K = 2 accidentes con fusión de núcleo T = reactor-año
|
|
- María Lagos Zúñiga
- hace 8 años
- Vistas:
Transcripción
1 INI' 1 ESENCIA ESTADÍSTICA DEL NUMEttO Uß OOUKüENClA DE ACCIDENTES -NUCLEARES EM LA PRÓXIMA DECADA Eduardo R. Felizia Comisión Nacional de Energía Atómica Los accidentes ocurridos en Harrisburg y Chernobyl, si bien difieren en cuanto a sus consecuencias radilógicas, presentan una característica común: En ambos reactores hubo fusión de núcleo. Hasta mayo de I986 se habían acumulado reactor-año de experien cia operativo con reactores nucleares de potencia y dos accidentes con fusión de.núcleo mencionados. Hoy, con 390 reactores en funciona miento, se espera acumular reactor-ano de experiencia operativa en los próximos diez años. Cuántos accidentas con fusión de núcleo ocurrirán durante éste período? En el presente trabajo se pretende formalizar una respuesta a la cues tion empleando para ello las técnicas de inferencia estadística clásica y bayesiana. Con respecto a la última'de.las técnicas mencionadas, se aplican los desarrollos más recientes basados en la teoría de la decisión con in certidumbre, entre otros el principio de máxima entropía. Se utilizan además, como información a prior-i sobre la frecuencia de ocurren oia de occidentes con fusión de núcleo, los resultados del análisis de riesgo nlemán (GtíS). Las estimaciones -aunnue.nada sorprendentes si se las compara con el simple juicio intuitivo- predicen para la próxima década, una media de entre uno y dos accidentes con fusión de núcleo y bajas chances para el evento "ningún accidente" en el mismo período. DES A H ROLLO 1 - Inferencia estadística clásica Se asume que los datos históricos: K = 2 accidentes con fusión de núcleo T = reactor-año equivalen a los'resultados de una muestra obtenida de la población de reactores en operación mediante el método de muestreo Tipo II. Es te método, como se sabe, consiste en registrar los eventos de falla aue ocurren en una población de características homogéneas sin reemplazo de los ítems nue fallan, y en dar por te%inado el muestreo al ocurrir la Kma. falla. Se asume también la hipótesis que la variable aleatoria-tiempo de vida de los ítems que componen la población tiene f.d.p. exponencial. Con éstas hipótesis y con los datos históricos indicados, se determi
2 na (réf. 1) el vnlor del estimador de máxima verosimilitud del parámetro 0. 0 a reactor-año o. / ~ J. = r- A - = reactor-ano/accxdente 2 accidentes / El parámetro 0 es la inversa del parámetro de escala X que caracteria la f.d.p. exponencial. El valor de X expresa también la tasa de o- currencia de accidentes por reactor-año correspondiente a la población de reactores en operación. El estimador 9 es un estadístico de 0 completo, i n 3 e s g a d o y suficieivte. Por otra parte 36 demuestra ' (ref.l) ' que la variable aleatoria tiene distribución de probabilidad chi-cuadrado con 2K grados de.libertad, lo nue permite determinar estimaciones por intervalo del para metro 6* En efecto, se tiene: 2KG ike siendo 1-el coeficiente de.con.f inn«a. Si se adopta un valor"de 80 % para et coeficiente de confianza (valores mayores de este coeficiente carecen de sentido en este c a 3 o, dado l'a ba.ja relevancia de la muestra) ne obtiene el siguiente interva lo de estimación:' regctor-año/accid. 0 ^ reactor-año/accid. (1) Loo extremos del. intervalo enuiy.'i'j.erv - a tasas de ocurrencia dé '.acqidea' tes untre lo "'H y 10"^; por reap Lo r-riño, aunque con rran incertidumbre como puede ver.se en (I). No obstante, con el valor 4/ = 'J» x.1.0" 4 -accidentes' por reactor-año y la función de'distribución de 7>robabi i idad Poisson, rueden calcularse algunos valores de N (número de accidentes ent=3.900 reactor-año)los que se muestran en el cuadro siguiente; Ni P(N) 0 0,142 ; 1 0,277 \ 2 0,270 \.3 "0,176 \ >4 0, Inferencin. estadística Bayesianal Se asume que el número de ocurrencias de accidentes con fusión de núcleoes modelable por un proceso Poisson homogéneo. Además se asumen
3 dos hipótesis con respecto a la distribución a priori de la tasa de o- currencia de accidentes por reactor-año, e3 decir, del parámetro 7^ y a saberr 2a) Ignorancia total a priori sobre el valor de A. 2b) Conocimiento a priori de un valor estimado para X. Considerando la hipótesis (2a) se demuestra (ref. 2 y 3) que el estado de ignorancia total a priori es adecuadamente representado por la siguiente f # d.p. Tí M c 4- x La función de verosimilitud de los datos muéstrales será, acorde a lo expresado, la función de distribución Poisson condicional en K y T : Por lo tanto, la f.d.p. del, parámetro X a posteriori es: TTCX/K.T^oC îrw-p(x/k,t) que una vez normalizada resulta en: tt/x/icj') > = roo ^ (*-' )* } e 1 T K o^y<co Se calcula ahora la probabilidad conjunta de los sucesos: [el valor de X en el intervalo A ^T - JA ^ H [L N futuros accidentes en t reactor-año 3 Dicha probabilidad es expresada analíticamente por: ir(x/k,t)a^. ^ x t? que, integrada con respecto atodo valor posible de X, determina la pin habilidad de ocurrencia de N! accidentes, dados t, K y Ï, independientemente de la tasa X de ocurrencia de tales accidentes. La distribución a que se llega es la binomial negativa: t>^/t,k j Tj - A / J ( M ) j ( T + t ) K ^ (2) IV = 0, 1, 2,,3... La esperanza y vari an za de la variable aleatoria N ( número futuro accidentes en t reactor-año) es fácilmente calculable en: de.
