PROYECTO

INGENIERA INDUSTRIAL
PROYECTO DE ESTADSTICA

CUARTO SEMESTRE

INTEGRANTES:
*JUAN GUNSHA
*JORGE SEGOVIA
*SEBASTIAN VASCONEZ

UNIVERSIDAD NACIONAL DE CHIMBORAZO

INDICE DE CONTENIDOS
1. TEMA .............................................................................................................. 1
2. INTRODUCCIN ........................................................................................... 1
3. OBJETIVOS .................................................................................................... 1
3.1. OBJETIVO GENERAL ........................................................................... 1
3.2. OBJETIVOS ESPECFICOS ................................................................... 1
4. FUNDAMENTO TERICO ........................................................................... 2
ESTADISTICA ....................................................................................................... 2
POBLACIONES Y MUESTRAS ........................................................................... 3
TIPOS DE VARIABLES ........................................................................................ 3
MUESTREO ........................................................................................................... 4
TIPOS DE MUESTREO ......................................................................................... 4
MTODOS DE MUESTREO NO PROBABILSTICOS ...................................... 5
TRATAMIENTO DE DATOS AGRUPADOS Y NO AGRUPADOS .................. 6
DISTRIBUCIN DE MEDIAS MUESTRALES ................................................. 10
TEOREMA DEL LIMITE CENTRAL ................................................................. 11
PRUEBA DE HIPOTESIS .................................................................................... 13
PRUEBA DE HIPOTESIS PARA UNA Y DOS MUESTRAS ........................... 16
ANOVA ................................................................................................................ 16
REGRESION LINEAL ......................................................................................... 17
5. RESULTADOS ............................................................................................. 18
6. CONCLUSIONES ......................................................................................... 34
7. RECOMENDACIONES ................................................................................ 34
BIBLIOGRAFIA .................................................................................................. 34
ANEXOS .............................................................................................................. 35

1
PROYECTO DE ESTADISTICA II
1. TEMA
ANALISIS DEL TIEMPO DE FABRICACION DE PIEZAS TORNEADAS
EN MAQUINAS HERRAMIENTAS POR PARTE DE LOS ESTUDIANTES
2. INTRODUCCIN
Despus de haberse planteado el tema del proyecto, se realiz una revisin
exhaustiva de los contenidos revisados a lo largo del semestre, con el propsito de
aplicar los conocimientos y herramientas obtenidas en la ctedra de estadstica II
que definan el anlisis y estudio sobre la eficiencia en tiempos de trabajo en la
fabricacin de piezas metlicas realizadas por los estudiantes de la carrera de
Ingeniera Industrial Cuarto Semestre.
A partir de esto se hizo evidente la viabilidad del presente proyecto de estadstica
a implementar; ya que cuenta con una propuesta aplicativa de los conceptos
tericos y prcticos de las mltiples herramientas estadsticas estudiadas

3. OBJETIVOS
3.1. OBJETIVO GENERAL
- Analizar los tiempos de fabricacin de piezas torneadas por los estudiantes

3.2. OBJETIVOS ESPECFICOS

- Emplear las formulas y conceptos estadsticos para la resolucin del
problema
- Interpretar los resultados a partir de los datos calculados y tabulados


2
4. FUNDAMENTO TERICO
ESTADISTICA
Es la ciencia que se ocupa de recolectar, organizar, presentar, analizar e interpretar
datos para ayudar a una toma de decisiones ms efectiva.
TIPOS DE ESTADISTICA
ESTADSTICA DESCRIPTIVA: Conjunto de mtodos para organizar, resumir
y presentar los datos de manera informativa.
Ejemplo: Aplicar las encuestas a los estudiantes graduados de la Unach, para sacar
datos a la vez tambin tabularlos y tambin realizar clculos mediante frmulas.
ESTADSTICA INFERENCIAL: Conjunto de mtodos utilizados para saber
algo acerca de una poblacin, basndose en una muestra.
Ejemplo: De toda la encuesta anterior sacar una muestra y tambin proceder a
realizar los respectivos informes.
POBLACIN: Conjunto de todos los posibles individuos, objetos o medidas de
inters.
Ejemplo: todos los trabajadores de la Unin cementera nacional.
MUESTRA: Una porcin, o parte, de la poblacin de inters.
Ejemplo: 1._Los trabajadores del rea de ensacado de la empresa Unin
cementera nacional.
2._Los estudiantes de cuarto semestre desean aplicar una encuesta a los
estudiantes graduados en la carrera de ingeniera industrial en los periodos
del1995-2014 , donde se desea saber datos estadsticos, como sus datos
personales para esto se dice que hay un total de 167 de los cuales se seleccionan
93 estudiantes para realizar este proceso
PARAMETRO: Es una caracterstica de la poblacin.
ESTADISTICO: Es una caracterstica de la muestra.
Ejemplo: La empresa Cemento Chimborazo est considerando una fusin con La
Empresa de cementos Guapan, para concretarla requiere la aprobacin de los
accionistas. En una reunin Ya fijada, a la que estn invitados todos los
accionistas, el presidente de la Cemento Chimborazo les pregunta a los asistentes
si aprueban el trato. El 75% lo aprueba.

3
Este porcentaje es una estadstica de muestra o un parmetro de poblacin?
Solucin: Este porcentaje es un parmetro porque en la decisin han intervenido
totalmente todos los accionistas

POBLACIONES Y MUESTRAS
El problema y los objetivos de la investigacin orientan a ver cules son las
unidades de anlisis: personas, instituciones, organizaciones, hechos u objetos
observables; que nos proporcionarn los datos en la investigacin.
Frmulas para calcular el tamao de la muestra
Determinar el tamao de la muestra, a veces no es sencillo; primero porque se
requiere conocimientos estadsticos, y segundo porque depende del estudio y de la
disponibilidad de recursos y tiempo del investigador.
Formulas:

pq
NC
ME
N
Npq
n
+
=
2
2
) 1 (

1 ) 1 (
2
+
=
N ME
N
n

2
2
ME
pq NC
n =

TIPOS DE VARIABLES
CUANTITATIVA: Es un valor numrico, que est sujeto a varios clculos.
Ejemplo: Produccin diaria de una empresa encargada de produccin de
fertilizantes agrcolas.
CUALITATIVA: Cualidades, caractersticas, categora de la poblacin o muestra
en estudio.

