LOS METODOS ESTADISTICOS EN LA APLICACIÓN DE LOS PROYECTOS

INGENIERILES

ROSA ANGÉLICA CASTRO RODRÍGUEZ

JEISON ENRIQUE ASCANIO MONTES

GRUPO:304

DOCENTE: CARLOS MARTINEZ

FUNDACIÓN UNIVERSITARIA DEL AREA ANDINA

FACULTAD DE INGENIERÍA
VALLEDUPAR-CESAR
2017
 OBJETIVOS
OBJETIVO GENERAL
- Identificación de los métodos estadísticos que permitan la interpretación de
análisis en términos matemáticos, realizados en proyectos ingenieriles.

OBJETIVOS ESPECÍFICOS
- Definir, analizar y reconocer cada una de los análisis utilizados en la
proyección de trabajos de la ingeniería.
- Diferenciar los tipos de estadísticas y la implementación de cada uno de
ellos en el ámbito de la ingeniería.
- conocer la importancia que genera la estadística para la solución e
interpretación de problemas, basados fundamentalmente a las ingenieras.

INTRODUCCIÓN
La estadística a través del tiempo no ha permitido la organización y agrupación de
grandes cantidades de datos, siendo esta la base del conocimiento que estudia el
conjunto de datos cualitativos y su interpretación en términos matemáticos, el
presente proyecto tiene como finalidad la importancia de todos lo método
estadístico útiles para los proyectos ingenieriles, de esta manera reconoceremos
la importancia fundamental de la estadística en las ingenieras basándonos en la
información obtenida y argumentado a través del escrito y diferenciando el
desarrollo que ha tenido todos los proceso de formación de proyectos o trabajos
en la utilización esta ciencia como base fundamental para la toma de decisiones,
calculados sobre bases de datos, para dar confiabilidad y solución a problemas
presentando en el desarrollo de cualquier proyecto en las industrias de las
ingenierías.
 JUSTIFICACIÓN
Esta investigación va a tener como beneficio conocer la importancia que genera la
estadística y todos sus métodos de estudio para la solución e interpretación de
problemas, basados fundamentalmente a las ingenieras, para esto tendremos que
diferenciar los tipos de estadísticas y la implementación de cada uno de ellos en el
ámbito de la ingeniería, el papel de la estadística en la investigación es, entonces,
funcionar como una herramienta en el diseño de investigaciones, en el análisis de
datos, y en la extracción de conclusiones a partir de ellos, en sus efectos, la
compilación de datos provenientes de sistemas estadísticos provee a los
administradores y especialistas de toda una serie de elementos a tener en cuenta
en la toma de decisiones, que permite un monitoreo constante de la actividad, la
posibilidad de establecer comparaciones sobre el desempeño de productividad por
medio de información específica, permitiéndonos:
● Colección y compendios de datos.

● Medición de la valoración, tanto de datos experimentales como de

reconocimientos, detección de causas.

● Control de la calidad de la producción.

● Investigación de mercados, incluyendo escrutinios de opiniones emitidas.

● Tendencias determinísticas.

lo cual se puede lograr de forma gráfica o analítica.

