Scientia Et Technica ISSN: Universidad Tecnológica de Pereira Colombia

Tamaño: px
Comenzar la demostración a partir de la página:

Download "Scientia Et Technica ISSN: 0122-1701 scientia@utp.edu.co Universidad Tecnológica de Pereira Colombia"

Transcripción

1 Sceta Et Techca ISS: Uversdad Tecológca de Perera Colomba TASAMA V., JULIÁ ADRÉS; GÓMEZ ESTRADA, SATIAGO; HOLGUÍ L., MAURICIO AÁLISIS DE COFIABILIDAD APLICADO A UA COFORMADORA DE ROLLOS EMPLEADO LA TÉCICA DE MODOS DE FALLO Sceta Et Techca, vol. XV, úm. 4, mayo, 2009, pp. 7-2 Uversdad Tecológca de Perera Perera, Colomba Dspoble e: Cómo ctar el artículo úmero completo Más ormacó del artículo Pága de la revsta e redalyc.org Sstema de Iormacó Cetíca Red de Revstas Cetícas de Amérca Lata, el Carbe, España y Portugal Proyecto académco s es de lucro, desarrollado bajo la catva de acceso aberto

2 Sceta et Techca Año XV, o 4, Mayo de Uversdad Tecológca de Perera. ISS AÁLISIS DE COFIABILIDAD APLICADO A UA COFORMADORA DE ROLLOS EMPLEADO LA TÉCICA DE MODOS DE FALLO Relablty aalyss appled to a roll ormg mache usg the alure modes techque RESUME Se muestra la ejecucó de u aálss de coabldad e ua coormadora de rollos de ua empresa papelera. E el matemeto clásco es vtal coocer las característcas y el estado de ua máqua co el de atcpar ua alla y co ello prever daños y pérddas. Lo ateror está lmtado por la expereca de que ejecuta las labores de matemeto, por lo que se debe llevar u regstro de allas y tempos de matemeto para realzar u aálss de coabldad que permta estmar s ecesdad de los operaros el tempo aproxmado e el cual allará u compoete del sstema. PALABRAS CLAVES: Coabldad, Dagramas de bloque, FMEA, Modos de allo, RP. ABSTRACT Ths paper shows the mplemetato o a relablty aalyss a roll ormg mache or a paper compay. For classc mateace s vtal to kow the characterstcs ad state o a mache order to predct a alure, ad avod damages, ad losses. Ths s lmted by the experece o those who mplemet the mateace work. These workers must keep records o alures ad mateace tmes or makg a relablty aalyss or estmatg, wthout the eed o operators, the tme whch a compoet system should al. JULIÁ ADRÉS TASAMA V. Igeero Electrcsta Uversdad Tecológca de Perera juatava@gmal.com SATIAGO GÓMEZ ESTRADA Igeero Electrcsta Docete Trastoro Uversdad Tecológca de Perera sagoez@gmal.com MAURICIO HOLGUÍ L. Igeero Electrcsta, M.Sc (C) Docete Trastoro Uversdad Tecológca de Perera ma_hol@ohm.utp.edu.co KEYWORDS: Block dagrams, Falure modes, FMEA, Relablty, RP.. ITRODUCCIÓ El objetvo de u grupo de matemeto e ua empresa es el de garatzar el ucoameto correcto y cotuo de todas las líeas de produccó; para cumplr co este propósto, se puede elaborar plaes desde los más smples y báscos hasta los más elaborados y sstematzados. E matemeto clásco, es de vtal mportaca coocer las característcas y el estado de operacó de ua máqua e su totaldad; gracas a este coocmeto e alguos casos es posble atcparse a la alla y co ello prever daños que a uturo ocasoaría pérddas e produccó que se relejaría e costos. Lo ateror está lmtado por la expereca de que ejecuta las labores de matemeto, lo cual hace al sstema depedete, y o se tedría certeza de s el comportameto de la máqua es correcto o correcto. De ahí la mportaca de llevar u regstro de allas y tempos de matemeto, y co estos datos hstórcos realzar u aálss de coabldad para estmar s ecesdad de la expereca de u operador o persoal de matemeto el tempo aproxmado e el cual allará u compoete del sstema [8]. Apoyados e ua base de datos, se realzará u aálss estadístco de coabldad utlzado la técca de modos de allos e la coormadora de rollos de ua empresa papelera, para estmar el tempo de alla de las deretes partes del sstema, co el objetvo de aumetar la dspobldad de los compoetes, ya que co la ormacó etregada por el aálss se puede tomar las meddas ecesaras para realzar las labores pertetes y a tempo para asegurar la dspobldad uera de ua operacó cotua, ecaz y co caldad de la máqua e estudo. 2. AALISIS DE MODOS DE FALLO Y COFIABILIDAD 2.. FMEA El aálss de modos y eectos de allo FMEA, se etede como ua metodología sstemátca que se emplea para aalzar problemas potecales de coabldad durate el cclo de vda de u compoete, equpo o sstema; este permte detcar modos de allo potecales y su eecto sobre la operacó del sstema; Fecha de Recepcó: 26 de eero de 2009 Fecha de Aceptacó: 4 de marzo de 2009

3 8 Sceta et Techca Año XV, o 4, Mayo de Uversdad Tecológca de Perera. aclta la toma de decsoes, permte atcparse a las allas y s estas ocurre pueda ser superadas rápdamete, todo lo ateror hace que esta metodología cotrbuya al aumeto de la coabldad [, 2]. ucoar adecuadamete para que el sstema opere; es decr s uo de los compoetes alla, el sstema alla[3]. SELECCIOAR U UEVO COMPOETE DEFIIR EL SISTEMA SELECCIOAR U COMPOETE DESCRIBIR LA FUCIO DEL COMPOETE IDETIFICAR TODOS LOS MODOS DE FALLA DE EL COMPOETE DETERMIAR LOS EFECTOS DE CADA MODO DE FALLO EVALUAR LA SEVERIDAD DE CADA MODO DE FALLO IDETIFICAR LOS MECAISMOS DE FALLA DE CADA MODO DE FALLO DETERMIAR LA OCURRECIA DE CADA MECAISMO DE FALLO DESARROLLAR EL PLA DE COTROL EVALUAR EL PLA DE COTROL PARA LA DETECCIO DE CADA MECAISMO DE FALLO Fgura 3. Sstema sere Para u sstema sere, su coabldad cuado elemetos so depedetes es: s [ 2... ] [ ] [ ] [ ] R = P E E E = P E P E... P E = R R... R 2 2 Dode R R so las coabldades dvduales de los compoetes,, De maera geeral para compoetes depedetes: () CALCULAR EL IDICE DE RIESGO "RP" RECOMEDAR ACCIOES AOTAR LAS ACCIOES PUESTAS E MARCHA Y RECALCULAR EL RP Fgura. Dagrama de bloques para realzar el Aálss de modos de allas (FMEA) R ( t) = R ( t) Coabldad del Sstema s Q ( t) = R ( t) Probabldad de Falla del Sstema s (2) 2.2. FTA El FTA es u método deductvo que preseta característcas exceletes a la hora de localzar, corregr y atcparse a las allas. Para llevarlo a cabo, el método parte de der u suceso o deseado, eveto o alla que se preteda evtar y a partr de él se detca todos los actores que pueda desecadear el posble suceso. Grácamete todo esto queda expresado e el árbol de alla, todas las combacoes se logra a través de operadores lógcos (Puertas Y, Puertas O, Puerta Y prortara, Puerta O exclusva, etc.) y las operacoes está dedas por el algebra de Boole. Para mplemetar el FTA es recomedable segur ua sere de pasos, sedo estos [4, 7, 9]: Para Rs ( t ) se puede err que la coabldad coormada por compoetes dvduales coectados e sere, sempre será meor que la coabldad del compoete meos coable SISTEMA PARALELO U sstema paralelo desde el puto de vsta de coabldad, es aquel e el cual el ucoameto adecuado de cualquera de sus compoetes, mplca la operacó del sstema [3]. Der el sstema a estudar Der el eveto o deseado para el aalss (paro total) Der el arbol y su alcace Resolver el arbol de allos Aalss cuattatvo Fgura 2. Algortmo de cálculo de FTA Fgura 4. Sstema paralelo Cabe aotar que e esta coguracó para que el sstema alle debe allar todos los compoetes DIAGRAMA DE BLOQUES SISTEMA SERIE U sstema sere desde el puto de vsta de coabldad, es aquel e el cual todos los compoetes debe Dode: Qp = P E E 2... E = P E P E 2... P E = QQ 2... Q (3)

