Compilador: MAST Javier Nava Gomez.1. Introducei6n .... 2. Deseripeién de un conjunto de datos. 2.1. Descripcién numérica de un conjunto de datos .. 2.1.1, Medidas de Tendencia Central... 2.1.2, Medidas de Dispersién 2.1.3. Regla Empirica ....... 2.2. Deseripeién gréfica de un conjunto de datos 2.2.1. Histograma y tabla de frecuencias .. 2.2.2. Diagrama de caja .. 2.3. Descripcién de datos categoricos |- Diagrama de barres y gréfica circular 2.3.2. Diagrama de Pareto .... 24, Errores tipicos . 3. Relacion entre dos conjuntos de datos 3.1. Dingrama de dispersién . 3.2. Coeficiente de correlacién 3.3. Recta de regresién ..... 4, Conceptos biisicos de probabilidad ..... 4.1, Experimento, espacio muestral y evento «.. 4.2, Reglas de probabilidad 4.2.1, Regla de la adicién 4.2.2, Regla de Ia mulkiplicacion 4.3. Independencia y probabilidad condicional 4.4, Variables aleatorias discretas 4.5. Variables aleatorias continuas 4.6. Funcién de probabilidad ... 4.7, Funcién de densidad de probabilidades 4.8, Funcién de distribucién acumulada ...... 4.9. Esperanza y Varianza 4.10. Teorema de Chebyshev 5, Modelos probabilisticos 5.1. Experimento de Bernoul 5.2, Distribucién de Bernoull 5.3, Distribuci6n Binomi 5.4, Distribucién Hipergeomeétrica .. 3.5. Distribucién de Poisson .... 5.6, Distribucién Normal .. 5.7. Distribucién Uniforme .. 6, Distribuciones derivadas del muestreo, Estimacién y Prueba de Hipétesis 6.1, Poblacién y muestra 6.2. Estadisticos y sus distribuciones .. 6.3. Distribucién muestral normal 6.4, Estimacién y sus propiedades 6.5. Estimacién puntual y por intervalo de una media (n>30) . 6.6, Estimacién puntual y por intervalo de una roporcin 6.7. Hipétesis estadi 6.8, Errores tipo Ly tipo IL 6.9. Prueba de hipdtesis para diferencia de medias (n>3 6.10. Prueba de hipétesis para diferencia de proporciones ...... 6.11, Distribucién muestral t de Student ...... ‘ 6.12, Estimacién puntual y por intervalo de una media (n<30) 6.13, Prueba de hipstesis para diferencia de medias (n<30) 6.14, Distribucién muestral Ji-cuadrada 6.15, Estimacién de una varianza .... 6.16. Comparacién de una varianza poblacional 6.17, Distribuci6n muestral F de Snedecor .. 6.18. Comparacién de dos varianzas poblaci 100 104 i 117 117 17 18 123 126 130 132 138 139 146 152 154 159 170 17 175 178 181 Mninersidad de Guadalajara Centra Universitaria de Ciencias Exactar ¢ lngenierionfi bs 1, INTRODUCCIO! 1.1 Introducetén HISTORIA DE LA ESTADISTICA Los comienzos de la estadistica pueden ser hallados en el antiguo Egipto, cuyos faraones lograron recopilar, hacia el afio 3050 antes de Cristo, prolijos datos relativos a la poblacién y la riqueza del pafs. De acuerdo al historiador griego Herédoto, dicho registro de riqueza y poblacién se hizo con el objetivo de preparar la construccién de las pirémides. En el mismo Egipto, Ramsés I hizo un censo de las tierras, con el objeto de verificar un nuevo reparto. En el antiguo Israel, la Biblia da referencias, en el libro de los Nimeros, de los datos estadisticos obtenidos en los recuentos de la poblacién hebrea. El rey David, por otra parte, ordend a Joab, general del ejército, hacer un censo de Israel, con Ia finalidad de conocer el niimero de la poblacién. ‘También los chinos efectuaron censos hace mAs de cuarenta siglos. Los griegos efectuaron censos periédicamente con fines tributarios, sociales (divisién de tierras) y militares (céleulo de recursos y hombres disponibles). La investigacién histérica revela que se realizaron 69 censos para calcular los impuestos, determinar los derechos de voto y ponderar la potencia guerrera. Pero fueron los romanos, maestros de la organizacién politica, quienes mejor supieron cemplear los recursos de la estadistica. Cada cinco afios realizaban un censo de la poblacién y sus funcionarios piblicos tenian la obligacién de anotar nacimientos, defunciones y matrimonios, sin olvidar los recuentos del ganado y de las riquezas contenidas en las tierras conquistadas. Cuando nacié Cristo, se realiz6, uno de estos empadronamientos de la poblacién bajo la autoridad del imperio. Durante los mil afios siguientes a Ia caida del imperio romano se realizaron muy pocas operaciones estadisticas, con la notable excepcidn de las