Instituto Tecnológico Superior de Abasolo

Carrera: ingeniería Industrial

Nombre de la Materia: Estadística Inferencial.

Docente: Liz Azucena González Martínez.

No. de Control y alumna:

Alvarado Bravo María Guadalupe AS21110099

Grupo: 3” A”

Diario de clases unidad 1.

 NOmbre y Función y Formulas: Ejemplo
definición características:
Distribución Para saber si un valor Con esta distribución
podíamos calcular la
muestral de la tiende a alta o baja probabilidad de algún
probabilidad de evento relacionado
media: con la variable
ocurrencia, basta con
La media muestral aleatoria, mediante la
ordenar los valores de siguiente fórmula:
x es la distribución
mayor a menor.
de probabilidad de
todos los valores
1.- Si tenemos una
de la media
población la fórmula para
muestral x.
normal N(m,s) y calcular la probabilidad
La distribución
extraemos de ella del comportamiento
muestral de x es la
muestras de tamaño n, del estadístico, en este
distribución de
la distribución muestral caso la media de la
probabilidad de
de medias sigue muestra:
todos los valores
también una
de la media
distribución normal.
muestral x.
2.- Si la población no
sigue una distribución
Para poblaciones
normal, pero n>30,
 aplicando el finitas:
llamado Teorema
central del límite la
distribución muestral de
medias se aproxima
también a la normal
anterior.

Distribución Se utiliza para saber si

muestral de la se exceden los limites

dentro de una función o
diferencia de
trabajo.
medias:
1.- Se caracteriza por
Es una distribución
tener distribuciones con
de probabilidades
media 1 y media 2,
de todas las
desviaciones típicas 1 y
medias posibles de
2 y las respectivas
las muestras de
muestras de tamaño
igual tamaño que
son n1 y n2,
se pueden extraer
de poblaciones suficientemente
dadas. grandes, por lo cual de
igual manera sigue una
distribución normal.

Distribución Dado que la proporción

muestral de la es un caso especial de

la media aritmética, las
diferencia de
propiedades de la
proporciones:
distribución de
Podemos calcular
muestreo de la
la media y la
diferencia entre medias
desviación
se pueden hacer
estándar para la
extensivas a la
distribución
diferencia entre
muestral de la
proporciones bajo los
diferencia en
siguientes supuestos:
proporciones
muestrales. 1.-Los datos proceden
Además, es de muestras aleatorias.
cuando podemos 2.- Las muestras fueron
decir si la forma de
esa distribución elegidas aleatoriamente
muestral es de entre los elementos
aproximadamente de 2 poblaciones
normal. independientes.
3.- La proporción tiende
a ser 0.5 y el tamaño de
la muestra tiende al
infinito (muestra mayor
de 30 elementos).
Distribución Es parecido a la Se utiliza esta fórmula
para determinar si la
Muestral de la distribución binomial en desviación estándar
donde su objetivo es requiere factor de
Proporción: corrección (en caso de
encontrar los valores
Cuando en una usarse):

población
procedemos a
sean de éxito o fracaso.
√N −n
N −1
estudiar una n
Si >0.05 Usar factor
N
característica con
de corrección.
sólo dos posibles n
Si <0.05 No usar
valores N
factor de corrección.
(éxito/fracaso),
Formula de desviación
entonces la
estándar sin factor de
población sigue corrección:
una distribución
binomial.
Para obtener valores
Cada muestra de de Z para el intervalo:
la población tiene
un porcentaje de
individuos que
Se utiliza la tabla de
tiene esta valores para crear las
característica. p es operaciones:

la proporción de
éxito de esta
variable aleatoria
de la población. La
proporción de
fracaso es q = 1 –
p
Sean todas las
muestras de
tamaño n de la
población. Cada
muestra tiene una
proporción de
individuos con esa
característica.
La distribución
asociada a la
variable aleatoria
que une cada
muestra con su
proporción se
llama distribución
muestral de
proporciones.
Distribución de Se utiliza cuando Dado una variable

t-student: queremos estimar la aleatoria continua L

media de una población decimos que la
Distribución de normal mente frecuencia de sus
probabilidad que distribuida a partir de observaciones puede
estima el valor de una muestra pequeña. aproximadamente
la Media de una Esta prueba estadística satisfactoriamente a
muestra pequeña consiste en la una distribución t con
estriada de una distribución de g grados de libertad tal
población que probabilidad, por la que :
sigue una necesidad de estimar
distribución normal cuál es la media de una
y de la cual no población con una
conocemos su muestra pequeña
desviación típica. normalmente
distribuida. Es decir,
menor de 30, por esto
esta prueba es bastante
utilizada en el campo de
la medicina.
Pertenece una familia
de distribuciones de
campana.
Es simétrica alrededor
 de una media de cero.
Es más aplanada que la
distribución normal
estándar.
Tiene mayo área en los
extremos y menor área
en el centro.
A medida que el tamaño
de muestra aumenta, se
aproxima a una
distribución normal
estándar.

