2.

DESCRIPCION DE UN CONJUNTO DE DATOS

2.1 Descripcin numrica de un conjunto de datos.

Como se mencion en el capitulo 1, uno de los aspectos bsicos de la

estadstica es la recoleccin de datos. Los datos son mediciones de alguna
variable de inters, obtenidas de una poblacin particular mediante la seleccin
de una muestra. Los datos obtenidos de la muestra son de utilidad para
obtener estimaciones de los valores de la poblacin. Una poblacin se define
como el conjunto de todos los elementos que se somete a un estudio.
Un individuo o unidad estadstica es cada uno de los elementos
que componen la poblacin. Una muestra es un conjunto de
elementos extrados aleatoriamente, cuyo tamao es menor que la
poblacin y que es estadsticamente representativa. El muestreo es
la tcnica o mtodo con que se extraen los elementos de la poblacin
a estudiar. Un valor es cada uno de los distintos resultados que se
pueden obtener en un estudio estadstico. S i lanzamos una moneda al
aire una vez obtenemos un posible valor, cara o cruz. Un dato es
cada uno de los valores que se ha obtenido al realizar un estudio
estadstico. Si lanzamos una moneda al aire 5 veces obtenemos 5
datos: cara, cara, cruz, cara, cruz.

Las medidas descriptivas numricas asociadas a una poblacin

de mediciones se llaman parmetros de la poblacin; las
medidas obtenidas de una muestra de una poblacin se le llaman
estadsticos. (Ver fig. 2.1).

Fig. 2.1.- Poblacin y Espacio muestral

3
 Para analizar el comportamiento o distribucin de un conjunto de datos
comnmente se inicia calculando los estadsticos bsicos; como son: La Media,
la Mediana y la Moda, como medidas de tendencia central, y la Varianza, la
Desviacin estndar y la Amplitud, como medidas de variabilidad, entre otras.

2.1.1 Medidas de tendencia central.

Las medidas de tendencia central mas usadas son:

La Media Aritmtica o Promedio:

Se obtiene a partir de la suma de todos sus datos dividida entre el

nmero total de datos, es decir:

(2.1)

(2.2)

La Mediana:

Es un conjunto de nmeros ordenados en orden de magnitud

ascendente, es decir, de menor a mayor; el dato que ocupa la posicin central
corresponde a la mediana.

4
 Ejemplo 2.1. Sea el siguiente conjunto de datos, para el caso 1 y caso
2, tenemos que

La Moda:
En un conjunto de nmeros es el dato que ocurre con mayor frecuencia,
es decir, es el dato mas frecuente.
La moda puede no existir en la distribucin e incluso puede tener hasta
dos o ms.
En el caso de una moda la distribucin es unimodal, en el caso de dos
modas es bimodal, en el caso de tres modas es trimodal, y as
sucesivamente.
En la figura 2.2 se observan las grficas que muestran los distintos sesgos
que se pueden presentar en una distribucin de datos, como lo son sesgo a la
izquierda o sesgo a la derecha o sin sesgo.

Fig. 2.2 Tipos de sesgos

5
 2.1.2 Medidas de Dispersin.

La dispersin o variabilidad de los datos intenta dar una idea de que tan
esparcidos se encuentran los datos de una distribucin. Las medidas de
dispersin ms comunes son:

Rango o Amplitud:

El Rango R se define, como la diferencia existente entre el dato mayor y

el dato menor de un conjunto de datos, esto es

Ejemplo 2.2. Obtener el rango o amplitud de los siguientes datos,

2 4 3 5 4 3 5 7 6 2 4 5 7 4

El dato mayor es 7 y el dato menor es 2, por consiguiente el rango o

amplitud es

La Desviacin Estndar:

La desviacin estndar representa las desviaciones de cada uno de los

nmeros obtenidos con respecto a su media aritmtica, dividido entre el total
de datos menos 1, se representa de la siguiente manera.

6
 (2.4)

(2.5)

La Varianza:

La varianza de una variable aleatoria es una medida de dispersin

definida como la suma de cuadrados de las desviaciones de los datos con
respecto a su media, esto es

(2.6)

(2.7)

Coeficiente de Variacin:

El Coeficiente de variacin (CV), es una medida que se emplea

fundamentalmente para:

1. Comparar la variabilidad entre dos grupos de datos referidos a distintos

sistemas de unidades de medida, por ejemplo, kilos y cms.
2. Comparar la variabilidad entre dos grupos de datos obtenidos entre dos
o ms personas distintas.
3. Comparar dos grupos de datos que tienen la misma media aritmtica.

