Método de Análisis del Riesgo (Estudio del Calibrador Atributos)
|
|
- José Ángel Martínez Toledo
- hace 7 años
- Vistas:
Transcripción
1 Método de Análisis del Riesgo (Estudio del Calibrador Atributos) Resumen El Método de Análisis del Riesgo cuantifica la incertidumbre de un sistema de medición donde las observaciones consisten de atributos en lugar de variables. En este tipo de estudio, m operadores evalúan n artículos n veces. El procedimiento proporciona una estimación de repetibilidad y reproducibilidad combinada sobre la evaluación del sistema. Ejemplo StatFolio: gagerisk.sgp Datos del Ejemplo: El archivo gageatt1.sf3 contiene datos de un estudio de calibrador típico por atributos, tomado del manual de referencia del Grupo de Acción Industrial Automotriz (AIAG) sobre Análisis del Sistema de Medición, MSA (2002). Los datos en el archivo se muestran abajo: Operador (Operador) Part (Parte) Gage (Corrida) Result (Resultado) Reference (Referencia) A A A A A A A A A A A A El archivo contiene un total de 450 filas, una por cada r = 3 evaluaciones hechas para cada m = 3 operadores sobre n = 50 partes. Los valores en la columna Resultado y Referencia indican: 1 = Parte que fue estimada como aceptable 0 = Parte que fue estimada como inaceptable Resultado indica la decisión hecha por el operador indicado. Referencia indica la condición actual de la parte. Nota: Los datos del Manual de Análisis del Sistema de Medición (MSA) fueron re-impresos con permiso de DaimlerChrysler, Ford y GM Supplier Quality Requirements Task Force. Entrada de Datos La primera caja de dialogo desplegada por este procedimiento es usado para indicar la estructura de los datos a ser analizados por StatPoint, Inc. Método de Análisis del Riesgo - 1
2 Entrada: La base de datos puede organizarse en cualquiera de los dos formatos: Columnas de Datos y Códigos: Indica que la base de datos contiene una sola columna para mantener todas las mediciones. En este formato, son proporcionadas columnas adicionales para identificar cuales mediciones corresponden con cual parte y operador. Una Fila para Cada Parte: Indica que la base de datos contiene una solo fila para todas las mediciones sobre una parte especifica. En este formato, los nombres de columnas son usadas para identificar cuales mediciones son hechas por cada operador. Un ejemplo de esta estructura de datos se presenta abajo: Part A_1 A_2 A_3 B_1 B_2 B_3 C_1 C_2 C_ En este formato, el archivo total tiene 50 filas, una para cada parte, y 9 columnas con las 3 observaciones hechas para cada uno de los 3 operadores sobre cada pieza. La segunda caja de dialogo desplegada depende sobre la configuración de la primera caja de dialogo. Columnas de Datos y Códigos Si se selecciona Columnas de Datos y Códigos sobre la primera caja de dialogo, la segunda caja de dialogo requiere el nombre de la columna que contiene las observaciones y las columnas que contienen os indicadores para los operadores y partes por StatPoint, Inc. Método de Análisis del Riesgo - 2
3 Operadores: Columna numérica o no numérica indicando el operador correspondiente a las mediciones en cada fila. Partes: Columna numérica o no numérica indicando el articulo correspondiente a las mediciones en cada fila. Mediciones: Columna numérica que contiene las evaluaciones, donde 1 indica aceptable y 0 inaceptable. Valores de Referencia: Columna numérica opcional que contiene la verdadera condición del articulo al evaluarse inicialmente. Si no es proporcionada, solamente serán hechas comparaciones de interrelaciones. Titulo del Estudio: Titulo opcional que puede imprimirse en la parte superior de cada tabla de salida. Selección: Selección de un subconjunto de los datos. Si el estudio tiene m operadores, n artículos, y r corridas, tenemos exactamente mnr filas con ningún dato en blanco. Cada combinación operador-parte tiene también exactamente r mediciones (e.j., el estudio puede ser balanceado). Una Fila para Cada Parte Si selecciona Una Fila para Cada Parte sobre la primera caja de dialogo, la segunda caja de dialogo requiere los nombres de las columnas que contiene las evaluaciones, número de operadores, identificadores de partes, y los valores de referencia por StatPoint, Inc. Método de Análisis del Riesgo - 3
4 Datos: Columna numérica que contiene las mediciones. Cada grupo de m columna se asume que corresponden al mismo operador. Numero de Operadores/Evaluadores/Laboratorios: El número de operadores m. Este número debe dividirse regularmente en el número de columna datos. Valores de Referencia: Columna numérica opcional que contiene la verdadera condición del articulo al evaluarse inicialmente. Si no es proporcionada, solamente serán hechas comparaciones de interrelaciones. Titulo del Estudio: Titulo opcional que puede imprimirse en la parte superior de cada tabla de salida. Selección: Selección de un subconjunto de los datos. Resumen del Análisis El Resumen del Análisis contiene un número importante de tablas. La primera tabla sintetiza la estimación de la repetibilidad y reproducibilidad del sistema de medición. Estudio Calibración para Atributos Método Evaluación de Riesgo - Result AIAG Example p. 127 Operadores: Appraiser Partes: Part Mediciones: Result 3 operadores 50 partes 3 ensayos Efectividad del Sistema de Medición Inspeccionados Coincidentes Calificación (%) L.C. inferior 95.0% L.C. superior 95.0% Repetibilidad Reproducibilidad Versus Reference por StatPoint, Inc. Método de Análisis del Riesgo - 4
