Escuela de Formacin Acadmica

GESTIN DE CALIDAD
INSTRUCTOR: VICTOR RAUL JALLURANA ARACAYO
 INTRODUCCIN A LA CALIDAD

2
 CONCEPTO DE CALIDAD
La calidad significa llegar a un estndar ms alto en
lugar de estar satisfecho con alguno que se encuentre
por debajo de lo que se espera cumpla con las
expectativas. Tambin podra definirse como cualidad
innata, caracterstica absoluta y universalmente
reconocida, aunque, en pocas palabras calidad es
hacer las cosas bien a la primera, es decir, que el
producto salga bien al menor costo posible. Es el
resultado de una actitud enrgica y comprometida de
esfuerzos sinceros de una ejecucin talentosa.

3
 DEFINICIONES DESDE UNA PERSPECTIVA DE PRODUCTO.

La calidad es diferenciarse cualitativa y cuantitativamente respecto

de algn atributo requerido, esto incluye la cantidad de un
atributo no cuantificable en forma monetaria que contiene cada
unidad de un atributo.

DEFINICIONES DESDE UNA PERSPECTIVA DE USUARIO.

La calidad implica la capacidad de satisfacer a la vez los deseos de

los consumidores. La calidad de un producto depende de cmo
ste responda a las preferencias y a las necesidades de los clientes,
por lo que se dice que la calidad es adecuacin al uso de s mismo
en la actualizacin de los roles presentados a un consumidor.

4
 DEFINICIONES DESDE UNA PERSPECTIVA DE LAS TECNOLOGAS
DE LA INFORMACIN O CALIDAD DE DATOS.

La calidad de datos implica que los datos capturados,

procesados, almacenados y entregados son un fiel reflejo de la
realidad que se desea tratar mediante sistemas informticos.
Esto supone que los datos no contengan errores, sean veraces y
estn actualizados.

DEFINICIONES DESDE UNA PERSPECTIVA DE PRODUCCIN.

La calidad puede definirse como la conformidad relativa con las

especificaciones, a lo que al grado en que un producto cumple
las especificaciones del diseo, entre otras cosas, mayor su
calidad.

5
 DESDE UNA PERSPECTIVA DE VALOR.
La calidad significa aportar valor al cliente, esto es, ofrecer
unas condiciones de uso del producto o servicio superiores
a las que el cliente espera recibir y a un precio accesible.
Tambin, la calidad se refiere a minimizar las prdidas que
un producto pueda causar a la sociedad humana
mostrando cierto inters por parte de la empresa a
mantener la satisfaccin del cliente.
Una visin actual del concepto de calidad indica que
calidad es entregar al cliente no lo que quiere, sino lo que
nunca se haba imaginado que quera y que una vez que lo
obtenga, se d cuenta que era lo que siempre haba
querido.

6
 OTRAS DEFINICIONES DE ORGANIZACIONES
RECONOCIDAS Y EXPERTOS DEL MUNDO DE LA
CALIDAD SON:
Definicin del ISO 9000: Calidad: grado en el que un conjunto de
caractersticas inherentes cumple con los requisitos
Real Academia de la Lengua Espaola: Propiedad o conjunto de
propiedades inherentes a una cosa que permiten apreciarla como
igual, mejor o peor que las restantes de su especie
Philip Crosby: Calidad es cumplimiento de requisitos
Joseph Juran: Calidad es adecuacin al uso del cliente.
Armand V. Feigenbaum: Satisfaccin de las expectativas del
cliente.
Genichi Taguchi: Calidad es la menor prdida posible para la
sociedad.
William Edwards Deming: Calidad es satisfaccin del cliente.
J.P: La Calidad es al producto como el agua al pez, vital.
7
 FUNDAMENTOS DE ADMINISTRACIN DE
CALIDAD TOTAL

8
Objetivo Principal De La Administracin De La
Calidad Total

9
 Qu se entiende por administracin de la
calidad total?

10
 Administracin de la calidad total

11
 Administracin de la calidad total

12
13
14
15
 EVOLUCION DE LA CALIDAD

16
 Primera Etapa
Siglos XII-XVIII del Desarrollo del Comercio a la
Revolucin Industrial.

El artesano es dueo del negocio, fija los precios y fabrica controlando

con sus conocimientos profesionales las caractersticas de lo que realiza.

Entregan el producto despus de haber comprobado que los ha realizado

con las condiciones impuesta o que el producto cumple las exigencias.

En resumen, con la aparicin de las primeras maquinas y fabricas bajo la

revolucin Industrial, los trabajadores ya no son artesanos autnomos ,
en consecuencia la Calidad de los productos manufacturados ya no
dependen del artesano sino del precio y beneficio. Luego aparece el
salario y cobra naturaleza la economa.

