Universidad Tecnológica De Panamá

Facultad de Ingeniería Mecánica

Licenciatura en Ingeniería Mecánica

Probabilidad y Estadística

Investigación #2

Aplicaciones de la Estadística en la Industria Moderna

Ing. Néstor E. Torres C.

Integrantes:

Berrio, Ernesto 8-996-1913 _____________________

*Bhatia, Naman 8-995-1131 _____________________

Ocampo, Nicolas 8-970-671 _____________________

Simons, Patrick 8-1001-1506 _____________________

1IM121

13 de junio de 2023
 RESUMEN

Examinamos detenidamente los textos, los reformulamos y extraemos la información

más relevante. Posteriormente, comparamos y contrastamos esta información,

combinando fragmentos de cada texto para obtener un contenido más integral y

completo. Este texto contiene diferentes aplicaciones en la estadística en el mundo real

(el muestreo aleatorio estratificado, el diagrama de Pareto para el control de inventarios

y la antropometría para el estudio del trabajo), las características que definen a cada

uno de ellos, y estrategias para reconocer en qué situaciones o circunstancias la

utilización de cada uno de estos métodos es más adecuada para obtener los datos

deseados.

Además, cuando estos mismos métodos pueden ser usados en conjunto para que

nuestra obtención de datos sea mucho más precisa. Buscamos varios ejemplos de las

aplicaciones más comunes que se pueden dar y brindamos técnicas al lector y

preguntas que puede hacerse a sí mismo sobre los elementos que componen las

aplicaciones. Y, incluimos varias imágenes en donde el lector puede analizar y

comprender los temas que se van a ver en el documento.

Por ejemplo, el muestreo aleatorio estratificado, aquí pusimos ejemplos relacionados

con la vida real. En donde una empresa o una compañía esta haciendo un muestreo de

una población para la obtención de sus datos. Por otro lado, anexamos varios

diagramas de pareto e n el anexo para que el lector pueda entender y visualizar bien

como es el proceso de hacer un diagrama de Pareto y como dibujarlo. Para finalizar,

también pusimos varias imágenes para visualizar la antropometría de los humanos y

como esto va relacionado con el trabajo, ya que el cuerpo human es un sistema

complejo en donde nos proporciona la energías necesarias para laborar, pues en este
área se explicó como se mide precisamente el cuerpo humano para que las empresas

puedan usar esta información.

 ÍNDICE

Introducción………………………………………………………………………………………v

Muestreo Aleatorio Estratificado …..…….………………………………….........................1

Diagrama de Pareto……...……………………..,,,……………………………………………6

Antropometría,,,,….,,,,,………………………………………………………………………..12

Conclusiones…………………………………………………………………………………..16

Recomendaciones…………………………………………………………………………….17

Bibliografía……………………………………………………………………………………..18

Anexos………………………………………………………………………………………….19

IV
 INTRODUCCIÓN

La estadística desempeña un papel fundamental en la industria moderna al

proporcionar herramientas y técnicas que permiten a las empresas tomar decisiones

fundamentadas y mejorar su eficiencia y competitividad. Desde el diseño de

experimentos hasta el análisis de grandes volúmenes de datos, las aplicaciones de la

estadística en la industria abarcan una amplia gama de áreas y sectores.

Algunas de las aplicaciones de la estadística en la industria son el muestreo aleatorio

estratificado, la utilización del diagrama de Pareto para el control de inventarios y la

antropometría en el estudio de trabajo. Las empresas utilizan estas aplicaciones para

la toma decisiones de gran importancia, la gestión de calidad de sus productos, la

optimización de procesos y eficiencia, la predicción y planificación, la investigación y

desarrollo o el análisis de mercado y segmentación.

Además, la estadística juega un papel importante en la gestión de la cadena de

suministro. Mediante el análisis estadístico de datos relacionados con el inventario, la

demanda, los tiempos de entrega y otros factores, las empresas pueden tomar

decisiones informadas sobre la gestión de sus cadenas de suministro, optimizando los

niveles de inventario, reduciendo los tiempos de entrega y mejorando la eficiencia

global.

V
 1. El Muestreo Aleatorio Estratificado

El muestreo estratificado es un tipo de muestreo probabilístico en el que toda la

población se divide en grupos homogéneos (estratos) que no se superponen, y los

últimos miembros de cada clase se seleccionan aleatoriamente para el estudio. Los

miembros de cada grupo deben ser diferentes para que todos los miembros de todos

los grupos tengan las mismas posibilidades de ser seleccionados. En la muestra

estratificada se incluyen la edad, la clase socioeconómica, la religión, la educación y

otras clasificaciones similares. Por lo tanto, los investigadores y estadísticos utilizan el

muestreo estratificado para analizar las relaciones entre dos o más estratos. Dado que

esta muestra contiene varias capas o estratos, es muy importante calcular las capas

antes de calcular los valores de la muestra. Además, el muestreo estratificado es una

ventaja para que los investigadores reduzcan costos y aumenten la eficiencia.

