Universidad Tecnolgica de Panam Facultad de Ingeniera de Sistema Computacionales

Licenciatura en Desarrollo de Software Estadstica y Probabilidad

Investigacin #2 Aplicaciones de la estadstica en la industria moderna

Profesor Torres C., Nstor E.

Integrantes: Bhakta, Hardik Espinosa, Alexandra Gonzlez, Fernando Gonzlez, Samuel Hernndez, Kathia 8-854-702 8-855-952 7-708-417 8-853-492 8-844-2446 __________________ __________________ _________________ __________________ __________________

Grupo #1

28 de Octubre de 2011

RESUMEN

Hoy es imposible comenzar a analizar probabilidades de xito en cualquier mbito sin el uso de esta herramienta que es la estadstica. La estadstica se ha convertido en una herramienta fundamental para la programacin o evaluacin, es tanta su importancia que se ha vuelto una ciencia, nos puede ser muy til ya que entre ms aspectos tengamos en cuenta para el estudio, ms acertado va ser nuestros resultados, ya sea buscando puntos positivos, como negativos en un estudio. Las aplicaciones de la estadstica en el mundo real no solo se aplican al azar como lo hemos visto en el pasado, este campo adems de ser muy viable nos resulta una ayuda muy grande en nuestros campos laborales y no solo en la industria tambin lo podemos ver en la estadstica oficial, en los negocios, en la medicina, las ciencias naturales, en la investigacin y en una de las ms importantes la ingeniera. En este trabajo, especficamente hablaremos sobre tres aplicaciones las cuales son la bioestadstica, la Quimiometra y para los negocios. Los estudios estadsticos ayudan a la biologa a resolver enigmas e imprevistos que la naturaleza nos da y nos sorprende repentinamente. Para el tema de la estadstica en los negocios, es que sin la estadstica no se pueden predecir los xitos o fracasos que tendr un negocio, es por eso, que la estadstica es muy importante y para la Quimiometra, la estadstica nos ayuda a interpretar mtodos de origen matemtico y estadsticos para poderlos transformar en informacin til para que los usuarios los utilicen adecuadamente.

ndice Introduccin..v Contenido..1 Bioestadstica1 Quimiometra6 Negocios.11 Conclusin..16 Recomendacin.17 Bibliografa..18 Anexo_Bioestadstica...19 Anexo_Quimiometra.29 Anexo_Negocios....31

INTRODUCCIN

La estadstica se estudia como una materia en muchos planes de estudio de las ms diversas profesiones y forma parte de los programas de especializacin y posgrado en las ms diversas disciplinas. Es, de hecho, casi imposible que un profesional, tcnico o cientfico no haya recibido en su formacin al menos un curso de estadstica. Por otro lado, la estadstica es en s misma un disciplina, que muchos le dan el carcter de cientfica, aunque otros prefieren verla como una tecnologa. Lo cierto es que hay profesionales de la estadstica que trabajan en la academia o como consultores especializados en el uso de esta metodologa. Se acepta que la estadstica tiene como finalidad coadyuvar al incremento del entendimiento, a promover el beneficio humano y mejorar la calidad de vida y bienestar por medio del avance del descubrimiento y uso efectivo del conocimiento derivado de datos. As, entonces, la estadstica ha llegado a ocupar un amplio escenario en el desarrollo de la ciencia y la tecnologa, pero tambin en las ms diversas esferas de la vida cotidiana, incluidas la cultura y el deporte. En esta perspectiva podemos decir que es una disciplina que lleg para expandirse y para incorporarse a la cultura en la sociedad del conocimiento y la informacin. En este trabajo hablaremos sobre tres diferentes aplicaciones de la estadstica en la industria moderna, en que se dividen estas aplicaciones y ejemplos acerca de ellos.

Bioestadstica Es la disciplina que se encarga de generar y aplicar mtodos estadsticos a informacin o datos provenientes de las reas biolgicas. La bioestadstica una rama de la estadstica que se ocupa de problemas plantados dentro de las ciencias de la vida, como la biologa, la medicina, etc. Debido a que las cuestiones a investigar en biologa son de naturaleza muy variada, por ejemplo, la medicina, ciencias agropecuarias y forestales, la bioestadstica ha expandido sus dominios para incluir cualquier modelo cuantitativo, no slo estadstico, que pueda ser usado para responder a estas necesidades. La necesidad de un enfoque estadstico esta actualmente bien reconocido en la investigacin y en la prctica de las disciplinas que constituyen la salud pblica. Ya que estas estudian comunidades o poblaciones en las que claramente se aplican las leyes de los grandes nmeros y de las fluctuaciones aleatorias. Historia El primer mdico que utiliz mtodos matemticos para cuantificar variables de pacientes y sus enfermedades fue el francs Pierre Charles-Alexandre Louis. La primera aplicacin de la Mthode numrique (que es como titul a su obra y llam a su mtodo) es su clsico estudio de la tuberculosis, que influy en toda una generacin de estudiantes. Sus discpulos, a su vez, reforzaron la nueva ciencia de la epidemiologa con en el mtodo estadstico. En Francia Louis Ren Villerm