17
 Segunda Etapa. 1930-1949
Los aportes que la tecnologa haca a la economa de los pases
capitalistas desarrollados eran de un valor indiscutible. Sin embargo, se
confrontaban serios problemas con la productividad del trabajo.

Este estado permaneci ms o menos

similar hasta la Segunda Guerra Mundial,
donde las necesidades de la enorme
produccin en masa requiri del control
estadstico de la calidad.

La contribucin de ms significacin del

control estadstico de la calidad fue la
introduccin de la inspeccin por
muestreo, en lugar de la inspeccin al
100 por ciento.

18
 Segunda Etapa. 1930-1949

El inters principal de esta poca se

caracteriza por el control que garantice no
slo conocer y seleccionar los desperfectos
o fallas de productos, sino tambin la toma
de accin correctiva sobre los procesos
tecnolgicos.

Walter A. Shewhart: Considerado como el padre del Control

Estadstico de Procesos. Fue el primero en realizar estudios
sistemticos sobre la calidad desarrollando mtodos estadsticos.
Empez a implantar en la Bell Telephone Company el control
estadstico de procesos en el ao 1924. consigui reducir el
porcentaje de defectos en la empresa.

19
 Segunda Etapa. 1930-1949
Los inspectores de calidad continuaban
siendo un factor clave del resultado de la
empresa, pero ahora no slo tenan la
responsabilidad de la inspeccin del
producto final, sino que estaban
distribuidos a lo largo de todo el proceso
productivo.

Se podra decir que en esta

poca la orientacin y enfoque
de la calidad pas de la calidad
que se inspecciona a la calidad
que se controla

20
 Tercera Etapa
Corresponde con el perodo posterior a la
Segunda Guerra Mundial y la calidad se inicia (1950-1979)
al igual que en las anteriores con la idea de
hacer hincapi en la inspeccin, tratando de no
El principal problema de los
sacar a la venta productos defectuosos.
productos defectuosos se
presentaba en las diferentes
fases del proceso y que no
bastaba con la inspeccin
estricta para eliminarlos.

Se pasa de la inspeccin al control de todos los

factores del proceso, abarcando desde la
identificacin inicial hasta la satisfaccin final de
todos los requisitos y las expectativas del
consumidor.

21
 Durante esta etapa se consider que
Tercera Etapa
ste era el enfoque correcto y el
inters principal consisti en la (1950-1979)
coordinacin de todas las reas
organizativas en funcin del objetivo
final: la calidad.

Predominaba el sentimiento de vender lo que se produca. En

esta etapa se pasa a producir con mayor calidad a fin de
poder vender lo mejor, considerando las necesidades del
consumidor y produciendo en funcin del mercado.

Comienzan a aparecer programas y se desarrollan sistemas

de calidad de las empresas, se incorpora la planeacin de
la calidad, considerando su orientacin y enfoque como la
calidad se construye desde adentro.

22
 Tercera Etapa
APORTES DE LOS GRANDES DE LA CALIDAD
(1950-1979)
W. Edwards Deming: En 1950 aport a la unin de ingenieros y cientficos japoneses una
serie de conferencias sobre el uso de la de estadstica en el control y mejora de la calidad.
Joseph M. Juran: En 1954 visita Japn como consultor, realizando conferencias y seminarios,
desarrollando la triloga de la calidad: planificacin, control y mejora.
Armand V. Feigenbaum: Publico diversos libros expresando sus ideas: 1951, El Control de la
Calidad Total y en 1961, Control de la Calidad Total, promulgando la participacin de todos
los departamentos de la empresa en busca de la calidad en todas las actividades.
Kaoru Ishikawa: En 1960 desarrollo los crculos de la calidad. Considera la Calidad como la
principal caracterstica para obtener el xito a largo plazo.
Philip B. Crosby: Lanza el concepto Cero Defectos, su ideologa se basaba en la mejora
continua y disminuir los costes de la ausencia de la calidad.

23
 Cuarta Etapa Evolucin de la calidad
( dcada del 80)

24
 Cuarta Etapa
( Dcada del 80)

El nfasis no es slo el mercado en la calidad era vista como

general, sino el conocimiento de las una oportunidad
necesidades del cliente, para competitiva, la orientacin o
construir una organizacin enfoque se concibe como la
empresarial que las satisfaga. calidad se administra

La caracterstica fundamental est en la Direccin Estratgica de

la Calidad, por lo que el logro de la calidad en toda la empresa no
es producto de elaboracin , si no una estrategia de
perfeccionamiento de toda la empresa

25
 5ta Etapa 1990 Hasta la Fecha
GESTION TOTAL DE LA CALIDAD
Este nuevo concepto de la calidad surge de
las necesidades de las organizaciones no
solo para proporcionar productos que
satisfagan las necesidades de los clientes
sino de tambin de mantener su posicin
de competencia en el mercado que les
garantice permanencia y crecimiento.

