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

Save this PDF as:
 WORD  PNG  TXT  JPG

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

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

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

4. NÚMEROS PSEUDOALEATORIOS.

4. NÚMEROS PSEUDOALEATORIOS. 4. NÚMEROS PSEUDOALEATORIOS. En los experimentos de simulación es necesario generar valores para las variables aleatorias representadas estas por medio de distribuciones de probabilidad. Para poder generar

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

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

INSTITUTO NACIONAL DE ESTADÍSTICAS (INE) 29 de Abril de 2016

INSTITUTO 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 detalles

Otra característica poblacional de interés es la varianza de la población, 2, y su raíz cuadrada, la desviación estándar de la población,. La varianza

Otra característica poblacional de interés es la varianza de la población, 2, y su raíz cuadrada, la desviación estándar de la población,. La varianza CARACTERÍSTICAS DE LA POBLACIÓN. Una pregunta práctica en gran parte de la investigación de mercado tiene que ver con el tamaño de la muestra. La encuesta, en principio, no puede ser aplicada sin conocer

Más detalles

Teorema Central del Límite (1)

Teorema 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 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

Estadística Descriptiva. SESIÓN 11 Medidas de dispersión

Estadística Descriptiva. SESIÓN 11 Medidas de dispersión Estadística Descriptiva SESIÓN 11 Medidas de dispersión Contextualización de la sesión 11 En la sesión anterior se explicaron los temas relacionados con la dispersión, una de las medidas de dispersión,

Más detalles

III Verano de Probabilidad y Estadística Curso de Procesos de Poisson (Víctor Pérez Abreu) Lista de Ejercicios

III Verano de Probabilidad y Estadística Curso de Procesos de Poisson (Víctor Pérez Abreu) Lista de Ejercicios III Verano de Probabilidad y Estadística Curso de Procesos de Poisson (Víctor Pérez Abreu) Lista de Ejercicios Esta lista contiene ejercicios y problemas tanto teóricos como de modelación. El objetivo

Más detalles

Modelos de PERT/CPM: Probabilístico

Modelos 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 detalles

Análisis de datos Categóricos

Análisis 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 detalles

Estadística Inferencial. Estadística Descriptiva

Estadística 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 detalles

DEFINICIONES Y CONCEPTOS (SISTEMAS DE PERCEPCIÓN - DTE) Curso

DEFINICIONES Y CONCEPTOS (SISTEMAS DE PERCEPCIÓN - DTE) Curso DEFINICIONES Y CONCEPTOS (SISTEMAS DE PERCEPCIÓN - DTE) Curso 2009-10 1. Generalidades Instrumentación: En general la instrumentación comprende todas las técnicas, equipos y metodología relacionados con

Más detalles

Capítulo 4. Lógica matemática. Continuar

Capítulo 4. Lógica matemática. Continuar Capítulo 4. Lógica matemática Continuar Introducción La lógica estudia la forma del razonamiento, es una disciplina que por medio de reglas y técnicas determina si un teorema es falso o verdadero, además

Más detalles

Diseño de Bloques al azar. Diseño de experimentos p. 1/25

Diseño 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 detalles

OTRAS HERRAMIETAS ESTADISTICAS UTILES. Dra. ALBA CECILIA GARZON

OTRAS 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 detalles

Teoría de errores -Hitogramas

Teoría 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 detalles

UTN FRM MEDIDAS ELECTRÓNICAS 1 Página 1 de 5 ERRORES

UTN FRM MEDIDAS ELECTRÓNICAS 1 Página 1 de 5 ERRORES UTN FRM MEDIDAS ELECTRÓNICAS 1 Página 1 de 5 ERRORES Medir es determinar cuantas veces una unidad de medida esta comprendida en la magnitud a medir. La cifra encontrada, multiplicada por la unidad de medida

