ESI-ES

REV00

INGENIERIA INDUSTRIAL

ESTADSTICA INDUSTRIAL
DIRECTORIO

Secretario de Educacin Pblica

Mtro. Alonso Lujambio Irazbal

Subsecretario de Educacin Superior

Dr. Rodolfo Tuirn Gutirrez

Coordinadora de Universidades Politcnicas

Mtra. Sayonara Vargas Rodrguez

II
PGINA LEGAL

Participantes

Mtro. Jos Antonio Varela Loyola - Universidad Politcnica de Tlaxcala.

Mtro. Isidro Soria Arguello - Universidad Politcnica de Toluca.
Mtra. Blanca E. Tovar Gonzlez - Universidad Politcnica de Zacatecas.
Mtra. Violeta Jaramillo Vega - Universidad Politcnica del Estado de Morelos.
Mtro. Rodolfo Rafael Medina R. - Universidad Politcnica de Aguascalientes.
Mtro. Juan Carlos Portales Rodrguez - Universidad Politcnica de San Luis Potos.
Mtro. Juan Simn Isidro - Universidad Politcnica del Valle de Mxico.
Mtra. Haidie Lissette Hervert Zamora Universidad Politcnica de Altamira.

Primera Edicin: 2011

DR 2011 Coordinacin de Universidades Politcnicas.

Nmero de registro:
Mxico, D.F.

ISBN-----------------

III
NDICE

INTRODUCCIN............................................................................................................................................. 1
PROGRAMA DE ESTUDIOS ........................................................................................................................... 2
FICHA TCNICA ............................................................................................................................................. 3
DESARROLLO DE LA PRCTICA O PROYECTO ............................................................................................. 5
INSTRUMENTOS DE EVALUACIN ............................................................................................................... 9
GLOSARIO ................................................................................................................................................... 24
BIBLIOGRAFA ............................................................................................................................................. 26

IV
INTRODUCCIN

Los mtodos estadsticos no slo son tiles sino en verdad indispensables para comprender
el mundo que nos rodea. Nos proporcionan formas de adquirir nuevas perspectivas del
comportamiento de muchos fenmenos con que nos encontramos en el campo de la
ingeniera industrial. La Estadstica ensea cmo razonar lgicamente y tomar decisiones
informadas en presencia de la incertidumbre y la variacin.

As mismo es preciso recordar que no existen dos procesos iguales, es decir que todos los
procesos y sistemas de la vida real exhiben variabilidad e incertidumbre en cierta manera; la
cual es el resultado de cambios en las condiciones bajo las cuales se hacen las
observaciones. En el contexto de la manufactura, estos cambios pueden ser diferencias en
las propiedades de los materiales utilizados en la forma en que trabajan los obreros, en las
variables del proceso (tales como la temperatura, la presin o el tiempo de ocupacin) y en
los factores ambientales (como la humedad relativa). La variabilidad se presenta tambin
debido al sistema de medicin utilizado y al muestreo. Por ende la estadstica no solo ofrece
mtodos para analizar los experimentos realizados, sino tambin sugerencias sobre cmo
desarrollar los experimentos en forma eficiente, para disminuir los efectos de variacin y
tener mayor probabilidad de llegar a conclusiones correctas.

En los ltimos aos la importancia de la estadstica en la ingeniera, ha sido encaminada por

la participacin de la industria en el aumento de la calidad. Muchas compaas se han dado
cuenta que la baja calidad de un producto, tiene un gran efecto en la productividad global
de la compaa, en el mercado, la posicin competitiva, y finalmente, en la rentabilidad de la
empresa. Mejorar los aspectos de calidad conlleva al xito de la compaa. La estadstica es
un elemento decisivo en el incremento de la calidad, ya que las tcnicas estadsticas
pueden emplearse para describir y comprender la variabilidad.

Por ende la estadstica aplicada a la Ingeniera Industrial es una herramienta bsica en

negocios y produccin. Utilizada para entender la variabilidad de sistemas de medicin,
control de procesos (como control estadstico de procesos (CEP), para compilar datos, y
para tomar decisiones. Es una herramienta clave y probablemente la nica.

1
PROGRAMA DE ESTUDIOS
PROGRAMA DE ESTUDIO

DATOS GENERALES
NOMBRE DEL PROGRAMA
Ingeniera Industrial
EDUCATIVO:
OBJETIVO DEL PROGRAMA Formar profesionistas capaces de planear, disear, instalar, operar, analizar y mejorar procesos productivos integrados por factor humano, materiales, informacin, tecnologa, energa y recursos financieros, a travs de la conduccin de procesos de cambio y de mejora continua con una perspectiva integradora y estratgica; con actitud creativa, emprendedora y respetuosa del
EDUCATIVO: individuo y el medio ambiente, ajustando su desempeo a los cambios que requiere la sociedad.

NOMBRE DE LA ASIGNATURA: Estadstica Industrial

CLAVE DE LA ASIGNATURA: ESI-ES

OBJETIVO DE LA ASIGNATURA: El alumno ser capaz de efectuar anlisis estadsticos que contemplen la determinacin de tamao de muestra, prueba de hiptesis, parmetros de variabilidad y pruebas de bondad y ajuste para aplicarlas en los procesos industriales, comerciales y de servicios.

TOTAL HRS. DEL

90
CUATRIMESTRE:
FECHA DE EMISIN: Julio, 2011
UNIVERSIDADES
Universidad Politcnica de Guanajuato(UPGuanajuato),Universidad Politcnica de Puebla (UPPuebla), Universidad Politcnica de Chiapas (UPChiapas), Universidad Politcnica de Pachuca (UPPachuca), Universidad Politcnica de Guanajuato (UPQuertaro)
PARTICIPANTES:

CONTENIDOS PARA LA FORMACIN ESTRATEGIA DE APRENDIZAJE

TECNICAS SU GER IDAS E SP ACIO E DU CATIVO M OVIL IDAD F ORM ATIVA TOTAL DE HORAS E valuacin
M ATE RIAL E S TER ICA P R CTICA
OBSERVACIN
U NIDADES DE AP R ENDIZAJE R ESU LTADOS DE AP R ENDIZAJE EVIDENCIAS P AR A LA ENSEANZA P AR A EL AP R ENDIZAJE P R OY ECTO P R CTICA E QU IP OS RE QU E RIDOS
AU LA LABOR ATOR IO OTR O RE QU E RIDOS T CNICA INSTRU M E NTO
( P R OF ESOR ) ( ALU MNO) P resencial NO P resencial P resencial NO P resencial

EP1. Reporte de prctica sobre Instruccin programada:

Lista de Cotejo para reporte
generacin de diferentes distribuciones de
Al completar la unidad de de prctica de los pasos de
distribuciones de probabilidad probabilidad discretas y Prctica:
aprendizaje el alumno ser capaz generacin de
discretas y continuas a partir de continuas, procedimientos Estudio de casos, Generacin
de: distribuciones de
diferentes listas de datos y su para clculos de Resolver situaciones de funciones
Estimar los parmetros a travs probabilidad y la
identificacin con ayuda de probabilidad aplicando problemticas,resolver de
de las diferentes distribuciones de Material Impreso, identificacin correcta por
1. Distribuciones de probabilidad software estadstico. cada una de estas problemarios y/o probabilidad y calculadora, CPU,
probabilidad discretas. X X N/A N/A plumones, Pizarrn , 8 0 5 3 Documental parte del alumno.
discretas y continuas distribuciones. ejercicios, utilizar su Can
software estadstico
diagramas, identificacin
Determinar los parmetros Cuestionario de
EC1. Resolucin de cuestionario ilustraciones y con ayuda de
mediante las diferentes interpretacin y aplicacin
con ejercicios de modelos de Preguntas insertadas, esquemas. software
distribuciones de probabilidad de las distribuciones de
probabilidad discretos y continuos ilustraciones y grficas de estadstico
continuas. probabilidad discretas o
de forma manual y utilizando el las metodologas
continuas.
software adecuado. analizadas.