4
Ejemplo: Tipo de materia prima utilizada en una empresa encargada en el
ensamblaje de carroceras para vehculos pesados.

MUESTREO
El muestreo es por lo tanto una herramienta de la investigacin cientfica, cuya
funcin bsica es determinar que parte de una poblacin debe examinarse, con la
finalidad de hacer inferencias sobre dicha poblacin.
TIPOS DE MUESTREO
Existen diferentes criterios de clasificacin de los diferentes tipos de muestreo,
entre los cuales tenemos.
1.- Muestreo aleatorio simple:
El procedimiento empleado es el siguiente: 1) se asigna un nmero a cada
individuo de la poblacin y 2) a travs de algn medio mecnico se eligen tantos
sujetos como sea necesario para completar el tamao de muestra requerido.
2.- Muestreo aleatorio sistemtico:
Se ordenan previamente los individuos de la poblacin; despus se elige uno de
ellos al azar, a continuacin, a intervalos constantes, se eligen todos los dems
hasta completar la muestra.
Se parte de ese nmero aleatorio i, que es un nmero elegido al azar, y los
elementos que integran la muestra son los que ocupa los lugares i, i+k, i+2k,
i+3k,...,i+(n-1)k, es decir se toman los individuos de k en k, siendo k el resultado
de dividir el tamao de la poblacin entre el tamao de la muestra: k= N/n. El
nmero i que empleamos como punto de partida ser un nmero al azar entre 1 y
k.
El riesgo este tipo de muestreo est en los casos en que se dan periodicidades en la
poblacin.
3.- Muestreo aleatorio estratificado:
Se divide la poblacin total en clases homogneas, llamadas estratos; por
ejemplo, por grupos de edades, por sexo. Hecho esto la muestra se escoge
aleatoriamente en nmero proporcional al de los componentes de cada clase o
estrato.

5
Lo que se pretende con este tipo de muestreo es asegurarse de que todos los
estratos de inters estarn representados adecuadamente en la muestra. Cada
estrato funciona independientemente.
La distribucin de la muestra en funcin de los diferentes estratos se denomina
afijacin, y puede ser de diferentes tipos:
Afijacin Simple: A cada estrato le corresponde igual nmero de elementos
mustrales.
Afijacin Proporcional: La distribucin se hace de acuerdo con el peso (tamao)
de la poblacin en cada estrato.
Afijacin Optima: Se tiene en cuenta la previsible dispersin de los resultados,
de modo que se considera la proporcin y la desviacin tpica. Tiene poca
aplicacin ya que no se suele conocer la desviacin.
4.- Muestreo aleatorio por conglomerado
En el muestreo por conglomerados las unidades muestrales no son elementos
individuales de la poblacin, sino grupos de elementos. En el muestreo por
conglomerados se selecciona aleatoriamente una coleccin de conglomerados. Se
muestrean entonces todos los elementos individuales de todos los conglomerados
elegidos. A veces, es necesario elegir conglomerados dentro de los
conglomerados. Se dice entonces que se trata de un muestreo en etapas mltiples.
MTODOS DE MUESTREO NO PROBABILSTICOS
Para estudios exploratorios, el muestreo probabilstico resulta excesivamente
costoso y se acude a mtodos no probabilsticos, aun siendo conscientes de que no
sirven para realizar generalizaciones (estimaciones inferenciales sobre la
poblacin), pues no se tiene certeza de que la muestra extrada sea representativa,
ya que no todos los sujetos de la poblacin tienen la misma probabilidad de se
elegidos. En general se seleccionan a los sujetos siguiendo determinados criterios
procurando, en la medida de lo posible, que la muestra sea representativa.
Entre los ms utilizados tenemos.


6
1.- Muestreo por cuotas:
El muestreo por cuotas es una tcnica de muestreo no probabilstico en donde la
muestra reunida tiene la misma proporcin de individuos que toda la poblacin
con respecto al fenmeno enfocado, las caractersticas o los rasgos conocidos.
2.- Muestreo intencional o de conveniencia:
Este tipo de muestreo se caracteriza por un esfuerzo deliberado de obtener
muestras "representativas" mediante la inclusin en la muestra de grupos
supuestamente tpicos. Es muy frecuente su utilizacin en sondeos preelectorales
de zonas que en anteriores votaciones han marcado tendencias de voto.
3.- Bola de nieve:
Se localiza a algunos individuos, los cuales conducen a otros, y estos a otros, y as
hasta conseguir una muestra suficiente. Este tipo se emplea muy frecuentemente
cuando se hacen estudios con poblaciones "marginales", delincuentes, sectas,
determinados tipos de enfermos, etc.
4.- Muestreo Discrecional A criterio del investigador los elementos son
elegidos sobre lo que l cree que pueden aportar al estudio.
TRATAMIENTO DE DATOS AGRUPADOS Y NO AGRUPADOS
Cuando la muestra consta de 30 o ms datos, lo aconsejable es agrupar los datos
en clases y a partir de estas determinar las caractersticas de la muestra y por
consiguiente las de la poblacin de donde fue tomada.
Antes de pasar a definir cul es la manera de determinar las caractersticas de
inters (media, mediana, moda, etc.) cuando se han agrupado en clases los datos
de la muestra, es necesario que sepamos cmo se agrupan los datos.
Ejemplo:
En una empresa procesadora de lcteos, un supervisor necesita controlar los
tiempos de envasado de yogurt, esta arroja tiempos diarios expresados en
segundos (s) en un rango comprendido entre 40 a 90 segundos para el envasado
diario de yogurt .