Más detalles

ESTADÍSTICA DESCRIPTIVA

ESTADÍSTICA 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 detalles

CAPÍTULO IV TRABAJO DE CAMPO Y PROCESO DE CONTRASTE DE LAS HIPÓTESIS

CAPÍTULO 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 detalles

2.- Tablas de frecuencias

2.- Tablas de frecuencias º BACHILLERATO MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES II TEMA 3.- ESTADÍSTICA DESCRIPTIVA PROFESOR: RAFAEL NÚÑEZ -----------------------------------------------------------------------------------------------------------------------------------------------------------------

Más detalles

ESTADÍSTICA. Población Individuo Muestra Muestreo Valor Dato Variable Cualitativa ordinal nominal. continua

ESTADÍSTICA. 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 detalles

MODULO VIII. Semana 1 ASPECTOS DE EVALUACIÓN FINANCIERA, ECONÓMICA, SOCIAL Y AMBIENTAL.

MODULO 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 detalles

Robusticidad de los Diseños D-óptimos a la Elección. de los Valores Locales para el Modelo Logístico

Robusticidad de los Diseños D-óptimos a la Elección. de los Valores Locales para el Modelo Logístico Robusticidad de los Diseños D-óptimos a la Elección de los Valores Locales para el Modelo Logístico David Felipe Sosa Palacio 1,a,Víctor Ignacio López Ríos 2,a a. Escuela de Estadística, Facultad de Ciencias,

Más detalles

ARTÍCULO ORIGINAL. ARS Pharmaceutica. Collazo MV 1, Muñiz MM 2, Alonso1 C 1, Frutos G 2

ARTÍCULO ORIGINAL. ARS Pharmaceutica. Collazo MV 1, Muñiz MM 2, Alonso1 C 1, Frutos G 2 ARS Pharmaceutica ISSN: 0004-2927 http://farmacia.ugr.es/ars/ ARTÍCULO ORIGINAL El análisis estadístico en la Farmacopea Europea: diseño completamente aleatorizado en un bioensayo de factor VIII. Statistical

Más detalles

Evaluación de los procesos de medición

Evaluación de los procesos de medición Evaluación de los procesos de medición Dentro de las causas de la variabilidad de la medición se encuentran dos principales fuentes, el operario encargado de tomar los valores y el equipo de medición empleado.

Más detalles

Pruebas 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 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 detalles

Tabla de Test de Hipótesis ( Caso: Una muestra ) A. Test para µ con σ 2 conocida: Suponga que X 1, X 2,, X n, es una m.a.(n) desde N( µ, σ 2 )

Tabla de Test de Hipótesis ( Caso: Una muestra ) A. Test para µ con σ 2 conocida: Suponga que X 1, X 2,, X n, es una m.a.(n) desde N( µ, σ 2 ) Test de Hipótesis II Tabla de Test de Hipótesis ( Caso: Una muestra ) A. Test para µ con σ conocida: Suponga que X, X,, X n, es una m.a.(n) desde N( µ, σ ) Estadística de Prueba X - μ Z 0 = σ / n ~ N(0,)

Más detalles

INFERENCIA ESTADISTICA

INFERENCIA ESTADISTICA 1 INFERENCIA ESTADISTICA Es una rama de la Estadística que se ocupa de los procedimientos que nos permiten analizar y extraer conclusiones de una población a partir de los datos de una muestra aleatoria,

Más detalles

Objetivos. Epígrafes 3-1. Francisco José García Álvarez

Objetivos. Epígrafes 3-1. Francisco José García Álvarez Objetivos Entender el concepto de variabilidad natural de un procesos Comprender la necesidad de los gráficos de control Aprender a diferenciar los tipos de gráficos de control y conocer sus limitaciones.

