Los datos para el estudio consisten de m muestras de una población detallando: = número de elementos no aceptables en la muestra j

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

Download "Los datos para el estudio consisten de m muestras de una población detallando: = número de elementos no aceptables en la muestra j"

Transcripción

1 Gráfico NP Resume El procedimieto Gráfico NP crea u gráfico de cotrol para datos que describe el úmero de veces que ocurre u eveto e m muestras tomadas de u producto o proceso. Los datos podría represetar el úmero de artículos defectuosos e u proceso de maufactura, el úmero de clietes que regresa u producto, o cualquier otro atributo que pueda ser clasificado como aceptable o iaceptable. Se resalta las señales de fuera-de-cotrol, icluyedo tato putos más allá de los límites de cotrol como cualquier secuecia atípica e los datos. El gráfico puede costruirse e modo de Estudio Iicial (Fase 1), dode los datos mismos determia los límites de cotrol, o e modo de Cotrol a Estádar (Fase 2), dode los límites proviee de u estádar coocido o de datos previos. Los datos para el estudio cosiste de m muestras de ua població detallado: = úmero de elemetos e la muestra d = úmero de elemetos o aceptables e la muestra Muchas de las opcioes para el gráfico NP so las mismas que las del gráfico P. Este documeto resalta las diferecias etre los dos gráficos. Para iformació sobre opcioes tales como prueba de secuecias y curvas ARL, cosulte la documetació del Gráfico P. StatFolio de Eemplo: pchart.sgp Datos de Eemplo: El archivo ocoformig.sf3 cotiee resultados de la ispecció de m = 25 muestras tomadas de u proceso de maufactura. Los datos so presetados por Motgomery (2005). La tabla a cotiuació muestra ua lista parcial de los datos de ese archivo: Sample (muestra) Nocoformig (o aceptables) por StatPoit, Ic. Gráfico NP - 1

2 El tamaño de las muestras varía etre 80 y 120. Igreso de Datos Los datos que se requiere para este procedimieto so ua columa umérica que cotega el úmero de elemetos o aceptables e las m muestras. Recuetos: ua columa que cotiee el úmero de elemetos o aceptables e cada muestra. Tamaños de Muestra: el úmero de elemetos e cada muestra. Si todos los tamaños de las muestras so iguales, puede igresar u solo valor tal como 100. De oto modo, igrese ua columa co los tamaños correspodietes a cada recueto. Etiquetas de Muestra: etiquetas opcioales para cada muestra. Selecció: selecció de u subgrupo de datos por StatPoit, Ic. Gráfico NP - 2

3 Gráfico NP El Gráfico NP grafica el úmero de elemetos o aceptables d. STATGRAPHICS Rev. 4/25/2007 Gráfico p para ocoformig LSC = CTR = 9.36 LIC = p Muestra E el modo Fase 1 (Estudios Iiciales), la líea cetral y los límites de cotrol se determia a partir de los datos. La líea cetral se localiza e: CTR = p (1) dode es igual al tamaño de la muestra p m = 1 = m = 1 p (2) igual al promedio poderado de la proporció elemetos o aceptables e cada muestra. Los límites de cotrol se coloca arriba y debao de la líea cetral e: CTR ± k p( 1 p) (3) dode k es el múltiplo de sigma especificado e la pestaña Gráficos de Cotrol de la caa de diálogo Preferecias (k = 3 excepto e casos raros). Si los tamaños de muestra o so iguales, depediedo etoces de las Opcioes de Aálisis, es reemplazado por: (1), el tamaño muestral promedio. E este caso la líea cetral y los límites de cotrol so los mismos para todas las muestras. (2), el tamaño muestral idividual. E este caso la líea cetral y los límites de cotrol so fucioes escaloadas por StatPoit, Ic. Gráfico NP - 3

4 Cualesquiera putos fuera de los límites de cotrol será señalados usado u símbolo especial de señalamieto. Cualquier puto excluido del aálisis, por lo geeral haciedo clic sobre u puto e el gráfico y presioado el botó Excluir/Icluir, será idicado co ua X. Si así se idicó e la caa de diálogo de las Opcioes de Vetaa, las secuecias atípicas tambié puede señalarse. E el presete gráfico, 1 muestra está más allá del límite superior de cotrol. Opcioes de Vetaa Límites Exteros de Advertecia: marque este cuadro para agregar límites de advertecia al múltiplo especificado de sigma, geeralmete a 2 sigma. Límites Iteros de Advertecia: marque esta cuadro para agregar límites de advertecia al múltiplo especificado de sigma, geeralmete a 1 sigma. Promedio Móvil: marque este cuadro para agregar u suavizador de promedio móvil al gráfico. Además de los recuetos de las muestras, tambié se mostrará el promedio de los q putos más recietes, dode q es el orde del promedio móvil. El valor por omisió es de q = 9 ya que los límites iteros de advertecia 1-sigma para los recuetos origiales so equivaletes a los límites de cotrol 3-sigma para el promedio móvil de ese orde. Promedio Móvil Expoecialmete Poderado (EWMA): marque este cuadro para agregar u suavizador EWMA al gráfico. Además de los recuetos de las muestras, tambié se mostrará u promedio móvil poderado expoecialmete de los recuetos de las muestras, dode λ es el parámetro de suavizado de la EWMA. El valor por omisió es λ = 0.2 ya que los límites iteros de advertecia 1-sigma para los recuetos origiales so equivaletes a los límites de cotrol 3-sigma para ese EWMA. Cifras Decimales para Límites: el úmero de cifras decimales usadas para presetar los límites de cotrol por StatPoit, Ic. Gráfico NP - 4

5 Marcar Violacioes a Reglas de Secuecias: señala co u símbolo especial de señalamieto cualesquiera secuecias atípicas. Las reglas de las secuecias aplicadas por omisió se defie e la pestaña Pruebas de Secuecias de la caa de diálogo Preferecias. Color de Zoas: marque este cuadro para desplegar zoas verde, amarilla y roa. Reporte del Gráfico NP Esta vetaa tabula los valores graficados e el gráfico de cotrol: Reporte del Gráfico p Muestras Fuera de Límites X = Excluida * = Fuera de Límites Muestra Tamaño p * 20.0 Los putos fuera-de-cotrol se idica co u asterisco. Los putos excluidos de los cálculos se idica co ua X. Opcioes de Vetaa Mostrar: especifique las muestras (subgrupos) a mostrar e el reporte. Resume del Aálisis El Resume del Aálisis resume los datos y el gráfico de cotrol. Gráfico p - ocoformig Número de muestras = 25 Tamaño promedio de muestra = muestras excluidas Gráfico p Período #1-25 LSC: +3.0 sigma Líea Cetral 9.36 LIC: -3.0 sigma fuera de límites Estimados Período #1-25 p Media 9.36 Sigma por StatPoit, Ic. Gráfico NP - 5