4 K t 2x3.900 reactor-ano.,.-.,. E (N) = = A n n r = = 1.95 accidentes T reactor-ano Var f NI - ir _ x ( ) x 2 var (N) _ T Z K - (4.000)1 = 3 ' 0! > La incertidumbre relativa es igual a: <_ War (N) * E (N) - L * ü i Por consiguiente es esperable, para la próxima década, una media de a- proximadamente dos accidentes que impliouen. fusión de núcleo. Pueden calcularse también, empleando la función de distribución (2), las pro habilidades de algunos valores de N, como por ejemplo: N P (N/t, K, T») ^ Como se ve, existe la posibilidad de que no ocurran accidentes, pero las chances son casi 3 a 1 en contra de tal eventualidad. Se analiza ahora el caso en que se dispone a priori de un valor eati mado para la tana de ocurrencia de accidentes con fusión de núcleo 4/ (hipótesis 2b). Si, se tiene una estimación a priori de^/s\y ninguna información sobre su incertidumbre, se puede recurrir al principio de máxima entropía. Segyfun este principio la f.d.p. a priori?~^>zr «AX es la elección más objetiva nue puede hacerse (ref. 4). Empleando esta f.d.p. y procediendo en forma similar al desarrollo del cálculo correspondiente a la hipótesis (2a), se llega finalmente a la distribución binomial negativa siguiente:. ^ ' ' ' J ~ k'.«m Íuz*W*">i ( 3) W = 0, 1, 2, Se toma para 4/Z el valor estimado en el German Uisk Study de la frecuencia anual de accidentes con fusión do núcleo (ref. 5). Por tanto: A Z> = 8.6 x 10* 0 año""* La esperanza y varianza de la'variable aleatoria N (número futuro de accidentes en t reactor-año) 3e calcula en: E (N) * K H ) - _(2tl) x _ ~ U a c c i dentes accidentes T-rS ' Var friv (K+D(Trt + g)t ( 2+1) ( )*3.900 n q,. var INJ - (T+S)2. " ( )^ = 0.94, La incertidumbre relativa es: _. War (N) _ Ô N E (N) * 1 ' y La esperanza del número de accidentes con fusión de núcleo para los próximos diez años es, en este caso, algo inferior a uno, aunque es mayor la incertidumbre relativa de esta estimación con respecto a la
5 anterior. El cuadro siguiente muestra algunos valores de la rariable aleatoria N y su correspondiente probabilidad:.. N P(N/t, K, T,S) Ahora, la chance de no accidente es 50 % Las estimaciones aquí realizadas implican la proyección del pasado al futuro^ tal proyección es válida solo si se conserva la estacionaridad del proceso Poisson, en otras palabras, si la tasa de ocurrencia de ac cidentes por reactor-año A, es invariable con respecto al tiempo. Sin embargo, este supuesto ignora las mejoras derivadas de la incorporación de nuevas tecnologías al diseño de centrales nucleares y los efec tos, sin duda positivos, de las enseñanzas extraídas de accidentes relevantes y aplicadas a la operación 3egura de tales instalaciones. En el largo plazo es de esperar, sin embargo, una reducción progresiva de la tasa de ocurrencia de accidentes en centrales nucleares. Nota: El tratamiento analítico de inferencia bayesiana ha sido tomado del ar tículo "Once again, how many reactor accidents?" de F. H. Frô'hner publicado en Nature - Vol April page 834. REFERENCIAS" 1 - Methods for Statistical Analysis of Reliability and life Data, N. R. Mann, il: E. Schäfer, N. D. Singpurwalla. Chapter (a) pages Introduction to Probability and Statistics, Part 2. Inference. D. V. Lindley. Cambridge University Press Chapter 7 - Section page Analytic Bayesian Solution! of the Two-Stage Poisson -, Type Problem.in Probabilistic Risk Assessment. F. H. Fröhner. Risk Analysis. Vol. 5 - Nfi , pages Entropy Principles in Decision Making Under Risk. J. J. Buckley. Risk Analysis. Vol. 5 - N? , pages German Risk Study - Main Report. A. Study of the Ri3k Due to Accidents in Nuclear Power Plants. Section 5 - Table 5.3» page 5:.41. EPRI NP SR - April 19Ö1.
Matemáticas 2º BTO Aplicadas a las Ciencias Sociales
Matemáticas 2º BTO Aplicadas a las Ciencias Sociales CONVOCATORIA EXTRAORDINARIA DE JUNIO 2014 MÍNIMOS: No son contenidos mínimos los señalados como de ampliación. I. PROBABILIDAD Y ESTADÍSTICA UNIDAD
Más detallesInferencia Estadística
EYP14 Estadística para Construcción Civil 1 Inferencia Estadística El campo de la inferencia estadística está formado por los métodos utilizados para tomar decisiones o para obtener conclusiones sobre
Más detallesDESCRIPCIÓN ESPECÍFICA
DESCRIPCIÓN ESPECÍFICA NÚCLEO: COMERCIO Y SERVICIO SUBSECTOR: PRODUCCION Y SALUD OCUPACIONAL Nombre del Módulo: Análisis estadístico de datos. total: 45 HORAS. Objetivo General: Analizar la conformidad
Más detallesTema 10. Estimación Puntual.
