TEMA 3: Muestreo. Ing. Jadlyn González Ing. MétodosII (1º -2010)
|
|
- Alberto Martín Tebar
- hace 7 años
- Vistas:
Transcripción
1 TEMA 3: Muestreo Ing. MétodosII (1º -2010)
2 Muestreo El muestreo de trabajo es una técnica que se utiliza para investigar las proporciones del tiempo total dedicada a las diversas actividades que componen una tarea, actividades o trabajo.
3 Muestreo El objetivo es establecer el porcentaje que, con respecto al período total de tiempo, se dedica a ciertas actividades; por ejemplo que el operario esté ocupado o en ocio.
4 Muestreo - Para qué sirve? - Para determinar tolerancias o márgenes aplicables al trabajo. - Para evaluar la utilización de las máquinas - Para establecer estándares de producción.
5 Ventajas del Muestreo - No requiere observación continua por parte de un analista durante un período de tiempo largo. - El total de horas-trabajo a desarrollar por el analista es generalmente mucho menor.
6 Ventajas del Muestreo - El operario no esta expuesto a largos períodos de observaciones cronométricas. - Las operaciones de grupos de operarios o máquinas pueden ser estudiadas fácilmente por un solo analista.
7 Fundamentación Estadística La probabilidad de x ocurrencias de un evento en n observaciones: (p + q)^n = 1 p = probabilidad de una ocurrencia q = (1-p ) = probabilidad de que no haya ocurrencia n = número de observaciones.
8 Fundamentación Estadística (p + q) n = 1 se expande de acuerdo al Teorema Binomial. La distribución de esta probabilidad se conoce como DISTRIBUCION BINOMIAL, con media np ; varianza npq ; y desviación estándar npq
9 Fundamentación Estadística A medida que n crece, la distribución Binomial se aproxima a la Normal. Como en los estudios de Muestreo Estadístico del Trabajo, se trabaja con muestras grandes, usaremos la Distribución Normal.
10 Fundamentación Estadística Distribución Normal con: Media p Desviación Estándar (pq/n)
11 Conceptos Relacionados Intervalo de Confianza (I): Expresado en términos de la desviación estándar (δ) Nivel de Confianza (C)
12 Conceptos Relacionados Precisión (e): Grado de desviación o tolerancia permitida con respecto al valor verdadero de la media. Luego:
13 Pasos a seguir para realizar un Muestreo de Trabajo: 1. Definir el problema. Observaciones Operario en el Centro de Trabajo Operario fuera del Centro de Trabajo Trabajo Ocio No visible Búsqueda de Herramientas Recibe Instrucciones
14 Pasos a seguir para realizar un Muestreo de Trabajo: 2. Obtener la aprobación del Supervisor del Departamento. 3. Establecer nivel de Confianza y Precisión del Estudio. 4. Hacer estimación preliminar del porcentaje de ocurrencia del evento a medir.
15 Pasos a seguir para realizar un Muestreo de Trabajo: Prueba Piloto: HORA TRABAJA NO TRABAJA 7:15 AM 7:52 AM 8:31 AM 9:26 AM 10:05 AM 11:53 AM 12:06 M
16 Pasos a seguir para realizar un Muestreo de Trabajo: 5. Diseñar el estudio. a) Determinar número total de observaciones a realizar. En caso de múltiples observaciones, determinar número de viajes o rondas de visitas a realizar
17 Pasos a seguir para realizar un Muestreo de Trabajo: b) Fijar Tiempo de estudio c) Determinar frecuencia de realización de observaciones (viajes/día) d) Determinar número de observadores requeridos. e) Fijar ruta a seguir f) Hacer programa de observaciones diarias
18 Pasos a seguir para realizar un Muestreo de Trabajo: Generar números aleatorios y convertir a horario de observaciones. Ejemplo: X X X 2do y 3er dígito: Minutos 1er dígito: Hora En este caso, los números aleatorios se definen, descartando aquellos que no cumplan con el criterio empleado.
19 Pasos a seguir para realizar un Muestreo de Trabajo: Otro Ejemplo: X X X Minutos de la jornada En este caso, los números aleatorios son de (000 ~ 480), correspondiente a jornada laboral de 8 horas.
