Академический Документы
Профессиональный Документы
Культура Документы
FACULTAD DE I N G E N I E R A W1ECNIC E L C T R I C A
DIVISIN DE ESTUDIOS DE P O S T G R A D O
SK ILVfflH
VTOfltK ;
T E S I S
3
'O
CO
ce
*3
o
O
</
S
-J
<
LU
il.
crj;
CO
es
Cl
o
T M
Z5853
FI^E
2000
P5
1020130090
U N I V E R S I D A D AUTNOMA DE NUEVO LEN
F A C U L T A D DE I N G E N I E R A M E C N I C A Y E L C T R I C A
D I V I S I N D E E S T U D I O S DE P O S T G R A D O
PDR
TESIS
J
TESIS
F A C U L T A D DE I N G E N I E R I A M E C A N I C A Y E L E C T R I C A
DIVISION DE E S T U D I O S DE P O S T - G R A D O
" M E T O D O S E S T A D I S T I C O S A P L I C A D O S EN E L A N A L I S I S DE C A R B O N "
POR
ING. F E R N A N D O F L O R E S E S C O B E D O
TESIS
EN O P C I O N AL G R A D O DE M A E S T R O EN C I E N C I A S DE LA
A D M I N I S T R A C I O N C O N E S P E C I A L I D A D EN P R O D U C C I O N Y C A L I D A D
F A C U L T A D DE I N G E N I E R I A M E C A N I C A Y E L E C T R I C A
DIVISION DE E S T U D I O S DE P O S T - G R A D O
" M E T O D O S E S T A D I S T I C O S A P L I C A D O S EN E L A N A L I S I S DE C A R B O N "
POR
ING. F E R N A N D O F L O R E S E S C O B E D O
TESIS
EN O P C I O N AL G R A D O DE M A E S T R O EN C I E N C I A S DE LA
A D M I N I S T R A C I O N CON E S P E C I A L I D A D EN P R O D U C C I O N Y C A L I D A D
U N I V E R S I D A D A U T O N O M A DE N U E V O L E O N
F A C U L T A D DE I N G E N I E R I A M E C A N I C A Y E L E C T R I C A
DIVISION DE E S T U D I O S DE P O S T - G R A D O
El Comit de is
esor
lizondo Villarreal
VrUo.
M.C. Roberto Villarreal Garza
Divisin de Estudios de Post-grado
A MI ESPOSA,
A MIS HIJOS,
Femando
Maricela Eliana y
Emmanuel Eduardo,
A DIOS,
tiempo anhelado .
A MIS P A D R E S ,
Fernando Flores Garca ( + ) , descanse en paz
Zapopan Escobedo de Flores,
Quienes me ensearon a no dejarme vencer ante la
adversidad.
A MIS H E R M A N O S ,
A NUESTROS MAESTROS,
A LOS C O M P A E R O S DE E S T U D I O S ,
A LOS C O M P A E R O S DE TRABAJO,
A TODOS, GRACIAS
PROLOGO
Es difcil pensar que en los tiempos actuales los mtodos estadsticos no se estn
aplicando en todas las disciplinas del conocimiento, an cuando estos sean mtodos con
alto grado de aproximacin.
El trabajo que se presenta relaciona lo tcnico, desde el punto de vista del analisis
qumico con las situaciones predecibles estadsticamente.
Es frecuente que dos o mas variables pudieran presentar una variacin simultnea y no
independiente unas de las otras.
Desde tiempo atrs, he dedicado parte del ejercicio profesional a la asesora en muestreo
y anlisis del carbn mineral que ha representado parte importante en el desarrollo
industrial regional y nacional.
Los maestros que nos han impartido ctedra en el postgrado, sembraron la semilla de la
investigacin para el logro del mejoramiento de la calidad, con lo anterior se nos motivo
a la utilizacin de herramientas propias para tal objetivo, motivo por el cual les estoy
plenamente agradecido
4.1 Clasificacin 15
1.1. O B J E T I V O .
1.2 J U S T I F I C A C I O N .
Cabe hacer notar que el costo del equipo especializado para anlisis de laboratorio es de
alto costo y de difcil alcance para pequeos productores de carbn, lo que representa
una razn importante para la utilizacin de los mtodos estadsticos.
En el caso del Anlisis de Carbn, se ha recopilado informacin de resultados de las
diferentes reas explotadas, pero la aplicacin estadstica ha sido mnima, sobre todo, en
el caso de los pequeos y medianos productores de carbn, por lo que considero
importante el presente trabajo, que espero sea una herramienta til en la toma de
decisiones.
1.3 P L A N T E A M I E N T O D E L P R O B L E M A .
1.4 D E F I N I C I O N DE H I P O T E S I S .
(y).
1.5 L I M I T E S D E L E S T U D I O .
1.6 M E T O D O L O G I A .
La empresa Minera El Botn propiedad del seor Jos Angel Ramrez Ramn, que se
dedica a la explotacin de carbn, ha otorgado las facilidades necesarias, para la
realizacin del presente trabajo.
Primeramente se fue recopilando la informacin de los resultados de los Anlisis
Qumicos efectuados desde Septiembre de 1998 hasta Junio de 1999, Esta Informacin
sirve de base para la aplicacin de regresiones y correlaciones, obteniendo pronsticos
de resultados.
Con lo anterior, al efectuar un anlisis de ceniza del carbn del rea de estudio, se
podrn hacer pronsticos segn lo obtenido
1.7 R E V I S I O N B I B L I O G R A F I C A .
2.1 O R I G E N .
El carbn mineral es un combustible slido, por lo general estratificado, que tuvo su
origen en la acumulacin y el enterramiento de vegetacin parcialmente descompuesta
en pocas geolgicas pretritas.
Por efecto de la presin y la temperatura, la materia vegetal de esos depositos se fue
descomponiendo lentamente en el curso de largos perodos geolgicos, y se convirti en
carbn.
El carbn esta formado por materiales primarios tales como vegetales de pantanos en los
cuales se forma la turba. Las races y tocones (restos de troncos) que se encuentran en
las arcillas situadas debajo de los mantos de carbn indican que la vegetacin creci y se
acumulo "in situ". Tuvo lugar un desarrollo exuberante de vegetacin constituida
principalmente por helechos, licopodios y fanergamas, junto con coniferas y otras
plantas. Los helechos parecan rboles, los juncos alcanzaban hasta 26 m de altura y los
licopodios ( en la antigedad pequeos arbustos), llegaron a tener altura hasta de 30 m.
Races arqueadas y bulbosas sealan la presencia de arboles acuticos. La evolucin
trmica de la materia orgnica original fue producida principalmente por la sustancia de
la cuenca.
