DETERMINACIÓN DEL TAMAÑO MUESTRAL PARA LA SELECCIÓN DE POBLACIONES CON DISTRIBUCIÓN WEIBULL
|
|
- José Ramón Cuenca Carrasco
- hace 8 años
- Vistas:
Transcripción
1 DETERMINACIÓN DEL TAMAÑO MUESTRAL PARA LA SELECCIÓN DE POBLACIONES CON DISTRIBUCIÓN WEIBULL Alejadro Quiroz Zárate & Erique Villa Diharce Comuicació Técica No I-06-3/ (CC/CIMAT)
2 Determiació del tamaño muetral para la elecció de poblacioe co ditribució Weibull. Alejadro Quiroz Zárate Erique Villa Diharce 2 aquiroz@cimat.mx, villadi@cimat.mx 2 Reume La eceidad de reducir coto y elevar la calidad de lo producto e la idutria, ha llevado a la emprea a la diámica de ahorrar y mejorar la calidad de u producto cotiuamete. U factor muy importate e eta tarea o lo proveedore de lo compoete que e utiliza como materia prima. Por eto e que co gra frecuecia e tiee el problema de eleccioar el mejor proveedor de etre vario que ofrece u compoete determiado. De acuerdo a la ueva iiciativa de calidad, el coto ha dejado de er el criterio úico para eta elecció, agregádoe ahora la co abilidad como u factor muy importate. E ete artículo e preeta u procedimieto de elecció para la ditribució Weibull. La elecció de eta ditribució fue de acuerdo a u criterio de co abilidad, por er eta ditribució ua de la ma comue e la modelació de tiempo a la falla. Itroducció El problema de elecció de poblacioe e ecuetra e diferete cotexto de aplicació, e dode cotamo co varia poblacioe y debemo elegir ua de ella, que ea la mejor de acuerdo a algú criterio de comparació. E la idutria e comú dipoer de vario proveedore de u determiado compoete y teer que elegir al proveedor cuyo producto ea el mejor, de acuerdo a algú criterio de comparació. Cuado la co abilidad del producto e la caracterítica determiate, etoce la comparació de lo proveedore debe llevare a cabo coiderado métrica de co abilidad, como por ejemplo, la vida media o la co abilidad a u cierto ivel determiado. Lo dato de lo compoete que o da iformació de u ivel de co abilidad, o lo tiempo de vida, razó por la requerimo coocer procedimieto de comparació de poblacioe, para poblacioe cuya ditribucioe correpoda a ditribucioe de tiempo de vida. Tomado e cueta que ua ditribució de tiempo de vida muy frecuete e la ditribució Weibull, e ete trabajo dearrollamo u procedimieto para determiar el tamaño muetral eceario de la diferete poblacioe que comparamo, cuado la ditribució e Weibull. E la ecció 2, e expoe el plateamieto geeral del problema de elecció de poblacioe. E eta ecció e da lo elemeto eceario para poder obteer el tamaño muetral eceario para lograr ua determiada probabilidad de elecció correcta. Preprit ubmitted to Elevier Sciece 25 March 2006
3 E la ecció 3, e dearrolla el procedimieto que o permite determiar el tamaño muetral requerido para eleccioar la mejore poblacioe de etre u grupo de k (k > ) poblacioe co ditribució Weibull. La comparació e hace e térmio del parámetro de ecala de la ditribucioe Weibull, coiderado que eta tiee el mimo parámetro de forma. Tambié e muetra el fucioamieto geeral del programa elaborado (T ama~o M uetral) para ete trabajo para el cálculo de lo tamaño muetrale. E la ecció 4, e muetra u ejemplo de elecció de proveedore de bola de aire para automóvile, aquí e compara ei proveedore y e elije a lo do mejore. E la ecció 5, e expoe la cocluioe del trabajo y e decribe el trabajo a dearrollar poteriormete como cotiuació del preete etudio. 2 Plateamieto geeral Supogamo que teemo k poblacioe, y que detro de eta exite ua que e la "mejor" població, dode "mejor" e de ido por el ivetigador de acuerdo al cotexto del problema. Nuetro objetivo e ideti car ea població, a la mejor població. Como cualquier procedimieto etadítico, la técica de elecció etá baada e lo reultado de muetra aleatoria tomada de la k poblacioe. Para poder ideti car a la mejor població eceitamo etablecer u procedimieto o regla. Ete procedimieto etará ujeto a la ditribució de la k poblacioe y al parámetro de iteré que tomamo como referecia para de ir y eleccioar a la mejor població. Para eto, etablecemo ua medida de dicrepacia etre lo parámetro de referecia de la poblacioe bajo comparació. Debido a que la dicrepacia etre la poblacioe e etima por la dicrepacia muetrale correpodiete y eta tiee ua variabilidad aleatoria atural, requerimo que la dicrepacia muetrale etre do poblacioe ea mayor que u valor umbral para ideti- car ua diferecia etre eta poblacioe. Ete valor umbral lo de irá el ivetigador de acuerdo al cotexto del problema o lo itrumeto. Aí, i la mejor població di ere de la demá cuado meo e u valor míimo preetablecido podremo ideti carla. Exite la poibilidad de que la població de la cual e obtuvo el mejor parámetro etimado (de acuerdo al procedimieto etablecido) o tega e realidad el mejor parámetro. Por ete motivo e que e eceita cuati car la poibilidad de cometer errore. Primero aalizaremo la aturaleza del error que e puede cometer e u procedimieto de elecció etadítico, depué etableceremo ua medida de dicrepacia y e bae a eta y a la aturaleza del error e baará uetra cuati cació de lo errore. 2
4 2. La loofía de la elecció de poblacioe El etablecimieto de u procedimieto de elecció iduce la de ició de ua variable aleatoria X: Eta variable aleatoria depederá de la muetra que obtegamo de cada població y del parámetro de iteré co el cual efectuaremo la elecció. Vamo a upoer que eta variable aleatoria, para impli car el problema del procedimieto etadítico de elecció, tiee algua ditribució F (x; ): La diferecia que e regitre e la obteció de la k medicioe e X; re eja la diferecia etre lo k parámetro repectivo, ; 2 ; : : : ; k La obervacioe o tomada de maera idepediete y etá ditribuida de la iguiete maera: Població 2... k Ditribució F (x; ) F (x; 2 )... F (x; k ) Hay que teer e coideració que e etá cotruyedo toda ua metodología de elecció alrededor de u parámetro totalmete decoocido e cada ua de la poblacioe, lo i, para poder hacer iferecia obre u comportamieto. Para poder etablecer el error que e puede cometer e u proceo de elecció, upogamo que la mejor població tiee el parámetro (k). Eta otació eta ujeta a la de ició de mejor població y al procedimieto de elecció. Ahora, ituitivamete e razoable obteer el etimador e i para cada i de la obervacioe correpodiete y etablecer que la mejor població e la que tega e (k) : Ete procedimieto parece razoable pero la poibilidad de cometer u error iempre exite, pueto que podemo aber de que població proviee e (k) ; má o abemo i ea població e la "mejor": Co el de etablecer el tipo de error que e puede cometer e u procedimieto etadítico de elecció, aalicemo lo errore e el cao del paradigma de Neyma-Pearo e la teoría de prueba de hipótei. No e puede hacer ua comparació directa por la diferecia loó ca etre eto procedimieto. E teoría de prueba de hipótei, bajo el paradigma de Neyma- Pearo, la idea loó ca radica e que el ivetigador tiee ua hipótei acerca del feómeo e cuetió y utilizará la maquiaria de ete paradigma para corroborar o o la hipótei. E u procedimieto etadítico de elecció, la loofía e muy ditita, el ivetigador utiliza lo que ya abe de la poblacioe para iferir cual e la "mejor" població, má el uca etableció hipótei algua. E por eto, que lo má que e puede hacer e ua aalogía, y eo e lo que haremo. Lo errore que e puede cometer e ua prueba de hipótei aplicado el paradigma de Neyma-Pearo o: el de rechazar H 0 (la hipótei ula) cuado e cierta, llamado error Tipo I o el de o rechazar H 0 cuado eta e fala, llamado error Tipo II. 3