20 Pasos a seguir para realizar un Muestreo de Trabajo: g) Diseñar hojas de Observaciones HORA TRABAJA NO TRABAJA 7:15 AM 7:52 AM 8:31 AM 9:26 AM 10:05 AM 11:53 AM 12:06 M
21 Pasos a seguir para realizar un Muestreo de Trabajo: g) Diseñar hojas de Observaciones HORA TRABAJA NO TRABAJA 7:15 AM 7:52 AM 8:31 AM 9:26 AM 10:05 AM 11:53 AM 12:06 M
22 Pasos a seguir para realizar un Muestreo de Trabajo: 6. Hacer observaciones de acuerdo a Plan y Programa, resumir datos y construir gráfico de control diario. LCS p LCI
23 Pasos a seguir para realizar un Muestreo de Trabajo: Gráfico de Control: NOTA: Si n varía, entonces los límites del gráfico de control serán variables.
24 Pasos a seguir para realizar un Muestreo de Trabajo: 7. Comprobar la Precisión al final del estudio NOTA: Si e es menor o igual a la precisión definida inicialmente, las observaciones son suficientes. De lo contrario se deben realizar más observaciones, recalculando n
25 Tipos de Muestreo - Muestreo Simple - Muestreo Estratificado
26 Ejemplo de Muestreo Simple El jefe de una gran fila de mecanógrafos estima que estos empleados están ocupados el 75% del tiempo. El supervisor desearía tomar una muestra de trabajo que tuviera una exactitud dentro del 3%, y obtener una confiabilidad del 95.45%, en los resultados. Con el fin de determinar cuántas observaciones se deben tomar aplique muestreo del trabajo. Respuesta n = Observaciones
27 Ejemplo de Muestreo Simple Un muestreo de trabajo de 8 días aplicado a un grupo de enfermeras arrojó los siguientes resultados: DÍAS OBS. TRABAJANDO OBS. NO TRABAJANDO a) Porcentaje de Ocio? p = 19,13 % b) Si C=97,5% Cuál es la Precisión? e = 11,52%
28 Muestreo Estratificado Es un caso especial del Muestreo de Trabajo que se aplica generalmente cuando se sospecha que la probabilidad del ocurrencia del evento que se va a medir varía significativamente durante el período estudiado, o que es apreciablemente diferente para distintas porciones de la población bajo estudio.
29 Muestreo Estratificado Caso a: Probabilidad varía en distintos intervalos de tiempo. tj = Tiempo correspondiente al estrato j T = Tiempo Total N = Nº Obs. En el período T Nj = Nº Obs. a realizar en cada sub-grupo j distribuido proporcionalmente.
30 Muestreo Estratificado Caso a: Probabilidad varía en distintos intervalos de tiempo. Pij = Proporción de tiempo dedicado a la actividad i en el subgrupo j Pi = Estimación de probabilidad (Ni/N)
31 Muestreo Estratificado Caso b: Probabilidad varía para distintos tipos de población. Mj = Hombres o máquinas en el estrato j M = Total de Hombres o máquinas N = Nº Obs. En el período T Nj = Nº Obs. a realizar en cada sub-grupo j distribuido proporcionalmente.
32 Muestreo Estratificado Caso b: Probabilidad varía para distintos tipos de población. Pij = Proporción de tiempo dedicado a la actividad i en el subgrupo j Pi = Estimación de probabilidad (Ni/N)
33 Ejemplo de Muestreo Estratificado Se va a realizar un estudio de Muestreo de Trabajo a fin de determinar el porcentaje de ocupación de 20 máquinas. Por observaciones realizadas con anterioridad se sabe lo siguiente: a) Las máquinas pueden clasificarse en 3 grupos A, B, C, cuyos porcentajes de ocupación difieren apreciablemente. En el grupo A hay 5 máquinas, en el B: 8 y en el C:7.
34 Ejemplo de Muestreo Estratificado b) La jornada es de 8 am a 5 pm. (de 12 m a 1 pm libre parta almorzar). Pero se ha notado también que el porcentaje de ocupación en las horas de 8 a 9; de 11 a 12; y de 4 a 5, es apreciablemente diferente con respecto al resto de la jornada. c) Por un muestreo inicial se estimó que el porcentaje de ocupación en conjunto es de 70%. Diseñe el Plan de Muestreo si se quiere que: P [p±0,05] = 88%
35 Ejemplo de Muestreo Estratificado N = 412 Observaciones Totales Según Tiempos: Estratos X 3 horas Y 5 Horas Según Máquinas: Estratos A 5 máquinas B 8 máquinas C 7 máquinas
36 Ejemplo de Muestreo Estratificado Según Tiempos: Estratos Nx = (3/8)*N Ny = (5/8)*N Según Máquinas: Estratos Na = (5/20)*N Nb = (8/20)*N Nc = (7/20)*N
37 Ejemplo de Muestreo Estratificado Como aplican ambos criterios, hay un total de 6 estratos: Nax = (5/20)*(3/8)*N = 39 Obs. Nay = (5/20)*(5/8)*N = 64 Obs. Nbx = (8/20)*(3/8)*N = 62 Obs. Nby = (8/20)*(5/8)*N = 103 Obs. Ncx = (7/20)*(3/8)*N = 54 Obs. Ncy = (7/20)*(5/8)*N = 90 Obs.
