1
00:00:01,970 --> 00:00:38,640
Bueno, pues nada, seguimos con la explicación del otro día. Bueno, estábamos mirando la relevancia de trabajar con estadística. Pues en el manejo de datos siempre la estadística es un recurso que lo que hace es que podamos observar el comportamiento cuando manejamos muchos datos, el comportamiento de esos datos y simplifica mucho todo el trabajo.

2
00:00:38,640 --> 00:01:04,099
Nos quedamos mirando como la distribución normal, esta fórmula define este tipo de morfología de la función y las variables determinan que sea más picuda, más abierta, más plana, pero la forma es exactamente la misma y se establece una simetría que la determina la media.

3
00:01:04,099 --> 00:01:27,099
Y luego el área que hay debajo de esta morfología, lo que nos indica son las probabilidades. O sea, todo este azul oscurito lo que nos dice es cualquier dato que apareciera por aquí, toda esta zona, tiene una probabilidad de estar de 34% a cada lado de la media.

4
00:01:27,099 --> 00:01:35,519
Pues en total un 68,2. De aquí para allá, pues la suma de estas parcialidades de área y así sucesivamente.

5
00:01:36,340 --> 00:01:49,019
Y mediante el manejo, como sabemos que se comportan así, sabemos que se comportan así los datos, pues luego mediante una tabla, que la tabla era esta, que no era muy intuitiva, repetimos un poquito qué es lo que se hacía,

6
00:01:49,019 --> 00:02:11,900
Tendríamos que tipificar. Tipificar es calcular un valor que se llama Z, que se calculaba desde esta fórmula, que es el valor que queremos tipificar, el dato que nos dicen, menos la media de esos datos que tenemos partido de la desviación de los propios datos, nos da un valor.

7
00:02:11,900 --> 00:02:23,919
Y ese valor Z es la información que nos dice en qué lugar de esta área pueden aparecer los datos que nos interesan. ¿Cómo lo sabemos? Pues mediante una tabla que es de este tipo.

8
00:02:23,919 --> 00:02:46,509
A ver, no sé si lo veis bien. ¿Lo veis bien? Sí, sí, sí. Vale, son muy pequeñitos y está aquí lleno de pantallitas. No te preocupes. Bueno, lo que hacemos es, el valor Z nos da, que es la electrificación, pues imaginaos que nos da 2,12.

9
00:02:46,509 --> 00:03:06,250
Vale, buscamos en esta columna, buscamos el 2.1, ¿vale? Y el 0.2 que daría al 12 después del 1, el valor 2, lo buscamos en esta otra. Entonces, 2.1 con 0.2, 0.0.2 sería por aquí.

10
00:03:06,250 --> 00:03:26,449
Entonces, este valor que te pone aquí, que es 0,9830, es la probabilidad de que ese dato esté en esa zona de la gráfica. La probabilidad de que aparezca según nuestros datos. ¿Entendéis la simplificación del concepto?

11
00:03:26,449 --> 00:03:42,270
Ya nos daría la tabla el porcentaje que está debajo de la campana directamente.

12
00:03:43,050 --> 00:03:44,430
Claro, eso es lo que hace.

13
00:03:45,490 --> 00:03:54,330
Nosotros, en estadística, lo que hacemos es que, como hemos observado durante los estudiosos de la estadística y de las matemáticas,

14
00:03:54,469 --> 00:03:59,409
han visto que el comportamiento de unos datos es repetitivo, sobre todo datos naturales.

15
00:03:59,409 --> 00:04:07,469
Cuando nosotros decimos que es una estandarización normal, una distribución normal, sabemos que los datos se van a comportar siguiendo esta curva.

16
00:04:07,469 --> 00:04:09,129
si siguen esta curva

17
00:04:09,129 --> 00:04:11,729
da igual como sean nuestros

18
00:04:11,729 --> 00:04:13,889
si van a seguir esta curva nosotros vamos

19
00:04:13,889 --> 00:04:16,350
a adivinar que porcentaje

20
00:04:16,350 --> 00:04:17,490
de que aparezca ese dato

21
00:04:17,490 --> 00:04:19,209
si tienen ese comportamiento

22
00:04:19,209 --> 00:04:21,709
vamos a tener gracias

23
00:04:21,709 --> 00:04:24,110
a que sabemos cuanta probabilidad hay debajo

24
00:04:24,110 --> 00:04:25,769
de cada zona de la curva

25
00:04:25,769 --> 00:04:27,910
nuestra curva en concreto

26
00:04:27,910 --> 00:04:28,949
va a tener esta forma

27
00:04:28,949 --> 00:04:32,069
y es común en todos el hecho de que tienen

28
00:04:32,069 --> 00:04:32,990
una media

29
00:04:32,990 --> 00:04:35,949
que es simétrica a un lado

30
00:04:35,949 --> 00:04:37,170
y a otro lado del medio

31
00:04:37,470 --> 00:04:51,589
Pero luego cada conjunto de datos que sí tienen este comportamiento puede ser más picuda o más planita, ¿entendéis? Y eso lo determina la propia fórmula de los datos, ¿vale? Que es así de compleja.

32
00:04:52,149 --> 00:05:06,029
Lo que tenéis que entender hasta ahora es que esta fórmula determina que nuestro sombrero de este tipo sea más picudo o más aplastado, pero todos tienen la misma forma, con una simetría que le establece la media, ¿vale?

33
00:05:06,029 --> 00:05:24,970
Bien, lo que hay debajo es la probabilidad y nuestra zeta, lo que calculamos, nos dice que en base a unos datos, aunque nosotros sabemos que se van a comportar de un modo, pues puede que aparezca por esta zona, por esta área, por esta área y entonces hay una probabilidad de que suceda.

34
00:05:25,829 --> 00:05:31,610
Esto es así hipotéticamente y en general, pero ahora lo vamos a aplicar a un caso en concreto y entendéis un poquito mejor mi explicación.

35
00:05:31,610 --> 00:05:52,470
Entonces, como sabemos que tiene esta forma, que va a tener un comportamiento común, pues existe una tabla y esa tabla nos permite, una vez calculado el Z, que el Z lo que relaciona es un valor con otro de esos que hay en nuestra gráfica, pues para un valor X nos va a dar un Z.

36
00:05:52,470 --> 00:06:11,209
Esa Z en esta tabla se lee de ese modo que os digo. Nos da un valor que es 2 con algo, 1 con algo, 3 con algo y la última cifra de ese 3 con algo está en esta otra. Entonces, buscamos cómo se relaciona eso con esto y el valor que nos da aquí es ya la probabilidad.

37
00:06:11,209 --> 00:06:39,730
Entonces, ese 0,9744 lo trasladamos a porcentaje y es un 97,44% de que lo que hemos tipificado suceda. Nos lo dice la tabla ya directamente. La estadística está para eso, para que no tengamos que estudiar caso por caso, para que todos los casos estén dentro de esta tabla siempre que tengan esa forma, ese comportamiento, esa forma de gráfica, ¿entendéis?

38
00:06:39,730 --> 00:06:58,730
Entonces, bueno, lo aplicamos a un ejemplo y a ver si así adquiere un poquito más de sentido. Ya lo vimos el otro día, pero con esta nueva explicación seguramente lo entendamos un poco mejor. Vale, tenemos los resultados de los exámenes del alumnado de una clase que cumplen perfectamente la campana de Gauss.

39
00:06:58,730 --> 00:07:23,170
Al decirnos esta premisa, el enunciado nos está diciendo que nuestra gráfica del comportamiento de los datos va a tener la forma de este sombrerito, ¿vale? Que es la distorsión normal, ¿vale? Y vamos a saber que está determinada por una media que lo va a convertir en dos partes simétricas, ¿vale? Que los datos de la desviación están aquí, ¿vale?

40
00:07:23,170 --> 00:07:39,829
Bien, ya nos da ese dato, por lo tanto vamos a tener esta forma. Si la media de los exámenes ha sido 8,2, ya nos da el valor de mi, ¿vale? De la media. Con una desviación estándar de 1,2 ya nos da el valor de sigma, ¿vale?

41
00:07:39,829 --> 00:07:54,730
Y ahora nos hará la pregunta, que es lo que establece la X, lo que queremos averiguar qué probabilidad va a haber de que suceda. Calcula la probabilidad de que un alumno o una alumna escogida a la tal hayan obtenido más de un 5.

42
00:07:55,709 --> 00:07:58,069
Pues sustituimos los valores para tipificar.

43
00:07:59,009 --> 00:08:05,930
El 5 es lo que queremos saber en qué parte de la gráfica, en qué probabilidad puede aparecer.

44
00:08:07,029 --> 00:08:14,949
Menos 8,2 que es la media, partido de 1,2 que es la desviación, y nos da un valor de menos 2,67.

45
00:08:15,610 --> 00:08:16,970
Esto es un valor de zeta.

46
00:08:17,170 --> 00:08:19,730
Entonces, ¿qué tenemos que hacer con este menos 2,67?

47
00:08:19,730 --> 00:08:45,149
En los 2,67, cuando a nosotros nos da negativo, se supone que sería como un valor que estaría por aquí, nos da lo mismo que esté aquí, negativo, porque como es simétrico, si está aquí, ¿vale? Va a haber la misma distancia de aquí, aquí, que si está aquí, la misma distancia de aquí, aquí, ¿vale? Es lo mismo. Como es simétrico, nos da igual que sea negativo.

48
00:08:45,149 --> 00:08:58,610
Pero hay un matiz, ahora vamos a ver. Entonces, nosotros nos vamos con el valor 2,67 a la tabla esta que os he enseñado. ¿Seríais capaces de decirme qué probabilidad tiene 2,67?

49
00:09:02,389 --> 00:09:03,750
0,57.

50
00:09:06,450 --> 00:09:13,169
2,67. Iríamos a 2,6. Y ahora iríamos por esta línea buscando el 0,07.

51
00:09:16,870 --> 00:09:19,629
Ah, bueno. Estoy mirando lo negativo, perdón.

52
00:09:20,470 --> 00:09:22,129
Claro, pero ¿dónde lo mirarías negativo?

53
00:09:22,990 --> 00:09:34,210
¿Estás mirando en la tabla? Yo la tabla que tengo, por eso te preguntaba lo de si vas a poner por las tablas. Lo estaba mirando con el resultado negativo.

54
00:09:34,909 --> 00:09:41,929
Claro, ahora, vale, pero es que prefiero que aprendáis con esta para que yo os diga de dónde sale ahora ese 2, ¿vale?

55
00:09:42,009 --> 00:09:44,509
Vale, pues sería 99,62.

56
00:09:44,990 --> 00:09:49,509
Vale, ¿estáis de acuerdo los demás? ¿Lo habéis visto bien o alguien quiere que lo repita y lo explique mejor?

57
00:09:49,509 --> 00:10:18,590
¿Sí? ¿Todo el mundo lo habéis pillado? Vemos este 99,62, ¿verdad? Corresponde a la línea de 2,6 y luego, como hay un 7 después, pues sería la columna del 7. El 7, 2,66 es 99,62. Sería en porcentaje 0,99, pues en porcentaje es 99,62.

