EL ESTADISTA

CONCEPTOS
ESTADISTICOS
1.OBJETIVOS
• Obtener, analizar e interpretar los
métodos estadísticos de un conjunto de
datos experimentales; así como evaluar y
aplicar los diseños experimentales más
comunes utilizados en proyectos de
investigación.

2.DEFINICION
¿Qué es la investigación?
Si entendemos el acto de investigar como el de
indagar algo, reunir datos entorno a un asunto,
ampliar los conocimientos que poseemos respecto a
cualquier tema, todos los seres humanos
investigamos.

¿Para qué investigamos?

• Para conocer la verdad
• Enriquecer el ambiente cultural
• Ampliar la información de un tema
• Comprender los fenómenos físicos y sociales

Definiciones
 Unidad de Estudio: es el animal, persona o cosa
de quien se dice algo, es quien nos dará la
información, es el objeto o elemento indivisible que
será estudiado.
 Población: es el conjunto de todas las unidades de
estudio que cumplen ciertas características de interés.
 Muestra: es un subconjunto de la población en
estudio, una muestra tiene dos características
principales: representativa y adecuada.
1 Facultad de Ingenieria de Procesos
Escuela Profesional de Ingeniria de Industrias Alimentarias
 EL ESTADISTA

Variable
Es una característica de estudio de una unidad
de estudio o de una población en estudio, las
variables son características observables y
medibles
.
Clasificación
a. Por su relación: Independiente- dependiente
b. Por su escala de medición: Nominal- Ordinal- Intervalo- Razón
c. Por su naturaleza: Cuantitativas y cualitativas

3.CARACTERISTICAS
Que adoptan los procedimientos propios del
método estadístico dependen del diseño de
investigación seleccionado para la
comprobación de la consecuencia verificable en
cuestión.

El método estadístico tiene las siguientes

etapas:
o Recolección (medición)
o Recuento (computo)
o Presentación
o Descripción
o Análisis

4.EJERCICIOS
CASO 01
(Ocampo, 2003) determino la vida en anaquel
del café en polvo, seco por aspersión, elaborado
por la Empresa Descafé S.A, y evaluó la
influencia del empaque en la conservación del
producto. Para esto se realizaron experimentos
acelerados de vida de anaquel sobre el café en
tres modalidades de empaque; papel laminado,
cartón y vidrio; a 25, 30, 35 y 40 °C a 90 % de
humedad relativa. Durante el tiempo de
almacenamiento se realizaron pruebas
fisicoquímicas, microbiológicas y sensoriales
sobre el café. Identifique
.
1 Facultad de Ingenieria de Procesos
Escuela Profesional de Ingeniria de Industrias Alimentarias
 EL ESTADISTA

Tabla 1:Ejercicio5
.

- CASO 02
ENRIQUEZ, C. (2005). Menciona el Mejoramiento Continuo y la
BPM (Buenas Prácticas de Manufactura) como herramienta de
Gestión Productiva y Comercial de productos lácteos Roma.
Aplicada al mejoramiento continuo y las BPM en la gestión
productiva y comercial de productos lácteos Roma, logrando un
crecimiento empresarial tanto en calidad como en cantidad.
Diseñando un manual de BPM, acorde a los productos lácteos
Roma y aplicando el mejoramiento continuo a los procesos
productivos y comerciales. Identifique

1 Facultad de Ingenieria de Procesos

Escuela Profesional de Ingeniria de Industrias Alimentarias
 EL ESTADISTA

CASO 03
RAMIREZ MARTINEZ (2011), Ilevó a cabo. Un estudio de investigación
sobre evaluación sensorial en pechuga de pollo con recubrimiento
antimicrobiano determinando que los panelistas calificaron con mayor
puntaje al producto cárnico con recubrimiento en comparación al sin
recubrimiento. Identifique

5.CONCLUSIONES

En general, el proceso de
recolección de información para
una investigación, métodos,
técnicas e instrumentos y las
fuentes de las mismas suelen
combinarse, cada uno de ellos con
sus ventajas y desventajas

1 Facultad de Ingenieria de Procesos

Escuela Profesional de Ingeniria de Industrias Alimentarias
 EL ESTADISTA

CHI CUADRADO
1.OBJETIVOS
-Describir situaciones donde es adecuado
la utilización de la prueba de Chi
Cuadrado (x^2)
-Formular Hipótesis para diferentes
situaciones.
-Calcular la Prueba de Chi Cuadrado e
interpretar los resultados.
-Evaluación de muestras Independientes.
.