PLANTIAMIENTO DEL PROBLEMA

La estadística da comienzo desde los principios de la civilización, ya estas
utilizaban símbolos tanto en pieles, rocas, madera y paredes de cuevas que
contaban el número de personas, animales y ciertas cosas.
Para los años 3000 a.C. los babilonios usaban ya pequeñas tablillas de arcillas
para recopilar datos en tablas sobre la producción agrícola y de los géneros
vendidos o cambiados mediante trueque.
En Egipto se utilizaban estos datos estadísticos para el censo de la población y
renta del país mucho antes de que se dieran la construcción de pirámides siglo
XXXI a.C. se encontraban ya libros de datos agrupados estadísticos.
El imperio romano fue el gobierno que recopiló cantidades de datos agrupados
sobre la población, superficie y renta de todos los territorios bajo su control.
El siglo XIX, con la generalidad del método científico para estudiar las ciencias
naturales y sociales, los investigadores aceptaron la necesidad de reducir la
información a valores numéricos para evitar la ambigüedad de las descripciones
verbales.
En el día de hoy. La estadística se ha convertido en un método efectivo para
describir con exactitud los valores de datos económicos, políticos, sociales,
psicológicos, biológicos y físicos, y sirve como herramienta para la realización y
análisis de datos.
Los métodos estadísticos en la aplicación de los proyectos ingenieriles nos has
permitido la organización de conjuntos de números datos obtenidos a través de
mediciones recopiladas, estos permitiendo garantizar que la información sea
completa y correcta, está dada en la aplicación de las ramas de las matemáticas,
los métodos estadísticos en la ingeniería se dan a través de los procesos
probabilísticos y estadísticos de análisis e interpretación de datos o las
características de un conjunto de elementos y en control de procesos industriales
y organizacionales, permitiendo reforzar los argumentos o conclusiones de un
proyecto presente.
Cuando los datos recogidos son muy grandes, la única manera de obtener
información útil de los grandes volúmenes de datos es mediante los análisis
estadísticos, ya que las técnicas estadísticas pueden emplear para describir y
comprender la variabilidad en los cambios de resultados bajo condiciones de
observaciones de acuerdo con los análisis efectuados, entonces ¿SON
IMPORTANTES LOS MÉTODOS ESTADÍSTICOS EN LA APLICACIÓN DE LOS
PROYECTOS INGENIERILES?
(antonio, 2008)

MARCO TEÓRICO
El papel de la Estadística en la Ciencia y la Ingeniería hoy en día es crucial,
fundamentalmente porque al analizar datos recopilados en experimentos de
cualquier tipo, se observa en la mayoría de las ocasiones que dichos datos están
sujetos a algún tipo de incertidumbre. El investigador o el profesional debe tomar
decisiones respecto de su objeto de análisis basándose en esos datos, para lo
cual debe dotarse de herramientas adecuada.

