UNIDAD 2 CONTROL ESTADISTICO DE LA CALIDADESTADÍSTICA DESCRIPTIVA (CASOS DE APLICACIÓN)
La estadística descriptiva es una ciencia que analiza series de datos (por ejemplo, edad de una población, altura de los estudiantes de una escuela, temperatura en los meses de verano, etc.) y trata de extraer conclusiones sobre el comportamiento de estas variables.
Las variables pueden ser de dos tipos:
Variables cualitativas o atributos: no se pueden medir numéricamente (por ejemplo: nacionalidad, color de la piel, sexo).
Variables cuantitativas: tienen valor numérico (edad, precio de un producto, ingresos anuales).
Las variables también se pueden clasificar en:
Variables unidimensionales: sólo recogen información sobre una característica (por ejemplo: edad de los alumnos de una clase).
Variables bidimensionales: recogen información sobre dos características de la población (por ejemplo: edad y altura de los alumnos de una clase).
Variables pluridimensionales: recogen información sobre tres o más características (por ejemplo: edad, altura y peso de los alumnos de una clase).
Por su parte, las variables cuantitativas se pueden clasificar en discretas y continuas:
Discretas: sólo pueden tomar valores enteros (1, 2, 8, -4, etc.). Por ejemplo: número de hermanos (puede ser 1, 2, 3...., etc., pero, por ejemplo, nunca podrá ser 3,45).
Continuas: pueden tomar cualquier valor real dentro de un intervalo. Por ejemplo, la velocidad de un vehículo puede ser 80,3 km/h, 94,57 km/h...etc.
Cuando se estudia el comportamiento de una variable hay que distinguir los siguientes
conceptos:
Individuo: cualquier elemento que porte información sobre el fenómeno que se estudia. Así, si estudiamos la altura de los niños de una clase, cada alumno es un individuo; si estudiamos el precio de la vivienda, cada vivienda es un individuo.
Población: conjunto de todos los individuos (personas, objetos, animales, etc.) que porten información sobre el fenómeno que se estudia. Por ejemplo, si estudiamos el precio de la vivienda en una ciudad, la población será el total de las viviendas de dicha ciudad.
Muestra: subconjunto que seleccionamos de la población. Así, si se estudia el precio de la vivienda de una ciudad, lo normal será no recoger información sobre todas las viviendas de la ciudad (sería una labor muy compleja), sino que se suele seleccionar un subgrupo (muestra) que se entienda que es suficientemente representativo.
2.2 ESTADÍSTICA INFERENCIAL (CASOS DE APLICACIÓN)
Estadística inferencial
Definición de Estadística Inferencial
El principal objetivo de la Estadística consiste en poder decir algo con respecto a un gran conjunto de personas, mediciones u otros entes (población) con base en las observaciones hechas sobre sólo una parte (muestra) de dicho gran conjunto. La capacidad para "decir algo" sobre poblaciones con base en muestras está basada en supuestos con respecto a algún modelo de probabilidad que permite explicar las características del fenómeno bajo observación.
Al conjunto de procedimientos estadísticos en los que interviene la aplicación de modelos de probabilidad y mediante los cuales se realiza alguna afirmación sobre poblaciones con base en la información producida por muestras se le llama Inferencia Estadística o Estadística Inferencial.
Los dos tipos de problemas que resuelven las técnicas estadísticas son: estimación y contraste de hipótesis. En ambos casos se trata de generalizar la información obtenida en una muestra a una población. Estas técnicas exigen que la muestra sea aleatoria. En la práctica rara vez se dispone de muestras aleatorias, por la tanto la situación habitual es la que se esquematiza en la figura
Entre la muestra con la que se trabaja y la población de interés, o población diana, aparece la denominada población de muestreo: población (la mayor parte de las veces no definida con precisión) de la cual nuestra muestra es una muestra aleatoria. En consecuencia la generalización está amenazada por dos posibles tipos de errores: error aleatorio que es el que las técnicas estadísticas permiten cuantificar y críticamente dependiente del tamaño muestral, pero también de la variabilidad de la variable a estudiar y el error sistemático que tiene que ver con la diferencia entre la población de muestreo y la población diana y que sólo puede ser controlado por el diseño del estudio.
Tamaño muestral
El tamaño muestral juega el mismo papel en estadística que el aumento de la lente en microscopía: si no se ve una bacteria al microscopio, puede ocurrir que:
- la preparación no la contenga
- el aumento de la lente sea insuficiente.
