SlideShare una empresa de Scribd logo
1 de 16
Aplicación de
histogramas
Felipe de Jesús Cordero González
3° “B” Procesos Industriales Área Manufactura
Lic. Gerardo Edgar Mata Ortiz
Ejemplo Histograma 1
 Un medico dentista desea estudiar el peso de personas adultas de sexo
masculino y recopila una gran cantidad de datos midiendo el peso en
kilogramos de sus pacientes varones:
1 2 3 4 5 6 7 8 9 10 11 12
1 80 70 82 75 74.6 68 71 71 73 68 75 64
2 71 96 66 64 74.5 69 79 79 71 85 86 72
3 79 75 58 70 77 74 89 75 79 89 114 72
4 75 77 75 64 70.7 63 71 85 75 71 78 69
5 85 71 77 72 79.4 68 79 82 85 79 76 70
6 82 79 71 72 74.6 77 71 68 82 75 96 84
7 68 75 79 69 85.2 75 79 64 68 85 78 68
8 64 85 75 70 81.6 75 75 72 64 82 85 64
9 72 82 85 84 67.9 79 85 72 72 68 97 71
10 72 68 82 70 63.7 77 82 69 72 64 75 73
11 69 64 68 68 72.1 77 68 70 69 72 77 71
12 70 72 64 71 71.6 77 64 84 70 72 71 79
13 84 72 72 79 69.4 71 72 84 84 69 79 75
14 70 69 72 75 69.8 79 72 70 85 70 75 64
15 84 70 69 85 83.5 75 69 68 82 84 85 72
16 84 84 70 82 83.5 85 70 71 64 72 82 72
17 72 79 84 68 74.9 82 84 79 72 72 68 69
18 72 76 75 64 73.2 68 68 72 72 69 64 70
Clases o Categorías Intervalos Frecuencias Medidas de Tendencia Central
Lim Inferior Lim. Superior Xi Fi Fai Fri Frai Fi*Xi Xi-X*Fi (Xi-X)2*Fi
56.5 62.5 59.5 9 9 0.041666667 0.041666667 535.500 225.500 5650.028
62.5 68.5 65.5 13 22 0.060185185 0.101851852 851.500 247.722 4720.485
68.5 74.5 71.5 23 45 0.106481481 0.208333333 1644.500 300.278 3920.293
74.5 80.5 77.5 37 82 0.171296296 0.379629630 2867.500 261.056 1841.892
80.5 86.5 83.5 48 130 0.222222222 0.601851852 4008.000 50.667 53.481
86.5 92.5 89.5 32 162 0.148148148 0.750000000 2864.000 158.222 782.321
92.5 98.5 95.5 24 186 0.111111111 0.861111111 2292.000 262.667 2874.741
98.5 104.5 101.5 11 197 0.050925926 0.912037037 1116.500 186.389 3158.256
104.5 110.5 107.5 12 209 0.055555556 0.967592593 1290.000 275.333 6317.370
110.5 116.5 113.5 7 216 0.032407407 1 794.500 202.611 5864.466
Totales 18264.000 2170.444 35183.333
Media a 84.556
Desviacion Media 10.04835391
Varianza 162.8858025
Desviacion Estandar 12.76267223
El histograma muestra que los
pacientes del médico dentista están
dentro del rango, lo que significa que
tienen una similitud en cuanto a su
peso, con un promedio de peso en
alrededor de los 85 kg.
Ejemplo Histograma 2
 Éstos datos corresponden a las calificaciones en porcentaje de 80
personas, las cuales estudian una carrera de nivel superior, lo que sugiere
averiguar la calidad de estudio por parte de los estudiantes.
1 2 3 4 5 6 7 8 9 10
1 60 66 67 70 64 83 69 63 76 79
2 66 52 74 67 71 56 61 67 61 58
3 77 75 61 78 81 65 67 71 67 67
4 70 65 63 75 62 74 73 68 67 71
5 66 69 69 64 64 67 57 76 64 68
6 68 71 80 71 69 54 62 61 72 59
7 57 58 59 81 68 65 67 62 64 69
8 70 66 66 62 72 65 68 63 73 70
Clases o Categorias Intervalos Frecuencias Medidas de Tendencia Central
Lim Inferior Lim. Superior Xi Fi Fai Fri Frai Fi*Xi Xi-X*Fi (Xi-X)2*Fi
51.5 56 53.75 3 3 0.037500000 0.037500000 161.250 39.488 519.754
