Las 7 Herramientas de la Calidad

Introduccin Breve introduccin a las Herramientas de la Calidad. Herramienta 1 Diagramas de Causa-Efecto. Herramienta 2 Planillas de Inspeccin. Herramienta 3 Grficos de Control. Herramienta 4 Diagrama de Flujo. Herramienta 5 Histogramas. Herramienta 6 Grficos de Pareto. Herramienta 7 Diagrama de Dispersin.

Las 7 Herramientas de la Calidad

Introduccin Todo proceso productivo es un sistema formado por personas, equipos y procedimientos de trabajo. El proceso genera una salida (output), que es el producto que se quiere fabricar. La calidad del producto fabricado est determinada por sus caractersticas de calidad, es decir, por sus propiedades fsicas, qumicas, mecnicas, estticas, durabilidad, funcionamiento, etc. que en conjunto determinan el aspecto y el comportamiento del mismo. El cliente quedar satisfecho con el producto si esas caractersticas se ajustan a lo que esperaba, es decir, a sus expectativas previas. Por lo general, existen algunas caractersticas que son crticas para establecer la calidad del producto. Normalmente se realizan mediciones de estas caractersticas y se obtienen datos numricos. Si se mide cualquier caracterstica de calidad de un producto, se observar que los valores numricos presentan una fluctuacin o variabilidad entre las distintas unidades del producto fabricado. Por ejemplo, si la salida del proceso son frascos de mayonesa y la caracterstica de calidad fuera el peso del frasco y su contenido, veramos que a medida que se fabrica el producto las mediciones de peso varan al azar, aunque mantenindose cerca de un valor central.

El peso de los frascos llenos flucta alrededor de los 250 grs. Si la caracterstica de calidad fuera otra, como el contenido de aceite, el color de la mayonesa o el aspecto de la etiqueta tambin observaramos que las sucesivas mediciones fluctan alrededor de un valor central. El valor de una caracterstica de calidad es un resultado que depende de una combinacin de variables y factores que condicionan el proceso productivo. Por ejemplo, en el caso de la produccin de mayonesa es necesario establecer que cantidades de aceite, huevos y otras materias primas se van a usar. Hay que establecer a que velocidad se va a agitar la mezcla y cuanto tiempo. Se debe fijar el tipo y tamao de equipo que se va a utilizar, y la temperatura de trabajo. Y como stas se deben fijar muchas otras variables del proceso. La variabilidad o fluctuacin de las mediciones es una consecuencia de la fluctuacin de todos los factores y variables que afectan el proceso. Por ejemplo, cada vez que se hace un lote de mayonesa hay que pesar el aceite segn lo que indica la frmula. Es imposible que la cantidad pesada sea exactamente igual para todos los lotes. Tambin se producirn fluctuaciones en la velocidad de agitacin, porque la corriente elctrica de la lnea que alimenta el agitador tambin flucta. Y de la misma manera, de lote a lote cambiar la cantidad pesada de los dems componentes, el tiempo de agitacin, la temperatura, etc. Todos estos factores y muchos otros condicionan y determinan las caractersticas de calidad del producto. En el proceso de fabricacin de mayonesa intervienen equipos donde hacer la mezcla, materias primas (aceite, huevos, condimentos, etc.), procedimientos de trabajo, personas que operan los equipos, equipos de medicin, etc.:

Para qu se miden las caractersticas de calidad? El anlisis de los datos medidos permite obtener informacin sobre la calidad del producto, estudiar y corregir el funcionamiento del proceso y aceptar o rechazar lotes de producto. En todos estos casos es necesario tomar decisiones y estas decisiones dependen del anlisis de los datos. Como hemos visto, los valores numricos presentan una fluctuacin aleatoria y por lo tanto para analizarlos es necesario recurrir a tcnicas estadsticas que permitan visualizar y tener en cuenta la variabilidad a la hora de tomar las decisiones. Siguiendo el pensamiento del Dr. Kaoru Ishikawa, en los mdulos siguientes vamos a explicar algunas de estas tcnicas, que se conocen como Las 7 Herramientas de la Calidad. Estas son: 1. Diagramas de Causa-Efecto 2. Planillas de Inspeccin 3. Grficos de Control 4. Diagramas de Flujo 5. Histogramas 6. Grficos de Pareto 7. Diagramas de Dispersin

