.
La suma de las frecuencias absolutas es igual al número total de datos, que se representa por N.

Página 8
Para indicar resumidamente estas sumas se utiliza la letra griega Σ (sigma mayúscula) que se lee suma o
sumatoria.
Frecuencia relativa
La frecuencia relativa es el cociente entre la frecuencia absoluta de un determinado valor y
el número total de datos.
Se puede expresar en tantos por ciento y se representa por ni.
La suma de las frecuencias relativas es igual a 1.
Frecuencia acumulada
La frecuencia acumulada es la suma de las frecuencias absolutas de todos los valores inferiores o
iguales al valor considerado.
Se representa por Fi.
Frecuencia relativa acumulada
La frecuencia relativa acumulada es el cociente entre la frecuencia acumulada de un
determinado valor y el número total de datos. Se puede expresar en tantos por ciento.
Ejemplo:
Durante el mes de julio, en una ciudad se han registrado las siguientes temperaturas máximas:
32, 31, 28, 29, 33, 32, 31, 30, 31, 31, 27, 28, 29, 30, 32, 31, 31, 30, 30, 29, 29, 30, 30, 31, 30, 31, 34, 33,
33, 29, 29.
En la primera columna de la tabla colocamos la variable ordenada de menor a mayor, en la segunda
hacemos el recuento y en la tercera anotamos la frecuencia absoluta.

Página 9
xi Recuento fi Fi ni Ni
27 I 1 1 0.032 0.032
28 II 2 3 0.065 0.097
29 6 9 0.194 0.290
30 7 16 0.226 0.516
31 8 24 0.258 0.774
32 III 3 27 0.097 0.871
33 III 3 30 0.097 0.968
34 I 1 31 0.032 1
31 1
Este tipo de tablas de frecuencias se utiliza con variables discretas.
Distribución de frecuencias agrupadas
La distribución de frecuencias agrupadas o tabla con datos agrupados se emplea si
las variables toman un número grande de valores o la variable es continua.
Se agrupan los valores en intervalos que tengan la misma amplitud denominados clases. A
cada clase se le asigna su frecuencia correspondiente.
Límites de la clase
Cada clase está delimitada por el límite inferior de la clase y el límite superior de la clase.

Página 10
Amplitud de la clase
La amplitud de la clase es la diferencia entre el límite superior e inferior de la clase.
Marca de clase
La marca de clase es el punto medio de cada intervalo y es el valor que representa a todo
el intervalo para el cálculo de algunosparámetros.
Construcción de una tabla de datos agrupados
3, 15, 24, 28, 33, 35, 38, 42, 43, 38, 36, 34, 29, 25, 17, 7, 34, 36, 39, 44, 31, 26, 20, 11, 13, 22, 27, 47,
39, 37, 34, 32, 35, 28, 38, 41, 48, 15, 32, 13.
1º Se localizan los valores menor y mayor de la distribución. En este caso son 3 y 48.
2º Se restan y se busca un número entero un poco mayor que la diferencia y que sea divisible por el
número de intervalos queramos establecer.
Es conveniente que el número de intervalos oscile entre 6 y 15.
En este caso, 48 - 3 = 45, incrementamos el número hasta 50 : 5 = 10 intervalos.
Se forman los intervalos teniendo presente que el límite inferior de una clase pertenece al intervalo,
pero el límite superior no pertenece intervalo, se cuenta en el siguiente intervalo.

Página 11
ci fi Fi ni Ni
[0, 5) 2.5 1 1 0.025 0.025
[5, 10) 7.5 1 2 0.025 0.050
[10, 15) 12.5 3 5 0.075 0.125
[15, 20) 17.5 3 8 0.075 0.200
[20, 25) 22.5 3 11 0.075 0.275
[25, 30) 27.5 6 17 0.150 0.425
[30, 35) 32.5 7 24 0.175 0.600
[35, 40) 37.5 10 34 0.250 0.850
[40, 45) 42.5 4 38 0.100 0.950
[45, 50) 47.5 2 40 0.050 1
40 1
Diagr ama de bar r as
Un diagrama de barras se utiliza para de presentar datos cualitativos o datos cuantitativos de tipo
discreto.
Se representan sobre unos ejes de coordenadas, en el eje de abscisas se colocan los valores de la
variable, y sobre el eje de ordenadas las frecuencias absolutas o relativas o acumuladas.