56 60.5 58.25 7 10 0.087500000 0.125000000 407.750 60.638 525.272
60.5 65 62.75 20 30 0.250000000 0.375000000 1255.000 83.250 346.528
65 69.5 67.25 28 58 0.350000000 0.725000000 1883.000 9.450 3.189
69.5 74 71.75 11 69 0.137500000 0.862500000 789.250 53.213 257.415
74 78.5 76.25 7 76 0.087500000 0.950000000 533.750 65.363 610.322
78.5 83 80.75 4 80 0.050000000 1 323.000 55.350 765.906
Totales 5353.000 366.750 3028.388
Media a 66.913
Desviacion Media 4.584375
Varianza 37.85484375
Desviacion Estandar 6.152629011
0
5
10
15
20
25
30
35
45 55 65 75 85 95
HISTOGRAMA.
X.
DISTRIBUCION
.
MEDIA
-1S
-2S
-3S
+1S
+2S
+3S
El histograma muestra que la calidad de estudios
por parte de los estudiantes es regular, ya que no
se muestra un gran interés, por parte de ello esto
se puede dar por varios factores. Uno sería la
dificultad de la carrera, por lo que el promedio de
ésta Universidad se mantiene en una calificación
de 60-70, lo cual indica que la calidad de los
estudiantes no es la adecuada por el bajo
rendimiento académico que tienen.
Ejemplo Histograma 3
 En una ciudad, se analizó el nivel de vida a través de la renta anual
familiar. Se recoge información. Los datos, en millones de pesetas, son los
siguientes:
1 2 3 4 5 6 7 8 9 10
1 3.2 1.1 1.3 3 2.2 1.3 0.8 0.4 3.8 2.6
2 3.2 2.6 3.6 1.7 1.3 0.9 2.3 0.7 3.1 0.9
3 3.2 1.6 1.3 2.9 1.8 1.1 1.6 0.9 3.6 1.6
4 2.6 0.9 2.7 1.2 0.8 2.1 2.2 1.4 3.9 2.6
5 1.1 2 2.3 2.2 2.3 1.7 1.7 1.8 1.5 3.1
6 2.4 1.8 2.3 2 1.4 1.2 2.1 2.7 1.7 2.2
Clases o Categorias
Intervalos Frecuencias Medidas de Tendencia Central
Lim Inferior Lim. Superior Xi Fi Fai Fri Frai Fi*Xi Xi-X*Fi (Xi-X)2*Fi
0.4 0.9 0.65 8 8 0.133333333 0.133333333 5.200 10.613 14.080
0.9 1.5 1.20 12 20 0.200000000 0.333333333 14.400 9.320 7.239
1.5 2.1 1.80 12 32 0.200000000 0.533333333 21.600 2.120 0.375
2.1 2.7 2.40 15 47 0.250000000 0.783333333 36.000 6.350 2.688
2.7 3.3 3.00 9 56 0.150000000 0.933333333 27.000 9.210 9.425
3.3 3.9 3.60 4 60 0.066666667 1 14.400 6.493 10.541
Totales
118.60
0 44.107 44.347
Media a 1.977
Desviacion Media 0.735111111
Varianza 0.739122222
Desviacion Estandar 0.859722177
0
5
10
15
20
25
0 1 2 3 4 5
HISTOGRAMA.
X.
HISTOGRAMA.
MEDIA
M-1S
M-2S
M+1S
M+2S
M+3S
Se demuestra en base al estudio
realizado que la calidad de vida de
las personas, analizando el histograma,
en cuanto a las 50 muestras tomadas,
que las personas viven
adecuadamente según el nivel
socioeconómico.
Ejemplo Histograma 4
 Una fábrica de coches desea estudiar el consumo de un nuevo modelo
de coche que quiere lanzar al mercado. Para ello realiza cien pruebas
echando diez litros de gasolina y viendo qué distancia en kilómetros
recorre el coche. Los resultados de las pruebas fueron los siguientes:
1 3 4 5 7 8 9
1 85 91 92 89 92 91 89
2 90 84 90 89 92 92 89
3 91 90 89 88 88 88 89
4 88 88 92 86 91 88 91
5 91 87 90 88 88 88 90
6 91 91 93 90 88 89 91
7 86 88 92 90 91 88 85
8 92 90 90 91 92 88 93
9 90 88 90 90 89 87 92
10 89 88 91 89 89 91 86
Clases o Categorias