y en Inglaterra William Farr que haba estudiado estadstica mdica con Louis hicieron los primeros mapas epidemiolgicos usando mtodos cuantitativos y anlisis epidemiolgicos. Francis Galton, basado en el darwinismo social, fund la biometra estadstica. Los primeros intentos de hacer coincidir las matemticas de la teora estadstica con los conceptos emergentes de la infeccin bacteriana tuvieron lugar a comienzos del siglo XX. Tres diferentes problemas cuantitativos fueron estudiados por otros tantos autores. William Heaton Hamer propuso un modelo temporal discreto en un intento de explicar la ocurrencia regular de las epidemias de sarampin; John Brown lee, primer director del British Research Council, luch durante veinte aos con problemas de cuantificacin de la infectividad epidemiolgica, y Ronald Ross explor la aplicacin matemtica de la teora de las probabilidades con la finalidad de determinar la relacin entre el nmero de mosquitos y la incidencia de malaria en situaciones endmicas y epidmicas. Pero el cambio ms radical en la direccin de la epidemiologa se debe a Austin Bradford Hill con el ensayo clnico aleatorizado y, en colaboracin con Richard Doll, el pico trabajo que correlacion el tabaco y el cncer de pulmn. Los primeros trabajos bioestadsticos en enfermera los realiz, a mediados del siglo XIX la enfermera inglesa Florence Nightingale. Durante la guerra de Crimea, Florence Nightingale observ que eran mucho ms numerosas las bajas producidas en el hospital que en el frente. Por lo tanto, recopil informacin y

dedujo que la causa de la elevada tasa de mortalidad se deba a la precariedad higinica existente. As, gracias a sus anlisis estadsticos, se comenz a tomar conciencia de la importancia y la necesidad de unas buenas condiciones higinicas en los hospitales. La bioestadstica en la historia del pensamiento en la evolucin Los fenmenos biolgicos no suelen ser constantes, por lo que ser necesario que junto a una medida que indique el valor alrededor del cual se agrupan los datos, se asocie una medida que haga referencia a la variabilidad que refleje dicha fluctuacin. Aplicaciones La aplicacin resulta hoy en da necesaria, en los campos: salud pblica, que incluye: epidemiologa, nutricin, salud ambiental y en investigacin de servicios sanitarios. genmica y poblaciones genticas medicina ecologa bioensayos

La colaboracin de la bioestadstica ha sido clave en el desarrollo de nuevos frmacos, en el entendimiento de enfermedades crnicas como el cncer y el SIDA, y estos son algunos de los miles de ejemplos posibles.
7

La estrecha relacin de la Estadstica con el mtodo cientfico hace de la Bioestadstica una disciplina imprescindible en la mayora de los proyectos en el rea tecnolgica. Gentica de Poblaciones La gentica de poblaciones es la rama de la gentica cuyo objeto es describir la variacin y distribucin de la frecuencia allica para explicar los fenmenos evolutivos. Para ello, define a una poblacin como un grupo de individuos de la misma especie que estn aislados reproductivamente de otros grupos afines, en otras palabras es un grupo de organismos que comparten el mismo hbitat y se reproducen entre ellos. Estas poblaciones, estn sujetas a cambios evolutivos en los que subyacen cambios genticos, los que a su vez estn influidos por factores como la seleccin natural y la deriva gentica que actan principalmente

disminuyendo la variabilidad de las poblaciones, o migracin y mutacin que actan aumentndola. Cabe destacar, que la prdida de variabilidad gentica en las poblaciones trae consigo dos graves problemas:

1. Coarta la posibilidad de que el hombre pueda realizar mejoramiento gentico en la especie. 2. Disminuye la eficacia biolgica (fitness) de las especies ante nuevos cambios ambientales.