6 E la tabla se icluye: STATGRAPHICS Rev. 4/25/2007 Iformació Muestral: el úmero de muestras m y el tamaño promedio de muestra m = = 1 m (4) Si cualesquiera muestras se ha excluido de los cálculos, ese úmero tambié se muestra. Gráfico p: u resume de la líea cetral y de los límites de cotrol para el gráfico p. Usado las Opcioes de Aálisis, se puede calcular distitos límites para diferetes periodos (grupos de muestras). Estimados: estimacioes del úmero promedio de elemetos defectuosos del proceso: μˆ = p (5) y la sigma del proceso ˆ σ = p(1 p) (6) Opcioes del Aálisis Tipo de Estudio: defie como se establece los límites. Para u gráfico de Estudio Iicial (Fase 1), los límites se estima a partir de los datos actuales. Para u gráfico de Cotrol a Estádar (Fase 2), los límites de cotrol se defie a partir de la iformació e la secció Cotrol a Estádar de la caa de diálogo por StatPoit, Ic. Gráfico NP - 6

7 Normalizar: si se seleccioa, todas las estadísticas se ormalizará calculado los putaes Z y se graficará los putaes Z e los gráficos. La líea cetral e tal gráfico se localizará siempre e el 0, y los límites siempre estará a ± k. Tamaño Promedio de Subgrupo: si se seleccioa, los límites de cotrol será líeas horizotales basados e el tamaño muestral promedio. Si o se seleccioa, se usará el tamaño muestral idividual, lo que resulta e límites de cotrol como ua fució escaloada si o todos los tamaños muestrales so iguales. Usar Formato de Zoa: si se seleccioa, las estadísticas se graficará usado u gráfico de zoas e vez del formato usual. Ver el eemplo e la documetació para el Gráfico P. Recalcular e: los límites de cotrol del gráfico puede ser recalculados hasta e cuatro lugares a lo largo del ee X especificado los úmeros de muestra e los cuales se iiciará las uevas estimacioes. Usado los datos e las diferetes seccioes se obtedrá distitas estimacioes del úmero promedio de elemetos o aceptables. E tales casos, los límites de cotrol se austará al iicio de cada uevo período. Límites de Cotrol para Gráfico p: especifica el múltiplo k que se usa e la determiació de los límites superior e iferior de cotrol e el gráfico p. Para elimiar por completo u límite, poga 0. Cotrol a Estádar: para realizar u aálisis Fase 2, seleccioe Cotrol a Estádar para el Tipo de Estudio y luego igrese uo de los siguietes: Especificar Parámetro: especifica el úmero promedio de elemetos o aceptables establecido como estádar. Especificar Límites de Cotrol: especifica la localizació de la líea cetral y de los límites de cotrol exactamete dode los quiera poer. Excluir: use este botó para excluir muestras específicas de los cálculos por StatPoit, Ic. Gráfico NP - 7

8 Eemplo: Usado Tamaño Muestral Idividual E el gráfico p aterior se usó el tamaño muestral promedio para colocar los límites de cotrol. Cuado los tamaños muestrales o so iguales, u aálisis más exacto permite que los límites de cotrol varíe de acuerdo co el tamaño real de cada muestra. E STATGRAPHICS, esto se hace deseleccioado Tamaño Promedio de Subgrupo e la caa de diálogo Opcioes del Aálisis. La líea cetral y los límites de cotrol resulta ser fucioes escaloadas: Gráfico p para ocoformig LSC = CTR = 8.60 LIC = 0.23 p Muestra Los límites de cotrol so más estrechos para las muestras pequeñas, ya que el úmero de elemetos o aceptables e muestras meores e meos variable que e muestras mayores. Tal gráfico puede ser muy difícil de eteder. E tales casos, u gráfico p probablemete sería preferible, o puede emplearse el gráfico ormalizado expuesto a cotiuació. Eemplo: Usado el Gráfico Normalizado Tamaños muestrales desiguales tambié se puede maear ormalizado todos los valores e el gráfico. Esto se hace marcado el campo Normalizar e la caa de diálogo de las Opcioes del Aálisis. Si se dea si seleccioar Tamaño Promedio de Subgrupo, se calcula etoces los putaes Z para cada muestra de acuerdo co: Z = d p p ( 1 p) (7) Los putaes Z se grafica e el gráfico: 2006 por StatPoit, Ic. Gráfico NP - 8

9 Gráfico p para ocoformig 5 3 LSC = 3.00 CTR = 0.00 LIC = Z Muestra E todos los gráficos ormalizados, la líea cetral se localiza e el 0 y los límites de cotrol e ± k. Los valores graficados represeta el úmero de desviacioes estádar que cada recueto está por arriba o por debao de su valor esperado. Salvar Resultados Se puede salvar los siguietes resultados e la hoa de datos: 1. ps los recuetos muestrales. 2. Tamaños los tamaños muestrales. 3. Etiquetas las etiquetas muestrales. 4. p medio el úmero medio estimado de elemetos o aceptables. 5. Sigma la desviació estádar estimada de los recuetos por StatPoit, Ic. Gráfico NP - 9

Gráficos X-Bar y S. StatFolio de Muestra: xbarschart.sgp

Gráficos X-Bar y S. StatFolio de Muestra: xbarschart.sgp Gráficos X-Bar y S Resumen El procedimiento Gráficos X-Bar y S crea gráficos de control para una simple variable numérica cuando los datos han sido recabados en subgrupos. Crea un Gráfico X-bar para monitorear

Más detalles

Análisis de Una Variable

Análisis de Una Variable STATGRAPHICS Rev. 4/5/007 Aálisis de Ua Variable Resume El procedimieto Aálisis de Ua Variable es uo de los pricipales procedimietos para aalizar ua sola columa de datos uméricos. Calcula estadísticas

Más detalles

Los datos para el estudio consisten de m muestras de una población detallando: = número de elementos no aceptables en la muestra j

Los datos para el estudio consisten de m muestras de una población detallando: = número de elementos no aceptables en la muestra j Gráfico P Resumen El procedimiento Gráfico P crea un gráfico de control para datos que describe la proporción de veces que ocurre un evento en m muestras tomadas de un producto o proceso. Los datos podrían

Más detalles

Los datos para este análisis consisten de m muestras de una población: = numero de no conformidades observadas en la muestra j