Intervalos Frecuencias Medidas de Tendencia Central
Lim
Inferior Lim. Superior Xi Fi Fai Fri Frai Fi*Xi Xi-X*Fi (Xi-X)2*Fi
84 85.35 84.65 3 3 0.030000000 0.030000000 253.950 14.700 72.030
85.4 86.75 86.05 3 6 0.030000000 0.060000000 258.150 10.500 36.750
86.8 88.15 87.45 26 32 0.260000000 0.320000000 2273.700 54.600 114.660
88.2 89.55 88.85 16 48 0.160000000 0.480000000 1421.600 11.200 7.840
89.6 90.95 90.25 20 68 0.200000000 0.680000000 1805.000 14.000 9.800
91 92.35 91.65 27 95 0.270000000 0.950000000 2474.550 56.700 119.070
92.4 93.75 93.05 3 98 0.030000000 0.980000000 279.150 10.500 36.750
93.8 95.15 94.45 2 100 0.020000000 1 188.900 9.800 48.020
Totales 8955.000 182.000 444.920
Media a 89.550
Desviacion Media 1.82
Varianza 4.4492
Desviacion Estandar 2.109312684
0
5
10
15
20
25
30
35
82 84 86 88 90 92 94 96 98
MEDIA M+1S M+2S M+3S M-1S M-2S M-3S
En base al histograma, podemos comprobar
con una muestra de 100 piezas, que el
automóvil que se quiere lanzar al mercado
es de buena calidad, ya que la distancia
recorrida es muy buena, lo que provocaría
que fuera un producto muy solicitado en el
mercado, ya que la calidad de éste no sale
del estándar establecido o límite bajo el que
se encuentra.
Ejemplo Histograma 5
 Una empresa debe fabricar tornillos que tienen como valor especificado
una longitud de 2.5 ± 0.4 mm. Para evaluar el número de piezas con errores
de tolerancia se toman 30 muestras, tal y como se muestra en la siguiente
tabla: Muestra Longitud (mm) Muestra
Longitud
(mm)
Muestra
Longitud
(mm)
1 25,2 11 25,3 21 25,0
2 24,6 12 25,3 22 24,3
3 24,9 13 25,7 23 24,7
4 25,0 14 25,1 24 24,9
5 25,3 15 24,9 25 25,0
6 25,7 16 25,0 26 25,1
7 24,3 17 25,1 27 25,2
8 24,4 18 24,9 28 25,1
9 24,7 19 24,8 29 25,0
10 24,9 20 25,2 30 24,7
2 3
1 25.3 25
2 25.3 24.3
3 25.7 24.7
4 25.1 24.9
5 24.9 25
6 25 25.1
7 25.1 25.2
8 24.9 25.1
9 24.8 25
10 25.2 24.7
Clases o Categorias
Intervalos Frecuencias Medidas de Tendencia Central
Lim Inferior Lim. Superior Xi Fi Fai Fri Frai Fi*Xi Xi-X*Fi (Xi-X)2*Fi
24.295 24.528 24.41 3 3 0.100000000 0.100000000 73.235 1.727 0.994
24.528 24.762 24.65 4 7 0.133333333 0.233333333 98.580 1.369 0.468
24.762 24.995 24.88 6 13 0.200000000 0.433333333
149.27
1 0.652 0.071
24.995 25.228 25.11 12 25 0.400000000 0.833333333
301.33
8 1.492 0.185
25.228 25.462 25.35 3 28 0.100000000 0.933333333 76.035 1.073 0.384
25.462 25.695 25.58 2 30 0.066666667 1 51.157 1.183 0.699
Totales
749.61
6 7.496 2.802
Media a 24.987
Desviacion Media 0.249858889
Varianza 0.093410958
Desviacion Estandar 0.305632063
0
2
4
6
8
10
12
14
16
24 24.2 24.4 24.6 24.8 25 25.2 25.4 25.6 25.8 26
HISTOGRAMA.
X.
HISTOGRAMA
DISTRIBUCION MEDIA +1S +2S +3S -1S -2S -3S
Las muestras tomadas están dentro del
rango. Esto significa que el lote de
fabricado de tornillos es el adecuado,
según las medidas solicitadas por el
cliente, las tolerancias son buenas y se
podrá cumplir con lo solicitado sin que el
fabricante tenga que hacer varios
estudios para la calidad del producto.

