Análisis de Capabilidad (Porcentaje Defectuoso)
|
|
- Juan Quiroga Vera
- hace 7 años
- Vistas:
Transcripción
1 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 los artículos de esa población que se han clasificado como defectuosos o no defectuosos. Nota: algunos practicantes prefieren el término no conforme en lugar de defectuoso. Los datos para el análisis consisten de m muestras de una población detallando: n i d i = numero de artículos en la muestra i = numero de artículos defectuosos en la muestra i Ejemplo StatFolio: attcap.sgp Datos del Ejemplo: El archivo juice.sf3 contiene mediciones de la fuerza a la apertura de m = 30 muestras, cada una corresponde a n = 50 latas de jugo de naranja. Los datos son tomados de Montgomery (2005). Cada una fue inspeccionada y el número de defectuosos fueron tabulados. La tabla de abajo muestra una lista parcial de los datos en el archivo: sample (muestra) n defects (defectuosos) Entrada de Datos La caja de dialogo requiere información acerca de cada muestra por StatPoint, Inc. Análisis de la Capacidad (Porcentaje Defectuoso) -
2 Número de Defectuosos: Una columna numérica conteniendo el número total de defectuosos d i, una fila para cada muestra. Tamaño de Muestra: El tamaño de muestra n i. Ingrese cualquiera de las dos; el nombre de una columna numérica o un solo número si todos los tamaños de muestra son iguales. Objetivo del % Defectuoso: El valor objetivo del proceso dado por un porcentaje defectuoso de los artículos. Si es ingresado, este valor será indicado sobre los gráficos. Selección: Selección de un subconjunto de los datos. Resumen del Análisis El Resumen del Análisis resume la entrada de los datos y despliega la estimación de la capacidad del proceso. Análisis Capacidad de Procesos(Porcentaje Defectuoso) - defects Datos/Variable: defects Meta: 0.0 Distribución: Binomial número de muestras = 30 tamaño promedio de muestra = 50.0 porcentaje defectuosos medio = Estimado Límite Inferior 95% Límite Superior 95% Porcentaje defectuoso promedio Defectos por millón Z de proceso Límites de tolerancia (tamaño de muestra promedio) 6 8 Importantes cálculos en la salida incluyen: 2006 por StatPoint, Inc. Análisis de la Capacidad (Porcentaje Defectuoso) - 2
3 Distribución: La distribución asumida para los datos. Por defecto es binomial, la cual es apropiada si las muestras son tomadas de lotes grandes, típicamente los lotes por lo menos son 0 veces más grandes que el tamaño de muestra. Si los lotes son pequeños, entonces la distribución hipergeométrica deberá ser seleccionada en lugar de la otra usando Opciones del Análisis. Numero de Muestras: El número de muestras m. Tamaño de Muestra Promedio: El tamaño promedio de las m muestras: n = m n i / m () Porcentaje Medio de Defectuosos: El promedio del porcentaje de los artículos defectuosos: m di p = 00 % (2) m n i Un intervalo de confianza para la población del porcentaje promedio también será presentado. Z del Proceso: El valor Z equivalente igual a la estimación de defectos por millón. La Z del proceso es calculada encontrándole valor en una distribución normal estándar para la cual la probabilidad de exceder Z es igual al DPM estimado. Los valores grandes de Z son preferibles, puesto que corresponden a porcentajes pequeños de artículos defectuosos. Típicamente el objetivo para Z es 4 o superior. Nivel de Calidad Sigma: El Nivel de Calidad Sigma esta definido por lo practicantes de Seis Sigma. Esta opción solamente se presenta si el Nivel de Calidad Sigma es seleccionado sobre la sección de Capacidad en la selección de Preferencias dentro del menú Edición. El Nivel de Calidad Sigma es igual a la Z del Proceso o la (Z del Proceso +.5), dependiendo si la sigma de cambio.5 esta seleccionada sobre la sección de Capacidad en la caja de dialogo de