ANÁLISIS TÉCNICO DEL PAPEL DE 75 g/m 2 USADO EN COSTA RICA PARA LOS PROCESOS DE IMPRESIÓN LÁSER Y XEROGRÁFICA

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

Download "ANÁLISIS TÉCNICO DEL PAPEL DE 75 g/m 2 USADO EN COSTA RICA PARA LOS PROCESOS DE IMPRESIÓN LÁSER Y XEROGRÁFICA"

Transcripción

1

2 Igeiería 11 (1,2): 41-52, Sa José. Costa Rica ANÁLISIS TÉCNICO DEL PAPEL DE 75 g/m 2 USADO EN COSTA RICA PARA LOS PROCESOS DE IMPRESIÓN LÁSER Y XEROGRÁFICA María Lorea Blaco Rojas Víctor M. Alfaro 1 Jeifer Ruiz Pacheco 2 Resume Se realiza u aálisis técico del papel de 75 g/m 2, distribuido y utilizado e Costa Rica e los procesos de impresió láser y xerográfica, co base e el estudio de 19 muestras de papel, obteidas de lotes de más de 1000 resmas que ofrece proveedores de diversos países. Se determiaro las propiedades físicas, mecáicas, químicas, superficiales y ópticas mediate los procedimietos estádar, así como los resultados promedio y la desviació estádar, utilizado el proceso estadístico de estimació de itervalos de cofiaza. Los resultados obteidos cosiste e el gra promedio, la desviació estádar experimetal de la media, la desviació estádar estimada de la població y los límites del itervalo de cofiaza al 99 % para cada ua de las propiedades estudiadas. Estos resultados más la experiecia e el Laboratorio de Productos Forestales (LPF), permite señalar ua propuesta para el establecimieto de ua orma acioal e la utilizació de papel de 75 g/m 2, empleado e los procesos de impresió láser y xerográfica, lo cual cotribuye a la ormalizació acioal del sector papelero. La utilizació de la iformació coteida e este artículo está restrigida a los derechos de autor. Abstract A techical study of the paper grade 4 of 75 g/m 2 used i process of laser ad xerographic prit i Costa Rica, is based i the study of 19 paper samples, each oe obtaied from lots of more tha 1000 reams offered by local suppliers ad comig from diverse coutries i the world. The physical, mechaical, chemical, superficial ad optical properties were determied by meas of procedures accepted all over the world. The average of the results together with the stadard deviatios, were treated usig the statistical procedure of estimatio of the cofidece itervals. The results cosist of the grad average, the experimetal mea stadard deviatio, the populatio's estimated stadard deviatio ad the limits of iterval of trust at 99 % for each of the studied properties. This results, alog with the experiece obtaied i the Laboratorio de Productos Forestales (LPF), permit us to draw a proposal about the future atioal orm for paper grade 4 of 75 g/m 2 used i process of laser ad xerographic prit, ad i doig so, cotribute to the ormalizatio of the atioal paper sector. Their use is restricted to the author s rights. 1. INTRODUCCIÓN El papel xerográfico, coocido tambié como papel reprográfico o papel para copiado, se defie como el grado de papel que se usa para copiado o duplicado por u método xerográfico o electrográfico. Los papeles xerográficos so grados de papeles "bod" hechos co pulpas químicas, mecáicas, papel reciclado, algodó o por combiació de estos elemetos. La xerografía es u método e seco de reproducció de material gráfico, e el cual ua image se reproduce e forma de carga electroestática por reflexió sobre la superficie de u fotocoductor que sostiee la carga e las zoas oscuras y luego la disipa cuado se expoe a la luz. La image del fotocoductor se desarrolla cuado se poe e cotacto co la tita e polvo, llamada "toer"; la image e polvo es etoces trasferida al papel y fijada a este por fusió de calor. El papel para impresió láser se utiliza e las impresoras láser. Ua impresora láser es básicamete ua copiadora xerográfica e la cual la porció de la máquia que refleja la luz es remplazada por u láser. De maera similar, este tipo de papel se recomieda para ser utilizado e cualquier impresora electrofotográfica, cuya fuete de luz

3 42 INGENIERÍA puede ser u diodo (LED), u sistema de cristal líquido (LCS), u diodo láser o cualquier otra fuete de luz cotrolada (ASTM, 1 996). E los métodos de duplicació electrofotográfica (xerográfica o láser), el papel debe ser sumamete plao, cotar co ua rigidez apropiada y buea permeabilidad. Así mismo, presetar ua adecuada resistecia electroestática, alta resistecia al calor, ámbitos medios de gramaje, o estar curvado y la superficie debe ser compatible co las partículas de "toer", las cuales se elaza a la superficie después de fudirse a 204 C (Blaco, 1 997). E la duplicació electrotográfica, ormalmete se emplea papel "bod" modificado, hecho de pulpas químicas e u ámbito básico de gramaje que va de 60 a 90 g/m2. Se caracteriza por u acabado suave, alta estabilidad térmica y bueas propiedades estéticas como color, brillatez y limpieza. El abarquillado, deformació que afecta la superficie total de la hoja de papel y hace que tieda a erollarse sobre sí misma e forma de cilidro, puede afectar sigificativamete la calidad de las copias obteidas. Debido a diferecias e la elaboració del papel y a las mismas máquias copiadoras e impresoras, el lado e que se estampa la image sobre el papel puede afectar seriamete el abarquillado. Para obteer los mejores resultados se recomieda cosultar co el proveedor de los equipos de reproducció (ASTM, 1 996). Las copiadoras e impresoras de alta velocidad demada características especiales e el papel, por lo tato, es recomedable realizar ua prueba iicial de desempeño. Co respecto al abollado, la deformació localizada e el papel debido a u ecogimieto desigual que le cofiere u aspecto arrugado típico y otros problemas e la textura, puede iterferir e la adherecia del "toer" y cosecuetemete e la calidad de la image. Igualmete, se recomieda ua prueba iicial de desempeño ates de adquirir u lote de papel para u equipo e particular (ASTM, 1 996). Etre eero y setiembre de 1 999, Costa Rica importó de los Estados Uidos $42 228,40 e papel para copiadoras e impresoras; etre 1996 a 1998, sólo la Uiversidad de Costa Rica cosumió 95,697 resmas de papel xerográfico. Alguas especificacioes para las propiedades del papel xerográfico se detalla e el cuadro No. 1.

