Control del Muestreo. Determinación de Errores del Muestreo
|
|
- Benito Bustos Ávila
- hace 7 años
- Vistas:
Transcripción
1 Control del Muestreo Determinación de Errores del Muestreo
2 Definiciones de utilidad Lote: se refiere a un conjunto de material, cuya composición quiere estimarse. Incremento: corresponde a un grupo de partículas extraído del lote en una sola operación, por ejemplo, una palada es un incremento. Muestra: es una parte del lote, generalmente obtenida por la unión de varios incrementos o fracciones del lote, y cuyo objetivo es representar el lote en las operaciones subsecuentes. Heterogeneidad: corresponde a la variabilidad encontrada en una población estadística y puede dividirse en: Heterogeneidad de constitución (CH): cada partícula del lote tiene un contenido crítico diferente. Heterogeneidad de distribución (DH): consiste en las diferencias observadas de un grupo de fragmentos o partículas (incremento) a otro.
3 Heterogeneidad de distribución Se debe a tres factores: (1) la heterogeneidad de constitución, (2) la distribución espacial de los constituyentes o estado de segregación y (3) la forma del lote que junto a la presencia de la gravedad es responsable de la segregación. Errores: existen en cualquier procedimiento de estimación. Es necesario diferenciar los distintos tipos de error. Protocolo de muestreo: conjunto de pasos y operaciones de toma demuestras y preparación cuyo objetivo es minimizar errores y entregar una muestra bajo ciertos estándares de control.
4 Heterogeneidad CH DH CH: Diferencias entre fragmentos DH: Diferencias entre grupos de fragmentos Si todos los fragmentos fueran iguales en forma y contenido (CH=0), entonces no habría DH: cualquier grupo de fragmentos de igual tamaño sería idéntico.
5 V V V V V Heterogeneidad de Distribución Vz > Vx > Vy X Z Y V V V V V V V V V V V V V V V
6 Resumen de errores de muestreo Optimización del Protocolo de Muestreo Error Fundamental Variabilidad a pequeña escala Implementación del Protocolo de Muestreo Preservación de Integridad de las Muestras Error Analítico Error Segregación y Agrupamiento Error de Delimitación Error de Extracción Errores de Preparación Contaminación Pérdidas Alteración Humanos Variabilidad a gran escala Error de Interpolación Error de Ponderación En Tiempo En Espacio Error Periódico
7 El error que se comete proviene principalmente de dos fuentes: Las propiedades intrínsecas del material. La toma y preparación de la muestra Los errores más importantes en cuanto a la toma y preparación de muestras para aplicaciones mineras son: Error fundamental, FE: corresponde al mínimo error de muestreo que se tendría si se seleccionara cada fragmento o partícula aleatoriamente, una a la vez. A pequeña escala, la heterogeneidad de constitución es responsable del error fundamental. Error de agrupamiento y segregación, GE: corresponde a un error adicional debido a que en la práctica las muestras no se colectan tomando un fragmento a la vez, de manera aleatoria. A pequeña escala, la heterogeneidad de distribución es responsable del error de segregación.
8 Error Fundamental Causada por Heterogeneidad de Constitución (CH) Lote Muestra Reducción de masa Es un error aleatorio No produce sesgo sistemático, sólo variabilidad en torno al valor real.
9 Error de agrupamiento y segregación, GE Este error puede prevenirse considerando los siguientes aspectos: Optimizar el peso de la muestra. Incrementar el número de incrementos por muestra. Homogeneizar el material antes de tomar los incrementos. Muestra debe, al menos, reproducir la distribución granulométrica. De lo contrario, siempre se producen sesgos, es decir, diferencia entre la media de las muestras y la media real
10 Agrupamiento Pérdida excesiva de finos de alta ley producen sesgo
11 Segregación Segregación por densidad Segregación por tamaño Heterogeneidad de distribución en un flujo Toma de muestra puede producir sesgo En plantas, al existir divisores de flujo, se puede tener flujos con distintas características que producen ineficiencias
12 Error de delimitación del incremento, DE: ocurre por desviaciones de un módulo isótropo de observación que asegure una probabilidad constante de muestreo en todas las direcciones relevantes del lote. Se definen lotes: tridimensionales, bidimensionales, unidimensionales y lotes de dimensión cero. DE ocurre por lo tanto, si el módulo de observación difiere de una esfera en el caso de lotes tridimensionales, de un cilindro, en el caso de lotes bidimensionales y de una tajada en el caso de lotes unidimensionales.