El muestreo aleatorio estratificado puede ser especialmente útil cuando la población de

interés presenta heterogeneidad en sus características y se desea obtener

estimaciones más precisas para cada estrato. Al seleccionar una muestra más grande

dentro de los estratos más representativos, se puede reducir la variabilidad y aumentar

la precisión de las estimaciones obtenidas.

(Ver Ejemplos de Muestro Estratificado en el Anexo 1 y Anexo 2)

1.1. El Muestreo Aleatorio Estratificado Proporcional

Es una técnica estadística utilizada para seleccionar una muestra representativa de una

población dividida en diferentes estratos o subgrupos, donde la cantidad de elementos

seleccionados en cada estrato es proporcional al tamaño de ese estrato en la población

total. Primero se divide la población en estratos basados en características relevantes.

Estos estratos pueden ser definidos según variables como la edad, género, ubicación

geográfica, nivel socioeconómico u otras variables importantes en el contexto de la

1
investigación o estudio. Una vez que se han definido los estratos, se determina la

proporción de elementos que se seleccionarán en cada estrato en relación con el

tamaño de la población total.

Por ejemplo, si un estrato representa el 20% de la población total, se seleccionará

aproximadamente el 20% de los elementos de la muestra de ese estrato.

Luego, dentro de cada estrato, se utiliza un método de selección aleatoria para elegir

los elementos específicos que formarán parte de la muestra final. Esto asegura que

cada individuo en la población tenga la misma probabilidad de ser seleccionado para

formar parte de la muestra dentro de su estrato correspondiente.

(Ver Formula de Muestreo Estratificado Proporcional en el Anexo 3)

Este tipo de muestreo es utilizado cuando se desea garantizar que la muestra

represente adecuadamente la variabilidad presente en cada estrato de la población, y

cuando los tamaños de los estratos difieren significativamente. Al seleccionar una

muestra proporcional dentro de cada estrato, se asegura que cada subgrupo esté

representado adecuadamente en la muestra final, lo que permite obtener estimaciones

más precisas y confiables para cada estrato.

(Ver Ejemplo de Muestreo Estratificado Proporcional en el Anexo 4)

1.2. El Muestreo Estratificado No Proporcional

Es una técnica estadística utilizada para seleccionar una muestra representativa de una

población dividida en diferentes estratos o subgrupos, donde la cantidad de elementos

seleccionados en cada estrato no es proporcional al tamaño de ese estrato en la

población total. En contraste con el muestreo estratificado proporcional, el muestreo

estratificado no proporcional permite asignar una proporción desigual de la muestra a

cada estrato, independientemente de su tamaño relativo en la población. Esto se realiza

intencionalmente para asegurar que los subgrupos menos representados en la

1
población tengan una muestra más grande y, por lo tanto, una mayor influencia en los

resultados del estudio.

La decisión de utilizar un muestreo estratificado no proporcional se basa en

consideraciones específicas del estudio. Puede deberse a la importancia relativa de

ciertos estratos en el análisis, a la necesidad de obtener estimaciones más precisas en

subgrupos específicos o a la disponibilidad de recursos para llevar a cabo el muestreo.

El tamaño de la muestra es el principal factor que distingue entre muestreo estratificado

proporcional y no proporcional. En el muestreo no proporcional, cada estrato tiene una

proporción muestral diferente. El éxito de este método de muestreo depende de la

precisión con la que el investigador asigne las puntuaciones. Si los puntos asignados no

son precisos, los resultados pueden distorsionarse debido a que hay demasiadas capas

o no hay suficientes.

(Buscar Ejemplo del Muestreo Estratificado No Proporcional en el Anexo 5)

1.3. Muestras Aleatorias Simples Frente a Muestras Aleatorias Estratificadas

Definir el grupo objetivo: Al igual que con otros métodos de muestreo probabilístico,

primero se debe definir claramente la población de la que se extraerá la muestra.

Seleccione activos en capas: También debe seleccionar la función que se utilizará para

dividir los grupos. Esta elección es importante porque, dado que cada miembro de la

población puede ubicarse en un solo subgrupo, la clasificación de cada sujeto en cada

subgrupo debe ser clara.

Estratificar por múltiples características: Puede optar por estratificar por muchas

características diferentes a la vez, siempre que pueda relacionar de forma clara y

precisa cada sujeto con un subgrupo. En este caso, las capas de cada objeto se

1
multiplican para obtener el número total de subgrupos. Por ejemplo, si estratifica por

raza e identidad de género y usa cuatro grupos para el primer grupo y tres grupos para

el segundo grupo, habrá un total de 4 x 3 = 12 grupos.

Dividir a la población en estratos: Luego compila una lista de todos los miembros de la

población y asigna una clase a cada uno de ellos. Debe asegurarse de que cada capa

sea mutuamente excluyente (es decir, que no se solapen entre ellas), pero que juntas

contengan el conjunto completo.

