UNIVERSIDAD PERUANA DE CIENCIAS APLICADAS

PROYECTO DEL CURSO

Profesora: Fanny Campomanes Murrugarra

Curso: Estadística Aplicada 2

Sección: I45B

Integrantes: Arzapalo Romero, Xiomara Paloma

Joaquin Bautista, Jonathan

Lima, 27 Noviembre del 2018

 Estadística Aplicada 2

Contenido

Introducción............................................................................................................3

1. Descripción de la empresa..............................................................................4

2. Problema identificado......................................................................................5

3. Objetivos de la investigación...........................................................................5

3.1 Objetivo General...........................................................................................5

3.2 Objetivos Específicos....................................................................................5

4. Población en estudio, muestra y unidad elemental.........................................6

5. Identificación de variables y clasificación por tipo y escala............................6

6. Análisis inferencial...........................................................................................8

6.1 Caso 1...........................................................................................................8

6.2 Caso 2.........................................................................................................11

6.3 Caso 3.........................................................................................................12

6.4 Caso 4.........................................................................................................16

6.5 Caso 5.........................................................................................................20

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

APM Terminals pertenece al grupo danés A.P. Moller Maersk, un

conglomerado de negocios con más de 100 años de experiencia y liderazgo
en la industria marítima. APM Terminals es la división de negocios que
diseña y opera puertos, terminales marítimos y terrestres, cumpliendo un rol
importante en el desarrollo de la infraestructura portuaria en los países
donde está presente, impulsando su crecimiento económico y bienestar.
Actualmente ofrece un portafolio de más de 72 puertos y terminales, 140
terminales de servicios terrestres, una cartera de 9 proyectos de nuevas
terminales en regiones estratégicas y 16 proyectos de expansión, en los
cuales colaboran cerca de 21,000 profesionales de distintas nacionalidades.
Actualmente, tiene presencia en el Perú con el propósito de transformar el
puerto del Callao en un puerto de clase mundial a través de la ejecución de
un ambicioso plan de modernización de 5 etapas el cual representará -una
vez terminado- una inversión superior a US$ 750 millones de dólares.
Ubicado a 15 kilómetros de la capital de Lima, el puerto del Callao es el
puerto más grande del Perú y de la costa oeste del Pacífico sudamericano.
El Terminal Norte del puerto del Callao es un terminal marítimo
multipropósito, preparado para el manejo de carga contenedorizada, carga
fraccionada, carga de proyecto, carga rodante, gráneles sólidos y líquidos.
Asimismo, es también el terminal designado para la atención de cruceros
turísticos y recepción de pasajeros.
Al finalizar las 5 etapas de modernización, la terminal norte tendrá una
capacidad para manejar hasta 3 millones de TEUs y 15 millones de
toneladas de carga general.
En APM Terminals nos sentimos orgullosos de estar en el Callao y en ser
parte de su gran transformación y desarrollo, el cual continuará
beneficiando y haciendo crecer nuestro Comercio Exterior.

Pá gina 4
 Estadística Aplicada 2

2. Problema identificado

La Gerencia de Operaciones de la empresa APM verifica que los

movimientos de la grúa pórtico no se encuentran dentro del rango
establecido (25 operaciones por hora). Por tal motivo, se analizarán las
variables de operaciones para determinar los motivos de las demoras.

3. Objetivos de la investigación

3.1 Objetivo General

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.

3.2 Objetivos Específicos

 Constatar si los tiempos de espera en coger un contenedor varían entre

el día uno y el día seis de la semana.
 Verificar si el tiempo de espera en coger un contenedor es mayor en
alguno de los turnos operativos sea mañana, tarde y noche.
 Medir el tiempo por movimiento de un contenedor en los 3 turnos sea
mañana, tarde y noche.
 Se requiere conocer el efecto que el turno de operación y la causa de
espera puede ejercer sobre el tiempo de espera de cada movimiento
en recoger un contenedor durante los turnos de mañana, tarde y noche.
De 6 días se tomaron muestras al azar en un experimento diseñado de
dos factores.
 Se desea estimar si las ganancias diarias cuando se atiendan 500
contenedores diarios y la ganancia promedio cuando se atiendan 600
contenedores son suficientes si el punto de equilibrio es de $ 40,000.00,
así como también identificar que tipo de modelo es: Lineal o No Lineal.

Pá gina 5
 Estadística Aplicada 2

4. Población en estudio, muestra y unidad elemental

 Población: Los registros de datos de producción de la grúa pórtico

desde su inicio de operaciones.
 Muestra: Una semana de seis días de registros de datos de producción
de la grúa pórtico del mes de mayo del 2018.
 Unidad Elemental: Un registro de datos de producción de la grúa
pórtico del mes de mayo del 2018.

