Universidad Tcnica Federico Santa Mara

Departamento de Matemtica

A NEXO

B:

Renato Allende Olivares

Humberto Villalobos Torres

EXACTITUD Y PRECISIN ESTRATIFICACIN Y

OTROS TPICOS

I.- EXACTITUD Y PRECISIN

Al recopilar datos, la cantidad de cifras de stos estar en funcin del uso que
se le piense dar. Por ejemplo al recopilar datos sobre la vida til de focos de luz, es
aceptable registrar un valor de 995,6 horas; sin embargo, registrar un valor de
995,632 horas resulta excesivamente exacto pero innecesario. Asimismo la
especificacin de una llave establece como lmite inferior 9,52 mm. (0,375 pulgadas)
y un lmite superior de 9,58 mm. (0,77 pulgadas); al recolectar datos se deben
considerar hasta al 0,001 mm. ms cercano y redondearlo al valor de 0,01 ms
cercano. En general, cuantas ms cifras haya a la derecha del punto decimal, ms
complejo deber ser el instrumento de medicin utilizado.
En muchas ocasiones no es posible tener mediciones fidedignas debido a
problemas de diversa ndole propios de los datos que se estn analizando, por
ejemplo, en el caso de utilizar instrumentos de medicin mecnicos: stos se pueden
descalibrar (por uso y falta de control); mal manejo de los aparatos; inadecuada
instalacin de stos, etc. Mayor es el problema cuando el instrumento de medicin
depende necesariamente de criterios o factores humanos, pues la subjetividad propia
del ser siempre afecta las mediciones.
En este sentido, en la toma de datos se deben tener presentes dos conceptos
bsicos importantes y diferentes, que son la exactitud y precisin de la medicin.
Particularmente cuando la poblacin en estudio esta claramente estratificada, stos
conceptos son de gran utilidad en la comparacin de los estratos. La exactitud, esta
relacionada con el grado de cercana que tienen las mediciones con respecto a un
valor objetivo que no necesariamente debe ser el promedio, aunque sea este ltimo
una buena medida para medir la exactitud del estrato. La precisin de las mediciones
esta relacionada con el grado de dispersin presente en los datos recopilados. Estos
conceptos se pueden apreciar esquemticamente en la siguiente figura.

De estos conceptos se deben desprender dos aspectos importantes. El primero

es que no se puede hablar de exactitud y precisin en datos que no sean
iv

Universidad Tcnica Federico Santa Mara

Departamento de Matemtica

Renato Allende Olivares

Humberto Villalobos Torres

cuantitativos. Si bien es cierto en el pasado se definieron medidas como la desviacin

modal, no es sensato determinar sta en datos ordinales o nominales, pues las
caractersticas que cumplen estos datos no son de distancia, por tanto difcilmente se
podra hablar de dispersin.
El segundo, es que cuando se habla de la precisin en las mediciones, es decir,
la dispersin de presente stas, pero dispersin respecto a que? comnmente la
varianza es una buena medida, sin embargo, dado que se est en una poblacin
estratificada, no sera extrao en ningn caso que se obtengan promedios distintos en
cada estrato, por lo tanto si la dispersin es distinta en cada estrato, no habra de
extraarse que la varianza tambin sea distinta en cada estrato. En este sentido una
medida de variabilidad de gran uso y utilidad en la comparacin de poblaciones o
subpoblaciones en el caso de estratos, est dada por el coeficiente de variacin (CV),
que indica la magnitud relativa de la desviacin estndar con respecto a la media de la
distribucin. La frmula de clculo se expresa por:
Poblacin

CV =

Muestra

CV =

s
x

A P L I C A C I N 1 : Para 2 acciones de empresas de la industria electrnica, el

precio promedio de cierre en el mercado de valores durante un mes fue, para la accin
A, de $15.000, con desviacin estndar de $500. Para la accin B, el precio promedio
fue de $5.000, con desviacin estndar de $300. Haciendo una comparacin absoluta
result ser superior la variabilidad en el precio de la accin A, debido a que muestra
una mayor desviacin estndar. Pero con respecto al nivel de precios, deben
compararse los respectivos coeficientes de variacin:
CV (A) =

500
= 0,033
15000

CV(B) =

300
= 0,060
5000

Puede concluirse que el precio de la accin B ha sido casi 2 veces ms

variable que la accin A (entonces ms riesgosa?).
Nota: El coeficiente de variacin permite comparar poblaciones aunque estn en
distintas unidades.
Sin embargo en muchas ocasiones se ha mencionado que la media como la
desviacin estndar no son buenos indicadores de tendencia central y dispersin, pues
ante la presencia de datos extremes estos son fuertemente influenciados. En estas
situaciones es til, un indicador resistente (robusto) a la presencia de datos extremos
conocido como coeficiente de variacin robusto (CVR), el cual se conforma a traves
de los cuarteles uno y tres, y es representados por:
CVR =