Determine el tamaño de la muestra para cada capa: Primero, decida si su muestra es

proporcional o desproporcionada. A continuación, puede decidir el tamaño total de la

muestra. Debe ser lo suficientemente grande como para permitirle hacer inferencias

estadísticas sobre cada subgrupo. Si conoce el margen de error y el nivel de confianza

requeridos, así como el tamaño estimado y la desviación estándar para la población con

la que está tratando, puede usar una calculadora de tamaño de muestra para calcular el

tamaño requerido.

Muestras de cada capa: Finalmente, utilice otro método de muestreo probabilístico,

como el muestreo aleatorio simple o el muestreo sistemático, para muestrear dentro de

cada estrato. Si se hace correctamente, la naturaleza aleatoria inherente de estos

métodos permitirá obtener una muestra representativa del subgrupo en cuestión.

(Buscar Figura de los 6 pasos en el Anexo 6)

1.4. Ventajas del Muestreo Aleatorio Estratificado

Proporcionar diversidad de muestras: La muestra estratificada incluye sujetos de cada

subgrupo, asegurando que representa la diversidad de la población. Si bien esto no es

1
cierto en todos los casos, puede no serlo cuando se utilizan otros métodos, como el

muestreo aleatorio simple.

Se garantiza una desviación similar: Si desea que los datos recopilados de cada

subgrupo tengan un nivel similar de variación, cada subgrupo debe tener un tamaño de

muestra similar. Otros métodos de muestreo pueden resultar en tamaños de muestra

más pequeños para ciertos subgrupos porque son menos comunes en la población

general.

Reducir la varianza de la población: Aunque su población total puede ser muy

heterogénea, puede ser aún más homogénea en algunas subpoblaciones. Por ejemplo,

si estudia cómo un nuevo plan de estudios escolar afecta los puntajes de los exámenes

de los niños, es probable que sus calificaciones brutas y cualquier cambio en las

calificaciones estén fuertemente correlacionados con los ingresos del hogar. El

resultado se puede agrupar por categoría de ingresos del hogar. En este caso, el

muestreo estratificado proporciona una medida más precisa de la variable en estudio

con menor varianza dentro de cada subgrupo y por tanto para toda la población.

Permite múltiples métodos de recopilación de datos: A veces puede ser necesario

utilizar diferentes métodos de recopilación de datos para diferentes subgrupos. Para

reducir los costes y las dificultades de aprendizaje, puede, p. pruebe temas urbanos

yendo de puerta en puerta y temas rurales por correo electrónico.

Los resultados son más precisos: El muestreo estratificado proporciona resultados más

precisos que otros métodos de probabilidad, como el muestreo por conglomerados, el

muestreo aleatorio simple y el muestreo sistemático. Sin embargo, esto dependerá de

1
la diferencia entre las múltiples capas, es decir, si todas las capas son muy diferentes,

el resultado será muy preciso.

Fácil de implementar: La naturaleza precisa de este método de muestreo lo convierte

en un método simple que los equipos de investigación pueden aprender e implementar.

Adecuado para muestras pequeñas: Debido a la precisión estadística de este método,

incluso los tamaños de muestra pequeños pueden proporcionar a los investigadores

resultados muy útiles. Sin embargo, este método de muestreo puede capturar a toda la

población porque los investigadores tienen la capacidad de identificar correctamente los

estratos.

2. Diagrama de Pareto

Vilfredo Federico Damaso Pareto fue un economista y sociólogo italiano. Famoso por

crear conceptos de suma relevancia en el terreno de la teoría económica como la

eficiencia paretiana, las curvas de indiferencia, o la distribución de Pareto. (Ver Anexo

7)

El Diagrama de Pareto se basa en La Ley de Pareto, enunciada por primera vez en el

libro “Cours d’économie politique» de 1896. Esta ley establece que el 20% del esfuerzo

destinado a realizar una tarea, generará el 80% de los resultados. Este principio o ley

puede aplicarse a diversas áreas, tanto profesionales como personales. También se le

conoce como la regla 80/20. (Ver Anexo 8 y Anexo 9)

La ley de Pareto es muy útil para todo tipo de compañías. Les permite centrarse y darle

prioridad a aquello que les genere un mayor beneficio. Por ejemplo, el 20% de los

clientes de una compañía son los que generan el 80% de los ingresos de esta. Por lo

tanto, hay que tomar más tiempo para satisfacer las necesidades de estos clientes.

1
La Ley de Pareto se muestra gráficamente con el Diagrama de Pareto. Este es un

gráfico en el cual la información de los datos analizados se muestra con barras

descendentes (de izquierda a derecha), en función de su prioridad. También es llamado

“Curva de distribución ABC”. (Ver Anexo 10)

2.1. Elementos del Diagrama de Pareto

 El eje “Y” izquierdo representa la frecuencia de ocurrencia de las variables

(causas, problemas, quejas, etc.).

