Estadística
HISTOGRAMA
El histograma es una gráfica de barras que permite describir el
comportamiento de un conjunto de datos en cuanto a su tendencia central,
forma y dispersión. El histograma permite que de un vistazo se pueda tener
una idea objetiva sobre la calidad de un producto, el desempeño de un
proceso o el impacto de una acción de mejora. La correcta utilización del
histograma permite tomar decisiones no sólo con base en la media, sino
también con base en la dispersión y formas especiales de comportamiento de
los datos. Su uso cotidiano facilita el entendimiento de la variabilidad y
favorece la cultura de los datos y los hechos objetivos.
CONSTRUCCIÓN DE UN HISTOGRAMA
A continuación, mediante un ejemplo, se ilustra la construcción de un
histograma.
EJEMPLO 4.4
Es necesario describir el comportamiento de los datos de la tabla 4. 1,
correspondientes al peso de las bolsas de azúcar, para decidir cuál de las dos
marcas satisface mejor la exigencia de que el peso sea de 500 gramos (ver
ejemplo 4.1). Por lo tanto, para decidir correctamente y detectar posibles
anormalidades en los datos se va a construir un histograma para los datos de
cada marca. Para ilustrar la forma de obtener un histograma se utilizarán los
datos de la marca A.
Paso 1. Determinar el rango de los datos. El rango es igual a la diferencia
entre el dato máximo y el mínimo. R = 566 - 437 = 129.
Paso 2. Obtener el número de clases (NC) Existen varios criterios para
determinar el número de clases (o barras). Sin embargo, ninguno de ellos es
exacto. Se recomienda obtener de cinco a quince clases, dependiendo de
cómo estén los datos y cuántos sean. Un criterio usado frecuentemente es
que el número de clases debe ser aproximadamente igual a la raíz cuadrada
del número de datos. En el ejemplo, la raíz cuadrada de 30 (número de bolsas
pesadas de la marca A) es mayor que cinco, por lo que se eligen 6 clases, NC
- 6. En ocasiones, modificando el número de clases se pueden apreciar
aspectos que no se habían observado por lo que, si se dispone de un
programa computacional, es recomendable experimentar con diferentes
números de clases que estén cercanos al valor propuesto inicialmente.
Página 1
Estadística
Paso 3. Establecer la longitud de clase (LC). La longitud de clase se establece
de tal manera que el rango pueda ser cubierto en su totalidad por NC (6)
intervalos de igual magnitud. Así, una forma directa de obtener la LC es
dividiendo el rango entre el número de clases, LC - R/NC Sin embargo, en
ocasiones resulta más conveniente ampliar un poco el rango para que la
longitud de clase esté expresada de manera más sencilla o en el mismo tipo
de cifras que están los datos. Por ejemplo, en el caso que nos ocupa, LC =
(129/6) - 21 .5, que no es un entero, contrariamente a como son los datos
originales; si ampliamos un poco el rango (a 132) y tomamos LC = 22 se
facilitará el resto de la construcción del histograma.
TABLA 4.2
Clase Intervalo Marcas frecuencia Frecuencia
para relativa
conteo
1 435 a 537 //// 4 13.3%
2 457 a 479 /// 3 10%
3 479 a 501 //// 4 13.3%
4 501 a 523 ///////// 9 30%
5 523 a 545 //////// 8 26.7%
6 545 a 567 // 2 6.6%
Paso 4. Construir los intervalos de clase. Los intervalos de clase resultan de
dividir el rango (original o ampliado) en NC (6) intervalos de longitud LC (22)
cada uno, como se muestra en la tabla 4.2. El punto inicial para la primera
clase puede ser el dato mínimo si no se amplió el rango. Si se amplió el rango
el punto inicial es un poco antes del mínimo. En el ejemplo, como se aumentó
el rango en tres unidades, en lugar de iniciar en 437 se iniciará en 435. Para
obtener la primera clase, se le suma al punto inicial la longitud de clase y así
se obtiene el intervalo de la primera clase (ver tabla 4.2). Para obtener el
intervalo de la segunda clase, se toma el final de la primera clase como punto
inicial y se le suma la longitud de clase, y así se sigue hasta completar todos
los intervalos como se muestra en la tabla 4.2.
Paso 5. Obtener la frecuencia de cada clase:
Para obtener la frecuencia se cuentan los datos que caen en cada intervalo de
clase (ver tabla 4.2). Cuando un dato coincide con el final de una clase y
principio de la siguiente, entonces tal dato se incluye en esta
Página 2
Estadística
Figura 4.1 Histograma para las bolsas de azúcar
Última. Por ejemplo, si en la tabla 4.2 una bolsa hubiese pesado 479 gramos,
entonces ésta se contabiliza en la clase tres, no en la dos.
Paso 6. Graficar el histograma. Se hace una gráfica de barras en la que las
bases de las barras sean los intervalos de clase y la altura sean las
frecuencias de las clases. El histograma de la figura 4.1 muestra este paso. A
partir de la figura 4.1 se puede apreciar la alta variabilidad del peso de la
muestra de las bolsas de azúcar de la marca A, que prácticamente va desde
430 hasta 570 gramos.
En la figura 4.2 se muestra el histograma para los datos de la marca B, a partir
del cual se aprecia que tienen una variabilidad mucho menor en las bolsas de
la marca A. En ambos histogramas se observa que la tendencia central en
ambas muestras es similar (Cercana a 500 gramos). Además no hay
situaciones especiales en cuanto al comportamiento, como serian datos raros,
sesgos, etcétera.
