UNIVERSIDAD AUTNOMA DE NUEVO LEON

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 ;

METODOS ESTADISTICOS APLICADOS EN

EL ANLISIS DE CARBON

ING. FERNANDO FLORES ESCOBEDO

T E S I S

EN OPCIN AL GRADO DE M A E S T R O EN CIENCIAS DE LA

ADMINISTRACIN CON ESPECIALIDAD EN ^;
PRODUCCIN Y CALIDAD

SAN NICOLAS DE LOS GR2. N.L MAYO DEL 2000

FF E

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

WtTODOS ESTADSTICOS APLICADOS EN

EL A N L I S I S DE CARBN

PDR

TESIS

EN OPCIN A L G R A D O DE MAESTRO EN CIENCIAS DE LA

A D M I N I S T R A C I N CON ESPECIALIDAD EN
P R O D U C C I N Y CALIDAD

SAN NICOLS DE LOS GARZA, N.L. MAYO DEL 2000

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

Los miembros del comit de tesis recomendamos que la tesis 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 , realizada por el
alumno Fernando Flores Escobedo, matrcula 103655 sea aceptada para su defensa como
opcin al grado de Maestro en Ciencias de la Administracin con especialidad en
PRODUCCION Y CALIDAD

El Comit de is

esor
lizondo Villarreal

VrUo.
M.C. Roberto Villarreal Garza
Divisin de Estudios de Post-grado

San Nicols de los Garza, N. L. 15 de Mayo del 2000

 DEDICATORIA

A MI ESPOSA,

Q.F.B. Maricela Rodrguez de Flores,

Mi gran compaera, quien con su comprensin y cario

me apoya y me alienta siempre a continuar trazando y

alcanzando nuevas metas.

A MIS HIJOS,

Femando

Maricela Eliana y

Emmanuel Eduardo,

Con amor y el deseo de que continen su camino

de formacin educativa; con esfuerzo y dedicacin
lograrn sus objetivos.
 AGRADECIMIENTOS

A DIOS,

Por darme vida, salud y la oportunidad de lograr un deseo largo

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 ,

Elisa, Esperanza, Daniel Jess y Rolando,

Por su cario y confianza siempre mostradas para

conmigo.
 AGRADECIMIENTOS

A NUESTROS MAESTROS,

EN ESPECIAL AL A S E S O R Y COASESORES D E ESTA

TESIS,
M.C. R O B E R T O E L I Z O N D O VILLARREAL
M.C. MATIAS A. B O T E L L O T R E V I O
M.C. R O B E R T O V I L L A R R E A L G A R Z A

Quienes dedicaron su tiempo y esfuerzo en la aplicacin de

una Cultura de Calidad y Mejoramiento Continuo, as como
a la utilizacin de los mtodos requeridos para la optimizacin
de los recursos.

A LOS C O M P A E R O S DE E S T U D I O S ,

Por su buena disponibilidad y apertura al dilogo, as como

sus muestras de amistad y apoyo.

AL ING. JOSE M A R I A FRAUSTRO SELLER

Por su confianza y el apoyo brindado para la realizacin de ste

postgrado.

A LA LIC. M A R I A DEL C A R M E N RUZ ESPARZA y a sus

colaboradoras
LIC. A U R O R A BUSTILLO G A R F I A S
LIC. ERIKA RODRIGUEZ

Por sus atenciones y apoyo.

AL SR. JOSE ANGEL RAMIREZ RAMON,

Propietario de la Empresa Minera " El Botn",

por su confianza, atenciones y facilidades otorgadas para la
realizacin de este tema de tesis.

AL ING. M A R I O MURILLO PLACENCIA,

Por sus sugerencias y observaciones en el desarrollo de la

presente tesis.

A LOS C O M P A E R O S DE TRABAJO,

En especial a Mara de Lourdes, Claudia Elena y Alan Ornar,

por el tiempo y dedicacin que me brindaron en la elaboracin
de este 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.

El anlisis de regresin presentado en este caso, busca establecer la relacin existente

entre esa dos variables consideradas. Este anlisis es til para hacer predicciones
conociendo una de las variables.

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

El anlisis presentado en esta tesis, es una herramienta til para el mejoramiento de la

calidad y de una manera practica ser un apoyo en la toma de decisiones.
 INDICE
1. Introduccin 1
1 1 Objetivo 1
1.2 Justificacin 1
1.3 Planteamiento del Problema 1
1.4 Definicin de Hiptesis 2
1.5 Lmites del Estudio 2
1.6 Metodologa 2
1.7 Revisin Bibliogrfica 3
2. Yacimientos Carbonferos 4
2.1 Origen 4
6
2.2 Historia del Carbn Mineral en Mxico
2.3 El Carbn en el Estado de Coahuila 6
3. Generalidades sobre el C a r b n 8
3.1 Propiedades 8
3.1.1 Propiedades Fsicas 8
3 1.2 Propiedades Qumicas 9
3.1.2.1 Anlisis Inmediato y Anlisis Elemental 9
3.2 Constitucin Qumica 1
3.3 Almacenamiento 12
3.3.1 Antracita. 12
3.3.2 Hulla bituminosa. 12
3 3 .3 Almacenamiento del carbn al pie de la mina. 13
3.3.4 Almacenamiento ventilado 13

3.3.5 Deterioro durante el almacenamiento 13

3.3.6 Hulla subbituminosa y lignito. 13
3.4 Principales minas de produccin de la regin carbonfera. 14
4. Clasificacin y Utilizacin del C a r b n 15

4.1 Clasificacin 15

4.2 Clasificacin por Anlisis Inmediato.

 4.3 Clasificacin del Carbn por rango segn la U. S. Geological Survey 17
4.4 Clasificacin del Carbn por tamaos. 19

4.5 Utilizacin del Carbn. 20

5. M t o d o s Estadsticos. 22
5 1 Papel de los Mtodos Estadsticos en la Administracin de los Procesos. 22
5.1.1 Como obtener informacin. 22
5.1.2 Como sacar conclusiones de la informacin numrica. 24
5.1.3 Como manejar la incertidumbre. 24
5.1.4 Muestreo 26
5.1.5 Como analizar relaciones. 26
5.1.6 Prediccin. 27
5 1.7 Toma de decisiones en un entorno de incertidumbre 27
5 . 1 8 Como resumir la informacin numrica. 28
5.2 Antecedentes 29
5.3 Como se elabora un diagrama de dispersin 30
5.4 Como leer los diagramas de dispersin. 31
5.5 Modelo de regresin lineal. 36
5.6 Estimacin de las lineas de regresin por mnimos cuadrados. 37
6. Recopilacin de Resultados de Anlisis Qumicos. 47
7. Aplicacin de Mtodos Estadsticos en el Anlisis del C a r b n . 53
8. Conclusiones y Recomendaciones. 62
Bibliografa 63
Glosario 64
 SINTESIS

El presente trabajo utiliza los mtodos de Regresin Lineal Simple y Correlacin,

aplicando mnimos cuadrados.

