PROCESOS DE PRODUCCION AREA MANUFACTURA

PROBABILIDAD Y ESTADISTICA
ESTADISTICA DESCRIPTIVA Y SU RELACION CON LA PROBABILIDAD

PRESENTADO POR:

MARIA GUADALUPE RODRIGUEZ MARTHELL 2 CUATRIMESTRE SECCION D

PROFESOR: LIC. G. EDGAR MATA ORTIZ

16 DE FEBRERO DEL 2012

Ejercicios de estadstica descriptiva y su relacin con la probabilidad.

Lic. G. Edgar Mata Ortiz

Resuelve o contesta las siguientes cuestiones y, en las preguntas, seala la relacin que tiene con la calidad, y las recomendaciones que haras en cada caso. 1. En la fabricacin de pernos, el dimetro es una caracterstica importante para su uso. Con el objeto de determinar si un lote cumple con las especificaciones del cliente, se extrae una muestra de 300 piezas y se inspecciona. Realiza un estudio estadstico agrupando los datos en 9 intervalos, calcula media aritmtica, mediana, moda, desviacin media, varianza y desviacin estndar.
Nos encontramos con datos que se presentan en forma agrupada, y no como puntos de datos individuales. La siguiente tabla contiene datos agrupados: CLASES O CATEGORIAS (INTERVALOS) Lim.inf. Lim.sup. 1.4355 1.4525 1.4525 1.4695 1.4695 1.4865 1.4865 1.5035 1.5035 1.5205 1.5205 1.5375 1.5375 1.5545 1.5545 1.5715 1.5715 1.5885 FRECUENCIAS

Fi 5 13 63 78 74 47 16 2 2 300

Sabemos que las clases o categoras se refieren a las variaciones de la muestra: 1.4355 1.4525 significa que hemos reunido aqu los datos para cualquier perno de la muestra que sea mayor que 1.4355 pero menor o exactamente igual a 1.4525 en la medida de su dimetro. De 1.4525 1.4695 significa que encontramos alguna pieza que esta en clase o grupo de pernos que tienen un dimetro mayor de 1.4525 pero menos o exactamente igual a 1.4695 cm de dimetro y asi sucesivamente. En la siguiente columna que es la de frecuencia, nos encontramos con que 5 piezas tienen entre 1.4355 y 1.4525 cm de dimetro, 13 piezas tienen entre 1.4525 y 1.4695 de dimetro, y, en

conjunto, tenemos datos de 300 piezas que abarcan toda muestra que tomamos de piezas con dimetros entre 1.4355 y 1.5885.

Media aritmtica de los datos agrupados Para calcular la media aritmtica de datos agrupados, es necesario ampliar la tabla anterior como sigue: INTERVALOS REALES FRECUENCIAS punto medio de clase Fx 1.444 1.461 1.478 1.495 1.512 1.529 1.546 1.563 1.58 7.22 18.993 93.114 116.61 111.888 71.863 24.736 3.126 3.16 450.71 fx n = 450.71 = 1.502366667 300

Lim.inf. 1.4355 1.4525 1.4695 1.4865 1.5035 1.5205 1.5375 1.5545 1.5715 La media aritmtica es

Lim.sup. 1.4525 1.4695 1.4865 1.5035 1.5205 1.5375 1.5545 1.5715 1.5885

Fi 5 13 63 78 74 47 16 2 2 300

LA MEDIA ARITMETICA PARA DATOS AGRUPADOS=

Como podemos observar la media aritmtica, o sea, el valor medio de las medidas es 1.502366667 entonces estamos entre un valor medio de 1.4355 a 1.5885 que es este. La mediana de los datos agrupados La mediana es el valor medio del conjunto de datos que tenemos, se encuentra que la media es relativamente fcil. En este ejercicio de los pernos podemos ver que el

Hay un total de 300 puntos de datos, un nmero par de puntos de datos. La clase media se pone de relieve en la primera tabla que vimos al inicio. El clculo de la mediana lo obtendremos mediante la siguiente formula: MEDIANA PARA DATOS AGRUPADOS: L + n/2-CF (i) f L = el lmite inferior de la clase que contiene la mediana n = nmero total de frecuencias f = la frecuencia de la clase mediana CF = el nmero total de frecuencias en las clases antes de la clase que contiene la mediana i = la anchura de la clase que contiene la mediana Poniendo los nmeros del ejemplo en la frmula actual, vemos que el valor de la mediana se representa de la forma siguiente: Mediana de las medidas del dimetro de los pernos=1.4355+300/2-(5+13)(1.4525) = 63

