METHODOLOGY FOR MEASURING EFFICIENCY THROUGH THE
|
|
- Julián Martin Vargas
- hace 7 años
- Vistas:
Transcripción
1 Chediak P. Francisco * Valencia A. Luz Stella ** Resumen de decisión DMUs (del inglés Decision Making Unit). Muestra los modelos matemáticos básicos de la técnica DEA (del inglés Data Envelopment Analysis); se presentan recomendaciones fundamentales a adecuado en la obtención de los resultados de los diferentes modelos. Palabras clave: METHODOLOGY FOR MEASURING EFFICIENCY THROUGH THE Abstract decision units (Decision Making Unit). It shows the basic mathematical models of DEA (Data Envelopment Analysis), and provides some key recommendations to take into account in order to obtain correct models. Key words: Making Unit DMU. 1. Introducción, se ha convertido, desde los principios de su desarrollo (1978), dando origen a nuevas aplicaciones. Esta técnica se ha aplicado con éxito en el sector gubernamental, en centros educativos, hospitales, bancos, sector eléctrico, portuario y las empresas interesadas en medir * M.Sc. Investigación de Operaciones y Estadística, Universidad de Ibagué. kchediak@telecom.com.co ** Candidata a M.Sc. Investigación de Operaciones y Estadística, Universidad Tecnológica de Pereira. lsvayala@gmail.com Recibido 16 Junio 2008, Aprobado 21 Octubre 2008
2 En este artículo se establece una metodología básica para adelantar un Análisis Envolvente de Datos, mediante las técnicas CCR 1, BCC 2, modelos que pueden ser orientados hacia los inputs (CCR-I, BCC-I) o hacia los outputs (CCR-O, BCC-O). 2. Marco teórico unidades de decisión, las cuales pueden ser: empresas, hospitales, escuelas, municipios y cualquier recursos a un nivel de producto dado. En la Figura No. 1 se ilustra cómo la DMU j-ésima puede tener varias entradas de insumos y varias salidas de productos, esto hace necesario hallar el cociente entre la suma ponderada de los productos y la suma ponderada de los insumos. (v 1j ) X 1j.. (v ij ) X ij.. (v mj ) X mj DMU j (u 1j ) Y 1j.. (u rj ) Y rj.. (u tj ) Y tj En la Figura No. 1 se usan los siguientes términos: DMUj: Unidad de decisión j-ésima (j = 1,,n). Yrj: Cantidad del r-ésimo (r = 1,,t) producto que sale de la j-ésima (j = 1,,n) DMU. Urj: Peso del r-ésimo (r = 1,,t) producto que sale de la j-ésima (j = 1,,n) DMU. procedimiento se le denomina CCR orientado a las salidas (productos, outputs), denominado CCR-O; 1 CCR: técnica de análisis envolvente de datos, denominada CCR en honor a sus creadores: Charnes, Cooper y Rhodes (1978). 2 BCC: técnica de análisis envolvente de datos, denominada BCC en honor a sus creadores: Banker, Charnes y Cooper (1984). [ 71 ]
3 este procedimiento se le denomina CCR orientado a las entradas (insumos, inputs), usando la abreviación Y (Producto) F(x) D O A B P Insumo C X insumos, se obtiene una medida sobre qué tanto podrían reducirse los insumos sin afectar el nivel del a los productos, se logra una medida sobre un posible aumento del producto con los mismos insumos El modelo BCC trabaja con retornos de escala variable, relaja el supuesto restrictivo del CCR, permitiendo que la tipología de rendimiento a escala en un momento dado, caracterice la tecnología variable; el modelo [ 72 ]
4 Y (Producto) D F(x) A B P O Insumo C X 2.1 Modelo CCR-O El modelo de programación lineal CCR-Output en su forma primal para cada DMU, es: r ; r = 1,,t y v i ; i = 1,,m; tal que: Maximice Z = c.s.r. 3 (2) (3) (4) (5) c.s.r. (7) 3 c.s.r. = con las siguientes restricciones. [ 73 ]
5 (8) (9) Aquí, el modelo es totalmente operativo y solucionable empleando el método simplex, método que Generalmente el número de v i y u r es pequeño en comparación con la cantidad de DMUs, por esto, si se tienen muchas DMUs, j será grande y el modelo tendrá una cantidad de restricciones apreciable, por lo anterior, se acostumbra resolver el problema empleando el DUAL del problema primal, ya que el problema DUAL tendrá tantas variables como restricciones tenga el problema primal, y un número de restricciones igual al número de variables del primal, por lo que resulta computacionalmente ventajoso resolver el problema mediante el DUAL, para ello asociamos una variable dual a cada restricción del principal, y lo expresamos en su forma canónica, así: r ; r = 1,,t y v i ; i = 1,,m; tal que: c.s.r. Variables duales (10) (12) r+ ); r = 1,,t i- ); i = 1,,m (14) Formulando el dual queda así: Minimice Z = + ] (15) c.s.r. [ 74 ]
6 (17) (19) 2.2 Modelo CCR-I Maximice Z = + ] (22) c.s.r. (23) (24) 2.3 Modelo BCC-I DMUs bajo la hipótesis de retorno a escala constante. De esta forma, la dimensión de las DMUs que global y tiene lugar cuando la DMU seleccionada de referencia es la de mayor productividad de todas las unidades que se están estudiando. Pero también se podrían considerar problemas donde las DMUs de escala variable. Para resolver este inconveniente y poder trabajar con problemas de escala variable, Charnes Abraham, Cooper William y Rhodes E. (1984) añaden al modelo anterior, en su presentación dual la siguiente restricción: (28) [ 75 ]
7 Esta restricción impone que el punto de referencia en la frontera de producción para las DMUs de en el modelo CCR-O la formulación del dual es: 2.4 Modelo BCC-O Minimice Z = + ] (29) c.s.r. (30) (31) (32) (34) ) Maximice Z = + ] (35) c.s.r. [ ]
8 3.1 Unidades de Decisión DMUs 3. Metodología Unidades de Decisión DMUs. Deben ser entidades donde se tomen decisiones, donde se transformen insumos en productos o servicios. Para evitar que se ubiquen en la frontera demasiadas DMUs el número de estas debe ser mayor que la combinación del número de inputs y de outputs. En términos de grados de libertad en DEA, se incrementan cuando aumentan las DMUs y disminuyen si aumenta el número de Número de DMUs > 3.2 Validación de la información y análisis estadístico básico En la elección de los insumos y los productos se debe ser cuidadoso: que realmente sean insumos y que realmente sean productos. El análisis DEA requiere de datos relativamente homogéneos para lograr errores de digitación o porque son reales pero atípicos, es necesario hacer una depuración previa para existente entre las variables. Éste toma valores entre 1 y -1. En donde 1 representa una relación directa (aumento de X produce aumento en Y), 0 no existe correlación y -1 relación inversa (aumento de X produce disminución en Y). Igualmente, se deben correlacionar los insumos entre sí, para determinar si se está duplicando un insumo al estar altamente correlacionado con otro. c) Relaciones tipo XY entre desviación estándar, valor mínimo, valor máximo y rango, entre otras. Por último, el análisis DEA no relativamente a los demás valores. Aquí es necesario el uso del programación lineal como DMUs existan, con: m + n + t + 1 variables y m + t restricciones en los modelos duales. Los recomendados son el Frontier Analyst de Banxia, cuya versión demo se puede Introduction to Data Envelopment Analysis and Its Uses a escala, esto es, con los rendimientos constantes o variables. Cuando el aumento del 1% en los insumos genera un aumento del 1% en los productos, los rendimientos son constantes. Cuando el aumento del 1% en los insumos genera un aumento mayor al 1% en los productos los rendimientos son crecientes y serán decrecientes en el caso en que el aumento sea inferior al 1%. Mediante el se pueden estimar [ 77 ]
