UNIVERSIDAD TECNOLÓGICA

INDOAMÉRICA

FACULTAD DE INGENIERÍA Y TECNOLOGÍAS DE

LA INFORMACIÓN Y LA COMUNICACIÓN

TEMA:

APLICACIÓN DE LOS MÉTODOS ESTADISTICOS EN LA VIDA

PROFESIONAL

NIVEL:
Tercero

AUTOR:
Belén Marcatoma

QUITO – ECUADOR
2020
 RESUMEN

La estadística es una ciencia exacta muy útil en la industria ya que gracias a su

aplicación se puede interpretar datos que se hayan recolectado previamente en el campo
de la salud, la economía, las ciencias sociales y por supuesto en la ingeniería.

Las herramientas estadísticas permiten trabajar los datos de una muestra, con la
finalidad de analizar los resultados y tomar decisiones en base a ello.

Su aplicación en ingeniería yace en control de calidad, mejoras en procesos,

control del personal, seguridad industrial, en si a todo campo donde se desee aplicar. A
pesar de ser una ciencia exacta, se pueden cometer errores por ello es importante saber
aplicar las técnicas y herramientas.
Índice
1. Introducción ................................................................................................ 4

2. Objetivos ..................................................................................................... 4

2.1. Objetivo general ...................................................................................... 4

2.2. Objetivos específicos .............................................................................. 4

3. Desarrollo y aplicación ............................................................................... 4

3.1. Control Estadístico de la calidad............................................................. 5

3.2. Control Estadístico de procesos .............................................................. 5

3.2.1. Herramientas .................................................................................... 6

3.3. Aplicaciones del control estadístico de la calidad .................................. 6

3.4. Aplicación del tamaño muestral e intervalo de confianza ...................... 7

3.4.1. Margen de error y nivel de confianza .............................................. 7

4. Conclusión ................................................................................................ 10

5. Bibliografía ............................................................................................... 10
 1. Introducción
En el presente trabajo se aplicará la estadística en la ingeniería, tocando temas de
estadística como lo es el cálculo del tamaño muestral así también como la determinación
de los intervalos de confianza ya que son fundamentales para los procesos y que son los
que más se usan en el sector industrial

2. Objetivos
2.1. Objetivo general
Investigar las aplicaciones más comunes de la estadística en la ingeniería,
principalmente, en la industria, para verla desde el punto de vista práctico, es decir, en
donde pueden usarse las herramientas y tecinas estadísticas para lograr alguna
optimización, mejora o control.

2.2. Objetivos específicos

• Estudiar los métodos estadísticos y aplicarlos al sector industrial

• Calcular los intervalos de confianza y el tamaño muestral

3. Desarrollo y aplicación
Desde el punto de vista empresarial e industrial la estadística es la herramienta
que más uso se la da, por citar el ejemplo:

En una empresa se sospecha que hay franjas horarias donde los accidentes
laborales son más concurrentes. Para estudiar este echo se contabilizan los accidentes
laborales que sufren los trabajadores a razón de las franjas horarias durante el año de
labores.

Con la información obtenida los responsables de la seguridad en la empresa deben

tomar una decisión, si hay franjas horarias donde los accidentes son más probables o si,
por el contrario, éstos ocurren absolutamente al azar, para ello utilizan herramientas y
métodos estadísticos mismos que usan para interpretar los resultados numéricos y en la
realidad.

Los ejemplos comunes de lo que se puede calcular y medir con la estadística en la

industria y la razón para hacerlo son:
 • Ensambles por minuto de un obrero promedio: Para tener un control y ver
en qué se puede mejorar para reducir tiempos.
• Edad de operarios: Para saber que operarios ya podrían retirarse y
considerar la necesidad de contratar nuevo personal.
• Experiencia laboral o escolaridad de los empleados.
• Gastos en mantenimiento por mes: Para ver si puede haber un ahorro.
• Inasistencias al trabajo y causas: Para buscar bajar la tasa de inasistencias.
• Consumo de un recurso durante la fabricación de un lote: Para control y
buscar mejoras o disminución de desperdicio.