relaciones de tierras pertenecientes a la Iglesia Catélica, compiladas por Pepino el Breve, en el 758 y por Carlomagno, en el 762 d.C. Durante el siglo IX se realizaron en Francia algunos censos parciales de siervos. En Inglaterra, Guillermo el Conquistador recopil6 el Domesday Book 0 libro del Gran Catastro para el afio 1086, un documento de la propiedad, extensién y valor de las tierras de Inglaterra. Esa obra fue el primer compendio estadistico de Inglaterra. Aunque Carlomagno, en Francia y Guillermo el Conquistador, en Inglaterra, trataron de revivir la técnica romana, los métodos estadisticos petmanecieron casi olvidados durante la Edad Media. Durante los siglos XV, XVI y XVH, hombres como Leonardo de Vinci, Nicolas Copérnico, Galileo, Neper, William Revi, Sir Francis Bacon y René Descartes, hicieron grandes operaciones al método cientifico, de tal forma que cuando se crearon los Estados Nacionales y surgié como fuerza el comercio internacional ya existia un método capaz de aplicarse a los datos econdmicos. Para el afio 1532, empezaron a registrarse en Inglaterra las defunciones debido al temor que Enrique VII tenia por la peste. Mas 0 menos por la misma época, en Francia la ley exigié a los clérigos registrar los bautismos, fallecimientos y matrimonios. Durante un brote de peste que aparecié a fines de la década de 1500, el gobierno inglés comenzé a publicar estadisticas semanales de los decesos. Esa costumbre continud muchos afios, y en 1632 estos Bills of Universidad de Guadslafora Universitaria de Ciencias Buactan t tngenitncaa —!Intreduccién Mortality (Cuentas de Mortalidad) contenian los nacimientos y fallecimientos por sexo. En 1662, el capitan John Graunt usé documentos que abarcaban treinta afios y efectud predicciones sobre ef nimero de personas que moririan de varias enfermedades y sobre las proporciones de nacimientos de varones y mujeres que cabria esperar. El trabajo de Graunt, condensado en su. obra Natural and Political Observation... Made upon the Bills of Mortality (Observaciones Politicas y Naturales .., Hechas a partir de las Cuentas de Mortalidad), fue un esfuerzo innovador en el andlisis estadistico. Para el aiio 1540, ef aleman Sebastian Muster realizé una compilacién estadistica de los recursos nacionales, comprensiva de datos sobre la organizacién politica, instrucciones sociales, comercio y poderio militar. Durante el siglo XVI aporté indicaciones mas concretas de métodos de observacién y andlisis cuantitativo, y amplié los campos de la inferencia y la teoria estadistica. Los eruditos del siglo XVII demostraron especial interés por la Estadistica Demografica, como resultado de la especulacién sobre si a poblacién aumentaba, decrecia o permanecia estatica. En los tiempos modernos, tales métodos fueron resucitados por algunos reyes que necesitaban conocer las riquezas monetarias y el potencial humano de sus respectivos paises. El primer empleo de los datos estadisticos para fines ajenos a la politica, tuvo lugar en 1691, y estuvo a cargo de Gaspar Neumann, un profesor alemén que vivia en Breslau. Este investigador se propuso destruir la antigua creencia popular de que en los affos terminados en siete, moria mas gente que en los restantes, y para lograrlo, hurgé pacientemente en los archivos parroquiales de la ciudad. Después de revisar miles de partidas de defuncién, pudo demostrar que en tales afios no fallecfan més personas que en Jos demas. Los procedimientos de Neumann fueron conocidos por el astrénomo inglés Halley, descubridor del cometa que lleva su nombre, quien los aplicé al estudio de la vida humana. Sus cdlculos sirvieron de base para las tablas de mortalidad que hoy utilizan todas las compafiias de seguros. Durante el siglo XVII y principios del XVIII, mateméticos como Bernoulli, Francis Maseres, Lagrange y Laplace desarrollaron la teoria de probabilidades, No obstante, durante cierto tiempo, la teorfa de las probabilidades limitd su aplicacidn a los juegos de azar, y hasta el siglo XVIII no comenzé a aplicarse a los grandes problemas cientificos. Godofredo Achenwall, profesor de la Universidad de Gotinga, acufié en 1760 Ia palabra estadistica, que extrajo del término italiano statista (estadistica). Crefa, y con sobrada