7
Los datos obtenidos son los siguientes

64 55 69 40 60 68
76 80 77 52 69 56
45 69 77 63 47 84
83 79 78 52 79 82
55 89 50 43 50 85
52 82 87 75 47 61
Solucin:

Datos
n= 36
Xmax= 89
Xmin= 40

Variable: "Segundos de tardanza en el envasado diario de
yogurt" Tipo de Variable: Cuantitativa

Tipo de Dato: Continuo
Poblacin: Todos los tiempos para el envasado de yogurt
Muestra: Segundos para el envasado diario de yogurt en 36
tiempos diferentes. Tipo de Muestreo Muestreo Probabilstico
"Aleatorio Simple" Parmetro: Segundos de Envasado

Estadstico: n=36 expresa el total de tiempos de envasado

ANALISIS DE DATOS

A) n=36
n>30 implica datos agrupados

B) Pocos datos homogneos en los tiempos de envasado de yogurt implica
datos agrupados
C) Si la amplitud es grande implica datos agrupados

a= 49

DATOS AGRUPADOS

REGLA DE 2^k>=n

a) 64
k= 6

b) Amplitud del Intervalo
8,17 9

8

c) Determinar el exceso
AT=k*i
ai= 49
AT= 54
Exceso=AT-ai 5
(Exceso/2) 2,5

d)
LimInf=Xmin-(exce/2) 38
LimSup=Xmax+(exce/2) 92

Cuando la muestra que se ha tomado de la poblacin o proceso que se desea
analizar, es decir, tenemos menos de 20 elementos en la muestra, entonces estos
datos son analizados sin necesidad de formar clases con ellos y a esto es a lo que
se le llama tratamiento de datos no agrupados.


9

La encuesta
La entrevista
El test
La observacin
Son cuestionarios elaborados
para obtener informacin a
travs de preguntas de:
Es una conversacin entre el
entrevistador y el entrevistado.
El entrevistador deber conocer
del tema a tratar
Las preguntas son abiertas o cerradas y
mixtas y las cerradas pueden ser:
- Nominales
- Ordinal
- De intervalo
- De razn
- Identificacin
- Informacin
- Opinin
- De intencin y/o
actitud
Se clasifica en
- Entrevista formal
- Entrevista menos formal
- Entrevista a profundidad
Es sinnimo de prueba y es muy
usado en la investigacin
educativa con mxima precisin
en los datos obtenidos
Es captar, observar, apreciar y
percibir la realidad exterior
mediante fichas de observacin
Pueden ser:
- Participantes
- No participantes

Se dividirn en:
- Individual
- En grupo
- Simple
- Estructurada
- Planificada
- Objetiva
- Sistemtica

TCNICAS DE
RECOLECCIN DE
INFORMACIN

10
DISTRIBUCIN DE MEDIAS MUESTRALES
Si se extrae una muestra al azar de tamao n, de una poblacin infinita con
2,
entonces las observaciones de la muestra son variables
aleatorias independientes e idnticamente distribuidas. La media de la muestra,
calculada como

Que es una combinacin lineal de variables aleatorias dividida por una constante,
que
Tambin es una variable aleatoria normal, y el valor esperado y la varianza de la
distribucin por muestreo de puede derivarse sencillamente. Primero,
observamos que

=
=
Es decir, esperanza de la media de la muestra es la media de la poblacin.

Luego, puesto que se considera que las observaciones de la muestra son variables
aleatorias independientes, la propiedad de aditividad se verifica para la varianza.
Es decir, la varianza de la suma es la suma de las varianzas. Adems, puesto que
tenemos

=
=
=
) (
1
2 1 n
x x x
n
x + - - - + + =
x
(
- - - + + = ) (
1
) (
2 1 n
x x x
n
E x E
| | ) ( ) ( ) (
1
2 1 n
x E x E x E
n
+ - - - + +
= ) (
1
n
n
2
) ( o =
i
x V
)
1
( ) (

=
i
x
n
V x V
| | ) ( ) ( ) (
1
2 1
2
n
x V x V x V
n
- - - + +
) (
1
2
2
o n
n
n
2
o

11
En esta derivacin hemos empleado el teorema de que la varianza de una
constante multiplicado por una variable es igual al cuadrado de la constante
multiplicado por la varianza de la variable.
El error estndar de la media, mide la variabilidad entre medias muestrales.

lo que revela que es menor que . Adems, indica que cuando
. As, cuanto mayor es la muestra, tanto menor es la fluctuacin
entre medias muestrales extradas de la misma poblacin.
Si se toman muestras de una poblacin finita, sin reposicin, como en los casos
anteriores, debe de introducirse un factor de correccin para poblacin finitas
para calcular el error estndar de la media. A saber:

Cuando la poblacin progenitora es normal, la distribucin de por muestreo es
tambin normal, por pequea que sea la muestra.
Por lo tanto podemos decir que la

De esta manera la ecuacin para la transformacin de cualquier media muestral
en una variable normal estndar ser:

TEOREMA DEL LIMITE CENTRAL
Si se obtiene una muestra de una poblacin normal, entonces la media
muestral tiene una distribucin normal sin importar el tamao de la muestra. Sin
embargo, se puede demostrar que de hecho no importa el modelo de probabilidad
n
x V
x
o
o = = ) (
x
o
o
0 ,
x
n o
1
=
N
n N
n
x
o
o
x
x


12
del cual se obtenga la muestra; mientras la media y la varianza existan, la
distribucin de muestreo de X se aproximar a una distribucin normal
conforme n aumente. Lo anterior constituye uno de los ms importantes
teoremas en inferencia estadstica y se conoce como TEOREMA DEL LIMITE
CENTRAL.
En muchos casos, puede concluirse en forma segura que la aproximacin ser
buena mientras n > 30.
Para mostrar la validez del teorema del lmite central veamos el siguiente ejemplo
EJEMPLO:

Suponga que de una poblacin de aos de servicio laboral se consigue los
siguientes valores 0, 2, 4, 6 y 8, se toman muestras de tamao 2 con remplazo.

