SlideShare una empresa de Scribd logo
1 de 7
PROCESOS INDUSTRIALES: AREA
MANUFACTURA
ERNESTO GARCIA BARBALENA
GUILLERMO OSBAN CASAS
SANTOYO
ESTADISTICA
2° CUATRUMESTRE SECCION “C”
ESTADÍSTICA
Es una ciencia formal y una herramienta que estudia el uso y los
análisis provenientes de una muestra representativa de datos, busca
explicar las correlaciones y dependencias de un fenómeno físico o
natural, de ocurrencia en forma aleatoria o condicional. Se usa para la
toma de decisionesen áreas de negocios o instituciones
gubernamentales
La estadísticase divide en dos grandes áreas:
ESTADÍSTICA DESCRIPTIVA
Se dedicaa la descripción,visualización y resumen de datos
originados a partir de los fenómenosde estudio. Los datos pueden ser
resumidos numérica o gráficamente.Ejemplosbásicos de parámetros
estadísticos son:la media y la desviación estándar. Algunos ejemplos
gráficos son:histograma, pirámide poblacional, gráfico circular, entre
otros.
ESTADÍSTICA INFERENCIAL
Se dedicaa la generaciónde los modelos,inferencias y predicciones
asociadas a los fenómenos encuestiónteniendo en cuenta la
aleatoriedad de las observaciones.Se usa para modelarpatrones en
los datos y extraer inferencias acerca de la poblaciónbajo estudio.
Estas inferencias pueden tomar la formade respuestas a preguntas
sí/no (prueba de hipótesis), estimaciones de unas características
numéricas (estimación), pronósticos de futuras observaciones,
descripcionesde asociación (correlación) o modelamiento de
relaciones entre variables (análisis de regresión).Otras técnicas de
modelamiento incluyen a nova, series de tiempo y minería de datos.
Ambas ramas (descriptiva e inferencial) comprendenla estadística
aplicada. La estadísticainferencial, por su parte, se divide en
estadísticaparamétrica y estadísticano paramétrica.
Hay también una disciplina llamada estadísticamatemática, la que se
refiere a las bases teóricas de la materia.
1. EXPLICA Y ANOTA 3 EJEMPLOS DE POBLACIÓN
1.- la poblaciónmundial de seres humanos que representael total de
habitantes en la tierra.
2.- la poblaciónde peces de una sola especie existentes en un lago de
agua dulce.
3.- la poblaciónde bacterias existentes en una gota de agua.
2. ANOTA Y EXPLICA TRES EJEMPLOS DE POBLACIÓN
TANGIBLE Y TRES DE POBLACIÓN CONCEPTUAL.
Poblacióntangible.- las poblaciones constaban de elementos físicos
reales: estudiantes de una universidad, bloques de concreto de una
pila, pernos de una remesa. Estas poblacionesse denominan
poblaciones tangibles.Este tipo de poblaciones sonsiempre finitas.
Después de que se muestrea un elemento,el tamaño de población
disminuye en 1. En principio, uno podría en algunos casos regresar el
elemento muestreado a la población,con oportunidad de muestrearlo
nuevamente, pero esto rara vez se hace en la práctica
Poblaciónconceptual.-también conocidacomo poblaciónhipotética ya
que no se puede ubicar en el tiempo y espacio.
Ejemplos:
1.-unejemplo sería que en un determinado periodo escolarse hubiera
inscrito un cierto número de alumnos y con esos datos pronosticarlos
alumnos que se inscribirán en el próximo año.
2.-pronoisticar las ventas de cerveza de este próximo verano utilizando
los reportes de ventas de las temporadas pasadas.
3.- determinar el aumento de la producciónde empresautilizando
como referencialos datos de producciónde años anteriores.
3.-MUESTRA:
Constituye un subconjunto de una poblaciónque contiene elementos o
resultados que realmente se observa. Ejemplo:
Dimensiónde la población: 222.222 habitantes
Probabilidad del evento: Hombre o Mujer 50%
Nivel de confianza: 90%
Desviación tolerada: 5%
Resultado 196
Tamaño de la muestra: 270
4.-MUESTRA ALEATORIA SIMPLE:
De tamaño n es una muestra elegidapor un método en el que cada
colecciónde n elementos de la poblacióntiene la misma probabilidad
de formar la muestra, de la misma manera que en una lotería.
5. El departamento médico de la Universidad quiere saber la presión
arterial de los estudiantes. Hay 2700 alumnos inscritos. Obtiene una
lista de los alumnos numerada del 1 al 2700,utiliza Excel para generar
100 números aleatorios enteros y cita a los alumnos para realizar la
mediciónde presiónarterial. ¿Es esta una muestra aleatoria simple?
Justifica tu respuesta.
R: Sí, porque se es tan tomando 100 alumnos a lazar para hacer las
pruebas de presiónarterial por lo tanto si es una muestra aleatoria
simple
6. Un inspectorde calidad supervisa rollos de tela para determinar la
tasa de fallas en el tinte de los mismos.Decide tomar 20 rollos de la
produccióndel miércoles,cada hora durante cinco horas, selecciona
los cuatro últimos rollos producidos y cuenta el número de fallas de
cada uno. ¿Es esta una muestra aleatoria simple?
R: No porque ya tiene casi definidos los rollos que se van a
inspeccionar.
7. El encargado de producciónde la fábricade tornillos “RosaAcero”
mide la longitud de una muestra de 60 piezas. Encuentra que el 90%
de ellos estándentro de las especificaciones porlo que afirma que en
todo el lote de producción,el 90% de los tornillos cumplen con los
requerimientos del cliente. ¿Es esto verdadero? Justificatu respuesta.
R: no, porque solo es una muestra de todo el lote, por lo tanto no es
seguro que el 90% cumpla con los requerimientos si el otro 10% no los
cumple.
8. El encargado de calidad, Ch. Gallegos,toma otra muestra de 60
piezas del mismo lote y encuentra que sólo el 85% de ellos cumple
con las especificaciones.El encargado de producción,Antonio Ibarra,
afirma que el de calidad debe haberse equivocado porque el resultado
correcto es de 90% ¿Tiene razón? Justificatu respuesta.
R: Los dos podrían tener y no tener razón porque si se hacen varias
muestras podrían variar una de la otra y en este caso se debe
considerarlas que sean más cercanas a las especificaciones.
9. Juan mide, diez veces,la longitud de una pieza fabricada por
SebastiánRodríguez; en cada medición, el vernier indica lecturas
ligeramente diferentes.¿Bajo qué condiciones puedenconsiderarse
estas lecturas como una muestra aleatoria simple? ¿Cuál es la
población? ¿Es una poblacióntangible o conceptual?
1.- Que se tomen medidas de 10 piezas diferentes al azar para sacar
los resultados de las mediciones
2.- La poblaciónserían los diferentes resultados de las mediciones
realizadas.
3.-Conceptualporque la poblaciónson los datos de las medidas
realizadas
10. ESCRIBE Y EXPLICA LOS SIGUIENTES:
a) Un ejemplo de población tangible en la que se toma una muestra
que pueda considerarse aleatoria simple
b) Un ejemplo de población tangible en la que se toma una muestra
que no puede aceptarse como muestra aleatoria simple
c) Un ejemplo de población conceptualen la que se toma una muestra
que puede ser consideradamuestra aleatoria simple
En un restaurant se hace una encuesta a los clientes en ese momento
para sabercuál de sus platillos es el más rico. La poblaciónserían los
clientes.
RB: en un centro comercialse pregunta a un compradorcual es el
producto que no sale defectuosopara él. La poblaciónseria el
producto por el que se está preguntando.
RC: se mide una pieza con un micrómetro,el cual en tres ocasiones
da diferente resultado. La poblaciónseria el número de veces que se
midió la pieza ya que da diferente resultado

