INFERENCIA ESTADÍSTICA

CÓDIGO: 100403_45

Unidad 1: Fase 1 - Reconocimiento de los conceptos previos de la inferencia estadística

Presentado al tutor:

Diana Milena Caliman

Entregado por el estudiante:

Alex Forero Acuña.

Código: 85471039

Grupo: 100403_45

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA - UNAD

ESCUELA DE CIENCIAS BÁSICAS TECNOLOGÍA E INGENIERÍA

FEBRERO 2020

SANTA MARTA
 INTRODUCCIÓN

La necesidad de análisis estadísticos y su inferencia en la vida diaria o en el desarrollo de

cualquier actividad, se hace necesario para el futuro ingeniero, no solo familiarizarse con las

diferentes facetas de la estadística si no ser un maestro en el proceso y utilización de los análisis

de datos, con el fin de poder establecer todas las posibles variables en el desarrollo de su proceso

de innovación, aportando siempre al enriquecimiento de medios de distinta índole que permitan

el desarrollo de la humanidad.

Para el desarrollo del presente curso con el fin de adquirir los conocimientos necesarios de

acuerdo al perfil profesional, es necesario en primera medida establecer las pautas necesarias para

el manejo de la plataforma y el correcto desarrollo de las actividades propuestas, generando así

las condiciones adecuadas para el correcto aprendizaje como estudiante.

 OBJETIVOS

• Realizar el reconocimiento del contenido temático mediante el análisis

adecuado del syllabus del curso.

Reconocer las fases de aprendizaje y las diferentes actividades propuestas para el desarrollo del

curso de inferencias estadísticas

Actividades a desarrollar:
Cada una de las siguientes actividades se realizará de forma individual.

Actividad 1. Reconocimiento de Presaberes.

A partir de las nociones básicas de la inferencia estadística adquiridas en el curso de estadística y

probabilidad y la siguiente referencia que se encuentra en el entorno de conocimiento unidad 1:
Romero, R. E. (2016). Estadística para todos: análisis de datos: estadística descriptiva, teoría de la
probabilidad e inferencia. Madrid, ESPAÑA: Larousse - Ediciones Pirámide. (pp. 23-27).

Descripción de la actividad
Responder las siguientes preguntas:
1. ¿Qué estudia la estadística? La estadística podría definirse como la ciencia que se encarga
de recopilar, organizar, procesar, analizar e interpretar datos con el fin de deducir las
características de una población objetivo, pero esta sería solo una visión estrecha de lo que
comprende esta rama del saber.

2. ¿Cuál es la importancia de la estadística para la toma correcta de decisiones en el contexto

sociocultural? La estadística es la base del conocimiento práctico y real. Su definición.- La
estadística es una de las ramas de la ciencia matemática que se centra en el trabajo con datos
e informaciones que son ya de por sí numéricos o que ella misma se encarga de transformar
en números. La estadística, si bien es una ciencia de extracción exacta, tiene una injerencia
directa en cuestiones sociales por lo cual su utilidad práctica es mucho más comprensible
que lo que sucede normalmente con otras ciencias exactas como la matemática.

3. ¿Cómo se aplica la estadística en la solución de problemas que involucran aspectos de

ingeniería? La estadística se aplica en varios ámbitos desde la antigüedad para tener control
sobre las cosas, en la salud, la economía, las ciencias sociales y por supuesto en la
ingeniería. Existen muchas herramientas estadísticas para trabajar con los datos de alguna
muestra, con el fin de analizar los resultados y tomar decisiones en base a ello. En el ámbito
de la ingeniería se aplica para control de calidad, mejoras en procesos, pronósticos, control
del personal, seguridad industrial, entre otros muchos usos.
 4. ¿Cuáles son las etapas para la resolución de un problema estadístico?
Etapas Básicas Del Método Estadístico: Estadística Descriptiva

1. Planteamiento Del Problema O Una Necesidad. ...

2. 2 Objetivos De La Investigación. ...
3. 3 Determinacion De La Unidad De Investigación. ...
4. 4 Formulacion De La Hipotesis. ...
5. 5 Selección Del Metodo De Investigacion. ...
6. 6 Recoleccion De La Información. ...
7. 7 Procesamiento De La Información.