X Frecuencia Frecuencia Relativa
0 1 1/5 = .2
2 1 1/5 = .2
4 1 1/5 = .2
6 1 1/5 = .2
8 1 1/5 = .2

Solucin:

1. Paso
Se calcula la media poblacional, la varianza y desviacin estndar poblacional.

N
X
n
i
=

13
=

PRUEBA DE HIPOTESIS
Etapas bsicas en pruebas de hiptesis. Al realizar pruebas de hiptesis, se
parte de un valor supuesto (Hipottico) en parmetro poblacional. Despus de
recolectar una muestra aleatoria, se compara la estadstica muestral, as como la
media, con el parmetro hipottico, se compara con una supuesta media
poblacional. Despus se acepta o se rechaza el valor hipottico, segn proceda. Se
rechaza el valor hipottico slo si el resultado muestral resulta muy poco probable
cuando la hiptesis es cierta.

- Etapa 1. Planear la hiptesis nula y la hiptesis alternativa. La hiptesis
nula (H
0
) es el valor hipottico del parmetro que se compra con el
resultado muestral resulta muy poco probable cuando la hiptesis es cierta.
- Etapa 2. Especificar el nivel de significancia que se va a utilizar. El nivel
de significancia del 5%, entonces se rechaza la hiptesis nula solamente si
el resultado muestral es tan diferente del valor hipottico que una
diferencia de esa magnitud o mayor, pudiera ocurrir aleatoria mente con
una probabilidad de 1.05 o menos.
- Etapa 3. Elegir la estadstica de prueba. La estadstica de prueba puede ser
la estadstica muestral (el estimador no segado del parmetro que se
prueba) o una versin transformada de esa estadstica muestral. Por
ejemplo, para probar el valor hipottico de una media poblacional, se toma
la media de una muestra aleatoria de esa distribucin normal, entonces es
comn que se transforme la media en un valor z el cual, a su vez, sirve
como estadstica de prueba.
4
5
20
5
8 6 4 2 0
= =
+ + + +

=
n
i N
X
2
2
) (
o
83 . 2 8
8
5
40
5
) 4 8 ( ) 4 6 ( ) 4 4 ( ) 4 2 ( ) 4 0 (
2 2 2 2 2
2
= =
= =
+ + + +
=
o
o

14
- Etapa 4. Establecer el valor o valores crticos de la estadstica de prueba.
Habiendo especificado la hiptesis nula, el nivel de significancia y la
estadstica de prueba que se van a utilizar, se produce a establecer el o los
valores crticos de estadstica de prueba. Puede haber uno o ms de esos
valores, dependiendo de si se va a realizar una prueba de uno o dos
extremos.
- Etapa 5. Determinar el valor real de la estadstica de prueba. Por ejemplo,
al probar un valor hipottico de la media poblacional, se toma una muestra
aleatoria y se determina el valor de la media muestral. Si el valor crtico
que se establece es un valor de z, entonces se transforma la media muestral
en un valor de z.
- Etapa 6. Tomar la decisin. Se compara el valor observado de la
estadstica muestral con el valor (o valores) crticos de la estadstica de
prueba. Despus se acepta o se rechaza la hiptesis nula. Si se rechaza
sta, se acepta la alternativa; a su vez, esta decisin tendr efecto sobre
otras decisiones de los administradores operativos, como por ejemplo,
mantener o no un estndar de desempeo o cul de dos estrategias de
mercadotecnia utilizar.

PRUEBAS DE HIPTESIS PARA LA MEDIA Y PROPORCIONES

Debido a la dificultad de explicar este tema se enfocar un problema basado en un
estudio en una fbrica de llantas. En este problema la fbrica de llantas tiene dos
turnos de operarios, turno de da y turno mixto. Se selecciona una muestra
aleatoria de 100 llantas producidas por cada turno para ayudar al gerente a sacar
conclusiones de cada una de las siguientes preguntas

- Es la duracin promedio de las llantas producidas en el turno de da igual a 25
000 millas?
- Es la duracin promedio de las llantas producidas en el turno mixto menor de
25 000 millas?
- Se revienta ms de un 8% de las llantas producidas por el turno de da antes
de las 10 000 millas?

Prueba de Hiptesis para la media. En la fbrica de llantas la hiptesis nula y
alternativa para el problema se plantearon como,
H
o
: = 25 000 H
1
: 25 000


15
Si se considera la desviacin estndar las llantas producidas en el turno de da,
entonces, con base en el teorema de limite central, la distribucin en el muestreo
de la media seguira la distribucin normal, y la prueba estadstica que esta basada
en la diferencia entre la media X de la muestra y la media hipottica se
encontrara como
n /
x
Z
o
o

=

Si el tamao de la regin de rechazo se estableciera en 5% entonces se podran
determinar los valores crticos de la distribucin. Dado que la regin de rechazo
esta dividida en las dos colas de la distribucin, el 5% se divide en dos partes
iguales de 2.5%.

