ESTIMACIÓN DE LOS COMPONENTES DE LA VARIACIÓN DE UN SISTEMA DE MEDICIÓN, USANDO EL RANGO. Resumen

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

Download "ESTIMACIÓN DE LOS COMPONENTES DE LA VARIACIÓN DE UN SISTEMA DE MEDICIÓN, USANDO EL RANGO. Resumen"

Transcripción

1 ESTIMACIÓN DE LOS COMPONENTES DE LA VARIACIÓN DE UN SISTEMA DE MEDICIÓN, USANDO EL RANGO RIVAS C., Gerardo A. Escuela de Ingeniería Industrial. Universidad de Carabobo. Bárbula. Valencia. Venezuela Jefe de la Comisión Coordinadora del Programa de Maestría en Ingeniería Industrial Resumen En este artículo se propone un método que permite usar el rango de subgrupos racionales adecuadamente definidos, para estimar de manera eficiente los componentes de la varianza de un Sistema de Medición. Abstract This paper proposes a method to estimate the Components of Variance of a Measurement System. The method use ranges of rational subgroups appropriately defined instead of the Analysis of Variance technique. INTRODUCCION La única manera de determinar el valor de una característica de calidad -dimensiones, dureza, peso-es mediante alguna forma de medición. El instrumento de medición y aquellos que lo usan conforman el equipo de medición. Si este equipo fuera perfecto, sería posible determinar directamente la variabilidad de los valores verdaderos de la característica de calidad medida. En realidad, la variabilidad de los valores observados refleja tanto el error de medición como la variación en la característica que se mide. Este error de medición está formado por el error de localización-desvío-y la variación debida al equipo de medición. La variación debida al equipo de medición se descompone en la variación debida a diferencias entre los operadores del instrumento-reproducibilidad-y la variación debida al instrumento Repetibilidad. Tradicionalmente se ha usado el rango de una muestra, o subgrupo racional, para estimar la variabilidad de la población de la cual proviene dicha muestra, debido a la "facilidad del cálculo". Se desea explorar el uso del rango para estimar la variabilidad del Proceso de Medición. En el Análisis de los Sistemas de Medición es muy conocido el llamado Método de la Media y el Rango. Éste permite obtener estimados de los Componentes de la Varianza mencionados: Repetibilidad y Reproducibilidad. Sin embargo, los estimados obtenidos por este método no reflejan la fuente de variación llamada Interacción, que en el caso de un proceso de medición se refiere a los diferentes grados de dificultad que puede tener el Operador del Instrumento al medir diferentes partes (piezas o unidades de producto). La Interacción forma parte de la Reproducibilidad. Uno de los objetivos de un estudio del Sistema de Medición es cuantificar los componentes de la variación asociados al mismo. Esta información es muy importante porque es mucho más económico reconocer la existencia de estos componentes y establecer límites razonables para los mismos que usar sistemas de medición muy precisos y que sean exactos, los cuales son sumamente costosos. Las definiciones que se exponen a continuación sirven de marco de referencia para el mejor entendimiento y comprensión del resto del material.

2 REPETIBILIDAD Es la variación observada cuando el mismo instrumento es usado por la misma persona al medir repetidas veces la misma parte. Es conveniente resaltar, entonces, que se trata de la variación de lecturas individuales que se han repetido con el mismo instrumento y la misma persona. REPRODUCIBILIDAD Es la variación observada entre los promedios de varios operarios, cuando cada operario hace varias lecturas sobre la misma parte y usando el mismo instrumento. En este artículo, se propone una metodología para evaluar los Componentes de la Varianza que sí es capaz de evaluar la Interacción Operarios-Partes, usando los rangos de subgrupos definidos de una forma conveniente, como se verá más adelante. Esta metodología conserva la facilidad de aplicación del Método de la Media y el Rango y, además, la hace más eficiente al permitir evaluar la interacción Operarios-Partes. El estimador que se propone estima en forma conjunta la variabilidad debida al efecto de los Operarios más el efecto de Interacción Operarios-Partes, razón por la cual permitirá continuar con el uso de los rangos para estimar los Componentes de la Varianza. ESTIMACION DE LOS COMPONENTES DE LA VARIANZA En primer lugar debe tenerse presente que para hacer un estudio del sistema de medición requiere realizar hacer un experimento estadísticamente diseñado, y por lo tanto deben observarse las reglas de tales experimentos. En el experimento se usan partes, o unidades del producto, seleccionadas al azar de la producción, en la cual debe estar reflejada la variación del mismo; además, se incluye cierto número de operarios seleccionados al azar

3 de entre los que "manejan" el instrumento de medición. Posteriormente y en orden aleatorio, los operarios hacen lecturas sobre las partes. Cada operario realiza sobre cada parte "r" lecturas a las que se denomina "réplicas". Si se designa con "p" el número de partes, con "o" el número de operarios entonces se tiene en total (o-r-p) lecturas. METODO DE LA MEDIA Y EL RANGO La expresión método de la Media y el Rango se usa para designar una metodología cuyo fin es evaluar el Sistema de Medición, y que incluye el proceso de estimar aquellas fuentes de variación que el método permite, que en este caso incluye la variación debida al instrumento de medición (Repetibilidad) y la variación debida a los operarios (Reproducibilidad) con la deficiencia mencionada de que no refleja el componente interacción Operario-Parte. Éste forma parte de la Reproducibilidad. Por supuesto que si en el estudio, como es lo usual, se incluyen varias unidades o partes del producto del proceso de fabricación, entonces se pueden obtener, además, estimados de la variación del proceso y de la variación total. Estimación de la Repetibilidad METODOLOGÍA La repetibilidad se mide en base a los rangos de los subgrupos racionales formados por las "r" lecturas que repite cada operario sobre la misma parte, las cuales reflejan la variabilidad que se genera en el equipo. Un ejemplo ayuda a describir el concepto. Supóngase que los datos observados al realizar el experimento son los de la tabla. Las observaciones en negrita son lecturas repetidas sobre la misma parte, hechas por el mismo operario. Si ellas no son iguales se debe a la variabilidad generada en el instrumento. A esta variabilidad se le denomina Repetibilidad; se mide con el rango de dichas lecturas repetidas, en negrita. Estimación de la Reproducibilidad La reproducibilidad es la variación adicional, (además de la debida al binomio operario-instrumento), introducida en las lecturas debido al efecto de los operarios. En la última columna de la tabla anterior aparecen en negrita la media de todas las lecturas de cada operario. La variación observada en estas medias es debida al efecto conjunto del instrumento y de los operarios. Esta variación se mide con el rango de estas medias. En el Método de la Media y el Rango, la reproducibilidad se mide con el rango mencionado antes. Este método "promedia" los diferentes grados de dificultad encontrados al hacer las mediciones en las diferentes partes y sólo mide la fuente de variación representada por los operarios. No incluye la variación adicional que puede ser ocasionada por diferentes grados de dificultad (efecto de interacción) al medir las partes seleccionadas para el estudio.