26
 5ta Etapa Satisfacer
Clientes
Internos y
Externos Enfocada
Establece
planes y en la
Proyectos Mejora
Estratgicos Continua

Gestin Total
de la Calidad
Promueve Promueve
un enfoque la alta
organizacion Competitivi
al Global Centrada en dad
la
produccin
y Clientes

27
 LEAN MANUFACTURING
Produccin ajustada, manufactura esbelta, produccin
limpia, produccin sin desperdicio, es un modelo de
gestin enfocado a la creacin de flujo(se enfoca en la
reduccin de los siete tipos de desperdicios en
productos), para poder entregar el mximo valor para los
clientes, utilizando para ello los mnimos recursos
necesarios es decir ajustados y eliminar el despilfarro, las
herramientas lean (en ingles gil, esbelto, sin grasa.
Incluyendo procesos continuos de anlisis (llamado
KAIZEN).
LEAN: Es todo lo concerniente a obtener las cosas
correctas en el lugar correcto, en el momento correcto, en
la cantidad correcta y minimizando el despilfarro siendo
flexible y estando abierto al cambio.
28
 SIX SIGMA
Es una metodologa de mejora de procesos
centrada en la reduccin de variabilidad de los
procesos, elimina los defectos y fallos en la
entrega de un producto y servicio.
Entindase como defecto cualquier evento en
que un producto o servicio no logra cumplir los
requisitos del cliente.
Seis sigma utiliza herramientas estadsticas para
la caracterizacin y el estudio del proceso ya
que sigma es la desviacin tpica que da una
idea de variabilidad en un proceso

29
APORTES DE LOS GURES DE LA CALIDAD
1.- EDWARD DEMING(1922)
Para Deming la calidad est definida como: Un producto o un servicio
tienen calidad si sirven de ayuda a alguien y disfrutan de un mercado
bueno y sostenido.
Uno de sus aportes fundamentales es:
la Mejora Continua.
La filosofa Deming se basa en los catorce principios gerenciales, que
constituyen el pilar para el desarrollo de la calidad.
El Ciclo De Deming
Las Siete Enfermedades Mortales De La Gerencia

30
 BASES DE LA FILOSOFA DE DEMING
Descubrir mejoras: Productos / Servicios.
Reducir incertidumbre y variabilidad en los procesos.
Para poder evitar variaciones propone un CICLO.
A mayor CALIDAD mayor PRODUCTIVIDAD.
La administracin es la responsable de la mejora de la CALIDAD.
2.- Philip Crosby (1926)
Para Crosby la calidad es gratis, definindola como:
conformidad con los requerimientos e indicando que el 100% de la
conformidad es igual a cero defectos.
Hacerlo bien a la primera vez
Hacer que la gente haga mejor todas las cosas importantes que de
cualquier forma tiene que hacer
Promover un constante y consciente deseo de hacer el trabajo bien a la
primera vez

31
 Algunas de sus aportaciones ms relevantes fueron los 14 pasos, en los que
explica paso a paso la manera en que una organizacin poda iniciar y
continuar su movimiento por la calidad.
SU FILOSOFA
Cero defectos, se enfoca a elevar las expectativas de la administracin y
motivar y concientizar a los trabajadores por la calidad.
Las empresas despilfarran recursos realizando incorrectamente procesos y
repitindolos.

La calidad lo resume en cuatro principios absolutos:

Calidad es cumplir con los requisitos del cliente.
El sistema de calidad es la prevencin.
El estndar de desempeo es cero defectos.
La medicin de la calidad es el precio del incumplimiento.

32
 Crosby propuso catorce pasos que son:
Compromiso de la gerencia
Equipo de mejora de la calidad
Medicin de la calidad
Costo de la evaluacin de la calidad
Concientizacin de la calidad
Acciones correctivas
Establecer un comit especfico ad hoc para el programa de cero defectos
Capacitacin a los supervisores
Da de cero defectos
Fijar metas
Estableciendo de la causa de errores
Reconocimiento
Consejos de calidad
Hacerlo todo de nuevo

33
 3.- GENICHI TAGUCHI (1924)
FILOSOFA
Su filosofa es el control de calidad, que le llam "Diseo Robusto".
"DISEO ROBUSTO" (CONTROL DE CALIDAD)

Cada vez que se disea un producto, se hace pensando en que va a cumplir

con las necesidades de los clientes, pero siempre dentro de un cierto
estndar; a esto se le llama calidad aceptable.