3.1. Control Estadístico de la calidad

Es la aplicación de herramientas estadísticas a los procesos industriales, mano de
obra, materias primas, máquinas y medio ambiente, procesos administrativos y/o
servicios con el objetivo de verificar si todas y cada una de las partes del proceso y
servicio cumplen con ciertas exigencias de calidad y ayudar a cumplirlas, son
fundamentales en las actividades de mejora de la calidad. La mejora de la calidad significa
la sistemática eliminación del desperdicio.

La calidad de los productos y servicios se ha vuelto hoy en día uno de los factores
de decisión más importantes en la mayor parte de las empresas. En consecuencia, la
mejora de la calidad se ha convertido en un aspecto importante en muchas industrias

3.2. Control Estadístico de procesos

Es una herramienta que permite la estabilidad del proceso y mejorar la capacidad
del mismo. Se considera como un conjunto de herramientas para la resolución de
problemas que pueden aplicarse en cualquier proceso.

Dentro de los objetivos estratégicos de una empresa debe encontrarse la mejora

continua de los procesos, con el fin de aumentar su desempeño, eficiencia y eficacia así
como favorecer una mejora de la satisfacción de los clientes, tanto internos como
externos. Para esto se necesita una cultura de mejoramiento, las estructuras organizativas,
los recursos y las herramientas estadísticas para que el cambio forme parte de la actividad
diaria. Para garantizar el mejoramiento continuo en una empresa que tenga diseñado los
procesos de su Sistema de Gestión de la Calidad, y los indicadores de desempeño de los
mismos, se utilizan técnicas y herramientas para el análisis, control, seguimiento y mejora
de dichos procesos.
 3.2.1. Herramientas

En la actualidad existen una serie de metodologías, técnicas y herramientas que

pueden desarrollarse en una organización, para apoyar el diseño del Sistema de Gestión
de la Calidad, la implantación de los principios de la Calidad Total, y/o para llevar a cabo
el proceso de Mejora Continua. Ejemplos de estas son:

• Diagrama de Pareto.
• Diagrama causa-efecto (Ishikawa).
• Diagrama defecto-concentración.
• Carta de control.
• Diagrama de dispersión.
• Hoja de verificación.
• Diagrama de correlación.
• Metodología 5S.
• Metodología 6 sigma.
• Gráficos de control y capacidad del proceso.

Al utilizarlas, se logra aumentar la cultura en el uso de técnicas para el

procesamiento y análisis de datos en la empresa; mejorar la toma de decisiones basadas
en datos; permite conocer el comportamiento de los indicadores de los procesos; facilita
la interpretación de los resultados para todos los directivos; ilustra la utilidad de las
herramientas y propicia la utilización de otras técnicas en el futuro.

3.3. Aplicaciones del control estadístico de la calidad

Los métodos estadísticos juegan un papel importante en la mejora de la calidad,
algunas de sus aplicaciones son:

• En el diseño y desarrollo de productos para comparar materiales o

ingredientes y para determinar las tolerancias del sistema y sus
componentes. Esto reduce de manera significativa costos y tiempo.
• Para determinar la capacidad de un proceso de manufactura, llevando a
mayores rendimientos y menores costos de fabricación.
• En pruebas de duración, ayuda proporcionando datos de confiabilidad y
rendimiento, conduce a productos nuevos o con una duración mayor y
menos costos de mantenimiento.
 3.4. Aplicación del tamaño muestral e intervalo de confianza
Se requiere saber qué porcentaje de la población ecuatoriana entre 15 y 65 años
ven la televisión por dia. Obviamente, lo ideal sería preguntar a todos los miembros de la
población (17 millones) pero eso es extremadamente costoso. Por ello normalmente
optamos por encuestar a una parte de la población, lo que se conoce como una muestra.
Como una muestra no contiene a todos los individuos, inevitablemente vamos a cometer
cierto error en nuestras estimaciones. Cuanto más pequeña sea la muestra, ese error va a
ser potencialmente mayor.

3.4.1. Margen de error y nivel de confianza

Ya se sabe qué se puede esperar si se obtiene muchas muestras de nuestra

población. Pero en la práctica, solo se tiene una muestra de tamaño n. Sin embargo, saber
que esta muestra forma parte de una distribución de medias sirve de ayuda.