Tema 10. Estimación Puntual. Presentación y Objetivos. 1. Comprender el concepto de estimador y su distribución. 2. Conocer y saber aplicar el método de los momentos y el de máxima verosimilitud para obtener
Más detallesMuestreo estadístico. Relación 2 Curso 2007-2008
Muestreo estadístico. Relación 2 Curso 2007-2008 1. Para tomar la decisión de mantener un determinado libro como texto oficial de una asignatura, se pretende tomar una muestra aleatoria simple entre los
Más detallesTécnicas de valor presente para calcular el valor en uso
Normas Internacionales de Información Financiera NIC - NIIF Guía NIC - NIIF NIC 36 Fundación NIC-NIIF Técnicas de valor presente para calcular el valor en uso Este documento proporciona una guía para utilizar
Más detallesDeterminación de primas de acuerdo al Apetito de riesgo de la Compañía por medio de simulaciones
Determinación de primas de acuerdo al Apetito de riesgo de la Compañía por medio de simulaciones Introducción Las Compañías aseguradoras determinan sus precios basadas en modelos y en información histórica
Más detallesESTIMACIÓN. 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 detallesDATA MINING EN LA BASE DE DATOS DE LA OMS KNOWLEDGE DETECTION (DETECCIÓN DEL CONOCIMIENTO) Q.F.B. JUANA LETICIA RODRÍGUEZ Y BETANCOURT
DATA MINING EN LA BASE DE DATOS DE LA OMS KNOWLEDGE DETECTION (DETECCIÓN DEL CONOCIMIENTO) Q.F.B. JUANA LETICIA RODRÍGUEZ Y BETANCOURT REACCIONES ADVERSAS DE LOS MEDICAMENTOS Los fármacos por naturaleza
Más detallesCapítulo 8. Tipos de interés reales. 8.1. Introducción
Capítulo 8 Tipos de interés reales 8.1. Introducción A lo largo de los capítulos 5 y 7 se ha analizado el tipo de interés en términos nominales para distintos vencimientos, aunque se ha desarrollado más
Más detallesCaracterización de los niveles de consumo de alcohol en Chile. José Sanhueza, Economista, M.Econ.
Nº 19 / Agosto 2013. ISSN: 0719 2770 BOLETIN Observatorio Chileno de Drogas Nº 4 / Marzo 2015. ISSN: 0719-2770 BIN Caracterización de los niveles de consumo de alcohol en Chile. José Sanhueza, Economista,
Más detallesMODELO ESTACIONAL DE LLUVIAS EN BASE A PROCESOS DE POISSON NO HOMOGÉNEOS.
MODELO ESTACIONAL DE LLUVIAS EN BASE A PROCESOS DE POISSON NO HOMOGÉNEOS. I.1 OBJETIVO Y UTILIDAD: El objetivo principal de este trabajo, realizado como Trabajo Final de Máster en Ingeniería Hidráulica
Más detallesEjercicios de Teoría de Colas
Ejercicios de Teoría de Colas Investigación Operativa Ingeniería Informática, UC3M Curso 08/09 1. Demuestra que en una cola M/M/1 se tiene: L = ρ Solución. L = = = = = ρ np n nρ n (1 ρ) nρ n n=1 ρ n ρ
Más detalles1 Introducción... 2. 2 Distribución exponencial... 2. 3 Distribución Weibull... 6. 4 Distribuciones Gamma y k-erlang... 10
Asignatura: Ingeniería Industrial Índice de Contenidos 1 Introducción... 2 2 Distribución exponencial... 2 3 Distribución Weibull... 6 4 Distribuciones Gamma y k-erlang... 10 5 Distribución log-normal...
Más detallesCapítulo 7: Distribuciones muestrales
Capítulo 7: Distribuciones muestrales Recordemos: Parámetro es una medida de resumen numérica que se calcularía usando todas las unidades de la población. Es un número fijo. Generalmente no lo conocemos.
Más detalles2.1 INFORMACION BASICA Y PRINCIPALES DEFINICIONES.
2 - PROPIEDAD COMÚN. 2.1 INFORMACION BASICA Y PRINCIPALES DEFINICIONES. En esta oportunidad se adelanta información correspondiente a una nueva serie con las variables de interés en las Compraventas de
Más detallesANÁLISIS DE BONOS. Fuente: Alexander, Sharpe, Bailey; Fundamentos de Inversiones: Teoría y Práctica; Tercera edición, 2003
ANÁLISIS DE BONOS Fuente: Alexander, Sharpe, Bailey; Fundamentos de Inversiones: Teoría y Práctica; Tercera edición, 2003 Métodos de Análisis Una forma de analizar un bono es comparar su rendimiento al
Más detallesINFORME DE ANÁLISIS DE ENCUESTAS DE SATISFACCIÓN DE USUARIOS PERÍODO 2009-2010
INFORME DE ANÁLISIS DE ENCUESTAS DE SATISFACCIÓN DE USUARIOS PERÍODO 2009-2010 UNIDAD FUNCIONAL DE TÉCNICOS DE LABORATORIOS DOCENTES UNIVERSIDAD PABLO DE OLAVIDE. SEVILLA Sevilla, Diciembre de 2010 1 1.