38 Ejemplo de Muestreo Estratificado Plan de Muestreo Hora A B C 8: OO A 9:00 AM X:XX 9:00 AM A 11:00AM X:XX T NT T NT T NT ALMUERZO X:XX X:XX
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 detallesLA DISTRIBUCIÓN NORMAL
LA DISTRIBUCIÓN NORMAL En estadística y probabilidad se llama distribución normal, distribución de Gauss o distribución gaussiana, a una de las distribuciones de probabilidad que con más frecuencia aparece
Más detallesTema 5. Variables aleatorias continuas
Tema 5. Variables aleatorias continuas Cuestiones de Verdadero/Falso 1. Muchas medidas numéricas de diversos fenómenos, como por ejemplo errores de medida o medidas antropométricas, pueden modelarse mediante
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 detallesInferencia estadística Estimación - 1. MasMates.com Colecciones de ejercicios
1. Una ciudad de 2000 habitantes está poblada por personas de pelo negro, rubio o castaño. Se ha seleccionado, mediante muestreo aleatorio estratificado con afijación proporcional, una muestra constituida
Más detallesPoblación finita. reemplazo sobre poblaciones de tamaño finito N.
Población finita 171 El TCL y las varianzas muestrales de medias y proporciones se basan en la premisa de muestras seleccionadas con reemplazo o de una población infinita. Sin embargo, en muchos estudios
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 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 detallesDISTRIBUCIONES DE PROBABILIDAD
DISTRIBUCIONES DE PROBABILIDAD Se llama variable aleatoria a toda función que asocia a cada elemento del espacio muestral E un número real. Una variable aleatoria discreta es aquella que sólo puede tomar
Más detallesESTADISTICA INFERENCIAL
ESTADISTICA INFERENCIAL PROFESOR: DR. JORGE ACUÑA A. 1 LA ESTADISTICA Estadística descriptiva Método científico Muestreo Información de entrada y de salida Estadística inferencial Inferencias Intervalos
Más detallesPROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 2004 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES TEMA 6: TEORÍA DE MUESTRAS
PROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 004 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES TEMA 6: TEORÍA DE MUESTRAS Junio, Ejercicio 3, Parte II, Opción A Junio, Ejercicio 3, Parte II, Opción B Reserva
Más detallesPARTE II: MUESTREO... 10 6.- CONCEPTOS BÁSICOS... 10 7.- MÉTODOS DE MUESTREO... 10 8.- NÚMERO DE MUESTRAS... 10 9.- DISTRIBUCIONES MUESTRALES...
