Pruebas de vida acelerada en confiabilidad

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

Download "Pruebas de vida acelerada en confiabilidad"

Transcripción

1 Notas Pruebas de vida acelerada en confiabilidad Resumen Las ruebas aceleradas consisten en una variedad de métodos ara acortar la vida de un roducto o ara alargar su degradación. El rincial objetivo de tales ruebas es obtener datos ráidamente los cuales modelados adecuadamente y analizados roorcionan información deseada sobre la vida de un roducto bajo condiciones normales de uso. En este artículo se estudiaran las ruebas de vida acelerada se mencionaran los rinciales objetivos ara los cuales se acelera la vida de un roducto los modelos de ruebas de vida acelerada más usuales y finalmente se alicará uno de éstos a un conjunto de datos obtenidos en una rueba en la cual se acelera la temeratura. Palabras clave: Distribuciones de robabilidad estimación métodos de aceleración ruebas de hiótesis.. Introducción Actualmente muchos fabricantes sienten un fuerte resión or desarrollar nuevos y mejores roductos que registren una alta duración confiabilidad entre ellos y or suuesto una alta calidad. Esto ha motivado a desarrollar métodos en ingeniería y amliar el uso de diseños de exerimentos ara roductos y mejorar su roceso. Estos requerimientos ara una alta confiabilidad han incrementado y necesitan or adelantado ruebas de materiales comonentes y sistemas. Las ruebas aceleradas son muy usadas en la industria manufacturera articularmente ara obtener información de la confiabilidad de sus comonentes y materiales. Existe una gran variedad de métodos estadísticos en la aceleración de la vida de un roducto comlicado que uede fallar de diferentes maneras. Generalmente la información de las ruebas a altos niveles de una o más variables de aceleración o esfuerzo (como ueden ser temeratura voltaje o resión se utiliza ara estimar la distribución de vida del roducto. El término aceleración tiene varios significados en el camo de la confiabilidad ero el término generalmente imlica ir más ráido de tal forma que la información de la confiabilidad ueda obtenerse más ráidamente. Existen diferentes tios de ruebas de confiabilidad en las fases del roceso de roducción del roducto las más comunes son ruebas de vida acelerada y ruebas de degradación acelerada.. Pruebas de vida acelerada Una rueba de vida es aquella en la cual un artículo o roducto de interés se somete a un esfuerzo en condiciones ambientales mayores a las que tíicamente estará oerando. Los rinciales objetivos de acelerar la vida de un roducto son: estimar la distribución de vida de dicho roducto identificar fallas en el diseño medir y demostrar la confiabilidad. Temas de Ciencia y Tecnología vol. 3 número 38 mayo - agosto

2 Los modelos de ruebas de vida acelerada tiene las siguientes dos comonentes: Una distribución de vida que reresenta la disersión de la vida del roducto y la relación vida esfuerzo. Las distribuciones más usuales ara ruebas de vida son: exonencial normal lognormal Weibull y de valores extremos (Gumbel. 3. Relación vida esfuerzo La relación existente entre la vida y el esfuerzo no siemre es el mismo éste uede ser constante o no en este trabajo sólo se estudiarán ruebas con esfuerzo constante ya que es más común que las unidades trabajen con el mismo esfuerzo durante el tiemo de la rueba. Normalmente los datos de la rueba de vida se grafican como se muestra en la siguiente figura. si el esfuerzo es temeratura la relación usual es la de Arrhenius aunque cabe aclarar que ésta no siemre se alica en situaciones en donde la variable de aceleración es temeratura ya que en algunos casos no se tiene un buen ajuste del modelo. Algunas alicaciones de esta relación son: aislantes eléctricos y dieléctricos estados sólidos y semiconductores celdas de batería lubricantes lásticos lámaras incandescentes etc. Si el esfuerzo alicado en la rueba es voltaje la relación más común es la de otencia inversa. En cualquier caso se necesita el uso de una distribución de rueba de vida deendiendo de la distribución utilizada se tiene los modelos ara ruebas de vida acelerada or ejemlo si la relación es otencia inversa y se usa la distribución Weibull se tiene el modelo otencia inversa Weibull. En el ejemlo que se mostrara en este trabajo el esfuerzo utilizado es la temeratura y la distribución de vida que se suone es la lognormal or lo que se usará el modelo Arrhenius lognormal a continuación se describe dicho modelo. 4. Modelo de Arrhenius lognormal La vida de algunos roductos y materiales en una rueba con temeratura acelerada se describe adecuadamente con una distribución lognormal. De acuerdo con la ley de Arrhenius la razón de una simle reacción química (R deende de la temeratura como sigue FIGURA. RELACIÓN VIDA ESFUERZO. Observe que a niveles altos de esfuerzo la vida disminuye y viceversa. Cuando el tiemo de la rueba se esecifica y algunas unidades no han fallado hasta ese momento se dice que éstas están censuradas o que se tienen datos censurados or la derecha. En muchas alicaciones industriales las variables de aceleración más comunes son la temeratura voltaje y resión deendiendo de éstas se alica una relación vida esfuerzo esecífica or ejemlo Ea R( T = Aex k B T donde E a es la energía a la cual se activa la reacción usualmente en volts (ev K B = 8.67 x 0-5 = /605 es la constante de Boltzmann s en electrón volts or C T = Tem C es la temeratura absoluta en la escala de Kelvin A es una característica de falla del roducto en condiciones de rueba. Tanto a como A son arámetros del modelo que necesitan estimarse. El modelo hace los siguientes suuestos: la vida del roducto tiene un distribución lognormal E 34 Temas de Ciencia y Tecnología mayo - agosto 009 Notas

3 o equivalentemente el logaritmo de ésta tiene una distribución normal la desviación estándar σ del logaritmo de la vida es constante indeendiente de la temeratura y el logaritmo de la vida media τ ( 0.5 T es una función lineal del inverso de la temeratura absoluta esto es [ τ ( T ] = + ( / log.5 0 T donde F es la función de distribución acumulada de y i en nuestro caso ésta es la dada en (. Ahora suóngase que se tienen n muestras indeendientes entonces la verosimilitud muestral es el roducto de éstas esto es n... = L i (... i=. L( la cual se llama la relación de Arrhenius. Los arámetros y σ son características del roducto y del método de rueba los cuales son estimados de los datos. Equivalentemente la media µ (x del logaritmo de la vida es una función lineal de x=000/t es decir µ ( x = + x ( aquí 000 se usa como una escala de la temeratura. Con lo anterior a una temeratura absoluta T la función de distribución acumulada al tiemo t es log( t µ ( x F( t = Φ σ ( donde Φ [ ] es la función de distribución acumulada de una normal estándar. 5. Análisis de datos Para analizar los datos de una rueba de vida acelerada el método de máxima verosimilitud (MV es el más usado ya que es muy versátil y es alicable a diferentes modelos tios de datos y tios de esfuerzo además éste se uede ocuar cuando se tienen datos censurados o sin censura. Suóngase que la muestra i tiene a la variable deendiente y i censurada or la derecha entonces la función de verosimilitud es L i ( i... = F( y ;... Tomando el logaritmo natural de ésta se tiene la logverosimilitud muestral dada or n n l( l( = = ln n ln LL i ( i ( i= i = la cual solo es función de los arámetros.... L os estimadores de máxima verosimilitud ˆ ˆ... ˆ de... son los valores que maximizan la log-verosimilitud muestral y se encuentran or los métodos tradicionales de cálculo igualando a cero las derivadas de l(... con resecto a los arámetros y resolviendo las siguientes ecuaciones de verosimilitud ara ˆ ˆ... ˆ : l (... = 0 i ara i =... Usualmente estas son ecuaciones no lineales en los arámetros y no se ueden resolver algebraicamente or lo que hay que ocuar algún método numérico. Desués de obtener la estimación de los arámetros hay que estimar la matriz de varianzas y covarianza de ellos dada or V Var( L Cov( = F = M O M Cov( L Var(. Pruebas de vida acelerada en confiabilidad. Temas de Ciencia y Tecnología mayo - agosto

