Proyecto Inferencial Final PDF

UNIVERSIDAD MAYOR DE SAN ANDRÉS
FACULTAD DE INGENIERÍA
ESTUDIO DE FACTIBILIDAD
PARA LA FABRICACIÓN
INDUSTRIAL DE LA ESCAYOLA
INTEGRANTES: SALCEDO CHUQUIMIA EDELMIRA

CABANA BALTAZAR NATHALY
CHURATA PAUCARA ARIEL
DOCENTE: ING. MARCELINO ALIAGA LIMACHI

MATERIA: ESTADÍSTICA INFERENCIAL
GESTIÓN: I -2018
1
INDICE
1 INTRODUCCIÓN. ....................................................................................................2
2 ANTECEDENTES. ...................................................................................................3
3 OBJETIVO GENERAL DEL ESTUDIO....................................................................3
4 OBJETIVOS ESPECÍFICOS DEL ESTUDIO ..........................................................4
5 MEMORIA RESUMEN DEL PROCESO PRODUCTIVO ........................................4
6 IDENTIFICACIÓN DE LA POBLACIÓN OBJETIVO ...............................................7
7 IDENTIFICACIÓN DE LA UNIDAD DE MUESTREO ..............................................7
8 IDENTIFICACIÓN DEL MARCO MUESTRAL ........................................................8
9 DETERMINACIÓN DEL TAMAÑO DE LA MUESTRA ............................................8
10 SELECCIÓN DEL PROCEDIMIENTO DEL MUESTREO ....................................11
11 METODOLOGIA DE LA RECOPILACION DE INFORMACION ...........................11
12 RECOPILACION, SELECCIÓN Y PRESENTACION DE LA INFORMACION .....11
13 PRESENTACIÓN DE RESULTADOS (CUADRO RESUMEN) ............................14
14 IDENTIFICACION Y DESCRIPCION DE PARAMETROS ...................................15
15 IDENTIFICACION DEL METODO DE ESTIMACION ...........................................15
16 ESTIMACIÓN PUNTUAL DE PARÁMETROS ......................................................15
17 ESTIMACIÓN POR INTERVALOS DE PARÁMETROS .......................................19
18 DÓCIMA DE HIPÓTESIS ......................................................................................21
19 ANÁLISIS DE LA VARIANZA ................................................................................29
20 PRUEBAS DE LA BONDAD DE AJUSTE ............................................................31
21 OTRAS PRUEBAS NO PARAMÉTRICAS ............................................................34
22 PRESENTACIÓN Y APLICACIÓN EN UN PROCESO DE CONTROL O
PREDICCION .........................................................................................................36
23 CONCLUSIONES ..................................................................................................36
24 RECOMENDACIONES ..........................................................................................36
25 BIBLIOGRAFÍA ......................................................................................................36
2
ESTUDIO DE FACTIBILIDAD PARA LA FABRICACIÓN

INDUSTRIAL DE LA ESCAYOLA
1 INTRODUCCIÓN.
El presente documento con el título Estudio de factibilidad para la fabricación
industrial de la escayola el cual está fundamentada en la aplicación del contenido temático de
la materia Estadística Inferencial orientado al campo de la Ingeniería Industrial.
Para tal hecho se trabajó con datos previos vasados en el proyecto de grado “ Estudio de
prefactivilidad para la industrialización de los recursos naturales de Bolivia- Fabricación de la
Escayola” que están basadas en la justificaciones económicas, cifras de costos de producción y
además de demandas del sector constructor.
El estudio de factibilidad para la fabricación de la escayola estaba basada en análisis y
evaluaciones estadísticas tomando en cuenta una demanda aparente del yeso (principal
componente de la escayola) para la construcción de viviendas, industrias, educación y sector
salud.
3
2 ANTECEDENTES.
El proyecto está apoyado bajo ciertas bases sobre las que se puede sustentar su desarrollo,
entre ellas podemos decir:
El mercado que justifica la implementación el proyecto, es sectorial y particularmente está
constituido por el sector construcciones.
Los resultados económicos suponen la vigencia permanente de la estructura legal que le da
sustento al proyecto, la tecnología del proceso ha sido proporcionada anterior mente por el
proyecto “Estudio de prefactivilidad para la industrialización de los recursos naturales de
Bolivia- Fabricación de la Escayola” esta a su vez proporcionada por la compañía Henschel
Export GMBH de Alemania y adaptada al estudio de acuerdo a los requerimientos del
proyecto anteriormente Citada , cuyas cifras de costos de producción se apoyan en la
información suministrada por diversas fuentes , las producciones se asumen como depositadas
en los almacenes de la ciudad de Cochabamba. La construcción de locales escolares está
encomendada al concejo nacional de edificaciones escolares, para proyectar las futuras
construcciones locales escolares en Bolivia está en un momento de auge en construcción
gracias a los programas del gobierno Boliviano.
3 OBJETIVO GENERAL DEL ESTUDIO

4
Analizar la factibilidad de la fabricación industrial de la escayola para el sector de
la construcción mediante la inferencia estadística.
4 OBJETIVOS ESPECÍFICOS DEL ESTUDIO


Ejecutar la aplicación práctica de todos los conceptos, técnicas y herramientas de la
inferencia estadística.

Interpretar los resultados obtenidos de manera que cualquier persona que lea este
proyecto tenga una acertada toma de decisiones.


Exponer y validar el modelo mediante la aplicación del paquete informático
“Minitab”

Realizar las conclusiones y observaciones a la finalización del estudio estadístico.
5 MEMORIA RESUMEN DEL PROCESO PRODUCTIVO

La escayola es un producto industrial que se obtiene del yeso natural o aljez. Es
un yeso de alta calidad y grano muy fino, con pureza mayor del 87% en mineral aljez.
El término proviene del italiano Scaglióla, diminutivo de Scáglia, del latín Scaliolae, una
piedra blanda ligeramente parecida al talco.
Hasta principios del siglo XIX se entendía por escayola a una mezcla de yeso con yeso
espático, amasado con agua de cola. Desde el punto de vista tradicional la diferencia entre yeso
y escayola es su pureza en aljez y diferente granulometría (la escayola es más fina). Mientras
que el yeso tiene pureza mayor del 70%, la escayola ha de tener pureza mayor del 90%. Desde el
punto de vista industrial no existe diferencia entre yeso y escayola: yeso o escayola de
proyectar, yeso o escayola de acabado, etc. La composición química de la escayola es

5
mayoritariamente sulfato de calcio—agua (2/1): 2CaSO4·H2O junto con restos de aljez y
anhidrita en fase III, cuya mayor o menor composición le confieren unas características u otras.
La preparación de los productos comerciales de yeso se basa en la implementación de una
serie de acciones mecánicas y térmicas que van desde la extracción del mineral hasta la
incorporación de aditivos para obtener las propiedades específicas requeridas por el usuario.
Estas actividades se dividen en tres etapas básicas: preparación del mineral, calcinación,
formulación y manufactura. En la figura 3.3 se presenta un diagrama simplificado del proceso
típico de fabricación del yeso.
Extracción de la materia prima
Trituración
almacenamiento
Purificación
molienda
Deshidratación
Vía seca Vía húmeda
Cocción a presión Marmita fija o

