Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Bienvenida
Nombre.
Cuatrimestre
Empresa donde laboran.
Que puesto tienen.
Cuanto tiempo tienen laborando en esa empresa.
Pregunta extra.
Anlisis de datos
OBJETIVO GENERAL
El estudiante analizar los distintos criterios para el manejo de datos como correlaciones,
regresiones, anlisis de varianza, estadstica no paramtrica y modelos de prediccin con
el fin de distinguir la mejor herramienta en un caso prctico de su rea profesional.
Anlisis de datos
Materia
Clave
Horas de Clase
Horas de estudio
Tcnica didctica
Horario de clases
Lugar
Horario de Asesoras
Anlisis de datos
:
s/n
3 horas semanales
4.5 horas por cada 3 horas de clases
Presencial
Lunes y Mircoles 19:00 20:30
Campus Saltillo Saln____
Por definir segn sea el caso
NDICE DE UNIDADES
1.
2.
3.
4.
5.
NDICE DE UNIDADES
1.
2.
3.
4.
5.
INDICE DE UNIDADES
1.
1.
1.
1.
1.
Anlisis de varianza
Estadstica no paramtrica
Alguna duda?
Realizar trabajos
problemas reales
Alguna duda?
de
investigacin
aplicados
Evaluacin:
La evaluacin del curso es de carcter integral, acumulativo, formativo, sumativo, participativo y de aplicacin continua a
los estudiantes durante el desarrollo del curso, por medio del cual se exploran y valoran los avances de las unidades de
aprendizaje, a travs de la elaboracin de trabajos, ensayos, investigaciones, prcticas, participaciones en clase y
cualquiera otra forma de evaluacin que se estime conveniente.
Cabe sealar que la evaluacin del aprendizaje se adaptar a la metodologa y estrategias de enseanza-aprendizaje
que se utilicen.
Acreditacin:
El curso se acredita con dos evaluaciones parciales en las cuales se considerarn tanto las pruebas objetivas como
los productos elaborados dentro del proceso de enseanza-aprendizaje.
Como se evaluar
Fechas importantes
Inicio de clases
Primera evaluacin
16/Junio/14
04/Agosto/14
Revisin Examen y
Firma de Acta parcial
Segunda evaluacin
06/Agosto/14
Revisin Examen y
Firma de Acta parcial
Proyecto Final
Asueto
21 y 23/Septiembre/2014
17/Septiembre/2014
3, 8 y el 10 de Septiembre 2014
Ninguno
De manera aleatoria y sin previo aviso, se designar a un alumno para que haga un resumen de la clase anterior, de no
ms de cinco minutos.
De la misma forma, se podr aplicar un examen rpido de las lecturas asignadas o de la clase anterior al comienzo de la
sesin.
El profesor har una exposicin general del tema a tratar en cada sesin.
Es obligatoria la participacin de todos los alumnos en las discusiones y ejercicios de clase.
Polticas de Evaluacin
La calificacin final est compuesta por:
La calificacin parcial de la primera y segunda evaluacin:
Primera evaluacin
Segunda evaluacin
Proyecto final
40
40
20
40% 50%
40 % 50%
5 % 20%
Evaluacin Parcial
Examen parcial
Ejercicios, Ensayos,
Investigaciones, tareas
Exmenes rpidos
Participacin
50%
30%
10%
10%
50 % 70%
10% 20%
10 % 20%
10 % 20%
Asistencia y puntualidad
Slo se aceptarn las tareas, trabajos y proyectos que se entreguen en tiempo y en forma.
El examen extemporneo se realizar, previa autorizacin de los directores de Carrera y de
Departamento, sobre una calificacin de 80.
La solicitud del examen se deber realizar con el Director de Carrera correspondiente.
Reglas de comportamiento
Queda estrictamente prohibido fumar e ingerir alimentos y/o bebidas en el saln de clase,
as como el uso de celulares o cualquier otro equipo de comunicacin.
