Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Apm Terminals Proyecto Estadística
Apm Terminals Proyecto Estadística
Sección: I45B
Contenido
Introducción............................................................................................................3
1. Descripción de la empresa..............................................................................4
2. Problema identificado......................................................................................5
3. Objetivos de la investigación...........................................................................5
6. Análisis inferencial...........................................................................................8
7. Conclusiones.................................................................................................26
8. Recomendaciones.........................................................................................27
Pá gina 2
Estadística Aplicada 2
Introducción
Esta asignatura ha sido orientada a entender los principios en los que se basa la
estadística inferencial. Entender significa que es posible saber, en primer lugar,
qué razones han llevado a elegir un determinado cálculo y, no menos importante,
la relevancia real de los resultados de ese cálculo. La estadística inferencial no es
más que un argumento. Un buen argumento hace creíble una afirmación. En
nuestro caso, para APM Terminals, al menos cinco casos sólidos. Desde este
punto de vista, nuestra tarea es poder entender y calibrar con argumentos
estadísticos. La estadística inferencial es necesaria cuando queremos hacer
alguna afirmación sobre más elementos de los que vamos a medir. La estadística
inferencial hace que ese salto de la parte al todo se haga de una manera
“controlada”. Aunque nunca nos ofrecerá seguridad absoluta, sí nos ofrecerá una
respuesta probabilística. Esto es importante: la estadística no decide; sólo ofrece
elementos para que el investigador o el lector decidan. En muchos casos, distintas
personas perciben diferentes conclusiones de los mismos datos. El proceso será
siempre similar. La estadística dispone de multitud de modelos que están a
nuestra disposición.
Pá gina 3
Estadística Aplicada 2
1. Descripción de la empresa
Pá gina 4
Estadística Aplicada 2
2. Problema identificado
3. Objetivos de la investigación
Identificar las causas que impiden que la grúa pórtico cumpla con tiempos
de movimientos por horas estandares y definir responsables a fin de sugerir
correcciones para cumplir con el objetivo previsto para la maquinaria.
Pá gina 5
Estadística Aplicada 2
Pá gina 6
Estadística Aplicada 2
Pá gina 7
Estadística Aplicada 2
6. Análisis inferencial
6.1 Caso 1
α=0.05
Pá gina 8
Estadística Aplicada 2
80
Porcentaje
50
20
0.01
-500 -250 0 250 500 750 1000 1250
RESID
P Valor: 0.005
b) Homogeneidad de varianzas
α=0.05
Pruebas
Métod Estadística
o de prueba Valor p
Pá gina 9
Estadística Aplicada 2
3
DIA
P Valor: 0.000
Hipótesis
α=0.05
Análisis de Varianza
Pá gina 10
Estadística Aplicada 2
Fuent Valor
e GL SC Ajust. MC Ajust. F Valor p
P Valor: 0.000
6.2 Caso 2
Hipótesis
H0: µi = µ
α=0.05
Pá gina 11
Estadística Aplicada 2
Puesto que los tres turnos comparten la agrupación, se puede afirmar que a
un nivel de significación del 5%, los tiempos de espera en coger un
contenedor de los turnos mañana, tarde y noche son similares.
6.3 Caso 3
α=0.05
Pá gina 12
Estadística Aplicada 2
80
Porcentaje
50
20
0.01
-200 0 200 400 600 800
RESID
P Valor: 0.005
b) Homogeneidad de varianzas
α=0.05
Pruebas
Métod Estadística
o de prueba Valor p
Pá gina 13
Estadística Aplicada 2
NOCHE
TARDE
50 55 60 65 70 75
Intervalos de confianza de Bonferroni de 95% para Desv.Est.
P Valor: 0.000
Hipótesis
α=0.05
Pá gina 14
Estadística Aplicada 2
Análisis de Varianza
P Valor: 0.012
mayor?
Hipótesis
H0: µi = µ
α=0.05
Pá gina 15
Estadística Aplicada 2
6.4 Caso 4
α=0.05
Pá gina 16
Estadística Aplicada 2
P Valor: 0.395
b) Homogeneidad de varianzas
α=0.05
P Valor: 0.609
Pá gina 17
Estadística Aplicada 2
Pruebas
Métod Estadística
o de prueba Valor p
α=0.05
Pá gina 18
Estadística Aplicada 2
P Valor: 0.838
Efectos Principales:
Causa de Espera
α = 0.05
F = 1.63
Pá gina 19
Estadística Aplicada 2
Turno de Operación
H1: Hay efecto del turno de operación sobre el Tiempo de Espera de cada
movimiento.
α = 0.05
F = 4.55
Conclusión: Con un nivel de significación del 5%, Hay efecto del turno de
operación sobre el Tiempo de Espera de cada movimiento
H0: µi = µj
Pá gina 20
Estadística Aplicada 2
6.5 Caso 5
NUMERO DE
GANANCIA
DIA MOV. DE
($)
CONTENEDORES
1 41640 505
2 36000 433
3 43780 530
4 46480 561
5 51040 619
6 50700 609
Pá gina 21
Estadística Aplicada 2
α=0.05
Pá gina 22
Estadística Aplicada 2
P Valor: 0.531
Estadístico de Durbin-Watson
Hipótesis:
Hipótesis:
Pá gina 23
Estadística Aplicada 2
Ho: B1 = 0
H1: B1 ≠ 0
P-valor: 0.000
Decisión: Como p-valor = 0.000 < alfa = 0.05 entonces se Rechaza Ho.
Conclusión: A un nivel de significación del 5%, existe relación lineal entre las
Ganancias y N° de contenedores
Ecuación:
Pá gina 24
Estadística Aplicada 2
Y estimado = $ 41,403.70
Pá gina 25
Estadística Aplicada 2
7. Conclusiones
Pá gina 26
Estadística Aplicada 2
8. Recomendaciones
Pá gina 27
Estadística Aplicada 2
Pá gina 28