Por su parte, la presencia de variabilidad gentica es deseable no solo para mejoramiento gentico o conservacin de especies, ya que el rol fundamental de la variabilidad gentica es ser la materia prima para los procesos evolutivos, sin variabilidad no hay evolucin. La interaccin de estos factores con las poblaciones en el tiempo, permite la existencia de gran nmero de especies con variadas estructuras poblacionales y formas de vida. As, la gentica de poblaciones es un elemento esencial de la sntesis evolutiva moderna. Sus principales fundadores, Sewall Wright, J.B.S. Haldane y Ronald Fisher, establecieron adems las bases formales de la gentica cuantitativa. Las obras fundacionales de la gentica de poblaciones son The Genetical Theory of Natural Selection (Fisher 1930), Evolution in Mendelian Populations (Wright 1931) y The Causes of Evolution (Haldane 1932). Ensayo Clnico Un Ensayo Clnico es un diseo experimentalmente planificado para verificar la eficacia de un tratamiento en humanos a travs de la comparacin de los resultados obtenidos en dos grupos de pacientes que reciben, uno el tratamiento problema, y otro un tratamiento alternativo (nuevo o clsico) o ningn tratamiento, ambos grupos tomados, tratados y seguidos durante igual perodo de tiempo y obtenidos por la particin al azar en dos de un grupo inicial nico. Se rigen por un protocolo.

Quimiometra

Disciplina qumica que utiliza matemticas, estadstica y lgica formal para

Disear o seleccionar procedimientos experimentales optimizados Proporcionar informacin qumica relevante analizando datos qumicos Obtener conocimientos sobre sistemas qumicos

La automatizacin y computarizacin de los laboratorios ha llevado consigo diversas consecuencias. Una de ellas es la rpida adquisicin de gran cantidad de datos. Ahora bien, sabemos que la posesin de dichos datos dista, muchas veces, de proporcionar respuestas adecuadas. Obtener de datos no es sinnimo de poseer informacin; debemos interpretarlos y colocarlos en el contexto adecuado para convertirlos en informacin til para el usuario. La quimiometra es la disciplina que tiene esta finalidad.

La palabra quimiometra, inventada hace aproximadamente treinta aos, quiere resumir el concepto que engloba la medida en qumica. Se podra argumentar que, ciertamente, la medida en qumica siempre ha sido el campo de actuacin de la qumica analtica. La quimiometra trata, especficamente, de todos aquellos procesos que transforman seales analticas y datos ms o menos complejos en informacin. La quimiometra utiliza mtodos de origen matemtico, estadstico y otros procedentes del campo de la lgica formal para conseguir sus fines. Por todo ello, la quimiometra se sita en un campo interdisciplinar. Aunque sus mtodos y

10

herramientas

provienen

de

otras

disciplinas

(como,

de

hecho,

ocurre

habitualmente en la qumica analtica), claramente los fines de la quimiometra estn ligados a la qumica y su xito depende de los problemas qumicos que sea capaz de resolver.

Poblaciones y muestras

Dentro del contexto de un laboratorio, la poblacin consiste en todas las posibles determinaciones que puedan llevarse a cabo, mientras que la muestra es solo una pequea parte, es decir las determinaciones que realmente se llevan a cabo.

Las poblaciones pueden ser muy grandes e incluso infinitas. Aunque algunas pruebas estadsticas hacen distinciones entre poblaciones finitas o infinitas, casi siempre se puede considerar una poblacin como consistente en un nmero infinito de individuos, objetos o determinaciones, de la cual se toma una muestra finita (y de tamao mucho ms reducido). A partir del estudio de la muestra, se extraen conclusiones acerca de toda la poblacin.

Hay un problema de terminologa en lo que respecta al trmino "muestra". La IUPAC propone que en qumica se emplee la palabra muestra solo cuando sta ltima sea una porcin de un material seleccionado a partir de una cantidad ms grande de material, lo cual es consistente con la terminologa estadstica. Esto uso implica tambin la existencia de un error de muestreo, cuando la muestra no refleja exactamente el contenido de la cantidad ms grande de la que procede. Si

11

los errores de muestreo son despreciables, por ejemplo cuando se parte de un lquido y se toma una pequea porcin, la IUPAC sugiere el uso de porcin de prueba (test portion), alcuota o espcimen.

Algunas claves para el xito

El xito de la quimiometra depende en buena parte, tal como ocurre en otras disciplinas que se centran en el estudio de la medida (econometra, biometra, infometra,...), de la resolucin de casos prcticos interesantes. Es conveniente, por tanto, que junto con el desarrollo de nuevos mtodos, aquellos que estn consolidados se apliquen con xito a la resolucin de problemas reales. En el caso de la quimiometra, los problemas prcticos a solucionar deben estar relacionados con la qumica. De esta forma, la quimiometra no corre el riesgo de convertirse en una rama de la ciencia alejada de la realidad. Ms an, los practicantes de la quimiometra deben estar atentos al desarrollo constante de la qumica y generar mtodos que se adapten a las nuevas problemticas que van surgiendo.