Q3 Q1
Q3 + Q1
v

Universidad Tcnica Federico Santa Mara

Departamento de Matemtica

Renato Allende Olivares

Humberto Villalobos Torres

Este indicador en muchas ocasiones requerido para la comparacin de la

variabilidad de los datos en el centro de estos, dado que la presencia de datos
extremadamente grandes o pequeos, se encuentran en los extremos y no son
capturados por los cuarteles centrales.
A P L I C A C I N 2 : Se toman dos muestras de materiales fabricados con tipos
distintos de acero para analizar la resistencia a la ruptura. Los siguientes grficos
resumen los tiempos mximos que soportan dichos materiales antes de fragmentarse,
cuando son sometidos a la tensin:
Acero Tipo I

Acero Tipo II

0,5
0,4

0,30

0,3
0,2
0,1

0,50

0,5

0,20

0,4
0,25

0,3
0,15

0,10

0,2
0,1

0,25
0,10

0,10

0,05

0,0

0,0
0 - 4

4 - 8

8 - 12

12 - 16 16 - 20

Resitencia [ua]

0 - 4

4 - 8

8 - 12 12 - 16 16 - 20

Resistencia [ua]

Claramente se puede apreciar que la distribucin de los datos dentro del rango
de la tabla no es distinta para ambos tipos de acero, es ms se puede observar una
clara simetra positiva en el acero tipo 2. Los clculos de las medidas utilizadas para
el coeficiente de variacin y el coeficiente de variacin robusto son:

x1 = 10, 60
x2 = 8, 00

s1 = 4,779
s2 = 3,899

CV1 = 45,08%
CV2 = 48,74%

Q11 = 7,00
Q12 = 5,20

Q31 = 14,40
Q32 = 10,40

CVR1 = 34,58%
CVR2 = 33,33%

Claramente se puede apreciar que la presencia de los datos extremos afectan la

comparacin de la variabilidad y variabilidad relativa, al analizar la dispersin de
ambos tipos de acero, incluso al tener resultados contradictorios entre el CV y el
CVR, determinado posteriormente.
En muchas ocasiones se desea obtener la precisin mediante la dispersin de
las mediciones respecto a un valor objetivo, particularmente en control de calidad no
es de inters comparar los resultados de las mediciones respecto a las tradiciones
medidas de tendencia central, sino respecto a un estndar ofrecido por especificacin,
por ejemplo, peso neto de un producto. Una medida de variabilidad directa para la
comparacin de las poblaciones o estratos en cuestin respecto a este valor objetivo,
vi

Universidad Tcnica Federico Santa Mara

Departamento de Matemtica

Renato Allende Olivares

Humberto Villalobos Torres

generalmente conocido como un valor target, es representada por la desviacin

objetivo, la cual es expresada por:
2

St =

i =1

( xi t )
n

t = valor Objetivo

Se utiliza con mayor frecuencia la raz cuadrada de sta, representada por S t .

A P L I C A C I N 3 : A fin de controlar la calidad de un particular tipo de hilo
producido en serie, los ingenieros de control de calidad toman una muestras al azar de
tamao 7, correspondientes a cada uno de los cuatro turnos que los operarios realizan
y se mide la resistencia a la tensin [en libras], cuyos datos se muestran a
continuacin. Se tiene que la media por especificaciones debe ser de 48.01 [libras].
Observacin
Turno 1
Turno 2
Turno 3
Turno 4

1
44
44
42
51

2
46
43
48
52

3
48
42
46
48

4
52
43
53
49

5
49
46
54
47

6
47
45
49
47

7
48
44
44
50

En la siguiente tabla se muestran algunas medidas de resumen de cada turno

asociado al problema antes expuesto. En sta sin duda alguna se puede observar que
la exactitud del turno 3 es el ms adecuado. Totalmente discutible sera discutir la
solucin al problema de la inexactitud de los otros turnos, algunos pueden dar
preferencia en mejorar la exactitud del turno 2 por estar ste aberrantemente alejado
del valor objetivo. Sin embargo, otros preferiran mejorar en primera instancia los
turno ms cercanos, pero cual, el turno 1 que se encuentra ms cerca y no cumple con
los requisitos de resistencia, por lo cul no es un buen producto, o bien el turno 4 que
se encuentra ms alejado que el turno 1 del valor objetivo, pero con la caracterstica
especial que ste resiste ms de lo especificado (con un respectivo costo de por
medio).
Observacin