1.4355+150-(18) *1.4525 = 4.47883333 63 Como podemos observar el valor de la mediana es 4.47883333 lo que nos muestra que estamos en un buen punto de mejora en cuanto a nuestras medidas estndar o al valor deseado al cual no queremos sobrepasar. Podra decirse que el cliente puede estar satisfecho con los valores que le estamos ofreciendo de acuerdo a los valores requeridos y nuestra calidad no esta tan mal. La moda de los datos agrupados La moda es, simplemente, el punto f mediados de la clase que contiene el mayor nmero de frecuencias de clase. En este caso, observaremos que la moda es la medida que mas se repite en nuestros datos, o sea, en las medidas obtenidas en la muestra. Nos encontramos con el modo de funcionamiento siguiente: La clase que contiene el mayor nmero de frecuencias de las clases:

1.4865

1.5035

Se destacan a continuacin el punto medio de la clase modal 1.495 La moda de estos datos es de 1.495 En resumen: os datos agrupados es 1.502366667 cm de dimetro. os datos agrupados es 4.47883333 cm de dimetro. datos agrupados es de 1.495 cm de dimetro.

2. Traza las grficas: Un histograma con la frecuencia absoluta, una grfica circular con la frecuencia relativa, una ojiva y una grfica de cajas y bigotes. Incluye en el histograma las rectas sealando x-s, x-2s, x-3s, x, x+s, x+2s, x+3s, USL, LSL y TV. 3. Interpreta las grficas en trminos del producto fabricado; pernos. 4. Determina si los datos estn distribuidos en forma normal y relaciona esto con la validez de tus interpretaciones. En tus respuestas a las siguientes preguntas, establece una relacin con la calidad del producto argumentando tus afirmaciones. 5. Interpreta las frecuencias relativas como probabilidades y determina a. La probabilidad de que las piezas del lote cumplan con las especificaciones del cliente (1.5 0.15) b. La probabilidad de que las piezas del lote no cumplan con las especificaciones del cliente 6. Qu porcentaje de las piezas se encuentra en los siguientes intervalos? No olvides su relacin con la calidad. a. Entre y b. Entre y c. Entre y 7. Compara el TV (valor deseado) con la media aritmtica de la muestra. 8. Reinterpreta los resultados si el las especificaciones del cliente fueran diferentes:

a. 1.400.15 b. 1.450.15 c. 1.550.15 d. 1.600.15 e. 1.400.20 f. 1.450.20 g. 1.500.20 h. 1.550.20 i. 1.600.20 9. Cul es la funcin de la estadstica en este ejercicio? Es muy importante ya que nos permite observar cual es la cantidad que deseamos calcular en el ejercicio. Es como, en otras palabras, si queremos saber cul es la calidad en nuestros productos, haciendo varios clculos en las tablas y saber interpretar cada dato en los histogramas. 10. Elabora un ensayo acerca de la importancia de la estadstica en la ingeniera industrial.

1. Frmulas o procedimientos para determinar mediana y moda para datos agrupados 2. Interpretacin de grficos estadsticos, especialmente el histograma. 3. Valor deseado y tolerancias (TV, LSL, USL). 4. Calidad en trminos de cumplimiento de especificaciones o requerimientos del cliente. 5. Distribucin normal de probabilidad y su interpretacin. 6. La estadstica en la ingeniera industrial. 7. Frecuencias relativas como probabilidades.

REPRESENTACION DEL HISTOGRAMA:

Histograma.

En estadstica, un histograma es una representacin grfica de una variable en forma de barras, donde la superficie de cada barra es proporcional a la frecuencia de los valores representados. En el eje vertical se representan las frecuencias, y en el eje horizontal los valores de las variables, normalmente sealando las marcas de clase, es decir, la mitad del intervalo en el que estn agrupados los datos. En trminos matemticos, puede ser definida como una funcin inyectiva (o mapeo) que acumula (cuenta) las observaciones que pertenecen a cada subintervalo de una particin. El histograma, como es tradicionalmente entendido, no es ms que la representacin grfica de dicha funcin. Se utiliza cuando se estudia una variable continua, como franjas de edades o altura de la muestra, y, por comodidad, sus valores se agrupan en clases, es decir, valores continuos. En los casos en los que los datos son cualitativos (no-numricos), como sexto grado de acuerdo o nivel de estudios, es preferible un diagrama de sectores. Los histogramas son ms frecuentes en ciencias sociales, humanas y econmicas que en ciencias naturales y exactas. Y permite la comparacin de los resultados de un proceso. TIPOS DE HISTOGRAMA:

Diagramas de barras simples

Representa la frecuencia simple (absoluta o relativa) mediante la altura de la barra la cual es proporcional a la frecuencia simple de la categora que representa.