Más contenido relacionado

La actualidad más candente

La actualidad más candente (20)

Estadistica
EstadisticaEstadistica
Estadistica
 
Estadistica conceptos basicosestrella
Estadistica conceptos basicosestrellaEstadistica conceptos basicosestrella
Estadistica conceptos basicosestrella
 
Conceptos fundamentales estadística
Conceptos fundamentales estadísticaConceptos fundamentales estadística
Conceptos fundamentales estadística
 
Estadistica
Estadistica Estadistica
Estadistica
 
Estadísticas
EstadísticasEstadísticas
Estadísticas
 
Probabilidades
ProbabilidadesProbabilidades
Probabilidades
 
Probabilidad II
Probabilidad IIProbabilidad II
Probabilidad II
 
Ejercicio 1 estadistica poblacional y sus tipos.
Ejercicio 1 estadistica poblacional y sus tipos.Ejercicio 1 estadistica poblacional y sus tipos.
Ejercicio 1 estadistica poblacional y sus tipos.
 
Guia 01 Pruebas No Parametricas
Guia 01 Pruebas No ParametricasGuia 01 Pruebas No Parametricas
Guia 01 Pruebas No Parametricas
 
Ejercicio 1 conceptos fundamentales
Ejercicio 1   conceptos fundamentalesEjercicio 1   conceptos fundamentales
Ejercicio 1 conceptos fundamentales
 
Estadistica probabilidades
Estadistica probabilidadesEstadistica probabilidades
Estadistica probabilidades
 
Curso muestreo
Curso muestreoCurso muestreo
Curso muestreo
 
Estadistica
EstadisticaEstadistica
Estadistica
 
Aceptacion
AceptacionAceptacion
Aceptacion
 
Cesar mauricio hernandez estadistica 1D
Cesar mauricio hernandez estadistica 1DCesar mauricio hernandez estadistica 1D
Cesar mauricio hernandez estadistica 1D
 