4 BLANCO: Aálisis técico del papel Cuadro No. 1. Alguas especificacioes para el papel xerográfico de 75 g/m 2. Referecia: (ASTM, 1996)

5 44 INGENIERÍA 2. METODOLOGÍA EXPERIMENTAL Se utilizaro diez muestras de papel xerográfico de 75 g/m 2 grado 4, tomadas e forma aleatoria de muestreos aleatorios realizados e lotes de más de resmas cada uo, proveietes de diez proveedores distitos. Además, se utilizaro los resultados históricos de ueve ofertas y esayos, realizados por el Laboratorio de Productos Forestales (LPF) etre los años 1996 y E vista de que estos resultados correspode a ivestigacioes ateriores del Laboratorio, o preseta resultados e todas las propiedades estudiadas e este iforme. Las muestras se obtuviero al aplicar el II Pla de muestreo descrito e T-400 y los esayos se efectuaro siguiedo los procedimietos descritos e TAPPI (1 996). Por cosiguiete, se realizaro los siguietes esayos: gramaje (T410); humedad (T412); espesor (T411); ph co extracció e caliete (T435); resistecia a la explosió (T403); resistecia a la tesió (TAPPI T404); opacidad tato e fodo blaco como e fodo papel (T425); brillatez (T452) y resistecia al rasgado (T414). Para los esayos de lisura y de permeabilidad al aire -Gurley-, se siguiero los procedimietos descritos por Blaco (1 995). Todos los especímees del esayo fuero acodicioados a ua atmósfera cotrolada por ua humedad relativa de 50 % ± 2 % y ua temperatura de 23 o C ± 2 o C, de acuerdo co (T402). La validació de los resultados se susteta e u programa de calibració cotiua y de aseguramieto de la calidad co que cueta el LPF. Los equipos está certificados por el Laboratorio de Cotrol de Calidad, Normalizació y Metrología (LABCAL) y por los resultados obteidos a lo largo de tres años de participar e u programa iterlaboratorial desarrollado por el Istituto de Pesquisas do Estado de São Paulo (IPT) del Brasil, e el cual participa más de 60 laboratorios; por lo tato, los equipos utilizados e este estudio posee cofirmació metrológica. Cada ua de las dieciueve muestras proporcioa u resultado promedio que se obtiee de tres repeticioes e el caso de propiedades químicas y gramaje, y de diez repeticioes para las propiedades físicas, mecáicas, ópticas y superficiales. La iformació de las pruebas de laboratorio proporcioa u valor para cada propiedad, que resulta del promedio de por lo meos tres repeticioes de la medició. Este se deomia media de cada muestra de propiedad para cada oferta y se calcula usado la siguiete ecuació: X i i=1 (1) X = dode represeta el úmero de repeticioes. La desviació estádar experimetal o muestral se calcula a partir de la medicioes experimetales como ua variació etre muestras, co la siguiete ecuació: S(X) = i=1 (X X i ) 2 1 (2) A partir de lo aterior, se puede establecer ua desviació global de las propiedades del papel sujetas a medició que se calcula usado la ecuació siguiete y cosiderado todas las ofertas que fuero aalizadas e el laboratorio: S( X ) 2 ( k1 1) S1 + ( k2 = 1) S i= ( k 1) ( k (3) Co los promedios experimetales de las diferetes ofertas se calcula u gra promedio para cada propiedad, el cual represeta el valor de la propiedad que tiee el papel que se vede e el país. Para calcular las medias de la població se utilizó e todos los casos la siguiete ecuació: µ i= = 1 X e dode se refiere al úmero de ofertas. 1) S 2 (4)

