Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Ingeniería Industrial
30 Octubre 2015
Guadalajara, Jalisco.
Marco Teórico
Estimaciones
Una vez que conocemos los dos tipos de estimaciones, sabemos que la puntual es
solo un valor dado, pero la estimación por intervalos es un proceso un poco más
complejo, que requiere hacer algunos métodos como son la Z-test y T-test o T de student,
entonces llegamos a la suposición de que un buen estimador debe contener los siguientes
puntos:
a) Debe ser insesgado: un estimador es insesgado, si en promedio, tiende a tomar
valores que están por encima del parámetro de la población con la misma
frecuencia y la misma extensión, con la que tiende a asumir valores por debajo del
parámetro de población que se está estimando.
b) Debe ser eficiente: de varios estimadores insesgados, el más eficiente es el que
tiene el error estándar más pequeño.
c) Debe ser consistente: significa que a medida que aumenta el tamaño de la
muestra, la estimación se aproxima al valor del parámetro.
d) Debe ser suficiente: significa que ningún otro estimador puede suministrar más
información sobre el parámetro.
Hacer un intervalo requiere de un nivel de confianza, esto es definir qué tan seguro se
está, de que el intervalo incluirá el parámetro de la población. Siempre que buscamos
este tipo de nivel de confianza, es necesario saber que todo está dispuesto a cambios,
cambios que así como podemos controlar, puede que no podamos, entonces es
necesario tener cuidado en el nivel de confianza que utilicemos, por lo que es de suma
importancia mencionar lo que nos heredó Ronald Fisher: el nivel de seguridad del 95%.
Sir Ronald Fisher astrónomo inglés que ideó recursos en estadística, genética,
matemáticas y física durante el primer tercio del siglo pasado. Sir Ronald Fisher estuvo
pensando en cuestiones de intervalos de confianza sin definirlo de esta manera, por lo
que se le ocurrió definir una situación concreta: imaginó a una viejecita que decía ser
capaz de distinguir si en una taza de té con leche se había volcado antes el té o la leche.
Y decía que era capaz de ello con solo probar un poco del líquido, el inglés siguió
pensando, llego a la conclusión que había que acotar cuántos aciertos serían suficientes
como para creer en la mujer. Si esta mujer fuera capaz de lo que decía, estaba claro que
teníamos que aceptar algún error por su parte, supuso que le damos 10 tazas, que las
acierte todas es algo que puede ocurrir en una ocasión de cada mil veces que sometemos
a una persona a esa prueba y resulta que no tiene ni idea, acertando por casualidad, que
acierte casi todas, errando solo en una ocasión es algo que puede pasar en una de cada
cien pruebas. Que falle en dos, ocurre en una de cada 25 ocasiones (un 4%).
Fisher pensó en 8 tazas donde la mitad se han servido con un orden y la otra
mitad con otro y pidió imaginariamente a la mujer que las distinguiera formando dos
grupos. Y concluyó que un buen nivel de seguridad era el 95%, es decir, una probabilidad
no superior al 5% de que la mujer acertara por casualidad, fue así como surgió el nivel de
seguridad del 95%, hoy en día aun después de su muerte no existe quien le discuta este
nivel de seguridad, ya que es utilizado en la mayoría de investigaciones en las que se
realizan intervalos de confianza, si los investigadores utilizan este porcentaje nadie lo
discutirá, pero en cambio si alguien decide utilizar un porcentaje por ejemplo de 91%
deberá contestar la pregunta ¿Por qué?, esto es que le está haciendo al 4% restante o
porque lo está afectando, cuales son las causas por las que disminuye el intervalo de
confianza y para que sea aceptado deberá tener muy buenos argumentos, o alguna razón
especifica que pruebe que utilizar un intervalo con el 91% es mejor que el 95%, y porque
se obtendrían mejores resultados.
La seguridad absoluta o del 100% no existe, sabemos que cuanta más seguridad
queramos tener, se tendrá que pagar un precio, este precio puede ser una baja precisión
en las estimaciones, o puede ser un tamaño de muestra tan grande que no tengamos
tiempo, medios humanos ni dinero suficiente como para abordar todas las unidades de
esa muestra.
A continuación se presentan unas graficas de 160 muestras con dos tipos de nivel
de seguridad para demostrar la importancia de usar un nivel del 95%
99% 2.575
95% 1,96
90% 1.645
Tamaño de la muestra
Existen casos en los que es necesario estimar la diferencia entre dos medias, con la
finalidad de comparar dos poblaciones. Si 1 y 2 son medias de muestras aleatorias
independientes de tamaño n1 y n2 con varianzas σ12 y σ22 conocidas, entonces un
intervalo de confianza de (1- α) 100% para la diferencia de medias μ1 – μ2 se expresa
como sigue
Así como la media poblacional μ suele ser desconocida, rara vez se conoce la desviación
estándar real de la población σ, por lo tanto se requiere desarrollar un intervalo de
confianza de μ usando y S.
