Trabajo integrador:

Seminario de
Estadística Aplicada

INTEGRANTES: CANOSA PABLO – VÁZQUEZ MANUEL

Introducció n
En esta presentación, se desarrollaran 4 herramientas
estadísticas, aplicadas a un emprendimiento relacionado a la
fabricación y venta de cerveza artesanal. El mismo fue
confeccionado en base a datos registrados por un comercio
asociado a dicho rubro. Cada tema será presentado con su
correspondiente marco teórico, y el ejercicio de aplicación
que lo acompaña.
 Distribució n normal
• Es un modelo teórico capaz de aproximar el valor de una
variable aleatoria continua a un situación ideal.

• La variable continua aleatoria puede tomar cualquier valor

real.

• Es la base de otras distribuciones conocidas.

• Se utiliza una variable Z estandarizada, con la media centrada.

Problemática:
Un equipo de ingenieros industriales, decide iniciar un
emprendimiento relacionado con la venta de cerveza artesanal.
Luego de cierto tiempo, recopilan la siguiente información:
Semanas Unidades vendidas Gastos de publicidad($)
1º semana Enero 180 1800
2º semana Enero 100 1000
3º semana Enero 230 2100
4º semana Enero 90 1200
1º semana Febrero 220 2100
2º semana Febrero 210 2200
3º semana Febrero 250 2400
4º semana Febrero 170 1600
1º semana Marzo 210 2000
2º semana Marzo 200 1900
3º semana Marzo 130 1200
4º semana Marzo 240 2300
1º semana Abril 215 1900
2º semana Abril 140 1600
3º semana Abril 150 1200
4º semana Abril 250 2400

• ¿Cuál es la probabilidad de que las ventas en el mes de mayo

superen las 900 u?
• ¿Cuál es la probabilidad de que las ventas estén entre las 900 y
1100 u?
 
Resolución:
 Se prueba que el modelo sigue una distribución
normal.

 Se calcula el desvió y la media

 Se estandariza el modelo

 Se realizan los cálculos solicitados

 Conclusión
Conclusió n:
•La  probabilidad de que las ventas en el mes de mayo superen las
900 unidades es de .
 
La probabilidad de que las ventas en el mes de mayo se
encuentren entre las 800 y 900 unidades, es de .
 Diseñ o de experimentos
• Conjunto de técnicas estadísticas, que aplicadas a un proceso,
nos permite comprobar hipótesis y extraer conclusiones para
la toma de decisiones.
• El objetivo principal del experimento es ver como afectan
ciertos factores a la variable de respuesta.
• A la hora de diseñar el experimento, se debe tener en cuenta
cual será la unidad experimental y la cantidad de muestras
que tomaremos .
• Existen tres tipos básicos de diseño de experimentos: diseño
completamente aleatorizado, diseño de bloques aleatorizados,
y diseño factorial.
• Los modelos anteriormente nombrados, se resuelven
realizando un análisis de la varianza(Anova).
Problemática:
El mismo equipo de ingenieros industriales ahora pretende
evaluar la graduación alcohólica final del producto. Acto seguido
se toman 15 muestras para 3 tiempos de fermentación distintos y
5 cantidades de levadura distintas y se genera una tabla con los
datos obtenidos.
Tiempo(Días) Cant. Levadura (Gramos) Graduación alcohólica
(%)
5 11,2 3,6
5 10 3,5
5 8 3,4
5 7 3,3
5 6 3,2
7 11,2 4,3
7 10 4,1
7 8 4
7 7 3,9
7 6 3,7
10 11,2 5,4
10 10 5,2
10 8 4,7
10 7 4,6
10 6 4,4
Resolución:
 Identificamos la variable de respuesta, y el factor que
la modifica.

 Seleccionamos el diseño de bloques completamente

aleatorizados y planteamos el test de hipótesis
correspondiente.

 Verificamos el cumplimiento de los supuestos para el

análisis de la varianza.

 Realizamos un análisis de la varianza (Infostat) para

dar una respuesta a la problemática.

 Conclusión.
Conclusió n:
Conclusión:
Para la hipótesis de bloque podemos ver que p valor<0.05 por lo
tanto tenemos evidencia suficiente para rechazar H0 y afirmar que
al menos una media de graduación alcohólica difiere con el tiempo
de fermentación.
Para la hipótesis de tratamiento podemos ver que p valor<0.05 por
lo tanto tenemos evidencia suficiente para rechazar H0 y afirmar
que al menos una media de graduación alcohólica difiere con la
cantidad de levadura.
Además, el test de Tukey nos permite decir que para los 6 y 7
gramos de levadura, la media de graduación alcohólica difiere
significativamente con respecto a los 10 y 11 gramos de levadura.
 Correlació n y regresió n lineal
• Son
  métodos estadísticos que estudian la relación lineal entre
dos variables.

• La correlación cuantifica cuan relacionadas están las variables,

mientras que la regresión lineal consiste en encontrar una
ecuación que ajuste el modelo.

