Estadística y probabilidades en ingeniería: medias, desviaciones y datos

Facultad de Ingenierías: Electrónica, Industrial y Sistemas
ESTADISTICA Y PROBABILIDADES
Bibliografía
1.- FREUND,J, MILLER, I, 1992, Probabilidad y Estadística para

Ingenieros, México: Prentice Hall Latinoamericana.
2.- KOLMAN, B. Y BUSBY, R,1995, Estructuras de Matemáticas

Discretas para la Computación, México: Prentice Hall
latinoamericana.
3.- MYSKIS,A.D,1975, Introductory mathematics for engineers,

Moscú: Nauka
4.- MURRAY,S,1979, Estadística, México: McGraw-Hill de México

(Schaum)
5.- PARZEN, E,1979, Teoría Moderna de Probabilidades y sus

aplicaciones, México: Limusa
6.- SEMENDIAIEV K., I BRONSHTEIN, I, 1973, Manual de Matemáticas

para Ingenieros y estudiantes, Moscú: Mir
Ingeniero MSc. Alexis Sánchez Miño
1
A MANERA DE INTRODUCCIÓN.- Tarea casi imposible sería tratar de
señalar un campo en donde la Estadística no haya causado gran impacto, y
su uso no sea una práctica permanente y cotidiana. En La ingeniería y en la
administración industrial sobre todo, esta ciencia ha adquirido una
connotación especial. Problemas de la producción, uso eficiente de
materiales, manejo de la fuerza de trabajo etc. cobran fuerza mayor con
conceptos como “Control de Calidad y Calidad Total” cuya esencia
estadística revela la importancia de esta ciencia. Si queremos como país
tercermundista afrontar con éxito los retos del nuevo milenio, tendremos que
mejorar sustancialmente la calidad de lo poco que producimos, y producir
más y mejor. Para sobrevivir, debemos adquirir el compromiso continuo de
mejoramiento de calidad, desde el diseño hasta la producción, aplicando
experiencias y propuestas como las de Edwards Deming, o el criterio
japonés de imitar, igualar, superar.
Una de las características fundamentales del milenio que iniciamos,
consiste en el empleo cada vez mayor de las ideas y conceptos de la Teoría
de Probabilidades, con una amplia aplicación científica, fundamentalmente
en la investigación. ¿Cómo podríamos en Genética por ejemplo emitir
criterios sobre la frecuencia relativa con que aparecen diversas
características de grupos de individuos sin la estadística y las
probabilidades?; o el cálculo de la densidad del tráfico en una metrópoli en
una hora pico, etc. etc. Fenómenos tan variados pero tan actuales son los
2
que estudian y ayudan a comprender estas ciencias, las que se abordan
-aún cuando elementalmente- a continuación.
Estadística Analítica e Inferencial.- Podemos definir a la Estadística como
una ciencia metodológica que se encarga de la toma, recopilación,
ordenamiento, organización, análisis, interpretación, y proyección o
pronóstico de datos numéricos pertenecientes a fenómenos masivos;
entendiéndose estos últimos como aquellos en los cuales participan un sin
número de elementos de un mismo tipo o especie.
El total de elementos que conforman un fenómeno se denomina
”población”; mientras que entendemos por ”muestra”; a un subconjunto de
este Universo, cuyos elementos han sido escogidos en forma aleatoria; pero
son representativos de la población, es decir que posea las mismas
características de la población. No deben existir desviaciones mayores en
los resultados de las aplicaciones estadísticas que es hicieran a la población
y a la muestra.
3
Distinguimos dos tipos de Estadística: ”La Analítica”; que tiene como límite
los resultados obtenidos del análisis e interpretación de los fenómenos y ”La
Inferencial”, que utiliza los datos de la primera y además los proyecta en
función de pronosticar posibles resultados respecto de fenómenos iguales o
similares en diferente tiempo y espacio, en base a generalizaciones de
datos. Algunos de los problemas fundamentales que resuelve la estadística
inferencial se refieren a la evaluación de riesgos y toma de decisiones.
Debemos entender que la Estadística sin embargo de ser científica,
es inexacta; la exactitud propia de la esencia de la materia la podemos
mejorar mediante ”La Probabilidad Matemática”, que es la ciencia que nos
permite pronosticar la aparición, repetición, evolución, terminación, etc. de
fenómenos estudiados mediante formulación matemática; siendo este el
vínculo entre estas dos ciencias.
Los datos estadísticos en dependencia de características cualitativas
y cuantitativas, como la longitud de la serie y algunos otros por menores se
clasifican en : ”Datos No Agrupados (DNA) y Datos Agrupados (DA)“.
Cuando la serie no es relativamente grande, además de un ordenamiento
que puede ser ascendente o descendente, suele no ser necesaria una
clasificación alguna, entonces estamos trabajando con datos no agrupados.
Estadísticamente los parámetros mas representativos de una serie de
datos ya sean estos no agrupados o agrupados son “Los Promedios o
Medidas de Tendencia central, y las medidas de desviación o dispersión”.
4
DATOS NO AGRUPADOS.-
Medidas de Centralización o Promedios.- Distinguimos parámetros de
dos tipos: Computacionales y Posicionales. Los primeros se denominan
así por cuanto se calculan por fórmula, la cual se encuentra
matemáticamente fundamentada, se denominan también científicos. Los
promedios posicionales, denominados también empíricos se determinan
unas veces por observación y otras por fórmula, pero esta última
generalmente es empírica o está sujeta a principios de interpolación lineal y
geométrica.
Entre los promedios computacionales más importantes tenemos:
MEDIA ARITMETICA (Xm).- No es sino la razón de la sumatoria de las
observaciones por el número de ellas.
Xm=  Xi / n
Ejemplo: Calcular el promedio (media aritmétca) de las notas de un
estudiante si su cuadro de calificaciones es :
MATERIA NOTAS
Estadística 9.6
Electrónica 8.0
Inglés 7.7
Estructuras 6.5
Ed.Física 10.0
Francés 9.9
5
Total 51.7 / 6 = 8.617
Vale aclarar aquí el concepto de media aritmética ponderada, que no
es sino la asignación de pesos (valores de importancia), a c/u de las
observaciones. Su expresión formular es:
Xp =  Wi Xi / N; (N = W)
Para el ejemplo anterior, asignando los siguientes pesos (valores de
importancia) a las diferentes materias:
MATERIA NOTAS PESO
Estadística 9.6 2
Electrónica 8.0 3
Inglés 7.7 3
Estructuras 6.5 3
Ed.Física 10.0 1
Francés 9.9 1
Xp = 2*9.6 + 3*7.7 + 3*6.5 + 10*1 + 9.9*1
2+3+3+3+1+1
Xp = 8.13
Una variación de esta fórmula se puede utilizar para calcular series con
observaciones que se repiten f veces (frecuencias), es decir:
Xp =  fi Xi / N ; (N = W)
La media aritmética cuenta con algunas propiedades matemáticas entre las
cuales citaremos :
6
1. Σ( Xi -Xm ) = 0: “ La Sumatoria de las desviaciones de las
observaciones respecto de la media aritmética de la serie, es igual a
cero. Para el ejemplo anteriormente citado:
9.6 - 8.617 = 0.983
8.0 - 8.617 = -0.617
7.7 - 8.617 = -0.917
6.5 - 8.617 = -2.117
10.0 - 8.617 = 1.383
9.9 - 8.617 = 1.283
Suma = 0,002 ≈ 0.
2. Σ( Xi - p )2 = mínimo, para “p = Xm”: La Sumatoria de las desviaciones
cuadradas respecto de un valor “p” , es mínimo, solamente cuando p
= Xm (media aritmética)
Por ejemplo:
( 9.6-9.6 ) 2 = 0 ( 9.6-8.617) 2 = 0.967
( 8.0-9.6 ) 2 = 2.56 ( 8.0-8.617) 2 = 0.380
( 7.7-9.6 ) 2 = 3.61 ( 7.7-8.617) 2 = 0.840
( 6.5-9.6 ) 2 = 9.61 ( 6.5-8.617) 2 = 4.48
(10.0-9.6 ) 2 = 0.16 (10.0-8.617) 2 = 1.914
( 9.9-9.6 ) 2 = 0.09 ( 9.9-8.617) 2 = 1.647
Suma = 16.03 Suma = 12.228
7
(Igual obtenemos una sumatoria mayor para cualquiera de los valores
de la serie). Independientemente del sinnúmero de ventajas que presenta
este promedio (facilidad de cálculo, caracterización de la serie, simple
interpretación, etc.), su gran desventaja es que al intervenir todos los valores
de la serie en su determinación, se ve seriamente afectada por valores
extremos.
MEDIA GEOMETRICA (G).- Se define como la raíz enésima “n“ del producto
de las “N“ observaciones. Matemáticamente se expresa:
G = (  Xi) 1/n
Por Ejemplo, la media geométrica de la serie que analizábamos será:

1/6
G = (9.6*8.0*7.7*6.5*10.0*9.9)
G = 8.513
Aún cuando G también se influencia de valores extremos, esta
influencia es menor a la observada en X. Sin embargo este promedio no se
puede aplicar para observaciones iguales a cero, y en aquellas con algunos
valores negativos.
MEDIA ARMONICA (H).- No es sino el recíproco de la media aritmética de
los recíprocos de los valores observados. Matemáticamente:
H= n .
 1
Xi
8
Este promedio está asociado directamente con series mecánicas
donde intervenga el tiempo. Para cálculos estadísticos aplicados a la Física
por ejemplo es preferible que siempre utilicemos este promedio.
PROMEDIOS POSICIONALES.- A diferencia de los computacionales, estos
carecen de sustentación matemática, sin embargo de aquello son
ampliamente utilizados debido a su importancia práctica y a determinadas
ventajas sobre los computacionales. Los más comunes son:
LA MEDIANA (MED).- Conocemos por mediana el valor más central de la
serie, es decir es aquel valor que divide a la serie ordenada en 2 partes
iguales. Si el número de observaciones de la serie es par, entonces la
mediana se calcula como la media aritmética de los valores más centrales
de la serie. La mediana es un parámetro de tendencia central (promedio),
ampliamente aplicado. Es muy cercano a la media aritmética pero al mismo
tiempo no se influencia en absoluto de valores extremos a diferencia de
ésta. Lamentablemente por ser un promedio posicional no se utiliza en
cálculos matemáticos más profundos.
En el caso que se analizaba anteriormente, la mediana Med. será:
10.0, 9.9 , 9.6 , 8.0 , 7.7 , 6.5