6 BLANCO: Aálisis técico del papel La desviació estádar de las ofertas de la població se iterpreta como la variació que existe del mismo tipo de papel e ua propiedad particular, como por ejemplo el espesor o la permeabilidad. A partir de los valores promedio, para cada propiedad, de todas las ofertas dispoibles, se calcula la desviació, tal como sugiere Bader (Juio, 1 980), usado la ecuació: (µ X i ) 2 i=1 σ(x) = dode se refiere al úmero de ofertas. (5) Para calcular los valores extremos de los itervalos de cofiaza se utilizó la defiició que establece Miller (1 993), por lo tato: µ(x) z α /2 σ(x ) µ µ(x ) + z α /2 σ (3) Se utiliza como referecia la curva de distribució ormal, porque e todos los casos se emplea al meos 40 datos experimetales para cada propiedad. De los promedios experimetales de las dieciueve muestras, se calcula u gra promedio y ua desviació estádar de la població. A partir de estos datos y utilizado la curva de probabilidad ormal, se estima los itervalos para u 99 % de cofiaza, co el fi de darle mayor amplitud al itervalo, procurado que éste se adecue lo más posible a los resultados prácticos. 2. ANÁLISIS Y DISCUSIÓN DE RESULTADOS Los resultados de los esayos y la iformació adicioal recopilada e el laboratorio, se muestra e el cuadro 2, 3, 4 y 5, dode x correspode al valor promedio de la propiedad y s a la desviació estádar. E el cuadro No. 6 se preseta el gra promedio y la desviació estádar de la població para cada ua de las propiedades esayadas, más los límites iferior y superior de los itervalos para el 99 % de cofiaza y la desviació estádar experimetal de la media.

7 46 INGENIERÍA Cuadro No 2. Propiedades físicas, químicas y superficiales obteidas para papel xerográfico 75 g/m 2

8 BLANCO: Aálisis técico del papel Cuadro No 3. Propiedades físicas, químicas y superficiales obteidas para papel xerográfico 75 g/m 2

9 48 INGENIERÍA Cuadro No 4. Propiedades mecáicas y ópitcas obteidas para papel xerográfico 75 g/m 2

10 BLANCO: Aálisis técico del papel Cuadro No 5. Propiedades mecáicas y ópitcas obteidas para papel xerográfico 75 g/m 2

11 50 INGENIERÍA

12 BLANCO: Aálisis técico del papel PROPUESTA REQUISITOS GENERALES El papel debe poseer propiedades adecuadas para la impresió: facilidad de borrado, blacura, limpieza, acabado, textura, espesor y formació uiforme. El papel debe estar libre de machas, polvo, pelusas, suciedad, arrugas, dobleces y otras malformacioes o partículas. Debe poseer bordes limpios y lisos, libres de marcas de cuchillas; debe estar plao, si odas i orillas levatadas y las esquias e águlo recto El setido de fabricació debe ser especificado por el comprador, para ello se suele cortar el papel por el lado más largo e el setido de la fibra. Especificarse si el color es blaco o algú otro too e particular. El empaque debe realizarse co materiales resistetes a la absorció de la humedad, a meos que se especifique otra cosa. E el caso de resmas, éstas debe coteer e promedio 500 hojas o pliegos. Cada empaque debe idicar exteramete el tipo, grado, dimesió, color, direcció de la fibra y gramaje. Las dimesioes y el gramaje debe adecuarse a las uidades del Sistema Iteracioal de Medidas. Cuado se ispeccioa u lote e el lugar de la etrega, el muestreo se efectúa siguiedo el Pla II de la Norma T 400 (TAPPI, 1 996), y los aálisis de acuerdo co los métodos listados e las tablas No. 1, 2 y 3 del mismo pla. E el caso de locales de impresió si aire acodicioado, la humedad del papel debe ecotrarse e equilibrio co las codicioes de temperatura y humedad relativa. Requisitos técicos medidas a 50 % ± 2 % de humedad relativa y 23 C ± 2 C: Gramaje omial de 75 g/m 2 co ua toleracia real de + 5 %. Humedad etre 4,0 % y 6,0 %. Espesor omial de 100 mm y toleracia de + 10 µ m. Lisura Gurley etre 40 s/50 ml y 70 s/50 ml. ph míimo de 6,0 e el extracto e agua caliete del papel. Las resistecias se ajusta a la tesió logitudial míima de 4 kn/m, la explosió míima de 120 kpa y al rasgado míimo, e ambas direccioes, de 400 mn. Brillatez míima de 80 % y opacidad míima de 85 % No se especifica la desidad aparete i la permeabilidad al aire. NOMENCLATURA BIBLIOGRAFÍA 1. ASENJO, P. L.; BARBADILLO, P.; MON- FORT, P.G. Diccioario termiológico iberoamericao de celulosa, papel y cartó y sus derivados. Istituto Papelero Español, ASTM. Stadard specificatio for white watermarked ad uwatermarked bod, mimeo, spirit duplicator, xerographic, ad

13 52 INGENIERÍA laser priter cut-sized office papers. I: Aual Book of ASTM Stadards, Philadelphia, Vol , p BADER, M.E. Quality assurece ad quality cotrol. Part I: Specificatios I: Chemical Egeeerig, February 11, 1 980, p BADER, M.E. Quality assurece ad quality cotrol. Part II: The quality-cotrol laboratory. I: Chemical Egeeerig, April 7, 1 980, p BADER, M.E. Quality assurece ad quality cotrol. Part III: Usig statistics. I: Chemical Egeeerig, Jue 16, 1 980, p BADER, M.E. Quality assurece ad quality cotrol. Part IV: Complyig with govermet regulatios. I: Chemical Egeeerig, August 25, 1 980, p BLANCO, M. L. Maual de istruccioes del desímetro Gurley. Modelo PGH-T, Permeabilidad, lisura y suavidad e papel y cartó. (TRADUCCIÓN). INII , Laboratorio de Productos Forestales, Istituto de Ivestigacioes e Igeiería, Uiversidad de Costa Rica, BLANCO, M. L. Maual de istruccioes del Medidor de Cobb. Absorció de agua e papel y cartó. (TRADUCCIÓN). INII Laboratorio de Productos Forestales, Istituto de Ivestigacioes e Igeiería, Uiversidad de Costa Rica, BLANCO, M. L. Medidor de espesor (ESP/DM) para papel y cartó. (TRA- DUCCIÓN). INII , Laboratorio de Productos Forestales, Istituto de Ivestigacioes e Igeiería, Uiversidad de Costa Rica, KOURIS, M. (EDITOR). Dictioary of paper. Tappi Press, Atlata, p. 11. SCOTT, W. E.; ABBOTT, J. C. TROSSET, S. Properties of paper: a itroductio. Tappi Press, Atlata, p.