5 Situació Real H 0 verdadera H 0 fala Deciió del No rechazar H 0 No hay error Error (T ipoii) Etadítico Rechazar H 0 Error (T ipoi) No hay error E ua prueba cláica co la hipótei ula de homogeeidad etre lo parámetro, el error de Tipo I olamete e puede cometer e el ubcojuto del epacio parametral e dode = 2 = : : : = k y el error de Tipo II olamete e puede cometer e el ubcojuto del epacio parametral e dode la igualdad o e matiee. E u procedimieto de elecció, la elecció e correcta i el valor de de la població eleccioada e el "mejor", eto e (k) : Hay que teer e cueta que uetro objetivo o e etimar (k) ; i tomar deciió algua obre el valor de (k) io olamete eleccioar a la població que tiee el valor de igual a (k) : Por lo que olamete e comete error i la elecció e icorrecta, eto e, a rmar que el valor de de la població eleccioada e el "mejor" cuado o lo e. E por eta razó que e lo procedimieto de elecció exite el aálogo del error de Tipo II pero o exite el aálogo del error de Tipo I. Supogamo que la població de la cual proviee (k) e la j éima: Situació Real Deciió del (k) = j (k) 6= j Etadítico A rmar que e (k) proviee de la j éima població X 2.2 Apecto aalítico del problema de elecció de la mejor població 2.2. Zoa de Idiferecia y Zoa de Preferecia Recordemo el plateamieto geeral. Supogamo que teemo k poblacioe y que uetro objetivo e eleccioar a la "mejor" detro de éta. (Etamo upoiedo que k 2). Dada eta upoicioe, el epacio parametral e R k dim() ; pue el parámetro o eceariamete e uidimeioal. Podemo teer vario procedimieto de elecció, h = ; 2; :::; m: Eto procedimieto de elecció etará e fució del o de lo parámetro obre lo que e hará la elecció. Para elegir el procedimieto que o de el meor error de elecció, cuati caremo lo procedimieto mediate ua probabilidad de elecció correcta. De amo a P h como la probabilidad de ua elecció correcta utilizado el procedimieto de elecció h: El procedimieto g erá el mejor procedimieto de elecció i atiface que: P g P h ; 8h 2 f; 2; :::; mg; Si embargo, como el epacio parametral cota de ua i idad de elemeto, habrá zoa de éte e dode g ea el mejor procedimieto y otra zoa e la que k ea el mejor 4
6 procedimieto, dode k 2 f; 2; :::; mg fgg. Eta maera de proceder o e del todo e ciete, pero o proporcioa ua maera de proceder. Para poder etablecer el mejor procedimieto aalizaremo el epacio parametral, dividiédolo e zoa de valore de 2 e dode podamo etablecer la preferecia de hacer ua elecció correcta y e otra e dode o podemo etablecer preferecia etre ditita eleccioe. Eta zoa etará e fució de la limitació y la exitecia de errore e la medició o e el umbral jado por el ivetigador. La regioe o: ) ua e la cual la ditacia etre lo parámetro de la poblacioe ea grade o ditiguible del umbral, llamada zoa de preferecia (ZP) y 2) otra e dode la ditacia etre lo parámetro de la poblacioe ea pequeña o iditiguible, llamada zoa de idiferecia (ZI). Para ejempli car como e particioa el epacio parametral veamo lo iguiete: Supogamo que teemo k poblacioe y que uetro objetivo e eleccioar a la "mejor" detro de éta, dode la mejor erá la població que tega el parámetro má grade (Etamo upoiedo que k 2). E decir, e otació de etadítica de orde: [] ; [2] ; :::; [k] tal que [i] [i+] y queremo eleccioar [k] : Bajo eta otació etamo coiderado a todo lo parámetro [] ; [2] ; :::; [k] : Ahora, como queremo eleccioar a la població que tega [k] ; e atural coiderar ada má la diferecia etre [k] y [k ] ; pue i la diferecia etre eta o permite difereciar a la mejor, tambié lo hará la diferecia etre la demá. Aí, por la propiedade de la etadítica de orde, hemo reducido la dimeió del epacio parametral. El epacio que ha reultado e = f( [k ] ; [k] )j [i] 2 Rg R 2 : Pero, cómo podremo dividir al epacio parametral e la zoa ZP y ZI? De amo como ( [k ] ; [k] ) = [k] [k ] ; la medida de dicrepacia que utilizaremo. Debido a uetra limitacioe e lo proceo de medició, errore e lo experimeto o la codicioe impueta por el cotexto del problema del ivetigador, e ja u umbral. A partir de ete umbral e de e la zoa de preferecia (ZP) y de idiferecia (ZI), de la iguiete maera: e dode e el umbral. ZP [k] [k ] ZI [k] [k ] < 5
7 Fig.. Ejemplo de la repreetació grá ca de la zoa de preferecia (ZP) y de idiferecia (ZI) iducida por la medida de dicrepacia Probabilidad de ua elecció correcta De aquí e adelate deotaremo a la elecció correcta por SC. Etoce, la probabilidad de ua elecció correcta bajo cualquier co guració 2 e P (SCj): Eta probabilidad debe de er grade i 2 ZP y pequeña i 2 ZI: Siedo uetro objetivo eleccioar a la mejor població, cetraremo uetra ateció de SC e ZP. Auque puede uceder que e la ZP exita i ita co guracioe lo que complicaría e gra medida el problema de ecotrar P (SCj): Si embargo, puede exitir ua co guració e ZP e la cual P (SCj) ea míima. A eta co guració le llamaremo la co guració meo favorable (CMF) y e deotará MF = ( ;MF ; 2;MF ; ::: k;mf ): Cuado eta co guració exita cetraremo uetra ateció olamete a ella, pueto que o brida ua cota iferior a toda la probabilidade de ua elecció correcta. De eta maera habremo impli cado el problema. P (SCj) P (SCj MF ); 8 2 ZP: E importate aclarar que la MF puede o er u vector io tambié puede er u cojuto de vectore, lo que explica el porque de u ombre: co guració meo favorable, i 6
8 embargo, e importate otar que P (SCj) = P para 8 2 CMF. Hata aquí teemo todo lo elemeto eceario para poder implemetar u procedimieto de elecció etadítica. Vamo a ilutrarlo. Supogamo que teemo k poblacioe co cierta ditribució coocida, y detro de eta queremo eleccioar a la mejor de acuerdo al valor má grade de u cierto parámetro o cierto parámetro de u vector de parámetro. El primer pao e etablecer ua etadítica apropiada T. Eta etadítica deberá er apropiada de acuerdo al parámetro o parámetro de iteré, aí como tambié a la ditribució de la poblacioe y al objetivo del procedimieto. Deotemo a T i como el valor de la etadítica de la població i éima co i 2 f; 2; :::; kg: Deotemo a T [i] a lo etadítico de orde, etoce tedremo T [] T [2] ::: T [k] : Como uetro objetivo e eleccioar a la població que tega [k] ; etoce el procedimieto de elecció R e implemete ecoger a la població de la que provega T [k] : Eta maera de proceder e batate aceptable, auque urge de maera atural do puto cruciale que etá ligado. ) Etimació del tamaño de la k muetra, elegida de la poblacioe correpodiete. 2) Etimació de la verdadera probabilidad de ua elecció correcta. E ete trabajo cetraremo uetra ateció e la etimació del tamaño míimo muetral de la k poblacioe de tal maera que podamo teer ua co abilidad etablecida Determiació del tamaño de muetra Para determiar el tamaño de muetra aumimo que el experimeto etá e la etapa de dieño, dode requerimo determiar el tamaño de muetra de cada població para poder etablecer que el procedimieto de elecció que hemo decrito o lleve a ua elecció correcta co ua probabilidad determiada. Sea k el úmero de poblacioe co la que cotamo. Nuetro objetivo e el determiar lo tamaño de muetra, i ; i 2 f; 2; :::; kg de tal maera que la probabilidad de ua elecció correcta ea al meo u P epeci cado. Por lo que, para poder implemetar eta metodología el ivetigador eceita etablecer P y como e ve e la ecció aterior, e eceita tambié la epeci cació del umbral : Hay que otar que e debe teer P > ; pue i o lo e, podemo alcazar tal co abilidad i k iquiera teer la eceidad de obteer dato. Utilizado la otació de la ecció aterior teemo que uetro objetivo e obteer lo tamaño de muetra míimo para poder aegurar lo iguiete: P (SCj) P ; para 8 2 ZP. 7