La computadora porttil slo se utilizar dentro del saln de clases para las actividades
acadmicas diseadas para la materia. Fuera de estas razones, por ningn otro motivo se
autorizar su uso durante el desarrollo de la clase.
El profesor asume que el alumno conoce el Reglamento General de Alumnos vigente y el
Reglamento Acadmico para los programas de Profesional, por lo que todas las actividades
durante el cuatriimestre se regirn conforme a lo establecido en dichos reglamentos.
Alguna duda???
Bibliografa.
1- John E. Freud y Gary A. Simon, Estadista elemental, 8va edicin, Edit. Pearson Prentice Hall.
2- Johnson Kuby, Estadistica elemental, 3 edicin, Edit. Thomson.
3- Lincoln L. Chao, Introduccin a la estadstica, Editorial Continental.
4- Mendenhall-Beaver-Beaver, Introduccin a la probabilidad y estadstica, 13 edicin, CENGAGE
Learning.
5- Jos Juan Gngora Corts y Roberto Hernndez Ramrez, Estadstica descriptiva, Trillas.
6- Mario F. Triola, Estadstica, 10 edicin, Edit. Pearson Addison Wesley.
7- Montgomery, Control estadstico de la calidad, 3 edicin, Limusa Wiley.
8- Douglas Montgomery, introduction to statistical quality control, 7 edition, Edit. Wiley.
9- Adrew Sleeper, Design for Six Sigma statistics, Edit. Mc. Graw-Hill.
10- Robert P. Neuman and Roland R. Cavanagh, The Six Sigma Way, Mc. Graw-Hill.
11- Ron S. Kenett-Shelemyahu Zacks, Estadstica Inustrial Moderna, Edit. Thomson.
12- Michael L. George, Lean Six Sigma, Mc. Graw-Hill.
13- Thomas Pyzdek, The Six Sigma Handbook, Mc. Graw-Hill.
1- Introduccin al anlisis
de datos
Universidad del Valle de Mxico
Antecedentes histricos.
Al igual que ha ocurrido con otras muchas disciplinas, a lo largo del tiempo se ha pensado
que la estadstica es un procedimiento extraordinariamente complicado. Cuando leemos
artculos en los que aparecen resultados estadsticos nos queda la impresin de que lo dicho
en ellos es una verdad absoluta e incontrovertible que est apoyada por todo un aparato
matemtico. Esto no es forzosamente cierto, se puede adquirir con relativa facilidad un
conocimiento bsico de la estadstica
La estadstica fue fundada por John Graunt, en un
pequeo libro Natural and political Observations made
upon the Bells of Mortality. Este libro fue el primer
intento para interpretar fenmenos biolgicos de masa y
de la conducta social: a partir de datos numricos
escribir las cifras brutas de nacimientos y defunciones en
Londres, de 1604 a 1661. Treinta aos ms tarde, la
Royal Society public en su Philosophical Transactions
un artculo sobre tasas de mortalidad escrito por el
eminente
astrnomo
Edmund
Halley.
Ambas
publicaciones constituyen la base de todo trabajo
posterior sobre esperanza de vida,
Antecedentes histricos.
En el famoso libro de Jacob Bernoulli, Aos Conjectandi, aparece un teorema de
importancia cardinal para la Teora de Probabilidades, comnmente llamado Teorema de
Bernoulli, y tambin conocido como Ley de los grandes nmeros, nombre que le fue dado
por el matemtico francs, Simeon Poisson (1781-1840). Este teorema fue el primer
intento para deducir medidas estadsticas a partir de probabilidades individuales.
Junto con Arqumedes y Newton, Gauss es uno de los tres grandes de la Matemtica.
Ellos aportaron conceptos muy tiles en sus distintas ramas tanto en su forma pura como
aplicada.
Funciones de la estadstica.
Los conceptos y temas de la estadstica se utilizan en la actualidad en un gran nmero de
ocupaciones. Las tcnicas estadsticas constituyen una parte integral de las actividades de
investigacin en distintas reas del saber humano.