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

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

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 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

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

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

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

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

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

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

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

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

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

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

DETERMINACIÓN DEL COEFICIENTE DE DEFORMACIÓN ELÁSTICA EN ENSAMBLES PISTÓN CILINDRO DE BALANZAS DE PRESIÓN TIPO INDUSTRIAL

DETERMINACIÓN DEL COEFICIENTE DE DEFORMACIÓN ELÁSTICA EN ENSAMBLES PISTÓN CILINDRO DE BALANZAS DE PRESIÓN TIPO INDUSTRIAL DETERMINACIÓN DEL COEFICIENTE DE DEFORMACIÓN ELÁSTICA EN ENSAMBLES PISTÓN CILINDRO DE BALANZAS DE PRESIÓN TIPO INDUSTRIAL Pablo Olvera Araa Cetro Nacioal de Metroloía, CENAM Resume E el esamble istó cilidro

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

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

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 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

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

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

:: 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

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

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

Muestreo Aleatorio Simple

Muestreo Aleatorio Simple Capítulo 1 Muestreo Aleatorio Simple Este método de muestreo proporcioa u puto de partida para ua exposició de los métodos de muestreo probabilístico o porque sea uo de los métodos de muestreo más utilizados

Más detalles

OPCIÓN A EJERCICIO 1 (A) -5 0

OPCIÓN A EJERCICIO 1 (A) -5 0 IES Fco Ayala de Graada Sobrates 014 (Modelo 1 ) Solucioes Germá-Jesús Rubio Lua SELECTIVIDAD ANDALUCÍA MATEMÁTICAS CCSS SOBRANTES 014 MODELO 1 OPCIÓN A EJERCICIO 1 (A) -5 0-1 -8-1 Sea las matrices B =

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

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

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

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

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

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

1.1 INTERVALOS DEL 95% DE CONFIANZA PARA LA MEDIA DE UNA POBLACIÓN NORMAL VARIANZA CONOCIDA

1.1 INTERVALOS DEL 95% DE CONFIANZA PARA LA MEDIA DE UNA POBLACIÓN NORMAL VARIANZA CONOCIDA Itervalos de Cofiaza basados e ua muestra. Istituto de Cálculo Dra. Diaa Kelmasky 106 1. INTERVALO DE CONFIANZA PARA LA MEDIA DE UNA POBLACIÓN NORMAL upogamos que X1,...,X es ua muestra aleatoria de ua

Más detalles

Sobrantes de 2004 (Junio Modelo 5) Soluciones Germán-Jesús Rubio Luna OPCIÓN A

Sobrantes de 2004 (Junio Modelo 5) Soluciones Germán-Jesús Rubio Luna OPCIÓN A IES Fco Ayala de Graada Sobrates de 2004 (Juio Modelo 5) Solucioes Germá-Jesús Rubio Lua OPCIÓN A EJERCICIO 1_A x+y 6 3x-2y 13 Sea el sistema de iecuacioes. x+3y -3 x 0 (2 putos) Dibuje el recito cuyos

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

LECCIÓN Nº 13 y 14 DEPRECIACION.

LECCIÓN Nº 13 y 14 DEPRECIACION. LECCIÓN Nº 13 y 14 DEPRECIACION. OBJETIVO: Coocer la termiología básica de la recuperació del capital que utiliza la depreciació. Utilizar el modelo de depreciació e líea recta. Utilizar el modelo de depreciació

Más detalles

Desigualdad de Tchebyshev

Desigualdad de Tchebyshev Desigualdad de Tchebyshev Si la Esperaza y la variaza de la variable X so fiitas, para cualquier úmero positivo k, la probabilidad de que la variable aleatoria X esté e el itervalo La probabilidad de que

Más detalles

DISTRIBUCIONES DE PROBABILIDAD.- DISTRIBUCIÓN BINOMIAL (BERNOULLI) DISTRIBUCIÓN NORMAL (GAUSS)

DISTRIBUCIONES DE PROBABILIDAD.- DISTRIBUCIÓN BINOMIAL (BERNOULLI) DISTRIBUCIÓN NORMAL (GAUSS) DISTRIBUCIONES DE PROBABILIDAD.- DISTRIBUCIÓN BINOMIAL (BERNOULLI) DISTRIBUCIÓN NORMAL (GAUSS) www.cedicaped.com DISTRIBUCIÓN DE PROBABILIDAD Recordemos que el Espacio Muestral es el cojuto de todos y

Más detalles

1 Valores individuales del conjunto

1 Valores individuales del conjunto 5/03/00 METROLOGÍA ESTADÍSTICA ANÁLISIS DE DATOS Cuado se obtiee uo o más grupos de datos, producto de repeticioes i e ua medida, la mejor forma de represetarlas, es mediate las Medidas de tedecia cetral

Más detalles

PROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 2009 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES TEMA 6: TEORÍA DE MUESTRAS

PROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 2009 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES TEMA 6: TEORÍA DE MUESTRAS PROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 009 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES TEMA 6: TEORÍA DE MUESTRAS Juio, Ejercicio 3, Parte II, Opció A Juio, Ejercicio 3, Parte II, Opció B Reserva

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 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

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

Tamaño óptimo de la muestra. (Optimum sample size)

Tamaño óptimo de la muestra. (Optimum sample size) IOvaciOes de NegOciOs 5(1): 53-65, 008 008 UANL, Impreso e México (ISSN 1665-967) (Optimum sample size) Badii, M.H., J. Castillo & A. Guille UANL, Sa Nicolás, N.L, México, mhbadii@yahoo.com.mx Key words:

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

ESTIMACIÓN POR INTERVALOS DE CONFIANZA

ESTIMACIÓN POR INTERVALOS DE CONFIANZA Estimació por itervalos de cofiaza. I.E.. A uqueira I pag. Coceptos ETIMACIÓN POR INTERVALO DE CONFIANZA E este tema vamos a estudiar como estimar, es decir proosticar, u parámetro de la població, geeralmete

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

) se obtiene un valor específico del estimador que recibe el nombre de estimación del parámetro poblacional θ y lo notaremos por = g ( x 1

) se obtiene un valor específico del estimador que recibe el nombre de estimación del parámetro poblacional θ y lo notaremos por = g ( x 1 ESTIMACIÓN PUNTUAL. ESTIMACIÓN POR INTERVALOS DE CONFIANZA. 1. INTRODUCCIÓN A LA INFERENCIA ESTADÍSTICA El objetivo básico de la iferecia estadística es hacer iferecias o sacar coclusioes sobre la població

Más detalles

Muestreo y estimación

Muestreo y estimación Muestreo y estimació BENITO J. GONZÁLEZ RODRÍGUEZ bjglez@ull.es DOMINGO HERNÁNDEZ ABREU dhabreu@ull.es MATEO M. JIMÉNEZ PAIZ mjimeez@ull.es M. ISABEL MARRERO RODRÍGUEZ imarrero@ull.es ALEJANDRO SANABRIA

Más detalles

Gráficos de control por atributos

Gráficos de control por atributos Gráficos de cotrol por atributos por Felipe de la Rosa Los gráficos de cotrol por variables so istrumetos sumamete útiles para moitorear y mejorar la calidad, si embargo, preseta al meos dos limitacioes

Más detalles

Curso de Estadística Aplicada a las Ciencias Sociales

Curso de Estadística Aplicada a las Ciencias Sociales Curso de Estadística Aplicada a las Ciecias Sociales Tema 11. Estimació de ua media (Cap. 21 del libro) 1 Tema 11. Estimació de ua media Itroducció 1. Distribució de la media e el muestreo 2. La media

Más detalles

Intervalos de Confianza basados en una muestra. Instituto de Cálculo

Intervalos de Confianza basados en una muestra. Instituto de Cálculo Itervalos de Cofiaza basados e ua muestra. Istituto de Cálculo Dra. Diaa Kelmasky Hay dos razoes por las cuales el itervalo (6.63,.37) tiee mayor logitud que el obteido ateriormete (7.69, 0.3). la variaza

Más detalles

PyE_ EF2_TIPO1_

PyE_ EF2_TIPO1_ UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO FACULTAD DE INGENIERÍA DIVISIÓN DE CIENCIAS BÁSICAS COORDINACIÓN DE CIENCIAS APLICADAS DEPARTAMENTO DE PROBABILIDAD Y ESTADÍSTICA SEGUNDO EXAMEN FINAL RESOLUCIÓN

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

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

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

OPCIÓN A EJERCICIO 1_A

OPCIÓN A EJERCICIO 1_A IES Fco Ayala de Graada Sobrates de 2006 (Modelo 6 ) Solució Germá-Jesús Rubio Lua OPCIÓN A EJERCICIO 1_A (2 putos) Sea las matrices A= y B = (1 1). -5-4 Eplique qué dimesió debe teer la matriz X para

Más detalles

EJERCICIO 1. , a partir de las frecuencias observadas, nij. , que se dan en la tabla del ejercicio.

EJERCICIO 1. , a partir de las frecuencias observadas, nij. , que se dan en la tabla del ejercicio. EJERCICIO () Es u problema de idepedecia de criterios y se tedrá que costruir la tabla de cotigecia de frecuecias teóricas (esperadas), t ij, a partir de las frecuecias o observadas, ij, que se da e la

Más detalles

LABORATORIO DE TECNOLOGÍAS IV

LABORATORIO DE TECNOLOGÍAS IV LABORATORIO DE TECNOLOGÍAS IV INGENIERÍA TÉCNICA INDUSTRIAL MECÁNICA PRÁCTICA 4 INTRODUCCIÓN A LA METROLOGÍA DEPARTAMENTO DE INGENIERÍA MECÁNICA Febrero de 005 Laboratorio de Tecologías IV PROGRAMA 0 OBJETIVOS

Más detalles

INFORME DEL EJERCICIO DE INTERCOMPARACIÓN DE MASA DE PARTÍCULAS ATMOSFÉRICAS CAPTADAS EN FILTROS AÑO 2013

INFORME DEL EJERCICIO DE INTERCOMPARACIÓN DE MASA DE PARTÍCULAS ATMOSFÉRICAS CAPTADAS EN FILTROS AÑO 2013 Cetro Nacioal de Saidad Ambietal Área de Cotamiació Atmosférica INFORME DEL EJERCICIO DE INTERCOMPARACIÓN DE MASA DE PARTÍCULAS ATMOSFÉRICAS CAPTADAS EN FILTROS AÑO 2013 1 ANTECEDENTES El RD 102/2011 de