7
 El coeficiente de variacin se denota y se define matemticamente
como la expresin 2.8,

(2.8)

Desviacin Media:

La desviacin media se define como la suma de los valores

absolutos de las desviaciones de los datos con respecto a la media
dividida entre el total de datos, matemticamente se expresa como,

(2.9)
| |

Ejemplo 2.3. Obtener para los datos del ejemplo 2.2,

2 4 3 5 4 3 5 7 6 2 4 5 7 4

El valor de la media es,

El valor de la varianza es,

El valor de la desviacin estndar es,

El valor del coeficiente de variacin es,

8
El valor de la desviacin media es,

| | | | | | | | | | | |

2.1.3 Regla Emprica.

En muchos de los casos, los datos que surgen en la prctica se ha

observado que; para distribuciones normales, se cumple lo siguiente:

1. -S y +S (una desviacin estndar) estn

aproximadamente el 68% del total de los datos.
2. 2S (dos desviaciones estndar) estn
aproximadamente el 95% del total de los datos.
3. 3S (3 desviaciones estndar) estn aproximadamente
el 99.7% del total de los datos.
En la prctica es comn usar 3 desviaciones estndar.
La figura 2.3 Muestra geomtricamente los porcentajes de la Regla Emprica

Figura 2.3 Representacin grfica de la Regla Emprica

9
 Ejemplo 2.4. Aplicar la regla emprica para los datos del ejemplo2.2

2 4 3 5 4 3 5 7 6 2 4 5 7 4

En el ejemplo 2.3 encontramos que

Media Una desviacin Dos desviaciones Tres desviaciones

estndar (S) estndar estndar
4.4 1.59 3.18 4.77

En la tabla 2.1 se pueden ver los intervalos segn la regla emprica. Para
una desviacin estndar tenemos que, el 68% de los datos estn entre 2.81 a
5.99. Para dos desviaciones estndar se tiene que el 95% de los datos estn
entre 1.22 a 7.58 y si son tres desviaciones estndar el 99.7% de los datos
estn entre 0 y 9.17.

Intervalo % Regla Emprica

2.81 5.99 68%
1.22 7.58 95%
0 9.17 99.7%
Tabla 2.1 Intervalos de datos segn la regla emprica.

10
 2.2 Descripcin grfica de un conjunto de datos.

2.2.1 Histograma y tabla de frecuencias.

Distribuciones o tabla de frecuencia:

La construccin de una tabla de frecuencias requiere solo del conteo del
nmero de elementos o individuos que estn dentro de cierta clase o intervalo
determinado.

El Histograma
El histograma es una grfica de las frecuencias observadas de un
conjunto de datos (Montgomery D.C., 1991); es uno de los mtodos
grficos ms comnmente usados para ver la distribucin de los datos.
Tiene varias ventajas, una de ellas es que podemos observar la
tendencia central y su dispersin (ver figura 2.4).

Figura 2.4 Histograma

11
Figura 2.5 Formas Tpicas del Histogramas

12
 Dependiendo de las caractersticas de los datos, el histograma puede
tomar varias formas tpicas, en la figura 2.5 se dan algunos ejemplos de las
formas tpicas en que suelen presentarse en un histograma.

Ejemplo 2.5. Realizar el histograma de los datos de la tabla 2.2 que

representan las edades de 40 personas.

36 25 37 24 39 20 36 45 31 31 30 25 24 24 30 35 38 40 30 41

39 24 29 23 41 40 33 24 34 40 35 35 36 29 27 29 35 33 32 38

Tabla 2.2 Edades de 40 personas

CONSTRUCCION DEL HISTOGRAMA

Usando los datos de la tabla 2.2, el histograma para las edades de las
personas se obtiene mediante los siguientes pasos:

PASO 1. Calcular el rango de los datos. Rango= Dato mayor Dato

menor = 45-20=25

PASO 2. Determinar el nmero de clases. Hay varias maneras de

determinar el nmero de clases, el cual vara entre 5 y 15 dependiendo
del nmero de datos, uno de los ms comunes es que el nmero de
clases sea aproximadamente igual a la raz cuadrada del nmero de
datos. En las edades de los adultos se tiene que son 40 datos, entonces

el numero de clases ser aproximadamente igual a 40 6.32 , como

tiene que ser un numero entero, en este caso puede ser el 6 o el 7,
tomaremos el numero 6.