H1 - Diagramas de Causa-Efecto Hemos visto en la introduccin como el valor de una caracterstica de calidad depende de una combinacin de variables y factores que condicionan el proceso productivo. Vamos a continuar con el ejemplo de fabricacin de mayonesa para explicar los Diagramas de Causa-Efecto:

4
La variabilidad de las caractersticas de calidad es un efecto observado que tiene mltiples causas. Cuando ocurre algn problema con la calidad del producto, debemos investigar para identificar las causas del mismo. Para ello nos sirven los Diagramas de Causa - Efecto , conocidos tambin como Diagramas de Espina de Pescado por la forma que tienen. Estos diagramas fueron utilizados por primera vez por Kaoru Ishikawa. Para hacer un Diagrama de Causa-Efecto seguimos estos pasos: 1. Decidimos cual va a ser la caracterstica de calidad que vamos a analizar. Por ejemplo, en el caso de la mayonesa podra ser el peso del frasco lleno, la densidad del producto, el porcentaje de aceite, etc. Trazamos una flecha gruesa que representa el proceso y a la derecha escribimos la caracterstica de calidad:

2. Indicamos los factores causales ms importantes y generales que puedan generar la fluctuacin de la caracterstica de calidad, trazando flechas secundarias hacia la principal. Por ejemplo, Materias Primas, Equipos, Operarios, Mtodo de Medicin, etc.:

3. Incorporamos en cada rama factores ms detallados que se puedan considerar causas de fluctuacin. Para hacer esto, podemos formularnos estas preguntas: a. Por qu hay fluctuacin o dispersin en los valores de la caracterstica de calidad? Por la fluctuacin de las Materias Primas. Se anota Materias Primas como una de las ramas principales. b. Qu Materias Primas producen fluctuacin o dispersin en los valores de la caracterstica de calidad? Aceite, Huevos, sal, otros condimentos. Se agrega Aceite como rama menor de la rama principal Materias Primas. c. Por qu hay fluctuacin o dispersin en el aceite? Por la fluctuacin de la cantidad agregada a la mezcla. Agregamos a Aceite la rama ms pequea Cantidad. d. Por qu hay variacin en la cantidad agregada de aceite? Por funcionamiento irregular de la balanza. Se registra la rama Balanza. e. Por qu la balanza funciona en forma irregular? Por que necesita mantenimiento. En la rama Balanza colocamos la rama Mantenimiento. As seguimos ampliando el Diagrama de Causa-Efecto hasta que contenga todas las causas posibles de dispersin.

4. Finalmente verificamos que todos los factores que puedan causar dispersin hayan sido incorporados al diagrama. Las relaciones Causa-Efecto deben quedar claramente establecidas y en ese caso, el diagrama est terminado. Veamos un ejemplo de la Gua de Control de Calidad de Kaoru Ishikawa, publicada por UNIPUB (N. York). Se trata de una mquina en la cual se produce un defecto de rotacin oscilante. La caracterstica de calidad es la oscilacin de un eje durante la rotacin:

Un diagrama de Causa-Efecto es de por si educativo, sirve para que la gente conozca en profundidad el proceso con que trabaja, visualizando con claridad las relaciones entre los Efectos y sus Causas. Sirve tambin para guiar las discusiones, al exponer con claridad los orgenes de un problema de calidad. Y permite encontrar ms rpidamente las causas asignables cuando el proceso se aparta de su funcionamiento habitual. H2 - Planillas de Inspeccin Los datos que se obtienen al medir una caracterstica de calidad pueden recolectarse utilizando Planillas de Inspeccin. Las Planillas de Inspeccin sirven para anotar los resultados a medida que se obtienen y al mismo tiempo observar cual es la tendencia central y la dispersin de los mismos. Es decir, no es necesario esperar a recoger todos los datos para disponer de informacin estadstica.