9 2.3 Geeralizació de lo apecto aalítico del problema de elecció de la mejore poblacioe La loofía del problema de elecció de la mejore poblacioe e aáloga al cotexto de la elecció de la "mejor "població. El cotexto e ete cao e el iguiete: queremo eleccioar al "mejor" grupo de poblacioe, e dode, ete grupo eta cotituido por poblacioe de u total de k: Dada eta ituació, el epacio parametral cambia, pue la zoa de preferecia (ZP) y la zoa de idiferecia (ZI) o modi cada, veamo porque: teemo k poblacioe y uetro objetivo e eleccioar a la "mejore" detro de éta, dode la mejore erá la que tega lo parámetro má grade (Etamo upoiedo que k 2). E decir, e otació de etadítica de orde, queremo eleccioar a [k] ; [k ] ; :::; [k +] :Bajo eta otació etamo coiderado a todo lo parámetro [] ; [2] ; :::; [k] : Como queremo eleccioar a la "mejore" e atural coiderar ada má la diferecia etre [k +] y [k ] ; pue i la diferecia etre eta o permite difereciar a la mejor, tambié lo hará la diferecia etre la demá. Aí, por la propiedade de la etadítica de orde, hemo reducido la dimeió del epacio parametral. El epacio que ha reultado e = f( [k +] ; [k ] )j [i] 2 R; i 2 fk + ; k gg R 2 : Al igual que e el cotexto de la elecció de la mejor població, de iremo como la medida de dicrepacia a: ( [k +] ; [k ] ) = [k +] [k ] ; Por lo ya ate mecioado, por uetra limitacioe e la metodología de medició y tambié por la codicioe impueta por el cotexto del problema del ivetigador, e ja u umbral, a partir del cual e de e la zoa de preferecia (ZP) y de idiferecia (ZI), de la iguiete maera: ZP [k +] [k ] ZI [k +] [k ] < e dode e el umbral de ido por el ivetigador de acuerdo al cotexto del problema. El etablecimieto de la probabilidad de elecció correcta erá aáloga al cao de la elecció de la "mejor" població, pueto que el epacio parametral e olamete ua proyecció ditita del epacio paramatral. 8
10 3 Selecció de la mejore poblacioe co ditribució Weibull, co lo parámetro de ecala má grade co parámetro de forma coocido E eta ecció dearrollaremo la idea geeral de la obteció del tamaño muetral que o permitirá eleccioar la poblacioe detro de u cojuto de k poblacioe, co ditribució Weibull, que tega el parámetro de ecala má grade. El dearrollo de ete procedimieto de elecció eta baado e lo trabajo para la elecció de la poblacioe, co ditribució ormal, que tega la media ma grade detro de u cojuto de k poblacioe. ( [], [2],[3] y [4]). E el cotexto de la poblacioe co ditribució ormal, e upodrá que la variaza o coocida. E ete cotexto, e que la poblacioe tiee ditribució Weibull, upoemo que lo parámetro de forma o coocido e iguale. La elecció de la mejor població detro de u cojuto de k poblacioe e u cao particular del cao geeral que aquí e muetra, ya que ete cao e tiee cuado = : 3. Plateamieto del problema Se tiee k poblacioe idepediete co ditribució Weibull. De eta e ha recolectado la obervacioe T i;j W eibull( i ; ) dode i k y j k :Aquí k e el tamaño de la muetra que elegimo de la k eima població. E ete cotexto, etamo aumiedo que el parámetro de ecala i e decoocido y que el parámetro de forma, ; e coocido. Caracterizaremo a cada població por u parámetro de ecala y de iremo como la mejore poblacioe a la que tega lo parámetro de ecala má grade. Eta elecció e deeará co ua probabilidad de al meo P y de acuerdo al cotexto del problema e geeral e deea que lo parámetro de ecala ma grade e diferecie de lo retate k e al meo u: Dado que la obervacioe tiee ditribució Weibull e tiee lo iguiete j X T j = T i;j j ; j ; () i= dode j k: A partir de lo aterior e tiee que E(T j ) = j = j j V ar(t j ) = 2 j = j 2 j Para la elecció de la mejore poblacioe, eceitamo ua maera de medir la dicrepacia. Ua maera de hacerlo e tomado la diferecia de lo valore eperado de la etadítica. Pero i procedemo de eta maera o efretaremo a ua complicació, que la ditacia etará depediedo, ademá del parámetro de ecala, del tamaño de la muetra; 9
11 y eo e algo que o e deea. Evitamo eta complicació, tomado el cociete de lo valore eperado e itroduciedo la retricció de que e toda la poblacioe tomaremo el mimo tamaño de muetra. Procediedo de eta maera y teiedo e cueta el aálii hecho e la ecció.3, tedremo lo iguiete: [k ] [k +] ; [k ] = = [k ] [k +] [k +] = [k ] [k +] Notemo que : R 2 +! (0; ]: Teiedo e cueta de que el objetivo e eleccioar a la "mejore" poblacioe que di era, e cociete, u cierto valor u co repecto a lo parámetro de ecala de la ditribució Weibull de la k poblacioe retate, el umbral elegido fue: ( u) : Ate de eguir, itroduciremo ua retricció ma, que coite e que la variaza muetrale ea toda iguale: V ar (T j ) = c; para j k: 3.2 Obteció del tamaño de muetra bajo la probabilidad de ua elecció correcta El objetivo e determiar el tamaño muetral de la poblacioe para eleccioar a la "mejore" poblacioe, que di era de la demá e u cierto umbral. Eta elecció e hará tomado e coideració el error que e pueda cometer, etablecido e la ecció.. Ete error e cuati cará co la probabilidad co la que e quiera hacer la elecció correcta. Por eta razó la probabilidad de elecció correcta erá fució del tamaño muetral () y depederá del umbral que e je ( u ) y de la probabilidad co la que e quiera hacer la elecció correcta (P ): La maera de ideti car la "mejore" poblacioe erá mediate la etadítica T j dada e (). Deotaremo por T (j) a la etadítica de orde, que atiface E T (j) = [j] ; co i k: Como e quiere eleccioar a la "mejore" poblacioe que di era e u umbral dado, queremo calcular la probabilidad de que max T () ; T (2) ; :::; T (k ) < T(k +) < mi T (k +2) ; T (k +3) ; :::; T (k) ; pueto que lo úico que o importa e eleccioar a la "mejore" poblacioe i importar el orde de éta iempre y cuado di era de la k retate e u cierto umbral que e jará co repecto a la població k + : A partir de eto e tiee la expreió iguiete: P h max T () ; T (2) ; :::; T (k ) < T(k +) < mi T (k +2) ; T (k +3) ; :::; T (k) i = P (2) E fácil ver que (2) e equivalete a P [ T () ; T (2) ; :::; T (k ) ; T (k) 2 C] = P (3) 0
