TEMA 5

MUESTREO DE ACEPTACIN
ESTADISTICO
Objetivo Particular
Al finalizar el tema el participante valorar los conceptos del muestreo de
aceptacin, y los diferentes tipos de muestreo de aceptacin aplicados en Mxico
y en otras partes del mundo, con el propsito de identificar un sistema de
inspeccin en puertos, aeropuertos y fronteras de Mxico, para la importacin de
granos y semillas.
Introduccin
La salud fitosanitaria de la semilla de importacin a nuestro pas es de primordial
importancia, ya que la presencia de patgenos y plagas cuarentenarias significan
un gran impacto sobre el territorio nacional, y prdidas econmicas directas a la
agricultura, por los costos de tratamientos, y la prdida de mercados por
problemas de inocuidad. Una plaga cuarentenaria es aquella de importancia
econmica por las prdidas econmicas potenciales para un pas o rea, la cual
no est presente o si est no se encuentra ampliamente distribuida y se declara
bajo control oficial. Por lo anterior, resulta de suma importancia econmica y
poltica un proceso de inspeccin que garantice con alta probabilidad la aceptacin
lotes de semillas libre de plagas y el rechazo con una probabilidad alta de lotes
contaminados. Por lo anterior, este captulo introduce el Muestreo de Aceptacin
Estadstico (5.1), para despus describir la importancia de la curva caracterstica
de operacin (5.2), instrumento de referencia que nos servir para comparar
diversos esquemas de muestreo. Posteriormente se describen los tipos de
muestreo que cumplen con la caracterstica de cero tolerancia a la presencia de
plagas cuarentenarias (C=0), tales como: Muestreo simple (5.3), Muestreo para
lotes sensitivos cero tolerancia (5.4) y muestreo secuencial tanto el tradicional
como el triangular (5.5). Finalmente, en la seccin 5.6 se presenta una discusin
sobre el software disponible.

55

Justificacin de los muestreos presentados

Los esquemas de muestreo que son revisados en este captulo han sido
seleccionados por cubrir con la caracterstica primordial de tener cero (C=0)
tolerancia a una caracterstica de inters, que en este caso esta es la presencia de
plagas cuarentenarias.
5.1 Introduccin al muestreo de aceptacin
Actualmente, la calidad ya no es un factor de lujo, sino una demanda por parte de
los consumidores de un bien o servicio. Por lo tanto, la calidad pas de ser un
desafo retrico, a un requisito de la competitividad. En los prximos aos las
empresas que logren sobrevivir sern aquellas que logren productos y servicios de
calidad a precios competitivos que satisfagan e incluso superen las expectativas
de los clientes.
Qu es el muestreo de aceptacin?
El muestreo de aceptacin es una tcnica estadstica que se utiliza para
inspeccionar la calidad de cualquier producto, con el propsito de aceptarlo o
rechazarlo. Su uso es recomendado cuando el costo de inspeccin es alto o el
proceso de inspeccin es montono conduciendo a una alta probabilidad de
cometer errores. Tambin es recomendado cuando se requieren pruebas
destructivas.
Ventajas del plan de muestreo de aceptacin
La principal ventaja que tiene el muestreo de aceptacin es su bajo costo (menor
requerimiento de mano de obra) de aplicacin, as como el menor dao para el
producto debido al menor manejo que se ejerce en el lote. As tambin, se mejora
la tarea de inspeccin, ya que se toman decisiones lote por lote y no de pieza por
pieza.
Desventajas del plan de muestreo de aceptacin
La desventaja del muestreo de aceptacin es el riesgo de rechazar lotes buenos y
aceptar lotes malos, adems de aportar menos informacin.
Proceso de muestreo de aceptacin
Consiste en extraer de un lote de tamao N, una o ms muestras de tamao n,
para aceptarlo siempre y cuando el nmero de artculos defectuosos sea cuando