Contenidos: PARTE I: DISTRIBUCIONES DE PROBABILIDAD... 2 1.- VARIABLES ALEATORIAS... 2 2.- DISTRIBUCIONES DE PROBABILIDAD... 3 3.- LA DISTRIBUCIÓN BINOMIAL... 5 4.- LA DISTRIBUCIÓN NORMAL... 7 5.- USO
Más detallesFRECUENCIA. x = f i x i f i = 165 40 = 4,125 6. Me = 4
Soluciones a Ejercicios y problemas PÁGINA Pág. Resuelve problemas A la pregunta: cuántas personas forman tu hogar familiar?, 0 personas respondieron esto: a) Haz la tabla de frecuencias y el diagrama
Más detallesDEL TIEMPO. Resultados Preliminares Tercer trimestre de 2013 ENCUESTA SOBRE TRABAJO NO REMUNERADO Y USO. Buenos Aires, 7 de abril de 2014
Buenos Aires, 7 de abril de 2014 Resultados Preliminares Tercer trimestre de 2013 ENCUESTA SOBRE TRABAJO NO REMUNERADO Y USO DEL TIEMPO El Instituto Nacional de Estadística y Censos (INDEC) presenta 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 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 detallesINTERVALO DE CONFIANZA PARA LA PROPORCIÓN
INTERVALO DE CONFIANZA PARA LA PROPORCIÓN Si deseamos estimar la proporción p con que una determinada característica se da en una población, a partir de la proporción p' observada en una muestra de tamaño
Más detallesPONTIFICIA UNIVERSIDAD CATOLICA DEL ECUADOR FACULTAD DE INGENIERIA ESCUELA DE INGENIERIA DE SISTEMAS
1 1. DATOS INFORMATIVOS PONTIFICIA UNIVERSIDAD CATOLICA DEL ECUADOR FACULTAD DE INGENIERIA ESCUELA DE INGENIERIA DE SISTEMAS MATERIA: ESTADISTICA CODIGO: 11715 CARRERA: INGENIERIA DE SISTEMAS NIVEL: TERCERO
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 detallesPropiedades en una muestra aleatoria
Capítulo 5 Propiedades en una muestra aleatoria 5.1. Conceptos básicos sobre muestras aleatorias Definición 5.1.1 X 1,, X n son llamadas una muestra aleatoria de tamaño n de una población f(x) si son variables
Más detallesPROBABILIDAD 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 detallesDistribución de Probabilidades con Nombre Propio Problemas Propuestos
Distribución de Probabilidades con Nombre Propio Problemas Propuestos DISTRIBUCIÓN BINOMIAL (BERNOULLI) 2.167 Hallar la probabilidad de que al lanzar una moneda honrada 6 veces aparezcan (a) 0, (b) 1,
Más detallesCAPITULO III. METODOLOGIA DE LA INVESTIGACION
CAPITULO III. METODOLOGIA DE LA INVESTIGACION La metodología aplicada en esta investigación fue la siguiente: 1. Definición del problema. 2. Diseño de la investigación. 3. Muestreo estadístico. 4. Procedimiento
Más detallesCONCEPTOS BÁSICOS DE ESTADÍSTICA
CONCEPTOS BÁSICOS DE ESTADÍSTICA Jorge M. Galbiati Riesco La Estadística está constituida por un conjunto de métodos de análisis de datos que pueden agruparse en tres categorías: La Estadística Descriptiva,
Más detallesDOCUMENTO CÁLCULO DE MUESTRA (FÓRMULAS) EL TAMAÑO DE LA MUESTRA MEDIANTE FÓRMULAS
DOCUMENTO 1 CÁLCULO DE MUESTRA (FÓRMULAS) EL TAMAÑO DE LA MUESTRA MEDIANTE FÓRMULAS Para determinar el tamaño de muestra mediante fórmulas es necesario entender los siguientes términos y sus definiciones:
Más detallesEl método utilizado en esta investigación será el método probabilístico ya que el universo en estudio es finito.
CAPITULO III: MARCO METODOLOGICO. 3.1 TIPO DE INVESTIGACION: El tipo de estudio que se desarrollara en la investigación es, descriptiva, porque está dirigido a determinar cómo es, cómo está la situación
Más detallesP (X 5) = P (x = 5) + P (X = 6) + P (X = 7) + P (X = 8) = 0.005416467 + 0.051456432 + 0.79334918 + 0.663420431 = 0.999628249
Hoja 3: robabilidad y variables aleatorias 1. La probabilidad de que un enfermo se recupere tomando un nuevo fármaco es 0.95. Si se les administra a 8 enfermos, hallar: a La probabilidad de que se recuperen
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 detallesCAPÍTULO III Metodología de la Investigación CAPÍTULO III METODOLOGÍA DE LA INVESTIGACIÓN
CAPÍTULO III METODOLOGÍA DE LA INVESTIGACIÓN 33 : METODOLOGÍA DE LA INVESTIGACIÓN. CAPÍTULO III 3.1 TIPO DE INVESTIGACIÓN La investigación que se realizó es de tipo Descriptiva y Correlacional. Descriptiva
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 detallesEJERCICIOS DE ESTADÍSTICA DESCRIPTIVA Ejercicios tema 2
EJERCICIOS DE ESTADÍSTICA DESCRIPTIVA Ejercicios tema 2 2. Un grupo de 0 estudiantes de un curso de postgrado se dispone a evaluar la calidad del mismo en una escala con las siguientes modalidades: MALO,
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 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 detallesTeoría Elemental del Muestreo
Teoría Elemental del Muestreo Definiciones. Población: Es aquel conjunto de individuos o elementos que podemos observar, medir una característica o atributo. Ejemplos de población: El conjunto de todos
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 detallesPROFESORADO EN EDUCACIÓN SECUNDARIA DE LA MODALIDAD TÉCNICO PROFESIONAL EN CONCURRENCIA CON EL TÍTULO DE BASE.