4 METODO DEL RANGO PROMEDIO (MRP) El método propuesto surge de la idea de que es posible evaluar la variación debido a los operarios, en base a las mediciones sobre una parte dada, mediante el rango del subgrupo racional formado por la media de las lecturas de cada operario en dicha parte. En la tabla de datos, para la parte 1, la media del operario A es 2,183, la media del operario B es 2,084 y la del operario C es 1,984. El rango correspondiente es 0,199. Para cada parte se determina el rango correspondiente. Los diferentes valores de estos rangos son el reflejo de diferentes grados de dificultad (efecto de interacción) al medir las partes seleccionadas para el estudio. El valor promedio de estos rangos refleja el efecto combinado de dos fuentes de variación: Operarios e Interacción Operario-Parte. Este método propuesto debe ser validado. Una forma de validación consiste en hacer experimentos simulados y, luego, aplicar los diferentes métodos a los resultados de tales experimentos. Finalmente se hace un estudio comparativo de la eficiencia de cada método. Un buen árbitro en este caso es el método del Análisis de Varianza. En la próxima sección se presenta el análisis de los resultados de la simulación de experimentos. Análisis de los Resultados de la Simulación de 500 Experimentos para el Análisis del Sistema de Medición En base a cada experimento de simulación del Análisis del Sistema de Medición se obtiene un estimado de cada Componente de la Varianza de dicho sistema. Como se realizaron 500 experimentos, se tienen 500 estimados, cuyo comportamiento estadístico se evalúa mediante la media y la desviación estándar de los estimados obtenidos. ESTIMADO DE LA DESVIACION ESTANDAR DEBIDA A LA REPETIBILIDAD, USANDO ANOVA En el experimento simulado se usa σ c = 0,01; la variable cuyo análisis se reporta es el estimado obtenido menos el valor usado en la simulación (σ c = 0,01).

5 La media de esta variable (DASigmaE) es - 0,000023, con una desviación estándar de 0,000896, con valores mínimo y máximo de-0, y 0,002530, respectivamente. De acuerdo con los resultados, 441 de los valores están en el intervalo [-0,00140;0,00140], lo cual representa un 88,2%, con un error menor al 14% del valor verdadero del parámetro. ESTIMADO DE LA DESVIACION ESTÁNDAR DEBIDA A LA REPETIBILIDAD, USANDO RANGOS La variable cuyo análisis se reporta es el estimado obtenido menos el valor usado en la simulación (σ c = 0,01). La media de esta variable (DRSigmaE) es 0,000004, con una desviación estándar de 0,000951, con valores mínimo y máximo de -0, y 0,003320, respectivamente.

6 Histograma de Frecuencias de DRSigmaE De acuerdo con los resultados, 435 de los valores están en el intervalo [-0,00140;0,00140], lo cual representa un 87%, con un error menor al 14% del valor verdadero del parámetro. Estimado de la Desviación Estándar Debida a la Reproductibilidad y la Interacción, Usando MRP (Método del Rango Promedio) La variable cuyo análisis se reporta es el estimado obtenido menos el valor usado en la simulación (σ OI = 0,3). El valor usado en la simulación para la Desviación Estándar debido a la Interacción es σ OP =0, y como se debe recordar σ 0 = 0, 1. Por lo tanto σ OI = ((0,282843) 2 + (0,1) 2 ) = 0,09 = 0,3. La media de esta variable (DRSigOI) es 0,002543, con una desviación estándar de 0,050002, con valores mínimo y máximo de -0, y 0,182298, respectivamente. De acuerdo con los resultados, 311 valores están en el intervalo [-0,040;0,040], lo cual representa el 62,2% de los resultados, con un error menor al 13,33% del valor verdadero del parámetro.

7 Estimado de la Desviación Estándar Debida ala Reproducibilidad y la Interacción, Usando ANOVA La variable cuyo análisis se reporta es el estimado obtenido menos el valor usado en la simulación (σ c = 0,3). La media de esta variable (DASigOI) es 0,003608, con una desviación estándar de 0,047616, con valores mínimo y máximo de-0, y 0,173199, respectivamente. De acuerdo con los resultados, 316 valores están en el intervalo [-0,040;0,040], lo cual representa el 63,2% de los resultados, con un error menor al 13,33% del valor verdadero del parámetro.

8 Estos resultados permiten concluir que el método propuesto es estadísticamente aceptable al compararlo con el Método de Análisis de Varianza. APLICACION DEL METODO PROPUESTO, MRP En esta sección se desea mostrar la bondad del Método Propuesto (Método del Rango Promedio), cuya eficiencia se ha demostrado por la simulación de 500 experimentos de Estudio del Sistema de Medición, aplicando el método a los datos del ejemplo propuesto en Measurement Systems Analysis, Reference Manual, 1995 Chrysler Corporation, Ford Motor Company, General Motors Corporation. Los datos del ejemplo aparecen en la tabla 7 de la página 57 del mencionado manual, los cuales se reproducen en la siguiente tabla: En base a los datos se obtiene el estimado de la Desviación Estándar de la Repetibilidad (σ c ) como 0,0355, dividiendo el valor promedio de los rangos de los subgrupos de las réplicas (0,04) entre el valor apropiado de la constante d 2 (1,128). El Método Propuesto se aplica a los datos del ejemplo como se expone a continuación: Para cada parte se conforman subgrupos formados por las medias de las tres (3) lecturas de cada operario, para un total de tres (3) subgrupos, uno por cada operario. Se determina el rango de este subgrupo, R 0. Al terminar el paso anterior se tienen tantos rangos de subgrupos R 0 como partes se hayan incluido en el estudio. Luego se calcula la media de estos rangos, PRO. Este rango promedio refleja los efectos de los operarios y la interacción entre operario-parte. Sin embargo, debe recordarse que estos rangos son de subgrupos de medias de dos (2) lecturas, y por lo tanto se debe aplicar la corrección correspondiente, como se hace a continuación.

9 El valor promedio de los rangos es 0,0925, y el estimado de σ OI, es El estimado de σ c se obtiene de la manera usual con el resultado de 0,035461, el valor de r es 2 y la constante d 2* es 1,72. Al sustituir estos valores en la expresión anterior se obtiene el estimado de σ OI, igual a 0, Para determinar el estimado de s 2 m se suman las varianzas de la repetibilidad y la de la reproducibilidad y la interacción, de acuerdo a la siguiente expresión. Si el modelo es aditivo, entonces Esto es σ m = 0,05934, equivalente a R&R = 0,3056 En la página 75, Tabla 15 del manual referido antes se muestra el estimado (obtenido aplicando ANOVA) de R&R como 0,34, valor del cual difiere el estimado obtenido por el Método Propuesto en solamente un 8,82%. Justificación Teórica del Método del Rango Promedio El modelo de Efectos Aleatorios que se usa en el Análisis de los Sistemas de Medición es: en el cual se incluyen dos factores que son el factor Partes y el factor Operarios. A excepción de µ, que es una constante, los términos restantes se consideran variables aleatorias con media iguala cero y varianzas σ p 2, σ o 2, σ OP 2 y σ c 2 que reflejan los efectos de las partes, operarios, interacción y error o repetibilidad, respectivamente. La definición de los elementos del modelo es como sigue. Efecto Principal del Factor Partes Se define como la diferencia entre la media de cada parte, µ i y el valor de la constante µ, que representa la media del proceso de producción, del cual se extraen al azar las partes que se incluyen en el estudio. Los valores de µ i, representan los Valores de Referencia de cada parte. Efecto Principal del Factor Operarios