Los datos para este análisis consisten de m muestras de una población: = numero de no conformidades observadas en la muestra j Gráfico C Resumen El procedimiento Gráfico C crea un grafico de control para los datos, que describe el números de no conformidades registradas como el resultado de inspeccionar m muestras. Las muestras

Más detalles

ESTADÍSTICA. Estadística: Es una rama de la matemática que comprende Métodos y Técnicas que se emplean

ESTADÍSTICA. Estadística: Es una rama de la matemática que comprende Métodos y Técnicas que se emplean ESTADÍSTICA Estadística: Es ua rama de la matemática que comprede Métodos y Técicas que se emplea e la recolecció, ordeamieto, resume, aálisis, iterpretació y comuicació de cojutos de datos. Població:

Más detalles

8. INTERVALOS DE CONFIANZA

8. INTERVALOS DE CONFIANZA 8. INTERVALOS DE CONFIANZA Al estimar el valor de u parámetro de la distribució teórica, o se provee iformació sobre la icertidumbre e el resultado. Esa icertidumbre es producida por la dispersió de la

Más detalles

Análisis de Capabilidad (Variables)

Análisis de Capabilidad (Variables) STATGRAPHIS Rev. 9/4/006 Aálisis de apabilidad (Variables) Resume El procedimieto Aálisis de la apabilidad para datos por variable esta diseñado para comparar muestras de medicioes recolectadas de u proceso

Más detalles

Técnicas experimentales de Física General 1/11

Técnicas experimentales de Física General 1/11 La distribució de Itroducció. Ejemplo. Defiició geeral de. Grados de libertad. reducido. La distribució de. Probabilidades de. Ejemplos: 1. Distribució de Poisso.. Bodad de u ajuste. Técicas eperimetales

Más detalles

Determinación del tamaño de una muestra (para dos o más muestras)

Determinación del tamaño de una muestra (para dos o más muestras) STATGRAPHICS Rev. 457 Determiació del tamaño de ua muestra (para dos o más muestras) Este procedimieto determia el tamaño de muestra apropiado para estimar o realiar pruebas de hipótesis respecto a alguo

Más detalles

14. Técnicas de simulación mediante el método de Montecarlo

14. Técnicas de simulación mediante el método de Montecarlo 4. Técicas de simulació mediate el método de Motecarlo 4. Técicas de simulació mediate el método de Motecarlo Qué es la simulació? Proceso de simulació Simulació de evetos discretos Números aleatorios

Más detalles

Estimador Es la regla o procedimiento, expresado en general por medio de una fórmula, que se utiliza para deducir la estimación.

Estimador Es la regla o procedimiento, expresado en general por medio de una fórmula, que se utiliza para deducir la estimación. Teoría de la Estimació Estadística Teoría de la Estimació Estadística Razó para estimar Los admiistradores utiliza las estimacioes porque se debe tomar decisioes racioales, si que tega la iformació pertiete

Más detalles

Gráfico de Medianas y Rangos

Gráfico de Medianas y Rangos Gráfico de Medianas y Rangos Resumen El procedimiento Gráfico de Medianas y Rangos crea gráficos de control para una sola variable numérica donde los datos se han recolectad en subgrupos. Crea tanto un

Más detalles

Estadístico. Parámetro

Estadístico. Parámetro La iferecia estadística comprede el establecer ciertos juicios co respecto a algo después de examiar solamete ua parte o muestra de ello. Así, se ofrece ua muestra gratis de u uevo producto alimeticio

Más detalles

Medidas de tendencia central

Medidas de tendencia central Medidas de tedecia cetral Por: Sadra Elvia Pérez Las medidas de tedecia cetral tiee este ombre porque so valores cetrales represetativos de los datos. Las medidas de tedecia cetral que se estudia e esta

Más detalles

Uso de Excel en la enseñanza de las series 1

Uso de Excel en la enseñanza de las series 1 Uso de Excel e la eseñaza de las series Carlos E. Azofeifa Resume El presete trabajo tiee como objetivo mostrar el uso de la herramieta muy coocida y flexible como lo es la hoja electróica Excel, e el

Más detalles

Test de Kolmogorov Smirnov Patricia Kisbye El test chi-cuadrado en el caso continuo

Test de Kolmogorov Smirnov Patricia Kisbye El test chi-cuadrado en el caso continuo Test de Kolmogorov Smirov Técicas de validació estadística Bodad de auste Kolmogorov-Smirov Patricia Kisbye FaMAF 29 de mayo, 2008 Icoveiete: No es secillo costruir los itervalos a partir de las probabilidades.

Más detalles

(finitas o infinitas)

(finitas o infinitas) Series ifiitas. SUCESIONES: Es u cojuto de úmeros: a,a a, dispuestos e u orde defiido y que guarda ua determiada ley de formació, que se expresa por ua formula Sucesió fiita: umero itado de térmios:, 5,8-5.

Más detalles

GUIAS ÚNICAS DE LABORATORIO DE FÍSICA I ASPECTOS PRELIMINARES INTRODUCCIÓN AL CÁLCULO DE INCERTIDUMBRE EN LAS MEDICIONES

GUIAS ÚNICAS DE LABORATORIO DE FÍSICA I ASPECTOS PRELIMINARES INTRODUCCIÓN AL CÁLCULO DE INCERTIDUMBRE EN LAS MEDICIONES GUIAS ÚNICAS DE LABORATORIO DE FÍSICA I ASPECTOS PRELIMINARES INTRODUCCIÓN AL CÁLCULO DE INCERTIDUMBRE EN LAS MEDICIONES SANTIAGO DE CALI UNIVERSIDAD SANTIAGO DE CALI DEPARTAMENTO DE LABORATORIOS INTRODUCCIÓN

Más detalles

Intervalo de confianza para µ

Intervalo de confianza para µ Itervalo de cofiaza para p y ˆp1 ˆp ˆp1 ˆp ˆp z 1 α/ ; ˆp + z 1 α/, 7.6 ˆp + z 1 α/ ± z 1 α/ 1 + z 1 α/ ˆp1 ˆp + z 1 α/ 4 7.7 siedo ˆp = x/ y z 1 α/ el cuatil 1 α/ de la distribució ormal estádar. El itervalo

Más detalles

TEMA 6. INTRODUCCIÓN A LA INFERENCIA ESTADÍSTICA

TEMA 6. INTRODUCCIÓN A LA INFERENCIA ESTADÍSTICA TEMA 6. INTRODUCCIÓN A LA INFERENCIA ETADÍTICA 6.. Itroducció 6.. Coceptos básicos 6.3. Muestreo aleatorio simple 6.4. Distribucioes asociadas al muestreo 6.4.. Distribució Chi-Cuadrado 6.4.. Distribució