Preferencias. Límites de Tolerancia para el Tamaño de Muestra Promedio: Un intervalo de tolerancia 00(-α)% para el número total de defectos en la muestra de tamaño n. Este intervalo se calcula encontrando el rango de X para la distribución estimada que no deja más que α/2 en cada cola. Para los datos del ejemplo, la estimación de la proporción media de artículos defectuosos p = 23.3%. Esto es igual a 23,333 artículos no conformes por cada millón producido. Dado el tamaño de muestra, el margen del error es tal que un intervalo de confianza del 95% para la verdadera proporción media defectuosa están en un rango de 2.02% a 25.35%. La puntuación de la Z del proceso de 0.73 es algo triste por StatPoint, Inc. Análisis de la Capacidad (Porcentaje Defectuoso) - 3
4 El intervalo de tolerancia indica que al 95% de todas las muestras de 50 artículos tomados de la población se puede esperar que estén contenidos entre 6 y 8 articulo defectuosos. Opciones del Análisis Distribución: Seleccione la distribución binomial si el tamaño de la población es grande comparado con el tamaño de muestra promedio (al menos 0 veces más grande) o distribución hipergeométrica si el tamaño de la población es pequeño comparado con el tamaño de muestra. Tamaño de Población: Si se selecciona la distribución hipergeométrica, especificar el tamaño de la población de donde las muestras serán tomadas. Límites de Confianza: Seleccione Intervalos de Dos-Colas para limites inferior y superior alrededor del porcentaje medio de defectuosos o un Limite de Confianza Superior si solamente se desea un limite superior. Nivel de Confianza: Especifica el porcentaje para los intervalos de confianza y los limites de tolerancia, generalmente 90, 95, o por StatPoint, Inc. Análisis de la Capacidad (Porcentaje Defectuoso) - 4
5 Gráfico de Capacidad El Gráfico de Capacidad muestra un histograma de los datos juntos con la distribución estimada (mostrada por los puntos símbolos). frecuencia Capacidad de Proceso para defects 0.0% Media: DPM: Z: defects La línea vertical larga corresponde al valor objetivo. Las líneas verticales cortas corresponden a los límites de tolerancia mostrados en el Resumen del Análisis. Al margen derecho del gráfico se presenta: Media: La estimación del porcentaje medio de articulo defectuosos. DPM: La estimación de defectos por millón. Z: El valor Z calculado. NCS: El calculo del Nivel de Calidad Sigma. El NCS es presentado solamente si la caja de verificación asociada esta activada sobre la sección de Capacidad en la caja de dialogo de Preferencias., accesible desde el menú Edición. Prueba de Bondad-del-Ajuste El panel Prueba de Bondad-del-Ajuste desarrolla una prueba Chi-Cuadrada para determinar cuando los datos muéstrales pueden tener razonablemente un comportamiento de la distribución asumida. Pruebas de Bondad-de-Ajuste para defects Prueba Chi-Cuadrada Inferior Superior Observada Esperada Límite Límite Frecuencia Frecuencia Chi-Cuadrada menor o igual en ó por encima de Chi-Cuadrada = con 7 g.l. Valor-P = por StatPoint, Inc. Análisis de la Capacidad (Porcentaje Defectuoso) - 5
6 El rango de los datos es dividido en intervalos, cada uno representando un rango de posibles números de defectuosos en una muestra. Las clases son estructuradas de tal manera que el número de valores esperados sobre los datos por cada clase sea menor que 2. El estadístico de interés primario es el Valor-P. El Valor-P debajo de α indica significancia en la salida de la distribución asumida a un nivel de significancia del 00α%. Por ejemplo, puesto que el Valor-P en la tabla anterior esta bien debajo de 0.05, no hay una significancia a la salida de la distribución binomial asumida en un nivel de significación del 5%. Si la prueba indica una salida significativa, cualquier valor grande en la columna etiquetada Chi- Cuadrada muestra la localización de la mayor discrepancia. Por ejemplo, la tabla anterior indica que 7 muestras tenían menos o igual a 7 defectuosos, mientras que se esperaba solamente 2.43 que fueran más pequeñas dado una distribución binomial con una media del 23.