ESTADÍSTICOS DE PRUEBA

Jefferson Andres Perilla Chavarro

1.118.198.467
Ingeniería Industrial

Universidad de Pamplona
Facultad de ingenierías y arquitectura
Pamplona, Norte de Santander
2018

RESUMEN

En este informe se presentan una serie de variables continuas de datos tomados en minutos de
situaciones reales, donde por medio del uso del software ProModel, cuya función es hacer modelos de
simulación y optimizarlos; se generan unos resultados estadísticos donde estos siguen una distribución y
gráficas de los datos con curvas que representan el tipo de distribución de probabilidad aceptada.

Palabras clave

1. Estadístico de prueba: es una variable aleatoria que se calcula a partir de datos de muestra y se utiliza
[1]
en una prueba de hipótesis. Compara sus datos con lo que se espera bajo la hipótesis nula.
2. Distribución de probabilidad: es aquella que permite establecer toda la gama de resultados probables de
ocurrir en un experimento determinado. Es decir, describe la probabilidad de que un evento se realice en
[2]
el futuro.
3. Distribución exponencial: Este modelo suele utilizarse para variables que describen el tiempo hasta que
[3]
se produce un determinado suceso.
[4]
4. Distribución uniforme: es el modelo (absolutamente) continuo más simple.
5. Distribución LogNormal: es una distribución de probabilidad de una variable aleatoria cuyo logaritmo está
[5]
normalmente distribuido.
6. FIFO (first in, first out): Primeras en entrar, primeras en salir.

INTRODUCCIÓN

En procesos industriales se produce la llegada de entidades como clientes, dinero, piezas, documentos.
Estas entidades son finitas y llegan al azar en intervalos de tiempo. Una vez ocurre el proceso de
llegada, las entidades requieren de un tiempo de servicio donde serán atendidas en diferentes locaciones
(máquinas, oficinas), para ejemplo tenemos los datos tomados en la floristería y tardarán un tiempo para
trasladarse de una a otra locación; en muchas situaciones deberán formar una cola la cual tiene una
disciplina FIFO (primeras en entras, primeras en salir).
En el siguiente informe observaremos como algunas variables continuas siguen distribuciones de
probabilidad diferentes a la uniforme. Para simular este tipo de variables con mayor precisión se requiere
trabajar con un generador de números aleatorios y una función de densidad hallada por un método
específico. Para lograr este objetivo, el software ProModel nos ayuda a encontrar la mejor distribución para
representar los datos utilizando las pruebas de Bondad de Ajuste más comúnmente conocida como lo es la
Prueba de Kolmogorov-Smirnov, ya que esta se puede aplicar a variables continuas. Si no fuese posible
determinar la distribución, se aplica el método de la transformada inversa o de aceptación y rechazo, que se
utiliza cuando es imposible o muy difícil calcular la función inversa de la función de densidad.