Al completar la unidad de
aprendizaje el alumno ser capaz
ED1: Exposicin de un proyecto
de:
donde a partir de una base de
Definir un plan de muestreo Gua de Observacin para
datos obtenida de un plan de
adecuado y representativo. Obtencin de datos exposicin de proyecto
muestreo adecuado, por medio de Estudio de casos de
para muestreo de un estadstico.
pruebas de hiptesis correctas muestreo y tamao de
Desarrollar pruebas de proceso real, resolver
2. Pruebas de hiptesis para aplicadas a una muestra se muestra. Proyecto: Material Impreso,
hiptesis para una proporcin. situaciones Situacin calculadora, CPU, Documental y de Cuestionario sobre
distribuciones especiales y para dos infiera un resultado acerca de una Instruccin programada: x N/A Inferencia N/A plumones, Pizarrn , 10 0 7 4
Elaborar pruebas de hiptesis problemticas y aplicar Real Can Campo interpretaciny aplicacin
poblaciones. poblacin metodologa para Estadstica software estadstico
para diferencia de medias y de la metodologa para de pruebas de hipotesis y
elaboracin de pruebas
proporciones. establecer inferencias pruebas de bondad y ajuste.
EC1. Solucin de un cuestionario de hiptesis.
Interpretar pruebas de bondad y estadsticas.
de ejercicios de pruebas de
ajuste mediante distribuciones
hiptesis y pruebas de bondad y
poisson, exponenciales, ji
ajuste.
cuadradas.

Rbrica para reporte de

Al completar la unidad de EP1: Reporte de Prctica sobre la prctica sobre los pasos a
aprendizaje el alumno ser capaz identificacin del modelo ptimo seguir para la generacin
Prctica:
de: de regresin, comprobacin de Estudio de casos de del modelo de regresin
Identificacin Material Impreso,
Realizar un anlisis de resultados y reflexin sobre regresin simple y Realizacin de ptimo y la identificacin
del modelo plumones, Pizarrn ,
Regresin lineal simple. factores exgenos que pueden mltiple inferencias, resmenes correcta por parte del
ptimo y Hojas de papel, calculadora, CPU,
3. Anlisis de Regresin influenciarlo. Instruccin programada: y analgicas, resolver x N/A N/A N/A 12 0 8 3 Documental alumno.
comprobacin plumones para Can, cronmetro
Interpretar un anlisis de metodologa para la situaciones
de resultados iluminar reas.
Regresin lineal mltiple para la determinacin del modelo problemticas Cuestionario de
de la Software estadstico
identificacin de la solucin EC1:Problemario. Resolver ptimo interpretacin y aplicacin
regresin
ptima del modelo. ejercicios de anlisis de regresin de modelos de regresin
simple y mltiple. simple y mltiple.

Al completar la unidad de ED1: Prctica: Simulacin que

4. Anlisis de confiabilidad
aprendizaje el alumno ser capaz reproduce en forma vivencial el
de: anlisis de un proceso productivo
Proponer recomendaciones a un aplicando las tcnicas de Gua de observacin para
proceso en base a un estudio de repetibilidad y reproducibilidad prctica de situacin
Material Impreso,
Repetibilidad y Reproducibilidad (R&R) con apoyo de software Instruccin programada Juego de roles, estudio simulada de anlisis de
plumones, Pizarrn ,
(R&R). estadstico. de metodologas de casos, lluvia de Prctica: repetibilidad y
software estadstico, calculadora, CPU, Documental y de
Identificar los patrones de fallas estadsticas para el ideas, resolver x N/A N/A N/A simulacin de 15 0 10 5 reproducibilidad.
instrumentos de Can Campo
de los componentes de equipos y EP1:Reporte de Caso de estudio. anlisis de confiabilidad. situaciones estudios R&R
medicin e items
sistemas en base a modelos Estima periodos de reposicin y sealizacin y resumen problemticas Rbrica para el caso de
para medicin.
probabilsticos. refacciones requeridas para un estudio del anlisis de
Estimar los periodos de los proceso productivo por medio de patrones probabilsticos de
requerimientos de reposicin y un anlisis de patrones de fallas fallas.
refacciones en base a las fallas utilizando modelos
pronosticadas. probabilsiticos.
45 0 30 15 90

BIBLIOGR AF A Y R EF ER ENCIAS:

TTULO: Probabilidad y estadstica para ingeniera y ciencias,

AUTOR: Devore, Jay L
AO: 2008
EDITORIAL O REFERENCIA: Cengage Learning editores
LUGAR Y AO DE LA EDICIN Mxico, 2008
ISBN O REGISTRO: ISBN 9789706868312

TTULO: Industrial Statistics, practice methods and guidance and improved performance
AUTOR: Anand M. Jockleard
AO: 2010
EDITORIAL O REFERENCIA: Wiley
LUGAR Y AO DE LA EDICIN United Stated of America
ISBN O REGISTRO: ISBN 978 0470 49716-6

TTULO: Probability, Statistics, and Reliability for Engineers and Scientists

AUTOR: Bilal M. Ayyub, Richard McCuen
AO: 2011
EDITORIAL O REFERENCIA: Taylor and Francis, 2011
LUGAR Y AO DE LA EDICIN 3, ilustrada
ISBN O REGISTRO: 1439809518, 9781439809518

TTULO: Control Estadstico de Calidad y Seis Sigma

AUTOR: Humberto Guitirrez Pulido, Romn de la Vara Salazar
AO: 2004
EDITORIAL O REFERENCIA: Mc Graw Hill
LUGAR Y AO DE LA EDICIN Mxico
ISBN O REGISTRO: 978-970-10-4724-8

TTULO: Diseo y Anlisis de Experimentos

AUTOR: Douglas C. Montgomery
AO: Limusa Wiley
EDITORIAL O REFERENCIA: Mxico
LUGAR Y AO DE LA EDICIN 2004
ISBN O REGISTRO: 968-18-6156-6

COMP LEMENTAR IA

TTULO: Statistical Process Control

AUTOR: John Oakland
AO: 2008
EDITORIAL O REFERENCIA: Mc Graw Hill
LUGAR Y AO DE LA EDICIN Mxico
ISBN O REGISTRO: 978-075-066-9627

TTULO: Applied regression analysis, linear models, and related methods

AUTOR: John Fox
AO: 2008
EDITORIAL O REFERENCIA: SAGE Publ., 2007
LUGAR Y AO DE LA EDICIN United Stated of America
ISBN O REGISTRO: 080394540X, 9780803945401

2
 FICHA TCNICA

ESTADSTICA INDUSTRIAL

Nombre: Estadstica Industrial

Clave: ESI-ES

Para disear y utilizar herramientas estadsticas que apoyen la toma de

Justificacin: decisiones en el mbito industrial, comercial y de servicios relacionadas con
la variabilidad en los productos y/o servicios resultados de sus procesos.

