6. DISEÑOS FACTORIALES 2 K NO REPLICADOS

Save this PDF as:
 WORD  PNG  TXT  JPG

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

Download "6. DISEÑOS FACTORIALES 2 K NO REPLICADOS"

Transcripción

1 6. DISEÑOS FACTORIALES 2 K NO REPLICADOS 6.1 INTRODUCCION El aumentar el numero de factores en un diseño 2 k crece rápidamente el numero de tratamientos y por tanto el numero de corridas experimentales. Por ejemplo un diseño 2 5 tiene 32 combinaciones o tratamientos, un 2 6 tiene 64 combinaciones, y así sucesivamente. Usualmente los recursos son limitados, de tal manera que el experimentador solo puede ejecutar una vez el experimento. Algunas veces se llama factorial no replicado a una repetición individual de un diseño 2 k. Con sólo una réplica no hay estimación de error. Una aproximación al análisis de un factorial no replicado consiste en suponer que ciertas interacciones de orden superior son despreciables, y combinar sus cuadrados medios para estimar el error. Ésta es una apelación al principio de dispersidad de efectos; esto es, la mayoría de los sistemas son dominados por algunos de los efectos principales e interacciones de bajo orden, y la mayoría de las interacciones de orden superior son despreciables. Este tipo de diseño, se recomienda a partir de 4 factores. EL PROBLEMA de sólo hacer una replica de este diseño es que no se tendrán grados de libertad para estimar el error, y con ello no se podrá hacer el anova de manera directa, para ver qué efectos son significativos, como se puede ver en la tabla 6.1. Nótese que abcd(n1) son los grados de libertad del error, donde n representa el número de replicas, al ser un diseño no replicado el valor de n=1, al sustituir el valor de n se tiene que abcd(11)=0 grados de libertad para el error, de esta forma no se podrá calcular el cuadrado medio del error y en consecuencia ninguna F calculada, mucho menos los valores de P. SOLUCION Debido a la falta de grados de libertad en el error, el anova no se podrá obtener de manera directa, por lo que se sugiere algunos de estos procedimientos y criterios: 1. PROCEDIMIENTO DE ELIMINACION DE INTERACCIONES DE ORDEN MAYOR El suponer de antemano que las interacciones de tres o más factores no son significativos y enviar sus grados de libertad al error. Sin embargo, se tiene como criterio, que antes de enviar al error las interacciones triples se verifiquen mediante el diagrama de Pareto o Grafico de probabilidad para efectos, que efectivamente son despreciables. Se deben eliminar o enviar al error al menos entre 7 y 8 efectos para que tenga mayores posibilidades de que el anova este bien estimado. 85

2 Sin embargo hay que tomar en cuenta que, cuando se analizan datos de diseños factoriales no replicados, en ocasiones las interacciones de orden superior son Significativas. Por lo que eliminarlas arbitrariamente no siempre es lo adecuado. FUENTE DE SUMA DE GRADOS DE VARIACION CUADRADOS LIBERTAD CUADRADOS MEDIOS FCALCULADA A:Factor_A A (a1) SC A /(a1) CM A /CM ERROR B:Factor_B B (b1) SC B /(b1) CM B /CM ERROR C:Factor_C C (c1) SC C /(c1) CM C /CM ERROR D:Factor_D D (d1) SC D /(d1) CM D /CM ERROR AB AB (a1)(b1) SC AB /(a1)(b1) CM AB /CM ERROR AC AC (a1)(c1) SC AC /(a1)(c1) CM AC /CM ERROR AD AD (a1)(d1) SC AD /(a1)(d1) CM AD /CM ERROR BC BC (b1)(c1) SC BC /(b1)(c1) CM BC /CM ERROR BD BD (b1)(d1) SC BD /(b1)(d1) CM BD /CM ERROR CD CD (c1)(d1) SC CD /(c1)(d1) CM CD /CM ERROR ABC ABC (a1)(b1)(c1) SC ABC /(a1)(b1)(c1) CM ABC / CM ERROR ABD ABCD (a1)(b1)(d1) SC ABD /(a1)(b1)(d1) CM ABD /CM ERROR ACD ACD (a1)(c1)(d1) SC ACD /(a1)(c1)(d1) CM ACD /CM ERROR BCD BCD (b1)(c1)(d1) SC BCD /(b1)(c1)(d1) CM BCD /CM ERROR ABCD ABCD (a1)(b1)(c1)(d1) SC ABCD /(a1)(b1)(c1)(d1) CM ABCD /CM ERROR Total error ERROR abcd(n1) SC ERROR /abcd(n1) Total (corr.) TOTAL abcdn1 Tabla 6.1 Anova General de un diseño 2 4 Sin embargo hay que tomar en cuenta que, cuando se analizan datos de diseños factoriales no replicados, en ocasiones las interacciones de orden superior son Significativas. Por lo que eliminarlas arbitrariamente no siempre es lo adecuado. 2. PROCEDIMIENTO DE ELIMINACION CON VERIFICACION DEL DIAGRAMA DEL PARETO Obtener el Diagrama de Pareto con todos los efectos estimados, incluidas las interacciones de alto orden. Y seguir los siguientes pasos: 86

3 Paso 1. Iniciar la eliminación de 5 efectos de abajo a hacia arriba, lo que significa que estamos eliminando con seguridad efectos con muy poca probabilidad de ser significativos. Esto nos dará como resultado un Anova preliminar con 5 grados de libertad en el error o Pareto Estandarizado preliminar. Paso 2. Si en el Pareto estandarizado el último efecto no es significativo (es decir, la barra del efecto no cruza la línea vertical del Pareto o en el anova es el efecto que tiene el valor de p mas grande de los efectos no significativos), se procede a eliminarlo, para así obtener un segundo anova preliminar con 6 grados de libertad en el error o un segundo Pareto estandarizado preliminar. Paso 3. Continuar con el paso 2 hasta llegar a un anova o Pareto estandarizado en el que todos los efectos son significativos, al que llamaremos el mejor anova o el mejor Pareto estandarizado, Dicho mejor anova debe contener al menos entre 7 u 8 grados de libertad en el error. Paso 4. Debido a la naturaleza de los diseño no replicados, algunas veces, en el proceso de construcción del anova, suele suceder que los todos los efectos llegan a ser significativos, pero es posible que algunos de ellos sean efectos falsos significativos. Por lo que se recomienda verificar cuales efectos pueden ser falso significativos, para ello se inicia eliminando el efecto que tiene el valor de P más grande y si el Rcuadrado ajustado no baje mas del 3% de su valor se confirma su eliminación y por consecuencia se tendrá un nuevo anova, y se procede a eliminar el siguiente efecto con valor de P mas grande y si el Rcuadrado ajustado del nuevo anova no baja mas del 3%, se confirma la eliminación del efecto, pero si sucede lo contrario, que el Rcuadrado ajustado baja mas del 3% entonces dicho efecto debe ser regresado y por consecuencia habremos llegado al mejor anova. 6.2 EJEMPLO DE UN DISEÑO 2 K NO REPLICADO PROBLEMA Un producto químico se produce en un recipiente a presión. Se realiza un experimento factorial en la planta piloto para estudiar los efectos que se cree influyen sobre la taza de filtración de ese producto. Los cuatro factores son temperatura A, presión B, concentración de los reactivos C, y rapidez del mezclado D. Cada factor esta presente en dos niveles. El ingeniero de proceso está interesado en maximizar la rapidez de filtración. Las condiciones actuales dan por resultado una velocidad de filtración aproximadamente de 75 gal/h. Además en el proceso se utiliza actualmente el nivel alto del factor C (concentración de reactivos). El ingeniero desea reducir 87