Para ello, por una parte, se necesitan investigadores bien formados y atentos a la realidad cambiante de la qumica. Por otra parte se requieren expertos, conocedores de las distintas tcnicas, que sepan aplicar con xito las herramientas disponibles. Sin embargo, lo ms necesario es que exista un buen nmero de usuarios. Usuarios formados e informados, que conozcan y puedan

12

definir con precisin los problemas qumicos y a la vez conozcan el potencial de la quimiometra. Ellos deberan ser los interlocutores obligados de los expertos.

Para que todo ello sea una realidad, es necesario que se consoliden e incrementen los niveles de informacin, de formacin y la accesibilidad al conocimiento y a las herramientas que hacen posible su aplicacin

En las reas de qumica orgnica, farmacologa y otras, existe un gran inters en establecer relaciones entre la estructura de los compuestos sintetizados, sus caractersticas espectrales y su reactividad qumica o actividad farmacolgica. Este es un campo muy activo que frecuentemente se generaliza con el nombre de QSAR, Quantitative Structure Activity Relationships. Dnde y cmo realizar las experiencias? Los cientficos con cierta experiencia en el anlisis de datos reales saben que, frecuentemente, stos no contienen la informacin suficiente. A menudo, los datos registrados no son representativos del fenmeno que quiere estudiarse, no contienen suficiente variabilidad, la parte aleatoria es ms relevante que la parte correspondiente a la variacin sistemtica o existen otras razones por las que las tcnicas quimiomtricas no puedan extraer informacin til sobre el conjunto de datos.

Los intentos para definir la quimiometra han sido numerosos. Siebert ha proporcionado recientemente una definicin sugerente: La quimiometra es la aplicacin de mtodos matemticos y estadsticos as como de los principios de la

13

buena ciencia de la medida para extraer de forma eficiente informacin til de datos qumicos Uno de los paradigmas del anlisis qumico, la especificidad de la seal analtica, se transforma mediante la quimiometra. En muchos casos ya no es de obligado cumplimiento eliminar las interferencias para obtener un resultado correcto. Con ello, las etapas tediosas de pre tratamiento qumico de las muestras para aislar los analitos de inters pueden soslayarse dado que la selectividad se consigue mediante mtodos quimiomtricos, no fsico-qumicos. Si no existe informacin es evidente que es imposible extraerla, aunque sea con las tcnicas quimiomtricas ms potente, Quizs motivado por el hecho de que la informacin raramente se manifiesta de forma explcita a travs de los datos registrados, Las consecuencias son desastrosas para la quimiometra, dado que puede achacarse el fracaso del anlisis a las tcnicas utilizadas cuando en realidad es debido a la deficiencia de los datos registrados. Debemos asegurarnos, por tanto, que la informacin se encuentra efectivamente en los datos a analizar. La quimiometra contribuye, por tanto, a hacer realidad diversas tendencias de la qumica analtica actual: rapidez, abaratamiento de costes, miniaturizacin o transportabilidad de instrumentos.

14

Negocios
No se puede gestionar lo que no se mide. Las mediciones son la clave. Si usted no puede medirlo, no puede controlarlo. Si no puede controlarlo, no puede gestionarlo. Si no puede gestionarlo, no puede mejorarlo. La falta sistemtica o ausencia estructural de estadsticas en las organizaciones impide una administracin cientfica de las mismas.

Dirigir slo en base a datos financieros del pasado, realizar predicciones basadas ms en la intuicin o en simples extrapolaciones, y tomar decisiones desconociendo las probabilidades de xito u ocurrencia, son slo algunos de los problemas o inconvenientes ms comunes hallados en las empresas.

Carecer de datos estadsticos en cuanto a lo que acontece tanto interna como externamente, impide decidir sobre bases racionales, y adoptar las medidas preventivas y correctivas con el suficiente tiempo para evitar daos, en muchos casos irreparables, para la organizacin.

Peter Drucker hace dos afirmaciones bsicas. Primero, afirma que pocos factores son tan importantes para la actuacin de la organizacin como la medicin. Segundo, lamenta el hecho de que la medicin sea el rea ms dbil de la gestin en muchas empresas.

15

Prcticamente todos los autores de libros de gestin han lamentado que la medicin sea crtica para el xito y que la mayora de los directores no tengan habilidades cuantitativas adecuadas.

En otras pocas disponer de los datos y luego analizarlos resultaba una labor costosa y agotadora, pues ella se basaba en la labor manual de los empleados.