Un intervalo de confianza de (1- α) 100% para la media μ con varianza desconocida es:
Con v = n -1 grados de libertad
Estimación por intervalo de confianza de una proporción
Donde:
Es la desviación estándar del estadístico p, también conocido como error estándar
de la proporción.
El objetivo de este proyecto es poner en práctica y reafirma los métodos de Z-test y T-test
vistos en clases así como ver la aplicación y relación que tienen dichos métodos con la
ingeniería en general o también con la ingeniería industrial en específico ya que esta será
nuestro campo laboral.
Entender la importancia de estos métodos en la obtención de estimaciones que nos
permitan ajustar procesos, mejorar métodos de trabajo, obtener datos de pérdidas en la
producción o los materiales necesarios para la línea de producción de determinados
periodos de tiempo.
Justificación
Las estimaciones son utilizadas como método para calcular distintos tipos de parámetros,
que tienen como función, rechazar o aceptar valores, para ciertos fenómenos analizados,
una vez que se selecciona el método de estimación a utilizar se toman todos los datos
necesarios, y se llega a la conclusión de obtener intervalos en la mayoría de ocasiones,
estos intervalos tienen la función de establecer los límites de ciertos parámetros, los
límites son afectados por el nivel de confianza que se utiliza en cada estimación, por lo
que los intervalos tienen cierta variabilidad, sin embargo se tiene un nivel de confianza
establecido de 95% generalmente.
El uso de estadísticos de prueba como son Z-test y T-test, son algunos de tantos
que se pueden utilizar, para hacer comparaciones o simplemente para establecer
parámetros que tiene como objetivo estandarizar los procesos o inferencias de futuros
fenómenos. Este trabajo tiene contenido en el cual las estimaciones son utilizadas en
procesos relacionados a la ingeniería industrial, la aplicación de estas pueden
proporcionarnos información conveniente para mejorar procesos, desarrollas inferencias o
deducciones, y con esto lograr ajustes necesarios en los procesos y métodos de trabajo.
Hipótesis
Las estimaciones con los estadísticos Z y T-student son las más utilizadas en la obtención
de parámetros, son de gran apoyo para mejorar e implementar modelos nuevos de trabajo
que son implementados por la ingeniería industrial, así como llegar a conclusiones de si
algún proceso está fallando y que tanto está fallando, con la finalidad de darle solución a
las fallas que aparecen comúnmente.
Metodología
Aplicación de los métodos Z y T-student para la resolución de problemas relacionados con
la ingeniería.
Investigación de los tipos de estimaciones existentes para los métodos
mencionados anteriormente.
Desarrollo
Problemas Utilizando Z
9.3322
+
Intervalo de confianza:
- 0.1623 9.1699< µ < 9.4945 ó 9.1699< 9.3322 < 9.4945
El ingeniero puede asegurar con el 95% de confianza que el valor de la media relativa a la
resistencia a la corrosividad de las láminas de acero inoxidables que fabrican se localiza
en el intervalo de 9.1699 a 9.4945, concluyendo así que las láminas de acero que
producen tienen muy buena resistencia a la corrosión ya que la calificación va del 1 al 10
y el intervalo obtenido no baja de 9.1699 que es cercano a 10 pero aun así se podría
mejorar.
Después de obtener el intervalo de confianza el ingeniero obtuvo el error estándar y de
precisión obteniendo los siguientes datos.
0.0828
Sin duda alguna la estadística y sus estimaciones, son de suma importancia para
el desarrollo laboral del ingeniero, y no solo para el ingeniero sino también para
muchas otras profesiones.
El ingeniero al utilizar la estadística puede hacer inferencias con cierto
grado de certeza de cómo se comportará por ejemplo una línea de producción, o
que cantidad de producto está saliendo defectuoso, por mencionar algunos
ejemplos, y así con base a los resultados encontrados buscar una solución o
mejora para que el proceso sea más óptimo, disminuya el desperdicio, salga
menos producto defectuoso, calcular el material que se ocupara, etc.
Pudimos darnos cuenta como desde el siglo pasado Sir Ronald Fisher
buscaba obtener resultados de eventos con cierto grado de confianza,
estableciendo el 95% de confianza.
Anexos
Referencias
Bibliografía