El tipo de diseo que Taguchi propone es que se haga mayor nfasis en las
necesidades que le interesan al consumidor y que a su vez, se ahorre dinero
en las que no le interesen.

34
 La contribucin ms importante, ha sido la aplicacin de la estadstica y la
ingeniera para la reduccin de costos y mejora de la calidad en el diseo de
productos y los procesos de fabricacin.

EL PENSAMIENTO DE TAGUCHI SE BASA EN CONCEPTOS FUNDAMENTALES A

LA CALIDAD TOTAL:

1. Las organizaciones deben ofrecer productos mejores que sus competidores

en cuanto a diseo y precio.

2. Productos atractivos al cliente y con un mnimo de variacin entre s.

3. Ser resistentes al deterioro y a factores externos a su operacin.

Otros como Jan Carlzon, Joseph Juran, Kaoru Ishikawa, etc.

35
 FACTORES QUE DEFINEN LA CALIDAD

FACTORES OBJETIVOS:
Estos factores derivan de la
comparacin entre un estndar y
un desempeo, en donde estas
caractersticas de calidades
puedan ser medibles
cuantitativamente con mtodos de
ingeniera o tecnolgicas, siendo
independiente de la persona que
realiza la medicin o de la persona
que adquiere el producto, entre
ellas tenemos: Caractersticas
Fsicas y Qumicas del producto,
Estndares de Produccin, etc.

36
 FACTORES SUBJETIVOS:
Se basa en la percepcin y en los juicios de valor de las personas, y es medible
cualitativamente estudiando la satisfaccin del cliente, entre ellas tenemos:
Percepcin del cliente, Grado de satisfaccin de las necesidades del cliente.

37
38
 CONTROL ESTADSTICO DE LA
CALIDAD
Es una tcnica estadstica que se usa para asegurar que
los procesos cumplan con los estndares, al analizar y
determinar causas de problemas de calidad mediante la
aplicacin de herramientas estadsticas bsicas que
permiten llevar acabo una toma de decisiones oportuna y
asertiva para lograr la mejora continua tanto en la
organizacin como en sus procesos.

CONTROL ESTADSTICOS DE PROCESOS(CEP)

Mide el funcionamiento de un proceso y se utilizan las
matemtica (estadstica), es necesario una recoleccin o
organizacin e interpretacin de datos.

39
 Objetivo: Proporcionar una seal estadstica cuando
aparezca causas de variacin imputable.
Se usa para controlar el proceso de produccin y
examinar las muestras de los productos finalizados.
Caractersticas:
Variables: caractersticas que se pueden medir(por
ejemplo: peso o longitud), pueden ser nmeros enteros o
fracciones, muchas variables aleatorias.
Atributos: caractersticas centradas en los defectos, los
productos se clasifican en buenos y malos.

40
 PARMETROS ESTADSTICOS

DEFINICIN: un parmetro estadstico es un numero que se

obtiene a partir de los datos de una distribucin
estadstica.
Sirve para: sintetizar la informacin dada por una tabla o
por una grafica.

TIPOS DE PARMETROS ESTADSTICOS.

De centralizacin
De dispersin
De posicin

41
1.- MEDIDA DE CENTRALIZACIN

Nos indica entorno a que valor(centro) se distribuyen los

datos.
MEDIA ARITMTICA.- es el valor promedio de la
distribucin.
MEDIANA.- es la puntuacin de escala que separa la mitad
superior de la distribucin y la inferior, es decir divide la
serie de datos en dos partes iguales.
MODA.- es el valor que mas se repite en una distribucin.
2.- MEDIDA DE POSICION
Las medidas de posicin dividen un conjunto de datos en
grupos con el mismo numero de individuos.
CUARTILES.- divide la serie de datos en cuatro partes
iguales.
DECILES.- divide la serie de datos en diez partes iguales.
42PERCENTILES.- divide la serie de datos en cien partes
 3.- MEDIDAS DE DISPERSIN
Nos informa sobre cuanto se alejan del centro los valores
de la distribucin.
RANGO O RECORRIDO.- es la diferencia entre el mayor y el
menor de los datos de una distribucin estadstica.
DESVIACIN MEDIA.- es la media aritmtica de los valores
absolutos de las desviaciones respecto a la media.
VARIANZA.- es la media aritmtica del cuadrado de las
desviaciones respecto a la media.
DESVIACIN TPICA.- es la raz cuadrada de la varianza