4 Sceta et Techca Año XV, o 4, Mayo de Uversdad Tecológca de Perera. 9 Q : So las probabldades de alla dvduales de los compoetes -ésmos, geeralmete so ucoes del tempo. De maera geeral para u sstema de compoetes o reparables e paralelo se tee: Q ( t) = Q ( t) p R ( t) = Q ( t) p ( ) R ( t) = R ( t) p Para Rp( t) se cocluye, que la coabldad para u sstema e paralelo co elemetos depedetes, crece co el aumeto de los subcojutos bajo estudo. 3. AÁLISIS PROBABILÍSTICO DE LA BASE DE DATOS 3.. ÍDICES DE COFIABILIDAD Utlzados para determar el desempeño de u sstema, bloque operatvo o compoete, etre ellos se tee: MTBF, MTTF, tasa de alla, etc [5]. A cotuacó se descrbrá los ídces a emplear. MTBF MTTF MTTR Λ Tempo medo etre allas Tempo medo para allas Tempo medo para reparacó Tasa de allas Tabla. Ídces de Coabldad 3.2. MODELOS DE COFIABILIDAD tb tt = tt r * T ttr Para determar el modelo que mejor descrbe la aturaleza de los datos se realza u ajuste al hstórco de matemeto para los datos de tempos para salda y tempos para reparacó del compoete y así obteer su ucó de probabldad (ormal, Logormal, Expoecal, Gamma, etc.) [5, 8]. (4) Cotee solamete las saldas o plaeadas que volucra alla e el compoete. Cotee solamete las saldas o plaeadas que volucra alla para el compoete. Cotee solamete las restauracoes de saldas o plaeadas que volucra alla e el compoete. Cotee todas las saldas o plaeadas que volucra alla e el compoete. 4. METODOLOGÍA PROPUESTA 4.. RECOLECCIÓ DE LA IFORMACIÓ Para llevar a cabo el presete trabajo se utlzó la base de datos de la coormadora de rollos proporcoada por el grupo de matemeto de la empresa papelera, e ella se tee el reporte daro de todos los evetos que se preseta, además se tee la ormacó ordeada de orma croológca y cotee las echas e las cuales se preseta la alla e cada compoete y su tempo de reparacó. Los datos acltados correspode al período etre eero de 2007 a abrl 30 de COOCIMIETO Y DEPURACIÓ Co la ormacó de evetos de allos para la coormadora de rollos detcada, se procedó a separar ésta e ucó de los bloques operatvos que la coorma. Posterormete la ormacó de cada bloque operatvo se separó e ucó de sus compoetes. Para ello, la coormadora se dvdó e etapas operacoales asgádoles a ellas sus respectvos allos. Ua vez dvdda y asgada la ormacó se procedó a depurar la ormacó de allos, los datos calmete depurados so debdos a Ajustes que se presetaba debdo a accoes que se realzaba sobre la marcha, queredo decr esto que o era resultado de ua plaeacó de matemeto TRATAMIETO DE LOS DATOS Teedo los datos que resultaro después del prmer ltro, se realzaro dos procesos: el prmero ue el cálculo de los ídces de coabldad utlzado el sotware cogrupcomp.m y el segudo ue el cálculo de los modelos de coabldad y la seguda depuracó de los datos, los outlers tpo 2, que cosdera como rudo a aquellos datos que se aparta de tres veces la desvacó estádar, para lo cual se empleó el sotware datat.m, datat.m, datat2.m, datat3.m y datat4.m, ambos desarrollados e MATLAB [5] OBTECIÓ DE MODELOS De acuerdo a las característcas operatvas de la coormadora de rollos y co el apoyo del persoal de matemeto de la empresa papelera, se deó el dagrama de bloques que descrbe el ucoameto del sstema.

5 0 Sceta et Techca Año XV, o 4, Mayo de Uversdad Tecológca de Perera. 5. RESULTADOS Icalmete se cotaba co 44 datos para el aálss; pero después de realzar la ltracó de la base de datos solo 28 datos uero útles para el aálss y se preseta e la sguete tabla. Bloque Datos Outlers Outlers Datos ícales tpo tpo 2 Útles Peroradora Cortadora Omega MW PW PW TOTALES Tabla 2. Datos para el aálss El modelo utlzado para el cálculo de la coabldad del sstema es el sguete. MW-30 PERFORADORA CORTADORA OMEGA 3 PW 30 PW 20 Fgura 5. Dagrama de bloques coormadora de rollos Co base e el dagrama de bloques y los modelos matemátcos de coabldad de cada elemeto se obtee la coabldad por bloques y la del sstema total para cualquer día del año. Blo que Elemeto Coabldad Idvdual Acumulador 0,9423 Bada del jetllo 0,9277 Per Cuchlla descoladora 0,9469 or ado Rodajas 0,9535 ra Sstema de moletas 0,963 Gorador 0,9546 Sstema de trasereca 0,9535 Sstema Cuchlla 0,968 Co Freo Motor Prcpal 0,9565 rta Sstema Esmerl 0,4738 dor Motor Prcpal 0,985 a Torres 0,983 Bada Trasporte Salda 0,9565 Bada Almetacó Rollo 0,9405 Sstema de Pzas 0,9535 Segudor de Leva y Torllo 0,8509 O me ga 3 Graduacó Sstema de Vacío 0,6474 Embutdores 0,9794 Sstema Corte de Láma 0,9754 Sstema Succó Badas de los Tacos 0,9342 Sellador Base 0,9732 Expulsor de Rollo 0,9652 Coabldad por bloque 69,9% 92,3% 42,29% M W 30 P W 20 Bada Trasporte de Láma 0,765 Sellador Base 0,9529 Sstema Plegadores 0,9676 Sstema Cuchlla Corte Láma 0,9535 Bada Detada Lazador 0,5488 Bada Doble Detada 25 t5 x930 0,763 Sstema de Plegadores 0,979 Almetador de Rollos 0,925 Sellador Base 0,9346 Sstema de Corte 0,9772 Bada Trasporte Láma 0, ,2% 82,40% P W Bada Trasporte Láma 0,534 5,34% 30 Coabldad de la coormadora de rollos 25,99% Tabla 3. Coabldad al cabo de u año de los elemetos que coorma el sstema cosderádolos al 00% e el día cero. De los 34 elemetos que coorma la maqua, al cabo de u año solo 4 preseta ua coabldad eror al 70,00% los cuales represeta el,76% de los elemetos, e lo que respecta a los bloques operatvos 4 de los 6 preseta ua coabldad eror al 70,00% los cuales represeta el 66,66% de los bloques operatvos y e lo que respecta al sstema total su coabldad al cabo de u año es 25,99%. De lo ateror se puede coclur que al cabo de u año, desde el puto de vsta de los elemetos, estos preseta ua buea coabldad, ya que solo el,76% de ellos estaría por debajo del límte permtdo; y s a estos elemetos se les hace el matemeto adecuado, operaría todos s gú coveete. Desde el puto de vsta de los bloques, al cabo de u año preseta ua coabldad baja ya que sólo el 33,33% se ecuetra por ecma del mímo, todo esto se debe a que cada bloque está coormado por combacoes sere-paralelo de elemetos prepoderado la coguracó sere y el resultado de la mapulacó algebraca de las coabldades segú el dagrama de bloques da como resultado u valor meor que el del elemeto sere co meor coabldad o el equvalete de los elemetos e paralelo co meor coabldad. Para la máqua e su cojuto, se tee que al cabo de u año s realzar gua labor de matemeto la coabldad es del 25,99%, el cual es u valor crítco y está lgado a la coguracó de los bloques operatvos que la coorma, el día para el cual la coabldad de la máqua llega al 70,00% es el día 00. Para mejorar la coabldad de la maqua al cabo de u año se debe establecer u croograma de matemeto, medate el cual se mplemete rutas eocadas a ortalecer los elemetos más crítcos, para esto, apoyados e el aálss de coabldad se detectó que al cabo de u año los elemetos crítcos, Tabla 4, y las echas para terver el bloque operatvo, Tabla 5, servrá para establecer el croograma de actvdades de matemeto.