Cuba abierta con Marmita fija o rotativa
atmosférica en presencia rotativa con sistema
sistema de agitación con sistema de agitación
de soluciones salinas o de agitación por
por cadenas por hélices
ácidas diluidas hélices
Yeso β- hemihidratado y/o

Yeso α-hemihidratado
anhidrita
Clasificación
embalaje
despacho
Figura 3.3
“PRODUCCIÓN DE YESO ALFA A PARTIR DE MATERIA PRIMA NACIONAL”
Yuk Ming X. Hung H.
6
Dentro de la fabricación hay que distinguir entre la que se produce contra stock y la que se
produce a medida.
En primer lugar se analiza la fabricación contra stock. Al comienzo de cada turno el
responsable de fábrica, en base al stock de productos terminados, determina las unidades a
producir de cada referencia, ya sea en los talleres o en las líneas de producción en serie,
programando los cambios de moldes correspondientes. Esta información es comunicada a las
unidades de trabajo o cuadrillas en forma de orden de fabricación. Una vez finalizada la misma,
se cierra la orden de fabricación y se da entrada al almacén a los productos terminados,
indicando el lote al que pertenecen. También se indica al responsable de producción las roturas
de placas que se dan durante el turno, influyendo este dato en la entrada en almacén de
productos finalizados.
Requerimiento
de la materia
Trituración
prima
Yeso 80 TM/ día
Molienda de
Alimentación
finos
almacenaje
Combustible
Cocción
Enfriado
Molienda
Almacenaje y
embolsado
Grafico 1.2
Diagrama de bloqueo del proceso de fabricación de Escaloya
Fuente: Estudio de prefactivilidad para la industrialización de los recursos naturales de
Bolivia- Fabricación de la Escayola”
7
6 IDENTIFICACIÓN DE LA POBLACIÓN OBJETIVO
La población objetivo es la producción del presente estudio, es el de analizar la factibilidad
y rentabilidad, de una Planta de Escayola, mostrando así la forma de aprovechar los recursos
naturales del país de Bolivia.
MUESTRA AÑO VIVIENDAS INDUSTRIAS EDUCACION SALUD TOTAL

T.M
1 19979 12.675 1.749 324 208 23.144
2 19980 13.117 1.998 228 214 23.795
3 19981 13.571 2.248 236 220 24.463
4 19982 14.043 2.523 245 225 25.224
5 19983 14.530 2.810 254 232 26.014
6 19984 15.036 3.097 263 237 26.821
7 19985 15.557 3.410 271 244 27.670
8 19986 16.097 3.734 281 251 28.551
9 19987 16.659 4.084 290 258 29.479
10 19988 17.240 4.446 300 265 30.339
11 19989 17.836 4.821 312 272 31.436
12 19990 18.240 5.221 323 279 32.469
13 19991 18.726 5.532 312 281 30.128
14 19992 19.135 5.936 376 290 31.987
15 19993 19.587 6.024 397 298 29.654
La “Planta de Escayola.”, tiene un índice de productividad de 1536 cajas de producto
terminado por cada unidad de tiempo de Producción equivalente, esto quiere decir que 1 unidad
de tiempo de producción equivalente (horas de un empleado).
7 IDENTIFICACIÓN DE LA UNIDAD DE MUESTREO
Para el estudio de este proyecto se analiza las siguientes variables:

8
Viviendas
Industrias
Educación
Salud
El análisis se realizó por variable y por atributo, en el primero se mide una característica del
producto mediante algún instrumento de medida, para el control estadístico de procesos en la
fábrica “Planta de Escayola.”, se usaran los dos.
8 IDENTIFICACIÓN DEL MARCO MUESTRAL
El análisis se realizó por variable y por atributo, en el primero se mide una característica del
producto mediante algún instrumento de medida, para el control estadístico de procesos en la
fábrica “Planta de Escayola.”, se usaran los dos.
9 DETERMINACIÓN DEL TAMAÑO DE LA MUESTRA
El tamaño de la muestra se determinara por:
𝑥̅ − 𝜇 𝐸 = 𝑋̅ − 𝜇
𝑧𝛼 = 𝜎 𝑁−𝑛
2 𝜎𝑥 𝜎𝑥 = ∗√
√𝑛 𝑁−1
Remplazamos en la ecuación principal:

9
𝜖
𝑧𝛼 =
2 𝜎 √𝑁 − 𝑛
∗ 𝑁−1
√𝑛
Dónde:
Despejamos n : n = tamaño de la
𝑧𝛼∗𝜎2 ∗𝑁 muestra
2
𝑛=
𝜖 2 ∗ (𝑁 ∗ 1) + 𝑧𝛼 2 ∗ 𝜎 2 σ = desviación estándar (
2
E = error
𝑧𝛼 = valor de confianza
2
N = tamaño de la
población
𝑧𝛼2⁄ 𝜎 2 𝑁
2
𝑛=
𝜀 2 (𝑁 − 1) + 𝑧𝛼2⁄ 𝜎 2
2
Determinamos el tamaño de la muestra para las viviendas, en donde:
𝜎 2 = 2.199
𝜀=7
𝑧𝛼 = 1.96
2
𝑁 = 15
𝑧𝛼2⁄ 𝜎 2 𝑁 1.962 ∗ 2.1992 ∗ 15

2
𝑛= = = 0.721
𝜀 2 (𝑁 − 1) + 𝑧𝛼2⁄ 𝜎 2 52 ∗ (15 − 1) + 1.962 ∗ 2.199
2
𝑛≈1
Determina el tamaño de muestra para las Industrias, donde:

10
𝜎 2 = 1.394
𝜀=2
𝑧𝛼 = 1.96
2
𝑁 = 15
𝑧𝛼2⁄ 𝜎 2 𝑁 1.962 ∗ 1.3942 ∗ 15

2
𝑛= = = 1.626
𝜀 2 (𝑁 − 1) + 𝑧𝛼2⁄ 𝜎 2 22 ∗ (15 − 1) + 1.962 ∗ 8.549
2
𝑛≈2
Determina el tamaño de muestra para la Educación, donde:
𝜎 2 = 47.013
𝜀 = 10
𝑧𝛼 = 1.96
2
𝑁 = 15
𝑧𝛼2⁄ 𝜎 2 𝑁 1.962 ∗ 47.0132 ∗ 15