Diagramas de barras compuesta

Se usa para representar la informacin de una tabla de doble entrada o sea a partir de dos variables, las cuales se representan as; la altura de la barra representa la frecuencia simple de las modalidades o categoras de la variable y esta altura es proporcional a la frecuencia simple de cada modalidad.

Diagramas de barras agrupadas

Se usa para representar la informacin de una tabla de doble entrada o sea a partir de dos variables, el cual es representado mediante un conjunto de barras como se clasifican respecto a las diferentes modalidades.

Polgono de frecuencias

Es un grfico de lneas que de las frecuencias absolutas de los valores de una distribucin en el cual la altura del punto asociado a un valor de las variables es proporcional a la frecuencia de dicho valor.

Ojiva porcentual

Es un grfico acumulativo, el cual es muy til cuando se quiere representar el rango porcentual de cada valor en una distribucin de frecuencias. En los grficos las barras se encuentran juntas y en la tabla los nmeros poseen en el primer miembro un corchete y en el segundo un parntesis, por ejemplo: [10-20)

El histograma de una imagen representa la frecuencia relativa de los niveles de gris de la imagen. Las tcnicas de modificacin del histograma de una imagen son tiles para aumentar el contraste de imgenes con histogramas muy concentrados. Hay histogramas donde se agrupan los datos en clases, y se cuenta cuntas observaciones (frecuencia absoluta) hay en cada una de ellas. En algunas variables (variables cualitativas) las clases estn definidas de modo natural, por el sexo con dos clases: mujer, varn o grupo sanguneo con cuatro: A, B, AB, O. En las variables cuantitativas, las clases hay que definirlas explcitamente (intervalos de clase). Se representan los intervalos de clase en el eje de abscisas (eje horizontal) y las frecuencias, absolutas o relativas, en el de ordenadas (eje vertical). A veces es ms til representar las frecuencias acumuladas. O representar simultneamente los histogramas de una variable en dos situaciones distintas. Otra forma muy frecuente, de representar dos histogramas de la misma variable en dos situaciones distintas. En las variables cuantitativas o en las cualitativas ordinales se pueden representar polgonos de frecuencia en lugar de histogramas, cuando se representa la frecuencia acumulativa, se denomina ojiva. Al igual que un grfico de barras, un histograma se compone de columnas en una grfica. Por lo general, no hay espacio entre las columnas adyacentes. As es como se lee un histograma.

Las columnas se coloca sobre una etiqueta que representa una variable cuantitativa . La etiqueta de la columna puede ser un nico valor o un intervalo de valores. La altura de la columna indica el tamao del grupo definido por la etiqueta de columna.

La diferencia entre los grficos de barras e histogramas Esta es la principal diferencia entre los grficos de barras e histogramas. Con los grficos de barras, cada columna representa un grupo definido por una variable categrica, y con histogramas, cada columna representa un grupo definido por una variable cuantitativa. Una implicacin de esta distincin, sino que siempre es apropiado para hablar de la asimetra de un histograma, es decir, la tendencia de las observaciones a caer ms en el extremo inferior o en el extremo superior del eje X. Con grficos de barras, sin embargo, el eje X no tiene un extremo inferior o un extremo alto, porque las etiquetas en el eje X son categricas - no cuantitativo. Como resultado, es menos apropiado para formular observaciones sobre la asimetra de un grfico de barras. Probablemente la ms utilizada y que ms se habla grfico en cualquier clase de estadsticas, un histograma contiene una enorme cantidad de informacin si se puede aprender a buscarlo. Si bien es posible entrar en detalle sobre las diferentes formas que puede encontrar, o cuando la media y la mediana va a "acabar", este artculo slo se centrar en la lectura de la informacin del histograma te da. La idea general detrs de un histograma es dividir el conjunto de datos en grupos de igual longitud que nos permite ver los patrones en los datos en lugar de la detallada informacin que se obtiene de lo que es bsicamente una lista de nmeros.