5 Esta tabla presenta estadísticas para: Repetibilidad La capacidad de un operador seleccionado de repetirse o su evaluación para un artículo en particular. Las estadísticas en esta fila muestra el número de veces que un operador clasifica un artículo igual sobre la misma corrida. En este caso, los 3 operadores clasificaron 50 artículos, de un total de 150 Inspeccionados. En 127 de las inspecciones, todos los resultados Coincidieron 127 veces, con una puntuación del 84.67%. Reproducibilidad La capacidad de diferentes operadores para obtener el mismo resultado. Las estadísticas en esta fila muestran el número de veces que todos los operadores clasifican un artículo igual sobre la misma corrida. En este caso, de los 50 artículos, Inspeccionados, las 9 evaluaciones Coincidieron para 39 artículos, con una puntuación del 78%. Versus Referencia La capacidad de los operadores para coincidir con la referencia. Las estadísticas en esta fila muestran el número de veces que todos los operadores clasifican un artículo igual sobre la misma corrida y que el operador coincide con la referencia. En este caso, de los 50 artículos, Inspeccionados, las 9 evaluaciones Coincidieron con el valor de referencia para 39 artículos, con una puntuación del 78%. Las últimas 2 columnas de la tabla muestran intervalos de confianza al 95% para las puntuaciones que serían alcanzadas sobre un gran número de inspecciones. La segunda sección Resumen del Análisis muestra una tabla de estadísticas de Repetibilidad por Operador: Repetibilidad por Operadores Inspeccionados Coincidentes Calificación (%) L.C. inferior 95.0% L.C. superior 95.0% A B C Es útil para comparar el desempeño de los diferentes operadores. La tercera sección Resumen del Análisis muestra una tabla de que tan bueno fue cada operador comparado con los valores de referencia: Operadores versus Reference Inspeccionados Coincidentes Falsos Pos. Falsos Neg. Calificación (%) L.C. inferior 95.0% L.C. superior 95.0% A B C Las columnas son: Inspeccionado El número de artículos inspeccionados por el operador. Coincidencia El número de artículos para los cuales todas las evaluaciones son iguales por StatPoint, Inc. Método de Análisis del Riesgo - 5
6 Positivos Falsos El número de artículos sobre los cuales todas las evaluaciones fueron positivas (aceptables) pero el valor de referencia demostró que el articulo puede ser inaceptable. Negativos Falsos El número de artículos sobre los cuales todas las evaluaciones fueron negativas (inaceptables) pero el valor de referencia demostró que el artículo puede ser aceptable. Puntuación El porcentaje de la razón de la Coincidencia entre Inspeccionado. L.C. Límites de Confianza para la Puntuación. La sección final Resumen del Análisis muestra una tabla resumiendo el desempeño de cada operador: Operadores Resumen Calificación (%) Correcto por Evaluador(%) Tasa de fallas (%) Tasa de Falsas Alarmas (%) A B C Las columnas muestran: Puntuación El porcentaje de todas las veces que una evaluación sobre un artículo coincidió sobre el valor de referencia. Evaluación Correcta El porcentaje de las evaluaciones individuales que coincidieron con la referencia. Tase del Error El porcentaje de las evaluaciones individuales que indicaron aceptable cuando el valor de referencia fue inaceptable. Tasa de Falsa Alarma El porcentaje de las evaluaciones individuales que indicaron inaceptable cuando el valor de referencia fue aceptable. De acuerdo con el manual MSA de AIAG (2002), es deseable para un operador tener al menos una puntuación del 90%, una tasa del error no mayor al 2%, y una tasa de falsa alarma no mayor al 5%. El Operador B es el único operador que cumple con todos estos criterios. Opciones del Análisis Nivel de Confianza: El porcentaje utilizado para los intervalos de confianza sobre las puntuaciones por StatPoint, Inc. Método de Análisis del Riesgo - 6
7 Gráfico del Acuerdo Este gráfico muestra las puntuaciones obtenidas por cada operador, con el intervalo de confianza asociado Gráfica de Concordancia Intra-evaluadores con intervalos de confianza del 95.0% Repetibilidad Versus Reference Valor A B C Operadores Los puntos símbolos indican la puntuación, mientras que las líneas verticales indican el margen de error. Podemos usar este gráfico para ayudar a juzgar si hay o no diferencias estadísticamente significativas entre los operadores. Comparación de Interrelación Este panel despliega estadísticas que miden que tanto los diferentes operadores coinciden con los valores de referencia. La sección superior de la salida contiene una tabla que muestra todas las comparaciones en parejas. Comparativo Intervaluadores AIAG Example p. 127 Medida Kappa de Concordancia Intra-evaluador de Cohen Operadores 1 Operadores 2 Kappa L.C. inferior 95.0% L.C. superior 95.0% A B A C A Reference B C B Reference C Reference Se incluye en la tabla el valor del estadístico Cohen de kappa, incluyendo intervalos de confianza. Kappa es una medición de como dos operadores coinciden entre si, o de que tanto un solo operador coincide con el valor de referencia. Un valor de 1 indica el acuerdo perfecto. Un valor de 0 indica que el nivel de acuerdo no es mejor que lo se esperaría por la ocasión. Una regla del pulgar general indicado por el manual de AIAG es que los valores de kappa que exceden de 0.75 indican un excelente buen acuerdo, mientras que los valores menores que 0.40 indican un acuerdo pobre. La sección inferior del panel muestra una serie de tablas de 2x2, dos de las cuales se presentan abajo: 2005 por StatPoint, Inc. Método de Análisis del Riesgo - 7