13
 PASO 3. Fijar la longitud de clase. Una forma de asignar la misma
importancia a todas las clases es tomando la longitud de clase (lc) igual
a

PASO 4. Construir los intervalos de clase. Los intervalos se

obtienen dividiendo el total de los datos en seis intervalos de igual
longitud de clase, como se muestra en la tabla 2.3.

CLASE INTERVALO

1 20 -24.16

2 24.16-28.32

3 28.32-32.48

4 32.48-36.64

5 36.64-40.80

6 40.80-45.00

Tabla 2.3 Intervalos de clase para las edades de las personas

PASO 5. Cuantificar la frecuencia de cada clase. Realizar el conteo de

los datos que caen en cada intervalo de clase y especificar su
frecuencia, como se ilustra en la tabla 2.4

CLASE INTERVALO FRECUENCIA

1 20 -24.16 7

2 24.16-28.32 3

3 28.32-32.48 9

4 32.48-36.64 10

5 36.64-40.80 8

6 40.80-45.00 3

Tabla 2.4 frecuencias de edades

14
PASO 6. Las frecuencias relativas de cada intervalo de clase. Las frecuencias
relativas se obtienen dividiendo cada frecuencia por el total de datos, como se
puede ver en la tabla 2.5.

FRECUENCIA
CLASE INTERVALO FRECUENCIA RELATIVA

1 20 -24.16 7 0.1750

2 24.16-28.32 3 0.075

3 28.32-32.48 9 0.225

4 32.48-36.64 10 0.25

5 36.64-40.80 8 0.20

6 40.80-45.00 3 0.075

Tabla 2.5 Frecuencias relativas para las edades

PASO 7. Hacer el histograma de frecuencias o de frecuencias relativas.

El histograma consiste en una serie de barras cuya longitud de las bases son
los intervalos de clase y la altura representa la frecuencia o la frecuencia
relativa de los datos contenida en cada clase. En la figura 2.6 se puede ver el
histograma de la frecuencia y en la figura 2.7 esta el histograma de la
frecuencia relativa.

Histograma Histograma

10 25
porcentaje=frec. relativa*100

8 20
frecuencia

6 15

4 10

2 5

0 0
20 25 30 35 40 45 20 25 30 35 40 45
EDADES EDADES

Figura 2.6 Histograma de frecuencias Figura 2.7Histograma de frecuencias

para edades relativas para edades

15
 2.2.2 Diagrama de caja.

Un diagrama de Caja o Caja y Bigotes es un grfico, basado en cuartiles,

mediante el cual se visualiza un conjunto de datos. Est compuesto por un
rectngulo, la "caja", y los "bigotes".

Es un grfico que suministra informacin sobre los valores mnimo y

mximo, los cuartiles Q1, Q2 o mediana y Q3, y sobre la existencia de valores
atpicos y la simetra de la distribucin. Primero es necesario encontrar la
mediana para luego encontrar los 2 cuartiles restantes.

Ejemplo 2.6. Realizar el diagrama de Caja y-Bigotes de los datos de las

edades de 20 personas.

36 25 37 24 39 20 36 45 31 31

39 24 29 23 41 40 33 24 34 40

Ordenar los datos de menor a mayor para calcular los estadsticos.

20 23 24 24 24 25 29 31 31 33 34 36 36 37 39 39 40 40 41 45

Calculo de cuartiles:

Q1, el cuartil Primero es el valor mayor que el 25% de los valores de la

distribucin. Como N = 20 resulta que N/4 = 5; el primer cuartil es la media
aritmtica de dicho valor y el siguiente:

Q1=(24 + 25) / 2 = 24,5

Q2, el Segundo Cuartil es, evidentemente, la mediana de la distribucin, es el

valor de la variable que ocupa el lugar central en un conjunto de datos

16
ordenados. Como N/2 =10; como N es un numero par, la mediana es el valor
promedio del decimo dato mas el dato que le sigue,

= Q2 = (33 + 34)/ 2 =33,5

Q3, el Tercer Cuartil, es el valor que sobrepasa al 75% de los valores de la

distribucin. En este caso, como 3N / 4 = 15, resulta que

Q2= (39 + 39) / 2 = 39

DIBUJAR LA CAJA Y LOS BIGOTES; en la figura 2.8 se muestra la grfica de

Caja- Bigotes de las edades de las 20 personas.

