El Rol de la Estadstica en el trabajo del Ingeniero.

Por1: Roberto Behar, Rafael Klinger, Mercedes Andrade, Javier Olaya, Eloina Mesa, Gabriel Conde, Jorge Delgado, Daniel Arbelaez, Patricia Trujillo, Hernando Solano.

1. Introduccin.
La importancia de la estadstica en la actualidad, no se pone en discusin. Casi todos los programas profesionales universitarios incluyen en su currculo, al menos un curso de estadstica. En muchos pases, inclusive en Colombia, la estadstica forma parte del currculo de la educacin secundaria e inclusive se incluyen algunos tpicos en la educacin primaria. La dinmica del mundo moderno, exige que todo ciudadano, para ejercer sus derechos y comprender su entorno, requiera de una alfabetizacin en estadstica. El reconocimiento de la variabilidad y la incertidumbre, como elementos esenciales de la naturaleza y en la vida misma, ha ido creciendo como lo muestra Cobb (1993), el siguiente cuadro en el cual se compara la demanda por cursos de estadstica con la demanda de cursos de clculo. Cuadro 1. Inscripcin a cursos de estadstica como un porcentaje de la inscripcin a los cursos de clculo. (Inscripciones en College en USA) Ao Porcentaje 1966 10% 1970 19% 1975 37% 1980 27% 1985 36% 1990 52%

Este cuadro pone en evidencia la importancia creciente que se le ha dado a la disciplina estadstica. En la formacin de ingenieros, la pertinencia de la estadstica se hace ms evidente. Si tomamos como referencia a Billy Vaughn Koen (1985) en la versin al castellano de su libro El mtodo en Ingeniera, nos percataremos de que inherente a su esencia, la estrategia del ingeniero, est envuelta en una nube de variabilidad e incertidumbre, en medio de la cual, debe tomar decisiones que lo acerquen a su objetivo, de una manera heurstica. Veamos algunas expresiones textuales que refuerzan estos planteamientos: ...Por el mtodo de Ingeniera quiero decir la estrategia para causar el mejor cambio posible, con los recursos disponibles, en una situacin incierta o pobremente estudiada

Aqu, queda implcito, que el ingeniero debe tomar decisiones con informacin incompleta, en ambiente de incertidumbre, asumiendo riesgos, pero no de manera aventurera o irresponsable, lo har con criterio y guindose por heursticas, muchas de las cuales tienen como propsito hacerse buenas ideas sobre la magnitud de los riesgos que asume y saber cual es el lado que lo pone conservadoramente cerca de la seguridad.
Profesores del rea de Estadstica de la Escuela de Ingeniera Industrial y Estadstica de la Universidad del Valle.
1

El mismo autor, dedica el captulo 3 de su libro a definir algunos heurismos usados por el mtodo de Ingeniera y los divide en 5 categoras, una de las cuales es: Algunos heurismos que usan los ingenieros para mantener el riesgo dentro de los lmites permitidos. ...nunca ser posible desarrollar del todo algunos problemas complicados, debido a la incertidumbre inherente al Mtodo de Ingeniera. Dado que el ingeniero tratar de encontrar la mejor respuesta, an en situaciones relativamente viables para tomar una decisin, es inevitable que exista algn riesgo. Esto desde luego no significa que todos los niveles de riesgo sean aceptables. Como podra esperarse a esta altura de la discusin, lo que es razonable est determinado por heurismos adicionales que controlan el tamao del riesgo que el ingeniero est dispuesto a tomar. Si el sistema que desea cambiar es complejo y poco entendido; si el cambio deseado es el mejor disponible y si est limitado por la disponibilidad de recursos, entonces usted est ante un problema de Ingeniera. Si usted logra el cambio usando el Mtodo de Ingeniera, entonces usted es un ingeniero..

Otras expresiones como:

Basados en Koen (1985), queda claro que el mtodo de ingeniera y la profesin de ingeniero, estarn limitados en su eficiencia y eficacia, si en un sitio privilegiado de su maletn de heursticas, no tienen algunas que le permitan resolver y decidir en ambientes de riesgo e incertidumbre, que constituyen su condicin natural de operacin. Cuando Koen se refiere a que no todos los niveles de riesgo son aceptables, est sugiriendo que el ingeniero en su responsabilidad, deber cuantificar el riesgo para decidir con base en un riesgo de tamao razonable. Cul es la naturaleza de aquellas heursticas que le permiten al ingeniero cuantificar el tamao del riesgo?. Cmo obtener una estimacin pesimista de la magnitud de un efecto de particular importancia en un proyecto, que garantice al ingeniero que acta hacia el lado de la seguridad en cuanto al riesgo, pero sin perder de vista la racionalidad econmica o prctica?.