Breves ejemplos de donde se utilizará la estadística en las ciencias y la

ingeniería.
Ejemplo de las capas de óxido de silicio
El artículo Virgin Versus Recycled Wafers for Furnace Qualification: Is the
Expense Justified? (V. Czitrom y J. Reece, en Statistical Case Studies for
Industrial Process Improvement, ASA y SIAM, 1997:87-104) describe un proceso
para el crecimiento de una capa delgada de dióxido de silicio sobre placas de
silicio que se usan en la fabricación de semiconductores. En él aparecen datos
relativos a las mediciones del espesor, en angstroms (◦ A), de la capa de óxido
para pruebas realizadas en 24 placas: en concreto, se realizaron 9 mediciones en
cada una de las 24 placas. Las placas se fabrican en dos series distintas, 12
placas en cada serie. Estas placas eran de distintos tipos y se procesaron en
distintas posiciones en el horno, ya que, entre otros aspectos, el propósito de la
recopilación de los datos era determinar si el espesor de la capa de óxido estaba
afectado por el tipo de placa y por la posición en el horno. Por el contrario, el
experimento se diseñó de tal manera que no se esperaba ninguna diferencia
sistemática entre las dos series. Los datos se muestran en la Tabla 1.1. Lo
primero que salta a la vista al mirar esos datos es que es muy complicado hacerse
una idea global de los resultados. Parecen estar en torno a 90 ◦ A, pero con
variaciones importantes respecto de ese valor. Algunas de esas variaciones son
especialmente llamativas (77.5, 106.7, ...): ¾qué pasó en esas placas? En suma,
es evidente que se hace necesaria una manera sistemática de analizar los datos,
tratando de describirlos de forma precisa y objetiva, respondiendo a las preguntas
que subyacen en el diseño del experimento: ¿¾son las dos series de
experimentos homogéneas? ¾afecta el tipo de placa? ¾afecta la posición en el
horno? ...
1.2.2. Ejemplo de la bombilla de bajo consumo
En el envoltorio de la bombilla marca ANTE de 14W se arma literalmente Lámpara
ahorradora de energía. Duración 8 años. Debo reconocer que tengo mis dudas.
Para empezar, ¾es que, a los 8 años, de repente, ¿la lámpara se rompe? Por otra
parte, creo que todos nosotros hemos experimentado el hecho de que éstas
lámparas que supuestamente tienen una duración mayor que las tradicionales
lámparas incandescentes (según el envoltorio, 8 veces mayor), sin embargo, se
rompen con facilidad. Luego, ¿¾qué quiere decir exactamente el envoltorio al a
rmar que su duración es de 8 años?
1.2.3. Ejemplo de los niveles de plomo
Un artículo publicado en Journal of Environmental Engineering en 2002, titulado
Leachate from Land Disposed Residential Construction Waste, presenta un
estudio de la contaminación en basureros que contienen desechos de
construcción y desperdicios de demoliciones. De un sitio de prueba se tomaron 42
muestras de lixiviado, de las cuales 26 contienen niveles detectables de plomo. Se
pone así de manifiesto que sólo una parte de los basureros está contaminada por
plomo. ¿La cuestión es ¾qué proporción supone esta parte contaminada de la
superficie total de los basureros? Si una ingeniera desea obtener a partir de esos
datos una estimación de la proporción de los basureros que contiene niveles
detectables de plomo debe ser consciente de dos cuestiones:
1. Es imposible analizar todos los rincones de todos los basureros.
2. Si se basa sólo en los datos del artículo, esa estimación será sólo eso, una
estimación basada en esa muestra, que es de sólo 42 datos. Debería, por tanto,
obtener también una estimación del error que está cometiendo al hacer la
estimación. Con ambos resultados, la estimación en sí y una cuantificación del
error que podría cometer con ella, incluso podrá obtener un rango donde la
verdadera proporción se encuentra, con un alto nivel de confianza.
1.2.4. Ejemplo de los cojinetes
Un ingeniero industrial es responsable de la producción de cojinetes de bolas y
tiene dos máquinas distintas para ello. Le interesa que los cojinetes producidos
tengan diámetros similares, independientemente de la máquina que los produce,
pero tiene sospechas de que está produciendo algún problema de falta de
calibración entre ellas. Para analizar esta cuestión, extrae una muestra de 120
cojinetes que se fabricaron en la máquina A, y encuentra que la media del
diámetro es de 5.068 mm y que su desviación estándar es de 0.011 mm. Realiza
el mismo experimento con la máquina B sobre 65 cojinetes y encuentra que la
media y la desviación estándar son, respectivamente, ¿5.072 mm y 0.007 mm.
¾Puede el ingeniero concluir que los cojinetes producidos por las máquinas tienen
diámetros medios significativamente diferentes?
1.2.5. Ejemplo de la absorción de un compuesto a distintas dosis y en
distintos tiempos de absorción
Un equipo de investigadores que trabajan en seguridad en el trabajo está tratando
de analizar cómo la piel absorbe un cierto componente químico peligroso. Para
ello, coloca diferentes volúmenes del compuesto químico sobre diferentes
segmentos de piel durante distintos intervalos de tiempo, midiendo al cabo de ese
tiempo el porcentaje de volumen absorbido del compuesto. El diseño del
experimento se ha realizado para que la interacción esperable entre el tiempo y el
volumen no influya sobre los resultados. Los datos se mostrarán en el último tema.
Lo que los investigadores se cuestionan es si la cantidad de compuesto por un
lado y el tiempo de exposición al que se somete por otro, influyen en el porcentaje
que se absorbe. De ser así, sería interesante estimar el porcentaje de absorción
de personas que se sometan a una exposición de una determinada cantidad, por
ejemplo, durante 8 horas.
Para analizar este primer tema de introducción, vamos a ir trabajando las
definiciones más elementales que utilizaremos a lo largo del curso y que ya han
sido motivadas en la introducción de los ejemplos anteriores.
Se denomina población a un conjunto de individuos o casos, objetivo de nuestro
interés.
Podemos distinguir entre poblaciones tangibles y poblaciones conceptuales.
Una población es tangible si consta de elementos físicos reales que forman un
conjunto infinito.
Por ejemplo, si estamos considerando el estudio de la altura de los alumnos de la
Escuela, el conjunto de estos alumnos es una población tangible.
Una población conceptual no tiene elementos reales, sino que sus casos se
