Está en la página 1de 35

UNIVERSIDAD VERACRUZANA

FACULTAD DE ECONOMA

APLICACIONES DE LA ESTADSTICA EN UNA PURIFICADORA DE AGUA


PRESENTA: SANDRA JANETT VILLA DE LA CRUZ

XALAPA, VER 11 DE JUNIO DEL 2012

ndice

1. Introduccin2

2. Planteamiento del problema.............4

3. Metodologa................10

4. Anlisis de resultados...............18

5. Conclusin.................26

INTRODUCCION

La definicin de la Probabilidad es en un proceso aleatorio, razn entre el nmero de casos favorables y el nmero de casos posibles. La definicin de la Estadstica es la rama de las matemticas que utiliza grandes conjuntos de datos numricos para obtener inferencias basadas en el clculo de Probabilidades. Estudio de los datos cuantitativos de la poblacin, de los recursos naturales e industriales, del trfico o de cualquier otra manifestacin de las sociedades humanas.1

La importancia de la estadstica en la economa, ha sido encaminada por la participacin de la industria en el aumento de la calidad. Muchas compaas se han dado cuenta que la baja calidad de un producto, tiene un gran efecto en la productividad global de la compaa, en el mercado y la posicin competitiva y, finalmente, en la rentabilidad en la empresa. Mejorar los aspectos de calidad conlleva al xito de la compaa. La estadstica es un elemento decisivo en el incremento de la calidad, ya que las tcnicas estadsticas pueden emplearse para describir y comprender la variabilidad.

Todos los procesos y sistemas de la vida real exhiben variabilidad. Esta es el resultado de cambios en las condiciones bajo las condiciones que se hacen las observaciones. En el contexto de la manufactura, estos cambios pueden ser diferencias en las propiedades de los materiales utilizados, en la forma en que trabajan los obreros, en las variables del proceso (tales como la temperatura, la presin o el tiempo de ocupacin) y en los factores ambientales (como la humedad relativa). La variabilidad se presenta tambin debido al sistema de medicin utilizado y al muestreo.

G. CASAR MARCOS; PROFESOR DE ASIGNATURA DE PROBABILIDAD; FACULTAD DE INGENIERA UNAM

El campo de la estadstica y la probabilidad consiste de mtodos tanto para describir y modelar la variabilidad, como para tomar decisiones en presencia de esta. En el campo de la investigacin tal vez estemos interesados en saber si un cambio es un ingrediente que afecta las propiedades del material resultante, para comparar la eficiencia de procesos o de mquinas probadoras; para determinar si los resultados obtenidos encajan en una forma postulada o sospechada. Otra aplicacin muy importante es el control de la calidad en la ingeniera industrial.

Aunado a lo dicho, el presente trabajo busca mostrar la relevancia de la probabilidad y la estadstica en una microempresa, durante el desarrollo del mismo se utilizaran los conocimientos adquiridos durante el curso, poniendo en prctica los diferentes teoremas de la Estadstica Descriptiva y la Probabilidad. As mismo se generaran resultados que ayudaran a mostrar un panorama objetivo en el desarrollo de dicha empresa.

En este proyecto de investigacin se trabajar con datos proporcionados por la Purificadora de agua Altotonqui, con los que se harn clculos estadsticos y probabilsticos con el fin de poder generar proyecciones a un ao de las ventas y satisfaccin de los clientes con respecto al producto.

El propsito es generar una proyeccin a un ao que nos permitan tomar decisiones correctas para mejorar la calidad y las ventas del producto.

Planteamiento del problema

Antecedentes

El concepto de Probabilidad ha evolucionado en el transcurso del tiempo. La probabilidad naci en el juego y es jugando como mejor se aprende la probabilidad. A los aljebristas del siglo XVI, Pacioli, Cardano, Tartaglia, se deben las primeras consideraciones matemticas profundas a propsito de los juegos de azar. Los fundamentos del clculo de probabilidades surgen alrededor del ao 1650, cuando sugerido por los juegos de dados, de cartas, del lanzamiento de una moneda, se plante el debate de determinar la probabilidad de ganar la partida. Fermat y Pascal, dieron en 1654 la primera definicin de probabilidad. Se aceptaba como intuitivo el concepto de equiprobabilidad, se admita que la probabilidad de conseguir un acontecimiento fuese igual al cociente entre el nmero de casos favorables y el de casos posibles. El clculo de probabilidades tuvo un notable desarrollo sobre la base de la anterior definicin de probabilidad. Destacan en 1713 el teorema de Bernoulli y la distribucin binomial, y en 1738 el primer caso particular estudiado por De Moivre, del teorema del lmite central.