6 Sceta et Techca Año XV, o 4, Mayo de Uversdad Tecológca de Perera. Elemeto Coabldad Día matemeto Sstema esmerl (Cortadora) 47,38% 75 Bada trasporte lama (PW30) 5,34% 95 Bada detada lazador (MW30) 54,88% 27 Sstema de vacío (Omega3) 64,74% 298 Tabla 4. Elemetos crítcos de acuerdo FTA y dagrama de bloques Bloque operatvo Día de matemeto Omega 3 5 PW MW Peroradora 353 PW Cortadora 350 Tabla 5. Día para tervecó del bloque operatvo De acuerdo a la Tabla 5 se observa que para el día 5 es ecesaro realzar labores de matemeto e la Omega3, y teedo e cueta que u paro e este bloque operatvo mplca paro de todo el sstema (ver Fgura 5) es recomedable realzar ajustes sobre la PW30 e terver el sstema de esmerl de la Cortadora, ya que éste para el día 75 llegará al 70% de su coabldad y tedrá que ser tervedo, s todo lo ateror es tedo e cueta, croológcamete los matemetos de los días 75 y 95 ya se habrá realzado y por cosguete la próxma labor será la del día 238 pues auque para el día 27 se llega al 70% de la coabldad e el elemeto bada detada lazador del bloque MW30 la coabldad para el día 238 será del 67,62% dado ua holgura de 2 días co respecto a su echa de matemeto, lo ateror mplca teer e stock el elemeto por s e este lapso llegase a allar; para el día 298 se tee programada la labor sobre el sstema de vacío de la Omega 3, pero como cada 5 días se debe terver todo el bloque operatvo la labor para este día será realzada el día 302; para el día 353 se tee programadas labores de matemeto e la peroradora ya que esta alcaza el 70% de su coabldad y debdo a que los bloques operatvos PW20 y Cortadora requere u matemeto geeral al cabo de 662 y 350 días respectvamete, etoces para el día 353 se aprovechara para realzar ajustes a sus compoetes. E la Tabla 6 se apreca el croograma de actvdades de matemeto. Día Elemeto Bloque Tpo Todos Omega 3 Geeral 5 Todos PW30 Geeral Sstema esmerl Cortadora Oportudad 238 Todos MW30 Geeral 302 Todos Omega 3 Geeral Sstema esmerl Cortadora Oportudad Todos Peroradora Geeral 353 Todos Cortadora Oportudad Todos PW20 Oportudad Tabla 6. Croograma para matemeto geeral y de oportudad Aálss de crtcdad Aálss de coabldad FMEA RP Dagramas de Bloques Coabldad Gorador Sstema esmerl 66 (Peroradora) (Cortadora) 47,38% Freo motor Bada trasporte prcpal 52 lama (PW30) (Cortadora) 5,34% Sstema Bada detada plegadores 9 lazador (MW30) (MW30) 54,88% Sstema de Sstema de vaco moletas 4 (Omega 3) (Peroradora) 64,74% Tabla 7. Comparatvo FMEA y Dagrama de bloques E la Tabla 7 se compara los elemetos más represetatvos del aálss de crtcdad co los del aálss de coabldad, se apreca que etre ellos o exste elemetos guales, relejado esto que los elemetos más crítcos debe presetar ua alta coabldad de modo que la probabldad de alla sea pequeña, lo ateror o mplca que las dos téccas o se complemete ya que los elemetos de mayor crtcdad sempre debe ser tedos e cueta e los aálss de coabldad ya que ua alla e uo de ellos mplca u paro prologado del sstema. Desde el puto de vsta de los datos estadístcos el sstema de vacío de la Omega 3 es el elemeto más crítco a la hora de requerr ua reparacó, ya que su MTTR es 6,3 horas; y desde el puto de vsta de la coabldad total del sstema també lo es ya que su coabldad decrece rápdamete y aecta potecalmete la coabldad del bloque operatvo y por cosguete la del sstema ya que e el modelo de coabldad esta e sere. Ua mejora e la coabldad de las empacadoras (MW30, PW20 y PW30) o represeta u gra cremeto e la coabldad total del sstema, es mas, garatzar e todas las empacadoras ua coabldad del 00,00% durate todo u año mplca ua gra versó de dero para obteer ta solo u cremeto e la coabldad del sstema del,02% quedado ésta e 27,0%. El llevar los elemetos más crítcos que se detectaro medate el FMEA a ua coabldad hpotétca del 00,00% durate u año, demostró que o so determates a la hora de mejorar la coabldad total, ya que el cremeto ue de sólo 2,36% quedado e 28,35%. Lo cual es lógco ya que los elemetos que aparece e el RP tee coabldades altas alrededor del 96,00% (so elemetos robustos de modo que uca alla) ya que ua alla e ellos mplcaría u paro total prologado. El elemeto sstema de vacío-omega 3 es u elemeto determate a la hora de mejorar la coabldad total del sstema ya que al llevar su coabldad del estado

7 2 Sceta et Techca Año XV, o 4, Mayo de Uversdad Tecológca de Perera. actual de 64,74% al hpotétco caso del 00% para u año, la coabldad total aumetó el 4.6% quedado ésta e 40,5%, lo ateror evdeca la ecesdad de mejorar la coabldad del elemeto, ello se logra etre otras ormas co: ua mejor ubcacó ísca de la bomba de orma que o esté expuesta a elemetos corrosvos, brgadas peródcas de lmpeza de orma que sus materales rotatvos o se vea aectados co partículas de polvo que desgaste la vda útl de la parte. 6. COCLUSIOES De los aálss de coabldad e coabldad, y teedo e cueta que ambos requere de deretes mapulacoes algebracas, se pudo comprobar que so complemetaros R(t) + Q(t) =, y, por lo tato al realzar u aálss de coabldad heretemete se está realzado el correspodete aálss de coabldad y vceversa. El FMEA es ua metodología que permte detcar cuáles de todos los elemetos que coorma u sstema so los más crítcos, pero preseta la desvetaja de producr camulaje de elemetos crítcos s los ecargados de mplemetar la metodología o posee u amplo coocmeto e el state de calcar los ídces de deteccó y severdad. El RP es u dcador de resgo y o de coabldad, por tal motvo el elemeto más crítco segú el RP o ecesaramete será el elemeto co la coabldad más mala e todo el sstema, so que hace reereca al elemeto que e el mometo de su alla causará el mayor traumatsmo para la produccó. Al realzar u estudo de coabldad es ecesaro determar el tpo de ormacó que se tee para el aálss, por tal razó es dspesable realzar ua depuracó a la ormacó ya que e muchos casos e ésta se ecuetra regstrados datos que o cotrbuye al aálss, por o segur la tedeca del eómeo o ser evetos extraordaros que dstorsoa el resultado. Auque los elemetos crítcos del FMEA o cocda co los elemetos para el aálss de coabldad e coabldad, esto o mplca que los métodos de aálss sea compatbles o o se complemete. Ya que el FMEA permte detcar los elemetos que al allar produce e el sstema el allo más severo y el aálss de coabldad e coabldad permte determar e qué mometo se debe terver los elemetos. que e realdad hace mportate este elemeto desde el puto de vsta de coabldad del sstema so sus ídces de deteccó y severdad, puesto que ua alla e uo de los elemetos que ecabeza el RP represeta para la produccó ua parada prologada. La ormacó de allos que se regstra e ua base de datos se debe estadarzar de modo que o se presete problemas co los datos cosgados a la hora de ser mapulados e cualquer tpo de aálss. Para evtar esto la ormacó debe ser cosgada por el persoal de matemeto evtado regstrar como u allo los ajustes sobre la marcha del proceso. 7. BIBLIOGRAFIA [] Crow K, Falure Modes ad Eects Aalyss, Palos Verdes, CA: DRM Assocates [2] Uamuo M, Aálss de Modos y Eectos de Fallos (FMEA), Salamaca 2004 Uversdad de Salamaca. [3] achlas J.A. Fabldad". Isdee. 995, Prmera edcó. [4] Ercso A, Clto Ll, Fault tree Aalyss, System Saety Coerece, Orlado, Florda, 999. [5] Zapata C.J Coabldad de sstemas eléctrcos Uversdad Tecológca de Perera, Escuela de Tecología Eléctrca, Perera [6] Motgomery D, Ruger G Appled Statstcs ad Probablty or Egeers, Joh Wley & Sos Ic [7] P. L. Clemes, Fault Tree Aalyss, Cuarta Edcó, Jacobs Sverdrup, [8] IEEE Power System Relablty Evaluato, Tutoral course 82 EHO 95-8-PWR, IEEE, 982. [9] T. Pqué, A. Lapeña. Aálss Probablístco de Resgos: Metodología del Árbol de Fallos y Errores". Ed Lmusa Los elemetos que preseta mayor RP debe ser cosderados e el estudo de coabldad s mportar que estos o presete u alto ídce de ocurreca, de los tres actores que determa el RP, el ídce de ocurreca, e realdad, o es el actor de peso ya que lo

VARIABLE ALEATORIA Y FUNCIÓN DE DISTRIBUCIÓN

VARIABLE ALEATORIA Y FUNCIÓN DE DISTRIBUCIÓN VARIABLE ALEATORIA Y FUNCIÓN DE DISTRIBUCIÓN - INTRODUCCIÓN E este tema se tratará de formalzar umércamete los resultados de u feómeo aleatoro Por tato, ua varable aleatora es u valor umérco que correspode

Más detalles

MÉTODOS ESTADÍSTICOS PARA EL CONTROL DE CALIDAD

MÉTODOS ESTADÍSTICOS PARA EL CONTROL DE CALIDAD UNIVERSIDAD DE LOS ANDES. FACULTAD DE CIENCIAS ECONÓMICAS Y SOCIALES DEPARTAMENTO DE CIENCIAS ADMINISTRATIVAS MÉRIDA ESTADO MÉRIDA Admstracó de la Produccó y las Operacoes II Prof. Mguel Olveros MÉTODOS

Más detalles

V Muestreo Estratificado

V Muestreo Estratificado V Muestreo Estratfcado Dr. Jesús Mellado 10 Certas poblacoes que se desea muestrear, preseta grupos de elemetos co característcas dferetes, s los grupos so pleamete detfcables e su peculardad y e su tamaño,

Más detalles

6. ESTIMACIÓN PUNTUAL

6. ESTIMACIÓN PUNTUAL Defcoes 6 ESTIMACIÓN PUNTUAL E la práctca, los parámetros de ua dstrbucó de probabldad se estma a partr de la muestra La fereca estadístca cosste e estmar los parámetros de ua dstrbucó; y e evaluar ua