Distribución Es utilizada para Teneos que la formula

muestral de la estimar riesgos en nos dice que:

inversiones (el riesgo n: Tamaño de la
varianza.
depende de la varianza) muestra
También conocida
para aplicar el teorema s2: Varianza Muestral
como chi-cuadrada
central del límite. o2: Varianza de la
Es decir que, si se
Para estimar población de donde se
extrae todas las
desigualdades en extrajo la muestra.
muestras posibles ingresos, rentas etc.
de una población Los valores de x2 son
normal y a cada mayores o iguales que
muestra se le 0.
calcula su La forma de una
varianza, se distribución x2 depende
obtendrá la del gl:n-1 (Grados de
distribución libertad)
muestral de las El área bajo la curva Ji-
varianzas. Cuadrada y sobre el eje
horizontal es 1
Las distribuciones X2 no
son
simétricas(pendiente
positiva)
Cuando n es mayor a 2,
la media de distribución
x2 es n-1 y la varianza
es 2(n-1)
La varianza muestral es
una variable aleatoria.
Distribución Se usa en situaciones Donde σ21 y σ22 son

Muestral de la de dos muestras para las varianzas de las

extraer inferencia dos poblaciones
relación de
acerca de la varianza de normales de donde se
varianza.
población. extraen las muestras.
En algunos
Si H0 denota la
problemas
hipótesis nula de que
deseamos decidir
no hay diferencia entre
si dos muestras de
las varianzas
tamaños m y n
poblacionales, es decir
respectivamente,
σ21 = σ22
cuyas varianzas
medidas son s21 y
s22, provienen o
no de la misma
población normal.
En este caso
utilizamos el
estadístico...
(Foto)
Donde σ21 y σ22
son las varianzas
de las dos
poblaciones
normales de
donde se extraen
las muestras. Si
H0 denota la
hipótesis nula de
que no hay
diferencia entre las
varianzas
poblacionales, es
decir σ21 = σ22.
 Instituto Tecnológico Superior de Abasolo

Carrera: ingeniería Industrial

Nombre de la Materia: estadística inferencial.

No. y Nombre de la Práctica: #1 “Distribución normal y de

medias”

No. de Control e Integrantes (comenzar por apellidos y en orden alfabético):

Alvarado Bravo María Guadalupe AS21110099
Barrón Celio Cindy Lizbeth AS21111014
Borja Regalado David Alejandro AS21110061
Guerrero Santoyo Jenifer AS21110033
Laguna Canul María Natividad AS21110246
Rosas Carrillo Álvaro Josué AS19110222
Fecha de presentación del proyecto:21/09/22

Docente: Liz Azucena González Martínez. Fecha de entrega del reporte:23/09/22

1. Objetivo(s):
 General:
 Que al alumno aprenda de manera clara el uso del software MINITAB,
para así llevar un nuevo aprendizaje de cómo se pueden hacer las
distribuciones de una manera más fácil y rápida; así como tienda a
manejar las diversas herramientas que esta porta dentro de su interfaz,
para sí determinar las probabilidades o datos que se solicitan en el
problema presentado.
Específicos:
 Que el alumno distinga entre las diferentes distribuciones de
probabilidades para poder aplicarlas en los incisos requeridos.
 Poder emplear el buen manejo de las formulas de media poblacional, así
como su desviación estándar y así poder interpretar las gráficas en un
aspecto de porcentaje con respecto a una población.

2. Introducción (Marco teórico -citar en formato APA-):

Durante el presente reporte de práctica, se hace mención del tema distribución
normal el cual este nos permite conocer un modelo que aproxima el valor de una
variable aleatoria a una situación ideal, dependiendo de la media y la desviación
típica. Esta distribución normal es importante porque uno puede calcular la
probabilidad de que varios valores ocurran dentro de ciertos rangos o intervalos.
Sin embargo, la probabilidad exacta de un valor particular dentro de una
distribución continua, como la distribución normal, es cero. Esta propiedad
distingue a las variables continuas, que son medidas, de las variables discretas,
las cuales son contadas.
Esta distribución sirve para conocer la probabilidad de encontrar un valor de la
variable que sea igual o inferior a un cierto valor, conociendo la media, la
desviación estándar, y la varianza de un conjunto de datos en sustituyéndolos
en la función que describe el modelo.
Marco teórico:
Distribución:
Describe cómo se distribuyen los valores para un campo. En otras palabras, la
distribución estadística muestra qué valores son comunes y poco comunes.
(Distribución estadística, s. f.)
Tipos de distribución en estadística:
Los tipos de distribuciones en estadística son parte de las funciones de
probabilidad que aparecen con mayor frecuencia cuando se realiza algún
estudio estadístico. (KeepCoding, 2022)
Distribución uniforme:
Continua. Todos los valores tienen la misma posibilidad. (KeepCoding, 2022)
Distribución Bernoulli:
Discreta. Dos posibles soluciones. Por ejemplo: echar una moneda al aire.
(KeepCoding, 2022)
Distribución Exponencial:
Continua. Tiempo medio entre ocurrencia de eventos de una distribución de
Bernoulli. (KeepCoding, 2022)
Distribución Binomial:
Discreta. Generalización de Bernoulli. Por ejemplo: tirar varias monedas al aire.
(KeepCoding, 2022)
Distribución Poisson:
Discreta. Generalización de Binomial cuando hay infinitos eventos de
probabilidad muy baja. (KeepCoding, 2022)
Distribución Gaussiana:
Continua. Es la distribución más usada, toda combinación de variables
aleatorias tiende a una gaussiana. (KeepCoding, 2022)
Distribución Chi cuadrado:
Continua. Es el cuadrado de una distribución gaussiana.
(KeepCoding, 2022)
Distribución normal:
Es un modelo teórico capaz de aproximar satisfactoriamente el valor de una
variable aleatoria a una situación ideal. En otras palabras, la distribución normal
adapta una variable aleatoria a una función que depende de la media y la
desviación típica. (KeepCoding, 2022)