 El eje “Y” derecho nos muestra el porcentaje acumulado del número total de

ocurrencias.

 La parte inferior del eje “X” es aquella que contiene nuestras variables (causas,

problemas, quejas, etc.).

2.2. Características de un Diagrama de Pareto

a) Es una técnica de cálculos simples.

b) Evalúa las características de un grupo y reconoce los puntos más importantes

dentro de este para priorizarlos.

c) Mira cada uno de los elementos y enfoca los esfuerzos a un objetivo.

d) Ayuda en la toma de decisiones basada en datos y no opiniones.

e) Analiza los elementos y la frecuencia con la que sucede cada uno.

2.3. Pasos a seguir para hacer un Diagrama de Pareto

1) Seleccionar el aspecto que se va a analizar. Es necesario encontrar el

problema que está causando las pérdidas, ya sean de tiempo, ventas,

personal, etc.

2) Agrupar los datos. Los datos deben ser divididos según su categoría y la

frecuencia (u ocurrencia) (Ver Anexo 11)

1
 3) Ordenar los datos. La tabla debe ser organizada con un orden de frecuencia

de mayor a menor y además hay que agregar una columna para la frecuencia

acumulada de los casos (sumando la frecuencia anterior con la siguiente.

(Ver Anexo 12)

4) Añadir valores porcentuales. Agregar una nueva columna que contenga los

valores porcentuales unitarios. El cálculo correspondiente se realiza con la

fórmula: (frecuencia) / (total de frecuencia x 100) (Ver Anexo 13)

5) Agregar los porcentajes acumulados. Hacer la suma del porcentaje unitario

anterior con el siguiente, al igual que se hizo con la frecuencia acumulada

previamente. (Ver Anexo 14)

6) Construir el Diagrama de Pareto. se delinea el diagrama, sus ejes de

ordenadas, se insertan los datos (en orden descendente) y se agregan las

barras. Con los datos del porcentaje acumulado, se coloca un punto céntrico

en cada barra y luego se unen con una línea. Al finalizar, se analiza el gráfico.

(Ver Anexo 15)

3. Uso del Diagrama de Pareto en el Control de Inventarios

Una de las áreas, de las empresas, en las que se puede emplear el Diagrama de

Pareto es en el Control de Inventarios. Recordemos que al Diagrama de Pareto también

se le conoce como Curva de distribución ABC. Para el control de inventarios, se

clasifican los artículos del inventario en 3 zonas (zona A, zona B y zona C). Esta

clasificación es hecha basada en el valor de cada artículo. Destacando así la minoría de

artículos importantes de la mayoría de los artículos triviales.

3.1. Zonas de Clasificación ABC

1
Zona A: Los artículos más importantes. Los artículos de la zona A se encuentran en

esta debido a su costo elevado, nivel de utilización o gran aporte a las utilidades, es

decir, son de mayor valor. Usualmente representan alrededor del 15% del total de

unidades del inventario y tienen un valor de entre 70% y 80% del valor total del

inventario. Requieren más atención que el inventario de otras zonas. Por ejemplo:

 Negociaciones para asegurar que se contara con un suministro constante del

artículo por parte de los proveedores.

 Estudios de mercado para pronosticar la demanda futura del artículo de manera

exacta.

 Revisiones frecuentes de la calidad y la condición general del producto.

 Procurar contar con ubicaciones cercanas donde conseguirlo.

 Óptimas condiciones de almacenamiento.

Zona B: De importancia secundaria. Esta zona contiene los artículos de valor

intermedio. Suelen representar entre el 20% y el 30% del total de unidades del

inventario y tienen un valor de entre el 15% y el 25% del valor total de inventario. No

requieren tanta atención como los artículos de la Zona A, no obstante, se controlan sus

existencias y los costos en sus faltantes. Están abiertos a ser considerados para ser

ascendidos a la Zona A o descendidos a la Zona B.

Zona C: De poca importancia. Esta zona contiene la mayoría de los artículos del

inventario, pero son aquellos que tienen menor valor. Requieren poca supervisión. (Ver

Anexo 16)

3.2. Criterios de Clasificación ABC:

 Clasificación por precio unitario.

1
  Clasificación por valor total.

 Clasificación por utilización y valor.

Los pasos para el análisis ABC de estos criterios son similares, y los dos primeros

pasos en específico son iguales.

Paso 1: Obtener datos. Se necesitan los datos para hacer la clasificación.

Paso 2: Promediar y ordenar datos. Una vez tenemos los datos se promedian para los

períodos establecidos y después se ordenan de mayor a menor. Además, a partir del

paso número tres los pasos para cada clasificación no son iguales, solo similares.

3.3. Pasos para Clasificación por Precio Unitario

Paso 3: Multiplicar porcentajes por el número artículos. Se multiplican los porcentajes

por el número de artículos para conocer cuántos artículos tomar por cada zona.