2.3 E L C A R B O N EN E L E S T A D O DE C O A H U I L A .
La existencia del carbn como yacimiento mineral es conocida en Coahuila desde 1850,
ao en el cual se inici su explotacin a nivel local en la regin de Sabinas. Desde
entonces ha contribuido de manera muy importante al desarrollo econmico del estado,
siendo notable en su historia el periodo comprendido entre 1930 a 1959 tiempo en que la
industria siderrgica estatal recibi un gran impulso con la apertura de la planta
fundidora de Altos Hornos de Mxico en Monetava
El C R.M , ha realizado trabajos de exploracin constantes a partir de 1958 bajo distintos
programas. Su objetivo es actualizar la cuantificacin de reservas minables en las
principales subcuencas de la regin carbonfera. Esta regin se localiza en el centro-
norte del estado, comprendiendo los municipios de Sabinas, San Juan de Sabinas,
Melchor Mzquiz, Progreso y Jurez.
La regin cuenta con una infraestructura minera importante, con plantas lavadoras y
coquizadoras, bien comunicadas por carreteras federales y estatales, adems del
ferrocarril Saltillo-Piedras Negras que extiende sus vas hasta los principales centros
mineros.
En la regin carbonfera afloran rocas cuya edad varia desde el cretcico inferior a
reciente. Las formaciones sedimentarias mas importantes, econmicamente, son las
llamadas Olmos y San Miguel del cretcico superior.
Las principales estructuras sinclinales que se alojan en los mantos de carbn en la regin
carbonfera de Sabinas son: Sabinas - Lampacitos, Las Adjuntas, Las Esperanzas. San
Patricio, Monclova, San Salvador y el Gaviln, comprendidos en una superficie de 6,877
Km 2 .
La estimacin de reservas de carbn mineral "in situ" efectuada por el C R. M., en
1993, se basa en los parmetros y criterios adoptados por el U. S. Geological Survey.
3. GENERALIDADES SOBRE EL C A R B O N .
Los trozos de carbon son color negro o negro pardo. El color, el lustre, la textura, varan
segn el tipo, el rango y el grado o calidad.
El carbn se compone principalmente de carbono, hidrgeno y oxgeno, con cantidades
menores de nitrgeno y azufre, y cantidades variables de humedad e impurezas
minerales.
El estudio del modo de formacin del carbn mineral, su microestructura y sus
reacciones qumicas indican que es una mezcla de componentes.
La composicin depende del grado de alteracin bioqumica de los ingredientes de las
plantas a las que debe su origen, de su ascenso en rango a consecuencia de la presin y
la temperatura y de las impurezas minerales depositadas en el pantano original de turba
o posteriormente.
Los datos ms usados para describir y evaluar los carbones minerales son: el tamao de
los trozos; el poder calorfico (Kilocal./Kg ); anlisis inmediato (humedad, materia
voltil, carbn fijo y cenizas); azufre, temperatura de reblandecimiento de las cenizas,
propiedades de aglutinacin y coquificacin en los carbones bituminosos; el anlisis
elemental ( carbono, hidrgeno, oxgeno, nitrgeno, azufre y cenizas).
3.1 P R O P I E D A D E S .
Las propiedades del carbn mineral varan mucho segn la especie, el tipo y la calidad o
grado
3.1.1 P R O P I E D A D E S F I S I C A S .
Color, lustre, raya, textura, fractura, dureza y densidad
a) Color y Lustre. Los carbones lignticos en trozos tienen color pardo o negro
pardusco, mientras que los carbones de orden superior son negros.
Las hullas subbituminosas y bituminosas son de color negro pardusco cuando estn
finamente pulverizadas.
b) La raya . Al marcarse sobre porcelana no vidriada es de color amarillo a pardo para el
lignito y las hullas subbituminosas; de color pardusco a negro para la hullas bituminosas
y de color negro para la antracita, en secciones muy delgadas casi todos los carbones
minerales tienen un color amarillo o rojizo, el examen microscpico revela abundantes
restos de plantas.
c) Las superficies. Pueden carecer de lustre o tenerlo sedoso satinado, y las laminas
obtenidas de un trozo de la hulla bituminosa pueden variar mucho en este aspecto El
tipo, la especie y la calidad del carbn afectan su lustre.
d) La textura Vara desde el caracter terroso y fibroso del lignito no consolidado hasta el
producto final de la meta-antracita .
e) La dureza. Aumenta hasta un mximo de 3 en la escala de Mohs para la antracita ms
dura. Los carbones de transicin entre la hulla bituminosa y la antracita manifiestan
cierta tendencia a la fractura.
f) Densidad. La densidad aumenta con la antigedad del carbn; los carbones recin
extrados de la mina con mucha humedad suelen tener mayor densidad en igualdad de
otras variables
3.1.2 P R O P I E D A D E S Q U I M I C A S .
3 1.2.1 Anlisis inmediato y anlisis elemental.
El anlisis inmediato (determinacin de la humedad, materia voltil, carbono fijo y
cenizas) y la determinacin del poder calorfico (Kcal./Kg ), son las pruebas mas
frecuentes hechas a los carbones. A menudo se determinan tambin el contenido de
azufre y el ndice de expansin libre
La materia voltil se mide por la prdida de peso que resulta de calentar rpidamente el
carbn hasta 950C En carbones ms antiguos la cifra de materia voltil baja
rpidamente desde 30% poco mas o menos, hasta un mnimo de unas pocas unidades por
ciento en la antracita
El carbono fijo es el coque seco, exento de cenizas, o sea, la materia carbonizada que
queda despus de determinar la materia voltil.
Consiste principalmente en carbono c o n pequeas cantidades de hidrgeno, nitrgeno,
oxgeno y azufre. El porcentaje de c a r b o n o aumenta con la antigedad del carbn
mineral.
3.2 C O N S T I T U C I O N Q U I M I C A .
3.3. A L M A C E N A M I E N T O .
Raras veces se amontona el carbn en las minas. Los consumidores industriales suelen
mantener una reserva para uno o dos meses y ese carbn puede estar almacenado
durante seis meses, tal vez un ao, antes de usarlo. El carbn almacenado absorbe
oxgeno del aire lentamente con elevacin de temperatura. Cuanto mas bajo es el rango
del carbn y cuanto mas pequeos son los trozos, tanto mayor es la tendencia a
calentarse y arder espontneamente.
3.3.1 Antracita.
El almacenamiento de la antracita, en cualquier cantidad, no presenta de ordinario
ningn problema, siempre que reciba una cantidad considerable de calor de fuente
externa y que se impida el acceso a ella de sustancias extraas.
3.3.2 Hulla bituminosa
Mtodo del montn comprimido. Es el almacenamiento en capas comprimidas de la
hulla bituminosa cribada con un tamao mximo de unos 4 cm. y con tamaos menores
hasta la criba nmero 10 y polvo. El carbn se amontona en pequeas pilas para reducir
la segregacin; despus se nivela y se aglomera. El espesor recomendado para las capas
aglomeradas vana entre 15 y 90 cm., segn las condiciones locales Los costados de la
pila no deben de ser demasiados inclinados y deben apretarse muy bien. El xito de este
mtodo, muy empleado, esta en excluir la circulacin del aire. Se han obtenido buenos
resultados en la extincin de incendios en carbn mal almacenado nivelando bien y
comprimindolo con fino para cerrar la entrada de aire.
