Gráfica G (oportunidades entre eventos)
Una gráfica G monitorea eventos discretos raros representando el número de oportunidades entre ocurrencias sucesivas, en orden cronológico. Ajusta una distribución geométrica, estimando la probabilidad del evento a partir del hueco medio, y fija la línea central y los límites con sus cuantiles. Cuatro reglas de Nelson configurables señalan causas especiales. La salida es la gráfica más la probabilidad del evento, la línea central, el LCL y el UCL.
Última revisión:
Idea clave
Una gráfica G representa el número de oportunidades, como unidades o recetas, entre eventos discretos raros sucesivos, usando una distribución geométrica para fijar los límites de control y detectar cambios en una tasa baja de eventos.
En esta página
Propósito
Una gráfica G es el equivalente de conteo discreto de la gráfica T: en lugar de representar el conteo por intervalo (el enfoque de las gráficas c/u), representa el NÚMERO DE OPORTUNIDADES (unidades producidas, recetas dispensadas, transacciones procesadas, etc.) entre ocurrencias sucesivas de un evento discreto raro. Esto lo hace mucho más sensible que una gráfica p/u a un cambio real en una tasa baja de defectos o errores, porque reacciona a cada nuevo hueco en lugar de esperar a que se acumulen suficientes eventos dentro de un intervalo de muestreo fijo.
Capacidades principales
- Representa directamente datos de conteo entre eventos mediante la distribución geométrica, el análogo discreto natural del modelo de tiempo continuo entre eventos de la gráfica T.
- Detección completa de causas especiales con las reglas de Nelson (4 reglas configurables).
- Inclusión o exclusión de filas y un selector independiente de subgrupos «estimar parámetros a partir de» para basar los límites de control en un período estable conocido.
- Escala configurable del eje X para rotular el eje del conteo de oportunidades.
Métodos estadísticos
El número de oportunidades entre eventos discretos raros sucesivos sigue una distribución geométrica con probabilidad de éxito p (la tasa subyacente de eventos por oportunidad). La herramienta estima p a partir del hueco medio observado: p̂ = 1 / (hueco medio + 1), el estimador estándar por el método de los momentos, que tiene en cuenta la convención de que un valor de hueco graficado g corresponde a g+1 ensayos geométricos, y lo informa en la salida como “Event Probability (P).”
La línea central y los límites de control son entonces los propios cuantiles de la distribución geométrica ajustada, desplazados de vuelta a la escala graficada (oportunidades entre eventos): CL = max(0, geom.ppf(0.5, p̂) − 1), LCL = max(0, geom.ppf(0.00135, p̂) − 1), UCL = max(0, geom.ppf(0.99865, p̂) − 1), las mismas probabilidades de cola equivalentes a ±3σ que usa la gráfica T sobre su distribución continua ajustada, aplicadas aquí a la CDF inversa discreta de la distribución geométrica.
Las reglas de Nelson se evalúan con respecto a estos límites exactamente igual que en las demás gráficas de control de la aplicación.
Campos de entrada y opciones
Campo | Descripción |
Opportunities between events | Obligatorio. La columna que da el número de no eventos (unidades, días, etc.) entre eventos raros sucesivos, en orden cronológico. |
Check Rule 1–4 / K for Rule 1–4 | Las cuatro reglas de Nelson de causas especiales, cada una activable de forma independiente (valores predeterminados K = 3, 9, 6, 14). |
X scale | Rotulado personalizado opcional del eje del conteo de oportunidades. |
Include or Exclude / Specify which rows / Row numbers | Controla qué filas se grafican. |
Specify subgroups to estimate parameters / Subgroups | Opcionalmente restringe las filas que se usan para ajustar la distribución geométrica y fijar los límites de control, sin dejar de graficar todas las filas. |

Figura 1 — 20 huecos de conteo entre errores pegados en C1, con Opportunities between events establecido en C1.
Descripción de la salida
- G Chart plot — la serie de oportunidades entre eventos en orden cronológico con el UCL, la línea central y el LCL de la distribución geométrica ajustada.
- Fit summary table — la probabilidad del evento estimada (P), la línea central, el LCL y el UCL.
- Nelson's Rules / Potential Special Cause Points — qué reglas se verificaron y qué puntos (si los hay) las incumplieron.
- Exportación a PDF mediante Download as PDF.

Figura 2 — Salida del G Chart: la serie de huecos graficada con UCL/CL/LCL y la tabla resumen de probabilidad del evento, línea central, UCL y LCL.
Ejemplo
La farmacia de un hospital da seguimiento a los errores de dispensación contando el número de recetas dispensadas entre errores sucesivos (20 huecos sucesivos, columna C1). La herramienta ajusta un modelo geométrico (Event probability P ≈ 0.001, Center Line ≈ 693, UCL ≈ 6612, LCL ≈ 1) y grafica los 20 huecos: una racha de huecos más cortos de lo habitual al final de la serie (una tasa de errores creciente) se hace visualmente evidente mucho antes de que se acumulen suficientes errores para que una gráfica p/u tradicional reaccione.
Preguntas frecuentes
¿Para qué se usa una gráfica G?
Una gráfica G monitorea eventos discretos raros, como los errores de dispensación, representando el número de oportunidades (unidades producidas, recetas dispensadas, transacciones procesadas) entre ocurrencias sucesivas. Como reacciona a cada nuevo hueco en lugar de esperar a que se acumulen eventos dentro de un intervalo de muestreo fijo, es más sensible que una gráfica p o u a un cambio real en una tasa de baja frecuencia.
¿Cómo se calculan los límites de control de una gráfica G?
La herramienta estima la probabilidad del evento como p = 1 / (hueco medio + 1) y ajusta una distribución geométrica. La línea central y los límites de control son los propios cuantiles de la distribución, desplazados de vuelta a la escala de oportunidades entre eventos, con las probabilidades 0.5, 0.00135 y 0.99865, que son las mismas probabilidades de cola equivalentes a 3 sigma que usa la gráfica T.
¿Cuál es la diferencia entre una gráfica G y una gráfica T?
Una gráfica G es el equivalente de conteo discreto de la gráfica T. La gráfica T modela el tiempo continuo entre eventos, mientras que la gráfica G cuenta el número de oportunidades entre eventos discretos raros y usa la distribución geométrica, el análogo discreto natural del modelo de la gráfica T.
¿Cómo se interpreta una gráfica G?
Los huecos cortos significan que los eventos ocurren con más frecuencia. En el ejemplo de la farmacia del hospital, 20 huecos entre errores de dispensación dieron una probabilidad del evento de aproximadamente 0.001 y una línea central cercana a 693, y una racha de huecos más cortos de lo habitual al final de la serie señaló una tasa de errores creciente antes de que una gráfica p o u tradicional reaccionara. Las reglas de Nelson señalan los puntos con causas especiales.
