L3

4.1.2 CONTROL ESTADSTICO DE LA CALIDAD.

4.1.2.1 Definicin de control de calidad
Existe mucha literatura en cuanto al concepto de control de calidad. En este
capitulo, cuya finalidad no es la profundizacin terica sin no una revisin de las
definiciones ms usadas y sencillas del control de calidad. Se trata concretamente
de las definiciones de K. Ishikawa, de las normas JIS japonesas sobre
terminologa de la calidad y de J. M. Juran.
Segn K. Ishikawa, el control de calidad consiste en el desarrollo, diseo,
produccin y comercializacin de productos y servicios con una eficiencia del
coste y una utilidad ptima, todo ello equilibrado con una compra satisfactoria por
parte de los clientes. Para alcanzar estos fines, toda las partes de una empresa
(alta direccin, oficina central, fabrica y departamentos individuales tales como
produccin, diseo tcnico, investigacin, planificacin, investigacin de mercado,
administracin, contabilidad, materiales, almacenes, ventas, servicio, personal,
formacin, relaciones laborales y asuntos generales) tiene que trabajar juntos.
Todos los departamentos de la empresa tienen que empearse en crear sistemas
que faciliten la cooperacin y en preparar y poner en prctica fielmente las normas
internas. Por esta razn, al control de calidad visto desde esta ptica se le
denomina control de calidad total o control de calidad para toda la empresa.
Esto slo puede alcanzarse por medio del uso masivo de diversas tcnicas tales
como los mtodos estadsticos, las normas y reglamentos, los mtodos
computarizados, el control automtico, el control de instalaciones, la investigacin
operativa, la ingeniera industrial y la investigacin de mercado.
Por otro lado, segn las Normas Industriales Japonesas (normas JIS), el
control de calidad se define como un sistema de mtodos para la provisin coste
eficaz de bienes o servicios cuya calidad es adecuada a los requisitos del

comprador. Tambin esta definicin contempla el control de calidad como una

nueva manera de pensar en la direccin y de dirigir, y considera que la puesta en
prctica eficaz del control de calidad requiere de la participacin y la cooperacin
de todos los empleados de una empresa, desde la alta direccin, pasando por los
directivos medios y los supervisores, hasta los trabajadores de base. Esta
participacin ha de reflejarse en todas las actividades de la empresa como la
investigacin de mercado, investigacin y desarrollo, planificacin de productos,
diseo, preparacin de la produccin, compras y subcontratos, produccin,
inspeccin, ventas y servicios pos venta, funciones financieras, de personal, de
formacin y de educacin. Tambin la norma JIS contempla que el control de
calidad moderno ha de hacer uso de los mtodos estadsticos, por lo que a
veces se le denomina control estadstico de la calidad.
En cuanto a literatura existe tambin mucha informacin. Entre los autores
ms prestigiados tenemos a Juran, que defini la calidad como un conjunto de
caractersticas de un producto o servicio que satisface las necesidades de los
clientes y que en consecuencia hacen satisfactorio el producto o servicio. Por lo
tanto puede decirse que la calidad consiste en no tener deficiencias.
Por otra parte, La Sociedad Americana para el Control de Calidad
(A.S.Q.C.) define la calidad como el conjunto de caractersticas de un producto,
proceso o servicio que le confieren su aptitud para satisfacer las necesidades del
usuario o cliente en cuanto a seguridad (que el producto o servicio confiere al
cliente), fiabilidad (capacidad que tiene el producto o servicio para cumplir las
funciones especificas sin fall y por un perodo determinado de tiempo) y servicio
(medida en que el fabricante y distribuidor responde en caso de fallo del producto
o servicio).

Slo obtendremos productos o servicios de calidad cuando se cumplan

totalmente los siguientes tres conceptos. Caractersticas de calidad o propiedad
de un producto o servicio que contribuye a su adecuacin al uso (rendimiento,
sabor, fiabilidad, apariencia, cortesa, amabilidad, etc). Calidad de diseo o
adecuacin de las caractersticas de calidad para la generalidad de usuarios y
Calidad de conformidad o calidad de fabricacin que indica la fidelidad con que
un producto se ajusta a lo establecido en su diseo (proyecto)
A partir del momento en que se hace necesario el uso de especificaciones del
producto o servicio, el concepto de calidad genera otra serie de definiciones que
se describen en los siguientes aparatados.
4.1.2.2 Poltica de calidad
En numerosas ocasiones, los esfuerzos invertidos en mejorar la calidad se
han visto frustrados, precisamente, por una falta de convencimiento y por un tibio
apoyo de la alta direccin en la realizacin de las necesarias acciones
conducentes a la implementacin de un eficaz sistema de calidad. La UNE 66001-92 establece que, Poltica de Calidad son las directrices y objetivos de una
empresa, relativos a la calidad, expresados formalmente por la direccin general,
por lo tanto, de la misma forma que la empresa define su poltica de personal,
financiera o de produccin, debe definir su poltica de calidad, redactada y
publicada. De esta manera la direccin general adquiere el compromiso de su
cumplimiento e involucra a todo el personal de la empresa.

4.1.2.3 Sistema de Calidad

Es condicin necesaria, aunque no suficiente, que la direccin general
defina la poltica de calidad de la empresa. Deber, adems, realizar las acciones
y facilitar los recursos necesarios para que, mediante la gestin de la calidad, sea
posible alcanzar los objetivos marcados en la poltica de calidad mediante el
Sistema de Calidad que se define como el conjunto de actividades para
establecer

una

estructura

de

organizacin,

de

responsabilidades,

de

procedimientos, de proceso y de recursos que se establecen para llevar a cabo la

gestin de la calidad.

4.1.2.4 Gestin de la Calidad

Se ocupa de la fijacin de los objetivos de la calidad, de la organizacin de
los medios materiales y humanos, de la formacin y la motivacin del personal, de
la supervisin, auditorias y aseguramiento de la calidad. Lo que nos lleva a la
Gestin de la Calidad Total (Total Quality Management, TQM) cuyo objetivo
consiste en obtener un elevado y permanente nivel de competitividad de la
empresa sobre la base de adquirir un compromiso total de la gerencia y de todos
los dems empleados en la obtencin de una total satisfaccin del cliente
mediante una mejora continua de la calidad.

4.1.2.5 Aseguramiento de la calidad

Uno de los objetivos ms importantes que se persiguen con la gestin de la
calidad total (TQM) consiste en suministrar confianza a nuestros clientes, tanto
internos como externos, motivando a unos y manteniendo como tales a los otros.
La UNE 66-001-92, define el Aseguramiento de la Calidad como el conjunto
de acciones planificadas y sistemticas que son necesarias para proporcional
confianza adecuada de que un producto o servicio satisfar los requisitos dados
sobre la calidad.