El alumno ser capaz de efectuar anlisis estadsticos que contemplen

determinacin de tamao de muestra, prueba de hiptesis, parmetros de
Objetivo:
variabilidad y pruebas de bondad y ajuste para aplicarlas en los procesos
industriales, comerciales y de servicios.

Comunicar efectivamente; Saber trabajar en equipo; Ser responsable en la

Habilidades: inspeccin; Conocer las herramientas bsicas estadsticas; Conocer tcnicas
de muestreo, y tcnicas de confiabilidad.

Competencias
Capacidad de abstraccin, anlisis y sntesis; Capacidad de aplicar los
genricas a
conocimientos en la prctica; Capacidad de comunicacin oral y escrita.
desarrollar:

Capacidades a desarrollar en la asignatura Competencias a las que contribuye la asignatura

Caracterizar indicadores estadsticos mediante Simular el modelo de la situacin a mejorar

informacin documentada y recabada en campo aplicando los principios de simulacin y
para alimentar al modelo a simular. programas de cmputo para identificar reas de
mejora.

HORAS TEORA HORAS PRCTICA

Unidades de No
No
aprendizaje presenci
Presencial presencial Presencial
al
Estimacin de tiempo Distribuciones de
(horas) necesario para probabilidad discretas y 8 0 5 3
transmitir el aprendizaje al continuas
alumno, por Unidad de Pruebas de hiptesis
Aprendizaje: para distribuciones
10 0 7 4
especiales y para dos
poblaciones.
Anlisis de Regresin 12 0 8 3

3
 Anlisis de confiabilidad 15 0 10 5

Total de horas por

90
cuatrimestre:
Total de horas por semana: 6
Crditos: 5

4
 DESARROLLO DE LA PRCTICA O PROYECTO

Estadstica Industrial
Nombre de la asignatura:

Nombre de la Unidad de Distribuciones de probabilidad discretas y continuas

Aprendizaje:
Nombre de la prctica o
Prctica: Generacin de funciones de probabilidad y su identificacin con
proyecto:
ayuda de software estadstico.

01
Nmero: Duracin (horas) : 3
Al completar la unidad de aprendizaje, el alumno ser capaz de:

Estimar los parmetros a travs de las diferentes distribuciones de

Resultado de probabilidad discretas.
aprendizaje:
Determinar los parmetros mediante las diferentes distribuciones de
probabilidad continuas.

Requerimientos (Material
Software Estadstico, Computadoras, Proyector, Material de Muestreo
o equipo):
Actividades a desarrollar en la prctica: Definir en prosa las actividades a desarrollar en cada etapa.
El profesor elegir los integrantes a conformar las parejas de trabajo.
En parejas, los alumnos analizarn dos bases de datos una con datos cualitativos y otra con
datos cuantitativos, obteniendo las medidas estadsticas descriptivas de las mismas.
El profesor revisar el anlisis descriptivo y evaluar la propuesta de la tcnica para calcular las
probabilidades correspondientes.
Los alumnos, con las estimaciones obtenidas y tomando en cuenta el tipo de variable y las
caractersticas del experimento en cuestin realizarn los clculos correspondientes para la
determinacin de las probabilidades necesarias.
Los alumnos, con las probabilidades calculadas calcularn la distribucin de probabilidad
correspondiente simulando as distintas fases del experimento.
El profesor evaluar el trabajo y proporcionar la retroalimentacin al mismo.

Evidencias a las que contribuye el desarrollo de la prctica:

EP1. Reporte de prctica sobre generacin de diferentes distribuciones de probabilidad discretas y

continuas a partir de diferentes listas de datos y su identificacin con ayuda de software estadstico.

5
 DESARROLLO DE LA PRCTICA O PROYECTO

Estadstica Industrial
Nombre de la asignatura:

Nombre de la Unidad de Pruebas de hiptesis para distribuciones especiales y para dos poblaciones.
Aprendizaje:
Nombre de la prctica o
proyecto: Inferencia Estadstica

01
Nmero: Duracin (horas) : 3
Al completar la unidad de aprendizaje el alumno ser capaz de:
Definir un plan de muestreo adecuado y representativo.

Desarrollar pruebas de hiptesis para una proporcin.

Resultado de
aprendizaje: Elaborar pruebas de hiptesis para diferencia de medias y de
proporciones.

Interpretar pruebas de bondad y ajuste mediante distribuciones poisson,

exponenciales, ji cuadradas.
Requerimientos (Material
Software Estadstico, Computadoras, Proyector, Material de Muestreo
o equipo):
Actividades a desarrollar en la prctica: Definir en prosa las actividades a desarrollar en cada etapa.
El profesor elegir los integrantes para conformar los equipos de trabajo.
En equipos de 4 personas, los alumnos debern seleccionar un problema a estudiar, de alguna
poblacin en especfico.
Los alumnos disearn el plan de muestreo y el instrumento de medicin a aplicar.
El profesor evaluar el tema a estudiar y definir si es pertinente.
Los alumnos aplicarn el instrumento y recolectarn la muestra.
Los alumnos aplicarn la metodologa adecuada para analizar de manera descriptiva la muestra.
Los alumnos desarrollarn las pruebas de hiptesis correspondientes y adecuadas para dar
conclusiones vlidas y confiables.
El profesor evaluar el anlisis y proporcionar la retroalimentacin correspondiente.

Evidencias a las que contribuye el desarrollo de la prctica:

ED1: Exposicin de un proyecto donde a partir de una base de datos obtenida de un plan de muestreo
adecuado, por medio de pruebas de hiptesis correctas aplicadas a una muestra se infiera un resultado
acerca de una poblacin.

6
 DESARROLLO DE LA PRCTICA O PROYECTO

Estadstica Industrial
Nombre de la asignatura:

Nombre de la Unidad de Anlisis de Regresin

Aprendizaje:
Nombre de la prctica o
Prctica: Identificacin del modelo ptimo y comprobacin de resultados de
proyecto:
la regresin.

02
Nmero: Duracin (horas) : 5
Al completar la unidad de aprendizaje el alumno ser capaz de:

Realizar un anlisis de Regresin lineal simple.

Resultado de
aprendizaje:
Interpretar un anlisis de Regresin lineal mltiple para la identificacin
de la solucin ptima del modelo.