Paso 4: Categorizando los artículos en las zonas. Una vez conocemos cuántos artículos

vamos a clasificar por zona, los asignamos a su zona correspondiente comenzando

desde la Zona A, luego la Zona B y por último la Zona C. Es esencial usar los valores

obtenidos en el paso 3. (Ver Anexo 17 , Anexo 18 y Anexo 19)

3.4. Pasos para Clasificación por Valor Total

Paso 1: Multiplicar por la cantidad disponible. Para calcular el valor del inventario,

además de conocer el costo unitario promedio, necesitamos la cantidad actual en ese

inventario. Por eso, vamos a multiplicarlos. Fórmula: Valor del inventario por artículo=

(Costo unitario promedio de artículo) * (Cantidad de inventario disponible del artículo).

Paso 2: Organizar de mayor a menor. Igual que en el paso 2, específicamente en base

a los resultados del valor del inventario por artículo.

1
Paso 3: Multiplicar cantidad disponible total por los porcentajes de distribución.

Multiplicamos la cantidad total disponible por los porcentajes. Esto nos dará los valores

con los que haremos la distribución por zonas.

Paso 4: Categorizar según la cantidad por artículos. Al tener los valores que indican el

número de unidades por artículo para cada zona. Y nuestros datos ordenados

descendentemente, comenzamos a clasificar los artículos en sus respectivas zonas

según la cantidad de unidad disponibles, usando los valores obtenidos en el paso 5.

El criterio de valor total exige un profundo conocimiento de los artículos, ya que estos a

menudo quedarán entre una zona u otra. También hay que tener claro que, como las

cantidades varían todos los días, está clasificación puede cambiar constantemente. El

análisis ABC debería hacerse cada vez que se realicen compras de inventario. (Ver

Anexo 20 y Anexo 21)

3.5. Pasos para clasificación por utilización.

Paso 1: Multiplicar por el consumo promedio. En este método multiplicamos el costo

promedio unitario por el consumo promedio. El consumo promedio es la cantidad

promedio de artículos que se usan en cada periodo. El resultado de esta multiplicación

es el valor de utilización.

Paso 2: Ordenar de mayor a menor. Se ordenan los datos de mayor a menor en base al

valor de utilización de inventario.

Paso 3: Multiplicar el consumo promedio total por los porcentajes de distribución. Para

definir la clasificación por este método ABC, se toma la cantidad total de consumo

promedio y se multiplica por los porcentajes de distribución de cada zona. Los valores

1
que resultan de esta multiplicación indican la cantidad de unidades por artículo que

tendrá cada zona.

Paso 4: Categorizar según el consumo promedio por artículo. Clasificamos los datos

basándonos en los valores obtenidos en el paso 5 y revisando las cantidades de

consumo promedio.

Al clasificar por utilización, se va más allá de la cantidad disponible de un artículo. El

valor de inventario puede indicar que un artículo es de alto valor y este será colocado

en la zona A, pero si el consumo promedio de este no es significativo. Será descendido

a otra zona. Es de suma importancia entender la naturaleza del producto. (Ver Anexo

22)

4. La Antropometría

La antropometría es el estudio científico de las técnicas de medición del cuerpo

humano. Se trata de una rama de la antropología física que se interesa por las

proporciones del cuerpo humano y sus distintos modos de interpretarlas,

especialmente cuando permiten cotejos en el tiempo o entre grupos humanos. (Ver

Anexo 23)

En el presente, la antropometría cumple una función importante en el diseño

industrial, en la industria de diseños de indumentaria, en la ergonomía, la

biomecánica y en la arquitectura, donde se emplean datos sobre la distribución de

medidas corporales de la población para optimizar los productos. (Ver Anexo 24)

Los cambios ocurridos en los estilos de vida, en la nutrición y en la composición

racial y/o étnica de las poblaciones, conllevan a cambios en la distribución de las

1
 dimensiones corporales (por ejemplo: obesidad) y con ellos surge la necesidad de

actualizar constantemente la base de datos antropométricos.

4.1. Historia de la Antropometría

La historia de la antropometría incluye y abarca varios conceptos, tanto científicos como

pseudocientíficos, como la craneometría, la paleoantropología, la antropología

biológica, la frenología, la fisonomía, la medicina forense, la criminología, la

fitogeografía, los orígenes humanos y la descripción craneofacial, así como las

correlaciones entre diversas antropometrías. e identidad personal, tipología mental,

personalidad, bóveda craneal y tamaño del cerebro, y otros factores.

En varios momentos de la historia, las aplicaciones de la antropometría han variado

mucho, desde la descripción científica precisa y el análisis epidemiológico hasta la

justificación de la eugenesia y los movimientos sociales abiertamente racistas, y sus

puntos de interés han sido numerosos, diversos y, a veces, muy inesperados.