4 todo lo posible esta concentración de reactivos, pero ha sido incapaz de hacerlo en virtud de que ello siempre ha dado por resultado menores velocidades de filtración. Cada factor esta presente en dos niveles. Los datos recopilados se presentan en la tabla 6.2. FACTORES COMBINACION DE RAPIDEZ DE A B C D TRATAMIENTOS FILTRACION (1) a b ab c ac bc abc d ad bd abd cd acd bcd abcd 96 Tabla 6.2 Resultados de obtenidos de la taza de filtración SOLUCION ESTADISTICA DEL DISEÑO NO REPLICADO Lo primero es iniciar con la elaboración del diagrama del Pareto normal con todos los efectos incluyendo las interacciones de orden mayor, como se ilustra en la grafica de la figura 6.1. En esta grafica se puede ver que los efectos mas importantes son los efectos simples de la Temperatura, la Concentración de reactivos y la Rapidez de mezclado, también son importantes 88

5 porcentaje las interacciones de Temperatura y Concentración, así como la interacción de temperatura y rapidez de mezclado. Los efectos posiblemente significativos se pueden ver en la grafica de la figura 6.2, donde los posibles efectos significativos son el efecto simple de la Temperatura, el efecto simple de la concentración y el efecto simple de la rapidez de mezclado, el efecto de interacción de la temperatura y la concentración de reactivos y el efecto de interacción de la temperatura y la rapidez de mezclado. Diagrama de Pareto para Taza de filtracion A:Temperatura AC AD D:Mezclado C:concentracion ABD B:Presion BCD BC ABC ACD ABCD CD BD AB Efecto Figura 6.1 Diagrama de Pareto Normal Gráfico de Probabilidad Normal para Taza de filtracion AC A:Temperatura D:Mezclado AD C:concentracion B:Presion ABC BC ABD CD BDABABCD ACD BCD Efectos estandarizados Figura 6.2 Gráfico de probabilidade normal para efectos 89

6 Eliminando los últimos 5 efectos del diagrama de Pareto de la figura 6.1 (AB, BD, CD, ABCD, ACD), se obtiene el Diagrama de Pareto estandarizado de la figura 6.3 y el primer anova preliminar de la tabla 6.3. Diagrama de Pareto Estandarizada para Taza de filtracion A:Temperatura AC AD D:Mezclado C:concentracion ABD B:Presion BCD BC ABC Efecto estandarizado Figura 6.3 Diagrama de Pareto Análisis de Varianza para Taza de filtración Fuente Suma de Cuadrados Gl Cuadrado Medio RazónF ValorP A:Temperatura B:Presion C:concentracion D:Mezclado AC AD BC ABC ABD BCD Error total Total (corr.) Rcuadrada = porciento Rcuadrada (ajustada por g.l.) = porciento Tabla 6.3 Primer Anova preliminar, com 5 grados de libertad en el error 90

7 Nótese que en la tabla 6.3 el efecto con el valor más grande de P, es el efecto de interacción ABC, mismo que ocupa el último lugar en el diagrama de Pareto estandarizado de la figura 6.3. Dicho Efecto es eliminado, para obtener el siguiente diagrama de Pareto estandarizado de la figura 6.4 y el segundo anova preliminar de la tabla 6.4. Diagrama de Pareto Estandarizada para Taza de filtracion A:Temperatura AC AD D:Mezclado C:concentracion ABD B:Presion BCD BC Efecto estandarizado Figura 6.4 Diagrama de Pareto Estandarizado, después de eliminar la interacción ABC Análisis de Varianza para Taza de filtración Fuente Suma de Cuadrados Gl Cuadrado Medio RazónF ValorP A:Temperatura B:Presion C:concentracion D:Mezclado AC AD BC ABD BCD Error total Total (corr.) Rcuadrada = porciento Rcuadrada (ajustada por g.l.) = porciento Tabla 6.4 Segundo anova preliminar, con 6 grados de libertad em el error El efecto con mayor valor de P en la tabla 6.4 del segundo anova preliminar es la interacción BC, mismo que ocupa el ultimo lugar del diagrama de Pareto estandarizado de la figura 6.4, por 91

8 lo que el efecto de interacción BC es el siguiente efecto a eliminar. De esta misma forma, encontraremos que el siguiente efecto que se eliminara es el efecto triple BCD, en seguida será el efecto simple de B, hasta llegar a que el ultimo efecto por eliminar es el efecto de interacción ABD, por lo que el mejor Pareto estandarizado y el mejor Anova se pueden ver en la figura 6.5 y en la tabla 6.5, respectivamente. Con una confianza estadística del 95% los efectos que son significativos son los siguientes: A, C, D, AC, AD. El error esta bien estimado ya que cuenta con 10 grados de libertad. El Rcuadrado (ajustado)= es bastante bueno (ver tabal 6.5). Diagrama de Pareto Estandarizada para Taza de filtracion A:Temperatura + AC AD D:Mezclado C:concentracion Efecto estandarizado Figura 6.5 Mejor Pareto Estandarizado Análisis de Varianza para Taza de filtración Fuente Suma de Cuadrados Gl Cuadrado Medio RazónF ValorP A:Temperatura C:concentracion D:Mezclado AC AD Error total Total (corr.) Rcuadrada = porciento Rcuadrada (ajustada por g.l.) = porciento Tabla 6.5 Mejor Anova, con 10 grados de libertad. 92

9 Taza de filtracion Taza de filtracion Taza de filtracion ANALISIS COMPLEMENTARIOS GRAFICAS DE EFECTOS PROMEDIO En la figura 6.6 se observa un efecto positivo, cuando se cambia de nivel bajo de la temperatura a nivel alto de la temperatura se incrementa la rapidez de taza de filtración. Para mayor rapidez se recomienda usar el nivel alto (+) del efecto simple de la temperatura. En la figura 6.7 se observa un efecto positivo, cuando se cambia de nivel bajo de concentración de reactivos a nivel alto de concentración de reactivos se incrementa la rapidez de taza de filtración. Para mayor rapidez se recomienda usar el nivel alto (+) del efecto simple de la concentración de reactivos. En la figura 6.8 se puede ver que hay un efecto positivo, cuando se cambia de nivel bajo de la rapidez de mezclado a nivel alto de la rapidez de mezclado se incrementa la rapidez de taza de filtración. Para mayor rapidez se recomienda usar el nivel alto (+) del efecto simple de la rapidez de mezclado. Gráfica de Efectos Principales para Taza de filtracion Gráfica de Efectos Principales para Taza de filtracion Gráfica de Efectos Principales para Taza de filtracion Temperatura concentracion Mezclado 1.0 Figura 6.6 Grafica de Efectos Promedio para la temperatura. Figura 6.7 Grafica de Efectos Promedio para la concentración de reactivos. Figura 6.8 Grafica de Efectos Promedio para la rapidez de mezclado. En la tabla 6.6 se sintetizan las recomendaciones obtenidas por los efectos simples significativos en el anova. 93

10 Temperatura Concentración de reactivos Rapidez de mezclado Tabla 6.6 Recomendaciones para maximizar según los de los efectos simples GRAFICAS DE EFECTOS PROMEDIO En la figura 6.9 se encuentra la gráfica de interacción de la temperatura y la concentración de reactivos, donde se observa que cuando se fija en nivel alto del efecto de la concentración de reactivos y se cambia de nivel bajo a nivel alto en el efecto de la temperatura, es poco el incremento de la rapidez de la taza de filtración. Cuando se fija en el nivel bajo del efecto de la concentración de reactivos y se cambia de nivel bajo a nivel alto en el efecto de la temperatura se incrementa notablemente la rapidez de taza de filtración. Para maximizar se recomienda usar nivel alto de temperatura y nivel bajo de concentración de reactivos. En la figura 6.10 se encuentra la interacción de la temperatura y la rapidez de mezclado, donde se observa que cuando se fija en el nivel bajo del efecto de la temperatura y se cambia de nivel bajo a nivel alto en la rapidez de mezclado no se observa algún cambio significativo en la rapidez de la taza de filtración. Mas sin embargo si se fija en el nivel alto en el efecto de la temperatura y se cambia de nivel bajo a nivel alto en el efecto de la rapidez de mezclado se incrementa notablemente la rapidez de taza de filtración. Para maximizar se recomienda usar nivel alto de temperatura y nivel alto de la rapidez de mezclado. En la tabla 6.7 están las recomendaciones obtenidas por los resultados de las graficas de interacciones significativas. RECOMENDACIONES PARA MAXIMIZAR LA TAZA DE FILTRACION Tomando en cuenta las recomendaciones de los efectos simples significativos y las recomendaciones de los efectos de interacción significativas, las condiciones para maximizar la taza de filtración son un nivel alto (+) para la temperatura, un nivel bajo () para la concentración de reactivos y un nivel alto (+) de rapidez de mezclado. En este caso, el factor Presión no fue significativo ni en efecto simple y ni está interactuando significativamente con ningún otro 94