4 la cual es una matriz simétrica de aquí F es la matriz de información de Fisher formada or las segundas derivadas arciales negativas de la función de log-verosimilitud evaluada en ˆ ˆ... ˆ. Para encontrar intervalos de confianza de los arámetros estimados se ocua la aroximación normal or las roiedades asintóticas que se cumlen. Mientras que si lo que se desea es realizar algunas ruebas de hiótesis se ocua el estadístico El signo + en la Tabla indica aquellos motores que no fallaron antes de que terminara el estudio. Los motores fueron eriódicamente analizados or fallas y el tiemo de falla que se muestra en la tabla es el unto final del eriodo en el cual la falla ocurrió. En la Figura 3 se muestra la disersión de los datos de la rueba de vida acelerada dados en la Tabla. T = ( lˆ + lˆ lˆ lˆ j (3 donde lˆ k k = K j y lˆ es la log-verosimilitud muestral estimada del j-ésimo nivel de esfuerzo y total resectivamente. Si la relación entre los datos es lineal la distribución de T es aroximadamente χ con j grados de libertad si la relación no es lineal T tiende a tomar valores grandes de esta manera si T χ ( α j los datos son consistentes con una relación lineal de lo contrario los datos difieren significativamente de la relación lineal. 6. Ajuste del modelo La Tabla muestra datos censurados de una rueba de aceleración de temeratura de una clase-b de caa aislante ara motores eléctricos. Diez motores fueron robados cada uno a cuatro temeraturas 50 C 7 C 90 C y 0 C. El objetivo de la rueba es estimar la distribución de vida de un diseño de motores a temeratura de 30 C. Al tiemo del análisis siete motores a 70 C tuvieron falla cinco a 90 C y 0 C tuvieron falla mientras que ninguno de los motores fallaron a 50 C. FIGURA 3. RELACIÓN ENTRE LA TEMPERATURA Y LOS TIEMPOS DE FALLA. En esta figura se uede observar la relación que existe entre la temeratura y los tiemos de falla a la cual se le uede alicar la relación de Arrhenius suoniendo una distribución de vida lognormal el modelo ajustado a los datos es el Arrhenius lognormal descrito en la sección 4. En este caso el arámetro de localización es función de la temeratura siguiendo la relación dada en (. Cabe mencionar que en el análisis de los datos los tiemos de falla registrados a 50 C no roorcionan información relevante ya que sólo se tiene un unto como lo muestra la Figura 3 or lo que se omiten en dicho análisis. Los resultados son los siguientes: 50 o C 70 o C 90 o C 0 o C TABLA. TIEMPOS DE FALLA DE 40 MOTORES SOMETIDOS A UNA PRUEBA DE VIDA ACELERADA. Parámetro Estimación or MV Intervalo del 95% de confianza 3.47 ( ( σ 0.59 ( TABLA 4. ESTIMACIÓN DE LOS PARÁMETROS CON INTERVALOS DEL 95% DE CONFIANZA. 36 Temas de Ciencia y Tecnología mayo - agosto 009 Notas

5 La matriz de varianzas y covarianzas estimada es V = La ecuación ajustada es ( x( x = ( x( x x x µ que es equivalente con (. Como el objetivo es estimar la distribución de vida de un diseño a temeratura de 30 C en la siguiente tabla se muestran los cuantiles estimados de dicha distribución. Cuantil Duración estimada Por ejemlo si lo que se desea es estimar la vida media a una temeratura de 30 C la duración es de 4708 horas aroximadamente. En situaciones reales lo que se quiere es estimar un cuantil que roorcione garantía a los consumidores or ejemlo el o 99 en este caso ara el cuantil 90 la duración sería 06 horas aroximadamente lo que quiere decir que existe una robabilidad de 0.9 de que la falla se resente desués de esas horas de estar trabajando el motor. µ Una rueba de interés es verificar la igualdad del arámetro de escala ( σ en todos los niveles de esfuerzo. En este caso se tiene j = 3 ruebas de temeratura las log-verosimilitudes estimadas en cada nivel de esfuerzo son: lˆ = lˆ = lˆ3 = y la log-verosimilitud total es:. l ˆ = or lo tanto usando el estadístico dado en (3 T = 9.69 > 9. = χ T = > 9. = = (0.99.( χ ( Así las σ s difieren significativamente a un nivel del 99% de confianza si las σ s de las oblaciones fueran iguales se odrían observar valores grandes de T. Otra rueba de interés es verificar la linealidad de los datos. Si suonemos que el arámetro de escala es constante ajustando el modelo con varianzas constantes ara los tres niveles de temeratura se obtiene que la log-verosimilitud total estimada es lˆ σ =cte = y usando el estadístico dado en (3 T =.34 >.35 = χ( (0.95 ( T =.34 >.35 = χ Por lo que no hay suficiente evidencia de no linealidad en los datos a un nivel de confianza del 95%. 7. Conclusiones El modelo ara rueba de vida acelerada estudiado aquí ajusta adecuadamente a los datos del ejemlo ermitiendo dar una buena estimación de la distribución de vida como lo muestran las ruebas realizadas ara tal ajuste al nivel de confianza mostrado aunque en general estas ueden cambiar deendiendo el nivel que se requiera ero no lo harían radicalmente. La estimación de los arámetros or máxima verosimilitud mostrados en la Tabla 3 resentan oca variabilidad y oca correlación entre ellos como se uede verificar en la matriz de varianzas y covarianzas. Con la estimación de la distribución de vida se ueden tomar decisiones acerca de la garantía del roducto ya que muestra su confiabilidad. T Bibliografía Abdulla A. Alhadeed and Shei-Shein Yang. 00 Otimum Simle Ste-Stress Plan for Khamis- Higgins Model IEEE Transactions on Reliability R-5-5. Meeker W. Q. and Escobar L. A. 998 Statistical Methods for Reliability Data. New York: John Wiley & Sons. Pruebas de vida acelerada en confiabilidad. Temas de Ciencia y Tecnología mayo - agosto

6 Nelson W. B. 990 Accelerated Testing: Statistical Models Test Plans and Data Analyses. New York: John Wiley & Sons. Nelson W. B. 00 Residual and Their Analyses for Accelerated Life Test whit Ste and Varying Stress. Disonible or el autor Shaked M. and Singurwalla N. D. 983 Inference for Ste-Stress Accelerated Life Test. J. of Statistical Planning and Inference Jiménez Hernández J. del C. * Alamilla Lóez N. E. * Lóez Cerino M. ** * Universidad Tecnológica de la Mixteca ** Benemérita Universidad Autónoma de Puebla 38 Temas de Ciencia y Tecnología mayo - agosto 009 Notas

