UNIDAD 4

DISEÑO DE LA CALIDAD DE LA
SIMULACION
4.4 CARACTERISTICAS ESTADISTICAS DEL ESTIMADOR
LIDER

Integrantes:
Diego Flores Hernández #20100799
Jose Enrique Martínez Pérez 20100
4.4 Características estadísticas
del estimador líder
 Sesgo
Se denomina sesgo de un estimador a la diferencia
entre la esperanza (o valor esperado) del estimador
y el verdadero valor del parámetro a estimar. Es
deseable que un estimador sea insesgado o
centrado, es decir, que su sesgo sea nulo por ser su
esperanza igual al parámetro que se desea estimar.
 Ejemplo de Sesgo
Media Mediana
 Ejemplo de Sesgo
La Varianza es un estimador sesgado.

Ejemplo: La Media de las Varianzas obtenidas con la

Varianza

En un muestreo de 1000 muestras (n=25) en que la

Varianza de la población es igual a 9.56 ha resultado
igual a 9.12, esto es, no coinciden.

En cambio, al utilizar la Cuasivarianza la Media de

las Varianzas muestrales es igual a 9.5, esto es,
coincide con la Varianza de la población ya que la
Cuasivarianza es un estimador insesgado.
 Consistencia

La consistencia es una propiedad asintótica. Esta

propiedad se parece a la propiedad de eficiencia
con la diferencia de que la consistencia mide la
distancia probable entre el valor del estimador y
el valor verdadero del parámetro poblacional a
medida que el tamaño de la muestra aumenta
indefinidamente. Este aumento indefinido del
tamaño de la muestra es la base de la propiedad
asintótica.
Ejemplo de consistencia
En una población de 500 puntuaciones cuya Media
(m) es igual a 4.9 han hecho tres muestreos
aleatorios (número de muestras= 100) con los
siguientes resultados:

Vemos que el muestreo en que n=100 la Media de las

Medias muestrales toma el mismo valor que la Media
de la población.
 Eficiencia
Si Q1 y Q2 son dos estimadores insesgados de φ
, será eficiente su relación con Q2 cuando
Var(Q1) ≤ Var(Q2) para cualquier valor de φ
siempre que la muestra estadística de φ sea
estrictamente mayor a 1, n>1. Siendo Var, la
varianza y n, el tamaño de la muestra.

Sólo podemos usar este criterio de selección de

estimadores cuando son insesgados.
 Ejemplo de eficiencia

La Varianza de la distribución muestral de la Media en

un muestreo aleatorio (número de muestras: 1000, n=25)
ha resultado igual a 0.4. La Varianza de la distribución de
Medianas ha resultado, en el mismo muestreo, igual a
1.12, (este resultado muestra que la Media es un
estimador más eficiente que la Mediana).
4.4.1. Establecimiento de la precisión

Precisión se refiere a la dispersión del conjunto de

valores obtenidos de mediciones repetidas de una
magnitud. Cuanto menor es la dispersión mayor la
precisión.

Es importante resaltar que la automatización de

diferentes pruebas o técnicas puede producir un
aumento de la precisión. Esto se debe a que con
dicha automatización, lo que logramos es una
disminución de los errores manuales o su corrección
inmediata.}
 Exactitud
Exactitud se refiere a cuán cerca del valor real se
encuentra el valor medido. En términos
estadísticos, la exactitud está relacionada con el
sesgo de una estimación. Cuanto menor es el sesgo
más exacta es una estimación.

Cuando se expresa la exactitud de un resultado, se

expresa mediante el error absoluto que es la
diferencia entre el valor experimental y el valor
verdadero.

Guía para expresar incertidumbres de

medida (GUM: JCGM-100 de la BIPM)
 Desviación Estándar

En estadística, la desviación típica (también conocida

como desviación estándar y desvío típico y representada
de manera abreviada por la letra griega minúscula sigma
σ o la letra latina s, así como por las siglas SD (de standard
deviation, en algunos textos traducidos del inglés)) es una
medida que se utiliza para cuantificar la variación o la
dispersión de un conjunto de datos numéricos.
 El tamaño de la muestra o cálculo de número
de observaciones es un proceso vital en la

4.4.2 CALCULO etapa de cronometraje, dado que de este

depende en gran medida el nivel de confianza

DEL NUMERO del estudio de tiempos. Este proceso tiene

como objetivo determinar el valor del

MINIMO DE promedio representativo para cada elemento.