5. De acuerdo a las etapas para la resolución de un problema estadístico, ¿en qué etapa se hace
necesario el uso de modelos matemáticos para profundizar en la solución de un problema
de esta disciplina? Aplicar la estadística a problemas concretos de la realidad y de la
profesión es penetrar en la esencia misma del descubrimiento de los conocimientos, con lo
cual se logra también en el plano pedagógico-didáctico una mayor solidez en la asimilación
de los conocimientos.
La enseñanza de la Estadística contribuye, además, al desarrollo del pensamiento creativo
cuando el estudiante participa activamente en la búsqueda de nuevos conocimientos y
ofrece ideas para la solución de ejercicios y problemas, para lo cual debe dársele la
oportunidad de buscar, analizar y discutir diferentes modos de proceder y de actuar en la
indagación de distintas vías de solución, así como en las diversas posibilidades de
introducir variables y modelar situaciones para la solución de un problema dado.
Definir los conceptos básicos de la estadística presentados en el siguiente cuadro, los cuales son
necesarios para iniciar cualquier proceso de investigación.

Conceptos Iniciales e Identificación de los mismos en la Base de datos Periodo

académico

Inferencia Es el conjunto de métodos que permiten inducir, a

Estadística través de una muestra, el comportamiento de una
determinada población. La inferencia estadística
estudia entonces, como sacar conclusiones sobre los
parámetros de población de datos.

Problemática Es conjunto de sujetos o elementos que presentan

características comunes. Sobre esta población se
realiza el estudio estadístico con el fin de sacar
conclusiones. Para la base de datos dada: Inclusión a la
oferta laboral de personas con alguna condición de
discapacidad

Población Es un subconjunto de elementos de la población estadística.

Para la base de datos dada: Puede tomarse el tipo de
discapacidad

Muestra Es un subconjunto de elementos de la población estadística

Para la base de datos dada: Puede tomarse el tipo de
discapacidad

Unidad de Objeto o individuo del que hay que obtener la información.

Muestreo Para la base de datos dada: la unidad de muestreo es el tipo
de discapacidad.
Variables Son aquellas que adoptan valores numéricos (es decir,
Cuantitativas cifras). Para la base de datos dada: la Edad, Estrato, Horas
laborales, Ingresos mensuales, desplazamiento a lugar de
trabajo (min).

Variables Es una propiedad que puede fluctuar y cuya variación es

Cualitativas susceptible de adoptar diferentes valores, los cuales pueden
medirse u observarse. Para la base de datos dada: Municipio,

Actualmente vive, lugar de residencia, discapacidad, utiliza

actualmente, escolaridad, situación laboral, tipo de régimen de
salud.

Que es un Estimación puntual, Estimación por intervalos de confianza.

parámetro?
Cuáles son los
parámetros a
estimar para
cada variable?

Hipótesis Una hipótesis es una proposición que puede o no ser verdadera

pero que se adopta provisionalmente hasta recabar información
que sugiera lo contrario. Si hay inconsistencia, se rechaza la
hipótesis. Las pruebas de hipótesis se usan precisamente para
evaluar el grado de esa inconsistencia.
Actividad 2. Identificación y reconocimiento de la problemática de estudio.

Para el desarrollo de esta actividad, es necesario que el estudiante revise el anexo 1: Base de datos,

que se encuentra en carpeta de la fase 1: Reconocimiento de conceptos previos de la Inferencia

Estadística del entorno colaborativo.

Descripción de la actividad

El estudiante identifica la problemática a tratar: “Disminución en el proceso de producción en la

fábrica “la presumida” de derivados lácteos de la región lechera 3 del país”

Para contextualizar la problemática es necesario que responda las siguientes preguntas

generadoras:

1. ¿Cuáles son los departamentos que conforman la región lechera 3 del país?

Encontramos los departamentos así:

 Magdalena: con un recuento de 1810 proveedores

 Córdoba: con un recuento de 520 proveedores

 Atlántico: con un recuento de 364 proveedores
 Cesar: con un recuento de 306 proveedores

2. ¿Cuáles son las variables cuantitativas presentadas en la problemática de estudio?

Según la base datos encontramos las siguientes variables cuantitativas:

 Densidad

 Crioscopia

 % de proteína

 % de grasa
  % de solidos totales

 Células somáticas

 Costo

3. ¿Cuáles son las variables cualitativas presentadas en la problemática de estudio? ¿Qué

parámetros podemos calcular a estas variables?

Según la base datos encontramos las siguientes variables cualitativas:

 Departamento, podemos calcular la cantidad de proveedores de cada departamento

 1: Cesar

 2: Magdalena

 3: Córdoba

 4: Atlántico

 5: Guajira

 6: Sucre

 7: Bolívar

 Peroxidasa, encontramos dos opciones de parámetros:

o 1. Presencia.

o 2. Ausencia.

 Fosfatasa, encontramos dos opciones de parámetros:

o 1. Presencia.

o 2. Ausencia.