3. Materiales, Reactivos y/o Equipos. (Unidades y cantidades):

1. Computadoras.
2. Software de MINITAB.
3. Word.

4. Metodología (Desarrollo de la práctica; procedimiento puntual a seguir):

En enero del 2013 un empleado estadounidense pasaba en promedio 77 hrs
conectado a internet durante las horas de trabajo. Suponga que la media
poblacional es 77 hrs, tiempos que están distribuidos normalmente con una
varianza de 400
a) ¿Cuál es la probabilidad de que en enero del 2013 un empleado seleccionado
aleatoriamente haya pasado menos de 50 hrs conectado a internet?
b) ¿Qué porcentaje de los empleados paso en enero del 2013 más de 100 hrs
conectado a internet?
c) ¿Cuál es la probabilidad de que en enero del 2013 un empleado seleccionado
aleatoriamente haya pasado entre 55 y 85 hrs conectado a internet?
d) Un usuario es clasificado como intensivo si se encuentra en el 30 % por arriba
del promedio de uso. ¿Cuántas horas tiene un empleado que tiene que haber
estado conectado a internet en enero del 2013 para que se le considere un
usuario intensivo?

1.-Como primer paso abrimos nuestro documento de Word para comenzar a

realizar la redacción del planteamiento de nuestro problema y así proceder a
analizar los puntos a tocar, como se puede observar en la imagen (1.0)
Imagen (1.0)
2.- Como segundo paso procedimos a abrir el software de MINITAB, para
proceder a ingresar nuestros datos del problema y así buscar lo que se nos pide,
como puede mostrarse en la imagen (1.2)

Imagen (1.2)
3.- Posteriormente procedimos a resolver el inciso a), el cual nos indicó calcular
la probabilidad de que en enero del 2013 un empleado seleccionado
aleatoriamente haya pasado menos de 50 hrs conectado a internet, por ende,
procedimos a seleccionar el apartado de grafica de distribución de probabilidad y
seleccionamos la normal dentro de nuestro MINITAB, como puede visualizarse
en la siguiente imagen (1.3) y en la imagen (1.4)

Imagen (1.3)

Imagen (1.4)
3.- Como consiguiente nos arrojó una pestaña, en la cual ingresamos los datos
que nos serian útiles para calcular lo indicado en nuestros incisos, dentro de
esos datos ingresamos nuestra medica poblacional = 77 y nuestra desviación
estándar de = 20, como se puede visualizar en la imagen (1.5)
Imagen (1.5)
4.-Como cuarto paso, seleccionamos la pestaña de área sombreada y
procedimos a seleccionar “valor X” y la cola izquierda, y procedimos a darle el
valor de X=50 pues esta sería la que utilizaríamos para dicho inciso a). Se
puede observar dicho paso en la imagen (1.6)

Imagen (1.6)
5.- Como quinto paso procedimos a finalizar la realización de nuestro inciso a),
dándole en aceptar y de esta manera nos arrojó nuestra grafica; se puede
visualizar en la imagen (1.7)

Imagen (1.7)
6.- Como sexto paso procedimos a realizar el inciso b), en el cual igual
seleccionamos grafica de distribución de probabilidad y seleccionamos la normal
dentro de nuestro MINITAB, como el paso número 3.
7.- Posteriormente a esto, en la pestaña de área sombreada, optamos por
seleccionar en este caso la cola derecha, dándole el valor de X=100 de acuerdo
con lo que el inciso nos pedía; a continuación, se puede visualizar en la imagen
(1.8)
Imagen (1.8)
8.- Seleccionamos el botón de aceptar y de esta manera nos arrojó la gráfica del
inciso b). Puede mostrarse dicho paso en la imagen (1.9)

Imagen (1.9)
9.- Como noveno paso, realizamos la resolución del inciso c), de esta manera
seleccionamos grafica de distribución de probabilidad normal, como el paso 3.
10.- Posterior a ello, en el área sombreada, seleccionamos valor “X”,
seleccionamos el centro y colocamos nuestra X 1= 55 y X2= 85, puede mostrarse
en la imagen (2.0)

Imagen (2.0)
11.- Como onceavo paso le dimos en aceptar y asi nos arrojo la grafica del
inciso c), como se visualiza en la imagen (2.1)

Imagen (2.1)
12.- Comenzamos a realizar el inciso d), para ello seleccionamos en área
sombreada la opción de probabilidad y elegimos cola derecha, indicando la
probabilidad de 0.20, como se muestra en la imagen (2.2)

Imagen (2.2)
13.- Seleccionamos la opción aceptar arrojándonos la grafica del inciso d),
finalizando así nuestra práctica; como puede mostrarse en la imagen (2.3)

Imagen (2.3)
5. Diagrama de flujo:
INICIO

Se hizo la resolución del inciso a)

donde se grafico en MINITAB para
obtener la gráfica, probabilidad y
generar la interpretación.

Se realiza el inciso b) metiendo en

MINITAB los valores que nos
plantea este inciso, escogiendo la
grafica sombreada que se necesita
y su interpretación.

Realización del inciso c)

graficando en MINITAB
obteniendo la probabilidad y la
gráfica con su área sombreada, y
asi obtener su interpretación.