Aalvaradol Asig11
Aalvaradol Asig11Aalvaradol Asig11
Aalvaradol Asig11
 
Estadistica daniela ortega
Estadistica daniela ortegaEstadistica daniela ortega
Estadistica daniela ortega
 
Prueba de hipotesis para dos poblaciones
Prueba de hipotesis para dos poblacionesPrueba de hipotesis para dos poblaciones
Prueba de hipotesis para dos poblaciones
 
Variable aleatoria y Distribuciónes de Probabilidad
Variable aleatoria y Distribuciónes de ProbabilidadVariable aleatoria y Distribuciónes de Probabilidad
Variable aleatoria y Distribuciónes de Probabilidad
 
Estadística: Ejercicio 1
Estadística: Ejercicio 1Estadística: Ejercicio 1
Estadística: Ejercicio 1
 

Destacado

2° CLOUD WEBINAR - 20141113 - Come generare margini elevati con servizi di ba...
2° CLOUD WEBINAR - 20141113 - Come generare margini elevati con servizi di ba...2° CLOUD WEBINAR - 20141113 - Come generare margini elevati con servizi di ba...
2° CLOUD WEBINAR - 20141113 - Come generare margini elevati con servizi di ba...ServiceCloud - Esprinet
 
Ontwikkelingen waardering assurantieportefeuilles
Ontwikkelingen waardering assurantieportefeuillesOntwikkelingen waardering assurantieportefeuilles
Ontwikkelingen waardering assurantieportefeuillesFrans Kemper
 
Lecon de francais11
Lecon de francais11Lecon de francais11
Lecon de francais11guest87d6c2
 
Hindu cultura sobre la muerte
Hindu cultura sobre la muerteHindu cultura sobre la muerte
Hindu cultura sobre la muerteVianey Gurubel
 

Destacado (8)

2° CLOUD WEBINAR - 20141113 - Come generare margini elevati con servizi di ba...
2° CLOUD WEBINAR - 20141113 - Come generare margini elevati con servizi di ba...2° CLOUD WEBINAR - 20141113 - Come generare margini elevati con servizi di ba...
2° CLOUD WEBINAR - 20141113 - Come generare margini elevati con servizi di ba...
 
Tatevik
TatevikTatevik
Tatevik
 
Ontwikkelingen waardering assurantieportefeuilles
Ontwikkelingen waardering assurantieportefeuillesOntwikkelingen waardering assurantieportefeuilles
Ontwikkelingen waardering assurantieportefeuilles
 
Mahatma Gandhi
Mahatma GandhiMahatma Gandhi
Mahatma Gandhi
 
Lecon de francais11
Lecon de francais11Lecon de francais11
Lecon de francais11
 
Powerpoint
PowerpointPowerpoint
Powerpoint
 
Hindu cultura sobre la muerte
Hindu cultura sobre la muerteHindu cultura sobre la muerte
Hindu cultura sobre la muerte
 
2015 CLOUD LOGIN - Social Enterprise
2015 CLOUD LOGIN -  Social Enterprise2015 CLOUD LOGIN -  Social Enterprise
2015 CLOUD LOGIN - Social Enterprise
 

Similar a Estadistica

Ejercicio 1 estadistica
Ejercicio 1 estadisticaEjercicio 1 estadistica
Ejercicio 1 estadisticaangel sosa
 
conceptos fundamentales
conceptos fundamentalesconceptos fundamentales
conceptos fundamentalesDulce Villegas
 
Trabajo de estadisticas
Trabajo de estadisticasTrabajo de estadisticas
Trabajo de estadisticasDulce Villegas
 
Trabajo de estadisticas
Trabajo de estadisticasTrabajo de estadisticas
Trabajo de estadisticasDulce Villegas
 
Trabajo de estadisticas
Trabajo de estadisticasTrabajo de estadisticas
Trabajo de estadisticasDulce Villegas
 
ESTADSITICA 1 (trabajo1)
ESTADSITICA 1 (trabajo1)ESTADSITICA 1 (trabajo1)
ESTADSITICA 1 (trabajo1)Eduardo Galicia
 
Estadística: Conceptos Básicos
Estadística: Conceptos Básicos Estadística: Conceptos Básicos
Estadística: Conceptos Básicos Alejandro Ibarra
 
estadística
estadística estadística
estadística BlancaQ11
 
Estadística ejercicio 1
Estadística ejercicio 1Estadística ejercicio 1
Estadística ejercicio 1Andrea MG
 
Jesús alejandro machado najera 2° d estadistica
Jesús alejandro machado najera  2° d estadisticaJesús alejandro machado najera  2° d estadistica
Jesús alejandro machado najera 2° d estadisticaAlejandro Machado
 
