Primera semana

La primera semana logramos familiarizarnos con el programa a desarrollar tablas estadísticas

que contengan conteo, valores máximos y mínimos, porcentajes; se aprendió a seleccionar la
mejor grafica para el tipo de variable que deseamos analizar (cualitativa o cuantitativa) para
ello aprendimos a diferenciarlos, se logró darle una grafica a las variables cualitativas las cuales
podían ser graficas de barras o circulares.

Se aprendió a construir el diagrama de Ishikawa en el programa de minitab que sirve para ver
cuáles son las causas principales o incluso subcausas que presenta y que todos estos originan
un efecto que es un problema, es un diagrama muy visual cualitativo, nos ayuda a organizar
mejor estos datos.

Aplicación a metalurgia :

Una planta metalurgia puede usar el diagrama circular para organizar sus datos y saber el
porcentaje que representa una roca con distintos minerales, que podamos analizar también la
proporción que existen entre estas.

% de minerales de roca
Categoría
pirita
calcopirita
galena
esfalerita
 Segunda semana:
En esta semana desarrollamos tablas cruzadas podemos desarrollar totales por columna (el
100% se encuentra al final de cada columna) o por fila o por gran total que relaciona fila.

Se construyo un diagrama de pareto que reúne distintos problemas en el eje x y el eje y están
esos problemas en porcentaje en la parte derecha y en la izquierda el conteo del problema, se
busca los pocos vitales y se omiten los muchos triviales, se busca que el 20% o 30% resuelvan
mínimamente el 75 % de los problemas.

Aplicación en la minería :

Tercera semana
Aprendimos a aplicar medidas de resumen y tomar decisiones siendo riguroso en los
datos ya sea resumir en un valor a un conjunto de observaciones (medida de
tendencia central) o agruparlos (medidas de posición), a cuantificar que tan dispersos
o concentrados están los datos; para el cual usamos el minitab para obviar la parte
operativa ya que las formulas nos resultan tediosas al operarlo.

Por lo tanto al ver la forma en que se separan o aglomeran los valores de acuerdo a su
representación gráfica nos permite identificarlo visualmente la dispersión de los datos.
(Medida de forma).

Y así llegamos al diagrama de cajas que nos permite a entender de una forma más
práctica las cuales son:

 Comparar las medianas de dos o más conjuntos de datos.

 Observar el tipo de distribución de los datos (simétrica o asimétrica).
 Determinar la dispersión en el 50% central de los datos.
 Identificar la presencia de valores extremos (datos atípicos).
Aplicación a la metalúrgica

En el proceso de molienda en el cambio de los granos que entra a este proceso es

netamente importante, y en las investigaciones de la molienda sac en el cambio de
bolas de 5 pulgadas a una de 5.5 pulgadas .

Cuarta semana
En esta semana fue importante saber la correcta diferencia de los conceptos de estadística
descriptiva y inferencial. La estadística inferencial nos otorga datos sobre una población a
partir de la muestra, esta siempre tiene un margen de error. La estadística descriptiva son los
datos obtenidos del análisis de información de una población.

En este capítulo se aprendió como estimar uno o dos parámetros, tomando la información de
la muestra, a través de los intervalos de confianza . la estimación por intervalos se construye al
sumar y restar un valor, denominado margen de error. La diferencia entre el valor absoluto
entre un estimador puntual insesgado y el parámetro cual estima, se conoce como margen de
error o error de estimación.

En minitab se aprendió a hallar el intervalo de confianza de una media y una estimación

interválica para dos parámetros

Aplicación en la metalurgia

En una explotación minera las rocas excavadas se someten a un análisis químico para
determinar su contenido porcentual de Cadmio. Después de analizar 25 rocas se obtiene que
𝑥̅ = 9.77 𝑦 𝑆̂ = 3.164. Suponiendo que el contenido porcentual de Cadmio sigue una
distribución normal, se pide . Con un nivel de confianza de 95%.construya e interprete para el
contenido porcentual medio de cadmio para la mina y se neces

a) Construir un intervalo de confianza al 95% para el contenido porcentual medio de Cadmio

en la mina.

b) Construir un intervalo de confianza al 99% para 𝜎 2

SOLUCION:
Estadísticas descriptivas
Error
estándar
de la IC de 95%
N Media Desv.Est. media para μ
25 9.770 3.164 0.633 (8.464, 11.076)
μ: media de Muestra

Estadísticas descriptivas
IC de 99%
para σ²
usando
N Desv.Est. Varianza Chi-cuadrada
25 3.16 10.0 (5.27, 24.30)

Problema 01

CALZADOS S.A. es una Cía. que fabrica todo tipo de calzado, cuenta con un área de producción
de zapatos de cuero y un área de producción de zapatillas ortopédicas, los cuales deben cumplir
con altos estándares de calidad y los requerimientos detallados por los médicos especialistas.

El ingeniero responsable del control de calidad de estas áreas de producción, está interesado en
medir la productividad diaria del personal, para ello ha aplicado pruebas estandarizadas,
tomando dos muestras independientes, de 8 días en la producción de zapatos de cuero y 10 días
en la producción de zapatillas:

Zapato de cuero (1) 120 85 103 99 114 102 90 105

Zapatillas (2) 87 90 81 84 86 92 91 88 93 95

¿Se puede concluir que la variabilidad de la producción de zapatos de cuero es igual a la de las
zapatillas ortopédicas? Use un nivel de confianza del 90%. Asuma que las variables siguen una
distribución normal. Rpta.: [2,136; 25,857]:
Estadísticas descriptivas

IC de 90% para
Variable N Desv.Est. Varianza σ²

Zapato de cuero (1) 8 11.461 131.357 (65.365, 424.251)

Zapatillas (2) 10 4.322 18.678 (9.936, 50.555)

Relación de varianzas
 IC de 90%
para la
Relación relación
estimada usando F
7.03280 (2.136, 25.857)

Conclusión: Ya que el intervalo de confianza [2,136; 25,857] no contiene al 1 se concluye que

producción de zapatos de cuero no es igual que la producción de zapatillas ortopédicas.