Repetir
Si
pasos

6. Resultados (Incluir imágenes o fotografías de resultados e integrantes -

con pie de imagen-):
Resultado inciso a):

Imagen (2.4)
La probabilidad de que en enero del 2013 un empleado seleccionado
aleatoriamente haya pasado menos de 50 hrs conectado a internet es de 8.85
%.
Interpretación:
Como la probabilidad de que un empleado pase menos de 50 hrs conectado a
internet es de 8.85 %, puede interpretarse que es muy baja la probabilidad, por
lo cual dicho empleado no trabaja y tiene mucho tiempo óseo en su área laboral.
Resultado Inciso b):
Imagen (2.5)
El porcentaje de los empleados que pasaron en enero del 2013 más de 100 hrs
conectados a internet es del 12.51 %
Interpretación:
En base a que le porcentaje es del 12.51% de que en enero hayan pasado mas
de 100 hrs conectados a internet, es bajo por lo cual si hay un rendimiento
dentro de la empresa laboralmente.
Resultado Inciso c):
Imagen (2.6)
La probabilidad de que en enero del 2013 un empleado seleccionado
aleatoriamente haya pasado entre 55 y 85 hrs conectado a internet es del 51.98
%
Interpretación:
Puede interpretarse de que un empleado pase tiempo conectado en el internet
es muy probable durante todo el es, por lo cual individualmente se reduce su
eficiencia como trabajador profesional de una manera sola y únicamente
individual.
Resultado Inciso d):
Imagen (2.7)
93.83 horas un empleado tiene que haber estado conectado a internet en enero
del 2013 para que se le considere un usuario intensivo.
Interpretación:
Por ende interpretamos que el usuario esta por arriba del 30%, así que se dice
que el usuario es un usuario sumamente intensivo, y debe pasar tiempo
completo en su jornada laboral.

7. Discusión (De los resultados obtenidos; incluir observaciones y

cuestionario -si aplica-):
Pudimos notar que debe seleccionarse el uso correcto de nuestras opciones
dentro de la realización de los incisos, así como saber identificar en qué
momento seleccionar “valor x” o “probabilidad”, todo acorde a lo que nos pedía
el problema; además de ello como observación pudimos notar el gran beneficio
que nos arroja el software de MINITAB dentro del calculo de un resultado en
porcentajes con respecto a un conjunto de datos, tales como media poblacional
o desviación estándar.
8. Conclusiones (Individuales y una grupal):
Grupal:
Podemos concluir dicha práctica, mencionando que el poder reconocer la
distribución normal y el uso de esta dentro de la interpretación de una gráfica, es
sumamente importante, ya que esta nos arroja resultados muy relevantes dentro
de un estudio estadístico, así como también pudimos identificar la diferencia
entre probabilidad y valores de X, pues cada una de estas herramientas nos
ofrece un calculo especifico dentro de MINITAB; concluyendo así de esta
manera la importancia del uso de la distribución normal, pues pudimos
identificarla como aquella distribución que se trata un modelo teórico que
aproxima el valor de una variable aleatoria continua, es decir que adapta esta
variable a una función que depende de la media y la desviación típica.
María Guadalupe Alvarado Bravo:
Puedo concluir dicha práctica, rescatando que la distribución normal y el manejo
de esta dentro del software de MINITAB, pues pudimos emplearla para la
obtención de nuestro porcentajes en probabilidades así como identificar los
valores de nuestra media poblacional y nuestra desviación típica, también pude
notar el impacto que la distribución normal trae consigo a nuestro día a día, pues
en base a este tipo de distribución podemos explicar muchos fenómenos
comunes como la altura de la población, el efecto de un fármaco, el consumo de
un cierto producto etc. Los datos se distribuyen de manera simétrica alrededor
de la media en forma de campana, la famosa “campana de Gauss”.
Cindy Lizbeth Barrón Celio.
Para concluir nos podemos dar cuenta de que es muy impórtate la
determinación de la distribución normal, la media y claro la probidad de que
pueda ocurrir algo, existe la plataforma que nos ayuda a determinar lo de una
manera mucho más sencilla y nos da las gráficas de la distribución normal que
es el software de MINITAB que este nos arroja resultados en la gráfica conocida
como campana. De esta manera es mucho más visual ver los resultados
obtenidos de nuestro problema planteado.
Borja Regalado David Alejandro:
Concluyo que en esta práctica aprendimos a utilizar la aplicación de MINITAB,
con el fin de poder representar los datos que se nos solicitan en cada pregunta,
utilizando una Campana de Gauss. Gracias a la Campana de Gauss podemos
observar el comportamiento que existe en la probabilidad de cierto suceso.
En cuanto al uso de la aplicación MINITAB aprendimos a utilizar las diferentes
herramientas que nos ofrece, como lo es la representación de porcentajes en
una Campana de Gauss.
Jennifer Guerrero Santoyo:
En esta práctica reforzamos el uso de MINITAB, con el fin de poder representar
los datos que se nos solicitan en cada problema. También así mismo que con la
Campana de Gauss podemos observar el comportamiento que existe en la
probabilidad de cierto suceso.
María Natividad Laguna Canul:
A partir de la realización de este este reporte de practica puedo concluir que la
distribución normal nos permite conocer la aproximación de un modelo de
variable aleatoria, utilizar la distribución normal para la resolución de un
problema encontrando la probabilidad de cada uno de sus incisos y usando el
software MINITAB nos permitió visualizar con más facilidad y detallada los
valores gráficos y probabilísticos para la problemática, esto nos ayuda a poder
desarrollar las habilidades de mejora para la resolución de una distribución
normal.
Álvaro Josué Rosas Carrillo:
Seleccione la distribución e ingrese los parámetros para la distribución.
Colocar la probabilidad acumula y Seleccionar la distribución, Minitab calcula el
valor de la media, desviación estándar
Seleccione el área de la gráfica que usted desea sombrear en el caso sería los
empleado que están conectados 77 horas en el internet y con varianza 400
definir el valor sombreado sacando la probabilidad
9. Bibliografía (Referenciar citas del marco teórico -al menos 3 fuentes-):
Distribución estadística. (s. f.). Recuperado 21 de septiembre de 2022, de
https://www.ibm.com/docs/es/cognos-analytics/11.2.0?topic=terms-statistical-
distribution.
KeepCoding, R. (2022, 12 julio). ¿Cuáles son los tipos de distribuciones en
estadística? KeepCoding Tech School. Recuperado 21 de septiembre de 2022,
de https://keepcoding.io/blog/tipos-distribuciones-estadistica/.
Estadística básica: Media, mediana y moda. (s. f.). GCFGlobal.org. Recuperado
21 de septiembre de 2022, de
https://edu.gcfglobal.org/es/estadistica-basica/media-mediana-y-moda/1/
Editorial Grudemi. (2022, 12 enero). Muestra estadística. Enciclopedia
Económica. Recuperado 21 de septiembre de 2022, de
https://enciclopediaeconomica.com/muestra-estadistica/
Attention Required! | Cloudflare. (2022, 13 enero). Material Didáctico -
Superprof.
Recuperado 21 de septiembre de 2022, de https://www.gestiopolis.com/que-es-
la distribucion normal/
Población Estadística - Concepto, características y tipos. (s. f.). Concepto.
Recuperado 22 de septiembre de 2022, de
https://concepto.de/poblacion-estadistica/
Interpretar todos los estadísticos para Almacenar estadísticos descriptivos -