1
1. MARCO TEÓRICO 1.7. Distribución LogNormal: tiende a la función
[11]
densidad de probabilidad:
1.1. PROMODEL: es un simulador con animación y
optimización para hacer modelos de simulación y
optimizarlos. Permite simular cualquier tipo de
sistemas de manufactura, logística, servicios, call
centers, manejo de materiales, etc.
[6] Para x > 0, donde μ y σ son la media y la
1.2. Estadístico de prueba: Un estadístico de prueba desviación estándar del logaritmo de variable.
mide el grado de concordancia entre una muestra
de datos y la hipótesis nula. Su valor observado El valor esperado es
cambia aleatoriamente de una muestra aleatoria a
una muestra diferente. Un estadístico de prueba
contiene información acerca de los datos que es La varianza es
relevante para decidir si se puede rechazar la
hipótesis nula. La distribución del muestreo del
estadístico de prueba bajo la hipótesis nula se
[7] 2. DATOS - CASOS
denomina distribución nula.
1.3. Variable discreta: son variables numéricas que 2.1. Estudio del tiempo de atención a los clientes en
tienen un número contable de valores entre dos una florería, medido en minutos:
valores cualesquiera. Una variable discreta siempre
es numérica. Por ejemplo, el número de quejas de 9.4 9.346 7.112 5.764 9.831
7.445 9.26 8.306 8.864 8.952
los clientes o el número de fallas o defectos. 10.489 12.685 6.957 9.192 11.35
1.4. Variable continua: son variables numéricas que 12.553 9.829 9.274 10.27 9.237
tienen un número infinito de valores entre dos 12.397 9.628 9.935 9.269 11.515
valores cualesquiera. Una variable continua puede 8.62 13.323 13.466 8.974 10.056
ser numérica o de fecha/hora. Por ejemplo, la 6.619 6.775 5.633 13.944 9.355
longitud de una pieza o la fecha y hora en que se 6.306 11.078 9.532 11.731 14.389
[8] 8.045 11.804 12.19 14.751 6.515
recibe un pago. 8.453 13.838 7.827 8.69 8.527
1.5. Distribución exponencial: es una distribución de
probabilidad continua con un parámetro λ > 0 cuya 2.2. Un estudio de comportamiento del tiempo entre
[9]
función de densidad es: roturas de cierto filamento, medido en minutos.

4.33 2.16 0.7 1.59 8.59

9.97 5.49 4.52 4.44 6.96
La distribución exponencial se puede utilizar para 2.81 3.44 4.38 2.18 4.48
modelar: 4.34 2.3 11.65 12.16 0.85
1.36 6.58 8.42 2.44 1.9
 Cuánto tiempo tarda en fallar un componente
1.61 2.88 0.44 2.15 7.36
electrónico. 7.86 0.98 2.12 0.82 3.04
 El intervalo de tiempo entre las llegadas de 14.39 9.92 8.04 6.19 9.66
clientes a una terminal 1.76 5.24 10.92 6.6 4.82
 El tiempo que esperan los clientes en fila hasta 3.53 1.45 3.69 0.28 2.89
recibir servicio
 El tiempo hasta que se declara el 2.3. ¿Qué distribución siguen los datos?
incumplimiento de un pago (modelos de riesgo
17.392 4.078 3.528 5.924 2.052
de crédito).
3.69 4.793 0.569 0.154 3.384
 El tiempo para desintegración de un núcleo 13.602 16.677 4.313 2.381 1.392
radiactivo 8.115 6.72 2.717 5.901 7.088
1.6. Distribución uniforme: la función de distribución 4.714 1.495 7.768 7.822 6.412
[10] 8.11 3.151 2.44 3.461 10.369
resultará:
10.87 2.498 8.281 5.959 12.877
5.244 5.977 4.767 6.443 1.578
4.891 7.728 10.451 0.818 2.637
3.032 15.733 2.333 3.708 1.29

2
2.4. ¿Qué distribución siguen los datos? Gráfica nº1: Se observa el ajuste de las
3.957 7.094 1.264 10.177 2.945 distribuciones.
11.094 7.281 19.867 2.072 3.791
1.611 1.53 4.301 7.489 1.453
6.001 8.477 0.877 2.103 0.433
0.843 8.121 1.395 7.378 17.066
5.285 3.078 2.63 2.155 7.552
4.772 14.344 0.119 1.486 4.214
1.781 3.28 0.202 1.422 0.022
9.269 3.043 6.966 1.816 2.547
1.182 2.007 4.661 5.3 12.171

3. RESULTADOS Y ANÁLISIS

3.1. Estudio del tiempo de atención a los clientes en

una florería, medido en minutos.