Justificacin
Los conceptos y los mtodos estadsticos no solo son tiles, sino en verdad
indispensables para comprender el mundo que nos rodea. Nos proporcionan formas de
adquirir nuevas perspectivas del comportamiento de muchos fenmenos con que nos
encontramos de la ingeniera y las ciencias.
La disciplina de la estadstica ensea como razonar lgicamente y tomar decisiones
informadas en presencia de la incertidumbre y la variacin. Sin estas dos habra poca
necesidad de los mtodos estadsticos o de los profesionales de la estadstica.
Justificacin
NO necesitan
mayor anlisis
Anlisis de
datos
DOE
Mtodos
estadsticos
Toma de
decisiones
diaria
Estadstica
Necesitan
mayor anlisis
Variacin
Presencia
Incertidumbre
Seleccin de proveedores
Rechazo de un producto
Tamao correcto de
muestra.
Existe diferencia
significativa al usar tal o
cual mtodo?
Cambios de
material/molde.
Rendimiento
maquina/trabajadores.
1.1 - Conceptos
Estadstica
Qu es la estadstica?
1.1 - Conceptos
Cules son las dos grandes divisiones de la estadstica?
Estadstica
descriptiva
Estadstica
inferencial.
1.1 - Conceptos
Estadstica
descriptiva
Ejemplos?
Media
Desviacin
Varianza
Error de la media
Coeficiente de variacin
Cuartiles
Percentiles
Moda
Mediana
Mnimo
Mximo
Rango
Kurtosis
1.1 - Conceptos
Ejercicio 1.1
M16
Diga cada uno su genero y estatura y peso. Construya una tabla en Excel de los datos
proporcionados. Anota en tu cuaderno o en un archivo de Excel.
NOTA: Al final guardaremos el archivo como Datos personales.xlsx
-
N:
Media :
Desviacin :
Varianza:
Coeficiente de variacin:
Cuartiles
Percentiles
Moda :
Mediana:
Mnimo :
Mximo:
Rango:
Kurtosis :
1 dia
1.1 - Conceptos
Estadstica
inferencial
Estadstica
inferencial
Ejemplos?
-
Divisiones de la estadstica
Procesos Estocsticos
Estadstica
inferencial.
Random process
Estadstica
descriptiva
Procesos Determinsticos
Variables continuas
Procesos Estocsticos
Variables discretas
Ejemplos de variables
Variables continuas continuas
Variables discretas
Divisiones de la estadstica
Procesos Estocsticos
Procesos Determinsticos
Ejercicio grupal.
Procesos Determinsticos
Procesos Estocsticos
Ejercicio 1.2
Paramtrica
Es una rama de la estadstica que comprende los procedimientos estadsticos y de decisin
estn basados en las distribuciones de los datos reales. Estas son determinadas usando
un
nmero
finito
de
parmetros.
por ejemplo, si conocemos que la altura de las personas sigue una distribucin normal,
pero desconocemos cul es la media y la desviacin de dicha normal. La media y la
desviacin tpica de la desviacin normal son los dos parmetros que queremos estimar.
La mayora de los procedimientos paramtricos requiere conocer la distribucin para las
mediciones.
Variables y datos.
Variable
Es una caracterstica que cambia o se modifica con el tiempo y/o para diferentes
individuos u objetos en consideracin.
Ejemplos :
- Temperatura corporal cambia con el tiempo.
- Edad cambia con el tiempo.
- Ingresos $$$ cambia por empresa y con el tiempo
y por otros factores
Poblacin
Muestra.
Poblacin
Muestra
Variables cualitativas
Miden una cualidad o
caracterstica en cada
unidad experimental.
Variables cuantitativas
Miden una cantidad
numrica en cada
unidad experimental.
Tipo de variables
Variables cualitativas
Variables cuantitativas
Datos categricos
Ordinal
Nominal
Variables discreta
Variables continua
Ejemplos:
- Nacionalidad: Aleman, Espaol,
Mexicano, Ruso.
- Colores: Rojo, Verde, Azul
- Metodo 1 , Metodo 2
Variables cualitativas
Es aquella que agrupa los elementos en categoras que pueden ser
ordenados.