Más detalles

TAMAÑO DE MUESTRA. 5.1 Coeficiente de homogeneidad al interior de las escuelas

TAMAÑO DE MUESTRA. 5.1 Coeficiente de homogeneidad al interior de las escuelas TAMAÑO DE MUETRA Ua de las etapas del diseño muestral es el cálculo del tamaño de la muestra (Cocra, 977, p. 7-88; Médez, 004, p. 45-47; y aro, 999, p. 39-4), ésta se lleva a cabo cosiderado el objetivo

Más detalles

MUESTREO ESTRATIFICADO MUESTREO ESTRATIFICADO MUESTREO ESTRATIFICADO MUESTREO ESTRATIFICADO

MUESTREO ESTRATIFICADO MUESTREO ESTRATIFICADO MUESTREO ESTRATIFICADO MUESTREO ESTRATIFICADO El muestreo estratificado cosiste e dividir la població e subcojutos o estratos, y de cada uo de ellos seleccioar ua muestra probabilística; de maera idepediete de u estrato a otro. Existe tres razoes

Más detalles

LABORATORIO BIO 9000 PROCEDIMIENTO PE-I-03 PARA EL CÁLCULO DE LA INCERTIDUMBRE EN MICROBIOLOGÍA

LABORATORIO BIO 9000 PROCEDIMIENTO PE-I-03 PARA EL CÁLCULO DE LA INCERTIDUMBRE EN MICROBIOLOGÍA LABORATORIO BIO 9000 PROCEDIMIENTO PARA EL CÁLCLO DE LA INCERTIDMBRE EN MICROBIOLOGÍA Rev. º: 00 Fecha de aprobació: 19/05/11 REV. FECHA HOJA/S CASA DEL CAMBIO Realizado Revisado Aprobado Fdo.: Daiel Aguilar-Galido

Más detalles

ESTIMACIÓN. TEMA 5: Estimación puntual I. Propiedades de los estimadores. TEMA 6: Estimación puntual II. Métodos de estimación puntual

ESTIMACIÓN. TEMA 5: Estimación puntual I. Propiedades de los estimadores. TEMA 6: Estimación puntual II. Métodos de estimación puntual ESTIMACIÓN TEMA 5: Estimació putual I. Propiedades de los estimadores TEMA 6: Estimació putual II. Métodos de estimació putual TEMA 7: Estimació por itervalos CONTRASTES DE HIPÓTESIS TEMA 8: Cotrastes

Más detalles

MANUAL DE LABORATORIO DE FÍSICA GENERAL 9ª Edición EXPERIENCIA N 01

MANUAL DE LABORATORIO DE FÍSICA GENERAL 9ª Edición EXPERIENCIA N 01 MEDICIONES EXPERIENCIA N 01 Galileo Galilei Nació e Pisa el 15 de febrero de 1564. Astróomo y Físico. 1564-164. "No me sieto obligado a creer que u Dios que os ha dotado de iteligecia, setido comú, y raciociio,

Más detalles

ANEXO. Es todo producto envasado y medido sin la presencia del consumidor y en condiciones de comercializarse.

ANEXO. Es todo producto envasado y medido sin la presencia del consumidor y en condiciones de comercializarse. ANEXO 1. MUESTREO Y TOLERANCIAS DE PRODUCTOS PREMEDIDOS 2. APLICACIÓN El presete reglameto se aplicará para la verificació de los coteidos etos de los productos promedios, etiquetados, co coteido omial

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

IES Fco Ayala de Granada Sobrantes de 2005 (Modelo 1) Solución Germán-Jesús Rubio Luna

IES Fco Ayala de Granada Sobrantes de 2005 (Modelo 1) Solución Germán-Jesús Rubio Luna IES Fco Ayala de Graada Sobrates de 005 (Modelo 1) Germá-Jesús Rubio Lua OPCIÓN A EJERCICIO 1_A ( 5 putos) Resuelva el siguiete sistema y clasifíquelo atediedo al úmero de solucioes: x + y + z = 0 x +

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

Introducción. Ejemplos:

Introducción. Ejemplos: Itroducció Las técicas del muestreo se utiliza frecuetemete cuado se quiere coocer cuáles so las características geerales de ua població. Ejemplos: Aspectos demográficos y sociales: Prevalecia de la drogadicció

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

IES Fco Ayala de Granada Soluciones Germán-Jesús Rubio Luna INTERVALOS DE CONFIANZA PARA PROPORCIONES (2007)

IES Fco Ayala de Granada Soluciones Germán-Jesús Rubio Luna INTERVALOS DE CONFIANZA PARA PROPORCIONES (2007) IS Fco Ayala de Graada Solucioes Germá-Jesús Rubio Lua INTRVALOS D CONFIANZA PARA PROPORCIONS (007) jercicio 1- Tomada, al azar, ua muestra de 10 estudiates de ua Uiversidad, se ecotró que 54 de ellos

Más detalles

Curso de Estadística Aplicada a las Ciencias Sociales. Tema 11. Estimación de una media. Introducción. Introducción (2) Introducción