Más contenido relacionado

La actualidad más candente

La actualidad más candente (20)

Análisis de series de tiempo
Análisis de series de tiempoAnálisis de series de tiempo
Análisis de series de tiempo
 
Ejemplos Graficas de Control
Ejemplos Graficas de Control Ejemplos Graficas de Control
Ejemplos Graficas de Control
 
Tablas Kolmogorov-Smirnov
Tablas Kolmogorov-SmirnovTablas Kolmogorov-Smirnov
Tablas Kolmogorov-Smirnov
 
resolucion regresion lineal
resolucion regresion linealresolucion regresion lineal
resolucion regresion lineal
 
graficos-de-control
graficos-de-controlgraficos-de-control
graficos-de-control
 
Taller p y np sandra liliana patiño
Taller p y np sandra liliana patiñoTaller p y np sandra liliana patiño
Taller p y np sandra liliana patiño
 
Estadistica
EstadisticaEstadistica
Estadistica
 
Ejercicios árbol-de-decisión
Ejercicios árbol-de-decisión Ejercicios árbol-de-decisión
Ejercicios árbol-de-decisión
 
Unidad 4 marketing
Unidad 4 marketingUnidad 4 marketing
Unidad 4 marketing
 
Analisis de reemplazo
Analisis de reemplazoAnalisis de reemplazo
Analisis de reemplazo
 
Estudio de los conceptos de la probabilidad
Estudio de los conceptos de la probabilidadEstudio de los conceptos de la probabilidad
Estudio de los conceptos de la probabilidad
 
NOM, NMX e ISO
NOM, NMX e ISONOM, NMX e ISO
NOM, NMX e ISO
 
Matematicas financieras
Matematicas financierasMatematicas financieras
Matematicas financieras
 
5 Ejemplos de Histogramas
5 Ejemplos de Histogramas5 Ejemplos de Histogramas
5 Ejemplos de Histogramas
 
Vp (1)
Vp (1)Vp (1)
Vp (1)
 
Pronósticos
PronósticosPronósticos
Pronósticos
 
cultura de la calidad
cultura de la calidadcultura de la calidad
cultura de la calidad
 
Expo 6 modelo de asignacion
Expo 6  modelo de  asignacionExpo 6  modelo de  asignacion
Expo 6 modelo de asignacion
 
Ejercicios de tendencia lineal de la demanda
Ejercicios de tendencia lineal de la demandaEjercicios de tendencia lineal de la demanda
Ejercicios de tendencia lineal de la demanda
 
INVESTIGACIÓN DE OPERACIONES notas
INVESTIGACIÓN DE OPERACIONES notasINVESTIGACIÓN DE OPERACIONES notas
INVESTIGACIÓN DE OPERACIONES notas
 

Destacado (9)

Yadira
YadiraYadira
Yadira
 
Histogramas
HistogramasHistogramas
Histogramas
 
Aplicaciones de histogramas
Aplicaciones de histogramasAplicaciones de histogramas
Aplicaciones de histogramas
 
Histograma,aplicaciones del histograma
Histograma,aplicaciones del histogramaHistograma,aplicaciones del histograma
Histograma,aplicaciones del histograma
 
Distribución binomial final expo
Distribución binomial final expoDistribución binomial final expo
Distribución binomial final expo
 
Histogramas de frecuencia
Histogramas de frecuenciaHistogramas de frecuencia
Histogramas de frecuencia
 
Ejercicios Resueltos LEVIN
Ejercicios Resueltos LEVINEjercicios Resueltos LEVIN
Ejercicios Resueltos LEVIN
 
Problemas solucionados de estadística descriptiva
Problemas solucionados de estadística descriptivaProblemas solucionados de estadística descriptiva
Problemas solucionados de estadística descriptiva
 
Ejercicios resueltos-de-estadistica
Ejercicios resueltos-de-estadisticaEjercicios resueltos-de-estadistica
Ejercicios resueltos-de-estadistica
 

Similar a Aplicación de histogramas (20)

Histogramas utt
Histogramas uttHistogramas utt
Histogramas utt
 
Histogramas utt
Histogramas uttHistogramas utt
Histogramas utt
 
Análisis de histogramas
Análisis de histogramasAnálisis de histogramas
Análisis de histogramas
 
Segunda herramienta básica de calidad
Segunda herramienta básica de calidadSegunda herramienta básica de calidad
Segunda herramienta básica de calidad
 
Catalogo maploca
Catalogo maplocaCatalogo maploca
Catalogo maploca
 
Yadira 120521123318-phpapp01
Yadira 120521123318-phpapp01Yadira 120521123318-phpapp01
Yadira 120521123318-phpapp01
 
Ejercicio 5 portada
Ejercicio 5 portadaEjercicio 5 portada
Ejercicio 5 portada
 
trabajo
trabajotrabajo
trabajo
 
Cursillo estadistica
Cursillo estadisticaCursillo estadistica
Cursillo estadistica
 
Histogramas 120524021110-phpapp01
Histogramas 120524021110-phpapp01Histogramas 120524021110-phpapp01
Histogramas 120524021110-phpapp01
 
Yadira 120521123318-phpapp01
Yadira 120521123318-phpapp01Yadira 120521123318-phpapp01
Yadira 120521123318-phpapp01
 