D.2 ANÁLISIS ESTADÍSTICO DE LAS TEMPERATURAS DE VERANO

D.2 ANÁLISIS ESTADÍSTICO DE LAS TEMPERATURAS DE VERANO Anejo Análisis estadístico de temperaturas Análisis estadístico de temperaturas - 411 - D.1 INTRODUCCIÓN Y OBJETIVO El presente anejo tiene por objeto hacer un análisis estadístico de los registros térmicos

Más detalles

Estadística Avanzada y Análisis de Datos

Estadística Avanzada y Análisis de Datos 1-1 Estadística Avanzada y Análisis de Datos Javier Gorgas y Nicolás Cardiel Curso 2006-2007 2007 Máster Interuniversitario de Astrofísica 1-2 Introducción En ciencia tenemos que tomar decisiones ( son

Más detalles

PLANES ÓPTIMOS PARA PRUEBAS DE VIDA ACELERADA CON ESFUERZOS ESCALONADOS José del Carmen Jiménez Hernández and Enrique R. Villa D.

PLANES ÓPTIMOS PARA PRUEBAS DE VIDA ACELERADA CON ESFUERZOS ESCALONADOS José del Carmen Jiménez Hernández and Enrique R. Villa D. PLANES ÓPTIMOS PARA PRUEBAS DE VIDA ACELERADA CON ESFUERZOS ESCALONADOS José del Carmen Jiménez Hernández and Enrique R. Villa D. Comunicación Técnica No I-07-07/07-05-2007 (PE/CIMAT) Planes óptimos para

Más detalles

TEMA7 : Fluidos Capitulo 2. Hidrodinámica

TEMA7 : Fluidos Capitulo 2. Hidrodinámica TEMA7 : Fluidos Caitulo. Hidrodinámica TEMA7 : Fluidos Caitulo. Hidrodinámica Ley de continuidad. Fluidos sin viscosidad. Efecto Venturi. Alicaciones. Viscosidad. Régimen laminar y turulento. Hidrodinámica

Más detalles

6. ESTIMACIÓN DE PARÁMETROS

6. ESTIMACIÓN DE PARÁMETROS PROBABILIDAD Y ESTADÍSTICA Sesión 7 6. ESTIMACIÓN DE PARÁMETROS 6.1 Características el estimador 6. Estimación puntual 6..1 Métodos 6..1.1 Máxima verosimilitud 6..1. Momentos 6.3 Intervalo de confianza

Más detalles

PROCESOS DE MARKOV. Definiciones en los Procesos de Markov de Primer Orden:

PROCESOS DE MARKOV. Definiciones en los Procesos de Markov de Primer Orden: ROCESOS DE MARKOV rinciio de Markov: Cuando una robabilidad condicional deende únicamente del suceso inmediatamente anterior, cumle con el rinciio de Markov de rimer Orden, es decir. X ( t ) j X () K,

Más detalles

ESTADISTICA APLICADA: PROGRAMA

ESTADISTICA APLICADA: PROGRAMA Pág. 1 de 5 ESTADISTICA APLICADA: PROGRAMA a) OBJETIVOS Y BLOQUE 1: Teoría de Probabilidades 1.1 Comprender la naturaleza de los experimentos aleatorios y la estructura de los espacios de probabilidades,

Más detalles

Teoría de la decisión Estadística

Teoría de la decisión Estadística Conceptos básicos Unidad 7. Estimación de parámetros. Criterios para la estimación. Mínimos cuadrados. Regresión lineal simple. Ley de correlación. Intervalos de confianza. Distribuciones: t-student y

Más detalles

Tema 11: Intervalos de confianza.

Tema 11: Intervalos de confianza. Tema 11: Intervalos de confianza. Presentación y Objetivos. En este tema se trata la estimación de parámetros por intervalos de confianza. Consiste en aproximar el valor de un parámetro desconocido por

Más detalles

Estadística Inferencial

Estadística Inferencial Estadística Inferencial 1 Sesión No. 11 Nombre: Regresión y correlación múltile Contextualización En la sesión anterior se resentó la regresión lineal simle y se mostró su uso en la obtención de una ecuación

Más detalles

CONCEPTOS Y EXPERIMENTOS EN DINÁMICA DE FLUIDOS

CONCEPTOS Y EXPERIMENTOS EN DINÁMICA DE FLUIDOS VIII Congreso Nacional de Ciencias Exloraciones fuera y dentro del aula 7 y 8 de agosto, 006 Universidad Earth, Guácimo, Limón, Costa Rica CONCEPTOS Y EXPERIMENTOS EN DINÁMICA DE FLUIDOS Ing. Carlos E.

Más detalles

PROPIEDADES DISTRIBUCIONALES DE INDICES DE CAPACIDAD DE PROCESOS BAJO DISTRIBUCIONES NO NORMALES

PROPIEDADES DISTRIBUCIONALES DE INDICES DE CAPACIDAD DE PROCESOS BAJO DISTRIBUCIONES NO NORMALES Decimosextas Jornadas "Investigaciones en la Facultad" de iencias Económicas y Estadística. Noviembre de 0 Ferreri, Noemí M. Quaglino, Marta B. () Facultad de iencias Exactas, Ingeniería y Agrimensura.

Más detalles

Estimación por intervalos

Estimación por intervalos Método de construcción de intervalos de confianza Intervalos de confianza para una población normal Estadística II Universidad de Salamanca Curso 2011/2012 Método de construcción de intervalos de confianza

Más detalles

Estadistica II Tema 1. Inferencia sobre una población. Curso 2009/10

Estadistica II Tema 1. Inferencia sobre una población. Curso 2009/10 Estadistica II Tema 1. Inferencia sobre una población Curso 2009/10 Tema 1. Inferencia sobre una población Contenidos Introducción a la inferencia Estimadores puntuales Estimación de la media y la varianza

Más detalles

CÁLCULO DE SIGNIFICANCIA ESTADÍSTICA PARA RESULTADOS DE LAS PRUEBAS SIMCE

CÁLCULO DE SIGNIFICANCIA ESTADÍSTICA PARA RESULTADOS DE LAS PRUEBAS SIMCE CÁLCULO DE SIGNIFICANCIA ESTADÍSTICA PARA RESULTADOS DE LAS PRUEBAS SIMCE Unidad de Análisis Estadístico División de Evaluación de Logros de Aprendizaje Agencia de Calidad de la Educación 013 Índice 1.

