Documentos de Académico
Documentos de Profesional
Documentos de Cultura
PROCESOS METALÚRGICOS
UNIDAD I: Variables estadísticas, gráficos y distribuciones de
frecuencia
Todos los derechos reservados © 2020 - v1.3
ACERCA DEL EXPOSITOR
Experiencia:
Académico e investigador del Departamento de Ingeniería Química de la Universidad de Santiago
de Chile (USACH). Cuenta con más de 15 años de experiencia en áreas de modelación,
simulación y control de procesos, con variadas publicaciones científicas y proyectos de desarrollo
tecnológico en el ámbito de la minería, principalmente en la minería de cobre. Socio fundador de
diversas empresas en el ámbito de consultoría y de desarrollo tecnológico. Consultor de la
Cámara Minera del Perú-Escuela de Altos Estudios.
Formación:
Doctor en Ciencias de la Ingeniería con mención en Ingeniería de Procesos e ingeniero civil
Dr. José Luis químico de la Universidad de Santiago de Chile. Ph. D. en Ciencias de Ingeniería con
Salazar Navarrete especialización en Modelos Avanzados de Control en Procesos de Molienda SAG. Académico e
investigador en áreas de simulación, modelamiento y control avanzado de procesos de
conminución de minerales.
Bienvenido
a la unidad del curso
01
TEMARIO
OBJETIVO DE LA UNIDAD
Analizar variables estadísticas y
distribuciones de frecuencia, estimando
medidas de posición, dispersión y forma.
Experiencia 03
profesional
04
MOTIVACIÓN
0 - 100 25
900 - 1000 2
01 08
Variables estadísticas, gráficas y
distribución de frecuencia
Las muestras
Distribución de
Gráficos
frecuencia
Frecuencia
Histogramas
acumulada
Tabla de
contingencia Diagramas
Frecuencias
relativas
01 09
Variables estadísticas, gráficas y
distribución de frecuencia
Las muestras
Muestra
Una muestra representativa es aquella que refleja las características esenciales de la población de la cual se obtuvo.
01 10
Variables estadísticas, gráficas y
distribución de frecuencia
Las muestras
Discretas
(N.° de trabajadores)
Cuantitativa
(estatura, edad)
Variable Continuas
(peso, temperatura,
estadística longitud)
Cualitativa
(sexo, profesión)
01 11
Variables estadísticas, gráficas y
distribución de frecuencia
Las muestras
𝑛𝑖
valor de la variable se le asocian determinados números que representan el
número de veces que ha aparecido.
• Según:
01 12
Variables estadísticas, gráficas y
distribución de frecuencia
Las muestras
• La frecuencia absoluta acumulada es el número de veces que ha aparecido en la muestra un valor menor
o igual que el de la variable y lo representaremos por Ni. La última frecuencia absoluta acumulada deberá
ser igual a N.
• La frecuencia relativa acumulada es el cuociente entre la frecuencia absoluta acumulada y el número total
de datos N. La denotaremos por Fi.
𝑁𝑖
𝐹𝑖 =
𝑁
• Si multiplicamos la frecuencia relativa acumulada por 100, se obtiene el porcentaje acumulado Pi.
01 13
Variables estadísticas, gráficas y
distribución de frecuencia
Tablas de frecuencia Para calcular el número de empresas con más de 300 trabajadores:
Intervalo Límite inferior Límite superior Marca de clase ni (Frecuencia absoluta) fi (Frecuencia relativa) Ni (Frec. Absoluta acum.) Fi (Frec. Relativa acum.)
1 0 100 50 25 0,17857 25 0,17857
2 100 200 150 37 0,26429 62 0,44286
3 200 400 300 12 0,08571 74 0,52857
4 400 500 450 22 0,15714 96 0,68571
5 500 600 550 21 0,15000 117 0,83571
6 600 700 650 13 0,09286 130 0,92857
7 700 800 750 5 0,03571 135 0,96429
8 800 900 850 3 0,02143 138 0,98571
9 900 1000 950 2 0,01429 140 1,00000
140
01 14
Variables estadísticas, gráficas y
distribución de frecuencia
Representaciones gráficas
Histograma
16 120,00%
14
100,00%
12
80,00%
10
Frecuencia
8 60,00%
Frecuencia
6
40,00% % acumulado
4
20,00%
2
0 0,00%
85 78 71 99 92 57 64 y mayor...
Clase
01 15
Variables estadísticas, gráficas y
distribución de frecuencia
Ejemplo
Columna1
Frecuencia
80,00%
24 16 31,82% 15
Varianza de la muestra 54,41728588 60,00%
27 16 42,21%
Curtosis -0,832637882 25 10 120,00%
30 19 54,55% 40,00%
Fre
Coeficiente de asimetría 0,112510159 5 100,00%
33 20 23 69,48% 20,00%
Rango 31,1 %a
36 21 83,12%
Frecuencia
0 80,00% 0,00%
Mínimo 15,5 15
15
18
21
24
27
30
33
36
39
42
45
48
y mayor...
39 15 92,86%
Máximo 46,6 60,00%
42 10 5 96,10%
Suma 4434,3 45 5 99,35% Clase
40,00%
Frecuencia
Cuenta 154 48 5 1 100,00% 20,00% Clase
Mayor (1) 46,6 y mayor... 0 100,00%
% acumulado
0 0,00%
Menor(1) 15,5
15
18
21
24
27
30
33
36
39
42
45
48
y mayor...
Nivel de confianza(95,0%) 1,174370049
Clase
Tema 02
• Media
• Moda
• Mediana
n
xi
x
i 1 n
Media aritmética ponderada: Es la media aritmética que se utiliza cuando a cada valor
de la variable (xi) se le otorga una ponderación o peso distinto de la frecuencia o
repetición.