Más detalles

1.1 INTRODUCCION & NOTACION

1.1 INTRODUCCION & NOTACION 1. SIMULACIÓN DE SISEMAS DE COLAS Jorge Eduardo Ortz rvño Profesor Asocado Departameto de Igeería de Sstemas e Idustral Uversdad Nacoal de Colomba jeortzt@ual.edu.co 1.1 INRODUCCION & NOACION Clete Servdor

Más detalles

Los principales métodos para la selección y valoración de inversiones se agrupan en dos modalidades: métodos estáticos y métodos dinámicos

Los principales métodos para la selección y valoración de inversiones se agrupan en dos modalidades: métodos estáticos y métodos dinámicos Dreccó Facera Pág Sergo Alejadro Herado Westerhede, Igeero e Orgazacó Idustral 5. INTRODUCCIÓN Los prcpales métodos para la seleccó y valoracó de versoes se agrupa e dos modaldades: métodos estátcos y

Más detalles

MODELOS DE REGRESIÓN LINEALES Y NO LINEALES: SU

MODELOS DE REGRESIÓN LINEALES Y NO LINEALES: SU MODELOS DE REGRESIÓN LINEALES Y NO LINEALES: SU APLICACIÓN EN PROBLEMAS DE INGENIERÍA Clauda Maard Facultad de Igeería. Uversdad Nacoal de Lomas de Zamora Uversdad CAECE Bueos Ares. Argeta. maard@uolsects.com.ar

Más detalles

ANÁLISIS DE DATOS CUALITATIVOS. José Vicéns Otero Eva Medina Moral

ANÁLISIS DE DATOS CUALITATIVOS. José Vicéns Otero Eva Medina Moral ÁLISIS D DTOS CULITTIVOS José Vcés Otero va Meda Moral ero 005 . COSTRUCCIÓ D U TL D COTIGCI Para aalzar la relacó de depedeca o depedeca etre dos varables cualtatvas omales o actores, es ecesaro estudar

Más detalles

ANÁLISIS DE LA VARIANZA ANOVA COMPARACIONES MULTIPLES ENTRE MEDIAS MUESTRALES

ANÁLISIS DE LA VARIANZA ANOVA COMPARACIONES MULTIPLES ENTRE MEDIAS MUESTRALES ANÁLISIS DE LA VARIANZA COMPARACIONES MULTIPLES ENTRE MEDIAS MUESTRALES ANOVA Marta Alper Profesora Adjuta de Estadístca alper@fcym.ulp.edu.ar http://www.fcym.ulp.edu.ar/catedras/estadstca INTRODUCCION

Más detalles

IV. GRÁFICOS DE CONTROL POR ATRIBUTOS

IV. GRÁFICOS DE CONTROL POR ATRIBUTOS IV Gráfcos de Cotrol por Atrbutos IV GRÁFICOS DE CONTROL POR ATRIBUTOS INTRODUCCIÓN Los dagramas de cotrol por atrbutos costtuye la herrameta esecal utlzada para cotrolar característcas de caldad cualtatvas,

Más detalles

METODOLOGÍA DE CÁLCULO DE LAS TASAS DE INTERÉS PROMEDIO

METODOLOGÍA DE CÁLCULO DE LAS TASAS DE INTERÉS PROMEDIO METODOLOGÍA DE CÁLCULO DE LAS TASAS DE INTERÉS PROMEDIO Nota: A partr del de julo de 200, las empresas reporta a la SBS formacó más segmetada de las tasas de terés promedo de los crédtos destados a facar

Más detalles

Curso de Estadística Unidad de Medidas Descriptivas. Lección 2: Medidas de Tendencia Central para Datos Agrupados por Valor Simple

Curso de Estadística Unidad de Medidas Descriptivas. Lección 2: Medidas de Tendencia Central para Datos Agrupados por Valor Simple 1 Curso de Estadístca Udad de Meddas Descrptvas Leccó 2: Meddas de Tedeca Cetral para Datos Agrupados por Valor Smple Creado por: Dra. Noemí L. Ruz Lmardo, EdD 2010 Derechos de Autor 2 Objetvos 1. Calcular

Más detalles

Una Propuesta de Presentación del Tema de Correlación Simple

Una Propuesta de Presentación del Tema de Correlación Simple Ua Propuesta de Presetacó del Tema de Correlacó Smple Itroduccó Ua Coceptualzacó de la Correlacó Estadístca La Correlacó o Implca Relacó Causa-Efecto Vsualzacó Gráfca de la Correlacó U Idcador de Asocacó:

Más detalles

ESTADÍSTICA poblaciones

ESTADÍSTICA poblaciones ESTADÍSTICA Es la parte de las Matemátcas que estuda el comportameto de las poblacoes utlzado datos umércos obtedos medate epermetos o ecuestas. ESTADÍSTICA La Estadístca tee dos ramas: La Estadístca descrptva:

Más detalles

ESTRUCTURA Y TECNOLOGÍA A DE COMPUTADORES

ESTRUCTURA Y TECNOLOGÍA A DE COMPUTADORES Uversdad Rey Jua Carlos ESTRUCTURA Y TECNOLOGÍA A DE COMPUTADORES Lus Rcó Córcoles Lceso J. Rodríguez-Aragó Programa. Itroduccó. 2. Defcó de redmeto. 3. Meddas para evaluar el redmeto. 4. Programas para

Más detalles

(Feb03-1ª Sem) Problema (4 puntos). Se dispone de un semiconductor tipo P paralepipédico, cuya distribución de impurezas es

(Feb03-1ª Sem) Problema (4 puntos). Se dispone de un semiconductor tipo P paralepipédico, cuya distribución de impurezas es (Feb03-ª Sem) Problema (4 putos). Se dspoe de u semcoductor tpo P paraleppédco, cuya dstrbucó de mpurezas es ( x a) l = A 0 dode A y 0 so mpurezas/volume, l es u parámetro de logtud y a la poscó de ua

Más detalles

MEDIDAS DE TENDENCIA CENTRAL

MEDIDAS DE TENDENCIA CENTRAL Probabldad y Estadístca Meddas de tedeca Cetral MEDIDAS DE TENDENCIA CENTRAL E la udad ateror se ha agrupado la ormacó y además se ha dado ua descrpcó de la terpretacó de la ormacó, s embargo e ocasoes

Más detalles

División de Evaluación Social de Inversiones

División de Evaluación Social de Inversiones MEODOLOGÍA SIMPLIFICADA DE ESIMACIÓN DE BENEFICIOS SOCIALES POR DISMINUCIÓN DE LA FLOA DE BUSES EN PROYECOS DE CORREDORES CON VÍAS EXCLUSIVAS EN RANSPORE URBANO Dvsó de Evaluacó Socal de Iversoes 2013

Más detalles

Control estadístico de procesos. Control de procesos. Definición de proceso bajo control estadístico. Causas de la variabilidad en un proceso

Control estadístico de procesos. Control de procesos. Definición de proceso bajo control estadístico. Causas de la variabilidad en un proceso Cotrol de procesos Hstórcamete ha evolucoado e dos vertetes: Cotrol automátco de procesos (APC) empresas de produccó cotua (empresas químcas) Cotrol estadístco de procesos (SPC) e sstemas de produccó e

Más detalles

UNA PROPUESTA DE GRÁFICO DE CONTROL DIFUSO PARA EL CONTROL DEL PROCESO

UNA PROPUESTA DE GRÁFICO DE CONTROL DIFUSO PARA EL CONTROL DEL PROCESO UNA POPUESTA DE GÁFICO DE CONTOL DIFUSO PAA EL CONTOL DEL POCESO VIVIAN LOENA CHUD PANTOJA (UDV) vvalorea16@gmal.com NATHALY MATINEZ ESCOBA (UDV) atta10@gmal.com Jua Carlos Osoro Gómez (UDV) juacarosoro@yahoo.es

Más detalles

Valoración de opciones de compra y venta del quintal de café en el mercado ecuatoriano

Valoración de opciones de compra y venta del quintal de café en el mercado ecuatoriano Valoracó de opcoes de compra y veta del qutal de café e el mercado ecuatorao Adrá Morocho Pérez, Ferado Sadoya Sachez Igeero e Estadístca Iformátca 003 Drector de Tess, Matemátco, Escuela Poltécca Nacoal,

Más detalles

INTRODUCCIÓN AL CONCEPTO DE VALOR ESPERADO O ESPERANZA MATEMÁTICA DE UNA VARIABLE ALEATORIA

INTRODUCCIÓN AL CONCEPTO DE VALOR ESPERADO O ESPERANZA MATEMÁTICA DE UNA VARIABLE ALEATORIA INTRODUCCIÓN AL CONCEPTO DE VALOR ESPERADO O ESPERANZA MATEMÁTICA DE UNA VARIABLE ALEATORIA Lus Fraco Martí {lfraco@us.es} Elea Olmedo Ferádez {olmedo@us.es} Jua Mauel Valderas Jaramllo {valderas@us.es}

Más detalles

RENTABILIDAD Y RIESGO DE CARTERAS Y ACTIVOS TEMA 3- I FUNTAMENTOS DE DIRECCIÓN FINANCIERA. Fundamentos de Dirección Financiera Tema 3- Parte I 1