Minitab. (s. f.). (C) Minitab, LLC. All rights Reserved. 2022. Recuperado

22 de septiembre de 2022, de

https://support.minitab.com/es-mx/minitab/21/help-and-how-to/statistics/

basic-statistics/how-to/store-descriptive-statistics/interpret-the-statistics/

all-statistics/

Probabilidad - Concepto, tipos, fórmula, aplicación y ejemplos. (s. f.). Concepto.

Recuperado 22 de septiembre de 2022, de

https://concepto.de/probabilidad/

Anexos de fotos:
Práctica de laboratorio.
Materia: Estadística Inferencial Fecha: 23/09/22
Carrera: Ingeniería Industrial Grado: 3 Grupo: A
Tema: Practica distribución normal y de medias
Docente: Liz Azucena González Martínez
No. Control: Nombre:
AS21110099 Alvarado Bravo María Guadalupe
AS21110061 Borja Regalado David Alejandro
AS21111014 Barrón Celio Cindy Lizbeth
AS21110033 Guerrero Santoyo Jennifer.
AS21110246 Laguna Canul María Natividad
AS19110222 Rosas Carrillo Álvaro Josué

Rubrica para su evaluación

VALORACIÓN DE 20 A 16 PUNTOS DE 15 A 11 PUNTOS DE 10 A 0 PUNTOS
Uso de las El alumno sabe utilizar El alumno utiliza la Descripción incorrecta del
tecnologías de la adecuadamente la herramienta herramienta tecnológica tema, sin detalles significativos
información tecnológica para obtener el y copia de textos consultados.
resultado esperado.
Aclaración sobre el Buena estructura y redacción Tema bien redactado pero no Tema impreciso y poco claro,
tema de fácil seguimiento que estructurado o viceversa, con sin coherencia entre las partes
plantea el tema de al menos tres errores de que lo componen y más de
investigación, su importancia e ortografía. tres errores de ortografía.
implicaciones, sin errores de
ortografía, y consulta mínimo 3
fuentes bibliográficas.
Elementos El alumno cumple con los Cumple con más del 70% de Cumple con 70% de los
propios de la requisitos para la práctica de los elementos. elementos, además está
práctica de laboratorio (portada, índice, incompleto cada apartado.
resumen, marco teórico,
laboratorio
materiales, métodos,
resultados, conclusiones y
referencias bibliográficas).
Desarrollo de la Recopila y ordena los datos Recopila y ordena los datos, Los datos obtenidos están
práctica de necesarios, describe el pero el procedimiento es desordenados, el
laboratorio. procedimiento incluyendo las confuso y no argumenta los procedimiento es erróneo al
fórmulas y sustituciones resultados obtenidos. igual que los resultados.
empleadas e interpreta y
analiza los resultados
correctos obtenidos.
Presentación de la La tipografía usada fue La tipografía usada no Se abusó del uso de colores y
práctica de atractiva, además la práctica permiten una correcta tipografías y la entrega no se
laboratorio. de laboratorio se entregó de visualización, aunque la dio de la forma y tiempo pre
forma limpia en el formato que entrega fue en el formato pre- establecida por el docente.
determino el docente (papel o establecido y en tiempo.
digital) y en el tiempo
establecido.

Calificación de la actividad
Objetivo:
Encontrar el porcentaje que hay en la talla de zapatos del grupo de Ing. Industrial
de 3-A, mediante el uso de las herramientas digitales de Estadística Inferencial
(Minitab), con el fin de representar nuestros valores resultantes, mediante el uso
de Campanas de Gauss y por ende, observamos la interpretación del porcentaje
en una gráfica de distribución.

Introducción (Marco Teórico)

¿Qué es Minitab?

Minitab es un programa de computadora diseñado para ejecutar funciones

estadísticas básicas y avanzadas. Combina lo amigable del uso de Microsoft Excel
con la capacidad de ejecución de análisis estadísticos. En 1972, instructores del
programa de análisis estadísticos de la Universidad Estatal de Pensilvania
(Pennsylvania State University) desarrollaron MINITAB como una versión ligera de
OMNITAB, un programa de análisis estadístico del Instituto Nacional de
Estándares y Tecnología (NIST) de los Estados Unidos.
Minitab es frecuentemente usado con la implantación la metodología de mejora de
procesos Seis Sigma.