Se parte de dos variables aleatorias x y y , las cuales fueron obtenidas de informacin

recopilada del Anlisis de Carbn efectuado a la Empresa Minera "EL BOTIN" , desde
Septiembre de 1998 a Junio d e 1999; los anlisis y reportes fueron realizados en los
laboratorios de la Empresa Grupo Acerero del Norte.

El uso de estos mtodos puede dar un pronstico de resultados muy aproximados a la

realidad .

Con el apoyo de equipo de c o m p u t o y la hoja electrnica Excel, el desarrollo del trabajo

se hace de una manera muy rapida. En este caso, se explican primeramente algunos
ejemplos aplicando los mtodos citados y posteriormente se resuelven las relaciones
consideradas con la informacin recopilada.
1. INTRODUCCION.

1.1. O B J E T I V O .

El presente trabajo tiene como objetivo fundamental la aplicacin de Mtodos

Estadsticos en el Anlisis de Carbn. En este caso, se trata de la utilizacin de
Regresin Lineal Simple con el Mtodo de Mnimos Cuadrados Se busca a partir de
informacin recopilada pronosticar resultados posteriores, cuya aproximacin sea de
utilidad, para toma de decisiones que tiendan al mejoramiento de la calidad.

1.2 J U S T I F I C A C I O N .

El avance de la computacin permite en la actualidad la aplicacin de la estadistica en

todos los campos.

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 .

La pequea empresa, en este caso, productores de carbn, requieren tener una

informacin rpida de los resultados aproximados en el Anlisis Qumico de su
producto, de ser posible antes de su transportacin por el comprador. Por lo anterior,
consideramos que un mtodo efectivo pudiera ser la utilizacin de la Regresin Lineal
Simple, considerando dos variables, para ello, las mas importantes a considerar son:
Ceniza-Poder Calorfico; Ceniza- Azufre.
La determinacin de la ceniza es relativamente sencilla, de modo que haciendo este
analisis y considerando informacin recopilada, nuestra tarea se avoc a pronosticar
resultados del Poder Calorfico y del Azufre.

1.4 D E F I N I C I O N DE H I P O T E S I S .

En este tema de estudio, se est partiendo de la hiptesis de que las variables a

considerar (x, y), se comportarn de una manera lineal simple. O sea, considerando una
sola variable de regresin independiente (x), y una sola variable aleatoria dependiente

(y).

1.5 L I M I T E S D E L E S T U D I O .

Partiendo de la hiptesis anterior y la experiencia en muestreo y anlisis de carbn, los

lmites de este estudio son:

La consideracin expuesta de dos variables, x y y.

El comportamiento del carbn para reas de explotacin, esto significa
que, para cada rea se debe hacer un estudio diferente.

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 .

En libros citados en la bibliografa del presente trabajo, se tienen ejemplos y ejercicios,

en los que se consideran dos variables (x,y), que sirven de base para las relaciones
efectuadas en el presente caso.
2. YACIMIENTOS CARBONIFEROS.

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.

La composicin y las propiedades qumicas y fsicas de las diferentes plantas originan

diferencias en el tipo de carbn.
Por el grado de carbonizacin se distinguen las especies de la serie natural, turba, lignito,
hulla subbituminosa, hulla bituminosa y antracita.
Los yacimientos de carbn ms antiguos, de pequeo volumen , se consideran de una
antigedad aproximada de 300 millones de aos. Considerando la tierra en su conjunto,
la poca carbonfera ( yacimientos misisipienses y pensilvanienses de una antigedad
aproximada de 200 a 300 millones de aos), es la mas importante para el carbn de
rango elevado, mientras que los yacimientos del cretceo superior y el terciario ( de una
antigedad aproximada de 1 a 70 millones de aos), contiene casi toda la hulla
subbituminosa y el lignito.

La poca geolgica no determina necesariamente el rango de un yacimiento de carbn;

por ejemplo, algunos yacimientos muy antiguos q u e no han sido sometidos a altas
presiones o a una temperatura elevada tienen un rango bajo.
Se considera que la formacin del carbn de piedra tuvo lugar debido a que los bosques
quedaron sepultados bajo la superficie de las aguas, y por esta causa, durante millones
de aos permanecieron aislados del contacto con el aire. Las estructuras desaparecieron
de forma incompleta.
Dentro de las diferentes formas de carbn mineral, el lignito es el de ms bajo contenido
en carbono y geolgicamente hablando es el ms reciente .La hulla constituye la mas
importante reserva de carbn en la tierra El carbn fsil mas antiguo, la antracita, puede
alcanzar hasta el 95% de carbono.
La hulla veteada, que forma la mayor parte del carbn mineral que se consume en todo
el mundo, ha sido formada de materias vegetales acumuladas en turberas. Las
condiciones variaron entre ciertos lmites dando como resultado cambios en la
naturaleza de la turba.
Desde 1825 ha sido aceptado el origen vegetal del carbn, basado en diversos aspectos,
tales como depsito de agua dulce o salada, restos de vegetales transportados, depsitos
lacustres y crecimientos de vegetacin "in situ" . Por lo tanto, la relacin que guarda un
depsito de carbn con respecto a la fuente de origen de la materia organica vegetal,
permite clasificarlos como autctonos o alctonos. El concepto moderno sobre la
gnesis del carbn, es que se origin en pantanos; pasando previamente por una fase de
turba.

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.

El carbn es una roca sedimentaria combustible slida, no cristalina, opaca, con

coloracin de caf a negro y un peso especfico de 1.0 a 1.80 gr/cm 3 . A diferencia de las
rocas sedimentarias comunes que se encuentran formadas por minerales, el carbn se
encuentra formado en su mayora por macerales , los cuales son equivalentes a los
minerales en las rocas y se pueden distinguir pticamente por su comportamiento en la
luz transmitida y reflejada.
2.2 H I S T O R I A D E L C A R B O N M I N E R A L EN M E X I C O .