Requerimientos (Material
Software Estadstico, Computadoras, Proyector, Material de Muestreo
o equipo):
Actividades a desarrollar en la prctica: Definir en prosa las actividades a desarrollar en cada etapa.
El profesor definir las personas que integrarn el equipo de trabajo as como el problema a
analizar por cada equipo.
En equipo de 4 personas, los alumnos resolvern un problema real por medio de la tcnica de
regresin lineal o mltiple.
Probarn los supuestos correspondientes para la correcta aplicacin de la tcnica de regresin.
El profesor evaluar los supuestos analizados por los alumnos definiendo si es correcta la
aplicacin de la tcnica.
Investigarn y analizarn las variables causales y exgenas del problema.
Formularn el modelo de regresin que proporcione el mejor ajuste al problema.
Estimarn los parmetros del modelo de regresin.
Comprobarn la confiabilidad del modelo de regresin.
El profesor evaluar el modelo de regresin y sus conclusiones y proporcionar la
retroalimentacin correspondiente.

Evidencias a las que contribuye el desarrollo de la prctica:

EP1: Reporte de Prctica sobre la identificacin del modelo ptimo de regresin, comprobacin de
resultados y reflexin sobre factores exgenos que pueden influenciarlo.

7
 DESARROLLO DE LA PRCTICA O PROYECTO

Estadstica Industrial
Nombre de la asignatura:

Nombre de la Unidad de Anlisis de confiabilidad

Aprendizaje:
Nombre de la prctica o
proyecto: Prctica: simulacin de estudios R&R

03
Nmero: Duracin (horas) : 5
Al completar la unidad de aprendizaje el alumno ser capaz de:
Resultado de
Proponer recomendaciones a un proceso en base a un estudio de
aprendizaje:
Repetibilidad y Reproducibilidad (R&R).

Requerimientos (Material Software Estadstico, Computadoras, Proyector, material de medicin de

o equipo): metrologa, Material de Muestreo.
Actividades a desarrollar en la prctica: Definir en prosa las actividades a desarrollar en cada etapa.
El profesor definir los integrantes del equipo de trabajo.
En equipo de 4 personas, los alumnos identificarn un proceso productivo.
El profesor evaluar si el proceso productivo elegido por los alumnos es adecuado para
propsito de anlisis.
Analizarn el proceso productivo determinando el sistema de medicin crtico con el objetivo de
evaluar su variabilidad.
Elaborarn un anlisis de repetibilidad y reproducibilidad (R&R) del sistema definiendo su
variabilidad implcita con apoyo del software estadstico.
Valorarn el sistema en base a los resultados y proporcionarn conclusiones y propuestas de
mejora.
El profesor evaluar el anlisis y proporcionar la retroalimentacin correspondiente.

Evidencias a las que contribuye el desarrollo de la prctica:

ED1: Prctica: Simulacin que reproduce en forma vivencial el anlisis de un proceso productivo
aplicando las tcnicas de repetibilidad y reproducibilidad (R&R) con apoyo de software estadstico.

8
INSTRUMENTOS
DE
EVALUACIN

9
 LISTA DE COTEJO PARA REPORTE DE PRCTICA DE GENERACIN DE
DISTRIBUCIONES DE PROBABILIDAD
U1, EP1

UNIVERSIDAD POLITECNICA DE :
DATOS GENERALES DEL PROCESO DE EVALUACIN.
Nombres(s) del Alumno(s) Matrcula: Firma del alumno(s)
Producto: Nombre del Proyecto: Fecha:
Asignatura: Control Estadstico de la Calidad. Periodo Cuatrimestral:
Nombre del Docente: Firma del Docente.

INSTRUCCIONES
Revisar las actividades que se solicitan y marquen en los apartados SI cuando la evidencia se
cumple; en caso contrario marque NO. En la columna OBSERVACIONES indicaciones que pueden
ayudar al alumno a saber cules son las condiciones no cumplidas, si fuese necesario.
Valor del Caractersticas a cumplir CUMPLE OBSERVACIONES
reactivo SI NO

Presentacin: El trabajo cumple con los requisitos

2% de:
a) Buena presentacin
5% b) Presenta cero errores ortogrficos.
3% c) Maneja el lenguaje tcnico apropiado
Introduccin y objetivo: En la introduccin se
presenta un bosquejo del alcance y definicin del
10%
experimento analizado y se presenta una idea clara
del objetivo de trabajo.
Sustento Terico: Presenta una definicin de la
metodologa a seguir para el clculo de
probabilidades y la elaboracin de la distribucin de
20%
probabilidad correspondiente, y lo sustenta con
referencias bibliogrficas y ligas de Internet, cita
correctamente a los autores.
Desarrollo: Cumpli con lo establecido en la
35%
prctica.

10
 Clasifica correctamente los datos bajo
estudio.
Calcula por medio del procedimiento
correcto las medidas descriptivas para cada
base de datos.
Calcula las probabilidades correspondientes
utilizando las frmulas y metodologas
adecuadas.
Elabora la distribucin de probabilidad para
cada base de datos y desarrolla la
simulacin del experimento utilizando la
distribucin de probabilidad correcta.
Conclusiones: Las conclusiones son claras y acordes
15% con el objetivo esperado. Describe perfectamente
cada uno de los grficos y tablas utilizadas.
Responsabilidad: Entreg el reporte en la fecha y
10%
hora sealada
100% CALIFICACION

11
 CUESTIONARIO GUA DE INTERPRETACIN Y APLICACIN DE LAS
DISTRIBUCIONES DE PROBABILIDAD DISCRETAS O CONTINUAS
U1, EC1

UNIVERSIDAD POLITCNICA DE _________________________

ASIGNATURA: ESTADISTICA INDUSTRIAL
Programa Acadmico: Periodo Cuatrimestral:
Profesor: Fecha:
Nombre del alumno: Matrcula:
Tema: Grupo:
INSTRUCCIONES
Resuelve de manera correcta los problemas siguientes contestando los incisos correspondientes; el
valor de cada problema del 1 al 4 es de 1%, y el valor de los problemas del 5 al 7 es de 2%.

1) Dennis Hogan es el supervisor de la presa Conowingo Hydroelectric. El seor Hogan sabe que
las turbinas de la presa generan electricidad a una tasa pico cada da slo cuando pasan al
menos 1000000 de galones de agua a travs de las compuertas. Tambin sabe, por
experiencia que el flujo diario tiene una distribucin normal con media igual al flujo del da
anterior y desviacin estndar de 200000 galones. Ayer fluyeron 850000 galones por la
presa. Cul es la probabilidad de que las turbinas hoy generen electricidad a la tasa pico?

2) La compaa Nobb Door fabrica puertas para vehculos recreativos. La compaa tiene dos
propsitos en conflicto: desea construir puertas lo ms pequeas posible para ahorrar
material pero, para conservar su buena reputacin con el pblico, se siente obligada a
fabricar puertas con la altura suficiente para que el 95% de la poblacin adulta de Estados
Unidos pueda pasar sus marcos. Con el fin de determinar la altura con la cual fabricar las
puertas, la Nobb est dispuesta a suponer que la altura de la gente adulta de Estados Unidos
est distribuida normalmente con una media de 73 pulgadas (1.85 m), con una desviacin
estndar de 6 pulgadas (15.24 cm). Qu tan altas debern ser las puertas que fabrica la
compaa Nobb?