2
𝑛= = = 83.876
𝜀 2 (𝑁 − 1) + 𝑧𝛼2⁄ 𝜎 2 102 ∗ (15 − 1) + 1.962 ∗ 8.549
2
𝑛 ≈ 84
Determina el tamaño de muestra para la Salud, donde:
𝜎 2 = 27.729
𝜀 = 10
𝑧𝛼 = 1.96
2
𝑁 = 15
𝑧𝛼2⁄ 𝜎 2 𝑁 1.962 ∗ 29.1792 ∗ 15

2
𝑛= = = 29.179
𝜀 2 (𝑁 − 1) + 𝑧𝛼2⁄ 𝜎 2 102 ∗ (15 − 1) + 1.962 ∗ 8.549
2
𝑛 ≈ 29
11
10 SELECCIÓN DEL PROCEDIMIENTO DEL MUESTREO
Para la selección del proceso de muestreo se realizaron medidas; para las viviendas,
industrias, educación y salud se verifica la existencia de cierta condición y se toma cada unidad
de dato o varibles.
La muestra está formada por datos y los datos o variables accesibles, por lo tanto se puede
concluir que se encuentra con un tipo de muestreo por conveniencia.
11 METODOLOGIA DE LA RECOPILACION DE INFORMACION

El estudio del presente proyecto es de carácter descriptivo porque se apoya en teorías y
métodos ya conocido, para aplicarlos a un problema específico. La metodología utilizada fue
Explorativo Cuantitativo, debido a que se obtuvieron los datos de un Proyecto de Grado de la
carrera de Ingeniería Industrial.
12 RECOPILACION, SELECCIÓN Y PRESENTACION DE LA

INFORMACION
Los datos se muestran en las siguientes tablas:
Tabla 1: Tabla de Recopilación de Datos- Variable VIVIENDAS (T.M.)
# Año Viviendas
Muestra
1 1979 12.675
2 1980 13.117
3 1981 13.571
4 1982 14.043
5 1983 14.530
12
6 1984 15.036
7 1985 15.557
8 1986 16.097
9 1987 16.659
10 1988 17.240
11 1989 17.836
12 1990 18.240
13 1991 18.726
14 1992 19.135
15 1993 19.587
Tabla 2: Tabla de Recopilación de Datos- Variable INDUSTRIAS (T.M.)
# Indus
Año
Muestra trias
1 1979 1.749
2 1980 1.998
3 1981 2.248
4 1982 2.523
5 1983 2.810
6 1984 3.097
7 1985 3.410
8 1986 3.734
9 1987 4.084
10 1988 4.446
11 1989 4.821
12 1990 5.221
13 1991 5.532
14 1992 5.936
15 1993 6.024
13
Tabla 3: Tabla de Recopilación de Datos- Variable EDUCACION (T.M.)
# Educa
Año
Muestra ción
1 1979 324
2 1980 228
3 1981 236
4 1982 245
5 1983 254
6 1984 263
7 1985 271
8 1986 281
9 1987 290
10 1988 300
11 1989 312
12 1990 323
13 1991 312
14 1992 376
15 1993 397
Tabla 4: Tabla de Recopilación de Datos- Variable SALUD (T.M.)
# Año Salu
Muestra d
1 1979 208
2 1980 214
3 1981 220
4 1982 225
5 1983 232
6 1984 237
7 1985 244
8 1986 251
9 1987 258
10 1988 265
11 1989 272
12 1990 279
13 1991 281
14 1992 290
15 1993 298
14
N° VIVIENDA INDUSTRIAS EDUCACI SALUD

S (T.M.) (T.M.) ON (T.M.) (T.M.)
1 12.675 1.749 324 208
2 13.117 1.998 228 214
3 13.571 2.248 236 220
4 14.043 2.523 245 225
5 14.530 2.810 254 232
6 15.036 3.097 263 237
7 15.557 3.410 271 244
8 16.097 3.734 281 251
9 16.659 4.084 290 258
10 17.240 4.446 300 265
11 17.836 4.821 312 272
12 18.240 5.221 323 279
13 18.726 5.532 312 281
14 19.135 5.936 376 290
15 19.587 6.024 397 298
13 PRESENTACIÓN DE RESULTADOS (CUADRO RESUMEN)
ERROR
ESTANDAR MÍNIM
VARIABLE N N* MEDIA DESV.EST. Q1 MEDIANA Q3 MÁXIMO
DE LA O
MEDIA
VIVIENDAS 15 0 16.137 0,241 2199,991 13.937 39,75 16.097 41,45 18.337
INDUSTRIAS 15 0 3.842 1,3 1394,404 2.448 102,8 3.734 110,9 5.237

1 5
EDUCACIÓN 15 0 294,133 4,1 47,013 247,12 677,9 290 703,2 341,147
SALUD 15 0 251,6 1,3 27,756 223,844 102,8 251 110,9 279,355

1 5
Estadísticos descriptivos: VIVIENDAS; INDUSTRIAS; EDUCACIÓN; SALUD

15
14 IDENTIFICACION Y DESCRIPCION DE PARAMETROS
El trabajo identifico como parámetros a las variables viviendas, industrias, educación y
salud, cada variable se tomó en cuenta, porque son muy representativas a la hora de evaluar la
demanda de la fabricación de yeso.
MAGNITUD
VIVIENDAS
INDUSTRIAS
EDUCACION
SALUD
15 IDENTIFICACION DEL METODO DE ESTIMACION
El método a usar será el de Estimación de Intervalos; extrayendo de la población, una