43
 POBLACIN Y MUESTRA
POBLACIN.- conjunto de individuos que tienen
caractersticas en comn, que es el objeto de un estudio.
Una poblacin puede ser finita, infinita y diana.
Poblacin diana.- esta definido por el objeto de estudio.
Ejemplo diabticos de lima.
Poblacin finita.- cuando se conoce el tamao de la
poblacin.
Poblacin infinita.- cuando no se conoce el tamao de la
poblacin.
MUESTRA.- es el subconjunto de la poblacin de estudio y
es el grupo de personas que realmente se estudiaran ,
debe ser representativa de la poblacin y para lograr esto,
se tiene que tener bien definido los criterios de inclusin y
exclusin. As como tambin realizar una buena tcnica de
44muestreo.
 Tcnicas para determinar la muestra
o Tcnicas de Muestreo
Probabilstico: Si a cada elemento tiene la
misma posibilidad, de formar parte de la
muestra
No probabilstico: Si cada elemento NO tiene
la misma posibilidad, de formar parte de la
muestra

45
46
 Muestreo Probabilstico
Muestreo Simple Aleatorio
Cuando todas las unidades que componen el
universo son conocidas y tienen igual
posibilidad de ser seleccionadas en la
muestra.
Recomendada para poblaciones no muy
grandes.

47
 Ejemplo
En una fbrica hay 1000 personas trabajando, 600 de las cuales son obreros, 250
son tcnicos y 150 son profesionales. Si queremos seleccionar una muestra
aleatoria simple (de 200 personas, por ejemplo), la probabilidad de seleccin de
cada persona es:
Probabilidad = muestra deseada = 200 = 0,2
Poblacin 1000
Y la distribucin tendera a que los 200 de la muestra se distribuyan as: 120
obreros, 50 tcnicos y 30 profesionales. Y se utilizara el azar para escoger a los
elementos de la muestra.

48
 Ejemplo
Se quiere una muestra de 500 viviendas en un
barrio de 2000 casas. Se determinan
escogiendo una casa cada cierto intervalo.
El intervalo sera K = Poblacin/Muestra
K=2000/500= 4, sea se numeran las 2000
casas y luego empezando por una al azar cada
4 se escoge hasta completar las 500.

49
50
 Muestreo Probabilstico
Muestreo Estratificado

Cuando hay estratos de importancia para la

investigacin, tales como el sexo de las
personas o las regiones de un pas, se escoge
la muestra al interior del estrato.

51
 Ejemplo
En el caso del ejemplo de la fbrica, podramos haber argumentado que obreros,
tcnicos y profesionales son importantes para establecer comparaciones y se
decide escoger 80 de cada estrato. En este caso las probabilidades de seleccin
seran, por estrato, las siguientes:
Obreros 80/600 = 0.133
Tcnicos 80/250 = 0.320
Profesionales 80/150 = 0.530
Donde se puede apreciar que la probabilidad de seleccin no es igual para todas las
personas, sino que depende del estrato en que stas se encuentran y as un obrero
tiene menor posibilidad de ser seleccionado que un profesional, simplemente
porque estos ltimos son menos.

52
 Muestreo Probabilstico
Muestreo Por Conglomerados
Una muestra por conglomerados es aquella en
la que la unidad de muestreo no es la unidad o
elemento de la poblacin sino el
conglomerado. La unidad de muestra se
refiere a los elementos del universo que se
seleccionan en la muestra.
Un ejemplo de conglomerados son los cursos
de una escuela, cada curso es un
conglomerado.
53
 Muestreo No Probabilstico
Muestreo Accidental
Es un muestreo no probabilstico y
corresponde a la posibilidad que tiene el
investigador de seleccionar como muestra un
subconjunto de la poblacin en un momento
no previsto con anterioridad.

54
 Ejemplo
En una investigacin sobre comportamiento
cvico de las personas, si el investigador est
presente en el momento de un accidente de
trnsito puede tomar como referencia los
sujetos que se encuentren directa e
indirectamente involucrados en el hecho.

55
56
 Muestreo No Probabilstico
Muestreo Intencional
Caso extremo. Tambin es denominado desviado, corresponde a
seleccionar el mejor o el peor de los casos y analizar si funciona o no el
estudio correspondiente
Variacin mxima o casos extremos. Consiste en seleccionar casos de los
dos extremos y jugar con esas dos posiciones en el anlisis de la
informacin; es decir, comparar lgicas diferentes.
Homognea. Es llamada tambin de grupos focales. Se recomiendan
grupos pequeos (de 6 a 8 personas).
Caso tpico. Consiste en seleccionar un caso representativo de la
comunidad.

57
 Muestreo No Probabilstico
Muestreo Intencional
Caso crtico. Seleccionando el peor de los casos se plantean preguntas
como: Si tiene esas posibilidades qu pasara?
Bola de nieve o de cadena. Es utilizado generalmente cuando no es
posible detectar las personas por cuestiones delicadas o
comprometedoras; entonces un primer representante puede sugerir
otro y ste un tercero y as sucesivamente.
Por criterio. El investigador se plantea unas caractersticas especiales
que deben cumplir los elementos de la muestra.
Confirmatorio o desconfirmatorio. Se seleccionan elementos
muestrales que ratifican o no el caso estudiado.

