Bondad de ajuste, último entregable

*Alejandro Osorio Perez

* Ingeniería Mecánica, Código: 200066925

Profesor: Luis A. Anillo Arrieta

Trabajo final de Análisis de Datos

Fecha (16-11-2019)

Barranquilla-Colombia
 Resumen

En el presente informe se muestran las medidas de apuntamiento, simetría, variabilidad

(varianza), las medidas de tendencia central y la prueba de bondad de ajuste de Kolmogórov-
Smirnov, a partir de datos medidos mediante un pie de rey, los cuales permitirán establecer
la confiabilidad de las arandelas con respecto a su tamaño esperado y su tamaño real, además
se hizo un análisis de los datos en RStudio donde permitió verificar las afirmaciones
expuestas en la prueba de hipótesis y dar veracidad en los datos y en los análisis.
Palabras Claves: Simetría, apuntamiento, varianza, variabilidad, bondad de ajuste,
kolmogorov-Smirnov, medidas de tendencia central.

Abstract

This report shows the measures of pointing, symmetry, variability, measures of central
tendency and the Kolmogorov-Smirnov test of goodness-of-fit, from data measured by a
caliper foot, which will establish the reliability of the washers with respect to their expected
size vs. the actual size, also made an analysis of the data in RStudio where it was possible to
verify the statements made in the hypothesis test and give veracity in the data and analysis.

Variable escogida

Diámetro de arandelas.

Introducción
La medición hace parte fundamental del desarrollo laboral de ingenieros, investigadores y
científicos. Encontrar medidas perfectas sería lo ideal, sin embargo, debido a perturbaciones
presentes en el ambiente de la medición (calibración de instrumentos, influencia del
observador, efectos ambientales etc.), toda medida está acompañada de cierto grado de
incertidumbre llamado error.

Los errores asociados con cálculos y medidas se caracterizan de acuerdo a su exactitud y a

su precisión. La exactitud se refiere a la cercanía entre la magnitud medida y la magnitud real
a ser medida, mientras que la precisión se refiere a la desviación de la medida de su valor
central. Así para cierto grupo de
medidas realizadas (datos), la exactitud puede ser descrita como la diferencia que hay entre
la media real de la magnitud y la media de los datos, mientras que la precisión es establecida
como la desviación estándar de los datos. |

Figura 1. Ilustración de los conceptos de exactitud y precisión. (a) Medida exacta y precisa, (b)
medida inexacta pero precisa, (c) medida exacta pero imprecisa, (d) medida inexacta e imprecisa.

Al realizar una medida con un instrumento de manera directa deberemos repetir varias veces
las observaciones con el fin de minimizar la incertidumbre.

Se escoge el diámetro de las arandelas debido a que estas mismas traen defectos de
fabricación y errores de tolerancia, y gracias a análisis estadísticos se podrá realizar un
análisis más profundo el cual podrá determinar la calidad del producto teniendo en cuenta los
errores dimensionales antes descritos.
Resultado (Excel)
Datos Diámetro Arandelas
1 36,03
2 36,09
3 36,18
4 36,33
5 36,33
6 36,48
7 36,54
8 36,57
9 36,58
10 36,60
11 36,60
12 36,61
13 36,61
14 36,62
15 36,65
16 36,67
17 36,67
18 36,70
19 36,71
20 36,71
21 36,72
22 36,72
23 36,75
24 36,76
25 36,79
26 36,80
27 36,81
28 36,83
29 36,84
30 36,88
31 36,91
32 36,92
33 36,94
34 36,99
35 37,00
36 37,00
37 37,06
38 37,06
39 37,06
 40 37,12
41 37,16
42 37,21
43 37,23
44 37,36
45 37,45
46 37,45
47 37,60
48 37,62
49 37,70
50 37,78

Número de intervalos por medio de la ley sturges

LEY DE STURGES Número de Intervalos Precisión

6,61 7,000 0.01

A continuación se presentarán todos los datos calculados de las arandelas :

Rango Amplitud
1,75 0,25

Coeficiente de Coeficiente de Desviación

Media Mediana Varianza Asimetría Apuntamiento Estándar
36,86 36,79 0,15 0,40 0,23 0,39

Tabla de frecuencia acumlada

Límite Límite Frontera Frontera Marca de Frecuencia

Clase
Inferior superior inferior superior clase Absoluta

1 36,03 36,28 36,02 36,28 36,15 3

2 36,28 36,53 36,27 36,53 36,40 3
3 36,53 36,78 36,52 36,79 36,65 18
4 36,78 37,03 36,78 37,04 36,91 12
5 37,03 37,28 37,03 37,29 37,16 7
6 37,28 37,53 37,28 37,54 37,41 3
7 37,53 37,78 37,53 37,79 37,66 4
 Frecuencia
Frecuencia Frecuencia Frecuencia Relativa Estadísticos de
Relativa %
Acumulada Relativa Esperada Acumulada Smirnov-Kolmogorov
Acumulada
3 0,06 0,06 6 0,07072179992 0,01072179992
6 0,06 0,12 12 0,2027936625 0,08279366246
24 0,36 0,48 48 0,4235062543 0,05649374571
36 0,24 0,72 72 0,6721366321 0,04786336788
43 0,14 0,86 86 0,8609446183 0,0009446183137
46 0,06 0,92 92 0,957585161 0,03758516105
50 0,08 1 100 0,9909135881 0,009086411883
Con respecto al grado de asimetría de esta distribución con respecto a la media. comparándola
con el histograma se puede decir que hay menos medidas debajo de la media, lo cual se dice
que está sesgado a la izquierda.Con respecto al coeficiente e apuntamiento describe una
distribución achatada,es decir platicúrtica.En cuanto a la mediana se puede decir que no es
una medida de tendencia central fuerte, lo cual no es muy significativo para analizar el
comportamiento del diámetro de las arandelas. Con respecto a la varianza se estima que las
arandelas no están tan alejadas de la media por lo cual son tolerables esas imperfecciones
producidas tanto en la fabricación como en el deterioro de estas por el pasar de los años, es
decir que los datos medidos son menos variables porque se encuentra más cercanos al valor
promedio.
En el tercer entregable se valoraron 3 tipos de supuestos con respecto a la distribución de los
datos basado en el histograma y el polígono de frecuencia