13 Error de Delimitación Extracción con Tubos Delimitación correcta Delimitación incorrecta
14 Error de extracción del incremento, EE Se produce por desviaciones de la regla del centro de gravedad, que dice: Si el centro de gravedad de la partícula está dentro del volumen teórico de delimitación, este fragmento pertenece al incremento. De lo contrario, pertenece al rechazo.
15 Error de extracción Correcto Incorrecto
16 Errores de preparación, PE: Este error tiene que ver con la integridad de la muestra y considera los siguientes posibles errores: Error por contaminación: por polvo, material presente en el circuito de muestreo, abrasión (de anillos de oro de los técnicos encargados de manipular las muestras), corrosión. Error por pérdida: polvo que se vuela, material que queda en el circuito de muestreo, pérdida accidental de una porción de la muestra. Error por alteración: de composición química, mineralógica y física. Error humano: mal entrenamiento, mala mantención y limpieza de equipos. Fraude y sabotaje: común en muestreo comercial.
17 Error analítico Corresponde al error que se comete en el laboratorio al analizar la muestra final y que depende del método de análisis utilizado.
18 Requisitos para materializar la operación de muestreo Antes de efectuar la operación de muestreo, es necesario: Caracterizar la heterogeneidad del lote. Optimizar el protocolo de muestreo.
19 Error de Interpolación Al asumir que la muestra representa la zona, se comete un error cuantificable a través de la cronoestadística. Zona de influencia de la muestra
20 Error de Ponderación Idealmente, el flujo debe ser constante y los cortes hechos a intervalos regulares (tanto de tonelaje como de tiempo)
21 Ejemplo de Determinación del Error cometido en la estimación de la Ley en una muestra por reducción de su tamaño, aplicando la Formula de Gy.
22 Resumen de errores de muestreo Optimización del Protocolo de Muestreo Error Fundamental Variabilidad a pequeña escala Implementación del Protocolo de Muestreo Preservación de Integridad de las Muestras Error Analítico Error Segregación y Agrupamiento Error de Delimitación Error de Extracción Errores de Preparación Contaminación Pérdidas Alteración Humanos Variabilidad a gran escala Error de Interpolación Error de Ponderación En Tiempo En Espacio Error Periódico
23 EJ: Se quiere reducir a la mitad una muestra de 434 kg de mineral compuesto por 2,3% de Gl (densidad 7,5 g/cm 3 ),10,4% de blenda (d:4,0 g/cm 3 ) y el resto, 87,3 % de Qz (d:2,7 g/cm 3 ).El tamaño máximo de grano es de 3,8 mm. El tamaño de liberación para la Gl es de 150 micras. Cual es el Error en el contenido de Gl de la muestra reducida? θ 2 =[ 1/p 1/q ].f.g.l.m.d 3 f = 0,5 (estimación) g = 0,25 (estimación) L = 0,38 / 0,015 = 25,3 > 10 l = 0,8. (d/l) ½ 0,8. 25,3 ½ 0,16 m = 1-b / b.[ (1-b).q v +b. q g ] 1-0,023 / 0,023. [ (1-0,023).7,5 + 0,023.2,8 ]=314 b = 0,023 de G q v = 7,5 Q g = 10, ,3. 2,7 / 10,4 + 87,3 = 2,8 d = 0,38
24 θ 2 =[ 1/171,5 1/343 ].0,5.0,25. 0, ,38 3 θ 2 =1, θ = 1, Por lo tanto el error (ε) está ligado a la desviación típica con un nivel de confianza del 95% (2 S). Ε = 2S = 2 θ. X E = 2. 1, ,3 % = 0,0048 La muestra reducida tiene un contenido en Ga de 2,3 % -/ + 0,0048
25 Bibliografía Introducción al Muestreo Minero. Marco Antonio Alfaro Sironvalle. Santiago de Chile Apuntes de Muestreo para Evaluación de Yacimientos. Julián Ortiz C. Cátedra de Evaluación de Yacimientos. Facultad de Ciencias Físicas y Matemáticas. Universidad de Chile.