Estadistica 2°d
Estadistica 2°dEstadistica 2°d
Estadistica 2°dPack Trejo
 
Población y muestra
Población y muestraPoblación y muestra
Población y muestraGuadaluep
 
Universidad tecnológica de torreón
Universidad tecnológica de torreónUniversidad tecnológica de torreón
Universidad tecnológica de torreónGuadaluep
 
Ejercicio 1
Ejercicio 1Ejercicio 1
Ejercicio 1UTT
 
Estadística descriptiva ejercicio 1
Estadística descriptiva   ejercicio 1Estadística descriptiva   ejercicio 1
Estadística descriptiva ejercicio 1Edgar Mata
 
Flor haideee estadistica
Flor haideee estadisticaFlor haideee estadistica
Flor haideee estadistica970704
 

Similar a Estadistica (20)

Ejercicio 1 estadistica
Ejercicio 1 estadisticaEjercicio 1 estadistica
Ejercicio 1 estadistica
 
Alondra magaly meraz carrazco 1 d
Alondra magaly meraz carrazco 1 dAlondra magaly meraz carrazco 1 d
Alondra magaly meraz carrazco 1 d
 
estadistica
estadisticaestadistica
estadistica
 
conceptos fundamentales
conceptos fundamentalesconceptos fundamentales
conceptos fundamentales
 
Trabajo de estadisticas
Trabajo de estadisticasTrabajo de estadisticas
Trabajo de estadisticas
 
Trabajo de estadisticas
Trabajo de estadisticasTrabajo de estadisticas
Trabajo de estadisticas
 
Trabajo de estadisticas
Trabajo de estadisticasTrabajo de estadisticas
Trabajo de estadisticas
 
ESTADSITICA 1 (trabajo1)
ESTADSITICA 1 (trabajo1)ESTADSITICA 1 (trabajo1)
ESTADSITICA 1 (trabajo1)
 
Estadística: Conceptos Básicos
Estadística: Conceptos Básicos Estadística: Conceptos Básicos
Estadística: Conceptos Básicos
 
estadística
estadística estadística
estadística
 
Estadística ejercicio 1
Estadística ejercicio 1Estadística ejercicio 1
Estadística ejercicio 1
 
Jesús alejandro machado najera 2° d estadistica
Jesús alejandro machado najera  2° d estadisticaJesús alejandro machado najera  2° d estadistica
Jesús alejandro machado najera 2° d estadistica
 
Estadistica 2°d
Estadistica 2°dEstadistica 2°d
Estadistica 2°d
 
Población y muestra
Población y muestraPoblación y muestra
Población y muestra
 
Universidad tecnológica de torreón
Universidad tecnológica de torreónUniversidad tecnológica de torreón
Universidad tecnológica de torreón
 
Estadística Elemental.
Estadística Elemental.Estadística Elemental.
Estadística Elemental.
 
Ejercicio 1
Ejercicio 1 Ejercicio 1
Ejercicio 1
 
Ejercicio 1
Ejercicio 1Ejercicio 1
Ejercicio 1
 
Estadística descriptiva ejercicio 1
Estadística descriptiva   ejercicio 1Estadística descriptiva   ejercicio 1
Estadística descriptiva ejercicio 1
 
Flor haideee estadistica
Flor haideee estadisticaFlor haideee estadistica
Flor haideee estadistica
 

Más de Guįlle Casąs

Más de Guįlle Casąs (19)

Metodo de gauss
Metodo de gaussMetodo de gauss
Metodo de gauss
 
Metodo de gauss
Metodo de gaussMetodo de gauss
Metodo de gauss
 
Tabla de frecuencias
Tabla de frecuenciasTabla de frecuencias
Tabla de frecuencias
 
Ejercicios De Distribución Normal
Ejercicios De Distribución NormalEjercicios De Distribución Normal
Ejercicios De Distribución Normal
 
Distribucion de la probabilidad "POISSON"
Distribucion de la probabilidad "POISSON"Distribucion de la probabilidad "POISSON"
Distribucion de la probabilidad "POISSON"
 
Examen final de matematicas de la 4ta unidad
Examen final de matematicas de la 4ta unidadExamen final de matematicas de la 4ta unidad
Examen final de matematicas de la 4ta unidad
 
Cálculo de la matriz inversa por el método de gauss
Cálculo de la matriz inversa por el método de gaussCálculo de la matriz inversa por el método de gauss
Cálculo de la matriz inversa por el método de gauss
 
Problemas de razonamiento: Matematicas
Problemas de razonamiento: MatematicasProblemas de razonamiento: Matematicas
Problemas de razonamiento: Matematicas
 