Más detalles

Unidad Temática 5 Estimación de parámetros: medias, varianzas y proporciones

Unidad Temática 5 Estimación de parámetros: medias, varianzas y proporciones Unidad Temática 5 Estimación de parámetros: medias, varianzas y proporciones Responda verdadero o falso. Coloque una letra V a la izquierda del número del ítem si acepta la afirmación enunciada, o una

Más detalles

Ejemplos: 1) De una urna que contiene 6 bolillas blancas y 4 negras se extraen sin reposición 3 bolillas. Se definen

Ejemplos: 1) De una urna que contiene 6 bolillas blancas y 4 negras se extraen sin reposición 3 bolillas. Se definen Probabilidades Estadística Comutación Facultad de Ciencias Eactas Naturales Universidad de Buenos Aires Ana M. Bianco Elena J. Martínez Vectores aleatorios Hasta ahora hemos estudiado modelos de robabilidad

Más detalles

Soluciones de los ejercicios de Selectividad sobre Probabilidad de Matemáticas Aplicadas a las Ciencias Sociales II

Soluciones de los ejercicios de Selectividad sobre Probabilidad de Matemáticas Aplicadas a las Ciencias Sociales II Soluciones de los ejercicios de Selectividad sobre Probabilidad de Matemáticas Alicadas a las iencias Sociales II Antonio Francisco Roldán Lóez de Hierro * onvocatoria de 2009 Las siguientes áginas contienen

Más detalles

Selección de un modelo para el análisis de datos de una prueba acelerada

Selección de un modelo para el análisis de datos de una prueba acelerada Academia Journals 2 Copyright Academia Journals 2 2 al 24 de abril, 2 Selección de un modelo para el análisis de datos de una prueba acelerada MC. Manuel Jesús Reyes Méndez, Dr. Manuel A. Rodríguez Medina,

Más detalles

La distribución de probabilidad de la variable aleatoria (v. a). Bernoulli, está dada por:

La distribución de probabilidad de la variable aleatoria (v. a). Bernoulli, está dada por: Distribución Bernoulli Una rueba o exerimento Bernoulli tiene uno de dos resultados mutuamente excluyentes, que generalmente se denotan S (éxito) y F (fracaso). Por ejemlo, al seleccionar un objeto ara

Más detalles

PROBABILIDAD Y ESTADÍSTICA. Sesión 5 (En esta sesión abracamos hasta tema 5.8)

PROBABILIDAD Y ESTADÍSTICA. Sesión 5 (En esta sesión abracamos hasta tema 5.8) PROBABILIDAD Y ESTADÍSTICA Sesión 5 (En esta sesión abracamos hasta tema 5.8) 5 DISTRIBUCIONES DE PROBABILIDAD CONTINUAS Y MUESTRALES 5.1 Distribución de probabilidades de una variable aleatoria continua

Más detalles

Tema 1. Modelo de diseño de experimentos (un factor)

Tema 1. Modelo de diseño de experimentos (un factor) Tema 1. Modelo de diseño de experimentos (un factor) Estadística (CC. Ambientales). Profesora: Amparo Baíllo Tema 1: Diseño de experimentos (un factor) 1 Introducción El objetivo del Análisis de la Varianza

Más detalles

Regresión logística. Ejemplo: Una variable explicativa binaria

Regresión logística. Ejemplo: Una variable explicativa binaria Regresión logística Ejemlo: Una variable exlicativa binaria Datos: Tabla de arámetetro desestabilizado * Exosición al agente Recuento arámetetro desestabilizado Total no si Exosición al agente no si Total

Más detalles

Estadística II Tema 4. Regresión lineal simple. Curso 2010/11

Estadística II Tema 4. Regresión lineal simple. Curso 2010/11 Estadística II Tema 4. Regresión lineal simple Curso 010/11 Tema 4. Regresión lineal simple Contenidos El objeto del análisis de regresión La especificación de un modelo de regresión lineal simple Estimadores

Más detalles

Regresión lineal múltiple

Regresión lineal múltiple Regresión lineal múltiple José Gabriel Palomo Sánchez gabriel.palomo@upm.es E.U.A.T. U.P.M. Julio de 2011 Índice I 1 El modelo de regresión lineal múltiple 1 El modelo de regresión múltiple. Introducción

Más detalles

Excedente del Consumidor

Excedente del Consumidor Excedente del Consumidor Microeconomía Douglas Ramírez Introducción Cuando el ambiente económico cambia esto uede afectar ositiva o negativamente al consumidor. Los economistas con frecuencia quieren medir

Más detalles

REVISION DE CONCEPTOS BÁSICOS

REVISION DE CONCEPTOS BÁSICOS REVISION DE CONCEPTOS BÁSICOS Objetivos Introducir, de manera muy general, algunos de los conceptos matemáticos y estadísticos que se utilizan en el análisis de regresión. La revisión no es rigurosa y

Más detalles

Muestreo y Distribuciones muestrales. 51 SOLUCIONES

Muestreo y Distribuciones muestrales. 51 SOLUCIONES Muestreo y Distribuciones muestrales. 51 Universidad Politécnica de Cartagena Dpto. Matemática Aplicada y Estadística Métodos estadísticos de la ingeniería Soluciones de la hoja de problemas 5. Muestreo

Más detalles

Aplicaciones de la derivada

Aplicaciones de la derivada CAPÍTULO 8 Alicaciones de la derivada 8.3 Concavidad conveidad Observemos que f 00./ > 0 en un intervalo ) f 0./ es creciente en dicho intervalo, or lo tanto, al recorrer la gráfica de la función f de

Más detalles

CÁLCULO DE SIGNIFICANCIA ESTADÍSTICA PARA RESULTADOS SIMCE

CÁLCULO DE SIGNIFICANCIA ESTADÍSTICA PARA RESULTADOS SIMCE CÁLCULO DE SIGNIFICANCIA ESTADÍSTICA PARA RESULTADOS SIMCE SIMCE Unidad de Currículum y Evaluación Ministerio de Educación 011 Índice 1. Antecedentes Generales 1. Comparación de puntajes promedios.1. Errores

Más detalles

ÍNDICE CAPITULO UNO CAPITULO DOS. Pág.

ÍNDICE CAPITULO UNO CAPITULO DOS. Pág. ÍNDICE CAPITULO UNO Pág. Concepto de Estadística 1 Objetivo 1 Diferencia entre estadísticas y estadística 1 Uso de la estadística 1 Divisiones de la estadística 1 1. Estadística Descriptiva 1 2. Estadística

Más detalles

Tema 3: Estimadores de máxima verosimilitud

Tema 3: Estimadores de máxima verosimilitud Tema 3: Estimadores de máxima verosimilitud 1 (basado en el material de A. Jach (http://www.est.uc3m.es/ajach/) y A. Alonso (http://www.est.uc3m.es/amalonso/)) Planteamiento del problema: motivación Método

Más detalles

3. VARIABLES ALEATORIAS

3. VARIABLES ALEATORIAS . VARIABLES ALEATORIAS L as variables aleatorias se clasiican en discretas y continuas, dependiendo del número de valores que pueden asumir. Una variable aleatoria es discreta si sólo puede tomar una cantidad

Más detalles

Técnicas de Inferencia Estadística II. Tema 3. Contrastes de bondad de ajuste

Técnicas de Inferencia Estadística II. Tema 3. Contrastes de bondad de ajuste Técnicas de Inferencia Estadística II Tema 3. Contrastes de bondad de ajuste M. Concepción Ausín Universidad Carlos III de Madrid Grado en Estadística y Empresa Curso 2014/15 Contenidos 1. Introducción

Más detalles

Ejemplos: 1) De una urna que contiene 6 bolillas blancas y 4 negras se extraen sin reposición 3 bolillas. Se definen