% defectuosa. Una posible explicación para la falla de la distribución binomial al buen ajuste de los datos es que el proceso puede que no este en un estado de control estadístico, lo cual puede examinarse seleccionando Gráficos de Control de la lista de opciones gráficas. La prueba es exacta si los tamaños de muestra son iguales para todos. Será una aproximación si los tamaños de muestra son diferentes. Gráfico de Probabilidad El Gráfico de Probabilidad es utilizado para determinar cualquier discrepancia entre los datos y la distribución asumida. Gráfica de Probabilidad Prob. Evento= Ensayos= defects Binomial Distribución El eje vertical muestra los datos, ordenados de mayor a menor. Cada punto es graficado contra un perceptil equivalente a la distribución estimada. Permitiéndose para los datos discretos, que los puntos pueden fallar aproximadamente a través de la línea diagonal. En el gráfico anterior, los datos muestran obvias curvaturas, que cuestionarían seriamente la asunción de que provienen de una distribución binomial por StatPoint, Inc. Análisis de la Capacidad (Porcentaje Defectuoso) - 6
7 Gráfico de Corrida Este Gráfico muestra los datos en orden secuencial con una línea horizontal que se dibuja sobre el valor objetivo. 50 Carta de Secuencias para defects porcentaje defectuoso muestra Idealmente, los puntos pueden variar aleatoriamente alrededor de la línea objetivo. En este caso, los datos son consistentes alrededor del valor objetivo. Gráfico de Control Este panel muestra un gráfico p para los datos muéstrales. 0.5 Gráfico p para defects proporción defectuosa muestra Cada valor de los datos se grafica junto con la línea central y los límites de control. En este caso, 2 puntos que están fuera de los límites de control son señales de que el proceso no esta en un estado de control estadístico por StatPoint, Inc. Análisis de la Capacidad (Porcentaje Defectuoso) - 7
8 Comparación de Distribuciones Alternativas Este panel despliega los resultados de la prueba de bondad-del-ajuste para la distribución binomial y la distribución hipergeométrica. Comparación de Distribuciones Alternas Distribución N especificada Log Verosimilitud Chi-Cuadrada P Binomial Hypergeométrica El tamaño de lote asumido para la distribución hipergeométrica esta especificado sobre la caja de dialogo de Opciones del Análisis. Las mejores estimaciones de las distribuciones deben tener: Valores grandes de la función de la log verosimilitud. Valores grandes del Valor-P en la Chi-Cuadrada. En la tabla anterior, las estadísticas más grandes son para la distribución binomial, sugiriendo que al cambiar a la distribución hipergeométrica no mejoraría el ajuste por StatPoint, Inc. Análisis de la Capacidad (Porcentaje Defectuoso) - 8
9 Cálculos STATGRAPHICS Rev. 9/4/2006 Intervalo de Confianza para el Porcentaje Medio Defectuoso Para una distribución binomial: 00vF v2 vf α / 2, v, v2 + α / 2, v, v2 00v3F %, v + v F 4 3 α / 2, v3, v4 α / 2, v3, v4 % (3) donde v = 2x, v 2( ), 2 = n x + v = 2( x ), v4 = 2( n x), n = (4) x = np n n i Si se selecciona la distribución hipergeométrica el intervalo anterior es acortado por un factor de ( mn mn) /( mn ), donde N es el tamaño de la población de la cual cada una de las m muestras fueron tomadas. (5) Gráfico de Control Línea Central: p m = m d n i i (6) Límites de Control Binomial: p( p) p ± 3 (7) n Límites de Control Hipergeométrica: p( p) ( N n) p ± 3 (8) n ( N ) 2006 por StatPoint, Inc. Análisis de la Capacidad (Porcentaje Defectuoso) - 9