Iris
IrisIris
Iris
 
Catalogo_tecnico_cintac.pdf
Catalogo_tecnico_cintac.pdfCatalogo_tecnico_cintac.pdf
Catalogo_tecnico_cintac.pdf
 
GOTA A GOTA
GOTA A GOTAGOTA A GOTA
GOTA A GOTA
 
Cintac
CintacCintac
Cintac
 
Aplicación de histogramas
Aplicación de histogramasAplicación de histogramas
Aplicación de histogramas
 
Histogramas
HistogramasHistogramas
Histogramas
 
Ejercicio 3 estadistica
Ejercicio 3 estadisticaEjercicio 3 estadistica
Ejercicio 3 estadistica
 
Notas del examen presencial i
Notas del examen presencial iNotas del examen presencial i
Notas del examen presencial i
 
Datos agrupados 03
Datos agrupados 03Datos agrupados 03
Datos agrupados 03
 

Más de Felipe Cordero

Control Numérico por Computadora
Control Numérico por ComputadoraControl Numérico por Computadora
Control Numérico por ComputadoraFelipe Cordero
 
M.P. Procesos Industriales
M.P. Procesos IndustrialesM.P. Procesos Industriales
M.P. Procesos IndustrialesFelipe Cordero
 
Intervalo de confianza
Intervalo de confianzaIntervalo de confianza
Intervalo de confianzaFelipe Cordero
 
Mata problema de examen
Mata problema de examenMata problema de examen
Mata problema de examenFelipe Cordero
 
Distribución binomial
Distribución binomialDistribución binomial
Distribución binomialFelipe Cordero
 
Loveland computers (3)
Loveland computers (3)Loveland computers (3)
Loveland computers (3)Felipe Cordero
 
Estadística aplicada a la calidad
Estadística aplicada a la calidadEstadística aplicada a la calidad
Estadística aplicada a la calidadFelipe Cordero
 
Importancia de la estadística en la ingeniería industrial
Importancia de la estadística en la ingeniería industrialImportancia de la estadística en la ingeniería industrial
Importancia de la estadística en la ingeniería industrialFelipe Cordero
 
Ejercicio 3 - Datos no agrupados
Ejercicio 3 - Datos no agrupadosEjercicio 3 - Datos no agrupados
Ejercicio 3 - Datos no agrupadosFelipe Cordero
 
Ejercicio 2 - Datos no agrupados
Ejercicio 2 - Datos no agrupadosEjercicio 2 - Datos no agrupados
Ejercicio 2 - Datos no agrupadosFelipe Cordero
 

Más de Felipe Cordero (20)

E.F. Plantilla Tren 5
E.F. Plantilla Tren 5E.F. Plantilla Tren 5
E.F. Plantilla Tren 5
 
E.F. Plantilla Tren 4
E.F. Plantilla Tren 4E.F. Plantilla Tren 4
E.F. Plantilla Tren 4
 
E.F. Plantilla Tren 3
E.F. Plantilla Tren 3E.F. Plantilla Tren 3
E.F. Plantilla Tren 3
 
E.F. Plantilla Tren 2
E.F. Plantilla Tren 2E.F. Plantilla Tren 2
E.F. Plantilla Tren 2
 
E.F. Plantilla Tren 1
E.F. Plantilla Tren 1E.F. Plantilla Tren 1
E.F. Plantilla Tren 1
 
E.F. Plantilla Tren 6
E.F. Plantilla Tren 6E.F. Plantilla Tren 6
E.F. Plantilla Tren 6
 
Control Numérico por Computadora
Control Numérico por ComputadoraControl Numérico por Computadora
Control Numérico por Computadora
 
Sistemas CAD/CAE/CAM
Sistemas CAD/CAE/CAMSistemas CAD/CAE/CAM
Sistemas CAD/CAE/CAM
 
M.P. Procesos Industriales
M.P. Procesos IndustrialesM.P. Procesos Industriales
M.P. Procesos Industriales
 
Práctica 4.2
Práctica 4.2Práctica 4.2
Práctica 4.2
 
Práctica 3.2
Práctica 3.2Práctica 3.2
Práctica 3.2
 
Práctica 1.3
Práctica 1.3Práctica 1.3
Práctica 1.3
 
Intervalo de confianza
Intervalo de confianzaIntervalo de confianza
Intervalo de confianza
 
Mata problema de examen
Mata problema de examenMata problema de examen
Mata problema de examen
 
Distribución binomial
Distribución binomialDistribución binomial
Distribución binomial
 
Loveland computers (3)
Loveland computers (3)Loveland computers (3)
Loveland computers (3)
 