Más detalles

DETERMINACION DEL COSTO POR ALUMNO EGRESADO DE EDUCACION PRIMARIA

DETERMINACION DEL COSTO POR ALUMNO EGRESADO DE EDUCACION PRIMARIA DETERMINACION DEL COSTO POR ALUMNO EGRESADO DE EDUCACION PRIMARIA U Modelo de Costeo por Procesos JOSE ANTONIO CARRANZA PALACIOS *, JUAN MANUEL RIVERA ** INTRODUCCION U aspecto fudametal e la formulació

Más detalles

T ema 8 ESTIMACIÓN. Conceptos previos. Población y muestra:

T ema 8 ESTIMACIÓN. Conceptos previos. Población y muestra: T ema 8 ESTIMACIÓN Coceptos previos Població y muestra: Població se refiere al cojuto total de elemetos que se quiere estudiar ua o más características. Debe estar bie defiida. Llamaremos N al úmero total

Más detalles

Tema 6: Distribuciones Muestrales

Tema 6: Distribuciones Muestrales Tema 6: Distribucioes Muestrales El objetivo es efectuar ua geeralizació de los resultados de la muestra a la població. Iferir o adiviar el comportamieto de la població a partir del coocimieto de ua muestra.

Más detalles

INTRODUCCIÓN A LA INFERENCIA ESTADÍSTICA.

INTRODUCCIÓN A LA INFERENCIA ESTADÍSTICA. INTRODUCCIÓN A LA INFERENCIA ESTADÍSTICA. Població: El cojuto de todos los elemetos o idividuos que posee ua determiada característica o cualidad de iterés. Existe situacioes e las que o es posible aalizar

Más detalles

Trata de describir y analizar algunos caracteres de los individuos de un grupo dado, sin extraer conclusiones para un grupo mayor.

Trata de describir y analizar algunos caracteres de los individuos de un grupo dado, sin extraer conclusiones para un grupo mayor. 1 Estadística Descriptiva Tema 8.- Estadística. Tablas y Gráficos. Combiatoria Trata de describir y aalizar alguos caracteres de los idividuos de u grupo dado, si extraer coclusioes para u grupo mayor.

Más detalles

11 I N F E R E N C I A E S T A D Í S T I C A I (INTERVALOS DE CONFIANZA)

11 I N F E R E N C I A E S T A D Í S T I C A I (INTERVALOS DE CONFIANZA) I N F R N C I A S T A D Í S T I C A I (INTRVALOS D CONFIANZA) Sea Ω ua població y sobre ella ua variable aleatoria X que sigue ua ley ormal N(µ; ), co media µ descoocida y desviació típica coocida. Co

Más detalles

MEDIDAS DE TENDENCIA CENTRAL. _ xi

MEDIDAS DE TENDENCIA CENTRAL. _ xi EDIDAS DE TENDENCIA CENTRAL. EDIA ARITÉTICA. Es la medida más coocida y tambié es llamada promedio se obtiee sumado todos los valores de la muestra o població, dividida etre el total de elemetos que cotiee

Más detalles

TEORÍA DE LA ESTIMACIÓN

TEORÍA DE LA ESTIMACIÓN TEORÍA DE LA ESTIMACIÓN Objetivo: El objetivo de la estimació putual es usar ua muestra para obteer úmeros (estimacioes putuales) que sea la mejor represetació de los verdaderos parámetros de la població.

Más detalles

EL CONTRASTE DE HIPOTESIS: Esquemas y ejemplos

EL CONTRASTE DE HIPOTESIS: Esquemas y ejemplos EL CONTRASTE DE HIPOTESIS: Esquemas y ejemplos Ua vez expuesta la lógica de u Cotraste de Hipótesis y tras haber defiido los térmios y coceptos ivolucrados, hay que decir que esa lógica geeral se cocreta

Más detalles

Fórmulas Estadísticas. Recuerde: Hay k Categorías; n Datos en una muestra, N datos en una población.

Fórmulas Estadísticas. Recuerde: Hay k Categorías; n Datos en una muestra, N datos en una población. Uiversidad Diego Portales Facultad de Ecoomía y Negocios Fórmulas Estadísticas Capítulo 2 Recuerde: Hay k Categorías; Datos e ua muestra, N datos e ua població. Frecuecia Relativa de Clase (f) Cuátas Clases

Más detalles

PRÁCTICA # 3 PREPARACIÓN DE GRÁFICAS GRÁFICAS LINEALES

PRÁCTICA # 3 PREPARACIÓN DE GRÁFICAS GRÁFICAS LINEALES TEORIA PRÁCTICA # 3 PREPARACIÓN DE GRÁFICAS GRÁFICAS LINEALES Cuado se realiza experimetos usualmete se obtiee ua serie de datos, por ejemplo los mostrados e la tabla. Geeralmete, lo que se quiere es ecotrar

Más detalles

STATGRAPHICS se refiere a cada fila del archivo como un subgrupo. El tamaño del subgrupo es n = 5.

STATGRAPHICS se refiere a cada fila del archivo como un subgrupo. El tamaño del subgrupo es n = 5. Gráficos X-Bar y R Resumen El procedimiento Gráficos X-Bar y R crea gráficos de control para una única variable numérica cuando los datos han sido reunidos en subgrupos. Crea un Gráfico X-bar para monitorear

Más detalles

TEMA 5: Gráficos de Control por Atributos. 1. Gráfico de control para la fracción de unidades defectuosas

TEMA 5: Gráficos de Control por Atributos. 1. Gráfico de control para la fracción de unidades defectuosas TEMA 5: Gráficos de Cotrol por Atributos 1 Gráfico de cotrol para la fracció de uidades defectuosas 2 Gráfico de cotrol para el úmero medio de discoformidades por uidad Selecció del tamaño muestral 3 Clasificació

Más detalles

Tema 10 Cálculo de probabilidades Matemáticas CCSSII 2º Bachillerato 1

Tema 10 Cálculo de probabilidades Matemáticas CCSSII 2º Bachillerato 1 Tema 10 Cálculo de probabilidades Matemáticas CCSSII 2º Bachillerato 1 TEMA 10 CÁLCULO DE PROBABILIDADES 10.1 EXPERIENCIAS ALEATORIAS. SUCESOS EXPERIENCIAS DETERMINISTAS Y ALEATORIAS Se llama experiecia

Más detalles

2 CARTAS DE CONTROL POR ATRIBUTOS

2 CARTAS DE CONTROL POR ATRIBUTOS 2 CARTAS DE CONTROL POR ATRIBUTOS Cualquier característica de calidad que pueda ser clasificada de forma biaria: cumple o o cumple, fucioa o o fucioa, pasa o o pasa, coforme o discoforme defectuoso, o

