Documente Academic
Documente Profesional
Documente Cultură
ESTADISTICA APLICADA A LA
INGENIERÍA MECÁNICA
1
Introducción
2
Introducción
5) Diagnóstico: consiste en verificar la validez de los supuestos del modelo que nos
han permitido interpretar los datos y llegar a conclusiones sobre la población
3
Introducción
Esquema de las etapas de un estudio estadístico
ORGANIZAR Y RESUMIR
Probabilidad
INFORMACIÓN
4
APLICACIONES EN LA INGENIERIA MECANICA
5
Conceptos planteados en la Aplicación de la Estadística en la Ing. Mecánica
6
Conceptos planteados en la Aplicación de la Estadística en la Ing. Mecánica
TIPOS DE VARIABLES
7
Conceptos planteados en la Aplicación de la Estadística en la Ing. Mecánica
TIPO FRECUENCIA
Frecuencia Absoluta Frecuencia Relativa
Acumulada (FAA) Acumulada (fra)
8
Conceptos planteados en la Aplicación de la Estadística en la Ing. Mecánica
500 D
400
variable 1
C
300
Nº
200
B
100
0 A
A B C D
9
Conceptos planteados en la Aplicación de la Estadística en la Ing. Mecánica
Histograma
Distribución de los hijos de trabajadores de
la empresa de acuerdo a edad Histograma
15
- Permite la representación de la
frecuencia de una variable Cuantitativa.
- El eje x se refiere a la variable.
Frecuencia
10
Nº
edad
edad -El histograma se puede construir desde
los datos de la tabla de frecuencia de la
variable en estudio.
Ejemplo
En el gráfico se puede observar el número de hijos
, de menor edad (7-8 años), las de mayor edad (13-
14 años); y además que la mayoría de hijos de los
trabajadores están entre los 10 y 12 años.
10
Conceptos planteados en la Aplicación de la Estadística en la Ing. Mecánica
11
Conceptos planteados en la Aplicación de la Estadística en la Ing. Mecánica
Datos Moda
Cualitativos y Cuantitativos M o " el dato que más se repite"
12
Conceptos planteados en la Aplicación de la Estadística en la Ing. Mecánica
-Rango
MEDIDAS DE DISPERSIÓN -Varianza
-Desviación Estándar
Rango
Datos Cuantitativos
x R max( xi ) min( xi )
x1 Desviación Típica o Estándar
Varianza
x2
n n
s s2
1 n
( xi x )
2
2
ix ( xi ) 2
1 n 2
xi x 2
n i 1
xn s
2 i 1
i 1
n n n i 1
13
Conceptos planteados en la Aplicación de la Estadística en la Ing. Mecánica
14
Conceptos planteados en la Aplicación de la Estadística en la Ing. Mecánica
- Covarianza Datos
MEDIDAS DE ASOCIACIÓN LINEAL
- Correlación Cuantitativos
x
x1 Recordemos que: Hasta ahora hemos estudiado las medidas tendencia
central (Media, Mediana, Moda) y dispersión
x2 (Varianza y Desviación Estándar) para una Variable
Cuantitativa (x).
xn
Covarianza: Es una medida de Variabilidad Conjunta entre dos variables (x1 , x2) o bien (x , y)
1 n
x y cov( x , y ) ( xi x )( yi y )
y( 1 )
n i 1
x(1)
Si Cov(x,y) es positiva: la asociación entre x e y es directamente proporcional,
x( 2 ) y( 2 )
es decir que cuando x aumenta y también aumenta; y viceversa.
Si Cov(x,y) es negativa: la asociación entre x e y es inversamente proporcional,
x(n ) y( n ) es decir que cuando x aumenta y disminuye; y viceversa.
Si Cov(x,y) es cero: no existe asociación entre x e y.
15
Conceptos planteados en la Aplicación de la Estadística en la Ing. Mecánica
- Covarianza Datos
MEDIDAS DE ASOCIACIÓN LINEAL
- Correlación Cuantitativos
Correlación: Se refiere al grado de asociación entre dos variables (x1 , x2) o bien (x , y)
Coeficiente de Correlación de Pearson (r): Mide el grado de Asociación Lineal
entre dos variables Cuantitativas
n
xi yi nxy
x y
cov( x , y )
x(1) y( 1 ) r 1 r 1
sx s y r i 1
x( 2 ) y( 2 ) ( n 1 )s x s y
Si r es positivo: la asociación entre x e y es directamente proporcional, es decir que
x(n ) y( n ) cuando x aumenta y también aumenta; y viceversa. Si r=1: la asociación lineal es
perfecta.