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 detalles1. 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 detallesComparación de Líneas de Regresión
Comparación de Líneas de Regresión Resumen El procedimiento de Comparación de Líneas de Regresión esta diseñado para comparar líneas de regresión relacionas con Y y X en dos o mas niveles de un factor
Más detallesTabulación Cruzada. Sample StatFolio: crosstabulation.sgp
Tabulación Cruzada El procedimiento de Tabulación Cruzada esta diseñado para resumir dos columnas de datos. Esta construye una tabla de dos-caminos mostrando las frecuencias de ocurrencia de cada uno de
Más detallesGráfico 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 detallesD.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 detallesGrafico 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 detallesAjustando Distribución (Datos No Censurados)
Ajustando Distribución (Datos No Censurados) STATGRAPHICS Rev. 9/14/2006 Resumen El procedimiento Ajustando Distribución (Datos No Censurados) ajusta cualquiera de las 45 distribuciones de probabilidad
Más detallesMétodo Teoría de la Señal (Estudio del Calibrador Atributos)
Método Teoría de la Señal (Estudio del Calibrador Atributos) Resumen El Método Teoría de la Señal cuantifica la incertidumbre de un sistema de medición donde las observaciones consisten de atributos en
Más detallesMétodo del Rango y Promedio (Estudio del Calibrador - Variables)
STATGRAPHICS Rev. 9/14/006 Método del Rango y Promedio (Estudio del Calibrador - Variables) Resumen El Método del Rango y Promedio estima la repetibilidad y reproducibilidad de un sistema de medición basado
Más detallesMétodo ANOVA (Estudio del Calibrador Variables)
Método ANOVA (Estudio del Calibrador Variables) STATGRAPHICS Rev. 9/14/006 Resumen El Método ANOVA estima la repetibilidad y reproducibilidad de un sistema de medición basándose sobre un estudio en el
Más detallesGráfico 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 detallesHistogramas. Ejemplo StatFolio: histogram.sgp
s Resumen El ilustra la distribución de lo valores de una variable numérica agrupando los datos en intervalos y graficando barras en las cuales la altura es proporcional al numero de observaciones en cada
Más detallesTeoría 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 detallesGráfico 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 detallesMétodo de Análisis del Riesgo (Estudio del Calibrador Atributos)
Método de Análisis del Riesgo (Estudio del Calibrador Atributos) Resumen El Método de Análisis del Riesgo cuantifica la incertidumbre de un sistema de medición donde las observaciones consisten de atributos
Más detallesMétodo del Rango (Estudio del Calibrador Variables)
Método del Rango (Estudio del Calibrador Variables) STATGRAPHICS Rev. 9/14/006 Resumen El Método del Rango calcula una estimación aproximada de la repetibilidad y reproducibilidad combinada para un sistema
Más detallesDiseño 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 detallesComparación de dos Muestras - SnapStat
Comparación de dos Muestras - SnapStat Resumen La Comparación de Dos Muestras usando SnapStat crea un resumen de una página que compara dos muestras independientes de datos de variables. Calcula estadísticos
Más detallesAnálisis de Capacidad Multivariada
Análisis de Capacidad Multivariada Resumen El procedimiento Análisis de Capacidad Multivariada determina la probabilidad de que los puntos caracterizados por dos o más variables se encuentren establecidos
Más detallesDISTRIBUCIONES 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 detallesMétodo Analítico (Estudio del Calibrador Atributos)
Método Analítico (Estudio del Calibrador Atributos) STATGRAPHICS Rev. 9/4/2006 Resumen El Método Analítico estima la repetibilidad y sesgo de un sistema de medición donde las observaciones consisten de
