Unidad 1

Aplicaciones de Herramientas de
Estadística y Probabilidades en
Procesos Productivos
 OBJETIVO

Evalúa las alternativas de mejora y optimización de

sistemas de máquinas y equipos industriales, de
acuerdo al análisis de funcionamiento y
requerimientos de producción.
 APRENDIZAJES ESPERADOS

1.1.- Analiza la gestión de un proceso productivo,

mediante la aplicación de herramientas de estadística y
de probabilidades.
 CRITERIOS DE EVALUACION

1.1.1.- Caracteriza una muestra estadística de un proceso productivo,

mediante la síntesis de la información contenida en un conjunto de datos.

1.1.2.- Describe los rasgos de una muestra estadística de un proceso

productivo, mediante la aplicación de medidas de tendencia central y
variabilidad.

1.1.3.- Describe la ubicación y dispersión de un conjunto de datos de un

proceso productivo, mediante la aplicación de medidas de posición
numéricas.

1.1.4.- Evalúa la probabilidad de ocurrencia de sucesos en un proceso

productivo, mediante la aplicación de variables aleatorias discretas y
continuas.
 ¿Qué significa Estadística?

1. Estudio de los datos cuantitativos de la población, de

los recursos naturales e industriales, del tráfico o
de cualquier otra manifestación de las sociedades
humanas.

2. Conjunto de estos datos.

3. Rama de la matemática que utiliza grandes conjuntos

de datos numéricos para obtener inferencias
basadas en el cálculo de probabilidades.
La primera definición corresponde a la Estadística
Descriptiva, donde la Estadística se utiliza para resumir,
describir y explorar datos,
La tercera definición corresponde a la llamada Inferencia
Estadística, donde lo que se pretende mediante la
Estadística es utilizar datos de un conjunto reducido de
casos para inferir características de éstos al conjunto de
todos ellos.
La Estadística en el ámbito de la Ciencia y la Ingeniería

El papel de la Estadística en la Ciencia y la Ingeniería hoy

en día es crucial, fundamentalmente porque al analizar
datos recopilados en experimentos de cualquier tipo, se
observa en la mayoría de las ocasiones que dichos datos
están sujetos a algún tipo de incertidumbre.

El investigador o el profesional debe tomar decisiones

respecto de su objeto de análisis basándose en esos datos,
para lo cual debe dotarse de herramientas adecuadas.
Ejemplo de las capas de óxido de silicio
Ejemplo de los niveles de plomo
 Ejemplo de los cojinetes

Un ingeniero industrial es responsable de la producción de cojinetes de

bolas y tiene dos máquinas distintas para ello. Le interesa que los
cojinetes producidos tengan diámetros similares, independientemente
de la máquina que los produce, pero tiene sospechas de que está
produciendo algún problema de falta de calibración entre ellas.
Para analizar esta cuestión, extrae una muestra de 120 cojinetes que
se fabricaron en la máquina A, y encuentra que la media del diámetro
es de 5.068 mm y que su desviación estándar es de 0.011 mm. Realiza
el mismo experimento con la máquina B sobre 65 cojinetes y encuentra
que la media y la desviación estándar son, respectivamente, 5.072 mm
y 0.007 mm. .

¿Puede el ingeniero concluir que los cojinetes producidos por las

máquinas tienen diámetros medios significativamente diferentes?
 Ejemplo de los accidentes laborales

En una empresa se sospecha que hay franjas horarias

donde los accidentes laborales son más frecuentes.
Para estudiar este fenómeno, contabilizan los accidentes
laborales que sufren los trabajadores según franjas
horarias, durante un año. Los resultados aparecen en la
tabla.

Con esa información, los responsables de seguridad de la

empresa deben decidir si hay franjas horarias donde los
accidentes son más probables o si, por el contrario, éstos
ocurren absolutamente al azar.
Ejemplo de la cobertura de la antena de telefonía móvil

Reduciendo mucho el problema, supongamos que una

antena de telefonía móvil tiene una cobertura que abarca a
cualquier móvil dentro de un círculo de radio r.
Un ingeniero puede suponer que un teléfono concreto
puede estar situado en cualquier punto al azar de ese
círculo, pero,

¿Cómo plasmar eso? Por ejemplo, si nos centramos en la

distancia a la antena,
¿cualquier distancia es igualmente probable?

¿Y qué podemos decir de las coordenadas en un momento

concreto del móvil?
 Definiciones básicas

Se denomina población a un conjunto de

individuos o casos, objetivo de nuestro interés.

Podemos distinguir entre poblaciones

tangibles y poblaciones conceptuales.
Una población es tangible si consta de
elementos físicos reales que forman un conjunto
finito.

Por ejemplo,

si estamos considerando el estudio de la altura

de los alumnos de la Escuela, el conjunto de
estos alumnos es una población tangible.
Una población conceptual no tiene elementos reales,
sino que sus casos se obtienen por la repetición de un
experimento.

Por ejemplo,

cuando planteábamos las pruebas sobre placas de silicio,

vemos que hay tantos casos como pruebas puedan
hacerse, lo que supone un conjunto infinito de casos.

En poblaciones conceptuales es imposible, por tanto,

conocer todos los casos, y tenemos que conformarnos
con muestras de los mismos.
Una variable o dato es una característica concreta de
una población.

