自远古以来，统计就已应用于各个领域，以控制事物，包括健康，经济学，社会科学，当然还有工程学。
有许多统计工具可以处理来自样本的数据，以便分析结果并根据其做出决策。在工程领域，它可用于质量控制，过程改进，预测，人员控制，工业安全以及许多其他用途。尽管是一门精确的科学，但也会犯错误（异常值），因此了解如何应用技术和工具非常重要。
关键词：统计，应用，分析，工具，推断。
应用统计工程统计学是一门帮助收集和分析数据以用于特定目的的后续解释的科学，它可以在不同分支中用于不同目的。
在这项工作中，开发了工程学中的应用统计主题，涉及了对过程至关重要的统计子主题，这些子主题是工业领域中使用最广泛的统计子主题，以及如何使用这些子主题的示例。到今天的古代。
该理论框架基于各种来源，例如书籍，杂志，数据库和网页，先前已从中评估了其可靠性。
目的
从实际的角度研究工程学中最常见的统计应用，主要是在工业中，以便从实用的角度进行研究，也就是说，可以使用统计工具和技术来实现某些优化，改进或控制。
1.统计
统计学研究的是收集，组织，汇总和分析数据的科学方法，可以根据先前的分析获得有效的结论并做出合理的决定。因此，统计学是一门收集，分类和分析通常使用汇总数据提供的信息的科学，通过汇总数据可以使用集中趋势的度量，分布度量，图形方法，等等
HG Wells（1954）指出：“现在有一天，对公民来说，统计推理将是必要的，而现在，读写能力也将变得如此。”
如今，统计学已成为不可或缺的学科，它可以指导倡议并取得更好的结果，这是实现既定目标的重要因素。
统计学在当今科学与工程中的作用至关重要，主要是因为在分析任何种类的实验中收集的数据时，在大多数情况下都可以观察到所述数据受到某种类型的不确定性的影响。研究人员或专业人员必须根据这些数据做出有关分析对象的决定，并且他们必须拥有适当的工具。
描述性统计数据总结了收集的数据中包含的信息，推论统计数据显示了相关性，并允许在观察到的特征之间进行比较。
1.1背景
统计一词起源于收集，组织，保存和处理国家自己的数据的技术，古代统治者通过这些技术来控制其主体和经济领域。这些技术随着数学的发展而发展，在信息的分析和解释过程中使用其工具。
到17世纪中叶的欧洲，赌博很频繁，赌徒DeMèré向著名的数学家和哲学家Blaise Pascal咨询，向他揭示了控制胡扯游戏的法律，他对该主题感兴趣，与皮埃尔·德·费马特（Pierre de Fermat）一起，提出了概率论，该理论一直在发展并构成统计的基本基础。
目前，人们认识到应用统计在各个领域的研究发展中的重要性；来自不同学科的越来越多的专业人员需要统计方法（例如采样，模拟，实验设计，统计和推论建模）来进行数据分析和解释。
1.2分析
计算机科学的技术进步为统计的发展做出了巨大贡献，特别是在信息处理方面。因此，统计不再是科学家的专有技术，而是成为所有科学的基本工具。
统计分析的目的是识别趋势，收集和审查每个可以提取样本的数据样本。
当在问题或决策中寻找特定结果时，以异想天开的方式应用统计方法可以得出任何结果，因此必须进行有意识和审慎的分析，避免产生误解。和。
Ezcurra认为“在折磨数据足够长时间的范围内，他们会说出您想听的内容。”
概率上，在进行实验之前要考虑一个实验，在统计上，我们必须从已经进行的实验的观察结果中推断出有关参数值的东西，以便它们能够相互补充。
在某种程度上，每个问题都归结为通过检验假设来验证陈述，该假设可以被拒绝，并具有一定的错误风险或被暂时接受。
1.3应用
从商业和工业的角度来看，统计数据是最常用的工具之一，例如：在一家公司中，怀疑在某些时区工作事故更为频繁。为了研究这种现象，他们根据时间段计算了工人遭受的工伤事故一年。
借助这些信息，公司的安全经理必须使用统计工具和方法，确定并解释结果，不仅要确定是否有可能发生事故的时区，或者相反，它们绝对是随机发生的。在数量上，但在现实中。
前面的示例显示了如何将统计信息应用于不同的领域，而不仅仅是生产或质量。
可以使用行业统计信息来计算和度量的其他示例以及这样做的原因是：
- 普通工人每分钟的装配数：控制并查看可以减少的改进措施以减少时间操作人员的年龄：要知道操作人员已经退休并考虑需要雇用新人员。 ：这些数据在保险时或为了某些福利时是必需的工作经验或雇员的教育每月的维护费用：看是否可以节省劳动缺勤和成因：试图降低失业率批量生产过程中的资源消耗：控制和寻求改善或减少浪费。
2.参数化
参数化是在定量统计中声明参数以与任何系统一起使用。要设计推理统计中的数学模型，我们可以分五个步骤来组织操作：
- 目标陈述；设计，建模和参数化；分析；设计改进；设计描述。
建模后，由于设计了参数，常量或变量，因此进行了统计，从而进行了参数化。对于参数设计中的任何给定值，它们将代表一个对象，在应用统计工具和过程时，该对象将调整为最令人满意和可接受的设计。