 Tipo de leche, encontramos 4 parámetros:

o 1. Pasteurizada
 o 2. Ultrapasteurizada

o 3. Ultra alta pasteurizada

o 4. Esterilizada

 Temperatura, tenemos 3 parámetros:

o 1. Alta - mayor o igual a 140 °C

o 2. Media - entre 100 °C y 140 °C

o 3. Baja - menor o igual a 100 °C

 Temperatura de recepción, encontramos 2 parámetros:

o 1. Inferior a 10 °C

o 2. Superior a 10 °C

 Prueba de yodo, encontramos 2 parámetros:

o 1. Almidones presentes.

o 2. Almidones no presentes.

 Satisfacción, tenemos 5 parámetros:

o 1. Muy satisfecho

o 2. Satisfecho.

o 3. Aceptable.

o 4. Poco satisfecho.

o 5. Nada Satisfecho
4. ¿Cuáles son las características físicas químicas que debe cumplir la muestra seleccionada?

¿Qué parámetros podemos calcular a estas variables?

Clasificación de la leche de acuerdo a su proceso

Características Pasteurizada Ultrapasteurizada Ultra alta pasteurizada Esterilizada
Densidad (g/ml) ≥ 1,03 ≥ 1,0295 ≥ 1,0295 ≥ 1,0295
Crioscopía (°C) ≥ -0,530 ≥ -0,540 ≥ -0,540 ≥ -0,530
% Proteína ≥ 3,2 ≥ 3,2 ≥ 3,2 ≥ 3,2
% Sólidos totales ≥ 11,8 ≥ 11,8 ≥ 11,8 ≥ 11,8
% Grasa ≥ 3,0 ≥ 3,0 ≥ 3,0 ≥ 3,0
Células somáticas ≤ 200000 ≤ 200000 ≤ 200000 ≤ 200000
(células / ml de
leche)
Acidez ≤ 0,17 ≤ 0,17 ≤ 0,17 ≤ 0,17
Peroxidasa Positiva Negativa Negativa Negativa
Fosfatasa Negativa Negativa Negativa Negativa

5. ¿Qué factores considera usted que afecta el proceso de producción de la fábrica “la presumida”?

De acuerdo al decreto 616 de 2006, considero que no todas las variables cumplen adecuadamente

con los parámetros y rangos establecidos, por ende baja la calidad de producción.

CONCLUSIONES
• Se logró identificar cada uno de los entornos dispuesto en la plataforma de aprendizaje de

la universidad abierta y a distancia UNAD, identificando acertadamente los contenidos del curso

inferencia estadística.

• Se identificó cada una las fases de aprendizaje y las diferentes actividades propuestas para

el desarrollo del curso de inferencia estadística.

• Se reconoció el contenido temático del curso inferencia estadística, mediante el estudio

del syllabus del curso.

REFERENCIA BIBLIOGRAFICA
 Romero, R. E. (2016). Estadística para todos: análisis de datos: estadística descriptiva,
teoría de la probabilidad e inferencia. Madrid, ESPAÑA: Larousse - Ediciones Pirámide.
Pp. 269 -298. Recuperado
de http://bibliotecavirtual.unad.edu.co:2077/lib/unadsp/reader.action?ppg=270&docID=1
1231145&tm=1492552074909

 Sánchez, J. T. (2017). Introducción a la Inferencia. [OVI] Colombia. Recuperado

de http://hdl.handle.net/10596/10566

 Silva, A. L. C. (1993). Muestreo para la investigación en ciencias de la salud. Madrid, ES:

Ediciones Díaz de Santos. Pp. 1- 6. Recuperado
de http://bibliotecavirtual.unad.edu.co:2077/lib/unadsp/reader.action?ppg=18&docID=10
189879&tm=1492552993701

 Gutiérrez, H. (2013). Capítulo 4: Elementos de Inferencia Estadística Control estadístico

de la calidad y Seis Sigma.(3a. ed.) McGraw-Hill Interamericana. Pp. 62 -65. Recuperado
de http://bibliotecavirtual.unad.edu.co:2053/?il=280

 Matus, R., Hernández, M., & García, E. (2010). Estadística. México, D.F., MX: Instituto
Politécnico Nacional. Pp. 27-37. Recuperado
de http://bibliotecavirtual.unad.edu.co:2077/lib/unadsp/reader.action?ppg=38&docID=10
365616&tm=1492553102158

 Gutiérrez, H. (2013). Capítulo 4: Elementos de Inferencia Estadística Control estadístico

de la calidad y Seis Sigma.(3a. ed.) McGraw-Hill Interamericana. Pp. 65- 72. Recuperado
de http://bibliotecavirtual.unad.edu.co:2053/?il=280

 Matus, R., Hernández, M., & García, E. (2010). Estadística. México, D.F., MX: Instituto
Politécnico Nacional. Pp. 43- 57. Recuperado
de http://bibliotecavirtual.unad.edu.co:2077/lib/unadsp/reader.action?ppg=54&docID=10
365616&tm=1492553146384