Vous êtes sur la page 1sur 21

UNIVERSIDAD NACIONAL DE PIURA

FACULTAD DE INGENIERIA INDUSTRIAL


ESCUELA DE INGENIERIA MECATRNICA

DOCENTE:

CURSO:

DARWIN LLACSAGUACHE CALLE

ESTADSTICA GENERAL

ALUMNOS:

Gonzales Vlchez Denilson


Melndez Chinguel Luis ngel
Ponce Julca Gabriel Alfonso
Cumpa Jurez Denis

Piura, 22 de Julio 2016

MONTAJES ELCTRICOS HERMANOS PLATA S.L

Montajes Elctricos Hnos. Plata S.L. nace como empresa instaladora del sector
elctrico de baja tensin gracias a la visin empresarial de sus dos socios,
Jos Plata y Juan Manuel Plata.
Muy pronto se vio reforzada por la adquisicin de otra firma especializada en las
instalaciones de alta tensin. Ello, junto con la adquisicin e implantacin del
sistema de calidad UNE EN ISO 9001 nos reforz como entidad y nos dio capacidad
para adentrarnos en otros campos como: las telecomunicaciones, climatizacin,
calefaccin, domtica y energa Solar trmica y fotovoltaica (Adems de ser
Empresa Homologada de Sevillana Endesa).

Disponiendo, a da de hoy, de

divisiones especializadas en cada una de estas reas, con personal altamente


formado y coordinado a su vez por nuestros departamentos tcnico y de calidad
junto con el de prevencin de riesgos laborales.

El nacimiento de la divisin de Energa Solar en nuestra empresa se remonta al ao


2000, cuando nicamente se realizaban instalaciones Fotovoltaicas aisladas a red,
es decir, generbamos electricidad all donde no llegaba la red elctrica. Dicha
divisin ha experimentado un gran crecimiento requiriendo formacin especializada y
la creacin de un departamento de ingeniera que pudiese dar una respuesta acorde
a la demanda del mercado.

MISIN, VISIN Y VALORES


Misin

Nuestra misin es la mejora continua de los servicios que prestamos en nuestras


instalaciones mediante el estudio e inversin en nuevas tecnologas que hacen que
su vivienda resulte ms confortable, de forma que a travs de nuestros sistemas de
calefaccin, climatizacin y energa solar queremos cumplir con las ms altas
exigencias de nuestros clientes
Visin
Ser un referente en el tejido empresarial andaluz por nuestra capacidad para mejorar
los parmetros de confort en su hogar y por proporcionar soluciones eficientes
reduciendo los costes energticos por medio de instalaciones adaptadas a sus
necesidades
Nuestros Valores

Trato directo y personalizado: Puesto que cada instalacin tiene unas


caractersticas propias que la hace diferente del resto, nosotros le ofrecemos
el mejor asesoramiento tcnico gracias a la experiencia acumulada en el
sector durante ms de veinte aos

Trabajo

en

equipo: Contamos

con

un

capital

humano

excepcional

compuesto por un equipo altamente cualificado y comprometido con la


actividad desempeada en las distintas reas de nuestra empresa.

Profesionalidad: Nos esforzamos por obtener un servicio gil, productivo y


eficaz

Calidad: Nuestro objetivo prioritario siempre ha sido ofrecer un servicio de


calidad, prueba de esta filosofa ha sido la implantacin de la norma UNE EN
ISO 9001 y de un sistema de calidad que ha permitido el desarrollo de un
proceso de mejora continua en todas las actividades y procesos llevados a
cabo en la empresa.

Innovacin: Somos una empresa pionera en el uso de nuevas tecnologas


para su hogar, desde nuestro departamento de ingeniera trabajamos para
que nuestros productos y servicios incorporen los ltimos avances y
desarrollos surgidos en el mercado.

DATOS SELECCIONADOS

Datos no agrupados

Son datos no agrupados cuando se consideran y analizan todos los valores


observados tal como se obtuvieron.
Es conveniente y ms sencillo trabajar a estos datos como no agrupados cuando la
muestra no es muy grande. De preferencia que sea una cantidad menor de 30 datos.

Media: (

) La media aritmtica, es la suma de todos los valores de dicha variable

dividido por el nmero de valores.


Frmula:

xi
n

De los datos obtenidos:


Numero de pulsaciones emitidas a lo largo de ocho das en una sola mquina.

Nmero de das
Nmero pulsaciones emitidas

3 4

2 6 10 5 10 3 2 2

Se pide:
a) Tabla de frecuencias. Diagrama de barras.
b) Media aritmtica, Mediana, moda y cuartiles.
c) Varianza, desviacin tpica y el coeficiente de variacin.

Solucin:

5 6 7 8

Variable y clasificacin de la variable:


La variable considerada en el estudio es cuantitativa discreta.
a) Al tratarse de una variable discreta podemos confeccionar directamente la
tabla de frecuencias.
Cuadro N01: Tabla de frecuencias para la variable
Xi

fi

Fi

hi

hi (%)

Hi

Hi (%)

0.050

5.0

0.050

5.0

0.150

15.0

0.200

20.0

10

18

0.250

25.0

0.450

45.0

23

0.125

12.5

0.575

57.5

10

33

0.250

25.0

0.825

82.5

36

0.075

7.5

0.900

90.0

38

0.050

5.0

0.950

95.0

40

0.050

5.0

1.00

100.0

Diagrama de barras

Grafico N01
12
10
8
Nmero de alertas

6
4
2
0

Nmero de dias

b) LA MEDIA ARITMTICA.

Sea X1, X2,..., XN valores de la variable X. La media aritmtica simple de X


representada por

x
i 1

fi

x
i 1

(lase X barra) es dado por

x 1 f1 x 2 f 2 x n f n
n

fi
=

Donde n = es el tamao de la muestra.

(1 x 2+2 x 6+3 x 10+ 4 x 5+5 x 10+6 x 3+ 7 x 2+8 x 2)


40

= 4.05

INTERPRETACIN: El promedio de alertas que se emitieron fue de 4 alertas por


da.

LA MEDIANA

Divide la distribucin en dos partes iguales. Como en el Cuadro N01 no existe


ningn valor de la variable que acumule el 50% de los datos, la mediana ser el
primero que supere este porcentaje:
Me = 4.
INTERPRETACIN: El 50% de alertas que se emitieron es menor igual a 4 alertas
por da y el otro 50% salen en un mayor que 4 alertas por.

MODA

Mo1 = 3

Mo2 = 5,

INTERPRETACIN: Pues estos dos valores de la variable son los que presentan
una mayor frecuencia absoluta.

De manera anloga se procede para calcular el primer, segundo y tercer


cuartiles.

Estos

son

los

valores

de

la

variable

que

acumulan,

respectivamente, el 25%, 50% y 75% de las observaciones.


Al no comparecer en la columna de frecuencias relativas acumuladas del Cuadro
N01 exactamente estos porcentajes tomamos los inmediatamente superiores, de
modo que:
P1/4 = 3,

P2/4 = Me = 4,

P3/4 = 5.

c)MEDIDAS DE DISPERSIN. Utilizando la relacin


S2

1 n
(x i x) 2 .ni
N i 1

1 n
2
2
(x i .ni ) 2 x

N i 1

Se tiene que la varianza viene dada por:

1 x 2+4 x 6+9 x 10+ 16 x 5


1
=
+25x10+36x3+49x2+64x2)

40

= 19.5 - 16.4025
= 3.0975 3.10
Consecuentemente, la desviacin tpica es:

4.05

3.0975 =1.76 2

INTERPRETACIN: La variabilidad de los datos es en promedio 2 alertas por da.


COEFICIENTE DE VARIACIN:

C.V=

S (desviacion estandar )
X (media)

2
C.V= 4

*100

* 100 = 50

VARIABLES AGRUPADAS

Los valores del grado de viscosidad un lubricante de 32 mquinas de precisin


sometidas a diferentes condiciones de trabajo son los siguientes del pH sanguneo
de 32 individuos son los siguientes:

7.33

7.31

7.26

7.33

7.37

7.27

7.30

7.33

7.33

7.32

7.35

7.39

7.33

7.38

7.33

7.31

7.37

7.35

7.34

7.32

7.29

7.35

7.38

7.32

7.32

7.33

7.32

7.40

7.33

7.32

7.34

7.33

a) Agrupar los datos en 5 intervalos y confeccionar la tabla de frecuencias.


b) Calcular la media aritmtica, la moda y la mediana.
c) Hallar el tercer decil.

Solucin:
En primer lugar, ntese que la variable considerada en el estudio es una variable
cuantitativa
Continua. Por esta razn distribuimos los datos observados en varios intervalos de
clase.
a. Para establecer la longitud de cada intervalo de clase hemos de determinar el
rango de la variable:
1. Debemos de determinar el Rango ( R ) de variacin de los datos que se
define por:

R = X mx. - X min

En nuestro ejemplo, tenemos:

Valor mnimo X min = 7.26


Valor mximo X mx. = 7.40

Luego el rango es R= 7.40 7.26 = 0.14

2. Tenemos que calcular cuantas clases deben formarse? Para eso se


usa la frmula de Sturges:

K 1 3.322 log n

Dnde:
K = nmero de clases
n = nmero de elementos en la muestra (tamao de la muestra).

En nuestro ejemplo:
K =? , n = 32

Aplicando la frmula tenemos:


K 1 3.322 log( 32) 5.85

Redondeando al entero inmediato mayor, obtenemos


K=5

La amplitud de cada intervalo de clase que representamos con la letra c, se


obtiene por medio de la frmula:
c

R
K

Aplicando los datos a la frmula anterior, se tiene:


c

0.14
0.028
5

Redondeamos a 0.03.
Luego c = 0.03

La tabla de frecuencias para la variable en estudio queda recogida en el Cuadro


N02.
Cuadro N02: Tabla de frecuencias para la variable en estudio

Intervalos

de Xi

fi

Fi

fi (%)

Fi (%)

clase
[LI LS>
[7.26 ; 7.29)

7.275

6.250

6.250

[7.29 ; 7.32)

7.305

12.50

18.750

0
[7.32 ; 7.35)

7.335

17

23

53.12

71.875

5
[7.35 ; 7.38)

7.365

28

15.62

87.500

5
[7.38 ; 7.41)

7.395

32

12.50
0

a. MEDIA ARITMTICA:
n

x
i 1

fi
Donde n = es el tamao de la muestra.

100.000

1
(2 x 7.275+ 4 x 7.305+ 17 x 7.335+5 x 7.365+ 4 x 7.395) =7.34
36

INTERPRETACIN: El promedio de alertas que se emitieron fue de 4 alertas por


da.

MODA
Es el valor que ms se repite dentro de todas las observaciones que comprende la
variable.

Mo=

LI +

d1
tic
d 1+ d 2

Dnde:

1= f if i1
d

2= f if i+1
d

1. Tomamos la mayor frecuencia como punto central o fi


2. Luego aplicamos la formula

1= f if i1
= 17 4 = 13
d

2= f if i+1
d

= 17 5 = 12

Tic o C = 0.03

Reemplazando en la frmula:
13
Mo= 7.32+ 13+12 0.03 = 7.34

MEDIANA
La mediana es un valor que divide a un conjunto de observaciones ordenadas en
forma ascendente o descendente en dos grupos de igual nmero de observaciones.
1. Calculamos la posicin de orden
2. Por las frecuencias acumuladas se identifica la clase que contiene a la
mediana, esto es, la clase por la cual se cumple.

n
2

32
2

=16

Me =

n
F
(
2)
LI +

fi

i1

Tic

Reemplazando:

Me =

0.03
( 166
17 )

7.32+

= 7.34

INTERPRETACIN: El 50% de alertas que se emitieron es menores iguales a 7.34


alertas por da y el otro 50% es mayor que 7.34.
DECIL:
Los deciles son valores que dividen a un conjunto de datos ordenados en forma
ascendente o descendente en 10 partes iguales.
Para determinar los deciles se aplica la siguiente formula:

rn

10 Fi 1
D r LI
xTic
fi

r = 1,2,3,,n

1. Hallamos el tercer decil

rn
10

3 x 32
10

Reemplazamos en la frmula:

= 9.6

Fi = 23; LI= 7.32

9.6 6
x 0.03
17

D 3 7.32

= 7.33

INTERPRETACIN: El 30% de alertas que se emitieron son menores o iguales a


7.33 alertas por da y el otro 70% son mayores de 7.33.

PROBABILIDADES
1) De 150 mquinas examinadas en una electromecnica se encontr que 90 tenan
fallas de des calibracin, 50 tenan fallas de des programacin Viruela y 30 tenan
ambas fallas. Qu porcentaje de las maquinas tenan uno u otro de las fallas?

Sean los siguientes eventos:


A = {Que tengan fallas de des calibracin}
B = {Que tengan fallas de des programacin}
A B = {Que tengan fallas de des calibracin y de des programacin}

P (A) =

90
150

P (B) =

50
150

P (A B) =

30
150

Segn la regla aditiva general de probabilidades

P (A B) = P (A) + P (B) P (A B) para A y B cualesquiera

P (A B) =

90
150

50
150

30
150

= 0.73

Entonces P (A B) = 0.73, es decir, la probabilidad es 0.73, para encontrar el


porcentaje a partir de la probabilidad, multiplicamos esta ltima por 100.

0.73 x 100 = 73%

2) Si en un almacn hay cuatro mquinas defectuosas y cinco mquinas sin defecto


Cul es la probabilidad de que la primera mquina extrada sea defectuosa y la
segunda maquina extrada no sea defectuosa, si es que se cumple en retomar en
retomar la primera mquina extrada?

Sean los siguientes eventos:


B = {Que se obtenga una maquina defectuosa en la primera extraccin en la primera
extraccin}
A = {Que se obtenga una maquina defectuosa en la primera extraccin en la primera
extraccin}
Como

las

extracciones

sucesivas

son

con

reposicin,

los

eventos

son

independientes.
Entonces
P (A B) = P (A) P (B) porque el evento B ya no condiciona el evento A.
En total son 9 mquinas, de los cuales 4 son defectuosas y 5 sin defecto.

P (B) =

4
9

P (A B) =

P(A) =

4
9

5
9

5
9

= 0.25

3) La probabilidad de que en la empresa tenga maquinas defectuosas es p=0.02. Se


envi un cargamento de 10.000 mquinas a diferentes tiendas.

Hallar el nmero esperado de mquinas defectuosas, la varianza y la desviacin


tpica.
= 10.000;

p = 0.02;

q = 0.98

= 10.000 x 0.02 =200

=10.000 x 0.02 x 0.98


=

196 = 14

4) La probabilidad de tener maquinas defectuosas es de 0.02 cada vez que llegan,


se realizan 300 revisiones, Cul es la probabilidad de tener 3 mquinas
defectuosas?

Como la probabilidad p es menor que 0.1, y el producto n * p es menor que 10,


entonces aplicamos el modelo de distribucin de poisson.
k

P(x = k) = e *

k!

e=2.71828

= n*p (es decir el nmero de veces n que se realiza el experimento multiplicado


por la probabilidad p de xito en cada ensayo).
k es el nmero de xito cuya probabilidad se est calculando.
Solucin:
= n*p
= 300 * 0.02 = 6
-6

P(x = 3) = e *

63
3!

P(x = 3) = 0.0892
Por lo tanto, la probabilidad de tener 3 mquinas defectuosas en 300 revisiones es
del 8.9%

ANALISIS COMBINATORIO

1. COMBINACIONES:
Dado un conjunto A de n objetos, se llama una combinacin de n elementos tomados
r a la vez, a un subconjunto, constituido por r elementos, en el que importan los
objetos mas no el orden de colocacin de ellos.
Formula:

n!
n=
r r ! ( nr ) !
a. Un veterinario tiene que atender cuatro pollos de siete de ellos Cuantas
maneras tiene que escoger los cuatro pollos?
Solucin:

7!
7=
4 4 ! ( 74 ) !

7!
4 ! (3) !

=35

INTERVALOS DE CONFIANZA

1. Intervalo de confianza para estimar la media poblacional


En primer lugar se toma una muestra aleatoria. Con los datos de la muestra se
calcula: la media, la desviacin estndar y el error estndar de la media.
La frmula para el intervalo que queremos determinar es:

I . C= X Z 0 X

X =

^ N n
n N 1

En donde:
X

= Es la media aritmtica de la muestra.

Z 0 = Es el coeficiente de confianza o valor crtico. Su valor depende del nivel de


confianza.
X = Es el error estndar de la media y su valor depende de la desviacin
estndar poblacional.

X Z 0 X

X + Z 0 X

a) Para estimar el peso media de 600 pollos se tom una muestra representativa
de 40 pollos.
De esta muestra se obtuvo:

n = 40

= 2.06 kgr.

S = 0.6

Determinar los intervalos de confianza del 95% para estimar el parmetro indicado.
Solucin:

X =

I.C =

0.6 60040
=0.091
40 6001

Z 0 =1.96

X 1.96 X

I.C = 2.06 1.96 x 0.091 = 2.06 0.18

1.88

2.24