Clase 2 UT2 | Mediateca de EducaMadrid

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. 00:00:01

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. 00:00:38

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. 00:01:04

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

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, 00:01:36

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. 00:01:49

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. 00:02:11

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. 00:02:23

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. 00:02:46

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? 00:03:06

Ya nos daría la tabla el porcentaje que está debajo de la campana directamente. 00:03:26

Claro, eso es lo que hace. 00:03:43

Nosotros, en estadística, lo que hacemos es que, como hemos observado durante los estudiosos de la estadística y de las matemáticas, 00:03:45

han visto que el comportamiento de unos datos es repetitivo, sobre todo datos naturales. 00:03:54

Cuando nosotros decimos que es una estandarización normal, una distribución normal, sabemos que los datos se van a comportar siguiendo esta curva. 00:03:59

si siguen esta curva 00:04:07

da igual como sean nuestros 00:04:09

si van a seguir esta curva nosotros vamos 00:04:11

a adivinar que porcentaje 00:04:13

de que aparezca ese dato 00:04:16

si tienen ese comportamiento 00:04:17

vamos a tener gracias 00:04:19

a que sabemos cuanta probabilidad hay debajo 00:04:21

de cada zona de la curva 00:04:24

nuestra curva en concreto 00:04:25

va a tener esta forma 00:04:27

y es común en todos el hecho de que tienen 00:04:28

una media 00:04:32

que es simétrica a un lado 00:04:32

y a otro lado del medio 00:04:35

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. 00:04:37

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? 00:04:52

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. 00:05:06

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. 00:05:25

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. 00:05:31

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. 00:05:52

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? 00:06:11

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. 00:06:39

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? 00:06:58

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? 00:07:23

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. 00:07:39

Pues sustituimos los valores para tipificar. 00:07:55

El 5 es lo que queremos saber en qué parte de la gráfica, en qué probabilidad puede aparecer. 00:07:59

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

Esto es un valor de zeta. 00:08:15

Entonces, ¿qué tenemos que hacer con este menos 2,67? 00:08:17

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. 00:08:19

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? 00:08:45

0,57. 00:09:02

2,67. Iríamos a 2,6. Y ahora iríamos por esta línea buscando el 0,07. 00:09:06

Ah, bueno. Estoy mirando lo negativo, perdón. 00:09:16

Claro, pero ¿dónde lo mirarías negativo? 00:09:20

¿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. 00:09:22

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

Vale, pues sería 99,62. 00:09:42

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

¿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. 00:09:49

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

Sí. 00:10:28

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

menos 2,67, pues sería como hacia acá. 00:10:37

Entonces, desde aquí, desde 2,67 hacia acá, sería el 99,62. 00:10:41

Sería una rayita aquí, sería 99,62 hacia acá. 00:10:48

Pero claro, si es desde aquí, sería el trocito que hay de aquí a aquí. 00:10:51

Por lo tanto, sería el 100 menos el 99,62. 00:10:55

¿Entendéis? ¿Lo habéis entendido? 00:11:01

Bueno, como tenemos negativo, lo que buscamos es que este caso es... 00:11:09

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. 00:11:13

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. 00:11:38

¿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. 00:12:06

bien, en las tablas de distribución 00:12:27

para 1, ya hemos dicho antes 00:12:29

que nos da igual el valor para 1 00:12:31

que para menos 1 es 84,13 00:12:32

vamos a verificar pero veréis 00:12:35

que sí, 1, valor 1 00:12:37

está aquí 00:12:39

como no tiene ningún valor más 00:12:41

es 0,0,0, estaríamos aquí 00:12:42

84,13 00:12:44

estamos de acuerdo, ¿verdad? 00:12:46

vale, pues tenemos 84,13 00:12:49

para el valor 1, el valor 1 00:12:51

quiere decir que 00:12:53

desde aquí para acá 00:12:55

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? 00:12:57

¿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? 00:13:16

Sí. 00:13:28

Vale. 00:13:29

Una pregunta, profesora. ¿El 8,2 qué es? ¿La media? 00:13:30

Sí, mira, es que es para el mismo enunciado. 00:13:37

Ah, vale, vale. 00:13:40

Seguimos en el anterior. 00:13:42

Ah, vale. 00:13:43

¿Sabes? Mira, 8,2 es que la clase ha tenido una media de 8,2. 00:13:44

Vale, vale. 00:13:48

¿Vale? 00:13:49

8,2 la desviación. Vale, vale. 00:13:50

Es que me he saltado porque estas gráficas no están bien dibujadas por dónde va. 00:13:52