• El modelo que nos interesa, es el que tenga el termino

(residuos) lo más pequeño posible, es decir, el que nos de la
mejor aproximación.

• El calculo del modelo de ajuste, viene acompañado de algunos

parametros.
Problemática:
El equipo de ingenieros industriales del ejercicio anterior, decide
evaluar si existe una relación lineal entre los gastos de publicidad
y el volumen de ventas semanal, entre el mes de enero, y abril. Se
adjunta una tabla con los datos recopilados en dichos meses:
Semanas Unidades vendidas Gastos de publicidad($)
1º semana Enero 180 1800
2º semana Enero 100 1000
3º semana Enero 230 2100
4º semana Enero 90 1200
1º semana Febrero 220 2100
2º semana Febrero 210 2200
3º semana Febrero 250 2400
4º semana Febrero 170 1600
1º semana Marzo 210 2000
2º semana Marzo 200 1900
3º semana Marzo 130 1200
4º semana Marzo 240 2300
1º semana Abril 215 1900
2º semana Abril 140 1600
3º semana Abril 150 1200
4º semana Abril 250 2400
 
Resolución:
 Se identifica el modelo y se arma un diagrama de
dispersión
 Planteo de hipótesis:
: no hay relación entre la variable X e Y
: hay relación entre la variable X e Y
 Utilizamos herramienta análisis de datos
 Con los datos obtenidos verificamos que , si esto se
verifica, se rechaza y existe regresión lineal.
 Verificamos el cumplimiento de los 3 supuestos
(normalidad, homocedasticidad e independencia de
errores)
 Análisis
 Conclusión
Conclusió n:
•  
Según el análisis previamente realizado, se concluye que existe una
relación lineal entre los gastos de publicidad, y las ventas. La misma
puede modelarse a través de la siguiente ecuación:
 
Ventas VS Gastos de publicidad
3000

2500
f(x) = 8.53 x + 214.67
2000 R² = 0.91

1500

1000

500

0
80 100 120 140 160 180 200 220 240 260

La verificación de los tres supuestos, indica que el modelo va a ser

confiable a la hora de predecir datos.
Control estadístico de procesos
• Es la aplicación de técnicas estadísticas para determinar si el
resultado de un proceso esta dentro de los márgenes
esperados.
• La fuente de variación de todo proceso son las causas
comunes y las causas asignables.
• La calidad de los productos de un proceso puede evaluarse de
dos formas: por atributos o por variables.
• El control de las variaciones se da utilizando graficas de control
que se dividen en graficas de control para variables y graficas
de control para atributos.
• La capacidad de un proceso nos indica si esta preparado para
cumplir con las especificaciones del producto. Esto se hace en
base a la razón de habilidad y al índice de habilidad del
proceso.
Problemática:
La capacidad de las botellas en las que se envasa la cerveza es de
1.05 L y el equipo pretende que cada una de ellas sea llenada con
1L de cerveza. Para determinar si el proceso de llenado es estable
deciden tomar 25 muestras de tamaño 5 para analizarlo. En base
a las observaciones generan la siguiente tabla:
Muestra X1 X2 X3 X4 X5
1 1,02 1,04 0,99 0,97 0,97
2 1,01 0,95 0,95 0,96 1,04
3 0,98 0,98 1,04 1 0,96
4 0,96 1,03 1,03 1,03 0,96
5 1,03 0,99 1 1,04 0,99
6 1,04 1,01 0,98 0,95 1,03
7 0,99 1 0,97 0,98 1,02
8 1 0,95 1,01 0,97 0,99
9 0,97 1,04 0,97 0,99 1,01
10 1,03 0,96 0,96 1,02 1
11 1,04 0,98 0,99 1,01 0,98
12 1,01 0,99 1,02 0,96 1,03
13 0,99 0,96 0,98 1,03 1
14 0,97 1,01 1,03 1,05 0,96
15 0,95 1,03 0,97 0,96 1
16 1,05 0,97 1,04 0,99 1,1
17 0,98 1,04 1,01 1 0,96
18 1,01 0,96 0,98 1,01 0,99
19 0,96 1,03 0,98 1,03 1,01
20 0,97 0,97 0,99 1,03 0,98
21 1,03 0,98 1,02 0,96 0,99
22 1,05 1,02 1,01 0,95 0,97
23 0,98 1,01 0,99 1 1,03
24 0,99 0,96 1 0,98 1,04
25 1 0,99 0,96 0,99 0,98
Resolución:
 Se identifica la variable a analizar (volumen de las
botellas).
 Utilizaremos diagramas de control por variables.
 Se toman 25 muestras, a lo largo de 25 días, de 5
observaciones.
 Aplicamos el análisis de control mediante Infostat
 Conclusión
 Conclusió n:
Diagramas de control:
 

Tanto en el diagrama de control de Rango como en el de control de

media podemos ver que no hay ningún punto por fuera de los
límites, además no se aprecia ningún patrón que indique una
irregularidad, por lo que podemos asegurar que el proceso de
llenado es estable.