muestra de 15 datos para cada una.
16 ESTIMACIÓN PUNTUAL DE PARÁMETROS

𝑛
1 (𝑥−𝜇)2 1 (𝑥−𝜇)2
− −
𝑓 (𝑥, 𝜎, 𝜇 ) = ∗ 𝑒 2∗𝜎2 =∏ ∗ 𝑒 2∗𝜎2
√2 ∗ 𝜋 ∗ 𝜎 𝑖=1
√2 ∗ 𝜋 ∗ 𝜎
𝑛 𝑛
1 −
1
∗∑𝑛 (𝑥−𝜇)2 1
= ∗ 𝑒 2∗𝜎2 𝑖=1 = 𝑛 ∗ 𝑙𝑛 √2 ∗ 𝜋 ∗ 𝜎 − ∗ ∑(𝑥 − 𝜇 )2
√2 ∗ 𝜋 ∗ 𝜎 2 ∗ 𝜎2
𝑖=1
𝑑
𝑙𝑛 𝜇 = 0
𝑑 (𝜇 )
𝑛 𝑛
1 1
=− ∗ ∑ −2 ∗ (𝑥 − 𝜇 ) = 0 = 2 (−𝑛𝜇 + ∑ 𝑥𝑖 ) = 0
2 ∗ 𝜎2 𝜎
𝑖=1 𝑖=1
16
𝑛 𝑛
= −𝑛𝜇 + ∑ 𝑥𝑖 = 0 → 𝑛𝜇 = ∑ 𝑥𝑖
𝑖=1 𝑖=1
∑𝑛𝑖=1 𝑥𝑖
𝜇= ̅
=𝒙
𝑛
̅
𝝁=𝒙
𝐸 (𝜇̂ ) = 𝜇
1 𝜎2 𝜇
𝑉(𝜇̂ )𝐶𝐶𝑅 ≥ 𝜕 ln(𝑋,𝜃) 2
𝑉(𝜇̂ ) = 𝑉(𝑥̅ ) = 𝜎𝑥2 = =𝑛
𝑛𝐸( ) 𝑛
𝜕𝜃
1 (𝑥−𝜇)2
−
𝑓(𝑥, 𝜎, 𝜇 ) = ∗ 𝑒 2∗𝜎2 𝑚𝑢𝑙𝑡𝑖𝑝𝑙𝑖𝑐𝑎𝑛𝑑𝑜 𝑝𝑜𝑟 𝑙𝑛
√2 ∗ 𝜋 ∗ 𝜎
(𝑥−𝜇)2
=-ln √2 ∗ 𝜋 ∗ 𝜎 − 2∗𝜎2
𝜕 ln 𝑓 (𝑥, 𝜇, 𝜎) 𝑥𝑖 − 𝜇
=
𝜕𝜇 𝜎2
𝑥𝑖 − 𝜇 2 𝑥𝑖 − 𝜇 2 1
𝐸( 2
) = 𝐸 (( 2
) ) = 2 ∗ 𝐸(𝑥𝑖 − 𝜇)
𝜎 𝜎 𝜇
1 𝜇
𝑉 (𝜇̂ )𝐶𝐶𝑅 = 1 =𝑛
𝑛∗
𝜇
𝝁 𝝁
𝑽(𝝁
̂ )𝑪𝑪𝑹 = = 𝑽( 𝝁
̂) =
𝒏 𝒏
Determinaremos primero el estimador de máxima verocimilitud de µ y 𝜎 2
De los datos obtenidos de referencia:

17

S (T.M.) (T.M.) ON (T.M.) (T.M.)
1 12.675 1.749 324 208
2 13.117 1.998 228 214
3 13.571 2.248 236 220
4 14.043 2.523 245 225
5 14.530 2.810 254 232
6 15.036 3.097 263 237
7 15.557 3.410 271 244
8 16.097 3.734 281 251
9 16.659 4.084 290 258
10 17.240 4.446 300 265
11 17.836 4.821 312 272
12 18.240 5.221 323 279
13 18.726 5.532 312 281
14 19.135 5.936 376 290
15 19.587 6.024 397 298
 242.049 57.633 4.412 3.774
̅
𝒙 16.136,60 3.842,20 294,13 251,60
Para viviendas
𝑛 = 15 ̅ = 16136,60
𝒙 𝒄𝒐𝒎𝒐 𝝁 = 𝒙
̅ 𝝁 = 𝟏𝟔𝟏𝟑𝟔, 𝟔𝟎
𝑛
1 𝑛−1
𝑆 2 = ∗ ∑(𝑥𝑖 − 𝒙
̅ )2 𝑐𝑜𝑚𝑜 𝑛 < 30 → 𝑆 2 = ∗ 𝜎̂ 2
𝑛 𝑛
𝑖=1
∑ 𝑥2 3978447305
𝑆2 = − 𝝁𝟐 = − 16136,602 = 4839960,773
𝑛 15
10
𝜎̂ 2 = ∗ 4839960,773 = 5377734,192 ̂ 𝟐 = 𝟓𝟑𝟕𝟕𝟕𝟑𝟒, 𝟏𝟗𝟐
𝝈
10 − 1
18
Para industrias
𝑛 = 15 ̅ = 3.842,20
𝒙 ̅
𝒄𝒐𝒎𝒐 𝝁 = 𝒙 𝝁 = 3.842,20
𝑛
2
1 𝑛−1
̅ )2
𝑆 = ∗ ∑(𝑥𝑖 − 𝒙 𝑐𝑜𝑚𝑜 𝑛 < 30 → 𝑆 2 = ∗ 𝜎̂ 2
𝑛 𝑛
𝑖=1
∑ 𝑥2 250602953
𝑆2 = − 𝝁𝟐 = − 3.842,20 2 = 1944362,623
𝑛 15
10
𝜎̂ 2 = ∗ 1944362,623 = 2160402,992 ̂ 𝟐 = 𝟐𝟏𝟔𝟎𝟒𝟎𝟐, 𝟗𝟗𝟐
𝝈
10 − 1
Para educación
𝑛 = 15 ̅ = 294,13
𝒙 ̅
𝒄𝒐𝒎𝒐 𝝁 = 𝒙 𝝁 = 294,13
𝑛
2
1 𝑛−1
̅ )2
𝑆 = ∗ ∑(𝑥𝑖 − 𝒙 𝑐𝑜𝑚𝑜 𝑛 < 30 → 𝑆 2 = ∗ 𝜎̂ 2
𝑛 𝑛
𝑖=1
∑ 𝑥2 1330870
𝑆2 = − 𝝁𝟐 = − 294,13 2 = 2212,21
𝑛 15
10
𝜎̂ 2 = ∗ 2212,21 = 2458,011 ̂ 𝟐 = 𝟐𝟒𝟓𝟖, 𝟎𝟏𝟏
𝝈
10 − 1
Para Salud
𝑛 = 15 ̅ = 251,60
𝒙 ̅
𝒄𝒐𝒎𝒐 𝝁 = 𝒙 𝝁 = 𝟐𝟓𝟏, 𝟔𝟎
𝑛
2
1 𝑛−1
̅ )2
𝑆 = ∗ ∑(𝑥𝑖 − 𝒙 𝑐𝑜𝑚𝑜 𝑛 < 30 → 𝑆 2 = ∗ 𝜎̂ 2
𝑛 𝑛
𝑖=1
19
∑ 𝑥2 961094
𝑆2 = − 𝝁𝟐 = − 251,60 2 = 770,373
𝑛 15
10
𝜎̂ 2 = ∗ 770,373 = 855,970 ̂ 𝟐 = 𝟖𝟓𝟓, 𝟗𝟕𝟎
𝝈
10 − 1
17 ESTIMACIÓN POR INTERVALOS DE PARÁMETROS
PARA CADA MUESTRA
Para un 𝜶 = 𝟎. 𝟎𝟓 𝒕𝟏𝟓−𝟏 𝟎,𝟎𝟓⁄ = 𝒕𝟏𝟒 𝟎,𝟎𝟐𝟓 = 𝟐, 𝟏𝟒𝟓

