ANALISIS ESTADISTICO APLICADO A LABORATORIO DE SEGURIDAD VEHICULAR

DIANA MARCELA MORA

JEFFERSON SUAZA VERA

DIANA CAROLINA ARRUBLA

SARA LONDOÑO SANMARTIN

JIMMY ANDRES LOAIZA MARIN

ANDRES FELIPE MARIN MARIN

ANDREA GALEANO HERNÁNDEZ

POLITECNICO GRANCOLOMBIANO
INGENIERIA INDUSTRIAL
ANTIOQUIA COLOMBIA
2017
 INTRODUCCIÓN

El presente proyecto tiene como objetivo implementar todas las herramientas

estadísticas vistas durante el curso, para esto se busca una base de datos de
pruebas de calidad de llantas realizadas en un laboratorio.

En este proyecto cada miembro del grupo selecciona una variable ya sea
cuantitativa o cualitativa a la cual se le realiza una tabla de frecuencia y se le
aplica cálculos estadísticos como: Media, mediana, varianza, coeficiente de
variación y desviación estándar.
 OBJETIVO GENERAL

Investigar y construir una base de datos que permita trabajar la metodología

propuesta en clase aplicando los cálculos estadísticos, los cuales proporcionen
conclusiones sobre el elemento en estudio referente a la prueba de calidad de
llantas.

OBJETIVOS ESPECIFICOS

 Realizar tablas de frecuencia.

 Elaborar gráficos de tendencia y analizar resultados obtenidos para
determinar conclusiones.
 Aplicar cálculos estadísticos utilizando las formulas enseñadas en clase.
 METODOLOGIA

Para el desarrollo del proyecto se realizara un análisis de calidad en las llantas

originales y rencauchadas a través de los conceptos estadísticos, inicialmente
contamos con una base de datos provenientes de ensayos reales realizados en el
laboratorio de seguridad vehicular a clientes nacionales e internacionales que nos
permitirá definir el alcance del proyecto y establecer parámetros para su puesta
en marcha

DESCRIPCION DE LA BASE DE DATOS

Los ensayos realizados en el laboratorio son los siguientes:

- Aguante de carga
- Desempeño a la alta velocidad
- Resistencia a la penetración
- Resistencia al desasentamiento de pestaña

Entre las variables cualitativas podemos encontrar las siguientes

- Marca
- Fabricante
- D.O.T
- Serie
- País de origen
- Índice de carga
- Código de velocidad
- L.R
- Tipo de llanta
- Lodo nieve M+S
- Tipo reglabado

Entre las variables cuantitativas están las variables a ensayar

- Presión de inflado y ensayo

- Energía
- Temperatura inicial y final
- Deformación
ALGUNAS HERRAMIENTAS APLICADAS
 CONCLUSIONES

 La realización de tablas de frecuencia permite organizar y clasificar la base

de datos
 Con los datos obtenidos en la tabla de distribución de frecuencia podemos
representar las estadísticas y tener respuestas para el análisis de
resultados

 Con la elaboración de graficas de tendencia, diagrama de barras, grafico

circular se puede determinar el dato que más redunda en la variable.
 Los conceptos utilizados en el análisis de la base de datos han sido
investigados de tal manera que nos permitieron hacer más fácil su
comprensión y entendimiento ya que la estadística nos permite entender,
organizar y tomar decisiones que estén de acuerdo con los análisis
efectuados.

SEGUNDO AVANCE

OBJETIVO GENERAL

Mediante la base de datos empleada en la primera parte del proyecto se pretende

obtener e interpretar la base de datos como conjunto, es decir estableciendo
relaciones entre los datos obtenidos.

OBJETIVOS ESPECIFICOS

 Emplear Excel para crear tablas bivariadas que incluyan cruces de variables

 Presentar la tabla anterior en términos de probabilidades y hacer el análisis de

la información presentada.
 Calcular las medidas de covarianza y correlación para las variables
cuantitativas.

 Emplear el teorema de Bayes para establecer relaciones entre las variables

estudiadas.

ALGUNAS HERRAMIENTAS APLICADAS

1. BIVARIADA TIPO VS FABRICANTE

 ANALISIS CON TEOREMA DE BAYES

1. ¿Cuál es la probabilidad de que una llanta sea de marca Brigestone?

R// LA PROBABILIDAD ES DE: 0.07

2. ¿Cuál es la probabilidad de que una llanta sea tipo 3?