Problema 5
Problema 5Problema 5
Problema 5
 
Problema 4
Problema 4Problema 4
Problema 4
 
Problema 3
Problema 3Problema 3
Problema 3
 
Problema 2
Problema 2Problema 2
Problema 2
 
Problema 1
Problema 1Problema 1
Problema 1
 
Problema 1
Problema 1Problema 1
Problema 1
 
Problema 5
Problema 5Problema 5
Problema 5
 
Problema 4
Problema 4Problema 4
Problema 4
 
Problema 3
Problema 3Problema 3
Problema 3
 
Problema 2
Problema 2Problema 2
Problema 2
 
FALACIAS MATEMATICAS
FALACIAS MATEMATICASFALACIAS MATEMATICAS
FALACIAS MATEMATICAS
 

Último

30-de-abril-plebiscito-1902_240420_104511.pdf
30-de-abril-plebiscito-1902_240420_104511.pdf30-de-abril-plebiscito-1902_240420_104511.pdf
30-de-abril-plebiscito-1902_240420_104511.pdfgimenanahuel
 
EXPANSIÓN ECONÓMICA DE OCCIDENTE LEÓN.pptx
EXPANSIÓN ECONÓMICA DE OCCIDENTE LEÓN.pptxEXPANSIÓN ECONÓMICA DE OCCIDENTE LEÓN.pptx
EXPANSIÓN ECONÓMICA DE OCCIDENTE LEÓN.pptxPryhaSalam
 
ACUERDO MINISTERIAL 078-ORGANISMOS ESCOLARES..pptx
ACUERDO MINISTERIAL 078-ORGANISMOS ESCOLARES..pptxACUERDO MINISTERIAL 078-ORGANISMOS ESCOLARES..pptx
ACUERDO MINISTERIAL 078-ORGANISMOS ESCOLARES..pptxzulyvero07
 
Identificación de componentes Hardware del PC
Identificación de componentes Hardware del PCIdentificación de componentes Hardware del PC
Identificación de componentes Hardware del PCCesarFernandez937857
 
cortes de luz abril 2024 en la provincia de tungurahua
cortes de luz abril 2024 en la provincia de tungurahuacortes de luz abril 2024 en la provincia de tungurahua
cortes de luz abril 2024 en la provincia de tungurahuaDANNYISAACCARVAJALGA
 
Lecciones 04 Esc. Sabática. Defendamos la verdad
Lecciones 04 Esc. Sabática. Defendamos la verdadLecciones 04 Esc. Sabática. Defendamos la verdad
Lecciones 04 Esc. Sabática. Defendamos la verdadAlejandrino Halire Ccahuana
 
TEMA 13 ESPAÑA EN DEMOCRACIA:DISTINTOS GOBIERNOS
TEMA 13 ESPAÑA EN DEMOCRACIA:DISTINTOS GOBIERNOSTEMA 13 ESPAÑA EN DEMOCRACIA:DISTINTOS GOBIERNOS
TEMA 13 ESPAÑA EN DEMOCRACIA:DISTINTOS GOBIERNOSjlorentemartos
 
EXPECTATIVAS vs PERSPECTIVA en la vida.
EXPECTATIVAS vs PERSPECTIVA  en la vida.EXPECTATIVAS vs PERSPECTIVA  en la vida.
EXPECTATIVAS vs PERSPECTIVA en la vida.DaluiMonasterio
 
DE LAS OLIMPIADAS GRIEGAS A LAS DEL MUNDO MODERNO.ppt
DE LAS OLIMPIADAS GRIEGAS A LAS DEL MUNDO MODERNO.pptDE LAS OLIMPIADAS GRIEGAS A LAS DEL MUNDO MODERNO.ppt
DE LAS OLIMPIADAS GRIEGAS A LAS DEL MUNDO MODERNO.pptELENA GALLARDO PAÚLS
 
Herramientas de Inteligencia Artificial.pdf
Herramientas de Inteligencia Artificial.pdfHerramientas de Inteligencia Artificial.pdf
Herramientas de Inteligencia Artificial.pdfMARIAPAULAMAHECHAMOR
 
programa dia de las madres 10 de mayo para evento
programa dia de las madres 10 de mayo  para eventoprograma dia de las madres 10 de mayo  para evento
programa dia de las madres 10 de mayo para eventoDiegoMtsS
 
Caja de herramientas de inteligencia artificial para la academia y la investi...
Caja de herramientas de inteligencia artificial para la academia y la investi...Caja de herramientas de inteligencia artificial para la academia y la investi...
Caja de herramientas de inteligencia artificial para la academia y la investi...Lourdes Feria
 
Clasificaciones, modalidades y tendencias de investigación educativa.
Clasificaciones, modalidades y tendencias de investigación educativa.Clasificaciones, modalidades y tendencias de investigación educativa.
Clasificaciones, modalidades y tendencias de investigación educativa.José Luis Palma
 