En el histograma de los salarios anteriores, esos grupos son 24-32, 32-40, 40-48, etc. Una vez que los grupos han sido seleccionados, la frecuencia de cada grupo se determina. La frecuencia es simplemente el nmero de valores de datos que estn en cada grupo. Veamos el primer grupo 24-32. La barra sube a 7, lo que significa que este grupo tiene una frecuencia de 7. Esto nos dice que hay siete valores de los datos (si es que tena la lista de todos

los salarios) que se encuentran entre 24 y 32 mil. En otras palabras, a siete personas en este grupo de entre $ 24.000 y $ 32.000. Muy importante: este grupo no incluye a los 32. Hay siete valores de los datos 24 y 32 mil, sin incluir las 32 mil Teniendo esto en cuenta y la lectura del siguiente grupo: Hay seis valores de los datos entre 32 mil a (no incluido) 40.000. Una vez ms, esto significa que seis de las personas de este grupo tena un sueldo de $ 32.000 hasta $ 40,000 al ao. (Cualquier persona que hace exactamente 40.000 dlares en el siguiente grupo) Tenga cuidado al hacer las conclusiones ms detalladas. Si bien puedo decir que la mayora de la gente en este grupo de menos de $ 50.000 (que es donde la mayor frecuencia lo es) no puede utilizar este grfico para decir cunta gente hizo exactamente $ 35.000 o cuntos hizo EXACTAMENTE $ 25.000. En un histograma que "perder" la informacin sobre los valores de datos individuales cuando agrupamos los datos. Si no quiere perder esa informacin se puede optar por utilizar una grfica de puntos, o para mostrar los datos en su lugar.

VALOR DESEADO Y TOLERANCIAS:

Se debe de encontrar sus aplicaciones y llevar un control de la calidad en mltiples areas de trabajo. La acumulacin de tolerancias es de suma importancia para la elaboracin, fabricacin, diseo, etc. Porque por medio de esta se tiene la seguridad de que el proceso de produccin est bien diseado y as no tener que llegar al remaquinado o a la eliminacin de nuestras piezas producidas, como tambin a la devolucin de las mismas. El saber o conocer nuestro valor deseado y las tolerancias a las que estamos sujetos sirve de herramienta para corregir o evitar imperfecciones presentadas en el diseo. Aplicndolas correctamente es como se evitara dicha aparicin de alteraciones e imperfecciones. El valor deseado en la aplicacin a la industria es aquel valor al cual la empresa quiere llegar en sus productos. Se refiere a las medidas que el producto debe obtener para ser un producto excelente, de excelente calidad, y que cumple con todos aquellos requisitos tanto del cliente interno como del cliente externo. Pero para ello, como es imposible que todas las piezas sean o salgan iguales se les da un valor de discrepancia y es aquel valor de tolerancia que se les da a las piezas para pasarse o llegar al valor deseado o sea, el valor al que se desea llegar.

Calidad en trminos de cumplimiento de especificaciones o requerimientos del cliente.

Kaoru Ishikawa (1990) Define la calidad como desarrollar, disear, manufacturar y mantener un producto de calidad que sea el ms econmico, til y satisfactorio para el consumidor.

Joseph. M. Juran (1993). La calidad se define, como aptitud o adecuacin al uso, lo cual implica todas aquellas caractersticas de un producto que el usuario reconoce que le benefician y siempre sern determinadas por el cliente, y no por el productor, vendedor o persona que repara el producto. A. Galgano (1995): La calidad se obtiene con la participacin de todas las reas de la empresa. O sea, la calidad del producto es el resultado del trabajo de todos los departamentos; cada uno de ellos debe llevar a cabo sus funciones y realizarlas con calidad. Adems la calidad se proyecta sobre todo hacia el interior de la empresa, pero existe tambin un significado operativo que se proyecta hacia el exterior y que representa uno de los pilares fundamentales de todo el edificio de la Gestin de la Calidad Total (GCT). Philip Crosby (1996). Conformidad con los requisitos. Por su parte, Philip Crosby (1997), la calidad es ajustarse a las especificaciones, desde una perspectiva ingenieril se define como el cumplimiento de normas y requerimientos precisos. Su lema es "Hacerlo bien, a la primera vez y conseguir cero defectos", confirmando que la calidad est basada en cuatro principios absolutos: cumplimiento de requisitos, sistema de prevencin, su estndar de realizacin es cero defectos y su medida es el precio del incumplimiento. ISO 9000/2000.Calidad: capacidad de un conjunto de caractersticas inherentes de un producto, sistema o proceso para satisfacer los requisitos de los clientes y otras partes interesadas.