Así, con un vistazo y comparación rápidos de los histogramas se aprecia que
la muestra de las bolsas de la marca B cumple mejor los requerimientos para
elaborar el agua fresca en el restaurante. Por lo tanto, dado que la muestra no
es demasiado pequeña, se obtuvo de manera aleatoria y dada la gran
diferencia en variabilidad, las bolsas de azúcar de 500 gramos de la marca B
son las que aseguran una mejor calidad en el agua fresca.
Página 3
Estadística
Nótese que decidir con base en el histograma resultó mucho más fácil que en
el caso del ejemplo 4.2 donde se utilizó la media y la desviación estándar.
También resulta más fácil decidir con base en el histograma que aplicando el
teorema de Chebyshev o la regla empírica como se hizo en el ejemplo 4.3. Por
todo esto, el histograma es fundamental para analizar un conjunto de datos y
decidir con base en su tendencia central, su variabilidad y la forma de su
comportamiento.
Figura 4.2 histograma para las bolsas de azúcar de la marca B.
Página 4
Estadística
INTERPRETACIÓN DEL HISTOGRAMA
Cuando un histograma se construye de manera correcta y es resultado de un
número suficiente de datos, en general más de 40, y éstos son representativos
de la población, proceso 0 problema, entonces lo que se aprecia en el
histograma como tendencia
1. ¿Cuáles son las mediciones más comunes? Para ello hay que observar la
barra o el grupo de barras más altos. Por ejemplo, en el histograma de la
figura 4.2, los pesos más comunes se ubican entre 490 a 510 gramos, con lo
cual se tiene información de la tendencia central y de la localización de los
datos. En el caso del histograma de la figura 4.3 los grosores más comunes se
ubican entre 4.2 y 5 mm.
2. ¿Hay un comportamiento simétrico? ¿Hay sesgo? ¿Hacia qué lado? Para
responder a estas preguntas basta observar la forma del histograma; por
ejemplo, en la figura 4.3 se aprecia un histograma no simétrico con sesgo a la
derecha. Cuando en un histograma, resultado de una muestra grande, hay un
sesgo significativo puede ser que haya algún problema, como calentamiento
de los equipos o instrumentos de medición descalibrados.
3. ¿Cómo es la dispersión? Para contestar hay que observar a partir del grupo
de barras más alto qué tan rápido disminuye la frecuencia de las demás
barras, por ejemplo, en la figura 4.4a se aprecia un histograma con poca
dispersión y en la 4.4b uno con mucha. Otra alternativa es insertar en el
histograma las especificaciones y ver si todo o una parte cae dentro de ellas;
como se aprecia en la figura 4.4e donde se muestra un histograma que refleja
poca variabilidad, mientras que en la 4.4f se observa uno con mucha
variabilidad. Ver también figura 9.27.
4. ¿Está centrado el proceso? Con un tamaño de muestra grande es muy fácil
ver mediante un histograma si un proceso está centrado o no, ya que basta
observar la posición del cuerpo del histograma respecto a la calidad óptima y a
las especificaciones. Por ejemplo en la figura 4.4e se muestra un proceso
centrado y en la 4.4f uno descentrado. Aún cuando se cumplan las
especificaciones, si el proceso no está centrado la calidad que se produce no
es adecuada, ya que entre más se aleje de lo óptimo más mala calidad se
tendrá (ver sección 9.10 y figura 9.27).
5. ¿Cuántos picos hay? Cuando hay varios picos o agrupaciones de barras en
un histograma, puede deberse a que el material procede de distintas cadenas
Página 5
Estadística
de producción, de diferentes proveedores, han intervenido varios operadores o
se han utilizado distintos instrumentos de medición sin sincronizar. En la figura
4.4c se muestra un histograma con dos picos o modas, que es muy probable
que procedan de dos realidades distintas. Siempre que en un histograma se
detecten varios picos, lo primero que se debe hacer es revisar si la
construcción se hizo de manera correcta.
6. ¿Hay acantilados? En la figura 4.4d se muestra un ejemplo típico de un
histograma con acantilado. Entre las posibles causas que motivan la presencia
de un acantilado están: un lote de artículos previamente inspeccionados al
100% donde se excluyó a los artículos que no cumplen con alguna medida
mínima o que exceden una medida máxima, problemas con el equipo de
medición, errores en la inspección (Cuando el inspector está predispuesto a
no rechazar un artículo y observa que éste casi cumple con los requisitos,
registra la medida mínima aceptable). En general un acantilado es anormal y
debe buscarse la causa del mismo.
7. ¿Hay datos aislados o raros? Un pequeño grupo de mediciones muy
extremas o raras es fácilmente detectable en un histograma ya que aparece
claramente aislado del resto. Un dato raro refleja una situación especial que se
debe investigar, puede ser un error de medición o de dedo, pero también
puede reflejar un comportamiento especial del proceso. En cualquier caso se
debe investigar a qué se debe.
8. Estratificar. Cuando se obtienen datos que proceden de distintas máquinas,
proveedores u operadores, puede encontrarse información valiosa si se hace
un histograma por cada fuente (estratificar), con lo que se podrá encontrar la
máquina o el proveedor más problemático.
Es recomendable que siempre que se analiza un histograma se dé respuesta
por escrito a las siete preguntas anteriores y se contemple la posibilidad de
estratificar, con lo que se sacará mayor provecho a la información y se ira
adquiriendo la costumbre de proceder de acuerdo con un método. Además,
otras personas se podrán remitir directamente a la interpretación. Siempre que
se interprete un histograma se debe asegurar que se construyó de manera
correcta, en este sentido los aspectos más críticos a vigilar son el número de
clases y la elección del inicio y final del histograma (pasos 2, 3 y 4 de
construcción). Si el histograma se obtiene mediante algún programa
computacional se debe asegurar que el programa haya hecho de manera
correcta tales pasos.
Página 6
Estadística
Página 7