Más detalles

Se utilizan los datos puntuales de altura de precipitación o intensidades máximas de lluvia registradas en una estación

Se utilizan los datos puntuales de altura de precipitación o intensidades máximas de lluvia registradas en una estación .. Tormetas putuales Aspectos geerales Se utiliza los datos putuales de altura de precipitació o itesidades máximas de lluvia registradas e ua estació So válidas para áreas cuya extesió este defiida por

Más detalles

HERRAMIENTAS ADMINISTRATIVAS Y ESTADÍSTICAS

HERRAMIENTAS ADMINISTRATIVAS Y ESTADÍSTICAS Lista de Herramietas Admiistrativas y Estadísticas: 1. Diagrama de flujo del proceso 8. Lluvia de ideas. Hojas de chequeo 9. Gráfica X 3. Diagrama de Pareto 10. Gráfica R 4. Diagramas de Causa-Efecto 11.

Más detalles

Solución: Se observa que en su perímetro e interior, el primer cuadrilátero tiene cinco puntos y además 5 = 1+

Solución: Se observa que en su perímetro e interior, el primer cuadrilátero tiene cinco puntos y además 5 = 1+ Problema. E el diagrama se preseta los tres primeros cuadriláteros de ua secuecia que iicia e u puto e el cetro del tablero crece desde ese puto hacia fuera, cuál es el úmero de putos que está e el perímetro

Más detalles

Tema 7 (IV). Aplicaciones de las derivadas (2). Representación gráfica de curvas y fórmula de Taylor

Tema 7 (IV). Aplicaciones de las derivadas (2). Representación gráfica de curvas y fórmula de Taylor Tema 7 (IV) Aplicacioes de las derivadas () Represetació gráfica de curvas y fórmula de Taylor Aplicacioes de la derivada primera El sigo de la derivada primera de ua fució permite coocer los itervalos

Más detalles

Ingeniería Industrial. Curso 2009-2010. Departamento de Matemática Aplicada II. Universidad de Sevilla. Lección 5. Series.

Ingeniería Industrial. Curso 2009-2010. Departamento de Matemática Aplicada II. Universidad de Sevilla. Lección 5. Series. CÁLCULO Igeiería Idustrial. Curso 2009-200. Departameto de Matemática Aplicada II. Uiversidad de Sevilla. Lecció 5. Series. Resume de la lecció. 5.. Sucesioes y series. Sucesió covergete. Se de e ua sucesió

Más detalles

TEMA 7. ESTIMACIÓN. 7.2. Estimación puntual. Propiedades deseables de los estimadores 7.2.1. Introducción y definiciones 7.2.2. Estimadores Insegados

TEMA 7. ESTIMACIÓN. 7.2. Estimación puntual. Propiedades deseables de los estimadores 7.2.1. Introducción y definiciones 7.2.2. Estimadores Insegados TEMA 7. ETIMACIÓN 7.1. Itroducció y defiicioes 7.. Estimació putual. Propiedades deseables de los estimadores 7..1. Itroducció y defiicioes 7... Estimadores Isegados 7.3. Estimació por itervalos de cofiaza

Más detalles

Estalmat. Real Academia de Ciencias. Curso 2005/2006. Dinámica compleja. Conjuntos de Julia y Mandelbrot. Método de Newton. Miguel Reyes Mayo 2006

Estalmat. Real Academia de Ciencias. Curso 2005/2006. Dinámica compleja. Conjuntos de Julia y Mandelbrot. Método de Newton. Miguel Reyes Mayo 2006 Estalmat. Real Academia de Ciecias. Curso 5/6 Diámica compleja Cojutos de Julia y Madelbrot. Método de Newto. Miguel Reyes Mayo 6 Los úmeros complejos Los úmeros complejos so los úmeros de la forma dode

Más detalles

Selección de inversiones II

Selección de inversiones II Problemas de Ecoomía y Orgaizació de Empresas (º de Bachillerato) Euciado Selecció de iversioes II Problema 6 U fabricate de evases de arcilla para la alimetació está aalizado la posibilidad de istalar

Más detalles

Medidas de Tendencia Central

Medidas de Tendencia Central 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 valores observados e la muestra, dividida

Más detalles

Gráfico de Control de Aceptación

Gráfico de Control de Aceptación Gráfico de Control de Aceptación Resumen El procedimiento de Gráfico de Control de Aceptación crea gráficos de control con límites de control modificados basándose en la desviación estándar del proceso

Más detalles

Análisis Multivariable

Análisis Multivariable Aálisis Multivariable Resume El procedimieto Aálisis Multivariable está diseñado para resumir dos columas o más de datos uméricos. Calcula estadísticos de resume para cada variable, así como las variazas

Más detalles

Gráfico de Desgaste de Herramientas

Gráfico de Desgaste de Herramientas Gráfico de Desgaste de Herramientas Resumen El procedimiento Gráfico de Desgaste de Herramientas crea cuadros de control para una sola variable numérica donde se espera que cambien las cantidades en un

Más detalles

Problemas de Estimación de Una y Dos Muestras. UCR ECCI CI-1352 Probabilidad y Esradística Prof. M.Sc. Kryscia Daviana Ramírez Benavides

Problemas de Estimación de Una y Dos Muestras. UCR ECCI CI-1352 Probabilidad y Esradística Prof. M.Sc. Kryscia Daviana Ramírez Benavides Problemas de Estimació de Ua y Dos Muestras UCR ECCI CI-35 Probabilidad y Esradística Prof. M.Sc. Kryscia Daviaa Ramírez Beavides Iferecia Estadística La teoría de la iferecia estadística cosiste e aquellos

Más detalles

DISTRIBUCION DE FRECUENCIA (DATOS AGRUPADOS)

DISTRIBUCION DE FRECUENCIA (DATOS AGRUPADOS) Los valores icluidos e u grupo de datos usualmete varía e magitud; alguos de ellos so pequeños y otros so grades. U promedio es u valor simple, el cual es cosiderado como el valor más represetativo o típico

Más detalles

Tema 7: Estimación por intervalos de confianza.

