ESCUELA ACADÉMICO PROFESIONAL DE INGENIERÍA INDUSTRIAL

CURSO:

Estadística

CICLO:

DOCENTE:

Dra. María Teresita Rojas García.

INTEGRANTES:

- Cruz Peláez, Keiko

- De Dios Arzapalo Meryi
- Llaure Vásquez Stefany
- Mamani Vargas Ricardo
- Mariños Acuña Fernando
- Salazar Ramos Miguel

TRUJILLO - PERÚ
 ESTADÍSTICA

I. DEFINICIÓN
La Estadística es la ciencia cuyo objetivo es reunir una información cuantitativa
concerniente a individuos, grupos, series de hechos, etc. y deducir de ello gracias
al análisis de estos datos unos significados precisos o unas previsiones para el
futuro. La estadística, en general, es la ciencia que trata de la recopilación,
organización presentación, análisis e interpretación de datos numéricos con el
fin de realizar una toma de decisión más efectiva. [1]

II. ETIMOLOGÍA
La palabra estadística procede del latín “Status” que significa Estado. La función
de los gobiernos entre otras cosas es llevar los registros de población,
nacimientos, cosechas, impuestos y toda la información que engloba el estado,
es así que, tradicionalmente se definió a la estadística como un instrumento de
compilación, organización, presentación y análisis de datos numéricos. [2]

III. CLASES

A) Estadística Descriptiva
Es la parte de la estadística que analiza, estudia y describe a la totalidad de
individuos de una población o muestra.
Ahora bien, ¿cuál es la finalidad de la estadística descriptiva? La estadística
descriptiva busca obtener información para después analizarla y simplificarla lo
necesario para que pueda ser interpretada cómoda y rápidamente y, en
consecuencia, se puede utilizar de manera eficaz para algún fin deseado.
El proceso que sigue la estadística descriptiva para el estudio de una población
o muestra consta de los siguientes pasos:
 Selección de caracteres dignos de ser estudiados.
 Obtención del valor de cada individuo mediante una encuesta o medición,
con respecto a cada uno de los caracteres seleccionados.
 Obtención de números que sinteticen los aspectos más relevantes de una
distribución estadística (dichos números se llaman parámetros, mientras
que, en el caso de las muestras, estadísticos).
 Elaboración de tablas de frecuencias, mediante la adecuada clasificación
de los individuos dentro de cada carácter.
 Representación gráfica de los resultados.

EJEMPLOS
  El supervisor de una línea de producción de botellas de refresco lleva el
control sobre la cantidad de botellas envasadas en la línea de producción
que estén en alguno de los tres rangos (llenado alto, medio y bajo)
establecidos por el departamento de control de calidad de la envasadora.
 En una entrevista a 1100 electores, se obtuvo la siguiente información: el
candidato del Partido Conservador obtuvo la preferencia de un 44% de
los encuestados, mientras que un 45% optó por el candidato del Partido
Liberal y aún se mantiene un 11% indeciso.

B) Estadística Inferencial
Es la parte de la estadística que trabaja con muestras, a partir de las cuales
pretende inferir aspectos relevantes de toda la población.
De esta definición se aprecia que en el estudio de la estadística inferencial es
fundamental dar respuestas a ciertas preguntas cuyo estudio requiere de
conocimientos en probabilidad y matemáticas. Por ejemplo, ¿cómo seleccionar
la muestra?, ¿cómo realizar la inferencia?, ¿Qué grado de confianza se puede
tener en esta? Para responder la primera pregunta se debe conocer que la
materia prima de la estadística son los conjuntos de números obtenidos al contar
o medir elementos de algún fenómeno en estudio. Por esta razón, debemos tener
especial cuidado para garantizar que la información sea completa y correcta.
Entonces, el primer problema para los estadísticos reside en determinar qué
información y en qué cantidad se habrá de reunir, ya que con base en esta se
establece la confiabilidad de los resultados. [3]
EJEMPLOS
 Los estudiantes de Psicología que obtuvieron un IQ de inteligencia sobre
120, probablemente obtendrán sobre 700 puntos en cada área de la
prueba de admisión para ingreso a la universidad.
 Si aún hay un 11% de los electores indecisos y si la población electoral
es de cerca de 88 millones electores, quiere decir que aún hay cerca de
10 millones de electores quienes realmente decidirán cuál va a ser el
candidato ganador.

IV. OBJETIVOS
El objetivo general de la estadística es convertir los datos en información.
 Objetivo de la estadística descriptiva. - La finalidad 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.
 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.

b) Poder medir el grado de incertidumbre presente en dichas

inferencias en términos de probabilidad. [4]

V. HISTORIA DE LA ESTADÍSTICA
Antes de Cristo
 3050 EGIPTO
Hay datos sobre población y riqueza (Según Heródoto)
para construir las pirámides de Egipto.
Figura 1

 1000 ISRAEL ANTIGUO

El rey David ordena un censo para conocer el número de
habitantes.

Figura 2
Después de Cristo
 1654-1705
Jacob Bernoulli es considerado como iniciador de la teoría
de probabilidad, introduce la 1ra “Ley de los grandes
números”

Imagen 3

 1760
Godofredo Achewall acuña la palabra Estadistica, del italiano
“Statista” (estadista) del latin “Status” (Estado o situación)

Figura 4
Siglo XVII-XVIII-XIX
 1773-1855
Karl Gauss contribuyo al “Método de los mínimos cuadrados "y
desemboco en la “Ley de probabilidad normal”

Figura 5

 1835
Adolphe Quetelet es llamado padre de la estadística moderna.

Figura 6

 1933
Jerzy Neyman, desarrollo el muestreo de poblaciones finitas y la
estimación por intervalo
Figura 7

 1934
George Snedecor, fundador del laboratorio de estadística
de IOWA STATE UNIVERSITY

Figura 8

Siglo XIX hasta hoy

 Charles Spearman
Pionero en el desarrollo del método de análisis multivariante
denominado Análisis Factorial
Figura 9

 Abraham Wald
Desarrollo la Teoría de Muestreo Secuencial y la Teoría
Estadística de Decisiones

Figura 10
  George Box
Acuño el termino Robustez para designar
procedimientos estadísticos que dan resultados
aceptables cuando no se cumplen todos los supuestos.

Figura 11

 Calyampudi Radhakrishna Rao

Conocido por la Cota de Crámer-Rao y el teorema de Rao-
Blackwell. [5]

Figura 12

VI. USOS DE LA CIENCIA ESTADÍSTICA

 Toma de decisiones con lo que respecta a marketing: Mediante el

estudio de mercado puedes obtener datos que servirán para tomar
decisiones solidas que permitirán éxito en las campañas y saber si la
lanzar o no cierto producto al mercado.
 Análisis y predicción en el mercado financiero: Permiten tener
seguridad de que acciones tomar al conocer mediante los resultados
obtenidos, la viabilidad o no de algunas empresas
 Estudio y control de poblaciones: Permiten conocer las poblaciones y
son de principal uso gubernamental, indicadores como tasa de mortandad
y natalidad son cruciales para la dirección del estado, así como para saber
los niveles de educación y desempleo que posee.
 Control, toma de decisiones y planeamiento de operaciones:
Dependiendo de cómo hayan ido las ventas y según estadísticas del éxito
de la empresa, se podrá controlar la producción para evitar pérdidas
innecesarias.
 Manejo de grandes cantidades de datos: Al ser la muestra representativa
se puede tomar para evitar tratar con grandes cantidades de datos, tal
como ocurre en las encuestas, donde se toma un número pequeño de
personas en comparación al total.