9
Los valores centrales son 9.6 y 8.0 ; por tanto:
Med = (9.6 + 8.0)/ 2 = 8.8
LA MODA (MOD).- O promedio modal, es un parámetro de tendencia central
ampliamente utilizado en fenómenos comerciales y fundamentalmente
relacionada con la discretización de variables continuas para análisis y
proyección de procesos. De este concepto, podemos concluir que una serie
puede tener mas de un promedio modal (Bimodal,Trimodal, Multimodal) o en
su defecto puede no tenerlo. La serie que analizamos carece de Moda.
CUANTILES .- El sufijo “ILES“ estadísticamente significa el  de partes en
que dividimos una serie. Diferenciamos los Cuantiles (Qi),que dividen a la
serie en cuatro partes, y son Q1,Q2,Q3;los quintiles (Ki), dividen a la serie
en 5 partes, y son: K1,K2,K3,y K4; Deciles(Di),que dividen a la serie en diez
partes, y son D1,D2.....D9, los Percentiles (Pi), que dividen a la serie en cien
partes y son P1,P2......P99.
Para el cálculo de los Cuartiles y en función del  de observaciones de la
serie, nos basamos en la determinación de su ubicación entre dos valores
dados, y luego a la afinación de este valor respecto de la longitud del
intervalo en que se encuentran.
Así :
Q1p = 1(N + 1)/4
Q2p = 2(N + 1)/4
10
Q3p = 3(N + 1)/4
Para los deciles
D1p = 1(N + 1)/10
D2p = 2(N + 1)/10
D3p = 3(N + 1)/10
...
D9p = 9(N + 1)/10
Para los Percentiles:
P1p = 1(N + 1)/100
P2p = 2(N + 1)/100
...
P27p = 27(N + 1)/100
...
P99p =99(N + 1)/100
Calculando el cuartil 3, el decil 7 y el percentil 38 tendremos:
Para Q3:
Q3p = 3*(6+1)/4 = 5.25
Q3 = 8-(0.25*(8-7.7)) = 7.925 o
Q3 = 7.7+(0.75(8-7.7)) = 7.925
Para D7:
D7p = 7*(7)/10 = 4.9
D7 = 8-(0.9*(8-7.7)) = 7.73 o
11
D7 = 7.7+(0.1*(8-7.7)) = 7.73
Para P38:
P38p = 38*(7)/100 = 2.66
P38 = 9.9-(0.66*(9.9-9.6)) = 9.702 o
P38 = 9.6+(0.34*(9.9-9.6)) = 9.70
MEDIDAS DE DESVIACION Y DISPERSION .-
Desviación y dispersión estadísticas son conceptos que denotan el grado de
alejamiento de los valores de la serie tomados como un todo, respecto de
sus promedios (generalmente de la Media aritmética y la Mediana. Entre los
principales podemos citar:
RANGO O RECORRIDO (R).- Es la medida de la longitud o el espacio del
desarrollo de la serie. Se calcula como la diferencia entre el valor máximo y
mínimo. Para la serie que analizamos:
R = 10.0 - 6.5 = 3.5
DESVIACION CUARTILICA O RANGO SEMIINTERCUARTILICO (DQ).-
Conocemos por rango intercuartílico a la expresión Q3-Q1; siendo la
desviación cuartílica,el rango intercuartílico dividido por dos.
DQ = (Q3 - Q1) /2
En nuestro caso: Q1= 9.7 ; Q3=7.925
DQ = (9.7-7.925)/2 = 1.775/2 = 0.888
12
DESVIACION MEDIA ABSOLUTA (MAD).- Este parámetro se define como la
media aritmética de las desviaciones de la serie tomadas en valor absoluto
respecto de la media aritmética o de la Mediana de la misma.
MAD = Xi - Xm / N o MAD = Xi- Med / N
Respecto de la media aritmética:
Dato Xi -Xm
10.0 1.383
9.9 1.283
9.6 0.983
8.0 0.617
7.7 0.917
6.5 2.117
Suma: 7.300 ; MAD = 7.300/6 = 1.217
DESVIACION TIPICA O ESTANDAR ().- Matemáticamente se expresa
como la raíz cuadrada de la media aritmética de las desviaciones
cuadráticas de la serie respecto de la media aritmética o de la mediana.
 = ((Xi- X)2 /N) 1/2
Dato (Xi-Xm)2
10.0 1.913
9.9 1.646
9.6 0.966
8.0 0.381
13
7.7 0.841
6.5 4.482
Suma:10.229 ;  = (10.229/6)1/2 = 1.306
VARIANZA ()2.- No es sino el cuadrado de la desviación estándar. Es decir
2= (Xi- X)2 /n = 1.705 ;
COEFICIENTE DE VARIACION (CV).- Es la razón de la desviación estándar
respecto de la media aritmética, generalmente expresada en forma
porcentual, es decir:
CV =  / Xm (%)
CV = 1.306 / 8.617 = 0.152 * 100 = 15.156%
DATOS AGRUPADOS.-
Clases, Intervalos, Marcas de clase.-
Fundamentalmente, el agrupamiento de datos se debe a necesidades
de carácter metodológico, es decir que cuantitativamente y cualitativamente
existe la necesidad de tal agrupamiento, por ejemplo cuando el número de
datos de la serie de un fenómeno estudiado es demasiado grande, se vuelve
necesario un agrupamiento de datos, así como la presencia de
características propias por intervalos de observaciones de una misma
especie, también demanda este tratamiento.
El agrupamiento señalado consiste en subdividir a la serie en
diferentes “ categorías “ o “ clases “ y en determinar por separado y
14
mediante técnicas de conteo el número de observaciones pertenecientes a
cada una de ellas. Denominamos a este proceso de agrupamiento como
distribución de frecuencias y los datos obtenidos en forma tabular conforman
la denominada “Tabla de distribución de frecuencias”.
Si por ejemplo hemos observado alturas (en metros), de estudiantes
de la FIS (muestra de 258), y estos datos han sido tabulados mediante una
distribución de frecuencias, podríamos tener datos como los siguientes:
H ( mts ) FREC. f Lim Real f(%)
1.55 - 1.59 15 1.545 - 1.595 5,81
1.60 - 1.64 26 1.595 - 1.645 10,08
1.65 - 1.69 82 1.645 - 1.695 31,78
1.70 - 1.74 75 1.695 - 1.745 29,09
1.75 - 1.79 40 1.745 - 1.975 15,50
1.80 - 1.84 16 1.795 - 1.845 6,20
1.85 - 1.89 3 1.845 - 1.895 1,16
1.90 - 1.94 1 1.895 - 1.945 0, 39
258
Suponemos que el número de clases de la distribución, corresponde a
necesidades metodológicas del estudio del fenómeno.
Cada clase cuenta con sus límites normales “superior e inferior“, siendo los
valores más grande y más pequeño de la clase respectivamente. Por
ejemplo para la primera clase:
15
LNi = 1.55 m
LNs = 1.59 m
