Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Ingeniería de la Producción
Estadística Aplicada
Tema:
Guía de refuerzo con preguntas y respuestas de Estadística Aplicada
con el programa Rstudio.
Integrantes:
Barrigas Alarcón Jonathan Adalid
Donoso Valdiviezo Estefannia Pamela
Lara Salinas Lisseth Nicole
Mallitasig Bedon Erika Victoria
2
1. Explique a partir de un ejemplo cómo la estadística contribuye a las
investigaciones en el campo de ingeniería de la producción.
Utilizando técnicas estadísticas, los ingenieros pueden recopilar datos sobre la variabilidad en la
producción, como las dimensiones de los componentes o el rendimiento de las máquinas. Aplicando
análisis estadísticos, como el control estadístico de procesos (SPC), pueden monitorear la estabilidad y
calidad del proceso en tiempo real.
Si, por ejemplo, se observa una tendencia no deseada en la variabilidad de las dimensiones de los
componentes, la estadística permite identificar la fuente del problema. Se pueden realizar análisis de
regresión para entender las relaciones entre variables, como la velocidad de la línea de producción y la
calidad del producto. Además, se pueden emplear técnicas de diseño de experimentos (DOE) para
optimizar el proceso y encontrar las condiciones ideales de operación.
Control de Calidad:
Optimización de Procesos:
La ingeniería de la producción busca optimizar procesos para mejorar eficiencia y reducir costos. La
estadística, a través de técnicas de Diseño de Experimentos (DOE), ayuda a identificar las condiciones
óptimas de operación al analizar cómo variables como la velocidad de la línea o la temperatura afectan el
rendimiento del proceso.
Gestión de Inventario:
En situaciones reales, la estadística se aplica para evaluar la fiabilidad de equipos y prever fallos. Análisis
de confiabilidad y mantenimiento predictivo utilizan datos históricos para identificar patrones de fallas,
permitiendo programar el mantenimiento de manera eficiente y evitar tiempos imprevistos de inactividad.
Mejora Continua:
La estadística se utiliza para impulsar la mejora continua en la producción. A través de técnicas como el
Ciclo de Deming (PDCA), se recopilan datos, se analizan para identificar áreas de mejora, se
implementan cambios, y se monitorea nuevamente para evaluar el impacto, creando un ciclo iterativo que
optimiza constantemente los procesos de producción.
3
2. Explique la relación entre los conceptos inferencia, población, muestra,
estadístico, estimador y parámetro.
En estadística, estos conceptos están interrelacionados y se utilizan para realizar inferencias sobre una
población basándose en datos recopilados de una muestra. Aquí está la relación entre ellos:
Población:
La población es el conjunto completo de elementos o individuos que comparten una característica común
y son objeto de estudio.
Por ejemplo, si estamos interesados en la altura de todos los estudiantes de una universidad en particular,
la población sería todos los estudiantes de esa universidad.
Muestra:
Estadístico:
Un estadístico es una medida numérica que se calcula a partir de los datos de una muestra.
Por ejemplo, la media o desviación estándar calculada a partir de la altura de la muestra de estudiantes.
Parámetro:
Un parámetro es una medida numérica que describe una característica de la población completa.
Siguiendo el ejemplo, la media o desviación estándar de todas las alturas de los estudiantes de la
universidad sería un parámetro.
Estimador:
Un estimador es una regla o fórmula que se utiliza para calcular un estadístico a partir de los datos de la
muestra.
Si utilizamos la media muestral para estimar la media poblacional, entonces la media muestral es un
estimador de la media poblacional.
Inferencia:
Utilizando los datos de la muestra (estadístico), se infiere o se hace una estimación sobre el parámetro de
la población.
4
3. De un ejemplo de cada tipo de variable (nominal, ordinal, cuantitativa, dummy).
Nominal:
Ordinal:
Variable que tiene categorías con un orden, pero la distancia entre las categorías no es uniforme o
significativa.
Cuantitativa:
Dummy (Binaria):
Variable que toma solo dos valores para representar categorías distintas.
5
4. Una agencia de protección ambiental utiliza a los autos nuevos de cada año para
recolectar información de la emisión de contaminantes del parque de vehículos nacional.
Indique cuál sería la población y cuál sería la muestra de ese dicho estudio.
Población
La población en este estudio sería el conjunto de todos los autos que forman parte del
parque vehicular nacional. Esto incluye tanto los autos nuevos como los usados.