RENTABILIDAD Y RIESGO DE CARTERAS Y ACTIVOS TEMA 3- I FUNTAMENTOS DE DIRECCIÓN FINANCIERA. Fundamentos de Dirección Financiera Tema 3- Parte I 1 RENTILIDD Y RIESGO DE CRTERS Y CTIVOS TEM 3- I FUNTMENTOS DE DIRECCIÓN FINNCIER Fudametos de Dreccó Facera Tema 3- arte I RIESGO y RENTILIDD ( decsoes de versó productvas) EXISTENCI DE RIESGO ( los FNC

Más detalles

ESTADÍSTICA DESCRIPTIVA

ESTADÍSTICA DESCRIPTIVA ESTADÍSTICA DESCRIPTIVA A. MEDIDAS DE TENDENCIA CENTRAL B. MEDIDAS DE VARIABILIDAD C. MEDIDAS DE FORMA RESUMEN: A. MEDIDAS DE TENDENCIA CENTRAL So estadígrafos de poscó que so terpretados como valores

Más detalles

-Métodos Estadísticos en Ciencias de la Vida

-Métodos Estadísticos en Ciencias de la Vida -Métodos Estadístcos e Cecas de la Vda Regresó Leal mple Regresó leal smple El aálss de regresó srve para predecr ua medda e fucó de otra medda (o varas). Y = Varable depedete predcha explcada X = Varable

Más detalles

2. Calcular el interés que obtendremos al invertir 6.000 euros al 4% simple durante 2 años. Solución: 480 euros

2. Calcular el interés que obtendremos al invertir 6.000 euros al 4% simple durante 2 años. Solución: 480 euros . alcular el motate que obtedremos al captalzar 5. euros al 5% durate días (año cvl y comercal). Solucó: 5., euros (cvl); 5.,5 euros (comercal). 5. o ' 5,5 5,8 5,5 ' 5. 5.,5) 5,5) 5., 5.,5. alcular el

Más detalles

Modelos de Regresión análisis de regresión diagrama de dispersión coeficientes de regresión

Modelos de Regresión análisis de regresión diagrama de dispersión coeficientes de regresión Modelos de Regresó E muchos problemas este ua relacó herete etre dos o más varables, resulta ecesaro eplorar la aturaleza de esta relacó. El aálss de regresó es ua técca estadístca para el modelado la

Más detalles

MATEMÁTICAS FINANCIERAS Y EVALUACIÓN DE PROYECTOS JAIRO TARAZONA MANTILLA CONSULTOR ASESOR DOCENTE FINANCIERO Y PROYECTOS

MATEMÁTICAS FINANCIERAS Y EVALUACIÓN DE PROYECTOS JAIRO TARAZONA MANTILLA CONSULTOR ASESOR DOCENTE FINANCIERO Y PROYECTOS MATEMÁTICAS FINANCIERAS Y EVALUACIÓN DE PROYECTOS JAIRO TARAZONA MANTILLA CONSULTOR ASESOR DOCENTE FINANCIERO Y PROYECTOS Bucaramaga, 2010 INTRODUCCIÓN El presete documeto es ua complacó de memoras de

Más detalles

Inferencia Estadística

Inferencia Estadística Ifereca Estadístca Poblacó y muestra Coceptos y defcoes Muestra Aleatora Smple (MAS) Cosderemos ua poblacó, cuya fucó de dstrbucó esta dada por F(), la cual está costtuda por u úmero fto de posbles valores,

Más detalles

TEMA 3.- OPERACIONES DE AMORTIZACION : PRESTAMOS A INTERES VARIABLE 3.1.-CLASIFICACIÓN DE LOS PRÉSTAMOS A INTERÉS VARIABLE :

TEMA 3.- OPERACIONES DE AMORTIZACION : PRESTAMOS A INTERES VARIABLE 3.1.-CLASIFICACIÓN DE LOS PRÉSTAMOS A INTERÉS VARIABLE : Dpto. Ecoomía Facera y otabldad Pla de Estudos 994 urso 008-09. TEMA 3 Prof. María Jesús Herádez García. TEMA 3.- OPERAIONES DE AMORTIZAION : PRESTAMOS A INTERES VARIABLE 3..-LASIFIAIÓN DE LOS PRÉSTAMOS

Más detalles

CÁLCULO Y COMENTARIOS SOBRE ALGUNAS MEDIDAS DESCRIPTIVAS. de una variable X, la denotaremos por x y la calcularemos mediante la fórmula:

CÁLCULO Y COMENTARIOS SOBRE ALGUNAS MEDIDAS DESCRIPTIVAS. de una variable X, la denotaremos por x y la calcularemos mediante la fórmula: CÁLCULO Y COMENTARIOS SOBRE ALGUNAS MEDIDAS DESCRIPTIVAS I Meddas de localzacó Auque ua dstrbucó de frecuecas es certamete muy útl para teer ua dea global del comportameto de los datos, es geeralmete ecesaro

Más detalles

Algunas Recomendaciones para la Enseñanza de la Estadística Descriptiva o Análisis de Datos

Algunas Recomendaciones para la Enseñanza de la Estadística Descriptiva o Análisis de Datos Alguas Recomedacoes para la Eseñaza de la Estadístca Descrptva o Aálss de Datos Itroduccó Elemetos Báscos para Aplcar Estadístca Descrptva La Estadístca Descrptva o Formula Iferecas La Estadístca Descrptva

Más detalles

PRIMERA PRUEBA DE TÉCNICAS CUANTITATIVAS III. 14-Abril-2015. Grupo A

PRIMERA PRUEBA DE TÉCNICAS CUANTITATIVAS III. 14-Abril-2015. Grupo A PRIMERA PRUEBA DE TÉCICAS CUATITATIVAS III. 14-Abrl-015. Grupo A OMBRE: DI: 1. Se quere hacer u estudo sobre gasto e ropa e ua comarca dode el 41% de los habtates so mujeres. (1 puto) Se decde tomar ua

Más detalles

GUíAS DE TRABAJOS PRÁCTICOS N 2 y N 3 (2do Cuatrimestre 2018) GRÁFICOS DE CONTROL

GUíAS DE TRABAJOS PRÁCTICOS N 2 y N 3 (2do Cuatrimestre 2018) GRÁFICOS DE CONTROL GUíAS DE TRABAJOS PRÁCTICOS 2 y (2do Cuatrmestre 208) GRÁFICOS DE COTROL ) Guía o 2: El admstrador de servcos de ua ageca grade de automóvles desea estudar la catdad de tempo requerdo para efectuar u tpo

Más detalles

CAPÍTULO III TÉCNICAS DE SIMULACIÓN ESTADÍSTICA. Los datos sintéticos son elementos de suma importancia en los sistemas de diseño en

CAPÍTULO III TÉCNICAS DE SIMULACIÓN ESTADÍSTICA. Los datos sintéticos son elementos de suma importancia en los sistemas de diseño en CAPÍTULO III TÉCNICAS DE SIMULACIÓN ESTADÍSTICA 3. Itroduccó Los datos stétcos so elemetos de suma mportaca e los sstemas de dseño e presas de almaceameto, ya que se evalúa el propósto del sstema co sumo

Más detalles

Matemáticas 1 1 EJERCICIOS RESUELTOS: Números Complejos. Elena Álvarez Sáiz. Dpto. Matemática Aplicada y C. Computación. Universidad de Cantabria

Matemáticas 1 1 EJERCICIOS RESUELTOS: Números Complejos. Elena Álvarez Sáiz. Dpto. Matemática Aplicada y C. Computación. Universidad de Cantabria Matemátcas EJERCICIOS RESUELTOS: Números Complejos Elea Álvare Sá Dpto. Matemátca Aplcada y C. Computacó Uversdad de Catabra Igeería de Telecomucacó Fudametos Matemátcos I Ejerccos: Números Complejos Iterpretacó

Más detalles

ESTADÍSTICA DESCRIPTIVA E INFERENCIAL I

ESTADÍSTICA DESCRIPTIVA E INFERENCIAL I COLEGIO DE BACHILLERES ESTADÍSTICA DESCRIPTIVA E INFERENCIAL I FASCÍCULO. MEDIDAS DE TENDENCIA CENTRAL Autores: Jua Matus Parra COLEGIO DE BACHILLERES Colaboradores Asesoría Pedagógca Revsó de Cotedo Dseño

Más detalles

GUÍA DE EJERCICIOS ESTADÍSTICA DESCRIPTIVA

GUÍA DE EJERCICIOS ESTADÍSTICA DESCRIPTIVA GUÍA DE EJERCICIOS ESTADÍSTICA DESCRIPTIVA Área Matemátcas- Aálss Estadístco Módulo Básco de Igeería (MBI) Resultados de apredzaje Apreder el correcto uso de la calculadora cetífca e modo estadístco, además

Más detalles

1 Sucesiones. Ejemplos. a n = n a n = n! a n = n n. a n = p n. a n = 2n3 + n 2 + 5 n 2 + 8. a n = ln(n)

1 Sucesiones. Ejemplos. a n = n a n = n! a n = n n. a n = p n. a n = 2n3 + n 2 + 5 n 2 + 8. a n = ln(n) 1 Sucesioes De ició. Ua sucesió, a, es ua fució que tiee como domiio el cojuto de los úmeros aturales y como cotradomiio el cojuto de los úmeros reales: a : N! R. Se usa la siguiete otació: a () = a :