3.统计质量控制
统计质量控制是应用于工业过程（劳动力，测量的原材料，机器和环境），行政过程和/或服务的工具的集合，目的是验证过程的每个部分是否和服务符合特定的质量要求，帮助满足这些要求对于质量改进活动至关重要。质量的提高意味着系统地消除浪费。
今天，产品和服务的质量已成为大多数公司中最重要的决策因素之一。因此，质量改进已成为许多公司的重要方面。
3.1统计过程控制
统计过程控制（CEP）是实现过程稳定性和提高过程能力的非常强大的工具。它可以被认为是解决可以在任何过程中应用的问题的一组工具。
流程的持续改进必须在公司的战略目标之内，以提高其绩效，效率和有效性，并促进内部和外部客户满意度的提高。这就需要一种改进的文化，组织结构，资源和统计工具，以便使变更成为日常活动的一部分。为了保证设计质量管理体系流程的公司的持续改进，及其绩效指标，技术和工具被用于分析，控制，监视和改进所述流程。
3.1.1工具
当前，可以在组织中开发一系列方法，技术和工具，以支持质量管理体系的设计，全面质量原则的实施和/或执行该过程。连续的提高。这些示例包括：
- 帕累托图，因果图（石川），缺陷浓度图，控制图，散点图，验证表，关联图，5S方法，6 sigma方法，控制图和处理能力。
通过使用它们，可以在公司中使用数据处理和分析技术来增强文化；改善以数据为依据的决策；它允许知道过程指示器的行为；促进所有管理人员对结果的解释；说明了这些工具的实用性，并鼓励将来使用其他技术。
3.2统计质量控制的应用
统计方法在提高质量中起着重要作用，它们的一些应用是：
- 在设计和开发产品时要比较材料或成分，并确定系统及其组件的公差。这大大降低了成本和时间；确定了制造工艺的能力，从而提高了产量，降低了制造成本；在耐久性测试中，它通过提供可靠性和性能数据而有所帮助，从而带来了新的或持久的产品。更高和更少的维护成本。
3.3散点图
散点图是进行预测的非常有用的工具，可以用来做出决定或考虑一些费用。这是通过绘制点并绘制一条回归线来完成的，没有一个点可以遍历所有点，因此请寻找一个垂直越过它们的点。
在经济预测中应用统计数据来预测温室支出的示例：
散点图显示一个月的平均室外温度与该温室中该月的平均每日天然气消耗之间存在很强的线性关系。您想使用该比率来预测您的气体消耗。如果一个月平均每天10度，那么该月将使用多少天然气？
在使用散点图进行预测后，可以推断出气体消耗量将为 12.5米3。
4.回归模型
回归分析是研究和建模变量之间关系的最常用统计技术。它的吸引力和实用性通常是使用方程式表达感兴趣的变量（响应）与一组相关的预测变量之间的关系的结果。
4.1线性回归
简单的线性回归预测是需求趋势模式（增加或减少）的最佳模型，即趋势在需求和时间之间呈线性关系。
预测应用程序的示例如下：
玩具商店Gaby希望通过简单的线性回归来估算其新的儿童手推车“ Mate”在7月份的销售额。下表列出了其所有连锁店的销售行为信息。
进行了相关计算：
最后，我们可以确定期间7的销售预测等于13067个单位。这有助于我们在生产，原材料和分销方面做出相关的，预先的决定。
4.2非线性回归
非线性回归模型旨在使用允许预测，控制或优化非线性问题的功能方程式建立精确模型，这被称为功能数据分析。
5.曲线调整
曲线拟合是一种过程，在该过程中，给定一组N对点（X，Y），确定数学函数f（x），以使实际图像之间的差异的平方和通过在每个点调整的函数获得的对应值最小。
曲线拟合可用于解决行业中的各种问题，例如：
一家香肠工厂每天生产5000包香肠。机器A生产3,000个包装，其中2％填充不良（有缺陷），机器B生产其余2,000个包装，其中4％已知有缺陷。确定随机选择的程序包有缺陷且来自机器A或机器B的概率。
- 包装有缺陷的包装来自机器A的概率p（A / D）= p（A∩D）/ p（D）= 0.012 / 0.028 = 0.4286
约占4.2％。
- 包装有缺陷的包装来自机器B的概率p（B / D）= p（B∩D）/ p（D）= 0.016 / 0.028 = 0.5714
大约相当于5.7％。
为了改进决策中的估计，有必要应用贝叶斯定理，其中所做的统计包括观察数据的分析，这使研究人员可以对该主题进行推断或做出排除或个人观点。研究。
5.1不确定性
当今，每天使用不同的统计技术，这些技术基于历史或样本观察结果，创建逻辑-数学模型，以“可冒险的”方式以一定程度的可确定性确定或描述某种现象。
统计数据在可变性介入的问题中起着重要作用，从而引起不确定性。除了数据之外，统计本质上是对不确定性的研究，这导致需要从科学的角度研究现象。
统计数据不是处理不确定性研究的唯一知识分支；概率检查系统某个部分的随机性如何影响另一部分，并通过模型提供随机变量或变量。关于要产生的数据的随机过程，估计和/或预测，即描述了现象的不确定性。