Más detallesMATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES II
MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES II 2º BACHILLERATO (Modalidad: Humanidades y Ciencias Sociales) Desarrollado en Decreto 67/2008, de 19 de junio. B.O.C.M.: 27 de junio de 2008. PROGRAMACIÓN
Más detallesLA MEDIDA Y SUS ERRORES
LA MEDIDA Y SUS ERRORES Magnitud, unidad y medida. Magnitud es todo aquello que se puede medir y que se puede representar por un número. Para obtener el número que representa a la magnitud debemos escoger
Más detallesAnálisis y cuantificación del Riesgo
Análisis y cuantificación del Riesgo 1 Qué es el análisis del Riesgo? 2. Métodos M de Análisis de riesgos 3. Método M de Montecarlo 4. Modelo de Análisis de Riesgos 5. Qué pasos de deben seguir para el
Más detallesASIGNACIÓN GRATUITA DE DERECHOS E INGRESOS DE LOS GENERADORES POR QUÉ RECIBEN LOS GENERADORES DERECHOS DE EMISIÓN GRATUITOS?
ASIGNACIÓN GRATUITA DE DERECHOS E INGRESOS DE LOS GENERADORES POR QUÉ RECIBEN LOS GENERADORES DERECHOS DE EMISIÓN GRATUITOS? La legislación europea (Directiva 2003/87/CE sobre Comercio de Derechos de Emisión)
Más detallesMATEMÁTICAS aplicadas a las Ciencias Sociales II
MATEMÁTICAS aplicadas a las Ciencias Sociales II UNIDAD 1: SISTEMAS DE ECUACIONES. MÉODO DE GAUSS Sistemas de ecuaciones lineales Sistemas equivalentes. Transformaciones que mantienen la equivalencia.
Más detallesCURSO: ANALISIS CUANTITATIVO DE RIESGOS FINANCIEROS CON CRYSTALBALL
MANAGEMENT CONSULTORES CURSO: ANALISIS CUANTITATIVO DE RIESGOS FINANCIEROS CON CRYSTALBALL Cnel. Ramón L. Falcón 1435 1406GNC 35 Buenos Aires, Argentina Tel.: 054-11-15-5468-3369 Fax: 054-11-4433-4202
Más detallesProgramación General Anual Curso 2011/12 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES II ÍNDICE
MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES II ÍNDICE ÍNDICE...1 CONTENIDOS... 2 CRITERIOS DE EVALUACIÓN... 4 TEMPORALIZACIÓN... 5 METODOLOGÍA DIDÁCTICA... 6 PROCEDIMIENTOS DE EVALUACIÓN... 7 ACTIVIDADES
Más detallesPrograma de la asignatura Curso: 2007 / 2008 ESTADÍSTICA (3174)
Programa de la asignatura Curso: 2007 / 2008 ESTADÍSTICA (3174) PROFESORADO Profesor/es: SANTIAGO RUIZ MIGUEL - correo-e: rumi@ubu.es FICHA TÉCNICA Titulación: INGENIERÍA DE CAMINOS, CANALES Y PUERTOS
Más detalles8. Estimación puntual
8. Estimación puntual Estadística Ingeniería Informática Curso 2009-2010 Estadística (Aurora Torrente) 8. Estimación puntual Curso 2009-2010 1 / 30 Contenidos 1 Introducción 2 Construcción de estimadores
Más detallesBUENAS PRÁCTICAS DE UNA ENCUESTA POR MUESTREO
BUENAS PRÁCTICAS DE UNA ENCUESTA POR MUESTREO Lima, marzo de 2011 BUENAS PRÁCTICAS DE UNA ENCUESTA POR MUESTREO I. INTRODUCCIÓN Los métodos de muestreo probabilístico, son aquellos que se basan en el principio
Más detallesUNIVERSIDADES DE ANDALUCÍA PRUEBA DE ACCESO A LA UNIVERSIDAD OPCIÓN A
OPCIÓN A (3 puntos) Una imprenta local edita periódicos y revistas. Para cada periódico necesita un cartucho de tinta negra y otro de color, y para cada revista uno de tinta negra y dos de color. Si sólo
Más detallesT.3 ESTIMACIÓN PUNTUAL
T.3 ESTIMACIÓN PUNTUAL 1. INTRODUCCIÓN: ESTIMACIÓN Y ESTIMADOR 2. PROPIEDADES DE LOS ESTIMADORES 3. MÉTODOS DE ESTIMACIÓN. EJEMPLO 1, EJEMPLO 2 1. Introducción: Estimación y Estimador En este tema se analizan
Más detallesTEMA 2. FILOSOFÍA DE LOS GRÁFICOS DE CONTROL. Principios básicos de los gráficos de control. Análisis de patrones.