58
00:10:19,090 --> 00:10:27,710
¿Qué sucede? Que como es negativo, por eso le ha dado a Rosa, es con Rosa con quien hablaba, ¿verdad?

59
00:10:28,409 --> 00:10:28,649
Sí.

60
00:10:29,610 --> 00:10:37,889
Por eso le ha dado a Rosa el menos 2. ¿Qué es lo que sucede? Que el 2,67, como estaría por aquí, ¿vale?

61
00:10:37,889 --> 00:10:41,509
menos 2,67, pues sería como hacia acá.

62
00:10:41,649 --> 00:10:47,990
Entonces, desde aquí, desde 2,67 hacia acá, sería el 99,62.

63
00:10:48,370 --> 00:10:50,990
Sería una rayita aquí, sería 99,62 hacia acá.

64
00:10:51,509 --> 00:10:55,830
Pero claro, si es desde aquí, sería el trocito que hay de aquí a aquí.

65
00:10:55,950 --> 00:11:00,590
Por lo tanto, sería el 100 menos el 99,62.

66
00:11:01,830 --> 00:11:09,259
¿Entendéis? ¿Lo habéis entendido?

67
00:11:09,259 --> 00:11:13,259
Bueno, como tenemos negativo, lo que buscamos es que este caso es...

68
00:11:13,299 --> 00:11:38,159
En este se ve mejor. A ver, es que está mal dibujada la gráfica. Vamos a ver el siguiente y lo acabáis de fijar. No sé cómo hacer para que esto se minimice. Bueno, vamos a hacer lo mismo que antes, pero lo que vamos a buscar es un intervalo.

69
00:11:38,159 --> 00:12:06,230
Queremos calcular cuántos alumnos hay. Tenemos las mismas medias. Queremos calcular cuántos alumnos hay que hayan resultado entre 7 y 9,4. Lo primero que vamos a hacer es lo mismo de antes. Vamos a tipificar. Vamos a poner una tipificación superior y una inferior. Uno y dos.

70
00:12:06,230 --> 00:12:27,350
¿Vale? Para la incógnita, el resultado mayor que 7, lo restamos por la media, lo dividimos entre la desviación y nos da menos 1. Y para valores menores de 9,4, pues nos da 1 en los cálculos. Ya lo tenemos tipificado.

71
00:12:27,350 --> 00:12:29,409
bien, en las tablas de distribución

72
00:12:29,409 --> 00:12:31,190
para 1, ya hemos dicho antes

73
00:12:31,190 --> 00:12:32,750
que nos da igual el valor para 1

74
00:12:32,750 --> 00:12:35,450
que para menos 1 es 84,13

75
00:12:35,450 --> 00:12:37,330
vamos a verificar pero veréis

76
00:12:37,330 --> 00:12:39,409
que sí, 1, valor 1

77
00:12:39,409 --> 00:12:41,070
está aquí

78
00:12:41,070 --> 00:12:42,950
como no tiene ningún valor más

79
00:12:42,950 --> 00:12:44,690
es 0,0,0, estaríamos aquí

80
00:12:44,690 --> 00:12:46,289
84,13

81
00:12:46,289 --> 00:12:47,909
estamos de acuerdo, ¿verdad?

82
00:12:49,370 --> 00:12:51,330
vale, pues tenemos 84,13

83
00:12:51,330 --> 00:12:53,330
para el valor 1, el valor 1

84
00:12:53,330 --> 00:12:55,210
quiere decir que

85
00:12:55,210 --> 00:12:57,009
desde aquí para acá

86
00:12:57,350 --> 00:13:16,710
Hay un 84,13 de probabilidades de que nuestro valor aparezca, ¿vale? De que el 7 aparezca, 84,13. De aquí para acá sería el 100, que sería el total, menos el 84,13, por lo tanto sería un 15,87, ¿vale?

87
00:13:16,710 --> 00:13:28,029
¿Me entendéis? Hacia un lado es 84,13 probabilidades de que esté en toda esta área y un 15 de que esté en esta. ¿Sí?

88
00:13:28,850 --> 00:13:29,330
Sí.

89
00:13:29,850 --> 00:13:30,149
Vale.

90
00:13:30,450 --> 00:13:36,470
Una pregunta, profesora. ¿El 8,2 qué es? ¿La media?

91
00:13:37,850 --> 00:13:40,470
Sí, mira, es que es para el mismo enunciado.

92
00:13:40,610 --> 00:13:41,230
Ah, vale, vale.

93
00:13:42,450 --> 00:13:43,629
Seguimos en el anterior.

94
00:13:43,690 --> 00:13:44,250
Ah, vale.

95
00:13:44,250 --> 00:13:48,629
¿Sabes? Mira, 8,2 es que la clase ha tenido una media de 8,2.

96
00:13:48,710 --> 00:13:49,149
Vale, vale.

97
00:13:49,230 --> 00:13:49,370
¿Vale?

98
00:13:50,090 --> 00:13:52,009
8,2 la desviación. Vale, vale.

99
00:13:52,309 --> 00:13:56,610
Es que me he saltado porque estas gráficas no están bien dibujadas por dónde va.

100
00:13:57,029 --> 00:14:00,009
Y entonces, para explicaroslo, me parecía que era mejor en el siguiente ejemplo.

101
00:14:00,210 --> 00:14:02,450
Como está esta rayita, se ve como más fácil.

102
00:14:02,769 --> 00:14:02,950
Vale.

103
00:14:04,190 --> 00:14:08,470
Vale. Bien. Por lo tanto, una vez que conocemos la probabilidad,

104
00:14:08,470 --> 00:14:11,850
lo que hacemos es mirar el área bajo la curva, ¿vale?

105
00:14:11,850 --> 00:14:15,929
Que corresponde al estado esto.

106
00:14:15,950 --> 00:14:23,990
que corresponde al ser la curva simétrica pues es la misma a un lado que otro tenemos que el 15%

107
00:14:23,990 --> 00:14:29,090
también es el trocito que hay desde el menos uno para este lado lo que se explica antes desde el

108
00:14:29,090 --> 00:14:37,429
uno para este lado que hay un 15 con 87 y desde el 1 que hay pues un 15 con 87 igual no pues

109
00:14:37,429 --> 00:14:44,190
finalmente lo que tenemos es una 84 con 13 de probabilidad de obtener menos de un 9 con 4

110
00:14:44,190 --> 00:15:07,470
¿Vale? Menos de un 9,4 tenemos, pues desde aquí que nos daba 1, ¿vale? Pues todo esto, toda desviación hacia acá, ¿vale? Y le vamos a restar el 15,87 que hay de probabilidad de sacar menos de 7 porque queremos que saquen más de 7, ¿vale?

111
00:15:07,470 --> 00:15:30,629
Porque lo que queremos es entre 7 y 9. Entonces lo que vamos a quitar es el 15 de que saquen menos de 7, ¿vale? Y el 84 de que saquen menos de 9. Y ya tenemos la probabilidad de cuánto hay entre 7 y 9, ¿vale?

112
00:15:30,629 --> 00:15:41,929
que sería esto, 84,13 menos el 15, pues hay un 68,26% de probabilidad de que un alumno haya sacado entre 7 y 9,4.

113
00:15:44,190 --> 00:15:51,250
¿Entendéis la utilidad de las tablas para conseguir entender el comportamiento estadístico de los datos?

114
00:15:51,250 --> 00:16:08,159
De momento, algo entiendo. Es que con la tabla, si pones esa tabla, pues esa tabla no lo vas a darse en el examen, ¿verdad?

115
00:16:08,899 --> 00:16:15,960
Sí, si yo os pido que hagáis un ejercicio de este tipo, yo os aporto la tabla. Lo único que tenéis que saber es buscarlo, ¿vale?

116
00:16:16,740 --> 00:16:17,039
Vale.

117
00:16:17,659 --> 00:16:19,799
Las tablas luego vais a ver que...

118
00:16:19,799 --> 00:16:26,919
A ver, en química hay un mostreo especialmente, bueno, en toda la química analítica.

119
00:16:27,419 --> 00:16:28,059
Don Karna.

120
00:16:28,860 --> 00:16:29,480
Fundamental, dime.

121
00:16:29,980 --> 00:16:33,639
Perdona, es que de verdad, me está costando un pelín.

122
00:16:34,120 --> 00:16:40,340
Todo lo que has explicado de cómo sacas los datos y de eso, te lo entiendo muy bien.

123
00:16:40,679 --> 00:16:48,100
Sé cómo usas la tabla y hasta ahí una maravilla, pero es que me está costando un mogollón verle la utilidad a eso.

124
00:16:48,100 --> 00:17:03,539
O sea, digamos, yo como química en mi época yo sabía que si yo necesitaba calibrar un material, pues la estadística la usaba para ver, para hacer el tipo de calibraciones y hallar la fórmula esta y eso.

125
00:17:03,659 --> 00:17:05,240
Pero esto, ¿esto para qué se usa?

126
00:17:07,059 --> 00:17:09,359
Esto se usa muchísimo, de hecho lo vas a ver.

127
00:17:09,359 --> 00:17:25,539
¿Qué pasa? Que cuando trabajas con un montón de datos, cuando tú trabajas con un montón de datos, necesitas alejarte del error lo más posible y la estadística te ayuda a eso, porque te da la influencia, te comporta tus datos.

128
00:17:27,940 --> 00:17:38,039
Esta ecuación de Z, yo la he visto para los test interlaboratorio, que se utilizan para ver dónde estás tú como laboratorio dentro de un conjunto.

129
00:17:38,039 --> 00:17:59,220
También. Es que, a ver, esta de Z, lo de tipificar, lo que vas a hacer es, cuando tú tengas que buscar datos, extrapolar. Esto es muy útil para extrapolar, para que tú tengas que buscar en un momento dado algo concreto.

130
00:17:59,220 --> 00:18:29,200
Es que no se me ocurre ahora un ejemplo típico de analítica, pero sí para… Es que no es en la analítica como tal, sino en el estudio, por ejemplo, de la calidad. En el estudio de la calidad es fundamental esto. ¿Por qué? Porque tú vas a trabajar con números y vas a minimizar los cálculos, el menor número de datos para los cálculos, pero se supone que engloba el comportamiento de un montón de datos, que los obvias, pero que sabes que se van a comportar igual.

131
00:18:29,220 --> 00:18:58,539
¿Entiendes? Entonces tú en el estudio de calidad, tú vas a analizar lotes y los lotes vas a tener que establecer cuánta cantidad de muestra tienes que chequear para que sea aceptable. De hecho, lo vas a entender en el siguiente ejercicio que vamos a hacer. Esto es como introductorio para que entendáis cómo funciona una distribución normal y que sepáis cómo utilizar el dato.

132
00:18:58,539 --> 00:19:14,579
De todas formas, siempre en ciencia no os agobiéis mucho cuando teóricamente os llegue un modo de entender un concepto, porque teóricamente a veces es muy difícil somatizarlo.