Más detalles

TEMA 3. Medidas de variabilidad y asimetría. - X mín. X máx

TEMA 3. Medidas de variabilidad y asimetría. - X mín. X máx TEMA 3 Meddas de varabldad y asmetría 1. MEDIDAS DE VARIABILIDAD La varabldad o dspersó hace refereca al grado de varacó que hay e u cojuto de putuacoes. Por ejemplo: etre dos dstrbucoes que preseta la

Más detalles

Introducción a la simulación de sistemas discretos

Introducción a la simulación de sistemas discretos Itroduccó a la smulacó de sstemas dscretos Novembre de 6 Álvaro García Sáchez Mguel Ortega Mer Itroduccó a la smulacó de sstemas dscretos. Presetacó.. Itroduccó El presete documeto trata sobre las téccas

Más detalles

CRITERIOS DE DECISIÓN EN LA EVALUACION DE PROYECTOS

CRITERIOS DE DECISIÓN EN LA EVALUACION DE PROYECTOS CRITERIOS DE DECISIÓN EN LA EVALUACION DE PROYECTOS Curso Preparació y Evaluació Social de Proyectos Sistema Nacioal de Iversioes Divisió de Evaluació Social de Iversioes MINISTERIO DE DESARROLLO SOCIAL

Más detalles

Apuestas deportivas por Internet

Apuestas deportivas por Internet Autor: Davd Serrao Martíez 22/0/2009 Apuestas deportvas por Iteret Aputes y relexoes Itroduccó Durate el últmo trmestre de 2005, u grupo de compañeros de trabajo y amgos decdmos motar ua suerte de peña

Más detalles

EVALUACION DEL AHUELLAMIENTO CON EQUIPO DE ALTO RENDIMIENTO

EVALUACION DEL AHUELLAMIENTO CON EQUIPO DE ALTO RENDIMIENTO EVALUACION DEL AHUELLAMIENTO CON EQUIPO DE ALTO RENDIMIENTO CRISTIAN CABRERA TORRICO, Igeero Cvl APSA Ltda. (crstacabrera@apsa.cl) ROBINSON LUCERO, Igeero Cvl Laboratoro Nacoal de Valdad, robso.lucero@moptt.gov.cl

Más detalles

Juegos finitos n-personales como juegos de negociación

Juegos finitos n-personales como juegos de negociación Juegos ftos -persoales como uegos de egocacó A.M.Mármol L.Moro V. Rubales Departameto de Ecoomía Aplcada III. Uversdad de Sevlla. Avd. Ramó Caal.. 0-Sevlla. vrubales@us.es Resume Los uegos -persoales ftos

Más detalles

Orden de la tirada. Figura 1: Frecuencia relativa de cara para una sucesión de 400 tiradas.

Orden de la tirada. Figura 1: Frecuencia relativa de cara para una sucesión de 400 tiradas. Estadístca (Q) Dra. Daa M. Kelmasky 99. Teoremas límte Frecueca Relatva 0.5 0.6 0.7 0.8 0.9.0 0 00 00 300 400 Orde de la trada Fgura : Frecueca relatva de cara para ua sucesó de 400 tradas. La fgura muestra

Más detalles

Estadística Descriptiva

Estadística Descriptiva Estadístca Descrptva Poblacoes y muestras Varables. Tablas de frecuecas Meddas de: tedeca cetral-dspersó ESTADÍSTICA DESCRIPTIVA: Tee por objetvo recoplar, orgazar y aalzar formacó referda a datos de u

Más detalles

LECTURA 02: DISTRIBUCIONES DE FRECUENCIAS (PARTE I) DISTRIBUCIONES DE FRECUENCIAS EN PUNTOS AISLADOS

LECTURA 02: DISTRIBUCIONES DE FRECUENCIAS (PARTE I) DISTRIBUCIONES DE FRECUENCIAS EN PUNTOS AISLADOS Uversdad Católca Los Ágeles de Cmbote LECTURA 0: DISTRIBUCIONES DE FRECUENCIAS (PARTE I) DISTRIBUCIONES DE FRECUENCIAS EN PUNTOS AISLADOS TEMA : DISTRIBUCIONES DE FRECUENCIAS: DEFINICIÓN Y CLASIFICACIÓN

Más detalles

Curso de Estadística Unidad de Medidas Descriptivas. Lección 3: Medidas de Tendencia Central para Datos Agrupados por Clases

Curso de Estadística Unidad de Medidas Descriptivas. Lección 3: Medidas de Tendencia Central para Datos Agrupados por Clases Curso de Estadístca Udad de Meddas Descrptvas Leccó 3: Meddas de Tedeca Cetral para Datos Agrupados por Clases Creado por: Dra. Noemí L. Ruz Lmardo, EdD 2010 Derechos de Autor Objetvos 1. Der el cocepto

Más detalles

V II Muestreo por Conglomerados

V II Muestreo por Conglomerados V II Muestreo por Coglomerados Dr. Jesús Mellado 31 Por alguas razoes aturales, los elemetos muestrales se ecuetra formado grupos, como por ejemlo, las persoas que vve e coloas de ua cudad, lo elemetos

Más detalles

PRUEBAS DE ACCESO A LA UNIVERSIDAD L.O.G.S.E

PRUEBAS DE ACCESO A LA UNIVERSIDAD L.O.G.S.E PRUEBAS DE ACCESO A LA UNIVERSIDAD L.O.G.S.E CURSO.-.3 - CONVOCATORIA: MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES - Cada alumo debe elegir sólo ua de las pruebas (A o B) y, detro de ella, sólo debe

Más detalles

I. ANÁLISIS DESCRIPTIVO DE UN CONJUNTO DE DATOS

I. ANÁLISIS DESCRIPTIVO DE UN CONJUNTO DE DATOS Estadístca Tema. Seres Estadístcas. Dstrbucoes de frecuecas. Pág. I. ANÁLISIS DESCIPTIVO DE UN CONJUNTO DE DATOS Seres Estadístcas. Dstrbucoes de frecuecas.. Defcó de Estadístca... Coceptos geerales...2

Más detalles

Probabilidad ( A) Los axiomas de la probabilidad. φ = el conjunto vacío A B = A y no B C

Probabilidad ( A) Los axiomas de la probabilidad. φ = el conjunto vacío A B = A y no B C Los axomas de la probabldad obabldad El prmer paso para descrbr la certdumbre es cosderar el cojuto de posbles resultados obtedos a partr de u expermeto aleatoro. Este cojuto es llamado espaco muestral

Más detalles

División de Estadísticas y Proyecciones Económicas (DEPE) Centro de Proyecciones Económicas (CPE)

División de Estadísticas y Proyecciones Económicas (DEPE) Centro de Proyecciones Económicas (CPE) Comsó Ecoómca para Amérca Lata y el Carbe (CEPAL Dvsó de Estadístcas y Proyeccoes Ecoómcas (DEPE Cetro de Proyeccoes Ecoómcas (CPE Estmacó Putual de Parámetros Chrsta A. Hurtado Navarro Mayo, 006 Estmacó

Más detalles

Comportamiento Mecánico de Sólidos Capítulo II. Introducción al análisis tensorial. Tensores. x 3 A 3. Figura 1. Componentes de un vector.

Comportamiento Mecánico de Sólidos Capítulo II. Introducción al análisis tensorial. Tensores. x 3 A 3. Figura 1. Componentes de un vector. Comportameto Mecáco de Sóldos Capítulo II. Itroduccó al aálss tesoral. Itroduccó al aálss tesoral esores Es aquella catdad físca que después de ua trasformacó de coordeadas (que obedezca certas reglas),

Más detalles

Serie de Gradiente (Geométrico y Aritmético) y su Relación con el Presente.

Serie de Gradiente (Geométrico y Aritmético) y su Relación con el Presente. Sere de radete (eométrco y rtmétco) y su Relacó co el resete. Certos proyectos de versó geera fluos de efectvo que crece o dsmuye ua certa catdad costate cada período. or eemplo, los gastos de matemeto

Más detalles

INSTITUTO SUPERIOR TECNOLÓGICO ESTATAL NUEVA ESPERANZA

INSTITUTO SUPERIOR TECNOLÓGICO ESTATAL NUEVA ESPERANZA SILABUS DE CABLEADO ESTRUCTURADO I. INFORMACION GENERAL CARRERA PROFESIONAL : ELECTRONICA INDUSTRIAL MODULO PROFESIONAL : SISTEMAS DE CONTROL DE PROCESOS INDUSTRIALES Y COMUNICACIONES. UNIDAD DIDACTICA

Más detalles

SISTEMAS DE ECUACIONES NO LINEALES

SISTEMAS DE ECUACIONES NO LINEALES SISTEMAS DE ECUACIONES NO INEAES Capítulo 7 Sstemas de ecuacoes o leales c Elzabeth Vargas 7 INTRODUCCIÓN os métodos teratvos para resolver ua ecuacó o leal se puede eteder para ecotrar la solucó de u

Más detalles

METODOLOGÍA DE CÁLCULO DEL INDICADOR DE FLOTA EN OPERACIÓN (IFO)

METODOLOGÍA DE CÁLCULO DEL INDICADOR DE FLOTA EN OPERACIÓN (IFO) METODOLOGÍA DE CÁLCULO DEL INDICADOR DE FLOTA EN OPERACIÓN (IFO) I. Descrpcó del cálculo de los dcadores IFO CIFO La flota e operacó se medrá a través de los mecasmos IFO y CIFO, de acuerdo a lo establecdo

Más detalles

Análisis estadístico de datos muestrales

Análisis estadístico de datos muestrales Aálss estadístco de datos muestrales M. e A. Víctor D. Plla Morá Facultad de Igeería, UNAM Resume Represetacó de los datos de ua muestra: tablas de frecuecas, frecuecas relatvas y frecuecas relatvas acumuladas.