9 3.4 Interpretación de resultados rendimientos variables (BCC); el muestra el orden de las DMUs de acuerdo con el indicador decisión que están usando mejor sus recursos. En otras palabras, el ordenamiento es con respecto a la con los datos disponibles, se puede establecer que las DMUs que obtienen 100 puntos son aquellas que Análisis de la dispersión nivel de producto con los recursos disponibles. La gestión del decisor debe estar enfocada a reducir esa Mejoras potenciales El análisis de dispersión se debe complementar con otros resultados que suministran información acerca que deben hacer todas y cada una de las unidades de decisión con el objeto de llegar a la frontera de disminución de insumos también se dé un aumento de producto. Esto puede parecer contradictorio, y las recomendaciones en insumo son sólo indicativas que pueden tenerse en cuenta dependiendo del grado de lógica y conocimiento. El [ 78 ]
10 El Además del análisis de correlación entre los insumos y de estos con el producto, el también ranking 4. Conclusiones y Recomendaciones Es de vital importancia, la veracidad en la información primaria, esto es, las cantidades que se están usando de cada insumo y las cantidades de cada producto que se está generando. Dicha información debe estar completa para cada DMU. 1. Levantamiento de la información Validación de la información y análisis estadístico básico. 4. Estimación de funciones de producción empíricas. 5. Interpretar los resultados. Medir la productividad de las DMUs producción). 10. La técnica DEA presenta las siguientes características destacables: Capacidad para trabajar con múltiples factores, a diferencia del análisis tradicional de ratios que consideran sólo dos factores de la actividad, representados en el numerador y denominador. 3. [ 79 ]
11 DEA admite modelos con múltiples entradas y salidas. 2. DEA no requiere una hipótesis de relación funcional entre las entradas y las salidas. 3. Las DMUs se comparan directamente con otras DMUs o una combinación de ellas. Las entradas y las salidas pueden tener diferentes unidades sin que se requiera una relación a priori entre ellas. Algunas de las limitaciones que presentan los modelos DEA, según los mismos autores (Bonilla y otros, 1. inconveniente de ser una técnica determinista, por lo que la presencia de observaciones atípicas Dado que DEA es una técnica de punto extremo, ruidos (incluso las distorsiones simétricas con 4. DMU en relación con un máximo teórico. 5. Los test de hipótesis estadístico son difíciles de aplicar, por ser un método no paramétrico. sobre otras técnicas, tales como los métodos de regresión, en donde se establece una frontera por medio de los mínimos errores al cuadrado, mientras que la técnica DEA establece una frontera conformada por esto recibe el nombre de mejoras potenciales. 5. Bibliografía A. Arieu. envolvente de datos. La situación del puerto de Bahía Blanca. Consorcio de gestión del puerto de Bahía Blanca. Universidad Tecnológica Nacional. Argentina. (2004). hospitalarios de Andalucía. Rev. San Hig. [ 80 ]
12 Fundamentos teóricos y prácticos del análisis envolvente de datos. Primera Edición. Pereira: Universidad Tecnológica de Pereira. 227p. Universidad de Valencia. European Journal of Operational Research, 85: Data Envelopment Analysis. A Comprehensive Text with Models, Applications, References and DEA-Solver W. Cooper, L. M. Introduction to Data Envelopment Analysis and Its Use, With DEA- [ 81 ]
Agustín Arieu Consorcio de Gestión del Puerto de Bahía Blanca Universidad Tecnológica Nacional
Eficiencia técnica comparada en elevadores de granos de Argentina, bajo una aplicación de análisis de envolvente de datos. La situación del puerto de Bahía Blanca. Agustín Arieu Consorcio de Gestión del
Más detallesAplicación del modelo de frontera estocástica de producción para analizar la eficiencia técnica de la industria eléctrica en México
SECCIÓN DE ESTUDIOS DE POSGRADO E INVESTIGACIÓN Aplicación del modelo de frontera estocástica de producción para analizar la eficiencia técnica de la industria eléctrica en México Presentan: Dr. Miguel
Más detallesTeoría de la decisión
1.- Un problema estadístico típico es reflejar la relación entre dos variables, a partir de una serie de Observaciones: Por ejemplo: * peso adulto altura / peso adulto k*altura * relación de la circunferencia
Más detallesEcos de Economía ISSN: 1657-4206 ocaiced1@eafit.edu.co Universidad EAFIT Colombia
Ecos de Economía ISSN: 1657-4206 ocaiced1@eafit.edu.co Universidad EAFIT Colombia Londoño Sierra, Liz Jeanneth; Giraldo Pérez, Yudy Elena Análisis Envolvente de Datos -DEA- : Una aplicación al sector de
Más detallesFormulación del problema de la ruta más corta en programación lineal
Formulación del problema de la ruta más corta en programación lineal En esta sección se describen dos formulaciones de programación lineal para el problema de la ruta más corta. Las formulaciones son generales,
Más detallesUNIVERSIDAD AUTONOMA DE SANTO DOMINGO
UNIVERSIDAD AUTONOMA DE SANTO DOMINGO FACULTAD DE CIENCIAS ECONOMICAS Y SOCIALES DEPARTAMENTO DE ESTADISITICA CATEDRA Estadística Especializada ASIGNATURA Estadística Descriptiva Para Psicólogos (EST-225)
Más detallesFRONTERAS DE EFICIENCIA PARA OPERADORES DE
Ind. Revista data de 8(2), la Facultad 2005 de Ingeniería Industrial Vol. (8) 1: pp. 77-82 (2005) UNMSM ISSN: 1560-9146 (impreso) / ISSN: 1810-9993 (electrónico) FRONTERAS DE EFIIENIA PARA OPERADORES DE
Más detallesANEXO 1. CONCEPTOS BÁSICOS. Este anexo contiene información que complementa el entendimiento de la tesis presentada.