Más detalles

Transformaciones de variables

Transformaciones de variables Transformaciones de variables Introducción La tipificación de variables resulta muy útil para eliminar su dependencia respecto a las unidades de medida empleadas. En realidad, una tipificación equivale

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

Distribución Chi (o Ji) cuadrada (χ( 2 )

Distribución Chi (o Ji) cuadrada (χ( 2 ) Distribución Chi (o Ji) cuadrada (χ( 2 ) PEARSON, KARL. On the Criterion that a Given System of Deviations from the Probable in the Case of a Correlated System of Variables is such that it Can Reasonably

Más detalles

M ÉTODO DE MUESTREO DE GEOSINTÉTICOS PARA ENSAYOS I.N.V. E

M ÉTODO DE MUESTREO DE GEOSINTÉTICOS PARA ENSAYOS I.N.V. E M ÉTODO DE MUESTREO DE GEOSINTÉTICOS PARA ENSAYOS I.N.V. E 908 07 1. OBJETO 1.1 Esta práctica cubre dos procedimientos para el muestreo de geosintéticos para ser ensayados. Se requiere que las instrucciones

Más detalles

TEMA 8.- NORMAS DE MATRICES Y

TEMA 8.- NORMAS DE MATRICES Y Álgebra II: Tema 8. TEMA 8.- NORMAS DE MATRICES Y NúMERO DE CONDICIóN Índice. Introducción 2. Norma vectorial y norma matricial. 2 2.. Norma matricial inducida por normas vectoriales......... 4 2.2. Algunos

Más detalles

REGRESIÓN LINEAL SIMPLE, COEFICIENTE DE DETERMINACIÓN Y CORRELACIONES (EJERCICIOS RESUELTOS)

REGRESIÓN LINEAL SIMPLE, COEFICIENTE DE DETERMINACIÓN Y CORRELACIONES (EJERCICIOS RESUELTOS) 1 REGRESIÓN LINEAL SIMPLE, COEFICIENTE DE DETERMINACIÓN Y CORRELACIONES (EJERCICIOS RESUELTOS) 1. EN LA REGIÓN DE DRAKUL DE LA REPÚBLICA DE NECROLANDIA, LAS AUTORIDADES ECONÓMICAS HAN REALIZADO UNA REVISIÓN

Más detalles

ESTADÍSTICA DESCRIPTIVA PARA EL TURISMO

ESTADÍSTICA DESCRIPTIVA PARA EL TURISMO ESTADÍSTICA DESCRIPTIVA PARA EL TURISMO RELACIÓN DE PROBLEMAS PROPUESTOS DE UNA VARIABLE Curso académico 2004-2005 DPTO. ECONOMÍA APLICADA I 1. Obtener las frecuencias acumuladas, las frecuencias relativas

Más detalles

Campo Magnético en un alambre recto.

Campo Magnético en un alambre recto. Campo Magnético en un alambre recto. A.M. Velasco (133384) J.P. Soler (133380) O.A. Botina (133268) Departamento de física, facultad de ciencias, Universidad Nacional de Colombia Resumen. Se hizo pasar

Más detalles

ESTIMACIÓN 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 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 detalles

NOCIONES PRELIMINARES (*) 1

NOCIONES PRELIMINARES (*) 1 CONJUNTOS NOCIONES PRELIMINARES (*) 1 Conjunto no es un término definible, pero da idea de una reunión de cosas ( elementos ) que tienen algo en común. En matemática los conjuntos se designan con letras

Más detalles

Clasificación de sistemas

Clasificación de sistemas Capítulo 2 Clasificación de sistemas 2.1 Clasificación de sistemas La comprensión de la definición de sistema y la clasificación de los diversos sistemas, nos dan indicaciones sobre cual es la herramienta

Más detalles

Habilidades Matemáticas. Alejandro Vera

Habilidades Matemáticas. Alejandro Vera Habilidades Matemáticas Alejandro Vera La distribución normal Introducción Una de las herramientas de mayor uso en las empresas es la utilización de la curva normal para describir situaciones donde podemos

Más detalles

UNIDAD 12.- Estadística. Tablas y gráficos (tema12 del libro)

UNIDAD 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 detalles

Los Métodos de Valoración Indirecta (Costo De Viaje)

Los Métodos de Valoración Indirecta (Costo De Viaje) Los Métodos de Valoración Indirecta (Costo De Viaje) Método de Valoración de Bienes que no tienen un mercado definido. No existe información sobre precios ni demanda. La valoración se realiza por método

Más detalles

A qué nos referimos con medidas de dispersión?

A qué nos referimos con medidas de dispersión? Estadística 1 Sesión No. 4 Nombre: Medidas de dispersión. Contextualización A qué nos referimos con medidas de dispersión? En esta sesión aprenderás a calcular las medidas estadísticas de dispersión, tal

Más detalles

Maestría en Bioinformática Probabilidad y Estadística: Clase 3

Maestría en Bioinformática Probabilidad y Estadística: Clase 3 Maestría en Bioinformática Probabilidad y Estadística: Clase 3 Gustavo Guerberoff gguerber@fing.edu.uy Facultad de Ingeniería Universidad de la República Abril de 2010 Contenidos 1 Variables aleatorias

Más detalles

MÓDULO III. MEDIDAS DE TENDENCIA CENTRAL, DISPERSIÓN Y ASIMETRÍA

MÓDULO III. MEDIDAS DE TENDENCIA CENTRAL, DISPERSIÓN Y ASIMETRÍA 1 UNIVERSIDAD NACIONAL EXPERIMENTAL DE LOS LLANOS OCCIDENTALES EZEQUIEL ZAMORA VICE-RECTORADO DE PLANIFICACIÓN Y DESARROLLO SOCIAL PROGRAMA CIENCIAS SOCIALES Y JURIDICAS SUBPROGRAMA ADMINISTRACIÓN SUBPROYECTO:

Más detalles

Tema 4: Probabilidad y Teoría de Muestras

Tema 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 detalles

FUERZAS CONCURRENTES. Lorena Vera Ramírez 1, Iván Darío Díaz Roa 2. RESUMEN

FUERZAS CONCURRENTES. Lorena Vera Ramírez 1, Iván Darío Díaz Roa 2. RESUMEN FUERZAS CONCURRENTES Lorena Vera Ramírez 1, Iván Darío Díaz Roa 2. RESUMEN En este laboratorio lo que se hizo inicialmente fue tomar diferentes masas y ponerlas en la mesa de fuerzas de esa manera precisar

Más detalles

MEDIDAS DE TENDENCIA CENTRAL

MEDIDAS DE TENDENCIA CENTRAL MEDIDAS DE TENDENCIA CENTRAL Al describir grupos de observaciones, con frecuencia es conveniente resumir la información con un solo número. Este número que, para tal fin, suele situarse hacia el centro

Más detalles

Scientia et Technica Año XIII, No 35, Agosto de Universidad Tecnológica de Pereira. ISSN

Scientia et Technica Año XIII, No 35, Agosto de Universidad Tecnológica de Pereira. ISSN Scientia et Technica Año XIII, No 35, Agosto de 007. Universidad Tecnológica de Pereira. ISSN 0-70 455 ESTUDIO DE REPETIBILIDAD Y REPRODUCIBILIDAD UTILIZANDO EL MÉTODO DE PROMEDIOS Y RANGOS PARA EL ASEGURAMIENTO

Más detalles

CAPÍTULO 4 TÉCNICA PERT

CAPÍTULO 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 detalles

DISEÑO CURRICULAR ALGEBRA LINEAL

DISEÑO CURRICULAR ALGEBRA LINEAL DISEÑO CURRICULAR ALGEBRA LINEAL FACULTAD (ES) CARRERA (S) Ingeniería Computación y Sistemas CÓDIGO HORAS TEÓRICAS HORAS PRÁCTICAS UNIDADES DE CRÉDITO SEMESTRE 122443 02 02 03 II PRE-REQUISITO ELABORADO

Más detalles

c). Conceptos. Son los grupos o conceptos que se enlistan en las filas de la izquierda de la tabla

c). 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 detalles

MEDICIÓN Y PROPAGACIÓN DE ERRORES. Comprender el proceso de medición y expresar correctamente el resultado de una medida realizada.

MEDICIÓN Y PROPAGACIÓN DE ERRORES. Comprender el proceso de medición y expresar correctamente el resultado de una medida realizada. LABORATORIO Nº 1 MEDICIÓN Y PROPAGACIÓN DE ERRORES I. LOGROS Comprender el proceso de medición y expresar correctamente el resultado de una medida realizada. Aprender a calcular el error propagado e incertidumbre

Más detalles

ESTADÍSTICA. Tema 4 Regresión lineal simple

ESTADÍSTICA. Tema 4 Regresión lineal simple ESTADÍSTICA Grado en CC. de la Alimentación Tema 4 Regresión lineal simple Estadística (Alimentación). Profesora: Amparo Baíllo Tema 4: Regresión lineal simple 1 Estructura de este tema Planteamiento del

Más detalles

Curso de Estadística Básica

Curso 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 detalles

UNIDAD 4: FUNCIONES POLINOMIALES Y RACIONALES

UNIDAD 4: FUNCIONES POLINOMIALES Y RACIONALES UNIDAD 4: FUNCIONES POLINOMIALES Y RACIONALES En la Sección anterior se abordó contenidos relacionados con las funciones y gráficas, continuamos aprendiendo más sobre funciones; en la presente unidad abordaremos

Más detalles

ÍNDICES INTEGRADOS DE VOLUMEN, PRECIOS Y VALOR DE LA INDUSTRIA MANUFACTURERA

ÍNDICES INTEGRADOS DE VOLUMEN, PRECIOS Y VALOR DE LA INDUSTRIA MANUFACTURERA A. Definición: ÍNDICES INTEGRADOS DE VOLUMEN, PRECIOS Y VALOR DE LA INDUSTRIA MANUFACTURERA Los Índices Integrados de volumen, precios y valor de la Industria Manufacturera son medidas estadísticas diseñadas

Más detalles

Validación de los métodos microbiológicos HERRAMIENTAS ESTADISTICAS. Bqca. QM Alicia I. Cuesta, Consultora Internacional de la FAO

Validación de los métodos microbiológicos HERRAMIENTAS ESTADISTICAS. Bqca. QM Alicia I. Cuesta, Consultora Internacional de la FAO Validación de los métodos microbiológicos HERRAMIENTAS ESTADISTICAS Bqca. QM Alicia I. Cuesta, Consultora Internacional de la FAO Objetivos de la clase Objetivos de la estadística. Concepto y parámetros

Más detalles

Capitulo 4. DECISIONES BAJO RIESGO TEORIA DE JUEGOS

Capitulo 4. DECISIONES BAJO RIESGO TEORIA DE JUEGOS Capitulo 4. DECISIONES BAJO RIESGO TEORIA DE JUEGOS INTRODUCCIÓN En el mundo real, tanto en las relaciones económicas como en las políticas o sociales, son muy frecuentes las situaciones en las que, al

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

Optimizar recursos y asegurar cumplimiento metrológico Buenos Aires 23 de Octubre de 2015

Optimizar recursos y asegurar cumplimiento metrológico Buenos Aires 23 de Octubre de 2015 Optimizar recursos y asegurar cumplimiento metrológico Buenos Aires 23 de Octubre de 2015 Operación que establece, una relación entre los valores y sus incertidumbres de medida asociadas obtenidas a partir

Más detalles

La distribución de Probabilidad normal, dada por la ecuación:

La distribución de Probabilidad normal, dada por la ecuación: La distribución de Probabilidad normal, dada por la ecuación: Donde: x = X -, la distancia entre X y en el eje de las X. = la media de la población o universo ( de las X ) fx= La altura de la ordenada

Más detalles

Multicolinealidad. Universidad de Granada. RSG Incumplimiento de las hipótesis básicas en el modelo lineal uniecuacional múltiple 1 / 17

Multicolinealidad. Universidad de Granada. RSG Incumplimiento de las hipótesis básicas en el modelo lineal uniecuacional múltiple 1 / 17 Román Salmerón Gómez Universidad de Granada RSG Incumplimiento de las hipótesis básicas en el modelo lineal uniecuacional múltiple 1 / 17 exacta: aproximada: exacta: aproximada: RSG Incumplimiento de las

Más detalles

EJERCICIOS RESUELTOS DE ESTADÍSTICA II

EJERCICIOS RESUELTOS DE ESTADÍSTICA II EJERCICIOS RESUELTOS DE ESTADÍSTICA II RESUMEN DE EJERCICIOS DADOS EN CLASES PARTE II POR: EILEEN JOHANA ARAGONES GENEY DISTRIBUCIONES DOCENTE: JUAN CARLOS V ERGARA SCHMALBACH ESTIMACIÓN PRUEBAS DE HIPÓTESIS

Más detalles

PRÁCTICA 3: Ejercicios del capítulo 5

PRÁCTICA 3: Ejercicios del capítulo 5 PRÁCICA 3: Eercicios del capítulo 5 1. Una empresa bancaria a contratado a un equipo de expertos en investigación de mercados para que les asesoren sobre el tipo de campaña publicitaria más recomendable

Más detalles

Lección 10: División de Polinomios. Dra. Noemí L. Ruiz Limardo 2009

Lección 10: División de Polinomios. Dra. Noemí L. Ruiz Limardo 2009 Lección 10: División de Polinomios Dra. Noemí L. Ruiz Limardo 009 Objetivos de la lección Al finalizar esta lección los estudiantes: Dividirán polinomios de dos o más términos por polinomios de uno y dos

Más detalles

Universidad de Sonora Departamento de Matemáticas Área Económico Administrativa

Universidad de Sonora Departamento de Matemáticas Área Económico Administrativa Universidad de Sonora Departamento de Matemáticas Área Económico Administrativa Materia: Estadística I Maestro: Dr. Francisco Javier Tapia Moreno Semestre: 015- Hermosillo, Sonora, a 14 de septiembre de

Más detalles

Fase 2. Estudio de mercado: ESTADÍSTICA

Fase 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 detalles

Uso de la simulación en hoja de cálculo como herramienta pedagógica para la inferencia estadística.

Uso de la simulación en hoja de cálculo como herramienta pedagógica para la inferencia estadística. USO DE LA SIMULACIÓN EN HOJA DE CÁLCULO COMO HERRAMIENTA PEDAGÓGICA PARA LA INFERENCIA ESTADÍSTICA: APLICACIÓN A LAS PROPIEDADES CLÁSICAS DE LOS ESTIMADORES Carlos Martínez de Ibarreta Zorita Departamento

Más detalles

PROCESOS INDUSTRIALES

PROCESOS 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 detalles

Tema 1.- Correlación Lineal

Tema 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 detalles

ESTADÍSTICA SEMANA 3

ESTADÍSTICA 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 detalles

RESUMEN DE CONCEPTOS

RESUMEN DE CONCEPTOS RESUMEN DE CONCEPTOS 1º ESO MATEMÁTICAS NÚMEROS NATURALES (1) Múltiplo de un número: Un número es múltiplo de otro si el segundo está contenido en el primero un número exacto de veces. Ejemplo: 16 es múltiplo

Más detalles

FORMATO CONDICIONAL EN EXCEL

FORMATO CONDICIONAL EN EXCEL FORMATO CONDICIONAL EN EXCEL El Formato Condicional es una herramienta muy útil como información gráfica adicional para los datos numéricos que están en celdas o en rangos. Este tipo de formato tiene un

Más detalles

LECTURA 01: LA DISTRIBUCIÓN NORMAL GENERAL. LA DISTRIBUCIÓN NORMAL ESTÁNDAR (PARTE I). TEMA 1: LA DISTRIBUCION NORMAL GENERAL.

LECTURA 01: LA DISTRIBUCIÓN NORMAL GENERAL. LA DISTRIBUCIÓN NORMAL ESTÁNDAR (PARTE I). TEMA 1: LA DISTRIBUCION NORMAL GENERAL. LECTURA 1: LA DISTRIBUCIÓN NORMAL GENERAL LA DISTRIBUCIÓN NORMAL ESTÁNDAR (PARTE I) TEMA 1: LA DISTRIBUCION NORMAL GENERAL PROPIEDADES 1 INTRODUCCION La distribución de probabilidad continua más importante

Más detalles

Reporte de Pobreza y Desigualdad DICIEMBRE 2015

Reporte 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 detalles

CAPÍTULO I. INTRODUCCIÓN. Cuando se requiere obtener información de una población, y se desean obtener los mejores

CAPÍTULO I. INTRODUCCIÓN. Cuando se requiere obtener información de una población, y se desean obtener los mejores CAPÍTULO I. INTRODUCCIÓN I.1 Breve Descripción Cuando se requiere obtener información de una población, y se desean obtener los mejores y más completos resultados, el censo es una opción para dar una respuesta

Más detalles

GEOMETRÍA ANALÍTICA LA CIRCUNFERENCIA

GEOMETRÍA ANALÍTICA LA CIRCUNFERENCIA LA CIRCUNFERENCIA CONTENIDO. Ecuación común de la circunferencia Ejemplos. Ecuación general de la circunferencia. Análisis de la ecuación. Ejercicios Estudiaremos cuatro curvas que por su importancia aplicaciones

Más detalles

APLICACIÓN DEL SISTEMA FLOWDRILL EN PLACAS DE ACERO INOXIDABLES

APLICACIÓN DEL SISTEMA FLOWDRILL EN PLACAS DE ACERO INOXIDABLES APLICACIÓN DEL SISTEMA FLOWDRILL EN PLACAS DE ACERO INOXIDABLES Autores Alberto Gallegos Araya, Ramon Araya Gallardo Departamento Mecánica. Universidad de Tarapacá. 8 Septiembre Arica -e-mail: gallegos@uta.cl

Más detalles

CAPITULO 6. Análisis Dimensional y Semejanza Dinámica

CAPITULO 6. Análisis Dimensional y Semejanza Dinámica CAPITULO 6. Análisis Dimensional y Semejanza Dinámica Debido a que son pocos los flujos reales que pueden ser resueltos con exactitud sólo mediante métodos analíticos, el desarrollo de la mecánica de fluidos

Más detalles

Tema 4. Probabilidad Condicionada

Tema 4. Probabilidad Condicionada Tema 4. Probabilidad Condicionada Presentación y Objetivos. En este tema se dan reglas para actualizar una probabilidad determinada en situaciones en las que se dispone de información adicional. Para ello

Más detalles

Pronósticos Automáticos

Pronósticos 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 detalles

Conceptos básicos estadísticos

Conceptos básicos estadísticos Conceptos básicos estadísticos Población Población, en estadística, también llamada universo o colectivo, es el conjunto de elementos de referencia sobre el que se realizan las observaciones. El concepto

Más detalles

Cálculo de bisección inversa mediante mínimos cuadrados

Cálculo de bisección inversa mediante mínimos cuadrados www.topoedu.es Los mejores recursos especializados en topografía y geodesia, nunca vistos hasta ahora. Hojas técnicas de cálculo: Cálculo de bisección inversa mediante mínimos cuadrados Versión 1. Febrero

Más detalles

Percentil q (p q ) Si en este conjunto de valores se quiere encontrar el percentil 20, la solución gráfica es muy simple

Percentil q (p q ) Si en este conjunto de valores se quiere encontrar el percentil 20, la solución gráfica es muy simple Percentil q (p q ) Una medida de posición muy útil para describir una población, es la denominada 'percentil'. En forma intuitiva podemos decir que es un valor tal que supera un determinado porcentaje

Más detalles

Cursos: Jorge Mendoza Illescas Nombre del programa o curso Temas principales del programa o curso Duración del curso en horas Conceptos básicos

Cursos: 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 detalles

1 Introducción. 2 Modelo. Hipótesis del modelo MODELO DE REGRESIÓN LOGÍSTICA

1 Introducción. 2 Modelo. Hipótesis del modelo MODELO DE REGRESIÓN LOGÍSTICA MODELO DE REGRESIÓN LOGÍSTICA Introducción A grandes rasgos, el objetivo de la regresión logística se puede describir de la siguiente forma: Supongamos que los individuos de una población pueden clasificarse

Más detalles

La prueba extraordinaria de septiembre está descrita en los criterios y procedimientos de evaluación.

La prueba extraordinaria de septiembre está descrita en los criterios y procedimientos de evaluación. La prueba extraordinaria de septiembre está descrita en los criterios y procedimientos de evaluación. Los contenidos mínimos de la materia son los que aparecen con un * UNIDAD 1: LOS NÚMEROS NATURALES

Más detalles

MÓDULO 1: GESTIÓN DE CARTERAS

MÓDULO 1: GESTIÓN DE CARTERAS MÓDULO 1: GESTIÓN DE CARTERAS TEST DE EVALUACIÓN 1 Una vez realizado el test de evaluación, cumplimenta la plantilla y envíala, por favor, antes del plazo fijado. En todas las preguntas sólo hay una respuesta

Más detalles

Análisis de Decisiones II. Tema 17 Generación de números al azar. Objetivo de aprendizaje del tema

Análisis de Decisiones II. Tema 17 Generación de números al azar. Objetivo de aprendizaje del tema Tema 17 Generación de números al azar Objetivo de aprendizaje del tema Al finalizar el tema serás capaz de: Obtener números aleatorios a partir de un proceso de generación. Validar las características

Más detalles

Identificación de inecuaciones lineales en los números reales

Identificación de inecuaciones lineales en los números reales Grado Matematicas - Unidad Operando en el conjunto de Tema Identificación de inecuaciones lineales en los números reales Nombre: Curso: A través de la historia han surgido diversos problemas que han implicado

Más detalles

CONTRASTES DE HIPÓTESIS NO PARAMÉTRICOS

CONTRASTES DE HIPÓTESIS NO PARAMÉTRICOS CONTRASTES DE HIPÓTESIS NO PARAMÉTRICOS 1 POR QUÉ SE LLAMAN CONTRASTES NO PARAMÉTRICOS? A diferencia de lo que ocurría en la inferencia paramétrica, ahora, el desconocimiento de la población que vamos

Más detalles

Tema 4: Probabilidad y Teoría de Muestras

Tema 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 detalles

Aplicación de la norma ANSI/PMI 99-001:2004 a la gestión de proyectos de una empresa del Sector de la Construcción.

Aplicación 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 detalles

Fue miembro de la Japán Association for Quality Control y la Japanesse Standard Association.

Fue miembro de la Japán Association for Quality Control y la Japanesse Standard Association. Filosofía de la calidad Genichi Taguchi Biografía El Dr. Genichi Taguchi nació en Japón el 1 de enero de 1924. Se graduó como ingeniero mecánico en la Universidad de Kiryu. En 1962 obtuvo el doctorado

Más detalles

ANALISIS DE FRECUENCIA EN HIDROLOGIA JULIAN DAVID ROJO HERNANDEZ

ANALISIS DE FRECUENCIA EN HIDROLOGIA JULIAN DAVID ROJO HERNANDEZ ANALISIS DE FRECUENCIA EN HIDROLOGIA JULIAN DAVID ROJO HERNANDEZ Probabilidad - Período de retorno y riesgo La probabilidad de ocurrencia de un fenómeno en hidrología puede citarse de varias Formas: El

Más detalles