133
00:19:14,579 --> 00:19:29,339
Si en principio no lo habéis entendido mucho, pero sí entendéis cómo hacerlo, de momento practicar el cómo hacerlo. En algún momento dado, mientras lo practicáis, vais a encontrar el sentido de para qué.

134
00:19:29,339 --> 00:19:48,299
A veces no llega a la vez, pero no os agobéis por ello. Aprender a hacerlo bien, porque, y más en esto de los datos y demás, ser metódico es fundamental, porque nos aleja del error. Saber lo que hay que hacer es fundamental, y tú lo haces. Y a veces hacemos cosas que no comprendemos del todo, pero sí sabemos hacerlas.

135
00:19:48,299 --> 00:20:15,160
Y en un momento dado, en el ejercicio de nuestro trabajo, decimos, ¡anda! Y llevo haciendo todo esto y no he entendido hasta ahora para qué era. Y de momento se enciende la bombilla. Lo digo porque, claro, ahora dando las clases os agobiamos con tantísima información que a veces no toda la colocamos. O sea, que no te agobies. No sé quién me había hecho la consulta porque como no os veo, no sé cómo dirigirme a ti. La que estaba agobiada con que no lo entendía bien.

136
00:20:15,160 --> 00:20:33,759
Sí te entendía, pero no entendía el concepto de desviación estándar para qué se usaba. Entonces tú me dices que es más o menos para ver la cantidad de muestra que debería tomar en cierto análisis. Es lo que te atiende un poco, ¿sí?

137
00:20:33,759 --> 00:20:50,960
Sí, claro, todo esto adquiere más sentido y más utilidad cuanto más grande es el número de datos. O a lo mejor hay un montón de datos que están entre medio de uno que hemos tomado y otro, y necesitamos saber que los de entre medias también se comportan igual.

138
00:20:50,960 --> 00:20:54,640
esto es en cuestión

139
00:20:54,640 --> 00:20:55,720
de volumen de datos

140
00:20:55,720 --> 00:20:58,339
realmente tú en un análisis

141
00:20:58,339 --> 00:20:59,940
a veces tomas una serie de

142
00:20:59,940 --> 00:21:02,119
datos

143
00:21:02,119 --> 00:21:03,400
de información

144
00:21:03,400 --> 00:21:06,480
pero sabes que lo que sucede entre el que has

145
00:21:06,480 --> 00:21:08,559
cogido tú y el siguiente

146
00:21:08,559 --> 00:21:09,079
parámetro

147
00:21:09,079 --> 00:21:12,019
suceden un montón de cosas y tú con

148
00:21:12,019 --> 00:21:14,519
la estadística sabes el comportamiento

149
00:21:14,519 --> 00:21:16,339
de todas esas variables

150
00:21:16,339 --> 00:21:17,480
que no has cogido entre medias

151
00:21:17,480 --> 00:21:20,680
porque ya sabes gracias a la estadística cómo se va a comportar

152
00:21:20,960 --> 00:21:32,940
Ahora eso es la estadística, ¿vale? Y no te lo veas que es poco intuitivo, porque realmente es aplicar las fórmulas matemáticas y luego entender para qué, ¿vale? Pero si sabes hacerlo, estupendo.

153
00:21:32,940 --> 00:22:02,920
Muestreo por variables.

154
00:22:02,920 --> 00:22:07,319
distribución cercana a la normal, o sea, lo que esperamos es que se comporte esta gráfica.

155
00:22:08,259 --> 00:22:13,119
Por lo tanto, el grado de conformidad de la unidad analizada supone que la variable medida

156
00:22:13,119 --> 00:22:17,099
esté dentro de unos márgenes de tolerancia. Ya verás como aquí ya te entiendes un poquito

157
00:22:17,099 --> 00:22:21,900
más la utilidad práctica. Nosotros vamos a necesitar que esté, igual que hicimos en

158
00:22:21,900 --> 00:22:29,119
el ejercicio, en este ejercicio que queríamos saber las notas que estaban entre 7 y 9, pues

159
00:22:29,119 --> 00:22:38,900
Cuando nosotros en un análisis de calidad necesitamos que el parámetro esté entre tal valor y tal valor, pues para eso utilizamos esto, para que esté entre los límites de tolerancia, ¿vale?

160
00:22:39,440 --> 00:22:49,279
Es decir, que si por ejemplo una fábrica se dedica a producir un fármaco, este debería tener una concentración de principio activo situado entre unos márgenes de tolerancia inferior y superior.

161
00:22:49,279 --> 00:23:15,480
O sea, no puede tener menos de tanto principio activo porque sería ineficaz, ni puede tener más porque en farmacia sabemos, bueno, en farmacia hay química, que el veneno está en la dosis. Si tú tienes una sobredosis de un fármaco, tienes una intoxicación, ¿no? Por lo tanto, tenemos que tener un límite inferior para que sea eficaz y un límite superior para que no sea tóxico.

162
00:23:15,480 --> 00:23:21,680
Esto es lo que se denomina intervalo de confianza, que también es un concepto estadístico.

163
00:23:22,740 --> 00:23:26,160
Hay dos formas de solucionar los cálculos del muestreo por variantes.

164
00:23:26,519 --> 00:23:29,660
A partir de la tabla de distribución normal vista anteriormente,

165
00:23:29,900 --> 00:23:34,420
si nosotros establecemos entre ese 7 de nota y el 9,5,

166
00:23:34,579 --> 00:23:40,839
pues hacemos lo mismo en nuestras muestras para un fármaco de una concentración de un principio activo.

167
00:23:40,839 --> 00:23:45,079
Tiene que estar entre tanto porcentaje y tanto porcentaje para que sea aceptable

168
00:23:45,079 --> 00:23:53,000
nuestro lote. Y entonces se va buscando esas cifras. O a partir de las tablas resumidas que

169
00:23:53,000 --> 00:24:00,680
aparecen en una norma que se llama la UNE 66030 de 1984. La vais a tener como libro de cabecera

170
00:24:00,680 --> 00:24:08,859
para muestreo. Os va a decir lo que hay que hacer con el muestreo en general. Y aquí están las

171
00:24:08,859 --> 00:24:14,799
tablas. Vamos a ver un ejemplo. Imaginad que tenemos un lote de 500 unidades que tienen

172
00:24:14,799 --> 00:24:24,460
unos límites de tolerancia entre el superior 10 y tolerancia inferior 7 y tomamos una muestra de

173
00:24:24,460 --> 00:24:31,599
10 unidades con un resultado en el que tenemos una media de esta muestra de 9 y una desviación

174
00:24:31,599 --> 00:24:39,099
de 1 cuál será el porcentaje de unidades fuera de tolerancia pues hacemos lo mismo que antes

175
00:24:39,640 --> 00:25:03,140
Establecemos nuestra tipificación, la Z. Esa Z la vamos a usar al dedillo, ¿vale? Entonces, vamos a sustituir los valores. Tenemos tolerancia superior, 10. La media, 9. Y la desviación, 1. ¿Recordáis por qué la desviación aquí se llama S y antes se llamaba sigma?

176
00:25:03,140 --> 00:25:08,180
¿Por las muestras menores de 30?

177
00:25:08,180 --> 00:25:26,299
Muy bien, perfecto. Es por eso, ¿vale? Bien, bueno, nos da un valor 1 y nos da un valor, si nos vamos a nuestra, a menos 2, y si nos vamos a nuestra tabla de la normal, recordad, 1 y 2.

178
00:25:26,299 --> 00:25:46,109
El 1, ¿qué probabilidad nos da? Es 1, tiene 0, 0. 84,13. Vale. Y el 2 es menos 2, pero tenemos 2, ¿no? Porque esta no tiene negativo como la de Rosa.

179
00:25:46,109 --> 00:25:55,289
Vale, pero como era negativo lo que vamos a hacer es restárselo a 100

180
00:25:55,289 --> 00:26:04,380
Y nos da, 72 con 72 menos 100, ¿cuánto es?

181
00:26:04,920 --> 00:26:07,339
8, 7 con 3, ¿no? o algo así

182
00:26:07,339 --> 00:26:15,599
Pero es que los zetas no se calculan como valor absoluto

183
00:26:15,599 --> 00:26:15,900
Dime

184
00:26:15,900 --> 00:26:19,960
los Z no se

185
00:26:19,960 --> 00:26:21,940
no se calculan como valor absoluto

186
00:26:21,940 --> 00:26:23,480
y da igual mirarlo

187
00:26:23,480 --> 00:26:25,960
como negativo o positivo, te vas al

188
00:26:25,960 --> 00:26:27,559
valor que te da y directamente

189
00:26:27,559 --> 00:26:29,940
claro, lo que pasa

190
00:26:29,940 --> 00:26:31,880
que nosotros en este caso lo que estamos

191
00:26:31,880 --> 00:26:33,799
calculando es un intervalo, entonces

192
00:26:33,799 --> 00:26:35,900
por eso hacemos la negativa, ¿vale?

193
00:26:36,019 --> 00:26:37,859
por eso hacemos la diferencia, porque queremos

194
00:26:37,859 --> 00:26:39,420
saber que hay entre las dos rayitas

195
00:26:39,420 --> 00:26:41,640
nos va a dar dos rayas, ¿vale?

196
00:26:42,140 --> 00:26:43,839
y entonces nos dice que uno

197
00:26:43,839 --> 00:26:45,680
nos dice que tenemos

198
00:26:45,680 --> 00:27:04,059
Tenemos los límites de tolerancia, tolerancia superior es 10, que tiene que tener 10, tolerancia superior, pero que no puede tener menos de 7. O sea, al menos de 7 lo vamos a tener que restar, ¿vale? ¿Entiendes? Nos va a dar las dos rayitas como nos pasó aquí.

199
00:27:04,059 --> 00:27:06,799
por un lado

200
00:27:06,799 --> 00:27:08,299
o sea, en principio

201
00:27:08,299 --> 00:27:09,500
tú lo haces así

202
00:27:09,500 --> 00:27:12,240
y tienes todo lo que hay hacia este lado

203
00:27:12,240 --> 00:27:14,559
todo lo que hay hacia este lado

204
00:27:14,559 --> 00:27:16,640
¿vale? pero luego tienes otra rayita

205
00:27:16,640 --> 00:27:17,940
hasta aquí y te dice

206
00:27:17,940 --> 00:27:20,019
que es lo que hay de aquí

207
00:27:20,019 --> 00:27:22,079
hacia acá, por lo tanto

208
00:27:22,079 --> 00:27:24,279
lo que haces a esto, restarle lo que quedaba

209
00:27:24,279 --> 00:27:24,779
de aquí a aquí

210
00:27:24,779 --> 00:27:26,299
¿entiendes?