VII. IMPORTANCIA DE LA ESTADÍSTICA EN ING. INDUSTRIAL

La inferencia estadística produjo en número enorme de herramientas ya que nos
permitía ir de lo particular a lo general, esto permitió simplificar en gran medida
lo que era manejo de datos. Nos permite conocer el entorno y poder actuar de
acuerdo a ello.
En la ingeniería industrial es sumamente importante la estadística ya que permite
conocer: el riesgo económico que poseen las operaciones que realizaremos,
manejo del control de calidad y eficiencia de los esquemas de producción,
viabilidad de operaciones financieras, estado del mercado y de las demandas
del consumidor, etc.
En el desarrollo de la ciencia en general y en especial en el de las ciencias
biológicas, el conocimiento de la metodología estadística es un arma
imprescindible para la obtención, análisis e interpretación de todos los datos que
proceden de las observaciones sistemáticas o de experimentaciones
proyectadas específicamente para conocer los efectos de uno o varios factores
que intervienen en los fenómenos bajo estudio. La estadística permite probar
hipótesis planteadas por el experimentador, determina procedimientos prácticos
para estimar parámetros que intervienen en modelos matemáticos y de esa
manera construir ecuaciones empíricas.
La investigación científica se lleva a cabo cuando hay un problema, el cual debe
ser resoluble y enunciado en forma de pregunta. La investigación procede
entonces a la formulación de una o varias hipótesis como posibles soluciones al
problema, la cual o las cuales se comprueban para determinar si son falsas o
verdaderas. Los resultados del estudio se resumen más tarde en forma de un
reporte formal, que no es más que un enunciado en forma concisa de lo que se
encontró en la investigación. El propósito inmediato de un estudio es llegar a un
reporte formal, ya que, si el experimento es exploratorio, el reporte puede servir
como base para formular una hipótesis específica y precisa; y si el experimento
es confirmatorio, el reporte servirá para determinar si la hipótesis es
probablemente verdadera o falsa.

VIII. VARIABLES CUALITATIVAS, DISCRETAS Y CONTINUAS, RANGO

DE VARIACIÓN Y UNIDAD DE MEDIDA
Cualitativas
 Puntualidad de entrega de producto: Puntual e impuntual.
 Profesión: Ing. Industrial, Ing. De Sistemas, Contador, etc.
 Empresa proveedora de fertilizantes: Idesa, Matellus.
 Áreas de trabajo de un ingeniero: Logística, Producción, Control de
Calidad.
 Procedencia de la materia prima a utilizar: Lambayeque, La Libertad,
Lima, etc.
 Tipo de energía utilizada: eólica, eléctrica, mecánica, térmica, etc.
 Estado de las máquinas en funcionamiento: apropiado, riesgo, deficiente,
óptimo.
 Empresas proveedoras de maquinaria: Nova.
 Tipo de empresa: curtiembre, industrial, agroexportadora, agroindustrial.
 Países a los que se exporta el producto: Argentina, Bolivia, etc.
Discretas
 Número de trabajadores que laboran y estudian.
 Número de trabajadores que laboran en una faja.
 Número de controladores por cada tipo de producto.
 Número de trabajadores sin experiencia.
 Número de accidentes por semana.
 Cantidad de agentes de seguridad.
 Número de profesionales encargados de gestión de riesgos.
 Cantidad de extintores dentro de una planta.
 Cantidad de zonas seguras dentro de la planta.
 Número de empresas locales del mismo rubro.

Continuas
 Pago de horas extras a los trabajadores: Soles, Dólares o Euros.
 Volumen de pimiento: Metros cúbicos.
 Peso de levadura utilizada en una producción de 1000 panetones: kg, g.
 Potencia de una máquina: Watt
 Temperatura de ebullición de fluidos a trabajar: ºC.
 Tiempo de blanqueado del esparrago: segundos(s)
 Resistencia de un armado de concreto: Newton
 Conductividad de calor de un envase: W/(K·m) (equivalente a J/(m·s·K)).
 Peso de materia prima utilizada: Kg.