Figura 2.8 Caja-Bigotes

Ntese que en la figura 2.8, el bigote de la parte izquierda representa al 25%

de edades ( Xmn, Q1). La primera parte de la caja a (Q1, Q2) es el otro 25%.
La segunda parte de la caja a (Q2, Q3) es otro 25% y finalmente el bigote de
la parte derecha viene dado por (Q3, Xmx) y que representa el ultimo 25% de
los datos.

Interpretaciones de la caja de bigotes

Dependiendo de la cantidad de datos y de la dispersin de los datos, el

diagrama de caja y bigotes puede presentar algunas variantes en su
interpretacin, a continuacin se presentan algunos casos

17
 1- Si la parte izquierda de la caja es mayor que la de la derecha, ello
quiere decir que las edades comprendidas entre el 25% y el 50% de la
poblacin est ms dispersa que entre el 50% y el 75%.
2- El bigote de la izquierda (Xmm, Q1) es ms corto que el de la derecha;
por ello el 25% de los ms jvenes estn ms concentrados que el 25%
de los mayores.
3- El rango intercuartlico = Q3 - Q1 = 14,5; es decir, el 50% de la
poblacin est comprendido en 14,5 aos.

2.3 Descripcin de datos categricos.

2.3.1 Diagrama de barras y grfica circular.

El grafico de barras y la grafica circular son muy tiles para cuando los
datos son del tipo cualitativo o categrico. Los Datos Cualitativos o
Categricos, son aquellos que expresan atributos o categoras. Para facilitar el
anlisis estadstico de este tipo de datos frecuentemente se codifican a
nmeros, esta codificacin da lugar a dos subtipos de datos categricos:

Datos Nominales: Son aquellos datos categricos que pueden ser

codificados numricamente pero donde hay una relacin arbitraria entre los
nmeros asignados y el valor de la variable.

Datos Ordinales: Son aquellos que al ser codificados numricamente

deben guardar una correspondencia entre los nmeros asignados y el
verdadero valor de la variable.

Las graficas de barras son de utilidad para describir una variable cuyos
valores son categoras o para clasificar o ver la relacin entre dos o ms
variables. En la figura 2.9 esta la grafica de barras que muestra las
temperaturas en grados Fahrenheit diarias durante una semana.

18
Fig. 2.9 Grfica de Barras

Grfica circular que utiliza radios para dividir un crculo en sectores de

manera que las reas de los sectores son proporcionales a las cantidades
representadas.

Fig. 2.10 Grfica circular

Ejemplo 2.7. En una fbrica de ropa se registran los defectos en-

contrados en prendas de vestir cuando se hace la inspeccin final. Los registros
de las ltimas dos semanas se muestran a continuacin.

T C H T H O M H T H C H O T H O
M H C H O C C C H M M O H H T O T
Donde: C= COSTURA, M= MONTAJE, T=TELA, O=CORTE y H=HILO.

19
 En la Tabla 2.6 se puede ver la tabla de frecuencias para los defectos de
ropa encontrados. En las figuras 2.11; y 2.12 se muestran, la grfica de
barras y la grfica circular respectivamente del ejemplo 2.7.

Frecuencia Frecuencia Frecuencia

Clase Valor Frecuencia Relativa Acumulada Rel. acum.
1 C 6 0.1818 6 0.1818
2 H 11 0.3333 17 0.5152
3 M 4 0.1212 21 0.6364
4 O 6 0.1818 27 0.8182
5 T 6 0.1818 33 1.0000
Tabla 2.6 Tabla de frecuencias para defectos en prendas de vestir

Diagrama de Barras de DEFECTO Diagrama de Sectores de DEFECTO

12 18.18% 18.18%

10 DEFECTO
COSTURA
8
frecuencia

HILO
MONTAJE
6
CORTE
18.18%
TELA
4

2 33.33%

0 12.12%
COSTURA HILO MONTAJE CORTE TELA

Figura 2.11 Grafica de barras para defectos en Figura 2.12 Grafica Circular para defectos en
prendas de vestir prendas de vestir

2.3.2 Diagrama de Pareto.

El Diagrama de Pareto
{[} es una forma especial de grfico de barras
{\}

verticales que separa los problemas muy importantes de los menos

{]}
{^}
{_}
importantes, estableciendo un orden de prioridades. {`}

Fue creado sobre la base del principio de Pareto, segn el cual, el 80% de
los problemas son provenientes de apenas el 20% de las causas (ley 80-20,
pocos vitales, muchos triviales). Vilfredo Pareto fue un economista italiano

20
que, en el siglo XIX, present una frmula que mostraba la desigualdad en la
distribucin de los salarios.