Muestra
6
5. Según la encuesta INEC 2015 el 24,4% de los ecuatorianos vivía en condición de
pobreza. ¿Dicha cifra corresponde a un parámetro o a un estimador? Justifique.
Las encuestas siempre tienen un margen de error: Este margen de error refleja la
incertidumbre en la estimación del parámetro debido a que solo se utiliza una muestra.
El porcentaje de pobreza puede variar con el tiempo: El 24,4% solo refleja la situación
en el año 2015, es una estimación basada en la muestra.
7
6. Un investigador afirma que hay una proporción de 0,3 estudiantes en esta facultad
que fuma, mientras que otro señala que el 70% de los estudiantes no fuma. ¿Son
contradictorias estas afirmaciones? ¿Ambas afirmaciones entregan la misma
información? Justifique.
Estas afirmaciones nos son contradictorias, sino que se complementan para poder tener
una perspectiva sobre este hábito.
8
7. En la base de datos del INEC DESEMPLEO 2020, una variable indica la condición de
actividad de las personas, distinguiendo en activos, inactivos y cesantes. Describa cómo
podría transformar dicha variable en variable(s) dummy y mantener la misma
información.
9
8. Explique por qué la media muestral es un buen estimador de la media poblacional.
Esta propiedad de consistencia hace que la media muestral sea un estimador confiable,
especialmente en muestras grandes, donde la variabilidad se reduce y las estimaciones
se vuelven más precisas. En conjunto, la combinación de insesgamiento y consistencia
hace que la media muestral sea una herramienta fundamental en la estimación de
parámetros poblacionales.
10
9. Si usted tuviese información de toda una población, ¿cómo evaluaría si un estadístico
es un buen estimador de un parámetro poblacional?
11
10. ¿Cómo clasificaría la siguiente gráfica (¿GRAF?1) a partir de su simetría y curtosis?
Al observar la gráfica notamos que tiene una distribución sesgada hacia la derecha. Esto
nos indica que tenemos una asimetría positiva. También nos menciona que su media
es mayor que la mediana y mayor que la moda. Ahora, en cuanto a la curtosis se puede
asumir que es leptocúrtica ya que la distribución tiene una forma puntiaguda.
11. ¿Cómo podrías evaluar si la distribución de una variable en cierta población tiene la
forma de una distribución teórica particular?
Para evaluar si la distribución de una variable en una población se ajusta a una distribución teórica
particular, podemos seguir los siguientes pasos:
1. Recopilar datos de una muestra representativa de la población que se está estudiando. Cuanto más
grande sea la muestra, mejor.
2. Crear gráficos para visualizar la forma de distribución.
3. Utilizar pruebas estadísticas para comparar los datos observados con la distribución teórica.
Algunas pruebas comunes es la de chi-cuadrado, la prueba de Kolmogórov-Smirnov, o la prueba
de Anderson-Darling. Estas pruebas evalúan si hay diferencias significativas entre los datos
observados y los esperados bajo la distribución teórica.
4. Si la distribución teórica tiene parámetros, estimar esos parámetros a partir de los datos y
compáralos con los valores esperados.
5. Realizar análisis gráficos comparando la función de densidad de probabilidad o la función de
distribución acumulativa de la distribución teórica con los datos observados.
La distribución normal, también conocida como la distribución de Gauss o campana de Gauss, es una de
las distribuciones más importantes en estadísticas y probabilidad. Algunas de las características de la
distribución normal son:
12
13. ¿Qué es una distribución normal estándar?
Una distribución normal estándar, también conocida como distribución normal o distribución gaussiana,
es una distribución de probabilidad continua que tiene una forma de campana simétrica alrededor de su
media. Es caracterizada por dos parámetros los cuales son: la media (μ) y la desviación estándar (σ). En
una distribución normal estándar, la media es 0 y la desviación estándar es 1.
14. Observando la gráfica (GRAF. 2), ¿cree usted que dicha variable es normal?
2. La distribución normal tiene propiedades matemáticas bien comprendidas, lo que facilita los
cálculos y el análisis estadístico. Además, muchos métodos estadísticos asumen normalidad para
simplificar los procedimientos de estimación y predicción.
13
3. Muchos procesos en la naturaleza y en las ciencias sociales tienden a seguir una distribución
normal debido al efecto combinado de múltiples factores aleatorios. Por lo tanto, entender y
utilizar la distribución normal nos permite modelar y predecir una amplia gama de fenómenos,
desde la altura de las personas hasta los resultados de pruebas estandarizadas.
14