IX. MARCO MUESTRAL

Es la parte de la población desde donde se selecciona la muestra. Idealmente el
marco muestral coincide con la población. Sin embargo, por razones de costo,
se suele no considerar una parte de la población, al seleccionar la muestra. Las
conclusiones que se obtienen como resultado de un estudio estadístico aplicado
a los datos obtenidos de una muestra, se refieren a toda la población, aun
cuando la muestra haya sido obtenida de un marco muestral que no es toda la
población. Por ejemplo, la población es el conjunto de todos los trabajadores de
una empresa. Para efectuar un estudio, se extrae una muestra de los
trabajadores de la oficina central, dejándose fuera del marco muestral, pero no
de la población, a los de una sucursal que se encuentra geográficamente
distante.
El Marco Muestral es el conjunto de unidades del cual se seleccionará una
muestra. En el caso de la Encuesta Nacional de Hogares, las unidades del Marco
Muestral son las viviendas particulares, ubicadas en pequeñas áreas geográficas
en que se particiona al país (áreas geográficas de con 100 a 120 viviendas, en
promedio).
Las unidades del Marco Muestral se llaman Unidades de Muestreo las cuales no
coinciden necesariamente con las unidades de la Población, aunque toda unidad
de muestreo debe "contener" unidades de la población. El verbo "contener" es
utilizado aquí en un sentido amplio y puede entonces a que las unidades de la
población "pertenecen" a las unidades del marco muestral (teoría de conjunto) o
bien que en cada unidad de muestreo "existen" unidades de la población.
Así, como se aprecia en el ejemplo de las Encuestas de Hogares las unidades
de muestreo (viviendas particulares) no coinciden con las unidades de la
población de hogares o de personas pero toda vivienda "contiene" hogares y
personas).

X. PARÁMETRO Y ESTIMADOR
Un parámetro estadístico es un número que resume la ingente cantidad de
datos que pueden derivarse del estudio de una variable estadística. El cálculo
de este número está bien definido, usualmente mediante una fórmula aritmética
obtenida a partir de datos de la población.
En estadística, un estimador es un estadístico (esto es, una función de la
muestra) usado para estimar un parámetro desconocido de la población. ... El
valor de un estimador proporciona lo que se denomina en estadística una
estimación puntual del valor del parámetro en estudio.
El parámetro es un valor determinado de una población, por ejemplo, la media
poblacional, mientras que el estimador, es un valor aproximado de cierto
parámetro desconocido de una población, éste estimador se calcula a partir de
una muestra tomada de la población.

EJEMPLOS:
Bibliografía
[1] David Ruiz Muñoz – Manual de Estadística – EDITORIAL ISBN – pág. 3, 18.
[2] http://tarwi.lamolina.edu.pe/~fmendiburu/index-
filer/academic/Estadistica/parte1.pdf
[3] Eduardo Gutiérrez González, Olga Vladimirovna Panteleeva – ESTADÍSTICA
INFERENCIAL 1 para ingenierías y ciencias – Volumen 1 – EDITORIAL Patria,
S.A. de C.V. – Colonia San Juan Tlihuaca Azcapotzalco, Ciudad de México,
2016 – Pág. 8,75
[4] https://www.gestiopolis.com/que-es-estadistica-tipos-y-objetivos/#objetivo-de-
la-estadistica
[5] https://es.slideshare.net/1luminoscurus/estadistica-linea-del-tiempo
Figura 1: https://hdnh.es/wp-content/uploads/2018/03/libros-egipto.jpg
Figura 2: https://2.bp.blogspot.com/-H3o-
TIs60z4/WP7D6HhmBvI/AAAAAAAAUJA/ZzXjF8ihU-
UrrWd9GNL6Z_bj0t7pb3SxgCLcB/s1600/pueblo-de-israel-regresa.jpg
Figura 3: http://www.100ciaquimica.net/images/biografias/ima/bernouillij.jpg
Figura 4: https://www.ecured.cu/images/thumb/5/5e/Gottfried.jpeg/260px-Gottfried.jpeg
Figura 5: http://www.histel.com/z_histel/retratos_bio/00050.jpg
Figura 6: https://todayinsci.com/Q/Quetelet_Adolphe/QueteletAdolphe-Color300px.jpg
Figura 7: http://aprender-mat.info/history/photos/Neyman.jpeg
Figura 8: https://www.umass.edu/wsp/images/snedecor.jpg
Figura 9: https://www.biografiasyvidas.com/biografia/s/fotos/spearman.jpg
Figura 10: http://www.hetwebsite.net/het/profiles/image/wald.jpg
Figura 11: http://feedbox.com/wp-content/uploads/2017/06/all-models-are-wrong.jpg
Figura 12: http://uploads.edubilla.com/awards-winners/29/a8/calyampudi-radhakrishna-
rao.jpg

INTEGRANTES
- Cruz Peláez, Keiko
- De Dios Arzapalo Meryi
- Llaure Vásquez Stefany
- Mamani Vargas Ricardo
- Mariños Acuña Fernando
- Salazar Ramos Miguel