obtienen por la repetición de un experimento.
Por ejemplo, cuando planteamos las pruebas sobre placas de silicio, vemos que
hay tantos casos como pruebas puedan hacerse, lo que supone un conjunto finito
de casos. En poblaciones conceptuales es imposible, por tanto, conocer todos los
casos, y tenemos que conformarnos con muestras de los mismos.
Una variable o dato es una característica concreta de una población.
Por ejemplo:
Si consideramos la población de todos los alumnos de la Escuela, podemos
fijarnos en la variable altura.
Si consideramos el supuesto de las pruebas sobre placas de silicio, podemos
considerar la variable espesor de la capa de óxido de silicio generada.
Se denomina muestra a cualquier subconjunto de datos seleccionados de una
población.
El objetivo de una muestra, ya sea en una población tangible o en una población
conceptual es que los elementos de la muestra represente al conjunto de todos los
elementos de la población. Esta cuestión, la construcción de muestras adecuadas,
representativas, es uno de los aspectos más delicados de la Estadística. Nosotros
vamos a considerar en esta asignatura sólo un tipo de muestras, denominadas
muestras aleatorias simples. En una muestra aleatoria simple, todos los elementos
de la población deben tener las mismas posibilidades de salir en la muestra y,
además, los elementos de la muestra deben ser independientes: el que salga un
resultado en la muestra no debe afectar a que ningún otro resultado salga en la
muestra. Por ejemplo, podríamos estar interesados en la población de todos los
españoles con derecho a voto (población tangible, pero enorme), de los que
querríamos conocer un dato o variable, su intención de voto en las próximas
elecciones generales. Dado que estamos hablando de millones de personas,
probablemente deberemos escoger una muestra, es decir, un subconjunto de
españoles a los que se les realizaría una encuesta. Si queremos que esa muestra
sea aleatoria simple, deberemos tener cuidado de que todos los españoles con
derecho a voto tengan las mismas posibilidades de caer en la muestra y de que la
respuesta de un entrevistado no afecte a la de ningún otro. Como nota curiosa,
sabed que la mayoría de las encuestas nacionales se hacen vía telefónica, lo cual
es una pequeña violación de las hipótesis de muestra aleatoria simple, ya que hay
españoles con derecho a voto que no tienen teléfono, luego es imposible que
salgan en la muestra.
Básicamente se tienen dos tipos de estadística, a saber:
Estadística descriptiva
Se puede definir como un método para describir numéricamente conjuntos
numerosos. Por tratarse de un método de descripción numérica, utiliza el número
como medio para describir un conjunto, que debe ser numeroso, ya que las
permanencias estadísticas no se dan en los casos raros. No es posible sacar
conclusiones concretas y precisas de los datos estadísticos.
Objetivo de la estadística descriptiva
La finalidad última de la estadística descriptiva es resumir la información de
conjuntos más o menos numerosos de datos. Para ello se asienta en un concepto
inmediato a la tarea de recuento: la frecuencia, medida empírica de la ocurrencia
de los distintos estados que puede presentar una variable.
Estadística inferencial, analítica o deductiva
Estudia la probabilidad de éxito de las diferentes soluciones posibles a un
problema en las diferentes ciencias en las que se aplica y para ello utiliza los datos
observados en una o varias muestras de la población. Mediante la creación de un
modelo matemático infiere el comportamiento de la población total partiendo de los
resultados obtenidos en las observaciones de las muestras.
Objetivo de la estadística inferencial
La inferencia estadística intenta tomar decisiones basadas en la aceptación o el
rechazo de ciertas relaciones que se toman como hipótesis. Esta toma de
decisiones va acompañada de un margen de error, cuya probabilidad está
determinada.
La estadística inferencial tiene dos objetivos básicos;
 a) obtener conclusiones válidas acerca de una población sobre la base de una
muestra, es decir, que las conclusiones que obtengamos de una muestra se
puedan extrapolar a la población que dio origen a esa muestra.
poder medir el grado de incertidumbre presente en dichas inferencias en términos
de probabilidad.
Los datos que se tiene en cuenta en la estadística para ingenieros. (o variables)
pueden ser de dos tipos: cuantitativos y cualitativos.
Los datos cuantitativos son los que representan una cantidad reflejada en una
escala numérica. A su vez, pueden clasificarse como datos cuantitativos discretos
si se refiere al conteo de alguna característica, o datos cuantitativos continuos si
se refieren a una medida.
Los datos cualitativos o categóricos se refieren a características de la
población que no pueden asociarse a cantidades con significado numérico, sino a
características que sólo pueden clasificarse.
Métodos gráficos para describir datos cualitativos en proyectos ingenieriles.
La forma más sencilla de describir de forma numérica una variable cualitativa es
determinar su distribución de frecuencias. Por su parte, esta distribución de
frecuencias determina a su vez las representaciones gráficas más usuales.
Las representaciones gráficas más usuales son los diagramas de barras y los
diagramas de sectores.
Los diagramas de barras son una representación de cada una de las categorías
de la variable mediante una barra colocada sobre el eje X y cuya altura sea la
frecuencia o la frecuencia relativa de dichas categorías.
Los diagramas de sectores son círculos divididos en tantos sectores como
categorías, sectores cuyo ángulo debe ser proporcional a la frecuencia de cada
categoría.
Si tenemos una variable cuantitativa discreta y ésta toma pocos valores, podemos
tratarla como si fuera una variable cualitativa, calcular su distribución de
frecuencias y dibujar un diagrama de barras.
Sin embargo, la mayoría de variables cuantitativas son de tipo continuo, de
manera que toman demasiados valores como para que la representación de su
distribución de frecuencias sea útil. Por ello el método gráfico más común y
tradicional para datos cuantitativos es el histograma.
El histograma es una variante del diagrama de barras donde se agrupan los
valores de la variable en intervalos para que estos intervalos tengan frecuencias
mayores que uno.