56

mucho igual a una cantidad C, el lote se acepta. El valor de C es crtico y para el

caso de semillas su valor sera 0 ya que las Normas Oficiales Mexicanas
Fitosanitarias dictaminan que un embarque de semillas debe estar exenta de
plagas cuarentenarias. Para ilustrar el muestreo de aceptacin consideremos el
esquema de muestreo siguiente:
Esquema de muestreo:
N=1,000, n=75 y C=0.
Este esquema se describe as: de un lote de 1000 piezas tmense aleatoriamente
75 piezas. Si en las 75 piezas hay 0 piezas defectuosas, se acepta el lote. Si hay 1
o ms defectuosas, el lote se rechaza.
Existen planes de muestreo para atributos y para variables. Los primeros se
utilizan cuando la decisin, al inspeccionar un producto es: defectuosa o no
defectuosa (escala nominal). Los segundos se emplean cuando la caracterstica
de calidad de un producto se mide en una escala de razn, por ejemplo, si se
quisiera inspeccionar la el grado de efectividad de un plaguicida despus de una
fecha determinada. , Otras variables medidas en la escala de proporcin que
motivaran un muestreo de inspeccin del tipo continuo seran: temperatura,
humedad y tiempo de vida de productos y subproductos vegetales procesados y
deshidratados.
Dado que las caractersticas de calidad que se observan en lotes de semillas son
del tipo nominal (por ejemplo: presencia o no de una plaga cuarentenaria),
entonces el esquema de muestreo de aceptacin a utilizar es el de atributos.
Un plan de muestreo tiene como fundamento el contrato de compra venta entre el
productor y el consumidor. Ambas partes interesadas definen las condiciones en
las que se realizar la transaccin. Sin embargo, en esta transaccin pueden
ocurrir riesgos que corrern ambas partes, mismas que pueden ser minimizadas
estipulando condiciones cmodas para ambas partes, estas se denominan
protecciones. A continuacin se describen estos riesgos y protecciones.
Protecciones
NCA. Nivel de calidad aceptable, esto es, el mximo nmero de piezas
defectuosas que permite considerar al lote todava aceptable. En adelante,
tambin se utilizar la notacin p1.
LTPD Por ciento defectuoso tolerable, indica el mximo porcentaje de piezas
defectuosas que el cliente est an dispuesto an a tolerar con una
57

probabilidad de de aceptacin muy baja. En adelante, tambin se utilizar la

notacin p2.

Riesgos
.

Riesgo del producto, tambin llamado error tipo I, es la probabilidad de

rechazar un producto de buena calidad, en la que puede incurrir el productor,
al juzgar al lote como de mala calidad. En otras palabras, es la
probabilidad de rechazar un lote con un porcentaje de artculos defectuosos p
menor, o igual al NCA estipulado en el contrato.

. Riesgo del consumidor, el error tipo II, es la probabilidad de aceptar un

producto de mala calidad al juzgarlo como de buena calidad. En otras palabras,
es la probabilidad de aceptar un lote con un porcentaje de artculos defectuosos
mayores o iguales al PDTL estipulado por el cliente.
1- Potencia de la prueba, se refiere a la capacidad del esquema de muestreo
para rechazar lotes que no cumplen con las caractersticas de calidad convenidas,
para este caso, se refieren a la presencia de plagas cuarentenarias en lotes de
semillas de importacin.
Por lo tanto, un buen plan de muestreo de aceptacin es aquel que acepta lotes
que tienen, cuando mucho, un porcentaje de defectuosos igual al valor NCA; con
una probabilidad cercana a uno, y que rechaza lotes, cuando el porcentaje de
productos defectuosos es igual o mayor que el valor PDTL, con una probabilidad
muy alta igual a 1-.
5.2 Curva de operacin
Todo plan de inspeccin puede representarse grficamente mediante una curva
decreciente de izquierda a derecha en forma de Z, llamada curva de operacin. La
verticalidad de la curva indica el poder del esquema de muestreo para discriminar
entre lotes buenos y malos, y, esta verticalidad est en funcin del tamao de
muestra. La utilidad prctica de las curvas de operacin es comparar los distintos
planes de muestreo de inspeccin.
Una curva de operacin se caracteriza por tres reas: el hombro de la curva, la
parte ms delgada de la cola a la derecha de la curva y la porcin media de la
curva (entre el hombro y la cola). El hombro de la curva puede ser una porcin
horizontal corta o larga; si es corta, indica que se estn aceptando lotes con
58