6
Cmo realizamos las anotaciones? En lugar de anotar los nmeros, hacemos una marca de algn tipo (*, +, raya, etc.) en la columna correspondiente al resultado que obtuvimos:

Vamos a suponer que tenemos un lote de artculos y realizamos algn tipo de medicin. En primer lugar, registramos en el encabezado de la planilla la informacin general: N de Planilla, Nombre del Producto, Fecha, Nombre del Inspector, N de Lote, etc. Esto es muy importante porque permitir identificar nuestro trabajo de medicin en el futuro. Luego realizamos las mediciones y las vamos anotando en la Planilla. Por ejemplo, si obtuvimos los tres valores siguientes 1.8, 2.6, 2.6 y los registramos con un signo + quedara as:

7
Despus de muchas mediciones, nuestra planilla quedara como sigue:

Para cada columna contamos el total de resultados obtenidos y lo anotamos al pi. Esta es la Frecuencia de cada resultado, que nos dice cules mediciones se repitieron ms veces. Qu informacin nos brinda la Planilla de Inspeccin? Al mismo tiempo que medimos y registramos los resultados, nos va mostrando cual es la Tendencia Central de las mediciones. En nuestro caso, vemos que las mismas estn agrupadas alrededor de 2.3 aproximadamente, con un pico en 2.1 y otro en 2.5. Habra que investigar por que la distribucin de los datos tiene esa forma. Adems podemos ver la Dispersin de los datos. En este caso vemos que los datos estn dentro de un rango que comienza en 1.5 y termina en 3.3. Nos muestra entonces una informacin acerca de nuestros datos que no sera fcil de ver si slo tuviramos una larga lista con los resultados de las mediciones. Y adems, si marcamos en la planilla los valores mnimo y mximo especificados para la caracterstica de calidad que estamos midiendo (LIE y LSE) podemos ver que porcentaje de nuestro producto cumple con las especificaciones.

H3 - Grficos de Control Un grfico de control es una carta o diagrama especialmente preparado donde se van anotando los valores sucesivos de la caracterstica de calidad que se est controlando. Los datos se registran durante el funcionamiento del proceso de fabricacin y a medida que se obtienen. El grfico de control tiene una Lnea Central que representa el promedio histrico de la caracterstica que se est controlando y Lmites Superior e Inferior que tambin se calculan con datos histricos. Por ejemplo, supongamos que se tiene un proceso de fabricacin de anillos de pistn para motor de automvil y a la salida del proceso se toman las piezas y se mide el dimetro. Las mediciones sucesivas del dimetro de los anillos se pueden anotar en una carta como la siguiente:

Por ejemplo, si las 15 ltimas mediciones fueron las siguientes:

Entonces tendramos un Grfico de Control como este:

9
Podemos observar en este grfico que los valores fluctan al azar alrededor del valor central (Promedio histrico) y dentro de los lmites de control superior e inferior. A medida que se fabrican, se toman muestras de los anillos, se mide el dimetro y el resultado se anota en el grfico, por ejemplo, cada media hora. Pero Qu ocurre cuando un punto se va fuera de los lmites? Eso es lo que ocurre con el ltimo valor en el siguiente grfico:

Esa circunstancia puede ser un indicio de que algo anda mal en el proceso. Entonces, es necesario investigar para encontrar el problema ( Causa Asignable) y corregirla. Si no se hace esto el proceso estar funcionando a un nivel de calidad menor que originalmente. Existen diferentes tipos de Grficos de Control: Grficos X-R, Grficos C, Grficos np, Grficos Cusum, y otros. Cuando se mide una caracterstica de calidad que es una variable continua se utilizan en general los Grficos X-R. Estos en realidad son dos grficos que se utilizan juntos, el de X (promedio del subgrupo) y el de R (rango del subgrupo). En este caso se toman muestras de varias piezas, por ejemplo 5 y esto es un subgrupo. En cada subgrupo se calcula el promedio X y el rango R (Diferencia entre el mximo y el mnimo). A continuacin podemos observar un tpico grfico de X:

Y lo que sigue es un grfico de R:

10

El grfico de X permite controlar la variabilidad entre los sucesivos subgrupos y el de R permite controlar la variabilidad dentro de cada subgrupo H4 - Diagramas de Flujo Diagrama de Flujo es una representacin grfica de la secuencia de etapas, operaciones, movimientos, decisiones y otros eventos que ocurren en un proceso. Esta representacin se efecta a travs de formas y smbolos grficos utilizados usualmente:

Los smbolos grficos para dibujar un diagrama de flujo estn ms o menos normalizados:

Existen otros smbolos que se pueden utilizar. Lo importante es que su significado se entienda claramente a primera vista. En el ejemplo siguiente, vemos un diagrama de flujo para representar el proceso de fabricacin de una resina (Reaccin de Polimerizacin):