2.DEFINICION
Contraste de hipótesis. Un contraste de hipótesis es un proceso
estadístico mediante el cual se investiga si una propiedad que se
supone que cumple una población es compatible con lo observado
en una muestra de dicha población. Es un procedimiento que
permite elegir una hipótesis de trabajo de entre dos posibles y
antagónicas.
Hipótesis Estadística. Todo contraste de hipótesis se basa en la
formulación de dos hipótesis exhaustivas y mutuamente exclusivas:
1. Hipótesis nula (H0)
2. Hipótesis alternativa (H1 )
La hipótesis H0 es la que se desea contrastar.
Consiste generalmente en una afirmación
concreta sobre la forma de una distribución de
probabilidad o sobre el valor de alguno de los
parámetros de esa distribución. El nombre de
"nula" significa “sin valor, efecto o
consecuencia”, lo cual sugiere que H0debe
identificarse con la hipótesis de no cambio (a
partir de la opinión actual); no diferencia, no
mejora, etc. H0 representa la hipótesis que
mantendremos a no ser que los datos indiquen
su falsedad, y puede entenderse, por tanto, en
el sen�do de “neutra”.

1 Facultad de Ingenieria de Procesos

Escuela Profesional de Ingeniria de Industrias Alimentarias
 EL ESTADISTA

La hipótesis H0 nunca se considera probada, aunque puede ser

rechazada por los datos. Por ejemplo, la hipótesis de que dos
poblaciones tienen la misma media puede ser rechazada fácilmente
cuando ambas difieren mucho, analizando muestras suficientemente
grandes de ambas poblaciones, pero no puede ser "demostrada"
mediante muestreo, puesto que siempre cabe la posibilidad de que
las medias difieran en una cantidad lo suficientemente pequeña para
que no pueda ser detectada, aunque la muestra sea muy grande.
Dado que descartaremos o no la hipótesis nula a partir de muestras
obtenidas (es decir, no dispondremos de información completa sobre
la población), no será posible garantizar que la decisión tomada sea
la correcta.
La hipótesis H1 es la negación de la nula. Incluye todo lo que H0
excluye.
.¿Qué asignamos como H0 y H1?
La hipótesis H0 asigna un valor
específico al parámetro en cuestión y por
lo tanto “el igual” siempre forma parte
de H0.
La idea básica de la prueba de hipótesis
es que los hechos tengan probabilidad
de rechazar H0. La hipótesis H0 es la
afirmación que podría ser rechazada por
los hechos. El interés del investigador se
centra, por lo tanto, en la H1.

La regla de decisión. Es el criterio que

vamos a utilizar para decidir si la hipótesis
nula planteada debe o no ser rechazada.
Este criterio se basa en la partición de la
distribución muestral del estadístico de
contraste en dos regiones o zonas
mutuamente excluyentes: Región crítica o
región de rechazo y Región de no-rechazo.
Región de no-rechazo. Es el área de la
distribución muestral que corresponde a los
valores del estadístico de contraste
próximos a la afirmación establecida en H0.
Es decir, los valores del estadístico de
contraste que nos conducen a decidir H0.
Es por tanto, el área correspondiente a los
valores del estadístico de contraste que es
probable que ocurra si H0 es verdadera.
.
1 Facultad de Ingenieria de Procesos
Escuela Profesional de Ingeniria de Industrias Alimentarias
 EL ESTADISTA

Su probabilidad se denomina nivel de confianza y se representa por 1 - α.

Región de rechazo o región crítica. Es el área de distribución muestral que
corresponde a los valores del estadístico de contraste que se encuentran tan
alejados de la afirmación establecida en H0, que es muy poco probable que
ocurran si H0 es verdadera. Su probabilidad se denomina nivel de significación
o nivel de riesgo y se representa con la letra α.
Ya definidas las dos zonas, la regla de decisión consiste en rechazar H0 si el
estadístico de contraste toma un valor perteneciente a la zona de rechazo, o
mantener H0 si el estadístico de contraste toma un valor perteneciente a la
zona de no-rechazo.
El tamaño de las zonas de rechazo y no-rechazo se determina fijando el valor
de α, es decir, fijando el nivel de significación con el que se desea trabajar. Se
suele tomar un 1% o un 5%.
La forma de dividir la distribución muestral en zona de rechazo y de no-rechazo
depende de si el contraste es bilateral o unilateral. La zona crítica debe situarse
donde puedan aparecer los valores muestrales incompatibles con H0.
.
3.CARACTERISTICAS
• Es siempre positivo porque es una suma
de cuadrados.
• Var ía desde 0 a (no tiene valores
negativos)
• Familia de distr ibuciones que dependen
de 1 parámetro (gl=grados de libertad)
• M edia de la Distribución = gl
• V arianza de la Distribución=2gl
• L a distribución tiene sesgo positivo y
c uando los gl aumentan se aproxima a
la distribución normal
• Moda = gl-2 para gl
• 2 y 0 para gl=1

4. EJERCICIOS
Se hizo un estudio sobre la preferencia de los centros comerciales y la distancia en
kilómetros de residencia de los clientes, los resultados se muestran a continuación. Utiliza
esta información para verificar si el centro comercial preferido por un cliente es
independiente de la distancia de su residencia.