DISTRIBUCIÓN DE AJUSTE

1. Distribución Normal: el polígono de frecuencia con una muestra de n=50 muestra

una tendencia a comportarse como una distribución normal con la diferencia del sesgo
a la izquierda:
 2. Distribución weibull: La inclinación de tener una gran cantidad de datos en una parte
de muy sesgada es una de las características de la distribución de Weibull con un
k=0,14,se adjunta gráfico:

3. Distribución Beta: La inclinación a la izquierda del gráfico hace que aparezca que
el mejor ajuste para los datos observando el polígono de frecuencia se puede decir que tiene
cierta afinidad con la distribución β=2, por lo cual se puede suponer que esta es la mejor
distribución que podría tener los datos.
Con los supuestos anteriores y teniendo en cuenta que es difícil estimar una distribución
conveniente debido al tamaño de la muestra la cual es considerablemente pequeña (n=50) se
pudo establecer relaciones aparentes con algunas distribuciones expuestas en anteriormente.
Sin embargo para establecer realmente si se ajusta algunas de estas distribuciones escogidas
es necesario implementar una prueba de bondad de ajuste que nos permita garantizar que
estos datos si siguen las distribuciones planteadas y escoger la que presente un menor error.

PRUEBA DE BONDAD DE AJUSTE (Smirnov-Kolmogorov)

Distribución Normal
Se ajustó el polígono de frecuencia a una distribución normal, para eso se hizo la siguiente
tabla:

Frecuencia Relativa Esperada Acumulada Estadísticos de Smirnov-Kolmogorov

0,07072179992 0,01072179992
0,2027936625 0,08279366246
0,4235062543 0,05649374571
0,6721366321 0,04786336788
0,8609446183 0,0009446183137
0,957585161 0,03758516105
0,9909135881 0,009086411883

Dada la naturaleza de la distribución, se supone que los datos siguen una distribución normal,
siendo:
H_0: Los datos se ajustan a una distribución normal
H_1: Los datos no se ajustan a una distribución normal

Basado en la hipotesis y en la frecuencia esperada relativa la cual representa lo que se espera

obtener de estos datos y nos permitirá obtener el valor del estadístico Smirnov-kolmogorov;
que se obtiene de la resta de la frecuencia acumulada menos la frecuencia acumulada
esperada de esta resta, después se saca el mayor de todos los números del estudio y de esta
manera se sacar el valor del estadístico kolmogorov-Smirnov. Cuando se ha hallado este
estadístico, se debe comparar con el estadístico teórico de la tabla kolmogorov-Smirnov el
cual se determina dependiendo del tamaño de la muestra, que en este caso es n=50. Si el valor
estadístico obtenido por tablas kolgmogor-smirvo es mayor que el estadístico obtenido por
la ecuación entonces se acepta la hipótesis.

Haciendo los cálculos necesario llegamos a la conclusión que no hay evidencia estadística
para rechazar la hipótesis nula (H_0)
 Estadístico de Smirnov-Kolmogorov 0,0828

Nivel de significancia 0,05

Grado de Libertad 50

Estadístico Teórico Obtenido por Tablas 0,1923

La Hipotesis Se acepta

RStudio

Para una mejor fiabilidad en los resultados hice un análisis con los datos obtenidos mediante
la medición del pie de rey en RStudio lo cual me no me rechazo 7 distribuciones las cuales
fueron,normal,cauchy,logistic,uniform,gamma,logarítmica y weibull,los resultados se
presentan en la siguiente anexos:

Tabla de distribución
 Fuente: Estudio y elaboración propia

………………………..

Distribución Normal

Fuente: Estudio y elaboración propia

…………………………….

Distribución Cauchy

Fuente: Estudio y elaboración propia

…………………………….

Distribución Logística

Fuente: Estudio y elaboración propia

…………………………….

Distribución Uniforme
 Fuente: Estudio y elaboración propia

…………………………….

Distribución Gamma

Fuente: Estudio y elaboración propia

…………………………….

Distribución Lognormal

Fuente: Estudio y elaboración propia

…………………………….

Distribución Weibull

Fuente: Estudio y elaboración propia

Conclusión

Se concluye que es importante la realización de este tipo de análisis estadísticos con

variables, no solo en el campo de la ingeniería sino en otros tantos campos tales como; la
economía, los negocios internacionales, ect. que faciliten y ayuden a desarrollar habilidades
que permitan tomar decisiones más claras con el menor margen de error en las situaciones
críticas de las organizaciones. Esto conlleva a que a dichas decisiones estén fundamentadas
en un análisis minucioso de la realidad y no en simples corazonadas apasionadas que pueden
llevar a la quiebra a las organizaciones.

Bibliografía

Kalpakjian, S,, Schmid, S, R,, & Espinoza, L, J, (2008), Manufactura, ingenieria y

tecnologia, México ,F: Pearson Educación.

Allaire, J. (2009). RStudio (Versión 3.6.1) [Software libre]. Boston, Estados Unidos:
RStudio, Inc. Obtenido de https://rstudio.com