10 Se define como la diferencia entre la media de cada operario, µ j y el valor de la constante µ que representa la media del proceso de producción Si el modelo es aditivo, entonces Efecto de Interacción Operario-Parte En consecuencia, el efecto de interacción (No Aditividad) se mide por la diferencia El modelo refleja la variación que se observa en las mediciones que hace el mismo operario sobre la misma parte (réplicas), como la diferencia є ijk = ψ ijk - µ ij En el método de Análisis de Varianza, los efectos definidos en el modelo se estiman mediante el cálculo de las Medias Cuadráticas cuyo valor depende las Sumas de Cuadrados que reflejan la variación debida a cada uno de los efectos mencionados. El efecto del factor Operario se mide en base a la suma de los cuadrados de las diferencias (µ j - µ), que en base a las observaciones se obtiene como Los términos de esta suma reflejan la variación entre las medias de los operarios, la cual queda perfectamente reflejada en el rango del subgrupo formado por las medias de los operarios, que es la base de cálculo del estimador de σ 0 2 por el método de la media y el rango. En el método ANOVA, la suma obtenida se divide entre los grados de libertad correspondientes, lo cual produce un valor promedio especial que produce estimadores mejores. Comentarios totalmente similares se pueden hacer con respecto a los estimadores de los parámetros σ p 2 y σ c 2. La situación es diferente con respecto a la varianza debida al efecto de Interacción, ya que el Método de la Media y el Rango no permite estimarla, mientras que el método ANOVA si puede estimar a σ op 2.

11 Sin embargo, si se considera la idea de combinar el efecto de Interacción Operario-Parte con el efecto Principal del factor operario, se obtiene que Este resultado permite establecer que un estimado de la variación debida al factor Operario y al efecto de la Interacción Operario-Parte es proporcional a la suma Cada término de esta suma refleja la variación debido al Operario en la parte que se está midiendo; por supuesto que el rango del subgrupo formado por las medias de los operarios en la parte que se está midiendo también refleja la misma fuente de variación. El estimador por ANOVA es la Media Cuadrática (un promedio especial), lo cual sugiere usar el valor Promedio de los Rangos de medias de Operarios (PRO) definidos antes, para obtener un estimado del parámetro σ 01, para el cual se cumple que Una vez determinado por el método propuesto Método del Rango Promedio, el estimado de σ 01, se puede obtener el estimado de 6m como La expresión que se aplica para obtener el estimado de S 01 es BIBLIOGRAFÍA 1. Measurement Systems Analysis Reference Manual, AIAG, Detroit, Michigan, Rivas C., Gerardo A.(1996): «Análisis de los Sistemas de Medición» Manual de Referencia. CEATE. Universidad de Carabobo. 3. Wheeler, D. J.; Lyday, R.W. (1989): Evaluating the Measurement Process. 4. Use of Statistics to Develop and Evaluate Analytical Methods. 5. Use of the Range to Estimate Variability, Journal of Quality Technology. Vol. 7, No. 1. January, 1975.

12 6. The Problem of Negative Estimates of Variance Components, annals of Mathematical Statistics, No. 33, Western Electric Statistical Anality Control Handbook, pp

UTILIDAD RELATIVA DE UN SISTEMA DE MEDICIÓN

UTILIDAD RELATIVA DE UN SISTEMA DE MEDICIÓN UTILIDAD RELATIVA DE UN SISTEMA DE MEDICIÓN G. Américo Rivas C. Prof. De la Escuela de Ingeniería Industrial. Área de Postgrado. Maestría en Ingeniería Industrial. Universidad de Carabobo e. Mail: arivas@postgrado.uc.edu.ve

Más detalles

Experimento Gauge R & R.

Experimento Gauge R & R. Experimento Gauge R & R. Este tipo de experimento se usa para estudiar los componentes de variabilidad en un sistema de medida. Los componentes de usual interés son repetibilidad y reproducibilidad. La

Más detalles

TEMA 2 Diseño de experimentos: modelos con varios factores

TEMA 2 Diseño de experimentos: modelos con varios factores TEMA 2 Diseño de experimentos: modelos con varios factores José R. Berrendero Departamento de Matemáticas Universidad Autónoma de Madrid Análisis de Datos - Grado en Biología Esquema del tema Modelo bifactorial

Más detalles

Incertidumbre, Validación y Trazabilidad en el Laboratorio de Análisis Clínicos. Cómo cumplir con requisitos de la ISO 15189

Incertidumbre, Validación y Trazabilidad en el Laboratorio de Análisis Clínicos. Cómo cumplir con requisitos de la ISO 15189 Incertidumbre, Validación y Trazabilidad en el Laboratorio de Análisis Clínicos Cómo cumplir con requisitos de la ISO 15189 Calidad en mediciones químicas Validación de métodos Estoy midiendo lo que intentaba

Más detalles

3 ANALISIS DESCRIPTIVO DE LOS DATOS

3 ANALISIS DESCRIPTIVO DE LOS DATOS 3 ANALISIS DESCRIPTIVO DE LOS DATOS 3.1 La tabulación de los datos 3.1.1 Tabla de distribución de frecuencias. 3.1.2 El histograma. 3.2 Medidas de tendencia central 3.2.1 La media. 3.2.2 La mediana. 3.2.3

Más detalles

Estudio R&R del sistema de medición (cruzado)

Estudio R&R del sistema de medición (cruzado) INFORME TÉCNICO SOBRE EL ASISTENTE DE MINITAB Este documento forma parte de un conjunto de informes técnicos que explican la investigación llevada a cabo por los especialistas en estadística de Minitab

Más detalles

Análisis de Componentes de la Varianza

Análisis de Componentes de la Varianza Análisis de Componentes de la Varianza Resumen El procedimiento de Análisis de Componentes de Varianza está diseñado para estimar la contribución de múltiples factores a la variabilidad de una variable

Más detalles

Agro 6998 Conferencia 2. Introducción a los modelos estadísticos mixtos

Agro 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 detalles

Estadística y sus aplicaciones en Ciencias Sociales 5. Estimación. Facultad de Ciencias Sociales, UdelaR

Estadística y sus aplicaciones en Ciencias Sociales 5. Estimación. Facultad de Ciencias Sociales, UdelaR Estadística y sus aplicaciones en Ciencias Sociales 5. Estimación Facultad de Ciencias Sociales, UdelaR Índice 1. Repaso: estimadores y estimaciones. Propiedades de los estimadores. 2. Estimación puntual.