Civilizaciones antiguas como la egipcia o la griega aplicaban sus propios métodos de

medición del cuerpo humano, ya sea con fines prácticos o artísticos. Sin embargo, la

antropometría surgió en el siglo XVIII, de manera conjunta con la antropología física, en

la medida en que los estudiosos del ser humano deseaban establecer comparaciones

físicas y corporales entre una “raza” y otra de la humanidad.

En 1870 apareció la Anthropométrie del belga Adolphe Quételet; considerada como la

obra fundamental en la estructuración y fundación de los estudios antropométricos

formales.

Por otro lado, a mediados del siglo XX la antropometría finalmente demostró su valía

práctica en la industria. A partir de 1940, con la necesidad de datos antropométricos en

1
la industria, específicamente la bélica y la aeronáutica, cuando la antropometría se

consolida y desarrolla, debido al contexto bélico mundial.

4.2. Clasificación de la Antropometría

La antropometría estática o estructural se dedica a la medición del cuerpo humano en

sus dimensiones estáticas, esto es, en una posición fija y determinada, ya sea de pie o

sentado, fundamental para el diseño de lugares de trabajo, de mobiliario o de entornos.

La antropometría dinámica o funcional que por el contrario considera al cuerpo humano

en su enorme capacidad de movimiento, es decir, el cuerpo humano haciendo cosas,

como en posiciones de trabajo variables, haciendo énfasis en las articulaciones y la

dinámica de las extremidades del cuerpo.

Las variables antropométricas son principalmente medidas lineales, como por ejemplo

la altura, o la distancia con relación a un punto de referencia, con el sujeto en una

postura tipificada; longitudes, como la distancia entre dos puntos de referencia distintos;

curvas o arcos, como la distancia sobre la superficie del cuerpo entre dos puntos de

referencia, y perímetros, como las medidas de curvas cerradas (perímetro del brazo,

por ejemplo). También se puede medir el espesor de los pliegues de la piel, o

volúmenes por inmersión en agua.

Estas medidas antropométricas se obtienen sobre individuos desnudos, por tanto, se

debe prever un incremento o tolerancia en alguna de las dimensiones para tener en

cuenta el incremento en la misma debido a la ropa, calzado o equipos de protección

individual que se vaya a utilizar.

4.3. Distribución Normal

1
La mayoría de las dimensiones del cuerpo humano, como la mayoría de los fenómenos

naturales, se distribuyen Normalmente, es decir, según la distribución de Gauss.

Muchas variables aleatorias continuas presentan una función de densidad cuya gráfica

tiene forma de campana. Es de esperar que, en una población razonablemente

homogénea, la distribución de cualquiera de sus dimensiones antropométricas es

Normal y, por ello, las estimaciones, cálculos y, en general cualquier tratamiento

estadístico, puede efectuarse según las propiedades de esta distribución, lo que es muy

conveniente dada la facilidad que el tratamiento de esta distribución supone. (Ver Anexo

25)

En este tipo de distribución, los valores más probables son aquellos cercanos a la

media y conforme nos separamos de ese valor, la probabilidad va decreciendo de igual

forma a derecha e izquierda, es decir, de forma simétrica. Esto quiere decir que para

cualquier dimensión del cuerpo humano (por ejemplo, la estatura), la mayoría de los

individuos se encuentran en torno al valor medio, existiendo pocos individuos muy bajos

o altos.

4.4. Valor Percentil

Los datos antropométricos se expresan generalmente en percentiles. El concepto de

percentil es muy útil ya que nos permite simplificar cuando hablamos del porcentaje de

personas que vamos a tener en cuenta para el diseño. Por ejemplo, cuando nos

referimos a la talla y hablamos del P5, éste corresponde a un individuo de talla pequeña

y quiere decir que sólo un 5% de la población tienen esa talla o menos. Si nos referimos

al P50, lo que decimos es que por debajo de ese valor se encuentra la mitad de la

población, mientras que cuando hablamos del P95, se está diciendo que por debajo de

1
este punto está situado el 95% de la población, es decir, casi toda la población. (Ver

Anexo 26)

4.5. La Variabilidad Humana

Las distintas medidas antropométricas varían de una población a otra, de lo cual se

deriva la necesidad de disponer de los datos antropométricos de la población concreta

objeto de estudio. (Ver Anexo 27)

1
CONCLUSIONES
RECOMENDACIONES
 BIBLIOGRAFÍA

 Ortega, C. (2023, February 25). ¿Cómo hacer un muestreo estratificado?