razén, que los datos de fa nueva ciencia serian el aliado mas eficaz del gobernante consciente, La raiz remota de la palabra se halla, por otra parte, en el término latino status, que significa estado o situacién; esta etimologia aumenta el valor intrinseco de la palabra, por cuanto la estadistica revela el sentido cuantitativo de las mas variadas situaciones Jacques Quételect es quien aplica las estadisticas a las ciencias sociales. Este interpreté la teoria de la probabilidad para su uso en las ciencias sociales y resolver la aplicacién del principio de promedios y de la variabilidad a los fendmenos sociales. Quételect fue el primero en realizar la aplicacién practica de todo el método estadistico, entonces conocido, a las diversas ramas de las, ciencias. Entretanto, en ef periodo de 1800 a 1820 se desarrollaron dos conceptos matemiticos fundamentales para la teorla estadistica; la teorfa de los errores de observacién, aporiada por Iniversidad de Guadalajara Centre Univirsitarie dt Ciencias Exactar ¢ lngenivnasfetroduceién Laplace y Gauss; y la teoria de los minimos cuadrados, desarrollada por Laplace, Gauss y Lagandre. A finales del siglo XIX, Sir Francis Galton ideé el método conocido como Correlacién, que tenia por objeto medir la influencia relativa de los factores sobre las variables, ‘De aqui partié el desarrollo del coeficiente de correlacién creado por Karl Pearson y otros cultivadores de 1a ciencia biométrica, como J. Pease Norton, R. H. Hooker y G. Udny Yule, que efectuaron amplios estudios sobre la medida de las relaciones. Los progresos més recientes en el campo de la estadistica se refieren al posterior desarrollo del calculo de probabilidades, particularmente en la rama denominada indeterminismo 0 relatividad, se ha demostrado que el determinismo fue reconocido en la fisica como resultado de las investigaciones atémicas, y que este principio se juzga aplicable tanto a las ciencias sociales como a las fisicas. Etapas del desarrollo de la Estadistica La historia de Ja estadistica est resumida en tres grandes etapas o fases. 1, Primera fase: Los Censos: Desde el momento en que se constituye una autoridad politica, la idea de inventariar de una forma mas 0 menos regular la poblacién y las riquezas existentes en el territorio, estd ligada a la conciencia de soberania y a los primeros esfuerzos administrativos. 2. Segunda fase: De la Descripcién de los Conjuntos a la Aritmética Politica: Las ideas mercantilistas extrafian una intensificacién de este tipo de investigacién. Colbert Multiplica las encuestas sobre articulos manufacturados, el comercio y la poblacién: los intendentes del Reino envian a Paris sus memorias. Vauban, més conocido por sus fortificaciones 0 su Dime Royale, que es la primera propuesta de un impuesto sobre los ingresos, se sefiala como el verdadero precursor de los sondeos. Mas tarde, Bufon se preocupa de esos problemas antes de dedicarse a la historia natural. La escuela inglesa proporciona un nuevo progreso al superar Ja fase puramente descriptiva. Sus tres principales representantes son Graunt, Petty y Halley, El pendltimo es autor de la famosa Aritmética Politica. Chaptal, ministro del interior francés, publica en 1801 el primer censo general de poblacién, desarrolla los estudios industriales, de las producciones y los cambios, haciéndose sisteméticos durante las dos terceras partes del siglo XIX. 3. Tercera fase: Estadistica y Céleulo de Probabilidades: Bl cdlculo de las probabilidades se incorpora rpidamente como un instrumento de andlisis extremadamente poderoso para el estudio de los fenémenos econdmicos y sociales y, en general, para el estudio de fendmenos, “cuyas causas son demasiado complejas para conocerlos totalmente y hacer posible su andlisis”, Todo fo que hasta remotamente tiene que ver con la recolecei6n, procesamiento, andlisis e interpretacién de datos numéricos pertenece al dominio de la estadistica, que comprende, por ejemplo, el célculo del aumento, en promedio, de las utilidades de una importante compatiia quimica en los dltimos 10 afios; la recoleccién y presentacién anual de la deuda a corto plazo de todas las compatiias citadas en el New York Stock Exchange, asi como un porcentaje de su deuda a