4.1.2.6 Mejora Continua de la Calidad

No slo son los resultados sino, adems, nuestra poltica, nuestro sistema
de calidad lo que suministrar a nuestros clientes la deseada confianza en
nuestros productos y servicios, pero no es suficiente conseguir una alta calidad, es
necesario tambin, desarrollar una Cultura de Calidad en nuestra empresa que
nos permita lograr una, por que esta no es un objetivo esttico que una vez
alcanzado basta con mantenerlo, se trata de una Mejora Continua de la Calidad
estrategia a largo plazo que nos permita obtener de forma sostenida una
ventaja competitiva.
La calidad es un viaje no un destino (Thomas H. Berry, citado por
Carolo)

4.2

Metodologa estadstica
En todos los procesos existe variacin, la reduccin de esta variacin

conduce a una mejor calidad, por lo tanto a una mejor productividad y como
consecuencia una mayor rentabilidad de la empresa, este principio es el
fundamento para comprender e implementar el control estadstico de la calidad.
4.2.1 Estadstica
Iniciaremos el estudio de la metodologa estadstica, definido la estadstica
como la ciencia que se preocupa de la recoleccin, organizacin, anlisis,
interpretacin y presentacin de datos.
La metodologa estadstica comprende una serie de tcnicas estadsticas el
primer componente importante es la estadstica descriptiva, la cual se encarga
de las tcnicas de recoleccin, organizacin y descripcin eficiente de los datos,
aqu las herramientas del control de calidad que se utilizan son hojas de
verificacin, hojas de estratificacin,

histogramas de frecuencias y

diagrama de causa efecto. Las medidas de tendencia central (media, mediana y

moda) y las medidas de dispersin (rango, desviacin estndar y coeficiente de

variacin) dan importante informacin cuantitativa sobre la naturaleza de los datos,
til para identificar problemas de calidad y es un medio para medir la mejora.
Un segundo componente es la inferencia estadstica, proceso de extraer
conclusiones respecto a caractersticas desconocidas de una poblacin, a partir de
la cual se han recolectado datos. Las tcnicas que se utilizan son la prueba de
hiptesis, el diseo experimental y las herramientas de control de calidad que nos
pueden ayudar en este punto son el Diagrama de Pareto y los Grficos de
Control.
El tercer componente en la metodologa estadstica es la estadstica
predictiva, cuyo propsito es establecer posibles valores, con base en datos
histricos,

el diagrama de dispersin (anlisis de regresin , el de

correlacin) y los grficos de control son las herramientas de control de calidad

tiles, Frecuentemente, estas tcnica pueden aclarar las caractersticas de un
proceso, as como establecer resultados futuros.
4.2.2. Variabilidad
Las tcnicas estadsticas en el aseguramiento de la calidad han tenido una larga
historia. En 1924, Walter A. Shewhart, de Bell Telephone Laboratories, desarroll
el concepto estadstico de los diagramas de control considerndose el inicio del
Control Estadstico de Calidad cuyo principal objetivo es la reduccin
sistemtica de la variabilidad

en las caractersticas de calidad claves del

proceso, producto y / o servicio (Montgomery, 1991).

Para definir la variabilidad partamos del principio dos piezas de un mismo
producto fabricados bajo las mismas condiciones no son idnticas

Establecido como
verdadero (estndar o
norma)
valor

La diferencia
Caracterstica
de calidad

VARIACIN

valor

Real

Figura ?

La figura ? esquematiza el significado de la variacin, si una caracterstica

de calidad le asignamos un valor (estndar o normalizado) y al obtener el valor
real calculamos la diferencia entre estos dos valores encontraremos la magnitud
de la variacin. Para decir si esta diferencia es importante desde el punto de vista
calidad y / o afecta la productividad se debe utilizar la metodologa estadstica.
4.2.3 Variable y distribucin de probabilidad
Para realizar estudios sobre la calidad de cualquier proceso y / o servicio debemos
hacerlo en termino de caractersticas de calidad y de los factores que influyen
sobre de ellas, primero estudiaremos unos conceptos claves.
En control de calidad el trmino variable se designa a cualquier
caractersticas de calidad que puede medirse (longitud, voltaje, peso, volumen,
etc.), y se denomina atributo a las caractersticas de calidad que no se pueden
medir y solo se aplica el criterio pasa - no pasa b.
El conjunto colectivo de resultados de un evento constituyen un espacio de
muestra o un espacio muestral. Matemticamente, al asignar valores numricos
a todo resultado posible en un espacio muestral, se conoce como variable

aleatoria, la cual puede ser: a) Variable aleatoria discreta, cuando los valores
especficos que puede asumir son finitos y contables, un ejemplo podra ser el
nmero de defectos observados en una muestra. b) Variable aleatoria continua,
puede tomar cualquier valor real, a lo largo de un intervalo especificado de
nmeros reales y requieren de un instrumento de medicin y su precisin y
exactitud queda limitada al instrumento utilizado, un ejemplo, la densidad de una
sustancia.
Si podemos establecer que factores afectan a nuestras variables y
representarlos

por

una

ecuacin

matemtica

estamos

hablando

de

la

distribucin de probabilidad, la cual nos dir que posibilidades se tienen de que

al medir nuestra variable nos de un valor determinado.
La mayora de los procesos (clnicos, agrcolas, metalrgicos, de
alimentos, , etc) se estudian en base a las probabilidades de que ocurran por lo
que matemticamente se les denominan no determinsticos, probabilsticos o
estocsticos.

4.3
4.3.1

Herramientas del control de la calidad

Herramientas estadsticas.
Recordemos que uno de los principios bsicos del Control Total de Calidad

es Tomar decisiones con base en hechos y datos, como una forma para
evitar juicios equivocados. Esta forma de actuar, representa un enfoque cientfico
en la administracin, cuyo instrumento fundamental es la estadstica, la cual nos
ensea a inferir, a partir de unos cuantos datos.
Estadstica: es la ciencia que se ocupa de recopilar, organizar, representar
y analizar un conjunto de datos, con el fin de inferir y generalizar la informacin
contenida en ellos.
En cualquier empresa se recogen muchos datos, cuyo anlisis ordenado a
travs de tcnicas estadsticas nos permite estudiar y comprender la forma como

se esa trabajando y tomar decisiones para mejorar. Frecuentemente utilizamos

nuestra experiencia, nuestra intuicin, o conceptos abstractos para tomar
decisiones (actuamos por instinto), pero no siempre resulta lo ms adecuado. Por
lo tanto, es necesario que en nuestra rutina de trabajo incorporemos el uso de
datos, de tal manera que nos permita cierto grado de confiabilidad en nuestro
trabajo.
En este punto nos encontramos con las incgnitas existen datos?, para
qu recolectar?, qu datos son los adecuados?. Estas preguntas solo se les
puede dar respuesta al definir los objetivos y propsitos que uno desea
alcanzar.
Como ejemplo de objetivos:
1. Investigar desviaciones respecto a un valor esperado o promedio.
2. Investigar cambios a travs del tiempo.
3. Investigar el tipo, frecuencia de los defectos y fallas.
4. Investigar las causas de los defectos o errores.
Como ejemplo de propsitos:
1. Establecer la situacin real de nuestro trabajo
2. Hacer ajustes para mejorarlo.
3. Controlar los procedimientos (mtodos analticos y administrativos).
4. Comprobar la calidad de los materiales y reactivos utilizados.
5. Mantener la precisin y exactitud en nuestras determinaciones.
6. Evaluar la efectividad de las medidas correctivas y preventivas
Cualquiera que sea el objetivo y propsito que se desean alcanzar, se aconsejan las
siguientes recomendaciones para trabajar con datos.
1. Definir el propsito de los datos y tener claro el objetivo sobre el cual se
actuar.
2. Conocer la historia de los datos:

Qu datos se recopilaron?