Y entonces, para explicaroslo, me parecía que era mejor en el siguiente ejemplo. 00:13:57

Como está esta rayita, se ve como más fácil. 00:14:00

Vale. 00:14:02

Vale. Bien. Por lo tanto, una vez que conocemos la probabilidad, 00:14:04

lo que hacemos es mirar el área bajo la curva, ¿vale? 00:14:08

Que corresponde al estado esto. 00:14:11

que corresponde al ser la curva simétrica pues es la misma a un lado que otro tenemos que el 15% 00:14:15

también es el trocito que hay desde el menos uno para este lado lo que se explica antes desde el 00:14:23

uno para este lado que hay un 15 con 87 y desde el 1 que hay pues un 15 con 87 igual no pues 00:14:29

finalmente lo que tenemos es una 84 con 13 de probabilidad de obtener menos de un 9 con 4 00:14:37

¿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? 00:14:44

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? 00:15:07

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. 00:15:30

¿Entendéis la utilidad de las tablas para conseguir entender el comportamiento estadístico de los datos? 00:15:44

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? 00:15:51

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? 00:16:08

Vale. 00:16:16

Las tablas luego vais a ver que... 00:16:17

A ver, en química hay un mostreo especialmente, bueno, en toda la química analítica. 00:16:19

Don Karna. 00:16:27

Fundamental, dime. 00:16:28

Perdona, es que de verdad, me está costando un pelín. 00:16:29

Todo lo que has explicado de cómo sacas los datos y de eso, te lo entiendo muy bien. 00:16:34

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

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. 00:16:48

Pero esto, ¿esto para qué se usa? 00:17:03

Esto se usa muchísimo, de hecho lo vas a ver. 00:17:07

¿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. 00:17:09

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. 00:17:27

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. 00:17:38

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. 00:17:59

¿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. 00:18:29

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. 00:18:58

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. 00:19:14

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. 00:19:29

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. 00:19:48

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? 00:20:15

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. 00:20:33

esto es en cuestión 00:20:50

de volumen de datos 00:20:54

realmente tú en un análisis 00:20:55

a veces tomas una serie de 00:20:58

datos 00:20:59

de información 00:21:02

pero sabes que lo que sucede entre el que has 00:21:03

cogido tú y el siguiente 00:21:06

parámetro 00:21:08

suceden un montón de cosas y tú con 00:21:09

la estadística sabes el comportamiento 00:21:12

de todas esas variables 00:21:14

que no has cogido entre medias 00:21:16

porque ya sabes gracias a la estadística cómo se va a comportar 00:21:17

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. 00:21:20

Muestreo por variables. 00:21:32

distribución cercana a la normal, o sea, lo que esperamos es que se comporte esta gráfica. 00:22:02

Por lo tanto, el grado de conformidad de la unidad analizada supone que la variable medida 00:22:08

esté dentro de unos márgenes de tolerancia. Ya verás como aquí ya te entiendes un poquito 00:22:13

más la utilidad práctica. Nosotros vamos a necesitar que esté, igual que hicimos en 00:22:17

el ejercicio, en este ejercicio que queríamos saber las notas que estaban entre 7 y 9, pues 00:22:21

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? 00:22:29

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. 00:22:39

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. 00:22:49

Esto es lo que se denomina intervalo de confianza, que también es un concepto estadístico. 00:23:15

Hay dos formas de solucionar los cálculos del muestreo por variantes. 00:23:22

A partir de la tabla de distribución normal vista anteriormente, 00:23:26

si nosotros establecemos entre ese 7 de nota y el 9,5, 00:23:29

pues hacemos lo mismo en nuestras muestras para un fármaco de una concentración de un principio activo. 00:23:34