5. Identificación de variables y clasificación por tipo y escala

Los registros serán recabados en un tiempo de seis días en la grúa pórtico.

Las variables de producción serán evaluadas por los siguientes turnos de
operación:
Turno Mañana : 08:00h a 16:00h
Turno Tarde : 16:00h a 00:00h
Turno Noche : 00:00h a 08:00h

La base de datos utilizada en el presente trabajo contiene 2,339 variables

de producción que corresponden a los movimientos de contenedores de la
grúa pórtico. Se analizan las siguientes variables:

a. Tiempo de duración por movimiento de contenedor: Es el tiempo

calculado en segundos desde que la grúa coge el contenedor del
camión y lo mueve hasta el barco (embarque) o desde que coge el
contenedor del barco y lo moviliza al camión (desembarque)
Tipo: cuantitativa continúa; Escala: Razón

b. Tiempo de espera en coger el contenedor: Es el tiempo calculado en

segundos desde que la grúa ha dejado de movilizar un contenedor hasta
que vuelve a coger otro contenedor.

Pá gina 6
 Estadística Aplicada 2

Tipo: cuantitativa continúa; Escala: Razón

c. Causa de la espera: Es lo que aconteció en el tiempo de espera en

coger el contenedor. Se clasifico en cinco clases:
 Espera del camión
 Espera de estiba
 Problema planeamiento
 Problema operativo
 Problema técnico
Tipo: cualitativa; Escala: Nominal

d. Turno: Turno asignado en el horario de trabajo de operaciones

Tipo: cualitativa; Escala: Nominal

e. Tipo de movimiento: Se clasifico en 3 clases:

 Embarque: movimiento del contenedor de camión a barco.
 Desembarque: movimiento del contenedor de barco a camión.
 Reacomodo: movimiento del contenedor de barco a barco para
reubicar un contenedor.
Tipo: cualitativa; Escala: Nominal

f. Tipo de contenedor movido: Se clasifico en 3 clases:

 20: contenedor de 20 pies de largo.
 40: contenedor de 40 pies de largo.
 Twin: 2 contenedores de 20 pies de largo.
Tipo: cualitativa; Escala: Nominal

g. Numero de movimientos por cada registro: Se clasifico en 2 clases:

 1: movimiento unitario al realizar un movimiento de contenedor de
20 o 40 pies.

Pá gina 7
 Estadística Aplicada 2

 2: movimiento doble al realizar un movimiento de contendor modo

Twin.
Tipo: cualitativa; Escala: Nominal

h. Peso de contenedor: Peso calculado del contenedor movido en

Toneladas
Tipo: cuantitativa continua. Escala: Razón

6. Análisis inferencial

Para el desarrollo del análisis, se considerará un nivel de significación del

5% para definir la situación actual de la operatividad.

6.1 Caso 1

Se desea estimar mediante un intervalo de confianza del 95 %, la razón de

varianzas de los tiempos de espera en coger un contenedor entre el día uno
y el día seis, los registros se encuentran en la hoja Dia 1-6.

Utilizando el software MiniTab 18 obtenemos los siguientes resultados

a) Verificación de los supuestos

H0: Los errores se distribuyen normalmente

H1: Los errores no se distribuyen normalmente

α=0.05

Pá gina 8
 Estadística Aplicada 2

Gráfica de probabilidad de RESID

Normal
99.99
Media 1.546851E-14
Desv.Est. 95.80
N 2339
99 AD 336.425
Valor p <0.005
95

80
Porcentaje

50

20

0.01
-500 -250 0 250 500 750 1000 1250
RESID

Estadístico de prueba: AD 336.425

P Valor: 0.005

Decisión: 0.005 < 0.05 Se rechaza H0

Conclusión: A un nivel de significación del 5%, no se puede afirmar que los

errores se distribuyan con normalidad.

b) Homogeneidad de varianzas

H0: Las varianzas son similares

H1: Al menos una varianza es diferente

α=0.05

Pruebas

Métod Estadística
o de prueba Valor p

Bartlett 161.24 0.000

Pá gina 9
 Estadística Aplicada 2

Prueba de igualdad de varianzas: RESID vs. DIA

Prueba de Bartlett
1
Valor p 0.000

3
DIA

50 75 100 125 150

Intervalos de confianza de Bonferroni de 95% para Desv.Est.