Dado que ya se tiene la distribucin normal, los valores crticos se pueden
expresar en unidades de desviacin. Una regin de rechazo de 0.25 en cada cola
de la distribucin normal, da por resultado un rea de .475 entre la media
hipottica y el valor crtico. Si se busca est rea en la distribucin normal, se
encuentra que los valores crticos que dividen las regiones de rechazo y no
rechazo son + 1.96 y - 1.96

Por tanto, la regla para decisin sera rechazar H
o
si Z > +1.96 o s z < -1.96, de lo
contrario, no rechazar H
o.
No obstante, en la mayor parte de los casos se
desconoce la desviacin estndar de la poblacin. La desviacin estndar se
estima al calcular S, la desviacin estndar de la muestra. Si se supone que la
poblacin es normal la distribucin en el muestreo de la media seguira una
distribucin t con n-1 grados de libertad.


16
PRUEBA DE HIPOTESIS PARA UNA Y DOS MUESTRAS

ANOVA
Es una coleccin de modelos estadsticos y sus procedimientos asociados, en el
cual la varianza est particionada en ciertos componentes debidos a diferentes
variables explicativas.
Fuente de
variacin
Suma de
cuadrados
Grados de
libertad
Cuadrado medio F

17
Intergrupo

t - 1

Intragrupo o
Error

N - t

Total

N - 1

REGRESION LINEAL
En estadstica la regresin lineal o ajuste lineal es:
Un mtodo matemtico que modela la relacin entre una variable dependiente Y,
las variables independientes X
i
y un trmino aleatorio . Este modelo puede ser
expresado como:

: variable dependiente, explicada o regresando.
: variables explicativas, independientes o regresores.
: parmetros, miden la influencia que las variables
explicativas tienen sobre el regresando.
donde es la interseccin o trmino "constante", las son los
parmetros respectivos a cada variable independiente, y es el nmero de
parmetros independientes a tener en cuenta en la regresin. La regresin lineal
puede ser contrastada con la regresin no lineal.

Las preguntas son abiertas o cerradas y
mixtas y las cerradas pueden ser:
- Nominales
- Ordinal
- De intervalo
- De razn

18
5. RESULTADOS
Los resultados obtenidos con el desarrollo de este proyecto son haber comprobado
que la estadstica y todos sus conceptos se aplican a cabalidad y es interesante
enfrentarse a un problema que conjuga mutuamente con las herramientas
estadsticas a fin de obtener interpretaciones lgicas y analticas que proveern
decisiones y soluciones a los datos en cuestin
EJERCICIO APLICATIVO

EN LA CARRERA DE INGENIERA INDUSTRIAL DE LA UNIVERSIDAD NACIONAL DE CHIMBORAZO, EN CUARTO
SEMESTRE LOS ESTUDIANTES, RECINBEN COMO ASIGNATURA MQUINAS HERRAMIENTAS I, EN LA CUAL DURANTE
ESTE SEMESTRE SE HAN MECANIZADO 3 PIEZAS DE ACERO EN ELTORNO, EL CUARTO SEMESTRE CONSTA DE 18
ESTUDIANTES QUE HAN SIDO DIVIDIDOS EN 3 GRUPOS DE 6 ESTUDIANTES. SE REALIZA ESTE ESTUDIO CON EL
FIN DE COMPARAR LA EFICIENCIA EN CUANTO A TIEMPOS DE MECANIZADO EN CADA UNA DE LAS PIEZAS Y
EN CADA UNO DE DE LOS GRUPOS.
LA SIGUIENTE TABLA MUESTRA LOS TIEMPOS EXPRESADOS EN MINUTOS QUE SE REALIZARON LAS TRES PIEZAS
Nombres PIEZA 1 PIEZA 2 PIEZA 3
Castro Lucy 134 147 231
Hernandez Fatima 197 138 211
GRUPO 1 Leon Luis 139 129 203
Moyolema Pablo 164 239 193
Novillo Liset 194 162 178
Pallo Wilmer 144 232 198
Carpio Frank 136 232 233
Castillo Dennis 193 122 189
GRUPO 2 Colcha Cristian 201 143 200
Fonseca David 195 151 209
Salazar Javier 225 216 182
Rosero Amanda 146 207 198
Gunsha Juan 213 147 223
Hidalgo Daniel 186 232 235
GRUPO 3 Llongo Carlos 122 133 142
Paguay Francisco 133 192 207
Segovia Jorge 176 143 188
Vasconez Sebastian 170 218 129

19
TRATAMIENTO DE DATOS AGRUPADOS Y NO AGRUPADOS
DISTRIBUCIN DE MEDIAS MUESTRALES
TEOREMA DEL LIMITE CENTRAL

ENUNCIADO
EN LA CARRERA DE INGENIERA INDUSTRIAL DE LA UNIVERSIDAD NACIONAL DE CHIMBORAZO, EN CUARTO SEMESTRE LOS ESTUDIANTES,
RECINBEN COMO ASIGNATURA MQUINAS HERRAMIENTAS I, EN LA CUAL DURANTE ESTE SEMESTRE SE HAN MECANIZADO 3 PIEZAS DE
DE ACERO EN ELTORNO, EL CUARTO SEMESTRE CONSTA DE 18 ESTUDIANTES QUE HAN SIDO DIVIDIDOS EN 3 GRUPOS DE 6 ESTUDIANTES.
SE REALIZA ESTE ESTUDIO CON EL FIN DE COMPARAR LA EFICIENCIA EN CUANTO A TIEMPOS DE MECANIZADO EN CADA UNA DE LAS PIEZAS
Y EN CADA UNO DE DE LOS GRUPOS.
LA SIGUIENTE TABLA MUESTRA LOS TIEMPOS EN QUE SE REALIZARON LAS TRES PIEZAS EN MINUTOS
134 197 139 164 194 144 136 193 201 195 225 146 213 186 122 133 176 170
147 138 129 239 162 232 232 122 143 151 216 207 147 232 133 192 143 218
231 211 203 193 178 198 233 189 200 209 182 198 223 235 142 207 188 129
Sol:
Datos:
n= 54
Vmax= 239
Vmin= 122
Variable: Tiempos de fabricacion de las 3 piezas en minutos
Tipo de variable: Cuantitativa
Tipo de datos: Continua
TIEMPOS DE FABRICACION