largo plazo; la evaluacién de la eficacia de dos diferentes programas de seguridad, destinados a reducir el niimero de accidentes personales, y el tiempo perdido, en un trabajo de alto riesgo; y el anilisis de las variaciones que ocurren de cuando en cuando en series de datos econdmicos (ventas al menudeo, precios al consumidor y al mayorista, distribucién del dinero, precios de productos comunes, productividad del campesino, etc.) Universidad de Guadalajena Contre Universitaria de Ciencias Exactes elngunieriaa 3Introduccién La palabra “estadistica", por si sola, se utiliza en varias formas, En un contexto, significa un conjunto de datos como los que se pueden encontrar en las paginas financieras de los diarios 0 en el Compendio Estadistico de Estados Unidos. Y, en otro ambito, se refiere a la totalidad de los métodos que se aplican en la recoleccién, procesamiento, andlisis ¢ interpretacién de cualquier tipo de datos. En este dltimo sentido, 1a estadistica es una rama de las matematicas aplicadas. Uno de los fenémenos mas comentados de Ias ultimas décadas ha sido el desarrollo de métodos y conceptos estadisticos. Por muchos afios, a la estadistica le concernian principalmente la recoleccién de datos y su presentacién en tablas y grdficas; hoy dia ha evolucionado hasta el punto en que su impacto se percibe en casi todas las areas de trabajo del ser humano. Esto se debe a que la estadistica moderna esta relacionada directamente con el problema de la toma de decisiones en condiciones de incertidumbre. Sin necesidad de decirlo, existen elementos de incertidumbre en casi todo lo que hacemos. La caracteristica més importante del reciente avance de a estadistica ha sido el cambio de los métodos meramente descriptivos por otros que sirven para hacer generalizaciones o, dicho de otra manera, un cambio de la estadistica descriptiva a la deduccién o inferencia estadistica. Por estadistica descriptiva nos referimos a cualquier tratamiento de datos que esté diseflado para resumir o describir algunas de sus caracteristicas mas importantes sin intentar deducir nada que escape al alcance de los datos. La estadistica descriptiva es una rama importante de la estadistica y se sigue empleando ampliamente en el drea comercial y en otras dreas de actividad. Sin embargo, en la mayor parte de los casos, la informacién estadistica surge de muestras (de observaciones realizadas sélo en algunos elementos de un conjunto grande) o de Ia observacién de acontecimientos pasados. El tiempo, el costo 0 la imposibilidad de hacer lo contrario suele requerir un procedimiento de este tipo, aunque nuestro interés real yace en todo el conjunto de elementos del cual provino la muestra y en los acontecimientos futuros, no en el pasado. Como las generalizaciones de cualquier tipo escapan al contenido de Ia estadistica descriptiva, se nos conduce al uso de la inferencia estadistica para resolver muchos problemas de operaciones cotidianas y para la elaboracién de planes a corto y largo plazo. Por ejemplo, los métodos de la inferencia estadistica son necesatios para decidir si un lote grande de baterias de 9 volts para aparatos de transistores cumple en promedio con la vida Gil garantizada por el fabricante; para determinar la dosis minima eficaz y la maxima segura de un nuevo medicamento antiinflamatorio en el tratamiento de inflamaciones locales dolorosas; para estimar la demanda de nuevas Ilantas para la nieve durante la siguiente temporada de nevadas, o bien, para predecir la demanda total, de fibras de madera para todos los usos en Estados Unidos, durante 2008. No obstante, al comienzo de nuestro estudio de la estadistica, nos apresuramos a agregar que siempre que hagamos una inferencia estadistica (una generalizacién que escape a los limites de nuestras observaciones) deberemos proceder con mucha precaucién. De hecho, debemos considerar concienzudamente si resulta posible hacer alguna generalizacién valida del todo y, si lo es, hasta dénde podemos generalizar. Y no obstante, sin importar cuén cautelosamente procedamos, podemos errar por completo en las generalizaciones y encontrarnos en dificultades. En realidad, uno de los problemas basicos de Ia inferencia estadistica es el de la apreciacién de