Para decidir el aumento adecuado hay que tener una idea del tamaño del objeto.
Del mismo modo, para decidir el tamaño muestral:
i) en un problema de estimación hay que tener una idea de la magnitud a estimar y del error aceptable.
ii) en un contraste de hipótesis hay que saber el tamaño del efecto que se quiere ver.
2.3 LAS SIETE HERRAMIENTAS BASICAS PARA EL CONTROL DE LA CALIDAD
Las siete herramientas básicas de calidad es una denominación dada a un conjunto de técnicas gráficas identificadas como las más útiles en la solución de problemas enfocados a la calidad de los productos. Se conocen como “herramientas básicas” ya que son adecuadas para personas con poca formación en materia de estadísticas.
Las siete herramientas básicas son:
1. Diagrama de Ishikawa: también llamado diagrama de causa-efecto o diagrama causal, se trata de un diagrama que por su estructura ha venido a llamarse también: diagrama de espina de pez, que consiste en una representación gráfica sencilla en la que puede verse de manera relacional una especie de espina central, que es una línea en el plano horizontal, representando el problema a analizar, que se escribe a su derecha. Es una de las diversas herramientas surgidas a lo largo del siglo XX en ámbitos de la industria y posteriormente en el de los servicios, para facilitar el análisis de problemas y sus soluciones en esferas como lo son; calidad de los procesos, los productos y servicios.
2. Hoja de Verificación: también llamada hoja de control o de chequeo, es un impreso con formato de tabla o diagrama, destinado a registrar y compilar datos mediante un método sencillo y sistemático, como la anotación de marcas asociadas a la ocurrencia de determinados sucesos. Esta técnica de recogida de datos se prepara de manera que su uso sea fácil e interfiera lo menos posible con la actividad de quien realiza el registro.
3. Gráfico de Control: es una representación gráfica de los distintos valores que toma una característica correspondiente a un proceso. Permite observar la evolución de este proceso en el tiempo y compararlo con unos límites de variación fijados de antemano que se usan como base para la toma de decisiones.
4. Histograma: es una representación gráfica de una variable en forma de barras, donde la superficie de cada barra es proporcional a la frecuencia de los valores representados. En el eje vertical se representan las frecuencias, y en el eje horizontal los valores de las variables, normalmente señalando las marcas de clase, es decir, la mitad del intervalo en el que están agrupados los datos. Los histogramas son más frecuentes en ciencias sociales, humanas y económicas que en ciencias naturales y exactas. Y permite la comparación de los resultados de un proceso.
5. Diagrama de Pareto: también llamado curva 80-20 o distribución C-A-B, es una gráfica para organizar datos de forma que estos queden en orden descendente, de izquierda a derecha y separados por barras. Permite asignar un orden de prioridades. El diagrama permite mostrar gráficamente el principio de Pareto (pocos vitales, muchos triviales), es decir, que hay muchos problemas sin importancia frente a unos pocos graves. Mediante la gráfica colocamos los “pocos vitales” a la izquierda y los “muchos triviales” a la derecha.
6. Diagrama de Dispersión: también llamado gráfico de dispersión, es un tipo de diagrama matemático que utiliza las coordenadas cartesianas para mostrar los valores de dos variables para un conjunto de datos. Los datos se muestran como un conjunto de puntos, cada uno con el valor de una variable que determina la posición en el eje horizontal y el valor de la otra variable determinado por la posición en el eje vertical.
7. Muestreo Estratificado: también conocida como estratificación, es una herramienta estadística que clasifica los elementos de una población que tiene afinidad para así analizarlos y determinar causas comunes de su comportamiento. La estratificación contribuye a identificar las causas que hacen mayor parte de la variabilidad, de esta forma se puede obtener una comprensión detallada de la estructura de una población de datos, examinando así la diferencia en los valores promedio y la variación en los diferentes estratos.
2.4 MANEJO DE SOFWARE ESPECIALIZADO EN CALIDAD
KMKey Quality es un software de gestión de calidad ideal para la implantación y mantenimiento de un Sistema de Gestión de calidad (SGC) de cualquier tipo: ISO 9001, ISO 14001, OHSAS 18001, etc., o de una combinación de los mismos, facilitando la gestión de un sistema integrado.
Las funciones van agrupadas en tabuladores que se activan o desaparecen, en función de la norma disponible o de los permisos concedidos.
No hay comentarios.:
Publicar un comentario