En 1809 Gauss inici el estudio de la teora de errores y en 1810 Laplace, que haba considerado anteriormente el tema, complet el desarrollo de esta teora.

A mediados del siglo XIX, un fraile agustino austraco, Gregor Mendel, inici el estudio de la herencia, la gentica, con sus interesantes experimentos sobre el cruce de plantas de diferentes caractersticas. Su obra, La matemtica de la Herencia, fue una de las primeras aplicaciones importantes de la teora de probabilidad a las ciencias naturales.

En el fondo, la teora de probabilidad es slo sentido comn expresado en nmeros. Pierre Simn Laplace (1749-1827). Jacob Bernoulli (1654 1705), Abraham de Moivre (1667 1754), el reverendo Thomas Bayes (1702 1761) y Joseph Lagrange (1736 1813) desarrollaron frmulas y tcnicas para el clculo de la probabilidad. En el siglo XIX, Pierre Simon, marqus de Laplace (1749 1827), unific todas estas primeras ideas y compil la primera Teora General de la Probabilidad.

La teora de la probabilidad fue aplicada con xito en las mesas de juego y, lo que es ms importante, en problemas sociales y econmicos. La industria de seguros requera un conocimiento preciso acerca de los riesgos de prdida. Muchos centros de aprendizaje estudiaron la probabilidad como una herramienta para el entendimiento de los fenmenos sociales.

Nuestra necesidad de tratar con total incertidumbre nos lleva a estudiar y utilizar la teora de la probabilidad. Al organizar la informacin y considerarla de manera sistemtica, seremos capaces de reconocer nuestras suposiciones, comunicar nuestro razonamiento a otras personas y tomar una decisin ms slida.

Definicin de los problemas

La purificadora de agua Altotonqui, ubicada en la ciudad de Altotonga, Veracruz, produce una cantidad de 800 garrafones mensuales, los cuales cuentan con un nmero considerable de garrafones con distintos tipos de defectos, como lo son el mal sabor del agua debido al mal uso de ciertas sustancias qumicas utilizadas en el proceso de purificacin o porque estn rotos y gotean. Esta situacin afecta sus ventas y el nivel de satisfaccin de la clientela.

Nos basaremos en datos proporcionados por dicha purificadora de agua para poder tener una proyeccin anual de sus ventas, de los defectos que pueden presentar los garrafones y del nivel de satisfaccin de la clientela para as poder tomar decisiones que hagan mejorar la Industria.

La poblacin de la ciudad de Altotonga es aproximadamente 13,833 habitantes, la industria purificadora de agua Altotonqui, sin embargo, la industria slo llen en promedio 800 garrafones de agua mensuales. Lo que es una cantidad muy pequea tomando en cuenta los habitantes de dicha poblacin.

Su clientela se queja principalmente por algunos garrafones que tienen defectos y gotean, y por mal sabor del agua, situacin que provoca que no se puedan producir ms garrafones al mes, ya que no hay una gran demanda del producto.

En el presente proyecto haremos uso de la teora de la probabilidad y estadstica, as como de algunas frmulas y teoremas para poder hacer inferencias que nos hagan posible tomar decisiones para disminuir la cantidad errores en la Industria, que provocan que no haya una gran demanda del producto.

Preguntas de investigacin

Cul es la proyeccin a un ao de los datos proporcionados por la purificadora de agua Altotonqui?

Cules son los factores que provocan que haya poca demanda del producto?

Objetivos

Objetivo general

Utilizar las tcnicas aprendidas en el aula por medio de la aplicacin a una industria, obteniendo as practica en el campo con respecto a la estadstica.

Objetivo especfico

Conocer el porcentaje de venta con respecto a otras purificadoras de agua, la demanda semanal, mensual y con base en estos datos realizar una proyeccin anual, tomando en la variacin de las ventas as como los galones defectuosos.

Deducir de manera clara cules son los factores que provocan que haya poca demanda del producto y llegar a conclusiones que le permitan crecer a la Industria.