ESTADÍSTICA INFERENCIAL
ESTADÍSTICA INFERENCIAL ESTADÍSTICA INFERENCIAL 1 Sesión No. 9 Nombre: Pruebas de hipótesis referentes al valor de la media de la población Contextualización Los métodos estadísticos y las técnicas de
Más detallesMuestreo y control de calidad para exploración y minería
Muestreo y control de calidad para exploración y minería Cuándo: Dónde : Relatores: Idioma : 23 24 julio Hotel Sheraton, Santiago, Chile Dr. Eduardo Magri y Dr. Antoni Magri, Magri Consultores, Chile Español
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 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 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 detallesASIGNATURA: MATERIALES DE CONSTRUCCIÓN II APUNTES TEMA 2: CONTROL DE FABRICACIÓN Y CONTROL DE RECEPCIÓN
ARQUITECTURA TÉCNICA ASIGNATURA: MATERIALES DE CONSTRUCCIÓN II CURSO: 2009-2010 APUNTES TEMA 2: CONTROL DE FABRICACIÓN Y CONTROL DE RECEPCIÓN. ESTADÍSTICA APLICADA AL CONTROL:. GENERALIDADES. MUESTREO
Más detallesESTADISTICA APLICADA: PROGRAMA
Pág. 1 de 5 ESTADISTICA APLICADA: PROGRAMA a) OBJETIVOS Y BLOQUE 1: Teoría de Probabilidades 1.1 Comprender la naturaleza de los experimentos aleatorios y la estructura de los espacios de probabilidades,
Más 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 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 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 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 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 detallesTécnicas de planeación y control. Sesión 10: El valor esperado y su papel para evaluar diferentes resultados de métodos para presupuestos
Técnicas de planeación y control Sesión 10: El valor esperado y su papel para evaluar diferentes resultados de métodos para presupuestos Contextualización Esta semana cerramos la unidad dedicada a la planeación,
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 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 detallesLa separación de las especies minerales se produce mediante la aplicación selectiva de fuerzas.
MINERALURGIA: Es la rama de la ciencia de los materiales, que se encarga de estudiar los principios físicos y los procesos a través de los cuales se realiza la separación y/o el beneficio de las diferentes
Más detallesUnidad 7: Muestreo de aceptación
Unidad 7: Muestreo de aceptación Cap 12. Gutiérrez Liliana Recchioni Unidad 7: 7.1. Tipos de planes de muestreo. 7.2. Variabilidad y curvas características (CO). 7.3. Diseño de un plan de muestreo simple
Más detallesObtención de Datos. Obtención de Datos. Clasificaciones de estudios. Clasificaciones de estudios
Obtención de Datos Obtención de Datos Muestreo y Objetivo Representar la población n lo mejor posible con el mínimo m coste. Condiciones para conseguirlo Procedimientos adecuados Tamaño o muestral suficiente
Más detallesDIRECTRIZ PARA EL MUESTREO DE PRODUCTOS
DIRECTRIZ SNA-acr-15-D Calle De La Prosa 138, San Borja (Lima 41) Apartado 145 Lima Perú DIRECTRIZ PARA EL MUESTREO DE PRODUCTOS Guidelines for the Sampling of Products 2013-09-12 Elaborado por: Cecilia
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 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 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 detallesTEMA 1 ELIMINACIÓN DE PARTÍCULAS (parte I)
TEMA 1 ELIMINACIÓN DE PARTÍCULAS (parte I) TEMA 1. ELIMINACIÓN DE PARTÍCULAS 1. Contaminación por Partículas 1.1. Generación de PS Fuentes naturales Fuentes antropogénicas: Domésticas, comerciales Industriales
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 detallesC a r t a D e s c r i p t i v a