2. La estadstica y el Mtodo de Ingeniera.

La respuesta a los anteriores interrogantes, la tiene la estadstica. El ingeniero debe cuantificar el riesgo y las heursticas que le permitirn hacerlo, son del resorte de la probabilidad y la estadstica. En este camino, conocer los elementos bsicos de la teora de la probabilidad, de tal manera que a partir de la estimacin de un evento simple, pueda obtener informacin sobre el riesgo de ocurrencia de eventos compuestos y complejos, es una necesidad para el ingeniero.

Si con un determinado sistema puedo resolver el problema con un riesgo r, cual ser el riesgo si coloco n sistemas, en paralelo?. En una situacin pobremente estudiada, cmo hacer predicciones del riesgo, usando informacin incompleta? Surge aqu la necesidad de conocer algunos modelos probabilsticos y su posible uso para simplificar la realidad y obtener respuesta sobre el riesgo de ocurrencia de eventos de inters. Si la magnitud de un factor F, es un insumo clave para la solucin de un problema de ingeniera, pero solo dispongo de algunos datos sobre F, Cmo puedo estimar la magnitud de F, asumiendo un riesgo de equivocarme en la estimacin, definido a priori por el ingeniero?. En esta situacin la estadstica puede apoyar la formacin del ingeniero proporcionndole las herramientas adecuadas para la construccin de heursticas, a travs de la llamada estimacin de cantidades, por medio de intervalos de confianza. Billy Koen (1985) en su intento por caracterizar el trabajo del ingeniero, expresa cmo el ingeniero inicia su trabajo saliendo de un punto de partida que corresponde a una situacin de incertidumbre o pobremente estudiada y que su punto de llegada es incierto. En el camino, deber ir resolviendo las dificultades y obstculos y tomando decisiones cuando existan varios caminos alternativos. Cmo poder hacer comparaciones y tomar decisiones ante diversos cursos alternativos de decisin, en un ambiente de incertidumbre?. En esta problemtica, la estadstica se constituye en una verdadera mina, de la cual el ingeniero puede dotarse de las heursticas apropiadas para enfrentar con muy buenas posibilidades de xito la situacin de comparar alternativas, con informacin parcial, cuantificando el riesgo de tomar una mala decisin. Este yacimiento de heursticas, se conoce en estadstica como Contraste de hiptesis. Cmo decidir entre varios posibles cursos de accin en ambiente de incertidumbre? Koen plantea de manera muy pedaggica la diferencia entre los dominios de la ciencia y de la ingeniera. Uno de los elementos conceptuales que marca esta diferencia, es la restriccin en los recursos disponibles. A diferencia de la ciencia, en la ingeniera no se hace referencia a la solucin, sino a una solucin. En ingeniera una buena solucin no se pueda juzgar, sin el conocimiento de la restriccin generada por la disponibilidad de recursos. En ingeniera puede preferirse una solucin que no es la ptima absoluta, pero que se aproxima bastante bien a los requerimientos, si esta es mucho ms rpida y/o barata que la ptima. Si tener la informacin completa, requiere de un periodo de tiempo exagerado o exige una cantidad de recursos muy grande, el ingeniero deber disponer de heursticas que le permita saber cual es el punto de compromiso entre cantidad de recursos a invertir en obtener informacin y la magnitud del riesgo de equivocarse y sus consecuencias al tomar decisiones con dicha cantidad limitada de informacin.