Más detalles

PARÁMETROS ESTADÍSTICOS ... N

PARÁMETROS ESTADÍSTICOS ... N el blog de mate de ada: ESTADÍSTICA pág. 6 PARÁMETROS ESTADÍSTICOS MEDIDAS DE CENTRALIZACIÓN Las tablas estadístcas y las represetacoes grácas da ua dea del comportameto de ua dstrbucó, pero ese cojuto

Más detalles

UNIVERSIDAD DE ATACAMA

UNIVERSIDAD DE ATACAMA UNIVERSIDAD DE ATACAMA FACULTAD DE INGENIERÍA / DEPARTAMENTO DE MATEMÁTICA ESTADÍSTICA Y PROBABILIDADES PAUTA DE CORRECCIÓN PRUEBA PARCIAL N o 3 Profesor: Hugo S. Salias. Primer Semestre 2012 1. El ivel

Más detalles

MEDIDAS DE CENTRALIZACIÓN

MEDIDAS DE CENTRALIZACIÓN Educagua.com MEDIDAS DE CETRALIZACIÓ Las meddas de cetralzacó so estadístcos que releja algú valor global de la sere estadístca. Las prcpales meddas de cetralzacó so: Meda artmétca smple. Meda artmétca

Más detalles

MATEMÁTICAS FINANCIERAS

MATEMÁTICAS FINANCIERAS MATEMÁTIAS FINANIERAS Secció: 1 Profesores: ristiá Bargsted Adrés Kettlu oteido Matemáticas Fiacieras: Iterés Simple vs Iterés ompuesto Valor Presete y Valor Futuro Plaificació estratégica Matemáticas

Más detalles

4. SEGUNDO MÓDULO. 4.1 Resumen de Datos

4. SEGUNDO MÓDULO. 4.1 Resumen de Datos 4. SEGUNDO MÓDULO 4. Resume de Datos E estadístca descrptva, a partr de u cojuto de datos, se busca ecotrar resumes secllos, que permta vsualzar las característcas esecales de éstos. E ua expereca, u dato

Más detalles

PARTE 2 - ESTADISTICA. Parte 2 Estadística Descriptiva. 7. 1 Introducción

PARTE 2 - ESTADISTICA. Parte 2 Estadística Descriptiva. 7. 1 Introducción Parte Estadístca Descrptva Prof. María B. Ptarell PARTE - ESTADISTICA 7- Estadístca Descrptva 7. Itroduccó El campo de la estadístca tee que ver co la recoplacó, orgazacó, aálss y uso de datos para tomar

Más detalles

Análisis de Regresión y Correlación Lineal

Análisis de Regresión y Correlación Lineal Aálss de Regresó y Correlacó Leal Dr. Pastore, Jua Igaco Profesor Adjuto. Aálss de Regresó y Correlacó Leal Hasta ahora hemos cetrado uestra atecó prcpalmete e ua sola varable de respuesta umérca o e seres

Más detalles

PROBABILIDAD Y ESTADISTICA

PROBABILIDAD Y ESTADISTICA 1. Es u cojuto de procedmetos que srve para orgazar y resumr datos, hacer ferecas a partr de ellos y trasmtr los resultados de maera clara, cocsa y sgfcatva? a) La estadístca b) Las matemátcas c) La ceca

Más detalles

Los Histogramas. Histograma simple

Los Histogramas. Histograma simple Los Hstogramas El Hstograma es ua forma de represetacó de datos que permte aalzar fáclmete el comportameto de ua poblacó, ya sea per se, o por medo de ua muestra. U Hstograma se defe como u cojuto de barras

Más detalles

Capítulo 2 Sistemas Multi-Maquinas -Planteamiento-

Capítulo 2 Sistemas Multi-Maquinas -Planteamiento- LC-3054 Sstemas de Poteca II Capítulo Sstemas Mult-Maquas -Plateameto- Prof. Fracsco M. Gozález-Logatt fglogatt@eee.org http://www.gaelec.org/fglogatt/sp.htm SISTMAS D POTNCIA II stabldad Mult-Maquas Fracsco

Más detalles

REVISIÓN DE ALGUNOS INDICADORES PARA MEDIR LA DESIGUALDAD XAVIER MANCERO CEPAL

REVISIÓN DE ALGUNOS INDICADORES PARA MEDIR LA DESIGUALDAD XAVIER MANCERO CEPAL 375 REVISIÓN DE ALGUNOS INDICADORES PARA MEDIR LA DESIGUALDAD XAVIER MANCERO CEPAL 376 Revisió de alguos idicadores para medir desigualdad Medidas de Desigualdad Para medir el grado de desigualdad e la

Más detalles

4 METODOLOGIA ADAPTADA AL PROBLEMA

4 METODOLOGIA ADAPTADA AL PROBLEMA 4 MEODOLOGA ADAPADA AL PROBLEMA 4.1 troduccó Báscamete el problema que se quere resolver es ecotrar la actuacó óptma sobre las tesoes de los geeradores, la relacó de tomas de los trasformadores y el valor

Más detalles

Para efectuar la evaluación de los criterios de integración se utilizó correspondiente a las distancias relativas de Hamming. i=1

Para efectuar la evaluación de los criterios de integración se utilizó correspondiente a las distancias relativas de Hamming. i=1 3.4 Evaluació de la implemetació y su compatibilidad co NC PAS:99:2008 La aplicació del modelo del CMI y la herramieta de medició (el CM ODUN) permitió cotrastar los resultados co lo establecido por la

Más detalles

Resumen. Abstract. Palabras Claves: Algoritmos genéticos, cartera de acciones, optimización.

Resumen. Abstract. Palabras Claves: Algoritmos genéticos, cartera de acciones, optimización. Optmzacó de ua cartera de versoes utlzado algortmos geétcos María Graca Leó, Nelso Ruz, Ig. Fabrco Echeverría Isttuto de Cecas Matemátcas ICM Escuela Superor Poltécca del Ltoral Vía Permetral Km 30.5,

Más detalles

Análisis amortizado. Técnicas Avanzadas de Programación - Javier Campos 205

Análisis amortizado. Técnicas Avanzadas de Programación - Javier Campos 205 Aálss amortzado Téccas Avazadas de Programacó - Javer Campos 205 Aálss amortzado El pla: Coceptos báscos: Método agregado Método cotable Método potecal Prmer ejemplo: aálss de tablas hash dámcas Motículos

Más detalles

Simulación de sistemas discretos

Simulación de sistemas discretos Smulacó de sstemas dscretos Novembre de 006 Álvaro García Sáchez Mguel Ortega Mer Smulacó de sstemas dscretos. Presetacó... 4.. Itroduccó... 4.. Sstemas, modelos y smulacó... 4.3. Necesdad de la smulacó...

Más detalles

Colegio Sagrada Familia Matemáticas 4º ESO ESTADÍSTICA DESCRIPTIVA

Colegio Sagrada Familia Matemáticas 4º ESO ESTADÍSTICA DESCRIPTIVA Colego Sagrada Famla Matemátcas 4º ESO 011-01 1.- TERMIOLOGÍA. TABLAS Y GRÁFICOS ESTADÍSTICOS ESTADÍSTICA DESCRIPTIVA La poblacó es el cojuto de de todos los elemetos, que cumpledo ua codcó, deseamos estudar.

Más detalles

III. GRÁFICOS DE CONTROL POR VARIABLES (1)

III. GRÁFICOS DE CONTROL POR VARIABLES (1) III. Gráfcos de Cotrol por Varables () III. GRÁFICOS DE CONTROL POR VARIABLES () INTRODUCCIÓN E cualquer proceso productvo resulta coveete coocer e todo mometo hasta qué puto uestros productos cumple co

Más detalles

PyE_ EF1_TIPO2_

PyE_ EF1_TIPO2_ SEMESTRE 9- TIPO DURACIÓN MÁIMA.5 HORAS JUNIO DE 9 NOMBRE. "Scram" es el térmo que utlza los geeros ucleares para descrbr u rápdo cerre de emergeca de u reactor uclear. La dustra uclear ha hecho esuerzos

Más detalles

NOMBRE. para los nuevos datos, incrementando 5 unidades cada calificación. entonces la media sumando 5 unidades a cada calificación es

NOMBRE. para los nuevos datos, incrementando 5 unidades cada calificación. entonces la media sumando 5 unidades a cada calificación es UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉICO FACULTAD DE INGENIERÍA DIVISIÓN DE CIENCIAS BÁSICAS COORDINACIÓN DE CIENCIAS APLICADAS DEPARTAMENTO DE PROBABILIDAD Y ESTADÍSTICA PRIMER EAMEN FINAL RESOLUCIÓN SEMESTRE

Más detalles

Colegio Sagrada Familia Matemáticas 4º ESO

Colegio Sagrada Familia Matemáticas 4º ESO Colego Sagrada Famla Matemátcas 4º ESO 00-0 ESTADÍSTICA DESCRIPTIVA.- TERMIOLOGÍA. TABLAS Y GRÁFICOS ESTADÍSTICOS La poblacó es el cojuto de de todos los elemetos, que cumpledo ua codcó, deseamos estudar.