TEMA 2. FILOSOFÍA DE LOS GRÁFICOS DE CONTROL. Principios básicos de los gráficos de control. Análisis de patrones. La herramienta que nos indica si el proceso está o no controlado o Estado de Control son
Más detallesNORMA INTERNACIONAL DE AUDITORÍA 530 MUESTREO DE AUDITORÍA
NORMA INTERNACIONAL DE AUDITORÍA 530 MUESTREO DE AUDITORÍA (NIA-ES 530) (adaptada para su aplicación en España mediante Resolución del Instituto de Contabilidad y Auditoría de Cuentas, de 15 de octubre
Más detallesde riesgos ambientales
MF1974_3: Prevención de riesgos TEMA 1. Análisis y evaluación de riesgos TEMA 2. Diseño de planes de emergencia TEMA 3. Elaboración de simulacros de emergencias TEMA 4. Simulación del plan de emergencia
Más detallesEjemplo: Ing. Raúl Canelos. Solución CONFIABILIDAD SEP 1
Ejemplo: Basándose en ciertos estudios una compañía a clasificado de acuerdo con la posibilidad de encontrar petróleo en tres tipos de formaciones. La compañía quiere perforar un pozo en determinado lugar
Más detallesNORMAS INTERNACIONALES DE ASEGURAMIENTO DE LA INFORMACIÓN NAI
NIA 520 PROCEDIMIENTOS ANALITICOS NORMAS INTERNACIONALES DE ASEGURAMIENTO DE LA INFORMACIÓN NAI Que son los procedimientos analíticos "Procedimientos analíticos" significa evaluaciones de información financiera
Más detallesUNIVERSIDAD DEL SALVADOR PROGRAMA. UNIDAD ACADÉMICA: Campus San Roque González de Santa Cruz. CARRERA: Veterinaria. DIVISIÓN / COMISIÓN: Primer Año
UNIVERSIDAD DEL SALVADOR PROGRAMA UNIDAD ACADÉMICA: Campus San Roque González de Santa Cruz. CARRERA: Veterinaria DIVISIÓN / COMISIÓN: Primer Año TURNO: Único OBLIGACIÓN ACADÉMICA: ESTADÍSTICA Y DISEÑO
Más detallesEconomía de la información y la incertidumbre 3er curso (1º Semestre) Grado en Economía
Economía de la información y la incertidumbre 3er curso (1º Semestre) Grado en Economía Parte I. Tema II: TEORÍA DE LA DECISIÓN CON INCERTIDUMBRE: UTILIDAD ESPERADA Bibliografía recomendada: Para el punto
Más detallesFacultad de Economía Claudia Montserrat Martínez Stone CAPITULO IV EVALUACIÓN FINANCIERA
CAPITULO IV EVALUACIÓN FINANCIERA 56 4.1.- Criterios de Evaluación Financiera La Evaluación de un Proyecto debe tener como base el análisis con el que se mide la rentabilidad económica, en el que principalmente
Más detallesANÁLISIS DE VARIANZA EMPLEANDO EXCEL y WINSTATS
ANÁLISIS DE VARIANZA EMPLEANDO EXCEL y WINSTATS 1) INTRODUCCIÓN El análisis de varianza es una técnica que se puede utilizar para decidir si las medias de dos o más poblaciones son iguales. La prueba se
Más detallesANÁLISIS DINÁMICO DEL RIESGO DE UN PROYECTO
ANÁLISIS DINÁMICO DEL RIESGO DE UN PROYECTO Por: Pablo Lledó Master of Science en Evaluación de Proyectos (University of York) Project Management Professional (PMP) Profesor de Project Management y Evaluación
Más detallesConceptos básicos de estadística para clínicos
Conceptos básicos de estadística para clínicos Víctor Abraira A Coruña. Noviembre 2008 Programa Valor p : qué significa? Aleatorización Pruebas de hipótesis para variables continuas Pruebas de hipótesis
Más detallesTema IV. EL ANOVA de un factor
4.1. La estrategia del Análisis de varianza: - Los test t múltiples (múltiples tratamientos); corrección a posteriori - La mejora del ANOVA: necesidad de análisis a posteriori C Test t A versus B A versus
Más detallesPeríodo de recuperación del capital (Payback) Período de recuperación del capital (Payback)
Período de recuperación del capital (Payback) Período de recuperación del capital (Payback) Algunas empresas requieren que la inversión se recupere en un período determinado Payback se obtiene contando
Más detallesMUESTREO TIPOS DE MUESTREO
MUESTREO En ocasiones en que no es posible o conveniente realizar un censo (analizar a todos los elementos de una población), se selecciona una muestra, entendiendo por tal una parte representativa de
Más detallesCENTENARIA Y BENEMÈRITA ESCUELA NORMAL DEL ESTADO DE QUERETARO ANDRES BALVANERA UNIDAD JALPAN SEMINARIO DE ANALISIS Y TRABAJO DOCENTE
CENTENARIA Y BENEMÈRITA ESCUELA NORMAL DEL ESTADO DE QUERETARO ANDRES BALVANERA UNIDAD JALPAN SEMINARIO DE ANALISIS Y TRABAJO DOCENTE DOCENTE: Edith Rangél Ángeles ALUMNA: Castañeda Valladares Lizei Marlene
Más detallesTema 7 COSTO ESTÁNDAR
Tema 7 COSTO ESTÁNDAR Campus Santa Fé Miguel Ángel Gutiérrez Banegas 1 Introducción En el proceso de generación de información en los negocios, la predeterminación de costos soluciona la dificultad que
Más detallesExplotación de las variables educativas de la Encuesta de Población Activa: Nivel de Formación y Formación Permanente.
Explotación de las variables educativas de la Encuesta de Población Activa: Nivel de Formación y Formación Permanente Resultados 2014 NOTA RESUMEN El Ministerio de Educación, Cultura y Deporte actualiza
Más detalles1.1. Introducción y conceptos básicos
Tema 1 Variables estadísticas Contenido 1.1. Introducción y conceptos básicos.................. 1 1.2. Tipos de variables estadísticas................... 2 1.3. Distribuciones de frecuencias....................