Justificacin

Este proyecto fue elaborado para la asignatura de estadstica con fines didcticos y prcticos para los alumnos de Economa, los cuales deben poner en practica los conocimientos obtenidos en el curso.

Con este trabajo esperamos ayudar a la purificadora de agua Altotonqui en sus ventas, basndonos en la demanda as como en los puntos de compra-venta, incluyendo la atencin a clientes con respecto a los galones defectuosos (agujerados o con mal sabor).

Limitaciones o beneficios esperados

Dado que fue imposible recaudar con exactitud la cantidad de garrafones vendidos en todos los puntos de compra-venta (tiendas locales) haremos una aproximacin tomando una muestra representativa, en este caso creemos que el margen de error no ser mucho, ya que, tomaremos como muestra el valor intermedio de los datos obtenidos, otra limitacin significativa fue el que la purificadora no revelos los qumicos utilizados. Dejando esto, en lo dems la purificadora de agua nos proporciono la mayora de datos estadsticos que le son permitidos revelar, tales como garrafones vendidos tanto en la planta purificadora de agua, como distribuidos y total de garrafones producidos en un da.

Metodologa

Los datos proporcionados por la purificadora fueron entregados al jefe de equipo por el dueo Miguel Angel Guevara de la empresa Altotonqui.
Mes Garrafones llenados Garrafones rotos Garrafones con mal sabor Pedidos por telfono Pedidos fijos Ventas a particulares Ventas a negocios Personas no satisfechas Enero 800 Febrero Marzo Abril Mayo 800 800 800 800 Junio Julio Agosto Septiembre Octubre Noviembre Diciembre 800 800 800 800 800 800 800

36

30

32

34

32

31

30

27

32

30

29

30

14

12

10

14

13

15

10

12

10

12

240 560 600

231 569 604

235 565 594

239 561 610

230 570 605

229 571 612

245 555 600

240 560 599

235 565 603

246 554 613

229 571 600

230 570 606

200

196

206

190

195

188

200

201

197

187

200

194

80

79

60

65

70

81

72

76

73

65

62

66

Instrumentos y procedimientos que se utilizaron en el proyecto

En la industria estadounidense se dedica una cantidad extraordinaria de atencin al mejoramiento de la calidad que comenz en los ochenta y contina en la presente dcada. Se ha dicho y escrito mucho del milagro industrial japons que comenz en la segunda mitad del siglo XX. Fueron capaces de tener xito donde dicho pas (E.U.) y otros pases fallaron a saber,
10

en la creacin de una atmsfera que permite la manufactura de productos de alta calidad. Gran parte de del xito de los japoneses se atribuye al uso de mtodos estadsticos y al pensamiento estadstico entre el personal gerencial.

El uso de mtodos estadsticos en la manufactura, el desarrollo de productos alimenticios, software de computadoras, productos farmacuticos y muchas otras reas implica el acopio de informacin. Por supuesto que el acopio de datos no es algo nuevo, ya que se ha realizado por ms de mil aos. Los datos se han recabado, resumido, reportado y almacenado para su examen cuidadoso.

Sin embargo, hay una diferencia profunda entre recabar informacin cientfica y la estadstica inferencial. Es esta ltima la que ha recibido legtima atencin en las dcadas recientes. La inferencia estadstica produjo ya un nmero enorme de herramientas analticas que permiten comprender mejor los sistemas que generan los datos. Esto refleja la verdadera naturaleza de la ciencia que llamamos estadstica inferencial, principalmente el uso de tcnicas nos permiten ir ms all de slo reportar datos sino, ms bien, nos permite obtener conclusiones (o inferencias) sobre el sistema cientfico. Los estadsticos hacen uso de leyes fundamentales de probabilidad e inferencia estadstica para sacar conclusiones sobre los sistemas cientficos.

En el presente proyecto trabajaremos con una gran cantidad de mtodos estadsticos, que se mencionarn a continuacin:

Medidas de posicin

Las medidas de posicin de los datos que nos fueron proporcionadas nos proporcionarn una medida cuantitativa de dnde est el centro de los datos en una muestra. Una medida obvia y
11

muy til es la media de la muestra. La media es simplemente un promedio numrico. Suponiendo que cada una de las observaciones de los datos que nos fueron proporcionados son , ,, . La media de la muestra es

Otra medida importante es la mediana de la muestra. El propsito de esta medida es reflejar la tendencia central de la muestra de manera que no est influida por los valores extremos. Dicha medida la calcularemos con la siguiente frmula:

Si n es impar

Si n es par

Medidas de variabilidad

La variabilidad de una muestra juega un papel importante en el anlisis de datos, por lo que usaremos algunas medidas de variabilidad para analizar los que nos fueron proporcionados por la empresa.