I. Identificadores del Programa: C a r t a D e s c r i p t i v a Programa: Maestría en Matemática Educativa. Depto.: Física y Matemáticas Materia: Métodos Estadísticos Clave: MME10090 No. Créditos: 6 Tipo:
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 detallesLa evaluación de la exposición a contaminantes químicos: Sílice
La evaluación de la exposición a contaminantes químicos: Sílice 1 R.D. 374/2001 ITC 2.0.02 Criterios para la prevención de la exposición al polvo de sílice. 2 CRITERIO R.D. 374/2001, sobre protección de
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 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 detallesN 10854-MEIC EL PRESIDENTE DE LA REPUBLICA Y EL MINISTRO DE ECONOMIA, INDUSTRIA Y COMERCIO,
N 10854-MEIC EL PRESIDENTE DE LA REPUBLICA Y EL MINISTRO DE ECONOMIA, INDUSTRIA Y COMERCIO, En uso de las potestades que les confiere el artículo 140, incisos 3) y 18) de la Constitución Política y de
Más detallesTema 3. 3. Correlación. Correlación. Introducción
3-1 Introducción Tema 3 Correlación Coeficiente de correlación lineal de Pearson Coeficiente de correlación poblacional Contraste paramétrico clásico Transformación de Fisher Correlación bayesiana Test
Más 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 detallesINGENIERÍA EN ACUICULTURA EN COMPETENCIAS PROFESIONALES ASIGNATURA DE GEOMETRÍA ANALÍTICA
INGENIERÍA EN ACUICULTURA EN COMPETENCIAS PROFESIONALES ASIGNATURA DE GEOMETRÍA ANALÍTICA 1. Competencias Diseñar un paquete tecnológico acuícola a través de la selección del sistema, de especies tradicionales
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 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 detallesPalabras clave: Física experimental, incertidumbre, distribución normal, distribución t v de Student, caída libre.
Implementación de la estadística t v de Student en el laboratorio de Física Harol Y Valencia-Martínez 1, Gabriel F Acevedo-Amaya 2 1,2 Universidad Santo Tomas, Departamento de Ciencias Básicas, Bogotá,
Más detallesPROTOCOLO DE ENSAYOS PARA MÓDULOS FOTOVOLTAICOS
PROTOCOLO DE ENSAYOS PARA MÓDULOS FOTOVOLTAICOS PMFV Nº 01 : XX.XX.XXXX PRODUCTO : Módulos Fotovoltaicos. NORMAS : IEC 61215 2ED 2005-04; Cualificación de diseño y tipo para módulos Fotovoltaicos de Silicio
Más detallesTécnicas de planeación y control
Técnicas de planeación y control 1 Sesión No. 10 Nombre: El valor esperado y su papel para evaluar diferentes resultados de métodos para presupuestos Contextualización Esta semana cerramos la unidad dedicada
Más detallesTema 3. Análisis de riesgo. Tema 3. Análisis de riesgo
Tema 3. Análisis de riesgo 59 3.1 Introducción Como se ha mencionado, en un entorno informático existen una serie de recursos que están constantemente expuestos a diferentes tipos de riesgos: aquellos
Más detallesREFRACTARIO AUMENTO DE PERFORMANCE ING. MARCIO GERALDO DE OLIVEIRA MAGNESITA REFRÁTARIOS SA
REFRACTARIO AUMENTO DE PERFORMANCE AUTOR: COMPAÑÍA: ING. MARCIO GERALDO DE OLIVEIRA MAGNESITA REFRÁTARIOS SA INTRODUCCIÓN Refractario es una tecnología preparada para suportar elevadas temperaturas en
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 detallesEstimación por intervalos
Método de construcción de intervalos de confianza Intervalos de confianza para una población normal Estadística II Universidad de Salamanca Curso 2011/2012 Método de construcción de intervalos de confianza
Más 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 detallesTécnicas de muestreo y otros procedimientos de comprobación selectiva en los trabajos de auditoría. Jesús Herranz Lorente (*)