El Diagrama de Pareto se usa para, identificar y dar prioridad a las causas o

defectos ms importantes en cualquier proceso, evaluando el
comportamiento de un problema, comparando los datos entre el "antes" y el
"despus".

Ejemplo 2.8. Utilizando los datos del ejemplo 2.7 El de la fbrica de

ropa; realizar el diagrama de Pareto.

T C H T H O M H T H C H O T H O

M H C H O C C C H M M O H H T O T

Donde: C= COSTURA, M= MONTAJE, T=TELA, O=CORTE y H=HILO.

COMO CONSTRUIRLO?
Se trazan dos ejes verticales de la misma longitud perpendicular en
cada esquina de un eje horizontal. En el eje vertical izquierdo, se traza una
escala desde el cero hasta el nmero de defectos en listados. En el eje vertical
derecho haga una escala de 0 a 100%. El 100% corresponder al total de
defectos enlistados. Divida el eje horizontal en intervalos iguales, de acuerdo
con la cantidad de categoras o lista de defectos. Construya y denomine las
barras, colocando las categoras en orden decreciente de frecuencia, de
izquierda a derecha. Trace una lnea punteada que conecte el origen con la
esquina superior derecha de la primera barra, se suma la altura de la primera
barra, la altura de la segunda barra. Marque con un punto el valor obtenido en
la prolongacin del lado derecho de la segunda barra. Sume a esta nueva
altura la altura de la tercera barra. Marque con un punto el valor obtenido en la
prolongacin del lado derecho de la tercera barra. Hacer esto, sucesivamente,
hasta la ltima barra .Enlace todos los puntos marcados con una lnea, dando
continuidad a la lnea punteada iniciada en el origen, para formar la curva de
Pareto. El ltimo punto representa el 100 % de los eventos. Complete el

21
grfico con informaciones tales como: nombre del grfico, perodo,
responsable, etc.

Ntese en el diagrama de Pareto de la figura 2.13, que el defecto mas

importante en la ropa es el derivado del hilo.

Grfica de Pareto para DEFECTO

40
100.00
30 87.88
frecuencia

69.70
20 51.52

33.33
10

0
Hilo Tela Corte Costura Montaje

Figura 2.13 Diagrama de Pareto para defectos en ropa

Ejercicios de la unidad 2.

Para cada ejercicio del 1 al 8 calcular:

La Media, Mediana y Moda
Identificar si existe sesgo y de que tipo.
Calcular la Amplitud, Varianza, Desviacin Estndar y Coeficiente de
Variacin.
Calcule los porcentajes de datos segn la Regla Emprica.
Elabore la tabla de Frecuencias, Histograma, Barras y/o Circular.
Elabore el Diagrama de Caja.
Escribe una breve conclusin o interpretacin.

22
Problema 1.- En un estudio de dos semanas sobre la productividad de 100
trabajadores, se obtuvieron los siguientes datos sobre el nmero total de
piezas fabricadas por trabajador.

65 39 54 79 32 43 53 41 40 47

68 35 68 22 35 50 35 43 76 58

46 51 61 65 34 76 69 57 33 40

45 85 84 63 53 64 54 51 52 70

55 55 62 44 28 21 36 34 82 56

60 47 73 53 88 42 56 45 37 48

65 49 52 50 80 41 70 68 38 77

35 55 45 56 51 67 74 74 75 62

36 57 45 82 67 60 61 78 60 26

72 62 73 59 59 74 52 50 61 48

Problema 2.- Se registro el tiempo (en meses) entre el inicio de una

enfermedad en particular y su repeticin en 50 pacientes.