Distinguimos además los límites reales de clase que toman en cuenta
la aproximación adoptada para las unidades de medidas del fenómeno. Si
en nuestro caso la aproximación es de 1 cm, entonces tendremos que:
LRi = 1.545 m
Lrs = 1.595 m
Conocemos por “ Longitud de clase o tamaño de clase ( c ) “ a la
diferencia calculada entre los límites reales de clase. La longitud de la clase
será:
1.595-1.545 = 0.05m = 5 cm
De fundamental importancia en distribución de frecuencias es el
concepto ”marca de clase (M) “, debido a que es este valor el que expresa
y representa a su categoría o clase. Es en función de la marca que se
realizan todos los cálculos estadísticos posteriores. Se calcula como la
Media Aritmética de los límites superior e inferior de clase (normales o
reales).
M = 1.545 + 1.595 = 1.57
M = 1.55 + 1.59 = 1.57
16
HISTOGRAMA DE FRECUENCIAS.- Denominado también Histograma
solamente no es sino una representación gráfica de una distribución de
frecuencias. Se conforma de un sistema de coordenadas rectangulares en
cuyo eje de abscisas se colocan las diferentes clases de la distribución a
través de sus respectivas marcas, siendo éstas los puntos medios de las
bases de los rectángulos cuyas alturas no son sino el número de
observaciones por clase (frecuencia) que son los valores a representarse en
el eje de las ordenadas del sistema. La superficie de cada uno de estos
rectángulos, representa el “tamaño” de la clase y su relación respecto de las
demás y de la serie en general. Un histograma, permite en sentido gráfico y
geométrico, la determinación de los diferentes parámetros estadísticos.
HISTOGRAMA DE FRECUENCIAS
17
Distinguimos el Histograma de Frecuencias Relativo en que como
única diferencia respecto del anterior, cuenta con sus valores de frecuencia
expresados en forma porcentual.
H ( mts ) f fa f(%) fa(%)
1.55 - 1.59 15 15 5,81 5.81
1.60 - 1.64 26 41 10,08 15.88
1.65 - 1.69 82 123 31,78 47.66
1.70 - 1.74 75 198 29,09 76.75
1.75 - 1.79 40 238 15,50 92.95
1.80 - 1.84 16 254 6,20 98.45
1.85 - 1.89 3 257 1,16 99.61
1.90 - 1.94 1 258 0,39 100.00
258
POLIGONO DE FRECUENCIAS.- No es sino la figura que se forma al unir
las proyecciones de las marcas en los techos de los rectángulos,
incrementando además dos categorías una al inicio y otra al final con la
misma longitud y frecuencia igual a cero, con el propósito de que la figura se
cierre en sus extremos respecto del eje X.
El histograma y el polígono de frecuencias, son gráficos estadísticos que
cumplen con una misma función. En algunas circunstancias es el polígono
un gráfico mas aplicable debido a que se pueden realizar lecturas directas
cuanto en abscisas como en ordenadas. Geométricamente el área total de la
18
sumatoria de superficies parciales de los rectángulos del histograma,
exactamente igual a la superficie encerrada por el polígono y el eje Ox.
HISTOGRAMA Y POLIGONO DE FRECUENCIAS´.-
19
POLIGONO DE FRECUENCIAS ACUMULADO .- Gráfico estadístico en el
cual se muestra que cantidad de observaciones acumuladas son menores a
un valor determinado (generalmente los límites reales superiores de clase)
En nuestro caso y completando la tabla:
Lrs fa
<= 1.595 15
<= 1.645 41
<= 1.695 123
<= 1.745 198
<= 1.795 238
<= 1.845 254
<= 1.895 257
<= 1,945 258
20
El polígono de frecuencias acumulado, nos sirve para determinar clase por
clase las tendencias de la serie en base a las características geométricas de
los diferentes tramos de recta que lo conforman.
De los polígonos de distribución de frecuencias nacen las denominadas
“curvas de distribución de frecuencia “. Estas se consiguen
matemáticamente bajo el supuesto de incrementar indefinidamente el
número de clases o categorías de una distribución, en tal circunstancia los
puntos que se unen mediante segmentos de recta forman el polígono, se
acercan cada vez mas entre sí, siendo por tanto los segmentos de longitud
tendientes a cero, o lo que es lo mismo perdiendo su condición de
segmentos y transformándose en puntos los cuales delinean las curvas de
distribución de frecuencias. Las curvas de distribución de frecuencias
presentan diferentes características, en función de las cuales se clasifican
por forma. Las más comunes son :
21
PROMEDIOS EN DATOS AGRUPADOS ( Medidas de Tendencia Central).
PROMEDIOS COMPUTACIONALES.- En datos agrupados distinguimos de
igual manera los promedios computacionales y los posicionales. Entre los
computacionales citamos a la media aritmética, la media geométrica y la
media armónica.
MEDIA ARITMETICA (X).- Se calcula como la relación entre la sumatoria de
las frecuencias por las marcas de cada clase, por el número total de
observaciones.
X = ( fj x Mj) / n
Para el caso que venimos analizando:
H ( mts ) f fa M fxM fxlogM fx 1/M
1.55 - 1.59 15 15 1.57 23.55 2.938 9.554
1.60 - 1.64 26 41 1.62 42.12 5.447 16.049
1.65 - 1.69 82 123 1.67 136.94 18.262 49.10
1.70 - 1.74 75 198 1.72 129.00 17.665 43.605
1.75 - 1.79 40 238 1.77 70.80 9.919 22.599
1.80 - 1.84 16 254 1.82 29.12 4.161 8.791
1.85 - 1.89 3 257 1.87 5.61 0.815 1.604
1.90 - 1.94 1 258 1.92 1.92 0.283 0.521
258 439.06 59.49 151.825
Para la media aritmética:
22
X = ( fj x Mj)/n = 439.06/258 = 1.702m
MEDIA GEOMETRICA (G).- Para datos agrupados, y debido a la esencia de
la media geométrica, se vuelve necesaria la utilización de logaritmos, con lo
que las operaciones pueden realizarse. La fórmula en este caso es la