12 e dode C = f T () ; T (2) ; :::; T (k ) ; T (k) 2 R k j0 < T (i) < T (k +) ^ T (k +) < T (j) < ^ ::: :::0 < T (k +) < g; co i k y k + 2 j k: Dearrollado (3) teemo lo iguiete: P [ T () ; T (2) ; :::; T (k ) ; T (k) 2 C] = t (j) Z Z 0 t (k +) : : : Z t (k +) Z t(k 0 +) Z t(k : : : 0 +) ky j= t (j) e [j] (j) ( (j) ) [j] (j) dt (j) dt (k +) = Z t 0 () Z 0 (k +) e [k t (k [k +] +) +] ky j= Y ; (t (k +) ) [k +] [j] ; (t (k +) ) k j= ky j=k +2 [j] ; (t (k +) ) 2 4 [j] ; (t (k +) ) 5 dt (k +) = ky j=k [j] ; (t (k +) ) 5 dt (k +) = P ; dode e la fució de deidad de la ditribució Gama y e la fució de ditribució. Ahora por la retricció de que la variaza muetrale o toda iguale a ua cotate c teemo que: 2 j = c, j = r c : Por el etablecimieto de u y por el etablecimieto de la medida de dicrepacia, teemo que el dearrollo aterior e reduce a: Z P = 0 Z = p 0 ( c ;)(t (k Z = p 0 ( c ;)(t (k Y ; (t (k +) ) [k +] ky +)) j= +)) k j= (( u )p c ;)(t (k (( u )p c ;)(t (k [j] ; (t (k +) ) ky j=k +2 ky +)) j=k +2 k +)) [j] ; (t (k +) ) 5 dt (k +) (4) ;)(t (k ;)(t (k +)) dt (k 3 +) +)) dt(k +): El tamaño muetral que deeamo coocer, e la olució a eta ecuació, la cual o tiee forma cerrada y por lo tato debemo obteerla e forma umérica. Para eto, de amo a la iguiete fució: Z G() = p 0 ( c ;)(t (k +)) (( u )p c ;)(t (k k +)) ;)(t (k +)) dt(k +): (5) Reparametrizamo éta fució de la iguiete maera: ea t (k +) = ( p c (k +)): Por la regla de la cadea abemo que (f (x)) 0 = : Aplicado ete cambio de variable dx f 0 (f (x))
13 a la fució de ditribució Gama, teemo que: ;)(x) 0 = 0 ;) por lo que (5) e reduce a lo iguiete: dx ;)(x) = dx ( p c ;) ;)(x) ; Z G() = p 0 ( c ;)(t (k Z ;) 0 ::: " ;) +)) ; ) (z (k +) )!" (( u) p c ;)(t (k (( u) p c ;) ; ) ; ) (z (k +) ) ;) (z (k +))!# ; ) ; ) (z (k +) )! dz (k +) k +))!# k ;)(t (k ( p (z c (k +) ) ; )! ::: +)) dt(k +) = Z 0 (( u) p c ;) ;)(z (k k h i +)) z(k +) dz(k +) = P : A partir del comportamieto de la fució G(); el cálculo umérico de e obtiee mediate algoritmo de itegració y biecció, etableciedo iicialmete lo valore de el umbral de eparació de la poblacioe ( u ); el úmero de poblacioe de iteré (k y ), la probabilidad co la que e deea hacer la elecció correcta (P ) y el coocimieto de lo parámetro de forma de la poblacioe (). Eto algoritmo fuero implemetado el programa T ama~o M uetral; codi cado e C El programa T ama~o M uetral El dearrollo de la ubecció aterior deja e claro que o exite ua expreió cerrada para el cálculo del tamaño muetral para la elecció de la poblacioe co ditribucioe Weibull co el parámetro de ecala ma grade, detro de u cojuto de k poblacioe. E por eta razó que e implemetó el dearrollo de la ecció aterior e u programa llamado T ama~o Muetral; e el cual lo cálculo e dearrolla de maera umérica. Se preeta ua gura de la vetaa del programa para la obteció del tamaño muetral para ditribucioe Weibull co el mimo parámetro de forma. Para la determiació del tamaño muetral, al igual que e motró e la ubecció aterior, el programa eceita como etrada lo iguiete: ) La probablidad P, co la cual e requiere realizar la elecció correcta de la poblacioe 2
14 Fig. 2. Ejemplo del comportamieto de la fució G(): co el parámetro de ecala ma grade. E la vetaa del programa ete parámetro etará repreetado mediate P : 2) Parámetro de forma de la poblacioe Weibull, ; que e ete cao puede er ua etimació de ete. E la vetaa del programa ete parámetro e repreetará como: P arametro de forma: 3) El parámetro de dicrepacia, u; el cual e la vetaa del programa erá repreetado como Delta: 4) El úmero total de poblacioe co el cual e cueta, K; que tiee la mima repreetació e la vetaa del programa. 5) El úmero de poblacioe que e quiere eleccioar, S; que tiee la mima repreetació e la vetaa del programa. Ua vez que e ha etablecido lo parámetro de etrada e la vetaa del programa, e procede a calcular el tamaño muetral requerido. El programa, ua vez que calcula ete tamaño muetral da como reultado ua grá ca de la variació de la probabilidad e fució 3
15 Fig. 3. Ejemplo de la vetaa del programa para la determiació del tamaño muetral para la elecció de la poblacioe Weibull co mayor parámetro de ecala detro de k poblacioe. E el ejemplo la etrada del programa o del ejemplo preetado del tamaño de muetra. El uuario epeci ca lo límite de la grá ca, etableciedo el límite uperior de la probabilidad hata dode uo quiere ver la grá ca al igual que etablece el límite iferior de la probabilidad. Tambié el programa da como reultado el tamaño muetral como fució de lo parámetro de etrada. Se aexa ua gura e dode e preeta e fucioamieto el programa T ama~o M uetral co lo parámetro del ejemplo que e preetará a cotiuació. 4 Ejemplo Supogamo que el departameto de auto legale de ua compañía automovilítica e la que trabajamo, o pide eleccioar a lo 2 activadore de la bola de aire que dure el mayor tiempo poible e buea codicioe, para depué, haciedo u etudio de mercado e eleccioe al activador de bola de aire que ma covega para poder depue, determiar el tiempo de garatia del automóvil al cliete. E el laboratorio, teemo 6 itema de activació de bola de aire y lo tiempo de vida de lo activadore tiee ditribució Weibull. Se aume, por la aturaleza del experimeto y por lo itema de activació que 4
16 hay e el mercado, que lo parámetro de forma de lo 6 activadore que e tiee o iguale a 3. Como el departameto legal juto co el departameto aciero ha determiado que i e tiee ua diferecia e tiempo de vida de u activador o a otro de a lo má e me y medio, le dará igual eleccioar a uo u a otro, etoce elegimo u valor umbral igual a :5 mee. Como o e quiere teer pérdida de diero iecearia y tampoco e quiere u depretigio a la marca del automóvil, ha jado que e requiere ua elecció correcta co ua probabilidad del 98:5%: Cuato activadore e eceita de cada modelo de activadore de bola de aire dieñado, para poder hacer ua elecció correcta?, teiedo e cueta que para realizar ete experimeto el coto de todo el imobiliario del chai e de $2000 USD: Lo valore de etrada e el programa T ama~o Muetral o e ete ejemplo lo iguiete: ) La probabilidad de elecció correcta: P = 0:985: 2) P arametro de forma = 3 ( = 3): 3) Como la diferecia que queremo obervar e de :5 mee, teemo que u = Delta = :6666 (que e el ivero de :5): 4) El úmero total de poblacioe co la que e cueta e K = 6: 5) El úmero de poblacioe que e quiere eleccioar e S = 2: La olució arrojada por el programa e :59375; lo cual fue redodeado a 2 activadore para cada població. Aí, deberá ometere a ua prueba de vida 2 activadore de cada proveedor y e elige como lo 2 mejore activadore, a lo activadore co mayor tiempo de vida caracterítica. 5 Cocluioe El objetivo de ete trabajo e determiar el tamaño muetral eceario para la elecció de la mejore poblacioe, cuado eta tiee ditribució Weibull. Se coidera procedimieto de elecció para la ditribució Weibull y e obtiee u procedimieto umérico para determiar el tamaño muetral eceario. Debido a que e el cao coiderado o hay expreioe cerrada para obteer el tamaño muetral, e dearrolló u oftware (T ama~om uetral) para obteer el tamaño muetral eceario para la elecció correcta de poblacioe. Como trabajo a futuro e deprede de aquí el etudio de la determiació del tamaño muetral para la elecció correcta de la de k poblacioe ditribuida como Weibull, co mayor vida caracterítica para parámetro de forma tato ditito. Ua tarea a futuro de iteré e ivetigar la obteció del tamaño muetral para la elecció correcta de la mejore poblacioe, e dode la comparació e haga o a travé de la vida caracterítica, io a 5