QuestionPro. https://www.questionpro.com/blog/es/como-hacer-un-muestreo-

estratificado/#:~:text=El%20muestreo%20estratificado%20es%20un,estratos

%20para%20realizar%20la%20investigación

 Grudemi, E. (2020, June 16). Muestreo estratificado - ¿Qué es?, Tipos, Ventajas

y desventajas, ejemplos. Enciclopedia Económica.

https://enciclopediaeconomica.com/muestreo-estratificado/

 Padilla, S. (n.d.). Vilfredo Pareto. Economipedia.

https://economipedia.com/definiciones/vilfredo-pareto.html

 Lucerito. (2011, February 8). Economistas notables: Vilfredo Pareto. El Blog

Salmón - economía, finanzas, empresa y economía doméstica.

https://www.elblogsalmon.com/economistas-notables/economistas-notables-

vilfredo-pareto

 Westreicher, G. (n.d.). Ley de Pareto. Economipedia.

https://economipedia.com/definiciones/ley-de-pareto.html

 Arias, E. R. (n.d.). Diagrama de Pareto. Economipedia.

https://economipedia.com/definiciones/diagrama-de-pareto.html

 ¿Qué es un inventario ABC? Ventajas, Desventajas y ejemplos. Netlogistik.

(n.d.). https://www.netlogistik.com/es/blog/que-es-un-inventario-abc-ventajas-

desventajas-y-ejemplos

 Jailin, Vargas, K., Randall, Caro, A. P., Fernanda, Sánchez, adannexys, Corro,

F., Rodriguez, E., Bylon, Y., Betancourt, D., Marcelo, Carias, A., Jenny, Nassr, J.,

Sora, Magdalena, Carlos, Felipe, García, M., … Daniela. (2022, February 22).
 Análisis ABC Paso a PASO Para Clasificar Inventarios. Ingenio Empresa.

https://www.ingenioempresa.com/analisis-abc/

 Sobre el autorEditorial EtecéÚltima edición: 14 julio, & julio, E. E. edición: 14.

(n.d.). Antropometría - Concepto, Tipos, nutrición, arquitectura y más. Concepto.

https://concepto.de/antropometria/#ixzz84MizfNSc

 Wikimedia Foundation. (2023, May 28). Antropometría. Wikipedia.

https://es.wikipedia.org/wiki/Antropometr%C3%ADa

 Antropometría - INSST. (n.d.).

https://www.insst.es/documents/94886/524376/DTEAntropometriaDP.pdf/032e8c34-

f059-4be6-8d49-4b00ea06b3e6
ANEXOS
 ANEXO 1

Ejemplo de Muestreo Estratificado

Digamos que a 100 (Nh) estudiantes de una escuela de 1000 (N) estudiantes se les

hacen preguntas sobre su materia favorita. Es un hecho que estudiantes de primer

grado tendrán diferentes preferencias que los estudiantes de quinto grado.

Para que la encuesta arroje resultados precisos, la manera ideal es dividir cada grado

en varios estratos.

Tabla de una Encuesta de 100 Estudiantes de una Escuela de 1000

Estudiantes sobre su Materia Favorita

Grado Número de estudiantes

5 150
6 250
7 300
8 200
9 100

Calculo la muestra de cada grado utilizando la fórmula de muestreo estratificado:

 Muestra estratificada (n2) = 100/1000 * 250 = 25

 Muestra estratificada (n3) = 100/1000 * 300 = 30

 Muestra estratificada (n4) = 100/1000 * 200 = 20

 Muestra estratificada (n5) = 100/1000 * 100 = 10

 ANEXO 2

Segundo ejemplo de muestreo estratificado

Para realizar una investigación acerca de la cantidad de personas que consumen

bebidas alcohólicas en la República Argentina, el investigador a cargo decide utilizar el

muestreo estratificado, por lo que divide a la población en diferentes grupos, según la

edad.

De esta manera, divide una población total de 45 millones de personas en los

siguientes estratos:

 Personas menores a 18 años: 20 millones.

 Personas mayores a 18 y menores a 35 años: 15 millones.

 Personas mayores a 35 años: 10 millones.

A partir de dicha subdivisión, conforma la muestra obteniendo de manera proporcional

10000 personas.

Tabla de una Muestra Estratificada de Personas que Consumen Bebidas

Alcohólicas en la Republica de Argentina

Estrato Individuos (mm) Porcentaje (%) Muestra

1 20 44.4 4450

2 15 33.3 3330

3 10 22.2 2220

Fuente:
De esta manera queda conformada la muestra estadística de 10000 personas, con la

que puede realizar una investigación surgida a partir de 3 diferentes estratos de la

muestra estratificada.

ANEXO 3
Fórmula de muestreo aleatorio estratificado proporcional: nh = ( Nh / N ) * n

 nh= Tamaño de la muestra del estrato h

 Nh= Tamaño de la población en relación con el estrato h

 N= Tamaño de toda la población

 N= Tamaño de la muestra completa

 ANEXO 4
Ejemplo de Muestreo Estratificado Proporcional

Si tienes 4 estratos con 500, 1000, 1500, 2000, etc., y la organización de investigación

selecciona ½ como fracción de muestreo. Un investigador debe seleccionar, 250, 500,

750, 1000 miembros del estado respectivo.