ANEXO 1. CONCEPTOS BÁSICOS Este anexo contiene información que complementa el entendimiento de la tesis presentada. Aquí se exponen técnicas de cálculo que son utilizados en los procedimientos de los modelos
Más detallesCOMPARACIÓN DE LA EFICIENCIA TÉCNICA DE LAS UNIVERSIDADES PÚBLICAS EN ARGENTINA
COMPARACIÓN DE LA EFICIENCIA TÉCNICA DE LAS UNIVERSIDADES PÚBLICAS EN ARGENTINA Dra. Catalina Lucía Alberto cazcona@eco.unc.edu.ar Facultad de Ciencias Económicas - Universidad Nacional de Córdoba. ARGENTINA
Más detallesINDICE. Prólogo a la Segunda Edición
INDICE Prólogo a la Segunda Edición XV Prefacio XVI Capitulo 1. Análisis de datos de Negocios 1 1.1. Definición de estadística de negocios 1 1.2. Estadística descriptiva r inferencia estadística 1 1.3.
Más detallesAnálisis de eficiencia y productividad de las universidades chilenas mediante análisis y encapsulamiento de datos
Recibido, 15/11/21 Aceptado, 2/12/21 Artículo original Análisis de eficiencia y productividad de las universidades chilenas mediante análisis y encapsulamiento de datos The analysis of efficiency and productivity
Más detallesAplicación de la metodología de análisis por envolvente de datos como benchmarking en una empresa de servicios
Aplicación de la metodología de análisis por envolvente de datos como benchmarking en una empresa de servicios Edwin Jorge Montes Eskenazy 1, Norvic Chicchon Ugarte 1 Coordinador de Planeamiento y Análisis
Más detallesPROBLEMA 1. Considere el siguiente problema de programación lineal:
PROBLEMA 1 Considere el siguiente problema de programación lineal: Sean h1 y h2 las variables de holgura correspondientes a la primera y segunda restricción, respectivamente, de manera que al aplicar el
Más detallesPontificia Universidad Católica del Ecuador Facultad de Ingeniería
1. DATOS INFORMATIVOS FACULTAD: Ingeniería CARRERA: Civil Asignatura/Módulo: Estadística Plan de estudios: 2002 Prerrequisitos: 10241 Correquisitos: 10242, 10253, 12055, 13410, 12935 Código:11716 Nivel:
Más detallesTema 2. Regresión Lineal
Tema 2. Regresión Lineal 3.2.1. Definición Mientras que en el apartado anterior se desarrolló una forma de medir la relación existente entre dos variables; en éste, se trata de esta técnica que permite
Más detallesLICENCIATURA ADMINISTRACIÓN Y DIRECCIÓN DE EMPRESAS
LICENCIATURA ADMINISTRACIÓN Y DIRECCIÓN DE EMPRESAS PROGRAMA DE LA ASIGNATURA MODELIZACIÓN Y OPTIMIZACIÓN CURSO 2012-13 ASIGNATURA: CURSO: OPTATIVA 2º - 3º (2º Semestre) 1.- DATOS INICIALES DE IDENTIFICACIÓN
Más detallesXLVI Pesquisa Operacional na Gestão da Segurança Pública
ANÁLISIS DE EFICIENCIA TÉCNICA A TRAVÉS DEL TIEMPO A CARRERAS DE EDUCACION SUPERIOR APLICANDO WINDOW ANALYSIS Gonzalo Campos Hernández Programa de Magíster en Gestión de Operaciones, Facultad de Ingeniería,
Más detallesCM0244. Suficientable
IDENTIFICACIÓN NOMBRE ESCUELA ESCUELA DE CIENCIAS NOMBRE DEPARTAMENTO Ciencias Matemáticas ÁREA DE CONOCIMIENTO MATEMATICAS, ESTADISTICA Y AFINES NOMBRE ASIGNATURA EN ESPAÑOL ESTADÍSTICA GENERAL NOMBRE
Más detallesINSTITUTO POLITÉCNICO NACIONAL SECRETARÍA ACADÉMICA DIRECCIÓN DE ESTUDIOS PROFESIONALES EN INGENIERÍA Y CIENCIAS FÍSICO MATEMÁTICAS
ESCUELA: UNIDAD PROFESIONAL INTERDISCIPLINARIA DE INGENIERÍA Y CIENCIAS SOCIALES Y ADMINISTRATIVAS CARRERA: CIENCIAS DE LA INFORMÁTICA LÍNEA CURRICULAR: COORDINACIÓN: DEPTO. DE CIENCIAS DE LA INGENIERÍA.