211
00:27:28,299 --> 00:27:29,480
sí, sí

212
00:27:29,480 --> 00:27:32,039
porque te está pidiendo

213
00:27:32,039 --> 00:27:33,259
un intervalo

214
00:27:33,259 --> 00:27:58,380
¿Vale? Si no, sí que es un valor absoluto, ¿eh? Porque te da lo mismo. Es simétrica, por lo tanto es un valor absoluto. ¿Vale? Entonces te dices, seguidamente buscamos los valores de probabilidad de la tabla de distribuciones. Te dice que ese 1 es 1, ¿vale? 87 y menos 2 te dice que es 2,8. ¿Vale? Porque realmente el comportamiento menos 2, tú siempre vas a ser, realmente es así, ¿eh? Tú siempre vas a ser como hacia la izquierda, desde esta raya para acá.

215
00:27:58,380 --> 00:28:17,569
Si aquí ponías menos 2 es hacia acá, es lo que queda hacia acá, hacia la izquierda, ¿vale? Pero bueno, en este caso es el intervalo y lo que buscamos es lo que quede entre las dos, ¿vale? Finalmente, determinamos el porcentaje de tolerancia teniendo en cuenta que el porcentaje total debajo de la curva es 100.

216
00:28:17,569 --> 00:28:41,410
Tenemos 84 por un lado, ¿vale? Tenemos 84 por un lado. Si a 84, a 100 le quitas 84, te quedan 15, ¿vale? Y si a 97 le quitas 100, que sería lo que habría de todo esto para acá, te quedan 2,28, que era lo de antes.

217
00:28:42,049 --> 00:28:47,890
Entonces, ¿qué es lo que nos pregunta? ¿Qué tenemos que descartar? Entonces, descartar es lo que queda fuera de esa probabilidad.

218
00:28:47,890 --> 00:29:09,470
Sobre el total del lote serán 2,28 por un lado y 15,87 por otro, de 500 que teníamos en total. Es decir, 11,40 y 79 unidades. 11 de 2,28 que era el que pertenecía a la tolerancia inferior.

219
00:29:11,410 --> 00:29:27,109
Hay 11,40 unidades que no cumplen el parámetro de ser mayor de 7, y hay 79,85 unidades que no cumplen el parámetro y son mayores de 10.

220
00:29:28,450 --> 00:29:34,549
Entonces, la suma de estas dos es lo que se queda fuera. Globalmente, representan 91 unidades la suma de las dos.

221
00:29:36,109 --> 00:29:41,410
No sé si me he explicado. ¿Lo habéis entendido así? ¿Y la aplicación de la curva para un caso?

222
00:29:41,410 --> 00:29:44,750
yo por mi parte tengo que practicarlo

223
00:29:44,750 --> 00:29:46,670
porque así a la primera

224
00:29:46,670 --> 00:29:48,450
ya te digo yo que no, pero

225
00:29:48,450 --> 00:29:50,349
te soy sincera

226
00:29:50,349 --> 00:29:53,589
pero bueno

227
00:29:53,589 --> 00:29:55,569
si hay algún modo en el que lo puedas

228
00:29:55,569 --> 00:29:57,109
practicar, hay algo que

229
00:29:57,109 --> 00:29:59,069
se puede decir más sencillo, tú dímelo

230
00:29:59,069 --> 00:30:00,730
y volvemos para atrás

231
00:30:00,730 --> 00:30:05,019
a ver, vamos a seguir

232
00:30:05,019 --> 00:30:08,279
los pasos

233
00:30:08,279 --> 00:30:10,079
elementales, independientemente de que

234
00:30:10,079 --> 00:30:11,980
hayáis entendido, aunque los ejemplos

235
00:30:11,980 --> 00:30:13,980
son muy claros, quiero decir

236
00:30:14,000 --> 00:30:19,980
clarifican mucho lo que se dice teóricamente, pero quedaros con lo fundamental, fundamental de todos.

237
00:30:22,039 --> 00:30:25,420
Entendemos que una distribución normal tiene esta forma, eso nos ha quedado cristalino, ¿verdad?

238
00:30:26,240 --> 00:30:32,319
Sabemos que los datos se van a comportar así y que esto lo que quiere decir es que hay una media que lo divide en dos partes simétricas.

239
00:30:32,839 --> 00:30:37,480
Que lo que queda debajo es una probabilidad que nos la da una tabla, eso también lo tenemos claro.

240
00:30:38,339 --> 00:30:43,440
Que para estos valores de esta tabla utilizamos siempre la misma fórmula, que es la de tipificación, esta.

241
00:30:44,000 --> 00:31:03,299
Donde X es el valor incógnito, porque queremos saber cómo se comporta, qué probabilidad tiene. Y mi es la media y sigma o S son la desviación, dependiendo del tamaño de muestra. Eso nos queda claro y sabemos cómo proceder para tener los datos.

242
00:31:03,299 --> 00:31:23,259
¿No? Sí, sí. Perfecto. Una vez que hemos cogido en la tabla la probabilidad que nos da, tenemos que volver al enunciado del problema para saber qué es lo que tenemos que hacer con ese dato. Si nos está pidiendo, las cosas que hay que descartar se quedan fuera de la probabilidad de que suceda, porque esto lo que nos dice es la probabilidad de que suceda.

243
00:31:23,259 --> 00:31:31,079
Entonces, la probabilidad de que suceda es esto, la de que no suceda es restarle a 100 esto. ¿Entendéis?

244
00:31:31,079 --> 00:31:52,920
Es que a veces lo que te preguntan el problema es qué unidades están dentro de lo que no suceda, ¿vale? Como era este caso. Las unidades que son descartables dentro de… porque no cumplen esos parámetros en el de la farmacia este.

245
00:31:53,259 --> 00:32:11,420
¿Vale? Luego, ¿cómo establecer intervalos? Pues lo mismo. Nosotros queremos saber lo que se queda entre las dos rayas o lo que se queda fuera de las dos rayas porque lo que vale es lo que está dentro. Tenemos que volver al enunciado del problema para saber qué nos pregunta. En todo caso, hacerlo yo creo que sí, que lo habéis entendido, ¿verdad?

246
00:32:11,420 --> 00:32:24,970
Sí, vale. La dificultad principal a la hora de hacer este problema, y cualquier problema de física, de química, incluso de matemáticas, es trasladar las matemáticas a la realidad.

247
00:32:25,970 --> 00:32:34,009
Es que al leer el enunciado sepáis identificar los datos que os dan con las letras de las fórmulas que vais a aplicar.

248
00:32:34,009 --> 00:32:54,430
Que sepáis que la tolerancia S a qué se refiere, aquí dónde se sustituiría. Una vez que dominéis eso, entenderéis cualquier enunciado y sabréis aplicar las fórmulas y entenderéis que se busca y seréis capaces también de identificar cuando en el proceso de desarrollo del problema os estáis equivocando.

249
00:32:54,430 --> 00:33:18,250
Porque os dais cuenta de que no tiene sentido lo que hacéis. Solamente si estáis entendiendo bien qué es cada una de estas cosas, qué significan, ¿vale? La tolerancia S, que esto es la media, el dato que te dan, esto es la desviación. Este dato que hay aquí lo tenemos que traducir luego en una probabilidad, que es la que nos da la información, porque el dato por sí solo no nos da información, ¿vale?

250
00:33:18,250 --> 00:33:42,279
Hay una última dudita. Cuando se me plantea el problema, el ejercicio y me dan los datos, ¿ya me dicen que corresponde a una distribución normal, por lo tanto voy a tener una campana gaussiana o eso lo tengo que hallar yo?

251
00:33:42,279 --> 00:34:01,579
O sea, te lo tienen que decir o te tienen que decir un dato que te lleve a esa conclusión. Si no, no puedes aplicarlo como tal. Necesitamos saber que nuestros datos se comportan así, si no, no se le puede aplicar la fórmula. En principio te lo va a decir. Te va a decir que es una distribución normal y tú ya sabes que eso quiere decir que es una campana de la opción.

252
00:34:01,579 --> 00:34:16,159
O te da dentro del enunciado una información que te hace concluir que es así. En mi caso y conmigo lo vais a tener cristalino, que se está comportando como tal.

253
00:34:16,159 --> 00:34:25,460
En situaciones que se os den luego el laboratorio, a lo mejor es que requerís una investigación previa para saber cómo funciona el estudio que estáis haciendo.

254
00:34:25,460 --> 00:34:49,099
Pero siempre, para poder trabajar con ellos, tenéis que saber previamente que tiene ese comportamiento, porque si no, no podríamos aplicarlo. No nos daría una realidad. Bueno, hasta ahí lo de la distribución normal. Ahora vamos a ver variables, que vamos a calcular lo mismo, pero a través de la norma UNES 660-30 de 1984.

255
00:34:49,099 --> 00:34:55,900
La normativa establece que el muestreo por variable, la norma está dividida en cuatro secciones.

256
00:34:55,900 --> 00:34:58,300
Esta norma os da toda la información.

257
00:34:58,659 --> 00:35:00,719
Descripción general de los planes de muestreo.

258
00:35:00,880 --> 00:35:03,159
La teoría que os doy yo la tenéis aquí en la lista.

259
00:35:04,500 --> 00:35:11,099
Planes de muestreo basados en desviación estándar para variabilidad de lote o proceso desconocida.

260
00:35:12,239 --> 00:35:15,460
Quiere decir que vamos a trabajar con la desviación estándar como dato.

261
00:35:15,460 --> 00:35:33,239
¿Vale? Planes de muestro por variables basadas en el rango de muestra. Y planes de muestro para variables para desviación estándar del proceso conocida. ¿Vale? Lo que trabaja esta norma, aparecen cinco niveles de inspección.

262
00:35:33,239 --> 00:35:56,480
Este 3, este 4, 1, 2 y 3. Realmente hay 6. De hecho, yo os voy a enseñar a una tabla que no es la misma y tiene 6. Pero luego tenéis en el archivo 5 que son los más usados. ¿Por qué? A veces hay más que los datos que yo estuvo, pero es que los de los extremos son obviables casi, porque son situaciones que no se dan.

263
00:35:56,480 --> 00:36:14,599
¿Vale? El S3 sería el más reducido y el 3 el más riguroso de todos. El nivel de inspección 2 es el normal. Si no te dice nada en el problema, el que vas a aplicar es el nivel de inspección 2. ¿Y a qué se está refiriendo con todo esto? Bueno, se está refiriendo a esto.

264
00:36:14,599 --> 00:36:30,059
Vale, el uso de la norma mediante las tablas. En el caso de los tres, se utilizan dos tablas. Una primera tabla, que es esta, la 2.4, ¿vale? Que en función de los niveles de inspección y del tamaño del lote, da el código de entrada a la segunda tabla.

265
00:36:30,059 --> 00:36:41,420
Y de esta tabla lo que vamos a hacer es sacar una letra. Con esta letra nos vamos a ir a la segunda tabla, que es la 2.5.

266
00:36:43,340 --> 00:36:46,559
Si alguien iba a hacerme una pregunta y no la he dejado en mi monólogo.

267
00:36:51,989 --> 00:36:59,769
Esta última, con la clave anterior, tiene el tamaño de la muestra y los valores de los números de aceptación.

268
00:36:59,769 --> 00:37:15,130
Tenemos unos números de aceptación que eran como los números de antes, cuando hemos visto el problema del fármaco, que son los números a partir de los cuales es aceptable o rechazable nuestros resultados.