El creciente desarrollo cientfico tcnico ha facilitado el proceso de globalizacin y la existencia de clientes ms informados, exigentes y preocupados por los problemas medioambientales. El mercado dominado por la sobreoferta, la competitividad, la moda y la inestabilidad, exige la entrega de productos con alto valor percibido y de calidad, que potencien la satisfaccin de los clientes y su fidelizacin, para mantener as la cuota de mercado o ganar nuevos clientes e incrementar la misma; como vas seguras para obtener beneficios y ser competitivos. Dentro de las diferentes reas de la organizacin puede ser varios los criterios con respecto a la gestin de la calidad, por ejemplo el departamento de marketing o de ventas puede pretender un enfoque trascendental de la calidad basado nicamente en la excelencia, que desarrolle una imagen competitiva o criterios basados en los usuarios que centran los esfuerzos en satisfacer o sobrepasar las expectativas del cliente, entregando productos adecuados a sus necesidades.

Sin embargo, los departamentos tcnicos o de desarrollo deben hacer hincapi en aspectos tcnicos que garanticen la confiabilidad de las caractersticas tcnicas y de rendimiento de los productos; as como de la aptitud de los procesos. En otro sentido, los departamentos productivos deben priorizar en el cumplimiento de las normas de calidad de los procesos y el aseguramiento de la calidad de los mismos desarrollando criterios basados en la manufactura y en el cumplimiento de las especificaciones. As como en la gestin de la calidad de los recursos que consumen en las actividades que ejecutan. Las acciones de gestin de calidad se sustentan en indicadores, mediciones, recopilacin y anlisis de datos y bases de datos comparativos, campos todos que han sido objeto de muchos debates en la actualidad. Analizando el concepto de calidad que expresan los autores antes mencionados, se puede resumir, que existen elementos que son comunes y estn referido a las necesidades de los clientes como aspecto fundamental en la evaluacin de la calidad, sus expectativas y su satisfaccin.

Enfoque al cliente: Las organizaciones dependen de sus clientes y por lo tanto deben comprender sus necesidades actuales y futuras, satisfacer sus requisitos y esforzarse en exceder sus expectativas. Un cliente se define como: "Persona que a travs de un producto de intercambio espera recibir un producto o servicio para satisfacer integralmente sus necesidades y deseos".

Los clientes a su vez, quieren proveedores de servicio que sean buenos, que conozcan su trabajo, que sean amables, fiables y que posean una capacidad de solucin a los problemas que presenten ante l. Existen diversos tipos de clientes (Ver Figura 1), como son: Clientes internos: Son los beneficiarios o los que reciben las salidas o resultados de los esfuerzos del trabajo de los procesos internos de la organizacin. Clientes externos: Son los beneficiarios que reciben el servicio o compradores de una empresa. Estos son impactados por el producto, pero no son miembros de la empresa u otra institucin que produce el producto. Cliente intermedio: Es aquel que media entre los clientes internos y los clientes externos, cuya funcin es establecer un enlace entre ambos, ya sea a travs de una gestin de venta, promocin, garantizando que exista una correspondencia entre lo que el cliente externo desea con la oferta brindada, para lograr cumplir sus expectativas.

Perfil del cliente. - Normalmente no expresa sus deseos, salvo cuando no est satisfecho. - El cliente no es fiel y se dirige siempre al mejor postor.

- El cliente no siempre sabe lo que quiere, pero adquiere lo que le gusta. - El cliente es exigente y est dispuesto a cambiar a mnimo fallo. - El cliente se considera nico y quiere ser tratado diferente a los dems. - Cuando no se siente satisfecho lo proclama y perjudica a la empresa. - El cliente demanda producto y servicios sin preocuparle el costo que genera el mismo. Los clientes en trmino general, pueden ser, objetivos que son los que compran el producto o reciben el servicio y los potenciales que son los que an no estn recibiendo el mismo, pero que en un futuro podran obtenerlo. Los clientes tienen una serie de caractersticas que hacen de ellos ser bastante imprevisible y si una organizacin quiere distinguirse por su servicio al cliente, si desea clientes satisfechos, debe tener presente que "el cliente es un ser humano que es siempre el primero en el negocio", y que la razn de ser de la empresa es por tanto satisfacer sus necesidades Los tipos de necesidades del cliente se corresponden con tres expectativas de calidad:

1. La calidad requerida. Corresponde a los atributos indispensables que el cliente pide al expresar sus necesidades y que la empresa puede conocer en todos sus trminos para satisfacerlas. 2. La calidad esperada. Se refiere a aquellos atributos del bien que complementan los atributos indispensables, no siempre explcitos, pero que el cliente desea y que suelen tener un fuerte componente subjetivo. Se denominan expectativas. 3. La calidad potencial. Son las posibles caractersticas del bien que desconoce el cliente, pero que, si se les ofrece, valora positivamente.