Más detallesTema 2 - Introducción
Tema 2 - Introducción 1 Tema 1. Introducción a la inferencia estadística Planteamientos y objetivos. Revisión de distribuciones multivariantes. Esperanza y varianza de sumas de v.a. independientes. Tema
Más detallesINCERTIDUMBRE Y PRECISIÓN
INCERTIDUMBRE Y PRECISIÓN Alicia Maroto, Ricard Boqué, Jordi Riu, F. Xavier Rius Departamento de Química Analítica y Química Orgánica Instituto de Estudios Avanzados Universitat Rovira i Virgili. Pl. Imperial
Más detallesSoluciones de los ejercicios de Selectividad sobre Probabilidad de Matemáticas Aplicadas a las Ciencias Sociales II
Soluciones de los ejercicios de Selectividad sobre Probabilidad de Antonio Francisco Roldán López de Hierro * Convocatoria de 2008 Las siguientes páginas contienen las soluciones de los ejercicios propuestos
Más detallesTEORÍA CLÁSICA DE MEDICIÓN TC Y TEORÍA DE RESPUESTA AL ITEM TRI
TEORÍA CLÁSICA DE MEDICIÓN TC Y TEORÍA DE RESPUESTA AL ITEM TRI UNIVERSIDAD DE CHILE VICERRECTORÍA DE ASUNTOS ACADÉMICOS Departamento de Evaluación, Medición y Registro Educacional DEMRE ABRIL DE 2005
Más detallesTEMA 4: Introducción al Control Estadístico de Procesos
TEMA 4: Introducción al Control Estadístico de Procesos 1 Introducción 2 Base estadística del diagrama de control 3 Muestreo y agrupación de datos 4 Análisis de patrones en diagramas de control 1. Introducción
Más detallesINTRODUCCION. La introducción del euro como moneda de pleno derecho en once países 1 de la Unión
INTRODUCCION La introducción del euro como moneda de pleno derecho en once países 1 de la Unión Europea, nombrados en conjunto Zona Monetaria Europea o eurozona, ha implicado importantes cambios en las
Más detallesTeoría de Colas o Fenómenos de Espera
Teoría de Colas o Fenómenos de Espera Área de Estadística e Investigación Operativa Licesio J. Rodríguez-Aragón Febrero 2011 Introducción 2 Introducción............................................................
Más detallesAsignatura: Econometría. Conceptos MUY Básicos de Estadística
Asignatura: Econometría Conceptos MUY Básicos de Estadística Ejemplo: encuesta alumnos matriculados en la UMH Estudio: Estamos interesados en conocer el nivel de renta y otras características de los estudiantes
Más detallesC A P Í T U L O 1 LA PROBABILIDAD DE HELADA Y EL RIESGO DE DAÑO IMPORTANCIA DE LA PROBABILIDAD Y DEL RIESGO
C A P Í T U L O 1 LA PROBABILIDAD DE HELADA Y EL RIESGO DE DAÑO IMPORTANCIA DE LA PROBABILIDAD Y DEL RIESGO Los métodos más eficaces de protección contra las heladas son la plantación de cultivos que no
Más detallesUNEDpSI: Un programa didáctico de análisis de datos en Psicología. Área Temática: Universidades virtuales y centros de educación a distancia.
UNEDpSI: Un programa didáctico de análisis de datos en Psicología. Área Temática: Universidades virtuales y centros de educación a distancia. Ángel Villarino y Pedro Rodríguez-Miñón. (avillarino@psi.uned.es
Más detallesTAMAÑO ÓPTIMO DE MUESTRA EN EL CONTEXTO DE UN SISTEMA INTEGRADO DE ENCUESTAS DE HOGARES FERNANDO MEDINA CEPAL
103 TAMAÑO ÓPTIMO DE MUESTRA EN EL CONTEXTO DE UN SISTEMA INTEGRADO DE ENCUESTAS DE HOGARES FERNANDO MEDINA CEPAL 104 Tamaño óptimo de muestra en el contexto de un sistema Cuál debe ser el tamaño de una
Más detallesTema 1: Test de Distribuciones de Probabilidad
Tema 1: Test de Distribuciones de Probabilidad 1.- Una compañía de seguros tiene 1000 asegurados en el ramo de accidentes. Si la el modelo mejor para el número de siniestros en un año es: a) Normal (5;,3).
Más detallesMétodos no paramétricos para la comparación de dos muestras
Investigación Métodos no paramétricos para la comparación de dos muestras Métodos no paramétricos para la comparación de dos muestras Pértega Díaz, S. Unidad de Epidemiología Clínica y Bioestadística.
Más detallesMETODOLOGIA DE LA INVESTIGACION. Capitulo III
92 METODOLOGIA DE LA INVESTIGACION Capitulo III 92 CAPITULO III METODOLOGIA DE LA INVESTIGACION 1. TIPO DE INVESTIGACIÓN La presente investigación tiene como objetivo principal analizar la inteligencia
Más detallesLICENCIADO EN CIENCIAS AMBIENTALES PROGRAMA DE ESTADÍSTICA
LICENCIADO EN CIENCIAS AMBIENTALES PROGRAMA DE ESTADÍSTICA CURSO 2010-2011 TITULACIÓN: CIENCIAS AMBIENTALES ASIGNATURA: ESTADISTICA ÁREA DE CONOCIMIENTO: Estadística e Investigación Operativa Número de
Más detallesIntroducción a la Teoría de Probabilidad
Capítulo 1 Introducción a la Teoría de Probabilidad Para la mayoría de la gente, probabilidad es un término vago utilizado en el lenguaje cotidiano para indicar la posibilidad de ocurrencia de un evento
Más detallesOncoBarómetro, Imagen social de las personas con cáncer. Resumen ejecutivo - 2013
OncoBarómetro, Imagen social de las personas con cáncer Resumen ejecutivo - 2013 1 El cáncer no es solo una enfermedad médica, sino también una realidad social. Sin duda, conocer dicha vertiente social
Más detallesNORMA ISO 31000 DE RIESGOS CORPORATIVOS