11

Algunas recomendaciones para construir Diagramas de Flujo son las siguientes: Conviene realizar un Diagrama de Flujo que describa el proceso real y no lo que est escrito sobre el mismo (lo que se supone debera ser el proceso). Si hay operaciones que no siempre se realizan como est en el diagrama, anotar las excepciones en el diagrama. Probar el Diagrama de Flujo tratando de realizar el proceso como est descrito en el mismo, para verificar que todas las operaciones son posibles tal cual figuran en el diagrama. Si se piensa en realizar cambios al proceso, entonces se debe hacer un diagrama adicional con los cambios propuestos. H5 - Histogramas Un histograma es un grfico o diagrama que muestra el nmero de veces que se repiten cada uno de los resultados cuando se realizan mediciones sucesivas. Esto permite ver alrededor de que valor se agrupan las mediciones (Tendencia central) y cual es la dispersin alrededor de ese valor central. Ejemplo, un mdico dietista desea estudiar el peso de personas adultas de sexo masculino y recopila una gran cantidad de datos midiendo el peso en kilogramos de sus pacientes varones:
74.6 74.5 77.0 70.7 79.4 74.6 85.2 81.6 67.9 63.7 74.6 85.9 113.7 77.9 76.4 95.7 78.4 84.6 97.4 74.5 81.6 65.8 57.8 74.5 77.0 70.7 79.4 74.6 85.2 81.6 75.4 63.5 69.9 63.7 72.1 71.6 69.4 69.8 83.5 69.7 69.8 95.7 74.5 77.0 70.7 79.4 74.6 85.2 81.6 67.9 68.4 69.4 74.3 63.2 68.4 76.9 75.4 74.8 78.9 77.0

12
72.1 71.6 69.4 69.8 83.5 83.5 74.9 73.2 70.7 79.4 88.6 70.7 79.4 70.7 79.4 74.6 85.2 81.6 67.9 63.7 72.1 71.6 69.4 69.8 83.5 67.9 77.0 70.7 79.4 74.6 85.2 81.6 67.9 63.7 70.7 79.4 74.6 85.2 81.6 67.9 63.7 72.1 71.6 69.4 69.8 83.5 83.5 69.7 68.4 70.7 79.4 71.6 67.9 63.7 72.1 71.6 69.4 69.8 83.5 74.9 73.2 70.7 79.4 74.6 85.2 81.6 67.9 63.7 72.1 71.6 69.4 69.8 83.5 85.2 81.6 63.7 72.1 71.6 68.4 70.7 79.4 74.6 85.2 81.6 67.9 63.7 67.5 85.3 88.6 70.7 79.4 74.6 85.2 81.6 67.9 63.7 72.1 71.6 69.4 69.8 83.5 72.1 71.6 69.4 63.7 72.1 71.6 69.4 69.8 83.5 79.3 76.3 79.8 70.7 79.4 74.6 85.2 81.6 67.9 63.7 72.1 71.6 69.4 69.8 83.5 69.8 83.5 83.5 72.1 71.6 76.7 77.0 70.7 79.4 74.6 85.2 81.6 67.9 63.7 72.1 71.6 69.4 69.8 83.5 67.9 63.7 70.7 73.2 70.7 79.4 74.6 63.7 72.1 71.6 69.4 69.8

As como estn los datos es muy difcil sacar conclusiones acerca de ellos. Entonces, lo primero que hace el mdico es agrupar los datos en intervalos contando cuantos resultados de mediciones de peso hay dentro de cada intervalo (Esta es la frecuencia). Por ejemplo, Cuntos pacientes pesan entre 60 y 65 kilos? Cuntos pacientes pesan entre 65 y 70 kilos?:
Intervalos <50 50-55 55-60 60-65 65-70 70-75 75-80 80-85 85-90 90-95 95-100 100-105 105-110 >110 N Pacientes (Frecuencia) 0 0 1 17 48 70 32 28 16 0 3 0 0 1

Ahora se pueden representar las frecuencias en un grfico como el siguiente:

13

Por ejemplo, la tabla nos dice que hay 48 pacientes que pesan entre 65 y 70 kilogramos. Por lo tanto, levantamos una columna de altura proporcional a 48 en el grfico:

Y agregando el resto de las frecuencias nos queda el histograma siguiente:

Qu utilidad nos presta el histograma? Permite visualizar rpidamente informacin que estaba oculta en la tabla original de datos. Por ejemplo, nos permite apreciar que el peso de los pacientes se agrupa alrededor de

14
los 70-75 kilos. Esta es la Tendencia Central de las mediciones. Adems podemos observar que los pesos de todos los pacientes estn en un rango desde 55 a 100 kilogramos. Esta es la Dispersin de las mediciones. Tambin podemos observar que hay muy pocos pacientes por encima de 90 kilogramos o por debajo de 60 kilogramos. Ahora el mdico puede extraer toda la informacin relevante de las mediciones que realiz y puede utilizarlas para su trabajo en el terreno de la medicina.