11 Taza de filtracion Taza de filtracion factor, por lo que se puede trabajar en cualquier nivel, que en este contexto lo indicaremos con el signo $ (ver tabla 6.8). Gráfica de Interacción para Taza de filtracion Gráfica de Interacción para Taza de filtracion 85 concentracion= Temperatura= concentracion=1.0 concentracion= Temperatura= concentracion= Temperatura Temperatura= Mezclado 1.0 Temperatura=1.0 Figura 6.9 Grafica de Interaccion de temperatura y concentración de reactivos Figura 6.10 Grafica de interacción de temperatura y rapidez de mezclado. Interacción de temperatura y la concentración de reactivos Interacción de temperatura y rapidez de mezclado Temperatura Concentración de Temperatura Rapidez de Mezclado Reactivos Tabla 6.7 recomendaciones para maximizar según las graficas de interacciones Temperatura Presión Concentración de Rapidez de mezclado reactivos + $ + Tabla 6.8 Recomendaciones para maximizar la taza de filtración, MODELO DE REGRESION Y GRAFICA DE RESPUESTA DEL DISEÑO El modelo de regresión del diseño con el mejor anova, se muestra en la expresión 6.1. Nótese que en el modelo el efecto del facto Presión no está presente. 95

12 Mezclado Taza de filtración = *Temperatura *concentración *Mezclado *Temperatura*concentración *Temperatura*Mezclado (6.1) La grafica de respuesta de la taza de filtración se puede ver en la figura 6.11, sustituyendo las recomendaciones de la tabla 6.8 se puede ver que el valor promedio esperado para un nivel alto de temperatura y un nivel bajo de concentración de reactivos y un nivel alto de rapidez de mezclado, es de Gráfica de Cubo para Taza de filtracion Presion= Temperatura concentracion Figura 6.ll Grafica de respuesta para la taza de filtración SUPUESTOS DEL DISEÑO SUPUESTOS DE VARIANZA CONSTANTE En las graficas de la figura 6.12 presentan las graficas de verificación de la varianza constante para los factores del diseño, nótese que en todas las graficas (6.12a, 6.12b, 6.12c) se cumple el supuesto de varianza constante. 96

13 residuo residuo residuo Gráfica de Residuos para Taza de filtracion Gráfica de Residuos para Taza de filtracion Temperatura concentracion Figura 6.12a Varianza constante para temperatura Figura 6.12b Varianza constante para concentración de reactivos Gráfica de Residuos para Taza de filtracion Mezclado Figura 6.12c Varianza constante para la rapidez de mezclado Figura 6.12 Graficas de verificación de la varianza constante SUPUESTOS DE INDEPENDECIA DE LOS RESIDUOS En la grafica de la figura 6.13 está la grafica de verificación de independencia de los residuos, por lo que se observa en dicha grafica no hay ningún patrón inusual, ni tendencia por lo que se puede establecer que no hay problemas en la independencia de los residuos. 97

14 residuo porcentaje Gráfica de Residuos para Taza de filtracion Gráfico de Probabilidad Normal para Residuos número de corrida residuos Figura 6.13 Grafica de verificación de la independencia de los residuos. Figura 6.14 Grafica de probabilidade normal para resíduos SUPUESTOS DE NORMALIDAD DE LOS RESIDUOS En la figura 6.14 está la gráfica de verificación de la normalidade de los resíduos, nótese la tendência lineal que siguen los puntos, por consiguiente podemos estabelecer que no hay problema en el supuesto de normalidad de los resíduos. 98

Detergente Lavad.1 Lavad.2 Lavad.3 Media A 45 43 51 46.3 B 47 44 52 47.6 C 50 49 57 52 D 42 37 49 42.6. Media 46 43.2 52.2 47.16

Detergente Lavad.1 Lavad.2 Lavad.3 Media A 45 43 51 46.3 B 47 44 52 47.6 C 50 49 57 52 D 42 37 49 42.6. Media 46 43.2 52.2 47.16 3. DISEÑO EN BLOQUES ALEATORIZADOS En muchos experimentos además de que interesa investigar la influencia de un factor controlado sobre la variable de respuesta, como en la sección anterior, existe una

Más detalles

8.2 CONSTRUCCION DEL DISEÑO FRACCIONADO UN CUARTO 2 k-2

8.2 CONSTRUCCION DEL DISEÑO FRACCIONADO UN CUARTO 2 k-2 8. DISEÑOS FACTORIALES FRACCIONADOS 2 K-2 8.1 DISEÑOS FACTORIALES FRACCION UN CUARTO Dependiendo del número de factores y del costo de cada corrida experimental, en ocasiones es necesario correr una fracción

Más detalles

Uso de la Metodología Seis Sigma para mejorar el consumo de combustible en un vehiculo

Uso de la Metodología Seis Sigma para mejorar el consumo de combustible en un vehiculo CAPÍTULO 5. FASE DE MEJORA Definir Medir Analizar Mejorar Controlar 5.1 Introducción En la fase de Análisis se identificaron las causas de variación. En esta fase se utilizará el diseño de experimentos

Más detalles

ANÁLISIS DE LA VARIANZA PARTE SEGUNDA

ANÁLISIS DE LA VARIANZA PARTE SEGUNDA ANÁLISIS DE LA VARIANZA PARTE SEGUNDA Septiembre de 2012 Índice general 1. INTRODUCCIÓN............................... 1 2. FUNDAMENTOS DEL DISEÑO EN BLOQUES ALEATORIZADOS 1 3. EJEMPLO DE DISEÑO EN BLOQUES

Más detalles

Factores no controlables

Factores no controlables Acepto la Ho y ιj μ α ι β j ε ιj Dr. Alfredo Matos Ch. Universidad Peruana Unión amatosch@upeu.edu.pe Factores Controles Entradas PROCESO FUNCION ACTIVIDAD Salidas Factores no controlables 2 1 Se entiende

Más detalles

EXPERIMENTACIÓN. Eduardo Jiménez Marqués

EXPERIMENTACIÓN. Eduardo Jiménez Marqués EXPERIMENTACIÓN Eduardo Jiménez Marqués 1 CONTENIDO: 1. Experimentación...3 1.1 Concepto...3 1. Definición...4 1.3 Dificultad...4 1.4 Ventaja...5 1.5 Planificación...5 1.6 Aplicaciones...5 1.7 Metodología...6

Más detalles

FACTORIALES FRACCIONADOS 2 f-p

FACTORIALES FRACCIONADOS 2 f-p 1 FACTORIALES FRACCIONADOS 2 f-p Aun en los experimentos 2 f el número de condiciones experimentales crece exponencialmente con el número de factores f a estudiar. El n de interacciones de r factores combinados

Más detalles

Práctica de Diseños Factoriales a dos niveles

Práctica de Diseños Factoriales a dos niveles Práctica de Diseños Factoriales a dos niveles Fichero de datos: antenas.sfx El tratamiento de un diseño factorial a dos niveles con Statgraphics tiene dos fases: 1. Diseñar el experimento: seleccionar

Más detalles

METODOLOGIA DE SUPERFICIES DE RESPUESTA. Esto se logra al determinar las condiciones óptimas de operación del sistema.