porcentajes de defectuosos muy bajos, esto es, es un muestreo de aceptacin

muy estricto que probablemente est rechazando lotes con fracciones bajas de
defectuosos; ello muestra que la calidad del producto, que ser aceptada por el
plan de muestreo, es casi, con certeza absoluta, la que se desea, esto es, con
probabilidad muy alta. Por el contrario, si el hombro de la curva es muy largo, esto
es, una lnea horizontal pronunciada, significa que se aceptarn lotes con
fracciones muy altas de defectuosos. La cola de la curva es muy importante
tambin, porque muestra a que calidad del producto, es casi seguro que sea
rechazado por el plan.
La porcin media de la curva se encuentra justamente donde la probabilidad de
aceptacin es igual al 50%, que corresponde a una calidad que tiene 50% de
oportunidad de que sea aceptado o rechazado. El plan de muestreo ideal tendra
la curva de operacin que se muestra en la Figura 1.

Fig. 5.1 Curva de operacin ideal

Para disear una curva de operacin es indispensable identificar la caracterstica
de inters (x). Para el caso que nos ocupa, x puede ser:
(1) Nmero de semillas de malezas en un grupo de semillas de pastos.
(2) Nmero de claviceps en una muestra de 3 kg de sorgo.

59

(3) Presencia de Erwinia stewartii en 2 kg de semilla de maz.

(4) Presencia de Verticillium dahliae en 500 g de semilla de espinaca.
Para los casos 1 y 2 la distribucin asociada es la binomial ya que se trata de
modelar semilla contaminada en nmero de semillas. Para el caso 3 y 4 la
distribucin asociada es la poisson para modelarse presencia de una plaga en
peso de semillas. Estas distribuciones se definen como:
Distribucin Binomial

P( X x)

x
n x
p (1 p )

con

(5.1)

x 0,1,2,...n

Distribucin Poisson
P ( X x ) e x / x!
con

(5.2)

x 0,1,2,3,...

5.3 Muestreo Simple.

En el caso del muestreo simple se toma del lote una muestra (n) y de esta
depender la decisin de aceptar o rechazar el lote, dependiendo de el nmero de
objetos mximo a tolerar (c). A la probabilidad de aceptar un lote se le denomina
Probabilidad de Aceptacin (Pa) y todo va a depender de la calidad del lote o
fraccin defectuosa (p). La notacin es:
N: tamao del lote
n: tamao de muestra
c: nmero de aceptacin
d : fraccin de defectuosas
Pa: probabilidad de aceptar un lote con una fraccin de defectuosas real de p.

60

Procedimiento
De un lote de N unidades, se tomar una muestra de n unidades, si la muestra
contiene como mximo C unidades defectuosas se acepta todo el lote, si el
nmero de unidades defectuosas es mayor que C se rechaza todo el lote.
Ejemplo
Supngase que se desea disear un esquema de muestreo con cero tolerancia de
semilla contaminada (Anthoxanthum odoratum) en pasto Rye grass (C=0) para
inspeccionar lotes con un Nivel de Calidad Aceptable (NCA= p1) igual a 0.01 (1%)
convenido con el exportador y un Por Ciento Defectuoso Tolerable (LTPD= p2) de
tamao 0.04 (4%), convenido por SENASICA. El exportador desea que se le
acepten sus lotes con una probabilidad alta, esto es del 95% ((1-)%=(1-0.05)%)
y SENASICA desea rechazar lotes el 90% (1-) de las veces cuando le llegan
lotes contaminados hasta con un 4% (p2). La Figura 5.2 muestra la curva de
operacin asociada a estas caractersticas.

Cuadro 5.1 Probabilidades de aceptacin para p1=1%, p2=4%, = 0.05 y =0.10.