12

La desviacin Estndar, en un conjunto de datos (precios en el caso del mercado de valores) es una medida de dispersin, que nos indica cunto pueden alejarse los valores respecto al promedio (media), la calcularemos con la siguiente frmula:

Otra cantidad que no ser de utilidad es la llamada varianza de la muestra, esta no es ms que la desviacin estndar elevada al cuadrado, como se muestra en la siguiente frmula:

Para generar un correcto anlisis de lo datos es necesario contar con nociones y fundamentos de probabilidad ya que nos permite cuantificar la veracidad y/o confianza en nuestras inferencias.

Para realizar correctamente lo anterior, haremos uso de algunos teoremas fundamentales de la probabilidad, as como algunos de sus axiomas.

Primeramente la probabilidad de la ocurrencia de un evento de x experimento estadstico es evaluado con nmeros reales entre el 0 y el 1; siendo que el evento o los eventos evaluados den como resultado de su suma 1. Expresaremos la probabilidad de que ocurran ciertos eventos en la Industria de la manera que nos indica este teorema.
13

Los siguientes teoremas nos especifican la forma para sacar la probabilidad de que ocurra cierto evento en condiciones especficas.

Distribuciones de probabilidad

Una distribucin de probabilidad indica toda la gama de valores que pueden representarse como resultado de un experimento. Una distribucin de probabilidad es similar a la distribucin de frecuencias relativas. Sin embargo, en vez de describir el pasado, describe la probabilidad que un evento se realice en el futuro, ser una herramienta fundamental para poder tomar decisiones correctas con respecto a la Industria.

Utilizaremos la distribucin hipergeomtrica para saber la probabilidad de que ocurra un evento sin remplazo. Esta distribucin tiene aplicaciones en diversas reas como son los muestreos de aceptacin, pruebas electrnicas y garanta de calidad. La distribucin de probabilidad de la variable aleatoria hipergeometrica X, es el numero de xitos de una muestra aleatoria n que es selecionada de N artculos, en los que k se denomina xito y NK fracaso, es

( )( ( )

max{0,n-(N-k)}xmin{n,k}

La media y la varianza de la distribucin hipergeometrica h(x;N,n,k) son:

y
14

Distribucin de Poisson

Los experimentos q dan valores numricos de una variable X, el nmero de resultados que ocurren durante un intervalo dado o en una regin especifica, son nombrados experimentos de poisson. Un experimento de poisson se deriva del proceso de poisson y pose las siguientes propiedades: 1. El nmero que ocurre en un intervalo o regin especifica es independiente del numero que ocurre en cualquier otro intervalo o regin. 2. La probabilidad de que ocurra un solo resultado durante un intervalo muy corto o regin pequea es proporcional a la longitud del intervalo o al tamao de la regin y no depende de resultados que ocurren fuera de este. 3. La probabilidad de que ocurra mas de un resultado en tal intervalo corto o que caiga en tal regin es insignificante. Al nmero X resultados que ocurren en un experimento de poisson se llama variable aleatoria de poisson. El nmero medio de resultados se calcula La distribucin de probabilidad de la variable aleatoria de poisson X es

x=0, 1, 2, 3

Distribucin normal

15

Es de las ms importantes en el campo de la estadstica. Su grafica se denomina curva normal es una curva en forma de campana, la cual describe muchos fenmenos que ocurren en la naturaleza y en la industria. La ecuacin matemtica para esta distribucin depende de los parmetros media y desviacin estndar su funcin es:
( )

-<x <

reas bajo la curva

La curva de cualquier distribucin continua de probabilidad o funcin de densidad se construye de modo que el rea bajo la curva esta limitada por las ordenadas x1 y x2 y siempre que la probabilidad de X sea igual o tome un valor entre x1 y x2 el valor de Z ser dado por la siguiente formula:

Por lo tanto si X cae entre los valores x1 y x2 , la variable aleatoria de Z caer entre los valores Z1 y Z2.