17 travé de lo cuatile o a travé de la co abilidad a u tiempo de referecia determiado, que puede er u tiempo de garatía o u tiempo de vida útil del producto. 6 Bibliografía []. Bechhofer, R. E. (954). A igle-ample multiple deciio procedure for rakig mea of ormal populatio with kow variace. A. Math. Stat. 25, [2]. Bechhofer, R. E., Hayter, A. J. y Tamhae, A. C. (99). Deigig experimet for electig the larget ormal mea whe the variace are kow ad uequal: Optimal ample ize allocatio. J. Stat. Pla. Ifer. 28, [3]. Bechhofer, R. E., Sater, T. J. y Goldma, D. M. (995). Deig ad Aalyi of Experimet for Statitical Selectio, Screeig, ad Multiple Compario. Wiley Serie i Probability ad Statitic. [4]. Gibbo, J. D., Olki, I y Sobel, M. (977). Selectig ad Orderig Populatio: A New Statitical Methodology. New York: Joh Wiley & So. 6
Sistemas de colas. Objetivo teórico: Determinar la distribución del número de clientes en el sistema
Sitema de cola Ua cola e produce cuado la demada de u ervicio por parte de lo cliete excede la capacidad del ervicio. Se eceita coocer (predecir) el ritmo de etrada de lo cliete y el tiempo de ervicio
Más detallesIntervalos de Confianza para la diferencia de medias
Itervalo de Cofiaza para la diferecia de media INTERVALO DE CONFIANZA PARA LA DIFERENCIA DE MEDIAS Sea,,..., ua muetra aleatoria de obervacioe tomada de ua primera població co valor eperado μ, y variaza
Más detalles17 ANÁLISIS EN EL DOMINIO DE LA FRECUENCIA
7 ANÁLISIS EN EL DOMINIO DE LA FRECUENCIA El aálii e el domiio de la frecuecia e u herramieta cláica e la teoría de cotrol, i bie e geeral lo itema que varía co ua periodicidad defiida o uele er lo má
Más detallesInteligencia de redes y comunicaciones. Celestino. Eduardo García Ballestero Julio F. Borreguero Ballesteros
Iteligecia de rede y comuicacioe Celetio Eduardo García Balletero Julio F. Borreguero Balletero CELESTI 1. Itroducció Cuáta de la peroa que coocemo tiee pareja?, cuáta tiee dificultade para ecotrarla?...ya
Más detallesMáquinas Eléctricas I - G862
Máquia Eléctrica I - G86 Tema 3. Máquia Aícroa o de Iducció. Problema reuelto Miguel Ágel Rodríguez Pozueta Departameto de Igeiería Eléctrica y Eergé5ca Ete tema e publica bajo Licecia: Crea5ve Commo BY-
Más detallesAnálisis de datos en los estudios epidemiológicos II
Aálisis de datos e los estudios epidemiológicos II Itroducció E este capitulo cotiuamos el aálisis de los estudios epidemiológicos cetrádoos e las medidas de tedecia cetral, posició y dispersió, ídices
Más detallesTEMA 13 INTRODUCCIÓN A LA VALORACIÓN DE ACTIVOS FINANCIEROS
Diapoitiva. Cocepto y caracterítica de lo activo fiaciero 2. Reta variable, tipo y criterio de valoració 3. Reta fija, tipo y criterio de valoració 4. Duratió y covexidad de u activo fiaciero de reta fija
Más detalles(d) Observando la solución desarrollada en (a) podemos calcular el capital acumulado al final de cada año:
COLEGIO COLOMBO BRITÁNICO DEPARTAMENTO DE MATEMÁTICAS PROGRESIONES/ SECUENCIAS/ SUCESIONES PROFESORES: RAÚL MARTÍNEZ Y JESÚS VARGAS Problema Jua Guillermo ivierte milloe de peo durate año, le pagará a
Más detallesContraste sobre la media de una distribución Normal de varianza conocida
Cotrate de hipótei etadítica E la primera parte de la iferecia etadítica e ha abordado el problema de la etimació de parámetro, e ella e ha vito cómo cotruir etimadore de parámetro poblacioale, e ha iitido
Más detallesANÁLISIS DEL PROBLEMA DE LOS MONOS Y LOS COCOS. (Resolución por JMEB.)
ANÁLISIS DEL PROBLEMA DE LOS MONOS Y LOS OOS. (Resolució por JMEB.) 1. Defiició. El problema cosiste e calcular la catidad de cocos que había iicialmete e u motó que... ierto día se reuiero moos para recoger
Más detallesImplementación y diseño de mecanismos
Implemetació y dieño de mecaimo Ua de iño cuarteado E el capítulo 3 del Libro de lo Reye del Atiguo Tetameto e relata el coocido como Juicio del Rey Salomó. Do protituta e preeta ate el rey. Ua de ella
Más detallesPROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 2014 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES TEMA 6: TEORÍA DE MUESTRAS
PROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 04 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES TEMA 6: TEORÍA DE MUESTRAS Juio, Ejercicio 4, Opció A Reserva, Ejercicio 4, Opció A Reserva, Ejercicio 4, Opció
Más detallesTests de Hipótesis basados en una muestra. ESTADÍSTICA (Q) 7. TESTS DE HIPÓTESIS PARA LA MEDIA DE UNA POBLACIÓN NORMAL CON VARIANZA DESCONOCIDA
ETADÍTICA (Q) 13 7. TET DE HIPÓTEI PARA LA MEDIA DE UNA POBLACIÓN NORMAL CON VARIANZA DECONOCIDA ea X1,..., X ua muetra aleatoria de ua població Normal co media = µ y variaza = σ, N(µ,σ ). upogamo ahora
Más detallesTema 9. Inferencia Estadística. Intervalos de confianza.
Tema 9. Iferecia Estadística. Itervalos de cofiaza. Idice 1. Itroducció.... 2 2. Itervalo de cofiaza para media poblacioal. Tamaño de la muestra.... 2 2.1. Itervalo de cofiaza... 2 2.2. Tamaño de la muestra...
Más detallesLECTURA 05: INTERVALOS DE CONFIANZA Y TAMAÑO DE MUESTRA (PARTE I) TEMA 9: INTERVALOS DE CONFIANZA: INTRODUCCIÓN Y DEFINICIÓN
Uiveridad Lo Ágele de Chimbote LECTURA 05: INTERVALOS DE CONFIANZA Y TAMAÑO DE MUESTRA (PARTE I) TEMA 9: INTERVALOS DE CONFIANZA: INTRODUCCIÓN Y DEFINICIÓN. INTRODUCCION Actualmete e debe etar bie cociete
Más detallesMC Fco. Javier Robles Mendoza Primavera 2009
1 BENEMÉRITA UNIVERSIDAD AUTÓNOMA DE PUEBLA FACULTAD DE CIENCIAS DE LA COMPUTACIÓN APUNTES CURSO: ALGEBRA SUPERIOR INGENIERIA EN CIENCIAS DE LA COMPUTACIÓN MC Fco. Javier Robles Medoza Primavera 2009 2
Más detallesTeorías 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 detallesEste documento es de distribución gratuita y llega gracias a www.cienciamatematica.com El mayor portal de recursos educativos a tu servicio!
Ete documeto e de ditriució gratuita llega gracia a Ciecia Matemática www.cieciamatematica.com El maor portal de recuro educativo a tu ervicio! Itituto Tecológico de Apizaco Departameto de Ciecia Báica
Más detallesPor: Lic. Eleazar J. García. República Bolivariana de Venezuela Tinaco.- Estado Cojedes. INTEGRALES INDEFINIDAS
Por: Lic. Eleazar J. García. República Bolivariaa de Veezuela Tiaco.- Estado Cojedes. INTEGRALES INDEFINIDAS Usted está familiarizado co alguas operacioes iversas. La adició y la sustracció so operacioes
Más detallesMARTINGALAS Rosario Romera Febrero 2009
1 MARTINGALAS Rosario Romera Febrero 2009 1. Nocioes básicas De ició: Sea (; F; P ) u espacio de probabilidad y T 6= ; y sea (F t ) t2t ua ltració e F. Ua familia fx t g t2t de v.a. reales de idas sobre
Más detallesELEMENTOS DE ÁLGEBRA MATRICIAL
ELEMENTOS DE ÁLGEBRA MATRICIAL Ezequiel Uriel DEFINICIONES Matriz Ua matriz de orde o dimesió p- o ua matriz ( p)- es ua ordeació rectagular de elemetos dispuestos e filas y p columas de la siguiete forma:
Más detallesPara construir intervalos de confianza recordemos la distribución muestral de la proporción muestral $p :
Itervalos de Cofiaza para ua proporció Cuado hacemos u test de hipótesis decidimos sobre u valor hipotético del parámetro. Qué proporció de mujeres espera compartir las tareas de la casa co su pareja?