5.1.1异常值和错误
离群值（离群值）是一个观察值或一组观察值，似乎与其余数据集不一致，数据集中存在离群值会导致在尝试推断种群总数时出错。它们的来源，因此这些数据的存在在数据分析中构成了一个基本问题。
统计不确定性是指使用统计方法时各种来源的随机性或错误，即根据决策理论，发生不良事件时发生平均损失或预测损失的可能性。
在研究变量之间的关系时，统计数据显示统计关系而不是因果关系。总的来说，如果我们不谨慎的话，我们会得出最荒谬或最有偏见的结论，因此我们必须仔细进行分析并了解变量，以便在解释它时，我们不会做出可能有害的决定。
6.在其他领域的应用
统计信息用于探索和利用社会，生物学，经济和物理科学中的信息，因此“出售”统计信息对于当代和子孙后代都是必不可少的。
应用统计涉及如何以及何时使用数学程序以及如何解释所获得的结果，并且可以在许多领域中使用，例如：
- 在自然科学中：用于描述复杂的热力学模型，在量子物理学中，在流体力学中或在气体动力学理论中等等；在社会和经济科学中：在人口统计学和社会学发展中在经济学中：分析宏观和微观经济参数;在医学中：研究疾病和患者的演变，死亡率，药物的有效程度等;在工程学中：用于规划，预算，过程和质量控制，工业安全，生产计算等。
结论
在研究，阅读和撰写了有关统计，参数化，工具，方法甚至示例的信息之后，我可以对工程中的统计使用有一个更一般的了解，我对如何将其用于解决公司或公司的常见问题有更多的了解。在做决定。但是，它不是唯一可以使用的领域，因为它在社会，医学，经济和其他科学领域具有多种应用。
参考书目
GuarínS.，Norberto（2002）。应用统计。哥伦比亚国立大学。于2018年6月7日从以下站点中提取：http://fcbi.unillanos.edu.co/proyectos/Facultad/php/tutoriales/upload_tutos/Curso% 20De％20Estadistica％20Aplicada.pdf
LópezP.，阿图罗（Arturo）（2016）。贝叶斯曲线拟合。论文获得了贝纳梅里塔大学普埃布拉大学数学科学硕士的称号。
LópezP.，Gabriela。（2017）。通过希尔伯特空间中的生殖内核方法对功能数据进行回归模型。论文获得了贝纳梅里塔大学普埃布拉大学数学科学硕士的称号。
Marjorie G.，Hahn（2001）。关于概率和统计的新展览。2-5。
于2018年6月9日从AIP数据库中提取。https://www.proxydgb.buap.mx:2458/doi/pdf/10.1109/MCISE.2004.1255827
马洛，路易斯。（1994）。基础科学对文化和社会的贡献。
Interciencia，第19卷第5卷，第264-266页。
摩尔，David S.，Trad。科马斯·乔迪（1995）。基础应用统计（第118120页）。西班牙：社论安东尼·博世。
纳瓦里纳（Navarrina）&Casteleiro，曼努埃尔。（1991）。优化设计的一般方法学分析。国际工程数值方法杂志，第3卷第1期，第85-111页。
朗格，乔治。&蒙哥马利·道格拉斯。（一九九六年）。交易。Urbina，Mendal和Edmundo G.撰写：概率论和统计学应用于工程。（第831-834页，第856页）。墨西哥：Mc Graw Hill出版社。
萨恩斯·C·安东尼奥（2012）。工程师的统计注释。哈恩大学。从2018年6月7日从站点中提取：
www4.ujaen.es/~ajsaez/recursos/EstadisticaIngenieros.pdf
马丁·苏安（Seoane），塞拉维亚（Lugovias S.），马丁·莫雷诺（Martín&Moreno），塞哥维亚（2007）。统计：描述性统计和推断性统计。于2018年6月8日从ScienceDirect数据库中提取。www.proxydgb.buap.mx:2179/science/article/pii/S113835930773945X
Villar，Leisis和Ferrer Mayra（2016）。应用统计工具进行指标分析。3-12。2018年6月8日从EBSCO数据库中提取。
www.proxydgb.buap.mx:2209/ehost/pdfviewer/pdfviewer?vid=4&sid=4a8a31 dc-6c87-434c-b8b0-56439efc3d15％40sessionmgr103
Visweswariah，Chandu（2007）。恐惧，不确定性和统计数据。于2018年6月8日从ACM数据库中提取。
www.proxydgb.buap.mx:2066/citation.cfm?id=1232032
下载原始文件