PROFESORADO EN EDUCACIÓN SECUNDARIA DE LA MODALIDAD TÉCNICO PROFESIONAL EN CONCURRENCIA CON EL TÍTULO DE BASE. ESPACIO CURRICULAR : PROBABILIDAD Y ESTADÍSTICA UNIDAD Nº I ESTADÍSTICA DESCRIPTIVA AÑO: 2010
Más detallesDISTRIBUCIONES DE PROBABILIDAD DISCRETA (PARTE 2)
Probabilidad DISTRIBUCIONES DE PROBABILIDAD DISCRETA (PARTE 2) Copyright 2010, 2007, 2004 Pearson Education, Inc. All Rights Reserved. 4.1-1 EJEMPLO Calcular σ y σ 2 para una variable aleatoria discreta
Más detalles4,2 + 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 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 detallesTeoría de la estimación
Teoría de la estimación En las primeras unidades se desarrollaron los conceptos vinculados a la definición de estimadores, sus propiedades deseables, los métodos para obtener buenos estimadores, y se plantearon
Más detallesDOCUMENTO 3: DISTRIBUCIÓN DE PROBABILIDAD DE V. A. CONTINUA: LA DISTRIBUCIÓN NORMAL
DOCUMENTO 3: DISTRIBUCIÓN DE PROBABILIDAD DE V. A. CONTINUA: LA DISTRIBUCIÓN NORMAL 3.1 INTRODUCCIÓN Como ya sabes, una distribución de probabilidad es un modelo matemático que nos ayuda a explicar los
Más detallesESTADÍSTICA 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 detallesDistribución Normal Curva Normal distribución gaussiana
Distribución Normal La distribución continua de probabilidad más importante en todo el campo de la estadística es la distribución normal. La distribución normal tiene grandes aplicaciones prácticas, en
Más detallesPRUEBAS DE ACCESO A LA UNIVERSIDAD L.O.E.
PRUEBAS DE ACCESO A LA UNIVERSIDAD L.O.E. CURSO 01-013 CONVOCATORIA: MATERIA: MATEMATICAS APLICADAS A LAS CC. SS. - Cada alumno debe elegir sólo una de las pruebas (A o B). - Cada una de las preguntas
Más detallesInforme sobre el Cálculo de Errores de Muestreo. Encuesta de Población en Relación con la Actividad (PRA)
Informe sobre el Cálculo de Errores de Muestreo Encuesta de Población en Relación con la Actividad (PRA) EUSKAL ESTATISTIKA ERAKUNDA INDICE 1. Introducción...3 2. Método de expansión de Taylor...3 3. Cálculo
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 detallesMODELO DE RESPUESTAS Objetivos del 1 al 9
PRUEBA INTEGRAL LAPSO 05-764 - /9 Universidad Nacional Abierta Probabilidad y Estadística I (Cód. 764) Vicerrectorado Académico Cód. Carrera: 6 Fecha: 0-04-06 MODELO DE RESPUESTAS Objetivos del al 9 OBJ
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 detallesUn experimento binomial posee las siguientes características: 1. El experimento consiste de n ensayos repetidos.