Tiene que estar entre tanto porcentaje y tanto porcentaje para que sea aceptable 00:23:40

nuestro lote. Y entonces se va buscando esas cifras. O a partir de las tablas resumidas que 00:23:45

aparecen en una norma que se llama la UNE 66030 de 1984. La vais a tener como libro de cabecera 00:23:53

para muestreo. Os va a decir lo que hay que hacer con el muestreo en general. Y aquí están las 00:24:00

tablas. Vamos a ver un ejemplo. Imaginad que tenemos un lote de 500 unidades que tienen 00:24:08

unos límites de tolerancia entre el superior 10 y tolerancia inferior 7 y tomamos una muestra de 00:24:14

10 unidades con un resultado en el que tenemos una media de esta muestra de 9 y una desviación 00:24:24

de 1 cuál será el porcentaje de unidades fuera de tolerancia pues hacemos lo mismo que antes 00:24:31

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? 00:24:39

¿Por las muestras menores de 30? 00:25:03

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. 00:25:08

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. 00:25:26

Vale, pero como era negativo lo que vamos a hacer es restárselo a 100 00:25:46

Y nos da, 72 con 72 menos 100, ¿cuánto es? 00:25:55

8, 7 con 3, ¿no? o algo así 00:26:04

Pero es que los zetas no se calculan como valor absoluto 00:26:07

Dime 00:26:15

los Z no se 00:26:15

no se calculan como valor absoluto 00:26:19

y da igual mirarlo 00:26:21

como negativo o positivo, te vas al 00:26:23

valor que te da y directamente 00:26:25

claro, lo que pasa 00:26:27

que nosotros en este caso lo que estamos 00:26:29

calculando es un intervalo, entonces 00:26:31

por eso hacemos la negativa, ¿vale? 00:26:33

por eso hacemos la diferencia, porque queremos 00:26:36

saber que hay entre las dos rayitas 00:26:37

nos va a dar dos rayas, ¿vale? 00:26:39

y entonces nos dice que uno 00:26:42

nos dice que tenemos 00:26:43

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. 00:26:45

por un lado 00:27:04

o sea, en principio 00:27:06

tú lo haces así 00:27:08

y tienes todo lo que hay hacia este lado 00:27:09

todo lo que hay hacia este lado 00:27:12

¿vale? pero luego tienes otra rayita 00:27:14

hasta aquí y te dice 00:27:16

que es lo que hay de aquí 00:27:17

hacia acá, por lo tanto 00:27:20

lo que haces a esto, restarle lo que quedaba 00:27:22

de aquí a aquí 00:27:24

¿entiendes? 00:27:24

sí, sí 00:27:28

porque te está pidiendo 00:27:29

un intervalo 00:27:32

¿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. 00:27:33

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. 00:27:58

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. 00:28:17

Entonces, ¿qué es lo que nos pregunta? ¿Qué tenemos que descartar? Entonces, descartar es lo que queda fuera de esa probabilidad. 00:28:42

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. 00:28:47

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. 00:29:11

Entonces, la suma de estas dos es lo que se queda fuera. Globalmente, representan 91 unidades la suma de las dos. 00:29:28

No sé si me he explicado. ¿Lo habéis entendido así? ¿Y la aplicación de la curva para un caso? 00:29:36

yo por mi parte tengo que practicarlo 00:29:41

porque así a la primera 00:29:44

ya te digo yo que no, pero 00:29:46

te soy sincera 00:29:48

pero bueno 00:29:50

si hay algún modo en el que lo puedas 00:29:53

practicar, hay algo que 00:29:55

se puede decir más sencillo, tú dímelo 00:29:57

y volvemos para atrás 00:29:59

a ver, vamos a seguir 00:30:00

los pasos 00:30:05

elementales, independientemente de que 00:30:08

hayáis entendido, aunque los ejemplos 00:30:10

son muy claros, quiero decir 00:30:11

clarifican mucho lo que se dice teóricamente, pero quedaros con lo fundamental, fundamental de todos. 00:30:14

Entendemos que una distribución normal tiene esta forma, eso nos ha quedado cristalino, ¿verdad? 00:30:22

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. 00:30:26

Que lo que queda debajo es una probabilidad que nos la da una tabla, eso también lo tenemos claro. 00:30:32