Ejemplos: 1) De una urna que contiene 6 bolillas blancas y 4 negras se extraen sin reposición 3 bolillas. Se definen Probabilidades Estadística Comutación Facultad de Ciencias Eactas Naturales. Universidad de Buenos Aires Ana M. Bianco Elena J. Martínez Vectores aleatorios Hasta ahora hemos estudiado modelos de robabilidad

Más detalles

DISTRIBUCIONES DE PROBABILIDAD (RESUMEN)

DISTRIBUCIONES DE PROBABILIDAD (RESUMEN) DISTRIBUCIONES DE PROBABILIDAD (RESUMEN) VARIABLE ALEATORIA: un experimento produce observaciones numéricas que varían de muestra a muestra. Una VARIABLE ALEATORIA se define como una función con valores

Más detalles

Análisis de Capabilidad (Porcentaje Defectuoso)

Análisis de Capabilidad (Porcentaje Defectuoso) Análisis de Capabilidad (Porcentaje Defectuoso) STATGRAPHICS Rev. 9/4/2006 Este procedimiento esta diseñado para estimar el porcentaje de artículos defectuosos en una población basándose en muestra de

Más detalles

Test de Kolmogorov-Smirnov

Test de Kolmogorov-Smirnov Test de Kolmogorov-Smirnov Georgina Flesia FaMAF 2 de junio, 2011 Test de Kolmogorov-Smirnov El test chi-cuadrado en el caso continuo H 0 : Las v.a. Y 1, Y 2,..., Y n tienen distribución continua F. Particionar

Más detalles

Validación de los métodos microbiológicos HERRAMIENTAS ESTADISTICAS. Bqca. QM Alicia I. Cuesta, Consultora Internacional de la FAO

Validación de los métodos microbiológicos HERRAMIENTAS ESTADISTICAS. Bqca. QM Alicia I. Cuesta, Consultora Internacional de la FAO Validación de los métodos microbiológicos HERRAMIENTAS ESTADISTICAS Bqca. QM Alicia I. Cuesta, Consultora Internacional de la FAO Objetivos de la clase Objetivos de la estadística. Concepto y parámetros

Más detalles

Determinación del tamaño muestral para calcular la significación del coeficiente de correlación lineal

Determinación del tamaño muestral para calcular la significación del coeficiente de correlación lineal Investigación: Determinación del tamaño muestral para calcular 1/5 Determinación del tamaño muestral para calcular la significación del coeficiente de correlación lineal Autores: Pértegas Día, S. spertega@canalejo.org,

Más detalles

Modelo analítico de rendimiento

Modelo analítico de rendimiento AT5128 Arquitectura e Ingeniería de Comutadores II Modelo analítico de rendimiento Curso 2011-2012 AT5128 Arquitectura e Ingeniería de Comutadores II Índice Fuentes de overhead en rogramas aralelos. Métricas

Más detalles

Intervalos de Confianza para dos muestras

Intervalos de Confianza para dos muestras Intervalos de Confianza para dos muestras Álvaro José Flórez 1 Escuela de Ingeniería Industrial y Estadística Facultad de Ingenierías Febrero - Junio 2012 Comparación de dos poblaciones La comparación

Más detalles

ESTADÍSTICA INFERENCIAL

ESTADÍSTICA INFERENCIAL ESTADÍSTICA INFERENCIAL ESTADÍSTICA INFERENCIAL 1 Sesión No. 9 Nombre: Pruebas de hipótesis referentes al valor de la media de la población Contextualización Los métodos estadísticos y las técnicas de

Más detalles

Y = ßo + ß1X + ε. La función de regresión lineal simple es expresado como:

Y = ßo + ß1X + ε. La función de regresión lineal simple es expresado como: 1 Regresión Lineal Simple Cuando la relación funcional entre las variables dependiente (Y) e independiente (X) es una línea recta, se tiene una regresión lineal simple, dada por la ecuación donde: Y =

Más detalles

Análisis estadístico básico (I) Magdalena Cladera Munar mcladera@uib.es Departament d Economia Aplicada Universitat de les Illes Balears

Análisis estadístico básico (I) Magdalena Cladera Munar mcladera@uib.es Departament d Economia Aplicada Universitat de les Illes Balears Análisis estadístico básico (I) Magdalena Cladera Munar mcladera@uib.es Departament d Economia Aplicada Universitat de les Illes Balears CONTENIDOS Introducción a la inferencia estadística. Muestreo. Estimación

Más detalles

Grado en Química Bloque 1 Funciones de una variable

Grado en Química Bloque 1 Funciones de una variable Grado en Química Bloque Funciones de una variable Sección.5: Aplicaciones de la derivada. Máximos y mínimos (absolutos) de una función. Sea f una función definida en un conjunto I que contiene un punto

Más detalles

Técnicas Cuantitativas para el Management y los Negocios I

Técnicas Cuantitativas para el Management y los Negocios I Técnicas Cuantitativas para el Management y los Negocios I Licenciado en Administración Módulo II: ESTADÍSTICA INFERENCIAL Contenidos Módulo II Unidad 4. Probabilidad Conceptos básicos de probabilidad:

Más detalles

SnapStat: Análisis de Una Muestra

SnapStat: Análisis de Una Muestra SnapStat: Análisis de Una Muestra Resumen La SnapStat Análisis de Una Muestra crea un resumen en una hoja de una sola columna de datos numéricos. Calcula estadísticas de resumen e intervalos de confianza,

Más detalles

TRABAJO PRÁCTICO ESTADISTICA APLICADA (746)

TRABAJO PRÁCTICO ESTADISTICA APLICADA (746) UNIVERSIDAD NACIONAL ABIERTA VICERRECTORADO ACADEMICO AREA DE MATEMATICA TRABAJO PRÁCTICO ESTADISTICA APLICADA (746) JOSE GREGORIO SANCHEZ CASANOVA C.I. V-9223081 CARRERA: 610 SECCION Nº 1 SAN CRISTOBAL,

Más detalles

M.C. Robert Jeffrey Flowers Jarvis Fecha de elaboración: Agosto de 2004 Fecha de última actualización: Julio de 2010

M.C. Robert Jeffrey Flowers Jarvis Fecha de elaboración: Agosto de 2004 Fecha de última actualización: Julio de 2010 PROGRAMA DE ESTUDIO Análisis de Datos Categóricos Programa Educativo: Área de Formación : Transversal Horas teóricas: 3 Horas prácticas: 2 Total de Horas: 5 Total de créditos: 8 Clave: F1145 Tipo : Asignatura

Más detalles

Tema 5. Muestreo y distribuciones muestrales

Tema 5. Muestreo y distribuciones muestrales Tema 5. Muestreo y distribuciones muestrales Contenidos Muestreo y muestras aleatorias simples La distribución de la media en el muestreo La distribución de la varianza muestral Lecturas recomendadas:

Más detalles

7. DISTRIBUCIOES DISCRETAS DE PROBABILIDAD

7. DISTRIBUCIOES DISCRETAS DE PROBABILIDAD 7. DISTRIBUCIOES DISCRETAS DE PROBABILIDAD La Distribución Binomial Esta distribución fue elaborada or Jacobo Bernoulli y es alicable a un gran número de roblemas de carácter económico y en numerosas alicaciones

Más detalles

Estadística Inferencial

Estadística Inferencial Estadística Inferencial Estimación de parámetros Estadística Básica - Manuel Spínola (ICOMVIS - UNA) 1 Estadística Descriptiva e Inferencial Estadística Descriptiva Estadística Estadística Inferencial