Más detallesAnálisis de Componentes de la Varianza
Análisis de Componentes de la Varianza Resumen El procedimiento de Análisis de Componentes de Varianza está diseñado para estimar la contribución de múltiples factores a la variabilidad de una variable
Más detallesGráficos EWMA. Ejemplo StatFolio: ewmachart.sgp
Gráficos EWMA Resumen El procedimiento del Gráfico EWMA (Exponentially Weighted Moving Average - Promedios Móviles Exponencialmente Ponderados) construye un gráfico de control para una sola variable numérica
Más detalles6. 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 detallesGráficos de Probabilidad
Gráficos de Probabilidad Resumen El procedimiento Gráficos de Probabilidad grafica los datos de una sola columna numérica en gráficas con una escala específica tal que, si los datos provienen de una distribución
Más detallesUnidad 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 detallesAjustando Curva SnapStat
STATGRAPHICS Rev. 9/14/26 Ajustando Curva SnapStat Resumen El procedimiento Ajustando Curva SnapStat crea un resumen de una pagina que describe la relación entre un solo factor cuantitativo X y una variable
Más detallesDiseño de Experimentos Diseño de Superficie de Respuesta
Diseño de Experimentos Diseño de Superficie de Respuesta Resumen Una vez que los factores importantes que afectan a un proceso han sido identificados, usualmente corridas adicionales son necesarias para
Más detallesEstadística 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 detallesGráficos 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 detallesTécnicas 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 detallesTema 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 detallesMPG City (MPG en Ciudad)
Gráfica de Matriz Resumen El procedimiento Gráfica de Matriz crea gráficas de matriz para 3 o más variables numéricas. La diagonal de la matriz contiene gráficas de caja y bigotes para cada variable. Las
Más detallesUtilización del menú Formato de Celdas
Formatos en Excel La forma en que la información aparece en la hoja de cálculo se puede cambiar si se cambia el tamaño, estilo y color de los datos dentro de esas celdas. El formato predeterminado que
Más detallesGrafico de Cajas y Bigotes
Grafico de Cajas y Bigotes Resumen El procedimiento del Gráfico de Cajas y Bigotes crea un gráfico diseñado para ilustrar propiedades importantes de una columna de datos numérica. El primero en describirlo
Más detallesÍNDICE 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 detallesProcesando y Analizando Datos Dinámicos
Procesando y Analizando Datos Dinámicos Este documento describe un ejemplo de como STATGRAPHICS puede ser usado para procesar datos en tiempo real. Haciendo uso de las capacidades de Activación StatLink,
Más detallesDeterminación del tamaño de muestra (para una sola muestra)
STATGRAPHICS Rev. 4/5/007 Determinación del tamaño de muestra (para una sola muestra) Este procedimiento determina un tamaño de muestra adecuado para la estimación o la prueba de hipótesis con respecto
Más detallesTest 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 detallesGráfico 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 detallesEl Menú Archivo de STATGRAPHICS provee operaciones de archivos importantes tales como leer, escribir, imprimir, y publicar.
Menú Archivo El Menú Archivo de STATGRAPHICS provee operaciones de archivos importantes tales como leer, escribir, imprimir, y publicar. Abriendo, Cerrando y Guardando Archivos El menú Archivo contiene
Más detallesGráfico de Control T-Cuadrada Multivariada
Gráfico de Control T-Cuadrada Multivariada STATGRAPHICS Rev. 25/04/2007 Resumen El procedimiento Gráfico de Control T-Cuadrada Multivariada crea diagramas de control para dos o más variables numéricas.