La variable aleatoria continua X tiene una distribucin exponencial, con parmetro funcin de densidad esta dada por

si su

16

La media y la varianza de la distribucin exponencial son:

Distribucin f-fisher.

La distribucin F se aplica ala comparacin de varianzas muestrales. La estadstica F se define como la razn de dos variables aleatorias ji cuadrada independiente, dividida cada una entre sus grados de libertad.

v1

v2

Siendo U y V dos variables aleatorias independientes que tienen distribuciones ji cuadrada con v1 y v2 respetivamente. Entonces la distribucin de la variable aleatoria esta dada por

0, en cualquier otro caso

17

Anlisis de Resultados

En esta seccin nos limitaremos a mostrar tablas de frecuencia, as como grficos, datos estadsticos, clculos probabilsticos y preguntas que resolveremos con ciertas distribuciones de probabilidad aprendidas en el curso.

En promedio, Cuntos garrafones son vendidos diariamente? Utilizamos la formula Donde N es igual a la cantidad total de garrafones vendidos en un mes, que son 800 y n son los das que tiene un mes.

Son, en promedio, 13 garrafones diarios los que vende la Industria.

Si se venden en promedio 13 garrafones diarios, Cul es la probabilidad de que uno de estos tenga algn defecto, sabiendo por clculos estadsticos que en promedio se venden 800 garrafones al mes y 43 de estos tienen algn defecto? Para saber esta probabilidad utilizamos la distribucin hipergeomtrica.

( )( ( )

18

Cuyo resultado nos dio igual a 0.3638, que viene siendo una probabilidad del 36.38%

La media de la distribucin hipergeomtrica en este caso es igual a:

Que es igual a 0.69875 Y la varianza es igual a

Si sabemos que la probabilidad de que un garrafn sea vendido a un negocio es de 24.52%, Cul es la probabilidad de que despus de 4 garrafones vendidos, dos de estos hayan sido comprados por un negocio?

( )

La probabilidad del evento que se nos describe es del 10.27%

19

Grficos

Con el fin de poder tener una mejor apreciacin de las cantidades y la variacin de los datos proporcionados por la Industria mostraremos una gran cantidad de grficos basndonos en los datos que nos fueron proporcionados.

20

Garrafones rotos
40 35 30 25 20 15 10 5 0 Garrafones rotos

Garrafones con mal sabor del agua


16 14 12 10 8 6 4 2 0 Garrafones con mal sabor del agua

21

Pedidos por telfono


Diciembre Noviembre Octubre Septiembre Agosto Julio Junio Mayo Abril Marzo Febrero Enero 220 225 230 235 240 245 250 Pedidos por telfono

Pedidos fijos
575 570 565 560 555 550 545 Pedidos fijos

22

Ventas a particulares
615 610 605 600 595 590 585 580

Ventas a particulares

Ventas a negocios
210 205 200 195 190 185 180 175 Ventas a negocios

23

Personas no satisfechas
90 80 70 60 50 40 30 20 10 0 Personas no satisfechas

Tabla de frecuencias, medidas de tendencia central y de dispersin de las personas no satisfechas con el producto.

Personas no satisfechas con el producto y/o el servicio (por mes) 80 62 79 66 60 65 70 81 72 76 73 65

Media 70.75

Mediana 71

Moda 65

Desviacin Media 6.083333333

Desviacin estndar 7.225271307

Varianza 47.8541667

24

x 60 62 65 66 70 72 73 76 79 80 81

F 1 1 2 1 1 1 1 1 1 1 1

fx 60 62 130 66 70 72 73 76 79 80 81

f.a. 1 2 4 5 6 7 8 9 10 11 12

f.r. 7.65306122 7.90816327 8.29081633 8.41836735 8.92857143 9.18367347 9.31122449 9.69387755 10.0765306 10.2040816 10.3316327

f.r.a. 7.65306122 15.5612245 23.8520408 32.2704082 41.1989796 50.3826531 59.6938776 69.3877551 79.4642857 89.6683673 100

x-x -10.75 -8.75 -5.75 -4.75 -0.75 1.25 2.25 5.25 8.25 9.25 10.25

x-x 10.75 8.75 5.75 4.75 0.75 1.25 2.25 5.25 8.25 9.25 10.25

115.5625 76.5625 33.0625 22.5625 0.5625 1.5625 5.0625 27.5625 68.0625 85.5625 105.0625

N=

784

)= 67.25

)=

541.1875

25

Conclusiones
La probabilidad con respecto al control de calidad como ya se trato en el trabajo expuesto nos sirve para poder pronosticar en este caso, que tanto riesgo hay de que un consumidor compre un garrafn y este daado, o que el agua tenga un mal sabor debido al mal uso de los qumicos utilizados en el proceso de purificacin.