NORMA ISO 31000 DE RIESGOS CORPORATIVOS La norma ISO 31000 establece principios y guías para el diseño, implementación y mantenimiento de la gestión de riesgos en forma sistemática y transparente de toda
Más detallesUnidad 6. Distribuciones de probabilidad continua, muestreo y distribución de muestras
Unidad 6 Distribuciones de probabilidad continua, muestreo y distribución de muestras Introducción La unidad 5 se enfocó en el estudio de las distribuciones de probabilidad discreta, entre las cuales
Más detallesIS-32. ESC s importantes para el riesgo requeridos por el criterio 4 en Ascó y Vandellós II
IS-32. ESC s importantes para el riesgo requeridos por el criterio 4 en Ascó y Vandellós II Joan Fornós Herrando (jfornosh@anacnv.com) Héctor Hernández Escolano (hhernandez@anacnv.com) ANAV RESUMEN La
Más detallesEconometría de Económicas
Econometría de Económicas Apuntes para el tema 6 Curso 2004-2005 Profesoras Amparo Sancho Guadalupe Serrano Modelos de panel de datos Datos de Panel son aquellos que surgen de la observación de una misma
Más detallesPRUEBA ESPECÍFICA PRUEBA 2015
PRUEBA DE ACCESO A LA UNIVERSIDAD MAYORES DE 5 AÑOS PRUEBA ESPECÍFICA PRUEBA 015 PRUEBA SOLUCIONARIO HAUTAPROBAK 5 URTETIK 015eko MAIATZA DE 5 AÑOS MAYO 015 Aclaraciones previas Tiempo de duración de la
Más detallesII ENCUESTA NACIONAL DE PRESUPUESTOS FAMILIARES RESUMEN DEL DISEÑO DE LA MUESTRA
469 II ENCUESTA NACIONAL DE PRESUPUESTOS FAMILIARES RESUMEN DEL DISEÑO DE LA MUESTRA VICEPRESIDENCIA DE ESTUDIOS GERENCIA DE ESTADÍSTICAS ECONÓMICAS BANCO CENTRAL VENEZUELA 470 II Encuesta nacional de
Más detalles1. INTRODUCCIÓN 1.1 INGENIERÍA
1. INTRODUCCIÓN 1.1 INGENIERÍA Es difícil dar una explicación de ingeniería en pocas palabras, pues se puede decir que la ingeniería comenzó con el hombre mismo, pero se puede intentar dar un bosquejo
Más detalles3. ESTADOS FINANCIEROS PROFORMA
3. ESTADOS FINANCIEROS PROFORMA 3.1 Concepto Los estados financieros pro forma son las proyecciones financieras del proyecto de inversión que se elaboran para la vida útil estimada o también llamado horizonte
Más detallesLa Productividad Total de los Factores en Castilla y León
La Productividad Total de los Factores en Castilla y León Zenón J. Ridruejo (Catedrático de Análisis Económico. Universidad de Valladolid) Julio López Díaz (Titular de Análisis Económico. Universidad de
Más detallesCAPITULO 4 JUSTIFICACION DEL ESTUDIO. En este capítulo se presenta la justificación del estudio, supuestos y limitaciones de
CAPITULO 4 JUSTIFICACION DEL ESTUDIO En este capítulo se presenta la justificación del estudio, supuestos y limitaciones de estudios previos y los alcances que justifican el presente estudio. 4.1. Justificación.
Más detallesFACULTAD DE ENFERMERIA MAESTRÌA EN ENFERMERIA PROGRAMA DEL CURSO ESTADÌSTICA AVANZADA CODIGO MC1114 REQUISITOS EG2113 CREDITO: 4
FACULTAD DE ENFERMERIA MAESTRÌA EN ENFERMERIA PROGRAMA DEL CURSO ESTADÌSTICA AVANZADA CODIGO MC1114 REQUISITOS EG2113 CREDITO: 4 REQUISITO LICENCIATURA EN ENFERMERÌA PROFESOR 1. Justificación. Se requiere
Más detallesESTADÍSTICA BÁSICA en LABORATORIOS (Físico - Químicos)
ESTADÍSTICA BÁSICA en LABORATORIOS (Físico - Químicos) (Aplicaciones de Microsoft Excel ) Curso a distancia (EDICIÓN Junio 2012) ASECAL, S.L. MADRID-ESPAÑA RONDA DE TOLEDO, 8, LOCAL 1º- 28005 MADRID. Teléfono:
Más detallesESTADÍSTICA SEMANA 4
ESTADÍSTICA SEMANA 4 ÍNDICE MEDIDAS DE DISPERSIÓN... 3 APRENDIZAJES ESPERADOS... 3 DEfinición de Medida de dispersión... 3 Rango o Recorrido... 3 Varianza Muestral (S 2 )... 3 CÁLCULO DE LA VARIANZA...
Más detallesGeneración de Números Pseudo-Aleatorios
Números Aleatorios Son un ingrediente básico en la simulación de sistemas Los paquetes de simulación generan números aleatorios para simular eventos de tiempo u otras variables aleatorias Una secuencia
Más detallesMADRID / JUNIO 06 LOGSE / MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES / OPCIÓN A/ EXAMEN COMPLETO
EXAMEN COMPLETO INSTRUCCIONES GENERALES Y VALORACIÓN INSTRUCCIONES: El examen presenta dos opciones: A y B. El alumno deberá elegir una de ellas y contestar razonadamente a los cuatro ejercicios de que
Más detallesEncuesta económica del sector de servicios profesionales y empresariales. Cálculo de Errores de Muestreo.
Encuesta económica del sector de servicios profesionales y empresariales. Cálculo de Errores de Muestreo. 1 INDICE 1. Introducción...3 2. Breve descripción de la encuesta...3 2.1 Definición...3 2.2 Diseño
Más detallesNorma de Información Financiera. NIF A 6. Reconocimiento y valuación
Objetivos Norma de Información Financiera NIF A 6. Reconocimiento y valuación Establecer los criterios generales que deben utilizarse en la valuación, tanto en el reconocimiento inicial como en el posterior,
Más detallesSe modifican los modelos de presentación de Cuentas Anuales aprobados por la Orden JUS/206/2009, de 28 de enero.