Más detallesEficiencia técnica y estacionalidad en los procesos de tratamiento de aguas residuales
Eficiencia técnica y estacionalidad en los procesos de tratamiento de aguas residuales Francesc Hernández-Sancho (Francesc.Hernandez@uv.es) Salvador del Saz (Salvador.Saz@uv.es) y Ramon Sala (sala@uv.es)
Más detallesESTUDIO DE LA EFICIENCIA PRODUCTIVA DE LOS I.E.S. DE MURCIA
Estudio de la eficiencia productiva de los I.E.S. de Murcia ESTUDIO DE LA EFICIENCIA PRODUCTIVA DE LOS I.E.S. DE MURCIA José Solana Ibáñez * Juan Gómez García ** Josefina García Lozano * Fulgencio Buendía
Más detallesUNIVERSIDAD ALAS PERUANAS FACULTAD DE CIENCIAS DE LA COMUNICACIÓN SILABO POR COMPETENCIA
UNIVERSIDAD ALAS PERUANAS FACULTAD DE CIENCIAS DE LA COMUNICACIÓN SILABO POR COMPETENCIA I. DATOS INFORMATIVOS 1.1 Asignatura : Estadística para el Comunicador Social 1.2 Código : 1001-1023 1.3 Pre-requisito
Más detallesTécnicas de Investigación Social
Licenciatura en Sociología Curso 2006/07 Técnicas de Investigación Social Medir la realidad social (4) La regresión (relación entre variables) El término REGRESIÓN fue introducido por GALTON en su libro
Más detallesTÉCNICAS E INSTRUMENTOS DE RECOLECCIÓN DE DATOS. Adela del Carpio Rivera Doctor en medicina
TÉCNICAS E INSTRUMENTOS DE RECOLECCIÓN DE DATOS Adela del Carpio Rivera Doctor en medicina METODO Es el medio o camino a través del cual se establece la relación entre el investigador y el consultado para
Más detallesCurso de Inducción de Matemáticas
Curso de Inducción de Matemáticas CAPÍTULO 1 Funciones y sus gráficas M.I. ISIDRO I. LÁZARO CASTILLO Programa del Curso 1. Funciones y sus gráficas. 2. Límites. 3. Cálculo Analítico de Límites. 4. Derivación.
Más detallesINSTITUTO POLITÉCNICO NACIONAL SECRETARÍA ACADÉMICA DIRECCIÓN DE ESTUDIOS PROFESIONALES EN INGENIERÍA Y CIENCIAS FÍSICO MATEMÁTICAS
ESCUELA: UNIDAD PROFESIONAL INTERDISCIPLINARIA DE INGENIERÍA Y CIENCIAS SOCIALES Y ADMINISTRATIVAS. CARRERA: INGENIERÍA EN INFORMÁTICA. ACADEMIAS: INVESTIGACIÓN DE OPERACIONES. COORDINACIÓN: DEPARTAMENTO
Más detallesUniversidad Nacional Autónoma de Nicaragua UNAN-Managua. Curso de Investigación de Operaciones
Universidad Nacional Autónoma de Nicaragua UNAN-Managua Curso de Investigación de Operaciones Profesor: MSc. Julio Rito Vargas Avilés. Presentación del Programa de Investigación de Operaciones Estudiantes:
Más detallesMétodo de cuadrados mínimos
REGRESIÓN LINEAL Gran parte del pronóstico estadístico del tiempo está basado en el procedimiento conocido como regresión lineal. Regresión lineal simple (RLS) Describe la relación lineal entre dos variables,
Más detalles3. ASOCIACIÓN ENTRE DOS VARIABLES CUALITATIVAS
1. INTRODUCCIÓN Este tema se centra en el estudio conjunto de dos variables. Dos variables cualitativas - Tabla de datos - Tabla de contingencia - Diagrama de barras - Tabla de diferencias entre frecuencias
Más detallesUNVERSIDAD FRANCISCO DE PAULA SANTANDER BIBLIOTECA EDUARDO COTE LAMUS RESUMEN TESIS DE GRADO
UNVERSIDAD FRANCISCO DE PAULA SANTANDER BIBLIOTECA EDUARDO COTE LAMUS AUTOR (ES): RESUMEN TESIS DE GRADO NOMBRE (S): CARLOS JAVIER NOMBRE (S): DIORGI ALFREDO APELLIDOS: VALENCIA VERA APELLIDOS: PARRA FACULTAD:
Más detallesAgua y saneamiento en Argentina. Eficiencia del gasto a distintos niveles jurisdiccionales
Agua y saneamiento en Argentina. Eficiencia del gasto a distintos niveles jurisdiccionales Inés del Valle Asis Directora Asistentes de investigación: Lic. Sofía Devalle Lic. Daniel Parisi Instituto de
Más detallesLAS COMUNIDADES AUTÓNOMAS Y SU EFICIENCIA RELATIVA EN LA GESTIÓN SANITARIA
Las Comunidades Autónoma y su Eficiencia Relativa en la Gestión Sanitaria LAS COMUNIDADES AUTÓNOMAS Y SU EFICIENCIA RELATIVA EN LA GESTIÓN SANITARIA Sánchez Figueroa Cristina (csanchez@cee.uned.es) Departamento
Más detallesEspecialidad en Preparación y Evaluación de Proyectos
Especialidad en Preparación y Evaluación de Proyectos TEMARIO FASE TEÓRICA 1. Análisis contable para la evaluación de proyectos Proporcionar a los participantes las habilidades y capacidades para aplicar
Más detallesTema 6. Variables aleatorias continuas
Tema 6. Variables aleatorias continuas Resumen del tema 6.1. Definición de variable aleatoria continua Identificación de una variable aleatoria continua X: es preciso conocer su función de densidad, f(x),
Más detallesEL PAPEL DE LA ESTADISTICA EN O Y M. Objetivo: Identificar índices estadísticos, y métodos más convenientes, para aplicarlos en el estudio de O y M.