La estadstica ofrece un excelente men, para que el ingeniero disponga de heursticas que le permitan cuantificar el monto de recursos que debe asignar a la inversin en informacin y la manera de decidir con dicha informacin. Esta carta de navegacin, se conoce en estadstica como estimacin del tamao de muestra y puede relacionar un tamao de muestra a seleccionar con el riesgo de equivocarse al decidir con ella en algn sentido. Por otro lado ante la incertidumbre o el pobre conocimiento de la situacin, el ingeniero debe disponer de heursticas que le permitan en algunas ocasiones hacer ensayos en pequea escala, para predecir el comportamiento de un sistema, anticiparlo tomando las medidas adecuadas, llenndose de argumentos para favorecer un curso determinado de accin. Cmo realizar estos ensayos? Cmo concluir con base en la informacin obtenida en los ensayos, si se sabe que es informacin parcial, no reproducible en forma exacta si se repitieran los ensayos? En esta situacin, un excelente socavn, rico en las mejores fuentes para producir heursticas, lo constituye el diseo estadstico de experimentos, el cual no solo plantea muy buenas guas para la ejecucin de los ensayos, para garantizar la validez de las conclusiones que se obtengan, sino que permite controlar el riesgo, definiendo a priori, la magnitud de los riesgos que el ingeniero est dispuesto asumir, en el sentido de tomar decisiones equivocadas. Adems incluye relaciones clave que conectan recursos a invertir con calidad de las decisiones. Ya se dijo que una condicin inherente al trabajo de un ingeniero, y que por tanto caracteriza el Mtodo de Ingeniera, es restriccin en la disponibilidad de recursos. Entre varias heursticas comparables en su eficiencia, el ingeniero podra escoger aquella que exija menos insumos de informacin y en general que implique menos recursos. Proteger los recursos, es una de sus misiones permanentes. En este sentido poder predecir el estado final resultante de un curso de accin tomando en consideracin caractersticas de su punto de partida, le permitir disminuir los riesgos de invertir recursos en rectificaciones por deficientes predicciones. Por otro lado, pero en el mismo sentido, en situaciones problema donde se requiere el conocimiento de magnitud de F, para tomar una decisin, pero en lugar de conocer F, se conocen X,Y; Z; W, que son mucho ms baratas y prcticas de medir que la propia F, surge la pregunta: Cules heursticas me permiten tomar decisiones equivalentes con stas ltimas en lugar de F?. Entre las caractersticas disponibles (X,Y,Z,W), Cul es el subconjunto mnimo que se requiere y cual es la calidad de las decisin que se tome con base en dicho subconjunto?. Cmo predecir el valor F correspondiente a un conjunto de valores especfico de las caractersticas (X,Y;Z;W)?. En esta problemtica, la estadstica vuelve a salir a la palestra, poniendo a disposicin del ingeniero, los modelos para predecir la magnitud de una caracterstica mediante el conocimiento de otras, a travs de los llamados modelos de regresin. Si parte de las condiciones del punto de partida del ingeniero, es la disponibilidad de informacin sobre un conjunto de caractersticas relacionadas con la situacin problema, Cmo explorar esta informacin, para plantear a partir de ella, algunas hiptesis que permitan orientar el prximo curso de accin?

En esta fase la estadstica entrega en las manos del ingeniero, algunas estrategias para hacer tiles sus datos, dndoles sentido en el contexto de su problema a travs del llamado Anlisis Exploratorio de Datos. Cuando el comportamiento futuro de una caracterstica, es un parmetro de diseo para un proyecto, se requiere disponer de Heursticas que permitan sacar provecho del conocimiento sobre cmo se ha comportado dicha variable en el pasado, para hacer pronsticos y estimar su fiabilidad. En este campo, la estadstica provee los elementos necesarios a travs del llamado anlisis de series de tiempo y pronsticos. En campos especficos de la ingeniera, en los cuales una caracterstica inherente a la calidad de un producto es el tiempo que trascurre hasta que el producto falla o la duracin del tiempo entre fallas, se requiere conocer algunos parmetros que garanticen a priori, la confiabilidad del producto o servicio o para la definicin de polticas de mantenimiento de equipos, para la definicin de tiempo de garanta, es muy conveniente disponer de heursticas para la prediccin de la fiabilidad, campo frtil de la estadstica a travs de la teora de la fiabilidad. Si se trata de controlar y mejorar la calidad de productos o procesos en ambientes de incertidumbre y variabilidad, como es la situacin normal en la industria manufacturera, las heursticas universalmente usadas corresponden al rea de mtodos estadsticos para el control y mejora de la calidad. Si se quiere abordar la calidad desde el propio diseo del producto, intentando conocer la interaccin entre los parmetros de diseos del producto o de la operacin de un proceso, con caractersticas de preferencias o del ambiente del usuario final, se requiere usar la estadstica a travs de los llamados Mtodos estadsticos para el diseo de productos robustos. Citando una vez ms a Koen (1985), al empezar su captulo 1, dice: El uso del Mtodo de ingeniera, en vez del uso de la razn, es la herencia de la humanidad ms equitativamente distribuida. Por Mtodo de Ingeniera quiero decir la estrategia para causar, con los recursos disponibles, el mejor cambio posible en una situacin incierta o pobremente estudiada. Por Razn, quiero dar a entender la habilidad para distinguir lo verdadero de lo falso.