Más detallesMedidas de Tendencia Central
EYP14 Estadística para Costrucció Civil 1 Medidas de Tedecia Cetral La Media La media (o promedio) de ua muestra x 1, x,, x de tamaño de ua variable o característica x, se defie como la suma de todos los
Más detallesIES Fco Ayala de Granada Junio de 2013 (Reserva 2 Modelo 1 ) Soluciones Germán-Jesús Rubio Luna
IES Fco Ayala de Graada Juio de 03 (Reserva Modelo ) Solucioes Germá-Jesús Rubio Lua SELECTIVIDAD ANDALUCÍA MATEMÁTICAS CCSS JUNIO 03 MODELO (RESERVA ) OPCIÓN A EJERCICIO (A) ( 5 putos) U fabricate elabora
Más detallesCapítulo 7. Simetría Molecular. 1) Elementos y operaciones de simetría. 1.1) Definiciones
apítulo 7. Simetría Molecular ) Elemeto y operacioe de imetría.) Defiicioe Se puede obteer mucha iformació cualitativa de la fucioe de oda y propiedade moleculare (epectro, actividad óptica, ) a partir
Más detallesSolución del examen de Investigación Operativa de Sistemas de septiembre de 2004
Solució del eame de Ivestigació Operativa de Sistemas de septiembre de 4 Problema (,5 putos: Ua marca de cereales para el desayuo icluye u muñeco de regalo e cada caja de cereales. Hay tres tipos distitos
Más detallesPlanificación contra stock
Plaificar cotra stock 5 Plaificació cotra stock Puede parecer extraño dedicar u tema al estudio de métodos para plaificar la producció de empresas que trabaja cotra stock cuado, actualmete, sólo se predica
Más detallesLECTURA 04: INTERVALOS DE CONFIANZA PARA LA MEDIA POBLACIONAL. INTERVALOS DE CONFIANZA ENTRE DOS MEDIAS POBLACIONALES.
ECTURA 4: INTERVAOS DE CONFIANZA PARA A MEDIA POBACIONA. INTERVAOS DE CONFIANZA ENTRE DOS MEDIAS POBACIONAES. TEMA 8: INTERVAOS DE CONFIANZA: INTRODUCCIÓN Y DEFINICIÓN. INTRODUCCION: Actualmete e debe
Más detallesTEMA 5: INTERPOLACIÓN
5..- ITRODUCCIÓ TEMA 5: ITERPOLACIÓ Supogamos que coocemos + putos (x,y, (x,y,..., (x,y, de la curva y = f(x, dode las abscisas x k se distribuye e u itervalo [a,b] de maera que a x x < < x b e y k = f(x
Más detallesA = 1. Demuestra que P (1) es cierta. 2. Demuestra que si P (h) es cierta, entonces P (h + 1) es cierta.
. POTENCIAS DE MATRICES CUADRADAS E este capítulo vamos a tratar de expoer distitas técicas para hallar las potecias aturales de matrices cuadradas. Esta cuestió es de gra importacia y tiee muchas aplicacioes
Más detallesPRUEBAS DE ACCESO A LA UNIVERSIDAD L.O.G.S.E
PRUEBAS DE ACCESO A LA UNIVERSIDAD L.O.G.S.E CURSO.001-.00 - CONVOCATORIA: SEPTIEMBRE MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES - Cada alumo debe elegir sólo ua de las pruebas (A o B) y, detro de ella,
Más detallesUNIVERSIDAD 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 detallesINSTITUTO POLITÉCNICO NACIONAL ESCUELA SUPERIOR DE FÍSICA Y MATEMÁTICAS
INSTITUTO OLITÉCNICO NACIONAL ESCUELA SUERIOR DE FÍSICA Y MATEMÁTICAS INTRODUCCIÓN A ROCESOS ESTOCÁSTICOS Y SISTEMAS DE LÍNEAS DE ESERA TESIS QUE ARA OBTENER EL TÍTULO DE LICENCIADO EN FÍSICA Y MATEMÁTICAS
Más detallesPRUEBAS DE ACCESO A LA UNIVERSIDAD L.O.G.S.E
PRUEBAS DE ACCESO A LA UNIVERSIDAD L.O.G.S.E CURSO 1999-2. - CONVOCATORIA: Juio MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES - Cada alumo debe elegir sólo ua de las pruebas (A o B) y, detro de ella, sólo
Más detallesANEXO. Estudios de Aspectos de. Seguridad Empresarial. Musante,Maricel. Senesi, Fernando
AEXO Etudio de Apecto de eguridad Emprearial Muate,Maricel eei, Ferado Idice Cuetioario...3 Repueta...11 Arbol...135 Etaditica...137 Etaditica Greerale...138 Etadítica Biaria...153 Etadítica Combiada...157
Más detalles1 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 detallesBINOMIO DE NEWTON página 171 BINOMIO DE NEWTON
págia 171 Los productos otables tiee la fialidad de obteer el resultado de ciertas multiplicacioes si hacer dichas multiplicacioes. Por ejemplo, cuado se desea multiplicar los biomios cojugados siguietes:
Más detallesCAPÍTULO 4. INTEGRACIÓN DE FUNCIONES RACIONALES 4.1. Introducción 4.2. Raíces comunes 4.3. División entera de polinomios 4.4. Descomposición de un
CAPÍTULO. INTEGRACIÓN DE FUNCIONES RACIONALES.. Introducción.. Raíce comune.. Diviión entera de polinomio.. Decompoición de un polinomio en producto de factore.5. Método de fraccione imple.6. Método de
Más detallesMedidas de dispersión
MB000_MAA4L_Diperió Verió: Septiembre 0 Medida de diperió por Oliverio Ramírez La medida de tedecia cetral aalizada e la ituació aterior, dirige u iteré al comportamieto de lo dato e relació a u valor
Más detallesEl Transistor de Efecto de Campo (FET)
El Trasistor de Efecto de Camo (FET) J.I.Huirca, R.A. Carrillo Uiversidad de La Frotera. ecember 10, 2011 Abstract El FET es u disositivo activo que oera como ua fuete de corriete cotrolada or voltaje.
Más detallesen. Intentemos definir algunas operaciones en
OPERACIONES EN 8 E la secció aterior utilizamos fucioes de el primer couto y estudiar sus propiedades e Itetemos defiir alguas operacioes e Recordemos de cursos ateriores que tomamos al couto de los compleos
Más detallesSELECTIVIDAD ANDALUCÍA MATEMÁTICAS CCSS JUNIO 2014 MODELO 3 (COLISIONES) OPCIÓN A
IES Fco Ayala de Graada Juio de 014 (Colisioes Modelo 3) Solucioes Germá-Jesús Rubio Lua SELECTIVIDAD ANDALUCÍA MATEMÁTICAS CCSS JUNIO 014 MODELO 3 (COLISIONES) OPCIÓN A EJERCICIO 1 (A) 1 a Sea las matrices
Más detallesPolinomios. Definición de polinomio y sus propiedades. Grado de un polinomio e igualdad de polinomios
Poliomios Defiició de poliomio y sus propiedades U poliomio puede expresarse como ua suma de productos de fucioes de x por ua costate o como ua suma de térmios algebraicos; es decir U poliomio e x es ua
Más detallesProgresiones. Objetivos. Antes de empezar. 1.Sucesiones.. pág. 74 Definición. Regla de formación Término general
5 Progresioes Objetivos E esta quicea aprederás a: Recoocer ua sucesió de úmeros. Recoocer y distiguir las progresioes aritméticas y geométricas. Calcular él térmio geeral de ua progresió aritmética y
Más detallesSucesiones numéricas.
SUCESIONES 3º ESO Sucesioes uméricas. Ua sucesió es u cojuto ordeado de úmeros reales: a 1, a 2, a 3, a 4, Cada elemeto de la sucesió se deomia térmio, el subídice es el lugar que ocupa e la sucesió. El
Más detallesPruebas de hipótesis para dos muestras.
Prueba de hiótei ara do muetra. Prueba de Hiótei ara do muetra grade, deviacioe etádar de la oblacioe deiguale. La roiedade de la Ditribució Normal o tambié umamete útile cuado queremo ecotrar i do cojuto
Más detallesDISTRIBUCIÓN BIDIMENSIONAL
DISTRIBUCIÓ BIDIMESIOAL E ete tema e etudia feómeo bidimeioale de carácter aleatorio. El objetivo e doble: 1. Determiar i eite relació etre la variable coiderada(correlació).. Si ea relació eite, idicar
Más detallesESTADÍSTICA DESCRIPTIVA: UNA VARIABLE Julián de la Horra Departamento de Matemáticas U.A.M.
ESTADÍSTICA DESCRIPTIVA: UNA VARIABLE Juliá de la Horra Departameto de Matemáticas U.A.M. 1 Itroducció Cuado estamos iteresados e estudiar algua característica de ua població (peso, logitud de las hojas,
Más detalles5. Aproximación de funciones: polinomios de Taylor y teorema de Taylor.