𝟐
Como n<30 y 𝜎 2 desconosido
̅ − 𝒕𝒏−𝟏 𝜶⁄ ∗ 𝝈𝒙 ≤ 𝝁 ≤ 𝒙
𝒑 (𝒙 ̅ + 𝒕𝒏−𝟏 𝜶⁄ ∗ 𝝈𝒙 ) = 𝟏 − 𝜶
𝟐 𝟐
Con:
̂
𝝈
𝝈𝒙 =
√𝒏
Calculo para viviendas
5377734,192
𝜎𝑥 = = 1388524,998
√15
Calculo para industrias
2160402,992
𝜎𝑥 = = 557813,654
√15
Calculo para educación
2458,011
𝜎𝑥 = = 634,656
√15
20
Calculo para salud
855,970
𝜎𝑥 = = 221,010
√15
Media
𝝈𝒙 =
̂𝒊
𝝈 ̅ − 𝒕𝒏−𝟏 𝜶⁄ ∗ 𝝈𝒙
𝒙 ̅ + 𝒕𝒏−𝟏 𝜶⁄ ∗ 𝝈𝒙
𝒙
̅𝒊
𝒙 𝟐 𝟐
√ 𝒏𝒊
VIVIENDA 16136,60 1388524,998 -2962249,521 2994522,721
INDUSTRIAS 3842,20 557813,654 -1192668,087 1200352,488
EDUCACION 294,13 634,656 -1067,207 1655,467
SALUD 251,60 221,010 -222,466 725,666
Ic para viviendas
𝐼𝑐 : 𝑝(−2962249,521 ≤ 𝜇 ≤ 2994522,721) = 0,95
A un nivel de confianza del 95%, podemos concluir que la exigencia de escayola en
el sector de construcción de viviendas es aceptable ya que 16136,60 pertenece al
intervalo de confianza.
Ic para industrias
𝐼𝑐 : 𝑝(−1192668,087 ≤ 𝜇 ≤ 1200352,488) = 0,95
el sector de la construcción industrial es aceptable ya que 3842,20 pertenece al intervalo
de confianza.
Ic para educación
𝐼𝑐 : 𝑝(−1067,207 ≤ 𝜇 ≤ 1655,467) = 0,95

21
el sector de construcciones de centros educativos es aceptable ya que 294,13 pertenece
al intervalo de confianza.
Ic para salud
𝐼𝑐 : 𝑝(−222,466 ≤ 𝜇 ≤ 725,666) = 0,95
𝒙
̅ = 251,60 ∈ 𝐼𝑐
el sector construcción salud es aceptable ya que 251,60 pertenece al intervalo de
confianza.
18 DÓCIMA DE HIPÓTESIS
En esta sección pondremos a comparación la demanda aparente de yeso de construcción en
toneladas métricas por año, que requieren los potenciales compradores de escaloya (sector
viviendas, sector industrias, sector educación y salud).
Para lo cual tomaremos un grupo de par:
Toneladas métricas /año (sector Viviendas y sector Industrias)
Media ̂𝒊2
𝝈
̅𝒊
𝒙
VIVIENDA 16136,60 5377734,192
INDUSTRIAS 3842,20 2160402,992

22
i) Planteamiento de la hipótesis
𝑯𝒐 : 𝜇𝑣 − 𝜇𝐼 = 0 𝜇𝑣 = 𝜇 𝐼
𝑯𝒂: 𝜇𝑣 − 𝜇𝐼 > 0 𝜇𝑣 > 𝜇𝐼
ii) Identificación del estadístico de prueba
̂ 𝒊 2 𝑠𝑜𝑛 𝑐𝑎𝑙𝑐𝑢𝑙𝑎𝑑𝑎𝑠 𝑦 𝑛𝑜 𝑝𝑟𝑜𝑝𝑜𝑟𝑐𝑖𝑜𝑛𝑎𝑑𝑎𝑠

Como 𝑛 1 < 30 , 𝑛2 < 30 𝑦 𝑙𝑎𝑠 𝝈
Debemos comprobar la homocedasticidad de las variancias
iii) Planteamiento de la hipótesis
𝑯𝒐 : 𝝈𝒗 2 = 𝝈𝒊 2 (homocedasticidad)
𝑯𝒂: 𝝈𝒗 2 ≠ 𝝈𝒊 2
iv) Identificación del estadístico de prueba
̂ 𝒗 2⁄
𝝈
𝝈𝒗 2
̂ 𝒗2
𝝈 5377734,192
𝐹𝑐 = 2 = 𝐹𝑐 = 2 = 𝐹𝑐 = = 2, 489
̂𝑰 ⁄
𝝈 ̂𝑰
𝝈 2160402,992
𝝈𝒊 2
v) Contrastación de la hipótesis
𝐹 14,14 0,05/2 = 𝐹 14,14 0,025 = 2,9785
Gráfica de distribución
F. df1=14. df2=14
0,9
0,8
0,7
0,6
2, 489
Densidad
0,5
0,4
0,3
0,2
0,1
0,025
0,0
0 2,979
X
23
Como Fc < 𝐹 14,14 0,025
Por lo tanto se acepta la hipótesis Ho
a. Identificación del estadístico de prueba diferencia de medias
(̅̅̅
𝑥𝑣 − 𝑥̅𝐼 ) − (𝜇𝑣 − 𝜇𝐼 ) ̂ 𝒗 2 + (𝑛𝐼 − 1) ∗ 𝝈
(𝑛𝑣 − 1) ∗ 𝝈 ̂𝑰2 1 1
𝑡𝑐 = σ(𝑥̅̅̅̅−𝑥
𝑣 ̅̅̅)
=√ ∗√ +
σ(𝑥̅̅̅̅−𝑥
𝑣 ̅̅̅)
𝐼
𝐼
𝑛𝑣 + 𝑛𝐼 − 2 𝑛𝑣 𝑛𝐼
14 ∗ 5377734,192 + 14 ∗ 2160402,992 1 1
σ(𝑥̅̅̅̅−𝑥
𝑣 ̅̅̅)
=√ ∗√ + = 780,902
𝐼
15 + 15 − 2 15 15
(̅̅̅
𝑥𝑣 − 𝑥̅𝐼 ) − (0) 16136,60 − 3842,20
𝑡𝑐 = = = 15,744
σ(𝑥̅̅̅̅−𝑥
𝑣 ̅̅̅)
𝐼
780,902
b. Contrastación de la hipótesis
𝒕𝒏−𝟏 𝜶⁄ = 𝒕𝟏𝟒 𝟎,𝟎𝟐𝟓 = 𝟐, 𝟏𝟒𝟓

𝟐
T. df=14
0,4
0,3
Densidad
0,2
15,744
0,1
0,025
0,0
0 2,145
X
Por lo tanto se rechaza la hipótesis Ho pero se acepta 𝜇𝑣 > 𝜇𝐼