Técnicas de muestreo y otros procedimientos de comprobación selectiva en los trabajos de auditoría Jesús Herranz Lorente (*) El objetivo de la sesión de trabajo Técnicas de Muestreo y otros procedimientos
Más detallesTema 1. Modelo de diseño de experimentos (un factor)
Tema 1. Modelo de diseño de experimentos (un factor) Estadística (CC. Ambientales). Profesora: Amparo Baíllo Tema 1: Diseño de experimentos (un factor) 1 Introducción El objetivo del Análisis de la Varianza
Más detallesIDE y Análisis de datos
IDE y Análisis de datos Dept. of Marine Science and Applied Biology Jose Jacobo Zubcoff Presentación Objetivos Metodología Introducción IDE y Análisis de datos 1 Planeación de la investigación Proceso
Más detallesContenidos mínimos 4B ESO. 1. Contenidos. Bloque I: Aritmética y álgebra.
Contenidos mínimos 4B ESO. 1. Contenidos. Bloque I: Aritmética y álgebra. 1. Clasificar distintos tipos de números: naturales, enteros, racionales y reales. 2. Operar con números reales y aplicar las propiedades
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 detallesLa distribución Normal
La distribución Normal Apellidos, nombre Martínez Gómez, Mónica (momargo@eio.upv.es) Marí Benlloch, Manuel (mamaben@eio.upv.es) Departamento Centro Estadística, Investigación Operativa Aplicadas y Calidad
Más detallesFiltros digitales dominio del espacio dominio de la frecuencia
Tema 3: Filtros 1 Filtros digitales Los filtros digitales constituyen uno de los principales modos de operar en el procesamiento de imágenes digitales. Pueden usarse para distintos fines, pero en todos
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 detallesCréditos: horas teóricas- horas prácticas- total de horas 2-4-6
Nombre de la asignatura: Potabilización de Agua Créditos: horas teóricas- horas prácticas- total de horas 2-4-6 Aportación al perfil Seleccionar, dimensionar, optimizar y operar sistemas de prevención
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 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 detallesDeterminación del tamaño de muestra aleatoria simple en el uso del cuestionario SERVQUAL
Apunte Docente Determinación del tamaño de muestra aleatoria simple en el uso del cuestionario SERVQUAL Renzo Devoto Ratto El autor es Magíster en Administración y Dirección de Empresas, Universidad de
Más detallesEstadística Inferencial
Estadística Inferencial Estimación de parámetros Estadística Básica - Manuel Spínola (ICOMVIS - UNA) 1 Estadística Descriptiva e Inferencial Estadística Descriptiva Estadística Estadística Inferencial
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 detallesRepublicofEcuador EDICTOFGOVERNMENT±
RepublicofEcuador EDICTOFGOVERNMENT± Inordertopromotepubliceducationandpublicsafety,equaljusticeforal, abeterinformedcitizenry,theruleoflaw,worldtradeandworldpeace, thislegaldocumentisherebymadeavailableonanoncommercialbasis,asit
Más detallesLa materia. Clasificación de la materia
27 de marzo de 2005 Contenidos 1 Introducción La materia 2 La materia Qué es la materia? Materia es todo aquello que tiene masa y posee volumen. La materia Qué es la materia? Materia es todo aquello que
Más detallesCAPÍTULO 9 ANÁLISIS DE DIAGRAMAS DE FLUJO PARA LA PREVENCIÓN DE CONTAMINAICÓN
CAPÍTULO 9 ANÁLISIS DE DIAGRAMAS DE FLUJO PARA LA PREVENCIÓN DE CONTAMINAICÓN Objetivo: Discutir los métodos para la evaluación y mejoramiento del grado de integración de las unidades. El mejoramiento
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 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 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 detallesPrácticas de inferencia y muestreo.