8 A por B 0 1 Total Total A por Reference 0 1 Total Total Las tablas muestran el número de corridas a través de todos lo artículos en el cual un operador dio el resultado definido por la fila y el otro operador dio el resultado definido por la columna. El primer operador lista las definiciones por fila, mientras que el segundo operador lista las definiciones por columna. Por ejemplo, fuera de 150 corridas, el operador A juzga el artículo como inaceptable mientras que le Operador B lo juzga aceptable un total de 3 veces. Cálculos Intervalos de Confianza para la Puntuación Si la puntuación se calcula por la razón x puntuación = 100 % (1) n Entonces el intervalo de confianza 100(1-α)% es calculado usando la distribución F- Snedecor: 100v1F1 v2 v1f α / 2, v1, v2 + 1 α / 2, v1, v2 100v3F %, v + v F 4 3 α / 2, v3, v4 α / 2, v3, v4 % (2) donde v 1 = 2 x (3) v2 = 2( n x+ 1) (4) v3 = 2( x+ 1) v = ( n x) 4 2 (5) Cohen de Kappa Para una tabla 2x2, 2005 por StatPoint, Inc. Método de Análisis del Riesgo - 8
9 p p ˆ = 1 pe donde STATGRAPHICS Rev. 9/14/2006 O E κ (6) p o = Suma de las proporciones observadas sobre la diagonal de la tabla. p E = Suma de las proporciones esperadas sobre la diagonal de la tabla. Intervalos de Confianza para Cohen de Kappa Basándose en una aproximación a la normal: ( κ ) ˆ κ ± z ˆ α σ ˆ (7) / a donde el error estándar σ ( ˆ κ ) (2002). ˆ es calculado usando la formula sobre la pagina 434 de Agresti 2005 por StatPoint, Inc. Método de Análisis del Riesgo - 9
Exactitud y Linearidad del Calibrador
Exactitud y Linearidad del Calibrador Resumen El procedimiento Exactitud y Linearidad del Calibrador fue diseñado para estimar la exactitud del sistema de medición. En contraste con los procedimientos
Más detallesDiseño Gráficos de Control
Diseño Gráficos de Control Resumen Este procedimiento esta diseñado para ayudar a determinar el tamaño de muestra apropiado y los parámetros comunes para los gráficos de control. El diseño esta basado
Más 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 detallesEste procedimiento prueba hipótesis acerca de cualquiera de los siguientes parámetros:
STATGRAPHICS Re. 4/d/yyyy Pruebas de Hipótesis (Una Muestra) Este procedimiento prueba hipótesis acerca de cualquiera de los siguientes parámetros: 1. la media μ de una distribución normal.. la desiación
Más detallesDiagrama de Barras Múltiple
Múltiple El procedimiento Múltiple grafica dos o más columnas de totales o frecuencias ya sea utilizando barras horizontales o verticales. Si lo desea, pueden agregarse barras de error para desplegar el
Más detallesPronósticos Automáticos
Pronósticos Automáticos Resumen El procedimiento de Pronósticos Automáticos esta diseñado para pronosticar valores futuros en datos de una serie de tiempo. Una serie de tiempo consiste en un conjunto de
Más detallesTabulación Cruzada. Sample StatFolio: crosstabulation.sgp
Tabulación Cruzada El procedimiento de Tabulación Cruzada esta diseñado para resumir dos columnas de datos. Esta construye una tabla de dos-caminos mostrando las frecuencias de ocurrencia de cada uno de
Más detallesTeorema Central del Límite (1)
Teorema Central del Límite (1) Definición. Cualquier cantidad calculada a partir de las observaciones de una muestra se llama estadístico. La distribución de los valores que puede tomar un estadístico
Más detallesGeneralidades sobre los informes de QuadTech Data Central
Data Central Mercado comercial Generalidades sobre los informes de QuadTech Data Central Descripción general: El módulo de reportamiento del rendimiento de Data Central de QuadTech ofrece información y
Más detallesSnapStat: Análisis de Una Muestra
SnapStat: Análisis de Una Muestra Resumen La SnapStat Análisis de Una Muestra crea un resumen en una hoja de una sola columna de datos numéricos. Calcula estadísticas de resumen e intervalos de confianza,
Más detallesGráfico de Control de Aceptación
Gráfico de Control de Aceptación Resumen El procedimiento de Gráfico de Control de Aceptación crea gráficos de control con límites de control modificados basándose en la desviación estándar del proceso
Más detallesTema: ESTADÍSTICA DESCRIPTIVA BÁSICA CON SPSS 8.0
Ignacio Martín Tamayo 11 Tema: ESTADÍSTICA DESCRIPTIVA BÁSICA CON SPSS 8.0 ÍNDICE ------------------------------------------------------------- 1. Introducción 2. Frecuencias 3. Descriptivos 4. Explorar
Más detallesTransformaciones de Box-Cox
Transformaciones de Box-Cox Resumen El procedimiento para las Transformaciones de Box-Cox es diseñado para determinar una transformación optima para Y mientras se estima un modelo de regresión lineal.
Más detalles1. Necesidades del Consumidor una lista de m necesidades del consumidor. Estas necesidades constituyen las m hileras de la matriz.