Que para estos valores de esta tabla utilizamos siempre la misma fórmula, que es la de tipificación, esta. 00:30:38

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. 00:30:44

¿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. 00:31:03

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

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. 00:31:31

¿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? 00:31:53

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. 00:32:11

Es que al leer el enunciado sepáis identificar los datos que os dan con las letras de las fórmulas que vais a aplicar. 00:32:25

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. 00:32:34

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? 00:32:54

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? 00:33:18

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. 00:33:42

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. 00:34:01

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. 00:34:16

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. 00:34:25

La normativa establece que el muestreo por variable, la norma está dividida en cuatro secciones. 00:34:49

Esta norma os da toda la información. 00:34:55

Descripción general de los planes de muestreo. 00:34:58

La teoría que os doy yo la tenéis aquí en la lista. 00:35:00

Planes de muestreo basados en desviación estándar para variabilidad de lote o proceso desconocida. 00:35:04

Quiere decir que vamos a trabajar con la desviación estándar como dato. 00:35:12

¿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. 00:35:15

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. 00:35:33

¿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. 00:35:56

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. 00:36:14

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. 00:36:30

Si alguien iba a hacerme una pregunta y no la he dejado en mi monólogo. 00:36:43

Esta última, con la clave anterior, tiene el tamaño de la muestra y los valores de los números de aceptación. 00:36:51

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. 00:36:59

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

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

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

Nosotros tenemos un tamaño de muestra. El tamaño de muestra está entre 2 y 8 para un nivel de inspección. 00:37:38

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. 00:37:44

¿La F? 00:38:08

Sí, pero dilo con seguridad, ¿no? 00:38:10

¿Por qué lo dudas? 00:38:13

Porque tengo puesto un papel encima de la muestra. 00:38:14

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? 00:38:17

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. 00:38:40

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. 00:38:58

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. 00:39:25

¿La J? 00:39:49

La normal no, la rigurosa, la más estricta, el 3. El 3 es este. 00:39:50

Pues sería la J, ¿no? 00:40:05

La J, sí. 00:40:07

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. 00:40:09

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

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? 00:40:25

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. 00:40:40

Eso ya determina que es 80. 00:41:10

tipo de análisis tengas que hacer pero ese es tu tamaño vale vale vale nos vamos ahí y nos dicen 00:41:40

por ejemplo para un estilo propio de un nivel de inspección normal que sería el 2 por un lote 00:41:49

de 200 vale aquí os pone otro ejemplo porque claro que necesitaríamos conocer para lo que 00:41:54

yo os he dado de momento tendríais este dato ahora para saber qué nivel de confianza para 00:42:00

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. 00:42:08

250 unidades, los buscamos aquí, una inspección normal sería 250. 00:42:28

La G. 00:42:40

La G. 00:42:41

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. 00:42:42

vamos 00:42:53

aquí te lo dice hasta 32 00:42:55

y ahora dice dependiendo del nivel de confianza 00:42:57

que se desee, dicha tabla indica 00:43:00

los valores de aceptación y de rechazo 00:43:02

vale, pongamos el ejemplo de que 00:43:04

el nivel de confianza es 1,5 00:43:06

estaríamos aquí, nivel de confianza 00:43:08

1,5, ¿lo veis? 00:43:10

ahí, 1,5 00:43:13

nuestro nivel de confianza 00:43:14

pues nos vamos hacia abajo 00:43:16

hasta cruzarnos con la G, es aquí ¿verdad? 00:43:17

no me he movido 00:43:20

¿estoy bien? 00:43:21

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? 00:43:23

Perdona, Encarna, que has dicho de 1, 2. Puedes volver y volverla a repetir, por favor. 00:43:53

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. 00:43:57

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. 00:44:15

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. 00:44:36

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? 00:44:56

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

Eso es. 00:45:18

Vale. 00:45:19

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. 00:45:20

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. 00:45:39

¿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. 00:46:07

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. 00:46:26

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. 00:46:42

¿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? 00:46:56

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. 00:47:21

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. 00:47:32

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

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. 00:47:50

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. 00:48:12

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… 00:48:29

para lo segundo, establece el orden para que no cometas errores de acera, algo que deberías 00:48:51

haber hecho previamente. Siempre simplifica todo el hecho de que esté normalizado, ¿vale? 00:48:59