La variable aleatoria es continua. Se ha tomado

una muestra de n=50 datos, y se obtiene las
3.2. Un estudio de comportamiento del tiempo entre
siguientes medidas descriptivas y su histograma.
roturas de cierto filamento, medido en minutos.
Estadísticas descriptivas
Estadísticas descriptivas
Datos 50
Datos 50
Mínimo 5.633
Mínimo 0.28
Máximo 14.751
Máximo 14.39
Media 9.78602
Media 4.7336
Mediana 9.3505
Mediana 4.01
Moda 9.132
Moda 1.83
Desviación estándar 2.32674
Desviación estándar 3.49272
Varianza 5.41372
Varianza 12.1991
Coeficiente de variación 23.7762
Coeficiente de variación 73.7856
Sesgo 0.342825
Sesgo 0.891079
Curtosis -0.596376
Curtosis -0.0870581
Se observa que la muestra tiene sesgo positivo
Se observa que la muestra tiene sesgo positivo
(sesgada hacia a la derecha); de esta forma se
(sesgada hacia a la derecha); de esta forma se
procede a proponer tres distribuciones teóricas:
procede a proponer tres distribuciones teóricas:
Lognormal, Uniforme y la Exponencial que es
Lognormal, la Uniforme y la Exponencial son
rechazada debido a que este valor no está dentro
rechazadas debido a que sus valores no están
de los límites de aceptación, se concluye el rechazo
dentro de los límites de aceptación, se concluye el
de la hipótesis nula H0.
rechazo de la hipótesis nula H0.
Como se trata de una variable aleatoria continua,
Como se trata de una variable aleatoria continua,
para lo cual se usó la herramienta STAT::FIT y se
para lo cual se usó la herramienta STAT::FIT y se
obtuvieron los parámetros correspondientes de las
obtuvieron los parámetros correspondientes de las
distribuciones de probabilidad.
distribuciones de probabilidad.
Tipos de distribuciones
Tipos de distribuciones
Distribuciones de probabilidad
Distribuciones de probabilidad
Distribución Rango Aceptación
Distribución Rango Aceptación
Lognormal (5, 1.42, 0.604) 91.2 No Rechazo
Lognormal (0, 1.23, 0.889) 100 No Rechazo
Uniforme (5, 14.8) 36.7 No Rechazo
Exponencial (0, 4.73) 17.3 Rechazado
Exponencial (5, 4.79) 0.00116 Rechazado
Uniforme (0, 14.4) 0 Rechazado

3
Gráfica nº2: Se observa el ajuste de las Gráfica nº3: Se observa el ajuste de las
distribuciones: distribuciones:

3.3. ¿Qué distribución siguen los datos? 3.4. ¿Qué distribución siguen los datos?

Estadísticas descriptivas Estadísticas descriptivas

Datos 50 Datos 50
Mínimo 0.154 Mínimo 0.022
Máximo 17.392 Máximo 19.867
Media 5.74654 Media 4.79848
Mediana 4.78 Mediana 3.179
Moda 2.9305 Moda 1.749
Desviación estándar 4.16858 Desviación estándar 4.41364
Varianza 17.3771 Varianza 19.4802
Coeficiente de variación 72.5407 Coeficiente de variación 91.98
Sesgo 1.18129 Sesgo 1.53635
Curtosis 0.873376 Curtosis 2.17958

Se observa que la muestra tiene sesgo positivo
(sesgada hacia a la derecha); de esta forma se
procede a proponer tres distribuciones teóricas:
Lognormal, Exponencial y la Uniforme que es
rechazada debido a que este valor no está dentro
de los límites de aceptación, se concluye el rechazo
de la hipótesis nula H0.
Se observa que la muestra tiene sesgo positivo
(sesgada hacia a la derecha); de esta forma se
procede a proponer tres distribuciones teóricas:
Exponencial, la Lognormal y la Uniforme son
rechazadas debido a que sus valores no están
dentro de los límites de aceptación, se concluye el
rechazo de la hipótesis nula H0.

Como se trata de una variable aleatoria continua, Como se trata de una variable aleatoria continua,
para lo cual se usó la herramienta STAT::FIT y se para lo cual se usó la herramienta STAT::FIT y se
obtuvieron los parámetros correspondientes de las obtuvieron los parámetros correspondientes de las
distribuciones de probabilidad. distribuciones de probabilidad.