La triple Naturaleza del Hombre estudio.
La triple Naturaleza del Hombre estudio.La triple Naturaleza del Hombre estudio.
La triple Naturaleza del Hombre estudio.amayarogel
 
codigos HTML para blogs y paginas web Karina
codigos HTML para blogs y paginas web Karinacodigos HTML para blogs y paginas web Karina
codigos HTML para blogs y paginas web Karinavergarakarina022
 
Neurociencias para Educadores NE24 Ccesa007.pdf
Neurociencias para Educadores  NE24  Ccesa007.pdfNeurociencias para Educadores  NE24  Ccesa007.pdf
Neurociencias para Educadores NE24 Ccesa007.pdfDemetrio Ccesa Rayme
 
2024 - Expo Visibles - Visibilidad Lesbica.pdf
2024 - Expo Visibles - Visibilidad Lesbica.pdf2024 - Expo Visibles - Visibilidad Lesbica.pdf
2024 - Expo Visibles - Visibilidad Lesbica.pdfBaker Publishing Company
 
MAYO 1 PROYECTO día de la madre el amor más grande
MAYO 1 PROYECTO día de la madre el amor más grandeMAYO 1 PROYECTO día de la madre el amor más grande
MAYO 1 PROYECTO día de la madre el amor más grandeMarjorie Burga
 

Último (20)

30-de-abril-plebiscito-1902_240420_104511.pdf
30-de-abril-plebiscito-1902_240420_104511.pdf30-de-abril-plebiscito-1902_240420_104511.pdf
30-de-abril-plebiscito-1902_240420_104511.pdf
 
EXPANSIÓN ECONÓMICA DE OCCIDENTE LEÓN.pptx
EXPANSIÓN ECONÓMICA DE OCCIDENTE LEÓN.pptxEXPANSIÓN ECONÓMICA DE OCCIDENTE LEÓN.pptx
EXPANSIÓN ECONÓMICA DE OCCIDENTE LEÓN.pptx
 
ACUERDO MINISTERIAL 078-ORGANISMOS ESCOLARES..pptx
ACUERDO MINISTERIAL 078-ORGANISMOS ESCOLARES..pptxACUERDO MINISTERIAL 078-ORGANISMOS ESCOLARES..pptx
ACUERDO MINISTERIAL 078-ORGANISMOS ESCOLARES..pptx
 
Identificación de componentes Hardware del PC
Identificación de componentes Hardware del PCIdentificación de componentes Hardware del PC
Identificación de componentes Hardware del PC
 
cortes de luz abril 2024 en la provincia de tungurahua
cortes de luz abril 2024 en la provincia de tungurahuacortes de luz abril 2024 en la provincia de tungurahua
cortes de luz abril 2024 en la provincia de tungurahua
 
Lecciones 04 Esc. Sabática. Defendamos la verdad
Lecciones 04 Esc. Sabática. Defendamos la verdadLecciones 04 Esc. Sabática. Defendamos la verdad
Lecciones 04 Esc. Sabática. Defendamos la verdad
 
TEMA 13 ESPAÑA EN DEMOCRACIA:DISTINTOS GOBIERNOS
TEMA 13 ESPAÑA EN DEMOCRACIA:DISTINTOS GOBIERNOSTEMA 13 ESPAÑA EN DEMOCRACIA:DISTINTOS GOBIERNOS
TEMA 13 ESPAÑA EN DEMOCRACIA:DISTINTOS GOBIERNOS
 
EXPECTATIVAS vs PERSPECTIVA en la vida.
EXPECTATIVAS vs PERSPECTIVA  en la vida.EXPECTATIVAS vs PERSPECTIVA  en la vida.
EXPECTATIVAS vs PERSPECTIVA en la vida.
 
DE LAS OLIMPIADAS GRIEGAS A LAS DEL MUNDO MODERNO.ppt
DE LAS OLIMPIADAS GRIEGAS A LAS DEL MUNDO MODERNO.pptDE LAS OLIMPIADAS GRIEGAS A LAS DEL MUNDO MODERNO.ppt
DE LAS OLIMPIADAS GRIEGAS A LAS DEL MUNDO MODERNO.ppt
 
Herramientas de Inteligencia Artificial.pdf
Herramientas de Inteligencia Artificial.pdfHerramientas de Inteligencia Artificial.pdf
Herramientas de Inteligencia Artificial.pdf
 
programa dia de las madres 10 de mayo para evento
programa dia de las madres 10 de mayo  para eventoprograma dia de las madres 10 de mayo  para evento
programa dia de las madres 10 de mayo para evento
 
Caja de herramientas de inteligencia artificial para la academia y la investi...
Caja de herramientas de inteligencia artificial para la academia y la investi...Caja de herramientas de inteligencia artificial para la academia y la investi...
Caja de herramientas de inteligencia artificial para la academia y la investi...
 