Semillas
Fraccin defectuosa,
p

0.000
0.010
0.020
0.030
0.040
0.050
0.060
0.070
0.080
0.090
0.100

50
1
0.60500607
0.36416968
0.21806538
0.12988579
0.07694498
0.04533073
0.02655507
0.01546648
0.00895508
0.00515378

Probabilidad de aceptacin (Pa)

Nmero de semillas
100
150
1
1
0.36603234
0.22145179
0.13261956
0.04829602
0.04755251
0.01036956
0.01687032
0.00219121
0.00592053
0.00045555
0.00205487
9.3149E-05
0.00070517
1.8726E-05
0.00023921
3.6998E-06
8.0194E-05
7.1814E-07
2.6561E-05
1.3689E-07

200
1
0.13397967
0.01758795
0.00226124
0.00028461
3.5053E-05
4.2225E-06
4.9727E-07
5.7222E-08
6.431E-09
7.0551E-10

61

NCA=0.01

Fig. 5.2 Curvas de operacin para diferentes tamaos de muestra en nmero de

semillas: n=50, 100, 150 y 200 semillas, con Distribucin binomial y C=0.
Podemos observar de la Fig. 5.1 que el poder discriminatorio, entre lotes buenos
p1=1% (0.01) y lotes malos p1=1% (0.01), es mucho mejor entre mayor es el
tamao de muestra, por ejemplo al comparar el esquema de muestreo con n=200
semillas (lnea azul marino) que con n=50 semillas (lnea rosa).

5.4 Muestreo para lotes sensitivos cero tolerancia

Este muestreo tambin se conoce como muestreo con cero defectos: c=0. Este
procedimiento ha sido desarrollado y modificado por diferentes autores
(Soundararajan V. y Arumainayagam S. D., (1992); Shiling E. (1982), Hawkes C.

62

J., (1979)). Hawkes desarrollan unas grficas denominadas nomogramas para

facilitar el clculo de los esquemas de muestreo. Los nomogramas fueron
desarrollados para garantizar al cliente (en este caso SENASICA) 50, 80, 95 y
99% (Anexo 5.1) de confianza de que rechazarn lotes contaminados con la
presencia de plagas curentenarias como plagas insectiles.
El Plan de muestreo para Lotes Sensitivos (LSP) son utilizados cuando se prefiere
proteger al consumidor (SENASICA) en lugar que al productor (exportador) a un
nivel de proteccin al consumidor especfico (LTPD: Lot Tolerance Percent
Defective). En particular, estos planes garantizan que un lote que tiene una
cualidad tan pobre como un valor especfico de LTPD o p 2 tendr slo una
probabilidad de ser rechazado en un porcentaje tan alto como (1-)%. Cada plan
tiene un nmero de aceptacin de cero (C=0), esto es, un lote es aceptado si la
muestra no presenta anomalas como la presencia de plagas cuarentenarias y es
rechazada si sta presenta 1 o ms plagas. El tamao de muestra n, depende del
tamao del lote N y del valor especfico definido po el consumidor (SENASICA).
Los nomogramas permiten una rpida determinacin del tamao de muestra
mnimo necesario para obtener la proteccin LTPD.
Este muestreo es ad hoc para lotes de tamao muy grande y en donde se tiene la
restriccin de slo manejar un mnimo de muestras primarias extradas de un
nmero reducido de sacos.
El Cuadro 5.2 presenta el nivel de proteccin (1-)% al consumidor (SENASICA) o
probabilidad del rechazo de lotes para una fraccin defectuosa p 2, para diferentes
tamaos del lote.
Cuadro 5.2 Nivel de proteccin al consumidor (Probabilidad de rechazo)
(1-)%
LTPD o p2
=1%
Tamao del lote *
99%
95%
80%
50%
N
n
n
n
n
100
100
100
80
50
200
180
150
110
60
500
300
210
140
65
1,000
350
220
150
70
Procedimiento
Supngase que se desea inspeccionar con un nivel de confianza para SENASICA
del 95% de un lote de sacos de tamao N=1,000. Entrando al Cuadro 5.2
encontraramos n=220. El esquema de muestreo sera en consecuencia, tomar