269
00:37:15,130 --> 00:37:23,469
¿Vale? Máximo número de efectos admitidos en la muestra y el rechazo al número de efectos que, si se alcanza,

270
00:37:24,090 --> 00:37:30,630
suspenden la inspección y lleva a rechazar todo el todo. O sea, nosotros, si alcanzamos ese número, ya directamente dejamos de mirar.

271
00:37:30,670 --> 00:37:37,769
¿Vale? Es un nivel de calidad aceptable, NCA. ¿Vale? ¿Cómo se ve? Pues se ve.

272
00:37:38,329 --> 00:37:44,730
Nosotros tenemos un tamaño de muestra. El tamaño de muestra está entre 2 y 8 para un nivel de inspección.

273
00:37:44,730 --> 00:38:01,849
Si no te dicen nada, sería el 2, sería este, pues la letra sería la A. Imaginaos que tenemos una muestra que es de 100 unidades. Para un nivel de inspección, 2. Decidme, ¿qué letra sería? 100 unidades de muestra y queremos un nivel de inspección 2.

274
00:38:08,019 --> 00:38:08,619
¿La F?

275
00:38:10,019 --> 00:38:11,860
Sí, pero dilo con seguridad, ¿no?

276
00:38:13,119 --> 00:38:13,960
¿Por qué lo dudas?

277
00:38:14,800 --> 00:38:17,340
Porque tengo puesto un papel encima de la muestra.

278
00:38:17,340 --> 00:38:40,719
Bien, ¿estamos de acuerdo con Rosa? ¿Es la F? Sí, ¿no? Vale. Para un nivel muy, muy rigoroso, que sería el 3, sería la G, ¿vale? Y vamos a ver que, dependiendo de eso, pues la siguiente tabla nos dice qué es lo que debemos hacer, ¿vale?

279
00:38:40,719 --> 00:38:58,980
Los niveles generales de inspección establecen una relación entre el tamaño de la muestra y el tamaño del lote. Es decir, la cantidad relativa de la inspección o fracción muestral. Lo que te va a decir esto es cuántos tienes que coger para que realmente tu estudio valga.

280
00:38:58,980 --> 00:39:25,219
Existen tres niveles para uso general, el 1, el 2 y el 3, y tres niveles especiales, el S1, S2, S3 y S4. ¿Veis cómo yo tengo más aquí que los que os decía antes? El nivel 2 es el que debe utilizarse a menos que se indique otro expresamente. Si se necesita una mayor protección contra el riesgo de aceptar lotes malos, se utiliza el 3, que es el más exhaustivo.

281
00:39:25,219 --> 00:39:47,809
Bien, hasta aquí me seguís, ¿verdad? Bueno, pues vamos a seguir con… bueno, vamos a ponernos en el supuesto de que tenemos una muestra de tamaño 500, ¿vale? Y vamos a hacer una inspección rigurosa de tres. ¿Qué letra sería? 500, rigurosa.

282
00:39:49,880 --> 00:39:50,579
¿La J?

283
00:39:50,579 --> 00:40:04,760
La normal no, la rigurosa, la más estricta, el 3. El 3 es este.

284
00:40:05,719 --> 00:40:06,739
Pues sería la J, ¿no?

285
00:40:07,199 --> 00:40:08,340
La J, sí.

286
00:40:09,900 --> 00:40:18,719
Ay, sí, es que estoy en 500. Estaba mirando yo 501, qué bien. Sí, sí, perdona, creía que habías tirado el nivel 2 y estaba en 501. Sí, sí, la J. Vale, perfecto.

287
00:40:18,739 --> 00:40:25,519
Vale, Encarna, entonces, si no nos dicen otra cosa, nos vamos directamente a la inspección general, a las tablas de inspección general. Vale.

288
00:40:25,519 --> 00:40:40,119
Eso es. Salvo que lo pongan, o sea, si no ponen nada, es la 2, aunque la 2 también lo normal es que os la pongan, ¿vale? O sea, os digan un nivel de inspección normal y eso ya os lo está diciendo. Al deciros normal, os está diciendo la 2, ¿vale?

289
00:40:40,119 --> 00:41:10,789
Bien. Vale, estamos en la J. Perdona por los hijos que me he ido aquí al 501 y me he obviado que había uno. Bien. Vale, ¿cómo buscaríamos aquí, chicos? Tenemos la letra J. Buscamos la J. ¿Qué nos dice la tabla con la J? ¿La veis la J? Aquí la hemos encontrado, ¿no? Aquí, J. Pues ya nos está diciendo que tenemos que coger un tamaño de muestra de 80.

290
00:41:10,789 --> 00:41:40,769
Eso ya determina que es 80.

291
00:41:40,789 --> 00:41:48,170
tipo de análisis tengas que hacer pero ese es tu tamaño vale vale vale nos vamos ahí y nos dicen

292
00:41:49,349 --> 00:41:54,090
por ejemplo para un estilo propio de un nivel de inspección normal que sería el 2 por un lote

293
00:41:54,090 --> 00:42:00,090
de 200 vale aquí os pone otro ejemplo porque claro que necesitaríamos conocer para lo que

294
00:42:00,090 --> 00:42:08,630
yo os he dado de momento tendríais este dato ahora para saber qué nivel de confianza para

295
00:42:08,630 --> 00:42:28,030
Para saber cuáles son vuestros datos de aceptación y rechazo, ¿vale?, necesitaríais tener un dato más que es el nivel de confianza. Y eso es lo que tiene que dar el problema. Entonces, vamos a ver este ejemplo que ponía aquí. Tenemos un muestreo propio de un nivel de inspección fatal, el 2, sobre un lote de 250 unidades.

296
00:42:28,030 --> 00:42:40,230
250 unidades, los buscamos aquí, una inspección normal sería 250.

297
00:42:40,750 --> 00:42:40,929
La G.

298
00:42:41,090 --> 00:42:41,650
La G.

299
00:42:42,650 --> 00:42:53,949
Perfecto, vale, pues nos vamos a la G en este caso, ¿vale? Tenemos G. Ya nos dice que nuestro tamaño de muestra tiene que ser 32, ¿vale? Bien, tenemos 32 de tamaño de muestra.

300
00:42:53,949 --> 00:42:55,989
vamos

301
00:42:55,989 --> 00:42:57,949
aquí te lo dice hasta 32

302
00:42:57,949 --> 00:43:00,650
y ahora dice dependiendo del nivel de confianza

303
00:43:00,650 --> 00:43:02,469
que se desee, dicha tabla indica

304
00:43:02,469 --> 00:43:04,469
los valores de aceptación y de rechazo

305
00:43:04,469 --> 00:43:06,530
vale, pongamos el ejemplo de que

306
00:43:06,530 --> 00:43:08,130
el nivel de confianza es 1,5

307
00:43:08,130 --> 00:43:10,429
estaríamos aquí, nivel de confianza

308
00:43:10,429 --> 00:43:12,230
1,5, ¿lo veis?

309
00:43:13,170 --> 00:43:14,409
ahí, 1,5

310
00:43:14,409 --> 00:43:16,389
nuestro nivel de confianza

311
00:43:16,389 --> 00:43:17,889
pues nos vamos hacia abajo

312
00:43:17,889 --> 00:43:20,610
hasta cruzarnos con la G, es aquí ¿verdad?

313
00:43:20,710 --> 00:43:21,250
no me he movido

314
00:43:21,250 --> 00:43:23,469
¿estoy bien?

315
00:43:23,949 --> 00:43:50,190
Sí, vale. Pues este 1 y este 2 nos dice que el 1 hace criterio de aceptación 1 y el 2 es el rechazo, aceptación-rechazo, 1-5, ¿vale? 1-2 sería. Esos son los valores que vamos a tener que conseguir. ¿Y cómo lo hacemos? Vamos a ver un problema para que sepáis hacerlo, ¿vale?

316
00:43:53,110 --> 00:43:57,510
Perdona, Encarna, que has dicho de 1, 2. Puedes volver y volverla a repetir, por favor.

317
00:43:57,510 --> 00:44:15,079
Sí, mira. Nosotros, en la primera tabla, el tamaño de los tablotes, de las 50 unidades, la primera tabla nos va a determinar la letra. ¿Vale? 250, entre 151 y 280, está a 250.

318
00:44:15,079 --> 00:44:36,079
Vamos a un nivel de aceptación normal, sería la G. Con esa G nos vamos aquí, tenemos para G, nos dice que tenemos un tamaño de muestra de 32 y nos dice que un nivel de confianza de 1,5 está aquí arriba.

319
00:44:36,079 --> 00:44:56,619
Este es el nivel de confianza, todos estos cifras. Buscamos el 1,5. ¿Y dónde intercala el 1,5 con nuestro G32? Aquí. Si te das cuenta, aquí hay un 1 y un 2. No es un 12 que está separado, es un 1 por un lado y un 2 por otro.

320
00:44:56,619 --> 00:45:09,019
El 1 corresponde, aquí arriba, a una cosa que se llama AC, que es aceptación. Y el 2 a rechazar. ¿Y eso cómo lo extrapolamos?

321
00:45:10,360 --> 00:45:17,619
Perdón, eso se refiere a las muestras que no cumplen las especificaciones, ¿no? Con una unidad se acepta y con dos se rechazarían.

322
00:45:18,420 --> 00:45:19,000
Eso es.

323
00:45:19,400 --> 00:45:19,639
Vale.

324
00:45:19,639 --> 00:45:20,440
Vale.

325
00:45:20,440 --> 00:45:39,159
Vale. Bien. Vale. ¿Los criterios para cambiar los resultados de muestreo? Bueno, en un plazo de muestreo nosotros uno o dos tamaños de muestra tenemos un D1 y un D2. Para cada uno de ellos vamos a tener una aceptación y un rechazo.

326
00:45:39,159 --> 00:46:07,599
Por la primera consulta analizamos la muestra y por lo tanto nos da un número de defectos, que es un D1. Si es menor el número de aceptación, se acepta el lote. Si es mayor el número de rechazos, se rechaza directamente el lote en el primer tamaño de muestra.

327
00:46:07,599 --> 00:46:26,940
¿Vale? Se extrae una segunda muestra y vamos a tener un número de muestras 2 con un número de aceptación y un número de rechazos. Y ahora nos va a dar un número de defectos 2 de este análisis, de 2 de la segunda extracción.

328
00:46:26,940 --> 00:46:42,900
Nos va a dar un número de defectos. Ese número de defectos lo que vamos a hacer es sumarle a ese número de defectos los defectos que teníamos en la primera extracción. Si la suma de los dos da menor que la aceptación 2, se acepta el lote.

329
00:46:42,900 --> 00:46:56,360
Y si la suma de defectos da mayor o igual, se rechaza. O sea, aquí tenía que dar mayor. Aquí tiene que ser mayor o igual y se rechaza el lote.