Más detalles

Pruebas de bondad de ajuste

Pruebas de bondad de ajuste Pruebas de bondad de ajuste Existen pruebas cuantitativas formales para determinar si el ajuste de una distribución paramétrica a un conjunto de datos es buena en algún sentido probabilístico. Objetivo:

Más detalles

Gráfico Arrhenius. Ejemplo StatFolio: arrhenius.sgp

Gráfico Arrhenius. Ejemplo StatFolio: arrhenius.sgp Gráfico Arrhenius Resumen El procedimiento del Gráfico Arrhenius se diseña para dibujar datos de una prueba de vida acelerada en la cual se ha registrado los tiempos de falla y se estiman percentiles de

Más detalles

MUESTREO Y MEDICIÓN MÉTODOS DE MUESTREO PROBABILÍSTICO Y NO PROBABILÍSTICO. FeGoSa

MUESTREO Y MEDICIÓN MÉTODOS DE MUESTREO PROBABILÍSTICO Y NO PROBABILÍSTICO. FeGoSa MÉTODOS DE MUESTREO PROBABILÍSTICO Y NO PROBABILÍSTICO TAMAÑO DE LA MUESTRA AL ESTIMAR LA MEDIA DE LA POBLACIÓN Al prever el intervalo de confianza resultante de una media muestral y la desviación estándar,

Más detalles

Pruebas de Acceso a Enseñanzas Universitarias Oficiales de Grado (PAEG) Matemáticas aplicadas a las Ciencias Sociales II - Junio 2011 - Propuesta B

Pruebas de Acceso a Enseñanzas Universitarias Oficiales de Grado (PAEG) Matemáticas aplicadas a las Ciencias Sociales II - Junio 2011 - Propuesta B Pruebas de Acceso a Enseñanzas Universitarias Oficiales de Grado (PAEG) Matemáticas aplicadas a las Ciencias Sociales II - Junio 2011 - Propuesta B 1. Queremos invertir una cantidad de dinero en dos tipos

Más detalles

Palabras clave: Física experimental, incertidumbre, distribución normal, distribución t v de Student, caída libre.

Palabras clave: Física experimental, incertidumbre, distribución normal, distribución t v de Student, caída libre. Implementación de la estadística t v de Student en el laboratorio de Física Harol Y Valencia-Martínez 1, Gabriel F Acevedo-Amaya 2 1,2 Universidad Santo Tomas, Departamento de Ciencias Básicas, Bogotá,

Más detalles

MULTICOLINEALIDAD EN LAS REGRESORAS Y NORMALIDAD DEL TÉRMINO DE ERROR EN LOS MODELOS DE REGRESIÓN LINEAL

MULTICOLINEALIDAD EN LAS REGRESORAS Y NORMALIDAD DEL TÉRMINO DE ERROR EN LOS MODELOS DE REGRESIÓN LINEAL MULTICOLINEALIDAD EN LAS REGRESORAS Y NORMALIDAD DEL TÉRMINO DE ERROR EN LOS MODELOS DE REGRESIÓN LINEAL Noviembre, 2011 Multicolinealidad El termino multicolinealidad se le atribuye originalmente a Frisch

Más detalles

Introducción a la estadística básica, el diseño de experimentos y la regresión

Introducción a la estadística básica, el diseño de experimentos y la regresión Introducción a la estadística básica, el diseño de experimentos y la regresión Objetivos José Gabriel Palomo Sánchez gabriel.palomo@upm.es E.U.A.T. U.P.M. Julio de 2011 Objetivo general Organizar el estudio

Más detalles

Medidas de Dispersión

Medidas de Dispersión Medidas de Dispersión Revisamos la tarea de la clase pasada Distribución de Frecuencias de las distancias alcanzadas por las pelotas de golf nuevas: Dato Frecuencia 3.7 1 4.4 1 6.9 1 3.3 1 3.7 1 33.5 1

Más detalles

Programa Educativo: Licenciatura en PROGRAMA DE ESTUDIO

Programa Educativo: Licenciatura en PROGRAMA DE ESTUDIO Programa Educativo: Licenciatura en PROGRAMA DE ESTUDIO Matemáticas Área de Formación : Integral Profesional Horas teóricas: 3 Horas prácticas: 2 Total de Horas: 5 Confiabilidad Total de créditos: 8 Clave:

Más detalles

UNIVERSIDAD AUTÓNOMA DE BAJA CALIFORNIA DIRECCIÓN GENERAL DE ASUNTOS ACADÉMICOS PROGRAMA DE ASIGNATURA I. DATOS DE IDENTIFICACIÓN.

UNIVERSIDAD AUTÓNOMA DE BAJA CALIFORNIA DIRECCIÓN GENERAL DE ASUNTOS ACADÉMICOS PROGRAMA DE ASIGNATURA I. DATOS DE IDENTIFICACIÓN. 1.- Unidad Académica: Facultad de Ingeniería UNIVERSIDAD AUTÓNOMA DE BAJA CALIFORNIA DIRECCIÓN GENERAL DE ASUNTOS ACADÉMICOS PROGRAMA DE ASIGNATURA I. DATOS DE IDENTIFICACIÓN 2.- Programa (s) de estudio:

Más detalles

y( x ) es solución de la ecuación ( I ) si y solo si lo es de la ecuación ( II ).

y( x ) es solución de la ecuación ( I ) si y solo si lo es de la ecuación ( II ). EDO ara Ingenieros CAPITULO 4 FACTORES ITEGRATES Suongamos que aora que nos dan una ecuación diferencial M (, ) + (, ) d = 0 ( I) Que no es eacta Eiste alguna forma de acerla eacta? Con más recisión, Eistirá

Más detalles

Licenciatura en Actuaría PROGRAMA DE ESTUDIO. Integral Profesional Horas teóricas: 3 Horas prácticas: 2 Total de Horas: 5 Confiabilidad

Licenciatura en Actuaría PROGRAMA DE ESTUDIO. Integral Profesional Horas teóricas: 3 Horas prácticas: 2 Total de Horas: 5 Confiabilidad PROGRAMA DE ESTUDIO Programa Educativo: Licenciatura en Actuaría Área de Formación : Integral Profesional Horas teóricas: 3 Horas prácticas: 2 Total de Horas: 5 Confiabilidad Total de créditos: 8 Clave:

Más detalles

Econometria. 4. Modelo de Regresión Lineal Simple: Inferencia. Prof. Ma. Isabel Santana

Econometria. 4. Modelo de Regresión Lineal Simple: Inferencia. Prof. Ma. Isabel Santana Econometria 4. Modelo de Regresión Lineal Simple: Inferencia Prof. Ma. Isabel Santana MRLS: Inferencia Hasta ahora nos hemos ocupado solamente de la estimación de los parámetros del modelo de regresión

Más detalles

Algunos conceptos microeconómicos. Tema: Elasticidad.

Algunos conceptos microeconómicos. Tema: Elasticidad. UNIVERSIDAD DEL VALLE FACULTAD DE CIENCIAS DE LA ADMINISTRACIÓN MICROECONOMÍA rograma de Contaduría ública rofesor: Uvencer Alexander Gómez I. Marzo de 008. Algunos conceptos microeconómicos. Tema: Elasticidad.