Satisfaccin de los clientes

Para medir el grado de satisfaccin de los clientes con respecto a la calidad requerida o esperada, se pueden establecer dos mtodos: medir objetivamente el grado de cumplimiento de las especificaciones que corresponden a la calidad requerida, o bien preguntar a los clientes, aunque no siempre coinciden los resultados de ambas medidas. La satisfaccin del cliente es pues, el estado de opinin respecto a su proveedor a partir del juicio de calidad que se deriva de sus prestaciones. Tiene una base estrictamente personal, porque un mismo servicio puede ocasionar juicios y evaluaciones diferentes en clientes diferentes. La calidad la evala y la define el cliente, porque este es quien la recibe. No la determina la empresa, sino que la otorga el cliente. Hay que recordar que una cosa es lo que la empresa concibe y mide, y otra cosa es lo que el cliente recibe y valora. El criterio anterior coincide con un proverbio del marketing cuando plantea que el cliente siempre tiene la razn. Una empresa orientada al servicio del cliente est obligada a conocer quines son, qu desean y cmo aprecian sus servicios. El cliente constituye de hecho una valiosa fuente de informacin para mejorar los servicios de cualquier organizacin. Para conocer cules son las necesidades expresadas o no expresadas, as como, la importancia que el cliente da a cada atributo del producto y el grado de satisfaccin del mismo se aplican los distintos mtodos de investigacin. La satisfaccin de los clientes estar dada al beneficio obtenido al recibir el servicio. Estos pueden ser de dos tipos: Los beneficios explcitos: Aquellos que se le solicitan (exigen) claramente al proveedor. Los beneficios implcitos: no se mencionan durante las negociaciones, pero si se requieren en la evaluacin final. Generalmente implcito significa que es habitual o una prctica comn para la organizacin prestadora del servicio, sus clientes y otras partes interesadas. Se alcanza satisfaccin en los clientes si existe una comunicacin real y verdadera, siendo altamente probable que el servicio tenga el xito esperado en alcanzar el objetivo de eficacia y eficiencia. Lo cual conlleva a una triangulacin obligada entre: eficacia eficiencia efectividad. Eficacia: Si satisface las necesidades y deseos del cliente, tanto los establecidos, indicados de manera explcita, como los implcitos. Eficiencia: Si ha sido proporcionado con los mnimos recursos y costos internos. En este aspecto resulta importante ser muy cuidadoso para no caer en un detrimento en la calidad de la prestacin

del servicio y del servicio recibido, por recurrir a los menores costos. La eficiencia tambin exige un conocimiento detallado del proceso de prestacin del servicio, a fin de lograr el mejor desempeo. Efectividad: Es la suma de eficiencia ms la eficacia, es decir, cumplir con la meta, satisfacer al cliente con el mnimo consumo de recursos. Para lograr una gestin de calidad con eficiencia hay que hablar de la gestin por procesos. Por tanto, en el prximo epgrafe se abordar dicha temtica.

Distribucin normal de probabilidad y su interpretacin.

Distribucin normal
La lnea verde corresponde a la distribucin normal estndar Funcin de densidad de probabilidad

Funcin de distribucin de probabilidad

En estadstica y probabilidad se llama distribucin normal, distribucin de Gauss o distribucin gaussiana, a una de las distribuciones de probabilidad de variable continua que con ms frecuencia aparece aproximada en fenmenos reales. La grfica de su funcin de densidad tiene una forma acampanada y es simtrica respecto de un determinado parmetro. Esta curva se conoce como campana de Gauss. La importancia de esta distribucin radica en que permite modelar numerosos fenmenos naturales, sociales y psicolgicos. Mientras que los mecanismos que subyacen a gran parte de este tipo de fenmenos son desconocidos, por la enorme cantidad de variables incontrolables que en ellos intervienen, el uso del modelo normal puede justificarse asumiendo que cada observacin se obtiene como la suma de unas pocas causas independientes. De hecho, la estadstica es un modelo matemtico que slo permite describir un fenmeno, sin explicacin alguna. Para la explicacin causal es preciso el diseo experimental, de ah que al uso de la estadstica en psicologa y sociologa sea conocido como mtodo correlacional.

La distribucin normal tambin es importante por su relacin con la estimacin por mnimos cuadrados, uno de los mtodos de estimacin ms simples y antiguos. La distribucin normal tambin aparece en muchas reas de la propia estadstica. Por ejemplo, la distribucin muestral de las medias muestrales es aproximadamente normal, cuando la distribucin de la poblacin de la cual se extrae la muestra no es normal. Adems, la distribucin normal maximiza la entropa entre todas las distribuciones con media y varianza conocidas, lo cual la convierte en la eleccin natural de la distribucin subyacente a una lista de datos resumidos en trminos de media muestral y varianza. La distribucin normal es la ms extendida en estadstica y muchos tests estadsticos estn basados en una supuesta "normalidad". En probabilidad, la distribucin normal aparece como el lmite de varias distribuciones de probabilidad continuas y discretas.