Experimento Binomial Experimento que consiste en ensayos independientes repetidos, cada uno con dos posibles resultados que se denominan éxito y fracaso, donde la probabilidad de éxito es la misma en cada
Más detallesPLANIFICACIÓN UNIDAD 5 MATEMÁTICA IV MEDIO BICENTENARIO. CMO Aprendizajes esperados Indicador Habilidad Contenido Clases
PLANIFICACIÓN UNIDAD 5 MATEMÁTICA IV MEDIO BICENTENARIO CMO Aprendizajes esperados Indicador Habilidad Contenido Clases 9 y aplicar los conceptos de función densidad y distribución de probabilidad para
Más detallesEvaluación de la variación de un sistema de medición Ejemplo 1 Diámetros de boquillas de inyectores de combustible
Ejemplo 1 Diámetros de boquillas de inyectores de combustible Problema Un fabricante de boquillas de inyectores de combustible instala un nuevo sistema de medición digital. Los investigadores desean determinar
Más detallesDistribución de las proporciones muestrales. Estimación de una proporción
Distribución de las medias muestrales. Estimación de la media 1. Se supone que la estatura de los chicos de 18 años de cierta población sigue una distribución normal de media 16 cm y desviación típica
Más detallesLa Distribución Normal y su uso en la Inferencia Estadística
La Distribución Normal y su uso en la Inferencia Estadística Los conceptos básicos de Probabilidad y de Distribuciones Muestrales sirven como introducción al método de Inferencia Estadística; esta se compone
Más detalles13 El muestreo estadístico
13 El muestreo estadístico ACTIVIDADES INICIALES 13.I. Las notas obtenidas en matemáticas por 1 estudiantes de.º de Bachillerato son: 9, 5, 3, 9, 0, 10,, 1, 8, 9, 7, 6 a) Calcula la media. b) Halla la
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 detallesNombre de la asignatura: Probabilidad y Estadística Ambiental
Nombre de la asignatura: Probabilidad y Estadística Ambiental Créditos: 2 2-4 Aportación al perfil Proporcionar los fundamentos necesarios para el manejo estadístico de datos experimentales que le permitan
Más detalles1.- Dada la siguiente distribución de frecuencias. Calcular: a) Mediana b) Moda c) Media d) Varianza y desviación típica o estándar
1.- Dada la siguiente distribución de frecuencias. Calcular: a) Mediana b) Moda c) Media d) Varianza y desviación típica o estándar VARIABLE FRECUENCIA 37 2 38 1 39 3 40 4 41 6 42 2 43 3 2.- Con los datos
Más detallesMuestreo y estimación: problemas resueltos
Muestreo y estimación: problemas resueltos BENITO J. GONZÁLEZ RODRÍGUEZ (bjglez@ull.es) DOMINGO HERNÁNDEZ ABREU (dhabreu@ull.es) MATEO M. JIMÉNEZ PAIZ (mjimenez@ull.es) M. ISABEL MARRERO RODRÍGUEZ (imarrero@ull.es)
Más detallesUNIVERSIDAD DE ATACAMA FACULTAD DE INGENIERÍA / DEPARTAMENTO DE MATEMÁTICA
UNIVERSIDAD DE ATACAMA FACULTAD DE INGENIERÍA / DEPARTAMENTO DE MATEMÁTICA ESTADÍSTICA Y PROBABILIDAD GUÍA 4: VARIABLES ALEATORIAS CONTINUAS Profesores: Jaime Arrué A. - Hugo S. Salinas. Primer Semestre
Más detallesDistribuciones de probabilidad. El teorema central del límite
8 Distribuciones de probabilidad. El teorema central del límite Neus Canal Díaz 8.1. Introducción La distribución de frecuencias es uno de los primeros pasos que debemos realizar al inicio del análisis
Más detallesConceptos y definiciones: horas de trabajo y subempleo
CENTRO INTERNACIONAL DE FORMACIÓN Programa de Análisis, Investigación y Estadísticas de Empleo Conceptos y definiciones: horas de trabajo y subempleo David Glejberman Turín, 8 al 12 de octubre de 2012
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 detallesAnálisis 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 detallesTALLER SOBRE CÓMO ESCRIBIR PROPUESTAS DE INVESTIGACIÓN. Manuel Valdés Pizzini Profesor SOCI 3265 Métodos de Investigación Social
TALLER SOBRE CÓMO ESCRIBIR PROPUESTAS DE INVESTIGACIÓN Manuel Valdés Pizzini Profesor SOCI 3265 Métodos de Investigación Social Preparación para un proyecto Un tema que lo mueva y la conmueva Preguntar
Más detallesUNIVERSIDAD POPULAR DEL CESAR DEPARTAMENTO DE MATEMÁTICA Y ESTADÍSTICA TALLER DE DISTRIBUCIONES DE PROBABILIDADES.