Ordinal
Ejemplos:
- Nivel de ingles: Bajo, Medio, Alto.
- Peso: Flaco, promedio, robusto.
-
Variables discretas
- Numero de empleados
- Puertas de Acceso A,B o C.
Variables
cuantitativas.
Variables continuas
Estadsticas descriptivas
Las estadsticas descriptivas son algunas medidas numricas, que se emplean
comnmente para describir un conjunto de datos. El objetivo de las estadsticas
descriptivas es ser usadas para una inferencia estadstica, si parten de una muestra
aleatoria y representativa.
Medidas de variabilidad
Son las medidas con la
dispersin de las observaciones
en le conjunto.
1- La media.
2- La mediana.
Es el valor para el cual, cuando todas las observaciones se ordenan de manera creciente, la mitad de estas es
menor que este valor y la otra mitad mayor.
Nota: Si el numero de observaciones es impar, la mediana es el valor de la observacin que se encuentra a la
mitad del conjunto ordenado. Si el numero es par se considera la mediana como el promedio aritmtico de
los valores de las dos observaciones que se encuentren a la mitad del conjunto ordenado.
3- La moda.
Es el valor de observacin que ocurre con mayor frecuencia en un conjunto de datos.
Medidas de variacin
Las medidas de tendencia central proporcionan una buena informacin acerca del conjunto de
datos, pero no proporciona ninguna idea de la variabilidad. Considere el siguiente ejemplo:
Usted quiere seleccionar materia prima, y considere dos proveedores, el proveedor A le
otorga 4 muestras del producto: 0, 25, 75, y 100.Y el proveedor B, 48,49, 51 y 52.
Qu indica la Media?
No tiene significancia elegir uno u otro?
Es el promedio del cuadrado de las distancias entre cada observacin y la media del
conjunto de observaciones.
1- La varianza.
Medidas de variacin
2- La desviacin estndar.
s=
Usted quiere seleccionar materia prima, y considere dos proveedores, el proveedor A le otorga 4
muestras del producto: 0, 25, 75, y 100.Y el proveedor B, 48,49, 51 y 52.
3- El rango.
Es el valor mximo menos el mnimo.
FORMARTO DE
TAREAS
1
Tarea
UVM
NOMBRE
NOMBRE DE LA MATERIA
NOMBRE DEL PROFESOR
FECHA
Entregar en hojas en blanco (no de cuaderno) grapadas. Puedes usar hojas milimtricas.
Hacer la 1 tarea a mano y de manera individua!
Fecha de entrega: Lunes 30 de Junio en hasta 10 minutos despus de comenzar la clase.
En este caso no se aceptan trabajos por correo.
Ejercicios individuales
1
Tarea
Ejercicio 1.4
38
67
28
49
47
59
51
57
52
56
Calcula la media, mediana, desviacin estndar, moda, empleando los datos no agrupados.
Ejercicios individuales
1
Tarea
Ejercicio 1.4
6
6
20
Ejercicios individuales
1
Tarea
Ejercicio 1.4
Ejercicios individuales
1
Tarea
Ejercicio 1.4
En un conjunto de nmeros cuya media es 7.31 se le aaden los nmeros 4.47 y 10.15.
Cul es la media del nuevo conjunto de nmeros?
Ejercicios individuales
1
Tarea
Ejercicio 1.4
2- Inferencia estadstica.
Pruebas de hiptesis.
Universidad del Valle de Mxico
Hiptesis estadstica
La prueba o contraste de una hiptesis estadstica es una parte importante de
la Estadstica inferencial.
Hiptesis estadstica
1- Leer el problema.
2- Determinar que tipo de prueba es. (1 muetra, 2 muestras, 2 muestras pareadas).
3- Identificar el valor objetivo o target.
Prueba estadstica
Ejemplo practico
Para ilustrar la importancia de este y los siguientes temas, supngase el
siguiente ejemplo:
Suponga que se tiene inters en el tiempo promedio necesario para
terminar una unidad de produccin (suponga algn producto de su
empresa) en una lnea de armado.