330
00:46:56,360 --> 00:47:17,900
¿Vale? Estos son criterios, pero luego… Esto es teoría, chicos. Luego vamos a hacer ejemplos de hecho. A ver si podemos hacer… Cuando vengáis a la práctica, podemos hacer… ¿Qué tal tenéis de disponibilidad de venir a las prácticas? ¿Vais a venir muchos? ¿Habéis venido muchos a las de micro?

331
00:47:21,880 --> 00:47:31,239
En teoría parece que sí, que han sido grupos numerosos. No sé el lunes, pero la del viernes parece que sí que es un grupo numeroso.

332
00:47:32,440 --> 00:47:42,179
Lo que pasa es que luego, ¿sabéis qué pasa en distancia? A ver, yo entiendo que sois un perfil que o trabajáis y tenéis responsabilidades y disponer de tiempo es difícil.

333
00:47:42,880 --> 00:47:50,119
Soleís apuntaros y luego no soleís venir, en términos generales. Nadie se ve por ahí personalmente, pero suele suceder estadísticamente.

334
00:47:50,880 --> 00:48:12,260
Entonces, estoy pensando que si no tenéis mucha disponibilidad de venir, a lo mejor os cuelgo algún vídeo que tenga un ejemplo práctico de esto, para que lo veáis, porque le da mucha luz, porque teóricamente es como muy engorroso, pero lo veis y es súper fácil.

335
00:48:12,260 --> 00:48:29,380
Lo que pasa es que explicarlo, por mucho que yo trate de simplificarlo, igual puedo conseguir colgaros un vídeo que sea muy largo y que veáis un ejemplo, ¿vale? Y veréis cómo es más sencillo que todo esto que parece muy engorroso.

336
00:48:29,380 --> 00:48:51,099
Bueno, vamos a hacerla finalizada. Lo que os quería explicar antes es que la finalidad de la normativa es simplificar todo el proceso. Al final, lo que hace es que te dice cómo hacerlo paso por paso y lo simplificas porque te ahorras primero tener que deducir qué es lo siguiente, tener que…

337
00:48:51,099 --> 00:48:59,820
para lo segundo, establece el orden para que no cometas errores de acera, algo que deberías

338
00:48:59,820 --> 00:49:04,679
haber hecho previamente. Siempre simplifica todo el hecho de que esté normalizado, ¿vale?

339
00:49:04,699 --> 00:49:10,039
Por eso los PNT son tan importantes, ¿vale? Vale, la aplicación secuencial de la norma

340
00:49:10,039 --> 00:49:14,619
es, primero tenemos que comprobar que la variable a mostrar cumple la distribución

341
00:49:14,619 --> 00:49:33,760
La pregunta que nos hacía antes la compañera. Para poder aplicar todo esto necesitamos saber en algún momento el dato de que se comportan así nuestros datos para poder aplicar estas fórmulas y estas tablas. Tiene que ser una distribución normal. Nuestros datos se tienen que comportar como la campana de Gauss.

342
00:49:33,760 --> 00:49:50,760
Primero, determinar el tamaño del lote N y el nivel de calidad. Necesitamos conocer el nivel de calidad. El tamaño del lote nos lo va a dar siguiendo las tablas. El nivel de calidad aceptable nos lo va a dar la normativa o el problema que se nos plantee.

343
00:49:50,760 --> 00:50:18,119
Por lo tanto, determinar la medida de la variación de la desviación, escoger el método en base a la medida del lote. Lo del método lo vamos a ver ahora, porque hay distintos métodos para llegar a las mismas conclusiones. También hemos visto previamente que podíamos hacerlo a través de la norma, podíamos hacerlo a través de la tabla de Scud, que es la tabla que se usa para extrapolar Z.

344
00:50:18,119 --> 00:50:45,860
¿Vale? Comprobar la curva característica de operación, la explicamos más adelante. ¿Vale? Y aplicar el plan de muestreo que viene derivado de la propia norma. ¿Vale? La medida de la variación puede ser en base a la desviación estándar, a la desviación estándar de la población. Esa es de la muestra porque es pequeña, sigma es porque es grande. ¿Vale? Generalmente se empieza con el método S y acaba la variabilidad.

345
00:50:45,860 --> 00:50:52,800
Vamos a ver ejemplos de esto.

346
00:50:53,300 --> 00:51:08,940
En el procedimiento K, hay un procedimiento que se llama K, y se obtiene una muestra aleatoria de N artículos en lote y se calcula la distancia entre la media muestral y los límites de especificación inferior y superior, de la siguiente forma.

347
00:51:10,739 --> 00:51:14,320
Cuanto mayores son los niveles de calidad, ¿vale?

348
00:51:15,860 --> 00:51:27,679
Tanto más lejos se encuentra la media muestral respecto a los límites de especificación y, por consiguiente, tanto más pequeña es la fracción defectuosa del lote.

349
00:51:28,219 --> 00:51:32,139
Cuanto mayor es el nivel de calidad, pues más exigente será.

350
00:51:34,630 --> 00:51:37,949
Comprobamos que el valor anterior con el valor de tabulación K.

351
00:51:38,269 --> 00:51:43,130
El valor de tabulación es una cosa que vamos a encontrar en otra tabla.

352
00:51:43,130 --> 00:52:02,570
¿Vale? Entonces, las siguientes situaciones son que el nivel de calidad inferior y superior sea mayor o igual a K, se acepta el lote. Si es menor que K, se rechaza el lote. Al final esto se vuelve metódico. No os agobies mucho por la comprensión porque se vuelve metódico.

353
00:52:02,570 --> 00:52:23,150
En el procedimiento M, este es el procedimiento K. Vamos a buscar un parámetro que se llama K y lo vamos a buscar en una tabla. Y en el procedimiento M se obtiene una muestra aleatoria de N artículos del lote y se calculan los límites de calidad QS y QI.

354
00:52:23,150 --> 00:52:37,690
A partir de los anteriores índices consultamos el porcentaje de defectos tabulados. Los defectos son P. Para defectos tabulados P menor que M se acepta el lote y para mayores que M se rechaza el lote.

355
00:52:38,630 --> 00:53:02,329
Según la normativa, el nivel de calidad aceptable puede variar 14 valores. Bueno, realmente en las tablas, lo veis, depende de la tabla, tiene 14 o como me ha sucedido antes, los niveles que antes yo tenía, los apuntes y el PDF que os voy a poner, solo tiene dos niveles ese y yo tenía cuatro en esa tabla que he buscado.

356
00:53:02,329 --> 00:53:14,969
Aquí hace alusión a la tabla que viene en ese pedido. También existe una codificación alfabética que es de AR, que es la que hemos mirado antes también, que es el tamaño de la muestra N y los valores tabulados K y M.

357
00:53:14,969 --> 00:53:20,070
las tablas nos van a dar un valor K

358
00:53:20,070 --> 00:53:20,849
y un valor M

359
00:53:20,849 --> 00:53:24,010
nosotros mediante la tipificación

360
00:53:24,010 --> 00:53:25,750
como hemos hecho antes

361
00:53:25,750 --> 00:53:27,849
nosotros

362
00:53:27,849 --> 00:53:29,269
mediante las Z estas

363
00:53:29,269 --> 00:53:31,730
vamos a tipificar las U

364
00:53:31,730 --> 00:53:33,150
pero se van a calcular igual

365
00:53:33,150 --> 00:53:35,369
nos va a dar unos valores

366
00:53:35,369 --> 00:53:37,849
esos valores luego

367
00:53:37,849 --> 00:53:38,969
los vamos a comparar

368
00:53:38,969 --> 00:53:42,030
con unos valores que nos dan la tabla

369
00:53:42,030 --> 00:53:44,070
que dependiendo del método se van a llamar

370
00:53:44,070 --> 00:53:59,829
A o M. Y la comparación de nuestros valores con los valores de estas tablas nos van a permitir decir si es aceptable o no es aceptable. ¿Me seguís hasta aquí o lo explico más?

371
00:54:05,809 --> 00:54:08,110
Ay madre, no os he perdido, ¿no?

372
00:54:10,519 --> 00:54:13,119
No, nos hemos asustado un poco con los métodos estos.

373
00:54:14,460 --> 00:54:17,539
Vamos a ver si viendo un ejemplo es más fácil, ¿vale?

374
00:54:17,539 --> 00:54:19,820
bien, vemos un ejemplo

375
00:54:19,820 --> 00:54:22,400
como se pone

376
00:54:22,400 --> 00:54:25,219
entiendo que veis exactamente lo mismo que yo

377
00:54:25,219 --> 00:54:27,179
veis lo de grabadora y todo esto igual, ¿no?

378
00:54:28,980 --> 00:54:30,219
y esto negro que se pone

379
00:54:30,219 --> 00:54:32,820
os tapa el texto, ¿verdad?

380
00:54:38,309 --> 00:54:40,550
siempre te vemos con un pelín de retraso

381
00:54:40,550 --> 00:54:42,590
ahora estamos viendo la diapositiva

382
00:54:42,590 --> 00:54:45,070
de ejemplo resuelto 1

383
00:54:45,070 --> 00:54:46,230
para el procedimiento K

384
00:54:46,230 --> 00:54:50,289
¿la diapositiva va a marcar?

385
00:54:51,110 --> 00:54:54,980
¿sí?

386
00:54:54,980 --> 00:55:06,980
Sí, sí, me parece. Cuando estuve en la clase presencial de fisicoquímica, yo veía unas cosas cuando ella hablaba de otras. Entonces, hay un pelín de…

387
00:55:07,559 --> 00:55:20,780
Pero a mí también me pasa. Es que depende del método. Creo que jueves lo utiliza todo el mundo. Y cuando utilizan OBS, que es otro modo de grabar y demás, creo que sí les va con retraso, pero yo confiaba en que no.

388
00:55:21,699 --> 00:55:28,079
Bueno, no, no es que vaya con retraso, es que sinceramente estamos viendo si todo es la misma, la de ejemplo resuelto 1, creo.

389
00:55:28,500 --> 00:55:40,699
Ah, vale, vale, perfecto. Oye, si apreciáis que no soy consciente, que habéis dejado de verme o que me escucháis con retraso, no dejéis de indicármelo porque yo aquí no soy consciente, ¿vale?

390
00:55:40,699 --> 00:55:54,860
Bien, bueno, veréis que con un ejemplo es más fácil de entender, ¿vale? Mirad, tenemos la especificación de un cierto reactivo es entre 620 y 680 partes por millón, ¿vale?

391
00:55:54,860 --> 00:56:04,500
se somete a un lote de 100 unidades a inspección normal, con un nivel de calidad aceptable de 2,5%.

392
00:56:04,500 --> 00:56:11,039
¿Debe aceptarse el lote si X647 y S17,22?

393
00:56:12,260 --> 00:56:18,239
Se comprueba inicialmente la distribución de la concentración de reactivo es normal y continua, quiere decir.

394
00:56:18,239 --> 00:56:39,800
Con esto, al comprobar si es normal y continua, lo que hacemos es verificar que el comportamiento de nuestros datos es un comportamiento de distribución normal, que va a tener la gráfica de campana de Gauss, ¿vale? Se comprueba inicialmente que la distribución de concentración de reactivo es normal y continua.