Tema 7: Estimación por intervalos de confianza. Estadística 69 Tema 7: Estimació por itervalos de cofiaza. 7. Itroducció. Cuado tratamos la estimació putual, uo de los problemas que se platearo es que el valor de la estimació es sólo uo de los valores

Más detalles

Intervalos de confianza para la media

Intervalos de confianza para la media Itervalos de cofiaza para la media Ejercicio º 1.- Las vetas diarias, e euros, e u determiado comercio sigue ua distribució N(950, 200). Calcula la probabilidad de que las vetas diarias e ese comercio:

Más detalles

Señales en Tiempo Discreto

Señales en Tiempo Discreto Señales e Tiempo Discreto Dr. Luis Javier Morales Medoza Procesamieto Digital de Señales Departameto de Maestría DICIS - UG Ídice.. Itroducció.. Señales e tiempo discreto.3. Clasificació de las señales

Más detalles

TEMA 1. ESTADÍSTICA DESCRIPTIVA

TEMA 1. ESTADÍSTICA DESCRIPTIVA TEMA. ESTADÍSTICA DESCRIPTIVA. Itroducció: coceptos básicos. Tablas estadísticas y represetacioes gráficas. Características de variables estadísticas uidimesioales.. Características de posició.. Características

Más detalles

Slide 1. Slide 2. Slide 3. # Categorias. Distribución de Frecuencia. Ejemplo: Taller de Reparaciones Hudson

Slide 1. Slide 2. Slide 3. # Categorias. Distribución de Frecuencia. Ejemplo: Taller de Reparaciones Hudson Slide 1 Ejemplo Práctico: Taller de Reparacioes Hudso Supoga que al admiistrador de u taller de reparacioes le gustaría teer ua mejor idea de la distribució de sus costos relacioados a comprar Autopartes

Más detalles

MEDIDAS RESUMEN: Numéricas y Gráficas. Ejemplo.

MEDIDAS RESUMEN: Numéricas y Gráficas. Ejemplo. MEDIDAS RESUMEN: Numéricas y Gráficas. Ejemplo. Admítelo ua salchicha o es ua zaahoria. Así decía la revista El Cosumidor e u cometario sobre la baja calidad utricioal de las salchichas. Hay tres tipos

Más detalles

ONDAS SOBRE UNA CUERDA

ONDAS SOBRE UNA CUERDA ONDAS SOBRE UNA CUERDA Objetivo: Aalizar el comportamieto de las odas estacioarias e ua cuerda relacioado la tesió, la frecuecia de oscilació, la logitud de la cuerda y el úmero de segmetos que se forma

Más detalles

Sistemas de Ecuaciones Lineales. M. en I. Gerardo Avilés Rosas

Sistemas de Ecuaciones Lineales. M. en I. Gerardo Avilés Rosas Sistemas de Ecuacioes Lieales M. e I. Gerardo Avilés Rosas Octubre de 206 Tema 5 Sistemas de Ecuacioes Lieales Objetivo: El alumo formulará, como modelo matemático de problemas, sistemas de ecuacioes lieales

Más detalles

Análisis de datos en los estudios epidemiológicos II

Análisis 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 detalles

Método de máxima verosimilitud. Curso de Estadística TAE,2005 J.J. Gómez Cadenas

Método de máxima verosimilitud. Curso de Estadística TAE,2005 J.J. Gómez Cadenas Método de máxima verosimilitud Curso de Estadística TAE,2005 J.J. Gómez Cadeas Muestras Cosiderar ua variable aleatoria x descrita por la pdf f(x). El espacio de muestras está costituido por todos los

Más detalles

:: OBJETIVOS [3.1] :: PREINFORME [3.2]

:: OBJETIVOS [3.1] :: PREINFORME [3.2] :: OBJETIVOS [3.] Verificar que la resistecia equivalete a ua asociació de resistecias e serie se obtiee sumado aritméticamete las resistecias coectadas Verificar que la resistecia equivalete a ua asociació

Más detalles

CAPÍTULO V. SUCESIONES Y SERIES

CAPÍTULO V. SUCESIONES Y SERIES (Aputes e revisió para orietar el apredizaje) CAPÍTULO V. UCEIONE Y ERIE DEFINICIÓN. Ua sucesió ifiita, o simplemete sucesió, es ua fució cuyo domiio está costituido por el cojuto de los úmeros aturales

Más detalles

1. Límites normales de tolerancia: estos límites asumen que los datos son una muestra aleatoria de una distribución normal.

1. Límites normales de tolerancia: estos límites asumen que los datos son una muestra aleatoria de una distribución normal. Límites de Tolerancia Los límites de tolerancia proporcionan un rango de valores para X tal que se puede tener 100(1-α) % de confianza que P por ciento de la población, de la cual provienen los datos,

Más detalles

ORGANIZACIÓN DE LOS DATOS.

ORGANIZACIÓN DE LOS DATOS. ORGANIZACIÓN DE LOS DATOS. La toma de datos es ua de las partes de mayor importacia e el desarrollo de ua ivestigació. Así los datos obteidos mediate u primer proceso recibe el ombre de datos si tratar

Más detalles

MEDIDAS DE TENDENCIA CENTRAL

MEDIDAS DE TENDENCIA CENTRAL MEDIDAS DE TENDENCIA CENTRAL Las medidas de tedecia cetral so los valore que se ubica e el cetro de u cojuto de datos estos puede estar ordeados o o. Geeralmete se utiliza cuatro de estos valores coocidos

Más detalles

Slide 1. Slide 2. Slide 3. Universidad Diego Portales Facultad de Economía y Negocios. Capítulo 3 Estadística Descriptiva: Métodos Numéricos

Slide 1. Slide 2. Slide 3. Universidad Diego Portales Facultad de Economía y Negocios. Capítulo 3 Estadística Descriptiva: Métodos Numéricos Slide 1 Uiversidad Diego Portales Facultad de Ecoomía y Negocios Martes 30 de Marzo, 2010 Slide 1 Slide 2 Capítulo 3 Estadística Descriptiva: Métodos Numéricos Medidas de Localizació Medidas de Variabilidad

Más detalles

- A h h+1 n-1 n

- A h h+1 n-1 n 1º DMINISTRCIÓN Y FINNZS GESTIÓN FINNCIER. TEM 9 TEM Nº 9: SELECCIÓN DE INVERSIONES 1. DIMENSIÓN FINNCIER DE UN PROYECTO DE INVERSIÓN Desde el puto de vista fiaciero, es decir, moetario, cualquier proyecto

Más detalles

PROGRESIONES ARITMÉTICAS.-

PROGRESIONES ARITMÉTICAS.- PROGRESIONES ARITMÉTICAS.- Ua progresió aritmética es ua sucesió de úmeros tales que cada uo de ellos, excepto el primero, se obtiee sumado al aterior ua costate d, que se deomia diferecia de la progresió.

Más detalles

DISTRIBUCIONES DE PROBABILIDAD. DISTRIBUCIÓN DE PROBABILIDAD BINOMIAL.