H6 - Diagramas de Pareto El Diagrama de Pareto es un histograma especial, en el cual las frecuencias de ciertos eventos aparecen ordenadas de mayor a menor. Vamos a explicarlo con un ejemplo. Supongamos que un fabricante de heladeras desea analizar cuales son los defectos ms frecuentes que aparecen en las unidades al salir de la lnea de produccin. Para esto, empez por clasificar todos los defectos posibles en sus diversos tipos: Tipo de Defecto Motor no detiene No enfra Burlete Def. Pintura Def. Rayas No funciona Puerta no cierra Gavetas Def. Motor no arranca Mala Nivelacin Puerta Def. Otros Detalle del Problema No para el motor cuando alcanza Temperatura El motor arranca pero la heladera no enfra Burlete roto o deforme que no ajusta Defectos de pintura en superficies externas Rayas en las superficies externas Al enchufar no arranca el motor La puerta no cierra correctamente Gavetas interiores con rajaduras El motor no arranca despus de ciclo de parada La heladera se balancea y no se puede nivelar Puerta de refrigerador no cierra hermticamente Otros Defectos no incluidos en los anteriores

Posteriormente, un inspector revisa cada heladera a medida que sale de produccin registrando sus defectos de acuerdo con dichos tipos. Despus de inspeccionar 88 heladeras, se obtuvo una tabla como esta: Tipo de Defecto Burlete Def. Pintura Def. Gavetas Def. Mala Nivelacin Motor no arranca Motor no detiene No enfra No funciona Otros Puerta Def. Puerta no cierra Rayas Total: Detalle del Problema Burlete roto o deforme que no ajusta Defectos de pintura en superficies externas Gavetas interiores con rajaduras La heladera se balancea y no se puede nivelar El motor no arranca despus de ciclo de parada No para el motor cuando alcanza Temperatura El motor arranca pero la heladera no enfra Al enchufar no arranca el motor Otros Defectos no incluidos en los anteriores Puerta de refrigerador no cierra hermticamente La puerta no cierra correctamente Rayas en las superficies externas N 9 5 1 1 1 36 27 2 0 0 2 4 88

15
La ltima columna muestra el nmero de heladeras que presentaban cada tipo de defecto, es decir, la frecuencia con que se presenta cada defecto. En lugar de la frecuencia numrica podemos utilizar la frecuencia porcentual, es decir, el porcentaje de heladeras en cada tipo de defecto: Tipo de Defecto Burlete Def. Pintura Def. Gavetas Def. Mala Nivelacin Motor no arranca Motor no detiene No enfra No funciona Otros Puerta Def. Puerta no cierra Rayas Total: Podemos ahora representar los datos en un histograma como el siguiente: Detalle del Problema Burlete roto o deforme que no ajusta Defectos de pintura en superficies externas Gavetas interiores con rajaduras La heladera se balancea y no se puede nivelar El motor no arranca despus de ciclo de parada No para el motor cuando alcanza Temperatura El motor arranca pero la heladera no enfra Al enchufar no arranca el motor Otros Defectos no incluidos en los anteriores Puerta de refrigerador no cierra hermticamente La puerta no cierra correctamente Rayas en las superficies externas Frec. 9 5 1 1 1 36 27 2 0 0 2 4 88 Frec. % 10.2 5.7 1.1 1.1 1.1 40.9 30.7 2.3 0.0 0.0 2.3 4.5 100

A continuacin, en cada intervalo dibujamos una columna de altura proporcional al porcentaje de heladeras que presenta ese tipo de defecto (ltima columna de la tabla):