METODOLOGIA DE SUPERFICIES DE RESPUESTA. Esto se logra al determinar las condiciones óptimas de operación del sistema. 37 CAPITULO METODOLOGIA DE SUPERFICIES DE RESPUESTA En este capítulo hablaremos de qué es la Metodología de Superficies de Respuesta, su representación gráfica, el procedimiento a seguir hasta encontrar

Más detalles

COMBINACIONES página 29 COMBINACIONES

COMBINACIONES página 29 COMBINACIONES página 29 DEFINICIÓN: Dados n elementos, el número de conjuntos que se pueden formar con ellos, tomados der en r, se llaman combinaciones. Por ejemplo, sean cuatro elementos formar con esos cuatro elementos

Más detalles

Conductividad en disoluciones electrolíticas.

Conductividad en disoluciones electrolíticas. Conductividad en disoluciones electrolíticas. 1.- Introducción 2.- Conductores 3.- Definición de magnitudes 3.1- Conductividad específica 3.2 Conductividad molar " 4. Variación de la conductividad (, ")

Más detalles

Repaso de matrices, determinantes y sistemas de ecuaciones lineales

Repaso de matrices, determinantes y sistemas de ecuaciones lineales Tema 1 Repaso de matrices, determinantes y sistemas de ecuaciones lineales Comenzamos este primer tema con un problema de motivación. Problema: El aire puro está compuesto esencialmente por un 78 por ciento

Más detalles

RECOMENDACIÓN UIT-R TF.538-3 MEDICIONES DE LA INESTABILIDAD DE FRECUENCIA Y EN EL TIEMPO (FASE) (Cuestión UIT-R 104/7)

RECOMENDACIÓN UIT-R TF.538-3 MEDICIONES DE LA INESTABILIDAD DE FRECUENCIA Y EN EL TIEMPO (FASE) (Cuestión UIT-R 104/7) Caracterización de las fuentes y formación de escalas de tiempo Rec. UIT-R TF.538-3 1 RECOMENDACIÓN UIT-R TF.538-3 MEDICIONES DE LA INESTABILIDAD DE FRECUENCIA Y EN EL TIEMPO (FASE) (Cuestión UIT-R 104/7)

Más detalles

Sobre el capitulo 5, se puede encontrar los tratamientos estadísticos más completos en los

Sobre el capitulo 5, se puede encontrar los tratamientos estadísticos más completos en los Capitulo 5. Superficies de Respuesta Sobre el capitulo 5, se puede encontrar los tratamientos estadísticos más completos en los libros de Cornell (1990), Myers y Montgomery (1995) y en artículos de G.E.P.

Más detalles

Diseño de Experimentos Diseños de Mezclas

Diseño de Experimentos Diseños de Mezclas Diseño de Experimentos Diseños de Mezclas STATGRAPHICS Rev. 9/14/2006 Resumen Cuando los factores experimentales a ser estudiados son ingredientes o componentes de una mezcla, la función de la respuesta

Más detalles

El álgebra booleana (Algebra de los circuitos lógicos tiene muchas leyes o teoremas muy útiles tales como :

El álgebra booleana (Algebra de los circuitos lógicos tiene muchas leyes o teoremas muy útiles tales como : SIMPLIFICACION DE CIRCUITOS LOGICOS : Una vez que se obtiene la expresión booleana para un circuito lógico, podemos reducirla a una forma más simple que contenga menos términos, la nueva expresión puede

Más detalles

OPTIMIZACIÓN DE LA ACEPTABILIDAD DE POSTRES LÁCTEOS CON CARÁCTER PREBIÓTICO PATRICIA ARCIA CABRERA

OPTIMIZACIÓN DE LA ACEPTABILIDAD DE POSTRES LÁCTEOS CON CARÁCTER PREBIÓTICO PATRICIA ARCIA CABRERA OPTIMIZACIÓN DE LA ACEPTABILIDAD DE POSTRES LÁCTEOS CON CARÁCTER PREBIÓTICO PATRICIA ARCIA CABRERA Introducción Alimentos funcionales Un alimento natural o uno al que se le ha añadido o eliminado componentes,

Más detalles

ANOVA O ANAVA PARA DISEÑOS TOTALMENTE ALEATORIZADOS Y ANOVA PARA DISENOS DE BLOQUES ALEATORIZADOS ALBA MARTINEZ ROMERO MARY SOL MEZA CHAVEZ

ANOVA O ANAVA PARA DISEÑOS TOTALMENTE ALEATORIZADOS Y ANOVA PARA DISENOS DE BLOQUES ALEATORIZADOS ALBA MARTINEZ ROMERO MARY SOL MEZA CHAVEZ ANOVA O ANAVA PARA DISEÑOS TOTALMENTE ALEATORIZADOS Y ANOVA PARA DISENOS DE BLOQUES ALEATORIZADOS ALBA MARTINEZ ROMERO MARY SOL MEZA CHAVEZ Presentado a: MARIA ESTELA SEVERICHE CORPORACION UNIVERSITARIA

Más detalles

6. VECTORES Y COORDENADAS

6. VECTORES Y COORDENADAS 6. VECTORES Y COORDENADAS Página 1 Traslaciones. Vectores Sistema de referencia. Coordenadas. Punto medio de un segmento Ecuaciones de rectas. Paralelismo. Distancias Página 2 1. TRASLACIONES. VECTORES

Más detalles

Programa de Statgraphics. TITULO: Aplicaciones del Análisis de la Varianza. Resolución de dos Ejercicios propuestos paso por paso.

Programa de Statgraphics. TITULO: Aplicaciones del Análisis de la Varianza. Resolución de dos Ejercicios propuestos paso por paso. Programa de Statgraphics TITULO: Aplicaciones del Análisis de la Varianza. Resolución de dos Ejercicios propuestos paso por paso. AUTOR: JUAN VICENTE GONZÁLEZ OVANDO ANALISIS Y CALCULOS A) Planteamos los

Más detalles

Elementos de Diseño de Experimentos

Elementos de Diseño de Experimentos Elementos de Diseño de Experimentos Elementos de Diseño de Experimentos Porfirio Gutiérrez González Lizbeth Díaz Caldera María de Jesús Guzmán Sánchez Autores: Porfirio Gutiérrez González Lizbeth Díaz

Más detalles

LEAN MANUFACTURING Dr. Genichi Taguchi. JAVIER MEJIA NIETO CONSULTOR EMPRESARIAL jmejia@eafit.edu.co

LEAN MANUFACTURING Dr. Genichi Taguchi. JAVIER MEJIA NIETO CONSULTOR EMPRESARIAL jmejia@eafit.edu.co Dr. Genichi Taguchi El sistema integrado de Ingeniería de Calidad del Dr. Genichi Taguchi es uno de los grandes logros en ingeniería del siglo XX. Ha sido ampliamente reconocido como líder del movimiento

Más detalles

www.fundibeq.org Además, se recomienda su uso como herramienta de trabajo dentro de las actividades habituales de gestión.

www.fundibeq.org Además, se recomienda su uso como herramienta de trabajo dentro de las actividades habituales de gestión. DISEÑO DE EXPERIMENTOS 1.- INTRODUCCIÓN Este documento trata de dar una visión muy simplificada de la utilidad y la utilización del Diseño de Experimentos. En él se explican los conceptos clave de esta

Más detalles

TEMA 5 VALIDEZ DE LA INVESTIGACIÓN (II): Validez de conclusión estadística

TEMA 5 VALIDEZ DE LA INVESTIGACIÓN (II): Validez de conclusión estadística TEMA 5 VALIDEZ DE LA INVESTIGACIÓN (II): Validez de conclusión estadística 1 TAMAÑO DEL EFECTO 2 TAMAÑO DEL EFECTO vel tamaño del efecto es el nombre dado a una familia de índices que miden la magnitud

Más detalles

Funciones lineales. Objetivos. Antes de empezar. 1.Función de proporcionalidad directa pág. 170 Definición Representación gráfica

Funciones lineales. Objetivos. Antes de empezar. 1.Función de proporcionalidad directa pág. 170 Definición Representación gráfica 10 Funciones lineales Objetivos En esta quincena aprenderás a: Identificar problemas en los que intervienen magnitudes directamente proporcionales. Calcular la función que relaciona a esas magnitudes a