Estadística:

“Es la rama de la matemática que utiliza grandes conjuntos de datos numéricos

para obtener inferencias basadas en el cálculo de probabilidades”.
Es decir, es una ciencia que estudia la variabilidad, colección, organización,
análisis, interpretación, y presentación de los datos, así como el proceso aleatorio
que los genera siguiendo las leyes de la probabilidad.

Estadística Inferencial.

La Estadística Inferencial es una parte de la estadística que comprende los

métodos y procedimientos que por medio de la inducción determina propiedades
de una población estadística, a partir de una parte de esta. Su objetivo es obtener
conclusiones útiles para hacer razonamientos deductivos sobre una totalidad,
basándose en la información numérica dada por la muestra.
Se dedica a la generación de los modelos y predicciones asociadas a los
fenómenos en cuestión teniendo en cuenta la aleatoriedad de las observaciones.
Se usa para modelar patrones en los datos y extraer inferencias acerca de la
población bajo estudio. Estas inferencias pueden tomar la forma de respuestas a
preguntas sí/no (prueba de hipótesis), estimaciones de unas características
numéricas (estimación), pronósticos de futuras observaciones, descripciones de
asociación (correlación) o modelamiento de relaciones entre variables de Sam.
Otras técnicas de modelamiento incluyen análisis de varianza, series de tiempo y
minería de datos.

Media:
La media también conocida como promedio, es el valor que se obtiene al dividir la
suma de un conglomerado de números entre la cantidad de ellos, se caracteriza
por considerar todas las puntuaciones, el numerador de la fórmula es la cantidad
de valores y cuando hay puntuaciones extremas, no tiene una representación
exacta de la muestra.

Desviación estándar:
La desviación estándar es un índice numérico de la dispersión de un conjunto de
datos (o población). Mientras mayor es la desviación estándar, mayor es la
dispersión de la población. La desviación estándar es un promedio de las
desviaciones individuales de cada observación con respecto a la media de una
distribución.  Así, la desviación estándar mide el grado de dispersión o
variabilidad.
En primer lugar, midiendo la diferencia entre cada valor del conjunto de datos y la
media del conjunto de datos. Luego, sumando todas estas diferencias individuales
para dar el total de todas las diferencias. Por último, dividiendo el resultado por el
número total de observaciones (normalmente representado por la letra “n”) para
llegar a un promedio de las distancias entre cada observación individual y la
media. Este promedio de las distancias es la desviación estándar y de esta
manera representa dispersión.
Varianza
En teoría de probabilidad, la varianza o variancia (es una medida de dispersión
definida como la esperanza del cuadrado de la desviación de dicha variable
respecto a su media. Su unidad de medida corresponde al cuadrado de la unidad
de medida de la variable.

Campana de Gauss
Es una representación gráfica de la distribución normal de un grupo de datos.
Éstos se reparten en valores bajos, medios y altos, creando un gráfico de forma
acampanada y simétrica con respecto a un determinado parámetro. Se conoce
como curva o campana de Gauss o distribución Normal.
 Problemática
Caso Real
Supón que el promedio de talla de zapatos de varios alumnos de la universidad
ITESA, es de 26 con una desviación estándar de 2. De acuerdo a una muestra de
30 alumnos de la carrera de Ingeniería Industrial se tiene un promedio de muestra
de 25.1190, determine la probabilidad de que este promedio sea más que de
25.11.
A) Sea menos 24
B) Sea menos 24 y 27.

Desarrollo
1. Para comenzar hacer la resolución de nuestra problemática, lo que
haremos es reagrupar los datos que se nos ofrecen, en este caso, la talla
de zapato de todos nuestros compañeros.
 Imagen 1. Talla de zapato de compañeros de clase 3-A.
2. Ahora lo que haremos es sacar la Media de la talla de zapatos, para poder
solucionar nuestra problemática, la cual nos queda:

Imagen 2. Media de la talla de zapatos de 3-A.

3. Después los datos los pasaremos a la aplicación de MiniTap las tallas de
zapato en una hoja de trabajo.
 Imagen 3. Tallas de zapato en MiniTap.
4. Ahora lo que haremos es que en la parte superior de Minitap seleccionamos
la pestaña Calc para obtener una distribución de probabilidad el cual se
desglosan varios puntos o tipos de probabilidad, escoger la probabilidad
normal.
 Imagen 4. Herramientas de Minitap.
5. Nos aparecerá un cuadro donde nos indicará que llenemos los datos
siguientes: Escoger probabilidad acumulada, Media (26), Desviación
Estándar (2), Constante de entrada (25.11).
 Imagen 5. Tabla “Distribución normal”
6. Le damos en aceptar y nos dará la función de Distribución Acumulada.

Imagen 6. La Función de Distribución Acumulada.

7. Después sacaremos la gráfica (Campana de Gauss) donde nos
representará los datos. Daremos clic en gráfica y seleccionaremos Gráfica
de Distribución de Probabilidad.
 Imagen 7. Herramientas de Minitap.
8. Hacer clic en Ver Probabilidad y dar en aceptar.

Imagen 8. Herramientas de Minitap.

 9. Ahora nos aparecerá una tabla Gráfica de distribución de Probabilidad: Ver
probabilidad, colocaremos los siguiente: Distribución Normal, Media (26),
Desviación estándar (2).

Imagen 9. Herramientas de Minitap (Gráfica de distribución de Probabilidad).