Por eso los PNT son tan importantes, ¿vale? Vale, la aplicación secuencial de la norma 00:49:04

es, primero tenemos que comprobar que la variable a mostrar cumple la distribución 00:49:10

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. 00:49:14

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. 00:49:33

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. 00:49:50

¿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. 00:50:18

Vamos a ver ejemplos de esto. 00:50:45

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. 00:50:53

Cuanto mayores son los niveles de calidad, ¿vale? 00:51:10

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. 00:51:15

Cuanto mayor es el nivel de calidad, pues más exigente será. 00:51:28

Comprobamos que el valor anterior con el valor de tabulación K. 00:51:34

El valor de tabulación es una cosa que vamos a encontrar en otra tabla. 00:51:38

¿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. 00:51:43

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. 00:52:02

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. 00:52:23

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. 00:52:38

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. 00:53:02

las tablas nos van a dar un valor K 00:53:14

y un valor M 00:53:20

nosotros mediante la tipificación 00:53:20

como hemos hecho antes 00:53:24

nosotros 00:53:25

mediante las Z estas 00:53:27

vamos a tipificar las U 00:53:29

pero se van a calcular igual 00:53:31

nos va a dar unos valores 00:53:33

esos valores luego 00:53:35

los vamos a comparar 00:53:37

con unos valores que nos dan la tabla 00:53:38

que dependiendo del método se van a llamar 00:53:42

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? 00:53:44

Ay madre, no os he perdido, ¿no? 00:54:05

No, nos hemos asustado un poco con los métodos estos. 00:54:10

Vamos a ver si viendo un ejemplo es más fácil, ¿vale? 00:54:14

bien, vemos un ejemplo 00:54:17

como se pone 00:54:19

entiendo que veis exactamente lo mismo que yo 00:54:22

veis lo de grabadora y todo esto igual, ¿no? 00:54:25

y esto negro que se pone 00:54:28

os tapa el texto, ¿verdad? 00:54:30

siempre te vemos con un pelín de retraso 00:54:38

ahora estamos viendo la diapositiva 00:54:40

de ejemplo resuelto 1 00:54:42

para el procedimiento K 00:54:45

¿la diapositiva va a marcar? 00:54:46

¿sí? 00:54:51

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… 00:54:54

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. 00:55:07

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

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? 00:55:28

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? 00:55:40

se somete a un lote de 100 unidades a inspección normal, con un nivel de calidad aceptable de 2,5%. 00:55:54

¿Debe aceptarse el lote si X647 y S17,22? 00:56:04

Se comprueba inicialmente la distribución de la concentración de reactivo es normal y continua, quiere decir. 00:56:12

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. 00:56:18

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? 00:56:39

Estamos viendo tablas, planes de muestreo por variables. 00:57:05

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. 00:57:08

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. 00:57:32

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? 00:58:04

Sí, 2,5. 00:58:18

Vale, tenemos un nivel de confianza 2,5, F, 10, 1,41. 00:58:22

¿Bien? Vale. 00:58:29

¿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. 00:58:38

¿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? 00:59:06

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. 00:59:15

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

vale en la tabla que busquemos es la que determina el método que vamos a usar de hecho ahora vamos a 00:59:36

hacer un ejemplo con la m y verás que buscamos en otra tabla vale entonces tenemos el parámetro 00:59:44

porque lo hemos buscado en esta tabla la tabla 2a vale bien hacemos el mismo cargo que hicimos 00:59:52

para las zetas recordáis lo que pasa que ahora nuestra incógnita es nivel de calidad pero si 00:59:58

ustedes cuenta usamos exactamente los mismos parámetros vale para el nivel de calidad superior 01:00:02

vamos a utilizar la tolerancia superior vale la tolerancia superior según la especificación está 01:00:07

entre 620 y 680 las superiores 680 vale en 680 menos la media la tenemos aquí partido de la 01:00:16

distribución que es 17 y nos da una calidad superior de 1.92 para la calidad inferior 01:00:28

