Aplicaciones Industriales de la Estadística en México

Presentación:
Sensor® mantiene un intenso programa de capacitación empresarial "in situ". Nuestra estrategia ha sido la de reducir al mínimo la organización de cursos abiertos para favorecer los grupos empresariales, lo cual plantea las siguientes ventajas:

• Se abate el costo de capacitación por persona
• Se desarrolla un equipo de trabajo que hace menos lábil a la compañía en caso de separación o promoción de alguno de sus integrantes
• El equipo de trabajo puede atacar varios problemas al mismo tiempo y los integrantes pueden servir de apoyo a otros miembros del equipo
• Lo anterior permite generar una infraestructura que optimizará la utilización de instructores o asesores externos
• Se discuten problemas específicos en forma confidencial y profunda
• Se incrementan las posibilidades de llevar a la práctica los conocimientos adquiridos.
• En el caso de los cursos abiertos éstos se realizan por invitación personalizada a un grupo de 5-10 personas, y se tiene la precaución de evitar la coincidencia de participantes que pudieran presentar conflictos de intereses.
• Estos grupos pequeños permiten mantener una atención individualizada hacia los asistentes, además de que, gracias a la invitación personal que se hace, se busca tener un grupo con nivel homogéneo y con características afines en donde los participantes tengan la misma capacidad de aprendizaje.

Características:

• Actualmente se reconoce que la estadística es necesaria y utilizada por un número creciente de disciplinas. Los principios estadísticos son independientes de la materia de aplicación y pueden ser utilizados exitosamente en agronomía y ciencias biológicas, en áreas de investigación de la industria, ingeniería, gobierno, medicina y cualquiera otra donde se desarrolle investigación.
• Por lo regular los planes de estudio universitarios incluyen alguna formación en estadística que se resume a utilizar algunas fórmulas como "recetarios", lo que ocasiona que se pierda en contexto en el cual son obtenidos los datos. La estadística no es más que lógica o sentido común con una fuerte dosis de procedimientos aritméticos. La lógica proporciona el método mediante el cual se colectan los datos determinando que tan numerosos deben ser, mientras que la aritmética, junto con ciertas tablas numéricas, proporcionan el material para poder hacer inferencias y medir la incertidumbre.
• La estadística es una herramienta para la investigación que puede ser aplicada en genética, mercadeo, agronomía, industria, biología, medicina, etc., pero debe ser este campo de aplicación (y no las herramientas), el que proporcione los "porqués" del problema de investigación. Este hecho muchas veces es ignorado y el investigador olvida que él es quien tiene que pensar e interpretar los resultados ya que la Estadística no puede hacerlo por él.

CONTENIDO

1. INTRODUCCIÓN
1. 'estadística' y 'Estadística'
2. Modelos y Razonamientos
3. El azar, la Variabilidad y la Incertidumbre
4. Modelo para Demostrar Variabilidad, Exactitud y Precisión
5. Incertidumbre
6. Modelo para Demostrar Incertidumbre
7. El Método Científico
8. Población y Muestra
9. El Método Estadístico
10. Niveles de Medición

2. PRERREQUISITOS
1. Evaluación Diagnóstico
2. Teoría de Conjuntos
3. Relaciones y Funciones
4. Álgebra de Sumas
5. Elementos de Calculo de Probabilidades
1. Sucesos y Posibilidades
2. Concepto de Probabilidad
3. Principios de Análisis Combinatorio
4. Distribuciones de Probabilidades Fundamentales

3. OBSERVACIONES
1. Población y Muestra
2. Distribuciones de Frecuencia de los Datos de Una Muestra
3. Tabulación de Una Muestra Cualitativa Unidimensional
4. Tabulación de Una Muestra Cuantitativa Unidimensional
5. Características y Medidas Descriptivas para Datos Univariados
1. Medidas de Tendencia Central
2. Medidas de Dispersión
3. Medidas de Forma
4. Asimetría y Curtosis
6. Estadísticas Bivariadas.

4. DISTRIBUCIONES PROBABILÍSTICAS.
1. Descripciones Matemáticas de Una Distribución Discreta
1. Modelo Bernoulli
2. Modelo Uniforme Discreto
3. Modelo Binomial
4. Modelo Poisson
5. Modelo Hipergeométrico
6. Modelo Multinomial
2. Descripciones Matemáticas de Una Distribución Continua
1. Modelo Uniforme Continuo
2. Modelo Exponencial
3. Modelo Normal General
4. Modelo Normal Tipificado

5. POBLACIONES, MUESTRAS Y DISTRIBUCIONES MUESTRALES
1. Poblaciones
2. Muestras
3. Muestra Aleatoria
4. Diseños de Muestreo
5. Distribución Muestral
6. Algunas Distribuciones Muestrales
7. Las Distribuciones 't de Student', 'x2 de Pearson' y 'F de Fisher'

6. INFERENCIA ESTADÍSTICA
1. ESTIMACIÓN
1. Intervalos de Confianza para Una Población
2. Intervalos de Confianza para Dos Poblaciones
3. Tamaño de Muestra Necesario para Alcanzar Cierta Precisión
2. CONTRASTE DE HIPÓTESIS
1. Contraste de Hipótesis
2. Errores en los Contrastes
3. Metodología General
4. Tipos de Contrastes
5. Contrastes de Hipótesis Más Utilizados
6. Curva Característica de Operación
7. Cuando Usar Cada Tipo de Contraste
8. Decisiones y sus 'Salidas'
9. Obtención de Conclusiones de un Contraste de Hipótesis

7. TRANSFORMACIÓN DE DATOS

8. REGRESIÓN Y CORRELACIÓN SIMPLES
1. Introducción
2. Regresión y Causalidad
3. Análisis de Regresión Lineal
4. Descripción Matemática de un Modelo Lineal Recto
5. Supuestos Estadísticos para un Modelo Lineal Recto
6. Determinación de la Recta de Mejor Ajuste
7. Medida de la Calidad de la Recta de Mejor Ajuste y Estimación de x2
8. Recta de Mejor Ajuste
9. Pronóstico de un Nuevo valor de Y en Xo
10. El Coeficiente de Correlación. Definición de 'r'
11. 'r' como Medida de Asociación
12. 'r' como una Medida de la Fuerza de la Relación Rectilínea
13. Lo que 'r' No Mide
14. Como Asegurar la Adecuación del Modelo Rectilíneo
15. Modelos Linealizables.