Métodos numéricos para describir datos cuantitativos en proyectos

ingenieriles.
Es cierto que un diagrama de barras o un histograma nos ayudan a tener una
imagen de cómo son los datos, pero normalmente es necesario complementar esa
imagen mediante medidas que, de forma objetiva, describen las características
generales del conjunto de datos.
Medidas de tendencia central
Las medidas de tendencia central son medidas de posición que tratan de
establecer un valor que pueda considerarse el centro de los datos en algún
sentido.
Medias: Esta medida es la más común dentro de las de tendencia central y
corresponde al centro de gravedad de los datos.
La mediana es el valor de la variable que deja el mismo número de datos antes y
después que él, una vez ordenados estos.
Moda o intervalo modal
En principio la moda se define como el valor más frecuente de los datos. Lo que
ocurre es que, si éstos son datos de una variable continua o discreta con muchos
valores, puede que los datos apenas se repitan. En ese caso, en el que, como
vimos en las representaciones gráficas, se debe agrupar por intervalos, no debe
darse un valor como moda, sino un intervalo modal, aquél con mayor frecuencia
asociada.

Cuartiles
Los cuartiles son medidas de posición, pero no necesariamente ligados al centro
de los datos. La idea a la que responden es muy sencilla y muy práctica. Se trata
de valorar de forma relativa como es un dato respecto del conjunto global de todos
los datos.
Medidas de variación o dispersión
Las medidas de variación o dispersión están relacionadas con las medidas de
tendencia central, ya que lo que pretenden es cuantificar cómo de concentrados o
dispersos están los datos respecto a estas medidas. Nosotros nos vamos a limitar
a dar medidas de dispersión asociadas a la media.
Desviación típica o estándar muestral
El principal problema de la varianza es su unidad de medida. Por cómo se define
si, por ejemplo, la variable se expresa en kilos, la media también se expresa en
kilos, pero la varianza se expresa en kilos 2, lo que hace que sea difícil valorar si
una varianza es muy elevada o muy pequeña.
Coeficiente de variación
Como acabamos de decir, debemos proporcionar cada media junto con alguna
medida de dispersión, preferentemente la desviación típica. Una forma de valorar
en términos relativos como es de dispersar una variable es precisamente
proporcionar el cociente entre la desviación típica y la media (en valor absoluto), lo
que se conoce como coeficiente de variación.
Medidas de forma. Coeficiente de asimetría
Las medidas de forma comparan la forma que tiene la representación gráfica, bien
sea el histograma o el diagrama de barras de la distribución, con una situación
ideal en la que los datos se reparten en igual medida a la derecha y a la izquierda
de la media.
Esa situación en la que los datos están repartidos de igual forma a uno y otro lado
de la media se conoce como simetría, y se dice en ese caso que la distribución de
los datos es simétrica. En ese caso, además, su mediana, su moda y su media
coinciden. Por contra, se dice que una distribución es asimétrica a la derecha si
las frecuencias (absolutas o relativas) descienden más lentamente por la derecha
que por la izquierda. Si las frecuencias descienden más lentamente por la
izquierda que por la derecha diremos que la distribución es asimétrica a la
izquierda.