Más detalles

Distribuciones muestrales. Distribución muestral de Medias

Distribuciones muestrales. Distribución muestral de Medias Distribuciones muestrales. Distribución muestral de Medias Algunas secciones han sido modificadas de: Apuntes de Estadística, Mtra Leticia de la Torre Instituto Tecnológico de Chiuhuahua TEORIA DEL MUESTREO

Más detalles

El método de mínimos cuadrados. Curso de Estadística TAE, 2005 J.J. Gómez-Cadenas

El método de mínimos cuadrados. Curso de Estadística TAE, 2005 J.J. Gómez-Cadenas El método de mínimos cuadrados Curso de Estadística TAE, 005 J.J. Gómez-Cadenas Mínimos cuadrados y máxima verosimilitud Teorema del límite central Una medida y, puede considerarse como un variable aleatoria,

Más detalles

CAPITULO 4. ECUACIONES DIFERENCIALES DE PRIMER ORDEN Introducción

CAPITULO 4. ECUACIONES DIFERENCIALES DE PRIMER ORDEN Introducción CAPITULO 4. ECUACIONES DIFERENCIALES DE PRIMER ORDEN 4.. Introducción Se denomina ecuación diferencial ordinaria a toda ecuación en la que aarecen una o varias derivadas de una función. Cuando las derivada

Más detalles

Pruebas de Bondad de Ajuste

Pruebas de Bondad de Ajuste 1 Facultad de Ingeniería IMERL PROBABILIDAD Y ESTADÍSTICA Curso 2008 Pruebas de Bondad de Ajuste En esta sección estudiaremos el problema de ajuste a una distribución. Dada una muestra X 1, X 2,, X n de

Más detalles

Estadística Descriptiva. SESIÓN 12 Medidas de dispersión

Estadística Descriptiva. SESIÓN 12 Medidas de dispersión Estadística Descriptiva SESIÓN 12 Medidas de dispersión Contextualización de la sesión 12 En la sesión anterior se explicaron los temas relacionados con la desviación estándar, la cual es una medida para

Más detalles

UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS. Fracciones continuas, ecuación de Pell y unidades en el anillo de enteros de los cuerpos cuadráticos

UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS. Fracciones continuas, ecuación de Pell y unidades en el anillo de enteros de los cuerpos cuadráticos UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS FACULTAD DE CIENCIAS MATEMÁTICAS EAP DE MATEMÁTICA PURA Fracciones continuas, ecuación de Pell y unidades en el anillo de enteros de los cueros cuadráticos Caítulo

Más detalles

ALTERNATIVAS AL GRÁFICO DE PROBABILIDAD NORMAL COMO TEST DE VALIDACIÓN

ALTERNATIVAS AL GRÁFICO DE PROBABILIDAD NORMAL COMO TEST DE VALIDACIÓN ISSN 007-197 ALTERNATIVAS AL GRÁICO DE PROBABILIDAD NORMAL COMO TEST DE VALIDACIÓN Ana María Islas Cortes Instituto Politécnico Nacional, ESIT amislas@in.mx Gabriel Guillén Buendia Instituto Politécnico

Más detalles

El modelo de azar proporcional: la regresión de Cox

El modelo de azar proporcional: la regresión de Cox El modelo de azar proporcional: la regresión de Cox Alfonso Luis Palmer Pol y Jose Maria Losilla Vidal El Análisis de la Supervivencia (Palmer, 1988) engloba una variedad de técnicas estadísticas que permiten

Más detalles

MATEMÁTICA III. Régimen de Cursada: Semestral Caracter: Obligatoria Correlativas: Matemática II Profesor: Beatriz Pintarelli Hs. semanales: 6 hs.

MATEMÁTICA III. Régimen de Cursada: Semestral Caracter: Obligatoria Correlativas: Matemática II Profesor: Beatriz Pintarelli Hs. semanales: 6 hs. MATEMÁTICA III Año 2015 Carrera/ Plan: Licenciatura en Informática Plan 2015-3º año Licenciatura en Sistemas Plan 2015 3º año Licenciatura en Informática Plan 2003-07 / Plan 2012-2º año Licenciatura en

Más detalles

APÉNDICE A GRÁFICAS Y TABLAS EMPLEADAS PARA LA DETERMINACIÓN DE LOS MODELOS

APÉNDICE A GRÁFICAS Y TABLAS EMPLEADAS PARA LA DETERMINACIÓN DE LOS MODELOS APÉNDICE A GRÁFICAS Y TABLAS EMPLEADAS PARA LA DETERMINACIÓN DE LOS MODELOS 48 GRÁFICAS Y TABLAS EMPLEADAS PARA LA DETERMINACIÓN DE LOS MODELOS Para determinar el modelo que se ha empleado para las estimaciones,

Más detalles

TERMODINÁMICA TÉCNICA

TERMODINÁMICA TÉCNICA TERMODINÁMICA TÉCNICA Pedro Fernández Díez I.- SISTEMAS TERMODINÁMICOS I.1.- INTRODUCCIÓN La Termodinámica, en general, tiene or objeto el estudio de las leyes de transferencia de calor en sistemas en

Más detalles

1) Características del diseño en un estudio de casos y controles.

1) Características del diseño en un estudio de casos y controles. Departamento de Estadística Universidad Carlos III de Madrid BIOESTADISTICA (55-10536) Estudios de casos y controles CONCEPTOS CLAVE 1) Características del diseño en un estudio de casos y controles. )

Más detalles

Tema 5: Principales Distribuciones de Probabilidad

Tema 5: Principales Distribuciones de Probabilidad Tema 5: Principales Distribuciones de Probabilidad Estadística. 4 o Curso. Licenciatura en Ciencias Ambientales Licenciatura en Ciencias Ambientales (4 o Curso) Tema 5: Principales Distribuciones de Probabilidad

Más detalles

Material CONDUCTOR: (metales) es un material que permite la interacción térmica.

Material CONDUCTOR: (metales) es un material que permite la interacción térmica. CALOR Y TEMPERATURA El conceto de temeratura se origina en las ideas cualitativas de caliente y frío basadas en el sentido del tacto. Un cuero que se siente caliente suele tener una temeratura más alta

Más detalles

7. Distribución normal

7. Distribución normal 7. Distribución normal Sin duda, la distribución continua de probabilidad más importante, por la frecuencia con que se encuentra y por sus aplicaciones teóricas, es la distribución normal, gaussiana o

Más detalles

Aplicaciones de las integrales dobles

Aplicaciones de las integrales dobles Aplicaciones de las integrales dobles Las integrales dobles tienen multiples aplicaciones en física en geometría. A continuación damos una relación de alguna de ellas.. El área de una región plana R en

Más detalles

Distribuciones Dis de Probabilidad Pr Contínuas Jhon Jairo Jair Pa P dilla a Aguilar, Aguilar PhD. PhD

Distribuciones Dis de Probabilidad Pr Contínuas Jhon Jairo Jair Pa P dilla a Aguilar, Aguilar PhD. PhD Distribuciones de Probabilidad Contínuas Jhon Jairo Padilla Aguilar, PhD. Introducción En esta sección se estudiarán algunas distribuciones de probabilidad contínuas que son bastante utilizadas en ingeniería