Esta distincin, indica que la lgica formal, no ser el instrumento, que usar el ingeniero para definir sus cursos de accin y para tomar sus decisiones sobre lo que funciona o no funciona, pues como lo explica el propio Koen en su caracterizacin de heurismos, no se garantiza que la aplicacin de un heurismo sea siempre vlida. Adems varios heurismos que se encuentran en el maletn del ingeniero, pueden conducir a resultados contradictorios. En este estado de cosas Cmo decidir sobre la plausibilidad de una heurstica o de alguna estrategia, en ambiente de incertidumbre, si no es la lgica formal la que nos rige?. Esta situacin se identifica extraordinariamente con lo que se conoce como Pensamiento Estadstico, pues este da pautas y guas para valorar un conjunto de datos, con base en la naturaleza del proceso que los gener, sin comprometerse con la validez categrica de los mismos. Es decir, que unos datos sern tan buenos como el proceso que les dio origen.

Igualmente cuando se requiere comparar cursos de accin, la estadstica proporciona unas guas, que de seguirse, hacen plausibles la conclusiones que se obtengan al aplicar unos procedimientos consistentes con dichas guas, aunque no las garantiza al cien por ciento. El pensamiento estadstico, es una dimensin transversal a toda heurstica que intente obtener informacin o tomar decisiones en ambientes de variabilidad e incertidumbre. Para finalizar, podemos plantear la pregunta Cmo comparar la eficiencia de varias heursticas en ambientes de incertidumbre o en situaciones pobremente estudiadas? Una posible estrategia para lograr este propsito, puede darse con base en la simulacin, la cual permite a costos relativamente bajos predecir el comportamiento de una heurstica, en diferentes ambientes y condiciones de partida. Conociendo comportamientos aproximados de las componentes de un sistema y de sus complejas relaciones, puede hacerse uso de las herramienta que proporciona la simulacin para obtener resultados empricos del comportamiento del sistema completo, pudindose evaluar la sensibilidad o robustez a ciertas condiciones y ambientes.

3. La estadstica en el currculo de Ingeniera.

Hemos descubierto, con base en la ptica de Koen (1985) y su caracterizacin del Mtodo de Ingeniera, algunas necesidades de conocimiento, relacionadas con potencializar su capacidad de enfrentar la variabilidad y la incertidumbre, inherentes a la esencia del trabajo de un ingeniero. En este sentido y asociado a las diversas problemticas, en las que puede aparecer la incertidumbre al aplicar el Mtodo de Ingeniera, surgieron los nombres de los temas bsicos de la disciplina estadstica, que sera muy conveniente que un ingeniero conociera y colocara en su maletn de heursticas.

Los contenidos.
Resumiendo stas temticas son: 1. Criterios para juzgar la representatividad de una muestra y la validez de la comparacin de alternativas. Validez externa y validez interna de un estudio. (Pensamiento estadstico y criterios de validez.) 2. Cmo sacar jugo (informacin) a partir de un conjunto de datos. Cmo generar hiptesis? Cmo comunicar los resultados de un diagnstico? .(Anlisis Exploratorio de datos). 3. Cmo determinar el riesgo de que ocurra un evento complejo, a partir del conocimiento del riesgo de ocurrencia de eventos simples? (Fundamentos de la teora de la probabilidad). Dado un conjunto de datos sobre la frecuencia de ocurrencia de un fenmeno, Cmo ajustar un modelo probabilstico a esta situacin, de tal manera que permita hacer pronsticos sobre su comportamiento en otras condiciones? 4. Estimacin de cantidades, calculando el riesgo de equivocarse en la estimacin. (intervalos de confianza.)

5. Cmo escoger un curso de accin, entre varias posibles opciones, en ambiente de incertidumbre?. ( fundamento del contraste o prueba de hiptesis). 6. Cmo estimar el tamao de muestra para lograr una calidad definida a priori de la estimacin? 7. Cmo obtener los datos y cmo analizarlos, cuando se desea comparar varias alternativas de accin? cmo medir los riesgos de equivocarse en la decisin?. Cuntos experimentos realizar en cada tratamiento? (Diseo estadstico de experimentos). 8. Cmo predecir la magnitud de una caracterstica, conociendo las magnitudes de otras?. (Modelos de Regresin). 9. El ABC de los procedimientos de simulacin. 10. Mtodos de muestreo. 11. Introduccin al anlisis de series de tiempo y pronsticos. 12. Introduccin ala teora de la fiabilidad. 13. Modelos probabilsticos para aplicaciones en ingeniera. 14. Reflexiones sobre estadstica, Ingeniera y Sociedad.

La organizacin de los contenidos en cursos.

