Control Estadístico de la Calidad

[pic 1][pic 2]

Instituto Tecnológico Gustavo A. Madero

Ingeniería Industrial

Control Estadístico de la Calidad

Ing. Leyva Ramos Christian

Zamudio Hernández Jesús Emanuel

Fecha de entrega: 02/10/2020

Índice.

Introducción.        3

Desarrollo.        4

Conclusión.        8

Introducción.

El concepto de realidad definida por diferentes autores se percibe de una manera muy consciente ya que nos explican los elementos que conforman la realidad, es decir, la realidad se compone por la percepción de lo que podemos ver y tocar, pero, también se compone de lo que podemos sentir con lo que se puede confirmar que los sentimientos pueden ser o no ser reales. Para resumir este concepto hay que decir que la realidad es subjetiva, sin embargo, para una sociedad la realidad es todo aquello que los demás tomen de manera aceptable y que la perciban de la misma manera.

Nuestra realidad se puede ver afectada por diferentes fenómenos y gracias a ellos el hombre ha podido desarrollar capacidades derivadas de la observación. Las capacidades que podemos desarrollar son la recopilación de datos, el análisis, la interpretación y la representación de los mismos datos con la finalidad de entender el fenómeno de una manera estadística. Podemos decir que uno de los objetivos de la estadística es el conocimiento cuantitativo de una determinada parcela de la realidad.

Desarrollo.

Para realizar un estudio de la realidad es necesario llevar a cabo algún modelo. Gracias a la aceptación y acreditación de modelos que nos ayudan a estudiar la realidad aceptados por instituciones podemos identificar la existencia del error o distancia entre la realidad y el modelo.

Un modelo teórico es un objeto abstracto que ayuda a comprender objetos reales a establecer hechos y explicarlos y descubrir sus relaciones. (Slideshare, 2012)

Un modelo estadístico o función de probabilidad “es una ecuación matemática que reproduce los fenómenos que observamos de la forma más exacta posible. Para ello tiene en cuenta los datos suministrados y la influencia que el azar tiene en estas observaciones”. (2) De otra forma podemos decir que un modelo estadístico es una forma de aproximarse a la realidad y así poder hacer predicciones a partir de esa aproximación. (Riola, s.f.)

Derivado de una función de probabilidad podemos emplear teorías de probabilidades para llegar a la aproximación de la realidad deseada como la siguiente:

La teoría de probabilidades es una herramienta matemática que establece un conjunto de reglas o principios útiles para calcular la ocurrencia o no ocurrencia de fenómenos aleatorios y procesos estocásticos (es un concepto matemático que sirve para usar magnitudes aleatorias que varían con el tiempo o para caracterizar una sucesión de variables aleatorias que evolucionan en función de otra variable, generalmente el tiempo).  (Lopez, 2020)

Así mismo podemos decir que la teoría de probabilidad se compone por los conocimientos relativos al concepto de probabilidad y la probabilidad como rama de las matemáticas se convierte en una herramienta para la estadística.

Es importante hacer énfasis que en el estudio de la teoría de probabilidades uno de los conceptos más relevante e indispensables es el de variable aleatoria. Las variables aleatorias contienen una distribución de probabilidad que describe su comportamiento.

Si las observaciones corresponden a cantidades, las variables pueden distinguirse entre discretas y continuas. Podemos definir la variable discreta como cualquier variable que pueda tomar un número finito de valores entre dos valores y la variable continua se puede definir como una variable que puede tomar un número infinito de valores entre dos números.

Ejemplos de variables:

1. Descriptiva: El número de hermanos que tienes [0,1,2,3,…], o el número de goles que puedes marcar en un partido [1,2,3,…].
2. Continua: La altura de un grupo de personas, lógicamente puedes decir un número finito, pero deja de serlo cuando este número se da en dos decimales, tres o cuatro.

En las practicas existen leyes de probabilidad teóricas para usarse en los dos tipos de variables, por ejemplo:

1. Descriptiva:

• Ley binomial
• Ley de Poisson

1. Continua:

• Ley normal

Estas leyes sirven como un modelo para representar las distribuciones empíricas más comunes.

Distribuciones discretas:

• Uniforme discreta
• Binomial        
• Hipergeométrica
• Geométrica
• Binomial negativa
• Pascal
• Poisson

Distribuciones continuas:

• Uniforme o rectangular
• Normal
• Logística
• Beta
• Gamma
• Exponencial
• T de student
• Ji-cuadrado
• Exponencial
• Cauchy
• Triangular

Es importante saber que para el estudio de una población el valor representativo de una población se simboliza por las letras griegas:

[pic 3]

Distribución Binomial (N,P):

Es una distribución de probabilidad discreta que describe el número de éxitos al realizar n experimentos independientes entre sí, acerca de una variable aleatoria y fue creada por Jakob Bernoulli (1654-1705)

...