Más detalles

Probabilidad y Estadística

Probabilidad y Estadística Probabilidad y Estadística Tema 8 Distribución normal estándar y distribuciones relacionadas Objetivo de aprendizaje del tema Al finalizar el tema serás capaz de: Explicar los conceptos de la distribución

Más detalles

TEMA 6: TERMODINÁMICA. MÁQUINA TÉRMICA Y MÁQUINA FRIGORÍFICA

TEMA 6: TERMODINÁMICA. MÁQUINA TÉRMICA Y MÁQUINA FRIGORÍFICA TECNOLOGÍA INDUSTRIAL I. Deartamento de Tecnología. IES Nuestra Señora de la Almudena Mª Jesús Saiz TEMA 6: TERMODINÁMICA. MÁQUINA TÉRMICA Y MÁQUINA FRIGORÍFICA La termodinámica es la arte de la física

Más detalles

TEMA II: DISTRIBUCIONES RELACIONADAS CON LA NORMAL

TEMA II: DISTRIBUCIONES RELACIONADAS CON LA NORMAL ESTADÍSTICA II TEMA II: DISTRIBUCIONES RELACIONADAS CON LA NORMAL II.1.- Distribución chi-cuadrado. II.1.1.- Definición. II.1..- Función de densidad. Representación gráfica. II.1.3.- Media y varianza.

Más detalles

II.- ESTRUCTURA FORMAL. Lección 12ª: Otras Representaciones Termodinámicas

II.- ESTRUCTURA FORMAL. Lección 12ª: Otras Representaciones Termodinámicas II.- ESRUCURA FORMAL Lección 1ª: Otras Reresentaciones ermodinámicas 1.- Introducción....- ransformada de Legendre... 3.- Reresentaciones termodinámicas en términos del otencial de Helmholtz, de la entalía

Más detalles

Prueba de hipótesis. 1. Considerando lo anterior específica: a. La variable de estudio: b. La población: c. El parámetro. d. Estimador puntual:

Prueba de hipótesis. 1. Considerando lo anterior específica: a. La variable de estudio: b. La población: c. El parámetro. d. Estimador puntual: Prueba de hipótesis Problema Un grupo de profesores, de cierto estado de la república, plantea una investigación acerca del aprendizaje de las ciencias naturales en la escuela primaria. Uno de los objetivos

Más detalles

Tema 3. 3. Correlación. Correlación. Introducción

Tema 3. 3. Correlación. Correlación. Introducción 3-1 Introducción Tema 3 Correlación Coeficiente de correlación lineal de Pearson Coeficiente de correlación poblacional Contraste paramétrico clásico Transformación de Fisher Correlación bayesiana Test

Más detalles

Estadística II Examen Final - Enero 2012. Responda a los siguientes ejercicios en los cuadernillos de la Universidad.

Estadística II Examen Final - Enero 2012. Responda a los siguientes ejercicios en los cuadernillos de la Universidad. Estadística II Examen Final - Enero 2012 Responda a los siguientes ejercicios en los cuadernillos de la Universidad. No olvide poner su nombre y el número del grupo de clase en cada hoja. Indique claramente

Más detalles

Departamento Administrativo Nacional de Estadística. Dirección de Censos y Demografía

Departamento Administrativo Nacional de Estadística. Dirección de Censos y Demografía Departamento Administrativo Nacional de Estadística Dirección de Censos y Demografía ESTIMACIÓN E INTERPRETACIÓN DEL COEFICIENTE DE VARIACIÓN DE LA ENCUESTA COCENSAL CENSO GENERAL 2005 - CGRAL Junio de

Más detalles

GEOMETRÍA ANALÍTICA LA PARÁBOLA

GEOMETRÍA ANALÍTICA LA PARÁBOLA LA PARÁBOLA CONTENIDO. Ecuación de la arábola horizontal con vértice en el origen. Análisis de la ecuación. Ejercicios. Ecuación de la arábola vertical con vértice en el origen. Ejercicios 3. Ecuación

Más detalles

UNIDAD 3: ANALICEMOS LA FUNCION EXPONENCIAL Y LOGARITMICA.

UNIDAD 3: ANALICEMOS LA FUNCION EXPONENCIAL Y LOGARITMICA. UNIDAD 3: ANALICEMOS LA FUNCION EXPONENCIAL Y LOGARITMICA Históricamente, los exponentes fueron introducidos en matemáticas para dar un método corto que indicara el producto de varios factores semejantes,

Más detalles

PROBLEMAS DE LÍMITES Y CONTINUIDAD (MÉTODOS ALGEBRAICOS) lím. lím. Las descomposiciones factoriales se hacen dividiendo sucesivamente por x + 2.

PROBLEMAS DE LÍMITES Y CONTINUIDAD (MÉTODOS ALGEBRAICOS) lím. lím. Las descomposiciones factoriales se hacen dividiendo sucesivamente por x + 2. PROBLEMAS DE LÍMITES Y CONTINUIDAD MÉTODOS ALGEBRAICOS) Cálculo de ites or métodos algebraicos Resuelve los siguientes ites: a) 8 b) 8 c) a) ) ) 6) ) 8 Se reite el roceso) ) ) ) ) Las descomosiciones factoriales

Más detalles

Macroeconometría Notas sobre teoría asintótica

Macroeconometría Notas sobre teoría asintótica Macroeconometría Notas sobre teoría asintótica Jose Lluís Carrion i Silvestre Marzo de 2002 1 De niciones de convergencia A continuación se resumen los concetos que habitualmente se utilizan en la literatura

Más detalles

4,2 + 0,67 Y c) R 2 = 0,49. 3.- En la estimación de un modelo de regresión lineal se ha obtenido:

4,2 + 0,67 Y c) R 2 = 0,49. 3.- En la estimación de un modelo de regresión lineal se ha obtenido: INTRODUCCIÓN A LA ESTADÍSTICA. Relación 4: REGRESIÓN Y CORRELACIÓN 1.- En una población se ha procedido a realizar observaciones sobre un par de variables X e Y. Xi 4 5 4 5 6 5 6 6 Yi 1 1 3 3 3 4 4 ni

Más detalles

Semiconductores Extrínsecos

Semiconductores Extrínsecos Materiales Eléctricos Semiconductores Semiconductores Extrínsecos Puesto que los semiconductores intrínsecos resentan el mismo número de e- de conducción que de h+ no son lo suficientemente flexibles ara

Más detalles

Fiabilidad. I) Introducción. II) Modelos estadísticos utilizados en fiabilidad. III) Métodos descriptivos para el ajuste de datos.

Fiabilidad. I) Introducción. II) Modelos estadísticos utilizados en fiabilidad. III) Métodos descriptivos para el ajuste de datos. Fiabilidad I) Introducción. II) Modelos estadísticos utilizados en fiabilidad. III) Métodos descriptivos para el ajuste de datos. IV) Datos censurados. V) Ensayos acelerados. VI) Fiabilidad de sistemas.

Más detalles

Por qué son diferentes estas dos capacidades caloríficas?

Por qué son diferentes estas dos capacidades caloríficas? Por qué son diferentes estas dos caacidades caloríficas? En un aumento de temeratura con volumen constante, el sistema no efectúa trabajo y el cambio de energía interna es igual al calor agregado Q. En

Más detalles