NOVEDADES MODELOS DE PRESENTACION DE CUENTAS ANUALES Se modifican los modelos de presentación de Cuentas Anuales aprobados por la Orden JUS/206/2009, de 28 de enero. Estos cambios son consecuencia de la
Más detallesANALIZANDO GRAFICADORES
ANALIZANDO GRAFICADORES María del Carmen Pérez E.N.S.P.A, Avellaneda. Prov. de Buenos Aires Instituto Superior del Profesorado "Dr. Joaquín V. González" Buenos Aires (Argentina) INTRODUCCIÓN En muchos
Más detallesUN MODELO DE PRONÓSTICO PARA LAS PRIMAS DE SEGUROS DE VIDA Y PERSONAS
UN MODELO DE PRONÓSTICO PARA LAS PRIMAS DE SEGUROS DE VIDA Y PERSONAS Wilson Mayorga M. Director de Cámara de Vida y Personas y Actuaría Con base en modelos de regresión que explican la evolución de las
Más detallesDEPRECIACIÓN DE PROPIEDADES, PLANTA Y EQUIPOS
DEPRECIACIÓN DE PROPIEDADES, PLANTA Y EQUIPOS Por Dr. Juan José Pérez G. Departamento de Estudios Regionales y Urbanos, Instituto de Investigaciones de la Facultad de Ciencias Económicas y Sociales (LUZ)
Más detallesDiseños de Investigación 40 conceptos que debes conocer
Diseños de Investigación 40 conceptos que debes conocer 1. El método científico: Se puede realizar desde dos enfoques distintos, hipotético deductivo y analítico inductivo. Con frecuencia los dos ocurren
Más detallesTratamiento del Riesgo
Tratamiento del Riesgo 1 En que consiste el tratamiento de los riesgos? 2. Cuando debemos enfrentarnos a los riesgos? 3. Estrategias de tratamiento de riesgos 4. Modelo de Análisis de Riesgos 5. Qué pasos
Más detallesCORRECCIÓN DEL MISMATCH E INCERTIDUMBRE ASOCIADA EN LA MEDICIÓN DE POTENCIA EN RF
CORRECCIÓN DEL MISMATCH E INCERTIDUMBRE ASOCIADA EN LA MEDICIÓN DE POTENCIA EN RF H. Silva, G. Monasterios, A. Henze N. Tempone Instituto Nacional de Tecnología Industrial (INTI), Electrónica e Informática,
Más detalles7. Conclusiones. 7.1 Resultados
7. Conclusiones Una de las preguntas iniciales de este proyecto fue : Cuál es la importancia de resolver problemas NP-Completos?. Puede concluirse que el PAV como problema NP- Completo permite comprobar
Más detallesAula Banca Privada. La importancia de la diversificación
Aula Banca Privada La importancia de la diversificación La importancia de la diversificación La diversificación de carteras es el principio básico de la operativa en mercados financieros, según el cual
Más detallesINTRODUCCIÓN A LA PROBABILIDAD.
INTRODUCCIÓN A LA ROBABILIDAD. Departamento de Matemáticas Se denomina experimento aleatorio a aquel en que jamás se puede predecir el resultado. El conjunto formado por todos los resultados posibles de
Más detallesLos valores de las respuesta son las puntuaciones que, de cada individuo, o cluster, obtenemos semanalmente durante cinco semanas consecutivas:
Sobre los modelos lineales mixtos Ejemplo: Recuperación de infarto. Para estudiar las diferencias entre dos procedimientos diferentes de recuperación de pacientes de un infarto, se consideraron dos grupos
Más detallesTema 3 Probabilidades
Probabilidades 1 Introducción Tal vez estemos acostumbrados con algunas ideas de probabilidad, ya que esta forma parte de la cultura cotidiana. Con frecuencia escuchamos a personas que hacen afirmaciones
Más detallesTeoría de Colas. TC: Parte de la Investigación Operativa que estudia el comportamiento de sistemas cuyos elementos incluyen líneas de espera (colas).
Teoría de Colas TC: Parte de la Investigación Operativa que estudia el comportamiento de sistemas cuyos elementos incluyen líneas de espera (colas). IO 07/08 - Teoría de Colas 1 Teoría de Colas: ejemplos
Más detallesMUESTREO CONCEPTOS GENERALES
MUESTREO CONCEPTOS GENERALES Resumen del libro Muestreo para la investigación en Ciencias de la Salud Luis Carlos Silva Ayçaguer (páginas de la 1 a la 14) Cuando se decide cuantificar sólo una parte de
Más detallesPreparación de las centrales nucleares españolas ante sismos
Preparación de las centrales nucleares españolas ante sismos Noviembre 2013 Las centrales nucleares españolas se sitúan en zonas de muy baja sismicidad. Aún así, los reactores nucleares españoles están
Más detallesESTÁNDAR DE PRÁCTICA ACTUARIAL NO. 02
ESTÁNDAR DE PRÁCTICA ACTUARIAL NO. 02 CÁLCULO ACTUARIAL DE LA RESERVA DE RIESGOS EN CURSO PARA LOS SEGUROS DE CORTO PLAZO (VIDA Y NO-VIDA) Desarrollado por el Comité de Estándares de Práctica Actuarial
Más detallesSISTEMAS Y MANUALES DE LA CALIDAD
SISTEMAS Y MANUALES DE LA CALIDAD NORMATIVAS SOBRE SISTEMAS DE CALIDAD Introducción La experiencia de algunos sectores industriales que por las características particulares de sus productos tenían necesidad
Más detalles