La estadstica en la ingeniera industrial.

La estadstica aplicada en la Ingeniera se hace mediante la rama de la estadstica que busca implementar los procesos probabilsticos y estadsticos de anlisis e interpretacin de datos o caractersticas de un conjunto de elementos al entorno industrial, a efectos de ayudar en la toma de decisiones y en el control de los procesos industriales y organizacionales. Pueden distinguirse tres partes: * el estudio de las series temporales y las tcnicas de previsin, y la descripcin de los pasos necesarios para el establecimiento de un sistema de previsin operativo y duradero en una empresa; * el anlisis multivariante, necesario para la extraccin de informacin de grandes cantidades de datos, una de las necesidades ms apremiantes; * el control de calidad y la fiabilidad. Las aplicaciones de la estadstica en la ingeniera actualmente han tomado un rpido y sostenido incremento, debido al poder de clculo de la computacin desde la segunda mitad del siglo XX. Para comprender el desarrollo de las aplicaciones de la estadstica en la ingeniera hay que citar que los Viejos Modelos Estadsticos fueron casi siempre de la clase de los modelos lineales. Ahora, complejos computadores junto con apropiados algoritmos numricos, estn utilizando modelos no lineales (especialmente redes neuronales y rboles de decisin) y la creacin de nuevos tipos tales como modelos lineales generalizados y modelos multinivel. El incremento en el poder computacional tambin ha llevado al crecimiento en popularidad de mtodos intensivos computacionalmente basados en re muestreo, tales como test de permutacin y de bootstrap, mientras tcnicas como el muestreo de Gibbs han hecho los mtodos bayesianos ms accesibles. En el futuro inmediato la estadstica aplicada en la ingeniera, tendr un nuevo nfasis en estadsticas "experimentales" y "empricas". Un gran nmero de paquetes estadsticos est ahora disponible para los ingenieros. Los Sistemas dinmicos y teora del caos, desde hace una dcada empez a ser utilizada por la comunidad hispana de ingeniera, pues en la comunidad de ingeniera anglosajona de Estados Unidos estaba ya establecida la conducta catica en sistemas dinmicos no lineales. Algunos campos de investigacin en la Ingeniera usan la estadstica tan extensamente que tienen terminologa especializada. Estas aplicaciones incluyen: * Ciencias actuariales * Fsica estadstica

* Estadstica industrial * Estadstica Espacial * Estadstica en Agronoma * Estadstica en Planificacin * Estadstica en Investigacin de Mercados. * Estadstica en Planeacin de Obras Civiles - megaproyectos. * Estadstica en Restauracin de Obras * Geo estadstica * Bioestadstica * Estadsticas de negocios y mercadeo. * Estadstica Computacional * Investigacin de Operaciones * Estadsticas de Consultora * Estadstica en la comercializacin o mercadotecnia * Cienciometra * Estadstica del Medio Ambiente * Minera de datos (aplica estadstica y reconocimiento de patrones para el conocimiento de datos) * Estadstica econmica (Econometra) * Estadstica en procesos de ingeniera * Estadstica en Psicometra y Ergonoma Laboral. * Controles Estadsticos en Calidad y Productividad * Estadstica en Tcnicas de Muestreo y Control. * Anlisis de procesos y quimiometra (para anlisis de datos en qumica analtica e ingeniera qumica) * Confiabilidad estadstica aplicada al Diseo de Plantas Industriales. * Procesamiento de imgenes e Interpretacin Binarias para Equipos de Diagnstico de Fallas y Mantenimiento Predictivo. La estadstica aplicada en la Ingeniera Industrial es una herramienta bsica en negocios y produccin. Es usada para entender la variabilidad de sistemas de medicin, control de procesos (como en control estadstico de procesos o SPC (CEP), para compilar datos y para tomar decisiones. En estas aplicaciones es una herramienta clave, y probablemente la nica herramienta disponible. Las ciencias fundamentales que se ocupan de la metodologa son ciencias matemticas, a saber matemticas, estadstica, e informtica. La caracterizacin del sistema emplea as modelos y mtodos matemticos, estadsticos, y de computacin, y da un aumento directo a las herramientas de la ingeniera industrial tales como optimizacin, procesos estocsticos, y simulacin. Los cursos de la especialidad de la ingeniera industrial por lo tanto utilizan estas " ciencias bsicas " y las herramientas del IE para entender los elementos tradicionales de la produccin como anlisis econmico, plantacin de la produccin, diseos de recursos, manejo de materiales, procesos y sistemas de fabricacin, Anlisis de puestos de trabajo, y as sucesivamente.