EL PAPEL DE LA ESTADISTICA EN O Y M Objetivo: Identificar índices estadísticos, y métodos más convenientes, para aplicarlos en el estudio de O y M. O y M necesita apoyarse en la estadística que en casos
Más detallesembargo usado como sinónimos al momento de medir el desempeño de dichos procesos, sin las
Análisis Envolvente pública de Datos: para su Introducción utilización y herramienta maisa26@gmail.com. Maria Estudiante Isabel de Ingeniería Restrepo R. Juan Guillermo Villegas Industrial, R. Facultad
Más detallesRegresión Lineal. Dra. Noemí L. Ruiz Limardo 2008 Derechos Reservados, Rev 2010
Regresión Lineal Dra. Noemí L. Ruiz Limardo 008 Derechos Reservados, Rev 010 Objetivos de la Lección Conocer el significado de la regresión lineal Determinar la línea de regresión cuando ha correlación
Más detallesGuía de Trabajo final de Planificación de transporte IV año de Ing. Civil. Junio 2011 Prof. Ing. Sergio Navarro Hudiel
Página1 Guía de Trabajo final de Planificación de transporte IV año de Ing. Civil. Junio 2011 Prof. Ing. Sergio Navarro Hudiel Objetivo General: Determinar la demanda y oferta ruta urbanas de la red del
Más detallesOtra característica poblacional de interés es la varianza de la población, 2, y su raíz cuadrada, la desviación estándar de la población,. La varianza
CARACTERÍSTICAS DE LA POBLACIÓN. Una pregunta práctica en gran parte de la investigación de mercado tiene que ver con el tamaño de la muestra. La encuesta, en principio, no puede ser aplicada sin conocer
Más detallesDESPLIEGUE DE LA CALIDAD (Quality Function Deployment, QFD)
DESPLIEGUE DE LA CALIDAD (Quality Function Deployment, QFD) El Despliegue de la Calidad o Despliegue de la Función de la Calidad es una metodología de origen japonés utilizada para traducir las necesidades
Más detallesESTADÍSTICA APLICADA A LA EDUCACIÓN (MÉTODOS CUANTITATIVOS)
REPÚBLICA BOLIVARIANA DE VENEZUELA UNIVERSIDAD VALLE DEL MOMBOY VICERRECTORADO CENTRO DE FORMACIÓN PERMANENTE MONSEÑOR JESÚS MANUEL JÁUREGUI MORENO PROGRAMA DE ACTUALIZACIÓN Y PERFECCIONAMIENTO DOCENTE
Más detallesAnexo Metodológico Nº 6 Metodología para el Cálculo de Indicadores Económicos Financieros
Anexo Metodológico Nº 6 Metodología para el Cálculo de Indicadores Económicos Financieros "Principales Características de los Establecimientos de las Actividades Comerciales" 269 270 Instituto Nacional
Más detallesEsquema (1) Análisis de la Varianza y de la Covarianza. ANOVA y ANCOVA. ANOVA y ANCOVA 1. Análisis de la Varianza de 1 Factor
Esquema (1) Análisis de la arianza y de la Covarianza ANOA y ANCOA 1. (Muestras independientes). () 3. Análisis de la arianza de Factores 4. Análisis de la Covarianza 5. Análisis con más de Factores J.F.
Más detallesEVALUACIÓN DE LA EFICIENCIA DE LAS ESCUELAS DE LA UNIVERSIDAD INDUSTRIAL DE SANTANDER APLICANDO ANÁLISIS ENVOLVENTE DE DATOS (DEA)
EVALUACIÓN DE LA EFICIENCIA DE LAS ESCUELAS DE LA UNIVERSIDAD INDUSTRIAL DE SANTANDER APLICANDO ANÁLISIS ENVOLVENTE DE DATOS (DEA) SANDRA PATRICIA BARBOSA GÓMEZ ESCUELA DE ESTUDIOS INDUSTRIALES Y EMPRESARIALES
Más detallesSESIÓN 6 INTERPRETACION GEOMETRICA DE LA DERIVADA, REGLA GENERAL PARA DERIVACIÓN, REGLAS PARA DERIVAR FUNCIONES ALGEBRAICAS.
SESIÓN 6 INTERPRETACION GEOMETRICA DE LA DERIVADA, REGLA GENERAL PARA DERIVACIÓN, REGLAS PARA DERIVAR FUNCIONES ALGEBRAICAS. I. CONTENIDOS: 1. Interpretación geométrica de la derivada 2. Regla general
Más detallesUNIVERSIDAD AUTÓNOMA DEL ESTADO DE MÉXICO
UNIVERSIDAD AUTÓNOMA DEL ESTADO DE MÉXICO CENTRO UNIVERSITARIO UAEM ZUMPANGO LICENCIATURA EN TURISMO UNIDAD DE APRENDIZAJE: ESTADISTICA TEMA 1.5 : ESTADISTICA DESCRIPTIVA M. EN C. LUIS ENRIQUE KU MOO FECHA:
Más detallesDepartamento de Matemáticas, CCIR/ITESM. 9 de febrero de 2011
Factorización LU Departamento de Matemáticas, CCIR/ITESM 9 de febrero de 2011 Índice 26.1. Introducción............................................... 1 26.2. Factorización LU............................................