3) En un estudio reciente se encontr que las mujeres toman en promedio 8.6 semanas sin
goce de sueldo despus del nacimiento de su hijo. Supngase que la distribucin de estos
valores sigue una distribucin normal con desviacin estndar 2.0 semanas. Se toma una
muestra de 35 mujeres que acaban de regresar a su trabajo despus del nacimiento de su
hijo. Cul es la probabilidad de tomar una muestra de 25 semanas y encontrar que la media
muestra sea por lo menos 8.8 semanas?

4) John Kleman es el conductor de un programa de radio durante su programa pide a los

radioescuchas que lo llamen para comentar las noticias actuales, nacionales e
internacionales. John est interesado en el nmero de horas, por da, que los nios menores
de 12 aos ven en TV. La cantidad de horas que los hijos de cinco de las radioescuchas
vieron en TV son: 3.0 3.5 4.0 4.5 3.0

12
 5) Los sistemas militares de radar y de deteccin de misiles deben advertir a un pas de los
ataques del enemigo. Una interrogante sobre su confiabilidad consiste en determinar si un
sistema de deteccin podr identificar un ataque y emitir una alarma. Suponga que
determinado sistema de deteccin tiene un 0.90 de probabilidad de detectar un ataque con
misiles. Aplique la distribucin binomial de probabilidades para contestar las siguientes
preguntas.

a. Cul es la probabilidad de que un solo sistema de deteccin descubra un ataque?

b. Si se instalan dos sistemas de deteccin en la misma zona y funcionan

independientemente, cul es la probabilidad de que al menos uno de los sistemas advierta sobre
un ataque?

c. Si se instalan tres sistemas, cul es la probabilidad de que al menos uno de ellos des-
cubra el ataque?

d. Recomendara usted usar sistemas mltiples de deteccin? Explique su respuesta.

6) La presin de aire de un neumtico seleccionado al azar instalado en un automvil nuevo,

est normalmente distribuida con valor medio de 31 lb/pulg2 y desviacin estndar de 0.2
lb/pulg2.

a) Cul es la probabilidad de que la presin de un neumtico, seleccionado al azar,

exceda de 30.5 lb/pulg2?

b) Cul es la probabilidad de que la presin de un neumtico, seleccionado al azar, se

encuentre entre 30.5 y 31.5 lb/pulg2 y entre 30 y 32 lb/pulg2?

c) Cul es la diferencia entre una estimacin puntual y una estimacin por intervalos?

7) Una amplia experiencia en ventiladores de cierto tipo, empleados en motores diesel, ha

sugerido que la distribucin exponencial es un buen modelo para el tiempo hasta que se
presente una falla. Suponga que el tiempo medio hasta una falla es de 25 000 hrs. cul es
la probabilidad de que:

a. Un ventilador seleccionado al azar dure por lo menos 20, 000 hrs?, a lo sumo 30,000
hrs?, entre 20,000 y 30,000 hrs?

b. La duracin de un ventilador exceda el valor medio en ms de 2 desviaciones estndar? Y

en ms de 3 DE?

13
 GUA DE OBSERVACIN PARA LA EVALUACION DE EXPOSICION POR EQUIPO
ESTADISTICA INDUSTRIAL
NUMERO DE EQUIPO GRUPO FECHA

TEMA
EVALUACION INDIVIDUAL DEL ALUMNO
Nombre del integrante
M M M M
PRESENTACION M R B B E M R B B E M R B B E M R B B E

1. El exponente viste de manera formal (traje, corbata, saco, zapato cerrado, falda a la mitad de la
rodilla) NC BU BA I C NC BU BA I C NC BU BA I C NC BU BA I C
2. El exponente muestra una imagen limpia y profesional NC BU BA I C NC BU BA I C NC BU BA I C NC BU BA I C
3. Al iniciar el tema, el exponente se presenta personalmente con el grupo NC BU BA I C NC BU BA I C NC BU BA I C NC BU BA I C
EXPOSICION
4. El alumno denota dominio y conocimiento del tema NC BU BA I C NC BU BA I C NC BU BA I C NC BU BA I C
5. El alumnos expone de manera fluida, sin nerviosismo, sin muletillas ni titubeos NC BU BA I C NC BU BA I C NC BU BA I C NC BU BA I C

6. El alumno interactua con el grupo, pregunta si hay dudas, establece comunicacin abierta NC BU BA I C NC BU BA I C NC BU BA I C NC BU BA I C
7. El alumno menciona ejemplos acordes al tema y para concretar su explicacin NC BU BA I C NC BU BA I C NC BU BA I C NC BU BA I C
PROMEDIO POR ALUMNO= SUMAx10/70
EVALUACION DEL EQUIPO

ORGANIZACIN MALREGBIENMBEXC COMENTARIOS DE RETROALIMENTACION AL EQUIPO

8.El equipo esta preparado e incia puntualmente su exposicin NC BU BA I C

9. El equipo esta organizado NC BU BA I C
10. El equipo ejerce liderazgo con el grupo en orden y atencin NC BU BA I C
CONTENIDO DEL TEMA EXPUESTO
11. El equipo entrega el resumen de su tema antes de iniciar NC BU BA I C
12. El equipo establece las caracteristicas principales del tema NC BU BA I C
13. El equipo establece las etapas del tema NC BU BA I C

14
 CUESTIONARIO SOBRE INTERPRETACIN Y APLICACIN DE PRUEBAS
DE HIPTESIS Y PRUEBAS DE BONDAD Y AJUSTE
U2, EC1

UNIVERSIDAD POLITCNICA DE _________________________

ASIGNATURA: ESTADISTICA INDUSTRIAL
Programa Acadmico: Periodo Cuatrimestral:
Profesor: Fecha:
Nombre del alumno: Matrcula:
Tema: Grupo:
INSTRUCCIONES
Resuelve de manera correcta los problemas siguientes contestando los incisos correspondientes; el
valor de cada problema es de 2%.

1) Algunos cientficos piensan que los robots jugarn un papel esencial en las fbricas en los
prximos 20 aos. Supongamos que en un experimento para determinar si es factible el uso
de robots para trenzar cables de computadora, se empleo un robot para ensamblar 500
cables. Se examinaron los calves y encontraron defectuosos 14 de ellos. Si los
ensambladores humanos tienen una tasa de 0.03 (3%), apoya esta informacin la hiptesis
de que la proporcin de partes defectuosas es menor para robots que para humanos?

2) Una muestra aleatoria de 150 donaciones recientes en un banco de sangre revela que 92
eran sangre tipo A. sugiere esto que el porcentaje real de donadores tipo A difiere del 40%,
el porcentaje de la poblacin con sangre tipo A? haga una prueba de hiptesis adecuada con
un nivel de significancia del 0.1. sera distinta su conclusin si se usara un nivel de
significancia de 0.5?