Curso de Estadística Aplicada a las Ciencias Sociales. Tema 11. Estimación de una media. Introducción. Introducción (2) Introducción Curso de Estadística Aplicada a las Ciecias Sociales Tema 11. Estimació de ua (Cap. 1 del libro) Tema 11. Estimació de ua Itroducció 1. Distribució de la e el. La muestral es cetrada 3. El error típico

Más detalles

DISTRIBUCIÓN DE PROBABILIDAD DE VARIABLES ALEATORIAS DISCRETAS

DISTRIBUCIÓN DE PROBABILIDAD DE VARIABLES ALEATORIAS DISCRETAS DISTRIBUCIÓN DE PROBABILIDAD DE VARIABLES ALEATORIAS DISCRETAS ESPACIO MUESTRAL. El cojuto de todos los resultados posibles de u eperimeto estadístico deotado por S o Ω VARIABLE. Se deomia variable a la

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

Informe Final de la Evaluación de Desempeño DM-LFP-02

Informe Final de la Evaluación de Desempeño DM-LFP-02 Istituto Nacioal de Calidad Iforme Fial de la Evaluació de Desempeño DM-LFP-02 Comparació Iterlaboratorios Comparació e Calibració de Maómetro de Deformació Elástica de 0 bar a 10 bar Setiembre - Diciembre

Más detalles

INFERENCIA ESTADÍSTICA CONCEPTOS BÁSICOS

INFERENCIA ESTADÍSTICA CONCEPTOS BÁSICOS INFERENCIA ESTADÍSTICA CONCEPTOS BÁSICOS Població E el cotexto de la estadística, ua població es el cojuto de todos los valores que puede tomar ua característica medible e particular, de u cojuto correspodiete

Más detalles

Intervalos de Confianza basados en una sola muestra. Denotaremos al parámetro de interés con la letra θ y con θ un estimador para θ.

Intervalos de Confianza basados en una sola muestra. Denotaremos al parámetro de interés con la letra θ y con θ un estimador para θ. Itervalos de Cofiaza basados e ua sola muestra Ua estimació putual sólo os proporcioa u valor umérico, pero NO proporcioa iformació sobre la precisió y cofiabilidad de la estimació del parámetro. Etoces

Más detalles

IES Fco Ayala de Granada Sobrantes de 2004 (Modelo 2) Solución Germán-Jesús Rubio Luna OPCIÓN A 0 2-4 (A I 2 ) B = A A A = -

IES Fco Ayala de Granada Sobrantes de 2004 (Modelo 2) Solución Germán-Jesús Rubio Luna OPCIÓN A 0 2-4 (A I 2 ) B = A A A = - IES Fco Ayala de Graada Sobrates de 004 (Modelo ) Solució Germá-Jesús Rubio Lua OPCIÓN A EJERCICIO _A - 0 0 - - - Sea las matrices A=, B= y C= - 0 0 - ( puto) Calcule (A I ) B, siedo I la matriz idetidad

Más detalles

PROCESO DE POISSON Rosario Romera Febrero 2009

PROCESO DE POISSON Rosario Romera Febrero 2009 1 PROCESO DE POISSON Rosario Romera Febrero 2009 1. Proceso de Coteo U proceso estocástico fn t g t0 es u proceso de coteo si N t represeta el total de sucesos ocurridos asta el tiempo t. Sea u espacio

Más detalles

METODOLOGÍA UTILIZADA EN LA ELABORACIÓN DEL ÍNDICE DE PRECIOS AL POR MAYOR EN LA REPÚBLICA DE PANAMÁ I. GENERALIDADES

METODOLOGÍA UTILIZADA EN LA ELABORACIÓN DEL ÍNDICE DE PRECIOS AL POR MAYOR EN LA REPÚBLICA DE PANAMÁ I. GENERALIDADES METODOLOGÍA UTILIZADA EN LA ELABORACIÓN DEL ÍNDICE DE PRECIOS AL POR MAYOR EN LA REPÚBLICA DE PANAMÁ I. GENERALIDADES La serie estadística de Ídice de Precios al por Mayor se iició e 1966, utilizado e

Más detalles

METODO DE ITERACION DE NEWTON

METODO DE ITERACION DE NEWTON METODO DE ITERACION DE NEWTON Supogamos que queremos resolver la ecuació f( ) y lo que obteemos o es la solució eacta sio sólo ua buea aproimació, para obteer esta aproimació observemos la siguiete figura

Más detalles

EJERCICIOS RESUELTOS TEMA 8

EJERCICIOS RESUELTOS TEMA 8 EJERCICIOS RESUELTOS TEMA 8 8.. U ivestigador desea coocer la opiió de los madrileños sobre la saidad pública. Para ello, acude a las 8 de la mañaa al hospital público de la capital más cercao a su domicilio

Más detalles

Probabilidad y Estadística 2003 Intervalos de Confianza y Test de Hipótesis paramétricos

Probabilidad y Estadística 2003 Intervalos de Confianza y Test de Hipótesis paramétricos Probabilidad y Estadística 3 Itervalos de Cofiaza y Test de Hipótesis paramétricos Itervalos de Cofiaza Defiició Dada ua muestra aleatoria simple es decir, u vector de variables aleatorias X co compoetes

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

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

UNIDAD 9. PROBABILIDAD Matemáticas II. Ies do Barral.Curso 2017/ Experimentos aleatorios