395
00:56:39,800 --> 00:57:00,829
Vale, perfecto. Determinar la letra código en función del tamaño del lote. Vamos a un nivel de inspección 2 según la UNED. Vamos a ir al PDF del que hacíamos acusación antes. ¿Comparto con vosotros o seguís viendo la diapositiva?

396
00:57:05,170 --> 00:57:08,070
Estamos viendo tablas, planes de muestreo por variables.

397
00:57:08,070 --> 00:57:32,599
Bien, perfecto. Vale, hemos dicho entonces… Me he olvidado del dato. Vamos a mirar. Era número en lotes 100 unidades, ¿vale? 100 unidades. Vamos a mirar qué letra le corresponde a las 100 unidades.

398
00:57:32,599 --> 00:58:04,679
100 unidades, ¿vale? 100 unidades, daríamos... A ver, ¿me dice alguien qué letra le corresponde a 100 unidades para un nivel de aceptación normal? 2. La F. Perfecto. ¿Todo el mundo de acuerdo con Rosa? Vale, tenemos la F. Ahora, ¿qué vamos a hacer? Pues vamos a ir a la siguiente tabla.

399
00:58:04,679 --> 00:58:16,300
Tenemos, F nos dice que nuestro tamaño de muestra tiene que ser de 10, y nos dice que el nivel de calidad es 2,5, creo, ¿verdad?

400
00:58:18,119 --> 00:58:20,639
Sí, 2,5.

401
00:58:22,630 --> 00:58:28,710
Vale, tenemos un nivel de confianza 2,5, F, 10, 1,41.

402
00:58:29,489 --> 00:58:38,250
¿Bien? Vale.

403
00:58:38,250 --> 00:59:05,190
¿Debe aceptarse el lote? Vale. Lo que determinamos es que el nivel de inspección 2, lo determinamos en la tabla. Ahora, vamos, la letra F, a partir del código nos dice que nuestra muestra es de 10, lo hemos visto, y nuestra K es de 1,41.

404
00:59:06,650 --> 00:59:13,849
¿Estamos de acuerdo en lo que hemos visto en la tabla? ¿Qué es lo que vamos a hacer? ¿Calculamos los márgenes? ¿Alguien me va a hacer alguna pregunta?

405
00:59:15,329 --> 00:59:26,170
Sí, aquí deduzco que si sale el parámetro K es el procedimiento K, si no aplicaríamos el M. Es que yo esto no entiendo cuál se elige.

406
00:59:26,170 --> 00:59:36,610
Ahora te digo, nosotros buscamos en esta tabla en concreto, porque estamos utilizando el método K, si no buscaríamos en otra.

407
00:59:36,610 --> 00:59:44,230
vale en la tabla que busquemos es la que determina el método que vamos a usar de hecho ahora vamos a

408
00:59:44,230 --> 00:59:49,510
hacer un ejemplo con la m y verás que buscamos en otra tabla vale entonces tenemos el parámetro

409
00:59:52,510 --> 00:59:58,730
porque lo hemos buscado en esta tabla la tabla 2a vale bien hacemos el mismo cargo que hicimos

410
00:59:58,730 --> 01:00:02,809
para las zetas recordáis lo que pasa que ahora nuestra incógnita es nivel de calidad pero si

411
01:00:02,809 --> 01:00:07,369
ustedes cuenta usamos exactamente los mismos parámetros vale para el nivel de calidad superior

412
01:00:07,369 --> 01:00:16,210
vamos a utilizar la tolerancia superior vale la tolerancia superior según la especificación está

413
01:00:16,210 --> 01:00:28,269
entre 620 y 680 las superiores 680 vale en 680 menos la media la tenemos aquí partido de la

414
01:00:28,269 --> 01:00:35,530
distribución que es 17 y nos da una calidad superior de 1.92 para la calidad inferior

415
01:00:35,530 --> 01:00:45,949
hacemos la tolerancia inferior que es 620 vale y 647 nos va nos tiene que dar positivo por eso

416
01:00:45,949 --> 01:00:53,849
no hemos dado la vuelta porque el valor está por debajo de la media lo veis bien y nos da 157 y

417
01:00:53,849 --> 01:00:59,250
ahora qué es lo que tenemos por lo que nos ha dicho el método el método nos dice que si nuestro

418
01:00:59,250 --> 01:01:08,750
nivel de calidad superior es mayor que la acá que tenemos vale tenemos que hacer una cosa y si el

419
01:01:08,750 --> 01:01:16,949
manual el nivel inferior es otro tenemos que hacer algo que nos lo dice aquí dice si nuestra calidad

420
01:01:16,949 --> 01:01:27,300
inferior y superior son mayor o igual acá el lote se acepta si la inferior y superior es menor acá

421
01:01:27,300 --> 01:01:39,269
se rechaza en nuestro caso es mayor o menor 192 157 ambas son mayores por lo tanto nuestro lote se hace

422
01:01:40,809 --> 01:01:41,809
pero es entendido

423
01:01:50,929 --> 01:01:52,469
qué miedo

424
01:01:54,530 --> 01:02:03,409
al final es un poco metódico vale o sea por mucho que yo trate de cada una de las cosas

425
01:02:03,409 --> 01:02:18,090
O sea, como es tan global, tantísimos datos, lo que está hablando es de comportamiento de datos. Entonces, lo que hace es simplificarlo en esta fórmula y lo que tenemos es fe ciega y que funciona.

426
01:02:18,090 --> 01:02:48,070
Entonces, aplicamos lo que es el método.

427
01:02:48,090 --> 01:03:05,750
a un nivel de calidad que también está establecido. Debe aceptarse el lote si tenemos una media de lo que hemos extraído de las muestras de lote con unos valores y una desviación con unos valores, pues se comprueba mediante esta metodología.

428
01:03:05,750 --> 01:03:19,429
Vamos a las tablas, cogemos en la primera tabla de todas, por el número de unidades, nos determina una letra que nos lleva a la tabla 2.

429
01:03:19,750 --> 01:03:31,849
Con esa letra en la tabla 2 nos dice las unidades de muestreo y nos da para un nivel de confianza que nos piden, está establecido 2,5,

430
01:03:31,849 --> 01:03:45,789
Nos dice un parámetro K de 141. Pues calculamos los márgenes de tolerancia superior e inferior para una calidad mediante la parametrización igual que hicimos con Z.

431
01:03:45,789 --> 01:04:05,869
Tenemos la media, tenemos la desviación, los límites entre los que puede estar, nos da unos parámetros, los comparamos con los valores K y dependiendo de si son mayor o menor del K, pues aceptamos o no aceptamos.

432
01:04:05,869 --> 01:04:31,440
¿Sí? Vale, entiendo, aunque vais a querer practicarlo, repasarlo, alguna cosa de esas, ¿no? Pero, ¿sí? ¿Alguna duda? Muchas. Contestadme, que si no creo que os he perdido.

433
01:04:31,440 --> 01:04:33,079
Sí, esto lo tenemos que practicar.

434
01:04:34,519 --> 01:04:41,360
Bueno, pero os dais cuenta que es metódico, ¿verdad? No os van a faltar los datos, hay que ir a las tablas y...

435
01:04:41,360 --> 01:04:44,840
Cuélganos las tablas para que nos familiaricemos con ellas.

436
01:04:45,460 --> 01:04:57,579
Pues sí, la verdad es que sí. No te creas que es tan intuitivo. Luego también tenéis que saber esto. En teoría, lo que tenéis que saber es qué es lo que os hace aceptar y rechazar el lote, ¿vale?

437
01:04:57,579 --> 01:05:01,860
dependiendo del método que uséis

438
01:05:01,860 --> 01:05:04,800
saber qué os hace aceptarlo o rechazarlo

439
01:05:04,800 --> 01:05:07,699
bueno, ahora vamos a hacer otro ejemplo

440
01:05:07,699 --> 01:05:08,579
con el método M

441
01:05:08,579 --> 01:05:13,699
¿es a las 5 cuando acabo con vosotros?

442
01:05:15,980 --> 01:05:16,920
¿a qué hora tenéis micro?

443
01:05:18,340 --> 01:05:22,380
hoy no tenemos micro por lo que estamos en semana de prácticas

444
01:05:22,380 --> 01:05:24,539
pero en teoría sí acabamos a las 5

445
01:05:24,539 --> 01:05:27,860
bueno, creo que para el ejemplo me da tiempo

446
01:05:27,860 --> 01:05:44,119
Ahora, utilizando el método M, vamos a hacer el mismo caso de antes, ¿vale? Tenemos los mismos valores, ¿veis? 680, 620, la misma unidad de lote, ¿vale? Normal 2,5, exactamente igual, ¿vale?

447
01:05:44,119 --> 01:05:46,559
se comprueba inicialmente que la distribución

448
01:05:46,559 --> 01:05:48,300
se comporta como normal

449
01:05:48,300 --> 01:05:50,340
eso sí que tenemos que hacer para saber que los datos

450
01:05:50,340 --> 01:05:52,219
se van a comportar según las fórmulas

451
01:05:52,219 --> 01:05:54,460
que vamos a aplicar. Bien, determinamos

452
01:05:54,460 --> 01:05:55,880
la letra, que es la misma

453
01:05:55,880 --> 01:05:58,280
que es la F. Lo que sucede es que

454
01:05:58,280 --> 01:05:58,800
ahora con

455
01:05:58,800 --> 01:06:02,440
nuestra letra F nos vamos a ir

456
01:06:02,440 --> 01:06:04,239
a una tabla que es la tabla B3

457
01:06:04,239 --> 01:06:06,340
¿vale? Para el parámetro M, para el

458
01:06:06,340 --> 01:06:08,000
método M, nos vamos a ir

459
01:06:08,000 --> 01:06:09,739
a la tabla B3

460
01:06:09,739 --> 01:06:13,949
vamos a ir a la tabla B3

461
01:06:13,949 --> 01:06:18,159
nos vamos a ir aquí

462
01:06:18,159 --> 01:06:27,000
esta, P3

463
01:06:27,000 --> 01:06:29,719
teníamos F, ¿recordáis?

464
01:06:30,179 --> 01:06:31,800
que era el tamaño de muestra, F

465
01:06:31,800 --> 01:06:34,239
a ver mía que mal se ve, ¿veis bien?

466
01:06:36,039 --> 01:06:38,019
un poquillo chiquitín, pero bueno

467
01:06:38,019 --> 01:06:40,059
muy bien, no se ve la verdad

468
01:06:40,059 --> 01:06:43,719
pero, ¿sabéis? no es una cuestión ya solo de que

469
01:06:43,719 --> 01:06:46,559
sea chiquitín, es una cuestión

470
01:06:46,559 --> 01:06:48,960
de que... Por fin, ¿no me deja mover esto?

471
01:06:49,860 --> 01:06:51,280
Casi no se distinguen los números.

472
01:06:53,179 --> 01:06:55,219
Sí, de que no están claros los números.

473
01:06:58,139 --> 01:06:58,500
Vale.

474
01:06:59,199 --> 01:07:01,320
Bueno, yo creo que en PDF...