Más detalles

INCERTIDUMBRE DE LA MEDIDA

INCERTIDUMBRE DE LA MEDIDA INCERTIDUMBRE DE LA MEDIDA 22 de septiembre de 2017 1. Resultado de la mediciòn 2. Definiciones 3. Por qué se debe estimar la incertidumbre 3. Modelo matemático 4. Valor mejor estimado 5. Dos métodos de

Más detalles

Método de cuadrados mínimos

Método 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 detalles

CALCULO DE INCERTIDUMBRE DE LAS MEDICIONES DE ENSAYOS

CALCULO DE INCERTIDUMBRE DE LAS MEDICIONES DE ENSAYOS Gestor de Calidad Página: 1 de 5 1. Propósito Establecer una guía para el cálculo de la incertidumbre asociada a las mediciones de los ensayos que se realizan en el. Este procedimiento ha sido preparado

Más detalles

1 Estudios del sistema de medición para datos continuos

1 Estudios del sistema de medición para datos continuos Contenido 1 Estudios del sistema de medición para datos continuos Objetivos Determinar qué tan adecuados son los sistemas de medición. Entender la diferencia entre los estudios R&R del sistema de medición

Más detalles

Ideas básicas del diseño experimental

Ideas básicas del diseño experimental Ideas básicas del diseño experimental Capítulo 4 de Analysis of Messy Data. Milliken y Johnson (1992) Diseño de experimentos p. 1/23 Ideas básicas del diseño experimental Antes de llevar a cabo un experimento,

Más detalles

Exactitud y Linearidad del Calibrador

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 detalles

Estadísticas Elemental Tema 3: Describir, Explorar, y Comparar Data

Estadísticas Elemental Tema 3: Describir, Explorar, y Comparar Data Estadísticas Elemental Tema 3: Describir, Explorar, y Comparar Data (parte 2) Medidas de dispersión 3.1-1 Medidas de dispersión La variación entre los valores de un conjunto de datos se conoce como dispersión

Más detalles

Método del Rango (Estudio del Calibrador Variables)

Método del Rango (Estudio del Calibrador Variables) Método del Rango (Estudio del Calibrador Variables) STATGRAPHICS Rev. 9/14/006 Resumen El Método del Rango calcula una estimación aproximada de la repetibilidad y reproducibilidad combinada para un sistema

Más detalles

MATERIA: ESTADÍSTICA EJEMPLOS DE POSIBLES PREGUNTAS DE EXAMEN. a. Cuáles son las escalas en que pueden estar los datos en un análisis estadístico.

MATERIA: ESTADÍSTICA EJEMPLOS DE POSIBLES PREGUNTAS DE EXAMEN. a. Cuáles son las escalas en que pueden estar los datos en un análisis estadístico. MATERIA: ESTADÍSTICA EJEMPLOS DE POSIBLES PREGUNTAS DE EXAMEN 1. Conteste las preguntas siguientes: a. Cuáles son las escalas en que pueden estar los datos en un análisis estadístico. 1. 2. 3. 4. b. En

Más detalles

Estas dos clases. ANOVA I - Conceptos generales - Supuestos - ANOVA de una vía - Transformación de datos - Test a Posteriori - ANOVA de dos vías

Estas dos clases. ANOVA I - Conceptos generales - Supuestos - ANOVA de una vía - Transformación de datos - Test a Posteriori - ANOVA de dos vías ANOVA I 19-8-2014 Estas dos clases ANOVA I - Conceptos generales - Supuestos - ANOVA de una vía - Transformación de datos - Test a Posteriori - ANOVA de dos vías ANOVA II - ANOVA factorial - ANCOVA (análisis

Más detalles

INTRODUCCIÓN AL CÁLCULO DE INCERTIDUMBRES DE ENSAYO

INTRODUCCIÓN AL CÁLCULO DE INCERTIDUMBRES DE ENSAYO INTRODUCCIÓN AL CÁLCULO DE INCERTIDUMBRES DE ENSAYO 1. Introducción 2. Error e incertidumbre 3. Exactitud y precisión de medida 4. Tipos de medidas 5. Incertidumbre típica o de medida 6. Incertidumbre

Más detalles

PRUEBA DE BONDAD DE AJUSTE O PRUEBA CHI - CUADRADO

PRUEBA DE BONDAD DE AJUSTE O PRUEBA CHI - CUADRADO O PRUEBA CHI - CUADRADO Hasta ahora se han mencionado formas de probar lo que se puede llamar hipótesis paramétricas con relación a una variable aleatoria, o sea que se ha supuesto que se conoce la ley

Más detalles

UNIVERSIDAD AUTÓNOMA DEL ESTADO DE MÉXICO

UNIVERSIDAD 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 detalles

Método del Rango y Promedio (Estudio del Calibrador - Variables)

Método del Rango y Promedio (Estudio del Calibrador - Variables) STATGRAPHICS Rev. 9/14/006 Método del Rango y Promedio (Estudio del Calibrador - Variables) Resumen El Método del Rango y Promedio estima la repetibilidad y reproducibilidad de un sistema de medición basado

Más detalles

DISEÑOS EXPERIMENTALES DE DOS GRUPOS Y MULTIGRUPO

DISEÑOS EXPERIMENTALES DE DOS GRUPOS Y MULTIGRUPO TEMA II ESQUEMA GENERAL Diseño experimental de dos grupos: definición y clasificación Formatos del diseño y prueba de hipótesis Diseño experimental multigrupo: definición Formato del diseño multigrupo

Más detalles

peso edad grasas Regresión lineal simple Los datos

peso edad grasas Regresión lineal simple Los datos Regresión lineal simple Los datos Los datos del fichero EdadPesoGrasas.txt corresponden a tres variables medidas en 25 individuos: edad, peso y cantidad de grasas en sangre. Para leer el fichero de datos

Más detalles

Medidas descriptivas I. Medidas de tendencia central A. La moda

Medidas descriptivas I. Medidas de tendencia central A. La moda Medidas descriptivas I. Medidas de tendencia central A. La moda Preparado por: Roberto O. Rivera Rodríguez Coaching de matemática Escuela Eduardo Neuman Gandía 1 Introducción En muchas ocasiones el conjunto

Más detalles

Conceptos Básicos de Inferencia

Conceptos Básicos de Inferencia Conceptos Básicos de Inferencia Álvaro José Flórez 1 Escuela de Ingeniería Industrial y Estadística Facultad de Ingenierías Febrero - Junio 2012 Inferencia Estadística Cuando obtenemos una muestra, conocemos

Más detalles

UN TAMAÑO DE MUESTRA PRELIMINAR EN LA ESTIMACION DE LA MEDIA, EN POBLACIONES CON DISTRIBUCIONES UNIFORMES Y TRIANGULARES

UN TAMAÑO DE MUESTRA PRELIMINAR EN LA ESTIMACION DE LA MEDIA, EN POBLACIONES CON DISTRIBUCIONES UNIFORMES Y TRIANGULARES Revista Colombiana de Estadística Volumen 24 (2001) N o 1, páginas 27 a 32 UN TAMAÑO DE MUESTRA PRELIMINAR EN LA ESTIMACION DE LA MEDIA, EN POBLACIONES CON DISTRIBUCIONES UNIFORMES Y TRIANGULARES CARLOS

Más detalles

CARACTERÍSTICAS DE CALIDAD LIMITES DE ESPECIFICACIÓN gr gr gr

CARACTERÍSTICAS DE CALIDAD LIMITES DE ESPECIFICACIÓN gr gr gr Objetivo El objetivo del presente laboratorio es que el estudiante conozca y pueda establecer planes de inspección de características tipo variables. Se utilizará como norma base la MIL-STD 414 o su equivalente

Más detalles

ANALISIS DE FRECUENCIA EN HIDROLOGIA

ANALISIS DE FRECUENCIA EN HIDROLOGIA ANALISIS DE FRECUENCIA EN HIDROLOGIA Luis F. Carvajal Julián D. Rojo Universidad Nacional de Colombia Facultad de Minas Escuela de Geociencias y Medio Ambiente Introducción 1. Los eventos hidrológicos

Más detalles

INDICE Prefacio 1. Introducción 2. Distribuciones de frecuencia: tablas estadísticas y graficas

INDICE Prefacio 1. Introducción 2. Distribuciones de frecuencia: tablas estadísticas y graficas INDICE Prefacio XIII 1. Introducción 1.1. la imagen de la estadística 1 1.2. dos tipos de estadísticas 1.3. estadística descriptiva 2 1.4. estadística inferencial 1.5. naturaleza interdisciplinaria de

Más detalles

INTERPRETACIÓN DE LA REGRESIÓN. Interpretación de la regresión

INTERPRETACIÓN DE LA REGRESIÓN. Interpretación de la regresión INTERPRETACIÓN DE LA REGRESIÓN Este gráfico muestra el salario por hora de 570 individuos. 1 Interpretación de la regresión. regresión Salario-Estudios Source SS df MS Number of obs = 570 ---------+------------------------------

Más detalles

PRUEBAS DE BONDAD DE AJUSTE

PRUEBAS DE BONDAD DE AJUSTE PRUEBAS DE BONDAD DE AJUSTE Pruebas de bondad de ajuste xi cuadrada y Kolmogorov-Smirnov Facultad de Ciencias Químicas e Ingeniería, UAEM Simulación de Procesos Contenido Prueba de bondad de ajuste χ2...

Más detalles

Análisis de Datos. Validación de clasificadores. Profesor: Dr. Wilfrido Gómez Flores

Análisis de Datos. Validación de clasificadores. Profesor: Dr. Wilfrido Gómez Flores Análisis de Datos Validación de clasificadores Profesor: Dr. Wilfrido Gómez Flores 1 Introducción La mayoría de los clasificadores que se han visto requieren de uno o más parámetros definidos libremente,

Más detalles

ESTADÍSTICA INFERENCIAL

ESTADÍSTICA INFERENCIAL ESTADÍSTICA INFERENCIAL ESTADÍSTICA INFERENCIAL 1 Sesión No. 10 Nombre: Pruebas de hipótesis referentes al valor de la media de la población Contextualización En estadística existen dos métodos para la

Más detalles

GRAFICOS DE CONTROL DATOS TIPO VARIABLES

GRAFICOS DE CONTROL DATOS TIPO VARIABLES GRAFICOS DE CONTROL DATOS TIPO VARIABLES OBJETIVO DEL LABORATORIO El objetivo del presente laboratorio es que el estudiante conozca y que sea capaz de seleccionar y utilizar gráficos de control, para realizar

Más detalles

INTRODUCCIÓN AL ANÁLISIS DE DATOS ORIENTACIONES (TEMA Nº 7)

INTRODUCCIÓN AL ANÁLISIS DE DATOS ORIENTACIONES (TEMA Nº 7) TEMA Nº 7 DISTRIBUCIONES CONTINUAS DE PROBABILIDAD OBJETIVOS DE APRENDIZAJE: Conocer las características de la distribución normal como distribución de probabilidad de una variable y la aproximación de

Más detalles

Intervalos de confianza para los coeficientes de una regresión lineal.

Intervalos de confianza para los coeficientes de una regresión lineal. Intervalos de confianza para los coeficientes de una regresión lineal. Asumiendo que los errores del modelo de regresión lineal se distribuye en forma normal con media cero y varianza constante σ 2 y que

Más detalles

Estimación de Parámetros.

Estimación de Parámetros. Estimación de Parámetros. Un estimador es un valor que puede calcularse a partir de los datos muestrales y que proporciona información sobre el valor del parámetro. Por ejemplo la media muestral es un

Más detalles

MODELO DE RESPUESTAS Objetivos 2, 3, 4, 5, 6, 7, Y 8.

MODELO DE RESPUESTAS Objetivos 2, 3, 4, 5, 6, 7, Y 8. UNIVERSIDAD NACIONAL ABIERTA ESTADÍSTICA GENERAL 745) VICERRECTORADO ACADÉMICO INTEGRAL ÁREA DE MATEMÁTICA Fecha: 17/ 01 /009 MODELO DE RESPUESTAS Objetivos, 3, 4, 5, 6, 7, Y 8. OBJ. 1 PTA 1 Una compañía

Más detalles

Prácticas de Ecología Curso 3 Práctica 1: Muestreo

Prácticas de Ecología Curso 3 Práctica 1: Muestreo PRÁCTICA 1: MUESTREO Introducción La investigación ecológica se basa en la medición de parámetros de los organismos y del medio en el que viven. Este proceso de toma de datos se denomina muestreo. En la

Más detalles

ANÁLISIS ESTADÍSTICO REGRESIÓN LINEAL SIMPLE

ANÁLISIS ESTADÍSTICO REGRESIÓN LINEAL SIMPLE ANÁLISIS ESTADÍSTICO REGRESIÓN LINEAL SIMPLE Jorge Fallas jfallas56@gmail.com 2010 1 Temario Introducción: correlación y regresión Supuestos del análisis Variación total de Y y variación explicada por

Más detalles

Tecnología Química ISSN: Universidad de Oriente Cuba

Tecnología Química ISSN: Universidad de Oriente Cuba Tecnología Química ISSN: 0041-840 revista.tec.quimica@fiq.uo.edu.cu Universidad de Oriente Cuba Portuondo Paisan, Yoel; Portuondo Moret, Juan LA REPETIBILIDAD Y REPRODUCIBILIDAD EN EL ASEGURAMIENTO DE

Más detalles

Selección Diseño de Cribado

Selección Diseño de Cribado Selección Diseño de Cribado Resumen La sección diseño experimental del STATGRAPHICS puede crear una amplia variedad de diseños dirigidos a mostrar los factores más importantes que afectan un proceso. Se

Más detalles

Técnicas de Muestreo Métodos

Técnicas de Muestreo Métodos Muestreo aleatorio: Técnicas de Muestreo Métodos a) unidad muestral elemental: a.1) muestreo aleatorio simple a.2) muestreo (seudo)aleatorio sistemático a.3) muestreo aleatorio estratificado b) unidad

Más detalles

Diseño de Experimentos Diseños de un Solo Factor Categórico

Diseño de Experimentos Diseños de un Solo Factor Categórico Diseño de Experimentos Diseños de un Solo Factor Categórico Resumen La selección de Diseños de un Solo Factor Categórico sobre el menú de Crear un Diseño crea diseños experimentales para situaciones donde

Más detalles

APUNTES SOBRE SERIES HISTÓRICAS O CRONOLÓGICAS

APUNTES SOBRE SERIES HISTÓRICAS O CRONOLÓGICAS APUNTES SOBRE SERIES HISTÓRICAS O CRONOLÓGICAS 35 3 25 2 15 1 5 21 22 23 24 25 Reyes Donis, José Luis SERIES HISTORICAS O CRONOLÓGICAS Llamadas también series de tiempo, se denomina serie de tiempo a un

Más detalles

ANEXO 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. 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 detalles

DISEÑO DE EXPERIMENTOS

DISEÑO DE EXPERIMENTOS DISEÑO DE EXPERIMENTOS Dr. Héctor Escalona hbescalona@yahoo.com hbeb@xanum.uam.mx Diseño de 1. Introducción al diseño de 2. Herramientas de inferencia estadística 3. para la comparación de dos tratamientos

Más detalles

Distribuciones Fundamentales de Muestreo y Descripciones de Datos

Distribuciones Fundamentales de Muestreo y Descripciones de Datos Distribuciones Fundamentales de Muestreo y Descripciones de Datos UCR ECCI CI-135 Probabilidad y Estadística Prof. M.Sc. Kryscia Daviana Ramírez Benavides Muestreo Aleatorio En este tipo de muestreo, todos

Más detalles

DIFERENCIAS EN LA UTILIZACIÓN DE LA BIBLIOTECA DEL IIESCA ANTE UN CAMBIO DE INFORMACIÓN

DIFERENCIAS EN LA UTILIZACIÓN DE LA BIBLIOTECA DEL IIESCA ANTE UN CAMBIO DE INFORMACIÓN DIFERENCIAS EN LA UTILIZACIÓN DE LA BIBLIOTECA DEL IIESCA ANTE UN CAMBIO DE INFORMACIÓN Beatriz Meneses A. de Sesma * I. INTRODUCCIÓN En todo centro educativo, es de suma importancia el uso que se haga

Más detalles

Escuela Nacional de Estadística e Informática ESPECIALIZACIÓN EN ESTADÍSTICA APLICADA ESPECIALIZACIÓN EN ESTADÍSTICA APLICADA

Escuela Nacional de Estadística e Informática ESPECIALIZACIÓN EN ESTADÍSTICA APLICADA ESPECIALIZACIÓN EN ESTADÍSTICA APLICADA ESPECIALIZACIÓN EN ESTADÍSTICA APLICADA ESPECIALIZACIÓN EN ESTADÍSTICA APLICADA Lima Perú 2013 DISEÑO COMPLETAMENTE ALEATORIZADO Es el diseño más simple y sencillo de realizar, en el cual los tratamientos

Más detalles

Método de Análisis del Riesgo (Estudio del Calibrador Atributos)

Método de Análisis del Riesgo (Estudio del Calibrador Atributos) 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

Más detalles

Intervalos de Confianza

Intervalos de Confianza Intervalos de Confianza Álvaro José Flórez 1 Escuela de Ingeniería Industrial y Estadística Facultad de Ingenierías Febrero - Junio 2012 Intervalo de Confianza Se puede hacer una estimación puntual de

Más detalles

M edidas de dispersión P rof. S. V élez

M edidas de dispersión P rof. S. V élez M edidas de dispersión P rof. S. V élez Introducción Las medidas de tendencia central permiten describir una distribución por medio de sus valores típicos. Sin embargo estas medidas son sólo parte de la

Más detalles

Gráficos X-Bar y S. StatFolio de Muestra: xbarschart.sgp

Gráficos X-Bar y S. StatFolio de Muestra: xbarschart.sgp Gráficos X-Bar y S Resumen El procedimiento Gráficos X-Bar y S crea gráficos de control para una simple variable numérica cuando los datos han sido recabados en subgrupos. Crea un Gráfico X-bar para monitorear

Más detalles

Criterios para evaluar la siembra de precisión

Criterios para evaluar la siembra de precisión Criterios para evaluar la siembra de precisión Durante la siembra de precisión, bajo el sistema de siembra directa, la sembradora debe realizar las siguientes operaciones: corte del rastrojo en superficie,

Más detalles

MEDIDAS DE VARIABILIDAD

MEDIDAS DE VARIABILIDAD MEDIDAS DE VARIABILIDAD 1 Medidas de variabilidad Qué son las medidas de variabilidad? Las medidas de variabilidad de una serie de datos, muestra o población, permiten identificar que tan dispersos o concentrados

Más detalles

Estadística Aplicada

Estadística Aplicada Estadística Aplicada Universidad Maimónides 2016 Clase 2. Medidas de Tendencia Central y Dispersión Pedro Elosegui Medidas de Descripción del Conjunto de Datos -Estadísticas sumarias que permiten describir

Más detalles

Aplicación del modelo de frontera estocástica de producción para analizar la eficiencia técnica de la industria eléctrica en México

Aplicación 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 detalles

1. La Distribución Normal

1. La Distribución Normal 1. La Distribución Normal Los espacios muestrales continuos y las variables aleatorias continuas se presentan siempre que se manejan cantidades que se miden en una escala continua; por ejemplo, cuando

Más detalles

CENTRO UNIVERSITARIO UAEM ZUMPANGO LIC. DE INGENIERO AGRONOMO EN PRODUCCIÓN DISEÑO DE BLOQUES AL AZAR PRESENTA. DR en EDU. JOSÉ LUIS GUTIÉRREZ LIÑÁN

CENTRO UNIVERSITARIO UAEM ZUMPANGO LIC. DE INGENIERO AGRONOMO EN PRODUCCIÓN DISEÑO DE BLOQUES AL AZAR PRESENTA. DR en EDU. JOSÉ LUIS GUTIÉRREZ LIÑÁN CENTRO UNIVERSITARIO UAEM ZUMPANGO LIC. DE INGENIERO AGRONOMO EN PRODUCCIÓN DISEÑO DE BLOQUES AL AZAR PRESENTA DR en EDU. JOSÉ LUIS GUTIÉRREZ LIÑÁN SEPTIEMBRE, 2015 INTRODUCCIÓN Los diseños experimentales

Más detalles

Regresión polinomial y factores

Regresión polinomial y factores Capítulo Regresión polinomial y factores.. Regresión polinomial Si una función media tiene un predictor X pueden usarse sus potencias enteras para aproximar E (Y X). El caso más simple es la regresión

Más detalles

7. REGRESIÓN POR MÍNIMOS CUADRADOS: REGRESIÓN POLINOMIAL. Jorge Eduardo Ortiz Triviño

7. REGRESIÓN POR MÍNIMOS CUADRADOS: REGRESIÓN POLINOMIAL. Jorge Eduardo Ortiz Triviño 7. REGRESIÓN POR MÍNIMOS CUADRADOS: REGRESIÓN POLINOMIAL Jorge Eduardo Ortiz Triviño jeortizt@unal.edu.co http:/www.docentes.unal.edu.co/jeortizt/ Introducción Los datos frecuentemente son dados para valores

Más detalles

LABORATORIO No. 0. Cálculo de errores en las mediciones. 0.1 Introducción

LABORATORIO No. 0. Cálculo de errores en las mediciones. 0.1 Introducción LABORATORIO No. 0 Cálculo de errores en las mediciones 0.1 Introducción Es bien sabido que la especificación de una magnitud físicamente medible requiere cuando menos de dos elementos: Un número y una

Más detalles

Estadística I para futuros ingenieros Unidad 4. Segunda parte

Estadística I para futuros ingenieros Unidad 4. Segunda parte Estadística I para futuros ingenieros Unidad 4 Segunda parte ITSS L.A. Jorge VC 2 Estimación: puntual y por intervalos A partir de los estadísticos que hemos obtenido en la/s muestra/s queremos obtener

Más detalles

Ejercicio de adecuación histórica de la carencia por acceso a la seguridad social 2016 a la serie

Ejercicio de adecuación histórica de la carencia por acceso a la seguridad social 2016 a la serie Ejercicio de adecuación histórica de la carencia por acceso a la seguridad social 2016 a la serie 2010-2014 Introducción Como parte de los procesos de mejora en la captación de la información, y con el

Más detalles

Algunas Distribuciones Discretas de Probabilidad. UCR ECCI CI-1352 Investigación de Operaciones I Prof. M.Sc. Kryscia Daviana Ramírez Benavides

Algunas Distribuciones Discretas de Probabilidad. UCR ECCI CI-1352 Investigación de Operaciones I Prof. M.Sc. Kryscia Daviana Ramírez Benavides Algunas Distribuciones Discretas de Probabilidad UCR ECCI CI-1352 Investigación de Operaciones I Prof. M.Sc. Kryscia Daviana Ramírez Benavides Introducción El comportamiento de una variable aleatoria queda

Más detalles

Dr. Richard Mercado Rivera 18 de agosto de 2012 Matemática Elemental

Dr. Richard Mercado Rivera 18 de agosto de 2012 Matemática Elemental Universidad de Puerto Rico Recinto de Aguadilla Programa CeCiMat Elemental Definición de conceptos fundamentales de la Estadística y la Probabilidad y su aportación al mundo moderno Dr. Richard Mercado

Más detalles

Formulario. Estadística Administrativa. Módulo 1. Introducción al análisis estadístico

Formulario. Estadística Administrativa. Módulo 1. Introducción al análisis estadístico Formulario. Estadística Administrativa Módulo 1. Introducción al análisis estadístico Histogramas El número de intervalos de clase, k, se elige de tal forma que el valor 2 k sea menor (pero el valor más

Más detalles

Ms. C. Marco Vinicio Rodríguez

Ms. C. Marco Vinicio Rodríguez Ms. C. Marco Vinicio Rodríguez mvrodriguezl@yahoo.com http://mvrurural.wordpress.com/ Un estimador es una regla que establece cómo calcular una estimación basada en las mediciones contenidas en una muestra

Más detalles

14 horas. 20 horas

14 horas. 20 horas EJERCICIOS PROPUESTOS ANALISIS DE VARIANZA. Se realiza un ANOVA para comparar el tiempo que demora en aliviar el dolor de cabeza de varios tipos de analgésicos. Se obtiene como resultado un test observado

Más detalles

Diseño Factorial. Introducción

Diseño Factorial. Introducción Diseño Factorial Introducción n un experimento factorial se analizan todas las posibles combinaciones de los niveles de los factores en cada réplica del experimento. Por ejemplo, si el factor tiene a niveles

Más detalles

MODELOS DE SIMULACIÓN ESTADÍSTICOS CLASE 4: DISTRIBUCIÓN t, CHI-CUADRADA y EXPONENCIAL PROFESOR: OSCAR SAAVEDRA ANDRÉS DURANGO.

MODELOS DE SIMULACIÓN ESTADÍSTICOS CLASE 4: DISTRIBUCIÓN t, CHI-CUADRADA y EXPONENCIAL PROFESOR: OSCAR SAAVEDRA ANDRÉS DURANGO. DISTRIBUCIÓN t Con frecuencia intentamos estimar la media de una población cuando se desconoce la varianza, en estos casos utilizamos la distribución de t de Student. Si el tamaño de la muestra es suficientemente

Más detalles

ANOVA. Análisis de la Varianza. Univariante Efectos fijos Muestras independientes

ANOVA. Análisis de la Varianza. Univariante Efectos fijos Muestras independientes ANOVA Análisis de la Varianza Univariante Efectos fijos Muestras independientes De la t a la F En el test de la t de Student para muestras independientes, aprendimos como usar la distribución t para contrastar

Más detalles

TÉCNICAS ESTADÍSTICAS APLICADAS EN NUTRICIÓN Y SALUD

TÉCNICAS ESTADÍSTICAS APLICADAS EN NUTRICIÓN Y SALUD TÉCNICAS ESTADÍSTICAS APLICADAS EN NUTRICIÓN Y SALUD Contrastes de hipótesis paramétricos para una y varias muestras: contrastes sobre la media, varianza y una proporción. Contrastes sobre la diferencia

Más detalles

Diseño de Experimentos Experimentos factoriales

Diseño de Experimentos Experimentos factoriales Diseño de Experimentos Experimentos factoriales Dr. Héctor Escalona Definición El termino genérico de diseño factorial se aplica a aquellos experimentos donde se desea evaluar el efecto de 2 o mas factores

Más detalles

Selección de distribuciones de probabilidad

Selección de distribuciones de probabilidad Selección de distribuciones de probabilidad Georgina Flesia FaMAF 3 de mayo, 2012 Análisis estadístico de datos simulados Los sistemas reales tienen fuentes de aleatoriedad: Tipo de sistema Fabricación

Más detalles

Rendimiento de un activo

Rendimiento de un activo Rendimiento de un activo Es la ganancia o pérdida total que experimenta el propietario de una inversión en un periodo de tiempo específico. Se obtiene como el cambio en el valor del activo más cualquier

Más detalles

Gráfico de Control T-Cuadrada Multivariada

Gráfico de Control T-Cuadrada Multivariada Gráfico de Control T-Cuadrada Multivariada STATGRAPHICS Rev. 25/04/2007 Resumen El procedimiento Gráfico de Control T-Cuadrada Multivariada crea diagramas de control para dos o más variables numéricas.

Más detalles

Tema 3: Análisis de datos bivariantes

Tema 3: Análisis de datos bivariantes Tema 3: Análisis de datos bivariantes 1 Contenidos 3.1 Tablas de doble entrada. Datos bivariantes. Estructura de la tabla de doble entrada. Distribuciones de frecuencias marginales. Distribución conjunta

Más detalles

Inferencia a partir de muestras pequeñas INFERENCIA ESTADÍSTICA JTP. JUAN PABLO QUIROGA

Inferencia a partir de muestras pequeñas INFERENCIA ESTADÍSTICA JTP. JUAN PABLO QUIROGA Inferencia a partir de muestras pequeñas INFERENCIA ESTADÍSTICA JTP. JUAN PABLO QUIROGA Prueba de hipotesis de muestra pequeña para μ 1) Hipotesis nula: H 0 = μ = μ 0 2) Hipótesis alternativa: Prueba de

Más detalles

07 Estimación puntual e introducción a la estadística inferencial

07 Estimación puntual e introducción a la estadística inferencial 07 Estimación puntual e introducción a la estadística inferencial Diego Andrés Alvarez Marín Profesor Asistente Universidad Nacional de Colombia Sede Manizales 1 Contenido Qué es la estadística inferencial?

Más detalles

2. EL DISEÑO UNIFACTORIAL (COMPARACION DE TRATAMIENTOS)

2. EL DISEÑO UNIFACTORIAL (COMPARACION DE TRATAMIENTOS) 2. EL DISEÑO UNIFACTORIAL (COMPARACION DE TRATAMIENTOS) La idea principal en este capitulo es el inicio a planear los diseño experimentales y su correspondiente análisis estadístico. En este caso iniciaremos

Más detalles

Juan José Hernández Ocaña

Juan José Hernández Ocaña Juan José Hernández Ocaña L A e s t a d í s t i c a i n fe r e n c i a l n o s permite estimar los p a r á me t r o s de l a p o b l a c ió n a partir d e l a n á l i s i s d e datos de u n a mu e s t

Más detalles

PROBABILIDAD Y ESTADÍSTICA. Sesión 6 (A partir de tema 5.9)

PROBABILIDAD Y ESTADÍSTICA. Sesión 6 (A partir de tema 5.9) PROBABILIDAD Y ESTADÍSTICA Sesión 6 (A partir de tema 5.9) 5.9 Muestreo: 5.9.1 Introducción al muestreo 5.9.2 Tipos de muestreo 5.10 Teorema del límite central 5.11 Distribución muestral de la media 5.12

Más detalles

SELECCION DE FUNCIONES DE DISTRIBUCION PARA EL ANÁLISIS DE FRECUENCIA DE CAUDALES MÁXIMOS

SELECCION DE FUNCIONES DE DISTRIBUCION PARA EL ANÁLISIS DE FRECUENCIA DE CAUDALES MÁXIMOS SELECCION DE FUNCIONES DE DISTRIBUCION PARA EL ANÁLISIS DE FRECUENCIA DE CAUDALES MÁXIMOS Dr Edilberto Guevara Pérez Universidad de Carabobo, Facultad de Ingeniería RESUMEN En el trabajo se presenta un

Más detalles

Grado en Finanzas y Contabilidad

Grado en Finanzas y Contabilidad Econometría Grado en Finanzas y Contabilidad Apuntes basados en el libro Introduction to Econometrics: A modern Approach de Wooldridge 3.1 Colinealidad Exacta 3.2 Los efectos de la multicolinealidad Del

Más detalles

Estadísticas Pueden ser

Estadísticas Pueden ser Principios Básicos Para iniciar en el curso de Diseño de experimentos, es necesario tener algunos conceptos claros en la parte de probabilidad y estadística. A continuación se presentan los conceptos más

Más detalles

INTERVALO DE CONFIANZA PARA LA DIFERENCIA DE MEDIAS DE DOS DISTRIBUCIONES NORMALES, VARIANZAS DESCONOCIDAS

INTERVALO DE CONFIANZA PARA LA DIFERENCIA DE MEDIAS DE DOS DISTRIBUCIONES NORMALES, VARIANZAS DESCONOCIDAS Imprimir INSTITUTO TECNOLOGICO DE CHIHUAHUA > INTERVALO DE CONFIANZA PARA LA DIFERENCIA DE MEDIAS DE DOS DISTRIBUCIONES NORMALES, VARIANZAS DESCONOCIDAS En esta sección se verá el caso en

Más detalles

Análisis de la varianza. Magdalena Cladera Munar Departamento de Economía Aplicada Universitat de les Illes Balears

Análisis de la varianza. Magdalena Cladera Munar Departamento de Economía Aplicada Universitat de les Illes Balears Análisis de la varianza Magdalena Cladera Munar mcladera@uib.es Departamento de Economía Aplicada Universitat de les Illes Balears CONTENIDOS Análisis de la varianza de un factor. Análisis de la varianza

Más detalles

Matemática. Desafío. GUÍA DE EJERCITACIÓN AVANZADA Cálculo de medidas de dispersión y muestreo GUICEN041MT22-A16V1

Matemática. Desafío. GUÍA DE EJERCITACIÓN AVANZADA Cálculo de medidas de dispersión y muestreo GUICEN041MT22-A16V1 GUÍA DE EJERCITACIÓN AVANZADA Cálculo de medidas de dispersión y muestreo Desafío Una población estadística está compuesta de cuatro números enteros consecutivos, siendo n el menor de ellos. La desviación

Más detalles

Estadística II Tema 4. Regresión lineal simple. Curso 2009/10

Estadística II Tema 4. Regresión lineal simple. Curso 2009/10 Estadística II Tema 4. Regresión lineal simple Curso 009/10 Tema 4. Regresión lineal simple Contenidos El objeto del análisis de regresión La especificación de un modelo de regresión lineal simple Estimadores

Más detalles

IND-LAB-CAL INSPECCIÓN POR VARIABLES

IND-LAB-CAL INSPECCIÓN POR VARIABLES INSPECCIÓN POR VARIABLES 1.- OBJETIVO El objetivo del presente laboratorio es que el estudiante conozca y pueda establecer planes y procedimientos para la inspección por variables. Se utilizará como norma

Más detalles

Práctica 5: Estimación de parámetros. Una población.

Práctica 5: Estimación de parámetros. Una población. Práctica 5: Estimación de parámetros. Una población. 1. Considere el conjunto f1; 3; 5; 7; 9g (a) Enumere todas las muestras de tamaño 2 que pueden ser seleccionadas con reposición de ese conjunto. Calcule

Más detalles

Se trata de: Explicar el comportamiento de una variable dependiente ( Y ) en función de otras variables ( i ) 2 Investigar si las variables están asoc

Se trata de: Explicar el comportamiento de una variable dependiente ( Y ) en función de otras variables ( i ) 2 Investigar si las variables están asoc 4 ASOCIACION ENTRE VARIABLES En la investigación estadística- y en lo fundamental aquella relacionada a variables socioeconómicas-, es común encontrar variables relacionadas o asociadas Estadísticamente

Más detalles

Se permite un folio escrito por las dos caras. Cada problema se realiza en hojas diferentes y se entregan por separado.

Se permite un folio escrito por las dos caras. Cada problema se realiza en hojas diferentes y se entregan por separado. NORMAS El examen consta de dos partes: 0.0.1. Diez Cuestiones: ( tiempo: 60 minutos) No se permite ningún tipo de material (libros, apuntes, calculadoras,...). No se permite abandonar el aula una vez repartido

Más detalles

Universidad de Chile DIPLOMA PREPARACIÓN Y EVALUACIÓN SOCIAL DE PROYECTOS Prof: Sara Arancibia

Universidad de Chile DIPLOMA PREPARACIÓN Y EVALUACIÓN SOCIAL DE PROYECTOS Prof: Sara Arancibia Universidad de Chile DIPLOMA PREPARACIÓN Y EVALUACIÓN SOCIAL DE PROYECTOS Prof: Sara Arancibia Estudio de Caso: Estudio Morfología Coeficiente de Correlación Considere el archivo Estudio Morfología.sav.

Más detalles

1. Ejercicios. 2 a parte

1. Ejercicios. 2 a parte 1. Ejercicios. 2 a parte Ejercicio 1 Calcule 1. P (χ 2 9 3 33) 2. P (χ 2 15 7 26). 3. P (15 51 χ 2 8 22). 4. P (χ 2 70 82). Ejercicio 2 Si X χ 2 26, obtenga un intervalo [a, b] que contenga un 95 % de

Más detalles

CÓMO MEDIR LA INCERTIDUMBRE DE MEDIR

CÓMO MEDIR LA INCERTIDUMBRE DE MEDIR Cómo medir la incertidumbre de medir CÓMO MEDIR LA INCERTIDUMBRE DE MEDIR Mónica I. Grasso* RESUMEN: Calcular la incertidumbre de medición se ha transformado gradualmente en una exigencia de los sistemas

Más detalles