UNIDAD 9. PROBABILIDAD Matemáticas II. Ies do Barral.Curso 2017/ Experimentos aleatorios 1. Experimetos aleatorios U experimeto se llama aleatorio cuado o se puede predecir su resultado; además, si se repitiese el mismo experimeto e codicioes aálogas, los resultados puede diferir. a) El resultado

Más detalles

Formulas. Población infinita. Población finita

Formulas. Población infinita. Población finita Formulas X~N(μ, σ 2 ) x = x i x ~N si X~N o si > 30 Població ifiita Població fiita x ~N(μ, σ2 ) N x ~N(μ, N 1 σ2 ) Ejercicio Se sabe que la media poblacioal e u exame de Estadística es de 70 y que la variaza

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

Cód. Carrera: Área de Matemática Fecha: MODELO DE RESPUESTAS Objetivos 1 al 11.

Cód. Carrera: Área de Matemática Fecha: MODELO DE RESPUESTAS Objetivos 1 al 11. rueba Itegral Lapso 03-7-76-77 /0 Uiversidad Nacioal Abierta Matemática I (Cód. 7-76-77) icerrectorado Académico Cód. Carrera: 6-36-80-08- -60-6-6-63 Fecha: 0 0-0 MODELO DE RESUESTAS Objetivos al. OBJ

Más detalles

IES Fco Ayala de Granada Junio de 2016 (Modelo ) Soluciones Germán-Jesús Rubio Luna SELECTIVIDAD ANDALUCÍA MATEMÁTICAS CCSS JUNIO 2016 MODELO

IES Fco Ayala de Granada Junio de 2016 (Modelo ) Soluciones Germán-Jesús Rubio Luna SELECTIVIDAD ANDALUCÍA MATEMÁTICAS CCSS JUNIO 2016 MODELO IES Fco Ayala de Graada Juio de 016 (Modelo ) Solucioes Germá-Jesús Rubio Lua SELECTIVIDAD ANDALUCÍA MATEMÁTICAS CCSS JUNIO 016 MODELO OPCIÓN A EJERCICIO 1 (A) Las filas de la matriz P idica los respectivos

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

Estadística Aplicada a las ciencias Sociales Examen Febrero de 2008 segunda semana

Estadística Aplicada a las ciencias Sociales Examen Febrero de 2008 segunda semana Estadística Aplicada a las ciecias Sociales Exame Febrero de 008 seguda semaa Ejercicio 1.- E la siguiete tabla, se tiee el úmero de alumos de educació de adultos matriculados e el curso graduado escolar

Más detalles

Objetivos. 1. Inferencia Estadística. INFERENCIA ESTADÍSTICA Tema 3.1: Muestreo. M. Iniesta Universidad de Murcia

Objetivos. 1. Inferencia Estadística. INFERENCIA ESTADÍSTICA Tema 3.1: Muestreo. M. Iniesta Universidad de Murcia M. Iiesta Uiversidad de Murcia INFERENCIA ESTADÍSTICA Tema 3.1: Muestreo Objetivos Tratar co muestras aleatorias y su distribució muestral e ejemplos de tamaño reducido. Tratar co la distribució de la

Más detalles

UNIVERSIDAD TECNOLÓGICA DE PEREIRA FACULTAD DE INGENIERIA INDUSTRIAL

UNIVERSIDAD TECNOLÓGICA DE PEREIRA FACULTAD DE INGENIERIA INDUSTRIAL UNIVERSIDAD TECNOLÓGICA DE PEREIRA FACULTAD DE INGENIERIA INDUSTRIAL Revisió, Cambios y Ampliació: Ig. José Alejadro Marí Fuete Primaria: Ig. César Augusto Zapata Urquijo 1. M U E S T R E O S I S T E M

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

MODELO DE RESPUESTAS. Lim n. Lim

MODELO DE RESPUESTAS. Lim n. Lim Uiversidad Nacioal Abierta Vicerrectorado Académico Área de Matemática Lapso 008 - INTEGRAL MATEMÁTICA I (175) FECHA PRESENTACIÓN: 08-11-008 MODELO DE RESPUESTAS OBJ 7 PTA 7 Dadas las sucesioes de térmios

Más detalles

Curso de Estadística Aplicada a las Ciencias Sociales. Introducción. Introducción (2) Hasta ahora: estadística descriptiva (para describir datos)

Curso de Estadística Aplicada a las Ciencias Sociales. Introducción. Introducción (2) Hasta ahora: estadística descriptiva (para describir datos) Curso de Estadística Aplicada a las Ciecias Sociales Tema 10. Estimació de ua proporció Cap. 0 del maual Tema 10. Estimació de ua proporció Itroducció 1. Distribució e el muestreo de ua proporció. Estimadores

Más detalles

Resolución de ecuaciones no lineales

Resolución de ecuaciones no lineales Resolució de ecuacioes o lieales Solucioa ecuacioes o lieales tipo f()= Normalmete cada método tiee sus requisitos Métodos so iterativos Métodos iterativos para resolver f()= E geeral métodos iterativos

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

θˆ = h(x 1,X 2,...,X n ) θˆ es un estimador puntual de θ

θˆ = h(x 1,X 2,...,X n ) θˆ es un estimador puntual de θ Iferecia Estadística 95 Capitulo VIII INFERENCIA ETADITICA Es ua rama de de la Estadística que se ocupa de los procedimietos que os permite aalizar y etraer coclusioes de ua població a partir de los datos

Más detalles