Por ejemplo:

Si consideramos la población de todos los alumnos de la

Escuela, podemos fijarnos en la variable altura.

Si consideramos el supuesto de las pruebas sobre placas

de silicio, podemos considerar la variable espesor de la
capa de óxido de silicio generada.
Se denomina muestra a cualquier subconjunto
de datos seleccionados de una población.

El objetivo de una muestra, ya sea en una

población tangible o en una población conceptual
es que los elementos de la muestra representen
al conjunto de todos los elementos de la
población.
Vamos a considerar sólo un tipo de muestras,
denominadas muestras aleatorias simples.

En una muestra aleatoria simple, todos los elementos de

la población deben tener las mismas posibilidades de salir
en la muestra y, además, los elementos de la muestra
deben ser independientes: el que salga un resultado en la
muestra no debe afectar a que ningún otro resultado salga
en la muestra.
El tratamiento de los datos.
Estadística descriptiva
Los datos estadísticos, obtenidos a través de
encuestas, experimentos o cualquier otro
conjunto de medidas suelen ser tan numerosos
que resultan prácticamente inútiles si no son
resumidos de forma adecuada.

Para ello la Estadística utiliza tanto técnicas

gráficas como numéricas.
Podemos decir que existe una clasificación, un
tanto artificial, de los datos, según se refieran a una
población tangible, en cuyo caso se conocerán
todos los casos, o a una población conceptual, en
cuyo caso sólo se conocerá una muestra (aleatoria
simple).
 Tipos de datos

Los datos (o variables) pueden ser de dos tipos:

cuantitativos y cualitativos.
Los datos cuantitativos son los que representan
una cantidad reflejada en una escala numérica.

A su vez, pueden clasificarse como datos

cuantitativos discretos si se refieren al conteo
de alguna característica, o datos cuantitativos
continuos si se refieren a una medida.
 Los datos cualitativos o categóricos se refieren
a características de la población que no pueden
asociarse a cantidades con significado numérico,
sino a características que sólo pueden clasificarse.
 Ejemplo. Veamos algunos ejemplos de cada uno de estos
tipos de variables:

•  En el ejemplo del óxido de silicio, la variable espesor es

cuantitativa continua.
•  En el ejemplo de los cojinetes, el diámetro de los cojinetes
es una variable cuantitativa continua.
•  En el ejemplo de los niveles de plomo, se está analizando
si una muestra contiene niveles detectables o no. Se trata,
por tanto, de una variable cualitativa con dos categorías: sí
contiene niveles detectables o no contiene niveles
detectables.
•  En el ejemplo de los accidentes laborales, la variable
número de accidentes laborales es cuantitativa discreta,
mientras que las franjas horarias constituyen una variable
cualitativa.
Métodos gráficos y numéricos para
describir datos cualitativos
La forma más sencilla de describir de forma
numérica una variable cualitativa es determinar
su distribución de frecuencias.

Por su parte, esta distribución de frecuencias

determina a su vez las representaciones
gráficas más usuales.
Supongamos que tenemos una variable
cualitativa, que toma una serie de posibles
valores (categorías).

El número de veces que se da cada valor es la

distribución de frecuencias de la variable.

Si en vez de dar el número de veces nos jamos

en la proporción de veces, tenemos la
distribución de frecuencias relativas.
 Las representaciones gráficas más usuales son los
diagramas de barras y los diagramas de sectores.

Los diagramas de barras son una representación de

cada una de las categorías de la variable mediante una
barra colocada sobre el eje X y cuya altura sea la
frecuencia o la frecuencia relativa de dichas categorías.

Los diagramas de sectores son círculos divididos en

tantos sectores como categorías, sectores cuyo ángulo
debe ser proporcional a la frecuencia de cada categoría.
 Ejemplo. Tomamos como población los 98 reactores nucleares más
grandes en todo el mundo. Nos fijamos en la variable o dato referente
al país donde están localizados.
Los datos serían

Las distribuciones de frecuencias y de frecuencias relativas podemos

resumirlas en una tabla de frecuencias como la que aparece en el
Cuadro
Por su parte, las representaciones mediante diagramas de barras y
sectores de estos datos aparecen en las Figuras.
Métodos gráficos para describir datos
cuantitativos
Si tenemos una variable cuantitativa discreta y ésta toma
pocos valores, podemos tratarla como si fuera una
variable cualitativa, calcular su distribución de
frecuencias y dibujar un diagrama de barras.

Ejemplo. En una empresa con cadena de montaje donde

se empaquetan piezas en cajas se realiza un estudio
sobre la calidad de producción. Los datos siguientes
informan sobre el número de piezas defectuosas
encontradas en una muestra de cajas examinadas:

000000111111111222222222233333
334444444555566666777889
 Sin embargo, la mayoría de
variables cuantitativas son de
tipo continuo, de manera que
toman demasiados valores
c o m o p a r a q u e l a
representación de su
distribución de frecuencias sea
útil

Por ello el método gráfico más

común y tradicional para datos
cuantitativos es el histograma.

Diagrama de barras
El histograma es una variante del diagrama de barras
donde se agrupan los valores de la variable en
intervalos para que estos intervalos tengan frecuencias
mayores que uno.