La probabilidad esta presente a lo largo de nuestras vidas, slo que es tan cotidiana y fcil que ya no la notamos, por ejemplo cuando lanzamos una moneda (un ejemplo muy popular en las clases que tuvimos) sabemos que slo puede caer guila o sol mentalmente que se tiene el 50% de caer sol y 50% de caer guila. y as calculamos

En este escrito se nos dio la oportunidad de poder poner en prctica los conocimientos obtenidos en el curso, hacindonos capaces de poder hacer inferencias acerca de una empresa y apoyarnos de la estadstica para tomar decisiones, adems de poder hacer algunos modelos a futuro.

Al poder hacer algunas predicciones tomando en cuenta las estadsticas esperamos que la purificadora de agua antes mencionada pueda tener un mayor control de calidad, ya que como observamos en las graficas anteriores en promedio el 13% de las personas no estn satisfechas con el servicio, el 4% de los garrafones estn rotos y el 2% de los garrafones tienen mal sabor.

Los qumicos usados as como sus medidas para la purificacin de agua nos fueron negados por el dueo de la empresa as que no pudimos obtener estadsticas acerca de ello.

En los grficos anteriores se han representado los datos obtenidos a travs del dueo de la empresa purificadora Altotonqui. Se puede apreciar en la grafica que lleva por nombre garrafones rotos el numero de garrafones que se rompen al mes siendo enero en el que se rompen ms garrafones y el mes en el que menos se rompen es el de agosto.

26

Uno de los defectos que presenta los garrafones es el mal sabor del agua y este es el ms perjudicial para la empresa purificadora Altotonqui ya que quien se da cuenta del defecto es el usuario o cliente, y esto trae repercusiones en la confiabilidad del cliente para su prxima compra de garrafn. En nuestra grafica de Garrafones con mal sabor del agua se puede observar que en julio es cuando se ha dado con mayor frecuencia este fenmeno y siendo marzo y octubre los meses en los que se ha hecho presente con menor frecuencia el defecto.

La purificadora cuenta con servicios de pedidos por telfono los cuales estn representados en la grfica del mismo nombre este servicio alcanzo sus mximas venta en octubre, con 246 pedidos al mes, esto nos dice que en octubre se vendi un tercio de los garrafones llenados, por telfono.

En la grafica de ventas a particulares es la estadstica de las personas que compran agua en los camiones repartidores y fue en octubre cuando alcanzo su punto mximo, esto que nos permite observar que en este mes los habitantes de Altotonga consumieron mayor cantidad de garrafones y fue en marzo cuando alcanzo el menor numero de garrafones.

Interpretacin de los teoremas probabilsticos apli cados al presente proyecto

La finalidad de utilizar las reglas aditivas de la probabilidad es generar un punto de vista de las diversas formas en que puede llegar a presentarse el manejo de la compra-venta de los garrafones de agua as el como influye en dichos resultados.

La prueba hecha con este teorema nos muestra que probabilidad hay de que de una cantidad en especifico de garrafones salgan defectuosos de una de las dos formas, que nos demuestra la grafica 2, nos dice que es un rango muy pequeo el tener en el mismo lote que distribuimos a lo largo de un mes en el mismo lugar la presencia de garrafones defectuosos; ya que las probabilidades no rebasan el 9%.

27

As mismo como la grafica 3 junto con la anterior nos muestra el parmetro

de

garrafones defectuosos que podran surgir para un tipo especifico de pedido, esto nos ayuda a entender la influencia que tiene que el tipo de pedido a al purificadora vari dependiendo el estilo de pedido, ya que este se vera afectado por la experiencia obtenida anteriormente al usar l servicio de pedido de una manera especifica.