σ 𝑋𝑖 𝑊𝑖 𝑛𝑖
𝑋ത𝑖 =
σ 𝑊𝑖 𝑛𝑖
Mediana: Para un conjunto de observaciones es el valor para el cual, cuando todas las
observaciones se ordenan de forma creciente, la mitad de estas es menor que este valor
y la otra mitad mayor.
• Su función es informar del valor de la variable que ocupará la posición (en tanto por
cien) que nos interese respecto de todo el conjunto de variables.
• Podemos decir que los cuantiles son unas medidas de posición que dividen a la
distribución en un cierto número de partes de manera que en cada una de ellas hay el
mismo número de valores de la variable.
Cuartiles: Dividen a la distribución en cuatro partes iguales (tres divisiones): C1, C2, C3,
correspondientes al 25 %, 50 % y 75 %.
Percentiles: Cuando dividen a la distribución en 100 partes (99 divisiones): P1, ..., P99,
correspondientes al 1 %, ..., 99 %.
02 23
Medidas de Posición, dispersión, forma
y concentración
Medidas de dispersión
• Las medidas de dispersión nos sirven para cuantificar la separación de los valores de una
distribución.
• La dispersión o variabilidad es la mayor o menor separación de los valores de la muestra,
respecto de las medidas de centralización que hayamos calculado.
• Recorrido
• Recorrido intercuartílico
• Varianza
• Desviación típica
• Desviación media respecto de la mediana
Varianza
• La siguiente tabla muestra la producción diaria, en toneladas, de 20 celdas de electrodepositación de cobre de una
compañía minera.
• La siguiente tabla muestra la producción diaria, en toneladas, de 20 celdas de electrodepositación de cobre de una
compañía minera.
Desviación
19.46 Asimétrica Simétrica Asimétrica
estandar
hacia la hacia la
31.7 36.8 45.2 25.1 39.7 izquierda derecha
02 27
Medidas de Posición, dispersión, forma
y concentración
𝑆
𝑉𝑥 =
𝑥ҧ
• A mayor valor de Vx, menor representatividad de 𝑥.ҧ
02 28
Medidas de Posición, dispersión, forma
y concentración
• Medidas de forma
• Las medidas de forma de una distribución se pueden clasificar en dos grandes grupos o bloques: medidas de
asimetría y medidas de curtosis.
• Medidas de asimetría
• Cuando al trazar una vertical, en el diagrama de barras o histograma, de una variable, según sea esta discreta o
continua, por el valor de la media, esta vertical se transforma en eje de simetría.
• Diremos que es simétrica cuando a ambos lados de la media aritmética existe el mismo número de valores de la
variable.
• Se basa en las desviaciones de los valores observados respecto a la media. La interpretación de los
resultados proporcionados por este coeficiente es igual a la del primer coeficiente de Pearson.
1 𝑛
σ𝑖=1 𝑥𝑖 − 𝑥ҧ 3 ∙ 𝑛𝑖
𝑔1 = 𝑁 3/2
1 𝑛 2
σ
𝑁 𝑖=1 𝑥𝑖 − 𝑥ҧ ∙ 𝑛𝑖
• Si g1 > 0, la distribución será simétrica positiva o a derecha.
• Si g1 < 0, la distribución será simétrica negativa o a izquierda.
• Si g1 = 0, la distribución será simétrica.
Tema 03
Conclusiones
Contenido y propósito del estudio
03 31
Conclusiones
Contenido y propósito del estudio
Referencias
Identificación de fuentes
04 33
Referencias
Identificación de fuentes
Arteaga, P. (2008). Análisis de gráficos estadísticos elaborados en Lovera, D., Coronado, A., Arias, V., Quiñones, J., Puente, L.,
un proyecto de análisis de datos [tesis de maestría, Universidad de Herrera, J., Malpartida, C., Diego, J., Ipanaque, O., y López, P.
Granada]. (2005). Modelización y simulación de procesos metalúrgicos:
Arteaga, P., Batanero, C., Díaz, C., y Contreras, J. M. (2009). El flotación, filtración, lixiviación y espesamiento. Revista del Instituto
lenguaje de los gráficos estadísticos. Revista Iberoamericana de de Investigación de la Facultad de Ingeniería Geológica, Minera,
Educación Matemática, 18, 93-104. Metalúrgica y Geográfica, 8(15), 19-24.
Castro, J. D. (2019). Métodos estadísticos para el control y la Montgomery, D. C. (2020). Introduction to statistical quality
mejora continua en el proceso de tratamiento térmico de la control.
aleación de aluminio AA2024 [tesis de maestría, Universidad Montgomery, D. C. (2017). Design and analysis of experiments.
Tecnológica Nacional en Ingeniería en Calidad].
Montgomery, D., Peck, E., y Vining, G. G. (2006). Introducción al
Rosales Córdova, C. A., y De Ita de la Torre, A. D. (s. f.). análisis de regresión lineal. Limusa Wiley.
Determinación de la distribución de frecuencias del tamaño de
grano de un acero inoxidable austenítico 304 trabajado a diferentes Moreno Echavarría, R. B. (2012). Propuesta didáctica para la
deformaciones y recristalizado a diferentes tiempos. enseñanza de la estadística en los modelos de regresión lineal
simple bajo un enfoque constructivista.
Espinel, M. C., González, M. T., Bruno, A., y Pinto, J. (2009).
Las gráficas estadísticas. Tendencias actuales de la investigación
en educación estocástica.
Gujarati, D. N. (2019). The linear regression model (LRM).
Gracias