1 Facultad de Ingenieria de Procesos

Escuela Profesional de Ingeniria de Industrias Alimentarias
 EL ESTADISTA

1. Plantear las hipótesis.

H0: Los centros comerciales son independientes de los kilómetros de distancia
H1: Los centros comerciales son dependientes de los kilómetros de distancia

2. Determinar el nivel de significancia:

α= 0.01
g.l = (# filas-1) (# columnas-1). = (3-1) (4-1) =6

3. Obtener la frecuencia observada (F.O), proveniente de una encuesta, estudio

o experimento en un cuadro de contingencia.
.

4. Calcular la frecuencia esperada (F.E), y se calcula con la siguiente formula:

5. Construir las áreas de aceptación y rechazo.

1 Facultad de Ingenieria de Procesos

Escuela Profesional de Ingeniria de Industrias Alimentarias
 EL ESTADISTA

6. Calcular ji-Cuadrada de prueba

X2 prueba= 30.0330801
X2 critico= 16.8118938

7. Decisión: si 16.8118938< 30.0330801==> se

rechaza la Ho

8. Conclusión:
Con un nivel de significancia del 1% podemos
afirmar que Los centros comerciales son
dependientes de los kilómetros de distancia que
tiene que recorrer el cliente.
.
.
5.CONCLUSION

El chi cuadrado nos ayudó en poder construir

las áreas aceptación y rechazo para poder
tomar una correcta decisión en cuanto al
problema que nos fueran a dar.

1 Facultad de Ingenieria de Procesos

Escuela Profesional de Ingeniria de Industrias Alimentarias
 EL ESTADISTA

REGRESION LINEAL
SIMPLE
1.OBJETIVOS
Explicar el análisis estadístico de regresión lineal
simple, hallar una ecuación que explique la
relación entre variable dependiente e
independiente haciendo uso de la aplicación
analistat y haciendo un calculo manual.

2.DEFINICION
Muchos estudios se basan en la creencia de que es posible identificar y
cuantificar alguna Relación Funcional entre dos o más variables, donde
una variable depende de la otra variable.
Se puede decir que Y depende de X, en donde Y y X son dos variables
cualquiera en un modelo de Regresión Simple.
"Y es una función de X"
Y = f(X)
Como Y depende de X,
Y es la variable dependiente, y
X es la variable independiente.
En el Modelo de Regresión es muy importante
identificar cuál es la variable dependiente y cuál es
la variable independiente.
En el Modelo de Regresión Simple se establece que
Y es una función de sólo una variable independiente,
razón por la cual se le denomina también Regresión
Divariada porque sólo hay dos variables, una
dependiente y otra independiente y se representa así:

Y = f (X)
"Y está regresando por X"

La variable dependiente es la variable que se desea

explicar, predecir. También se le llama REGRESANDO
ó VARIABLE DE RESPUESTA.

1 Facultad de Ingenieria de Procesos

Escuela Profesional de Ingeniria de Industrias Alimentarias
 EL ESTADISTA

La variable Independiente X se le denomina VARIABLE EXPLICATIVA

ó REGRESOR y se le utiliza para EXPLICAR Y.
ANÁLISIS ESTADÍSTICO: REGRESIÓN LINEAL SIMPLE
En el estudio de la relación funcional entre dos variables
poblacionales, una variable X, llamada independiente, explicativa o
de predicción y una variable Y, llamada dependiente o variable
respuesta, presenta la siguiente notación:
Y=a+bX+e
Donde:
a:es el valor de la ordenada donde la línea de regresión se
intercepta con el eje Y.
b:es el coeficiente de regresión poblacional (pendiente de la línea
recta)es el error
SUPOSICIONES DE LA REGRESIÓN LINEAL
1.Los valores de la variable independiente X son fijos, medidos sin
error.
2.La variable Y es aleatoria
3.Para cada valor de X, existe una distribución normal de valores
de Y (subpoblaciones Y)
4.Las variancias de las subpoblaciones Y son todas iguales.
5.Todas las medias de las subpoblaciones de Y están sobre la recta.
6.Los valores de Y están normalmente distribuidos y son
estadísticamente independientes.
ESTIMACIÓN DE LA ECUACIÓN DE REGRESIÓN
MUESTRAL
Consiste en determinar los valores de "a" y "b "
a partir de la muestra, es decir, encontrar los
valores de a y b con los datos observados de la
muestra.
El método de estimación es el de Mínimos
Cuadrados, mediante el cual se obtiene:
Luego, la ecuación de regresión muestral
estimada es