Una distribución Normal tiende a estar concentrada en torno a la media. Y

sabemos en qué medida. Por ejemplo, sabemos que en el 90% de los casos, la media de
la muestra va a estar en un intervalo μ±1.645σ/√n. O que en el 95% de los casos, la media
va a estar en un intervalo μ±1.96 σ/√n.

Los niveles de confianza y sus correspondientes se presentan en la siguiente tabla:

Nivel de confianza Z-score

80% 1.282

90% 1.645

95% 1.96

99% 2.576

Por lo tanto, de forma general podemos decir que la media que hemos medido en
la muestra (m) cumple lo siguiente:
Probabilidad:

( μ-ZNC σ √ n < m < μ+ZNC σ √ n ) = NC

Para comprender mejor esta expresión, retomemos el ejemplo anterior
acerca de la población . Supón que obtenemos una muestra de n=500 personas,
calculamos la media de minutos de TV vistos por esas 500 personas y resulta
415. Y supongamos por el momento que sabemos que la desviación típica en la
población no supera los 100 minutos. Podríamos decir

(
P 415-1.645 100 √ 500 < μ < 415+1.645 100 √ 500 ) = 90%

(
P 415 - 7.4 < μ < 415 + 7.4 ) = 90%

(
P 407.6 < μ < 422.4 ) = 90%
Gracias al teorema central del límite podemos decir que en un 90% de
los casos, la media de consumo de TV de la población brasileña está entre 407.6
y 422.4 minutos. En lugar de dar una estimación puntual (415) estamos dando
una estimación, un margen de error (±7.4) y el nivel de confianza que tenemos
en que la realidad esté dentro del margen de error (90%

3.4.2. tamaño de la muestra

Se tiene que decidir cuál es el error máximo que está dispuesto a aceptar (e) y el
nivel de confianza que se quiere que ese error, sabiendo que el error máximo es:

e ≤ZNC σ √n
solo tenemos que darle la vuelta a esta expresión

n ≥ZNC2 σ2 e2
 Volviendo a nuestro ejemplo. Imagina que no hemos hecho la encuesta aún, pero
queremos tener un nivel de confianza del 90% de que la media que observemos en la
muestra no se desvíe de la realidad en más de ±5 minutos. La muestra que necesitamos
será de

n =1.6452

1002 52

= 1,082.4 ≈ 1,083

Hemos redondeado al alza (1,082.4->1,083) porque queremos garantizar que no

superamos el error de 5 minutos, pero es un detalle sin mucha importancia. Observa que
la muestra resultante es mayor a la anterior de 500 individuos, porque el error máximo
que pedimos (5) es más pequeño que el que teníamos antes (7.4).
 4. Conclusión
Después de investigar, leer y redactar sobre estadística, parametrización,
herramientas, métodos e inclusive ejemplos, puedo tener un panorama más general sobre
el empleo de la estadística en la ingeniería, conozco más de cómo esta puede usarse para
resolver problemas comunes de una empresa o en la toma de decisiones. No obstante, no
es en el único ámbito que puede utilizarse, ya que tiene diversas aplicaciones en lo social,
medicina, economía y otras ciencias.

5. Bibliografía

Guarín S., Norberto (2002). Estadística aplicada. Universidad Nacional de

Colombia. Extraído el 7 de Junio, 2018 del
sitio: http://fcbi.unillanos.edu.co/proyectos/Facultad/php/tutoriales/upload_tutos/Curso%
20De%20Estadistica%20Aplicada.pdf

Marjorie G., Hahn (2001). New exposition on Probability and statistics. 2-5.

Extraído el 9 de Junio, 2018, de la base de datos

Runger, George. & Montgomery Douglas. (1996). trad. por Urbina, Mendal & Edmundo G.:
Probabilidad y estadística aplicadas a la ingeniería. (pp. 831-834, 856). México: Editorial
Mc Graw Hill.

Sáenz C., Antonio (2012). Apuntes de estadística para ingenieros. Universidad Jaén.
Extraído el 7 de Junio del 2018 del sitio:

http://www4.ujaen.es/~ajsaez/recursos/EstadisticaIngenieros.pdf