Matriz QFD Resumen El procedimiento Matriz QFD crea y presenta una matriz QFD (Quality Function Deployment, Despliegue de la Función de Calidad). QFD es un proceso de planeación dirigido por el cliente
Más detallesGráfico ARIMA. Ejemplo StatFolio: ARIMA charts.sgp
Gráfico ARIMA Resumen El procedimiento del Gráfico ARIMA (AutoRegressive Integrated Moving Average - Promedio Móvil Integrado Auto-Regresivo) crea gráficos de control para una sola variable numérica donde
Más detallesTeoría de errores -Hitogramas
FÍSICA I Teoría de errores -Hitogramas Autores: Pablo Iván ikel - e-mail: pinikel@hotmail.com Ma. Florencia Kronberg - e-mail:sil_simba@hotmail.com Silvina Poncelas - e-mail:flo_kron@hotmail.com Introducción:
Más detallesMicrosoft Project 2013
Microsoft Project 2013 SALOMÓN CCANCE Project 2013 Salomón Ccance www.ccance.net CCANCE WEBSITE ANEXO 2. MANEJO DE VISTAS Y TABLAS. 2.1. ELEMENTOS DE VISUALIZACIÓN DE MICROSOFT OFFICE PROJECT PROFESSIONAL
Más detallesANOVA Multifactorial. StatFolio Muestra: anova.sgp
ANOVA Multifactorial Resumen El procedimiento ANOVA Multifactorial está diseñado para construir un modelo estadístico describiendo el impacto de dos o más factores categóricos X j de una variable dependiente
Más detallesDiagrama Causa y Efecto
Diagrama Causa y Efecto Resumen El Diagrama Causa - Efecto o Diagrama Espina de Pescado ilustra las causas de un problema o efectos creando un diagrama parecido al esqueleto de un pescado. Este es frecuentemente
Más detallesESTADÍSTICA. Población Individuo Muestra Muestreo Valor Dato Variable Cualitativa ordinal nominal. continua
ESTADÍSTICA Población Individuo Muestra Muestreo Valor Dato Variable Cualitativa ordinal nominal Cuantitativa discreta continua DISTRIBUCIÓN DE FRECUENCIAS Frecuencia absoluta: fi Frecuencia relativa:
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 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 detallesTipos de gráficas y selección según los datos CIENCIA, TECNOLOGIA Y AMBIENTE
Tipos de gráficas y selección según los datos CIENCIA, TECNOLOGIA Y AMBIENTE Objetivos 2 Identificar los tipos de gráficas. Definir los conceptos tablas y cuadros Reconocer las partes de una gráfica. Construir
Más detallesRegresión Polinomial. StatFolio de Ejemplo: polynomial reg.sgp
Regresión Polinomial Resumen El procedimiento Regresión Polinomial está diseñado para construir una modelo estadístico que describa el impacto de un solo factor cuantitativo X en una variable dependiente
Más detallesHorsepower (Caballos de Fuerza)
Análisis de Factores Resumen El procedimiento Análisis de Factores esta diseñado para extraer factores comunes de un conjunto de p variables cuantitativas X. En muchas situaciones, un número pequeño de
Más detallesComparación de Líneas de Regresión
Comparación de Líneas de Regresión Resumen El procedimiento de Comparación de Líneas de Regresión esta diseñado para comparar líneas de regresión relacionas con Y y X en dos o mas niveles de un factor
Más detallesEpidemiología. 4. Validez y confiabilidad de las pruebas diagnósticas.
Epidemiología 4. Validez y confiabilidad de las pruebas diagnósticas. Pruebas diagnósticas. Variación biológica de la población. Variación biológica de la población. sanos enfermos resultado de la prueba
Más detallesTaller 1 Utilización eficaz de hojas de cálculo Excel
Taller 1 Utilización eficaz de hojas de cálculo Excel 1. Estructura y organización de un libro de cálculo... 2 1.1. Concepto de libro y hoja de cálculo... 2 1.2. Organización de hojas de cálculo... 2 1.3.
Más detallesSGC.DIR.01. Revisión por la Dirección
Página: 1 de 7 Revisión por la Revisión por la Vers. Fecha 4.0 23.03.10 5.0 18.08.10 Preparado por: de de Historia e Identificación de los Cambios Revisado Aprobado Cambios Efectuados por: por: de de Se
Más detallesQué es una rúbrica? Segundo Congreso de Educación Formando Formadores «Hay Talento 2010»
Segundo Congreso de Educación Formando Formadores Hay Talento 2010 1 Qué es una rúbrica? Un instrumento cuyo objetivo es calificar el desempeño del estudiante en diversas materias, temas o actividades
Más detallesde 1 a 3 15 Desarrollo de ideas y precisión proposi Conclusión de 0 a 1 de 1 a 3
Resultados de la aplicación de la Expresión Escrita (EXPRESC) a la generación 16/Primavera de la División de Ciencias Sociales y Humanidades (DCSH), Unidad Cuajimalpa. La EXPRESC evalúa la expresión escrita
Más detallesCursos: Jorge Mendoza Illescas Nombre del programa o curso Temas principales del programa o curso Duración del curso en horas Conceptos básicos
1 Calibración de instrumentos para pesar- Nuevas tendencias Cursos: Jorge Mendoza Illescas Conceptos básicos Procedimiento de calibración Modelo actual del mesurando Modelo actual de incertidumbre Nuevo
Más detallesUNIDAD 6. Estadística
Matemática UNIDAD 6. Estadística 2 Medio GUÍA N 1 MEDIDAS DE DISPERSIÓN PARA DATOS NO AGRUPADOS ACTIVIDAD Consideremos los siguientes conjuntos de valores referidos a las edades de los jugadores de dos
Más detallesCORE TOOLS SPC, MSA, AMEF, PC, APQP y PPAP OVERVIEW
CORE TOOLS SPC, MSA, AMEF, PC, APQP y PPAP OVERVIEW - 2nd Edition (AIAG), 4th Edition (AIAG), 4th Edition (AIAG) - Revision 4.1 (Ford), Supplier APQP/PPAP Readiness Assessment (Ford) - 2nd Edition (AIAG),
Más detallesGuía para la evaluación de la incertidumbre en pruebas de MMC ISO TS 23165:2005 (E) Guide to the evaluation of CMM test uncertainty
Guía para la evaluación de la incertidumbre en pruebas de MMC ISO TS 3165:005 (E) Guide to the evaluation of CMM test uncertainty 1 C M U- MMC Guía para la evaluación de incertidumbre de prueba en MMC
Más detallesOTRAS HERRAMIETAS ESTADISTICAS UTILES. Dra. ALBA CECILIA GARZON
OTRAS HERRAMIETAS ESTADISTICAS UTILES Dra. ALBA CECILIA GARZON Que es un Test de Significancia estadística? El término "estadísticamente significativo" invade la literatura y se percibe como una etiqueta
Más detallesFase 2. Estudio de mercado: ESTADÍSTICA
1. CONCEPTO DE ESTADÍSTICA. ESTADÍSTICA DESCRIPTIVA 2. 3. TABLA DE FRECUENCIAS 4. REPRESENTACIONES GRÁFICAS 5. TIPOS DE MEDIDAS: A. MEDIDAS DE POSICIÓN B. MEDIDAS DE DISPERSIÓN C. MEDIDAS DE FORMA 1 1.