63

una muestra de 220 sacos y a cada uno de ellos extraerles una muestra primaria,
verificar el Oficial de Seguridad de Productos Agropecuarios debera inspeccionar
visualmente las muestras primarias, si no observara presencia de insectos o males
aparentes, si lo marca la normatividad entonces debera enviar la muestra a un
laboratorio aprobado.
5.5 Muestreo Secuencial
El muestreo secuencial originalmente fue desarrollado por Wald en 1943 y
ltimamente por Whitehead en 1983. Por lo anterior, al primero lo denominaremos
el tradicional y al segundo como lo denomin Whitehead, Triangular. A
continuacin se describen.
Muestreo Secuencial Tradicional
En un muestreo secuencial, se toma una secuencia de muestras del lote (Fig. 5.3)
y se deja que el nmero de muestras lo determinen por completo los resultados
del proceso de muestreo. En teora, el muestreo secuencial puede continuar de
manera indefinida, hasta que se hace la inspeccin del 100% del lote. Si el tamao
de la muestra seleccionado en cada etapa es mayor que uno, al proceso suele
llamrsele muestreo secuencial grupal. Si el tamao de la muestra inspeccionado
en cada etapa es uno, al procedimiento suele llamrsele muestreo secuencial
artculo por artculo.
El muestreo secuencial artculo por artculo se basa en la razn de prueba de la
probabilidad secuencial desarrollado por Wald. En la siguiente figura se ilustra la
curva de operacin de un plan de muestreo secuencial artculo por artculo. Se
grafica en la carta el nmero observado acumulado de los artculos defectuosos.
Para cada punto, la abscisa es el nmero total de artculos seleccionados hasta
ese momento, y la ordenada es el nmero total de artculos defectuosos
observados. Si los puntos graficados se mantienen dentro de los limites de las
lneas de aceptacin y rechazo, debe analizarse otra muestra. Tan pronto como un
punto se localice en o encima de la lnea superior, el lote se rechaza. Cuando un
punto muestral se localiza en o abajo de la lnea inferior, el lote se acepta.

64

Figura 5.3 Diagrama de un plan de muestreo secuencial.

En el muestreo sencillo, el nmero de elementos examinados queda determinado

en forma definida por el proceso. En el muestreo doble, el nmero de elementos
muestreados esta determinado en parte por el proceso, pero en parte, tambin por
los resultados del proceso de muestreo. Si un lote es aceptado o rechazado en la
primera muestra, no hay necesidad de tomar una segunda. Esta es la razn por la
que se encontr que el doble muestreo ofrece la posibilidad de un costo de
muestreo reducido.
El xito con el doble muestreo indica que incluso puede lograrse una mayor
reduccin de costo, si se toma una secuencia de muestras y se deja que el
nmero de muestras este determinado enteramente por los resultados del proceso
de muestreo. Esta til sugerencia llevo a un criterio totalmente nuevo para
muestrear, conocido como muestreo secuencial.
El muestreo secuencial elemento por elemento se basa fundamentalmente en la
idea de recorrido aleatorio. Wald propuso el mtodo secuencial elemento por
elemento durante la segunda guerra mundial, el cual comienza con p1, p2, alfa y
beta determinados, y fija un mtodo de anotacin y unos limites de aceptacin y
rechazo que satisfagan estos requerimientos. Wald adopta la relacin de
probabilidad secuencial como buen mtodo para llevar la cuenta. Esta es la
relacin de probabilidad de obtener el resultado acumulado de la muestra, si el
material fuese de calidad p2 a la probabilidad de obtener estos resultados si el
material fuese de calidad p1. Si el resultado en cualquier momento resulta mayor
65

que una cifra determinada por las probabilidades de error alfa y beta negociados
entre cliente proveedor, el lote es rechazado. Si cae debajo de una segunda cifra
igualmente determinada por alfa y beta, se acepta el lote. Obsrvese como de
acuerdo con este procedimiento, los resultados elevados llevan al rechazo y los
bajos a la aceptacin. No es necesario calcular la relacin de la probabilidad
secuencial (SPR), en la prctica, Wald demostr que el sistema de anotacin
puede reducirse a un sistema mucho ms sencillo, que consiste simplemente en
anotar el nmero acumulado de elementos defectuosos en un diagrama, o bien
anotar el mismo en una hoja de inspeccin.
Metodologa.
El muestreo secuencial se puede aplicar a una slo objeto (semilla)o a un grupo
de objetos (semillas). La metodologa es la misma, slo se modifica el valor de n.
Para el anlisis de semilla por semilla, n=0, 1, 2, 3,..., y para el anlisis de grupos
de semillas, por ejemplo grupos de 50 semillas, n=0, 50, 100, 150,... y as
sucesivamente.
Para ciertos valores de alfa, beta, p 1, p2, se calculan los valores de XR y XA, los que
servirn para construir la grafica que es la base del muestreo secuencial:
XR=h2+ (s*n)
XA= -h1+ (s*n)