siguiente:
G = Antilog (  f x Log M / n )
En nuestro caso:
G = Antilog ( 59.49/258) = 1.70m
MEDIA ARMONICA (H).- La media armónica se calcula mediante la
siguiente fórmula:
H = 1 / ( f x 1/M) / N = N / ( f x 1/M)
En el caso que analizamos:
H = 258 / 151.825 = 1.699m
PROMEDIOS POSICIONALES.- Por ser parámetros que carecen de
formulación matemática, las fórmulas que nos permiten su determinación,
son de lo mas variadas, y enmarcan aspectos relacionados de ubicación y
posición. Se utilizan diversas fórmulas para su determinación como son:
MEDIANA ( MED ) .- La fórmula más utilizada para el cálculo de la mediana
es la siguiente :
Med = Lri + (N/2- faa ) * k
fcm
23
en donde :
Lri = Límite real inferior de la clase mediana = 1.695 m
N/2 = Valor posicional para la mediana = 129
faa = Frecuencia acumulada anterior a la clase mediana = 123
fcm = Frecuencia de la clase mediana = 75
k = Longitud de clase o tamaño del intervalo = 0.05 m
Med = 1.695 + (129 -123) * 0.05 = 1.699 m
75
MODA ( MOD ).- Entre las fórmulas conocidas la mas utilizada se expresa :
Mod = Lricm + ( 1 ) * k
1+2
En donde :
Lricm = límite real inferior de la clase modal = 1.645 m
1 = diferencia entre la clase modal y la premodal = ( 82-26)
2 = diferencia entre la clase modal y la posmodal = ( 82-75)
K = Longitud de clase o tamaño del intervalo = 0.05 m
En nuestro caso la clase que mayor frecuencia tiene es la 3ra - ( 82 )
Mod =1.645 + ( 56 ) * 0.05 = 1.689 m
(56 + 7)
CUANTILES.- Estos parámetros posicionales también son para datos
agrupados: Cuartiles, quintiles, deciles y percentiles. (Los más utilizados).
Respectivamente se calculan de la manera siguiente:
24
CUARTILES ( Qi ).- Para los cuartiles las fórmulas mas utilizadas son :
Q1 = Lricq + ( N/4 - faa ) * k
fq1
Q2 = Lricq + ( 2N/4 - faa ) * k = Med
fq2
En nuestro caso tendremos :
Q1 = 1.645 + ( 64.5 - 41 ) * 0.05 ; Q1 = 1,659 m
82
Q2 = 1.695 + ( 124 - 123 ) * 0.05 ; Q2 = 1.699 m
75
Q3 = 1.695 + ( 193,5 - 123 ) * 0.05 ; Q3 = 1.742 m
75
DECILES Y PERCENTILES ( Pi, Qi )- Las fórmulas utilizadas tienen el
mismo principio que para el cálculo de los cuartiles . Enunciaremos algunas
de ellas . D3 = Lricd + ( 3N/10 - faa ) * k
fd
D8 = Lricd + ( 8N/10 - faa ) * k
fd
D8 = 1.645 + ( 77.4 - 41 ) * 0.05 = 1.667 m
82
P17 = Lricp + ( 17N/100 - faa ) * k = 1.647 m
25
fp
P39 = Lricd + ( 39N/100 - faa ) * k = 1,6814 m
fp
MEDIDAS DE DESVIACION Y DISPERSION .- Al igual que para los datos no
agrupados los promedios de desviación y dispersión nos dan una idea del
grado de alejamiento o separación de los valores de la serie, respecto de un
promedio ( generalmente la media aritmética o la mediana ). En su orden
podemos calcularlos de la siguiente manera.
RANGO.- No es sino la diferencia entre el límite superior de la última
categoría menos el límite inferior de la primera categoría.
R = Lns - Lni = 1.94 - 1.55 = 0,39 m
DESVIACION MEDIA ABSOLUTA ( DMA ) .- Este parámetro de dispersión
que tiene el mismo sentido para los datos no agrupados se calcula mediante
las fórmulas :
DMA =  fj Mj - X 
DMA =  fj Mj - Med 
En el caso nuestro tendremos que :
DMA = 13.46 = 0.052 m DMA = 13.452 = 0.05213 m
258 258
26
DESVIACION ESTANDAR.- Para datos agrupados la desviación estándar
se calcula mediante la fórmula :
σ =  Σ fj( Mj – Xm )2
σ =  Σ fj( Mj - Med )2
En nuestro caso :
σ =  1.0852 / 258 = 0.0648 m σ =  0.90486 0/ 258 = 0.0672 m
VARIANZA .- Siendo este parámetro igual a σ2 , en nuestro caso tendremos:
σ 2 = 0.0042 cm2 σ 2 = 0.0045 cm2
MOMENTOS ESTADISTICOS
Son formulaciones matemáticas, que se definen como parámetros
estadísticos, algunos de ellos cuales tienen amplia connotación dentro del
estudio de curvas de distribución de frecuencias y mas específicamente
respecto del sesgo y de la curtosis (fenómenos estadísticos a tratarse
posteriormente ). Distinguimos los momentos indefinidos de grado r ( Xr )y
los momentos respecto de la media, de grado r ( Mr ). Para datos no
agrupados:
Xr =  Xir
Mr =  ( Xi - Xm )r
N
27
Mientras para datos Agrupados:
Xr =  fj Mjr
Mr =  fj ( Mj - Xm ) r
SESGO Y CURTOSIS
Estos dos conceptos aún cuando en su esencia diferentes, se manejan en
forma paralela, puesto que ambos definen características de suma
importancia para las distribuciones de frecuencia y sus curvas
representativas (Polígonos de Distribución Suavizado). El sesgo no es otra
cosa que el grado de asimetría que describe una curva de distribución,
tomando como referencia una curva de distribución normal y por tanto
simétrica.
28
Si el sesgo describe una curva cuya cola más larga se encuentra del lado
derecho entonces decimos que la curva es positivamente sesgada.
Decimos que la distribución es negativamente sesgada, cuando la cola más
larga se encuentra del lado izquierdo de la misma. Existen múltiple fórmulas
para determinar el sesgo de una distribución ; algunas de ellas empíricas y
otras con sustento matemático. Entre las más importantes señalaremos :
S = Xm - Mod
Que puede reemplazarse por :
S = 3 ( Xm - Med )
Debido a que empíricamente se tiene que Xm - Mod  3 ( Xm - Med ).
Estas fórmulas son aplicables cuando las distribuciones son desde ligeras a
medianamente sesgadas.
Se conocen como Coeficiente de Sesgo Pearson 1 y 2.
También tenemos el coeficiente de sesgo cuartílico que se expresa como :
SQ = Q3 - 2Q2 + Q1
Q3 - Q1
Con sustento matemático la fórmula mas importante es :
a3 = M3
σ3
29