Bajo condiciones normales de
operacin, el objetivo o la requisicin del cliente es tener un tiempo
promedio de armado por unidad de 10 minutos.
El gerente de la planta decide continuar con el proceso, a menos que
encuentre evidencia sustancial de que el tiempo promedio no sea 10
minutos.
La evidencia se obtendr de una muestra aleatoria de tamao n
obtenida de una distribucin. Cmo debe decidirse si continua o no el
proceso de produccin?
Ejemplo practico
La respuesta a este tipo de preguntas es el principal objetivo de estos temas.
Lo mas importante en esta hiptesis es determinar si el valor de la media de la
evidencia (muestra) = .
Entonces;
- Si la afirmacin estadstica esta de acuerdo con la evidencia experimental se
sumir que el valor promedio del objetivo es de 10 minutos.
- Pero,,, si la afirmacin no esta apoyada estadsticamente por la evidencia
muestral, el gerente de la planta puede detener el proceso para llevar acabo
ajustes necesarios.
Ejemplo practico
En este ejemplo se formulan las dos hiptesis necesarias para cada prueba de
inferencia estadstica. La hiptesis nula y la hipostasis alterna.
Ejemplos de Ho y Ha
Ejemplo 1.
Supngase que en la ciudad de Saltillo existen dos estaciones de televisin: el
canal 6 y el canal 10. Se piensa que para las noticias de la tarde el auditorio se
encuentra dividido en partes iguales para ambos canales. Una compaa se
interesa en probar esta teora de la proporcin de televidentes para las noticias
de la tarde. Entonces la proporcin ser de 50% o de 0.5.
0 : = 0.5
: 0.5
El estudio se realiza de la siguiente manera; la compaa realiza encuestas a 18
residentes seleccionados al azar y pregunta que canal prefieren ver en las noticias
de la tarde.
Caso 1
Caso 2
Caso 3
0 : = 9
: 9
0 : = 9
: < 9
0 : = 9
: > 9
Error tipo I.
Se le llama as a la hiptesis nula cuando se rechaza pero es verdadera.
Error tipo II.
Se le llama as cuando la hiptesis nula se acepta pero realmente es falsa.
Ho es Falsa
Aceptamos Ho
Decisin correcta
Error tipo II
Rechazamos Ho
Error tipo I
Decisin correcta
Bibliografa.
1- John E. Freud y Gary A. Simon, Estadistca elemental, 8va edicin, Edit. Pearson Prentice Hall.
2- Johnson Kuby, Estadistica elemental, 3 edicin, Edit. Thomson.
3- Lincoln L. Chao, Introduccin a la estadstica, Editorial Continental.
4- Mendenhall-Beaver-Beaver, Introduccion a la probabilidad y estadstica, 13 edicin, CENGAGE Learning.
5- Jos Juan Gngora Corts y Roberto Hernndez Ramrez, Estadstica descriptiva, Trillas.
6- Mario F. Triola, Estadistica, 10 ediacion, Edit. Pearson Addison Wesley.
7- Montgomery, Control estadstico de la calidad, 3 edicin, Limusa Wiley.
8- Douglas Montgomery, introduction to statistical quality control, 7 edition, Edit. Wiley.
9- Adrew Sleeper, Design for Six Sigma statistics, Edit. Mc. Graw-Hill.
10- Robert P. Neuman and Roland R. Cavanagh, The Six Sigma Way, Mc. Graw-Hill.
11- Ron S. Kenett-Shelemyahu Zacks, Estadstica Inustrial Moderna, Edit. Thomson.
12- Michael L. George, Lean Six Sigma, Mc. Graw-Hill.
13- Thomas Pyzdek, The Six Sigma Handbook, Mc. Graw-Hill.
14- Geoff Tennant, Six Sigma Edit. Gower.
15- E. L. Grant and R. S. Leavenworth, Control Estadstico de calidad, Edit. Continental.