Tipos de distribuciones Tipos de distribuciones

Distribuciones de probabilidad Distribuciones de probabilidad

Distribución Rango Aceptación Distribución Rango Aceptación
Lognormal (0, 1.44, 0.889) 100 No Rechazo Exponencial (0, 4.8) 100 No Rechazo
Exponencial (0, 5.75) 2.04 No Rechazo Lognormal (0, 1.05, 1.25) 20.2 Rechazado
Uniforme (0, 17.4) 0 Rechazado Uniforme (0, 19.9) 0 Rechazado

4
 4.7. Para la gráfica del caso 3.2, la curva de la
distribución Exponencial es la que mejor representa
Gráfica nº4: Se observa el ajuste de las a la muestra real.
distribuciones:
4.8. Para la gráfica del caso 3.3, la curva de la
distribución Exponencial es la que mejor representa
a la muestra real.

4.9. Para la gráfica del caso 3.1, la curva de la

distribución Lognormal es la que mejor representa a
la muestra real.

5. REFERENCIAS BIBLIOGRÁFICAS
1-7
Soporte de Minitab®. (n.d.). ¿Qué es un
4. CONCLUSIÓN estadístico de prueba? Retrieved from
support.minitab.com/es-mx/minitab/18/help-and-
4.1. La simulación es una técnica que nos permite how-to/statistics/basic-statistics/supporting-
adquirir experiencia de manera rápida con un bajo topics/basics/what-is-a-test-statistic/
2
costo comparado con la experimentación con el ConexiónESAN. (n.d.). Principales distribuciones
sistema real, donde observamos los de probabilidad. Retrieved April 23, 2018, from
comportamientos de los distintos procesos www.esan.edu.pe/apuntes-
productivos o eventos cotidianos, y cómo éstos empresariales/2016/10/conoce-las-principales-
cambiarán con aleatoriedad de las variables. distribuciones-de-probabilidad/
3-9
Ub.edu. (n.d.). Distribución Exponencial.
4.2. Con la herramienta STAT:FIT se logró Retrieved April 23, 2018, from
determinar las medidas descriptivas para cada www.ub.edu/stat/GrupsInnovacio/Statmedia/demo/
caso, el tipo de distribución de probabilidad y las Temas/Capitulo4/B0C4m1t3.htm
4-10
distribuciones donde la hipótesis nula fue Ub.edu. (n.d.). Distribución Uniforme. Retrieved
rechazada por no estar dentro de los límites de April 23, 2018, from
aceptación, del mismo modo, la herramienta www.ub.edu/stat/GrupsInnovacio/Statmedia/demo/
permitía hallar y graficar la distribución de Temas/Capitulo4/B0C4m1t1.htm
5-11
probabilidad. Wikipedia. Distribución log-normal. Retrieved
April 2010 from wikipedia.org/wiki/Distribución_log-
4.3. En todos los casos, la muestra tenía un sesgo normal
6
positivo (sesgada hacía la derecha) de esta manera Promodel. (n.d.). ProModel. Retrieved April 23,
proponía los tipos de distribuciones para cada caso. 2018, from promodel.com.mx/promodel/
8
Minitab®, S. de. (n.d.). ¿Qué son variables
4.4. En los cuatro casos se presentaron las categóricas, discretas y continuas? Retrieved from
distribuciones de probabilidad Lognorma, support.minitab.com/es-mx/minitab/18/help-and-
exponencial y uniforme. how-to/modeling-statistics/regression/supporting-
topics/basics/what-are-categorical-discrete-and-
4.5. Con el software se encontró la mejor continuous-variables/
distribución para representar los datos utilizando la
Prueba de Kolmogorov-Smirnov, ya que las
variables a utilizar son continuas.

4.6. Para la gráfica del caso 3.1, la curva de la

distribución Exponencial es la que mejor representa
a la muestra real, se pueden generar nuevos
tiempos de llegadas de los clientes.