Todos estos coeficientes de sesgo son iguales a 0 para distribuciones
normales (simétricas); son positivas para distribuciones con sesgo derecho;
y si las distribuciones tienen sesgo izquierdo entonces los coeficientes son
negativos.
Entendemos por curtosis al grado de apuntamiento o achatamiento
que presenten las curvas de distribución de frecuencia.
Distinguimos curvas Leptocúrticas, Mesocúrticas y Platicúrticas. Así:
Generalmente la curtosis de una distribución se calcula mediante el
coeficiente de curtosis percentílica “a4“, el mismo que se determina
mediante las fórmulas :
a4 = M4
30
σ4
K= DQ
P90 - P10
DQ = Q3 - Q1
Una distribución normal se dice que es Mesocúrtica si su coeficiente a4 = 3 y
su K = 0,263
Si a4  3 o lo que es lo mismo k  0.263 la curva será leptocúrtica, mientras
que si a4  3 o lo que es lo mismo k  0.263 la curva será platicúrtica.
El sesgo y la curtosis aparecen también permanentemente en forma
combinada.
CORRELACION Y REGRESION ESTADISTICAS
31
Todos los procesos productivos o de cualquier actividad humana, se rigen por
el principio de causa y efecto, es decir que siempre podemos encontrar
relación entre las actividades desarrolladas y los resultados obtenidos,
existiendo una o más leyes que rigen, norman y determinan el curso del
fenómeno o actividad. El concepto de correlación estadística, se maneja para
grupos de datos que pueden ser determinados experimentalmente o pueden
ser el resultado de procesos productivos, resultados para los cuales se
pretende determinar primero la existencia de una relación y luego la ley
matemática a la que ésta responde. En los datos se cuenta con la presencia
de una variable dependiente “Y“ y de una variable independiente “X“ (una o
más), y se persigue determinar el grado de dependencia o interrelación entre
ellos. Decimos que los datos están correlacionados si por su ubicación
gráfica, pueden definirse como parte de una familia, dependencia funcional o
ley matemática. El grado de correlación se conceptúa como el nivel de
acercamiento o alejamiento respectivamente de los datos respecto de una
expresión funcional o ley. La regresión estadística es el proceso que nos
permite matemáticamente determinar la función que más o mejor se ajuste a
los datos correlacionados. En sentido práctico, la correlación estadística se
puede determinar en base a los denominados diagramas de dispersión, ya
que al observar la ubicación de los puntos en el plano, podemos definir el tipo
de función al que más se asemejan, y escogiendo el tipo de función,
procedemos entonces a su determinación.
32
Si todos los valores de las variables satisfacen exactamente una
ecuación, se dice que hay una correlación perfecta entre ellas. Cuando se
trata de dos variables solamente, se habla de correlación simple y de
regresión simple. Cuando se trata de más de dos variables se habla de
correlación múltiple y de regresión múltiple.
CORRELACION LINEAL..- Si X e Y representan las dos variables que se
consideran, y en un diagrama de dispersión todos o casi todos los puntos
parecen describir una recta, como en (a) y (b) de la Figura adjunta, la
correlación se dice lineal. En tales casos, para propósitos de regresión o
estimación es adecuada una ecuación lineal.
Si Y tiende a incrementarse cuando se incrementa X, como en (a), la
correlación se dice positiva o correlación directa. Si Y tiende a disminuir
cuando se incrementa X, como en (b) la correlación se dice negativa o
correlación inversa.
Si todos los puntos parecen estar cerca de alguna curva, la correlación se
dice no lineal y una ecuación no lineal es la apropiada para la regresión o
estimación. Es evidente que una correlación no lineal puede ser a veces
positiva y a veces negativa.
Si no hay ninguna relación entre las variables, como en la Fig (c), se dice que
no hay correlación entre ellas, es decir, no están correlacionadas.
33
Y Y Y
(a) (b) (c)
(a) Correlación Lineal Positiva
(b) Correlación Lineal Negativa
(c) No hay correlación
RECTAS DE REGRESION POR MINIMOS CUADRADOS
Se considera en primer lugar el problema de la bondad con que una línea
recta explica la relación entre dos variables. Para ello son necesarias las
ecuaciones de las rectas de regresión por mínimos cuadrados.
Matemáticamente, mediante el siguiente sistema de ecuaciones, podemos
calcular la recta regresional del tipo y = a x + b.
 ax2 +  bx =  xy
 ax + bn = y ; en donde:
 x2 - Sumatoria de los valores del argumento x elevadas al cuadrado
 x- Sumatoria de los valores del argumento x
 xy- Sumatoria de los productos de los valores de x por la función y
y- Sumatoria de los valores de la función y
34
n- Número de valores dados en la tabla
El sistema propuesto es de dos ecuaciones con dos incógnitas. Resolviendo
el sistema, podemos calcular los valores “a “ y “ b “, con lo cual
determinamos la recta regresional : y = ax + b
Ejercicio de aplicación.-
Del análisis de las ventas hechas por una compañía para los años 1991 a 1999, respecto de los
ingresos netos mensuales promedio del consumidor en este período, se han obtenido los siguientes
datos estadísticos:
VENTAS
PERIODO (Y) SUELDOS
(años) miles USD usd/MES
1996 50,2 200
1997 62,8 215
1998 76,4 220
1999 63,8 210
2000 67,1 230
2001 72,9 235
2002 66,8 225
2003 77,1 240
2004 71,1 235
2005 72,5 240
La compañía desea utilizar este análisis para pronósticos de ventas futuras,