Más detalles

MACROECONOMÍA. Tema 6 El comercio internacional. - MACROECONOMÍA -

MACROECONOMÍA. Tema 6 El comercio internacional. - MACROECONOMÍA - MACROECONOMÍA Tema 6 El comercio internacional. Introducción. En este tema vamos tratar de responder a las siguientes cuestiones: por qué los países comercian entre sí? quién gana y quién pierde con el

Más detalles

Problemas Resueltos de Desigualdades y Programación Lineal

Problemas Resueltos de Desigualdades y Programación Lineal Universidad de Sonora División de Ciencias Exactas y Naturales Departamento de Matemáticas. Problemas Resueltos de Desigualdades y Programación Lineal Para el curso de Cálculo Diferencial de Químico Biólogo

Más detalles

Tema 5. Análisis de regresión (segunda parte) Estadística II, 2010/11

Tema 5. Análisis de regresión (segunda parte) Estadística II, 2010/11 Tema 5 Análisis de regresión (segunda parte) Estadística II, 2010/11 Contenidos 5.1: Diagnóstico: Análisis de los residuos 5.2: La descomposición ANOVA (ANalysis Of VAriance) 5.3: Relaciones no lineales

Más detalles

EL ANÁLISIS DE LA VARIANZA (ANOVA) 1. Comparación de múltiples poblaciones

EL ANÁLISIS DE LA VARIANZA (ANOVA) 1. Comparación de múltiples poblaciones EL ANÁLISIS DE LA VARIANZA (ANOVA) 1. Comparación de múltiples poblaciones Ricard Boqué, Alicia Maroto Grupo de Quimiometría y Cualimetría. Universitat Rovira i Virgili. Pl. Imperial Tàrraco, 1. 43005Tarragona

Más detalles

Material N 15 GUÍA TEÓRICO PRÁCTICA Nº 12

Material N 15 GUÍA TEÓRICO PRÁCTICA Nº 12 C u r s o : Matemática Material N 5 GUÍA TEÓRICO PRÁCTICA Nº UNIDAD: ÁLGEBRA Y FUNCIONES ÁLGEBRA DE POLINOMIOS EVALUACIÓN DE EXPRESIONES ALGEBRAICAS Evaluar una epresión algebraica consiste en sustituir

Más detalles

Las 7 Herramientas Fundamentales de la Calidad

Las 7 Herramientas Fundamentales de la Calidad Las 7 Herramientas Fundamentales de la Calidad Se utilizarán los métodos estadísticos elementales, dado que está dirigido a todos los funcionarios, desde la alta dirección hasta los operarios de base (Ej:

Más detalles

Regresión lineal múltiple

Regresión lineal múltiple . egresión lineal múltiple egresión lineal múltiple. Introducción. En el tema anterior estudiamos la correlación entre dos variables y las predicciones que pueden hacerse de una de ellas a partir del conocimiento

Más detalles

DISEÑOS DE INVESTIGACIÓN Y ANÁLISIS DE DATOS [TEMA

DISEÑOS DE INVESTIGACIÓN Y ANÁLISIS DE DATOS [TEMA 2011 UNED DISEÑOS DE INVESTIGACIÓN Y ANÁLISIS DE DATOS [TEMA 7] Diseños con más de dos grupos independientes. Análisis de varianza con dos factores completamente aleatorizados 1 Índice 7.1 Introducción...

Más detalles

Unidad IV: Cinética química

Unidad IV: Cinética química 63 Unidad IV: Cinética química El objetivo de la cinética química es el estudio de las velocidades de las reacciones químicas y de los factores de los que dependen dichas velocidades. De estos factores,

Más detalles

15 ESTADÍSTICA BIDIMENSIONAL

15 ESTADÍSTICA BIDIMENSIONAL ESTADÍSTICA BIDIMENSINAL EJERCICIS PRPUESTS. Copia y completa la siguiente tabla. A B C Total A B C Total a 4 b c 0 7 Total 7 6 a 4 b c 4 3 0 7 Total 7 6 3 6 a) Qué porcentaje de datos presentan la característica

Más detalles

CARTAS DE CONTROL. FeGoSa

CARTAS DE CONTROL. FeGoSa Las empresas en general, ante la apertura comercial han venido reaccionando ante los cambios y situaciones adversas, reaccionan por ejemplo ante: Disminución de ventas Cancelación de pedidos Deterioro

Más detalles

ESTADISTICA II. INGENIERIA INFORMATICA, 3 ER Curso

ESTADISTICA II. INGENIERIA INFORMATICA, 3 ER Curso ESTADISTICA II INGENIERIA INFORMATICA, 3 ER Curso 26 - Junio - 2.8 Primera Parte - Test Nota : En la realización de este examen sólo esta permitido utilizar calculadoras que, a lo sumo, tengan funciones

Más detalles

VECTORES EN EL ESPACIO. 1. Determina el valor de t para que los vectores de coordenadas sean linealmente dependientes.

VECTORES EN EL ESPACIO. 1. Determina el valor de t para que los vectores de coordenadas sean linealmente dependientes. VECTORES EN EL ESPACIO. Determina el valor de t para que los vectores de coordenadas (,, t), 0, t, t) y(, 2, t) sean linealmente dependientes. Si son linealmente dependientes, uno de ellos, se podrá expresar

Más detalles

Capítulo 4 MEDIDA DE MAGNITUDES. Autor: Santiago Ramírez de la Piscina Millán

Capítulo 4 MEDIDA DE MAGNITUDES. Autor: Santiago Ramírez de la Piscina Millán Capítulo 4 MEDIDA DE MAGNITUDES Autor: Santiago Ramírez de la Piscina Millán 4 MEDIDA DE MAGNITUDES 4.1 Introducción El hecho de hacer experimentos implica la determinación cuantitativa de las magnitudes

Más detalles

DIVISIÓN DE INGENIERÍA INDUSTRIAL DISEÑO EXPERIMENTAL LEOPOLDO VIVEROS ROSAS

DIVISIÓN DE INGENIERÍA INDUSTRIAL DISEÑO EXPERIMENTAL LEOPOLDO VIVEROS ROSAS Un ingeniero de desarrollo de productos tiene interés en investigar la resistencia a la tensión de una fibra sintética nueva que se usará para hacer tela de camisas para caballero. El ingeniero sabe por

Más detalles

Análisis de dominancia usando ruby-statsample. Introducción. Instalación de Ruby y gemas. Windows

Análisis de dominancia usando ruby-statsample. Introducción. Instalación de Ruby y gemas. Windows Análisis de dominancia usando ruby-statsample Introducción El análisis de dominancia(azen y Bodescu, 2003), es un método para determinar la importancia relativa de uno o más predictores en comparación

Más detalles

CORRELACIÓN Y PREDICIÓN

CORRELACIÓN Y PREDICIÓN CORRELACIÓN Y PREDICIÓN 1. Introducción 2. Curvas de regresión 3. Concepto de correlación 4. Regresión lineal 5. Regresión múltiple INTRODUCCIÓN: Muy a menudo se encuentra en la práctica que existe una

Más detalles

Acuerdo de aprobación de la nueva redacción del Anexo XVIII de las Normas de Ejecución y Funcionamiento del Presupuesto vigente.

Acuerdo de aprobación de la nueva redacción del Anexo XVIII de las Normas de Ejecución y Funcionamiento del Presupuesto vigente. Acuerdo de aprobación de la nueva redacción del Anexo XVIII de las Normas de Ejecución y Funcionamiento del Presupuesto vigente. Visto el Presupuesto de la Universidad Miguel Hernández de Elche para el

Más detalles

Experimentos con un solo factor: El análisis de varianza. Jhon Jairo Padilla Aguilar, PhD.