Parámetros muéstrales y parámetros poblacionales

Cuando se trabaja con una muestra de una población, ya sea ésta tangible o
conceptual, las distintas medidas de posición, dispersión y forma, se denominan
parámetros muéstrales. Hay que tener en cuenta que prácticamente siempre se
trabaja con muestras, ya que o bien trabajamos con poblaciones conceptuales o
con poblaciones tangibles (infinitas, por tanto), pero con muchísimos elementos.
Frente a estos parámetros muéstrales se encuentran los parámetros análogos
referidos a toda la población. Estos parámetros, llamados parámetros
poblacionales, son, en general, imposibles de conocer 3. Por ejemplo, la media
poblacional se calcularía igual que la media muestral de unos datos, pero aplicada
la fórmula a todos los elementos de la población.
probabilidad
Tenemos, por tanto, que probabilidad es la asignación que hacemos del grado de
creencia que tenemos sobre la ocurrencia de algo. Esta asignación, sin embargo,
debe ser coherente. Esta necesidad de que asignemos probabilidades
adecuadamente se va a plasmar en esta sección en tres reglas, conocidas como
axiomas, que debe cumplir cualquier reparto de probabilidades.
(saez castillo, 2012)

ANTECEDENTES DESCRIPTIVOS
Aplicando la estadística como la ciencia que permite a través de herramientas la
constitución de procesos importante en la toma de decisiones de grandes
proyectos, además de métodos estadísticos que generan información con
pequeños márgenes de error ante situaciones de problemas verdaderos.
Determinando magnitudes individuales de manera aleatoria en las muestras
tomadas de cualquier campo de trabajo ingenieril que nos permiten comprender la
variabilidad de los procesos que nos permite describir y modela la información
para tomar las decisiones base a la información arrojada, tales métodos en su
aplicación son:

ESTUDIOS DE ESTIMACIÓN DE UN PARÁMETRO.

- Estudios de la representatividad: describe las posibles observaciones
determinadas sobre las variables que se tiene en cuenta para la obtención
del proyecto a llevar, estas representaciones están dadas por:
 ➢ Población diana, a la que hace referencia el objetivo del estudio, y a
la que se debería generalizar los resultados.
➢ Población de estudio, a la que se tiene la intención de estudiar,
definida por los criterios de selección establecidos en el protocolo del
estudio.
➢ Muestra o conjunto de variables realmente estudiados.
➢ Intervalos de confianza En un estudio, tan sólo se estudia una de las
múltiples muestras que podrían haberse obtenido de la población de
referencia. Si se estudiara más de una, Métodos estadísticos en
cada una de ellas el resultado podría presentar valores diferentes
simplemente por azar.
➢ Tamaño de la muestra En cualquier estudio, es importante
determinar a priori el número de sujetos que es necesario incluir,
aunque el resultado de este cálculo debe considerarse como
orientativo, ya que se basa en asunciones que pueden ser
incorrectas
➢ La variabilidad del parámetro que se desea estimar. Si no se conoce,
puede obtenerse una aproximación a partir de datos propios o de
otras investigaciones, o un estudio piloto.
➢ La precisión con que se desea obtener la estimación, es decir, la
amplitud deseada Cuanto mayor precisión se desee, más estrecho
deberá ser este intervalo, y más sujetos deberán ser estudiados.
➢ El nivel de confianza deseado. Este valor indica el grado de
confianza que se tendrá de que el verdadero valor del parámetro en
la muestra se sitúe en el intervalo obtenido.
➢ Corrección según el porcentaje esperado de no respuestas El
número de sujetos calculado debe ser ampliado en función del
porcentaje de no respuestas que se espera que se produzcan, de
forma que se asegure que se obtendrá información del número de
muestras deseado.
➢ Para que se cumpla el principio de representatividad, debe prestarse
atención al proceso de selección de los sujetos, utilizando una
técnica de muestreo adecuada que aumente la probabilidad de
obtener una muestra representativa. El muestreo probabilístico se
define como el proceso de selección en que todos los individuos
candidatos tienen una probabilidad conocida.
ESTUDIOS DE CONTRASTE DE HIPÓTESIS
- Principio de comparabilidad: Estos estudios se basan en que los grupos
son comparables por todos los factores pronósticos y en que se ha obtenido
la información de la misma forma en todos ellos, de manera que las
diferencias en los resultados observados pueden atribuirse al factor que se
está estudiando, tales parámetros de comparabilidad son:
 ➢ Contraste de hipótesis La aplicación más frecuente de la inferencia
estadística en investigación médica son las llamadas pruebas de
contraste de hipótesis o de significación estadística
➢ Pruebas unilaterales y pruebas bilaterales En ocasiones, lo que
interesa no es determinar si existen o no diferencias.
➢ Análisis multivariante En muchas ocasiones, interesa considerar la
influencia de más de dos variables simultáneamente. Ello requiere
técnicas sofisticadas, basadas en modelos matemáticos complejos,
agrupadas bajo el nombre genérico de análisis multivariante.
(cordero gonzalez, 2014) (jimenez)