3.3.3 Almacenamiento del carbn al pie de la mina.
Es difcil obtener una buena distribucin de tamaos y un relleno adecuado con el
carbn tal como sale de la mina.
Este carbn es a menudo quebrantado antes de almacenarlo y se criba dividindolo en
trozos y menudos, que se almacenan por separado. Puede ponerse tambin en capas
compactas y ocluir los conductos de aire con una gruesa capa apretada de polvo de
carbn cubierta con otra capa de cribado ms grueso para reducir las prdidas de polvo
por el viento. Se han ideado diversos mtodos para vigilar la temperatura en los
montones de carbn almacenado y para hacer frente a la situacin si la temperatura se
aproxima al punto peligroso.
3 .3 .4 Almacenamiento ventilado.
GRUPO INDUSTRIAL
MINERA MEXICO S.A. 5 3.60 2.70
MINERALES
INDUSTRIALIZADOS S.A. 1 0.30 6.75
4.1 C L A S I F I C A C I O N .
Las definiciones de los tipos de carbn resultan de diferencias en las proporciones de los
ingredientes vegetales primitivos y son como sigue:
a) Hulla comn veteada.
Esta es la variedad ordinaria de hulla bituminosa y subbituminosa, consta de una serie de
capas o lentes que alternan irregularmente de:
1) material negro homogneo con lustre brillante;
2) material estriado, menos brillante, de color negro grisceo, por lo general con lustre
sedoso, y
3) capas generalmente mas delgadas de partculas blandas, pulverulentas y fibrosas de
hulla semejante al carbn vegetal La diferencia de lustre en las vetas es mayor en la
hulla bituminosa que en la subbituminosa.
b) Hulla esquistosa.
Esta es una variedad de hulla bituminosa o subbituminosa de color negro grisceo, mate,
estructura compacta, que contiene a menudo vetas irregulares delgadas con lustre vitreo.
Es sonora para percusin, dura y tenaz, y se rompe con fractura irregular, rugosa, a veces
astillada. Arde fcilmente y no se hincha cuando se calienta.
c) Ampelita
Hulla grasa de llama brillante. Es una variedad de hulla bituminosa o subbituminosa de
textura uniforme, compacta, de grano fino y sin vetas. Tiene color gris tirando a negro,
lustre grasiento y fractura concoidea. No se aglomera por el calor, produce un porcentaje
elevado de materia voltil, se inflama fcilmente y arde con llama luminosa despidiendo
mucho humo.
d) Bogue
Esta es una variedad de hulla bituminosa que se parece bastante a la anterior por su
aspecto y por su comportamiento en la combustin. Se caracteriza por un porcentaje
elevado de restos de algas y materia voltil. Por destilacin produce alquitran y aceite
Los carbones que poseen los caracteres de los diversos tipos descritos pueden
identificarse fcilmente, pero hay tambin carbones de un carcter intermedio, por
ejemplo, el semiesquistoso. Un estrato d e carbn puede componerse por entero de un
solo tipo, pero es muy comn que un solo estrato contenga capas de dos o tres tipos a
consecuencia de condiciones cambiantes en la turba original.
4.2 C L A S I F I C A C I O N P O R A N A L I S I S I N M E D I A T O .
Generalmente para fines de clasificacin del carbn mineral, se emplean los parmetros
establecidos por la Sociedad Americana para Pruebas de Materiales (ASTM), los cuales
se basan en el carbn fijo (CF), materia voltil (MV), as como en el factor de
expansin. Tambin se basan en la determinacin del poder calorfico, el % de cenizas y
el contenido de azufre.
4.3 CLASIFICACION DEL CARBON POR RANGO SEGN LA U. S.
G E O L O G I C A L SURVEY.
C O N S E J O DE R E C U R S O S M I N E R A L E S
que que
I antracita 1. Meta-antracita 98 2
2. Antracita 92 98 2 8 No
0
3. semiantracita 86 92 8 14 aglomerable
1.Carbn
bituminoso 78 86 14 22
Volatilidad baja
2. C a r b n
bituminoso 69 78 22 31
Volatilidad media
3 Carbn Comnmente
4 Carbn
Volatilidad alta B
5 - Carbn
1 Carbn
3 - Carbn No
2 Lignito B 6,300
A
Esta clasificacin no incluye algunos carbones, principalmente variedades no
bandeadas, las cuales tienen propiedades fsicas y qumicas fuera de lo comn y estn en
los lmites del carbn fijo o valor calorfico de alta volatilidad rango bituminoso y sub-
bituminoso. Todos estos carbones pueden contener menos de 48% de carbono fijo en
base seca, libre de materia mineral o valor calorfico mayor a 15,500 unidades trmicas
britnicas (BTU) por libra en base hmeda libre de materia mineral.
B
Humedad referida al carbn que contiene la humedad natural inherente, pero que no
incluye agua visible en la superficie.
c
Si es aglomerable, clasifica en la clase bituminoso de volatilidad baja.
D
Carbones que tienen 69% o mas de carbn fijo en base seca, libre de materia mineral,
deberan de ser clasificados de acuerdo al carbono fijo sin considerar valor calorfico
1
E s reconocido que existen variedades que son no-aglomerables en estos grupos de la
clase bituminoso.
4.4 C L A S I F I C A C I O N D E L C A R B O N P O R T A M A O S .
El carbn puede ser embarcado tal como sale de la mina o puede ser cribado y
clasificado en dos o ms tamaos, con alguna trituracin si fuera necesaria para
satisfacer las necesidades del mercado. Para la mayora de los usos es importante el
tamao del carbn, tanto con respecto a su manipulacin como a su comportamiento en
el horno
Cualquiera que sea la clase de c r i b a s empleadas para la clasificacin comercial, las
designaciones normales por t a m a o se basan en las pruebas con cribas de agujeros
redondos hasta 3/8 de pulgada (9 5 m m ) de dimetro, y con cribas de tela metlica de
abertura cuadrada para los tamaos m a s pequeos.
El carbn se produce en multitud de tamaos segn las especificaciones de los
consumidores y los esfuerzos r e a l i z a d o s por los productores para adaptar su artculo a
las condiciones del mercado.
Los distintos tamaos cribados o b t e n i d o s de carbn tal como sale de la mina pueden dar
un anlisis bastante distinto por las diferencias en los caracteres fsicos de las capas y
por la diversa manera en que se p r e s e n t a n las impurezas minerales.
4.5 U T I L I Z A C I O N D E L C A R B O N .
Uno de los empleos ms importantes del carbn es la produccin del coque, ya que en
ella se producen adems derivados como el gas de hulla, amoniaco, alquitrn e
hidrocarburos del mismo, de los cuales se derivan un gran nmero de compuestos
qumicos
El carbn se consume en un t o n e l a j e mayor que ninguna otra mercanca producida por el
hombre. Es tambin una de las principales mercancas mundiales tanto en valor
monetario como en importancia general. Es el combustible mas empleado por las
centrales elctricas, por los hornos industriales y para la fusin de metales. Es tambin la
materia prima para la fabricacin de miles de productos qumicos que tienen usos
importantes en casi todos los campos de la tecnologa. No obstante sus mltiples
aplicaciones, el carbn es una de las mercancas mas baratas en todo el mundo
En nuestro pas, el carbn trmico tiene hoy en da una gran demanda para mantener las
plantas carboelctricas ubicadas en el norte del estado de Coahuila, y el carbn
coquizable tiene su mayor demanda para la fundicin de fierro en la planta siderrgica
ubicada en Monclova, Coahuila.