Experimentos con un solo factor: El análisis de varianza. Jhon Jairo Padilla Aguilar, PhD. Experimentos con un solo factor: El análisis de varianza Jhon Jairo Padilla Aguilar, PhD. Experimentación en sistemas aleatorios: Factores Controlables Entradas proceso Salidas Factores No controlables

Más detalles

Universidad del CEMA Prof. José P Dapena Métodos Cuantitativos V - ESTIMACION PUNTUAL E INTERVALOS DE CONFIANZA. 5.1 Introducción

Universidad del CEMA Prof. José P Dapena Métodos Cuantitativos V - ESTIMACION PUNTUAL E INTERVALOS DE CONFIANZA. 5.1 Introducción V - ESTIMACION PUNTUAL E INTERVALOS DE CONFIANZA 5.1 Introducción En este capítulo nos ocuparemos de la estimación de caracteristicas de la población a partir de datos. Las caracteristicas poblacionales

Más detalles

ESTIMACIÓN. puntual y por intervalo

ESTIMACIÓN. puntual y por intervalo ESTIMACIÓN puntual y por intervalo ( ) Podemos conocer el comportamiento del ser humano? Podemos usar la información contenida en la muestra para tratar de adivinar algún aspecto de la población bajo estudio

Más detalles

IES MARIA INMACULADA MATEMÁTICAS 2º E.S.O. Curso 2010-2011 TEMA : LENGUAJE ALGEBRÁICO

IES MARIA INMACULADA MATEMÁTICAS 2º E.S.O. Curso 2010-2011 TEMA : LENGUAJE ALGEBRÁICO IES MARIA INMACULADA MATEMÁTICAS º E.S.O. Curso 010-011 GUIÓN DEL TEMA 1. Lenguaje numérico y lenguaje algebraico.. Epresión algebraica.. Valor numérico de una epresión algebraica.. Monomios. 5. Grado

Más detalles

MANUAL DE ASEGURAMIENTO DE LA CALIDAD

MANUAL DE ASEGURAMIENTO DE LA CALIDAD PÁGINA: 1 de 12 1 Objetivos: Dar a conocer los controles que se realizarán a los procedimientos de ensayos analíticos con el fin de obtener resultados de precisión y sesgo conocidos, de tal forma que sean

Más detalles

1. Fundamento teórico

1. Fundamento teórico 1 1. Fundamento teórico Los métodos espectroscópicos atómicos y moleculares figuran entre los métodos analíticos instrumentales más utilizados. La espectroscopia molecular basada en la radiación ultravioleta,

Más detalles

MANEJO DE EXPRESIONES ALGEBRAICAS. Al finalizar el capítulo el alumno manejará expresiones algebraicas para la solución de problemas

MANEJO DE EXPRESIONES ALGEBRAICAS. Al finalizar el capítulo el alumno manejará expresiones algebraicas para la solución de problemas MANEJO DE EXPRESIONES ALGEBRAICAS Al finalizar el capítulo el alumno manejará expresiones algebraicas para la solución de problemas 34 Reforma académica 003 MAPA CURRICULAR Matemáticas I Aritmética y Álgebra

Más detalles

Lógica Binaria. Contenidos. Objetivos. Antes de empezar 1.Introducción... pág. 2. En esta quincena aprenderás a:

Lógica Binaria. Contenidos. Objetivos. Antes de empezar 1.Introducción... pág. 2. En esta quincena aprenderás a: Contenidos Objetivos En esta quincena aprenderás a: Distinguir entre una señal analógica y una digital. Realizar conversiones entre el sistema binario y el decimal. Obtener la tabla de la verdad de un

Más detalles

aplicado al Experiencia La gestión de un servicio y, por ende, la

aplicado al Experiencia La gestión de un servicio y, por ende, la EN PORTADA 6 Sigma aplicado al Experiencia En este artículo vamos a dar una visión más particular sobre la aplicabilidad de 6 Sigma al sector Servicios. Existe abundante literatura al respecto, pero sobre

Más detalles

EL DISEÑO FACTORIAL COMPLETO 2 k

EL DISEÑO FACTORIAL COMPLETO 2 k EL DISEÑO FACTORIAL COMPLETO 2 k Joan Ferré Grupo de Quimiometría y Cualimetría Departamento de Química Analítica y Química Orgánica Universidad Rovira i Virgili (Tarragona) INTRODUCCIÓN En el primer artículo

Más detalles

Razonamiento inductivo

Razonamiento inductivo LECCIÓN CONDENSADA 2.1 Razonamiento inductivo En esta lección Aprenderás cómo se usa el razonamiento inductivo en la ciencia y en las matemáticas Usarás el razonamiento inductivo para hacer conjeturas

Más detalles

Métodos y Diseños utilizados en Psicología

Métodos y Diseños utilizados en Psicología Métodos y Diseños utilizados en Psicología El presente documento pretende realizar una introducción al método científico utilizado en Psicología para recoger información acerca de situaciones o aspectos

Más detalles

CURSO CERO. Departamento de Matemáticas. Profesor: Raúl Martín Martín Sesiones 18 y 19 de Septiembre

CURSO CERO. Departamento de Matemáticas. Profesor: Raúl Martín Martín Sesiones 18 y 19 de Septiembre CURSO CERO Departamento de Matemáticas Profesor: Raúl Martín Martín Sesiones 18 y 19 de Septiembre Capítulo 1 La demostración matemática Demostración por inducción El razonamiento por inducción es una

Más detalles

Pues, sí. La respuesta la podemos encontrar en el análisis combinatorio.

Pues, sí. La respuesta la podemos encontrar en el análisis combinatorio. 2. Análisis combinatorio 2.1. Introducción. Imagina que quieres saber de cuántas formas pueden acomodarse 15 libros en un estante sin importar el orden en que éstos vayan, o imagina que quieres escoger

Más detalles

2. EL DISEÑO UNIFACTORIAL (COMPARACION DE TRATAMIENTOS)

2. EL DISEÑO UNIFACTORIAL (COMPARACION DE TRATAMIENTOS) 2. EL DISEÑO UNIFACTORIAL (COMPARACION DE TRATAMIENTOS) La idea principal en este capitulo es el inicio a planear los diseño experimentales y su correspondiente análisis estadístico. En este caso iniciaremos

Más detalles

DIPLOMADO EN RELACIONES LABORALES Estadística Asistida por Ordenador Curso 2008-2009

DIPLOMADO EN RELACIONES LABORALES Estadística Asistida por Ordenador Curso 2008-2009 Índice general 6. Regresión Múltiple 3 6.1. Descomposición de la variabilidad y contrastes de hipótesis................. 4 6.2. Coeficiente de determinación.................................. 5 6.3. Hipótesis

Más detalles

INSTITUTO VALLADOLID PREPARATORIA página 9

INSTITUTO VALLADOLID PREPARATORIA página 9 INSTITUTO VALLADOLID PREPARATORIA página 9 página 10 FACTORIZACIÓN CONCEPTO Para entender el concepto teórico de este tema, es necesario recordar lo que se mencionó en la página referente al nombre que

Más detalles

DISEÑO DE EXPERIMENTOS EN METROLOGÍA

DISEÑO DE EXPERIMENTOS EN METROLOGÍA DISEÑO DE EXPERIMENTOS EN METROLOGÍA Román de la Vara Salazar Centro de Investigación en Matemáticas Callejón de Jalisco, S/N, La Valenciana, Guanajuato, Gto. Tel. (473)737155, Fax: (473) 735749, Email:

Más detalles

Caracterización agronómica de Cabernet sauvignon. Cosechas manual y mecánica, temporada 2014 en Tupungato, Mendoza. Argentina

Caracterización agronómica de Cabernet sauvignon. Cosechas manual y mecánica, temporada 2014 en Tupungato, Mendoza. Argentina Caracterización agronómica de Cabernet sauvignon. Cosechas manual y mecánica, temporada 2014 en Tupungato, Mendoza. Argentina Agustina, Millan; Mariana, Palacios; Laura, Germano; David, Cobos ; y Emiliano,

Más detalles

Clase 3: Introducción a las Probabilidades

Clase 3: Introducción a las Probabilidades Clase 3: Introducción a las Probabilidades Introducción Tal vez estemos acostumbrados con algunas ideas de probabilidad, ya que esta forma parte de la cultura cotidiana. Con frecuencia escuchamos a personas

Más detalles

Tema IX. El diseño experimental

Tema IX. El diseño experimental 9.1. El problema: - Necesidades Prácticas:. Tiempo y recursos limitados. Obtención de resultados claros y repetibles - Esfuerzo experimental versus diseño experimental:. Metodológico. Estadístico 1 9.2.