16

Pero Cules son los defectos que aparecen con mayor frecuencia? Para hacerlo ms evidente, antes de graficar podemos ordenar los datos de la tabla en orden decreciente de frecuencia: Tipo de Defecto Motor no detiene No enfra Burlete Def. Pintura Def. Rayas No funciona Puerta no cierra Gavetas Def. Gavetas int. Mala Nivelacin Motor no arranca Otros Puerta Def. Total: Lo que obtenemos se llama Diagrama de Pareto o Grfico de Pareto: Detalle del Problema No para el motor cuando alcanza Temperatura El motor arranca pero la heladera no enfra Burlete roto o deforme que no ajusta Defectos de pintura en superficies externas Rayas en las superficies externas Al enchufar no arranca el motor La puerta no cierra correctamente Gavetas interiores con rajaduras La heladera se balancea y no se puede nivelar El motor no arranca despus de ciclo de parada Otros Defectos no incluidos en los anteriores Puerta de refrigerador no cierra hermticamente Frec. 36 27 9 5 4 2 2 1 1 1 0 0 88 Frec. % 40.9 30.7 10.2 5.7 4.5 2.3 2.3 1.1 1.1 1.1 0.0 0.0 100

17

Ahora resulta evidente cuales son los tipos de defectos ms frecuentes. Podemos observar que los 3 primeros tipos de defectos se presentan en el 82 % de las heladeras, aproximadamente. Esto nos conduce a lo que se conoce como Principio de Pareto: La mayor parte de los defectos encontrados en el lote pertenece slo a 2 3 tipos de defectos, de manera que si se eliminan las causas que los provocan desaparecera la mayor parte de los defectos. H7 - Diagramas de Dispersin Los Diagramas de Dispersin o Grficos de Correlacin permiten estudiar la relacin entre 2 variables. Dadas 2 variables X e Y, se dice que existe una correlacin entre ambas si cada vez que aumenta el valor de X aumenta proporcionalmente el valor de Y (Correlacin positiva) o si cada vez que aumenta el valor de X disminuye en igual proporcin el valor de Y (Correlacin negativa). En un grfico de correlacin representamos cada par X, Y como un punto donde se cortan las coordenadas de X e Y:

18
Veamos un ejemplo. Supongamos que tenemos un grupo de personas adultas de sexo masculino. Para cada persona se mide la altura en metros (Variable X) y el peso en kilogramos (Variable Y). Es decir, para cada persona tendremos un par de valores X, Y que son la altura y el peso de dicha persona:
N Persona 001 002 003 004 005 006 007 008 009 010 011 012 013 014 015 016 017 018 019 020 021 022 023 024 025 Altura (m) 1.94 1.82 1.79 1.69 1.80 1.88 1.57 1.81 1.76 1.63 1.59 1.84 1.92 1.84 1.88 1.62 1.86 1.91 1.99 1.76 1.55 1.71 1.75 1.76 2.00 Peso (Kg.) 95.8 80.5 78.2 77.4 82.6 87.8 67.6 82.5 82.5 65.8 67.3 88.8 93.7 82.9 88.4 69.0 83.4 89.1 95.2 79.1 61.6 70.6 79.4 78.1 90.6 N Persona 026 027 028 029 030 031 032 033 034 035 036 037 038 039 040 041 042 043 044 045 046 047 048 049 050 Altura (m) 1.66 1.96 1.56 1.55 1.71 1.90 1.65 1.78 1.83 1.98 1.67 1.53 1.96 1.66 1.62 1.89 1.53 1.59 1.55 1.97 1.51 1.59 1.60 1.57 1.61 Peso (Kg.) 74.9 88.1 65.3 64.5 75.5 91.3 66.6 76.8 80.2 97.6 76.0 58.0 95.2 74.5 71.8 91.0 62.1 69.8 64.6 90.0 63.8 62.6 67.8 63.3 65.2

Entonces, para cada persona representamos su altura y su peso con un punto en un grfico:

19

Una vez que representamos a las 50 personas quedar un grfico como el siguiente:

Qu nos muestra este grfico? En 1er lugar observar que las personas de mayor altura tienen mayor peso, es decir parece haber una correlacin positiva entre altura y peso. Pero un hombre bajito y gordo puede pesar ms que otro alto y flaco. Esto es as porque no hay una correlacin total y absoluta entre las variables altura y peso. Para cada altura hay personas de distinto peso:

20

Sin embargo podemos afirmar que existe cierto grado de correlacin entre la altura y el peso de las personas. Cuando se trata de dos variables cualesquiera, puede no haber ninguna correlacin o puede existir alguna correlacin en mayor o menor grado, como podemos ver en los grficos siguientes:

21

22

Por ejemplo, en el siguiente grfico podemos ver la relacin entre el contenido de Humedad de hilos de algodn y su estiramiento:

23