20

Caracteristicas principales para identificar el tratamiento de los datos
a) n>30 datos agrupados, caso contrario datos no agrupados
Datos agrupados
b) Mayor numero de datos repetidos Datos no agrupados, caso contrario datos Agrupados
Datos agrupados
c) A mayor amplitud Datos Agrupados
a= 117
Datos agrupados
Regla de la 2 a la k
a) si 2^k >=n ; el primer numero entero que cumple esta condicion
k= 6
64
b) a= Vmax - Vmin= 117
19,5 = 19,6
i es un valor aproximado o igual que generalmente debe aumentarse en una unidad
c) aT=k*i= 117,6 a= 117
Exc= aT-a= 0,6
exc/2= 0,3
d)
Limi= Vmin-(exc/2)= 121,7 122
Lims=Vmax+(exc/2)= 239,3 239 MEDIDAS DE TENDENCIA CENTRAL Y VARIABILIDAD
Media y mediana
181,5
Xm TIEMPOS 19,6 f fa fr fra
122 141 132 122 - 141 10 10 0,19 0,19 190,5
141 161 151 141 - 161 8 18 0,15 0,33
161 181 171 161 - 181 5 23 0,09 0,43 Desviacion estandar y varianza
181 200 190 181 - 200 13 36 0,24 0,67
200 220 210 200 - 220 9 45 0,17 0,83 35,9
220 239 230 220 - 239 9 54 0,17 1,00
54 1,00
1291,8
TABLA DE FRECUENCIAS DE TIEMPOS
Q. varilla
()/=117/6=19,519,6
=(54_^11)/=
= ((2_(=1)^8=1^((_
)^2) )/(1))=
^2=(26_(=1)^8=1^((_
)^2 ) )/(1)=
=[_(/2)+_(/2+1) ]/2=

21


22

NOTA: El grafico circular nos interpreta que en el 9% de los tiempos de fabricacion son los mas
mas bajos en comparacion con los demas tiempos
18%
15%
9%
24%
17%
17%
TIEMPOS
132
151
171
190
210
230

23


24
Prueba de hiptesis
Prueba de hiptesis para una muestra

PRUEBA DE HIPOTESIS PARA UNA MUESTRA
SEMESTRE LOS ESTUDIANTES, RECIBEN COMO ASIGNATURA MQUINAS HERRAMIENTAS I, EN LA CUAL DURANTE
SE CONSIDERA QUE EL GRUPO 3 MECANIZO LAS PIEZAS EN UN PROMEDIO MENOR A 180 MINUTOS
UTILIZANDO UN NIVEL DE SIGNIFICANCIA DE 0,1 Y 0,05 ESTABLESCA UNA PRUEVA DE HIPOTESIS Y LLEGUE ALAS CONCLUSIONES RESPECTIVAS
SOLUCION
VARIABLE: TIEMPO EN MINUTOS EN EL MECANIZADO DE LAS TRES PIEZAS
"CUANTITATIVA"
"CONTINUO"
POBLACION: TODOS Y CADA UNO DE LOS TIEMPOS EN MINUTOS PARA EL MECANIZADO DE LAS TRES PIEZAS
LOS 18 TIEMPOS EN MINUTOS DEL GRUPO 3 EN EL MECANIZADO DE LAS TRES PIEZAS.
DATOS
= 177,17
38,61
1) Prueva de hipotesis 2) N. S T. t 3) T. calculado n< 30
1,33
1,73
-0,31
A. H0
A. H0
95% Z. R.
Z. r 90% Z. R. Z. aceptacion
Z. aceptacion
-1,73 -0,31
-1,33 -0,31
CONCLUSION
Con un nivel de significancia de 90 y 95 % se acepta la hipotesis nula y se rechaza la alternativa.
Concluyendo asi que el promedio de los estudiantes del tercer grupo en el mecanizado de las tres piezas es mayor o igual a 180 minutos
TIPO DE VARIABLE:
TIPO DE DATO:
MUESTRA:
= 0,10
= 0,05
n = 18
=
S= =

180
= 0,10 =
= 0,05=
=

25
Prueba de hiptesis para dos muestras

PRUEBA DE HIPOTESIS PARA DOS MUESTRAS
SEMESTRE LOS ESTUDIANTES, RECINBEN COMO ASIGNATURA MQUINAS HERRAMIENTAS I, EN LA CUAL DURANTE
PARA ESTE ESTUDIO SE CONFRONTO EL GRUPO 1 CON EL GRUPO 2 Y SE PREGUNTA EXISTE DIFERENCIA EN LOS TIEMPOS DE
MECANIZADO?
UTILIZANDO UN NIVEL DE SIGNIFICANCIA DE 0,1 Y 0,05
SOLUCION
"CUANTITATIVA"
"CONTINUO"
POBLACION: TODOS Y CADA UNO DE LOS TIEMPOS EN MINUTOS PARA EL MECANIZADO DE LAS PIEZAS EN LOS TRES GRUPOS
DATOS Grupo 1 Grupo 2
= 179,61 = 187,67
36,29 34,00
1316,60 1156,24
1) Prueva de hipotesis 2) N. S T. t 3) T. calculado n< 30
0,05 2,11 1236,42
0,025 2,37
-0,69
A. H0 A. H0
90% 95%
Z. aceptacion Z. aceptacion
-2,11 0,69 2,11 -2,37 0,69 2,37
CONCLUSION
Con un nivel de significancia de 90 y 95 % se acepta la hipotesis nula y se rechaza la alternativa.
Concluyendo que los tiempos de mecanizado del grupo 1 con respecto al grupo 2 son casi similares.
TIPO DE VARIABLE:
TIPO DE DATO:
MUESTRA:
= 0,10
= 0,05
= 18
= 18
=
S= =