Estadístico de prueba: Barlett 161.24

P Valor: 0.000

Decisión: 0.000 < 0.05, Se rechaza H0

Conclusión: A un nivel de significación del 5%, no se puede afirmar que las

varianzas sean similares.

c) ¿El tiempo de espera en coger un contenedor, de al menos un día,

es diferente al tiempo de los demás días?

Hipótesis

H0: El tiempo de espera en coger un contenedor es el mismo para todos los

días

H1: El tiempo de espera en coger un contenedor, de al menos un día, es

diferente.

α=0.05

Análisis de Varianza

Pá gina 10
 Estadística Aplicada 2

Fuent Valor
e GL SC Ajust. MC Ajust. F Valor p

  DIA 5 300995 60199 6.55 0.000

Error 2333 2145577 9197    

6

Total 2338 2175677      

1

Estadístico de prueba: F 6.55

P Valor: 0.000

Decisión: 0.000 < 0.05, Se rechaza H0

Conclusión: A un nivel de significación del 5%, se puede afirmar que el

tiempo de espera en coger un contenedor es diferente en al menos un día.

6.2 Caso 2

Se requiere saber si existe diferencia en los tiempos de espera en coger un

contenedor de los turnos mañana, tarde y noche, a un nivel de confianza de
95%.

Los registros se encuentran en la hoja Ma-No.

Hipótesis

H0: µi = µ

H1: µi ≠ µj para todo i diferente de j

α=0.05

Pá gina 11
 Estadística Aplicada 2

Comparaciones para TIEMPO DE ESPERA EN COGER CONTENEDOR

Comparaciones por parejas de Tukey: TURNO
Agrupar información utilizando el método de Tukey y una confianza de
95%
TURNO N Media Agrupación

TARDE 760 86.189 A

5

MAÑAN 751 82.732 A

A 4

NOCHE 828 81.379 A

2
Las medias que no comparten una letra son significativamente diferentes.

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

Se requiere saber si existe diferencia en los tiempos de duración por

movimiento de un contenedor de los turnos mañana, tarde y noche, a un
nivel de confianza de 95%. Los registros se encuentran en la hoja Ma-No2.

a) Verificación de los supuestos

H0: Los errores se distribuyen normalmente

H1: Los errores no se distribuyen normalmente

α=0.05

Pá gina 12
 Estadística Aplicada 2

Gráfica de probabilidad de RESID

Normal
99.99
Media 2.033507E-14
Desv.Est. 65.48
N 2339
99 AD 270.749
Valor p <0.005
95

80
Porcentaje

50

20

0.01
-200 0 200 400 600 800
RESID

Estadístico de prueba: AD 270.749

P Valor: 0.005

Decisión: 0.005 < 0.05 Se rechaza H0

Conclusión: A un nivel de significación del 5%, no se puede afirmar que los

errores se distribuyan con normalidad.

b) Homogeneidad de varianzas

H0: Las varianzas son similares

H1: Al menos una varianza es diferente

α=0.05

Pruebas

Métod Estadística
o de prueba Valor p

Bartlett 73.47 0.000

Pá gina 13
 Estadística Aplicada 2

Prueba de igualdad de varianzas: RESID vs. TURNO

Prueba de Bartlett
Valor p 0.000
MAÑANA
TURNO

NOCHE

TARDE

50 55 60 65 70 75
Intervalos de confianza de Bonferroni de 95% para Desv.Est.

Estadístico de prueba: Barlett 73.47

P Valor: 0.000

Decisión: 0.000 < 0.05 Se rechaza H0

Conclusión: A un nivel de significación del 5%, no se puede afirmar que las

varianzas son similares.

c) ¿Existe diferencia en la duración del movimiento de un contenedor

en los turnos mañana, tarde y noche?

Hipótesis

H0: La duración del movimiento de un contenedor es similar en los 3 turnos.

H1: La duración del movimiento de un contenedor es diferente en al menos

un turno.

α=0.05

Pá gina 14
 Estadística Aplicada 2

Análisis de Varianza

Fuente GL SC Ajust. MC Ajust. Valor F Valor p

  2 37922 18961 4.42 0.012

TURNO

Error 233 1002530 4292    

6 4

Total 233 1006322      

8 7

Estadístico de prueba: F 4.42

P Valor: 0.012

Decisión: 0.012 < 0.05, Se rechaza H0

Conclusión: A un nivel de significación del 5%, se puede afirmar que la

duración del movimiento de un contenedor es diferente en al menos un
turno.

d) ¿En qué turno la duración del movimiento de un contenedor es

mayor?