Más detalles

Práctica número 12. Capacitor, resistor e inductor equivalentes

Práctica número 12. Capacitor, resistor e inductor equivalentes Práctca úmero 2 Capactor, resstor e ductor equvaletes Lab. de Prcpos de Termodámca y Electromagetsmo Objetvos a) Idetfcar el fucoameto de u resstor e los crcutos eléctrcos y obteer el resstor equvalete

Más detalles

Teorías de falla bajo cargas estáticas

Teorías de falla bajo cargas estáticas Teorías de falla bajo cargas estáticas Carlos Armado De Castro P. Coteido: - Itroducció - Falla de materiales dúctiles - Falla de materiales frágiles. Itroducció La falla es la pérdida de fució de u elemeto

Más detalles

GENERACION DE NUMEROS ALEATORIOS

GENERACION DE NUMEROS ALEATORIOS GENERACION DE NUMEROS ALEATORIOS U paso clave e smulacó es teer rutas que geere varables aleatoras co dstrbucoes especfcas: epoecal, ormal, etc. Esto es hecho e dos fases. La prmera cosste e geerar ua

Más detalles

Capítulo 2. Operadores

Capítulo 2. Operadores Capítulo 2 Operadores 21 Operadores lieales 22 Fucioes propias y valores propios 23 Operadores hermitiaos 231 Delta de Kroecker 24 Notació de Dirac 25 Operador Adjuto 2 Operadores E la mecáica cuática

Más detalles

Análisis Numérico y Programación. Unidad III. -Interpolación mediante trazadores: Lineales, cuadráticos y cúbicos

Análisis Numérico y Programación. Unidad III. -Interpolación mediante trazadores: Lineales, cuadráticos y cúbicos Aálss Numérco y Programacó Udad III -Iterpolacó medate trazadores: Leales, cuadrátcos y cúbcos Prmavera 9 Aálss Numérco y Programacó Coceptos geerales Problema geeral: Se tee u cojuto dscreto de valores

Más detalles

PROBANDO GENERADORES DE NUMEROS ALEATORIOS

PROBANDO GENERADORES DE NUMEROS ALEATORIOS PROBADO GRADORS D UMROS ALATORIOS s mportate asegurarse de que el geerador usado produzca ua secueca sufcetemete aleatora. Para esto se somete el geerador a pruebas estadístcas. S o pasa ua prueba, podemos

Más detalles

CONCEPTOS BÁSICOS DE PRESTAMOS.

CONCEPTOS BÁSICOS DE PRESTAMOS. GESTIÓN FINANCIERA. TEMA 8º. PRESTAMOS. 1.- Coceptos básicos de préstamos. CONCEPTOS BÁSICOS DE PRESTAMOS. Coceptos básicos de prestamos. Préstamo. U préstamo es la operació fiaciera que cosiste e la etrega,

Más detalles

Introducción a la Programación Lineal

Introducción a la Programación Lineal Itroduccó a la Programacó Leal Clauda Llaa Daza Garzó cldaza@uversa.et.co Trabajo de Grado para Optar por el Título de Matemátco Drector: Pervys Rego Rego Igeero Uversdad Nacoal de Colomba Fudacó Uverstara

Más detalles

Ensayos de control de calidad

Ensayos de control de calidad Esayos de cotrol de caldad Fecha: 0170619 1. lcace. Este procedmeto es aplcable e la evaluacó del desempeño del persoal que ejecuta pruebas e la Dvsó de Laboratoros de Ifraestructura de la Coordacó de

Más detalles

Universidad de Cantabria

Universidad de Cantabria Smulacó dámca Pedro Corcuera Dpto. Matemátca Aplcada Cecas de la Computacó Uversdad de Catabra corcuerp@uca.es Ídce Geeral Smulacó de cotrol PID Smulacó de cotrol de vel Ajuste de cotroladores PID Smulacó

Más detalles

11. TRANSFORMADOR IDEAL

11. TRANSFORMADOR IDEAL . TAFOMADO DEA.. TODUCCÓ Cuado el flujo magético producido por ua bobia alcaza ua seguda bobia se dice que existe etre las dos bobias u acople magético, ya que el campo magético variable que llega a la

Más detalles

Fórmula de Taylor. Si f es continua en [a,x] y derivable en (a,x), existe c (a,x) tal que f(x) f(a) f '(c) = f(x) = f(a) + f '(c)(x a)

Fórmula de Taylor. Si f es continua en [a,x] y derivable en (a,x), existe c (a,x) tal que f(x) f(a) f '(c) = f(x) = f(a) + f '(c)(x a) Aproimació de ua fució mediate u poliomio Cuado yf tiee ua epresió complicada y ecesitamos calcular los valores de ésta, se puede aproimar mediate fucioes secillas (poliómicas). El teorema del valor medio

Más detalles

TEMA 12 INFERENCIA ESTADÍSTICA. ESTIMACIÓN DE LA MEDIA 12.1 DISTRIBUCIÓN NORMAL. REPASO DE TÉCNICAS BÁSICAS

TEMA 12 INFERENCIA ESTADÍSTICA. ESTIMACIÓN DE LA MEDIA 12.1 DISTRIBUCIÓN NORMAL. REPASO DE TÉCNICAS BÁSICAS Tema 1 Ifereca estadístca. Estmacó de la meda Matemátcas CCSSII º Bachllerato 1 TEMA 1 INFERENCIA ESTADÍSTICA. ESTIMACIÓN DE LA MEDIA 1.1 DISTRIBUCIÓN NORMAL. REPASO DE TÉCNICAS BÁSICAS UTILIZACIÓN DE

Más detalles

Intensificación en Estadística

Intensificación en Estadística GRADO EN VETERINARIA DEPARTAMENTO DE ESTADÍSTICA E IO 0-0 IV Curso Cero Itesfcacó e Estadístca Itroduccó a la fucó Sumatoro Itroduccó Cocepto de fucó sumatoro Aplcacoes Itroduccó Cocepto de fucó sumatoro

Más detalles

Introducción a la Inferencia Estadística. Dept. of Marine Science and Applied Biology Jose Jacobo Zubcoff

Introducción a la Inferencia Estadística. Dept. of Marine Science and Applied Biology Jose Jacobo Zubcoff Itroduccó a la Ifereca Estadístca Dept. of Mare cece ad Appled Bology Jose Jacobo Zubcoff Modelos de Regresó mple Que tpo de relacó exste etre varables Predccó de valores a partr de ua de ellas Varable

Más detalles

www.abaco.com.ve www.abrakadabra.com.ve www.miprofe.com.ve Correo electrónico: josearturobarreto@yahoo.com

www.abaco.com.ve www.abrakadabra.com.ve www.miprofe.com.ve Correo electrónico: josearturobarreto@yahoo.com Autor: José Arturo Barreto M.A. Págias web: www.abaco.com.ve www.abrakadabra.com.ve www.miprofe.com.ve El cocepto de límite Correo electróico: josearturobarreto@yahoo.com Zeó de Elea (90 A.C) plateó la

Más detalles

Propuesta para actualizar la Nota Técnica de Daños Materiales y Robo Total del Seguro de Automóviles Residentes

Propuesta para actualizar la Nota Técnica de Daños Materiales y Robo Total del Seguro de Automóviles Residentes ropuesta para actualzar la Nota Técca de Daños aterales y Robo Total del Seguro de Autoóvles Resdetes Israel Avlés Torres Novebre 99 Sere Docuetos de Trabajo Docueto de Trabajo No. 0 Ídce. Estructura Técca

Más detalles

MATEMÁTICA MÓDULO 4 Eje temático: Estadística y Probabilidades

MATEMÁTICA MÓDULO 4 Eje temático: Estadística y Probabilidades MATEMÁTICA MÓDULO 4 Eje temátco: Estadístca y Probabldades Empezaremos este breve estudo de estadístca correspodete al cuarto año de Eseñaza Meda revsado los dferetes tpos de gráfcos.. GRÁFICOS ESTADÍSTICOS

Más detalles

Técnicas básicas de calidad

Técnicas básicas de calidad Téccas báscas de caldad E esta udad aprederás a: Idetfcar las téccas báscas de caldad Aplcar las herrametas báscas de caldad Utlzar la tormeta de deas Crear dsttos tpos de dagramas Usar hstogramas y gráfcos

Más detalles