Más detallesReporte de Pobreza y Desigualdad DICIEMBRE 2015
Reporte de Pobreza y Desigualdad DICIEMBRE 2015 1 Reporte de Pobreza y Desigualdad - Diciembre 2015 Dirección responsable de la información estadística y contenidos: Dirección de Innovación en Métricas
Más detalles2. EXPRESIONES 3. OPERADORES Y OPERANDOS 4. INDENTIFICADORES COMO LOCALIDADES DE MEMORIA
CONTENIDOS: 1. TIPOS DE DATOS 2. EXPRESIONES 3. OPERADORES Y OPERANDOS 4. INDENTIICADORES COMO LOCALIDADES DE MEMORIA OBJETIO EDUCACIONAL: El alumno conocerá las reglas para cambiar fórmulas matemáticas
Más detallesINFORME DE RESULTADO. "Atlas de mortalidad por cáncer de tráquea, bronquios y pulmón" PROYECTO FONIS SA05I20030:
INFORME DE RESULTADO "Atlas de mortalidad por cáncer de tráquea, bronquios y pulmón" PROYECTO FONIS SA05I20030: Atlas de mortalidad por Cáncer. Chile 1997-2003 SA05I20030 1 AÑO 2006 NÚMERO PROYECTO DURACIÓN
Más detallesTema 1.- Correlación Lineal
Tema 1.- Correlación Lineal 3.1.1. Definición El término correlación literalmente significa relación mutua; de este modo, el análisis de correlación mide e indica el grado en el que los valores de una
Más detallesPROCESOS INDUSTRIALES
PROCESOS INDUSTRIALES HOJA DE ASIGNATURA CON DESGLOSE DE UNIDADES TEMÁTICAS 1. Nombre de la asignatura METROLOGÍA 2. Competencias Planear la producción considerando los recursos tecnológicos, financieros,
Más detallesProtocolo de registro interpretativo del WISC-IV
Apéndice E Protocolo de registro interpretativo del WISC-IV PASO 1. Registrar las puntuaciones estándar del niño (CI Total y los Índices) y las puntuaciones escalares de las Subpruebas del WISC-IV Para
Más detallesReporte de Pobreza por Ingresos JUNIO 2015
Reporte de Pobreza por Ingresos JUNIO 2015 1 Resumen Ejecutivo En el presente documento se exhiben los resultados obtenidos en el cálculo de pobreza y desigualdad por ingresos a partir de la Encuesta Nacional
Más detallesDatos del sujeto obligado
Identificación del sujeto obligado Si es organismo estatal Inciso * Unidad ejecutora Organismo desconcentrado Si es organismo no estatal Persona pública no estatal * Identificación del usuario Nombre completo*
Más detallesCAPÍTULO 4 TÉCNICA PERT
54 CAPÍTULO 4 TÉCNICA PERT Como ya se mencionó en capítulos anteriores, la técnica CPM considera las duraciones de las actividades como determinísticas, esto es, hay el supuesto de que se realizarán con
Más detallesComparación de Varias Muestras
Comparación de Varias Muestras Resumen El procedimiento de Comparación de Varias Muestras está diseñado para comparar dos o más muestras independientes de datos variables. Se hacen pruebas para determinar
Más detallesEjemplo de manejo de Cebas bovinas
Ejemplo de manejo de Cebas bovinas Para manejar cebas o engorde de lotes de machos o hembras, el programa cuenta con una serie de herramientas que facilitan el ingreso de la información y el análisis del
Más detallesRecolección y Análisis de Resultados
Recolección y Análisis de Resultados Clase nro. 7 CURSO 2010 Recolección de resultados Evitar un alud de resultados que nos pueda ahogar. Los objetivos determinan la selección de resultados. Estos deben
Más detallesDe acuerdo a lo anterior, la línea de pobreza se calcula del siguiente modo:
1 Resumen Ejecutivo En el presente documento se exhiben los resultados obtenidos en el cálculo de pobreza y desigualdad a partir de la Encuesta Nacional de Empleo, Desempleo y Subempleo (ENEMDU) del mes
Más detallesA continuación se presenta la información de la altura promedio para el año de 1998 en Holanda de hombres y mujeres jóvenes.