Más detallesTransformaciones de Potencia
Transformaciones de Potencia Resumen El procedimiento Transformaciones de Potencia está diseñado para definir una transformación normalizadora para una columna de observaciones numéricas que no provienen
Más detalles1) 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 detallesMuestreo 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 detallesDiseño de Experimentos Diseño de Componentes de la Varianza
Diseño de Experimentos Diseño de Componentes de la Varianza Resumen La selección del Diseño de Componentes de la Varianza sobre el menú Crear Diseño construye experimentos diseñados para cuantificar la
Más detallesTécnicas de validación estadística Bondad de ajuste
Técnicas de validación estadística Bondad de ajuste Georgina Flesia FaMAF 28 de mayo, 2013 Pruebas de bondad de ajuste Dado un conjunto de observaciones, de qué distribución provienen o cuál es la distribución
Más detallesAnálisis Probit. StatFolio de Ejemplo: probit.sgp
STATGRAPHICS Rev. 4/25/27 Análisis Probit Resumen El procedimiento Análisis Probit está diseñado para ajustar un modelo de regresión en el cual la variable dependiente Y caracteriza un evento con sólo
Más detallesSTATGRAPHICS genera tres tipos de planes de muestreo de aceptación:
Muestreo de Aceptación (Variables) Cuando los lotes contienen un número relativamente grande de artículos que requieren la inspección, los planes de muestreo de aceptación pueden proporcionar la protección
Más detallesEste procedimiento prueba hipótesis acerca de cualquiera de los siguientes parámetros:
STATGRAPHICS Re. 4/d/yyyy Pruebas de Hipótesis (Una Muestra) Este procedimiento prueba hipótesis acerca de cualquiera de los siguientes parámetros: 1. la media μ de una distribución normal.. la desiación
Más detallesAjustando Distribución (Datos Censurados)
Ajustando Distribución (Datos Censurados) STATGRAPHICS Rev. 9/14/2006 Resumen El procedimiento Ajustando Distribución (Datos Censurados) ajusta cualquiera de las 45 distribuciones de probabilidad a una
Más detallesGráficos de Superficie y de Contorno
STATGRAPHICS Rev. 4/5/007 Gráficos de Superficie y de Contorno Resumen Este procedimiento crea gráficas de superficie y de contorno basadas en una función matemática que el usuario introduce. La función
Más detallesTécnicas 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 detallesCorrelaciones Canónicas
STATGRAPHICS Rev. 9/14/006 Correlaciones Canónicas Resumen El procedimiento Correlaciones Canónicas esta diseñado para ayudar a identificar asociaciones entre dos conjuntos de variables. Esto lo hace encontrando
Más detallesExactitud y Linearidad del Calibrador
Exactitud y Linearidad del Calibrador Resumen El procedimiento Exactitud y Linearidad del Calibrador fue diseñado para estimar la exactitud del sistema de medición. En contraste con los procedimientos
Más detallesProblemas resueltos. Tema 12. 2º La hipótesis alternativa será que la distribución no es uniforme.
Tema 12. Contrastes No Paramétricos. 1 Problemas resueltos. Tema 12 1.- En una partida de Rol se lanza 200 veces un dado de cuatro caras obteniéndose 60 veces el número 1, 45 veces el número 2, 38 veces
Más detallesEstadística Descriptiva
Estadística Descriptiva 1 Sesión No. 3 Nombre: Estadística descriptiva Contextualización Parte fundamental de la Estadística es la organización de los datos, una forma de realizar esta organización es
Más detallesSelección Diseño de Cribado
Selección Diseño de Cribado Resumen La sección diseño experimental del STATGRAPHICS puede crear una amplia variedad de diseños dirigidos a mostrar los factores más importantes que afectan un proceso. Se
Más detallesEstadistica 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 detallesDiseño de Experimentos Optimización de Múltiples Respuestas
Diseño de Experimentos Optimización de Múltiples Respuestas Resumen La selección de Optimización de Múltiples Respuestas sobre el menú DDE permite al experimentador determinar las configuraciones de los
Más detallesEJERCICIOS RESUELTOS TEMA 7
EJERCICIOS RESUELTOS TEMA 7 7.1. Seleccione la opción correcta: A) Hay toda una familia de distribuciones normales, cada una con su media y su desviación típica ; B) La media y la desviaciones típica de
Más detallesGráfico de Probabilidad Normal
Gráfico de Probabilidad Normal Resumen El Gráfico de Probabilidad Normal se usa para ayudar a juzgar si una muestra de datos numéricos proviene o no de una distribución normal. De no ser el caso, frecuentemente