Que se interpreta como:

a es el estimador de a
Es el valor estimado de la variable Y cuando la
variable X = 0 b es el estimador de b , es el
coeficiente de regresión

1 Facultad de Ingenieria de Procesos

Escuela Profesional de Ingeniria de Industrias Alimentarias
 EL ESTADISTA

La variable Independiente X se le denomina VARIABLE EXPLICATIVA

ó REGRESOR y se le utiliza para EXPLICAR Y.
ANÁLISIS ESTADÍSTICO: REGRESIÓN LINEAL SIMPLE
En el estudio de la relación funcional entre dos variables
poblacionales, una variable X, llamada independiente, explicativa o
de predicción y una variable Y, llamada dependiente o variable
respuesta, presenta la siguiente notación:
Y=a+bX+e
Donde:
a:es el valor de la ordenada donde la línea de regresión se
intercepta con el eje Y.
b:es el coeficiente de regresión poblacional (pendiente de la línea
recta)es el error
SUPOSICIONES DE LA REGRESIÓN LINEAL
1.Los valores de la variable independiente X son fijos, medidos sin
error.
2.La variable Y es aleatoria
3.Para cada valor de X, existe una distribución normal de valores
de Y (subpoblaciones Y)
4.Las variancias de las subpoblaciones Y son todas iguales.
5.Todas las medias de las subpoblaciones de Y están sobre la recta.
6.Los valores de Y están normalmente distribuidos y son
estadísticamente independientes.
ESTIMACIÓN DE LA ECUACIÓN DE REGRESIÓN
MUESTRAL
Consiste en determinar los valores de "a" y "b "
a partir de la muestra, es decir, encontrar los
valores de a y b con los datos observados de la
muestra.
El método de estimación es el de Mínimos
Cuadrados, mediante el cual se obtiene:
Luego, la ecuación de regresión muestral
estimada es

Que se interpreta como:

a es el estimador de a
Es el valor estimado de la variable Y cuando la
variable X = 0 b es el estimador de b , es el
coeficiente de regresión

1 Facultad de Ingenieria de Procesos

Escuela Profesional de Ingeniria de Industrias Alimentarias
 EL ESTADISTA

REGRESION LINEAL
MULTIPLE
1.OBJETIVOS
Comparar y comprobar modelos causales
Predecir valores de una variable, es decir, a partir
de unas características predecir de forma
aproximada un comportamiento o estado
Formulación del modelo de regresión múltiple
Métodos de estimación para dichos modelos
Tomar decisiones acerca de los parámetros
Aprendizaje de utilización de gráficos para detectar
el tipo de relación entre las variables
Cuantificación del grado de relación lineal.

2.DEFINICION
¿Para qué investigamos?
• Para conocer la verdad
• Enriquecer el ambiente cultural
• Ampliar la información de un tema
• Comprender los fenómenos físicos y sociales

Definiciones
 Unidad de Estudio: es el animal, persona o cosa
de quien se dice algo, es quien nos dará la
información, es el objeto o elemento indivisible que
será estudiado.
 Población: es el conjunto de todas las unidades de
estudio que cumplen ciertas características de interés.
 Muestra: es un subconjunto de la población en
estudio, una muestra tiene dos características
principales: representativa y adecuada.

1 Facultad de Ingenieria de Procesos

Escuela Profesional de Ingeniria de Industrias Alimentarias
 EL ESTADISTA

DISEÑO COMPLETAMENTE
ALEATORIZADO
1.OBJETIVOS
Medir el efecto del factor en estudio
(variable independiente de naturaleza
cualitativa o cuantitativa) sobre la
variable respuesta (variable dependiente
de naturaleza cuantitativa)

2.DEFINICION
El DCA es el más simple de todos los diseños, solamente se estudia el
efecto de un factor, el cual se varía en diferentes tratamientos o niveles,
es una prueba basada en el análisis de varianza, en donde la varianza
total se descompone en la “varianza de los tratamientos” y la “varianza
del error”, su finalidad es determinar si existe una diferencia significativa
entre los tratamientos, para lo cual se compara si la “varianza del
tratamiento” contra la “varianza del error” y se determina si la primera es
lo suficientemente alta según la distribución F.
DISPOSICION DE DATOS EN UN DCA

1 Facultad de Ingenieria de Procesos

Escuela Profesional de Ingeniria de Industrias Alimentarias