Más detallesANÁLISIS DE EFICIENCIA DE LOS DEPARTAMENTOS DE LA EMPRESA TRANSPORTES ORO S.A.S MEDIANTE EL DATA ENVELOPMENT ANALYSIS
ANÁLISIS DE EFICIENCIA DE LOS DEPARTAMENTOS DE LA EMPRESA TRANSPORTES ORO S.A.S MEDIANTE EL DATA ENVELOPMENT ANALYSIS Investigadora Principal MSc. MARCELA MARÍA MORALES CHÁVEZ UNIVERSIDAD LIBRE SECCIONAL
Más detallesCarrera: Integrantes de la Academia de Ingeniería Industrial: M.C. Ramón García González. Integrantes de la
1.- DATOS DE LA ASIGNATURA Nombre de la asignatura: Carrera: Ingeniería de calidad Licenciatura en Ingeniería Industrial Clave de la asignatura: Horas teoría horas práctica - créditos 4-0 - 8 2.- HISTORIA
Más detallesPuntuaciones Estándarizadas, Distribución Normal y Aplicaciones. Dra. Noemí L. Ruiz Limardo 2008 Derechos de Autor Reservados, Revisado 2010
Puntuaciones Estándarizadas, Distribución Normal y Aplicaciones Dra. Noemí L. Ruiz Limardo 2008 Derechos de Autor Reservados, Revisado 2010 Objetivos de Lección Conocer características principales de una
Más detallesINSTITUTO POLITÉCNICO NACIONAL SECRETARIA ACADEMICA DIRECCIÓN DE ESTUDIOS PROFESIONALES EN INGENIERÍA Y CIENCIAS FÍSICO MATEMÁTICAS
PROGRAMA DE ESTUDIO ESCUELA: UPIICSA CARRERA: INGENIERÍA EN TRANSPORTE ESPECIALIDAD: COORDINACIÓN: INVESTIGACIÓN DE OPERACIONES DEPARTAMENTO: CIENCIAS BÁSICAS DE LA INGENIERÍA ASIGNATURA: INVESTIGACIÓN
Más detallesIngeniería Forestal. Taller de Introducción a la Investigación de Operaciones
Ingeniería Forestal Taller de Introducción a la Investigación de Operaciones Contenido Horarios del curso Objetivos de la asignatura Metodología de enseñanza Temario Bibliografía y material extra Conocimientos
Más detallesMQ1 - Métodos Cuantitativos 1
Unidad responsable: 860 - EEI - Escuela de Ingeniería de Igualada Unidad que imparte: 732 - OE - Departamento de Organización de Empresas Curso: Titulación: 2016 GRADO EN INGENIERÍA EN ORGANIZACIÓN INDUSTRIAL
Más detallesUNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO. Facultad de Medicina Veterinaria y Zootecnia. Licenciatura en Medicina Veterinaria y Zootecnia
UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO Facultad de Medicina Veterinaria y Zootecnia Licenciatura en Medicina Veterinaria y Zootecnia Clave 1212 Modalidad del curso: Carácter Métodos estadísticos en medicina
Más detallesÁrea: Metodología de la Investigación. Tema: La recolección de los datos
Área: Metodología de la Investigación Tema: La recolección de los datos Objetivos Distinguir las actividades y procedimientos propias de la etapa de la recolección de los datos. Contenidos Conceptuales
Más detallesESTADISTICA INFERENCIAL
ESTADISTICA INFERENCIAL CODIGO 214543 (COMPUTACION) 224543 (SISTEMAS) 254443 (CONTADURIA) 264443 (ADMINISTRACION) 274443( GRH) HORAS TEORICAS HORAS PRACTICAS UNIDADES CREDITO SEMESTRE 02 02 03 IV PRE REQUISITO
Más detallesDocumento nº 3: Indicadores para Entidades Sin Fines Lucrativos
Comisión de Entidades Sin Fines Lucrativos Documento nº 3: Indicadores para Entidades Sin Fines Lucrativos Ponente: Isidoro Guzmán Raja Universidad Politécnica de Cartagena Madrid, 14 de noviembre de 2013
Más detallesGUÍA DOCENTE DE LA ASIGNATURA ESTADÍSTICA APLICADA
GUÍA DOCENTE DE LA ASIGNATURA ESTADÍSTICA APLICADA DATOS BÁSICOS DE LA ASIGNATURA Nombre: Titulación: Centro: Tipo: Créditos: Curso: Prerrequisitos: Profesor: Dpto.: Estadística Aplicada. Licenciatura
Más detallesProyectos: Formulación y evaluación
Pág. N. 1 Proyectos: Formulación y evaluación Familia: Editorial: Autor: Ingeniería Macro Luis Angulo Aguirre ISBN: 978-612-304-335-3 N. de páginas: 440 Edición: 1. a 2016 Medida: 17.5 x 24.8 Colores:
Más detallesDepartamento de Medicina Preventiva y Salud Publica e Historia de la Ciencia. Universidad Complutense de Madrid. SPSS para windows.
TEMA 13 REGRESIÓN LOGÍSTICA Es un tipo de análisis de regresión en el que la variable dependiente no es continua, sino dicotómica, mientras que las variables independientes pueden ser cuantitativas o cualitativas.
Más detallesTRATAMIENTO DE PUNTAJES
TRATAMIENTO DE PUNTAJES Andrés Antivilo B. Paola Contreras O. Jorge Hernández M. UNIDAD DE ESTUDIOS E INVESTIGACIÓN Santiago, 2015 [Escriba texto] TABLA DE CONTENIDO TRATAMIENTO DE LOS PUNTAJES... 4 1.1.
Más detallesAsignatura: Horas: Total (horas): Obligatoria X Teóricas 4.0 Semana 4.0 Optativa Prácticas 0 16 Semanas 64.0
UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO FACULTADES DE ECONOMÍA E INGENIERÍA LICENCIATURA EN ECONOMÍA Y NEGOCIOS PROGRAMA DE ESTUDIO Investigación de Operaciones I P86 /P75 /P96 08 Asignatura: Clave Semestre
Más detallesUniversidad Autónoma de Sinaloa
Universidad Autónoma de Sinaloa Facultad de Ciencias Sociales Licenciatura en Economía Programa de estudios Asignatura: Investigación de operaciones. Clave: Eje de formación: Básica EFBCII Área de Conocimiento:
Más detallesCarrera: EMM Participantes Representante de las academias de ingeniería Electromecánica de los Institutos Tecnológicos.
