Riesgos taller mecanico prevencion de accidentes de trabajo
Revista Control de calidad
1. 1
Todos los derechos del autor, quedan totalmente reservados. ¡Gracias por su atención!
REPUBLICA BOLIVARIANA DE VENEZUELA
INSTITUTO UNIVERSITARIO DE TECNOLÓGIA
“ANTONIO JOSÉ DE SUCRE”
EXTENSION SAN FELIPE
CONTROL DE
CALIDAD, Y MUCHO MÁS
QUE VER…
Autor: Joseht Flores
Esc: 79
C.I: 25.177160
Yaracuy - San Felipe, 29 Octubre.
2. 2
Todos los derechos del autor, quedan totalmente reservados. ¡Gracias por su atención!
Artículo de interés:
MEDIDAS DE TENDENCIA CENTRAL
Al describir grupos de observaciones, con frecuencia es conveniente resumir la
información con un solo número. Este número que, para tal fin, suele situarse
hacia el centro de la distribución de datos se denomina medida o parámetro de
tendencia central o de centralización. Cuando se hace referencia únicamente a
la posición de estos parámetros dentro de la distribución, independientemente de
que ésta esté más o menos centrada, se habla de estas medidas como medidas
de posición.1 En este caso se incluyen también los cuantiles entre estas medidas.
Entre las medidas de tendencia central tenemos:
Media geométrica
Media armónica
Mediana
Moda
Se debe tener en cuenta que existen variables cualitativas y variables
cuantitativas, por lo que las medidas de posición o medidas de tendencia se
usan de acuerdo al tipo de variable que se está observando, en este caso se
observan variables cuantitativas.
MODA
La moda es el dato más repetido de la encuesta, el valor de la variable con
mayor frecuencia absoluta. En cierto sentido la definición matemática corresponde
con la locución "estar de moda", esto es, ser lo que más se lleva.
Su cálculo es extremadamente sencillo, pues solo necesita un recuento. En
variables continuas, expresadas en intervalos, existe el denominado intervalo
modal o, en su defecto, si es necesario obtener un valor concreto de la variable, se
recurre a la interpolación.
3. 3
Todos los derechos del autor, quedan totalmente reservados. ¡Gracias por su atención!
Por ejemplo, el número de personas en distintos vehículos en una carretera: 5-7-4-
6-9-5-6-1-5-3-7. El número que más se repite es 5, entonces la moda es 5.
Hablaremos de una distribución bimodal de los datos, cuando encontremos dos
modas, es decir, dos datos que tengan la misma frecuencia absoluta máxima.
Cuando en una distribución de datos se encuentran tres o más modas, entonces
es multimodal. Por último, si todas las variables tienen la misma frecuencia
diremos que no hay moda.
Cuando tratamos con datos agrupados en intervalos, antes de calcular la moda, se
ha de definir el intervalo modal. El intervalo modal es el de mayor frecuencia
absoluta.
La moda, cuando los datos están agrupados, es un punto que divide el intervalo
modal en dos partes de la forma p y c-p, siendo c la amplitud del intervalo, que
verifiquen que:
Siendo la frecuencia absoluta del intervalo modal y y las frecuencias
absolutas de los intervalos anterior y posterior, respectivamente, al intervalo modal.
PROPIEDADES:
Sus principales propiedades son:
Cálculo sencillo.
Interpretación muy clara.
Al depender solo de las frecuencias, puede calcularse para variables
cualitativas. Es por ello el parámetro más utilizado cuando al resumir una
población no es posible realizar otros cálculos, por ejemplo, cuando se
enumeran en medios periodísticos las características más frecuentes de
4. 4
Todos los derechos del autor, quedan totalmente reservados. ¡Gracias por su atención!
determinado sector social. Esto se conoce informalmente como "retrato
robot".
INCONVENIENTE:
Su valor es independiente de la mayor parte de los datos, lo que la hace
muy sensible a variaciones muéstrales. Por otra parte, en variables
agrupadas en intervalos, su valor depende excesivamente del número de
intervalos y de su amplitud.
Usa muy pocas observaciones, de tal modo que grandes variaciones en los
datos fuera de la moda, no afectan en modo alguno a su valor.
No siempre se sitúa hacia el centro de la distribución.
Puede haber más de una moda en el caso en que dos o más valores de la
variable presenten la misma frecuencia (distribuciones bimodales o
multimodales).