Cul es el tipo de datos (medibles o contables)?

Por qu se recolectaron?

Cundo se recolectaron?

Dnde se recolectaron?

Cmo y conque mtodos se recopilan?

Quin los recopilo?

3. Recopilar datos que relacionan la calidad (resultados) con los factores que
influyen en ella.
4. Recopilar datos de una forma objetiva e imparcial.
5. Aplicar la herramienta estadstica del control de calidad ms adecuada.

Hoja de verificacin

Estratificacin

Diagrama de causa efecto

Diagrama de Pareto

Histograma

Diagrama de dispersin

Grficos de control

4.3.1.1

Histograma

En ocasiones se tiene un gran volumen de informacin que se desea

organizar de manera grfica para observar la forma como se distribuyen los datos
segn su frecuencia de ocurrencia y tomar decisiones con base en ello.
La herramienta indicada en estos casos es el histograma. Para trabajar
con el histograma, es necesario conocer primero cmo se organizan los datos, y
para este fin se construyen las tablas llamadas "distribuciones de frecuencia
El histograma requiere que los datos en que se apoya sean del tipo
"variables continuas", es decir, aquellas que provienen de procesos de
medicin. En caso de que los datos no sean de esta clase, y correspondan ms

bien al tipo de "variable por atributos" o conteo, se recomienda utilizar la grfica

de barras.

Cada atributo ser el equivalente de cada clase, pero no ser

necesaria la contigidad de las barras, y en algunos casos, no existir una escala

numrica (con valores crecientes de la variable), ni un orden especificado. En
consecuencia, la lectura de la grfica de barras debe efectuarse con cuidado, en
forma diferente a la que se efecta del histograma.
Elaboracin de la tabla de frecuencias
1. Obtenga el rango de los datos.
El rango es la diferencia que existe entre el dato mayor (X M) y el menor (X
) de un conjunto de datos: R = XM X m, e indica qu distancia cubren los datos si

se ordenan en una recta numrica.

2. Determine el nmero de clases
Para saber en cuntas clases conviene agrupar los datos, se acostumbra
tener como gua la siguiente tabla

Tabla 2. Gua para establecer el numero de clases

Datos o Valores de N

No. De Clases o celdas (k)

Menos de 50

5a7

50 a 100

6 a 10

100 a 250

7 a 12

Ms de 250

10 a 20

3. Determine la amplitud de cada clase.

Esto se lleva a cabo dividiendo el rango de los datos (R), aumentado en
una unidad de medicin (U), entre el nmero establecido de clases: A = (R + U)/K.

Nota (1): Cuando se trabaja con nmeros enteros, la unidad (U equivale a 1. Si es

con fraccionarios, la unidad es de la misma clase que la de las unidades
fraccionarlas que se maneja. As, si se trabaja con dcimas, la unidad es una
dcima (0. l); si son centsimas, ser una centsimas (0.01), etc.
Nota (2): Cuando se manejan datos enteros y el resultado del clculo de la
amplitud incluye cifras decimales, stas se suprimen, y el resultado se redondea
elevndolo en una unidad. Cuando se manejan datos que incluyen una decimal y
el resultado incluye dos o ms cifras decimales, esta cantidad se redondea en una
nica cifra decimal, inmediata superior a la primera decimal expresada en el
resultado; y as sucesivamente.
4. Establezca los valores lmite de cada clase.
Estos son llamados las fronteras inferior (FI) y superior (FS) de cada una.
La frontera inferior de la primera clase se establece restando la mitad de una
unidad (U) al dato menor de todo el conjunto. La frontera superior se obtiene
sumando la amplitud (A)

a la frontera inferior.

Para las siguientes clases, se

copia la frontera superior de la clase anterior como frontera inferior y se repite el

proceso de sumar la amplitud para obtener la frontera superior de esta clase
5. Calcule el punto medio de cada clase. Este valor se denomina marca de clase;
se denota por Xi, y es la semisuma de las fronteras de la clase: X, = (FI i, + FSi)/2
6. Calcule las frecuencias absolutas
Cuente el nmero de datos que caen dentro de cada una de las clases;
estas cantidades se llaman frecuencias relativas, y se denotan con el smbolo fr,
La frecuencia absoluta (fa) para la primera clase es igual a su fr, la frecuencia
absoluta de la segunda clase es la suma de su fr con fr de la primera y as
sucesivamente.
7. Elabore la tabla de frecuencias
8. Grafique e interprete los resultados (este paso nos lleva a la elaboracin del
histograma).

El histograma es una grfica que resulta de la tabla de frecuencias de los

datos: est integrada por un conjunto de barras que representan los intervalos o
clases, ubicadas en un sistema de coordenadas.

Figura 7. Histograma
HISTOGRAMA
35

FRECUECNIA

30
25
20
15
10
5
0
11.92 11.96 12.00 12.04 12.08 12.11 12.15
MARCA DE CLASES

La lnea vertical indica la cantidad de datos que contiene cada clase o

categora. Por consiguiente, se grada teniendo en cuenta la frecuencia mxima
generalmente, incluye el cero como valor mnimo.

En la lnea horizontal se

disponen las fronteras o limites de todas las clases, correspondientes a la variable

bajo estudio. Las barras corresponden a cada clase, y su altura es proporcional al
valor de la frecuencia absoluta de la misma.
Despus de construido el histograma, podemos responder en una forma
inmediata a las siguientes preguntas:
1)

Cul es la forma de la distribucin de los datos?

2)

Cul es la relacin con las especificaciones, los estndares o

metas propuestas? (ver anexo I)

3)

Es necesario un cambio en el proceso / servicio?

Debe mencionarse que si bien el histograma es til al analizar un conjunto

de datos, su uso tiene algunas limitaciones:
a)

El histograma muestra una condicin a posterior del proceso, es

decir, no involucra el paso del tiempo, la herramienta estadstica que
se encarga de esto es la grfica de control.

b)

El nmero de datos que se necesita es relativamente grande.