En poco tiempo se establecer otra planta carboelctrica en el sur del pas, la cual
requerir carbn de exportacin, ya que su ubicacin geogrfica hace incosteable surtirla
con carbn de la regin carbonfera de Coahuila, donde se encuentran el 95% de las
reservas de carbn en el pas.
5. M E T O D O S ESTADISTICOS.
5.1 P A P E L D E L O S M E T O D O S E S T A D I S T I C O S EN LA A D M I N I S T R A C I O N
DE L O S P R O C E S O S .
5.1.1 C O M O O B T E N E R I N F O R M A C I O N .
La informacin es una gua para nuestras acciones. A partir de la informacin
conocemos los hechos pertinentes y adoptamos acciones apropiadas basadas en esos
hechos. Antes de recoger la informacin, es importante determinar qu se va a hacer
con ella
Esta divisin de un grupo en varios subgrupos con base en ciertos factores, se llama
estratificacin. La estratificacin es muy importante, y es necesario que su aplicacin
se convierta en un hbito de pensamiento en todo tipo de situaciones.
Suponga que usted quiere saber la relacin entre la calidad de un ingrediente y la
dureza del producto En un caso como ste, cuando usted quiere saber si hay una
relacin entre los valores de dos caractersticas, los datos tienen que estar disponibles
por pares. Si los datos se recogen por pares, se pueden analizar usando un diagrama
de dispersin, que se explicar ms adelante.
Una vez que se han recogido los datos, diferentes clases de mtodos estadsticos
pueden ser utilizados para analizarlos, de modo que se conviertan en fuente de
informacin. Cuando se recogen datos es importante organizados adecuadamente
para facilitar su procesamiento posterior En primer lugar, el origen de los datos debe
registrarse claramente. Los datos cuyo origen no se conoce con claridad se
convierten en informacin intil. Con frecuencia, se obtiene poca informacin til a
pesar de haber gastado tiempo reuniendo datos sobre alguna caracterstica de calidad
En segundo lugar, los datos deben registrarse de tal manera que puedan utilizarse
fcilmente; por el hecho de que con frecuencia los datos se utilizan posteriormente
para clculos estadsticos
5.1.3 C O M O M A N E J A R LA I N C E R T I D U M B R E .
''La estadstica es la ciencia de la incertidumbre". En estadstica, no trabajamos con
preguntas del tipo que es 9 , sino con preguntas como de que podra ser?, que es
probable que sea?. Consideremos las siguientes afirmaciones:
"El precio de la accin de IBM dentro de seis meses ser ms alto que hoy"
"Si e) dficit en el presupuesto federal es tan alto como se ha previsto, los tipos de
inters permanecern altos el resto del ao".
"Si hacemos una oferta de este nivel, ser ms baja que la de nuestros competidores
y nos aseguraremos el contrato".
"La mejor opcin para mejorar la situacin de este producto en el mercado de
acciones es la de realizar una campaa publicitaria dirigida a jvenes entre 18 y 25
aos de edad".
Cada una de las afirmaciones anteriores contiene un lenguaje que da una sensacin
de falsa seguridad. En el momento en que se realizaron, no haba forma de estar
seguro de su veracidad. Aunque un analista pueda pensar que el desarrollo de los
prximos meses va a ser tal que las acciones de IBM subirn en ese perodo, no
puede tener la certeza de que as sea. Luego, desde un punto de vista semntico, las
frases anteriores deberan modificarse, por ejemplo como se indica a continuacin:
"El precio de la accin de IBM dentro de seis meses ser posiblemente ms alto que
hoy".
"Si hacemos una oferta de este nivel, es probable que sea ms baja que la de nuestros
competidores y nos aseguremos el contrato".
No obstante, nuestra preocupacin por la incertidumbre no es solamente semntica.
Todo lo que hemos hecho hasta ahora, es sustituir afirmaciones precisas que no
podamos garantizar, por otras innecesariamente vagas. Despus de todo, qu
queremos decir con "es probable"?. Las frases, una vez modificadas, pueden
interpretarse como que es ms fcil que los sucesos de inters se cumplan frente a
que no lo hagan. Pero, cunto ms fcil 9 El espaol es un lenguaje rico en palabras
que denotan incertidumbre, y algunas de ellas sugieren una escala desde lo imposible
hasta lo seguro. Aun asi, el lenguaje no es suficiente para dar una descripcin
satisfactoria del grado de incertidumbre asociado a un suceso. Necesitamos una
estructura ms formal con este fin.
5.1.4 M U E S T R E O .
Antes de introducir un nuevo p r o d u c t o en el mercado se analizar un pequeo
subconjunto, o muestra de los individuos de la poblacin y los resultados que se
obtengan, se basarn en la informacin obtenida de la muestra.
La tcnica de muestreo en grandes poblaciones se utiliza habitualmente en el campo
de la administracin de empresas. T a m b i n una auditora de contabilidad se basara
en una muestra de todas las cuentas.
5.1.5 C O M O A N A L I Z A R R E L A C I O N E S .
La teora econmica nos dice que, a igualdad del resto de factores, un incremento en
el precio conllevar un descenso en la demanda. No obstante, esta teora es
puramente cualitativa No nos dice en cunto descender la demanda. Las teoras
basadas en el conocimiento subjetivo son muy tiles para sugerir los factores que
influyen en las cantidades de nteres, c o m o la demanda en este caso Para ir ms all,
debemos obtener informacin cuantitativa que informe de cmo la demanda ha
respondido a cambios en el precio en el pasado. Basaramos, entonces, nuestras
conclusiones, en la premisa d e q u e lo que ocurri en el pasado se repetir,
probablemente, despus de la subida d e precios propuesta.
5.1.6 P R E D I C C I O N .
El deseo de predecir el futuro es una caracterstica inherente al ser humano. No
obstante, la necesidad de hacer predicciones confiables en los negocios va ms all
de la curiosidad. Las decisiones de inversin deben tomarse mucho antes de que un
nuevo producto salga al mercado, por tanto, es muy deseable tener predicciones
sobre cmo ser la situacin del mercado en el futuro prximo. Para productos ya
establecidos, hacer predicciones sobre las ventas a corto plazo es importante para
establecer los niveles ptimos de acumulacin de existencias y produccin. Para
tomar una decisin sobre aumentar o no el nivel de pasivo de una empresa, es
importante predecir los tipos de nteres en el futuro. Para formular una poltica
economica razonable, los gobiernos necesitan predicciones sobre cul seria el
producto interior bruto, el desempleo y la inflacin bajo varias polticas diferentes.