Prácticas de inferencia y muestreo. Contenido de la presentación Una herramienta de creación de actividades: HotPotatoes. Applets: algunos ejemplos sobre inferencia y estadística descriptiva. Excel como
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 detallesREVISION DE CONCEPTOS BÁSICOS
REVISION DE CONCEPTOS BÁSICOS Objetivos Introducir, de manera muy general, algunos de los conceptos matemáticos y estadísticos que se utilizan en el análisis de regresión. La revisión no es rigurosa y
Más detallesESTADÍSTICA BÁSICA PARA QUÍMICA ANALÍTICA
ESTADÍSTICA BÁSICA PARA QUÍMICA ANALÍTICA Es imposible realizar un análisis químico sin que los resultados estén totalmente libres de errores o incertidumbre. Se espera poder minimizar los errores y estimar
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 detallesCONTROL GLUCÉMICO ESTRICTO: CÓMO DETERMINAR LA GLUCEMIA EN EL PACIENTE CRÍTICO?
Buenas tardes. Soy Laura Díaz, trabajo como enfermera en la unidad de cuidados intensivos del hospital Severo ochoa, y voy a presentarles un estudio realizado en nuestra unidad sobre CONTROL GLUCÉMICO
Más detallesIV. Propósitos generales Asegurar la comprensión y manejo de las matemáticas utilizadas en la estadística.
CARTA DESCRIPTIVA: I. Identificadores de la asignatura MÉTODOS NUMÉRICOS Clave: BAS120096 Créditos: 06 Materia: MÉTODOS NUMÉRICOS Departamento: CIENCIAS DE LA SALUD Instituto: ICB Modalidad: PRESENCIAL
Más detallesUNIVERSIDAD DE CHILE FACULTAD DE CIENCIAS FÍSICAS Y MATEMÁTICAS DEPARTAMENTO DE INGENIERÍA INDUSTRIAL CONTROL #3
UNIVERSIDAD DE CHILE FACULTAD DE CIENCIAS FÍSICAS Y MATEMÁTICAS DEPARTAMENTO DE INGENIERÍA INDUSTRIAL CURSO : IN47A GESTIÓN DE OPERACIONES PROFESOR : A. SAURÉ A. WEINTRAUB AUXILIARES : J. PASSI J. RODRÍGUEZ
Más detallesPRÁCTICA 1. Mediciones
PRÁCTICA 1 Mediciones Objetivo General El alumno determinará la incertidumbre de las mediciones. Objetivos particulares 1. El alumno determinará las incertidumbres a partir de los instrumentos de medición..
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 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 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 detallesDocumento elaborado por: Francisco Javier Rodríguez Cortés Matemático Facultad de Ciencias Exactas - Universidad de Antioquia INTRODUCCIÓN
Documento elaborado por: Francisco Javier Rodríguez Cortés Matemático Facultad de Ciencias Exactas - Universidad de Antioquia INTRODUCCIÓN La Estadística se ocupa de los métodos y procedimientos para recoger,
Más detallesSEPARACIÓN DE SÓLIDOS
SEPARACIÓN DE SÓLIDOS Proceso de separación de sólidos en función del tamaño de las partículas. Operación básica Aplicada con frecuencia en la Industria Farmacéutica Métodos similares a los utilizados
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 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 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 detallesLección 1. La teoría del nicho ecológico. El nicho multidimensional
Lección 1. La teoría del nicho ecológico El nicho multidimensional GENERALIZACIÓN DEL CONCEPTO DE NICHO HUTCHINSON, G.E. 1957. Concluding Remarks. Cold Spring Harbor Symp.Quant.Biol.,22,415-427 El concepto
Más detallesÍndice general. 7.3.2. Intervalo de confianza para la media si la varianza poblacional es. conocida... 3. desconocida... 3
Índice general 7. Estimación por intervalos de confianza 1 7.1. Introducción.................................. 1 7.2. Método de construcción de intervalos de confianza: método pivotal.... 2 7.3. Intervalos
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 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 detallesMatemáticas y Estadística para Finanzas Prof.: H. Ernesto Sheriff, PhD(c) M.Sc.