UNIVERSIDAD POPULAR DEL CESAR DEPARTAMENTO DE MATEMÁTICA Y ESTADÍSTICA TALLER DE DISTRIBUCIONES DE PROBABILIDADES. DISTRIBUCION DE PROBABILIDADES. 1. Se extraen sin reposición cuatro fichas de una urna
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 detallesDepartamento 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 detallesCONCEPTOS BÁSICOS DE PROBABILIDAD Y ESTADÍSTICA
CONCEPTOS BÁSICOS DE PROBABILIDAD Y ESTADÍSTICA Teoría Probabilística: Es la rama de las Matemáticas que proporciona los fundamentos, modelos matemáticos y el lenguaje que se usa en la Estadística. Se
Más detallesEl supermercado XYZ desea conocer el comportamiento del mismo en una sola hora de un día típico de trabajo.
El supermercado XYZ desea conocer el comportamiento del mismo en una sola hora de un día típico de trabajo. El supermercado cuenta con 3 departamentos: Abarrotes, Embutidos y. Solamente el Departamento
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 detallesTema II. Las muestras y la teoría paramétrica
2.1. Muestras y muestreos: - La muestra:. Subconjunto de elementos de la población. Necesidad práctica:. Motivos económicos. Imposibilidad (práctica/teórica) de estudiar TODA la población. Inconveniencia
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 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 detallesProblemas resueltos. Temas 10 y 11 11, 9, 12, 17, 8, 11, 9, 4, 5, 9, 14, 9, 17, 24, 19, 10, 17, 17, 8, 23, 8, 6, 14, 16, 6, 7, 15, 20, 14, 15.
Temas 10 y 11. Contrastes paramétricos de hipótesis. 1 Problemas resueltos. Temas 10 y 11 1- las puntuaciones en un test que mide la variable creatividad siguen, en la población general de adolescentes,
Más detallesFigura 1 Permite que el estudio se realice en menor tiempo, al ser menos los elementos observados Se reducen los gastos.
N 19 Población y muestra en los estudios cuantitativos 1 Uno de los aspectos centrales de la estrategia metodológica cuantitativa es la determinación de la población o grupo en que el estudio será realizado,
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 detallesMétodos Estadísticos de la Ingeniería Tema 10: Inferencia Estadística, Intervalos de Confianza Grupo B
Métodos Estadísticos de la Ingeniería Tema 10: Inferencia Estadística, Intervalos de Confianza Grupo B Área de Estadística e Investigación Operativa Licesio J. Rodríguez-Aragón Abril 010 Contenidos...............................................................
Más detallesIntroducción 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 detalles3. 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 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 detallesMUESTREO DISTRIBUCIÓN DE ESTADÍSTICOS MUESTRALES
MUESTREO DISTRIBUCIÓN DE ESTADÍSTICOS MUESTRALES Marta Alperin Profesora Adjunta de Estadística alperin@fcnym.unlp.edu.ar http://www.fcnym.unlp.edu.ar/catedras/estadistica OBJETIVO DE TRABAJOS DE INVESTIGACIÓN
Más detallesUNIVERSIDADES DE ANDALUCÍA PRUEBA DE ACCESO A LA UNIVERSIDAD OPCIÓN A
OPCIÓN A 1 a 1/ 0 Se consideran las matrices A = y B =, 0 1 3/ 4 0 siendo a un número real cualquiera 014 a) (1 punto) Obtenga la matriz A 3 b) (15 puntos) Para a =, resuelva la ecuación matricial A X
Más detalles1. Conocimientos previos. 1 Funciones exponenciales y logarítmicas.
. Conocimientos previos. Funciones exponenciales y logarítmicas.. Conocimientos previos. Antes de iniciar el tema se deben de tener los siguientes conocimientos básicos: Intervalos y sus definiciones básicas.