(5.3)

Donde:
h1= log (1- ) / log (p2 (1- p1))

(p1 (1- p2))

h2= log (1-) / log (p2 (1- p1)

(p1 (1-p2 )
s= log (1-p1 ) / log (p2 (1- p1))
(1- p2)
(p1 (1-p2 ))
Tabulamos las expresiones XR y XA para diferentes valores de n y obtenemos dos
lneas paralelas sucesivas. Despus dibujamos los resultados acumulados de la
muestra. Para cada punto la abscisa es el nmero total de estas unidades
inspeccionadas hasta aquel momento, y la ordenada el nmero total de unidades
que resultaron defectuosas. Si los nmeros marcados figuran dentro de una zona
limitada por dos lneas paralelas sucesivas, se contina el muestreo, sin llegar a
una decisin. Tan pronto como un punto caiga en o sobre la lnea superior, el lote

66

se rechaza, y tan pronto como lo haga en o debajo de la lnea inferior, el lote se

acepta (Ver Fig. 7).
Curva de operacin
La curva de operacin tiene 3 puntos caractersticos
1-
h2/ (h1+h2)

P1

p2

Fig. 5.4 Curva de operacin para el muestreo secuencial tradicional

Curva ASN
Tambin se puede calcular ASN (Average Sample Number) en los 3 puntos p 1,
s, p2.
ASN p1= [ (1-) h1 - h2)]/ (s-p1)
ASN S= h1 h2/ (s (1-s))
ASN p2=[ (1-) h1 - h1)] (p2-s)
Ejemplo 1. Anlisis de pieza por pieza

a) Elabore un proceso de muestreo secuencial elemento por elemento con

p1=0.02, p2= 0.08, alfa =0.05 y beta=0.10. Haga esto tanto grficamente
como en forma tabular.

67

b) Un inspector prueba 40 unidades sin encontrar una sola defectuosa De

acuerdo con el proceso de A, tendra que aceptar el lote antes de encontrar
la unidad 40, o tendra que continuar antes de tomar una decisin?
c) Tendra que tomar la decisin de rechazar el lote si hubiera encontrado
que las unidades 10, 18 y 23 estaban defectuosas?
Procedimiento
Utilizando el mtodo de Wald, en primer lugar consultamos la tabla 7 para los
puntos p1=0.02, p2=0.08, alfa =0.05 y beta=0.10, encontramos los siguientes
valores h1= 1.5532, h2=1.9941 y s=0.04359. Los cuales sern sustituidos en las
siguientes expresiones de regresin simple.
XR=h2+ (s*n)
XA= -h1+ (s*n)
Donde:
h1= log (1- alfa) / log (p2 (1- p1))

(p1 (1- p2)

h2= log (1-) / log (p2 (1- p1)
alfa
(p1 (1-p2 )
s= log (1-p1 ) / log (p2 (1- p1))
(1- p2)
(p1 (1-p2))
Para ciertos valores de alfa, beta, p1, p2, Wald construy el Cuadro 5.3
Tabulamos para diferentes valores de n y obtenemos dos lneas paralelas
sucesivas.

68

Cuadro 5.3 Mtodo grafico anlisis pieza por pieza

n
XR
Xa
n
XR
Xa
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32

2.08128
2.12487
2.16846
2.21205
2.25564
2.29923
2.34282
2.38641
2.43
2.47359
2.51718
2.56077
2.60436
2.64795
2.69154
2.73513
2.77872
2.82231
2.8659
2.90949
2.95308
2.99667
3.04026
3.08385
3.12744
3.17103
3.21462
3.25821
3.3018
3.34539
3.38898

-1.46602
-1.42243
-1.37844
-1.33525
-1.29166
-1.24807
-1.20448
-1.16089
-1.1173
-1.07371
-1.03012
-0.98653
-0.94294
-0.89935
-0.85576
-0.81217
-0.7658
-0.72499
-0.6814
-0.63781
-0.59422
-0.55063
-0.50704
-0.46345
-0.41986
-0.37627
-0.36268
-0.28909
-0.2455
-0.20191
-0.15832