MEDIANA
La mediana es un valor de la variable que deja por debajo de sí a la mitad de los
datos, una vez que éstos están ordenados de menor a mayor.7 Por ejemplo, la
mediana del número de hijos de un conjunto de trece familias, cuyos respectivos
hijos son: 3, 4, 2, 3, 2, 1, 1, 2, 1, 1, 2, 1 y 1, es 2, puesto que, una vez ordenados
los datos: 1, 1, 1, 1, 1, 1, 2, 2, 2, 2, 3, 3, 4, el que ocupa la posición central es 2:
En caso de un número par de datos, la mediana no correspondería a ningún
valor de la variable, por lo que se conviene en tomar como mediana el valor
intermedio entre los dos valores centrales. Por ejemplo, en el caso de doce
datos como los siguientes:
5. 5
Todos los derechos del autor, quedan totalmente reservados. ¡Gracias por su atención!
Se toma como mediana
Existen métodos de cálculo más rápidos para datos más numerosos (véase
el artículo principal dedicado a este parámetro). Del mismo modo, para
valores agrupados en intervalos, se halla el "intervalo mediano" y, dentro
de éste, se obtiene un valor concreto por interpolación.
CÁLCULO DE LA MEDIANA PARA DATOS AGRUPADOS:
Primero hallamos las frecuencias absolutas acumuladas Fi (ver tabla del
margen derecho). Así, aplicando la fórmula asociada a la mediana
para n impar, obtenemos X (39+1)/2 = X20 y basándonos en la fórmula que
hace referencia a las frecuencias absolutas:
Ni-1< n/2 < i = N19 < 19.5 < N20
Por tanto la mediana será el valor de la variable que ocupe el vigésimo
lugar. En nuestro ejemplo, 21 (frecuencia absoluta acumulada para Xi = 5)
> 19.5 con lo que Me = 5 puntos (es aconsejable no olvidar las unidades; en
este caso como estamos hablando de calificaciones, serán puntos)
La mitad de la clase ha obtenido un 5 o menos, y la otra mitad un 5 o más.
Calculemos la Mediana:
6. 6
Todos los derechos del autor, quedan totalmente reservados. ¡Gracias por su atención!
Primero hallamos las frecuencias absolutas acumuladas Fi (ver tabla
margen derecho).
Si volvemos a utilizar la fórmula asociada a la mediana para n par,
obtenemos X(38/2) = X19 y basándonos en la fórmula que hace referencia
a las frecuencias absolutas -->Ni-1< n/2 < Ni = N18 < 19 < N19
Con lo cual la mediana será la media aritmética de los valores de la
variable que ocupen el decimonoveno y el vigésimo lugar.
En nuestro ejemplo, el lugar decimonoveno lo ocupa el 5 y el vigésimo el 6,
(desde el vigésimo hasta el vigésimo octavo)
Con lo que Me = (5+6)/2 = 5,5 puntos.
PROPIEDADES E INCONVENIENTES:
Las principales propiedades de la mediana son:
Es menos sensible que la media a oscilaciones de los valores de la
variable. Un error de transcripción en la serie del ejemplo anterior en,
pongamos por caso, el último número, deja a la mediana inalterada.
Como se ha comentado, puede calcularse para datos agrupados en
intervalos, incluso cuando alguno de ellos no está acotado.
No se ve afectada por la dispersión. De hecho, es más representativa
que la media aritmética cuando la población es bastante heterogénea.
Suele darse esta circunstancia cuando se resume la información sobre
los salarios de un país o una empresa. Hay unos pocos salarios muy
altos que elevan la media aritmética haciendo que pierda
representatividad respecto al grueso de la población. Sin embargo,
alguien con el salario "mediano" sabría que hay tanta gente que gana
más dinero que él, como que gana menos.
Sus principales inconvenientes son que en el caso de datos agrupados en
intervalos, su valor varía en función de la amplitud de estos. Por otra parte,
no se presta a cálculos algebraicos tan bien como la media aritmética.
7. 7
Todos los derechos del autor, quedan totalmente reservados. ¡Gracias por su atención!
MEDIDAS DE DISPERSIÓN:
Las medidas de dispersión, también llamadas
medidas de variabilidad, muestran la
variabilidad de una distribución, indicando por
medio de un número si las diferentes
puntuaciones de una variable están muy
alejadas de la media. Cuanto mayor sea ese
valor, mayor será la variabilidad, y cuanto
menor sea, más homogénea será a la media.
Así se sabe si todos los casos son parecidos o varían mucho entre ellos.
Para calcular la variabilidad que una distribución tiene respecto de su media, se
calcula la media de las desviaciones de las puntuaciones respecto a la media
aritmética. Pero la suma de las desviaciones es siempre cero, así que se adoptan
dos clases de estrategias para salvar este problema. Una es tomando las
desviaciones en valor absoluto (desviación media) y otra es tomando las
desviaciones al cuadrado (varianza).
DESVIACIÓN TÍPICA
La desviación típica o desviación estándar (denotada con el símbolo σ o s,
dependiendo de la procedencia del conjunto de datos) es una medida de
dispersión para variables de razón (variables cuantitativas o cantidades
racionales) y de intervalo. Se define como la raíz cuadrada de la varianza de
la variable.