Media

Turno 1
Turno 2
Turno 3
Turno 4

47,71
43,86
48,00
49,14

Desviacin
estndar
2,50
1,35
4,43
1,95

Coeficiente de
variacin
5,23%
3,07%
9,24%
3,97%

St
2,33
4,34
4,11
2,13

Ahora bien cuando se entra a discutir la precisin de la resistencia de los hilos

el problema es ms agudo, pues el coeficiente de variacin nos presenta una
alternativa bastante distinta de S t . Luego cul turno es el ms preocupante y el
vii

Universidad Tcnica Federico Santa Mara

Departamento de Matemtica

Renato Allende Olivares

Humberto Villalobos Torres

menos preocupante? la respuesta depende de los requerimientos de importancia que

asigne el encargado de control de calidad (escala de necesidades de ste).
II.- MEDIA Y VARIANZA PONDERADA
Como se observ en los casos anteriores cuando la variable de estudio est
claramente dividida en estratos, y en cada uno de stos se pueden obtener medidas de
tendencia central y dispersin (exactitud y precisin), o bien cuando se tiene
informacin (medidas de resumen) slo de los estratos por separado y no se cuenta
con los datos (ver figura), buenas medidas de resumen de la poblacin total que se
obtienen de resmenes anteriores de la poblacin (medias y desviaciones estndar de
cada estrato) son la media y varianza total, tambin llamadas media y varianza
ponderada.

1.- La Media Ponderada: La media ponderada o promedio ponderado es una

media aritmtica, en la cual se considera a cada uno de los valores de acuerdo
con su importancia en el grupo. Las frmulas para la media ponderada
poblacional y muestral son idnticas y estn dadas por:
h

i i

p =

i =1
h

p
i =1

px

i i

x p = i =1
h

i =1

viii

Universidad Tcnica Federico Santa Mara

Departamento de Matemtica

Renato Allende Olivares

Humberto Villalobos Torres

donde la importancia del grupo en la poblacin total est dada por los pesos
expresados por pi, que generalmente se escogen de acuerdo al tamao del grupo.
A P L I C A C I N 4 : En una compaa que maneja 4 productos, los mrgenes de
utilidad correspondientes a cada uno de ellos durante el ao fiscal anterior fueron:
Producto A, 4,2%; Producto B, 5,5%; producto C, 7,4%; y producto D, 10,1%.

El margen de utilidad promedio, no ponderado, es:

=

27,2
= 6,8%
4

Sin embargo, este promedio no ponderado es incorrecto porque se vendieron

cantidades distintas de los 4 productos.
Suponiendo los totales de ventas y margen de utilidad que aparecen en la
Tabla siguiente, se encuentra que el promedio ponderado describe en forma correcta
el promedio global.
Producto
A
B
C
D

Margen de
utilidades (%)
4,2
5,5
7,4
10,1

Ventas (p)
$ 30.000.000
$ 20.000.000
$ 5.000.000
$ 3.000.000

pX
$ 1.260.000
$ 1.100.000
$ 370.000
$ 303.000

i i

p =

i =1
h

3.033.000
= 5,2%
58.000.000

i =1

De manera anloga se puede obtener una ponderacin de acuerdo a las ventas

por producto, obtenindose idntico resultado.
Producto
A
B
C
D

Margen de
utilidades (%)
4,2
5,5
7,4
10,1

Ventas (p)
$ 30.000.000
$ 20.000.000
$ 5.000.000
$ 3.000.000

pi
0,5173
0,3448
0,0862
0,0517

Si se consideran los datos del Aplicacin 3, donde la ponderacin de acuerdo

ix

Universidad Tcnica Federico Santa Mara

Departamento de Matemtica

Renato Allende Olivares

Humberto Villalobos Torres

a la muestra tomada en cada estrato se puede percibir que el promedio ponderado es

igual al promedio aritmtico de las cuatro medias de los turnos como se observa a
continuacin.
Estrato
Turno 1
Turno 2
Turno 3
Turno 4