Este tipo de resultados obtenidos con estos dos teoremas nos proporciona una visin del como influye notablemente el mantener un buen control de calidad en los productos que se distribuyen y en la manera en que llegan hasta los clientes.

Haciendo la comparacin entre ambas graficas nos damos cuenta con una mayor probabilidad de ocurrencia que un garrafn de mal sabor, siendo vendido a particulares que un garrafn roto siendo vendido a los pedidos fijos por telfono; haciendo una observacin emprica podramos decir que si fuese al revs el tipo de defecto seria menos con la venta a particulares. No solo la probabilidad de ocurrencia; si comparamos en una misma grafica 4 ambas probabilidades y marcamos su lnea de tendencia nos daremos cuenta que la probabilidad de la ocurrencia de dos eventos simultneos es constante en una probabilidad mayo y/o igual a 0.70 lo que nos muestra un alto ndice de ocurrencia.

REGLAS MULTIPLICATIVAS

TEOREMA 13:

La grafica 5 nos muestra que si se sigue la lnea de produccin para la venta particular hay una probabilidad mayor a al 50% de que salgan con el defecto de mal sabor ; que no dice esto, siendo que es a este tipo de clientes la mayor venta del producto nos muestra que es ah
28

donde se encuentra la mayor parte de clientes insatisfechos y se propone que se fije un censo semanal en un periodo de 2-3 meses en esta poblacin para saber aproximadamente cuanto de l producto defectuoso vendido llega con frecuencia al mismo cliente y esto genere la perdida de clientes para la empresa y la inconformidad de los que compran el producto.

La lnea de tendencia nos muestra que aunque en algunos meses exista la probabilidad de dar al publico un producto con defectuoso y en otros se menor, dentro del ao l a probabilidad se mantendr en un margen de 58% que no se rebasara; con esto se debe aplicar una iniciativa pronta en la planta ya que es una probabilidad muy alta y afecta las ventas de dicho producto.

TEOREMA 14:

La grafica 6 nos muestra simplemente el lado favorable de la produccin, la probabilidad de vender un producto en optimas condiciones en general, como la grafica anterior nos mostraba los errores de produccin debido al porcentaje erro en el proceso no significa que el proceso en si este mal, solo que es necesario llevar un mejor control en ciertos puntos.

La lnea de tendencia nos indica que si se lleva un ptimo desempeo en la produccin las ventas se generaran en manera exponencial creciendo en los siguientes aos.

TEOREMA 15:

La grafica 7 nos da la confirmacin de lo expuesto anteriormente ya que al generar un mejor producto disminuir exponencialmente la generacin de un mal producto y con ende una

29

mayor satisfaccin del cliente llegando solo a tener el 15% de conformidad con el producto total vendido.

TEOREMA 16: DE BAYES

TEOREMA 17: REGLA

La veracidad de los datos obtenidos en con estos teoremas es significativo para la empresa ya que esto nos muestra la visin de donde se puede generar con mayor frecuencia las fallas en la produccin, mediante mtodos diferentes aparentemente probamos la eficacia de la maquinaria encargada de la purificacin del agua, se genero una comparacin de su eficiencia y el como perjudica las probabilidades anteriores.

La lnea de tendencia de la equipo 1 nos muestra que es la de mayor probabilidad de fallo y que era de mas de 87% no sobrepasando el 87.40% lo que nos indica que su margen de error es el mismo siempre.

La lnea de tendencia del equipo 2 nos muestra que esta puede llegar a aminorar su margen de error, no solo tiene un porcentaje menor que el equipo 1, tambin muestra un considerable margen de falla, lo que nos muestra que es necesario dar un mantenimiento y un chequeo constante en los dos equipo ya que ambos tienen un considerable margen de error en la produccin, para minimizar este margen es necesario tomar medidas inmediatas, tambin ver la posibilidad de que si aun con un mantenimiento mas eficiente sigue surgiendo este margen de error es necesario remplazar los equipos.
30

Teniendo en cuenta las probabilidades de error de produccin generadas en el proceso se tiene que tomar as mismo la calidad de el PET(Poli Etiln Tereftalato) del que estn hechos los
envases comprados para el embasamiento de su producto a la empresa Garrafones Mexicanos S.A. de C.V del estado de Mxico (calle Ebanistas 10B Parque Industrial/Zona Industrial, Cuautitlan Izcalli) a la cual se le podra generar un estudio de los garrafones que son enviados a la empresa Altotonqui, el medio de transporte y el cuidado que se le tenga para aminorar los daos al PET. As mismo el cuidado de la empresa al recibir el PET y el trato que se le de en el embasamiento y distribucin.