Más detallesSoluciones Examen de Estadística
Soluciones Examen de Estadística Ingeniería Superior de Telecomunicación 15 de Febrero, 5 Cuestiones horas C1. Un programa se ejecuta desde uno cualquiera de cuatro periféricos A, B, C y D con arreglo
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 detallesCONTROL DE LOS PROCESOS DE FABRICACIÓN. Introducción a las técnicas de control estadístico de los procesos
CONTROL DE LOS PROCESOS DE FABRICACIÓN Introducción a las técnicas de control estadístico de los procesos Introducción Departamento de Ingeniería Mecánica de la UPV-EHU ElControlEstadísticodelosProcesos
Más detallesRELACIÓN DE EJERCICIOS DE REPASO DE MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES I
Dto. de MATEMÁTICAS RELACIÓN DE EJERCICIOS DE REPASO DE MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES I 1. Calcular, de forma exacta las siguientes operaciones. a) 1, 0, b) 0,7:0,916. Representa el conjunto
Más detallesINFORMACIÓN SOBRE LA PRUEBA DE ACCESO (PAU) A LA UNIVERSIDAD DE OVIEDO. CURSO 2015/2016
INFORMACIÓN SOBRE LA PRUEBA DE ACCESO (PAU) A LA UNIVERSIDAD DE OVIEDO. CURSO 2015/2016 Materia: MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES II 1. COMENTARIOS Y/O ACOTACIONES RESPECTO AL TEMARIO EN RELACIÓN
Más detallesPrimera Encuesta Nacional sobre Mujer y Trabajo en Chile. Principales Resultados
Primera Encuesta Nacional sobre Mujer y Trabajo en Chile Principales Resultados Presentación I. Aspectos metodológicos II. Características de las mujeres entrevistadas y sus hogares III. Mujeres y mercado
Más detallesTamaño de muestra agropecuaria
Pablo Tadeo Cruz * RESUMEN En este documento, se analizan condiciones de productividad y rentabilidad de los Sistemas de Producción Agropecuaria, dónde se aplica metodología de determinación de tamaño
Más detallesEstadística Inferencial 3.7. Prueba de hipótesis para la varianza. σ gl = n -1. Es decir: Ho: σ 2 15 Ha: σ 2 > 15 (prueba de una cola)
UNIDAD III. PRUEBAS DE HIPÓTESIS 3.7 Prueba de hipótesis para la varianza La varianza como medida de dispersión es importante dado que nos ofrece una mejor visión de dispersión de datos. Por ejemplo: si
Más detallesFascículo 5.4 Tamaño de las muestras para el control de calidad de tuberculos-semilla de papa
Producción de Tubérculos-Semillas de Papa Manual de Capacitación CIP Fascículo 5.4 Tamaño de las muestras para el control de calidad de tuberculos-semilla de papa Alfredo García Goicochea Introducción
Más detallesEsquema Matemáticas CCSS
Esquema Matemáticas CCSS 4. Inferencia Conocer el vocabulario básico de la Inferencia Estadística: población, individuos, muestra, tamaño de la población, tamaño de la muestra, muestreo aleatorio. Conocer
Más detallesLos fenómenos psicológicos (por ejemplo, la comunicación verbal) se puede analizar desde distintos puntos de vista:
Los fenómenos psicológicos (por ejemplo, la comunicación verbal) se puede analizar desde distintos puntos de vista: (1) Cuáles son los procesos mentales que realizamos para construir una frase? (por ejemplo,
Más detallesDistribuciones 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 detallesDISTRIBUCIONES MUESTRALES
DISTRIBUCIONES MUESTRALES Distribuciones muestrales Autores: Ángel A. Juan (ajuanp@uoc.edu), Máximo Sedano (msedanoh@uoc.edu), Alicia Vila (avilag@uoc.edu). ESQUEMA DE CONTENIDOS CARACTERÍSTICAS DE LA
Más detallesInforme Semestral 1er Semestre 2015 (Enero - Junio)
REPÚBLICA BOLIVARIANA DE VENEZUELA MINISTERIO DEL PODER POPULAR DE PLANIFICACION INSTITUTO NACIONAL DE ESTADÍSTICA ENCUESTA DE HOGARES POR MUESTREO SITUACIÓN EN LA FUERZA DE TRABAJO VENEZUELA Informe Semestral
Más detalles(12249) TITULACIÓN LICENCIATURA EN A.D.E. TÉCNICAS ESTADÍSTICAS DE CONTROL DE CALIDAD. Mª Isabel López Rodríguez Dpto.
TITULACIÓN LICENCIATURA EN A.D.E. TÉCNICAS ESTADÍSTICAS DE CONTROL DE CALIDAD (12249) Mª Isabel López Rodríguez Dpto. Economía Aplicada CURSO ACADÉMICO 2013/2014 TEMA 3: HERRAMIENTAS ESTADÍSTICAS EN EL
Más detalles1. IDENTIFICACIÓN DE LA ASIGNATURA
UNIVERSIDAD DE SANTIAGO DE CHILE FACULTAD DE ADMINISTRACION Y ECONOMIA DEPARTAMENTO DE CONTABILIDAD Y AUDITORIA PROGRAMA DE ESTUDIO ESTADÍSTICA APLICADA II 1. IDENTIFICACIÓN DE LA ASIGNATURA 2. OBJETIVOS
Más detallesEconometria. 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