Bsicamente, las predicciones de valores futuros suelen obtenerse a partir del
descubrimiento de regularidades en el comportamiento en el pasado Por esta razn,
es necesario disponer de datos sobre el comportamiento, tanto de la variable a
predecir, como de otras variables relacionadas. El anlisis de esta informacin puede
sugerir tendencias en el futuro.
5.1.7 T O M A DE D E C I S I O N E S EN UN E N T O R N O DE I N C E R T I D U M B R E .
En cualquier tipo de negocio, deben tomarse constantemente decisiones en un
entorno en el que la persona que debe decidir no conoce con seguridad el
comportamiento futuro de los factores que podran afectar al resultado que se
obtendr bajo varias opciones posibles a considerar.
5.1.8 C O M O R E S U M I R L A I N F O R M A C I O N N U M E R I C A .
En nuestros dias, cuestiones tales c o m o la situacin de la bolsa, la tasa de inflacin
de precios o la opinin del electorado sobre un candidato a presidente nos incumbe a
todos. Para poder entender la evolucin de estos temas, debe manejarse e interpretar
una gran cantidad de informacin numrica.
Las memorias anuales de las grandes compaas resultan difciles de asimilar por su
enorme cantidad de informacin acerca de diversos aspectos organizativos. El uso de
ordenadores es, en gran parte, responsable de esta tendencia. Los avances
informticos en el terreno del calculo han posibilitado el almacenamiento,
recuperacin y anlisis de cantidades de informacin que resultaban impensables
hace tan solo unos aos. Parece evidente que estamos obligados, cada vez mas, a
pensar en las implicaciones numricas de cualquier tema de inters. Muchas personas
contemplan este fenmeno, que constituye un recurso laboral para los estadsticos,
con miedo y confusin; algunas incluso con irritacin.
Necesitamos dar sentido a toda esta informacin numrica. Por supuesto, cada uno
es libre de interpretar los nmeros como quiera, del mismo modo que es libre de
llevar a cabo su propio diagnstico. Sin embargo, la tarea de dar sentido a la
informacin numrica no es trivial Qu debemos hacer cuando nos enfrentamos a
un gran conjunto de datos? El objetivo de un estadstico es resumir la informacin
su santamente, poniendo de relieve las caractersticas ms importantes de los datos
numricos, de forma que se consiga una idea clara y exacta. Es decir, debemos
reducir la informacin lo mximo posible, pero teniendo cuidado de que una
reduccin excesiva no nos Heve a omitir caractersticas importantes. Son muchas las
ciencias que necesitan hacer anlisis numricos y, en cada caso, llegar a conclusiones
vlidas constituye todo un arte.
Nuestro objetivo es hacer una revisin de los mtodos empleados para resumir y
analizar la informacin numrica. Algunas tcnicas a las que nos referimos tienen
como finalidad la obtencin de medidas numricas que resuman la informacin,
mientras que otras tienen carcter grfico. Todas ellas poseen atractivos, pero
pueden tambin tener inconvenientes en aplicaciones particulares. Por desgracia no
existe un mtodo nico para analizar datos. De hecho, la forma adecuada de
enfrentarse a los datos es, en cada caso, un problema especfico, que depende de las
caractersticas de los datos y del objetivo del anlisis.
5.2 A N T E C E D E N T E S
Es un hecho cada vez mas comnmente aceptado que vivimos rodeados de nmeros.
Resulta imposible leer el peridico o escuchar las noticias sin tener que dirigir el
impacto de frases como "La Bolsa de Valores cay seis puntos en la sesin de hoy "
" El 40% del electorado al candidato tal".
Para entender la evolucin de estos temas deben manejarse e interpretar una gran
cantidad de informacin.
En este trabajo se considera la informacin que servir de base para buscar alguna forma
funcional que relacione dos variables. Cabe considerar que en la prctica,
frecuentemente es necesario estudiar la relacin de correspondencia de dos variables.
Para estudiar la relacin entre dos variables tales como la presin y la temperatura,
puede utilizarse un diagrama de dispersin.
5.3 C M O SE E L A B O R A UN D I A G R A M A D E D I S P E R S I N ?
Para elaborar un diagrama de dispersin se procede de la siguiente manera.
Paso 1
Rena pares de datos (x, y), cuyas relaciones usted quiere estudiar, y organice esa
informacin en una tabla Es deseable tener al menos 30 pares de datos.
Paso 2
Encuentre los valores mnimos y mximos para x y y. Decida las escalas que va a usar
en los ejes horizontales y verticales de manera que ambas longitudes sean
aproximadamente iguales, lo cual hara que el diagrama sea ms fcil de leer Trate de
mantener el numero de divisiones en cada eje entre 3 y 10 y use nmeros redondos para
facilitar la lectura. Cuando las dos variables sean un factor y una caracterstica de
calidad, use el eje horizontal x para el factor y el eje vertical y para la caracterstica de
calidad.
Paso 3
Registre los datos en el grfico, cuando se obtengan los mismos valores en diferentes
observaciones, muestre este punto.
Paso 4
Registre todos los aspectos que puedan ser de utilidad. Cercirese de que se incluyan
todos los tems siguientes de manera que cualquier persona que hizo el diagrama, pueda
comprenderlo fcilmente; considere:
a) Ttulo del diagrama.
b) Periodo de tiempo.
c) Nmero de pares de datos.
d) Ttulo y unidades de cada eje
5.4 C O M O L E E R L O S D I A G R A M A S DE D I S P E R S I O N .
As como es posible captar la forma de la distribucin en un histograma, tambin es
posible leer la distribucin general de los pares de datos a partir de un diagrama de
dispersin. Al hacerlo, lo primero es examinar si hay o no hay puntos muy apartados en
el diagrama. Puede generalmente suponerse que estos puntos apartados del grupo
principal, (figura 5.4.1), son los resultados de errores de medicin o de registro de los
datos, o fueron causados por algn cambio en las condiciones de operacin. Es necesario
excluir estos puntos del anlisis correlacional Sin embargo, en lugar de despreciar
completamente estos puntos, usted debe dar la debida atencin a la causa de esas
irregularidades porque con frecuencia se obtiene informacin muy til averiguando por
qu ocurre.
Hay muchos tipos de formas de dispersin, y algunas formas tpicas se dan desde la
figura 5.4 2 hasta la figura 5.4.7 En las figuras 5.4.2 y 5.4.3, y crece con x; esto es una
correlacin positiva. Tambin, como la figura 5.4.2 muestra esta tendencia de una
manera muy pronunciada, se dice que es una correlacin positiva fuerte. Las figuras
5 4 5 y 5.4.6 muestran lo opuesto a una correlacin positiva, pues a medida que x
aumenta, y disminuye; esto se llama una correlacin negativa La figura 5.4.5 muestra
una correlacin negativa fuerte. La figura 5.4.4 muestra el caso en el que x y y no tiene
ninguna relacin particular, y por eso decimos que no hay correlacin. En la figura
5.4.7, hay una correlacin parcialmente positiva y parcialmente negativa.