Más detallesAnálisis 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 detallesTécnicas de validación estadística Bondad de ajuste
Técnicas de validación estadística Bondad de ajuste Georgina Flesia FaMAF 31 de mayo, 2011 Pruebas de bondad de ajuste Dado un conjunto de observaciones, de qué distribución provienen o cuál es la distribución
Más detallesCÁLCULO 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 detalles1.- DATOS DE LA ASIGNATURA. Nombre de la asignatura: Probabilidad y Estadística. Carrera: Ingeniería en Materiales. Clave de la asignatura: MAM 0524
1.- DATOS DE LA ASIGNATURA Nombre de la asignatura: Carrera: Clave de la asignatura: Horas teoría-horas práctica-créditos: Probabilidad y Estadística Ingeniería en Materiales MAM 0524 3 2 8 2.- HISTORIA
Más detallesPruebas 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 detallesGraficación de Funciones Trigonométicas con OpenOffice.org Calc Graficar la Función Seno con OpenOffice.org Calc
Graficación de Funciones Trigonométicas con OpenOffice.org Calc A continuación presento las nociones para generar gráficos de las funciones trigonométicas seno, coseno, tangente, cotangente, secante y
Más detallesGráfico ARIMA. Ejemplo StatFolio: ARIMA charts.sgp
Gráfico ARIMA Resumen El procedimiento del Gráfico ARIMA (AutoRegressive Integrated Moving Average - Promedio Móvil Integrado Auto-Regresivo) crea gráficos de control para una sola variable numérica donde
Más detallesANOVA Simple. StatFolio de Ejemplo: oneway.sgp
ANOVA Simple Resumen El procedimiento ANOVA Simple (o de un criterio de clasificación) está diseñado para construir un modelo estadístico que describa el impacto de un solo factor categórico X sobre una
Más detallesDiseño de Experimentos Diseños de un Solo Factor Categórico
Diseño de Experimentos Diseños de un Solo Factor Categórico Resumen La selección de Diseños de un Solo Factor Categórico sobre el menú de Crear un Diseño crea diseños experimentales para situaciones donde
Más detallesCómo describir e interpretar los resultados de un estudio de investigación quirúrgica? Variables cuantitativas
Cómo describir e interpretar los resultados de un estudio de investigación quirúrgica? Variables cuantitativas Sesión de Residentes 13 de febrero, 2012 ÍNDICE Diferencia entre población y muestra. Diferencia
Más detallesCÁLCULO 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 detallesDiseño de Experimentos Diseños Factoriales Multinivel
Diseño de Experimentos Diseños Factoriales Multinivel STATGRAPHICS Rev. 9/14/2006 Resumen Los Diseños Factoriales Multinivel son usados para estudiar efectos con q factores cuantitativos. El usuario empieza
Más detallesPráctica 2 Estadística Descriptiva
Práctica 2 Estadística Descriptiva Contenido Introducción...................................... 1 Tablas de frecuencias................................. 2 Medidas de centralización, dispersión y forma...................
Más detallesGráficos 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 detallesMUESTREO 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 detallesJulio Deride Silva. 27 de agosto de 2010
Estadística Descriptiva Julio Deride Silva Área de Matemática Facultad de Ciencias Químicas y Farmcéuticas Universidad de Chile 27 de agosto de 2010 Tabla de Contenidos Estadística Descriptiva Julio Deride
Más detallesRepresentación gráfica de datos
Representación gráfica de datos Concepto de gráfico Un gráfico es una representación visual de información numérica. Está vinculado a los datos de la hoja de cálculo a partir de la que se genera y se actualiza
Más detallesDistribución muestral de proporciones. Algunas secciones han sido tomadas de: Apuntes de Estadística Inferencial Instituto Tecnológico de Chiuhuahua
Distribución muestral de proporciones Algunas secciones han sido tomadas de: Apuntes de Estadística Inferencial Instituto Tecnológico de Chiuhuahua Distribución muestral de Proporciones Existen ocasiones
Más detallesNivel socioeconómico medio. Nivel socioeconómico alto SI 8 15 28 51 NO 13 16 14 43 TOTAL 21 31 42 94
6. La prueba de ji-cuadrado Del mismo modo que los estadísticos z, con su distribución normal y t, con su distribución t de Student, nos han servido para someter a prueba hipótesis que involucran a promedios
Más detallesTransformaciones de Box-Cox
Transformaciones de Box-Cox Resumen El procedimiento para las Transformaciones de Box-Cox es diseñado para determinar una transformación optima para Y mientras se estima un modelo de regresión lineal.