Pero hoy se cuenta con computadoras cada da ms veloces y econmicas, al tiempo que se dispone de programas ms potentes y flexibles, por lo cual las empresas que utilicen dicho potencial obtendrn una fuerte diferencia competitiva en relacin a sus adversarios, pero ms an podrn mejorar continuamente la performance en los diversos ratios y mediciones que hacen a los procesos y actividades de la empresa.

Las empresas que no hagan uso de estas nuevas potencialidades y afronten debidamente stas nuevas exigencias, no slo perdern capacidad competitiva, sino que quedarn desacoplados ante los continuos cambios del entorno, poniendo en serio riesgo su propia continuidad.

En otras pocas con lentos procesos de cambios, los cuales resultaban casi imperceptibles en el tiempo, se poda administrar una empresa con pocos datos estadsticos. Hoy en un mundo de profundos y veloces cambios en todos los rdenes ya no es posible actuar con displicencia.

Hoy un empresario necesita predecir a tiempo los niveles de demanda de sus productos, necesita reconocer a tiempo los cambios de tendencia, debe no slo saber

16

en qu se gasto, sino como se gasto en el tiempo y en que conceptos. Para negociar, para tomar decisiones, para corregir problemas de calidad, para aumentar la productividad, para fijar precios, para mejorar el mantenimiento y disponibilidad de las mquinas e instalaciones, para mejorar la concesin y cobranza de los crditos se requiere s o s contar con datos estadsticos.

Toda decisin, todo anlisis, todo presupuesto, est prcticamente en el aire si no se cuenta con datos estadsticos suficientes y fiables.

No slo a nivel empresa, sino tambin a nivel pas, los que ms han avanzado han sido aquellos que hicieron de las estadsticas una herramienta fundamental. W. Edwards Deming, un pionero en mtodos estadsticos para el control de calidad, seal que en Japn se pone mucho nfasis en las estadsticas para directores de empresa.

Sin estadsticas una empresa carece de capacidad para reconocer que actividades o productos le generan utilidades, y cuales slo prdidas. No contar con datos e interpretarlos correctamente es para los administradores como caminar en la oscuridad.

Contar con los datos les ilumina, les permite ver lo que est aconteciendo y en consecuencia tomar las medidas ms apropiadas.

17

Para qu la estadstica?

1. El control de calidad. 2. El nivel de averas y sus frecuencias. 3. Los tiempos para cambios o preparacin de herramientas. 4. Los niveles de productividad de distintos procesos, actividades y productos. 5. Los costos correspondientes a distintos tipos de conceptos y actividades. 6. La gestin de crditos y cobranzas. 7. El seguimiento del flujo de fondos. 8. Los niveles de satisfaccin de los clientes y usuarios. 9. Los tipos de accidentes y sus frecuencias. 10. El anlisis paretiano de defectos, costes, rentabilidades, ventas. 11. Ventas por clientes, vendedores, zonas y productos. 12. Predicciones de ventas por zonas, productos, servicios o sucursales. 13. Capacidad de los procesos en cuanto a generacin de niveles de costes, calidad y productividad. 14. Tiempos totales de ciclos productivos. 15. Tiempos de respuestas. 16. Gestin de inventarios.

18

17. Cumplimiento de aprovisionamiento por parte de los proveedores. 18. Prediccin de ventas por canales de comercializacin. 19. Proyectos de inversin. 20. Probabilidades para la construccin del rbol para la Toma de Decisiones. 21. Evolucin de los distintos ratios econmicos financieros y patrimoniales a lo largo del tiempo. 22. Estudios e investigacin de mercado. 23. Tiempos de mquinas y personas por actividad. 24. Cantidad y representacin porcentual de distintos problemas y sus efectos econmicos en la organizacin. 25. Tasa de polivalencia del personal. 26. Productos ms demandados, a nivel global, por zona y por canal de comercializacin. 27. Porcentajes de actividades generadoras de valor agregado para los clientes finales, de valor agregado para la empresa y carentes de valor agregado. 28. Tiempos promedios, mximos y mnimos de reparaciones por tipo de averas. 29. Clculos de costes y en especial para el Costeo Basado en Actividades. 30. Para los clculos de productividades. 31. Coeficientes de correlacin.

19

CONCLUSIONES

A travs de este trabajo, podemos demostrar cun importante es el uso de la estadstica en el campo de la industria. Entendimos primeramente lo que significa e implica la estadstica; ms all de nmeros, son datos necesarios para la toma de decisiones.

Estas aplicaciones ofrecen ahorro de costos y mejora continua en cualquier mbito en que nos desarrollemos. Aprendimos que no es limitativa el rea en que nos desempeemos en nuestro trabajo ya que tanto en Ingeniera como Materiales, en Recursos Humanos como en un Negocio Propio, en Comercio o en Industria, o bien por puro pasatiempo en el panorama de la probabilidad estadstica, esto siempre ser de gran utilidad.