58
 Muestreo No Probabilstico
Muestreo Intencional
Polticamente importante. Se selecciona una muestra cuya atencin, en
ese momento, es relevante por sus condiciones y caractersticas.
Por conveniencia. El investigador puede seleccionar una muestra con la
que se facilite la recoleccin de informacin. Conocido tambin como
muestreo por seguimiento, ya que la muestra corresponde a una parte,
fraccin o segmento de la poblacin, lo cual, a su vez, produce resultados
muy sesgados debido a la escasa representatividad que puede presentar
dicho segmento. Este mtodo tambin es utilizado en encuestas
preliminares.
Por cuotas. Es una forma de diseo estratificado, en el cual la seleccin
final de los casos dentro del estrato no es aleatoria.

59
 Tamao de la Muestra

En Metodologa de la Investigacin

60
 Suponiendo que no hay limitaciones de
costos ni otras limitaciones de orden
prctico, el investigador debe aclarar las
variables que analizar, el diseo muestral
que utilizar y, sobre todo, el error que
est dispuesto a aceptar para las
estimaciones o decisiones que tome a
partir de los resultados encontrados en la
muestra. Igualmente, hay que considerar
el nivel de significancia con el cual se
trabajar.
61
 Frmula para el Tamao de
la Muestra

62
 Ejemplo
Suponga que fue seleccionado para realizar una investigacin
en educacin bsica de una ciudad sobre dificultades en el
aprendizaje de las Matemticas. Esta investigacin se va a
desarrollar en un municipio donde los estudiantes de
educacin bsica son 35.280. Se desea seleccionar una
muestra cuyo margen de error de muestreo sea del 2% y cuyo
nivel de confianza sea del 95%. Cul debe ser el tamao de la
muestra?

63
64
 MEDIA MUESTRAL Y MEDIA
POBLACIONAL
MEDIA
POBLACIONAL

MEDIA MUESTRAL.

65
 DISTRIBUCIN
DISCRETA Y
DISTRIBUCIN
CONTINUA
66
 QU ES UNA
DISTRIBUCIN DE
PROBABILIDAD?
Indica en una lista todos los
resultados posibles de un
experimento, junto con la
probabilidad correspondiente a
cada uno de los resultados.

67
 Ejemplo:
Supongamos que queremos conocer el
nmero de caras que se obtienen al
lanzar tres veces una moneda al aire
(Experimento).
Los posibles resultados son:
0, 1, 2, y 3 caras.
Pregunta:
Cul es la distribucin de probabilidad
del nmero de caras?
68
 Solucin:
Hay ocho posibles resultados:
En el primer lanzamiento puede
caer cruz (T), otra cruz en el
segundo y otra en el tercero.
O puede caer cruz, cruz y cara
(H), en ese orden.

69
 TABLA DE PROBABILIDADES
Resultad Primero Segundo Tercero Nmero
o de
posibl caras
e (H)
1 T T T 0
2 T T H 1
3 T H T 1
4 T H H 2
5 H T T 1
6 H T H 2
7 H H T 2
8 H H H 3
* T significa cruz y H significa cara

70
 DISTRIBUCIN DE PROBABILIDAD PARA LOS
EVENTOS

Nmero de caras Probabilidad del resultado

x P(x)

0 1
0.125
8
1 3
0.375
8
2 38 1.000
8 0.375
8
3 1
0.125
8
Total 8
1.000
8

71
 VARIABLES ALEATORIAS
Es la cantidad que da como resultado de
un experimento, y debido al azar, puede
tomar valores diferentes.

Pueden ser variables aleatorias discretas

o continuas

72
 VARIABLE ALEATORIA
DISCRETA
Variable que solo puede tomar ciertos
valores claramente separados.

Ejemplo:
Las puntuaciones otorgadas por los jueces a los
deportistas de Danza Rtmica son cifras decimales
como: 7.2, 8.7 y 9.7.

Son discretos porque existe una distancia entre estas

puntuaciones por ejemplo: entre 8.7 y 8.8 no puede
ser la puntuacin 8.74 o 8.747.

73
 VARIABLE ALEATORIA
CONTINUA
Es la cual puede tomar un valor de una
cantidad infinitamente grande de valores,
dentro de ciertas limitaciones.
Ejemplo:

La distancias (en millas) entre la Tierra y la Luna es

de 238857.1234 millones, y as sucesivamente
dependiendo de la precisin de dispositivo de
medicin.