36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66

3.56334
3.60693
3.65052
3.69411
3.7377
3.78129
3.82488
3.86847
3.91206
3.95565
3.99924
4.04283
4.08642
4.13001
4.1736
4.21719
4.26078
4.30437
4.34796
4.39155
4.43514
4.47873
4.52232
4.56591
4.6095
4.65309
4.69668
4.74027
4.78386
4.82745
4.87104

0.01604
0.05963
0.10322
0.14681
0.1904
0.23399
0.27758
0.32117
0.36476
0.40835
0.45194
0.49553
0.53912
0.58271
0.6263
0.66989
0.71348
0.75707
0.80066
0.84425
0.88784
0.93144
0.97502
1.01861
1.0622
1.10579
1.14938
1.19297
1.23656
1.28015
1.32374

El programa excel calcula los siguientes resultados (Cuadro 5.3, para cuando n=0,
1, 2, 3,... y as sucesivamente.

69

Utilizando la Hoja Excel, se obtienen los resultados de las formulas X1 y X2,

posteriormente se grafican contra el nmero de defectuosos (Y) y obtenemos dos
lneas paralelas, como se presenta en la Figura 5.5.
Conclusiones e Interpretacin.
1.- En este problema se observa como el muestreo secuencial puede ayudar a
reducir los costos por toma de muestra, es decir en este caso, si no se utilizara
este mtodo de muestreo se tendra que tomar 40 elementos en cada lote,
mientras que con el muestreo secuencial permiti reducir a 35 elementos para
aceptar el lote.
2.- En la segunda parte del problema los elementos 10 y 18 se encontraron
defectuosos, sin embargo en la grafica todava no se les clasifica como
rechazados, pero al verificar el elemento 23 tambin fue defectuoso por lo que los
elementos acumulados con defectos se incrementaron a 3 y con este valor en la
grafica ya amerita su rechazo.

70

(a)

(b)

(c)

Fig. 5.5 (a) Diagrama de muestreo secuencial tradicional, (b) CO y (c) ASN del
muestreo secuencial secuencial. Semilla por semilla.

Ejemplo 2. Anlisis de 50 semillas por 50 semillas.

Considrese nuevamente los datos: p1=0.02, p2=0.08, alfa =0.05 , beta=0.10 y
n=50.
El programa excel 2 contempla los resultados presentados a continuacin. Como
se puede observar la grfica slo se altera en el eje de las ordenadas.
Nuevamente la grfica se utiliza de la siguiente manera.

71

Cuadro 5.4 Mtodo grafico grupos de 50 semillas

n
0
50
100

X = -h1 +
sn
-1.589
-0.503
0.583

X = h2 + sn
2.040
3.125
4.211

n
51
52
53

X = -h1 +
sn
-0.481
-0.460
-0.438

X = h2 + sn
3.147
3.169
3.191

150

1.669

5.297

54

-0.416

3.212

200
250
300

2.754
3.840
4.926

6.383
7.468
8.554

55
56
57

-0.394
-0.373
-0.351

3.234
3.256
3.277

350
400
450
500
550
600

6.012
7.097
8.183
9.269
10.355
11.440

9.640
10.726
11.811
12.897
13.983
15.069

58
59
60
61
62
63

-0.329
-0.308
-0.286
-0.264
-0.242
-0.221

3.299
3.321
3.343
3.364
3.386
3.408

650
700
750
800
850
900
950
1000
1050
1100
1150
1200

12.526
13.612
14.698
15.783
16.869
17.955
19.041
20.126
21.212
22.298
23.384
24.469

16.154
17.240
18.326
19.412
20.497
21.583
22.669
23.755
24.840
25.926
27.012
28.098

64
65
66
67
68
69
70
71
72
73
74
75

-0.199
-0.177
-0.156
-0.134
-0.112
-0.090
-0.069
-0.047
-0.025
-0.004
0.018
0.040

3.429
3.451
3.473
3.495
3.516
3.538
3.560
3.581
3.603
3.625
3.647
3.668

Escenario 1. Si al analizar 50 granos se tienen 0 granos contaminados, el lote es

aceptado.
Escenario 2. Si al analizar 100 granos se tienen 2 granos contaminados, se vuelve
a tomar otra muestra. Si al tomar otra muestra de 50 granos, dando un total
de 150 granos se encontrara 7 granos contaminado, el lote es rechazado.