GRADO DE INGENIERÍA AEROESPACIAL. CURSO 00. Lecció. Fucioes y derivada. 5. Aproimació de fucioes: poliomios de Taylor y teorema de Taylor. Alguas veces podemos aproimar fucioes complicadas mediate otras
Más detallesPRUEBAS DE HIPÓTESIS
PRUEBAS DE HIPÓTESIS E vez de estimar el valor de u parámetro, a veces se debe decidir si ua afirmació relativa a u parámetro es verdadera o falsa. Vale decir, probar ua hipótesis relativa a u parámetro.
Más detallesSalazar Rosales Leandro
Etadítica para la Admiitració Tarea: Itervalo de Cofiaza INTERVALO DE CONFIANZA Itervalo de Cofiaza: Rago de valore ituado alrededor del parámetro muetral etre lo cuale e ituará el parámetro poblacioal
Más detallesINFERENCIA ESTADÍSTICA. CONTRASTE DE HIPÓTESIS
INFERENCIA ESTADÍSTICA. CONTRASTE DE HIPÓTESIS 1. El peso medio de ua muestra aleatoria de 100 arajas de ua determiada variedad es de 272 g. Se sabe que la desviació típica poblacioal es de 20 g. A u ivel
Más detallesEste procedimiento prueba hipótesis acerca de cualquiera de los siguientes parámetros:
Prueba de Hipótei (Do Muetra) Ete procedimieto prueba hipótei acerca de cualquiera de lo iguiete parámetro:. la diferecia etre la media μ y μ de do ditribucioe ormale.. el radio de la deviació etádar σ
Más detallesUna serie de potencias puede ser interpretada como una función de x. f(x) = n=0
Tema 4 Series de Potecias Ua expresió de la forma a 0 + a 1 (x c) + a 2 (x c) 2 +... + a (x c) +... = recibe el ombre de serie de potecias cetrada e c. a (x c) Ua serie de potecias puede ser iterpretada
Más detallesEste centro consta de 20 cuartos sencillos, 12 cuartos dobles, 7 corredores y 4 salas de sesiones.
reguta 6 utos Ua empresa de limpieza cotrata persoal e forma putual depediedo de las solicitudes de trabajo de sus clietes. ara el iicio de ua coferecia iteracioal, u cliete platea la limpieza a fodo del
Más detallesMétodos Estadísticos de la Ingeniería Tema 9: Inferencia Estadística, Estimación de Parámetros Grupo B
Métodos Estadísticos de la Igeiería Tema 9: Iferecia Estadística, Estimació de Parámetros Grupo B Área de Estadística e Ivestigació Operativa Licesio J. Rodríguez-Aragó Abril 200 Coteidos...............................................................
Más detallesPRUEBAS 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 detallesEl ensayo de Bombeo y sus distintas formas de valoración: Recuperación de Pozos
SEIÓN : ANÁLISIS DE LOS DESENSOS DURANTE EL OMEO DE UN POZO. EFIIENIA DE POZOS INTRODUIÓN El deceo total producido e u pozo durate u bombeo, e coecuecia de la pérdida de carga de todo el cojuto que iterviee
Más detallesCONCEPTOS BÁSICOS DE PROBABILIDAD Y ESTADÍSTICA
CAPÍTULO I CONCEPTOS BÁSICOS DE PROBABILIDAD Y ESTADÍSTICA El campo de la estadística tiee que ver co la recopilació, presetació, aálisis y uso de datos para tomar decisioes y resolver problemas. Motgomery
Más detallesMódulo de Estadística. Tema 7 : Estimación paramétrica e Intervalos de confianza
Módulo de Etadítica Tema 7 : Etimació paramétrica e Itervalo de cofiaza Etimació U etimador e ua catidad umérica calculada obre ua muetra y que eperamo que ea ua buea aproximació de cierta catidad co el
Más detallesPráctica 6: Vectores y Matrices (I)
Foamets d Iformàtica 1r curs d Egiyeria Idustrial Práctica 6: Vectores y Matrices (I) Objetivos de la práctica El objetivo de las prácticas 6 y 7 es itroducir las estructuras de datos vector y matriz e
Más detallesCURSO 2.004-2.005 - CONVOCATORIA:
PRUEBAS DE ACCESO A LA UNIVERSIDAD LOGSE / LOCE CURSO 4-5 - 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 detallesMatemáticas I - 1 o BACHILLERATO Binomio de Newton
Matemáticas I - o Bachillerato Matemáticas I - o BACHILLERATO El biomio de Newto es ua fórmula que se utiliza para hacer el desarrollo de la potecia de u biomio elevado a ua potecia cualquiera de expoete
Más detallesTEMA 11 OPERACIONES DE AMORTIZACION O PRESTAMO (II)
Dapotva Matemátca Facera TEMA OPERACIONES DE AMORTIZACION O PRESTAMO (II). Prétamo dcado 2. Prétamo co teree atcpado. Prétamo Alemá 3. Valor facero del prétamo. Uufructo y uda propedad Dapotva 2 Matemátca
Más detallesEjemplos y ejercicios de. Análisis Exploratorio de Datos. 2 Descripción estadística de una variable. Ejemplos y ejercicios.
ANÁLISIS EXPLORATORIO DE DATOS Ejemplos y ejercicios de Aálisis Exploratorio de Datos Descripció estadística de ua variable. Ejemplos y ejercicios..1 Ejemplos. Ejemplo.1 Se ha medido el grupo saguíeo de
Más detallesOPCIÓN A EJERCICIO 1_A
IES Fco Ayala de Graada Sobrates de 2001 (Modelo 6) Germá-Jesús Rubio Lua OPCIÓN A EJERCICIO 1_A 1 x -1 Se cosidera la matriz A = 1 1 1. x x 0 (1 5 putos) Calcule los valores de x para los que o existe
Más detallesMATEMÁTICAS 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 detallesTEMA 2 - FUNCIONES DE VARIAS VARIABLES (I): LÍMITES Y CONTINUIDAD. 1. Conceptos topológicos previos en el espacio euclídeo R n.
Fucioes de varias variables (I TEMA - FUNCIONES DE VARIAS VARIABLES (I: LÍMITES Y CONTINUIDAD. Coceptos topológicos previos e el espacio euclídeo R. Sea R el espacio euclídeo de dimesioes. U puto a de
Más detalles11. 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 detallesSoluciones problemas del Tema 2
1 Solucioes problemas del Tema 1) a) E(W ) = E(X + Y + Z) = E(X) + E(Y ) + E(Z) = 0; V ar(w ) = V ar(x) + V ar(y ) + V ar(z) + (Cov(X, Y ) + Cov(X, Z) + Cov(Y, Z)) = 1 + 1 + 1 + ( 1 + 0 ) 1 4 4 = 3 b)
Más detallest-student y F-Snedecor
t-studet y F-Sedecor Itroducció La prueba t-studet e utiliza para cotratar hipótei obre media e poblacioe co ditribució ormal. Tambié proporcioa reultado aproimado para lo cotrate de media e muetra uficietemete
Más detallesSOLUCIONES Modelo 2 PRUEBA DE ACCESO A LA UNIVERSIDAD DEL AÑO 2010-2011 ANDALUCÍA MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES II
IES Fco Ayala de Graada Sobrates de 011 (Modelo ) Germá-Jesús Rubio Lua SOLUCIONES Modelo PRUEBA DE ACCESO A LA UNIVERSIDAD DEL AÑO 010-011 ANDALUCÍA MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES II OPCIÓN
Más detallesA N U A L I D A D E S
A N U A L I D A D E S INTRODUCCION Y TERMINOLOGIA Se deomia aualidad a u cojuto de pagos iguales realizados a itervalos iguales de tiempo. Se coserva el ombre de aualidad por estar ya muy arraigado e el
Más detallesINFERENCIA ESTADÍSTICA: ESTIMACIÓN DE UNA PROPORCIÓN
INFERENCIA ESTADÍSTICA: ESTIMACIÓN DE UNA PROPORCIÓN Págia 98 Cuátas caras cabe esperar? El itervalo característico correspodiete a ua probabilidad del 95% (cosideramos casas raros al 5% de los casos extremos)
Más detallesTema 3. Polinomios y otras expresiones algebraicas (Estos conceptos están extraídos del libro Matemáticas 1 de Bachillerato.