La

cantidad de datos depende de la situacin particular, pero cantidades

tpicas son 50, 100 ms.
c)

Es imposible distinguir entre las dos clases de variacin (causas

comunes o causas especiales) presentes en todo proceso.

d)

Por ltimo, el histograma resulta incapaz de mostrar si el proceso

exhibe inestabilidad estadstica (ver Grficos de Control).

e)

Es conveniente marcar los lmites de especificacin o de estndares en

el histograma, pues as resulta fcil reconocer la existencia de
problemas en el comportamiento de la variable en cuestin, o si se
comparan dos histogramas del mismo proceso, ver si hay cambios
(antes versus despus) favorable - o desfavorable - en el mismo.

4.3.1.2

Diagrama de Pareto

El diagrama de Pareto es la herramienta que va a permitir identificar los

problemas

reales

de

mayor

importancia,

que

deben

ser

enfrentados

inmediatamente. Es una grfica que representa en forma ordenada el grado de

importancia que tienen los diferentes factores en un determinado problema,
tomando en consideracin la frecuencia con que ocurre cada uno de dichos
factores.

El nombre de este diagrama es en honor a Vilfredo Pareto, un economista

italiano que introdujo el concepto de los "pocos vitales" contra los "muchos
triviales". Los primeros se refieren a aquellos pocos factores que representan la
parte ms grande o el porcentaje ms alto de un total, mientras que los segundos
son aquellos numerosos factores que representan la pequea parte restante. Esta
herramienta fue popularizada por Joseph Juran y Alan Lakelin; ste ltimo formul
la

"regla

80-20"

con

base

en

los

estudios

principios

de

Pareto.

Aproximadamente, el 80% de un valor o de un costo se debe al 20 % de los

elementos de ste.
a)

El 80 % del volumen de ventas de una empresa se realizan a travs

del 20% de sus productos.

b)

El 80 % del total de tiempo de trabajo se consume con el 20% de las

actividades diarias.
c)

El 80 % del valor de un inventario de artculos se debe al 200/o de

estos artculos.
d)

El 80 % del total de defectos encontrados en un producto se debe al

20 % de los tipos de causas identificados.

El objetivo del diagrama de Pareto es identificar los "pocos vitales", o sea,
ese 20%, de tal manera que la accin correctiva se aplique donde produzca un
mayor beneficio, al organizar los factores por orden de importancia, facilita una
correcta toma de decisiones.

Aplicaciones del diagrama de Pareto

1. Canaliza los esfuerzos hacia los "pocos vitales".
2. Es el primer paso para la realizacin de mejoras, pues se aplica en todas
las situaciones en donde se pretende efectuar una mejora, en cualquiera de
los componentes de la Calidad Total.

3. Permite la comparacin antes / despus, ayudando a cuantificar el impacto

de las acciones emprendidas para lograr mejoras.
4. Se utiliza tambin para expresar los costos que implica cada tipo de defecto
y los ahorros logrados mediante el efecto correctivo llevado a cabo a travs
de determinadas acciones.
El diagrama de Pareto se asemeja a un diagrama de barras, y su
construccin comprende los siguientes pasos:
1. Identifique el problema o rea de mejora en la que se va a trabajar.
2. Elabore una lista de los factores que pueden estar principales causas que
pueden estar incidiendo en el problema.
3. Establezca el perodo de tiempo dentro del cual se recolectaran los datos
(das, semanas, meces, etc.)
4. Disee una hoja de verificacin para la frecuencia con que ocurre cada
factor, dentro del perodo fijado, especificando el nmero total de casos
verificados.
5. Con base en los datos de la hoja de verificacin, ordene los distintos
factores conforme su frecuencia, comenzando con el dato que se repite
ms. Recuerde que el nmero de todas las frecuencias debe ser igual al
nmero de casos u observaciones hechas.
6. Obtenga el porcentaje relativo de cada causa o factor, con respecto al total.
7. Calcule el porcentaje acumulado, sumando en forma consecutiva los
porcentajes en que se presenta el problema.
8. Construya el diagrama de Pareto.
En ocasiones, se acostumbra realizar dos o ms diagramas de Pareto para
darle seguimiento a un mismo proyecto a lo largo del tiempo. De esta manera es
posible realizar comparaciones y se puede llegar a una correcta toma de
decisiones, para esto son Importantes las siguientes recomendaciones:
a)

Maneje la misma escala en los ejes verticales izquierdos de ambos

diagramas.

b)

Seleccione una unidad de tiempo conveniente, tal como una semana,

un trimestre, etc., que sea la misma para los dos diagramas.

Figura 10.

4.3.1.3 Diagrama de dispersin

Con el propsito de controlar mejor el proceso y por consiguiente, de mejorarlo,
resulta a veces indispensable conocer la forma como se comportan algunas variables o

caractersticas de calidad entre s, esto es, descubrir si el comportamiento de unas depende

del comportamiento de otras, o no, y en qu grado.
Los mtodos grficos tales como el histograma o las grficas de control
tienen como base un conjunto de datos correspondientes a una sola variable (la
caracterstica de calidad de inters), es decir, son datos univariados.

El

diagrama de dispersin es una herramienta utilizada con frecuencia cuando se

desea realizar un anlisis grfico de datos bivariados, es decir, los que se
refieren a dos conjuntos de datos. El resultado del anlisis puede mostrar que
existe una relacin entre una variable y la otra, y el estudio puede ampliarse para
incluir una medida cuantitativa de tal relacin. Los dos conjuntos pueden referirse
a lo siguiente:
Una caracterstica de calidad y un factor que incide sobre ella
Dos caractersticas de calidad relacionadas, o bien
Dos factores relacionados con una sola caracterstica.
Bsicamente, el diagrama de dispersin ofrece los siguientes usos
1. Indica si dos variables (factores o bien caractersticas de calidad) estn
relacionados.
2. Proporciona la posibilidad de reconocer fcilmente relaciones causa /
efecto.
El proceso de elaboracin del diagrama de dispersin contiene los
siguientes pasos:
1. Recolectar n parejas de datos de la forma (X i, Yi,), con i = 1, 2, ... -, n,
donde Xi, y Yi, representan los valores respectivos de las dos
variables. (los datos se suelen presentar en una tabla).
2. Disear las escalas apropiadas para los dos ejes, X y Y.
3. Graficar las parejas de datos. Si hay puntos repetidos, se mostrarn
como crculos concntricos (o)

4. Documentar el diagrama, incluyendo lo siguiente: fecha, nombre del

departamento, personal involucrado, etc.

Figura 11. Diagrama de Dispersin

Aclaraciones:
1)

Si los datos corresponden a un factor y una caracterstica, se acostumbra

colocar el factor en el eje horizontal (X), siendo indistinto el orden para los otros
casos (caracterstica / caracterstica o factor / factor).
2) Algunos autores han sealado que se obtiene una mejor lectura del diagrama si
se disponen las escalas por rangos, es decir, los ejes cubriendo slo los rangos de
valores de la tabla, y por tanto sin cruzarse.