los riesgos que representa hacer generalizaciones equivocadas y quizé hacer algo incorrecto, con base en los datos tornados de una muestra, El hecho de que aqui pidamos que se preste atencién a los errores estadisticos puede parecer una manera negativa de dar comienzo a nuestro estudio pero, en realidad, la constante advertencia de que existe la posibilidad de hacer conclusiones y 9 Universidad de Guadalajara Centre Univenaitanio de Ciencias Exacter tlngtnitrinn(ntroduccion acciones equivocadas, y el deseo de controlarlas, permiten dirigir correctamente el curso de las investigaciones estadisticas. La realidad es dura ¢ inflexible y se debe enftentar en sus propios términos. Vivimos en un mundo lleno de incégnitas y no existe manera de eliminar por completo los riesgos de tomar decisiones equivocadas. Siendo este el caso, nuestro verdadero problema no consiste ahora en cémo eliminarlos, sino en cémo vivir con ellos de manera inteligente. Cuanto més pronto comprendamos esto, tanto mas seguros nos sentiremos y tanto mejor entenderemos por que la estadistica es una disciplina que vale la pena estudiar. Una de las razones principales para estudiar estadistica es que se consagra en forma directa al problema universal de cémo tomar decisiones inteligentes en condiciones de incertidumbre o bien, en forma més breve, al problema de Ja toma de decisiones con incertidumbre. La estadistica moderna es altamente refinada y ahora est4 haciendo una contribucién importante a la solucién de muchos problemas de toma de decisiones en condiciones de incertidumbre. Mas atin, se esté logrando un progreso sustancial y continuo en la creacién de nuevos métodos que satisfagan urgentes necesidades pricticas de muchas dreas de actividad. Por ejemplo, en los campos de la medicina y la salud pdblica, la ciencia de la bioestadistica, tecientemente creada y en rapido desarrollo, esta aplicando eficaces métodos mateméticos y estadisticos al estudio de ciertos problemas fundamentales, relacionados con el crecimiento, el desarrollo, las enfermedades y los decesos en las poblaciones humanas, como lo son los efectos perjudiciales de la contaminacién del aire, la relacién entre la dieta y Ia muerte por afecciones cardiacas, y entre el tabaquismo y el céncer pulmonar. En estas éreas, como en muchas otras, los métodos estadisticos oftecen un marco para observar los problemas en forma sistemética y légica. En realidad, estos métodos modemos son, en muchos casos, absolutamente esenciales para el progreso ordenado y continuo hacia el logro de metas importantes. Dificilmente existe un drea en la cual el impacto de la estadistica se haya sentido con mayor intensidad que en el medio comercial donde, como manera ordinaria, deben tomarse decisiones que afectan el aprovechamiento y la continuidad en todos los niveles de todos los tipos de empresas. En realidad; seria dificil sobreestimar las contribuciones que los métodos estadisticos han hecho a la planeacién, la operacién y el control efectivo de todas las actividades comerciales. En los ultimos 35 a 40 afios, la aplicacién de los métodos estadisticos ha traido consigo cambios drdsticos en todas las reas importantes de la administracién de empresas: administracién general, investigacién y desarrollo, finanzas, producci6n, ventas, publicidad y todo lo demas. Desde Iuego, no todos los problemas de estas dreas son de naturaleza estadistica, pero es muy extensa la lista de aquellos que pueden tratarse parcial o totalmente por medio de los métodos estadisticos. Para ilustrarlo, mencionaremos unos problemas que podria enfrentar un fabricante multinacional importante: En el Area de la administracion general, donde la planeacidn a largo plazo es de mayor interés, deben predecirse 0 pronosticarse las tendencias poblacionales de diversos paises y deben analizarse sus efectos en los mercados de consumidores. En la investigacidn ¢ ingenieria, deben estimarse los costos de diversos proyectos y deben anticiparse los requisitos de mano de obra, capacidad, equipo y tiempo. En el érea de las finanzas, deben determinarse los potenciales de aprovechamiento de otras inversiones de capital, deben proyectarse todos los requisitos financieros y deben estudiarse los mercados