74
75
 MEDIA
Es un valor tpico que sirve para
representar una distribucin de
probabilidades.
Tambin es el valor promedio, a largo
plazo de la variable aleatoria.
Es conocida tambin como su valor
esperado

76
 MEDIA DE UNA DISTRIBUCIN DE PROBABILIDAD

Formula: x.P x

P(x) = Probabilidad que puede tomar la

variable aleatoria x

77
 Ejemplo:
Juan Pablo Torres vende automviles nuevos de la agencia
TroncoMovil. Generalmente, los sbados vende el mayor
numero de vehculos. El Sr. Torres, tiene la siguiente
distribucin de probabilidad que espera vender en un da
sbado Nmero
en particular
de automviles Probabilidad
vendidos P(x)
x

0 0.10
1 0.20
2 0.30
3 0.30
4 0.10
Total 1.00

78
 Pregunta:

En un sbado comn,
cuntos vehculos
espera vender?

79
Solucin:
El nmero medio de automviles
vendidos se calcula estimando la
cantidad de vehculos vendidos, con
la probabilidad de vender ese
nmero, y luego se suman todos los
productos aplicando la frmula:
x.P x

80
 Reemplazando:
x.P( x)
0(0.10) 1(0.20) 2(0.30) 3(0.30) 4(0.10)
2.1

Respuesta: 2.1

81
 Tenemos la siguiente tabla:

Nmero de
automviles Probabilidad
vendidos P(x) x . P(x)
x

0 0.10 0.00
1 0.20 0.20
2 0.30 0.60
3 0.30 0.90
4 0.10 0.40
Total 1.00 = 2.10

82
 Cmo interpretar la media
de 2.10?
Este valor nos indica que, en un
gran nmero de sbados, el Sr.
Torres espera vender un
promedio de 2.10 vehculos por
da. Por tanto, a la media se la
denomina valor esperado ya que
desde luego no se puede vender
2.10 autos.
83
 VARIANZA
Se utiliza para describir el grado
de dispersin o variacin en una
distribucin de probabilidades.

84
 VARIANZA DE UNA
DISTRIBUCIN DE
PROBABILIDAD
Frmula:
( x ) .P ( x)
2 2

Varianza
2

85
 Pasos:
1. Restar la media (u) a cada valor (x)
y elevar la diferencia al cuadrado.
2. Multiplicar el cuadrado de cada
diferencia
, por su probabilidad (P(x)).
( x ) 2
3. Sumar los productos resultantes
para obtener finalmente la
varianza.

86
 Ejemplo:
Del mismo ejemplo anterior de la agencia
TroncoMovil del Sr. Torres.

Nmero de automviles Probabilidad

vendidos P(x)
x

0 0.10
1 0.20
2 0.30
3 0.30
4 0.10
Total 1.00

87
 Pregunta:

Cul es la varianza
de la distribucin?

88
 Aplicando la Frmula:
( x ) .P ( x )
2 2

( x
Debemos encontrar ) 2
ya que:
Tenemos: P(x) Probabilida
d
P(x)
0.10
0.20
0.30
0.30
0.10

89
Obtenemos lo ( x
siguiente:.P( x)
) 2

P(x) (x ) (x ) 2
( x ) .P ( x )
2

0.10
0 2.1 4.41 0.441
0.20
0.30 1 2.1 1.21 0.242
0.30 2 2.1 0.01 0.003
0.10 3 2.1 0.81 0.243
4 2.1 3.61 0.361
Total =2 1.290

90
 Solucin:
La desviacin estndar ( 2), es la raz cuadrada
de la varianza.
Entonces tenemos:
2 1.290 1.136 automviles
Dejando como conclusin que el Sr. Torres
tiene una variabilidad en las ventas sabatinas
de 1,136 autos.

91
92
 EJERCICIO

93
94 94
95 95
96 96
97 97
98
EJERCICIO
En un hospital de una importante ciudad se esta
estudiando los nacimientos de bebes varones.
Se sabe en una semana nacen una media de 7
varones. Calcular.
1.- probabilidad de que nazcan tres varones en
una semana.
2.- probabilidad de que nazcan menos tres
varones a la semana.
100
 DISTRIBUCION NORMAL
Es una distribucin de probabilidad de variable
continua.
El matemtico Gauss contribuy notablemente
en el estudio y difusin de esta distribucin.
La mayora de las variables continuas tienen
polgonos de frecuencias que permiten
visualizar un aumento gradual hasta llegar a
un mximo y luego un descenso igualmente
gradual. As:

101
 Polgono de frecuencias
Curva normal

Xi x Xi
Si n e i 0

102
 Como toda figura geomtrica en el plano, la
curva normal posee una frmula o ecuacin
denominada tambien Funcin de densidad de
la variable aleatoria continua que es la
siguiente:
2
1 x

2
1 e (1)
y
2 - x

Donde:
y = altura de la curva en el punto x
= media aritmtica de la distribucin
= desviacin estndar de la distribucin

103
 Caractersticas ms importantes
de la distribucin normal
1. Es simtrica respecto a la media, .
2. La media, la mediana y la moda son iguales.
3. El rea total debajo de la curva y por encima
del eje x es igual a una unidad cuadrada
4. Si se levantan perpendiculares a una distancia
de una desviacin estndar a ambos lados de
la media, se habr delimitado
aproximadamente el 68.26% del rea total.