La lectura del diagrama de dispersin se hace en funcin al tipo de relacin

entre los datos, lo fuerte o dbil de la relacin, la forma de la relacin y la posible
presencia de puntos anmalos (Ver anexo 2)
La relacin entre los datos se denomina "correlacin positiva" cuando
aumenta el valor de la variable X le acompaa un aumento en la otra variable: el
caso inverso da lugar a la llamada "correlacin negativa
Otros patrones generales que se pueden encontrar al graficar los datos son
los siguientes: el de la izquierda indica una posible correlacin positiva,
mientras que en el de la derecha no se percibe relacin alguna entre los datos, es
decir, no hay correlacin.
El patrn de puntos puede asumir diversas formas, dependiendo de la
relacin que existe entre las variables, si el patrn de puntos asume la forma
(quiz aproximada) de una lnea recta, se dice que existe correlacin lineal entre
las variables.
En ocasiones, algunos datos dan lugar a puntos anmalos, que se
presentan separados del patrn de puntos.

El usuario debe dejar fuera del

anlisis esos puntos, que quiz son debidos a lecturas equivocadas o a algn
cambio en las condiciones del proceso, etc.., pero se ganar conocimiento de este
ltimo al estudiar las causas por las que se presentaron los puntos.
Un inconveniente del diagrama de dispersin es que no dice nada de por
qu existe la correlacin, de modo que es imprescindible examinar la
aparente relacin entre las variables desde el punto de vista cientfico o
tcnico.
El uso del diagrama de dispersin debe completarse con las tcnicas de
regresin y correlacin, que involucran, respectivamente, la determinacin de un
modelo matemtico de la relacin entre los dos conjuntos de datos y una medida
cuantitativa de su grado de relacin.

El coeficiente de correlacin lineal

El valor de un coeficiente (r), llamado coeficiente de correlacin lineal

de Pearson, proporciona una medida del grado de relacin entre dos variables, y
se calcula mediante la expresin:
r

S ( xy )
S ( xx ) S ( yy )

(ec. 1)

S ( xx) Xi
2

S ( xy ) Yi 2

donde

( Xi ) 2

(ec. 2)

( Yi ) 2

S ( xy ) XiYi

(ec. 3)

Xi Yi
n

(ec. 4)

Interpretacin del coeficiente de regresin

El valor del coeficiente de correlacin satisface la siguiente relacin:
1. Si r = +1 r = -1 se tiene entonces una correlacin perfecta, lo cual
significa que todos los puntos caen sobre una lnea recta.
2. Un valor nulo de r , o sea r = 0, indicar la ausencia de relacin entre las
variables; entre ms cercano est el valor absoluto de r a la unidad mayor
ser el grado de correlacin.
3. El diagrama de dispersin debe acompaarse del clculo del coeficiente de
correlacin, sirviendo ste ltimo para verificar el grado de relacin entre las
variables, que el usuario percibe de modo cualitativo en la grfica.
Tabla 3. Valores de r y su interpretacin
COEFICIENTE
DE CORRFLACION

0.8 < r < 1

0.3 < r < O.8
-0.3 < r < 0.3
-0.8 < r < -0.3
-1.0 < r < -0.8

RELACION

Fuerte, positiva
Dbil, positiva
No existe relacin
Dbil, negativa
Fuerte, negativa

4.3.1.4

Grficos de control

La grfica de control es un diagrama que sirve para examinar si un

proceso se encuentra en una condicin estable, o para asegurar que se
mantenga en esta condicin. En estadstica, se dice que un proceso es estable
(o est en control) cuando las nicas causas de variacin presentes son las de
tipo aleatorio. En esta condicin, se pueden realizar ingerencias con respecto a
la salida del proceso, esto es, a la caracterstica de calidad que se est midiendo.
En cambio, la presencia de causas asignables hace que el proceso se
desestabilice, impidiendo la prediccin de su comportamiento futuro.
La estructura de las grficas contiene una "lnea central" (LC), una lnea
superior que marca el "lmite superior de control " (LSC), y una lnea inferior que
marca el "lmite inferior de control" (LIC).

Los puntos contienen informacin

sobre las lecturas hechas, pueden ser promedios de grupos de lecturas, o sus
rangos, o bien las lecturas individuales mismas. Los lmites de control marcan el
intervalo de confianza en el cual se espera que caigan los puntos.
Aunque existen diversos tipos de grficas de control, todas presentan una
estructura similar, como se muestra en la siguiente figura.

Figura 12. Grfico de Control

Las lecturas se hacen a partir de muestras por periodo, y los intervalos de
tiempo son generalmente iguales, por ejemplo, por media hora, por hora, por da,
etc.

Ventajas de los grficos de control.

1. Sirve para determinar el estado de control de un proceso.
2. Diagnostica el comportamiento de un proceso en el tiempo.
3. Indica si un proceso ha mejorado o empeorado.
4. Permite identificar las dos fuentes de variacin de un proceso: causas
comunes y causas asignables.
5. Sirve como una herramienta de deteccin de problemas.
Propsitos de un grfico de control:

Obtener informacin para establecer o cambiar estndares.

Obtener informacin para establecer o cambiar procedimientos.

Tener un criterio para decidir si conviene investigar causas de variacin del

proceso.

Recomendaciones:
1. La variable a considerar debe ser siempre algo que pueda ser
cuantificado (medido o contado): tiempo, temperatura del lugar, humedad;
o bien, el nmero de partes calificados con pasa /no pasa.
2. Con respecto al tamao de la muestra, es conveniente que los subgrupos
se formen de acuerdo con el tipo de grfica, el volumen de produccin, el
tiempo, etc. Por ejemplo, para una grfica de promedios y rangos, el Dr.
Shewhart sugiri la eleccin de 4 elementos para cada subgrupo,
tomados en periodos que van entre media hora y dos horas; sin embargo,
parece ser que es mejor que los grupos se formen con 5 elementos
consecutivos.
3. Con menos de 5 elementos, la grfica pierde sensibilidad con respecto a
la deteccin de problemas, mientras que con ms de 5 se obtiene muy
poca informacin adicional.
Tipos de grficas de control.
Las grficas de control se elaboran segn el tipo de datos que se recojan en
el sitio de trabajo.
a) Las grficas de control para variables (dato medible) ms frecuentemente
utilizadas son las siguientes:
___

Promedios y rangos.

___

Promedios y desviacin estndar.

Grfica X - R
Grfica X -
___

Grfica X

- S

Grfica X - RM

Media y desviacin estndar

Lecturas individuales y rango mvil.

b) Las grficas de control por atributos (datos contables) ms frecuentemente

utilizadas son las siguientes:
Grfica p

Porcentaje de oportunidad, trabajos o procesos defectuosos.

Grfica np

Nmero de oportunidad, trabajos o procesos defectuosos.

Grfica c

Nmero de defectos por rea de oportunidad.

Grfica u

Porcentaje de defectos rea de oportunidad.