de capital, de tal manera que puedan elaborarse adecuados planes de financiamiento e inversién a largo plazo. Universidad de Guadalajara Contre Universitario de Ciencias Euactas t Ingenieria >Introduccién En la produceién, surgen problemas de naturaleza estadistica en relacién con aspectos como Ia disposicién y estructura de las plantas, el tamafio y ubicacién de las mismas, el inventario, la programacién y el control de la produccién, el mantenimiento, el transito y el manejo de materiales, y el control de calidad. En afios recientes se han logrado grandes avances en la aplicacién de la estadistica a esta tltima drea, es decir, a la inspeccién por muestreo y al control de calidad. En el étea de las ventas, se presentan muchos problemas que requieren soluciones estadisticas. Por ejemplo, deben pronosticarse las ventas de productos actuales y nuevos, para los mercados existentes y para los que se abran después; deben determinarse los canales de distribucién y deben estimarse los requisitos de las fuerzas de ventas. En la publicidad, la creacién de campafias triunfales puede ser una tarea problematica. Deben determinarse presupuestos, deben hacerse asignaciones a diversos medios y debe medirse (0 predecit) la eficacia de la campafia con estudios muestrales de la respuesta del piiblico y con otras técnicas esiadisticas. Hasta ahora hemos tratado problemas de naturaleza estadistica 2 los que podria enfrentarse un fabricante importante, Sin embargo, problemas similares se plantean, por ejemplo, un ferrocarrilero que intenta optimizar el uso de miles de vagones de carga; a un granjero que pretende decidir cémo alimentar a su ganado de manera que sus necesidades nutricionales se satisfagan al més bajo costo posible; a una compaiifa de inversiones abierta que desea decidir qué cantidad de su activo total se debe mantener en los saldos de efectivo funcional y cudnto se debe invertir en acciones comunes y en bonos a corto plazo; y a una gran compafifa integrada de gas (que produce, procesa y transporta gas natural, petroleo crudo y productos derivados del petroleo), que planea sus practicas de conservacién para el futuro, y también su sistema de transporte y la creacién de fuentes de energia, No es necesario, en lo absoluto, referimos a grandes organizaciones para encontrar aplicaciones comerciales de la estadistica. En relacién con las empresas pequefias, los problemas suelen diferir mas en grado que en clase de los que tienen sus competidores grandes. Por ejemplo, ni el supermercado mas grande, ni la tienda de abarrotes més pequefia tiene un ilimitado capital 0 espacio en el almacén, y tampoco se puede dar el lujo de comprometer estos dos activos con productos inadecuados. El problema de utilizar el capital y el espacio de almacenamiento de la manera més eficaz es tan vital para la tienda pequefia como para la grande, y s6lo una persona muy miope puede pensar que las modemas herramientas de administracién (entre ellas, las técnicas estadisticas modernas) son tiles nada més para las empresas grandes. De hecho, dificilmente se Hlegarfan a necesitar en otra parte con mas urgencia que en las empresas pequefias, donde cada afio fracasan miles de las unidades en operacién y donde miles de las nuevas unidades que entran en funcionamiento, estén destinadas a fallar en virtud de capital inadecuado, crédito excesivo, inundacién del mercado con el producto equivocado y, en términos generales, falta de conocimiento del mercado o de la competencia. La estadistica trata de la recopilacisn, presentacién, andlisis y uso de la informacién para resolver problemas, tomar decisiones, desarrollar estimaciones, y diseftar y desarrollar productos y procedimientos. Un conocimiento de la estadistica basica y dé los métodos estadisticos es ttil para cualquier persona en esta era de la informacién; sin embargo, puesto que ingenieros, cientificos y profesionales en administracién cientifica trabajan todos los dias con la informacién, dominar esta disciplina es particularmente importante. En la economia de este mundo intensamente competitive y de alta tecnologia de la primera década del siglo XXI, las expectativas de los consumidores respecto de la calidad, funcionamiento y seguridad de tos