2.1 19.2 14.1 3.7 9.0 4.1 8.7 1.6 8.2 0.2

8.2 1.3 26.7 9.9 1.2 18.0 0.4 6.1 9.6 1.6

0.3 18.0 32.3 3.3 2.4 5.6 3.9 1.4 7.4 7.4

11.4 2.7 4.3 2.4 23.1 6.6 0.2 14.7 5.8 8.3

4.4 6.9 1.0 12.6 2.0 18.4 24.0 13.5 16.7 3.5

23
Problema 3.-Los datos siguientes son las velocidades del viento promedio (en
millas por hora) que se producen en 45 ciudades seleccionadas de la Republica
Mexicana.

8.9 7.9 6.2 9.4 12.5 6.2 9.7 8.9 7.9

9.3 9.5 8.2 10.2 7.8 7.0 8.9 10.7 11.9

10.5 7.7 9.1 9.2 8.9 11.5 8.9 12.9 10.4

11.0 9.1 10.8 9.6 8.8 8.3 10.4 9.4 35.3

7.1 10.4 11.1 10.5 11.3 8.7 9.1 8.6 7.9

Problema 4.- Considere la siguiente muestra (La resistencia de 50 lotes de

algodn, libras necesarias para romper una madeja).

74 100 90 99 97 89 108 94 87 79

101 90 105 83 91 96 81 98 81 98

105 110 91 99 101 94 106 98 93 82

90 86 96 88 97 103 85 106 92 115

97 101 102 96 100 76 96 81 101 93

24
Problema 5.-.En la elaboracin de envases de plstico primero se elabora la
preforma, para la cual se tienen varios criterios de calidad, uno de ellos es el
peso de esta. Para cierto envase se tiene que el peso debe estar en 28
A continuacin se muestran los ltimos 112 datos.

27.72 28.39 28.21 28.19 28.02 27.93 27.89 27.88

28.06 27.91 27.97 27.95 27.96 27.94 28.04 28.05
27.81 27.74 27.95 27.91 27.93 28.07 28.13 27.98
27.87 27.87 27.82 28.23 27.9 27.91 28.16 27.94
27.86 27.84 27.7 27.98 28.02 28 27.99 28.13
28.26 28.1 27.94 28.07 27.84 27.9 27.87 27.76
27.95 27.94 27.81 27.76 27.96 27.84 27.85 27.93
28.22 27.96 27.88 28.08 28.04 28.19 27.89 28.08
28.09 28.02 27.85 28.27 27.75 27.98 27.75 27.82
28.13 27.88 28.11 28.05 28.14 28.11 28.08 28.16
28.04 28.05 27.75 27.89 27.94 28.19 28.1 27.78
27.63 27.93 27.74 28.1 28.14 27.91 27.84 28.21
27.85 27.84 28.12 28.01 27.97 27.88 28 28.1
28.16 28.16 28.01 28.13 27.97 27.9 27.87 27.94

Problema 6.-Una caracterstica clave en la calidad de las pinturas es su

densidad, y un componente que influye en sta es la cantidad de arenas que
se utilizan en su elaboracin. La cantidad de arena en la formulacin de un lote
se controla por medio del nmero de costales, que segn el proveedor
contiene 20 kg. Sin embargo, continuamente se tienen problemas en la
densidad de la pintura que es necesario corregir con el retrabajo y reprocesos
adicionales. En este contexto se decide investigar cuanta arena contiene en
realidad los costales. Para ello, se toma una muestra de 30 costales de cada
lote o pedido (500). Los pesos obtenidos en las muestras de los ltimos tres
lotes se muestran en la siguiente tabla. Las especificaciones iniciales que se
establecen para el peso de los costales de arena son de 20

25
 Lote Peso en costales Lote Peso en costales Lote Peso en costales

18.6 19.1 19.6 18.6 19.6 18.9 20.1 19.7 19.9

19.2 18.6 19.4 19.5 19.7 19.3 20 19.6 20.4
19.5 19.4 19.8 20 19 18.8 20.2 20.1 20.5
19.2 18.7 19.1 19.9 19.4 18.4 20.2 19.7 20.3
18.9 21 20 19.1 17.8 20.7 19.7 19.7 19.6
19.4 19.8 20.4 18.4 20.1 19.2 19.7 20 20
19 19 18.8 18.8 19.6 19 21 20.4 20.4
20 18.6 19.3 18.5 19.4 19.6 20.8 19.8 20.6
19.3 19.6 19.1 18.9 19.7 20.6 20 19.1 20
1 20 19 19.1 2 18.4 20.3 19.7 3 19.7 19.8 20.2

Problema 7.- Una caracterstica importante en la calidad de leche de vaca es

la concentracin de grasa. En una industria en particular se fijo el 3% como el
estndar mnimo que debe cumplir el producto que se recibe directamente de
los establos lecheros. Por medio de muestreos y evaluaciones en cierta poca
del ao se obtuvieron los siguientes 90 datos sobre concentracin de grasa en
cierta regin. Obtenga resultados e interprete.