Aplicacin de los grficos de control.

a) Grfica X media: Se utiliza para evaluar la calidad de la media, en
presencia

nicamente

de

causas

aleatorias

que

distribuyen

normalmente con media y por lo que en el intervalo +/- 3 se

encontrarn el 99.7 % de los datos.
b) Grfica R: Se utiliza cundo se desea conocer la variabilidad de los
valores que conforman cada muestra.
c) Grficas S y : Es adecuada

cuando se quiera evaluar la

variabilidad de la calidad de los resultados a partir de la desviacin

tpica.
d) Grficas p y np: Se usan para detectar la proporcin de unidades
defectuosas en relacin al tamao n de la muestra o el nmero de
unidades defectuosas.
e) Grficas c y u. Se utilizan para detectar el nmero de defectos
encontrados en la muestra, la cantidad de unidades que conforman
la muestra debe ser constante.
Elaboracin de las graficas de control
1. Elija el grfico mas adecuado segn el diagrama de rbol y la
aplicacin que le va a dar.
2. Calcule el valor de los limites (LI, LC y LS). Utilice las formulas del anexo 5
segn el tipo de grfico que se esta utilizando.

3. Construya la grfica que relacione el parmetro de calidad seleccionado

contra el nmero de unidades que representan el tiempo de estudio.
4. Divida el grafico por zonas segn el valor de los limites.
5. Interprete el grafico, utilice el patrn de comportamiento del anexo 6
Aclaraciones:
1. Cuando los valores de y son desconocidos, se estiman a partir de los
datos de 20 a 25 muestras de tamao pequeo (4 a 5 datos cada una),
tomadas a intervalos regulares de tiempo.
2. Primero se construye la grafica de R, , S y RM, si las graficas presentan
un comportamiento estable (proceso en control) se procede a realizar las
respectivas graficas de medias o datos individuales.
3. Como en todas las grficas, es necesario establecer la frecuencia para la
toma de datos, teniendo en cuenta que los intervalos cortos permiten una
rpida retroalimentacin del proceso.

4.3.1.5

Diagrama de causa y efecto

A este diagrama se le conoce como el diagrama de pescado o esqueleto

de pescado, sirve como herramienta de anlisis para:

Categorizar muchas causas potenciales de un problema o cuestin

de manera ordenada.

Analizar qu es lo que est sucediendo realmente con un proceso.

Capacitar a los equipos de trabajo y personas acerca de nuevos

procesos y procedimientos corrientes.

Pasos a seguir para elaborar un diagrama de causa y efecto.

1) Iniciar la sesin.
2) Identificar el efecto.
3) Identificar las principales causas.
4) Inferir por medio del brainstorming las causas potenciales del problema.
5) Utilice el mtodo ms adecuado para categorizar las principales causas.
Llegar a un acuerdo sobre las causas ms probables.
4.3.2 Las herramientas administrativas
En el ambiente actual de los negocios las cosas parecen cambiar
rpidamente de un ao para otro, de un mes a otro, de un da a otro, incluso en
pocas horas, por lo que es necesario que cada integrante de la empresa se
comprometa con la calidad y lleva acabo planes de calidad en forma individual y
grupal por lo que requieren conocer y aplicar, en la Administracin por Calidad
Total

(Total Quality Management = TQM) las denominadas Herramientas

administrativas:
Brainstorming
Diagrama matricial
Diagrama de afinidad
Diagrama de campo de fuerza
Diagrama de rbol
Calificacin de criterios
Diagrama de flujo de proceso
Diagrama de causa y efecto
Planilla de verificacin
Las ltimas dos no tienen fundamento matemtico, ni estadstico, pero se les
agrupa en las herramientas estadsticas del control de calidad.
Algunas sirven para sintetizar el pensamiento de personas con diferentes
puntos de vistas, lo que es frecuente en la resolucin de problemas

interdepartamentales o interfuncionales; otras ayudan a traducir las metas en

procedimientos y medidas, a analizar datos y a presentar en forma grfica los
planes de accin.

4.3.2.1

Brainstorming

Es una herramienta de planteamiento que se puede utilizar para obtener ideas a

partir de la creatividad de un grupo, se emplea cuando:

Se desea determinar las posibles causas y / o soluciones a un problema

Planificar las etapas de un proyecto

Decidir en qu problema u oportunidad de mejora se trabajara

Se emplea a menudo para crear consenso, y en situaciones donde se necesita

generar un nmero elevado de ideas. Los pasos claves son:

Iniciar la sesin:

1) Se establece un lmite de tiempo ( 30 minutos)

2) Designar uno o ms registradores.
3) Establecer las reglas de juego:
a) No modificar lo que se dice y abstenerse de criticar ideas
b) Tratar de generar tantas ideas como sea posible.
c) Alentar las ideas disparatadas o exageradas (la clave es la
creatividad)
d) Edificar sobre las ideas de los dems (una idea puede generar otra
idea)

Elegir el tipo de mtodo de brainstrorming que se utilizara: 1) Aleatorio

donde los integrantes del grupo enuncian todas las ideas a medida que se les
va ocurriendo y estas se enumeran mientras son emitidas. 2) Secuencial
Cada integrante emite su idea por turno, se puede pasar, se contina hasta

que no se generan ms ideas y todas las ideas son enumeradas a medida que
se emiten.

Al finalizar se procede a priorizar clasificar (si es necesario) y en ocasiones recopilar

informacin que fundamenten una idea.

4.3.2.2

Diagrama matricial

Es una herramienta de planeacin que relaciona en forma grfica caractersticas,

funciones y tareas en forma secuencial proporcionando conexiones lgicas. Se
recomienda su uso cuando:
1)

Se requiera relacionar tareas con las personas, departamentos o funciones que

las llevaran acabo.

2)

Mostrar la relacin entre una tarea y la persona, departamento o funcin

responsable.
3)

Cuantificar la intensidad de esa relacin

4)

Asignar responsabilidades y planear acciones

Existen muchos tipos de diagrama matricial el ms comn es el tipo

Pasos para elaborar una matriz tipo L:

1. Se identifican los aspectos a relacionar.

2. Se desarrollan en rubros cada uno de dichos aspectos.
3. Se procede a llenar cada uno de los espacios.

4.3.2.3

Diagrama de afinidad

Es un mtodo estructurado de brainstorming, que puede ser utilizado en

actividades complejas y extensas, como ejemplo, el desarrollo de un balance o el
informe d una misin. Esta herramienta se basa en el hecho de que muchas opiniones
son afines entre si y por lo tanto se pueden agrupar en torno a unas cuantas ideas
generales.
Pasos para elaborar el diagrama:
1. Las opiniones se escriben en fichas.
2. Se agrupan las fichas que expresan la misma opinin pero con diferentes
palabras.
3. En una ficha de mayor tamao se escribe la sntesis de las fichas que expresan
opiniones semejantes.
4. En fichas ms grandes se escribe el consenso general.
4.3.2.4

Diagrama de campo de fuerza

El diagrama de campo de fuerza es una herramienta que pueden utilizar los

equipos de mejora (grupos pequeos de 5 a 7 integrantes) cuando quieran
alcanzar objetivos, requieran identificar las causas posibles y las soluciones a un
problema o a una oportunidad importante, o cuando no han logrado alcanzar sus
objetivos.
Pasos a seguir:
1) Iniciar la sesin:

a. Establezcan limite de tiempo para la sesin.

b. Crear un grafico como el indicado en la pagina siguiente.
c. Designe uno o ms registradores.
d. Utilice las reglas del brainstrorming
2) Ponerse de acuerdo sobre lo que esta sucediendo, establezcan
los objetivos y las ideas.
3) Determinen las fuerza aceleradoras y las frenadoras

4.3.2.5

Diagrama de rbol

El diagrama de rbol es una herramienta de planificacin utilizada para:

Esbozar el camino a seguir y las tareas que necesitan ser realizadas

a fin de alcanzar un objetivo primario y todos los sub-objetivos
relacionados con l.