475
01:07:01,320 --> 01:07:03,199
No sé si es porque está proyectado. No, yo creo que es que

476
01:07:03,199 --> 01:07:05,260
está escaneado. Voy a trataros

477
01:07:05,260 --> 01:07:06,440
de mejorar el documento, ¿vale?

478
01:07:07,199 --> 01:07:09,099
Os lo iba a colgar directamente, pero no, os lo voy a

479
01:07:09,099 --> 01:07:10,079
buscar un poquito mejor.

480
01:07:10,519 --> 01:07:13,039
Se ve fatal, ¿eh? Pero bueno, vamos

481
01:07:13,039 --> 01:07:14,739
a trabajarlo deduciéndolo, ¿vale?

482
01:07:14,739 --> 01:07:33,820
Era F, número de muestra, tamaño muestral, 10. Y ahora lo que vamos a hacer es, para el nivel de confianza, 250. ¿Veis que el parámetro es M y F, 250, nos da? ¿729 puede ser?

483
01:07:34,679 --> 01:07:35,579
Sí, tiene pinta.

484
01:07:36,000 --> 01:07:41,039
Tiene pinta, ¿no? Vale. Pues vamos a ver qué nos dice nuestro problema con eso.

485
01:07:41,599 --> 01:07:50,679
Nos dice que, si mirad, 729, ¿vale? La información que nos aporta la tabla B3 es el número, el tamaño de la muestra, ¿vale?

486
01:07:51,280 --> 01:07:56,480
Las unidades y el parámetro M. Ya tenemos que es 729.

487
01:07:56,699 --> 01:08:01,199
Ahora calculamos los parámetros que son los mismos que antes, por lo tanto, los tenemos calculados.

488
01:08:01,199 --> 01:08:28,140
1,92 y 1,57. Ahora, consultamos la tabla de 5 para obtener el porcentaje de defectos. Intercalamos, ¿vale? Bien, ¿qué hacemos con la tabla de 5? Aquí tenemos.

489
01:08:28,140 --> 01:08:33,720
Madre mía, es que estoy mareada

490
01:08:33,720 --> 01:08:34,479
de lo mal que se ve

491
01:08:34,479 --> 01:08:37,199
Me he olvidado

492
01:08:37,199 --> 01:08:39,279
¿Qué parámetro teníamos? 7 con

493
01:08:39,279 --> 01:08:42,220
7 con 29

494
01:08:42,220 --> 01:08:45,140
7 con 29 era, ¿no?

495
01:08:45,819 --> 01:08:46,119
Vale

496
01:08:46,119 --> 01:08:49,420
Teníamos 7 con 29, pero aquí

497
01:08:49,420 --> 01:08:51,899
Teníamos

498
01:08:51,899 --> 01:08:53,680
tamaños de la muestra

499
01:08:53,680 --> 01:08:55,819
No, tenemos, el tamaño de la muestra era 10

500
01:08:55,819 --> 01:08:56,640
Bien, vale

501
01:08:56,640 --> 01:09:23,750
La muestra 10 y teníamos el parámetro, situación de porcentaje de defectos. Consultamos la tabla de 5 para obtener el porcentaje de defectos. Tenemos que PS es igual a 1,9 igual a 1,8 y QS es 2, sería igual a 1,2.

502
01:09:23,750 --> 01:09:56,319
interpolando, PS sería 1,68, ¿vale? Tenemos QS 1,9 y QS 2, vamos a la tabla, 1,8, 9, para 10 es 1,8,

503
01:09:56,319 --> 01:10:19,819
¿Lo veis? Para calidad, teníamos aquí las QS. Para 1.9, tenemos 1.8, ¿vale? Porcentaje de defectos que aceptamos, ¿vale? Que rechazamos. Y luego, ¿el otro era? 1.57.

504
01:10:19,819 --> 01:10:21,819
157

505
01:10:21,819 --> 01:10:24,500
157

506
01:10:24,500 --> 01:10:26,020
tendríamos que extrapolar

507
01:10:26,020 --> 01:10:27,060
¿sabéis qué es extrapolar?

508
01:10:29,239 --> 01:10:30,340
10, 5,9

509
01:10:30,340 --> 01:10:33,220
1,50 y espérate

510
01:10:33,220 --> 01:10:36,100
no veo ni por qué línea voy

511
01:10:36,100 --> 01:10:37,479
5,9

512
01:10:37,479 --> 01:10:38,920
para tamaño de muestra 10

513
01:10:38,920 --> 01:10:41,180
extrapolar quiere decir

514
01:10:41,180 --> 01:10:42,539
que como no tenemos

515
01:10:42,539 --> 01:10:45,300
los valores entre 1,5

516
01:10:45,300 --> 01:10:46,119
y 1,6

517
01:10:46,119 --> 01:10:47,840
hacemos una regla de 3

518
01:10:47,840 --> 01:10:50,300
¿entendéis?

519
01:10:51,260 --> 01:11:17,159
Y calculamos lo que correspondería a 1,57, ¿vale? Y por esa regla de 3 nos da, vale, vamos a poner 2 aquí, 1,92. Ah, por la interpolación, vale. Interpolando, para 1,5 sería 5,9. Ah, vale, porque también es 1,92, ¿entendéis?

520
01:11:17,159 --> 01:11:35,840
Vale. Como los valores que tenemos es entre 1,9 y 2, los que nos da la tabla nos da 1,8 y 1,2. Interpolando 1,92 es 1,68. ¿Entendéis? Es el valor que equivaldría.

521
01:11:35,840 --> 01:11:41,220
aunque en la tabla no viene, lo calculamos conociendo el que está por encima, que es

522
01:11:41,220 --> 01:11:46,439
el 1,9, y el que está por debajo, que es 2. Como el nuestro está entre medios, el

523
01:11:46,439 --> 01:11:55,560
1,92, al interpolar nos da 1,68. Y nos pasa lo mismo con el 1,57. Con 1,57 conocemos el

524
01:11:55,560 --> 01:12:04,020
1,5 y conocemos el 1,6. Al interpolar nos da 4,92. Entonces, tenemos que el porcentaje

525
01:12:04,020 --> 01:12:05,479
de defectos total será

526
01:12:05,479 --> 01:12:07,640
la

527
01:12:07,640 --> 01:12:09,659
PS más

528
01:12:09,659 --> 01:12:12,140
P superior e inferior.

529
01:12:12,640 --> 01:12:13,880
Entonces será la suma de este

530
01:12:13,880 --> 01:12:16,439
con este. Nos da 6,60.

531
01:12:16,939 --> 01:12:17,859
6,60.

532
01:12:18,039 --> 01:12:20,039
¿Es mayor o menor del

533
01:12:20,039 --> 01:12:22,220
que habíamos cogido en la tabla que era 7,29?

534
01:12:23,100 --> 01:12:24,079
Es menor, ¿no?

535
01:12:25,420 --> 01:12:26,199
Por lo tanto

536
01:12:26,199 --> 01:12:27,819
se acepta. ¿Por qué? Porque lo dice

537
01:12:27,819 --> 01:12:29,079
el método. A ver.

538
01:12:33,750 --> 01:12:34,869
Oye, ¿lo veis demasiado pequeño?

539
01:12:37,699 --> 01:12:39,699
MT dice que si es menor

540
01:12:39,699 --> 01:12:42,699
se acepta el lote. Si los P que te dan

541
01:12:42,699 --> 01:12:45,819
son menor, se acepta. Si es mayor o igual, se rechaza.

542
01:12:47,159 --> 01:12:47,640
¿Lo veis pequeño?

543
01:12:51,439 --> 01:12:53,319
Sí, está un poquito pequeño, pero bueno.

544
01:12:54,539 --> 01:12:58,020
¿Me habéis conseguido ver? Espera. Es que quería volver a la tabla

545
01:12:58,020 --> 01:12:59,680
y para volver a la tabla tengo que...

546
01:12:59,680 --> 01:13:03,180
A ver, os lo repito, porque aquí hay un montón de datos, ¿vale?

547
01:13:03,539 --> 01:13:06,319
Y a lo mejor no tenéis bien claro lo de interpolar, que es lo que

548
01:13:06,319 --> 01:13:11,180
os ha hecho lío, ¿vale? ¿Qué tenemos?

549
01:13:11,180 --> 01:13:25,779
Nosotros tenemos aquí, hemos calculado unos valores de QS, pero para el método M no es lo mismo que el método anterior, que directamente el valor que te daba de QS lo utilizabas para compararlo con K, ¿vale?

550
01:13:25,779 --> 01:13:49,109
En el método M no comparamos directamente con la M que nos da en la tabla. Tenemos que extrapolarlo primero de una tabla, que es la D5, que nos transforma nuestro QS en un PS. ¿Lo entendéis?

551
01:13:49,109 --> 01:14:12,850
Pues, imaginaos que aquí nos hubiera dado 1,9 en lugar del 2. Si te da 1,9, el valor es directamente 1,8, ¿vale? E imaginaos que aquí nos da 1,5, olvidaros del 7, ¿vale? Tendríamos un 1,8 y un 1,9. Voy a obviar esto, que os está haciendo bola, yo creo. Y esto es más sencillo de lo que creéis, ¿vale?

552
01:14:13,670 --> 01:14:27,050
Imaginad que no tenemos el segundo decimal, ¿vale? Entonces, tenemos un 1,8 y un 1,9 y nos ha convertido nuestra QS en una PS, ¿vale? ¿Qué es? Se lo dice la tabla.

553
01:14:27,050 --> 01:14:49,029
Que dice, QS, estimación de porcentaje de defecto del lote. Porcentaje de defecto que se acepta o que se rechaza. Porcentaje de defecto es esa P. Nos ha dejado nuestra QS una P.

554
01:14:49,029 --> 01:15:23,920
Y esa P es la que podemos comparar con la M, que la M nos la daba la tabla B3. La B3 nos daba una M, ¿la veis aquí? Y esa es para la comparativa, pero nuestra Q no es comparable directamente, la tenemos primero que transformar en PS en la tabla B5.

555
01:15:24,239 --> 01:15:27,560
Bien chicos, os he hecho un poco de bola.

556
01:15:32,779 --> 01:15:33,859
Impresiones tuyas.

557
01:15:34,460 --> 01:15:44,840
impresiones de verdad que es metódico vale luego sólo seguir los pasos lo que pasa que

558
01:15:44,840 --> 01:15:51,260
la primera vez que lo veis es normal que no sea que no suene y que no sea intuitivo vale esto de

559
01:15:51,260 --> 01:15:56,180
la interpolación y todo eso es sencillo vale sino si no conocemos porque hay una fracción más que

560
01:15:56,180 --> 01:16:03,579
lo que nos da la tabla pues cogemos el valor superior y el valor inferior y calculamos lo

561
01:16:03,579 --> 01:16:16,899
bueno chicos pues lo dejamos aquí pero en alguna consulta y no sé en qué momento parpa 10 pero

562
01:16:16,899 --> 01:16:23,520
qué diferencia hay entre el método que hay en el procedimiento m porque realmente de