Hipótesis

H0: µi = µ

H1: µi ≠ µj para todo i diferente de j

α=0.05

Pá gina 15
 Estadística Aplicada 2

Comparaciones para TIEMPO DE DURACION POR MOVIMIENTO

Comparaciones por parejas de Tukey: TURNO
Agrupar información utilizando el método de Tukey y una confianza de
95%

TURNO N Media Agrupación

TARDE 760 82.1645 A  

MAÑAN 751 75.2264 A B

A

NOCHE 828 72.6413   B

Las medias que no comparten una letra son significativamente diferentes.

Dado que la media del turno tarde es superior, a un nivel de significación

del 5%, se puede afirmar que es en este turno donde los movimientos por
contenedor demandan un mayor tiempo en relación a los turnos mañana y
noche.

6.4 Caso 4

Se requiere conocer el efecto que el turno de operación y la causa de

espera que puede ejercer sobre el tiempo de espera en cada movimiento
en recoger un contenedor durante los turnos de mañana, tarde y noche. De
6 días se tomaron muestras al azar en un experimento diseñado de dos
factores.

a) Evaluar los supuestos

H0: Los errores se distribuyen normalmente

H1: Los errores no se distribuyen normalmente

α=0.05

Pá gina 16
 Estadística Aplicada 2

Estadístico de prueba: AD 0.378

P Valor: 0.395

Decisión: 0.395>0.05, no se rechaza H0

Conclusión: A un nivel de significación del 5%, se cumple el supuesto de

normalidad de errores.

b) Homogeneidad de varianzas

H0: Las varianzas son similares

H1: Al menos una varianza es diferente

α=0.05

Estadístico de prueba: Barlett 6.35

P Valor: 0.609

Decisión: 0.609> 0.05, no se rechaza H0

Pá gina 17
 Estadística Aplicada 2

Conclusión: A un nivel de significación del 5%, se puede afirmar que las

varianzas son similares.

Pruebas

Métod Estadística
o de prueba Valor p

Bartlett 6.35 0.609

c) Prueba de Hipótesis para la Interacción

¿Afecta las causas de espera y el turno de operación al tiempo de espera

de cada movimiento?
H0: No existe interacción entre causas de espera y el turno de operación

H1: Existe interacción entre causas de espera y el turno de operación

α=0.05

Estadístico de prueba: Valor F: 0.36

Pá gina 18
 Estadística Aplicada 2

P Valor: 0.838

Decisión: 0.838>0.05, no se rechaza H0

Conclusión: A un nivel de significación del 5%, no hay interacción entre

causas de espera y el turno de operación que influya en el tiempo de
espera de cada movimiento.

Efectos Principales:

 Causa de Espera

H0: No hay efecto de las Causas de espera sobre el Tiempo de Espera de

cada movimiento

H1: Hay efecto de Causas de espera sobre el Tiempo de Espera de cada

movimiento

α = 0.05

F = 1.63

Pá gina 19
 Estadística Aplicada 2

P – valor = 0.207> α.No se rechaza Ho

Conclusión: Con un nivel de significación del 5%, No hay efecto de las

Causas de espera sobre el Tiempo de Espera de cada movimiento

 Turno de Operación

H0: No hay efecto del turno de operación sobre el Tiempo de Espera de

cada movimiento

H1: Hay efecto del turno de operación sobre el Tiempo de Espera de cada
movimiento.

α = 0.05

F = 4.55

P – valor = 0.016 < α. Se rechaza Ho

Conclusión: Con un nivel de significación del 5%, Hay efecto del turno de
operación sobre el Tiempo de Espera de cada movimiento

¿Qué causa de espera y/o turno de operación afectan de forma

conjunta o independientemente se obtiene el menor tiempo para cada
movimiento de la grúa?

H0: µi = µj

H1: µi ≠ µj para todo i ≠ j α = 0.05

Pá gina 20
 Estadística Aplicada 2

Conclusión: Con un nivel de significación del 5%, el Turno 1 de operación

Mañana obtiene un menor tiempo promedio para cada movimiento de la
grúa.

6.5 Caso 5

Se desea estimar si las ganancias diarias cuando se atiendan 500 contenedores

diarios y la ganancia promedio atiendan 600 contenedores, así como también que
tipo de modelo es: Lineal o No Lineal.

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

a) Evaluar los supuestos

H0: Los errores se distribuyen normalmente

H1: Los errores no se distribuyen normalmente

α=0.05

Pá gina 22
 Estadística Aplicada 2

Estadístico de prueba: AD 0.270

P Valor: 0.531

Decisión: 0.531>0.05, no se rechaza H0

Conclusión: A un nivel de significación del 5%, se cumple el supuesto de

normalidad de errores.

b) Auto correlación de los errores:

Estadístico de Durbin-Watson

Estadístico de Durbin-Watson = 2.47185

Hipótesis:

Ho: Los errores no están autocorrelacionados.