Las modernas estadsticas acompaadas de las poderosas herramientas informticas permiten a los directivos, asesores y personal, contar con la suficiente informacin para mejorar a partir de ella los procesos de la empresa, tomar mejores decisiones comerciales, mejorar la seguridad y hacer un uso mucho ms productivo y provechoso de los recursos.

20

Recomendaciones Uno no puede salir al mercado a vender un producto sin antes conocer a su consumidor, sus necesidades entre muchas otras cosas, es por eso que las personas se dedican a encuestar a los posibles clientes, ya que toda la informacin que se necesita es representada a travs de sta, lo cual nos ayuda a la toma de decisiones en un negocio. Se debe tomar muy en serio la estadstica en el mbito de la biologa, ya que sta ha sido la clave para encontrar, realizar y entender nuevos misterios mdicos, es una disciplina que se usa en la mayora de las ramas tecnolgicas. En el rea de la Estadstica encontramos muchas aplicaciones, las cuales se utilizan en diversos campos. Es por eso que se debe tomar estos conocimientos de la estadstica para el buen uso y beneficio de las personas y del medio que nos rodea como el medio ambiente, ya que la estadstica juega un papel muy importante dado que este se encarga de mostrarnos por medio de experimentos, el gran deterioro que ha venido cambiando muchas cosas en el mundo.

21

Bibliografa Libros

Freeman, Bob A; Microbiologa de Burrows, 22a Edicin, Editorial Interamericana, Espaa 1986. Pags. 57-62.

Brooks, et. al., Microbiologa Mdica de Jawetz, Melnick y Adelberg, 16a ed., Manual Moderno, Mxico, 1999.

Pginas Web http://es.wikipedia.org/wiki/Bioestad%C3%ADstica http://www.bioestadistica.uma.es/libro/ http://www.monografias.com/trabajos82/bioestadistica/bioestadistica.shtml http://www.docentes.unal.edu.co/jarueda/docs/descriptiva_%20agosto_231. pdf http://argo.urv.es/quimio/general/quimio.pdf http://www.uco.es/dptos/ing-quimica/ing-q/unidquimica/docencia/doctorado/enologia/rioja/Teoria_Quimiometria.pdf Programas

Microsoft Corporation, Enciclopedia CD-ROM Microsoft Encarta Bsica 2001, Estados Unidos 2000.

22

Anexos Casos de Bioestadstica Caso 1 CURVA DEL CRECIMIENTO BACTERIANO La curva del crecimiento bacteriano resulta de la representacin grfica de la determinacin peridica del nmero de clulas viables por mililitro que existen en un lquido inoculado con clulas microbianas provenientes de un cultivo que ha crecido previamente hasta la saturacin.

Curva de Concentracin Celular Dicha curva se divide en seis fases, como se representa en la figura, mismas que se simbolizan con letras de la A a la F. A continuacin tambin se muestra un

23

cuadro con las caractersticas principales de cada fase y se desarrollan las fases ms relevantes.

PARTE DE LA CURVA FASE A B C D E F Rezago Aceleracin Exponencial De retraso

TASA DE CRECIMIENTO. Cero Creciente Constante Decreciente

Estacionaria mxima Cero Declinacin Negativa (muerte)

A: Fase de Rezago. Este periodo consiste en la adaptacin de las clulas microbianas a su nuevo ambiente. En esta fase, las clulas microbianas se encuentran empobrecidas en cuanto a metabolitos y enzimas, esto debido a las condiciones desfavorables que representaba el cultivo previo.

24

Por lo anterior, en este lapso de tiempo se forman las enzimas y los metabolitos intermedios hasta alcanzar las concentraciones necesarias para reiniciar el crecimiento. Este periodo se puede prolongar en el caso de que el medio de cultivo previo y las condiciones actuales resulten tan diferentes que las clulas sean genticamente incapaces de sobrevivir, por lo que slo unas cuantas mutantes podrn subsistir, y obviamente se requerir ms tiempo para que stas se multipliquen lo suficiente y sea notorio el aumento de clulas. C: Fase Exponencial. Como el nombre lo indica, en esta fase las clulas se encuentran en un estado de crecimiento sostenido. Se sintetiza nuevo material celular a una tasa constante, pero ste material es en s cataltico y la masa aumenta de manera exponencial. Lo anterior continua hasta que uno o ms nutrimentos se agoten, o hasta que se acumule tal cantidad de metabolitos txicos que se inhiba el crecimiento. El nutrimento limitante para los organismos aerobios suele ser el oxgeno: cuando la concentracin bacteriana es de aproximadamente 1 x 107 / ml es necesario incrementar el ingreso de oxgeno mediante agitacin o burbujeo; pero cuando la concentracin alcanza 4 o 5 x 10 9 bacterias por ml, la tasa de difusin de oxgeno no puede satisfacer las demandas aun en un medio aireado, por lo que el crecimiento disminuye progresivamente.