asumiéndose una correlación lineal. Se quiere determinar la función
regresional correspondiente.
SOLUCION: Lógico es pensar que en cualquier actividad de mercado, las
ventas dependen de la capacidad de compra del consumidor, es decir de sus
ingresos. Por esta razón para nuestro caso, adoptamos como función “Y” a las
ventas, y como argumento “X” a los ingresos del consumidor. Calculamos
35
tabularmente las diferentes sumatorias necesarias para el cálculo de la recta
regresional, de la siguiente manera:
INGRESO
VENTAS S
PERIODO (Y) (X) X2 XY
(años) milesUSD usd/MES
1993 50,2 200 40000 10040,00
1994 62,8 215 46225 13502,00
1995 76,4 220 48400 16808,00
1996 63,8 210 44100 13398,00
1997 67,1 230 52900 15433,00
1998 72,9 235 55225 17131,50
1999 66,8 225 50625 15030,00
2000 77,1 240 57600 18504,00
2001 71,1 235 55225 16708,50
2002 72,5 240 57600 17400,00
Sumas 680,7 2250 507900 153955,00
Por tanto el sistema será:
 ax2 +  bx =  xy 507900 a + 2250 b = 153955
 ax + bn = y 2250 a + 10 b = 680.7
Resolviendo el sistema:
1:507900 a + 2250 b = 153955 x (1): 507900 a + 2250 b = 153955
2: 2250 a + 10 b = 680.7 x ( -225): -506250 a - 2250 b = -153157.3
1650 a = 797.7
a = 797.7/1650 = 0.483
Reemplazando a = 0.483 en 2: 2250(0.483) +10b = 680.7
b = (680.7 – 1086.75) /10; b = -40.605
Por tanto, la recta regresional es : y = 0.483 x – 40.605
36
Esta ecuación determina el comportamiento del fenómeno “Ventas de la
compañía, respecto del ingreso de los consumidores”. Esto significa que en
conocimiento de los ingresos futuros del consumidor (en base al desarrollo
económico del sector, región o país), con ayuda de la ecuación calculada,
podemos “ pronosticar ” el nivel de ventas esperado. Si por ejemplo,
deseamos proyectar las ventas de la compañía para los años 2004 y 2006,
con valores determinados de ingresos de 245 y 255 dólares respectivamente:
Yp = 0.483 (245) – 40.605 = 77.73 (miles de dólares) para 2004
Yp= 0.483 (255) – 40.605 = 82.56 (miles de dólares) para 2006
EVALUACION Y SIGNIFICACION DE LA CORRELACION LINEAL
Significa “ poner a trabajar” a la recta regresional determinada, con el
propósito de comprobar en función de valores de “y” conocidos, aquellos que
pudieran proyectarse (reemplazando en la función). Con estos valores, se
determinan las desviaciones medias absolutas, para comprobar a través de
“valores de tolerancia” , la bondad de la recta regresional, es decir si a futuro
los pronósticos pueden o no ser avalizados. Los parámetros de evaluación
más utilizados son:
 Variación Total
 Variación Explicada
 Variación No-explicada
 Coeficiente de Correlación
 Coeficiente de determinación
37
 Error típico de la estimación
VARIACION TOTAL (VT).- Representa la sumatoria de las desviaciones
cuadradas de los valores dados de “y” respecto de su media aritmética “ym”.
VT =  ( y - ym ) 2
VARIACION EXPLICADA (VE).- Representa la parte de la variación total que
depende de la variable independiente “x” . Se calcula como la sumatoria de
las desviaciones cuadradas de los valores de “y” pronosticados, “yc”; respecto
de la media de los valores de “y” dados: “ym”
VE =  ( yc - ym ) 2
VARIACION INEXPLICADA (VI).- Es la variación residual que refleja el
comportamiento de las fuerzas del mercado sobre y bajo las fluctuaciones de
la variable independiente “x”. Matemáticamente se calcula como la sumatoria
de las desviaciones cuadradas de los valores de la variable dependiente “y”
dados, respecto de los valores pronosticados “yc”. Es decir:
VI =  ( y - yc )2
COEFICIENTE DE CORRELACION (CR).- Expresa el grado de
asociación de las dos variables, la independiente y la dependiente.
CR = ( VE / VT ) ½ = ( (yc-ym)2 /  (y-ym)2)1/2
COEFICIENTE DE DETERMINACION (CD).- No es sino el coeficiente de
correlación elevado al cuadrado.
CD = CR 2
38
ERROR TIPICO DE LA PENDIENTE O ERROR DE LA ESTIMA (m).- Se
calcula matemáticamente mediante la fórmula:
m = ((  (y-yc)2 /(N-K))/ ( (x-xm)2 ) ; en donde:
(x-xm)2 - Sumatoria de las desviaciones cuadradas de x respecto de xm
k- # de variables de la correlación (siendo lineal en nuestro caso, k = 2)
Para el ejercicio que estamos analizando tendremos:
VENTAS INGRESOS
PERIODO (Y) (X) (Y –Ym)2 Yc (Yc-Ym)2 (Y-Yc)2 (X-Xm)2
(años) miles USD usd/MES
1993 50,2 200 319,34 56,00 145,81 33,58 625
1994 62,8 215 27,77 63,24 23,33 0,19 100
1995 76,4 220 69,39 65,66 5,83 115,46 25
1996 63,8 210 18,23 60,83 52,49 8,85 225
1997 67,1 230 0,94 70,49 5,83 11,46 25
1998 72,9 235 23,33 72,90 23,33 0,00 100
1999 66,8 225 1,61 68,07 0,00 1,61 0
2000 77,1 240 81,54 75,32 52,49 3,19 225
2001 71,1 235 9,18 72,90 23,33 3,24 100
2002 72,5 240 19,62 75,32 52,49 7,92 225
Suma: 680,7 2250 570,961 384,93 185,50 1650
Ym = 68,07
Xm = 225
Por tanto los valores serán:
La variación Total : VT =  ( y - ym ) 2 ; VT = 570.96
La variación Explicada: VE =  ( yc - ym ) 2 ; VE = 384.93
La variación Inexplicada : VI =  ( y - yc ) 2; VI = 185.50
El coeficiente de correlación: CR = (VE / VT )1/2 = ( 384.93/570.96) ½ =
0.821
39
El coeficiente de determinación : CD = CR2 = (0.816)2 = 0.674
El error de la estima: m = (( VI / (N-K))/ ( (x-xm)2 ))
m = ((185.50/(10-2))/(1650)) ½ = 0.1185
Generalmente, a partir de CR = 0.75, se estima que el nivel de correlación del
fenómeno es bueno. En nuestro caso, por ser CR = 0.821, consideramos que
nuestra curva regresional es bastante confiable. Esto se corrobora con el
error de la estima, que es de alrededor del 12%.
40