H1: Los errores están autocorrelacionados.

Durbin Watson: DW = 2.47185 No se rechaza Ho

Conclusión: A un nivel de significación del 5% el supuesto de no

autocorrelación se cumple.

c) Valide el modelo de regresión lineal.

Hipótesis:

Pá gina 23
 Estadística Aplicada 2

Ho: B1 = 0

H1: B1 ≠ 0

Nivel de significación: alfa = 0.05

Estadístico de prueba: F = 3600.04

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

d) Presente la ecuación estimada e interprete ambos coeficientes.

Ecuación:

Y estimado = 124 + 82.56 *X

Coeficiente de intercepción: Bo = 124

El valor de la Ganancia por día sería de $124.00 si es que no se

atendiera ningún contenedor.

Coeficiente de regresión poblacional estimado: B1 = 82.56

El valor de los contenedores atendidos incrementara en $ 82.56 por cada

uno.

e) ¿Cuál será la ganancia diaria si se atienden 500 contenedores?

Pá gina 24
 Estadística Aplicada 2

Y estimado = $ 41,403.70

f) Con un nivel de confianza del 95%, ¿Cuál sería la ganancia promedio

diario si se atienden 600 contenedores?

𝐼𝐶 (µ𝑌)= [49,333.30; 49,986.00] $

A un nivel de confianza del 95%, se estima que el intervalo [49,333.30;

49,986.00] $ contiene a la ganancia promedio diaria, si se atiende 600
contenedores.

Pá gina 25
 Estadística Aplicada 2

7. Conclusiones

 Luego de analizar la variable tiempo de espera por cada movimiento entre

los días 1 y 6, se puede afirmar que estos no son iguales en los 6 días
operativos, puesto que al menos un día refleja una información diferente.

 A fin de verificar si el tiempo de espera en coger un contenedor es diferente

según el turno operativo, se estudió esta variable, concluyendo que el
tiempo de espera es similar en los 3 turnos por lo que no es una causa del
no cumplimiento de la meta de 25 operaciones por hora.

 Después de analizar la duración por movimiento de contenedor en cada

turno operativo, se concluyó que en el turno tarde los movimientos tiene
una mayor duración. Realizando la comparación con el tuno mañana y
noche, se puede decir que el turno tarde es menos eficiente.

 Después de analizar el factor Turno de Operación se obtiene que el turno

mañana afectan en menor tiempo promedio de atención para cada

Pá gina 26
 Estadística Aplicada 2

movimiento de la grúa, por lo que se requiere tomar medidas al respecto

para el turno tarde y noche

 Se concluye que el tipo de modelo de regresión es Lineal Simple, las

ganancias diarias cuando se atiendan 500 contenedores serán de Y
estimado = $ 41,403.70 y la ganancia promedio cuando atiendan 600
contenedores 𝐼𝐶 (µ𝑌)= [49,333.30; 49,986.00] $, por lo que supera los
$40,000.00 que es el punto de equilibrio, es decir habría utilidad.

8. Recomendaciones

 Se recomienda a la gerencia de operaciones, estandarizar el tiempo de

espera en coger un contenedor para los 6 días operativos a fin de evitar
que un día presente menos operaciones con la grúa pórtico.

 Dado que el tiempo de espera en coger un contenedor no varía

significativamente según el turno, se recomienda a la gerencia de
operaciones descartar esta variable como causa de no cumplir la meta de
25 operaciones por hora, asimismo, se sugiere analizar las demás variables
a fin de identificar causas directas que afectan el cumplimiento del objetivo.

 Luego de identificar que el turno tarde es menos eficiente, ya que los

movimientos de cada contenedor duran más, se recomienda a la gerencia
de operaciones, destinar esfuerzos para motivar al personal de dicho turno
a fin de igualar la cantidad de operaciones de los otros 2 turnos.

Pá gina 27
 Estadística Aplicada 2

 Se recomienda al Turno Tarde y Noche brindar un entrenamiento específico

sobre los procedimientos de operación de las grúas a fin de lograr ser más
eficientes y cumplir con los estándares.

 Después de identificar los números de movimientos y movimientos

promedios para sobrepasar el punto de equilibrio. Se recomienda alertar si
se detecta números de movimientos diarios por debajo de 500, ya que
podríamos estar en pérdidas.

Pá gina 28