Para conocer con detalle un conjunto de datos, no basta con conocer las
medidas de tendencia central, sino que necesitamos conocer también la
8. 8
Todos los derechos del autor, quedan totalmente reservados. ¡Gracias por su atención!
desviación que presentan los datos en su distribución respecto de la media
aritmética de dicha distribución, con objeto de tener una visión de los mismos más
acorde con la realidad al momento de describirlos e interpretarlos para la toma de
decisiones.
Las medias de tendencia central o posición nos indican donde se sitúa un dato
dentro de una distribución de datos. Las medidas de dispersión, variabilidad o
variación nos indican si esos datos están próximos entre sí o sí están dispersos,
es decir, nos indican cuán esparcidos se encuentran los datos. Estas medidas de
dispersión nos permiten apreciar la distancia que existe entre los datos a un
cierto valor central e identificar la concentración de los mismos en un cierto sector
de la distribución, es decir, permiten estimar cuán dispersas están dos o más
distribuciones de datos.
Estas medidas permiten evaluar la confiabilidad del valor del dato central de un
conjunto de datos, siendo la media aritmética el dato central más utilizado. Cuando
existe una dispersión pequeña se dice que los datos están dispersos o
acumulados cercanamente respecto a un valor central, en este caso el dato
central es un valor muy representativo. En el caso que la dispersión sea grande el
valor central no es muy confiable. Cuando una distribución de datos tiene poca
dispersión toma el nombre de distribución homogénea y si su dispersión es alta se
llama heterogénea.
DESVIACIÓNMEDIA O DESVIACIÓNPROMEDIO
La desviación media o desviación promedio es la media aritmética de los
valores absolutos de las desviaciones respecto a la media aritmética.
1.1) PROPIEDADES
Guarda las mismas dimensiones que las observaciones. La suma
de valores absolutos es relativamente sencilla de calcular, pero esta simplicidad
tiene un inconveniente: Desde el punto de vista geométrico, la distancia que
induce la desviación media en el espacio de observaciones no es la natural (no
9. 9
Todos los derechos del autor, quedan totalmente reservados. ¡Gracias por su atención!
permite definir ángulos entre dos conjuntos de observaciones). Esto hace que sea
muy engorroso trabajar con ella a la hora de hacer inferencia a la población.
Cuando mayor sea el valor de la desviación media, mayor es la dispersión de los
datos. Sin embargo, no proporciona una relación matemática precisa entre su
magnitud y la posición de un dato dentro de una distribución.
La desviación media al tomar los valores absolutos mide una observación sin
mostrar si la misma está por encima o por debajo de la media aritmética.
1.2) MÉTODOS DE CÁLCULO
1.2.1) Para Datos No Agrupados
VARIANZA Y DESVIACIÓN ESTÁNDAR:
La varianza es la media aritmética de los cuadrados de las desviaciones respecto
a la media aritmética, es decir, es el promedio de las desviaciones de la media
elevadas al cuadrado. La desviación estándar o desviación típica es la raíz de la
varianza.
La varianza y la desviación estándar proporcionan una medida sobre el punto
hasta el cual se dispersan las observaciones alrededor de su media aritmética.
2.1) PROPIEDADES
- La varianza y desviación estándar (o cualquier otra medida de dispersión) indican
el grado en que están dispersos los datos en una distribución. A mayor medida,
mayor dispersión.
- La varianza es un número muy grande con respecto a las observaciones, por lo
que con frecuencia se vuelve difícil para trabajar.
- Debido a que las desviaciones son elevadas al cuadrado y la varianza siempre
se expresa en términos de los datos originales elevados al cuadrado, se obtiene
unidades de medida de los datos que no tiene sentido o interpretación lógica. Por
ejemplo, si se calcula la varianza de una distribución de datos medidos en metros,
segundos, dólares, etc, se obtendrá una varianza mediada en metros cuadrados,
segundos cuadrados, dólares cuadrados, respectivamente, unidades de medida
que no tienen significado lógico respecto a los datos originales.
10. 10
Todos los derechos del autor, quedan totalmente reservados. ¡Gracias por su atención!
- Para solucionar las complicaciones que se tiene con la varianza, se halla la raíz
cuadrada de la misma, es decir, se calcula la desviación estándar, la cual es un
número pequeño expresado en unidades de los datos originales y que tiene un
significado lógico respeto a los mismos.
A pesar de lo anterior, es difícil describir exactamente qué es lo que mide la
desviación estándar. Sin embargo, hay un resultado útil, que lleva el nombre del
matemático ruso Pafnuty Lvovich Chebyshev, y se aplica a todos los conjuntos de
datos. Este teorema de Chebyshev establece que para todo conjunto de datos, por
lo menos 1- 1/k2 de las observaciones están dentro de k desviaciones estándar de
la media, en donde k es cualquier número mayor que 1.