Se propone organizar los temas anteriores en dos cursos de la siguiente manera: Un primer curso, en el cual se abordan los fundamentos de la estadstica, a partir del cual se logran ciertas habilidades que son tiles por s mismas, y adems se siembran los conceptos fundamentales para hacer verdaderamente tiles y comprensibles, los mtodos estadsticos que se tratan en un segundo curso. Primer Curso: Fundamentos de Estadstica. ( 4 horas /semana). Criterios para juzgar la representatividad de una muestra y la validez de la comparacin de alternativas. Validez externa y validez interna de un estudio. (Pensamiento estadstico y criterios de validez.) Cmo obtener informacin de un conjunto de datos. Cmo generar hiptesis? Cmo comunicar los resultados de un diagnstico? (Anlisis Exploratorio de datos). Cmo determinar el riesgo de que ocurra un evento complejo, a partir del conocimiento del riesgo de ocurrencia de eventos simples? (Fundamentos de la teora de la probabilidad). Estimacin de cantidades, asociando el riesgo de equivocarse en la estimacin. (intervalos de confianza.) Cmo escoger un curso de accin, entre dos posibles opciones, en ambiente de incertidumbre?. ( fundamento del contraste o prueba de hiptesis).

Cmo estimar el tamao de muestra para lograr una calidad definida a priori de la estimacin?

Segundo curso: Mtodos estadsticos. (4 horas /semana). Este segundo curso, se ajusta a las necesidades especficas de cada plan de estudios, dando la posibilidad de escoger algunos temas que sean prioritarios para el programa, respetando la estructura de prerrequisitos correspondiente. As por ejemplo, un programa puede seleccionar fiabilidad, como podra ser el caso de ingeniera elctrica o electrnica, como un tema prioritario, mientras que otro puede decidirse por anlisis de series de tiempo y pronsticos o por mtodos de muestreo, etc. Algunos de los temas que podran formar parte del contenido de un segundo curso son: 1. Cmo escoger un curso de accin, entre ms de dos posibles opciones, en ambiente de incertidumbre?. ( Anlisis de la varianza y Comparaciones mltiples). 2. Cmo obtener los datos y cmo analizarlos, cuando se desea comparar varias alternativas de accin y se consideran varias variables de clasificacin? cmo medir los riesgos de equivocarse en la decisin?. Cuntos experimentos realizar en cada tratamiento? (Introduccin al Diseo estadstico de experimentos). 3. Cmo estimar el tamao de muestra para lograr una calidad definida a priori de la estimacin, cuando se comparan varias poblaciones? 4. Cmo predecir la magnitud de una caracterstica, conociendo las magnitudes de otras?. (Modelos de Regresin). 5. El ABC de los procedimientos de simulacin. 6. Mtodos de muestreo. 7. 9. Introduccin al anlisis de series de tiempo y pronsticos. Modelos probabilsticos para aplicaciones en ingeniera. 8. Introduccin a la teora de la fiabilidad. 10. Reflexiones sobre estadstica, Ingeniera y Sociedad.

4. A manera de Conclusin.
Se desprende de lo desarrollado en el presente artculo, que la formacin estadstica no puede ser opcional en el currculo de un ingeniero, sino que debe ser parte esencial y bsica de su currculo. Trabajar con informacin incompleta, en ambiente de incertidumbre es la condicin natural del entorno de un ingeniero, quien deber tener la capacidad de descubrir patrones en medio del ruido que significa la variabilidad. En este contexto, se resalta la necesidad de fortalecer en el futuro ingeniero su pensamiento estadstico, una actitud que considere la variabilidad y la incertidumbre como elementos importantes en el estudio y solucin de problemas de ingeniera. Esta realidad es reconocida en todo el mundo, pues en la mayora de los programas de formacin de ingenieros se considera la inclusin de al menos dos cursos de estadstica, con

intensidades de 3 a 4 horas semanales, que es una recomendacin que los autores consideran razonable para los programas de ingeniera en Colombia.

5. Referencias Bibliogrficas.
Behar R. et al. (2001). La Estadstica en el Currculo del Ingeniero. Documento presentado por los profesores del rea de estadstica de la Escuela de Ingeniera Industrial y Estadstica al consejo de facultad de ingeniera de la Universidad del Valle, a propsito de la reforma de los planes de estudio. Cobb G. W. (1993). Reconsidering Statistics Education: A national Science Foundation Conference. Journal of Statistics Education, v.1, n.1. 1993 Koen Billy Vaughn (1985). El mtodo en Ingeniera. Facultad de Ingeniera de la Universidad del Valle, y Asociacin Colombiana de Facultades de Ingeniera, ACOFI.