La proyeccin a un ao de los datos proporcionados por la Industria los pudimos deducir gracias a una lnea de tendencia aplicada en los grficos.

Podemos deducir que el nmero de garrafones cuya agua tiene mal sabor bajara a 9, si es que se sigue como la tendencia que se tuvo el ao anterior, los pedidos fijos estara alrededor de 268, las ventas a particulares seran ms o menos de 609 y el nmero de personas insatisfechas bajara a 57.

A lo largo de este proyecto pudimos observar distintas aplicaciones de las formulas de probabilidad y estadstica en una industria, y posteriormente poder hacer juicios sobre ella y tomar las mejores decisiones posibles para su economa y servicio.

Como fue expuesto en este trabajo el promedio de las personas insatisfechas es alto, lo cual es razonable debido a que sus ventas son bajas, apenas alcanzan los 13 garrafones diarios, y aplicando la formula de distribucin hipergeomtrica podemos apreciar que es probable que el 36.38% salgan defectuosos, esto quiere decir que por cada 10 garrafones casi 4 saldrn

defectuosos, lo cual no es muy bueno para el dueo de esta industria ya que si un garrafn sale defectuoso lo tendr que reponer esto nos indica que por da podra perder 76 litros de agua.

31

Con esto podemos deducir que el dueo debe de cambiar de mtodo de purificacin o de marca de qumicos, as como debera de mantener en mejores condiciones los garrafones, hacer ms propaganda en la localidad y dar un mejor trato a los clientes que compran en la purificadora. Calculamos la probabilidad de distintos evento como son: Si sabemos que la probabilidad de que un garrafn sea vendido a un negocio es de 24.52%, Cul es la probabilidad de que despus de 4 garrafones vendidos, dos de estos hayan sido comprados por un negocio?

( )

La probabilidad del evento que se nos describe es del 10.27%

Como se puede apreciar la probabilidad de que

un garrafn sea vendido a un

establecimiento es muy baja ya que hay alrededor de 200 tiendas en Altotonga, y si por medio de esto basamos la probabilidad es decir el porcentaje de que despus de vender 4 garrafones al pblico se vendan 2 a un negocio, los porcentajes se reducen a el 10.27% que no es un dato que cumpla con la visin que tiene el dueo para esta empresa.

Ahora bien con respecto al servicio a domicilio enfocndonos en los pedidos por telfono tenemos lo siguiente:

Si se sabe que aproximadamente un 29.48% de la clientela realiza pedidos por telfono, Cul es la probabilidad de que el 5 garrafn que se venda en un da sea pedido por dicho medio?

32

Para realizar el clculo de la probabilidad de este evento, haremos uso de la distribucin geomtrica.

La probabilidad de dicho evento es de el 7.29%

Esto quiere decir que es poco probable que el 5 garrafn que se venda en un da sea por pedido telefnico. Con forme a estos resultados podemos decir que al purificadora de agua altotonqui no esta dentro de las opciones preferidas de la poblacin o tal vez no la conozcan, sus estndares de produccin como ya mencionamos antes son bajos y pone poco cuidado a los clientes insatisfechos.

Algunas soluciones planteadas:

Hacer encuestas acerca del servicio, de la calidad del producto as como tambin pedir sugerencias de los clientes. Organizar de mejor manera las rutas de entrega de agua para poder llegar ms lejos y poder dominar mayor terreno Observar con detencin el proceso de purificacin y poner sumo cuidado en la utilizacin de qumicos. Hacer una evaluacin mensual de los estndares de calidad Remplazar el equipo viejo por nuevas tecnologas

33

Bibliografa Estadstica Para Administracin y Economa David R. Anderson, Dennis J. Sweeney http://es.wikipedia.org/wiki/Altotonga http://metodoscuantitativo2.galeon.com/enlaces2218784.html http://www.unagaliciamoderna.com/eawp/coldata/upload/agua_purificada_fuente_ azinyahualco.pdf http://cdigital.uv.mx/bitstream/123456789/30032/1/Jacome%20Amezcua.pdf

34