productos han aumentado significativamente en comparacién con las expectativas de antes, Mas 5 Universidad de Guadalajean Corctro Universitario de Ciencias Enacter ¢ IngenieriagIntreduceisee atin, esperamos altos niveles de funcionamtento de los sistemas logisticos de todas las areas; tanto la operacién como el refinamiento de estos sistemas dependen en gran parte de la reunién y uso de la informacién. Aun cuando quienes trabajan en diversas "industrias de servicios” tratan con problemas diferentes, en algiin sentido también retinen datos que seran empleados en la solucién de los problemas y en el mejoramiento del "servicio" que les permitiré ser més competitivos y obtener mayor presencia en el mercado. Los métodos estadisticos se usan para presentar, describir y entender la variabilidad. Al observar el valor de una variable o los valores de diversas variables repetidamente, en donde los valores son asignados a las unidades mediante un proceso, notamos que hay una tendencia a producir diferentes resultados. Précticamente en todos los procesos de la vida real se da variabilidad. Por ejemplo, considere las situaciones en las que seleccionamos diversas tareas de un proceso de produccién y medimos una dimensi6n critica (como la abertura de un aspa) en cada parte. Si el instrumento de medici6n tiene una resolucién suficiente, las aberturas del aspa serdin diferentes (habré entonces variabilidad en la dimensién). Asimismo, si contamos el nimero de defectos en una circuiteria, encontraremos variabilidad, asi como diferencias en la cantidad de defectos que presenta cada uno. Esta variabilidad se extiende a todds los medios. Hay variabilidad en el grosor del recubrimiento de dxido de las tabletas de silicén; en la produccién por hora de un proceso quimico; en el nimero de errores que se dan en las érdenes de compra; en el flujo de tiempo necesario para ensamblar un motor de avién, y en el gasto de gas natural en que incurren los clientes residenciales en un mes determinado. gPor que se presenta la variabilidad? Generalmente Ia variabilidad es resultado de cambios en las condiciones bajo las que se realizan las observaciones. En un contexto de produccién, estos cambios pueden ser diferencias en Ia clase de los materiales, en las formas de trabajar de las personas, en las variables del proceso (tales como la temperatura, la presién o el tiempo de contencién), y en los factores ambientales, como la humedad relativa. La variabilidad también se presenta debido a los sistemas de medicién, Por ejemplo, la medicién obtenida con una bascula puede variar segin la posicién que ocupe el objeto a examinar sobre el platillo. El proceso de clegir unidades de medicién puede también producir variabilidad. Por ejemplo, suponga que un lote de 1000 circuitos integrados tiene exactamente 100 circuitos defectuosos. Si examinaramos los 1000 circuitos y nuestro proceso de inspeccién fuera perfecto (es decir, sin errores de inspeccién o de medicién), encontrariamos los 100 circuitos defectuosos. Sin embargo, suponga que seleccionamos 50 circuitos. Ahora, algunos de ellos tienen la posibilidad de ser defectuosos, y esperarfamos que la muestra tuviera aproximadamente 10% de los citcuitos defectuosos, pero puede tener 0.2 6 12%, dependiendo de los circuitos especificos que fueron seleccionados. El campo de la estadistica consiste en fos métodos que describen y modelan la variabilidad, y en la toma de decisiones cuando se presenta Ja variabilidad. En estadistica inferencial usualmente queremos tomar decisiones sobre determinada poblacién. El término poblacién se refiere a "la coleccién de mediciones de todos los elementos de un universo respecto del cual queremos obtener conclusiones 0 tomar decisiones". Obviamente, puede haber diversas poblaciones relacionadas con un universo dado. Un ejemplo es el universo que consiste en los clientes residenciales de una compafifa de energia eléctrica cuyas cuentas estén activas durante parte del mes de agosto de 2003. Ejemplos de poblacién pueden ser el conjunto de los valores de consumo de energia (kilowatt-hora) facturados a estos clientes en la cuenta de agosto de 2003, el Universidad de Guadalajara Contra Universitari de Ciemcias Exactar elngeniernion 7