M150: Creciendo A) Presentación del problema LOS JOVENES CRECEN MAS ALTO A continuación se presenta la altura promedio para el año de 1998 en Holanda de hombres y mujeres jóvenes. B) Preguntas del problema
Más detallesENSAYO DE APTITUD EN MEDICIÓN DEL NÚMERO DE DUREZA. POR EL MÉTODO ROCKWELL (ESCALA C HRC)
ENSAYO DE APTITUD EN MEDICIÓN DEL NÚMERO DE DUREZA. POR EL MÉTODO ROCKWELL (ESCALA C HRC) Alfredo Esparza-Ramírez, Jorge Torres-Guzmán, Fernando Martínez-Mera km 4.5 Carretera a Los Cués. Municipio El
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 detallesPruebas de Hipótesis-ANOVA. Curso de Seminario de Tesis Profesor QF Jose Avila Parco Año 2016
Pruebas de Hipótesis-ANOVA Curso de Seminario de Tesis Profesor Q Jose Avila Parco Año 2016 Análisis de la Varianza de un factor (ANOVA) El análisis de la varianza (ANOVA) es una técnica estadística paramétrica
Más detallesINSTITUTO NACIONAL DE ESTADÍSTICAS (INE) 29 de Abril de 2016
ANEXO ESTADÍSTICO 1 : COEFICIENTES DE VARIACIÓN Y ERROR ASOCIADO AL ESTIMADOR ENCUESTA NACIONAL DE EMPLEO (ENE) INSTITUTO NACIONAL DE ESTADÍSTICAS (INE) 9 de Abril de 016 1 Este anexo estadístico es una
Más detallesCurso de Estadística Básica
Curso de SESION 3 MEDIDAS DE TENDENCIA CENTRAL Y MEDIDAS DE DISPERSIÓN MCC. Manuel Uribe Saldaña MCC. José Gonzalo Lugo Pérez Objetivo Conocer y calcular las medidas de tendencia central y medidas de dispersión
Más detallesINFORME PROYECTO. EDIFICIO: Casa de Cultura MUNICIPIO: Balmaseda. Nuevo modelo de gestión energética para edificios municipales.
INFORME PROYECTO EDIFICIO: Casa de Cultura MUNICIPIO: Balmaseda Nuevo modelo de gestión energética para edificios municipales. La administración local debe contribuir, en la medida de sus competencias
Más detallesAJUSTE DE TASAS DRA. PILAR JIMENEZ M.
AJUSTE DE TASAS DRA. PILAR JIMENEZ M. Ajuste de Tasas Técnicas matemáticas dirigidas a transformar las mediciones (proporciones o tasas) con dos propósitos: Permitir la comparación Controlar sesgos de
Más detallesAlgoritmos. Medios de expresión de un algoritmo. Diagrama de flujo
Algoritmos En general, no hay una definición formal de algoritmo. Muchos autores los señalan como listas de instrucciones para resolver un problema abstracto, es decir, que un número finito de pasos convierten
Más detallesI. E. NORMAL SUPERIOR SANTIAGO DE CALI ASIGNATURA DE TECNOLOGÍA E INFORMÁTICA LIC. CARLOS ANDRÉS CASTAÑEDA HENAO GRADO 8º
I. E. NORMAL SUPERIOR SANTIAGO DE CALI ASIGNATURA DE TECNOLOGÍA E INFORMÁTICA LIC. CARLOS ANDRÉS CASTAÑEDA HENAO GRADO 8º EXCEL CONTENIDO: Gráficos Funciones Gráficos en Excel Un gráfico es la representación
Más detallesAplicación de la norma ANSI/PMI 99-001:2004 a la gestión de proyectos de una empresa del Sector de la Construcción.
IV. CASO PRÁCTICO: EMPRESA DEL SECTOR DE LA VIABILIDAD. CONSTRUCCIÓN. ESTUDIO DE 1.- ANALISIS DE VIABILIDAD... 117 1.1.- MARCHA DE CÁLCULO... 117 1.2.- IDENTIFICAR FACTURACIÓN... 117 1.3.- IDENTIFICAR
Más detallesProcesando y Analizando Datos Dinámicos
Procesando y Analizando Datos Dinámicos Este documento describe un ejemplo de como STATGRAPHICS puede ser usado para procesar datos en tiempo real. Haciendo uso de las capacidades de Activación StatLink,
Más detallesSistema de Presentación y Gestión de Proyectos Instructivo para la carga de Proyectos.
Sistema de Presentación y Gestión de Proyectos Instructivo para la carga de Proyectos. El sistema está diseñado para ejecutarse en Internet Explorer. Si utiliza otro navegador podrán presentarse inconvenientes.