DISTRIBUCIONES DE PROBABILIDAD. DISTRIBUCIÓN DE PROBABILIDAD BINOMIAL. DISTRIBUCIONES DE PROBABILIDAD. DISTRIBUCIÓN DE PROBABILIDAD BINOMIAL. E estadística, la distribució biomial es ua distribució de probabilidad discreta que mide el úmero de éxitos e ua secuecia de esayos

Más detalles

Parámetros de tiempo para

Parámetros de tiempo para Parámetros de tiempo para cotrol y diagóstico INTRODUCCIÓN. Ua de las actividades importates a ivel de sistemas que se debe desarrollar e toda etidad que cuete co u recurso computacioal de soporte para

Más detalles

2.1. Concepto Monto, capital, tasa de interés y tiempo.

2.1. Concepto Monto, capital, tasa de interés y tiempo. 1 2.1. Cocepto El iterés compuesto tiee lugar cuado el deudor o paga al cocluir cada periodo que sirve como base para su determiació los itereses correspodietes. Así, provoca que los mismos itereses se

Más detalles

InIn Sistemas de Control de Calidad

InIn Sistemas de Control de Calidad Desity Desity II 78- Sistemas de Cotrol de Calidad Pla - Repaso de cotrol de calidad Gráficos de Cotrol - Herramieta que moitorea ua o más variables a lo largo del tiempo. (El sistema requiere itervecioes

Más detalles

OPCIÓN A EJERCICIO 1_A x 1 0 1

OPCIÓN A EJERCICIO 1_A x 1 0 1 IES Fco Ayala de Graada Sobrates de 006 (Modelo 3 Juio) Solució Germá-Jesús Rubio Lua OPCIÓN A EJERCICIO 1_A x 1 0 1 Sea las matrices A = y B =. 1 x+1 (1 puto) Ecuetre el valor o valores de x de forma

Más detalles

Sucesiones. Se denomina sucesión a una función cuyo dominio es el conjunto de los números naturales.

Sucesiones. Se denomina sucesión a una función cuyo dominio es el conjunto de los números naturales. Sucesioes Sucesió Se deomia sucesió a ua fució cuyo domiio es el cojuto de los úmeros aturales. Para deotar el -ésimo elemeto de la sucesió se escribe a e lugar de f(). Ejemplo: a = 1/ a 1 = 1, a 2 = 1/2,

Más detalles

Gráfico de Medias Móviles (MA)

Gráfico de Medias Móviles (MA) Gráfico de Medias Móviles (MA) Resumen El procedimiento Gráfico de Medias Móviles crea cuadros de control para una sola variable numérica donde los datos se han recolectado ya sea individualmente o en

Más detalles

Grafico Cusum (Mascara-V)

Grafico Cusum (Mascara-V) Grafico Cusum (Mascara-V) Resumen Los gráficos de sumas acumulativas monitorean datos por variables graficando las sumas acumulativas de las desviaciones al valor objetivo. Esto lo hace, incorporando la

Más detalles

PRACTICA N 05 DETERMINACIÓN DEL TAMAÑO DE PARTÍCULA

PRACTICA N 05 DETERMINACIÓN DEL TAMAÑO DE PARTÍCULA PRACTICA N 05 DETERMINACIÓN DEL TAMAÑO DE PARTÍCULA CAPACIDADES A LOGRAR 1. Cooce y aplica procedimietos para determiar tamaño de partícula de polvos. 2. Iterpreta, clasifica y orgaiza datos y calcula

Más detalles

Resumen Tema 2: Muestreo aleatorio simple. Muestreo con probabilidades desiguales.

Resumen Tema 2: Muestreo aleatorio simple. Muestreo con probabilidades desiguales. Resume Tema 2: Muestreo aleatorio simple. Muestreo co probabilidades desiguales. M.A.S.: Muestreo aleatorio simple co probabilidades iguales si reemplazo. Hipótesis: Marco perfecto, si omisioes i duplicados

Más detalles

Calculamos los vértices del recinto resolviendo las ecuaciones las rectas de dos en dos.

Calculamos los vértices del recinto resolviendo las ecuaciones las rectas de dos en dos. IES Fco Ayala de Graada Sobrates de 006 (Modelo 1 ) Solució Germá-Jesús Rubio Lua OPCIÓN A EJERCICIO 1_A (3 putos) Ua impreta local edita periódicos y revistas. Para cada periódico ecesita u cartucho de

Más detalles

Los datos para éste análisis consisten de m muestras de una población que se detalla a continuación:

Los datos para éste análisis consisten de m muestras de una población que se detalla a continuación: Gráfico U Resmen El procedimiento del Gráfico U crea n cadro de control para datos qe describe el número de desarreglos registrados por nidad como resltado de inspeccionar m mestras. Las mestras podrían

Más detalles

CAPÍTULO I. Conceptos Básicos de Estadística

CAPÍTULO I. Conceptos Básicos de Estadística CAPÍTULO I Coceptos Básicos de Estadística Capítulo I. Coceptos Básicos de Estadística. CAPÍTULO I CONCEPTOS BÁSICOS DE ESTADÍSTICA Para realizar estudios estadísticos es ecesario registrar la ocurrecia

Más detalles

Explicación de la tarea 10 Felipe Guerra. Para la explicación de esta tarea veamos primeramente que es lo que nos están pidiendo.

Explicación de la tarea 10 Felipe Guerra. Para la explicación de esta tarea veamos primeramente que es lo que nos están pidiendo. Explicació de la tarea 0 Felipe Guerra Para la explicació de esta tarea veamos primeramete que es lo que os está pidiedo. Ya hemos visto a lo largo del curso que la variaza es el error cuadrado medio de

Más detalles

9 SUCESIONES. LÍMITES DE SUCESIONES

9 SUCESIONES. LÍMITES DE SUCESIONES 9 SUCESIONES. LÍMITES DE SUCESIONES EJERCICIOS PROPUESTOS 9. Co ua calculadora, forma térmios de las siguietes sucesioes y estudia a qué valores tiede. a) a b) b c) c 5 a) a a 8 5,6 a 0 00,98 a 0 00 0

Más detalles

Universidad Nacional del Litoral Facultad de Ingeniería y Ciencias Hídricas ESTADÍSTICA. Ingenierías RH-Amb-Ag TEORÍA

Universidad 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

Gráficos Individuales de Control

Gráficos Individuales de Control Gráficos Individuales de Control Resumen El procedimiento de Gráficos Individuales de Control crea gráficos de control para una sola variable numérica donde los datos se han colectado uno-a-la-vez en lugar

Más detalles

ERRORES EN LAS MEDIDAS (Conceptos elementales)