Estadística aplicada a la calidad
Estadística aplicada a la calidadEstadística aplicada a la calidad
Estadística aplicada a la calidad
 
Importancia de la estadística en la ingeniería industrial
Importancia de la estadística en la ingeniería industrialImportancia de la estadística en la ingeniería industrial
Importancia de la estadística en la ingeniería industrial
 
Ejercicio 3 - Datos no agrupados
Ejercicio 3 - Datos no agrupadosEjercicio 3 - Datos no agrupados
Ejercicio 3 - Datos no agrupados
 
Ejercicio 2 - Datos no agrupados
Ejercicio 2 - Datos no agrupadosEjercicio 2 - Datos no agrupados
Ejercicio 2 - Datos no agrupados
 

Aplicación de histogramas

  • 1. Aplicación de histogramas Felipe de Jesús Cordero González 3° “B” Procesos Industriales Área Manufactura Lic. Gerardo Edgar Mata Ortiz
  • 2. Ejemplo Histograma 1  Un medico dentista desea estudiar el peso de personas adultas de sexo masculino y recopila una gran cantidad de datos midiendo el peso en kilogramos de sus pacientes varones: 1 2 3 4 5 6 7 8 9 10 11 12 1 80 70 82 75 74.6 68 71 71 73 68 75 64 2 71 96 66 64 74.5 69 79 79 71 85 86 72 3 79 75 58 70 77 74 89 75 79 89 114 72 4 75 77 75 64 70.7 63 71 85 75 71 78 69 5 85 71 77 72 79.4 68 79 82 85 79 76 70 6 82 79 71 72 74.6 77 71 68 82 75 96 84 7 68 75 79 69 85.2 75 79 64 68 85 78 68 8 64 85 75 70 81.6 75 75 72 64 82 85 64 9 72 82 85 84 67.9 79 85 72 72 68 97 71 10 72 68 82 70 63.7 77 82 69 72 64 75 73 11 69 64 68 68 72.1 77 68 70 69 72 77 71 12 70 72 64 71 71.6 77 64 84 70 72 71 79 13 84 72 72 79 69.4 71 72 84 84 69 79 75 14 70 69 72 75 69.8 79 72 70 85 70 75 64 15 84 70 69 85 83.5 75 69 68 82 84 85 72 16 84 84 70 82 83.5 85 70 71 64 72 82 72 17 72 79 84 68 74.9 82 84 79 72 72 68 69 18 72 76 75 64 73.2 68 68 72 72 69 64 70
  • 3. Clases o Categorías Intervalos Frecuencias Medidas de Tendencia Central Lim Inferior Lim. Superior Xi Fi Fai Fri Frai Fi*Xi Xi-X*Fi (Xi-X)2*Fi 56.5 62.5 59.5 9 9 0.041666667 0.041666667 535.500 225.500 5650.028 62.5 68.5 65.5 13 22 0.060185185 0.101851852 851.500 247.722 4720.485 68.5 74.5 71.5 23 45 0.106481481 0.208333333 1644.500 300.278 3920.293 74.5 80.5 77.5 37 82 0.171296296 0.379629630 2867.500 261.056 1841.892 80.5 86.5 83.5 48 130 0.222222222 0.601851852 4008.000 50.667 53.481 86.5 92.5 89.5 32 162 0.148148148 0.750000000 2864.000 158.222 782.321 92.5 98.5 95.5 24 186 0.111111111 0.861111111 2292.000 262.667 2874.741 98.5 104.5 101.5 11 197 0.050925926 0.912037037 1116.500 186.389 3158.256 104.5 110.5 107.5 12 209 0.055555556 0.967592593 1290.000 275.333 6317.370 110.5 116.5 113.5 7 216 0.032407407 1 794.500 202.611 5864.466 Totales 18264.000 2170.444 35183.333 Media a 84.556 Desviacion Media 10.04835391 Varianza 162.8858025 Desviacion Estandar 12.76267223
  • 4. El histograma muestra que los pacientes del médico dentista están dentro del rango, lo que significa que tienen una similitud en cuanto a su peso, con un promedio de peso en alrededor de los 85 kg.
  • 5. Ejemplo Histograma 2  Éstos datos corresponden a las calificaciones en porcentaje de 80 personas, las cuales estudian una carrera de nivel superior, lo que sugiere averiguar la calidad de estudio por parte de los estudiantes. 1 2 3 4 5 6 7 8 9 10 1 60 66 67 70 64 83 69 63 76 79 2 66 52 74 67 71 56 61 67 61 58 3 77 75 61 78 81 65 67 71 67 67 4 70 65 63 75 62 74 73 68 67 71 5 66 69 69 64 64 67 57 76 64 68 6 68 71 80 71 69 54 62 61 72 59 7 57 58 59 81 68 65 67 62 64 69 8 70 66 66 62 72 65 68 63 73 70