3) Una lnea area ha desarrollado un plan para un club del viajero ejecutivo, sobre la premisa
de que 5% de sus clientes actuales llenaran los requisitos para ser socios., una muestra
aleatoria de 500 clientes dio por resultado que 40 llenaran los requisitos.

a. con estos datos pruebe con un nivel de 0.1 la hiptesis nula de que la premisa de la
compaa es correcta contra la alternativa de que no es correcta.

b. cul es la probabilidad de que cuando utilice la prueba de la parte (a) la premisa de la

compaa se juzgue correcta cuando de hecho 10% de todos los clientes actuales llenan los
requisitos?

4) Se determin el nivel de plomo en la sangre para una muestra de 152 trabajadores hombres,
entre 20 y 30 aos de edad que laboran con desechos peligrosos y tambin para una
muestra de 86 trabajadores mujeres obtenindose una media error estndar igual a
5.50.3 para los hombres y 3.80.2 para las mujeres. Estime la diferencia entre el
verdadero promedio en niveles de plomo en la sangre para trabajadores hombres y mujeres,
que proporcione informacin acerca de su confiabilidad y precisin.

5) Una prueba oblicua de corte es muy aceptada para evaluar materiales adhesivos en
reparacin del concreto; usa especmenes de cilindros hechos de dos mitades idnticas
pegados a 30. El artculo Testing the bond Between Repair Materials and concrete Substrace
(ACI Materials J 1996) indica que para 12 especmenes preparados con cepillado de alambre
la Resistencia promedio al corte (N/mm2) fue 19.20 y la desviacin estndar muestral 1.58;
mientras que para 12 especmenes cincelados a mano; los valores correspondientes fueron
23.13 y 4.01. La resistencia promedio para ambos parece distinta?

15
 RBRICA PARA REPORTE DE PRCTICA SOBRE LOS PASOS A SEGUIR PARA LA
GENERACIN DEL MODELO DE REGRESIN PTIMO
U3, EP1

Aspecto a Competente Independiente Bsico Bsico No

Evaluar 10 9 Avanzado Umbral competente
8 7 0
Realiza un anlisis Realiza un anlisis Realiza un No realiza
descriptivo de los datos, descriptivo de los anlisis Prueba los anlisis
de manera detallada y datos, identifica las descriptivo de supuestos del descriptivo
confiable, estimando los variables a incluirse los datos. modelo de de los
parmetros descriptivos en el modelo de regresin a datos,
de la muestra, e regresin. As mismo utilizar, de tal adems de
identificando las prueba todos forma que los que no
Anlisis y
variables a incluirse en el As mismo prueba los supuestos resultados o prueba los
relacin de la
modelo de regresin. todos los supuestos del modelo de conclusiones supuestos
informacin
del modelo de regresin a obtenidas pertinentes.
(40%)
As mismo prueba todos regresin a utilizar, utilizar, de tal sean
los supuestos del modelo de tal forma que los forma que los confiables.
de regresin a utilizar, de resultados o resultados o
tal forma que los conclusiones conclusiones
resultados o conclusiones obtenidas sean obtenidas sean
obtenidas sean confiables. confiables.
confiables.
Organizacin Presenta el modelo de Presenta el modelo Presenta el Presenta el No sigue la
de la regresin desarrollado de regresin modelo de modelo de metodolog
informacin siguiendo la metodologa desarrollado regresin regresin a adecuada
(30%) adecuada, sigue los siguiendo la desarrollado desarrollado para la
pasos de manera precisa metodologa siguiendo la siguiendo la aplicacin
y cuidadosa, adems adecuada, sigue los metodologa metodologa de la
define de manera sencilla pasos de manera adecuada, adecuada, no tcnica de
las variables a modelar, y precisa y cuidadosa, explica sus relaciona regresin.
logra explicar sus ideas y adems define de ideas y cada uno de
aportaciones al modelo manera sencilla las aportaciones, los puntos de
de manera muy clara. variables a modelar, pero no la
sin embargo no relaciona cada metodologa,
logra explicar sus uno de los haciendo el
ideas y aportaciones puntos de la procedimient
al modelo de metodologa, o difcil de
manera muy clara. haciendo el comprender
procedimiento para el lector.
difcil de No
comprender proporciona
para el lector. explicacin ni
conclusiones.
Forma Elementos a considerar: Cumple con los Cumple con los Cumple con No rene
(30%) 1. Titulo (arial 12) primeros 6 primero 5 dos de los los criterios
2. Fuente (arial 11) para elementos elementos elementos mnimos
todo el documento requeridos. requeridos. requeridos. para
3. Contenidos (claros elaborar
bien definidos, utiliza anlisis de

16
imgenes, formas y regresin.
aplicaciones para su
presentacin).
4. Definicin del
problema (define de
manera clara el problema
a resolver por medio de la
tcnica de regresin).
5. Metodologa (sigue de
manera precisa cada uno
de los pasos de la
metodologa adecuada).
6. Ortografa (0)
7. Referencias
bibliogrficas.

17
 CUESTIONARIO DE INTERPRETACIN Y APLICACIN DE MODELOS DE
REGRESIN SIMPLE Y MLTIPLE
U3, EC1

UNIVERSIDAD POLITCNICA DE _________________________

ASIGNATURA: ESTADISTICA INDUSTRIAL
Programa Acadmico: Periodo Cuatrimestral:
Profesor: Fecha:
Nombre del alumno: Matrcula:
Tema: Grupo:
INSTRUCCIONES
Resuelve de manera correcta los problemas siguientes contestando los incisos correspondientes; el
valor de cada problema es de 2%.

1) Se cree que la pureza de oxigeno producido con un proceso de fraccionamiento est

relacionada con el porcentaje de hidrocarburos en el condensador principal de la unidad de
procesamiento. A continuacin se muestran los datos de veinte muestras.

PUREZA (%) HIDROCARBUROS (%) PUREZA (%) HIDROCARBUROS (%)

86.91 1.02 96.73 1.46
89.85 1.11 99.42 1.55
90.28 1.43 98.66 1.55
86.34 1.11 96.07 1.55
92.58 1.01 93.65 1.40
87.33 0.95 87.31 1.15
86.29 1.11 95.00 1.01
91.86 0.87 96.85 0.99
95.61 1.43 85.20 0.95
89.86 1.02 90.56 0.98

a) ajustar el modelo de regresin lineal simple a los datos.

b) probar la hiptesis H0: =0

c) calcular R2

d) Determinar un intervalo de confianza de 95% para la pendiente.

e) Determinar un intervalo de confianza de 95% para la pureza media, cuando el porcentaje de

hidrocarburos es de 1.00

f) suponer que la pureza y el porcentaje de hidrocarburos son variables aleatorias con distribucin
normal conjunta, cul es la correlacin entre la pureza del oxgeno y el porcentaje de
hidrocarburos? Probar la hiptesis que =0, establecer un intervalo de confianza de 95% para .

2. una importante aerolnea seleccion una muestra aleatoria de 25 vuelos, y encontr que la
correlacin entre el nmero de pasajeros y el peso total de equipaje, en libras, almacenado en el

18
comportamiento correspondiente es de 0.94. Usando un nivel de confianza de 0.05 puede
concluirse que existe una asociacin positiva entre las dos variables?