=
=
S= =

= 0,10 =
= 0,05=
=

=

26
ANOVA DE UN FACTOR

RESPECTO DE GRUPO 1 DE TRABAJO SE PREGUNTA CUAL DE LAS TRES PIEZAS SE REALIZO EN MENOR TIEMPO
CON ESTE ESTUDIO SE DESEA DETERMINAR SI HAY DIFERENCIA EN LOS PROMEDIOS DE TIEMPOS DE REALIZACION
DE CADA UNA DE LAS PIEZAS CON UN NIVEL DE SIGNIFICANCIA DEL 5% Y 10 %.
T.V: CUANTITATIVA
T.D: CONTINUO
POBLACION: TODOS Y CADA UNO DE LOS TIEMPOS EN MINUTOS PARA EL
MECANIZADO DE LAS TRES PIEZAS
MUESTRA: LOS 18 TIEMPOS DE LAS DIFERENTES PIEZAS
PIEZA 1 PIEZA 2 PIEZA 3
134 147 231
197 138 211
139 129 203
164 239 193
194 162 178
144 232 198
GRUPO 1
PASOS
1)P.H 2)
1 0,05
2 0,1
=

=

=

5% 10%
F.VARIACION S.Cuadrados G.libertad C.medios F Ft Ft
VARIEDAD DE PIEZAS 5115,4 2 2557,7 3,68 2,70
ERROR 17266,8 15 1151,1 3,68 2,70
TOTAL 22382,3 17
2,22
603065 - 580682,72 = 22382,28
585798,167 - 580682,72 = 5115,44
22382,28 - 5115,44 = 17266,83
=
2,22
95%
90%
3,68
2,70

27

Al nivel de significancia del 10% y 5% se acepta la hiotesis nula y se rechaza la alternativa
Lo que nos lleva a concluir que los tiempos para cada pieza de cada estudiante son similares
136 232 233
193 122 189
201 143 200
195 151 209
225 216 182
146 207 198
GRUPO 2
PASOS
1)P.H 2)
1 0,05
2 0,1
=

=

=

5% 10%
ERROR 17797,7 15 1186,5 3,68 2,70
TOTAL 19656,0 17
0,78
653594 - 633938,00 = 19656,00
635796,333 - 633938,00 = 1858,33
19656,00 - 1858,33 = 17797,67
=
0,78
95%
90%
3,68
2,70

28

213 147 223
186 232 235
122 133 142
133 192 207
176 143 188
170 218 129
GRUPO 3
1)P.H 2)
1 0,05
2 0,1
=

=

=

5% 10%
ERROR 24058,2 15 1603,9 3,68 2,70
TOTAL 25340,5 17
0,40
590325 - 564984,50 = 25340,50
566266,833 - 564984,50 = 1282,33
25340,50 - 1282,33 = 24058,17
=
0,40
95%
90%
3,68
2,70

29
DISEO DE BLOQUES

SEMESTRE LOS ESTUDIANTES, RECIBEN COMO ASIGNATURA MQUINAS HERRAMIENTAS I, EN LA CUAL DURANTE
CUANTITATIVA
CONTINUO
POBLACION: TODOS Y CADA UNO DE LOS TIEMPOS EN MINUTOS PARA EL
MECANIZADO DE LAS TRES PIEZAS
LOS 18 TIEMPOS EN MINUTOS POR CADA GRUPO DE LA REALIZACION
DE LAS TRES PIEZAS.
TIEMPO EN MINUTOS DE REALIZACION DE LAS TRES PIEZAS.
TIPOS DE PIEZAS
ESTUDIANTES PERTENECINETES AL GRUPO
TIPO DE DATO:
TIPO DE VARIABLE:
VARIABLE INDEPENDIENTE:
VARIABLE INDEPENDIENTE:
VARIABLE DEPENDIENTE:
MUESTRA:
134 147 231 N 18
197 138 211 K 3
139 129 203 B 6
164 239 193 0,05
194 162 178 0,1
144 232 198
Novillo Liset
Pallo Wilmer
DATOS GRUPO 1
Castro Lucy
Hernandez Fatima
Leon Luis
Moyolema Pablo
1)P.H 2)
1 0,05
2 0,1
=

=

=

5% 10%
F.Variacion S.Cuadrados G.libertad C.medios F Ft Ft
PIEZAS 5115,44 2 2557,7 1,83 4,1 2,92
ALUMNOS 3300,28 5 660,1 0,47 3,33 2,52
ERROR 13966,56 10 1396,7
TOTAL 22382,28
603065 - 580682,72 = 22382,28
585798,17 - 580682,72 = 5115,44
583983 - 580682,72 = 3300,28
13966,56
=
=

=



30

1,83131926 1,83131926
0,47259724 0,47259724
90% 95%
2,92 4,1
2,52 3,33
SE OBSERVA QUE EL NIVEL DE SIGNIFICANCIA DEL 10% Y 5% SE OBTIENE VALORES TABULADOS DE 4,1; 3,33; 2,92 Y 2,52 Y CON VALORES DE F DE
1,87 Y 0,43 POR LO QUE SE VE CLARAMENTE QUE LA HIPOTESIS NULAES ACEPTADA Y LA ALTERNATIVA RECHAZADA CONCLUYENDOSE QUE
EXISTE IGUALDAD DE MEDIAS DE LOS TIEMPOS EN MINUTOS PARA TODAS LA PIEZAS Y TAMBIEN EXISTEIGUALDAD DE MEDIAS CON RESPECTO DE
CADA UNOS DE LOS ESTUDIANTE DE LA ASIGNATURA.
136 232 233
193 122 189
201 143 200
195 151 209
225 216 182
146 207 198
Salazar Javier
Rosero Amanda
GRUPO 2
Carpio Frank
Castillo Dennis
Colcha Cristian
Fonseca David
1)P.H 2)
1 0,05
2 0,1
=