25

Durante el crecimiento exponencial, la tasa de crecimiento de las clulas (medida en gramos de biomasa producida por hora), cuando el crecimiento no es limitado por los nutrimentos, se puede obtener multiplicando la constante de la tasa de crecimiento (k) por la concentracin de biomasa. La constante de la tasa de crecimiento es la tasa a la cual las clulas producen ms clulas, y el valor que esta toma se interpreta como los gramos de biomasa producidos por cada gramo de biomasa preexistente creados en una hora. El crecimiento se denomina exponencial porque la biomasa se incrementa exponencialmente con respecto al tiempo. De lo anterior se deriva que, si graficamos el logaritmo de la concentracin de la biomasa (o celular) en funcin del tiempo, como ocurre en la curva del crecimiento, obtendremos una lnea recta como representacin de esta fase. Esta fase puede prolongarse indefinidamente si las clulas se transfieren repetidamente a un medio nuevo (fresco) de composicin idntica al anterior, lo cual se logra de manera automtica mediante dos aparatos : el quimiostato y el turbidostato. E: Fase Estacionaria Mxima. Como se explic en la descripcin de la fase anterior, ante el agotamiento de nutrimentos en el medio o la acumulacin de metabolitos txicos el crecimiento cesa por completo despus de un periodo de decrecimiento en la tasa de crecimiento, lo cual corresponde a la fase D o de retraso.
26

No obstante, por lo general en esta fase se puede observar recambio celular, lo cual se debe a que, aunque existe una prdida lenta de clulas por muerte, dicha prdida se compensa exactamente por la formacin de nuevas clulas a travs de crecimiento y divisin. As, la cifra de clulas viables se mantiene constante, aunque en realidad en el conteo aumente poco a poco el nmero de clulas, si se cuentan tambin las muertas. Para comprender lo anterior debemos considerar que, para una clula microbiana, muerte significa la prdida irreversible de la capacidad para reproducirse (crecer y dividirse), lo cual se comprueba cuando una clula es incapaz de producir una colonia en cualquier medio. De lo anterior se deriva que designar a una clula microbiana como muerta no implica su destruccin fsica. La duracin de esta fase depende de la naturaleza del microorganismo y de las condiciones del medio. F: Fase de Declinacin. Esta fase, tambin conocida como fase de muerte, representa el decremento de clulas debido al aumento progresivo de la tasa de mortalidad, misma que tarde o temprano alcanza un valor sostenido. Por lo general, una vez que la mayora de las clulas ha muerto, la tasa de mortalidad disminuye bruscamente, por lo que un nmero pequeo de sobrevivientes pueden persistir en cultivo por meses o aos. Dicha persistencia

27

puede deberse a que las clulas consiguen crecer gracias a los nutrimentos liberados por las clulas que mueren y se lisan, observndose recambio celular. Caso 2 Propagacin de clulas del Lactobacillus casei a escala de laboratorio para la elaboracin de una bebida multifuncional prebitico, con el fin de evaluarla en el tratamiento y prevencin de enfermedades gastrointestinales. El Lactobacillus casei, es una bacteria cido lctica que es utilizada para la elaboracin de productos lcteos fermentados, conocida por tener excelentes efectos nutricionales, adems de un sabor agradable, teniendo un efecto promotor de la salud, esto a travs de la microflora intestinal y modulacin del sistema inmune. La cepa de Lactobacillus casei ha demostrado corta tener efecto sobre la

los problemas gastrointestinales

de nios de

edad,

demostrando

disminucin de la presencia y frecuencia de diarrea, adems de parsitos intestinales patgenos como la Giardia lamblia y sobre la flora intestinal. Esto se logr hallando una concentracin celular mediante bioensayos de laboratorio, a determinados periodos de tiempo y con caractersticas semejantes, por duplicado para optimizar cada uno de los procesos.

Se realiz a nivel de laboratorio, mediante recuentos en cmara de Newbauer, realizando esto en tratamiento por duplicado de lo cual se obtuvieron los

28

resultados de fermentar la bebida por 4 horas a una temperatura de 40C y sin agitacin. Bioensayo para estudiar el comportamiento del inoculo de 3 y 2 horas de incubacin, sin aplicar agitacin.