' *
-
v
Puntos lejanos
qI i I i I I I L
O 2 4 6 *
fi 30 r = 0*6
Ol I I I I ! I L
0 2 4 6
. - ' S
ol I I I I I I I
0 2 4 6 *
Figura 5.4.4 N o hay correlacin
y n = 30 r= - 0 . 9
9
i *
o J I i I I I L
0
Figura 5 4.5 Correlacin negativa
n = 30 r= -0.6
*
*
O I I L I
0 6
0
O 2 4 6 x
Figura 5.4.7 Correlacin parcialmente positiva y parcialmente negativa
5.5 M O D E L O DE REGRESION LINEAL.
r= S(xy)
V S(xx) S(yy)
donde,
/ V
x
n n z - ,
x x x 2
S (xx)- (<" f ~ S ' " \i i y
ii i i n
f n ^
2 2 Vi i y
S(yy)- (y,-y) = y
< i 11 n
S (xy)- (x, - x ) (y - y )
/ \
> . 2>.
v- i yv?i j
11 n
'i
X (x, - x )(y, - y )
I <x,-*) 2 I (y<- y f
ii
"n" es el nmero de pares de datos, y S (xy) se es la covarianza. El coeficiente de
caso de una correlacin positiva fuerte como en la figura 5.4.2, se obtiene un valor
cercano a +1, e igualmente, con una correlacin negativa fuerte como en la figura 5.4.5
se obtiene un valor cercano a -1. Es decir, cuando r est cerca de 1, indica una
correlacin fuerte entre x y y, y cuando r est cerca de 0, indica una correlacin dbil.
Adems, cuando r = 1, los datos aparecern en lnea recta. Si usted recuerda esto, y
CUADRADOS
Sea (xy) (l < / < n) un conjunto de n pares de datos observados. Sea y 0 el valor
Por medio del Mtodo de los Mnimos Cuadrados, se obtienen a y fi como los valores
n
que minimizan ^ e , 2 , o sea, la suma de los residuos. La suma de los cuadrados de los
-i
d (SSE) = - 2 (yi-a-fic,)
i-i
5a
d (SSE) = (yi-a-fayx,
ii
Al igualar las derivadas parciales a cero y reacomodar los trminos, se obtienen las
ecuaciones siguientes (llamadas ecuaciones normales)
n n
na + p X *< = Z y>
, i ii
ri // tt
+ 2
a Z11 *' P i Zi *< =11Z
Las cuales se pueden resolver simultneamente para dar las frmulas de clculo de a y
P-
M / II \ / * \
n
t , * * - z ^
0 = * \
n
Z v - 2 > ,
-I \2-l y
Z ^ -
-i -i
ai
Paso 1
Paso 2
Calcule S(xx) y S(yy)
Figura 5 6.1
Paso 3
Se obtiene /? de
a S(xy)
S(xx)
Y a se obtiene de
~ y - fix
residuos minima.
Tabla 5 6.a
Paso 1
Paso 2
S(xy)=
Paso 3
$ = 12.8/10.0- -1.28
= 3 . 2 7 6 - ( - 1 . 2 8 ) x 9.00=14.80
De esta manera, la lnea de regresin se expresa por y^l4.80-1.28x. E s decir, por cada
La figura 5.6.2 muestra la lnea de regresin antes calculada. La mayora de los puntos
4.0
y = 1 4 . 8 0 I-2&X
3.0
2.0
1.0
1 1
s.o 8.5- 9.0 9.5 10.0 J
{kgf/cnft
Figura 5.6.2
Problema
Los datos a continuacin muestran el contenido de carbono x (%) y la resistencia a la
traccin y (Kg/mm 2 ), de un cierto acero.
6 28 48
7 2.2 43
8 2.7 47
9 2.4 44
10 2.3 45
11 2.0 42
12 2.2 44
13 2.6 47
14 2.1 44
15 2.5 46
16 27 47
17 2.1 42
18 2 6 48
19 24 45
20 21 43
21 2 3 45
22 2,2 43
23 23 46
24 2.4 47
25 2.3 44
26 24 45
27 2.6 46
28 2.5 42
29 2.6 46
30 2.4 46
Diagrama de dispersin
49
48
47
46
Resistencia a la
45
traccin kg/mm2
44
43
42
41
% de Carbono
El grfico presenta una correlacin positiva indicando que a mayor cantidad del
porciento de carbono hay una mayor resistencia a la traccin.
2) Para determinar r hay que calcular primeramente x , y y xy como se efecta a
continuacin.
Numero X
l
y X
r= Sfxy)
1/ S(xx)S(yy)
n
( " V
Z*. Z>'
ii
= 3203.2 - C? 1-1X1348)
30
= 8.44
f n
n
S (xx)- J ] Xj2 - V> i J
=- 169.81 (71.1)(71.1) / 30 = 1.303
ii n
/ v
844
VO 303)(87 87)
r- 0.789
3) Se obtiene x y y de los datos
x = 71.1 / 30 - 2 37
y - 1 3 4 8 / 3 0 = 44 93
La informacin de los analisis qumicos del carbn y los reportes respectivos, se fueron
recopilando desde Septiembre de 1998 a Junio de 1999, todo ello fue transcrito y se
desglosa a continuacin.
M M1 "t N
M O 2T c-
r> T-
Q
CO 13C
NO CO (\|
CO OO 5COcoO
n n M (M
qj -- cm co to
o O ) TT * IO Gl CD C
D
^10 co
CO
L
CTI
O IL
O) co
T r- Cm
O m
f-
in
o2 N ino n >- C
N
C
M
m
O ' i in in in
CO tio m
CO r*-f- Tt- r-~ coT T- m
l/l d
T
_ in m m m t in in s in CD
co
w < in ' (O N CO co
> ai
o CD cN a>
CO CC
T- N in
N cN
o co
o<o co
CN cmh- co
co CR <o
CO COco co
cd rio- en
o< m m n 00
gj 'ai
J- ch-
m co
coC in
tn CN
<JI
en co t
co CN
CO a>Ol o
I f CN O t- r-.
M
I
D
m
ai
co ID O co
>
a mm n co C
CO
O oCO CO
Ol C M O)
UJ O T
< y E i--
r-- 5 T- CO
O
co CO CD
co
<
>
o m TT)
O CO o
o
c-i to h-
co co
r-
m m N r-- oC
o m n M
en
U
<J a< < <o <
Q
<
g Q QQD
< < < < <
g
CL
LU a. cl cl cl cl cl cl cl cl cl CL
O O O O O o O O o O O
da) _>
U_ LL.i LL.i U-i
O o mo m o mo ffi
o oco
m m m Om
O O O co ffi
i i i p i
i LUi U
LU JiUJ. LU LU LU UJ LU UJ
cl cl cl cl tu CL CL CL cu
$> NJ NJ liJ
MN N MMN NN N
U U LU UJ
CU LU UJ UJ LU LU U
J
3= 9= 3= CL CL CL CE CL
5 5 5 5 < < < < < < 5
< < < <
cl cl cl cl CL CL CL 01 en CL<CL
< < < <
< <<.<<< <
LU LiJ UJ UJ UJ LU LU LU LU LU LU
CO CO CO CO CO CO CO CO CO CO CO
o O O O o O O O O O o
T T rr 't T t T -t -t
r i i I
LO LO LO LO
r-.