hacemos la tolerancia inferior que es 620 vale y 647 nos va nos tiene que dar positivo por eso 01:00:35

no hemos dado la vuelta porque el valor está por debajo de la media lo veis bien y nos da 157 y 01:00:45

ahora qué es lo que tenemos por lo que nos ha dicho el método el método nos dice que si nuestro 01:00:53

nivel de calidad superior es mayor que la acá que tenemos vale tenemos que hacer una cosa y si el 01:00:59

manual el nivel inferior es otro tenemos que hacer algo que nos lo dice aquí dice si nuestra calidad 01:01:08

inferior y superior son mayor o igual acá el lote se acepta si la inferior y superior es menor acá 01:01:16

se rechaza en nuestro caso es mayor o menor 192 157 ambas son mayores por lo tanto nuestro lote se hace 01:01:27

pero es entendido 01:01:40

qué miedo 01:01:50

al final es un poco metódico vale o sea por mucho que yo trate de cada una de las cosas 01:01:54

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. 01:02:03

Entonces, aplicamos lo que es el método. 01:02:18

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. 01:02:48

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. 01:03:05

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, 01:03:19

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. 01:03:31

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. 01:03:45

¿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. 01:04:05

Sí, esto lo tenemos que practicar. 01:04:31

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

Cuélganos las tablas para que nos familiaricemos con ellas. 01:04:41

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? 01:04:45

dependiendo del método que uséis 01:04:57

saber qué os hace aceptarlo o rechazarlo 01:05:01

bueno, ahora vamos a hacer otro ejemplo 01:05:04

con el método M 01:05:07

¿es a las 5 cuando acabo con vosotros? 01:05:08

¿a qué hora tenéis micro? 01:05:15

hoy no tenemos micro por lo que estamos en semana de prácticas 01:05:18

pero en teoría sí acabamos a las 5 01:05:22

bueno, creo que para el ejemplo me da tiempo 01:05:24

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? 01:05:27

se comprueba inicialmente que la distribución 01:05:44

se comporta como normal 01:05:46

eso sí que tenemos que hacer para saber que los datos 01:05:48

se van a comportar según las fórmulas 01:05:50

que vamos a aplicar. Bien, determinamos 01:05:52

la letra, que es la misma 01:05:54

que es la F. Lo que sucede es que 01:05:55

ahora con 01:05:58

nuestra letra F nos vamos a ir 01:05:58

a una tabla que es la tabla B3 01:06:02

¿vale? Para el parámetro M, para el 01:06:04

método M, nos vamos a ir 01:06:06

a la tabla B3 01:06:08

vamos a ir a la tabla B3 01:06:09

nos vamos a ir aquí 01:06:13

esta, P3 01:06:18

teníamos F, ¿recordáis? 01:06:27

que era el tamaño de muestra, F 01:06:30

a ver mía que mal se ve, ¿veis bien? 01:06:31

un poquillo chiquitín, pero bueno 01:06:36

muy bien, no se ve la verdad 01:06:38

pero, ¿sabéis? no es una cuestión ya solo de que 01:06:40

sea chiquitín, es una cuestión 01:06:43

de que... Por fin, ¿no me deja mover esto? 01:06:46

Casi no se distinguen los números. 01:06:49

Sí, de que no están claros los números. 01:06:53

Vale. 01:06:58

Bueno, yo creo que en PDF... 01:06:59

No sé si es porque está proyectado. No, yo creo que es que 01:07:01

está escaneado. Voy a trataros 01:07:03

de mejorar el documento, ¿vale? 01:07:05

Os lo iba a colgar directamente, pero no, os lo voy a 01:07:07

buscar un poquito mejor. 01:07:09

Se ve fatal, ¿eh? Pero bueno, vamos 01:07:10

a trabajarlo deduciéndolo, ¿vale? 01:07:13

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? 01:07:14

Sí, tiene pinta. 01:07:34

Tiene pinta, ¿no? Vale. Pues vamos a ver qué nos dice nuestro problema con eso. 01:07:36

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

Las unidades y el parámetro M. Ya tenemos que es 729. 01:07:51

Ahora calculamos los parámetros que son los mismos que antes, por lo tanto, los tenemos calculados. 01:07:56