Más detallesTema 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 detallesTeoría 3_10 Gráficos!
Teoría 3_10 Gráficos! Gráficos de columnas Ideal para mostrar cambios de datos en un período de tiempo o para ilustrar comparaciones entre elementos. En los gráficos de columnas, las categorías normalmente
Más detallesSnapstat: Comparación de Varias Muestras
Snapstat: Comparación de Varias Muestras Resumen La Comparación de Varias Muestras en SnapStat crea un resumen de una página que compara dos o más muestras independientes de datos. Incluye pruebas para
Más detallesESTUDIO CIS N1 2200 DEMANDA DE SEGURIDAD Y VICTIMIZACIÓN FICHA TÉCNICA
Convenio: Municipios de más de 50.000 habitantes de las provincias de Alicante, Almería, Asturias, Baleares, Barcelona, Cádiz, La Coruña, Granada, Madrid, Málaga, Murcia, Las Palmas, Pontevedra, Santa
Más detallesLos 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 detallesProbabilidad 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 detallesPronósticos Automáticos
Pronósticos Automáticos Resumen El procedimiento de Pronósticos Automáticos esta diseñado para pronosticar valores futuros en datos de una serie de tiempo. Una serie de tiempo consiste en un conjunto de
Más detallesModelos de Calibración
Modelos de Calibración Resumen El procedimiento Modelos de Calibración esta diseñado para construir un modelo estadístico que describe la relación entre variables, X y Y, donde construir un modelo es construir
Más detallesAnálisis de Tendencia de los Costos de Calidad
Análisis de Tendencia de los Costos de Calidad STATGRAPHICS Rev. 9/14/2006 Resumen El Análisis de Tendencia de los Costos de Calidad ilustra los costos de una calidad pobre construyendo un grafico que
Más detallesPLAN DE MUESTREO. Conceptos necesarios para el muestreo
PLAN DE MUESTREO El muestreo se utiliza con frecuencia en IM, ya que ofrece beneficios importantes: 1. ahorra dinero: en lugar de entrevistar a un millón de personas, una muestra se puede entrevistar de
Más detallesPruebas 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 detallesTEMA 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 detallesANÁLISIS CUANTITATIVO DE DATOS EN CIENCIAS SOCIALES CON EL SPSS (I) Tablas de contingencia y pruebas de asociación
ANÁLISIS CUANTITATIVO DE DATOS EN CIENCIAS SOCIALES CON EL SPSS (I) Tablas de contingencia y pruebas de asociación Francisca José Serrano Pastor Pedro A. Sánchez Rodríguez - Implica siempre a variables
Más detallesEstadística inferencial. Aplicación con el SPSS
Estadística inferencial. Aplicación con el SPSS Sabina Pérez Vicente Unidad de Calidad APES Hospital Costa del Sol sabina.perez.exts@juntadeandalucia.es Comparabilidad inicial de los grupos Se debe realizar
Más detallesTema 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 detallesCriterios del Registro Federal de Electores en materia de verificación del apoyo ciudadano para la Consulta Popular
Ejercicio muestral para corroborar la autenticidad de las firmas en las solicitudes de Consulta Popular El artículo 33 de la Ley General de Consulta Popular establece lo siguiente: Artículo 33. El Instituto,
Más detallesTRABAJO 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