Estadística y probabilidades en ingeniería: medias, desviaciones y datos

Загружено:

Сведения о документе

Оригинальное название

Авторское право

Доступные форматы

Поделиться этим документом

Поделиться или встроить документ

Параметры публикации

Этот документ был вам полезен?

Это неприемлемый материал?

Авторское право:

Доступные форматы

Estadística y probabilidades en ingeniería: medias, desviaciones y datos

Загружено:

Авторское право:

Доступные форматы

Facultad de Ingenierías: Electrónica, Industrial y Sistemas

1.- FREUND,J, MILLER, I, 1992, Probabilidad y Estadística para

2.- KOLMAN, B. Y BUSBY, R,1995, Estructuras de Matemáticas

3.- MYSKIS,A.D,1975, Introductory mathematics for engineers,

4.- MURRAY,S,1979, Estadística, México: McGraw-Hill de México

5.- PARZEN, E,1979, Teoría Moderna de Probabilidades y sus

6.- SEMENDIAIEV K., I BRONSHTEIN, I, 1973, Manual de Matemáticas

Ingeniero MSc. Alexis Sánchez Miño

A MANERA DE INTRODUCCIÓN.- Tarea casi imposible sería tratar de

señalar un campo en donde la Estadística no haya causado gran impacto, y

su uso no sea una práctica permanente y cotidiana. En La ingeniería y en la

administración industrial sobre todo, esta ciencia ha adquirido una

connotación especial. Problemas de la producción, uso eficiente de

materiales, manejo de la fuerza de trabajo etc. cobran fuerza mayor con

conceptos como “Control de Calidad y Calidad Total” cuya esencia

estadística revela la importancia de esta ciencia. Si queremos como país

mejorar sustancialmente la calidad de lo poco que producimos, y producir

más y mejor. Para sobrevivir, debemos adquirir el compromiso continuo de

mejoramiento de calidad, desde el diseño hasta la producción, aplicando

experiencias y propuestas como las de Edwards Deming, o el criterio

japonés de imitar, igualar, superar.

Una de las características fundamentales del milenio que iniciamos,

consiste en el empleo cada vez mayor de las ideas y conceptos de la Teoría

de Probabilidades, con una amplia aplicación científica, fundamentalmente

en la investigación. ¿Cómo podríamos en Genética por ejemplo emitir

criterios sobre la frecuencia relativa con que aparecen diversas

características de grupos de individuos sin la estadística y las

probabilidades?; o el cálculo de la densidad del tráfico en una metrópoli en

Ingeniero MSc. Alexis Sánchez Miño

que estudian y ayudan a comprender estas ciencias, las que se abordan

-aún cuando elementalmente- a continuación.

Estadística Analítica e Inferencial.- Podemos definir a la Estadística como

una ciencia metodológica que se encarga de la toma, recopilación,

ordenamiento, organización, análisis, interpretación, y proyección o

pronóstico de datos numéricos pertenecientes a fenómenos masivos;

entendiéndose estos últimos como aquellos en los cuales participan un sin

número de elementos de un mismo tipo o especie.

El total de elementos que conforman un fenómeno se denomina

”población”; mientras que entendemos por ”muestra”; a un subconjunto de

son representativos de la población, es decir que posea las mismas

características de la población. No deben existir desviaciones mayores en

los resultados de las aplicaciones estadísticas que es hicieran a la población

Ingeniero MSc. Alexis Sánchez Miño

los resultados obtenidos del análisis e interpretación de los fenómenos y ”La

Inferencial”, que utiliza los datos de la primera y además los proyecta en

función de pronosticar posibles resultados respecto de fenómenos iguales o

similares en diferente tiempo y espacio, en base a generalizaciones de

datos. Algunos de los problemas fundamentales que resuelve la estadística

inferencial se refieren a la evaluación de riesgos y toma de decisiones.

Debemos entender que la Estadística sin embargo de ser científica,

es inexacta; la exactitud propia de la esencia de la materia la podemos

mejorar mediante ”La Probabilidad Matemática”, que es la ciencia que nos

permite pronosticar la aparición, repetición, evolución, terminación, etc. de

fenómenos estudiados mediante formulación matemática; siendo este el

vínculo entre estas dos ciencias.

Los datos estadísticos en dependencia de características cualitativas

y cuantitativas, como la longitud de la serie y algunos otros por menores se

clasifican en : ”Datos No Agrupados (DNA) y Datos Agrupados (DA)“.

Cuando la serie no es relativamente grande, además de un ordenamiento

que puede ser ascendente o descendente, suele no ser necesaria una

clasificación alguna, entonces estamos trabajando con datos no agrupados.

Estadísticamente los parámetros mas representativos de una serie de

datos ya sean estos no agrupados o agrupados son “Los Promedios o

Xp = 29.6 + 37.7 + 36.5 + 101 + 9.9*1