BIOCONVERSIN ESCALA DE LABORATORIO (2 L)

Acidez inicial: 19 D Inculo: 3%, Temperatura empleada: 40 C. r.p.m. No se presenta Recuento del inoculo: 1,0 2,0 * 109 cell / ml Volumen del inoculo: 60 ml. Volumen de trabajo: 2000 ml. Tiempo de proceso: 6 horas Tiempo de incubacin del inoculo: 3 y 2 horas.

29

Resultados del crecimiento celular para el inoculo de 3 y 2 horas de incubacin, sin aplicar agitacin

3 horas de incubacin sin 2 horas de incubacin sin agitacin agitacin Tiempo de Incubacin Cell / ml 0 1 2 3 4 5 6 1,3*108 2,4*108 1,2*109 1,4*1010 1,5*1010 1,7*1010 1,5*1010 D 19 26 47 85 105 107 113 Cell / ml 9,2*107 2,3*108 1,6*109 1,7*1010 1,9*1010 1,6*1010 1,5*1010 D 19 25 35 82 97 100 112

30

Grfico -Resultados del crecimiento celular para el inoculo de 3 y 2 horas de incubacin sin aplicar agitacin-

Inferencia. La fase Lag o de adaptacin es relativamente larga (1 hora) si se compara con organismos que se reproducen en slo 20 o 30 minutos. La fase exponencial dura 2 horas por lo tanto cuando las bacterias tienen 2 horas de haber sido cultivadas es cuando se d el mayor consumo de nutrientes que les permite incrementar su velocidad de crecimiento para infectar al objetivo; por lo tanto en el caso del yogurt es beneficioso que se reproduzca e incluso se podra acelerar esa reproduccin aumentando la cantidad de nutrientes del medio, pero si lo que se quisiera es erradicar o contrarrestar el crecimiento bacteriano, es en esta fase en la que se debe aplicar o bien un antibitico o bien alterar las condiciones del medio de cultivo para dificultar la absorcin de nutrientes y por ende perjudicar la reproduccin bacteriana y as proteger al organismo de la infeccin bacteriana.

31

En la fase estacionaria ya no hay ni multiplicacin ni infeccin. En el caso de la bacteria de yogurt es en esta fase en la que entran en accin ejerciendo su actividad gastrointestinal sobre la flora intestinal y otros organismos patgenos.

32

Quimiometra, grficos de Residuales

Los grficos de residuales nos permiten sacar mejores conclusiones sobre el funcionamiento de la calibracin, sobre cmo aplicar los ajustes de pendiente e intercepto o separar la el producto en diferentes subproductos para mejorar la exactitud.

33

Anlisis de componentes principales

Es una tcnica utilizada para reducir la dimensionalidad de un conjunto de datos. Intuitivamente la tcnica sirve para hallar las causas de la variabilidad de un conjunto de datos y ordenarlas por importancia. En la imagen ejemplo de un grfico de ACP

34

Problemas econmicos utilizando probabilidad 1. Los montos de dinero que se piden en las solicitudes de prstamos en Down River Federal Savings tiene una distribucin normal, una media de $70,000 y una desviacin estndar de $20,000. Esta maana se recibi una solicitud de prstamo. Cul es la probabilidad de que: a) El monto solicitado sea de $80,000 o superior? p(x80,000)
Probabilidad acumulada.

= $70,000 = $20,000

0.6915

p(x 80,000) = 1 0.6915= 0.3085

b) El monto solicitado oscile entre $65,000 y $80,000? p(65,000 x 80,000)

Probabilidad acumulada.

z z

0.6915 0.4013

= =

p(65,000 x 80,000) = 0.6915 0.4013 = 0.2902

35

c) El monto solicitado sea de $65,000 o superior. p(x65,000)

Probabilidad acumulada.

0.4013 =

p(x 65,000) = 1 0.4013 = 0.5987

2. Las ventas mensuales de silenciadores en el rea de Richmond, Virginia, tiene una distribucin normal, con una media de $1,200 y una desviacin estndar de $225. Al fabricante le gustara establecer niveles de inventario de manera que solo haya 5% de probabilidad de que se agoten las existencias. Dnde se deben establecer los niveles de inventario?

36

3. El fabricante de una impresora lser informa que la cantidad media de pginas que imprime un cartucho antes de reemplazarlo es de 12,200. La distribucin de pginas impresas por cartucho se aproxima a la distribucin de probabilidad normal y la desviacin estndar es de 820 pginas. El fabricante desea proporcionar lineamientos a los posibles clientes sobre el tiempo que deben esperar que les dure un cartucho. Cuntas pginas debe indicar el fabricante por cartucho si desea obtener 99% de certeza en todo momento?

37