Clasificaciones, modalidades y tendencias de investigación educativa.
Clasificaciones, modalidades y tendencias de investigación educativa.Clasificaciones, modalidades y tendencias de investigación educativa.
Clasificaciones, modalidades y tendencias de investigación educativa.
 
La Trampa De La Felicidad. Russ-Harris.pdf
La Trampa De La Felicidad. Russ-Harris.pdfLa Trampa De La Felicidad. Russ-Harris.pdf
La Trampa De La Felicidad. Russ-Harris.pdf
 
La triple Naturaleza del Hombre estudio.
La triple Naturaleza del Hombre estudio.La triple Naturaleza del Hombre estudio.
La triple Naturaleza del Hombre estudio.
 
codigos HTML para blogs y paginas web Karina
codigos HTML para blogs y paginas web Karinacodigos HTML para blogs y paginas web Karina
codigos HTML para blogs y paginas web Karina
 
Neurociencias para Educadores NE24 Ccesa007.pdf
Neurociencias para Educadores  NE24  Ccesa007.pdfNeurociencias para Educadores  NE24  Ccesa007.pdf
Neurociencias para Educadores NE24 Ccesa007.pdf
 
2024 - Expo Visibles - Visibilidad Lesbica.pdf
2024 - Expo Visibles - Visibilidad Lesbica.pdf2024 - Expo Visibles - Visibilidad Lesbica.pdf
2024 - Expo Visibles - Visibilidad Lesbica.pdf
 
MAYO 1 PROYECTO día de la madre el amor más grande
MAYO 1 PROYECTO día de la madre el amor más grandeMAYO 1 PROYECTO día de la madre el amor más grande
MAYO 1 PROYECTO día de la madre el amor más grande
 
Repaso Pruebas CRECE PR 2024. Ciencia General
Repaso Pruebas CRECE PR 2024. Ciencia GeneralRepaso Pruebas CRECE PR 2024. Ciencia General
Repaso Pruebas CRECE PR 2024. Ciencia General
 