=

=

5% 10%
PIEZAS 1858,33 2 929,2 0,63 4,1 2,92
ALUMNOS 3031,33 5 606,3 0,41 3,33 2,52
ERROR 14766,33 10 1476,6
TOTAL 19656,00
653594 - 633938,00 = 19656,00
635796,33 - 633938,00 = 1858,33
636969,333 - 633938,00 = 3031,33
14766,33
=
=

=



31

0,62924671 0,62924671
0,4105736 0,4105736
90% 95%
2,92 4,1
2,52 3,33
213 147 223
186 232 235
122 133 142
133 192 207
176 143 188
170 218 129
Segovia Jorge
Vasconez Sebastian
GRUPO 3
Gunsha Juan
Hidalgo Daniel
Llongo Carlos
Paguay Francisco
1)P.H 2)
1 0,05
2 0,1
=

=

=

5% 10%
PIEZAS 1282,33 2 641,2 0,54 4,1 2,92
ALUMNOS 12105,17 5 2421,0 2,03 3,33 2,52
ERROR 11953,00 10 1195,3
TOTAL 25340,50
590325 - 564984,50 = 25340,50
566266,83 - 564984,50 = 1282,33
577089,667 - 564984,50 = 12105,17
11953,00
=
=

=



32

REGRESION LINEAL

0,53640648 0,53640648
2,02546083 2,02546083
90% 95%
2,92 4,1
2,52 3,33
NOTAS (X) TIEMPO PROMEDIO (Y) xy x^2 y=a+bx
9 170,7 -4,8 1536,0 81 1548,38406
7 182,0 -0,8 1274,0 49 1204,5471
9 157,0 -10,9 1413,0 81 1548,38406
8 198,7 -9,5 1589,3 64 1376,46558
7 178,0 5,4 1246,0 49 1204,5471
10 191,3 14,2 1913,3 100 1720,30254
7 200,3 -29,3 1402,3 49 1204,5471
8 168,0 7,5 1344,0 64 1376,46558
9 181,3 -0,1 1632,0 81 1548,38406
10 185,0 5,1 1850,0 100 1720,30254
9 207,7 11,6 1869,0 81 1548,38406
8 183,7 -1,2 1469,3 64 1376,46558
7 194,3 -20,0 1360,3 49 1204,5471
10 217,7 52,3 2176,7 100 1720,30254
8 132,3 27,3 1058,7 64 1376,46558
9 177,3 -1,8 1596,0 81 1548,38406
10 169,0 -18,0 1690,0 100 1720,30254
9 172,3 -4,1 1551,0 81 1548,38406
media 8,56 181,48 0,1 0,00350094 27971,0 1338
D.E 1,10 19,57 5,92% 0,35%
suma 154 3266,7
23716
TIEMPO PROMEDIO (Y)
DEFINICIONES:
COEFICINTE DE CORRELACION
COEFICIENTE DE DETERMINACION
COEFICINETES DE MODELO:
=

a=

a= 1,12
b= 171,92

33

SE OBSERVA QUE EL MODELO DE REGRESION LINEAL SE AJUSTA CON UN VALOr APROMADAMENTE DEL 0,35% EL MISMO QUE MUESTRA
QUE ES UN REGULAR O INSUFICIENTE AJUSTE CON RESPECTO A LOS TIEMPOS DE REALIZACION DE LA PIEZAS EN MINUTOS CON RESPECTO AL NUMERO
DE DE LAS NOTAS DE LA ASIGNATURA

34
6. CONCLUSIONES
A travs de el empleo de formulas y conceptos se puede concluir satisfactoriamente con
resultados lgicos que hacen deducir estimaciones tericas a reales
Una vez calculado y tabulado los datos, se pudo hacer una interpretacin y concluir con
observaciones lgicas de cada formulacin calculada, adems destacar que los grficos
proporcionan en si una interpretacin ms rpida de los resultados.
7. RECOMENDACIONES
Como recomendaciones se sugiere lo siguiente:
Indagar mas sobre los campos aplicativos de la estadstica dentro de una empresa
industrial, a fin de conocer los alcances mnimos y mximos de esta importante
herramienta matemtica
Antes de realizar los clculos, tablas y grficos; leer detenida y analticamente el
enunciado a fin de reconocer la variable, el tipo de dato y dems aspectos en cuestin;
para obtener resultados fiables y seguros.

BIBLIOGRAFIA
- http://dm.udc.es/asignaturas/estadistica2/sec5_2.htmlhttp://es.slideshare.net/sola
rtime/movimiento-rectilineo?from_search=1
- http://es.wikipedia.org/wiki/An%C3%A1lisis_de_la_varianza
- http://es.wikipedia.org/wiki/Regresi%C3%B3n_lineal
- http://www.unach.edu.ec/index.php/b-learning
- http://www.vadenumeros.es/sociales/distribucion-medias-muestrales.htm
- http://metodologia02.blogspot.com/p/tipos-de-muestreo.htm


35
ANEXOS

PROYECTO

Enviado por

Dados do documento

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

PROYECTO

Enviado por

Direitos autorais:

Formatos disponíveis

INGENIERA INDUSTRIAL

UNIVERSIDAD NACIONAL DE CHIMBORAZO

UNIVERSIDAD NACIONAL DE CHIMBORAZO

UNIVERSIDAD NACIONAL DE CHIMBORAZO

UNIVERSIDAD NACIONAL DE CHIMBORAZO

Você também pode gostar