La historia del carbn mineral en Mxico se divide fundamentalmente en dos pocas:

antes y despus del movimiento revolucionario de 1910. Su existencia en la regin de
Sabinas es conocida desde 1850, pero fue hasta 1866 cuando el Ing. Jacobo Kchler,
present la primera descripcin fisiogrfica, refirindose al rea de San Felipe el Hondo.
Como mineral primario, el carbn ha contribuido al desarrollo industrial del pas siendo
notable durante la ultima dcada del siglo pasado, con el movimiento de locomotoras en
los ferrocarriles. Su empleo se acenta hacia 1910, cuando influye en el desarrollo de la
industria siderrgica, con el establecimiento de fundiciones de metales no ferrosos y
produccin de vapor en diversas industrias.

En la poca post-revolucionaria, principalmente en el periodo 1910 - 1930, el carbn fue

desplazado por el uso del petrleo; sin embargo, sigui siendo factor indispensable en
las industrias siderrgicas y minero metalrgica.
A partir de 1954 se instalaron en el pas plantas coquizadoras de capacidad suficiente
para recuperar hasta el 85% de los subproductos de carbn.

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.

La historia geolgica del carbn se inicia en el Cenomaniano con la formacin de los

sistemas deltaicos, ambiente propicio para la formacin de la roca sedimentaria
combustible, no cristalina, opaca, de color caf a negro y densidad de LO a L8 gr/m 3
constituida por macrales como vitrinita inertinita y exinita.

En base a estudios de anlisis de carbn y de acuerdo a la clasificacin del U. S.

Geological Survey, el carbn de la regin de Sabinas es considerado como bituminoso,
de volatilidad media baja y fcilmente coquizable.

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

El anlisis elemental ( carbono, hidrgeno, nitrgeno, oxgeno, azufre y cenizas) tiene

ciertos usos, pero se emplea con menos frecuencia.
El contenido natural de humedad de un carbn guarda estrecha relacin con su
antigedad. La humedad contiene 11.1% de hidrgeno y 88.9% de oxigeno, de modo
que influye en el anlisis elemental.

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.

La potencia calorfica ( Kcal./Kg.), alcanza un mximo en las hullas bituminosas mas

antiguas. Sobre la base de carbn h m e d o y exento de materia voltil tiene 7780
Kcal./Kg., o ms, algunas variedades tienen mas de 8330 Kcal/Kg.
Sobre la misma base, casi todas las hullas bituminosas con contenido medio y bajo de
materia voltil y las semiantracitas tienen ms de 8330 Kcal./Kg.. La antracita y la
meta-antracita rinden algo menos en virtud de su bajo contenido de hidrogeno

3.2 C O N S T I T U C I O N Q U I M I C A .

El carbn consta principalmente de estructuras cclicas, tridimensionales, condensadas,

de peso molecular elevado, en las cuales predominan los anillos de seis miembros.
Las proporciones y las estructuras originales de los compuestos alifaticos, heterociclicos
y carbociclicos presente en los restos de las plantas fueron alteradas por procesos
biolgicos en las toberas y dieron una mezcla rica en materia hmica.
Despus de ser enterrados esos compuestos, altamente oxigenados, sufrieron un
condensacin creciente con prdida de agua y de dixido de carbono a consecuencia de
enorme presin y temperaturas moderadas en el transcurso de muy largas pocas.
El resultado es una mezcla cuya composicin depende de la antigedad del carbn.
El esqueleto qumico caracterstico es una estructura polinuclear condensada de anillos
de carbono
El carbn no es un hidrocarburo, pues contiene oxgeno orgnico, azufre y nitrogeno.
El oxgeno existe en el carbn en diversas formas.

Puede haber hidrxidos, carbonilos y carboxilos, especialmente en los carbones menos

antiguos. La ltima fase de condensacin en la cual es retenido el oxgeno se cree que
son los teres cclicos ( anillos heterociclicos de carbn-oxgeno) y teres lineales ( dos
unidades cclicas unidas por oxigeno). El agua del carbn contribuye, por supuesto, a los
porcentajes indicados de oxgeno e hidrgeno
El hidrgeno en el carbn seco, incluso en los carbones ms antiguos, excede de las
proporciones correspondientes a estructuras completamente aromticas. El hidrgeno se
presenta de una manera predominante en las estructuras de anillo saturadas (aliciclicas)
o parcialmente saturadas (olefnicas).

El carbono aumenta con la antigedad El porcentaje de carbono en estructuras

complejas de anillos condensados aumentan tambin con la antigedad del carbn.
El azufre orgnico est en formas desconocidas. Su origen se relaciona con el cido
sulfhdrico producido en la putrefaccin de las plantas. El azufre orgnico en el carbn
parece estar uniformemente distribuido, ya que tiende a presentarse en porcentajes
semejantes en la mayoria de los extractos y los residuos de extraccin de un carbn
dado. El porcentaje de azufre orgnico vara entre los lmites 0.3 y 3%, pero a veces es
mayor
El nitrgeno es el nico elemento del carbn que esta exclusivamente en combinacin
orgnica. La cantidad puede variar entre una pequea fraccin de 1% y
aproximadamente 3%, pero la cantidad oscila entre 1 y 2% sobre la base de carbn seco
y exento de cenizas, hay pruebas de que gran parte del nitrgeno del carbn est en
enlaces heterocclicos en molculas grandes.
Cenizas.

Puesto que el carbn es un depsito sedimentario y ha sufrido la infiltracin de las aguas

subterrneas con depositos de minerales secundarios, contiene invariablemente ciertas
impurezas minerales. Esas impurezas quedan como residuo despus de quemado el
carbn y son las cenizas El contenido medio de cenizas de todo el espesor de una capa
de carbn suele ser por lo menos de 2 a 3 %, incluso para los carbones muy puros, y es
de 10% o ms. En algunas minas de la Regin Carbonfera, las cenizas varan de 16 a
38%.

La explotacin selectiva y los procedimientos de lavado de carbn pueden contribuir con

bastante eficiencia a eliminar bandas concentradas o impurezas libres, pero no son
eficaces para eliminar las cenizas inherentes, esto es, las partculas minerales finamente
dispuestas en el carbn.
Existe una variacin considerable en la composicin qumica de las cenizas de los
carbones minerales, que dependen no slo de los minerales residuales procedentes de las
plantas, sino tambin de la cantidad de sedimentos terrosos aportados por las aguas a la
turba y de los minerales secundarios depositados despus.
La temperatura de reblandecimiento de las cenizas de los carbones esta comprendida
entre los minerales secundarios depositados despues.
La temperatura de reblandecimiento de las cenizas de los carbones est comprendida
entre los 1038 y 1705C.