10. Ahora pasaremos al apartado de Área sombreada y seleccionaremos lo
siguiente: Definir área sombreada por: Valor X/Cola derecha/Valor X: 25.11

Imagen 10. Herramientas de Minitap (Gráfica de distribución de Probabilidad)/

(Área sombreada)
11. Damos en aceptar y nos da la siguiente gráfica.
 Imagen 11. Grafica de Distribución.
12. Ya hemos obtenido todos los datos de la problemática (Caso Práctico Real)

Inciso A
Para hacer el inciso A, se utilizaran los pasos de la problemática 1, es decir, del
paso 7 al 11, pero con algunos cambios.
1. Sacaremos la gráfica (Campana de Gauss) donde nos representará los
datos. Daremos clic en gráfica y seleccionaremos Gráfica de Distribución de
Probabilidad.
 Imagen 1. Herramientas de Minitap.
2. Hacer clic en Ver Probabilidad y dar en aceptar.

Imagen 2. Herramientas de Minitap.

3. Ahora nos aparecerá una tabla Gráfica de distribución de Probabilidad: Ver
probabilidad, colocaremos los siguiente: Distribución Normal, Media (26),
Desviación estándar (2).

Imagen 3. Herramientas de Minitap (Gráfica de distribución de Probabilidad).

4. Ahora pasaremos al apartado de Área sombreada, pero ahora algunos
datos cambiaran, y ahora seleccionaremos los siguiente: Definir área
sombreada por: Valor X/Cola izquierda/Valor X: 24
 Imagen 4. Herramientas de Minitap (Gráfica de distribución de Probabilidad)/
(Área sombreada)
5. Damos en aceptar y nos da la siguiente gráfica.

Imagen 5. Grafica de Distribución.

6. Ya hemos obtenido todos los datos de la problemática Inciso A (Caso
Práctico Real)

Inciso B
Para hacer el inciso B, se utilizaran los pasos de la problemática 1, es decir, del
paso 7 al 11, pero con algunos cambios.
1. Sacaremos la gráfica (Campana de Gauss) donde nos representará los
datos. Daremos clic en gráfica y seleccionaremos Gráfica de Distribución de
Probabilidad.
 Imagen 1. Herramientas de Minitap.
2. Hacer clic en Ver Probabilidad y dar en aceptar.

Imagen 2. Herramientas de Minitap.

3. Ahora nos aparecerá una tabla Gráfica de distribución de Probabilidad: Ver
probabilidad, colocaremos los siguiente: Distribución Normal, Media (26),
Desviación estándar (2).

Imagen 3. Herramientas de Minitap (Gráfica de distribución de Probabilidad).

4. Ahora pasaremos al apartado de Área sombreada, pero ahora algunos
datos cambiaran, y ahora seleccionaremos los siguiente: Definir área
sombreada por: Valor X/Centro/Valor X1: 24 – Valor X2: 27
 Imagen 4. Herramientas de Minitap (Gráfica de distribución de Probabilidad)/
(Área sombreada)
5. Damos en aceptar y nos da la siguiente gráfica.

Imagen 5. Grafica de Distribución.

6. Ya hemos obtenido todos los datos de la problemática Inciso B (Caso
Práctico Real)

Resultados
Problema 1.
Conclusión
La probabilidad de que los 30 alumnos de la carrera de Ing. Industrial de 3-A
tengan un promedio de talla de zapato sea mayor de 25.11 es del 67.18%
Interpretación
Es decir, es mayor al promedio original, por lo que mayoría de los alumnos tienen
un calzado mayor de 25.
 Inciso A
Conclusión
La probabilidad de que los 30 alumnos de la carrera de Ing. Industrial de 3-A
tengan un promedio de talla de zapato es menor de 24 es del 15.87%,
Interpretación
Es decir, es menor al promedio original, por lo que la mayoría de los alumnos
tienen un calzado menor de 24, es decir, pocos calzan menos de 24.
 Inciso B
Conclusión
La probabilidad de que los 30 alumnos de la carrera de Ing. Industrial de 3-A
tengan un promedio de talla de zapato de entre 24 y 27 es del 53.28%
Interpretación
Es decir, se encuentra a la mitad de los promedios originales, por lo que casi la
mitad de los alumnos de 3-A usan un calzado de entre 24 y 27.
Conclusión general:
Con esta práctica realizada por el equipo hemos adquirido diversos conocimientos,
empezando por Minitab ya que utilizamos herramientas que no habían sido
utilizadas, por otro lado al realizar la problemática de este caso hemos
desarrollado un poco más la habilidad de resolver casos como este en el que se
nos presentan variedad de datos, así mismo hemos aprendido a dar un correcta
conclusión y por ende una buena interpretación al caso presentado con
anterioridad.