24
iv) Conclusiones
A un nivel de confianza del 95%, podemos concluir que la demanda aparente de yeso de
construcción en el sector vivienda es más que la del sector industrial. También son
homocedasticos.
AHORA REALIZAREMOS UN ANÁLISIS DE FACTIBILIDAD DE CADA UNO DE LOS
SECTORES
Para el sector viviendas:
Para el sector de construcción vivienda se considera factible cuando se requiere una media
de 20000 TM al año para ello tomamos la hipótesis:
𝑯𝒐 : 𝜇𝑣 ≥ 15000
𝑯𝒂: 𝜇𝑣 < 15000

(̅̅̅
𝑥𝑣 ) − (𝜇𝑣 ) ̂𝒊
𝝈
𝑡𝑐 = σ(𝑥) =
σ𝑋 √𝑛
16136,60 − 15000
𝑡𝑐 = = 1,898
5377734,192
√
15
iii) Contrastación de la hipótesis
𝒕𝒏−𝟏 𝜶⁄ = 𝒕𝟏𝟒 𝟎,𝟎𝟐𝟓 = 𝟐, 𝟏𝟒𝟓

𝟐
25
T. df=14
0,4
0,3
Densidad
0,2
0,1
0,025
0,0
0 2,145
X
Se acepta la hipótesis Ho
iv) Conclusión
A un nivel de confianza del 95%, podemos concluir que el sector de construcción
de viviendas se acepta la Ho, por lo tanto el sector viviendas es factible.
Para el sector industrial:
Para el sector de construcción industrial se considera factible cuando se requiere una media
de 5000 TM al año para ello tomamos la hipótesis:
𝑯𝒐 : 𝜇𝑣 ≥ 5000
𝑯𝒂: 𝜇𝑣 < 5000

(̅̅̅
𝑥𝑣 ) − (𝜇𝑣 ) ̂𝒊
𝝈
𝑡𝑐 = σ(𝑥) =
σ𝑋 √𝑛
26
3842,20 − 5000
𝑡𝑐 = = −3,051
2160402,992
√
15
𝒕𝒏−𝟏 𝟏−𝜶⁄ = 𝒕𝟏𝟒 𝟏−𝟎,𝟎𝟐𝟓 = −𝟐, 𝟏𝟒𝟓

𝟐
T. df=14
0,4
0,3
Densidad
0,2
0,1
0,025
0,0
0 2,145
X
Se rechaza la hipótesis Ho
iv) Conclusión
de industrias no es factible y que se proporciona una cantidad menor ala requerida.
Para el sector educación:
Para el sector de construcción centros educativos se considera factible cuando se requiere
una media de 300 TM al año para ello tomamos la hipótesis:
𝑯𝒐 : 𝜇𝑣 ≥ 300
𝑯𝒂: 𝜇𝑣 < 300

27
(̅̅̅
𝑥𝑣 ) − (𝜇𝑣 ) ̂𝒊
𝝈
𝑡𝑐 = σ(𝑥) =
σ𝑋 √𝑛
294,13 − 300
𝑡𝑐 = = −0.9024
634,656
√
15
𝒕𝒏−𝟏 𝟏−𝜶⁄ = 𝒕𝟏𝟒 𝟏−𝟎,𝟎𝟐𝟓 = −𝟐, 𝟏𝟒𝟓

𝟐
T. df=14
0,4
0,3
Densidad
0,2
0,1
0,025
0,0
-2,145 0
X
Se acepta la hipótesis Ho −0.9024
iv) Conclusión
de centros educativos es factible.
Para el sector salud: Para el sector de construcción salud se considera factible cuando se
requiere una media de 300 TM al año para ello tomamos la hipótesis:

28
𝑯𝒐 : 𝜇𝑣 ≥ 500
𝑯𝒂: 𝜇𝑣 < 500

(̅̅̅
𝑥𝑣 ) − (𝜇𝑣 ) ̂𝒊
𝝈
𝑡𝑐 = σ(𝑥) =
σ𝑋 √𝑛
251,60 − 500
𝑡𝑐 = = −2,046
221,010
√
15
𝒕𝒏−𝟏 𝟏−𝜶⁄ = 𝒕𝟏𝟒 𝟏−𝟎,𝟎𝟐𝟓 = −𝟐, 𝟏𝟒𝟓

𝟐
T. df=14
0,4
0,3
Densidad
0,2
0,1
0,025
0,0
-2,145 0
X
− 2,046 Se acepta la hipótesis Ho
iv) Conclusión
de los centros de salud es factible.

29
19 ANÁLISIS DE LA VARIANZA
S (T.M.) (T.M.) ON (T.M.) (T.M.)
1 12.675 1.749 324 208
2 13.117 1.998 228 214
3 13.571 2.248 236 220
4 14.043 2.523 245 225
5 14.530 2.810 254 232
6 15.036 3.097 263 237
7 15.557 3.410 271 244
8 16.097 3.734 281 251
9 16.659 4.084 290 258
10 17.240 4.446 300 265
11 17.836 4.821 312 272
12 18.240 5.221 323 279
13 18.726 5.532 312 281
14 19.135 5.936 376 290
15 19.587 6.024 397 298
Con la ayuda de Minitab:

VIVIENDAS INDUSTRIAS EDUCACION SALUD
# (T.M.) (T.M.) (T.M.) (T.M.)
1 12675 1749 324 208
2 13117 1998 228 214
3 13571 2248 236 220
4 14043 2523 245 225
5 14530 2810 254 232
6 15036 3097 263 237
7 15557 3410 271 244
8 16097 3734 281 251
9 16659 4084 290 258
10 17240 4446 300 265
11 17836 4821 312 272
12 18240 5221 323 279
13 18726 5532 312 281
14 19135 5936 376 290
15 19587 6024 397 298
i=X 242049 57633 4412 3774
(Ti)2/ni 3905847893,40 221437512,60 1297716,27 949538,40
30
Ho: 𝝁𝑽 = 𝝁𝑰 = 𝝁𝑬 = 𝝁𝑺
Ha: 𝝁𝑽 ≠ 𝝁𝑰 ≠ 𝝁𝑬 ≠ 𝝁𝑺
ii) Anova simple N=15+15+15= 45
i=X 242049 57633 4412 3774 T= i=307868

(Ti)2/ni 3905847893,40 221437512,60 1297716,27 949538,40  (Ti) /ni= 4129532660,67
2
𝑻𝟐 𝟑𝟎𝟕𝟖𝟔𝟖𝟐
= = 𝟐𝟏𝟎𝟔𝟐𝟖𝟐𝟑𝟒𝟐, 𝟕𝟔
𝑵 𝟒𝟓
𝑻𝒊 𝟐 𝑻𝟐
𝑺𝑪𝑨 = ∑ −
𝑵𝒊 𝑵
𝑺𝑪𝑨 = 𝟒𝟏𝟐𝟗𝟓𝟑𝟐𝟔𝟔𝟎, 𝟔𝟕 − 𝟐𝟏𝟎𝟔𝟐𝟖𝟐𝟑𝟒𝟐, 𝟕𝟔 = 𝑺𝑪𝑨 = 𝟐𝟎𝟐𝟑𝟐𝟓𝟎𝟑𝟏𝟕, 𝟗𝟏