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.

La hulla bituminosa de doble cribado, si se mantiene exenta de finos y se evita la

fragmentacin, puede almacenarse en montones de tamao moderado. En este caso, el
movimiento libre del aire a travs del montn se lleva el calor que se desarrolle.
3.3.5 Deterioro durante el almacenamiento.
La prdida de poder calorfico de la hulla bituminosa por oxidacin lenta suele ser
insignificante y pocas veces llega al 2% en uno o dos aos. La cantidad de coque y el
rendimiento de subproductos es afectado por el almacenamiento en malas condiciones,
pero puede evitarse empleando el mtodo del montn comprimido.

3.3.6 Hulla subbituminosa y lignito

Hay que poner mucho cuidado en el almacenamiento de los carbones de rango inferior,
porque son los mas propensos a la combustin espontnea. Estos carbones con contenido
de humedad elevado tienden a desmenuzarse durante el almacenamiento si se secan y se
mojan alternativamente. Las empresas que usan grandes cantidades de hulla bituminosa
o subbituminosa de bajo rango y lignito almacenan a veces sus reservas bajo el agua en
pozos de concreto. Esto impide eficazmente que se deteriore el carbn, pero resulta
bastante costoso y tiene algunos inconvenientes. Se han obtenido excelentes resultados
almacenando esos carbones en capas compactas en un pozo de tierra o concreto abierto y
sin agua; la prdida de poder calorfico no excedi de 1.5% en un ao.
La cantidad limitada de aire que penetre desde la parte superior el pozo es suficiente
para producir la combustin espontnea.
3.4 PRINCIPALES MINAS DE PRODUCCION DE LA REGION
CARBONIFERA.
La siguiente tabla presenta en orden de importancia las compaas mineras carbonferas
que han venido operando en la cuenca carbonfera.

EMPRESA CARBON L A V A D O COQUE PORCENTAJE

TON/MES TON/MES DE
MILES MILES PRODUCCION
BASE C. T U.
GRUPO ACERERO DEL NORTE 155 108.00 73 10

GRUPO INDUSTRIAL
MINERA MEXICO S.A. 5 3.60 2.70

MINERALES
INDUSTRIALIZADOS S.A. 1 0.30 6.75

CARBONIFERA 6 4.30 2.25

SAN PATRICIO S.A.

ALVARO JAIME TAMAYO 2.25

OTROS IMPORTANTES 6.20

TOTAL MENSUAL 167 116.20 100 00

4. CLASIFICACION Y UTILIZACION DEL CARBON.

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

Clasificacin de Carbn por rango A 1

Carbn fijo Materia Voltil Valor calorfico

lmites en limites en lmites en B T U por

porciento (base porciento base libra (base

6
seca libre de seca libre de hmeda, libre de

materia voltil) materia mineral materia mineral)

Igual Menor Mayor Igual Igual o menor Carcter

CLASE GRUPO 0 que que 0 mayor de

mayor menor que aglomeracin

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

II Bituminoso 69 31 14,000 aglomerableE

Bituminoso volatilidad alta A

4 Carbn

Bituminoso 13,000 14,000

Volatilidad alta B

5 - Carbn

bituminoso 11,500 13,000

volatilidad alta C 10,500 11,500 Aglomerable

1 Carbn

Sub-bituminoso A 10,500 11,500

III Sub- 2 Carbn

Bituminoso Sub-bituminoso B 9,500 10,500

3 - Carbn No

Sub-bituminos C 8,300 9,500 Aglomerable

IV Lignito 1 Lignito A 6,300 8,300

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.

1 A S T M (Sociedad Americana para Pruebas de Materiales)

Sistema de clasificacin del carbn
U.S. Geological Survey
Fuente: Gordon H. Wood, Jr., Thomas M. Kehn, M Devereux Crter and William C
Culbertson.
Con base en la clasificacin de carbn por rango de la U. S Geological Survey , el
carbon mineral de las subcuencas carbonferas de Coahuila corresponde a la siguiente
clasificacin.
Areas Clasificacin
Subcuenca de Sabinas, Saltillito, Carbn bituminoso de

Lampacitos, Las Esperanzas, Las Adjuntas, volatilidad media a baja

Monclova y San Patricio.

Lo anterior, es de acuerdo a los anlisis qumicos realizados a muestras de carbn todo

uno y carbn lavado recolectadas en los barrenos de exploracin y en el interior de las
minas de la subcuenca de Sabinas.
En cuanto a las caractersticas fsicas de aglomeracin, el carbn de las subcuencas de la
regin carbonfera presenta excelentes cualidades para su transformacin a coque
(carbn siderrgico ).
El carbn de la cuenca carbonfera an cuando es coquizable, se mezcla en pequea
proporcin con el carbn de Ro Escondido, para ser utilizado en las plantas
carb o elctricas.
Normalmente el carbn de la regin carbonfera es utilizado para la produccin de coque
el cual se utiliza posteriormente como agente reductor en la fabricacin del arrabio en la
planta de Altos Hornos de Mxico, en Monclova, Coahuila, mientras que el de Ro
Escondido es utilizado para generar energa elctrica en las carb o elctricas de Nava,
Coahuila. Cada carbn es empleado de acuerdo a sus caractersticas y calidad.

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 .

El carbn es uno de los productos m s tiles que extraemos de la tierra. Su contenido

energtico es notable y la forma m s sencilla de distribuirlo es la de transformarlo en
energa elctrica. Aproximadamente la tercera parte de todo el carbn extrado se
transporta a las centrales trmicas, d o n d e se utiliza como combustible para las calderas
de vapor El vapor pone en movimiento, mediante turbinas, los generadores elctricos .
Casi la mitad de la energa elctrica mundial se obtiene a partir del carbn.
El carbn tambin es utilizado e n reacciones a temperatura elevada, para procesos
metalrgicos y para la coccin de p r o d u c t o s cermicos.

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 .

Los mtodos estadsticos proporcionan un m e d i o eficaz para desarrollar una nueva

tecnologa y controlar la calidad en los procesos. Muchas empresas importantes han
estado tratando de usar activamente los m t o d o s estadsticos y algunas han dedicado
parte de su tiempo a educacin interna sobre este tema El conocimiento de los
mtodos estadsticos se ha convertido en p a r t e normal de la capacitacin de un
ingeniero, pero el conocimiento de los m t o d o s estadsticos no proporciona
inmediatamente la habilidad para usarlos. La habilidad para analizar las cosas desde
el punto de vista estadstico es ms importante que los mtodos individuales.
Adems, necesitamos ser francos para reconocer los problemas y las variables, y
recoger informacin sobre ellos. Hay que subrayar que lo importante no es
solamente el conocimiento de los mtodos estadsticos como tales, sino mas bien la
actitud mental hacia su utilizacin.

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

En el control de la calidad, los objetivos de la recoleccin de informacin son:

1) El control y el monitoreo del proceso de produccin.
2) El anlisis de lo que no se ajusta a las normas.
3) La inspeccin.
Cualquier recoleccin de informacin debe tener un propsito especfico y ser
seguida por acciones.
Una vez que se define el objetivo de la recoleccin de informacin, tambin se
determinan los tipos de comparacin que se necesitan, y esto a su vez identifica el
tipo de datos que se deben recoger Si la comparacin muestra una clara diferencia,
una medida remedial que elimine esa diferencia reducir tambin la variacin en el
proceso.

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

Si se llega a la conclusin de que es necesario reunir informacin, es esencial que el

objetivo sea claro y que se obtengan datos que reflejen los hechos con claridad.
Adems de estos requisitos, en situaciones reales es importante que los datos se
recojan en forma clara y fcil de usar.
5.1.2 COMO SACAR CONCLUSIONES DE LA INFORMACION
NUMERICA.

Cualquier administrador, trabajando en u n entorno de negocios, requiere toda la

informacin disponible sobre las caractersticas de dicho entorno. En la era moderna,
gracias en parte a la capacidad de almacenamiento masivo de informacin de los
sistemas informticos, gran parte de la informacin disponible es cuantitativa. Por
ejemplo, puede ser necesario asimilar los movimientos de los tipos de inters, oferta
de dinero o desempleo. Se hacen estudios d e mercado para determinar la demanda de
productos. Un auditor debe ocuparse del nmero y la importancia de los errores
contables. Un director de personal puede utilizar los resultados de una prueba de
aptitud, para complementar la informacin subjetiva de los candidatos a un empleo.
La lista es interminable.

Las caractersticas comunes de estos ejemplos son que la informacin que se va a

utilizar es numrica, y que presentada en forma de lista de datos, es virtualmente
imposible de aprovechar en su totalidad. El trabajo estadstico consiste en extraer y
sintetizar las caractersticas fundamentales de una recoleccin grande de datos
numricos. Un objetivo es el de intentar que la informacin tenga sentido,
resumindola de tal forma que pueda obtenerse una idea general a primera vista, sin
perder demasiada informacin.
En el anlisis y sntesis de datos numricos se ven envueltas muchas cuestiones. El
mtodo ms apropiado depender de la naturaleza de los datos y de cmo se van a
utilizar los resultados. En algunas circunstancias, ser conveniente utilizar la
artillera pesada de las tcnicas formales. E n otras ocasiones, un estudio sencillo o un
grfico sern suficientes, este tipo de estudio en cualquier caso puede servir de punto
de partida para anlisis ms profundos.

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.

Cuando tenemos informacin sobre u n a muestra de la poblacin, es relativamente

fcil resumir los datos mustrales. N o obstante, el muestreo es solamente un medio,
no un fin en s mismo. El objetivo no e s llegar a conclusiones sobre la muestra, sino
sobre la poblacin a la que pertenece dicha muestra. De esta forma, un problema
importante que se le presenta a un estadstico es decidir hasta qu punto es posible
generalizar los resultados obtenidos en u n a muestra de toda la poblacin.
Por supuesto, si tomamos una muestra, no podemos conocer con precisin las
caractersticas de la poblacin. T o d a v a quedar cierta incertidumbre; por tanto, al
hacer cierta inferencia sobre la poblacin basndose en una muestra, cualquier
conclusin que se obtenga tendr que ser expresada con lenguaje de incertidumbre.

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.

En los negocios, en el momento de decidir entre diferentes opciones, resultan de vital

importancia las tcnicas para tratar la incertidumbre
Existen una serie de tcnicas tiles a la hora de analizar informacin numrica. Su
objetivo es ayudar a comprender los entornos con incertidumbre, de forma que
puedan tomarse mejores decisiones. Hay que hacer hincapi, no obstante en que estas
tcnicas son nicamente herramientas tiles para el administrador No pretenden ser
sustitutos de la familiaridad con el entorno que se consigue con aos de trabajo y
experiencia, sino ms bien ayudas para agudizar dicha familiaridad. Por tanto, a
pesar de que un anlisis tcnico p r o f u n d o de la informacin numrica ser, en
ocasiones, de mucho valor, no se aprovecha al mximo sino que se utiliza en
combinacin con la experiencia q u e se obtiene de estudiar las caractersticas del
entorno en que se trabaja. De hecho, los mtodos estadsticos resultan de mayor
utilidad en la gestin cuando se combinan con la experiencia en el entorno de los
negocios.

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.

Por definicin, la poblacin es el conjunto completo de la informacin numrica

sobre una caracterstica particular en la que el investigador esta interesado.
La muestra es un subconjunto de los valores poblacionales observados.

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

Figura 5 4.1 Puntos lejanos

 y = 30 r= 0.9
e

qI i I i I I I L
O 2 4 6 *

Figura 5.4.2 Correlacin positiva

fi 30 r = 0*6

Ol I I I I ! I L
0 2 4 6

Figura 5.4.3 Puede haber correlacin positiva

 n = 30 /=0.0


* * .

. - ' 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

Figura 5.4.6 Puede haber correlacin negativa

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.

Para estudiar las relaciones entre x y y es importante hacer primero un diagrama de

dispersin El objetivo del anlisis de regresin es encontrar un modelo para esta

relacin, sin embargo, para comprender la fuerza de la relacin en trminos

cuantitativos, es til calcular el coeficiente de correlacin segn la siguiente definicin:

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

r puede ser representada por:

'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

correlacin, r, se encuentra en el rango - 1 < r 1. Si el valor absoluto de r es mayor

que 1, claramente ha ocurrido un error de clculo, y debe calcularse de nuevo. En el

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

adquiere el hbito de estimar el valor de r a partir del diagrama de dispersin, podr

verificar errores de clculo.

5.6 ESTIMACION DE LAS LINEAS DE REGRESION POR MINIMOS

CUADRADOS

Sea (xy) (l < / < n) un conjunto de n pares de datos observados. Sea y 0 el valor

estimado de a y /? y sea e el residuo entre y, y + fi x, es decir

e = y, - + /?x) (1 i < n ) , como se indica en la figura 5.6.1

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

residuos alrededor de la lnea de regresin se representa por SSE. De aqu que se

encontrarn a y p con objeto de minimizar:

SSE=f>2 = (yi- a-fix,)2

i i ii

Diferenciando SSE con respecto a a y (3, se tiene:

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

Para este mtodo se tienen los pasos siguientes:

Paso 1

Obtenga x y y de los datos

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

Los valores de a y (3 obtenidos en estos p a s o s hacen la suma de los cuadrados de los

residuos minima.

Ahora, utilizando los datos de la tabla 5 6.a , calculemos la lnea de regresin

Presin del aire
(Kg/cnr) 8.0 8.5 9 0 9.5 10.0
Ancho de la pared 4 62 4 12 3.21 2.86 1.83
(mm)
4.50 3.88 3.05 2.53 2.02
4.43 401 3.16 2.71 2.24
4.81 3.67 3.30 2.62 1.95

Tabla 5 6.a
Paso 1

x = ( 8 . 0 + 8 . 5 + 9.0 + 9 . 5 + 10.0 ) x 4/20 - 9.00

> - ( 4 62 + 4 . 5 0 + . + 1.95 ) /20 - 3 276

Paso 2

S(xx) = ~ t ^ x j / n ~ 163 0 - 180 2 /20 - 10.0

S(xy)=

- 576.88 180 x 65.52/20 = -12.8

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

Kgf/cm que aumente la presin del aire, el espesor de la pared disminuye en 1 28 mm

La figura 5.6.2 muestra la lnea de regresin antes calculada. La mayora de los puntos

en el diagrama de dispersin deben distribuirse alrededor de la lnea de regresin,

porque puede haber un error de clculo y deben verificarse los pasos.

 y
ri = 20
(nini)
5.0

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

Presidn del aire (kg/cm 2 )

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.

1) Elabore un diagrama de dispersin e interprtelo.

2) Obtenga el coeficiente de correlacin r
3) Obtenga una lnea de regresin que estime la resistencia a la traccin, y a partir del
contenido de carbono x .

No. x(%) y (Kg/mm 2 )

1 2.0 43
2 2.4 46
3 2.2 45
4 2.3 44
5 2.5 45

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

0.5 1.5 2.5

% 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

l 2.0 43 4.00 1849 86.0

2 2.4 46 5.76 2116 110.4

3 2.2 45 4.84 2025 9 9 0
4 2.3 44 5.29 1936 101.2

5 2.5 45 6 25 2025 112.5

6 28 48 7.84 2304 134.4
7 22 43 4.84 1849 94 6
8 2.7 47 7 29 2209 126 9
9 2.4 44 5.76 1936 105 6
10 2.3 45 5.29 2025 103.5
11 2.0 42 4.00 1764 84.0
12 2.2 44 4.84 1936 96.8
13 2.6 47 6.76 2209 122.2
14 2.1 44 4.41 1936 92.4
15 2.5 46 6.25 2116 115 0
16 27 47 7 29 2209 126 9
17 2.1 42 441 1764 88.2
18 2.6 48 6.76 2304 124.8
19 2.4 45 5.76 2025 108.0
20 2.1 43 4.41 1849 90.3
21 2.3 45 5.29 2025 103.5
22 2.2 43 4.84 1849 94.6
23 2.3 46 5.29 2116 105.8
24 2.4 47 5.76 2209 112.8
25 2.3 44 5.29 1936 101.2

26 2.4 45 5.76 2025 108 0

27 2.6 46 6 76 2116 119.6
28 2.5 42 6.25 1764 105 0
29 2.6 46 6 76 2116 119.6
30 24 46 5 76 2 1 1 6 1104
71.1 1348 169.81 60658 3203.2

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

V' i J =- 60658 - (1348)(1348)/30 - 87.87

S(yy)=Z
n

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

Con los valores de Sfxx) = 1 303 y S(xy) = 8 44 se determina p,

P = S(xy) / S(xx) = 8.44 / 1 303 = 6 48

Con este valor se obtiene a de la ecuacin:

a = y - p x = 44.93 - (6.48)(2 37) = 29.57

La lnea de regresin se expresa por y = 29 57 + 6.48 x

6. RECOPILACION DE RESULTADOS DE ANALISIS QUIMICOS.

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

O C IoO (N a> O) g> CD

O
<33 CO
Omm
oC>
C
r--N
CN
<*> o
IO C O T r--O co
CN
N co
siD gy co
ih
CD
I s ^ n n
<
101^
% <2E co CN O) CN C
CN
O
o o
I CM li IO
I CN t- CN
tj- a>
co cn co
CN T- s r--
03
0 <
2 LLf
w Q
LLl QJ
< <
Q < < < < <
g
o ^ o Q 9 Q Q
.E CUo o CU
OL CU cc a. cu cu cu CE
Vi o_l o o o o o o o
Q
0) u.

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

< < < <

Q ol_J
I I
I I
II <
O < < < <
Q Q Q
CL CL CL CL a: CL CL CL CL
U> o o o O O O
4) _l _i _i _O] o O
O LL _l
LL IL LL LL LL IL
_J
LL

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
> > >

o T t r-- f-t 1" T T

<L f-
LO \N LO lO f-
in r-. r- r--
in io w lO
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

De la informacin recopilada se obtiene una base de datos que se anexa en la siguiente

tabla.

Tabla 7.1 Base de Datos

% Cza K Cal/Kg %S %MV FS I

Fecha
30.61 5,861 1.54 19.94 6.5
1 3-Sep-'98
32.13 5,592 1.53 19.77 5.5
7 10-Sep-'98
27.68 6,113 1.77 20.40 4.5
3 17-Sep-'98
33.16 5,630 1.47 19.79 5.0
4 24-Sep-'98
39.16 4,801 1.51 18.93 4.0
fi1-Oct-'98
34 22 5,471 1.57 19.65 6.5
fi8-Oct-'98
36.67 5,055 1.28 19.65 7.5
7 15-Oct-'9 8
34.05 5,439 1.41 20.01 7.0
8 22-Oct-'98
34.82 5,416 1.50 20.08 6.5
9 29-Oct-'98
35.34 5,176 1.73 19.37 7.5
m 5-Nov-'98
37.42 5,101 1.63 18.93 6.5
11 12-Nov-'98
37.95 5381 1.54 19.46 6
1? 29-Nov-'98
36.49 5,202 1.57 20.13 6.0
13 3-Dic-'98
40.72 4,733 1.55 21.15 6.5
14 10-Dic-'98
36.36 5,184 1.44 20.01 5.5
15 17-Dic-'98
36.72 5,242 1.48 19.03 7.5
16 24-Dic-'98
41.38 4,704 1.68 18.49 5.5
17 7-Ene-'99
40.61 4,737 1.26 18.84 5.0
1 14-Ene-'99
28.56 5,994 1.47 20.54 7.5
19 21-Ene'99
27.01 6,174 1.72 18.38 7.0
?0 28-Ene-'99 7.5
29.73 5,856 1.65 19.92
?1 4-Feb-'99
24.30 6,533 1.38 22.74 8.0
?? 11-Feb-'99
29.61 5,895 1.38 21.87 7.5
?3 18-Feb-'99
30.42 5,797 1.62 20.55 9.0
?4 25-Feb-'99
31.02 5,739 1.60 19.99 8.0
4-Mar-'99
28.14 6,091 1.89 20.62 8.5
?6 11-Mar-'99
32.95 5,617 1.56 20.02 7.5
77 25-Mar-'99
34.59 5,423 1.37 20.65 7.0
?8 31-Mar-'99
31.78 5,792 1.43 19.90 6.5
?9 8-Abr-'99
40.98 4,649 1.23 18.52 5.0
an 15-Abr-'99
22-Abr-'99 36.57 5,127 1.44 19.54 7.0
34.15 5,509 1.37 18.88 6.0
29-Abr-'99
6-Mav-'99 29.99 5,828 1.60 19.92 8.0
28.50 6.011 1.64 21.63 7.0
34 13-May-'99
30.26 5,724 1.47 20.38 8.0
35 20-Mav-'99
34.50 5,188 1.87 19 84 8.0
36 27-Mav-'99
31.24 5,612 2.19 19.83 7.0
37 3-Jun-'99
33.5C 5,569 1.64 19.84 7.5
38 10-Jun-'99
31.24 5,612 2.19 19.83 7.0
39 17-Jun-'99
Con esta base de datos y utilizando la hoja electrnica Excel, se aplica la regresin lineal
por mnimos cuadrados a travs de una computadora. Se considerar como variable
independiente el % de Ceniza y se irn considerando como variables dependientes en el
orden en que aparecen en la base de datos, el poder calorfico kcal/kg, el % de azufre, la
materia voltil y el ndice de expansin.
Datos
Originales y=-
104 1X+8984.2
:
echa % Cza K Cal/Kg Pronostico

1 3-Sep-'98 30.61 5,861 5798

10-Sep-'98 5,592 5639

2 32.13
17-Sep-'98 6,113 6103
3 27.68
24-Sep-'98 5,630 5532
4 33.16
1-Oct-'98 4,801 4908
5 39.16
6 8-Oct-'98 5,471 5422
34.22
5,055 5167
7 15Oct-'98 36.67
5.439 5440
8 2 2 - 0 ct-'98 34.05
5,416 5359
9 29-Oct-'98 34.82
5,176 5305
10 5 - N o v - ' 9 8 35.34
5.101 5089
11 1 2 - N o v - ' 9 8 37.42
37.95 5381 5034
12 29-Nov-'98
5,202 5186
13 3 - D i c - ' 9 8 36.49
4,733 4745
14 10-Dic-'98 40.72
15 17-Dic-'98 36.36 5,184 5199

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

20 28-Ene-'99 27.01 6,174 6172

21 4-Feb-'99 29.73 5,856 5889

22 11-Feb-'99 24.30 6,533 6455

23 18-Feb-'99 29.61 5,895 5902

2 4 25-Feb-'99 30.42 5,797 5817

25 4-Mar-'99 31.02 5,739 5755

26 11-Mar-'99 28.14 6,091 6055

27 25-Mar-'99 32.95 5,617 5554

28 31-Mar-'99 34.59 5,423 5383

29 8-Abr-'99 31.78 5,792 5676

30 15-Abr-'99 40.98 4,649 4718

31 22-Abr-'99 36.57 5,127 5177

32 29-Abr-'99 34.15 5,509 5429

33 6 - M a y - ' 9 9 29.99 5,828 5862

34 13-May-'99 28.50 6,011 6017

35 20-May-'99 30.26 5,724 5834

36 2 7 - M a y - ' 9 9 34.50 5,188 5393

37 3-Jun-'99 31.24 5,612 5732

38 10-Jun-'99 33.50 5,569 5497

39 17-Jun-'99 31.24 5,612 5732

Factor de Correlacin 0.9577

Correlacin Muy buena
Pronostico Aceptable
Se efecta el mismo procedimiento con las dems variables.
Datos
Originales y=-
0 015x+2 0696
Mes % cza %S Pronstico
1 3-Sep-'98 30.61 1.54 1.61
2 10-Sep-'98 32.13 1.53 1.59
3 17-Sep-'98 27.68 1.77 1.65
4 24-Sep-'98 33.16 1.47 1.57
5 1-Oct-'98 39.16 1.51 1.48
6 8 - 0 et-'98 34.22 1.57 1.56
7 15-Oct-'98 36.67 1.28 1.52
8 22-Oct-'98 34.05 1.41 1.56
9 2 9-Oct-'98 34.82 1.50 1.55
10 5 - N o v - ' 9 8 35.34 1.73 1.54
11 12-Nov-'98 37.42 1.63 1.51
12 29-Nov-'98 37.95 1.54 1.50
13 3-Dc-'98 36.49 1.57 1.52
14 10-Dic-'98 40.72 1.55 1.46
15 17-Dic-'98 36.36 1.44 1.52
16 24-Dic-'98 36.72 1.48 1.52
17 7-Ene-'99 41.38 1.68 1.45
18 14-Ene-'99 40.61 1.26 1.46
19 21-Ene'99 28.56 1.47 1.64
20 28-Ene-'99 27.01 1.72 1.66
21 4-Feb-'99 29.73 1.65 1,62
22 11-Feb-'99 24.30 1.38 1.71
23 18-Feb-'99 29.61 1.38 1.63
24 25-Feb-'99 30.42 1.62 1.61
25 4-Mar-'99 31.02 1.60 1.60
26 11-Mar-'99 28.14 1.89 1.65
27 25-Mar-'99 32.95 1.56 1.58
28 31-Mar-'99 34.59 1.37 1.55
29 8-Abr-'99 31.78 1.43 1.59
30 15-Abr-'99 40.98 1.23 1.45
31 22-Abr-'99 36.57 1.44 1.52
32 29-Abr-'99 34.15 1.37 1.56
33 6-May-'99 29.99 1.60 1.62
34 13-May-'99 28.50 1.64 1.64
35 20-May-'99 30.26 1.47 1.62
36 27-May-'99 34.50 1.87 1.55
37 3-Jun-'99 31.24 2.19 1.60
38 10-Jun-'99 33.50 1.64 1.57
39 17-Jun-'99 31.24 2.19 1.60

Factor de Correlacin 0.0909

Correlacin Muy mal

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
}

Factor de Correlacin 0.3217

Correlacin Muy Mal

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

Factor de Correlacin 0.2537

Correlacin Muy mal

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).

Solamente se obtuvo una correlacin altamente aceptable en la consideracin % Ceniza

(x) contra el % del Poder Calorfico, Kcal/Kg (y), lo cual nos indica que para el tipo de
carbn en estudio, es de una aproximacin muy buena la determinada por Regresin
Lineal con Mnimos Cuadrados. Lo anterior resulta muy til ya que no se requiere de un
calormetro que es de alto costo para la obtencin de resultados muy cerca de los reales.
Cabe considerar que los resultados obtenidos son indicativos de un rea determinada de
explotacin de carbn y que cada rea ser sujeta a un estudio particular.
Analizando el grfico obtenido de el % de ceniza contra el % del poder calorfico,
Kcal/kg, vemos que se tiene una correlacin negativa, indicndonos esto que a mayor
cantidad de ceniza es menor el poder calorfico y viceversa . O sea, si desea incrementar
el poder calorfico, se recomienda reducir la ceniza, que pudiera lograrse mediante
limpieza manual o realizando cribados para eliminar tamaos con alto contenido de
ceniza, todo esto aumentara la calidad en el carbn y por ende las utilidades..
 BIBLIOGRAFIA

- Grant, Control Estadstico de Calidad, Ed. CECSA, 1999

Kume, Herramienta Estadsticas para el Mejoramiento de la Calidad, Ed.

NORMA, 1993

Newbold, Estadstica para los Negocios y la Economa, Ed. Prentice

Hall, 1997

Walpole, Probabilidad y Estadstica, Ed. Me Graw Hill, 1997

Consejo de Recursos Minerales, Ediciones del CRM, 1993

- Microsoft, Enciclopedia ENCARTA, 1999.

 GLOSARIO

Aliftico Compuesto orgnico constituido por cadenas

abiertas.

Alctono Planta que no es oriunda del lugar donde crece.

Antracita Carbn fsil seco que arde con dificultad y da
poca llama.

Aromticos Conjunto de compuestos cclicos formados por

el benceno y numerosos derivados.

Arrabio Hierro colado, hierro de primera fusin

ASTM Sociedad Americana para Pruebas de Materiales

Carbn lavado Carbn que despus de ser extrado , se le

eliminan impurezas por medio del agua.

Carbn todo uno Es el carbn tal como se extrae del interior de la

Tierra, ( con impurezas ).

Cenomaniano Serie estratigrafica de la parte inferior del periodo

geolgico cretcico superior.

Concoidea Fractura de los cuerpos slidos que resultan en
forma de curvas, a manera de conchas
Coque Carbn poroso obtenido de la calcinacin del
carbn lavado despus de ser secado.
Correlacin Relacin reciproca .
Fisiografica Relativo a la descripcin de la tierra y de los
fenmenos que en ella se producen.
FSI Free Sueling Index (Indice de expansin libre)
Prueba efectuada al carbn
Hulla Carbn fsil llamado normalmente carbn de
piedra.

In Situ En el mismo lugar.

Items Cada uno de los elementos de que consta un
conjunto de informacin.
Lignito Carbn fsil combustible.

Macerales Constituyentes bsicos del carbn, que

equivalen al mineral de las rocas cristalinas

Sedimentario Progresin lenta de un depsito.

Turba Combustible fsil formado por materias vegetales

carbonizadas.

U.S.Geological Survey Departamento de Investigacin Geologica de los

Estados Unidos de Amrica.
 RESUMEN AUTOBIOGRAFICO
ING. F E R N A N D O F L O R E S E S C O B E D O

El a u t o r de la presente tesis, titulada " M t o d o s Estadsticos Aplicados en Anlisis

de C a r b n " , aspira a obtener el grado de M a e s t r o en Ciencias de la Administracin
en la Especialidad de Produccin y Calidad.
Nace el 13 de J u n i o de 1952 en el entonces mineral de Nueva Rosita, Coahuila, su
n o m b r e , F e r n a n d o Flores Escobedo, hijo de F e r n a n d o Flores G a r c a (+) y la Sra.
Z a p o p n Escobedo de Flores.

Estudia la c a r r e r a de Ingeniero Qumico en la Escuela de Ciencias Qumicas de la

Universidad A u t n o m a de Coahuila, de 1970 a 1975; labora en la empresa
Industrial M i n e r a Mxico, S. A., de 1975 - 1979 como supervisor de operacin y
asistente de s u p e r i n t e n d e n t e en la Planta de Preparacin de C a r b n . Desde 1978 a
la fecha, es catedrtico en la Escuela de Minera y Metalurgia de la Universidad
A u t n o m a de Coahuila.

De 1980 a 1981 realiza estudios de Especializacin en Procesos Siderrgicos en la

Universidad Nacional A u t n o m a de Mxico y en el Instituto Politcnico Nacional,
(Mxico, D. F.).

Es maestro de tiempo completo en la Universidad A u t n o m a de Coahuila desde

Marzo de 1982 a la fecha.
Es asesor de pequeos productores de C a r b n de 1984 a 1986 en muestreo y
anlisis de c a r b n , labor q u e contina ejerciendo eventualmente.
De 1986 a 1993, es director de la Escuela de M i n e r a y M e t a l u r g i a de la
Universidad A u t n o m a de Coahuila en la ciudad de Nueva Rosita, Coahuila.
De 1993 a la fecha f u n g e como Secretario Administrativo de la misma escuela.
trnsmm 1
-'-y; i. \ . - -, ^ : : -> > " /
/ - ;:... ' \ v - V '
S S S i l C l

m m m m w m m m w m m

. --
M?

mm