m m h- h- h-
m m m lo IO
o o o o o o o o o
co
Ol co
Gl co co
O) co
0)
co C (TO CO
) fflCO
X ffl
< IO
o< O
D
O
oLU o<y><2?
o 93
o 2 o O S tiCN iCN <
O o tC
M
(N CO L
cO
o CO o0) LO
co
^
~T
O r-- io co co co co
i/inn CO
O ) CN ccoo ^to O fl
im rio
(O 7c C
T
sN
O oCM oC 0O5
co
LO LO m L O T LO C
N r T
LO LO
O
y
m o
^ S ID I
o ^ t
co
h-
LO CO
IO CN CO
LO
*- *- *- h-
m io co O) CO LO LO LO m
co r- (O co co LO (0
co
f co LO o co
O
CM oCN CN C
oM en oCN
O) V
"
T
co M
t iO) CO
O o> C coO (M
h-N C IO
IcTo) f-- O)
IM ccoo o ccoo (co
O
co r--
co co
>
f-
o co C CO
O oOl Ol IO r--O
f o a- Lo
CO
cCoO C
OO^
o
CT)
u O CO ccoosi
o 0)
co
!-
co co C
CM
O
CT)
o y ^
CO oCO
io
co C CN C
TN f- O
LO o>
3 LO co T T co CO co
o
i i 0) M ccoo r--
io C
coO C
0N
5CCM
OT 05 o
o IoO r-- LO 0) CO ^CO
<N cCoO ai CTI LO
co co ^ co T o
LO
(0 D
g IO g
CO I g
"D ID g
(0 ;o
CC flj
g
o O o o o o o o
LL U. LL LL LL LL LL LL
c c c _c_ _ _c_ __ _c
"5
C "S
C "5
C "mS "3 t5 o
_l _J m mm co
UJ LU UJ _J _1 _i _l
'
y. UJ LU
ai ai 01 01 tr K 01 CU a.
N
LUI L
NU N N N
or a: cu
UJ UJ Hi NUJ UNJ UNJ NJ
U
K ce ce 01 CU 01
S s < s 1
< < < < < < < <
CE ce CE C 01 01 01 01 a.
< < <
<C < < < < <
UJ UJ UJ UJ LU LU UJ LL] UJ
C/5 CO f> co co co a> C/5 co
O o o o O O
j O o ) >
O -> > >1 >
^r T TT
r-- r-- r-- f
o. r--
m r--
m r--
LO r--
in IO lO LO m IO
o o o o o o o o o
CN h- et Ci CD
o
W >
n CN^ CO
O) T co co co
O
T in n io t-
ai ffl
to Ifl 03 s
CO
ai
io co in in co in in io
w
^ CO IO
Ifl (M S
t IN
S in
co co co com
co co
LO LO IO *f IO CO IO 05
c/5 in
s^ o^ co in
^ co N- IO
CO io o>
n
CN
C
CO
O co co CO CN "
O r C
N5 CN C
05SI OCO
co
l- 0 o o o o
o o o o O CD
co co co CD CD m co co co
i i
UJ UJ UJ, LU. LLl LLl UJi L
U _lJ_
U
CE CL CSL CE CE CE a: a: a: cu
N
$ M N NM N
LU
N
UJ NLU NLLl NLLl UJ
'2 UJ LU LU LU 01 OC 01 01 cu
a. CU CE CU 01 CE
5< 5< 5< 1<
2< <
< < < CU 01 01 CE 01
a. cu
< < <
ai cu
< <
< < < <
LLl LU UJ UJ UJ UJ UJ UJ LLl UJ
CO CO CO co CO CO CO CO co
O O O o o o o o o
i: ^ T ^ r-. ^ T T TT
c
q_ i h-
. m rin- f-- t
io in LO io io io io LO
"Z o o o o o o o 5
E
< 0<
>350CTI
) O T05
0 5s> E
3 3
o o o o <O o <G
O ?f ?CN 6CN o
CN in ^ cn co <J>
O cri r-- o> CN
CO CO CO CN CO CN CN CO CN
n OO) O) N ciCN o (O
Nl Ol SN OlO O
col
y C T- co T < C
r- o co t r--
m Iii ui uim
h- co inN
nj in co in in
O
o IO co
(Jl m
IC co
sS ^ _ ' ^
: co m in r**- in in h co T
CO MN co co
O C
CN
o) CN <on cp
co in O
<jiCNCN CN o
CN
N in m r-
C
O cn O
in) in T-
co ' t
m
T-
eo CN CO 'C
CO CN fO
l- co co CO
oo co T- CO
1 ^o Crio co in
M ^OlmT-
m r-
t- M
w co CCN - C O co ai O h- 001
^f O co co co
CN CN
> CN CN CNCN CN
o
LLI CO CO CO O ? 5
O c S I ^
< 3 'f (O ^ CO
X
0<0 DO
> C O IO TCNCOO) f
O)
o w C O CN T- OT CM
in s ^
CN CN CSI nCN O
yo <
2 LU
CO
UJ LU < < <
_ _O Q
< < < < < < g
<
re 0 Q Q Q Q 9CE
LU e CE CU CE 01 [E CU CE CE o:
O
o o o o o o o o
I ILI ILI HoI-
OJ 11.
Q
O O O O o O O O O o
m m co co (S C co CD C co
i I I I "
LU LLI UJ LU LU UJ LU UJ
i r ce o: a: CE [E CE CE CE CE
N N MN NI N N NN N
LU UJ LU LU UJ LU lil UJ UJ UJ
CU CC CE CC CU ce ce a: ce a:
< < < < <
< < < <
C CE <CE <CE en
ce a: ce a: <E < <
<
< < < <
UJ UJ LU UJ UJ UJ
LlJ LU LU LU C/5 (13 Cl O co
(/)(/) H W o o O O
o O O O O
2 T Tf iT ^ 1- -t r- r--
Q- m
f- io
h- in f^r r- r-
m N-
m m m in
m m
o o o o
z o o o o
oi oi S 9? E o> <5 S
< fioi ffl 3> ZJ 01 O)
I n 5) <o
5 o
T <o
O o o o oQ
oCO U!CN CN
PJ Si
L
LUL ^O ^ m
CM TCTO
L 0201 30090
CN L
OO oco O
col T C
CO
O sr
co r--
(N CTO
O
CO co' to CN co'
CO
q> es CN C CO
O to CN Ol CN
ic co S I?