3. La empresa Super Markets Inc. Est pensando en expandirse a una determinada regin. La
seorita Luan Miller directora de planeacin tiene que presentar un anlisis de la expansin
propuesta. Como parte del anlisis debe presentar informacin sobre la cantidad mensual que
gastan en comestibles las personas en esa regin. A la seorita Miller le gustara presentar tambin
informacin sobre la relacin entre la cantidad gastada en comestibles y el ingreso. Ella obtiene la
siguiente informacin muestral:

Household Amount Income Household Amount Income

1 555 4388 21 913 6688
2 489 4558 22 918 6752
3 458 4793 23 710 6837
4 613 4856 24 1083 7242
5 647 4856 25 937 7263
6 661 4899 26 839 7540
7 662 4899 27 1030 8009
8 675 5091 28 1065 8094
9 549 5133 29 1069 8264
10 606 5304 30 1064 8392
11 668 5304 31 1015 8414
12 740 5304 32 1148 8882
13 592 5346 33 1125 8925
14 720 5495 34 1090 8989
15 680 5581 35 1208 9053
16 540 5730 36 1217 9138
17 693 5943 37 1140 9329
18 541 5943 38 1265 9649
19 673 6156 39 1206 9862
20 676 6603 40 1145 9883

a) sea cantidad gastada la variable dependiente e ingreso mensual la variable independiente.

Usando un software estadstico elabore un diagrama de dispersin.

b) determine la ecuacin de regresin e interprete el valor de la pendiente.

c) determine el coeficiente de correlacin. Puede concluir que es mayor que 0?

4. Mencione las hiptesis en las cules se basa el anlisis de correlacin y regresin mltiple

5. El seor Steve Douglas fue contratado como gerente en capacitacin por una importante empresa
financiera. Como primer proyecto se le pidi que estudiara la utilidad bruta en la industria qumica,
Qu factores afectan las utilidades en esa industria? Steve selecciona al azar una muestra aleatoria
de 16 compaas, y obtiene datos respecto a la cantidad de empleados el nmero de dividendos
consecutivos pagados de acciones comunes, el valor total de inventario al inicio del presente ao y la
ganancia bruta de cada empresa. Sus hallazgos son:

19
Profit Employee Dividend Invent
2800 140 12 1800
1300 65 21 320
1230 130 42 820
1600 115 80 76
4500 390 120 3600
5700 670 64 8400
3150 205 43 508
640 40 14 870
3400 480 88 5500
6700 810 98 9875
3700 120 44 6500
6440 590 110 9130
1280 440 38 1200
4160 280 24 890
3870 650 60 1200
980 150 24 1300

a) Determine la ecuacin de regresin. La master chemical company emplea 220 personas, ha

pagado 64 dividendos consecutivos de acciones comunes y tiene al inicio del ao un inventario
valuado en $1500(dlares) cul es la estimacin para la ganancia bruta?

b) Realice una prueba de hiptesis global para determinar si alguno de los coeficientes de regresin
neta es diferente de cero.

c) realice una prueba de hiptesis para los coeficientes de regresin individuales. Pensara en
eliminar alguna de las variables independientes?

d) si su conclusin en el inciso c) fue eliminar una o varias variables independientes, realice de

nuevo el anlisis sin considerar esas variables.

e) determine los residuales para la ecuacin del inciso d) use un diagrama de tallo y hoja o un
histograma para verificar la distribucin de los residuales es aproximadamente normal.

f) grafique un diagrama de dispersin de los residuales calculados en el inciso e), indica alguna
violacin de los supuestos.

20
 GUA DE OBSERVACIN PARA LA EVALUACION DE PRACTICA DE SITUACIN SIMULADA DE UN R&R Y EXPOSICIN
ESTADISTICA INDUSTRIAL
NUMERO DE EQUIPO GRUPO FECHA

TEMA
EVALUACION INDIVIDUAL DEL ALUMNO
Nombre del integrante
M M M M
CONTENIDO DEL TEMA M R B B E M R B B E M R B B E M R B B E

1. El alumno desarrolla y explica de manera detallada el problema a analizar desglosando el proceso. NC BU BA I C NC BU BA I C NC BU BA I C NC BU BA I C

2. El alumno desarrolla la metodologa vista en clase para la resolucin y anlisis del problema en
cuestin. NC BU BA I C NC BU BA I C NC BU BA I C NC BU BA I C
3. El alumno aplica las tcnicas y metodologas estadsticas adecuadas para el anlisis de la
informacin. NC BU BA I C NC BU BA I C NC BU BA I C NC BU BA I C
4. El alumno utiliza el software estadstico de manera correcta NC BU BA I C NC BU BA I C NC BU BA I C NC BU BA I C

5. El alumno provee concluisiones y propuestas de mejora creativas y factibles al problema

EXPOSICION
4. El alumno denota dominio y conocimiento del tema NC BU BA I C NC BU BA I C NC BU BA I C NC BU BA I C
5. El alumnos expone de manera fluida, sin nerviosismo, sin muletillas ni titubeos NC BU BA I C NC BU BA I C NC BU BA I C NC BU BA I C

6. El alumno interactua con el grupo, pregunta si hay dudas, establece comunicacin abierta NC BU BA I C NC BU BA I C NC BU BA I C NC BU BA I C
7. El alumno menciona ejemplos acordes al tema y para concretar su explicacin NC BU BA I C NC BU BA I C NC BU BA I C NC BU BA I C
PROMEDIO POR ALUMNO= SUMAx10/70
EVALUACION DEL EQUIPO

ORGANIZACIN MAL REG BIENMBEXC COMENTARIOS DE RETROALIMENTACION AL EQUIPO

8.El equipo esta preparado e incia puntualmente su exposicin NC BU BA I C

9. El equipo esta organizado NC BU BA I C
10. El equipo ejerce liderazgo con el grupo en orden y atencin NC BU BA I C
MATERIAL DE EXPOSICION
16. El material de exposicion tiene poco texto, imgenes, es concreto y claro NC BU BA I C