ERRORES EN LAS MEDIDAS (Conceptos elementales) ERRORES EN LAS MEDIDAS (Coceptos elemetales). Medida y tipos de errores Ua tarea esecial e este Laboratorio de Física de Primero es familiarizarse co la medida de magitudes físicas. Medir cosiste e comparar

Más detalles

Muestreo estratificado

Muestreo estratificado Capítulo 1 Muestreo estratificado El objetivo del diseño de ecuestas por muestreo es maximizar la catidad de iformació para u coste dado. El muestreo aleatorio simple suele sumiistrar bueas estimacioes

Más detalles

Tema 7 DISTRIBUCIONES CONTINUAS DE PROBABILIDAD. X- μ. f(x) = e para - < x < Z 2. . e para - < z <

Tema 7 DISTRIBUCIONES CONTINUAS DE PROBABILIDAD. X- μ. f(x) = e para - < x < Z 2. . e para - < z < Tema 7 DISTRIBUCIONES CONTINUAS DE PROBABILIDAD La distribució ormal: La distribució ormal, campaa de Gauss o, curva ormal, tambié defiida por De Moivre. Características y propiedades: La siguiete fórmula

Más detalles

4 Contrastes del Chi 2 de bondad del ajuste

4 Contrastes del Chi 2 de bondad del ajuste 4 Cotrastes del Chi de bodad del ajuste U cotraste de bodad del ajuste es de la forma o H 0 : P = P 0 frete a H 1 : P P 0 H 0 : P {P θ } θ Θ frete a H 1 : P / {P θ } θ Θ 4.1 Cotraste del χ para modelos

Más detalles

SESION 15 DISTRIBUCIONES DE MUESTREO

SESION 15 DISTRIBUCIONES DE MUESTREO SESION 15 DISTRIBUCIONES DE MUESTREO I. CONTENIDOS: 1. Distribució de muestreo. 2. Distribucioes de muestreo de la media 3. Media, mediaa y moda, así como su relació co la desviació estádar de las distribucioes

Más detalles

Límite y Continuidad de Funciones.

Límite y Continuidad de Funciones. Límite Cotiuidad de Fucioes. Eleazar José García. eleagarcia9@hotmail.com. Límite de ua fució.. Defiició de límite de ua fució.. Ifiitésimo.. Ifiitésimos equivalete.. Límite por la izquierda.. Límite por

Más detalles

CUADRATURA GAUSSIANA

CUADRATURA GAUSSIANA CUADRATURA GAUSSIANA Este método de basa e muestrear el itegrado de la fució cuya itegral se desea ecotrar, a valores que represeta raíces de poliomios ortogoales Los más populares de éstos so los poliomios

Más detalles

Para obtener el número total de los resultados, es necesario desarrollar algunas técnicas de conteo, las cuales son: Permutaciones. Combinaciones.

Para obtener el número total de los resultados, es necesario desarrollar algunas técnicas de conteo, las cuales son: Permutaciones. Combinaciones. TÉNIAS DE ONTEO. ara obteer el úmero total de los resultados, es ecesario desarrollar alguas técicas de coteo, las cuales so:. ricipio fudametal de coteo. Diagramas de árbol.. Aálisis combiatorio. ermutacioes.

Más detalles

SOLUCIÓN EXAMEN I PARTE II

SOLUCIÓN EXAMEN I PARTE II Nombre: Apellido: C.I.: Fecha: Firma: MÉTODOS ESTADÍSTICOS I EXAMEN I Prof. Gudberto Leó PARTE I: (Cada respuesta correcta tiee u valor de 1 puto) E los siguietes gráficos se represeta distitas distribucioes

Más detalles

Licenciatura en Matemáticas Febrero 2011. x(1 x) θ 1 I [0,1] (x). (1)

Licenciatura en Matemáticas Febrero 2011. x(1 x) θ 1 I [0,1] (x). (1) Estadística I Exame Liceciatura e Matemáticas Febrero 2011 1. Sea X 1,..., X ua muestra aleatoria de ua variable X co distribució Beta de parámetros 2 y θ > 0. Esto último sigifica que la fució de desidad

Más detalles

Muestreo. Mucho de las acciones y decisiones que se toman están basados en la información de una muestra.

Muestreo. Mucho de las acciones y decisiones que se toman están basados en la información de una muestra. 1 Muestreo Muco de las accioes y decisioes que se toma está basados e la iformació de ua muestra. La preguta que siempre se ace, es: qué tamaño de muestra es suficiete para obteer ua buea aproximació de

Más detalles

TEMA 16. ESTEQUIOMETRIA DE UNA FORMULA QUIMICA

TEMA 16. ESTEQUIOMETRIA DE UNA FORMULA QUIMICA 1 TEMA 16. ESTEQUIOMETRIA DE UNA FORMULA QUIMICA Mario Melo Araya Ex Profesor Uiversidad de Chile melomarioqca@gmail.com Estructuralmete las substacias químicas está costituidas por etidades elemetales

Más detalles

Diseño Gráficos de Control

Diseño Gráficos de Control Diseño Gráficos de Control Resumen Este procedimiento esta diseñado para ayudar a determinar el tamaño de muestra apropiado y los parámetros comunes para los gráficos de control. El diseño esta basado

Más detalles

CAPÍTULO IV: CONSTRUCCIÓN DE LA TABLA DE MORTALIDAD. Es un hecho bien conocido que la probabilidad de que un individuo fallezca en un periodo

CAPÍTULO IV: CONSTRUCCIÓN DE LA TABLA DE MORTALIDAD. Es un hecho bien conocido que la probabilidad de que un individuo fallezca en un periodo CAPÍTULO IV: CONSTRUCCIÓN DE LA TABLA DE MORTALIDAD 4.1 Geeralidades Es u hecho bie coocido que la probabilidad de que u idividuo fallezca e u periodo determiado de tiempo depede de muchos factores, etre

Más detalles

4.- Aproximación Funcional e Interpolación

4.- Aproximación Funcional e Interpolación 4- Aproximació Fucioal e Iterpolació 4 Itroducció Ua de las mayores vetajas de aproximar iformació discreta o fucioes complejas co fucioes aalíticas secillas, radica e su mayor facilidad de evaluació y

Más detalles

c) la raíz cuadrada Primero tienes que teclear la raíz cuadrada y después el número. 25 = 5

c) la raíz cuadrada Primero tienes que teclear la raíz cuadrada y después el número. 25 = 5 Aexo 4 Calculadora La proliferació de las calculadoras e la vida cotidiaa obliga a profesores y padres a replatearse su uso. Los profesores debemos eseñar a los alumos su utilizació. Pero será los profesores

Más detalles