Contenido

INTRODUCCION ............................................................................................................................ 1
CAPITULO I: MARCO TEORICO ..................................................................................................... 2
1.1. Antecedentes de la investigación ..................................................................................... 2
1.2. Bases teóricas .................................................................................................................... 2
1.2.1 Los Usos para los Cuales es Idónea esta Distribución ......................................... 2
1.2.2 Grados de Libertad ............................................................................................... 2
1.2.3 Como Diferenciarla de Otras Distribuciones ....................................................... 2
1.2.4 Teoría en Pequeñas Muestras .............................................................................. 3
1.2.6 Calculo de la Distribución T de Student ............................................................... 4
1.2.7 Tabla de T – Student ............................................................................................. 6
CAPITULO II: OBJETIVOS ............................................................................................................... 7
2.1 Objetivos Generales ........................................................................................................... 7
2.2 Objetivos Específicos .......................................................................................................... 7
CAPITULO III: METODOLOGIA Y PROCEDIMIENTO ...................................................................... 7
3.1 Resumen de Metodología Ensamblaje De La Botonera .................................................... 7
3.2 Materiales de Trabajo ........................................................................................................ 8
3.3 Procedimiento .................................................................................................................... 8
CAPITULO IV: RESULTADOS .......................................................................................................... 9
BIBLIOGRAFIA ............................................................................................................................. 11
 INTRODUCCION

La distribución t de Student se utiliza cuando nos encontramos con Ia dificultad de no conocer

Ia desviación típica poblacional y nuestra muestra es menor de 30. Es similar a Ia curva normal,

pero Ia distribución t tiene mayor área a los extremos y menos en el centro.

Esta fue descubierta por un especialista en estadística de una empresa irlandesa, este señor

cuyo nombre era William S. Gossel hizo inferencias acerca de Ia media cuando Ia desviación

poblacional fuese desconocida: y ya que a los empleados de dicha entidad no les era permitido

publicar el trabajo de investigación bajo sus propios nombres, Gosset adoptó el seudónimo de

“Student”.

Sus funciones se basan en establecer un intervalo de confianza, utilizando un nivel de confianza

y los grados de libertad, obteniendo valores de una tabla dada con respecto a estas variables y

aplicarla en Ia formula.

De gran utilidad, reduce tiempo, costo y esfuerzos. Se utiliza para probar hipótesis y también

para saber si dos muestras provienen de Ia misma población.

1
 CAPITULO I: MARCO TEORICO

1.1. Antecedentes de la investigación

La distribución t de student fue descubierta por William S. Gosset en 1908. Gosset era un
estadístico empleado por la compañía de cerveza Guinness Irlandesa que desaprobaba la
publicación de investigaciones de sus empleados. Para evadir esta prohibición, publico su trabajo
en secreto bajo el nombre de “Student”. En consecuencia, la distribución de T normalmente se
llama distribución de t de Student o simplemente t. Lo interesante del caso es que su trabajo
estaba enfocado al control de calidad de la cerveza. En el pasado otros investigadores de la
compañía Guinness habían publicado artículos en los que se divulgaban secretos o información
confidencial sobre el proceso de la cerveza y por eso se obligó a Gosset a aceptar la cláusula.

1.2. Bases teóricas

Distribución de T de student

En muchas ocasiones no se conoce 𝜎 y el número de observaciones en Ia muestra es menor de

30. En estos casos. Se puede utilizar Ia desviación estándar de Ia muestra S como una estimación
de 𝜎, pero no es posible usar Ia distribución Z como estadístico de prueba. El estadístico de prueba
adecuado es Ia distribución t. A veces es necesario hacer análisis de muestras pequeñas por
razones de tiempo y reducción de costos, para ello fue descubierta Ia distribución t por William
Gosset, un especialista en estadística, que Ia publicó en 1908 con el seudónimo de Distribución t
Student.

1.2.1 Los Usos para los Cuales es Idónea esta Distribución

a. Para determinar el intervalo de confianza dentro del cual se puede estimar Ia media de
una población a partir de muestras pequeña (n < 30).
b. Para probar hipótesis cuando una investigación se basa en muestreo pequeño.
c. Para probar si dos muestras provienen de una misma población.
A. CARACTERISTICAS DE LA DISTRIBUCION T DE STUDENT

En muchas ocasiones no se conoce σ y el número de observaciones en la muestra n < 30. En

estos casos, se puede utilizar la desviación estándar de la muestra s como una estimación de σ,
pero no es posible usar la distribución Z como estadístico de prueba. El estadístico de prueba
adecuado es la distribución t. Sus aplicaciones en la inferencia estadística son para estimar y
probar una media y una diferencia de medias (independiente y pareada).

1.2.2 Grados de Libertad

Existe una distribución t distinta para cada uno de los posibles grados de libertad. ¿Qué son los
grados de libertad? Podemos definirlos como el número de valores que podemos elegir
libremente.