Tamao Muestra
7
7
7
7

Ponderacin
7/28
7/28
7/28
7/28

Media
47,71
43,86
48,00
49,14

x =

i =1

px

i i

xi
= 47,18 [Libras]
4

xp =

i =1
4

47.18
= 47,18 [Libras]
1.00

i =1

2.- La Varianza Ponderada: La varianza ponderada es una varianza descompuesta

y ponderada, en la cual se considera a cada una de las medidas de dispersin de
los estratos de acuerdo con su importancia en el grupo, adems de una
descomposicin de la variabilidad debido a la variabilidad propia del estrato,
tambin llamada variabilidad dentro o Intra, y una variabilidad propia entre los
estratos, tambin llamada variabilidad entre o Inter. Las frmulas para la
varianza ponderada poblacional y muestral son idnticas y estn dadas por:
2
p

2
pi i

i =1

p (
i

p)

2
Sp =

i =1

i =1

2
pi si +

p (x
i

i xp)

i =1

donde:
h

i =1
h

2
pi i

ps

2
i i

= Representa la variabilidad Dentro.

i =1

pi ( i p )

i =1

p (x
i

xp)

= Representa la variabilidad Entre.

i =1

Por esta descomposicin de la variabilidad total, se pueden obtener los

porcentajes de variabilidad debido a la variabilidad propia de los estratos y a la
variabilidad propia de la estratificacin qu porcentaje debe ser el mayor? la
respuesta, depende del problema que se este estudiando.
x

Universidad Tcnica Federico Santa Mara

Departamento de Matemtica

Renato Allende Olivares

Humberto Villalobos Torres

Considerando las medidas de resumen del ejemplo 2 resistencia de los hilos

en libras se obtiene que el mayor aporte (en porcentaje) a la variabilidad esta dada
por la variabilidad propia de la resistencia de los hilos. sto es bueno o malo?
Estrato
Turno 1
Turno 2
Turno 3
Turno 4

Tamao Muestra
7
7
7
7

Ponderacin
7/28
7/28
7/28
7/28

Media
47,71
43,86
48,00
49,14

Varianzas
[2,50]2
[1,35]2
[4,43]2
[1,95]2

ST2 = Dentro + Entre

ST2 = 7,881 + 3,963

ST2 = 11,844 [libras]2

Dentro 66,5%

Entre 33,5%

Ahora bien, si considerando las medidas de resumen del ejemplo 4 Margen

de utilidad y volumen de ventas para 4 productos se obtiene que el mayor aporte (en
porcentaje) a la variabilidad esta dada por la variabilidad propia del margen de
utilidad. sto es bueno o malo?, Es razonable?.
Producto
A
B
C
D

Margen de
utilidades (%)
4,2
5,5
7,4
10,1

Ventas (p)

Varianza (%)

Pi

$ 30.000.000
$ 20.000.000
$ 5.000.000
$ 3.000.000

4,02
5,20
6,85
9,08

0,5173
0,3448
0,0862
0,0517

ST2 = Dentro + Entre

ST2 = 4,934 + 2,206

ST2 = 7,140 [%]2
Dentro 69,1%

III.-

Entre 30,9%

CAMBIOS DE ESCALA (VALORES ESTNDARIZADOS)

Otras de las tcnicas muy utilizadas en la comparacin de estratos est dada

por la determinacin de los valores estandarizados de la medida de tendencia central
utilizada para medir exactitud cada una de las poblaciones o subpoblaciones
xi

Universidad Tcnica Federico Santa Mara

Departamento de Matemtica

Renato Allende Olivares

Humberto Villalobos Torres

(estratos). El objetivo de esta estandarizacin, es realizar un cambio de escala en las

medidas de resumen de cada estrato con el fin particular de medir y comparar la
exactitud y precisin de stos.
Se entender por estandarizacin a la transformacin que cumple con: restar a
cada medida de tendencia de una subpoblacin la media general y a esta diferencia
divide por la desviacin estndar general. Esta transformacin es expresada por:

zi =

xi x
s

donde zi, representa la transformacin de la i-sima medida de tendencia (notar que se

utiliz el promedio, pero no tiene porque ser ste) respecto de la poblacin total.
A P L I C A C I N 4 : Una importante multitienda est interesado en la demanda
anual de ciertos artefactos. Para esto se seleccionaron al azar algunos meses en tres
tiendas, en la cuales se obtuvo que la demanda mensual de los artefactos fueron:

Demanda Multitienda
1
2
3
40
60
77
45
75
43
50
65
70
55
95
115
60
69
83
70
65
136
65
67
127
65
100
76
75
86
42
75
79
45
80
67
91
100
71
49
90
73
37
95
90
43
85
91
120
Promedio
Desviacin
C.V.
zi

70,00
76,87
76,93
18,13
12,53
34,33
25,90% 16,31% 44,62%
-0,1979 0,0975 0,1004

xii