Página 12
Los datos se representan mediante barras de una altura proporcional a la frecuencia.
Ejemplo:
Un estudio hecho al conjunto de los 20 alumnos de una clase para determinar su grupo sanguíneo ha dado
el siguiente resultado:
Grupo sanguíneo fi
A 6
B 4
AB 1
0 9
20
Polígonos de frecuencia
Un polígono de frecuencias se forma uniendo los extremos de las barras mediante segmentos.
También se puede realizar trazando los puntos que representan las frecuencias y uniéndolos
mediante segmentos.
Ejemplo:
Las temperaturas en un día de otoño de una ciudad han sufrido las siguientes variaciones:

Página 13
Hora Temperatura
6 7º
9 12°
12 14°
15 11°
18 12°
21 10°
24 8°
Diagrama de sectores
Un diagrama de sectores se puede utilizar para todo tipo de variables,
pero se usa frecuentemente para las variables cualitativas.

Página 14
Los datos se representan en un círculo, de modo que el ángulo de
cada sector es proporcional a la frecuencia absoluta correspondiente.
El diagrama circular se construye con la ayuda de un transportador de
ángulos.
Ejemplo:
En una clase de 30 alumnos, 12 juegan a baloncesto, 3 practican la
natación, 9 juegan al fútbol y el resto no practica ningún deporte.
Alumnos Ángulo
Baloncesto 12 144°
Natación 3 36°
Fútbol 9 108°
Sin deporte 6 72°
Total 30 360°

Página 15
Histogr ama
Un histograma es una representación gráfica de una variable en forma de barras.
Se utilizan para variables continuas o para variables discretas, con un gran número de datos, y que se
han agrupado en clases.
En el eje abscisas se construyen unos rectángulos que tienen porbase la amplitud del intervalo, y
por altura, la frecuencia absoluta de cada intervalo.
La superficie de cada barra es proporcional a la frecuencia de los valores representados.
Polígono de frecuencia
Para construir el polígono de frecuencia se toma la marca de clase que coincide con el punto medio de
cada rectángulo.
Ejemplo:
El peso de 65 personas adultas viene dado por la siguiente tabla:

Página 16
ci fi Fi
[50, 60) 55 8 8
[60, 70) 65 10 18
[70, 80) 75 16 34
[80, 90) 85 14 48
[90, 100) 95 10 58
[100, 110) 105 5 63
[110, 120) 115 2 65
65

Página 17
Histograma y polígono de frecuencias acumuladas
Si se representan las frecuencias acumuladas de una tabla de datos agrupados se obtiene
el histograma de frecuencias acumuladas o su correspondiente polígono.
Histogramas con intervalos de amplitud diferente
Para construir un histogramas con intervalo de amplitud diferente tenemos que calcular las alturas de
los rectángulos del histograma.
hi es la altura del intervalo.
fi es la frecuencia del intervalo.
ai es la amplitud del intervalo.
Ejemplo:
En la siguiente tabla se muestra las calificaciones (suspenso, aprobado, notable y sobresaliente) obtenidas
por un grupo de 50 alumnos.

Página 18
fi hi
[0, 5) 15 3
[5, 7) 20 10
[7, 9) 12 6
[9, 10) 3 3
50
Un parámetro estadístico es un número que se obtiene a partir de los datos de una distribución
estadística.
Los parámetros estadísticos sirven para sintetizar la información dada por una tabla o por una gráfica.
Tipos de parámetros estadísticos
Hay tres tipos parámetros estadísticos:
De centralización.
De posición
De dispersión.

Página 19
Medidas de centralización
Nos indican en torno a qué valor (centro) se distribuyen los datos.
La medidas de centralización son:
Media aritmética
La media es el valor promedio de la distribución.
Mediana
La mediana es la puntación de la escala que separa la mitad superior de la distribución y la inferior,
es decir divide la serie de datos en dos partes iguales.
Moda
La moda es el valor que más se repite en una distribución.
Medidas de posición
Las medidas de posición dividen un conjunto de datos en grupos con el mismo número de individuos.
Para calcular las medidas de posición es necesario que los datos estén ordenados de menor a mayor.
La medidas de posición son:
Cuartiles
Los cuartiles dividen la serie de datos en cuatro partes iguales.
Deciles
Los deciles dividen la serie de datos en diez partes iguales.
Percentiles
Los percentiles dividen la serie de datos en cien partes iguales.
Medidas de dispersión
Las medidas de dispersión nos informan sobre cuanto se alejan del centro los valores de la distribución.
Las medidas de dispersión son:
Rango o recorrido
El rango es la diferencia entre el mayor y el menor de los datos de una distribución estadística.