21
 RBRICA PARA EL CASO DE ESTUDIO DEL ANLISIS DE PATRONES
PROBABILSTICOS DE FALLAS
U4, EP1

Aspecto a Competente Independiente Bsico Bsico Umbral No competente

Evaluar 10 9 Avanzado 7 0
8
Realiza la identificacin Realiza la Realiza la Realiza una Realiza la
y descripcin muy identificacin y identificacin y identificacin y identificacin y
completa de un sistema descripcin muy descripcin de descripcin de descripcin de
productivo, as mismo completa de un un sistema un sistema un sistema
desarrolla un anlisis sistema productivo, as productivo muy productivo pero
del programa de productivo, as mismo corta, presenta no presenta un
mantenimiento mismo desarrolla presenta un un anlisis anlisis del
preventivo para tal un anlisis del anlisis insuficiente del programa de
Anlisis y
proceso, identificando programa de insuficiente del programa de mantenimiento
relacin de
las caractersticas, mantenimiento programa de mantenimiento preventivo y
la
usos, tiempos de vida, preventivo para tal mantenimiento preventivo para por lo tanto no
informacin
de manera muy proceso, pero solo preventivo para tal proceso, no identifica
(40%)
detallada de los identifica algunas tal proceso, identifica las caractersticas
equipos, materiales y/o de las solo identifica caractersticas, de los equipos.
sistemas de medicin, caractersticas, y algunas de las de los equipos,
para as lograr estimar tiempos de vida, caractersticas, materiales y/o
las probabilidades de de los equipos, de los equipos, sistemas de
falla de cada equipo y/o materiales y/o materiales y/o medicin.
material. sistemas de sistemas de
medicin. medicin.
Organizaci Presenta el modelo Presenta el Presenta el Presenta el No sigue la
n de la probabilstico de anlisis de anlisis de anlisis de metodologa
informacin patrones de fallas de patrones de falla patrones de patrones de adecuada para
(30%) los equipo y/o sistemas siguiendo la falla siguiendo falla siguiendo el anlisis de
de medicin analizados, metodologa la metodologa la metodologa patrones de
siguiendo la adecuada, sigue adecuada, adecuada, no fallas por
metodologa adecuada, los pasos de explica sus relaciona cada medio de
sigue los pasos de manera precisa y ideas y uno de los mtodos
manera precisa y cuidadosa, aportaciones, puntos de la probabilsticos.
cuidadosa, adems adems define de pero no metodologa,
define de manera manera sencilla relaciona cada haciendo el
sencilla las variables a las variables a uno de los procedimiento
modelar, y logra explicar modelar, sin puntos de la difcil de
sus ideas y embargo no logra metodologa, comprender
aportaciones al modelo explicar sus ideas haciendo el para el lector.
de manera muy clara. y aportaciones al procedimiento No proporciona
modelo de manera difcil de explicacin ni
muy clara. comprender conclusiones.
para el lector.
Forma Elementos a considerar: Cumple con los Cumple con los Cumple con No rene los
(30%) 1. Titulo (arial 12) primeros 5 primero 4 dos de los criterios
2. Fuente (arial 11) elementos elementos elementos mnimos para
para todo el documento requeridos. requeridos. requeridos. elaborar
3. Contenidos (claros anlisis de
bien definidos, utiliza fallas.

22
imgenes, formas y
aplicaciones para su
presentacin).
4. Metodologa (sigue
de manera precisa cada
uno de los pasos de la
metodologa adecuada).
5. Ortografa (0)
6. Referencias
bibliogrficas.

23
GLOSARIO

1. Anlisis de Regresin. Tcnica estadstica para modelar e investigar la relacin entre dos
o ms variables.

2. Coeficientes de regresin parciales. 1, 2n, debido a que miden el cambio esperado

en Y por un cambio unitario en x.

3. Colinealidad mltiple. Dependencias muy fuertes entre las variables regresoras xj , puede
tener efectos de consecuencias sobre las estimaciones de los coeficientes de regresin y
sobre la aplicabilidad general del modelo estimado.

4. Confiabilidad. Probabilidad de que un componente o sistema desempee

satisfactoriamente la funcin para la que fue creado durante un periodo establecido y
bajo condiciones de operacin especificadas.

5. Dato Atpico. Medicin cuya magnitud es muy diferente a la generalidad de las

mediciones del correspondiente conjunto de datos.

6. Datos censurados. Cuando no se conocen los tiempos de falla de las unidades de

manera exacta, sino solo intervalos de tiempo donde las fallas ocurrieron o hubieran
ocurrido.

7. Desviacin estndar muestral. Es la medida ms usual de variabilidad. mide que tan

esparcidos estn los datos respecto a la media.

8. Distribuciones de probabilidad. Es una descripcin de las probabilidades asociadas con

los valores posibles de X.

9. Error tipo I. Se define como el rechazo de la hiptesis nula cuando sta es verdadera.

10. Error tipo II. Se define como la aceptacin de la hiptesis nula cuando sta es falsa.

11. Factores de Inflacin de la Varianza (VIF). Medidas de colinealidad mltiple muy tiles.
entre mayor sea el VIF ms marcada ser la colinealidad mltiple.

12. Falla. Es cuando un producto, componente o sistema deja de funcionar o no realiza

satisfactoriamente la funcin para la que fue creado.

13. Hiptesis estadstica. Es un enunciado acerca de los parmetros de una o ms

poblaciones.

14. Lmites reales. Indican de donde a donde vara la salida de un proceso.

24
15. Modelo de regresin lineal simple. Supone que el valor esperado de Y es una funcin
lineal de x, pero que el valor real de Y para un valor fijo de x se determina por la funcin
del valor medio ms un trmino del error aleatorio.

16. Muestreo: Es la tcnica para la seleccin de una muestra a partir de una poblacin.

17. Muestro por atributos: Muestro en que los elementos y la muestra estn clasificados en
dos o ms categoras segn un determinado atributo o caracterstica cualitativa.

18. Plan de Muestreo: Elemento clave en el muestreo de aceptacin.

19. Potencia de la prueba. Probabilidad de rechazar la hiptesis nula cuando la hiptesis

alternativa es verdadera.

20. Regresin Mltiple. Modelo de regresin que contiene ms de una variables regresora.

21. Sesgo. Es una medida numrica de la asimetra en la distribucin de un conjunto de

datos.

22. Tendencia central. Representa el valor al que tienden a concentrarse los datos de una
muestra o un proceso.

23. Tiempo de falla. Tiempo que transcurre hasta que el producto deja de funcionar. tiempo
de vida del producto.

24. Variabilidad. Se refiere a la diversidad de resultados de una variable o de un proceso.

25. Valor P. Es el nivel de significacin ms bajo que llevara al rechazo de la hiptesis nula
con los datos dados.

25
BIBLIOGRAFA

Bsica
Probabilidad y estadstica para ingeniera y ciencias
DEVORE, Jay L,
2008
Cengage Learning editores
Mxico, 2008
ISBN 9789706868312

Industrial Statistics, practice methods and guidance and improved performance

JOCKLEARD Anand M.
2010
Wiley
United Stated of America
ISBN 978 0470 49716-6

Probability, Statistics, and Reliability for Engineers and Scientists

AYYUB Bilal M., McCUEN Richard
2011
Taylor and Francis
2011, 3, ilustrada
ISBN 1439809518, 9781439809518

Control Estadstico de Calidad y Seis Sigma

GUITIRREZ Pulido Humberto, DE LA VARA Salazar Romn
2004
Mc Graw Hill
Mxico
ISBN 978-970-10-4724-8

26
 Diseo y Anlisis de Experimentos
MONTGOMERY Douglas C.
Limusa Wiley
Mxico, 2004
ISBN 968-18-6156-6

Complementaria

Statistical Process Control

OAKLAND John
2008
Mc Graw Hill
Mxico
ISBN 978-075-066-9627

Applied regression analysis, linear models, and related methods

FOX John
2008
SAGE Publ., 2007
United Stated of America
ISBN 080394540X, 9780803945401

27