  • 6. Clases o Categorias Intervalos Frecuencias Medidas de Tendencia Central Lim Inferior Lim. Superior Xi Fi Fai Fri Frai Fi*Xi Xi-X*Fi (Xi-X)2*Fi 51.5 56 53.75 3 3 0.037500000 0.037500000 161.250 39.488 519.754 56 60.5 58.25 7 10 0.087500000 0.125000000 407.750 60.638 525.272 60.5 65 62.75 20 30 0.250000000 0.375000000 1255.000 83.250 346.528 65 69.5 67.25 28 58 0.350000000 0.725000000 1883.000 9.450 3.189 69.5 74 71.75 11 69 0.137500000 0.862500000 789.250 53.213 257.415 74 78.5 76.25 7 76 0.087500000 0.950000000 533.750 65.363 610.322 78.5 83 80.75 4 80 0.050000000 1 323.000 55.350 765.906 Totales 5353.000 366.750 3028.388 Media a 66.913 Desviacion Media 4.584375 Varianza 37.85484375 Desviacion Estandar 6.152629011 0 5 10 15 20 25 30 35 45 55 65 75 85 95 HISTOGRAMA. X. DISTRIBUCION . MEDIA -1S -2S -3S +1S +2S +3S
  • 7. El histograma muestra que la calidad de estudios por parte de los estudiantes es regular, ya que no se muestra un gran interés, por parte de ello esto se puede dar por varios factores. Uno sería la dificultad de la carrera, por lo que el promedio de ésta Universidad se mantiene en una calificación de 60-70, lo cual indica que la calidad de los estudiantes no es la adecuada por el bajo rendimiento académico que tienen.
  • 8. Ejemplo Histograma 3  En una ciudad, se analizó el nivel de vida a través de la renta anual familiar. Se recoge información. Los datos, en millones de pesetas, son los siguientes: 1 2 3 4 5 6 7 8 9 10 1 3.2 1.1 1.3 3 2.2 1.3 0.8 0.4 3.8 2.6 2 3.2 2.6 3.6 1.7 1.3 0.9 2.3 0.7 3.1 0.9 3 3.2 1.6 1.3 2.9 1.8 1.1 1.6 0.9 3.6 1.6 4 2.6 0.9 2.7 1.2 0.8 2.1 2.2 1.4 3.9 2.6 5 1.1 2 2.3 2.2 2.3 1.7 1.7 1.8 1.5 3.1 6 2.4 1.8 2.3 2 1.4 1.2 2.1 2.7 1.7 2.2
  • 9. Clases o Categorias Intervalos Frecuencias Medidas de Tendencia Central Lim Inferior Lim. Superior Xi Fi Fai Fri Frai Fi*Xi Xi-X*Fi (Xi-X)2*Fi 0.4 0.9 0.65 8 8 0.133333333 0.133333333 5.200 10.613 14.080 0.9 1.5 1.20 12 20 0.200000000 0.333333333 14.400 9.320 7.239 1.5 2.1 1.80 12 32 0.200000000 0.533333333 21.600 2.120 0.375 2.1 2.7 2.40 15 47 0.250000000 0.783333333 36.000 6.350 2.688 2.7 3.3 3.00 9 56 0.150000000 0.933333333 27.000 9.210 9.425 3.3 3.9 3.60 4 60 0.066666667 1 14.400 6.493 10.541 Totales 118.60 0 44.107 44.347 Media a 1.977 Desviacion Media 0.735111111 Varianza 0.739122222 Desviacion Estandar 0.859722177 0 5 10 15 20 25 0 1 2 3 4 5 HISTOGRAMA. X. HISTOGRAMA. MEDIA M-1S M-2S M+1S M+2S M+3S
  • 10. Se demuestra en base al estudio realizado que la calidad de vida de las personas, analizando el histograma, en cuanto a las 50 muestras tomadas, que las personas viven adecuadamente según el nivel socioeconómico.
  • 11. Ejemplo Histograma 4  Una fábrica de coches desea estudiar el consumo de un nuevo modelo de coche que quiere lanzar al mercado. Para ello realiza cien pruebas echando diez litros de gasolina y viendo qué distancia en kilómetros recorre el coche. Los resultados de las pruebas fueron los siguientes: 1 3 4 5 7 8 9 1 85 91 92 89 92 91 89 2 90 84 90 89 92 92 89 3 91 90 89 88 88 88 89 4 88 88 92 86 91 88 91 5 91 87 90 88 88 88 90 6 91 91 93 90 88 89 91 7 86 88 92 90 91 88 85 8 92 90 90 91 92 88 93 9 90 88 90 90 89 87 92 10 89 88 91 89 89 91 86