R// LA PROBABILIDAD ES DE: 0.32

3. ¿Probabilidad de que una llanta sea de tipo 4 dado que su marca es Wanli?
R// LA PROBABILIDAD ES DE: 0,4118
4. ¿Probabilidad de que una llanta sea tipo 2 dado que su marca es Gripmax?
R// LA PROBABILIDAD ES DE: 0,2

5. ¿Probabilidad de que una llanta sea de marca continental dado que es tipo 4?
R// LA PROBABILIDAD ES DE: 0,125

6. ¿Probabilidad de que una llanta sea de marca firemax dado que es tipo 4?
R// LA PROBABILIDAD ES DE: 0,025

2. BIVARIADA PRESION VS FABRICANTE

 ANALISIS CON TEOREMA DE BAYES
7. ¿Cuál es la probabilidad de que a una llanta se le aplique una presión de 760
kPa?
R// LA PROBABILIDAD ES DE: 0.04

8. ¿Cuál es la probabilidad de que una llanta se de marca Wanli?

R// LA PROBABILIDAD ES DE: 0,08

9. ¿Probabilidad de que una llanta sea de marca Gripmax dado que se le aplica
una presión de 190 kPa?

R// LA PROBABILIDAD ES DE: 0,0714

10. ¿Probabilidad de que una llanta se le aplique una presión de 848 kPa dado
que es marca continental?

R// LA PROBABILIDAD ES DE: 0,0588

3. COVARIANZA Y CORRELACION DF
 OBSERVACIONES

1. Al realizar los cálculos adecuados se observó que la covarianza arroja un

valor positivo indicando que nuestras variables son directamente
proporcionales, es decir, a medida que aumenta la fuerza aumenta la
deformación.

2. Para el coeficiente de correlación se obtuvo un valor cercano a 1 lo cual

demuestra que hay una relación lineal positiva entre la fuerza y la
deformación.

3. COVARIANZA Y CORRELACION DT
 OBSERVACIONES

1. Al realizar los cálculos adecuados se observó que la covarianza arroja un valor

positivo indicando que nuestras variables son directamente proporcionales, es
decir, a medida que aumenta la temperatura aumenta la deformación.

2. Para el coeficiente de correlación se obtuvo un valor cercano a 1 lo cual

demuestra que hay una relación lineal positiva entre la temperatura y la
deformación de la llantas.

CONCLUCIÒNES GENERALES

 A través de las diferentes herramientas utilizadas se logra a profundidad

desarrollar toda la temática, vista en clase, fue de mucha utilidad la base real
sobre la que se está trabajando ya que son actividades diarias de nuestras
labores.
 Se logra la interpretación a través de la relación de los datos estudiados, por lo
tanto hay un cumplimiento total de los objetivos planteados en desarrollo.

REFERENCIAS BIBILOGRAFIC

 www.laboratoriovehicular.com
 TERCER AVANCE

Aplicar las distribuciones de probabilidad (binomial-poisson-normal)

CONCLUSIONES

 La aplicación de organizar y clasificar la base de datos

 nos permite analizar sucesos dentro de la distribución de probabilidad,
desarrollando cada tema visto durante las clases, utilizando bases de datos
graficas haciendo fácil la compresión de cada tema visto.
 Se obtuvo un conjunto de resultados la probabilidad es una herramienta útil
para el proceso educativo para presentar y analizar datos ya sean números
o cualidades para realizar estudios reales.
 Este trabajo evidencia todos y cada uno de los temas durante el plan del
semestre.

OBJETIVO GENERAL

En este trabajo estudiaremos tres distribuciones principales como: la normal la

aplicamos en variables aleatorias, la distribución binomial está dada por la
sumatoria de cada evento tomando 1 valor de probabilidad del éxito o fracaso,
describe el proceso, donde cada uno de los resultados se puede identificar como
un evento para un número fijo de ensayos. Utilizando aplicaciones mediante la
base de datos para e interpretar unos datos obtenidos.

OBJETIVOS ESPECIFICO

Hacer el análisis de la información prestada para cada distribución  mediante

aplicación y uso de tablas.