Tabla de 4 Estratos para la Utilización de una Fracción para el Muestreo

Estrato A B C D

Tamaño de la 500 1000 1500 2000

población

Fracción de la ½ ½ ½ ½

muestra

Muestreo 250 500 750 1000

Fuente:

Independientemente del tamaño de la muestra de la población, la fracción de muestreo

seguirá siendo uniforme en todos los estratos.

 ANEXO 5

Tabla de un Estrato para el Muestreo Estratificado

Estrato A B C D

Tamaño de la 500 1000 1500 2000

población

Fracción de la ½ 1/3 ¼ 1/5

muestra

Muestreo 250 333 375 400

Fuente:

Ejemplo de Muestreo Estratificado No Proporcional

 Anexo 6

Fuente:

Imagen de los 6 pasos para realizar un muestreo estratificado.

 Anexo 7

Imagen de Vilfredo Pareto

Fuente:

Anexo 8

El Diagrama de Pareto se basa en La Ley de Pareto, enunciada por primera vez en el

libro “Cours d’économie politique» de 1896.

Fuente:

Anexo 9

Fuente:

Anexo 10

Anexo 11
Fuente:

Ejemplo de Diagrama de Pareto

Anexo 11

Paso 2 para Realizar un Diagrama de Pareto. Agrupar los Datos

Fuente:

Anexo 12

Paso 3 para Realizar un Diagrama de Pareto. Ordenar los Datos

Fuente:

Anexo 13

Paso 4 y 5 para Realizar un Diagrama de Pareto. Añadir Valores Porcentuales y

Acumulados

Fuente:

Anexo 14

Paso 6 para Realizar un Diagrama de Pareto. Realizar el Diagrama de Pareto

 Anexo 15

Fuente:

Anexo 15

Zonas de Clasificación ABC

Fuente:

Anexo 16

Paso 1 y 2 para Realizar un Criterio de Clasificación ABC. Obtener los Datos y

Promediar y ordenar datos.

Fuente:
 Anexo 17

Paso 3 para Realizar un Criterio de Clasificación ABC. Multiplicar porcentajes por el

número artículos.
Fuente:

Anexo 18

Paso 6 para Realizar un Criterio de Clasificación ABC. Categorizando los artículos en

las zonas.

Fuente:

Anexo 19

Paso 7 para Realizar un Criterio de Clasificación ABC por Valor Total. Multiplicar por la
cantidad disponible, Organizar de mayor a menor y Multiplicar cantidad disponible total
por los porcentajes de distribución.
Fuente:

Anexo 20

Paso 8 para Realizar un Criterio de Clasificación ABC por Valor Total. Categorizar según

la cantidad por artículos.

Fuente:
 Anexo 21

Paso 9 para Realizar un Criterio de Clasificación ABC por Utilización. Multiplicar por el

Consumo Promedio, Ordenar de mayor a menor y Multiplicar cantidad disponible total

por los porcentajes de distribución.

Fuente:
 Anexo 22

Paso 10 para Realizar un Criterio de Clasificación ABC por Utilización. Categorizar

según el consumo promedio por artículo.

Fuente:

Anexo 23
Medidas antropométricas.

Fuente: Anthropometric Dimensional Data for American Female References [AMRL-TR-

74-102] Churchill, E. Sampling and Data Gathering Strategies for Future USAF
Anthropometry.

Anexo 24
Las medidas que incluye la antropometría.

Fuente:
Anexo 25
Curva de distribución normal.
Fuente:
Anexo 26
Ejemplos de utilización de percentiles para alcance en altura y dimensiones internas.

Fuente:
Anexo 27
Variabilidad humana en relación con los percentiles
Fuente:

Anexo 28
Planos de referencia

Fuente:
Anexo 29
Imagen gráfica de representación de la “altura de los ojos”.

Fuente:
Anexo 30

Uso de medidas antropométricas para diseño de estaciones de trabajo

Fuente:
 Anexo 31

Ejemplo de medidas antropométricas

Fuente:
Anexo 32

Tabla de matriz de principales medidas antropométricas

Fuente:
 Anexo 33
Medidas descriptivas de las variables, por grupo etáreo y sexo. Adultos mayores.
Caracas 2015

Fuente: Escuela de Nutrición y Dietética. Universidad Central de Venezuela. Caracas,

Venezuela
 Anexo 34
Clasificación de sobrepeso, obesidad, riesgo, riesgo elevado y/o riesgo muy elevado,
por sexo y grupo etáreo, según indicador. Adultos mayores. Caracas, 2015

Fuente: Escuela de Nutrición y Dietética. Universidad Central de Venezuela. Caracas,

Venezuela

Tabla de Evaluación
 Valor Puntos

Presentación del Trabajo Escrito 5

Desarrollo del Contenido 10

Aplicación de Conocimiento de la Materia 5

Seguir Indicaciones 5