Si r es negativo: la asociación entre x e y es inversamente proporcional, es decir
que cuando x aumenta y disminuye; y viceversa. Si r=-1: la asociación lineal es
perfecta.
Si r es cero: no existe asociación entre x e y.
16
Conceptos planteados en la Aplicación de la Estadística en la Ing. Mecánica
Datos Cuantitativos
PROBABILIDAD
P( A B)
P( A / B)
P( B)
Conceptos planteados en la Aplicación de la Estadística en la Ing. Mecánica
o
Ejemplo:
19
Conceptos planteados en la Aplicación de la Estadística en la Ing. Mecánica
P( A B C ) P( A).P( B / A).P(C / A B)
Conceptos planteados en la Aplicación de la Estadística en la Ing. Mecánica
TEOREMA DE BAYES
1. Recolección
2. Recuento( computo)
3. Presentación
4. Síntesis
5. Análisis
1.Recolección
Esta etapa del método consiste en la MEDICION DE VARIABLES de hecho recoge la
información señalada en el diseño de la investigación.
2.Recuento
Esta parte del método estadístico la información recogida es sometida a revisión, clasificación y
computo numérico.
3.Presentación
Es la etapa del método estadístico cuando se elaboran CUADROS Y GRAFICOS que le permiten
una inspección precisa y rápida de los datos.
4.Síntesis
En esta etapa la información es RESUMIDA en forma de medidas que permiten expresar de
manera sintética las principales propiedades numéricas de grandes series o agrupamientos de
datos.
El Método Estadístico Aplicable a la Ingeniería tiene
las siguientes etapas:
5.Análisis
En esta etapa mediante
En relación a la exigencia de esta rama los científicos e ingenieros en todas las ramas se
deben formar en conocimiento teórico de la estadística, para tener las herramienta que les
permita dar una correcta interpretación de los resultados y el mejoramientos de las
investigaciones y los procesos.
MODELOS MATEMÁTICOS
Un Modelo Matemático es un patrón teórico ó experimental que permite interpretar mediante
métodos matemáticos fenómenos reales o problemas técnicos para hacer inferencia y tomar
decisiones.
Los modelos matemáticos son de dos clases:
a) Determinístico: cuando se tiene plena certeza acerca del funcionamiento y los resultados del
problema.
b) Aleatorios o Estocásticos. cuando sólo se tiene certeza parcial acerca del funcionamiento y se
conocen los resultados probables del modelo. Un modelo matemático debe ser simple e involucrar
las variables que lo hacen completo. Las leyes de la dinámica clásica de partículas pueden
considerarse un modelo matemático determinístico.
El modelo de regresión lineal estadístico es en esencia un modelo matemático aleatorio.
El modelo de la teoría de probabilidad que veremos mas adelante es justamente el modelo general
de los experimentos aleatorios.
MODELOS MATEMÁTICOS
Experimento aleatorio
Es aquel cuyo modelo matemático es de carácter estocástico.
Ejemplos
1) Observar el lanzamiento de una moneda.
2) Contar la caída de gotas de lluvia en 2 placas.
3) Observar el lanzamiento de un dado hexagonal.
4) Medir la duración en horas de una bombilla.
5) Medir la duración de un equipo electrónico.
6) Contar el número de vehículos que pasan por un cruce en lapsos de un minuto
7) Contar el número de artículos defectuosos en lotes de 50 unidades.
Un taller que fabrica piñones de caja para autos, tiene dos extrusoras, la E1, que tiene mas
tiempo de uso, y hace el 65% de todos los piñones, y la E2, con menos uso pero de menor
capacidad, que hace el 35% de los piñones. La E1 hace un 5% de piñones defectuosos,
mientras que la E2 tan sólo hace un 3% de piñones defectuosos. Si escogemos un piñón al
azar, ¿qué probabilidad hay de que de la extrusora 1 de la fabrica, salga defectuoso?
P(E1) . P(B/E1)
P(E1/B) =
P(E1) . P(B/E1) + P(E2) . P(B/E2)