Calcular probabilidades de las distribuciones Binomial,Poisson y Normal

empleando las variables estudiadas en clase.
 ANALISIS DE DISTRIBUCION

1. Un conteiner con un cargamento de llantas continental, en el cual tiene que

haber un promedio de 2458 unidades de llantas. Suponemos que la
desviación estándar es de 227 unidades y que la cantidad de llantas en el
conteiner estas distribuidos normalmente.

a: ¿Cuál es la probabilidad de que las llantas de un conteiner con buena

calidad sea mayor a 3233?
R // 0,0003

b. ¿De que el conteiner de llantas continental tenga menos de 2011

unidades?
R// 0,0245

c. ¿De que el conteiner que viene de china tengas entre 986 y 1859?
R// 0,0042

d. ¿De que el conteiner traiga una cantidad de llantas mayor a 2122?

R// 0,9306

DISTRIBUCION NORMAL

Normal

La distribución Normal o Gausiana es una distribución de probabilidad continua

definida por dos parámetros que la caracterizan: µ y σ
El parámetro µ es conocido como la media o la esperanza que para esta
distribución es igual a la mediana (en la Normal Estándar µ=0)
Por su parte el parámetro σ es la desviación estándar  o la raíz cuadrada de la
varianza (en la Normal Estándar σ=0)
La forma de su función densidad es similar a una campana (conocida como
Campana de Gauss) cuyo alto, ancho y posición relativa al cero varía en función
de la media y la desviación estándar que definen a la distribución.
OBSERVACIONES

1.Se logran desarrollar una variable aleatoria continua, reflejado la mayor o menor
dispersión Análisis dando un intervalo mínimo, máximo, rango, amplitud, media y
desviación
2.La grafica tiene una función permite modelar numerosos fenómenos naturales,
sociales y psicológicos para realizar cálculos adecuados, con variables continuas.

CONCLUSIONES GENERALES

Como resultado de la investigación estadística realizada durante el curso nos

permite reconocer  variable continua que con más frecuencia aparece aproximada
en fenómenos reales dándonos un total de intervalos de una distribución, de
probabilidad ,analizando reacción, en cada uno de los intervalos que son
ordenados de un mínimo a un máximo.

Se logra interpretar con cada variable numérica, una distribución normal que da
una gran variación a la hora de medir la fuerza de presión.

DISTRIBUCION BINOMIAL

ANALISIS

2. se le hace un ensayo de aguante de carga a 10 llantas a las que dicen si

aprueban o no aprueban el ensayo. Suponiendo que las llantas a las que se
les aplica el ensayo no ninguna pasa, por esto las llantas se escogen al
azar de la bodega, hallar:
a. ¿Probabilidad de que 5 pacen el ensayo?
R// 0,2461

b. ¿Probabilidad de obtener algún ensayo bueno?

R// 0,0090

c. ¿Probabilidad de obtener al menos 5 que pasen el ensayo?

R// 0,6230
 binomial

La distribución binomial es una función de probabilidad discreta.

La misma surge en varios contextos en donde la variable aleatoria puede
suponerse que es el número de ocurrencias de una cierta propiedad de un
fenómeno aleatorio.
El uso de esta distribución data del siglo 18 y es variado, siendo usado en todas
las ramas de la ciencia.
La distribución binomial surge de las siguientes condiciones:
1-      Existe una secuencia de n experimentos
2-      Cada experimento puede resultar en uno de dos resultados mutuamente
excluyentes que se denotan como “éxito” o “falla”
3-      La probabilidad de “éxito” no varía de experimento en experimento y es
denominada con la letra “p”

CONCLUSIONES GENERAL

Se determina la probabilidad de tres variables y se hace la distribución binomial

analizando, cada uno de los cálculos con cada una de las variables obteniendo un
total de intervalos mirando la deformación.

DISTRIBUCION DE POISON
 ANALISIS

3. Una empresa de llantas de china observa que el número de llanta que fallan
antes de cumplir 100 horas de funcionamiento es una variable aleatoria de
Poisson. Si el número promedio de estos fallos es 8, calcular:

a. ¿La probabilidad de que falle una en 25 horas?

R// 0,2707

b. ¿La probabilidad de que fallen no más de dos llantas en 50 horas?

R// 0,2381

c. ¿La probabilidad de que fallen por lo menos diez en 125 horas?

R// 0,4170

Poisson

La distribución de probabilidad de Poison es la segunda distribución de

probabilidad discreta más utilizada luego de la distribución binomial.
Esta distribución tiene variados usos en la formulación de modelos probabilísticas
de diferentes fenómenos para el conteo de eventos de rara ocurrencia.
En particular la misma es usada en varios estudios epidemiológicos donde se le
asocia con enfermedades extrañas y juega un rol importante en el análisis de
datos discretos.

REFERENCIAS BIBILOGRAFICAS

 www.laboratoriovehicular.com