Estadistica

  • 1. PROCESOS INDUSTRIALES: AREA MANUFACTURA ERNESTO GARCIA BARBALENA GUILLERMO OSBAN CASAS SANTOYO ESTADISTICA 2° CUATRUMESTRE SECCION “C”
  • 2. ESTADÍSTICA Es una ciencia formal y una herramienta que estudia el uso y los análisis provenientes de una muestra representativa de datos, busca explicar las correlaciones y dependencias de un fenómeno físico o natural, de ocurrencia en forma aleatoria o condicional. Se usa para la toma de decisionesen áreas de negocios o instituciones gubernamentales La estadísticase divide en dos grandes áreas: ESTADÍSTICA DESCRIPTIVA Se dedicaa la descripción,visualización y resumen de datos originados a partir de los fenómenosde estudio. Los datos pueden ser resumidos numérica o gráficamente.Ejemplosbásicos de parámetros estadísticos son:la media y la desviación estándar. Algunos ejemplos gráficos son:histograma, pirámide poblacional, gráfico circular, entre otros. ESTADÍSTICA INFERENCIAL Se dedicaa la generaciónde los modelos,inferencias y predicciones asociadas a los fenómenos encuestiónteniendo en cuenta la aleatoriedad de las observaciones.Se usa para modelarpatrones en los datos y extraer inferencias acerca de la poblaciónbajo estudio. Estas inferencias pueden tomar la formade respuestas a preguntas sí/no (prueba de hipótesis), estimaciones de unas características numéricas (estimación), pronósticos de futuras observaciones, descripcionesde asociación (correlación) o modelamiento de relaciones entre variables (análisis de regresión).Otras técnicas de modelamiento incluyen a nova, series de tiempo y minería de datos. Ambas ramas (descriptiva e inferencial) comprendenla estadística aplicada. La estadísticainferencial, por su parte, se divide en estadísticaparamétrica y estadísticano paramétrica.
  • 3. Hay también una disciplina llamada estadísticamatemática, la que se refiere a las bases teóricas de la materia. 1. EXPLICA Y ANOTA 3 EJEMPLOS DE POBLACIÓN 1.- la poblaciónmundial de seres humanos que representael total de habitantes en la tierra. 2.- la poblaciónde peces de una sola especie existentes en un lago de agua dulce. 3.- la poblaciónde bacterias existentes en una gota de agua. 2. ANOTA Y EXPLICA TRES EJEMPLOS DE POBLACIÓN TANGIBLE Y TRES DE POBLACIÓN CONCEPTUAL. Poblacióntangible.- las poblaciones constaban de elementos físicos reales: estudiantes de una universidad, bloques de concreto de una pila, pernos de una remesa. Estas poblacionesse denominan poblaciones tangibles.Este tipo de poblaciones sonsiempre finitas. Después de que se muestrea un elemento,el tamaño de población disminuye en 1. En principio, uno podría en algunos casos regresar el elemento muestreado a la población,con oportunidad de muestrearlo nuevamente, pero esto rara vez se hace en la práctica Poblaciónconceptual.-también conocidacomo poblaciónhipotética ya que no se puede ubicar en el tiempo y espacio.
  • 4. Ejemplos: 1.-unejemplo sería que en un determinado periodo escolarse hubiera inscrito un cierto número de alumnos y con esos datos pronosticarlos alumnos que se inscribirán en el próximo año. 2.-pronoisticar las ventas de cerveza de este próximo verano utilizando los reportes de ventas de las temporadas pasadas. 3.- determinar el aumento de la producciónde empresautilizando como referencialos datos de producciónde años anteriores. 3.-MUESTRA: Constituye un subconjunto de una poblaciónque contiene elementos o resultados que realmente se observa. Ejemplo: Dimensiónde la población: 222.222 habitantes Probabilidad del evento: Hombre o Mujer 50% Nivel de confianza: 90% Desviación tolerada: 5% Resultado 196 Tamaño de la muestra: 270
  • 5. 4.-MUESTRA ALEATORIA SIMPLE: De tamaño n es una muestra elegidapor un método en el que cada colecciónde n elementos de la poblacióntiene la misma probabilidad de formar la muestra, de la misma manera que en una lotería. 5. El departamento médico de la Universidad quiere saber la presión arterial de los estudiantes. Hay 2700 alumnos inscritos. Obtiene una lista de los alumnos numerada del 1 al 2700,utiliza Excel para generar 100 números aleatorios enteros y cita a los alumnos para realizar la mediciónde presiónarterial. ¿Es esta una muestra aleatoria simple? Justifica tu respuesta. R: Sí, porque se es tan tomando 100 alumnos a lazar para hacer las pruebas de presiónarterial por lo tanto si es una muestra aleatoria simple 6. Un inspectorde calidad supervisa rollos de tela para determinar la tasa de fallas en el tinte de los mismos.Decide tomar 20 rollos de la produccióndel miércoles,cada hora durante cinco horas, selecciona los cuatro últimos rollos producidos y cuenta el número de fallas de cada uno. ¿Es esta una muestra aleatoria simple? R: No porque ya tiene casi definidos los rollos que se van a inspeccionar. 7. El encargado de producciónde la fábricade tornillos “RosaAcero” mide la longitud de una muestra de 60 piezas. Encuentra que el 90% de ellos estándentro de las especificaciones porlo que afirma que en todo el lote de producción,el 90% de los tornillos cumplen con los requerimientos del cliente. ¿Es esto verdadero? Justificatu respuesta.
  • 6. R: no, porque solo es una muestra de todo el lote, por lo tanto no es seguro que el 90% cumpla con los requerimientos si el otro 10% no los cumple. 8. El encargado de calidad, Ch. Gallegos,toma otra muestra de 60 piezas del mismo lote y encuentra que sólo el 85% de ellos cumple con las especificaciones.El encargado de producción,Antonio Ibarra, afirma que el de calidad debe haberse equivocado porque el resultado correcto es de 90% ¿Tiene razón? Justificatu respuesta. R: Los dos podrían tener y no tener razón porque si se hacen varias muestras podrían variar una de la otra y en este caso se debe considerarlas que sean más cercanas a las especificaciones. 9. Juan mide, diez veces,la longitud de una pieza fabricada por SebastiánRodríguez; en cada medición, el vernier indica lecturas ligeramente diferentes.¿Bajo qué condiciones puedenconsiderarse estas lecturas como una muestra aleatoria simple? ¿Cuál es la población? ¿Es una poblacióntangible o conceptual? 1.- Que se tomen medidas de 10 piezas diferentes al azar para sacar los resultados de las mediciones 2.- La poblaciónserían los diferentes resultados de las mediciones realizadas. 3.-Conceptualporque la poblaciónson los datos de las medidas realizadas
  • 7. 10. ESCRIBE Y EXPLICA LOS SIGUIENTES: a) Un ejemplo de población tangible en la que se toma una muestra que pueda considerarse aleatoria simple b) Un ejemplo de población tangible en la que se toma una muestra que no puede aceptarse como muestra aleatoria simple c) Un ejemplo de población conceptualen la que se toma una muestra que puede ser consideradamuestra aleatoria simple En un restaurant se hace una encuesta a los clientes en ese momento para sabercuál de sus platillos es el más rico. La poblaciónserían los clientes. RB: en un centro comercialse pregunta a un compradorcual es el producto que no sale defectuosopara él. La poblaciónseria el producto por el que se está preguntando. RC: se mide una pieza con un micrómetro,el cual en tres ocasiones da diferente resultado. La poblaciónseria el número de veces que se midió la pieza ya que da diferente resultado