*
OO L
C e-O
LO T CO
L D ISO L
LO
O LO O
ID
8 *
M CDcq r-- N-
CO C
coO Ol CD Ol sr
co
s? CN CN
: CO CO S I N
CO
M (O
CR co co CTO co tO C
CO C toO CD
05
o> CN C
N o> o
CN
Ol Ol o> Ol
O
O)l Ico
O co
CN LO C in CN
cri ,N
C O , CN
CN co co
CN o co CO CO C
CN
O
O
05) CNl (O sr CM CN
O< 0 CT)
CN C
OO
Ol OLO s 0)Ol sr C
o> CO
CO CO 'fCN
CO r-
<J1 co o IO
co co , CN o>
> M co C\l C O
CN) h-
ci ^
ui O co f0) co C
Q 2 co co co mCN
N CN T
CO S
3
I
51
5 (O CN co co C N TN (O
D
o <o E
3 co co CT) O C
I IoO Ol CO C
D fi C O
so i CN co CN r-
co O
O N T
CN CO IC-.
O
z z z Z Z z z Z
1- 1- H 1- 1- 1- 1- 1-
o o o o
C C co C O
m
o o o
m C co
O
m
1 _l _l _i
LU UJ_ LU LU J- LW
*U UJ UJ
-
LU
CL CL CL CL te CL Q: CL CL
NU N
UJ N NLJ N
UJ N
o L UJ L N
U
CL
J UJ N
UJ N
UJ
CL CL CL CL CL OL CL CL
5 5<
< < < < < < < <
CL CL CL CL cl
< CL CL CL CL
< < < < < < < <
UJ UJ LU LU UJ UJ UJ UJ UJ
co co CO CO CO CO CO CO CO
o o O
o 1
> ) >
O O o O O
> > >
<
I
O
l CT)
g> COD) O
01l E
D
Ol
Ol
Ol CT)
n CT) E
3
o in to
o o g o> <O <2 CD S <O
g o g
C
o
D f oCN r--
OJ co S
o T
7. APLICACIN DE METODOS ESTADISTICOS EN EL
ANALISIS DE CARBON
tabla.
5,242 5162
16 24-DC-'98 36.72
4,704 4677
17 7-Ene-'99 41.38
4,737 4757
18 14-Ene-'99 40.61
19 21-Ene'99 28.56 5.994 6011
Pronostico No aceptable
Datos
Originales y=-0 1213x+23.979
Vies % Cza % M.V Pronstico
1 5-Sep-'98 30.61 19.94 20 27
2 10-Sep-'98 32.13 19.77 20.08
3 17-Sep-'98 27.68 20.40 20 62
4 24-Sep-'98 33.16 19.79 19 96
5 1-Oct-'98 39.16 18.93 19 23
6 8-Oct-'98 34.22 19.65 19.83
7 15-Oct-'9 8 36.67 19.65 19 53
8 22-Oct-'98 34.05 20.01 19 85
9 29-Oct-'98 34.82 20.08 19 76
10 5 - N o v - ' 9 8 35.34 19.37 19 69
11 1 2 - N o v - ' 9 8 37.42 18.93 19.44
12 29-Nov-'98 37.95 19.46 19.38
13 3-Die-'98 36.49 20.13 19 55
14 10-Dic-'98 40.72 21.15 19 04
15 17-Dic-'98 36.36 20.01 19.57
16 24-Dic-'98 36.72 19.03 19 52
17 7-Ene-'99 41.38 18.49 18.96
18 14-Ene-'99 40.61 18.84 19.05
19 21-Ene'99 28.56 20.54 20.51
20 28-Ene-'99 27.01 18.38 20 70
21 4-Feb-'99 29.73 19.92 20 37
22 11-Feb-'99 24.30 22.74 21 03
23 18-Feb-'99 29.61 21.87 20 39
24 25-Feb-'99 30.42 20.55 20.29
25 4-Mar-'99 31.02 19.99 20 22
26 11-Mar-'99 28.14 20.62 20.57
27 25-Mar-'99 32.95 20.02 19.98
28 31-Mar-'99 34.59 20.65 19 78
29 8-Abr-'99 31.78 19.90 20 12
30 15-Abr-'99 40.98 18.52 19.01
31 22-Abr-'99 36.57 19.54 19.54
32 29-Abr-'99 34.15 18.88 19.84
33 6-May-'99 29.99 19.92 20 34
34 13-May-'99 28.50 21.62 20.52
35 20-May-'99 30,26 20.35 20.31
36 27-May-'99 34.50 19.84 19 7
37 3-Jun-'99 31.24 19.82 20 1
3 10-Jun-'99 33.5C 19.84 19 92>
3> 17-Jun-'99 31.24 19.8: 5 20.1 S
}
Pronostico No aceptable
Datos
Originales y
Q 1364X+11 321
/les % Cza F.S I Pronstico
1 2 -Sep-'98 30.61 6.5 7 15
2 1 Q-Sep-'98 32.13 5.5 6 94
3 1 7-Sep-'98 27.68 4.5 7 55
4 2 !4-Sep-'98 33.16 5.0 6 80
5 1 -Oct-'98 39.16 4.0 5.98
61J - O c t - 9 8 34.22 6.5 6 65
7 5-Oct-'98 36.67 7.5 6.32
8 : >2-Oct-'98 34.05 7.0 6.68
9 29-0 ct-'98 34.82 6.5 6.57
10 5-Nov-'98 35.34 7.5 6.50
11 12-Nov-'98 37.42 6.5 6 22
12 29-Nov-'98 37.95 6 614
13 3-Dic-'98 36.49 6.0 6.34
14 10-DC-98 40.72 6.5 5 77
15 17-Dic-'98 36.36 5.5 6.36
16 24-Dic-'98 36.72 7.5 6 31
17 7-Ene-'99 41.38 5.5 5.68
18 14-Ene-'99 40.61 5.0 5 78
19 21-Ene'99 28,56 7.5 743
20 28-Ene-'99 27.01 7.0 7 64
21 4-Feb-'99 29.73 7.5 7.27
22 11-Feb-'99 24.30 8.0 8.01
23 18-Feb-'99 29.61 7.5 7.28
24 25-Feb-'99 30.42 9.0 7.17
25 4-Mar-'99 31.02 8.0 7 09
26 11-Mar-'99 28.14 8.5 7.48
27 25-Mar-'99 32.95 7.5 6.83
28 31-Mar-'99 34.59 7.C 6 60
29 8-Abr-'99 31.78 6.E 6.99
3C 15-Abr-'99 40.98 5.C 5.73
31 22-Abr-'99 36.57 7.C i 6 33
32 29-Abr-'99 34.15 6.C) 6.66
3 : l 6-May-'99 29.9S> 8.C) 7.23
3l 13-May-'99 28.5C) 7.(] 7 43
Zi) 20-May-'99 30.2d) 8.() 719
Zi3 27-May-'9 34.5( ) 8,() 6 62
3"7 3-Jun-'99 31.2' l 7. D 706
3 i510-Jun-'99 33.5 ) 7. 5 6 75
3 9 17-Jun-'99 31.2' X 7. 0 7 06
Pronostico No aceptable
8. CONCLUSIONES Y RECOMENDACIONES
An cuando se plantea la consideracin inicial de las variables Ceniza - Poder calorfico
y Ceniza - Azufre, se hicieron las determinaciones, Ceniza - Indice de expansin (FSI)
y Ceniza - materia voltil (MV).
m m m m w m m m w m m
. --
M?
mm