2.7 3.4 2.9 3.3 3.3 2.9 3.1 2.8 3

3.4 3.1 3.1 3.2 2.8 3.3 3.2 2.7 2.9
2.2 3 3.2 3.1 2.7 3.3 3.2 3.4 3.8
3.2 3.5 3.2 2.9 3.6 2.9 3.5 3 3.1
3.4 3.1 4 3.4 3 3 3.3 2.9 2.8
2.9 3 3.6 3.3 3.1 3.3 3.1 3.4 3.3
3.4 3.5 2.5 3.2 3.3 3.6 3.3 2.6 3.5
2.9 3.3 2.7 3 3.8 3.6 3.1 3.1 3.5
3.4 3.3 3.2 3.2 3.5 3.1 3.5 3.7 3.4
2.7 2.9 3.5 3.3 3 3.9 3.4 3 3.2

26
Problema 8.- En la elaboracin de una bebida se desea garantizar que el
porcentaje de (gas) ste entre 2.5 y 3. En el monitoreo del proceso se
obtuvieron los siguientes 115 datos. Obtenga resultados e interprete.

2.61 2.56 2.63 2.56 2.53 2.64 2.61 2.6 2.48

2.69 2.51 2.64 2.68 2.59 2.63 2.63 2.67 2.56
2.61 2.61 2.57 2.63 2.59 2.67 2.52 2.57 2.7
2.57 2.49 2.59 2.61 2.56 2.67 2.66 2.55 2.65
2.73 2.62 2.56 2.64 2.52 2.64 2.52 2.57 2.52
2.6 2.65 2.66 2.64 2.61 2.62 2.56 2.67
2.61 2.6 2.58 2.69 2.66 2.6 2.6 2.6
2.64 2.65 2.58 2.67 2.66 2.57 2.61 2.59
2.5 2.67 2.71 2.67 2.56 2.58 2.6 2.57
2.56 2.49 2.66 2.64 2.61 2.64 2.59 2.53
2.62 2.52 2.72 2.57 2.53 2.67 2.49 2.58
2.53 2.61 2.65 2.51 2.57 2.57 2.58 2.55
2.64 2.55 2.55 2.52 2.6 2.65 2.65 2.53

Problema 9.-Disear el Diagrama de Pareto

MARZO
Tipo de queja Semana 1 Semana 2 Semana 3 TOTAL

Limpieza de la sala de espera ll lll lll 8

Limpieza Baos llll ll llll llll l llll 23
Atencion del personal llll llll llll llll llll llll llll llll 40
Calidad de los alimentos ll l l 4
Existencia de medicamentos lll llll lll 10
Limpieza en camas llll llll llll 13
TOTAL 33 34 31 98

Problema 10.- En una empresa se est buscando reducir las quejas de clientes.
Se tienen los registros del ltimo semestre, clasificados por rea de trabajo y
turno.

27
 rea Turno1 Turno2 Quejas:

A Ooo oooooooooo o Retrasos x Pedidos

xxx xxxxxx + Facturas / Otros

a) Realice un anlisis de Pareto completo. Empezando

++ /
por un Pareto para problemas, y luego a partir del
B Oooo ooooooooo mismo, enfocar Paretos para causas.
b) Cul es el problema ms importante?
xx Xxxxxxx c) Cules son las principales pistas para encontrar la
causa del problema principal?
+++ / ++

C Ooooo Oooooooo

x Xxxxx

+ /

D Oooo ooooooooooooo

xx xxxxx

++ // ++++

Problema 11.- En una empresa procesadora de carnes fras se tienen los datos
de una semana de los defectos en la inspeccin final de la salchicha se muestran
a continuacin.

Mquina Turno Defecto y nmero de paquetes defectuosos

empacadora Falta de vaco Mancha verde Mancha amarilla

A I 4300 700 700

II 6300 650 650

B I 3500 700 400

II 6600 500 420

C I 8500 800 324

II 9120 655 345

Realice un anlisis de Pareto completo y encuentre las principales pistas para

resolver los problemas en las salchichas.

28