Más detalles

Los modelos que permite construir el ANOVA pueden ser reducidos a la siguiente forma:

Los modelos que permite construir el ANOVA pueden ser reducidos a la siguiente forma: Ignacio Martín Tamayo 25 Tema: ANÁLISIS DE VARIANZA CON SPSS 8.0 ÍNDICE --------------------------------------------------------- 1. Modelos de ANOVA 2. ANOVA unifactorial entregrupos 3. ANOVA multifactorial

Más detalles

circuitos digitales Oliverio J. Santana Jaria Sistemas Digitales Ingeniería Técnica en Informática de Sistemas Curso 2006 2007

circuitos digitales Oliverio J. Santana Jaria Sistemas Digitales Ingeniería Técnica en Informática de Sistemas Curso 2006 2007 Oliverio J. Santana Jaria Sistemas Digitales 8. Análisis lógico l de los circuitos digitales Ingeniería Técnica en Informática de Sistemas Los Curso 26 27 El conjunto circuitos de puertas digitales lógicas

Más detalles

CLAVE: LII PROFESOR: MTRO. ALEJANDRO SALAZAR GUERRERO

CLAVE: LII PROFESOR: MTRO. ALEJANDRO SALAZAR GUERRERO Estadística Superior CLAVE: LII PROFESOR: MTRO. ALEJANDRO SALAZAR GUERRERO 1 1. REGRESIÓN LINEAL SIMPLE Y MÚLTIPLE 1.1. Regresión lineal simple 1.2. Estimación y predicción por intervalo en regresión lineal

Más detalles

ANALISIS COMBINATORIO

ANALISIS COMBINATORIO Universidad de San Carlos de Guatemala Centro Universitario de Occidente División Ciencias de la Salud Carrera de Médico y Cirujano, Primer Año, 2015 Teléfonos: 78730000, EXT. 2227-2221-2345-2244 CUNOC-USAC

Más detalles

PRUEBA DE KOLMOGOROV SMIRNOV (Contraste sobre la forma de la distribución) F(X) es la función de distribución que hipotetizamos.

PRUEBA DE KOLMOGOROV SMIRNOV (Contraste sobre la forma de la distribución) F(X) es la función de distribución que hipotetizamos. PRUEBA DE KOLMOGOROV SMIRNOV (Contraste sobre la forma de la distribución) PRUEBAS NO PARAMÉTRICAS F(X) es la función de distribución que hipotetizamos. Fs(X) es la probabilidad o proporción teórica de

Más detalles

Ac $ + H 3 O + (1) [c] i. =! i

Ac $ + H 3 O + (1) [c] i. =! i Laboratorio de Química Física 1 Grado en Química PRÁCTICA 1 Determinación conductimétrica de la constante de ionización de un electrolito débil (ác acético) Material 1 matraz aforado de 1000 ml compartido

Más detalles

PRÁCTICA 7: PRINCIPIO DE ARQUÍMEDES

PRÁCTICA 7: PRINCIPIO DE ARQUÍMEDES Departamento de Física Aplicada Universidad de Castilla-La Mancha Escuela Técnica Superior Ing. Agrónomos PRÁCTICA 7: PRINCIPIO DE ARQUÍMEDES MATERIAL - Dinamómetro de 1 N - Bolas de péndulo (3 al menos)

Más detalles

capitulo3 MARCO TEÓRICO Para el diseño de la reubicación de los procesos se hará uso de la Planeación

capitulo3 MARCO TEÓRICO Para el diseño de la reubicación de los procesos se hará uso de la Planeación capitulo3 MARCO TEÓRICO Para el diseño de la reubicación de los procesos se hará uso de la Planeación Sistemática de Layout, SLP por sus siglas en inglés. Se hará uso de la simulación para comparar el

Más detalles

ESTADISTICA II INGENIERIA INFORMATICA, 3 ER Curso

ESTADISTICA II INGENIERIA INFORMATICA, 3 ER Curso ESTADISTICA II INGENIERIA INFORMATICA, 3 ER Curso 3 - Septiembre - 2.6 Primera Parte - Test Las respuestas del TEST son las siguientes: Pregunta 2 3 4 5 6 Respuesta C A D C B A Pregunta 7 8 9 2 Respuesta

Más detalles

UNIVERSIDAD NACIONAL AGRARIA Escuela de Post-Grado. Estadistica Aplicada a la FORESTERIA II INDICE DE TEMAS

UNIVERSIDAD NACIONAL AGRARIA Escuela de Post-Grado. Estadistica Aplicada a la FORESTERIA II INDICE DE TEMAS UNIVERSIDAD NACIONAL AGRARIA Escuela de Post-Grado Estadistica Aplicada a la FORESTERIA II 2007 INDICE DE TEMAS Metodos Generales: 1. Principios basicos del diseño experimental 2. Tipos de experimentos

Más detalles

Asignación 5. Problema 1

Asignación 5. Problema 1 Asignación 5 Problema 1 Consider the four factor factorial experiment where factor A is at a levels, factor B is at b levels, factor C is at c levels, factor D is at d levels, and there are n replicates.

Más detalles

1 Introducción al SPSS

1 Introducción al SPSS Breve guión para las prácticas con SPSS 1 Introducción al SPSS El programa SPSS está organizado en dos bloques: el editor de datos y el visor de resultados. En la barra de menú (arriba de la pantalla)

Más detalles

Clase 8: Distribuciones Muestrales

Clase 8: Distribuciones Muestrales Clase 8: Distribuciones Muestrales Distribución Muestral La inferencia estadística trata básicamente con generalizaciones y predicciones. Por ejemplo, podemos afirmar, con base a opiniones de varias personas

Más detalles

Decisión: Indican puntos en que se toman decisiones: sí o no, o se verifica una actividad del flujo grama.

Decisión: Indican puntos en que se toman decisiones: sí o no, o se verifica una actividad del flujo grama. Diagrama de Flujo La presentación gráfica de un sistema es una forma ampliamente utilizada como herramienta de análisis, ya que permite identificar aspectos relevantes de una manera rápida y simple. El

Más detalles

CÁLCULO DIFERENCIAL E INTEGRAL I TERCERA EVALUACIÓN PARCIAL E0700. (1) Considere la función h : R R definida por. h(x) = x2 3

CÁLCULO DIFERENCIAL E INTEGRAL I TERCERA EVALUACIÓN PARCIAL E0700. (1) Considere la función h : R R definida por. h(x) = x2 3 CÁLCULO DIFERENCIAL E INTEGRAL I TERCERA EVALUACIÓN PARCIAL E0700 (1) Considere la función h : R R definida por h() = 3 3 Halle el dominio y las raíces de la función Las asíntotas verticales y las horizontales

Más detalles

Multiplicación. Adición. Sustracción

Multiplicación. Adición. Sustracción bernardsanz TERMINOLOGÍA ALGEBRAICA Algebra: generalización de la aritmética, la cual representa cantidades por medio de símbolos en lugar de números concretos, estos símbolos representan números cualesquiera.

Más detalles

Problemas a la carta

Problemas a la carta Problemas a la carta Enseñanza Alfinio Flores Peñafiel y Nora G. Ramírez Arizona State University Maricopa Community Colleges resumen Se presentan cinco problemas que pueden ser resueltos mediante la utilización

Más detalles

Metodología de la Investigación. Dr. Cristian Rusu cristian.rusu@ucv.cl

Metodología de la Investigación. Dr. Cristian Rusu cristian.rusu@ucv.cl Metodología de la Investigación Dr. Cristian Rusu cristian.rusu@ucv.cl 6. Diseños de investigación 6.1. Diseños experimentales 6.1.1. Diseños preexperimentales 6.1.2. Diseños experimentales verdaderos

Más detalles

VECTOR DE CARGAS GENERALIZADAS Q

VECTOR DE CARGAS GENERALIZADAS Q CAPITULO VECTO DE CAGAS GENEALIZADAS Q ESUMEN Se presenta el cálculo del vector de cargas generalizadas Q en marcos y armaduras planas cuyos elementos pueden ser: totalmente flexibles transversalmente

Más detalles

ÍNDICE CAPÍTULO 1. INTRODUCCIÓN

ÍNDICE CAPÍTULO 1. INTRODUCCIÓN ÍNDICE CAPÍTULO 1. INTRODUCCIÓN 1.1. OBJETO DE LA ESTADÍSTICA... 17 1.2. POBLACIONES... 18 1.3. VARIABLES ALEATORIAS... 19 1.3.1. Concepto... 19 1.3.2. Variables discretas y variables continuas... 20 1.3.3.