ANÁLISIS DE RESULTADO
Atreves de las respectivas informaciones obtenido y el conocimiento amplio de
cada una de ellas y los antecedentes descriptivos investigados se obtuvo que la
estadística, es la ciencia de los apoyos de las demás ciencias, su importancia se
remota en tiempo antiguos usada para recopilar datos en tablas sobre la
producción agrícola y de los géneros vendidos o cambiados mediante trueque,
además para el censo de la población en la antigua Egipto.
Con la obtención de informes dada en el proyecto, podemos resaltar la
importancia de la estadística en el campo de las ingenierías, a través de sus
herramientas de mejoramientos de eficiencia de resultado de grandes cantidades
de datos por medio de parámetros específicos, como prioridad la función de un
ingeniero es dar soluciones frente a problemáticas generadas en su respectivo
ámbito laboral, estas problemáticas viene dada por la organización administrativa
de numerosas informaciones que a través de modelaciones estadísticas se puede
mejorar su orden sus funciones y sus resultados, estas nos permite transmitir
informaciones , mediante las aplicaciones adecuadas de técnicas como la
estadística, matemáticas y medios tecnológicos de la computación, que asociada
a cada modelo estadístico forman un orden de datos arrojados.
 CONCLUSION
con el presente proyecto investigativos y toda las informaciones encontradas se
pudo concluir que la estadística es la ciencia que apoya al resto de las ciencias
dada, en la rama de la ingeniería esta permite por medio de sus estudios y
conocimiento, la organización de datos obtenidos para tomar decisiones respecto
de su objeto de análisis basándose en esos datos, para lo cual debe dotarse de
herramientas adecuada, estos permitiendo garantizar que la información sea
completa y correcta, dada en la aplicación de las ramas de las matemáticas, los
métodos estadísticos en la ingeniería se dan a través de los procesos
probabilísticos y estadísticos de análisis e interpretación de datos o las
características de un conjunto de elementos y en control de procesos industriales
y organizacionales, permitiendo reforzar los argumentos o conclusiones de un
proyecto presente.
 BIBLIOGRAFÍA

antonio, p. p. (2008). estadísticas para todo.es. Obtenido de estadisticasparatodo.es:

http://www.estadisticaparatodos.es/historia/histo_esta.html

cordero gonzalez, f. (4 de febrero de 2014). slideshare. Obtenido de slideshared:

https://es.slideshare.net/FelipeCordero/importancia-de-la-estadstica-en-la-ingeniera-
industrial-30786113

jiménez, j. (s.f.). www.self.es. Obtenido de biblioteca virtual:

http://www.sefh.es/bibliotecavirtual/erroresmedicacion/010.pdf

saez castillo, a. j. (2012). apuntes de estadísticas para ingenieros. En r. walpole, probabilidad y

estadísticas para ingenieros (págs. 16-52). españa: versión 1.3.