  • 12. Clases o Categorias Intervalos Frecuencias Medidas de Tendencia Central Lim Inferior Lim. Superior Xi Fi Fai Fri Frai Fi*Xi Xi-X*Fi (Xi-X)2*Fi 84 85.35 84.65 3 3 0.030000000 0.030000000 253.950 14.700 72.030 85.4 86.75 86.05 3 6 0.030000000 0.060000000 258.150 10.500 36.750 86.8 88.15 87.45 26 32 0.260000000 0.320000000 2273.700 54.600 114.660 88.2 89.55 88.85 16 48 0.160000000 0.480000000 1421.600 11.200 7.840 89.6 90.95 90.25 20 68 0.200000000 0.680000000 1805.000 14.000 9.800 91 92.35 91.65 27 95 0.270000000 0.950000000 2474.550 56.700 119.070 92.4 93.75 93.05 3 98 0.030000000 0.980000000 279.150 10.500 36.750 93.8 95.15 94.45 2 100 0.020000000 1 188.900 9.800 48.020 Totales 8955.000 182.000 444.920 Media a 89.550 Desviacion Media 1.82 Varianza 4.4492 Desviacion Estandar 2.109312684 0 5 10 15 20 25 30 35 82 84 86 88 90 92 94 96 98 MEDIA M+1S M+2S M+3S M-1S M-2S M-3S
  • 13. En base al histograma, podemos comprobar con una muestra de 100 piezas, que el automóvil que se quiere lanzar al mercado es de buena calidad, ya que la distancia recorrida es muy buena, lo que provocaría que fuera un producto muy solicitado en el mercado, ya que la calidad de éste no sale del estándar establecido o límite bajo el que se encuentra.
  • 14. Ejemplo Histograma 5  Una empresa debe fabricar tornillos que tienen como valor especificado una longitud de 2.5 ± 0.4 mm. Para evaluar el número de piezas con errores de tolerancia se toman 30 muestras, tal y como se muestra en la siguiente tabla: Muestra Longitud (mm) Muestra Longitud (mm) Muestra Longitud (mm) 1 25,2 11 25,3 21 25,0 2 24,6 12 25,3 22 24,3 3 24,9 13 25,7 23 24,7 4 25,0 14 25,1 24 24,9 5 25,3 15 24,9 25 25,0 6 25,7 16 25,0 26 25,1 7 24,3 17 25,1 27 25,2 8 24,4 18 24,9 28 25,1 9 24,7 19 24,8 29 25,0 10 24,9 20 25,2 30 24,7 2 3 1 25.3 25 2 25.3 24.3 3 25.7 24.7 4 25.1 24.9 5 24.9 25 6 25 25.1 7 25.1 25.2 8 24.9 25.1 9 24.8 25 10 25.2 24.7
  • 15. Clases o Categorias Intervalos Frecuencias Medidas de Tendencia Central Lim Inferior Lim. Superior Xi Fi Fai Fri Frai Fi*Xi Xi-X*Fi (Xi-X)2*Fi 24.295 24.528 24.41 3 3 0.100000000 0.100000000 73.235 1.727 0.994 24.528 24.762 24.65 4 7 0.133333333 0.233333333 98.580 1.369 0.468 24.762 24.995 24.88 6 13 0.200000000 0.433333333 149.27 1 0.652 0.071 24.995 25.228 25.11 12 25 0.400000000 0.833333333 301.33 8 1.492 0.185 25.228 25.462 25.35 3 28 0.100000000 0.933333333 76.035 1.073 0.384 25.462 25.695 25.58 2 30 0.066666667 1 51.157 1.183 0.699 Totales 749.61 6 7.496 2.802 Media a 24.987 Desviacion Media 0.249858889 Varianza 0.093410958 Desviacion Estandar 0.305632063 0 2 4 6 8 10 12 14 16 24 24.2 24.4 24.6 24.8 25 25.2 25.4 25.6 25.8 26 HISTOGRAMA. X. HISTOGRAMA DISTRIBUCION MEDIA +1S +2S +3S -1S -2S -3S
  • 16. Las muestras tomadas están dentro del rango. Esto significa que el lote de fabricado de tornillos es el adecuado, según las medidas solicitadas por el cliente, las tolerancias son buenas y se podrá cumplir con lo solicitado sin que el fabricante tenga que hacer varios estudios para la calidad del producto.