Todos los ingenieros, incluyendo Ingenieros Industriales, toman matemticas con clculo y ecuaciones diferenciales. La ingeniera industrial es diferente ya que est basada en matemticas de" variable discreta", mientras que el resto de la ingeniera se basa en matemticas de " variable continua". As los Ingenieros Industriales acentan el uso del lgebra lineal y de las ecuaciones diferenciales, en comparacin con el uso de las ecuaciones diferenciales que son de uso frecuente en otras ingenieras. Este nfasis llega a ser evidente en la optimizacin de los sistemas de produccin en los que estamos estructurando las rdenes, la programacin de tratamientos por lotes, determinando el nmero de unidades de material manejables, adaptando las disposiciones de la fbrica, encontrando secuencias de movimientos, etc. Los ingenieros industriales se ocupan casi exclusivamente de los sistemas de componentes discretos. As que los Ingenieros industriales tienen una diversa cultura matemtica.

7. Frecuencias relativas como probabilidades. Frecuencia relativa y probabilidad La definicin moderna de probabilidad basada en la axiomtica de Kolmogorov es relativamente reciente. Histricamente hubo otros intentos previos de definir el escurridizo concepto de probabilidad, descartados por diferentes razones. Sin embargo conviene destacar aqu algunas ideas que aparecen en la antigua definicin basada en la frecuencia relativa, ya que permiten intuir algunas profundas propiedades de la probabilidad. Recordemos antes que si en un experimento que se ha repetido n veces un determinado suceso A se ha observado en k de estas repeticiones, la frecuencia relativa fr del suceso A es: fr = k/n El inters por la frecuencia relativa y su relacin con el concepto de probabilidad aparece a lo largo de los siglos XVIII a XX al observar el comportamiento de numerosas repeticiones de experimentos reales.

INTRODUCCION ESTADSTICA La estadstica es la ciencia que da sentido a los datos numricos. Cuando un grupo de gerentes de una empresa tiende que decidir cmo elaborar un nuevo producto alimenticio, pueden guiarse por sus propios gustos e intuicin, u obtener datos tomados de una encuesta acerca de la preferencia

Por qu es la estadstica importante en la ingeniera industrial? Todos los Ingenieros Industriales toman por lo menos un curso en probabilidad y un curso en estadstica. Los cursos de la especialidad de ingeniera industrial incluyen control de calidad, la simulacin, y procesos estocsticos. Adems cursos tradicionales en planeacin de produccin, el modelacin del riesgo econmico, y planeacin de facilidades para emplear modelos estadsticos para entender estos sistemas. Algunas de las otras disciplinas de la ingeniera toman algo de probabilidad y estadstica, pero ninguna ha integrado ms estos tpicos ms dentro de su estudio de sistemas que la ingeniera industrial. Es por ello que es muy importante que las empresas tengan un ingeniero industrial que les de las herramientas para llevar un control de la calidad, aumentar la productividad, ser ms competitivos en cuanto a lo que se refiere a el marketing en las empresas, manejar los procesos productivos cuidando la salud del trabajador, la mejora en las empresas, en fin, es muy importante la ingeniera industrial en las empresas. Pero: Cules son las herramientas que un ingeniero industrial necesita para llevar a cabo todas estas actividades en la industria? Esta respuesta se encuentra en el presente documento, en el cual, el tema principal es la estadstica.

La estadstica desde mi punto de vista es muy importante ya que nos permite ver la cantidad de mejora, o, en su defecto, la disminucin de nuestra productividad, notar si estamos haciendo bien las cosas, si en realidad estamos aprovechando nuestros recursos y si vamos por un buen camino.

Adems, gracias a ella, podemos hacer un anlisis de todo esto y hacer un pronstico de lo que venderemos en un futuro, si obtendremos ganancias, si la empresa necesita mejorar o si nuestros proyectos implementados estn funcionando. Mediante diagramas, datos reales, tablas estadsticas (grafico de cajas, grafica circular, graficas de barras, pero muy especialmente el histograma), demostramos a las altas gerencias que hace falta una mejora o que el sistema o mtodo que estamos implementando nos est ayudando a aumentar nuestro servicio o producto terminado.