Los métodos más utilizados para determinar el

OBSERVACIONES número de observaciones son:

NECESARIAS
Método Estadístico
Método Tradicional (Nomográfico)
MÉTODO ESTADÍSTICO Siendo:
n = Tamaño de la muestra
que deseamos calcular
El método estadístico requiere que se efectúen (número de observaciones)
cierto número de observaciones preliminares (n’), n’ = Número de
para luego poder aplicar la siguiente fórmula: observaciones del estudio
preliminar
NIVEL DE CONFIANZA DEL 95,45% Y UN MÁRGEN DE ERROR DE ± 5% Σ = Suma de los valores
x = Valor de las
observaciones.
40 = Constante para un nivel
de confianza de 95,45%
 EJEMPLO
Se realizan 5 observaciones preliminares, los valores de los respectivos tiempos
transcurridos en centésimas de minuto son: 8, 7, 8, 8, 7. Ahora pasaremos a calcular los
cuadrados que nos pide la fórmula:

n’ = 5
 EJEMPLO
Sustituyendo estos valores en la fórmula anterior tendremos el valor de n:

Dado que el número de observaciones preliminares (5) es inferior al requerido (7),

debe aumentarse el tamaño de las observaciones preliminares, luego recalcular n.
Puede ser que en recálculo se determine que la cantidad de 7 observaciones sean
suficientes.
 MÉTODO NOMOGRÁFICO
1. Realizar una muestra tomando 10 lecturas sí los ciclos son
<= 2 minutos y 5 lecturas sí los ciclos son > 2 minutos, esto
debido a que hay más confiabilidad en tiempos más
grandes, que en tiempos muy pequeños donde la
Siendo:
probabilidad de error puede aumentar.
Σx = Sumatoria de los
tiempos de muestra
2. Calcular el rango o intervalo de los tiempos de ciclo, es
n = Número de ciclos
decir, restar del tiempo mayor el tiempo menor de la
muestra: tomados
R (Rango) = Xmax – Xmin

3. Calcular la media aritmética o promedio:

4. Hallar el cociente entre rango y la
media:

5. Buscar ese cociente en la siguiente

tabla, en la columna (R/X), se ubica el
valor correspondiente al número de
muestras realizadas (5 o 10) y ahí se
encuentra el número de observaciones
a realizar para obtener un nivel de
confianza del 95% y un nivel de
precisión de ± 5%.
 EJEMPLO
Tomando como base los tiempos
contemplados en el ejemplo del
método estadístico, abordaremos el
cálculo del número de observaciones
según el método tradicional.
En primer lugar como el ciclo es inferior
a los 2 minutos, se realizan 5 muestras
adicionales (6, 8, 8, 7, 8) para cumplir
con las 10 muestras para ciclos <= 2
minutos. Las observaciones son las
siguientes:
 EJEMPLO
Se calcula el rango:
R (Rango) = Xmax – Xmin R (Rango) = 8 – 6 = 2

Ahora se calcula la media aritmética:

Ahora calculamos el cociente entre el rango y la media:

 EJEMPLO
Ahora buscamos ese
cociente en la tabla y
buscamos su
intersección con la
columna de 10
observaciones:
 EJEMPLO

Tenemos entonces que el número de observaciones a realizar para

tener un nivel de confianza del 95% según el método tradicional es: 11
Al adicionar los 5 tiempos y utilizar el método estadístico tenemos un
número de observaciones igual a: 12.8 aproximadamente 13.
Por lo cual podemos concluir que ambos métodos arrojan resultados
muy parecidos y que la elección del método se deja a criterio del
especialista.
4.4.3 El intervalo de confianza representa una técnica
esencial en la empresa. Sobre todo, en los

INTERVALOS DE diferentes procesos como la producción y la

venta de bienes y/o servicios. El tener un buen

CONFIANZA control estadístico permite conocer el intervalo

que le corresponde a cada proceso.
Trata sobre encontrar 2 valores simetricos respecto a la media
Tabla de distribución normal tipificada N(0,1)
EJEMPLO
 EJEMPLO

Intervalo de confianza del 90% esta entre -1.645 y 1.645

EJEMPLO 1
EJEMPLO 1
EJEMPLO 1
EJEMPLO 1
EJEMPLO 1
 EJEMPLO 1

El 80% de sus neumaticos tienen una

durabilidad entre 44, 160 km y 51, 840 km
Referencias
Propiedades de los estimadores | 2023 | Economipedia

SIMULACION: 4.4.1. establecimiento de la precisión (maricruzvelazquezmendezsimulacion.blogspot.com)

4.4. Características estadísticas del estimador líder (juandejesusjimenezvelazquezsimulacion.blogspot.com)

SIMULACION: 4.4 CARACTERISTICAS ESTADISTICAS DEL ESTIMADOR LIDER

(maricruzvelazquezmendezsimulacion.blogspot.com)

4.4 Cracteristicas Estadisticas Del Estimador Lider - VSIP.INFO

https://www.ingenieriaindustrialonline.com/estudio-de-tiempos/calculo-del-numero-de-observaciones/

https://www.youtube.com/watch?v=2wugQGs1GNY&ab_channel=P%C3%ADldorasmatem%C3%A1ticas
ACTIVIDAD

CRUCIGRAMA