72

(a)

(b)

(c)

Fig. 5.6 Fig. 5.5 (a) Diagrama de

muestreo secuencial tradicional, (b) CO y (c) ASN del muestreo secuencial
secuencial. Por grupos de 50 semillas.

73

Muestreo Secuencial Triangular

El muestreo secuencial triangular fue desarrollado por Whitehead para minimizar
ms an el tiempo para tomar la decisin de rechazar un lote o aceptarlo.
Siguiendo con el ejemplo anterior, compararemos ambos muestreos secuenciales:
tradicional vs. Triangular (Figura 5.7). Consideraremos nuevamente los valores:
p1=0.02, p2=0.08, alfa =0.05, beta=0.10 y n=50.

Fig. 5.7 Comparacin entre muestreos secuenciales tradicional (azul) y triangular

(rosa) para p1=0.02, p2=0.08, alfa =0.05 , beta=0.10 y n=50.
Los valores difieren ligeramente entre el muestreo secuencial tradicional y el
Cuadro5.4, por la razn de que en sta figura se han redondeado a nmeros
enteros y utilizado el software disponible en la liga:
http://www.bioss.sari.ac.uk/smart/unix/mseqacc/slides/frames.htm

74

5.6 Sofware
Para el clculo de los esquemas de muestreo existen varias opciones: programar
con lenguajes computacionales, en excel, y/o utilizar software especializado. A
continuacin (Cuadro 5.8) se describen el software utilizado en este proyecto.
Cuadro 5.5 Software para el clculo de los esquemas de muestreo para semillas
de importacin
Tipo de muestreo
(1)
Lotes
sensitivos
(OISAS)
(2) Simple: Conteo de
semillas
(Binomial)
(Laboratorio)
(3) Simple: Presencia de
plaga
en
muestras
medidas
en
peso
(Poisson) (Laboratorio)
(4) Muestreo secuencial
tradicional (Laboratorio)
(5) Muestreo secuencial
triangular (Laboratorio)

Nombre

Cobertura de la
inspeccin

Excel

100%

Excel

100%

Excel y WinQSB

Menos del 100%, si la

muestra es muy buena
o muy mala.

Smart Module

Menos del 100%, si la

muestra es muy buena
o muy mala.

Comentario
Disponible
en
nomogramas
Facilidad de
programacin y
disponible en las OISAs.
Adems
Facilidad de
programacin y
disponible en las OISAs
Facilidad
programacin
disponible en
comercial.
Accesible en
Presentado
calculadora

de
y
sofware
la

red.
como

A continuacin se presentan resultados utilizando WinQSb (Fig. 5.8) y Smart

module (Fig. 5.9). Los programas en excel aparecen como ligas en el cuadro 5.5.

75

Fig.
5.8
Fig. 5.8 Muestreo secuencial tradicional. Salida de WinQSB para p1=0.02,
p2=0.08, alfa =0.05 , beta=0.10 y n=50..

76

WinQSB
Test type (1=triangular; 2=truncated) :
Alpha (i.e. the tester's risk ):

1
0.05

Minimum acceptable response:

.01

High level response:

.04

Power :

.90

Group Size:

50

No. of Groups (for truncated test):

40
Run

Output from the SEEDS program

<< SEEDS >> --- Planning of sequential seed monitoring programmes
Design for a Triangular Test
with Alpha = 0.05000
Power = 0.90000
p0 = 0.01000
p1 = 0.04000
Group Size = 50
---------------------------------------------------------------Inspection
Sample
Lower
Upper
number (n)
size
boundary
boundary
---------------------------------------------------------------1
50
-2
5
2
100
-1
6
3
150
0
7
4
200
2
8
5
250
3
9
6
300
5
10
7
350
6
11
8
400
8
12
9
450
10
13
10
500
11
14
11
550
13
15
12
600
15
16
13
650
16
17
14
700
18
19
------------------------------------------------------------------------------------------------------------------------------

Fig. 5.9 Muestreo secuencial triangular. Salida de Smart module para p1=0.02,
p2=0.08, alfa =0.05 , beta=0.10 y n=50

77