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. 01:08:01

Madre mía, es que estoy mareada 01:08:28

de lo mal que se ve 01:08:33

Me he olvidado 01:08:34

¿Qué parámetro teníamos? 7 con 01:08:37

7 con 29 01:08:39

7 con 29 era, ¿no? 01:08:42

Vale 01:08:45

Teníamos 7 con 29, pero aquí 01:08:46

Teníamos 01:08:49

tamaños de la muestra 01:08:51

No, tenemos, el tamaño de la muestra era 10 01:08:53

Bien, vale 01:08:55

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. 01:08:56

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, 01:09:23

¿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. 01:09:56

157 01:10:19

157 01:10:21

tendríamos que extrapolar 01:10:24

¿sabéis qué es extrapolar? 01:10:26

10, 5,9 01:10:29

1,50 y espérate 01:10:30

no veo ni por qué línea voy 01:10:33

5,9 01:10:36

para tamaño de muestra 10 01:10:37

extrapolar quiere decir 01:10:38

que como no tenemos 01:10:41

los valores entre 1,5 01:10:42

y 1,6 01:10:45

hacemos una regla de 3 01:10:46

¿entendéis? 01:10:47

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? 01:10:51

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. 01:11:17

aunque en la tabla no viene, lo calculamos conociendo el que está por encima, que es 01:11:35

el 1,9, y el que está por debajo, que es 2. Como el nuestro está entre medios, el 01:11:41

1,92, al interpolar nos da 1,68. Y nos pasa lo mismo con el 1,57. Con 1,57 conocemos el 01:11:46

1,5 y conocemos el 1,6. Al interpolar nos da 4,92. Entonces, tenemos que el porcentaje 01:11:55

de defectos total será 01:12:04

la 01:12:05

PS más 01:12:07

P superior e inferior. 01:12:09

Entonces será la suma de este 01:12:12

con este. Nos da 6,60. 01:12:13

6,60. 01:12:16

¿Es mayor o menor del 01:12:18

que habíamos cogido en la tabla que era 7,29? 01:12:20

Es menor, ¿no? 01:12:23

Por lo tanto 01:12:25

se acepta. ¿Por qué? Porque lo dice 01:12:26

el método. A ver. 01:12:27

Oye, ¿lo veis demasiado pequeño? 01:12:33

MT dice que si es menor 01:12:37

se acepta el lote. Si los P que te dan 01:12:39

son menor, se acepta. Si es mayor o igual, se rechaza. 01:12:42

¿Lo veis pequeño? 01:12:47

Sí, está un poquito pequeño, pero bueno. 01:12:51

¿Me habéis conseguido ver? Espera. Es que quería volver a la tabla 01:12:54

y para volver a la tabla tengo que... 01:12:58

A ver, os lo repito, porque aquí hay un montón de datos, ¿vale? 01:12:59

Y a lo mejor no tenéis bien claro lo de interpolar, que es lo que 01:13:03

os ha hecho lío, ¿vale? ¿Qué tenemos? 01:13:06

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? 01:13:11

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? 01:13:25

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? 01:13:49

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. 01:14:13

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. 01:14:27

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. 01:14:49

Bien chicos, os he hecho un poco de bola. 01:15:24

Impresiones tuyas. 01:15:32

impresiones de verdad que es metódico vale luego sólo seguir los pasos lo que pasa que 01:15:34

la primera vez que lo veis es normal que no sea que no suene y que no sea intuitivo vale esto de 01:15:44

la interpolación y todo eso es sencillo vale sino si no conocemos porque hay una fracción más que 01:15:51

lo que nos da la tabla pues cogemos el valor superior y el valor inferior y calculamos lo 01:15:56

bueno chicos pues lo dejamos aquí pero en alguna consulta y no sé en qué momento parpa 10 pero 01:16:03

qué diferencia hay entre el método que hay en el procedimiento m porque realmente de 01:16:16

Clase 2 UT2 - Contenido educativo

Del mismo autor…

Brazil forecast

DefensaProyecto0126_FJPA

Insertar Canva en AV

Algunos momentos en el cole

DefensaProyecto0126_FJTZ

Spain forecast

DefensaProyecto0126_BGFS