Conclusiones individuales:
David Alejandro Borja Regalado.
Concluyo que la Estadística Inferencial es una rama de la Estadística importante,
ya que nos ayuda a interpretar diferentes respuestas en porcentaje, y de esta
manera relacionarlo con eventos reales, además el uso de la aplicación o software
de Minitab nos apoyó mucho en la resolución de la problemática encontrando la
función acumulada del problema, y por ende, también representando los
porcentajes resultantes en una diagrama de distribución o Campana de Gauss.
María Guadalupe Alvarado Bravo:
Concluyo el caso práctico, mencionando que gracias a la realización de este,
pudimos manejar diversas herramientas de gran utilidad dentro de un conjunto de
datos recabados dentro de un problema; además de ello puedo mencionar que
generó un impacto bueno a mi conocimiento, pues pude identificar aún más la
diferencia entre desviación estándar, media y nuestro tamaño de muestra
manejado en la medida de talla de nuestros zapatos dentro de los integrante del
salón; por ende aprendí a identificar que la varianza es una medida de dispersión
que se utiliza para representar la variabilidad de un conjunto de datos, todo esto
con respecto de la media aritmética de los mismo y así poder manejar dichos
resultados para obtener un porcentaje real dentro de nuestro caso práctico.
Cindy Lizbeth Barrón Celio
Concluyo que el caso práctico Real nos sirvió para determinar la distribución
normal de las tallas de zapatos, con ayuda de los dos software Excel y MINITAB,
que Excel nos ayudó a determinar media, promedio y desviación estándar, ya con
ayuda de MINITAB logramos plantar el problema y determinar cada una de las
gráficas como es que se comporta cada una de las propiedades y además lo hace
ver de una manera más visual para entender la campana de Gauss.
María Natividad Laguna Canul
Al término de este caso práctico puedo concluir que la distribución normal y la
ayuda del software nos permitieron ampliar nuestros conocimientos y visualizar
tanto resultados como la gráfica de las probabilidades y así nos brindó una mejora
en la interpretación de cada uno de los problemas planteados. Minitab y Excel nos
brindó una forma más fácil de resolución de los casos.
Jennifer Guerrero Santoyo
Gracias a la realización de esta práctica puede entender de mejor manera la
interpretación de la campana de Gauus, así mismo aprendí a identificar la varianza
de una media de dispersión que se utiliza para representar la variabilidad de un
conjunto de datos. De la misma manera pude aprender a realizar de una mejor
manera con ayuda de mi equipo como se realiza un problema de este tipo y como
le puedo dar una correcta interpretación a cada caso.
Rosas Carrillo Álvaro Josué
La probabilidad de que los 30 alumnos de la carrera ing industrial 24 y 27 es
importante conocer la distribución de probabilidad en una tabla con una curva de
función de distribución de probabilidad indica regiones de mayores y menores
probabilidades para los valores de la variable, media, y la desviación estándar
aleatoria.
Bibliografías.

es.wikipedia.org. (18 de Septiembre de 2019). Obtenido de es.wikipedia.org:

https://es.wikipedia.org/wiki/Minitab
es.wikipedia.org. (19 de Julio de 2022). Obtenido de es.wikipedia.org:
https://es.wikipedia.org/wiki/Estad%C3%ADstica_inferencial
Grudemi, E. (2021). enciclopediaeconomica.com. Obtenido de
enciclopediaeconomica.com:
https://enciclopediaeconomica.com/estadistica-inferencial/
www.cca.org.mx. (s.f.). Obtenido de www.cca.org.mx:
http://www.cca.org.mx/cca/cursos/estadistica/html/m11/desviacion_estandar
.htm
www.sdelsol.com. (s.f.). Obtenido de www.sdelsol.com:
https://www.sdelsol.com/glosario/estadistica/

Solución de casos.
Materia: Estadística Inferencial Fecha: 20 de Septiembre 2022

Carrera: Ing. Industrial Grado: 3 Grupo: A

Tema: Caso Real

Docente: Liz Azucena Gonzáles Martínez.

 No. Control: Nombre:
AS21110099 Alvarado Bravo María Guadalupe
Integrantes:
AS21110061 Borja Regalado David Alejandro
AS21111014 Barrón Celio Cindy Lizbeth
AS21110033 Guerrero Santoyo Jennifer.
AS21110246 Laguna Canul María Natividad
AS19110222 Rosas Carrillo Álvaro Josué
Rubrica para su evaluación
VALORACION DE 20 A 16 PUNTOS DE 15 A 11 PUNTOS DE 10 A 0 PUNTOS TOTAL

Cantidad de Cumple con la Cumple con la actividad No cumple con la

información actividad siguiente: siguiente: actividad siguiente:
Contiene los temas Contiene los temas No aborda los temas
solicitados por el solicitados por el docente solicitados por el
docente en su totalidad en su totalidad, entrega docente en su
de manera detallada, en tiempo y forma totalidad, no entrega en
entrega en tiempo y tiempo y forma
forma, con cantidad de
detalles (fotos/ videos).
Presentación de Cumple con las tres Cumple con dos de las Cumple con una o
caso practico actividades siguientes: tres actividades menos actividades:
*Hace una breve siguientes: *Hace una breve
descripción de lo que *Hace una breve descripción de lo que
va a realizar. descripción de lo que va va a realizar.
*Se identifican a realizar. *Se identifican
fácilmente los *Se identifican fácilmente fácilmente los
diferentes sistemas de los diferentes sistemas diferentes sistemas de
producción en el de producción en el producción en el
reporte presentado. reporte presentado. reporte presentado.
* Cumple con los * Cumple con los * Cumple con los
requisitos para la requisitos para la práctica requisitos para la
práctica de Aula de Aula (portada, índice, práctica de Aula
(portada, desarrollo, resumen, marco teórico, (portada, índice,
resumen, marco materiales, resultados, resumen, marco
teórico, materiales, conclusiones y teórico, materiales,
resultados, referencias resultados,
conclusiones y bibliográficas). conclusiones y
referencias referencias
bibliográficas). bibliográficas).

Diagramas de Los diagramas de flujo Los diagramas son claros Los diagramas son
flujo son claros y ayudan al y fáciles de entender difíciles de entender o
(si es que entendimiento de los no son usados
aplica) procedimientos
Redacción y No hay faltas de 1-3 faltas de ortografía, Más de 3 faltas de
ortografía ortografía ni errores de errores de puntuación, ortografía, errores de
puntuación, tipografías tipográficos o puntuación, tipográficos
o gramaticales gramaticales o gramaticales
El trabajo es El trabajo es presentado El trabajo se ve
presentado de una de una manera ordenada descuidado y
Orden y manera clara, y organizada que es por desorganizado. Es
organización ordenada y organizada lo general fácil de difícil saber qué
que es fácil de entender información está
entender relacionada

Calificación de la actividad