Más detallesAJUSTE O ESTANDARIZACION DE TASAS Y CÁLCULO DE LOS AÑOS POTENCIALES DE VIDA PERDIDOS (APVP) 1.- CONDICIONES y TECNICAS PARA EL AJUSTE DE TASAS
Diplomado en Salud Pública AJUSTE O ESTANDARIZACION DE TASAS Y CÁLCULO DE LOS AÑOS POTENCIALES DE VIDA PERDIDOS (APVP) Como complemento de la información que se ha proporcionado a los alumnos sobre estos
Más detallesReporte de Pobreza. Marzo 2016
Reporte de Pobreza Marzo 2016 1 Reporte de Pobreza - Marzo 2016 Dirección responsable de la información estadística y contenidos: Dirección de Innovación en Métricas y Metodologías Realizadores: Melody
Más detallesESTADÍSTICA DESCRIPTIVA
ESTADÍSTICA DESCRIPTIVA Medidas de tendencia central y de dispersión Giorgina Piani Zuleika Ferre 1. Tendencia Central Son un conjunto de medidas estadísticas que determinan un único valor que define el
Más detallesTaller: Planificación con Matriz de Marco Lógico. Vólker Gutiérrez Aravena Presidente Cultura Mapocho
Taller: Planificación con Matriz de Marco Lógico Vólker Gutiérrez Aravena Presidente Cultura Mapocho Elementos centrales de la Planificación Estratégica Qué es? Una poderosa herramienta de diagnóstico,
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 detallesCONTENIDO. Prólogo a la 3. a edición en español ampliada... Prólogo...
CONTENIDO Prólogo a la 3. a edición en español ampliada.................................. Prólogo.................................................................. vii xvii 1. Métodos descriptivos................................................
Más detallesPráctica 3: Distribuciones de Probabilidad Binomial, Poisson y Normal
Práctica 3: Distribuciones de Probabilidad Binomial, Poisson y Normal Ejercicio 1: Todos los días se seleccionan de manera aleatoria 12 unidades de un proceso de manufactura, con el propósito de verificar
Más detallesMenú de Inicio. El menú principal. Este menú principal agrupa las tareas en botones.
Menú de Inicio El menú principal Este menú principal agrupa las tareas en botones. Para desplazarse hacia arriba o abajo en el menú principal cuando este se hace muy extensivo (muchas tareas) Al hacer
Más detallesResumen... ii. Abstract... iii 1. CAPÍTULO I INTRODUCCIÓN Antecedentes y motivación Descripción del problema...
iv Índice. Resumen.... ii Abstract.... iii 1. CAPÍTULO I INTRODUCCIÓN.... 11 1.1. Antecedentes y motivación.... 12 1.2. Descripción del problema... 13 1.3. Solución Propuesta.... 14 1.4. Objetivos y alcances
Más detalles1.- Introducción. Ciclos Mayo 2010 Noviembre 2010 Mayo Servicios/Unidades Becas Acceso Primer y Segundo Ciclo Títulos
1.- Introducción En concordancia con el interés general de las instituciones universitarias de mejorar sus servicios, el Área de Alumnos pretende responder al compromiso de la Universidad de Sevilla con
Más detallesLos datos para este análisis consisten de m muestras de una población: = numero de no conformidades observadas en la muestra j
Gráfico C Resumen El procedimiento Gráfico C crea un grafico de control para los datos, que describe el números de no conformidades registradas como el resultado de inspeccionar m muestras. Las muestras
Más detallesMODULO VIII. Semana 1 ASPECTOS DE EVALUACIÓN FINANCIERA, ECONÓMICA, SOCIAL Y AMBIENTAL.
MODULO VIII Semana 1 ASPECTOS DE EVALUACIÓN FINANCIERA, ECONÓMICA, SOCIAL Y AMBIENTAL Esquema de Proyecto SNIP INDICE INTRODUCCION I. ASPECTOS GENERALES II. IDENTIFICACION III. FORMULACION IV. EVALUACION
Más detallesSoftware de control y adquisición de datos SCM4000
Software de control y adquisición de datos SCM4000 El programa SCM4000, es un sistema diseñado para el control y adquisición de datos para ensayos de fatiga en equipos dinámicos. El software esta diseñado
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 detallesProgramación en java. Estructuras algorítmicas
Programación en java Estructuras algorítmicas Estructuras algoritmicas 1. Conceptos basicos 1. Dato 2. Tipos de datos 3. Operadores 2. dsd Conceptos Basicos DATO: se considera una representación simbólica
Más detallesEs toda la información que utiliza el computador. Según sea la información que guardemos en los datos, se clasifican en los siguientes tipos:
Tipos de datos. Dato: Es toda la información que utiliza el computador. Según sea la información que guardemos en los datos, se clasifican en los siguientes tipos: I Numéricos: Almacenan números y con
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 detallesCrear una tabla dinámica
Introducción En este manual de referencia se explican los procedimientos para crear, administrar y personalizar tablas dinámicas y gráficos dinámicos. Los ejemplos ilustrativos de este material están basados
Más detallesSi utilizas este material por favor cita al boletín electrónico Brújula de compra de Profeco (www.profeco.gob.mx)
La Confianza y el Consumidor Si utilizas este material por favor cita al boletín electrónico Brújula de compra de Profeco (www.profeco.gob.mx) Hoy en día los temas económicos son frecuentes, y preguntas