1. DATOS DE LA ASIGNATURA Nombre de la asignatura: Carrera: Clave de la asignatura: Horas teoría-horas práctica-créditos Probabilidad y Estadística Ingeniería Electromecánica EMM - 0528 3 2 8 2.- HISTORIA
Más detallesRegulación económica y evaluación del desempeño en transporte urbano por autobús: uso de la eficiencia técnica DEA en San José
Tecnología MOPT Vol. 15-17, 2007-2009 ISSN 659-2484 Regulación económica y evaluación del desempeño en transporte urbano por autobús: uso de la eficiencia técnica DEA en San José RESUMEN Ing. Carlos Contreras-Montoya,
Más detallesLa Medición de la Eficiencia Universitaria: Una Aplicación del Análisis Envolvente de Datos
Formación Universitaria La Vol. Medición (2), 7-26 de la (2008) Eficiencia Universitaria: Una Aplicación del Análisis Envolvente doi: 0.4067/S078-50062008000200004 La Medición de la Eficiencia Universitaria:
Más detallesADMINISTRACION DE OPERACIONES
Sesión4: Métodos cuantitativos ADMINISTRACION DE OPERACIONES Objetivo específico 1: El alumno conocerá y aplicara adecuadamente los métodos de pronóstico de la demanda para planear la actividad futura
Más detallesPROYECTO MATEM CURSO PRECÁLCULO UNDÉCIMO AÑO MODALIDAD ANUAL. Guía para el II parcial
Universidad de Costa Rica Instituto Tecnológico de Costa Rica PROYECTO MATEM CURSO PRECÁLCULO UNDÉCIMO AÑO MODALIDAD ANUAL Guía para el II parcial Sábado 25 de junio, 8:00 a.m. 2016 II PARCIAL ÁLGEBRA
Más detalles5. Regresión Lineal Múltiple
1 5. Regresión Lineal Múltiple Introducción La regresión lineal simple es en base a una variable independiente y una dependiente; en el caso de la regresión línea múltiple, solamente es una variable dependiente
Más detalles4. Regresión Lineal Simple
1 4. Regresión Lineal Simple Introducción Una vez conociendo las medidas que se utilizan para expresar la fuerza y la dirección de la relación lineal entre dos variables, se tienen elementos base para
Más detallesPROYECTO DE INVESTIGACIÓN
FACULTAD DE MEDICINA CLINICA ALEMANA UNIVERSIDAD DEL DESARROLLO CENTRO DE BIOÉTICA COMITÉ DE ÉTICA DE LA INVESTIGACIÓN Recepción: / / Código: (Uso Interno) PROYECTO DE INVESTIGACIÓN Título de Proyecto:.
Más detallesTema I. Introducción. Ciro el Grande ( A.C.)
1.1. La ciencia de la estadística:. El origen de la estadística:. Ciencia descriptiva. Evaluación de juegos de azar Ciro el Grande (560-530 A.C.) Si tengo 1 As y 2 reyes, que descarte es mas conveniente
Más detallesGuía para maestro. Medidas de dispersión. Guía para el maestro. Compartir Saberes
Guía para maestro Guía realizada por Bella Peralta C. Magister en Educación Matemática bellaperaltamath@gmail.com bperalta@colegioscompartir.org Determinan si la media de la distribución de los datos es
Más detallesANEXO 3: ESTRUCTURA DE LOS PROYECTOS DE FIN DE CARRERA
ANEXO 3: ESTRUCTURA DE LOS PROYECTOS DE FIN DE CARRERA Trabajo de Fin de Carrera Tipo Proyecto Tecnológico El objetivo es desarrollar un proyecto que culmina en la construcción de un prototipo funcional,
Más detallesNombre de la asignatura: Simulación. Créditos: Aportación al perfil
Nombre de la asignatura: Simulación Créditos: 2-4-6 Aportación al perfil Analizar, diseñar y gestionar sistemas productivos desde la provisión de insumos hasta la entrega de bienes y servicios, integrándolos
Más detallesRELACION, ELONGACION-PESO DE UN RESORTE
RELACION, ELONGACION-PESO DE UN RESORTE Tatiana Ortiz 1, Natalie Díaz 2, Silvia Alvarado 3, Juan Felipe Mateus 4 Estudiante Microbiología Industrial- lady.ortiz@javeriana.edu.co Estudiante Biología natalie.diaz@javeriana.edu.co
Más detallesAnálisis de datos Categóricos
Introducción a los Modelos Lineales Generalizados Universidad Nacional Agraria La Molina 2016-1 Introducción Modelos Lineales Generalizados Introducción Componentes Estimación En los capítulos anteriores
Más detallesCapítulo 8. Análisis Discriminante
Capítulo 8 Análisis Discriminante Técnica de clasificación donde el objetivo es obtener una función capaz de clasificar a un nuevo individuo a partir del conocimiento de los valores de ciertas variables
Más detallesTema Contenido Contenidos Mínimos
1 Estadística unidimensional - Variable estadística. - Tipos de variables estadísticas: cualitativas, cuantitativas discretas y cuantitativas continuas. - Variable cualitativa. Distribución de frecuencias.
Más detalles3.º ESO. Matemáticas orientadas a las enseñanzas aplicadas
3.º ESO. Matemáticas orientadas a las enseñanzas aplicadas BLOQUE DE APRENDIZAJE I: PROCESOS, MÉTODOS Y ACTITUDES EN MATEMÁTICAS 1. Identificar, formular y resolver problemas numéricos, geométricos, funcionales
Más detallesAgro 6998 Conferencia 2. Introducción a los modelos estadísticos mixtos
Agro 6998 Conferencia Introducción a los modelos estadísticos mixtos Los modelos estadísticos permiten modelar la respuesta de un estudio experimental u observacional en función de factores (tratamientos,
Más detallesUNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO FACULTAD DE ESTUDIOS SUPERIORES CUAUTITLÁN PLAN DE ESTUDIOS DE LA LICENCIATURA EN QUÍMICA INDUSTRIAL
UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO FACULTAD DE ESTUDIOS SUPERIORES CUAUTITLÁN PLAN DE ESTUDIOS DE LA LICENCIATURA EN QUÍMICA INDUSTRIAL PROGRAMA DE LA ASIGNATURA DE: IDENTIFICACIÓN DE LA ASIGNATURA
Más detallesVARIABLES ESTADÍSTICAS BIDIMENSIONALES
VARIABLES ESTADÍSTICAS BIDIMENSIONALES 1.- En una variable estadística bidimensional, el diagrama de dispersión representa: a) la nube de puntos. b) las varianzas de las dos variables. c) los coeficientes
Más detallesLas medidas de dispersión nos informan sobre cuánto se alejan del centro los valores de la distribución.