Organizar la secuencias de tareas de un plan de ejecucin

Verificar la lgica de un plan investigando posibles omisiones.

En la toma de decisiones

Pasos para elabora un diagrama de rbol

1) Iniciar con la sesin del equipo de trabajo.
a. Establecer un lmite de tiempo (40 a 60 minutos) y el
numero de sesiones para trabajar.
b. Seleccionen al registrador.
c. Identifiquen su objetivo
2) Ejecutar un brainstorming
3) Identificar los encabezamientos principales del diagrama. Significa
seleccionar las tareas ms importantes para construir el nivel
primario del rbol.
4) Crear el siguiente nivel de detalle

5) Revisar el diagrama de rbol, verificar la lgica secuencial del plan.

4.3.2.6

Clasificacin de criterios

El formulario de clasificacin de criterios es una herramienta de interpretacin que se

puede utilizar para seleccionar ideas y solucionar entre varias opciones. Se utiliza
cuando:

Se tiene que seleccionar entre varias opciones.

Se tiene que tomar una decisin de forma objetiva

Cuando se requiere que el grupo llegue a un acuerdo.

Pasos a seguir:
1) Iniciar la sesin.
2) Generar por medio del brainstorming diversos criterios de decisin.
3) Determine la importancia relativa de cada criterio en termino de
porcentaje.
4) Establezca una escala de calificacin; ponderar las alternativas.
5) Calcular el puntaje final.
6) Seleccionar la mejor alternativa.
4.3.2.7

Diagrama de flujo de procesos

Es una herramienta de planificacin y anlisis utilizada para:

Definir y analizar procesos de manufactura, ensamblado o servicio.

Construir un imagen del proceso etapa por etapa para su anlisis,

discusin o con propsitos de comunicacin.

Definir, estandarizar o encontrar reas de un proceso susceptibles de

ser mejoradas.

El diagrama de flujo se concentra en una funcin o actividad especfica. En

procesos administrativos se prefiere el Diagrama de Flujo de Secuencias.

Pasos para la elaboracin de un diagrama de flujo:

1) Iniciar la sesin.
2) Identificar las principales tareas del proceso.
3) Trazar el diagrama de flujo aplicando la siguiente simbologa.
a. Circulo alargado, para indicar el inicio y el final del diagrama
b. El cuadrado describe la tarea a realizar.
c. El diamante indica punto de decisin
d. El circulo con letra se utiliza para conectar tareas

e. El cuadrado de base ondulada indica transferencia o salida

fsica de un documento
f. La flecha recta indica la direccin del flujo
4) Analizar el diagrama.
4.3.2.7

Planilla de verificacin

La planilla u hoja de verificacin es una herramienta estadstica para organizar la informacin, se aplica
cuando:

Se requiere distinguir entre opiniones y hechos.

Recopilar informacin para verificar la reiteracin de un problema

Recopilar informacin del tipo de problema que est ocurriendo.

Se pueden definir los siguientes tipos de hojas de dato:

a) Hoja para recolectar datos
b) Hoja de localizacin
c) Lista de verificacin

Pasos para elaborar cualquiera de las hojas anteriores.

1) Iniciar sesin de trabajo, clasificar objetivos y determinar el tipo de hoja
a utilizar.
2) Definir cules factores hay que registrar
3) Crear la hoja la cual debe incluir informacin general tal como:

Fecha de elaboracin

Responsable de la toma de datos.

Perodo de recoleccin de la informacin

Producto o servicio que se esta estudiando

Departamento

Personal que autoriza

4) Registrar los datos

5) Totalizar la informacin y verificar su fiabilidad
Criterio 1.0
Clientes

Estudios de
Mercado

Encuestas

Grupos de Enfoque

Garantas

Momentos de
Verdad
Taguchi (Funcin
perdida)

Criterio 2.0
Aportacion Social

Tecnologa limpia

Normas y
estandares

Ecoeficiencia
Desarrollo
sustentable

Programas para desarrollo de

la comunidad

Criterio 3.0 Lderes Criterio 4.0Personal

Programas de
liderzgo

Compensacin
variable

Empowerment

Reconocimiento a
equipos de trabajo

Planes de carrera

Mtodos interactivos
de capacitacin

Evaluacin de clima
organizacional

Trabajo en equipo
Clulas de trabajo
Equipos
autodirigdos

Programas de comunicacin

Sucesin de personal
clave

Evaluacin 360
Programa de retencin de
cliente

Criterio 6.0
Conocimiento
Organizacional

Medicin de
operacin,
eficiencia,
efectividad, eficacia

Sistemas en lnea

Administracin del
conocimiento

Entornos creativos
Estimulacin de la
creatividad

Ambientes de

Criterio 6.0
Planeacin

FODAS
Escenarios
Anlisis de
sensibilidad
Proyecciones
Benchmarking
Visin sitmica
Calidad Total

Hoshin planning

Criterio 7.0
Procesos

QFD

Seis sigma

Reingeniera

Kaizen
Kan-Ban
Mejores prcticas
CEP, control
estadstico de
proceso
Taguchi (procesos
robustos)

Criterio 8.0 Anlisis

de resultados

BSC (Balance Score

Card)

Estados financieros

Anlisis
comparativos, de
equilibrio, causaefecto

Tablas, grficas,
mapas

Estudios de imagen

aprendizaje
organizacional
Patentes y derechos de autor

TPM
JTI (just in time)
Aseguramiento

Programa para desarrollo de

proveedores

Anexo II
Principios de probabilidad
Cada vez que realizamos un clculo matemtico para resolver un problema,
lo que estamos haciendo es aplicar un modelo matemtico a un fenmeno de la
realidad.
Este fenmeno puede ser, por ejemplo, la cada de un objeto desde cierta
altura, y en este caso utilizamos un modelo que es la Ley de Gravedad.
Qu es un modelo?
Al enfrentar un problema de fsica, qumica, ingeniera o de algn otro tipo,
estamos analizando e investigando una parte o aspecto de la realidad material que
nos rodea. Para resolver el problema, necesitamos modelar esa realidad, es decir,
construir una representacin en la mente de cmo ocurren los hechos, junto con
ecuaciones matemticas que permitan calcular los efectos de los mismos.
El modelo de fuerza gravitatoria o leyes de la gravedad permite estudiar la
cada de un cuerpo en el vaco. Cuando aplicamos este modelo a la cada real de
un cuerpo, estamos dejando de lado la influencia del aire, cuyo rozamiento en el
cuerpo disminuye su velocidad, pero lo hacemos a sabiendas que este rozamiento
es muy pequeo y por lo tanto no va a afectar demasiado nuestros clculos.
En ningn caso se debe confundir modelo con realidad. Un modelo es slo
una representacin de la realidad, utilizado para estudiar y analizar dicha realidad.
Los modelos matemticos que mencionamos hasta ahora, despus de
efectuar los clculos nos dan un resultado numrico preciso, por ejemplo, que la
velocidad de un automvil es de 75,5 Km/Hora.