Página 20
Desviación media
La desviación media es la media aritmética de los valores absolutos de las desviaciones respecto a
la media.
Varianza
La varianza es la media aritmética del cuadrado de las desviaciones respecto a la media.
Desviación típica
La desviación típica es la raíz cuadrada de la varianza.
típica de una muestra y su media.
El coeficiente de variación se suele expresar en porcentajes:
El coeficiente de variación permite comparar las dispersiones de dos distribuciones distintas, siempre que
sus medias sean positivas.
Se calcula para cada una de las distribuciones y los valores que se obtienen se comparan entre sí.
La mayor dispersión corresponderá al valor del coeficiente de variación mayor.
Ejercicio:
Una distribución tiene x = 140 y σ = 28.28 y otra x = 150 y σ = 24. ¿Cuál de las dos presenta mayor
dispersión?
La primera distribución presenta mayor dispersión.
Puntuaciones típicas
Puntuaciones diferenciales
Las puntuaciones diferenciales resultan de restarles a las puntuaciones directas la media aritmética.

Página 21
xi = Xi − X
Puntuaciones típicas
Las puntuaciones típicas son el resultado de dividir las puntuaciones diferenciales entre la desviación
típica. Este proceso se llamatipificación.
Las puntuaciones típicas se representan por z.
Observaciones sobre puntuaciones típicas
La media aritmética de las puntuaciones típicas es 0.
La desviación típica de las puntuaciones típicas es 1.
Las puntuaciones típicas son adimensionales, es decir, son independientes de las unidades utilizadas.
Las puntuaciones típicas se utilizan para comparar las puntuaciones obtenidas en distintas
distribuciones.
Ejercicio
En una clase hay 15 alumnos y 20 alumnas. El peso medio de los alumnos es 58.2 kg y el de las alumnas y
52.4 kg. Las desviaciones típicas de los dos grupos son, respectivamente, 3.1 kg y 5.1 kg. El peso de José
es de 70 kg y el de Ana es 65 kg. ¿Cuál de ellos puede, dentro del grupo de alumnos de su sexo,
considerarse más grueso?
José es más grueso respecto de su grupo que Ana respecto al suyo.

Página 22
Distr ibución nor mal
Variable aleatoria de la distribución normal
Una variable aleatoria continua, X, sigue una distribución normalde media μ y desviación típica σ, y
se designa por N(μ, σ), si se cumplen las siguientes condiciones:
1. La variable puede tomar cualquier valor: (-∞, +∞)
2. La función de densidad, es la expresión en términos de ecuación matemática de la curva de Gauss:
Curva de la distribución normal
El campo de existencia es cualquier valor real, es decir, (-∞, +∞).
Es simétrica respecto a la media µ.
Tiene un máximo en la media µ.
Crece hasta la media µ y decrece a partir de ella.
En los puntos µ − σ y µ + σ presenta puntos de inflexión.
El eje de abscisas es una asíntota de la curva.
El área del recinto determinado por la función y el eje de abscisas es igual a la unidad.
Al ser simétrica respecto al eje que pasa por x = µ, deja un área igual a 0.5 a la izquierda y otra igual
a 0.5 a la derecha.
La probabilidad equivale al área encerrada bajo la curva.
p(μ - σ < X ≤ μ + σ) = 0.6826 = 68.26 %
p(μ - 2σ < X ≤ μ + 2σ) = 0.954 = 95.4 %
p(μ - 3σ < X ≤ μ + 3σ) = 0.997 = 99.7 %

Procesamiento datos para control estadistico procesos

Más contenido relacionado

Similar a Procesamiento datos para control estadistico procesos (20)

Último (20)

Procesamiento datos para control estadistico procesos