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 detallesESTIMACIÓN DE LA INCERTIDUMBRE PARA LA CALIBRACIÓN DE UN TERMÓMETRO DIGITAL, EN EL INTERVALO DE TEMPERATURA DESDE 0 C A 300 C
ESTIMACIÓN DE LA INCERTIDUMBRE PARA LA CALIBRACIÓN DE UN TERMÓMETRO DIGITAL, EN EL INTERVALO DE TEMPERATURA DESDE 0 C A 300 C Roberto Figueroa M. Jefe Laboratorio CIDE-USACH Universidad de Santiago de
Más detallesDiseño de Bloques al azar. Diseño de experimentos p. 1/25
Diseño de Bloques al azar Diseño de experimentos p. 1/25 Introducción En cualquier experimento, la variabilidad proveniente de un factor de ruido puede afectar los resultados. Un factor de ruido es un
Más detallesEstadística Inferencial. Estadística Descriptiva
INTRODUCCIÓN Estadística: Ciencia que trata sobre la teoría y aplicación de métodos para coleccionar, representar, resumir y analizar datos, así como realizar inferencias a partir de ellos. Recogida y
Más detalles1 FILTROS 2 2 CONFIGURAR FILTROS Cadenas Numérico Horas Intervalo de tiempo (Horas:Minutos) 4
Contenido 1 FILTROS 2 2 CONFIGURAR FILTROS 2 2.1 Cadenas 3 2.2 Numérico 3 2.3 Horas 3 2.4 Intervalo de tiempo (Horas:Minutos) 4 2.5 Intervalo de tiempo (Horas:Minutos:Segundos) 4 3 SÍMBOLOS 4 1 Filtros
Más detallesMÉTODO PARA MEDIR EL AHUELLAMIENTO EN SUPERFICIES PAVIMENTADAS I.N.V. E
MÉTODO PARA MEDIR EL AHUELLAMIENTO EN SUPERFICIES PAVIMENTADAS I.N.V. E 789 07 1. OBJETO 1.1 Esta norma describe el método de ensayo para medir la profundidad del ahuellamiento en la superficie de pavimentos
Más detallesn-1 n (número del período)
ÍNDIÍ ICES PARA DECISIONES EN PROYECTOS DE INVERSII IÓN De los índices más utilizados para decisiones de inversión en proyectos se tienen: Valor presente neto (VPN), Tasa Interna de Retorno (TIR), Beneficio
Más detallesAuditores Internos en ISO/TS 16949: 2009
Alerta Auditores Internos en ISO/TS! Revisión 06/2010 Si ya eres ó requieres ser un auditor interno en ISO/TS 16949: 2009 entrenado, evaluado y calificado en tu organización, debes demostrar actualización
Más detallesc). Conceptos. Son los grupos o conceptos que se enlistan en las filas de la izquierda de la tabla
Tema 5. Tablas estadísticas Como ya se había establecido en el tema anterior sobre el uso de las tablas estadísticas, éstas son medios que utiliza la estadística descriptiva o deductiva para la presentación
Más detallesEstadística Básica. Unidad 2. Actividades
Estadística Básica Unidad 2. Actividades 0 Actividades Este documento contiene la presentación e indicaciones para realizar las actividades de esta unidad. Algunas actividades requieren un doble envío
Más detalles1. Practica con la siguiente hoja. Las celdas que contienen las fórmulas son de color rojo. Deberás realizar las indicaciones que se adjuntan:
Práctica 2 1. Practica con la siguiente hoja. Las celdas que contienen las fórmulas son de color rojo. Deberás realizar las indicaciones que se adjuntan: Función suma Esta función tiene preestablecido
Más detallesModelos de PERT/CPM: Probabilístico
INSTITUTO POLITÉCNICO NACIONAL ESCUELA SUPERIOR DE CÓMPUTO Modelos de PERT/CPM: Probabilístico M. En C. Eduardo Bustos Farías 1 Existen proyectos con actividades que tienen tiempos inciertos, es decir,
Más detallesESTADÍSTICA SEMANA 3
ESTADÍSTICA SEMANA 3 ÍNDICE MEDIDAS DESCRIPTIVAS... 3 APRENDIZAJES ESPERADOS... 3 DEFINICIÓN MEDIDA DESCRIPTIVA... 3 MEDIDAS DE POSICIÓN... 3 MEDIDAS DE TENDENCIA CENTRAL... 4 MEDIA ARITMÉTICA O PROMEDIO...
Más detallesTema 4: Probabilidad y Teoría de Muestras
Tema 4: Probabilidad y Teoría de Muestras Estadística. 4 o Curso. Licenciatura en Ciencias Ambientales Licenciatura en Ciencias Ambientales (4 o Curso) Tema 4: Probabilidad y Teoría de Muestras Curso 2008-2009
Más detallesA. PRUEBAS DE BONDAD DE AJUSTE: B.TABLAS DE CONTINGENCIA. Chi cuadrado Metodo G de Fisher Kolmogorov-Smirnov Lilliefords
A. PRUEBAS DE BONDAD DE AJUSTE: Chi cuadrado Metodo G de Fisher Kolmogorov-Smirnov Lilliefords B.TABLAS DE CONTINGENCIA Marta Alperin Prosora Adjunta de Estadística alperin@fcnym.unlp.edu.ar http://www.fcnym.unlp.edu.ar/catedras/estadistica
Más detallesUtilización de Funciones en OpenOffice.org Calc
Utilización de Funciones en OpenOffice.org Calc Una función es un conjunto de instrucciones reunidas bajo un nombre que calculan un resultado o llevan a cabo una acción específica. Las funciones pueden
Más detallesUNIDAD 12.- Estadística. Tablas y gráficos (tema12 del libro)
UNIDAD 12.- Estadística. Tablas y gráficos (tema12 del libro) 1. ESTADÍSTICA: CLASES Y CONCEPTOS BÁSICOS En sus orígenes históricos, la Estadística estuvo ligada a cuestiones de Estado (recuentos, censos,
Más detallesRepresentaciones gráficas: Método del Paralelogramo
Representaciones gráficas: Método del Paralelogramo La relación funcional más simple entre dos variables es la línea recta. Sea entonces la variable independiente x y la variable dependiente y que se relacionan
Más detalles