104
 Distribucin normal unitaria o
normal estndar
Tiene una media de cero y desviacin
estndar de uno

Se obtiene a partir de la ecuacin (1),

haciendo =0, =1 y x - = z

Donde z es una variable aleatoria con
distribucin normal. Luego:

105
 Si se extienden estas perpendiculares hasta
dos desviaciones estndar, se define como
95.44% del rea total y con 3 desviaciones
estndar aproximadamente el 99.74%. As:

0,6826 0,9544

Xi Xi
- + -2 +2

5. La normal queda completamente determinada

por los parmetros y
106
Clculo de rea o probabilidad en
la curva normal estndar

Se utiliza la tabla de reas.

Ejemplo 1:
Calcular el rea entre z= - y z=2
Solucin:
Se recomienda graficar la curva normal y
sombrear el rea solicitada para facilitar la
resolucin del problema. As:

107
 =1

0 2 zi

De la tabla de reas se obtiene:

P(z 2) = 0,9772
Interpretacin:
La probabilidad de que la variable z asuma
valores entre - y 2 inclusive, es 0,9772

108
 Ejemplo 2:
Si de la poblacin de posibles valores de z, se
elige uno al azar, cul es la probabilidad de
que se encuentre entre 0,84 y 2,45 inclusive?
Solucin:
La pregunta permite calcular:
P(0,84 z 2,45) = ?
Veamos el grfico siguiente:

109
 =1

zi
0 0,84 2,45

De la tabla: rea entre - y z=2,45 0,9929

rea entre - y z=0,84 0,7995
\P(0,84 z 2,45) = 0,9929 - 0,7995= 0,1934
Interpretacin:
La probabilidad de que una z elegida al azar quede
entre 0,84 y 2,45 es de 0,1934 el 19,34% de los
valores de z estn entre 0,84 y 2,45.

110
 Ejemplo 3:
Calcular P(z2,71).
Solucin: Graficando:

De la tabla: rea entre - y

z=2,71 0,9966
=1
Luego: P(z2,71)=1,0-0,9966
=0,0034.
zi
0 2,71

Interpretacin:
La probabilidad de que un valor de z sea mayor
o igual a 2,71 es de 0,0034.
111
 Clculo de reas en una curva
normal cualquiera
Ejemplo:
Los niveles de colesterol total en la
poblacin general se distribuyen
normalmente con =200 y = 20. Si de esta
poblacin se selecciona un sujeto al azar,
cual es la probabilidad de que tenga un
valor entre 170 y 230?
Solucin:

112
 Se solicita: P(170x230)=?.
En el grfico, el rea que debemos calcular
aparece sombreada:

=20

170 200 230 Xi

Se transforman o estandarizan los valores de xi en

trminos de z.
x1 230 200
z1 1,50
20
x2 170 200
z2 1,50
20
113
 =1

-1,50 0 zi
1,50
Luego: P(170x230)= P(-1,50z1,50)=?.
De la tabla:
P(-1,50z1,50)= 0,9332 - 0,0668 = 0,8664
Interpretacin:
La probabilidad de que un sujeto seleccionado
al azar tenga un nivel de colesterol entre 170 y
230, es de 0,8664

114
 Tenga un valor de 270 ms.
Solucin:
p(x270) =?
Clculo de z:
=20 Z= 270 200=3,50
20

200 270 xi Luego:

P(x270)=P(z3,50)
= 1 - 0,9998
=1 = 0,0002.

0 3,50 zi

Interpretacin:
La probabilidad de que un sujeto elegido al azar tenga
un nivel de colesterol de 270 ms, es de 0,0002

115
116
117
118
119
120
121
122
123
124
125
126
127
128
CAPACIDAD DE UN PROCESO
Si el proceso est en estado de control, es decir, no presenta causas especiales, y los
datos que se tomen de l siguen una distribucin Normal con N (, ), el intervalo
3, correspondiente a una longitud 6, recoge el 99.73% de la poblacin.

130
131
Tipos de ndices de capacidad

132
133
134
136
137
138
 GRACIAS

139