CONTENIDO: MEDIDAS DE DISPERSIÓN INDICADOR DE LOGRO: Determinarás y aplicarás, con perseverancia las medidas de dispersión para datos no agrupados y agrupados Guía de trabajo: Las medidas de dispersión
Más detallesPrograma de Asignatura Estadística
Programa de Asignatura Estadística 01 Carrera: Licenciatura en Tecnología Informática 02 Asignatura: Estadística 03 Año lectivo: 2013 04 Año de cursada: 2 05 Cuatrimestre: Segundo 06 Hs. Semanales: 5 07
Más detallesun conjunto cuyos elementos denominaremos vectores y denotaremos por es un espacio vectorial si verifica las siguientes propiedades:
CAPÍTULO 2: ESPACIOS VECTORIALES 2.1- Definición y propiedades. 2.1.1-Definición: espacio vectorial. Sea un cuerpo conmutativo a cuyos elementos denominaremos escalares o números. No es necesario preocuparse
Más detallesESTADÍSTICA I Código: 8219
ESTADÍSTICA I Código: 8219 Departamento : Metodología Especialidad : Ciclo Básico Prelación : Sin Prelación Tipo de Asignatura : Obligatoria Teórica y Práctica Número de Créditos : 3 Número de horas semanales
Más detallesUNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO FACULTAD DE ESTUDIOS SUPERIORES CUAUTITLÁN PLAN DE ESTUDIOS DE LA LICENCIATURA EN QUÍMICA INDUSTRIAL
UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO FACULTAD DE ESTUDIOS SUPERIORES CUAUTITLÁN PLAN DE ESTUDIOS DE LA LICENCIATURA EN QUÍMICA INDUSTRIAL PROGRAMA DE LA ASIGNATURA DE: Computación I IDENTIFICACIÓN DE
Más detallesProducto.- Se debe revisar si es un solo producto o sin son productos estandarizados, varios productos o un producto a pedido.
INTRODUCCION RESUMEN EJECUTIVO 1. PROBLEMAS La empresa CASAS PREFABRICADAS Y SERVICIO EN GENERAL S.A. no iene una adecuada distribución de los espacios de trabajo, el cual le genera costos innecesarios
Más detalles1 Introducción. 2 Modelo. Hipótesis del modelo MODELO DE REGRESIÓN LOGÍSTICA
MODELO DE REGRESIÓN LOGÍSTICA Introducción A grandes rasgos, el objetivo de la regresión logística se puede describir de la siguiente forma: Supongamos que los individuos de una población pueden clasificarse
Más detallesTema 7: Estadística y probabilidad
Tema 7: Estadística y probabilidad En este tema revisaremos: 1. Representación de datos e interpretación de gráficas. 2. Estadística descriptiva. 3. Probabilidad elemental. Representaciones de datos Cuatro
Más detallesMEDICIÓN DE LA EFICIENCIA RELATIVA DE AGENTES GENERADORES DE ENERGÍA ELÉCTRICA EN COLOMBIA (AÑO 2001)
MEDICIÓN DE LA EFICIENCIA RELATIVA DE AGENTES GENERADORES DE ENERGÍA ELÉCTRICA EN COLOMBIA (AÑO 21) OSCAR FERNANDO GUIO TAMAYO INGRID MARCELA MONROY LICHT PONTIFICIA UNIVERSIDAD JAVERIANA FACULTAD DE INGENIERÍA
Más detallesDirección de operaciones. SESIÓN # 2: Programación lineal
Dirección de operaciones SESIÓN # 2: Programación lineal Contextualización Dentro de la sesión anterior conocimos el concepto y alcance de la administración de operaciones, dicho de otro modo el qué, ahora
Más detallesCAPÍTULO IV TRABAJO DE CAMPO Y PROCESO DE CONTRASTE DE LAS HIPÓTESIS
CAPÍTULO IV TRABAJO DE CAMPO Y PROCESO DE CONTRASTE DE LAS HIPÓTESIS 1. HIPÓTESIS ALTERNA E HIPÓTESIS NULA Para someter a contraste una hipótesis es necesario formular las Hipótesis Alternas ( H1 ) y formular
Más detallesSISTEMA DE INFORMACIÓN ESTADISTICO DE LAS TECNOLOGIAS DE LA INFORMACIÓN Y LA COMUNICACIÓN. GUIA PARA LA UTILIZACIÓN DEL SISTEMA.
SISTEMA DE INFORMACIÓN ESTADISTICO DE LAS TECNOLOGIAS DE LA INFORMACIÓN Y LA COMUNICACIÓN. GUIA PARA LA UTILIZACIÓN DEL SISTEMA. Guía para la utilización del Sistema. El Sistema de Información Estadístico
Más detallesMetodología [ANEXO PARA REALIZAR ENCUESTA DE SALIDA Y CONTEO RÁPIDO EN EL ESTADO DE COLIMA]
Metodología [ANEXO PARA REALIZAR ENCUESTA DE SALIDA Y CONTEO RÁPIDO EN EL ESTADO DE COLIMA] Contenido 1. Denominación de la persona moral interesada... 2 2. Objetivos del estudio... 2 3. Marco de Muestreo...
Más detallesELABORACIÓN DE INDICADORES ECONÓMICOS (EC-721K) Martes 7:00 pm a 10:00 pm
UNIVERSIDAD NACIONAL DE INGENIERIA Facultad de Ingeniería Económica y Ciencias Sociales Escuela de Ingeniería Económica Semestre 2011-I Profesor: Mag. Renán Quispe Llanos ELABORACIÓN DE INDICADORES ECONÓMICOS
Más detalles1. DATOS INFORMATIVOS:
PONTIFICIA UNIVERSIDAD CATOLICA DEL ECUADOR FACULTAD DE CIENCIAS HUMANAS ESCUELA DE GEOGRAFIA 1. DATOS INFORMATIVOS: MATERIA O MÓDULO: ESTADISTICA 1 CÓDIGO: CARRERA: NIVEL: No. CRÉDITOS: CRÉDITOS TEORÍA:
Más detallesDoc. Juan Morales Romero
Análisis de Correlación y Regresión Lineal ANALISIS DE CORRELACION Conjunto de técnicas estadísticas empleadas para medir la intensidad de la asociación entre dos variables DIAGRAMA DE DISPERSION Gráfica
Más detallesSILABO MATEMÁTICA II 1. DATOS INFORMATIVOS
SILABO MATEMÁTICA II 1. DATOS INFORMATIVOS 1.1. Asignatura : MATEMÁTICA II 1.2. Código : 0302-03-114 1.3. Área : Formativa-Científica 1.4. Facultad : Ciencias Empresariales 1.5 Escuela Prof. : Ciencias
Más detalles