Matemáticas y Estadística para Finanzas Prof.: H. Ernesto Sheriff, PhD(c) M.Sc. Sesión 3 INTRODUCCIÓN A LA ESTADÍSTICA 1 Estadística Aplicada a los Negocios Motivación: usos de la estadística Encuestas
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 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 detallesUNIVERSIDAD AUTÓNOMA DE BAJA CALIFORNIA DIRECCIÓN GENERAL DE ASUNTOS ACADÉMICOS PROGRAMA DE ASIGNATURA I. DATOS DE IDENTIFICACIÓN.
1.- Unidad Académica: Facultad de Ingeniería UNIVERSIDAD AUTÓNOMA DE BAJA CALIFORNIA DIRECCIÓN GENERAL DE ASUNTOS ACADÉMICOS PROGRAMA DE ASIGNATURA I. DATOS DE IDENTIFICACIÓN 2.- Programa (s) de estudio:
Más 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 detalles7. Distribución normal
7. Distribución normal Sin duda, la distribución continua de probabilidad más importante, por la frecuencia con que se encuentra y por sus aplicaciones teóricas, es la distribución normal, gaussiana o
Más detallesEstacionariedad Estacionariedad estacionariedad
Series de Tiempo Una serie de tiempo es una secuencia de datos puntuales medidos en tiempos sucesivos a intervalos de tiempo uniformes. La caracterización de las propiedades de una serie de tiempo se puede
Más detallesCapítulo 1. El caso del Método de Pesada
Capítulo 1. El caso del Método de Pesada En uno de los viajes que realizaron Norberto y Daniel, profesores de Química Analítica y de Probabilidad y Estadística, respectivamente, Norberto le pidió a Daniel
Más detallesGUÍAS. Módulo de Razonamiento cuantitativo SABER PRO 2013-1
Módulo de Razonamiento cuantitativo Este módulo evalúa competencias relacionadas con las habilidades en la comprensión de conceptos básicos de las matemáticas para analizar, modelar y resolver problemas
Más detallesTEMA 3. Población y muestra
TEMA 3. Población y muestra Alicia Nieto Reyes BIOESTADÍSTICA Alicia Nieto Reyes (BIOESTADÍSTICA) TEMA 3. Población y muestra 1 / 7 Conceptos de población y muestra Objetivo principal de la estadística:
Más detallesValor absoluto de un número real. Potencias de exponente racional. Logaritmos. Logaritmos decimales y neperianos. Propiedades y operaciones.
Otras páginas Matemásicas ccss 5º MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES I ARITMÉTICA Y ÁLGEBRA Los números reales Números racionales. Números irracionales. Los números y e. Los números reales.
Más detallesQué es la EVALUACIÓN DE RIESGOS?
Qué es la EVALUACIÓN DE RIESGOS? Julio 2005 1.- INTRODUCCIÓN Las crisis alimentarias sufridas en la Unión Europea en los años 90 pusieron de manifiesto fallos en la aplicación de la Normativa Alimentaria,
Más detallesCOMPARACIÓN DE SUPERFICIES DE RESPUESTA CON BÚSQUEDA TABÚ Y ALGORITMOS GENÉTICOS
71 CAPITULO 5 COMPARACIÓN DE SUPERFICIES DE RESPUESTA CON BÚSQUEDA TABÚ Y ALGORITMOS GENÉTICOS En este capítulo se presentan los resultados obtenidos y los comentarios de éstos, al correr algunos ejemplos
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 detallesEl promedio como punto típico de los datos es el valor al rededor del cual se agrupan los demás valores de la variable.
3. MEDIDAS DE TENDENCIA CENTRAL Con estas medidas se persigue reducir en pocas cifras significativas el conjunto de observaciones de una variable y describir con ellas ciertas características de los conjuntos,
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 detalles