UH ctualizació de oocimietos de Matemáticas ara Tema Poliomios y otras eresioes algebraicas Estos cocetos está etraídos del libro Matemáticas de achillerato McGrawHill Poliomios: oeracioes co oliomios
Más detalles7.2. Métodos para encontrar estimadores
Capítulo 7 Estimació putual 7.1. Itroducció Defiició 7.1.1 U estimador putual es cualquier fució W (X 1,, X ) de la muestra. Es decir, cualquier estadística es ua estimador putual. Se debe teer clara la
Más detalles16 Distribución Muestral de la Proporción
16 Distribució Muestral de la Proporció 16.1 INTRODUCCIÓN E el capítulo aterior hemos estudiado cómo se distribuye la variable aleatoria media aritmética de valores idepedietes. A esta distribució la hemos
Más detallesOPERACIONES ALGEBRAICAS FUNDAMENTALES
MATERIAL DIDÁCTICO DE PILOTAJE PARA ÁLGEBRA 2 OPERACIONES ALGEBRAICAS FUNDAMENTALES ÍNDICE DE CONTENIDO 2. Suma, resta, multiplicació y divisió 6 2.1. Recoociedo la estructura de moomios y poliomios 6
Más detallesSELECTIVIDAD ANDALUCÍA MATEMÁTICAS CCSS SOBRANTES 2012 (MODELO 2)
IES Fco Ayala de Graada Sobrates de 0 (Modelo ) Germá-Jesús Rubio Lua SELECTIVIDAD ANDALUCÍA MATEMÁTICAS CCSS SOBRANTES 0 (MODELO ) OPCIÓN A EJERCICIO _A ( 5 putos) Halle la matriz X que verifique la ecuació
Más detallesUniversidad Nacional del Litoral Facultad de Ingeniería y Ciencias Hídricas ESTADÍSTICA. Ingenierías RH-Amb-Ag TEORÍA
Uiversidad Nacioal del Litoral Facultad de Igeiería Ciecias Hídricas ESTADÍSTICA Igeierías RH-Amb-Ag TEORÍA Mg. Susaa Valesberg Profesor Titular INFERENCIA ESTADÍSTICA TEST DE HIPÓTESIS INTRODUCCIÓN Geeralmete
Más detalles(3.b) MODELOS EXPONENCIALES de COLAS
(.b) MODEOS EXOEIAES de OAS ITRODUIÓ A OS ROESOS DE AIMIETO Y MUERTE. Ecuacioe de euilibrio. odició de E.E. AIAIÓ DE AS EUAIOES DE EQUIIBRIO: a cola M/M/. Ilutració del comportamieto. MODEOS DE OAS EXOEIAES.
Más detallesIES Fco Ayala de Granada Sobrantes de 2006 (Modelo 2 Septiembre) Solución Germán-Jesús Rubio Luna
IES Fco Ayala de Graada Sobrates de 006 (Modelo Septiembre) Solució Germá-Jesús Rubio Lua OPCIÓN A EJERCICIO 1_A (1 5 putos) Represete gráficamete el recito defiido por el siguiete sistema de iecuacioes:
Más detallesAbel Martín LAS FRACCIONES. - Las fracciones como parte de un todo - Egipto les espera
LAS FRACCIONES - Las fraccioes como parte de u todo - Nuestros amigos prueba su máquia del tiempo. Egipto les espera Despegamos! E la evolució del pesamieto humao, 000 años a. C., los egipcios comieza
Más detalles1. Demuestra que si p es un natural y p es compuesto, entonces existe un divisor m de p con 1 < m p.
Divisibilidad Matemática discreta Dados dos úmeros aturales a y b, escribiremos a b y leeremos a divide a b si existe u c N tal que ac = b. E este caso, decimos que a es u divisor de b o que b es divisible
Más detallesFigura 9.1: Respuesta típica al escalón unitario de un sistema de control. Análisis de Sistemas Lineales 95 Ing. Eduardo Interiano
(VSHFLILFDFLRQHVHQHOGRPLQLRGHOWLHPSR E capítulos ateriores se ha estudiado la respuesta de estado estable de los sistemas lieales ( cuado tæ ), estudiaremos ahora la respuesta trasitoria. La respuesta
Más detallesUnidad Central del Valle del Cauca Facultad de Ciencias Administrativas, Económicas y Contables Programa de Contaduría Pública
Uidad Cetral del Valle del Cauca acultad de Ciecias Admiistrativas, Ecoómicas y Cotables Programa de Cotaduría Pública Curso de Matemáticas iacieras Profesor: Javier Herado Ossa Ossa Ejercicios resueltos
Más detallesDESCONOCIDA. Distribución de la media muestral. EJERCICIOS DE INFERENCIA SOBRE µ CON σ² DESCONOCIDA
JRCICIO D INFRNCIA OBR CON σ² DCONOCIDA INFRNCIA OBR CON σ DCONOCIDA Ditribució de la media muetral Mucha vece deeamo realizar iferecia acerca de la de ua població pero o cotamo co la variaza poblacioal
Más detallesPRUEBAS DE ACCESO A LA UNIVERSIDAD FASE ESPECÍFICA: MATERIAS DE MODALIDAD
PRUEBAS DE ACCESO A LA UNIVERSIDAD FASE ESPECÍFICA: MATERIAS DE MODALIDAD CURSO 009-010 CONVOCATORIA: MATERIA: MATEMÁTICAS APLICADAS A LAS CC SS - Cada alumo debe elegir sólo ua de las pruebas (A o B).
Más detallesFórmula 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 detallesMETODOLOGÍA UTILIZADA EN LA ELABORACIÓN DEL ÍNDICE DE PRECIOS AL POR MAYOR EN LA REPÚBLICA DE PANAMÁ I. GENERALIDADES
METODOLOGÍA UTILIZADA EN LA ELABORACIÓN DEL ÍNDICE DE PRECIOS AL POR MAYOR EN LA REPÚBLICA DE PANAMÁ I. GENERALIDADES La serie estadística de Ídice de Precios al por Mayor se iició e 1966, utilizado e
Más detallesCONCEPTOS 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 detalles1. Lección 11 - Operaciones Financieras a largo plazo - Préstamos (Continuación)
Aputes: Matemáticas Fiacieras 1. Lecció 11 - Operacioes Fiacieras a largo plazo - Préstamos (Cotiuació) 1.1. Préstamo: Método de cuotas de amortizació costates E este caso se verifica A 1 = A 2 = = A =
Más detallesMuestreo. Tipos de muestreo. Inferencia Introducción
Germá Jesús Rubio Lua Catedrático de Matemáticas del IES Fracisco Ayala Muestreo. Tipos de muestreo. Iferecia Itroducció Nota.- Puede decirse que la Estadística es la ciecia que se preocupa de la recogida
Más detallesEstimación puntual y por Intervalos de Confianza
Capítulo 7 Estimació putual y por Itervalos de Cofiaza 7.1. Itroducció Cosideremos ua v.a X co distribució F θ co θ descoocido. E este tema vemos cómo dar ua estimació putual para el parámetro θ y cómo
Más detallesUNIDAD Nº 2. Leyes financieras: Interés simple. Interés compuesto. Descuento.
UNIDAD Nº 2 Leyes fiacieras: Iterés simple. Iterés compuesto. Descueto. 2.1 La Capitalizació simple o Iterés simple 2.1.1.- Cocepto de Capitalizació simple Es la Ley fiaciera segú la cual los itereses
Más detallesCapítulo 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 detallesLaboratorio de Análisis de Circuitos. Práctica 8. Respuesta transitoria de circuitos RLC
Laboratorio de Aálii de Circuito Práctica 8 Repueta traitoria de circuito RLC Objetivo Verificar experimetalmete el valor de reitecia que e eceita para que u circuito RLC e erie ea críticamete amortiuado,
Más detallesGradiente, divergencia y rotacional
Lecció 2 Gradiete, divergecia y rotacioal 2.1. Gradiete de u campo escalar Campos escalares. U campo escalar e R es ua fució f : Ω R, dode Ω es u subcojuto de R. Usualmete Ω será u cojuto abierto. Para
Más detallesIES Fco Ayala de Granada Sobrantes de 2001 (Modelo 2) Solución Germán-Jesús Rubio Luna
IES Fco Ayala de Graada Sobrates de 001 (Modelo ) Solució Germá-Jesús Rubio Lua OPCIÓN A EJERCICIO 1_A (3 putos) Se quiere orgaizar u puete aéreo etre dos ciudades, co plazas suficietes de pasaje y carga,
Más detalles