5. CONCEPTO DE POBLACIÓN Y MUESTRA
El concepto de población en estadística va más allá de lo que comúnmente se
conoce como tal. Una población se precisa como un conjunto finito o infinito de
personas u objetos que presentan características comunes.
Destacamos algunas definiciones:
"Una población es un conjunto de todos los elementos que estamos estudiando,
acerca de los cuales intentamos sacar conclusiones". Levin & Rubin (1996).
"Una población es un conjunto de elementos que presentan una característica
común". Cadenas (1974).
El tamaño que tiene una población es un factor de suma importancia en el proceso
de investigación estadística y en nuestro caso social, y este tamaño vienen dado
por el número de elementos que constituyen la población, según el número de
elementos la población puede ser finita o infinita. Cuando el número de elementos
que integra la población es muy grande, se puede considerar a esta como una
población infinita, por ejemplo; el conjunto de todos los números positivos.
11. 11
Todos los derechos del autor, quedan totalmente reservados. ¡Gracias por su atención!
Una población finita es aquella que está formada por un limitado número de
elementos, por ejemplo; el número de habitantes de una comarca.
Cuando la población es muy grande, es obvio que la observación y/o medición de
todos los elementos se multiplica la complejidad, en cuanto al trabajo, tiempo y
costos necesarios para hacerlo. Para solucionar este inconveniente se utiliza una
muestra estadística.
Es a menudo imposible o poco práctico observar la totalidad de los individuos,
sobre todos si estos son muchos. En lugar de examinar el grupo entero llamado
población o universo, se examina una pequeña parte del grupo denominada
muestra.
MUESTRA:
La muestra es una representación significativa de las características de una
población, que bajo, la asunción de un error (generalmente no superior al 5%)
estudiamos las características de un conjunto poblacional mucho menor que la
población global.
"Se llama muestra a una parte de la población a estudiar que sirve para
representarla". Murria R. Spiegel (1991).
12. 12
Todos los derechos del autor, quedan totalmente reservados. ¡Gracias por su atención!
"Una muestra es una colección de algunos elementos de la población, pero no de
todos". Levin & Rubin (1996).
"Una muestra debe ser definida en base de la población determinada, y las
conclusiones que se obtengan de dicha muestra solo podrán referirse a la
población en referencia", Cadenas (1974).
Por ejemplo estudiamos los valores sociales de una población de 5000 habitantes
aprox., entendemos que sería de gran dificultad poder analizar los valores sociales
de todos ellos, por ello, la estadística nos dota de una herramienta que es la
muestra para extraer un conjunto de población que represente a la globalidad y
sobre la muestra realizar el estudio. Una muestra representativa contiene las
características relevantes de la población en las mismas proporciones que están
incluidas en tal población.
Los expertos en estadística recogen datos de una muestra. Utilizan esta
información para hacer referencias sobre la población que está representada por
la muestra. En consecuencia muestra y población son conceptos relativos. Una
población es un todo y una muestra es una fracción o segmento de ese todo.
TÉCNICAS DE MUESTREO:
Esto no es más que el procedimiento empleado para obtener una o más
muestras de una población; el muestreo es una técnica que sirve para
obtener una o más muestras de población.
Este se realiza una vez que se ha establecido un marco muestral
representativo de la población, se procede a la selección de los
elementos de la muestra aunque hay muchos diseños de la muestra.
Al tomar varias muestras de una población, las estadísticas que
calculamos para cada muestra no necesariamente serían iguales, y lo
más probable es que variaran de una muestra a otra.
13. 13
Todos los derechos del autor, quedan totalmente reservados. ¡Gracias por su atención!
TIPOS DE MUESTREO
EXISTEN DOS MÉTODOS PARA SELECCIONAR MUESTRAS DE POBLACIONES; EL
MUESTREO NO ALEATORIO O DE JUICIO Y EL MUESTREO ALEATORIO O DE
PROBABILIDAD. EN ESTE ÚLTIMO TODOS LOS ELEMENTOS DE LA POBLACIÓN TIENEN
LA OPORTUNIDAD DE SER ESCOGIDOS EN LA MUESTRA. UNA MUESTRA
SELECCIONADA POR MUESTREO DE JUICIO SE BASA EN LA EXPERIENCIA DE ALGUIEN
CON LA POBLACIÓN. ALGUNAS VECES UNA MUESTRA DE JUICIO SE USA COMO GUÍA
O MUESTRA TENTATIVA PARA DECIDIR CÓMO TOMAR UNA MUESTRA ALEATORIA MÁS
ADELANTE. LAS MUESTRAS DE JUICIO EVITAN EL ANÁLISIS ESTADÍSTICO NECESARIO
PARA HACER MUESTRAS DE PROBABILIDAD.