Tambin podemos calcular la corriente elctrica que circula por un cable

con la Ley de Ohm y obtenemos, por ejemplo, un resultado como 5,7 Amperes:

Este tipo de modelos matemticos se denominan determinsticos. Hay

fenmenos que necesitan otro tipo de modelos matemticos, que se denominan
no determinsticos, probabilsticos o estocsticos.
Por ejemplo, supongamos que un agricultor necesita saber cuanta lluvia va
a caer en los prximos meses, antes de decidir si le conviene sembrar o no esta
temporada. El agricultor se inform en la oficina de meteorologa acerca de la
presin baromtrica, la temperatura, velocidad del viento y otros datos
meteorolgicos de la zona en que vive.
Sin embargo, no hay una ecuacin que con todos esos datos le permita
calcular los milmetros de lluvia que van a caer en un mes en forma precisa.
De la misma manera, ningn operador puede calcular cuanto va a subir la
Bolsa, ni siquiera si va a subir o bajar, an cuando tenga a su alcance todas las
variables econmicas disponibles para el pas. Este tipo de fenmenos No
admiten un modelo determinstico, sino un modelo probabilstico, que como
resultado nos dice la probabilidad de que llueva una cierta cantidad, o la
probabilidad de que la Bolsa suba un cierto porcentaje. El resultado no es un valor
determinado, sino la probabilidad de un valor.
Veamos algunos ejemplos de fenmenos o experimentos para los cuales es
apropiado o conveniente utilizar un modelo probabilstico:
Experimento 1:
Se lanza un dado y se anota el nmero que aparece en la cara superior.
Experimento 2:
Se arroja una moneda cuatro veces y se cuenta el nmero total de caras
obtenidas.
Experimento 3:
Se arroja una moneda cuatro veces y se anota la sucesin de caras y cecas
obtenidas.
Experimento 4:

Se fabrican artculos en una lnea de produccin y se cuenta el nmero de

artculos defectuosos producidos en 24 horas.
En todos estos casos, el resultado del experimento no se puede predecir
con absoluta certeza. Hay varios resultados posibles cada vez que se realiza la
experiencia.
Para cada experimento del tipo que estamos considerando, se define el
Espacio Muestral como el conjunto de todos los resultados posibles que pueden
producirse al realizar el experimento.
Experimento 1:
Se lanza un dado y se anota el nmero que aparece en la cara superior:

Experimento 2:
Se arroja una moneda cuatro veces y se cuenta el nmero total de caras
obtenidas:

Experimento 3:
Se arroja una moneda cuatro veces y se anota la sucesin de caras (C) y cecas
(X) obtenidas:

Experimento 4:
Se fabrican artculos en una lnea de produccin y se cuenta el nmero de
artculos defectuosos producidos en 24 horas.

donde N es el nmero mximo que pudo ser producido en 24 horas.

Un Suceso, respecto a un espacio muestral S asociado con determinado
experimento, es un subconjunto de resultados del espacio muestral.

Entonces, el subconjunto formado por un solo elemento del espacio muestral es

un suceso.

El conjunto formado por todos los elementos del espacio muestral tambin es un
suceso:

Y tambin lo es el conjunto vaco.

Hemos visto que dado un experimento cualquiera, hay un espacio muestral
asociado cuyos elementos son todos los resultados que se pueden obtener de la
experiencia. Un subgrupo o subconjunto de resultados es un suceso. Ahora, cmo
podemos saber si la posibilidad de que ocurra un suceso es grande o pequea?
Por ejemplo, si arrojamos un dado, cmo podemos calcular la probabilidad de que
salga un 2 ?. Para esto necesitamos un nmero asociado con cada suceso, al cual
se lo denomina probabilidad del suceso. Entonces, la probabilidad P de un suceso
es un nmero entre 0 y 1, que nos dice en que medida es posible que ocurra el
suceso. Si la probabilidad es 1 significa que el suceso ocurrir con toda certeza. Si
la probabilidad es 0,5 significa que un suceso puede ocurrir o puede no ocurrir con
la misma probabilidad. Probabilidad 0 quiere decir que el suceso es imposible que
ocurra. Cmo podemos calcular la Probabilidad de un suceso?
La respuesta a esta pregunta no siempre es sencilla y depende del
experimento y de su espacio muestral asociado. Hay casos simples en los que el
clculo es relativamente sencillo. En primer trmino, supondremos que se trata de
un experimento cuyo espacio muestral es finito y tiene un nmero pequeo de
resultados posibles. En segundo trmino, supondremos que todos los resultados
que integran el espacio muestral (sucesos elementales) tienen la misma
probabilidad de ocurrir.
Con estas dos hiptesis, la frmula para calcular la probabilidad es muy
sencilla. Supongamos que se trata de un experimento cualquiera cuyo espacio
muestral S tiene N elementos (N resultados posibles). Deseamos calcular la

probabilidad de un suceso H (Un subconjunto H del espacio muestral S) que tiene

m elementos. De acuerdo a lo dicho previamente, el nmero N tiene que ser
pequeo y la probabilidad de cada suceso elemental tiene que ser la misma:

Entonces la probabilidad P de que ocurra el suceso H es:

Veamos algunos ejemplos. Supongamos que se arroja un dado sobre una mesa y
apostamos a que salga un nmero igual o menor que 4. Sabemos que son
igualmente posibles los nmeros: {1, 2, 3, 4, 5 y 6} (Espacio muestral con 6
elementos).
Pero los nmeros favorables a nuestra apuesta son: {1, 2, 3 y 4} (Suceso con 4
elementos). Entonces, la probabilidad de que ganemos es:

Es decir que tenemos a nuestro favor una probabilidad de 0,666.. (o sea

aproximadamente del 67 %). Si apostamos a un slo nmero, por ejemplo a que
sale un as, la probabilidad de ganar sera:

Repitiendo, la probabilidad es un nmero entre 0 y 1, que nos dice en que medida

es posible que ocurra un suceso.