𝒏 𝒏
𝟐
𝑻𝟐
𝑺𝑪𝑻 = ∑ ∑ 𝒙𝒊𝒋 −
𝑵
𝒊=𝟏 𝒋=𝟏
Con la ayuda de MINITAB calculamos ∑𝒏 𝒏 𝟐
𝒊=𝟏 ∑𝒋=𝟏 𝒙𝒊𝒋 = 4231342222
𝑺𝑪𝑻 = 𝟒𝟐𝟑𝟏𝟑𝟒𝟐𝟐𝟐𝟐 − 𝟐𝟏𝟎𝟔𝟐𝟖𝟐𝟑𝟒𝟐, 𝟕𝟔 = 𝑺𝑪𝑻 = 𝟐𝟏𝟐𝟓𝟎𝟓𝟗𝟖𝟕𝟗, 𝟐𝟒

𝑺𝑪𝑬 = 𝑺𝑪𝑻 − 𝑺𝑪𝑨
𝑺𝑪𝑬 = 𝟐𝟏𝟐𝟓𝟎𝟓𝟗𝟖𝟕𝟗, 𝟐𝟒 − 𝟐𝟎𝟐𝟑𝟐𝟓𝟎𝟑𝟏𝟕, 𝟗𝟏 = 𝑺𝑪𝑬 = 𝟏𝟎𝟏𝟖𝟎𝟗𝟓𝟔𝟏, 𝟑𝟑
ANÁLISIS DE VARIANZA
Fuente Grados De Suma De Cuadrados Fc
Libertad Cuadrados Medios
Entre grupos 3 2023250317,91 674416772,6 3,4910002

Dentro de los grupos 11 2125059879,24 193187261,7
Total 15 101809561,33
Fc=3,491
31
𝑭𝟒−𝟏,𝟏𝟓−𝟒
𝟎,𝟎𝟓 = 𝑭𝟑,𝟏𝟏
𝟎,𝟎𝟓 = 𝟑, 𝟓𝟖𝟕 se acepta la hipótesis Ho
F. df1=3. df2=11
0,7
0,6
0,5
F c =3,491
Densidad
0,4
0,3
0,2
0,1
0,05
0,0
0 3,587
X
iv) Conclusión
A un nivel de confianza del 95%, podemos concluir que no existe una diferencia en la
demanda aparente de los diferentes sectores de construcción (viviendas, industriales, salud y
educación).
20 PRUEBAS DE LA BONDAD DE AJUSTE
Se realizará una prueba de Bondad de ajuste para ver la relación existente entre la cantidad
la cantidad de viviendas, industrias, educación, y salud. Se considerará un nivel de significancia
del 5%.
MUESTR AÑO VIVIENDA INDUSTRIA EDUCACIO SALUD DEMANDAS TOTAL

A S S N ADICIONALE T.M
S
1 19979 12.675 1.749 324 208 8.188 23.144
32
2 19980 13.117 1.998 228 214 8.188 23.795

3 19981 13.571 2.248 236 220 8.188 24.463
4 19982 14.043 2.523 245 225 8.188 25.224
5 19983 14.530 2.810 254 232 8.188 26.014
6 19984 15.036 3.097 263 237 8.188 26.821
7 19985 15.557 3.410 271 244 8.188 27.670
8 19986 16.097 3.734 281 251 8.188 28.551
9 19987 16.659 4.084 290 258 8..188 29.479
10 19988 17.240 4.446 300 265 8.188 30.339
11 19989 17.836 4.821 312 272 8.188 31.436
12 19990 18.240 5.221 323 279 8.188 32.469
13 19991 18.726 5.532 312 281 8.188 30.128
14 19992 19.135 5.936 376 290 8.188 31.987
15 19993 19.587 6.024 397 298 8.188 29.654
a) Planteamiento de la Hipótesis.
H0: La relación entre Nº de viviendas, industrias, educación y salud sigue una

distribución uniforme.
Ha: La relación entre Nº de viviendas, industrias, educación y salud sigue una

distribución uniforme.
Nº fo fe (fo - fe)2 (fo - fe)2/ fe

1 7,24699 30 517,699 17,2565
2 6,565 30 549,199 18,3066
3 6,0369 30 574,23 19,141
4 5,5659 30 597,025 19,9008
5 5,1708 30 616,489 20,5496
6 4,855 30 632,271 21,0757
7 4,5621 30 647,087 21,5695
8 4,3109 30 659,93 21,9976
9 4,079 30 671,898 22,3966
10 3,8776 30 682,38 22,7459
11 3,6996 30 691,711 23,057
12 3,4935 30 702,595 23,4198
33
13 3,385 30 708,358 23,6119

14 3,2235 30 716,981 23,8993
15 3,2514 30 715,488 23,8495
Total 322,777
Calculo del Estadístico. La frecuencia observada fo es obtenida de la relación entre Nº de
viviendas respecto al número de Educación.
8
(𝑓𝑜𝑖 − 𝑓𝑒𝑖 )2
𝒳𝑐2 =∑ = 322,773
𝑓𝑒𝑖
𝑖=1
c) Contrastación
2 2 2
𝒳𝑘−𝑚−1;𝛼 = 𝒳8−0−1;0,05 = 𝒳7;0,05 = 14,07
Chi-cuadrada. df=7
0,12
0,10
322,773
0,08
Densidad
0,06
0,04
0,02
0,05
0,00
0 14,07
X
Región de Rechazo:
2
𝒳𝑐2 > 𝒳7;0,05 → 12,5826 ≯ 14,07
Se rechaza Ha
d) Conclusión.
A un nivel de significancia del 5% se concluye que la relación entre el número de viviendas,
industrias, educación y salud sigue la distribución.

34
21 OTRAS PRUEBAS NO PARAMÉTRICAS
Tablas de Contingencia. Sea un nivel de significancia del 5%:
a) Planteamiento de Hipótesis:
Ho: No Existe una relación entre las variables Viviendas, Industrias, Educación y Salud
respecto de las poblaciones.
Ha: Si existe una relación entre las variables Viviendas, Industrias, Educación y Salud,
respecto de las poblaciones.
b) Calculo del Estadístico:
MUESTRA VIVIENDAS INDUSTRIAS EDUCACION SALUD Ti

1 12.675 1.749 324 208 546.424
2 13.117 1.998 228 214 457.115
3 13.571 2.248 236 220 471.819
4 14.043 2.523 245 225 486.566
5 14.530 2.810 254 232 503.34
6 15.036 3.097 263 237 518.133
7 15.557 3.410 271 244 533.967
8 16.097 3.734 281 251 551.831
9 16.659 4.084 290 258 568.743
10 17.240 4.446 300 265 586.686
11 17.836 4.821 312 272 606.657
12 18.240 5.221 323 279 625.461
13 18.726 5.532 312 281 617.258
14 19.135 5.936 376 290 691.071
15 19.587 6.024 397 298 774.827
Tj 242.049 57.633 4412 3774 T=8.036.558
Fórmula:
2
(𝑓𝑜𝑖𝑗 −𝑓𝑒𝑖𝑗 )
𝜇𝑖𝑗 = 𝑓𝑒𝑖𝑗
35
MUESTRA VIVIENDAS INDUSTRIAS EDUCACION SALUD