Más detalles

ESTRATEGIAS DE CÁLCULO MENTAL

ESTRATEGIAS DE CÁLCULO MENTAL ESTRATEGIAS DE CÁLCULO MENTAL El cálculo mental consiste en realizar cálculos matemáticos utilizando sólo el cerebro sin ayudas de otros instrumentos como calculadoras o incluso lápiz y papel. Las operaciones

Más detalles

BREVE APUNTE SOBRE EL PROBLEMA DE LA MULTICOLINEALIDAD EN EL MODELO BÁSICO DE REGRESIÓN LINEAL

BREVE APUNTE SOBRE EL PROBLEMA DE LA MULTICOLINEALIDAD EN EL MODELO BÁSICO DE REGRESIÓN LINEAL BREVE APUNTE SOBRE EL PROBLEMA DE LA MULTICOLINEALIDAD EN EL MODELO BÁSICO DE REGRESIÓN LINEAL Ramón Mahía Febrero 013 Prof. Ramón Mahía ramon.mahia@uam.es Qué se entiende por Multicolinealidad en el marco

Más detalles

7 HERRAMIENTAS PARA EL CONTROL DE LA CALIDAD

7 HERRAMIENTAS PARA EL CONTROL DE LA CALIDAD Agencia de Cooperación Internacional del Japón Universidad de Santiago de Chile Facultad de Ingeniería Departamento de Ingeniería Industrial 7 HERRAMIENTAS PARA EL CONTROL DE LA CALIDAD Elaboración: Kiyohiro

Más detalles

REGRESIÓN LINEAL MÚLTIPLE

REGRESIÓN LINEAL MÚLTIPLE REGRESIÓN LINEAL MÚLTIPLE.- Planteamiento general....- Métodos para la selección de variables... 5 3.- Correlaciones parciales y semiparciales... 8 4.- Multicolinealidad en las variables explicativas...

Más detalles

UNIVERSIDAD DE CIENCIAS EMPRESARIALES Y SOCIALES. Facultad de Psicología y Ciencias Sociales. Carrera Sociología

UNIVERSIDAD DE CIENCIAS EMPRESARIALES Y SOCIALES. Facultad de Psicología y Ciencias Sociales. Carrera Sociología UNIVERSIDD DE CIENCIS EMPRESRILES Y SOCILES Facultad de Psicología y Ciencias Sociales Carrera Sociología Curso ESTDÍSTIC STIC I Clase 6: nálisis de Correlación n Lineal Simple Prof. Titular: Lic. Rubén

Más detalles

IX.- ANÁLISIS DE VARIANZA

IX.- ANÁLISIS DE VARIANZA IX- ANÁLISIS DE VARIANZA Las técnicas de Diseño Experimental basadas en la estadística son particularmente útiles en el mundo de la Ingeniería en lo que corresponde a la mejora del rendimiento de los procesos

Más detalles

CONVOCATORIA 2016 GUÍA DE ESTUDIO PARA PRUEBA DE ADMISIÓN DE MATEMÁTICAS

CONVOCATORIA 2016 GUÍA DE ESTUDIO PARA PRUEBA DE ADMISIÓN DE MATEMÁTICAS CONVOCATORIA 2016 GUÍA DE ESTUDIO PARA PRUEBA DE ADMISIÓN DE MATEMÁTICAS Guía de Estudio para examen de Admisión de Matemáticas CONTENIDO PRESENTACIÓN... 3 I. ARITMÉTICA... 4 1. OPERACIONES CON FRACCIONES...

Más detalles

CURSO 2010-2011 TECNOLOGÍA TECNOLOGÍA 4º ESO TEMA 5: Lógica binaria. Tecnología 4º ESO Tema 5: Lógica binaria Página 1

CURSO 2010-2011 TECNOLOGÍA TECNOLOGÍA 4º ESO TEMA 5: Lógica binaria. Tecnología 4º ESO Tema 5: Lógica binaria Página 1 Tecnología 4º ESO Tema 5: Lógica binaria Página 1 4º ESO TEMA 5: Lógica binaria Tecnología 4º ESO Tema 5: Lógica binaria Página 2 Índice de contenido 1. Señales analógicas y digitales...3 2. Código binario,

Más detalles

GUIA DE CIRCUITOS LOGICOS COMBINATORIOS

GUIA DE CIRCUITOS LOGICOS COMBINATORIOS GUIA DE CIRCUITOS LOGICOS COMBINATORIOS 1. Defina Sistema Numérico. 2. Escriba la Ecuación General de un Sistema Numérico. 3. Explique Por qué se utilizan distintas numeraciones en la Electrónica Digital?

Más detalles

ASOCIACIÓN LINEAL ENTRE VARIABLES CUANTITATIVAS: la correlación de Pearson

ASOCIACIÓN LINEAL ENTRE VARIABLES CUANTITATIVAS: la correlación de Pearson ASOCIACIÓN LINEAL ENTRE VARIABLES CUANTITATIVAS: la correlación de Pearson 3datos 2011 Análisis BIVARIADO de variables cuantitativas OBJETIVO DETERMINAR 1º) si existe alguna relación entre las variables;

Más detalles

b) 3 c) 1 d) 2 6. Si ( ) ( ) ( 1,3) Cuál es el valor de u v + 2w

b) 3 c) 1 d) 2 6. Si ( ) ( ) ( 1,3) Cuál es el valor de u v + 2w Elaborada por José A. Barreto. Master of Arts The University of Teas at Austin. En el conjunto de los números reales se define la relación Ry ( está relacionado con y si > y + 0. Cuál de los siguientes

Más detalles

Capítulo 4 Procesos con estructuras de repetición

Capítulo 4 Procesos con estructuras de repetición Estructura de contador Capítulo 4 Procesos con estructuras de repetición Esta es una operación que incrementa en una unidad el valor almacenado en la variable c, cada vez que el flujo del diagrama pasa

Más detalles

Límites y Continuidad

Límites y Continuidad Universidad de Sonora División de Ciencias Eactas y Naturales Departamento de Matemáticas. Límites y Continuidad Problemas Resueltos Dr. José Luis Díaz Gómez Versión. Abril de 005 Dr. José Luis Díaz Gómez.

Más detalles

Precio del alquiler de pisos durante una serie de meses. Evolución del índice del precio del trigo con mediciones anuales.

Precio del alquiler de pisos durante una serie de meses. Evolución del índice del precio del trigo con mediciones anuales. Series Temporales Introducción Una serie temporal se define como una colección de observaciones de una variable recogidas secuencialmente en el tiempo. Estas observaciones se suelen recoger en instantes

Más detalles

ANÁLISIS DISCRIMINANTE

ANÁLISIS DISCRIMINANTE ANÁLISIS DISCRIMINANTE ANÁLISIS DISCRIMINANTE 1. Introducción 2. Etapas 3. Caso práctico Análisis de dependencias introducción varias relaciones una relación 1 variable dependiente > 1 variable dependiente

Más detalles

Capítulo 10. Gráficos y diagramas

Capítulo 10. Gráficos y diagramas Capítulo 10. Gráficos y diagramas 1. Introducción Los gráficos y diagramas que se acostumbran a ver en libros e informes para visualizar datos estadísticos también se utilizan con propósitos cartográficos,

Más detalles