1.2.3 Como Diferenciarla de Otras Distribuciones

La distribución de T es similar a la distribución de Z, pues ambas son simétricas alrededor de una

media de cero. Ambas tienen distribuciones de campana, pero la distribución t es más variable
debido a que tienen fluctuaciones en 2 cantidades. La distribución de T difiere de la de Z en que
la varianza de T depende del tamaño de la muestra n y siempre es mayor a 1, únicamente cuando
n tiende a las dos distribuciones serán iguales

2
 1.2.4 Teoría en Pequeñas Muestras

En probabilidad y estadística, Ia distribución-t o distribución t de Student es una distribución de

probabilidad que surge del problema de estimar Ia media de una población normalmente
distribuida cuando el tamaño de Ia muestra es pequeño. A Ia teoría de pequeñas muestras
también se le llama teoría exacta del muestreo, ya que también Ia podemos utilizar con
muestras aleatorias de tamaño grande. Veremos un nuevo concepto necesario para poder
entender la distribución t Student. Este concepto es “grados de libertad”. Para definir grados de
libertad se hará referencia a Ia varianza maestral:

1.2.5 Distribución de Probabilidad T - Student

Una variable aleatoria se distribuye según el modelo de probabilidad t o T de Student con k

grados de libertad, donde k es un entero positivo, si su función de densidad es Ia siguiente:

La gráfica de esta función de densidad es simétrica, respecto del eje de ordenadas, con
independencia del valor de k, y de forma algo semejante a Ia de una distribución normal:

3
 Su valor medio y varianza son:

La siguiente figura presenta Ia gráfica de varias distribuciones t. La apariencia general de Ia

distribución t es similar a Ia de Ia distribución normal estándar: ambas son simétricas y
unimodales, y el valor máximo de Ia ordenada se alcanza en Ia media µ = O. Sin embargo, Ia
distribución t tiene colas más amplias que Ia normal; esto es, Ia probabilidad de las colas es
mayor que en Ia distribución normal. A medida que el número de grados de libertad tiende a
infinito, Ia forma límite de Ia distribución t es Ia distribución normal estándar

Propiedades de la distribución T

1. Cada curva t tiene forma de campana con centro en 0.

2. Cada curva t, está más dispersa que Ia curva normal estándar.
3. A medida que k aumenta, Ia dispersión de Ia curva t correspondiente disminuye.
4. A medida que k-> ∞, la secuencia de curvas t se aproxima a Ia curva normal estándar.

1.2.6 Calculo de la Distribución T de Student

Prueba de hipótesis para medias T de student

(muestras menores de 30)

La Prueba de Hipótesis para medias usando Distribución t de Student se usa cuando se

cumplen las siguientes dos condiciones:

 Es posible calcular las medias y la desviación estándar a partir de la muestra.

 El tamaño de la muestra es menor a 30.

El procedimiento obedece a los 5 pasos esenciales:

PASO 1:

4
Plantear Hipótesis Nula (Ho) e Hipótesis Alternativa (Hi).

 La Hipótesis alternativa plantea matemáticamente lo que queremos demostrar.

 La Hipótesis nula plantea exactamente lo contrario.

PASO 2:

Determinar Nivel de Significancia. (Rango de aceptación de hipótesis alternativa).

Se considera:

 0.05 para proyectos de investigación.

 0.10 para aseguramiento de calidad.
 0.10 para encuestas de mercadotecnia y políticas.

PASO 3:

Evidencia Muestral. Se calcula la media y la desviación estándar a partir de la muestra.

PASO 4:

Se aplica la Distribución t de Student para calcular la probabilidad de error (P) por medio de la
fórmula:

PASO 5:

En base a la evidencia disponible se acepta o se rechaza la hipótesis alternativa.

 Si la probabilidad de error (P) es mayor que el nivel de significancia: SE RECHAZA

HIPÓTESIS ALTERNATIVA.
 Si la probabilidad de error (P) es menor que el nivel de significancia: SE ACEPTA
HIPÓTESIS ALTERNATIVA.

5
 1.2.7 Tabla de T – Student

Diferencias con otras tablas de distribución:

La tabla de distribución t es más compacta que z y muestra las áreas y valores de t para unos
cuantos porcentajes exclusivamente (10%,5%,2% y 1%).

Una segunda diferencia de la tabla es que no se centra en la probabilidad de que el parámetro

de la población que está siendo estimado caiga dentro del intervalo de confianza. Por el
contrario, mide la probabilidad de que ese parámetro no caiga dentro del intervalo de confianza.

Una tercera diferencia en el empleo de la tabla consiste en que hemos de especificar los grados
de libertad con que estamos trabajando.

Uso de la tabla de distribución T:

 Los grados de libertad de una t de Student se indicarán como v.

 De manera análoga a la definición utilizada para la Normal, si X es una tv, α de Student
con v grados de libertad, entonces:

 t El valor v, α se busca en las tablas de la t de Student.  La tabla que utilizamos recoge

los valores de distintos cuantiles para distintos grados de libertad.

6
 CAPITULO II: OBJETIVOS

2.1 Objetivos Generales

Analizar el proceso de ensamble de una botonera, utilizando procedimiento establecido,

empleando el software establecido para la toma de tiempos en cada actividad realizada
en el laboratorio de métodos y ergonomía.
2.2 Objetivos Específicos

1. Evaluar el desempeño de cada operario en una valoración de habilidad, esfuerzo,

condiciones y consistencia que afronta mediante la calificación de los analistas para
diseñar métodos nuevos e incrementar la producción de las botoneras.
2. Analizar la variación existente en el proceso que sigue el ensamblaje de la botonera,
mediante técnicas y cálculos estadísticos para eliminar mediante diferentes estrategias
esos tiempos innecesarios, por ende, se incrementaría así la productividad.
3. Identificar factores externos por las cuales se generen inconvenientes a cada operario
en los diferentes procesos mediante cálculos estadísticos teniendo como indicador
preferente el coeficiente de variación, el cual nos detalla al operario menos productivo,
para integrar técnicas, capacitaciones y mejorar los tiempos de producción.

CAPITULO III: METODOLOGIA Y PROCEDIMIENTO

3.1 Resumen de Metodología Ensamblaje De La Botonera

Se empezó calculando el tiempo que utilizaba cada integrante en ensamblar una clema
completa por sí solo, con las piezas separadas en seis contenedores distintos. Cada
integrante ensamblaba desde cero la botonera.

Se desarrolla Estándar, Fv y TN.

Se plantea en la tabla T-Student

Posteriormente se los resultamos tienen que ser suficientes.

7
 Área del trabajo usando el procedimiento establecido

3.2 Materiales de Trabajo

 Botonera.

 3 mesas de trabajo: espacio usado para armar el ejemplar.

 3 mesas de supervisión: espacio usado para inspeccionar el tiempo y que el ensamblaje

quede correcto.

 Contenedores: herramienta que dispone de 6 espacios para depositar las piezas de las
botoneras, existe uno en cada mesa de trabajo

3.3 Procedimiento

PASO 1: Se toma la basa blanca y se inserta las tres clemas dentro de la base.

PASO 2: Se toma la botonera y se coloca los tres botones (rojo, negro y verde).
PASO 3: Luego se toma la rosca y se asegura en los tres botones (rojo, negro y verde).

8
PASO 4: Se coloca la tapa encima de la base, de tal manera que quede ensamblado.

PASO 5: Finalmente se coloca los cuatro pernos en los agujeros de la tapa y se empieza
a enroscarlo para asegurar completamente la botonera.

CAPITULO IV: RESULTADOS

4.1 Análisis estadísticos de tiempos tomados con el software

Luego de realizar el proceso de ensamble y recolectar los datos de los tiempos de cada
operario, se obtuvieron los siguientes resultados, además se hicieron los cálculos
correspondientes según el objetivo propuesto (tiempo promedio, desviación típica y
coeficiente de variación).

Tabla 1 Toma de tiempos con uso del Software

9
Operador Analista CICLO TIEMPO (segundos) TIEMPO
O.E.1 O.E.2 O.E.3 O.E.4 O.E.5 TOTAL
1
Zavaleta Acuña 2
Colonio Mireylle 3
Maryori
4
1
Acuña Pacheco 2
Mireylle Via 3
Orieta
4
1
Pacheco Zavaleta
Via Colonio 2
Orieta Maryori
3
4

10
 BIBLIOGRAFIA

DEVORE, J. (Julio de 2005) "Probabilidad y Estadística para Ingeniería y Ciencias". Grupo Editorial
International Thon Editores.
http://virtual.uptc.edu.co/ova/estadistica/docs/libros/tstudent.pdf

FREUND, J. F., MILLER, I., MILLER, M. (septiembre de 2000) "Estadística Matemática con
Aplicaciones". Grupo Editorial Prentice Hall.
http://www.mat.uda.cl/hsalinas/probabilidades.htm

McCLAVE, S. (Junio de 2006) "Probabilidad y Estadística para Ingeniería". Grupo Editorial

Iberoamericana.
http://sisbib.unmsm.edu.pe/bibvirtualdata/libros/Matematicas/inferencia/

MENDELHALL, W., WACKERLY, D., ACHEAFFER, R. (Julio de 1994) "Estadística Matemática con
Aplicaciones". Segunda Edición. Grupo Editorial Iberoamericana.
http://www.itch.edu.mx/academic/industrial/estadistica1/u0304.pdf

MILLER, I., FREUND, J. E., JOHNSON, R. A. (septiembre DE 1997). "Probabilidad y Estadística para
Ingenieros". Quinta Edición. Prentice Hall Hispanoamericana.
http://e-stadistica.bio.ucm.es/glosario2/distr_student.html

MONTGOMERY, D. C., RUNGER, G. C. (abril de 1996) "Probabilidad y Estadística Aplicada a la

Ingeniería". Primera Edición. McGraw Hill.
http://www.paginaspersonales.unam.mx/files/977/Distribucion_t_deStudent.pdf

11