1 0.12675 1.51749 12.5324 21.208
2 1.13117 2.51998 11.228 23.214
3 4.13571 0.02248 21.236 32.220
4 1.14043 4.92523 14.245 45.225
5 0.814530 5.62810 15.254 32.232
6 5.015036 0.03097 13.263 12.237
7 7.815557 5.73410 24.271 20.244
8 2.016097 2.43734 24.281 25.251
9 1.616659 5.74084 23.290 26.258
10 2.817240 1.84446 14.300 30.265
11 0.717836 2.04821 23.312 31.272
12 8.018240 5.85221 34.323 32.279
13 2.318726 9.05532 35.312 40.281
14 1.019135 6.85936 37.376 45.290
15 0.419587 9.36024 40.397 50.298
𝑟 3 2
(𝑓𝑜𝑖𝑗 − 𝑓𝑒𝑖𝑗 )
𝜇𝑐 = 𝒳𝑐2 = ∑∑ = 114,0686
𝑓𝑒𝑖𝑗
𝑖=1 𝑗=1
c) Contrastación:
2 2 2
𝒳(𝑟−1)(𝑠−1);𝛼 = 𝒳(8−1)(3−1);0,05 = 𝒳14;0,05 = 23,68
Chi-cuadrada. df=15
0,08
0,07
23,68
0,06
0,05
Densidad
0,04
0,03
0,02
0,01
0,05
0,00
0 25,00
X
36
Región de Rechazo:
2
𝒳𝑐2 > 𝒳7;0,05 →
Se acepta Ha
d) Conclusión.
A un nivel de significancia del 5% se concluye que si existe una relación entre las variables
Familias, Población y Unidades Escolares, respecto de las poblaciones.
22 PRESENTACIÓN Y APLICACIÓN EN UN PROCESO DE CONTROL

O PREDICCION
23 CONCLUSIONES
24 RECOMENDACIONES
25 BIBLIOGRAFÍA

Proyecto Inferencial Final PDF

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Proyecto Inferencial Final PDF

Cargado por

Copyright:

Formatos disponibles

UNIVERSIDAD MAYOR DE SAN ANDRÉS

INTEGRANTES: SALCEDO CHUQUIMIA EDELMIRA

DOCENTE: ING. MARCELINO ALIAGA LIMACHI

ESTUDIO DE FACTIBILIDAD PARA LA FABRICACIÓN

El presente documento con el título Estudio de factibilidad para la fabricación

industrial de la escayola el cual está fundamentada en la aplicación del contenido temático de

la materia Estadística Inferencial orientado al campo de la Ingeniería Industrial.

prefactivilidad para la industrialización de los recursos naturales de Bolivia- Fabricación de la

Escayola” que están basadas en la justificaciones económicas, cifras de costos de producción y

además de demandas del sector constructor.

El estudio de factibilidad para la fabricación de la escayola estaba basada en análisis y

componente de la escayola) para la construcción de viviendas, industrias, educación y sector

entre ellas podemos decir:

El mercado que justifica la implementación el proyecto, es sectorial y particularmente está

constituido por el sector construcciones.

Los resultados económicos suponen la vigencia permanente de la estructura legal que le da

proyecto “Estudio de prefactivilidad para la industrialización de los recursos naturales de

Bolivia- Fabricación de la Escayola” esta a su vez proporcionada por la compañía Henschel

Export GMBH de Alemania y adaptada al estudio de acuerdo a los requerimientos del

proyecto anteriormente Citada , cuyas cifras de costos de producción se apoyan en la

en los almacenes de la ciudad de Cochabamba. La construcción de locales escolares está

encomendada al concejo nacional de edificaciones escolares, para proyectar las futuras

construcciones locales escolares en Bolivia está en un momento de auge en construcción

gracias a los programas del gobierno Boliviano.

3 OBJETIVO GENERAL DEL ESTUDIO

Analizar la factibilidad de la fabricación industrial de la escayola para el sector de

la construcción mediante la inferencia estadística.

4 OBJETIVOS ESPECÍFICOS DEL ESTUDIO

proyecto tenga una acertada toma de decisiones.

5 MEMORIA RESUMEN DEL PROCESO PRODUCTIVO

piedra blanda ligeramente parecida al talco.

proyectar, yeso o escayola de acabado, etc. La composición química de la escayola es

mayoritariamente sulfato de calcio—agua (2/1): 2CaSO4·H2O junto con restos de aljez y

La preparación de los productos comerciales de yeso se basa en la implementación de una

formulación y manufactura. En la figura 3.3 se presenta un diagrama simplificado del proceso

típico de fabricación del yeso.

Extracción de la materia prima

Vía seca Vía húmeda

Cocción a presión Marmita fija o

Yeso β- hemihidratado y/o

En primer lugar se analiza la fabricación contra stock. Al comienzo de cada turno el

responsable de fábrica, en base al stock de productos terminados, determina las unidades a

programando los cambios de moldes correspondientes. Esta información es comunicada a las

se cierra la orden de fabricación y se da entrada al almacén a los productos terminados,

6 IDENTIFICACIÓN DE LA POBLACIÓN OBJETIVO

La población objetivo es la producción del presente estudio, es el de analizar la factibilidad

naturales del país de Bolivia.

MUESTRA AÑO VIVIENDAS INDUSTRIAS EDUCACION SALUD TOTAL

La “Planta de Escayola.”, tiene un índice de productividad de 1536 cajas de producto

de tiempo de producción equivalente (horas de un empleado).

7 IDENTIFICACIÓN DE LA UNIDAD DE MUESTREO

Para el estudio de este proyecto se analiza las siguientes variables:

producto mediante algún instrumento de medida, para el control estadístico de procesos en la

fábrica “Planta de Escayola.”, se usaran los dos.

8 IDENTIFICACIÓN DEL MARCO MUESTRAL

producto mediante algún instrumento de medida, para el control estadístico de procesos en la

fábrica “Planta de Escayola.”, se usaran los dos.

9 DETERMINACIÓN DEL TAMAÑO DE LA MUESTRA

El tamaño de la muestra se determinara por:

Remplazamos en la ecuación principal:

Determinamos el tamaño de la muestra para las viviendas, en donde:

𝑧𝛼2⁄ 𝜎 2 𝑁 1.962 ∗ 2.1992 ∗ 15

Determina el tamaño de muestra para las Industrias, donde: