APLICACIÓN DEL MÉTODO CSP A LA MEJORA DE LA FIABILIDAD. EJEMPLO PRÁCTICO.
|
|
- Ramón Belmonte Maldonado
- hace 7 años
- Vistas:
Transcripción
1 VII CONGRESO DE CONFIABILIDAD APLICACIÓN DEL MÉTODO CSP A LA MEJORA DE LA FIABILIDAD. EJEMPLO PRÁCTICO. Arturo Ruiz-Falcó Rojas aruiz-falco@atisae.com Noviembre,
2 AGENDA ORIGEN DEL MÉTODO BÚSQUEDA DE COMPONENTES (COMPONENTS SEARCH PATTERNS). PARA QUÉ SIRVE EL MÉTODO CSP? CUÁNDO ES APLICABLE EL MÉTODO CSP? CÓMO SE APLICA EL MÉTODO CSP? DE MANERA PARALELA, SE REALIZARÁ UNA APLICACIÓN A UN EJEMPLO 2
3 ORIGEN DEL MÉTODO DORIAN SHAININ ( ) INGENIERO CON CONOCIMIENTOS PROFUNDOS DE ESTADÍSTICA. HA APORTADO HERRAMIENTAS MUY EFECTIVAS PARA LA RESOLUCIÓN DE PROBLEMAS. DESARROLLÓ EL MÉTODO MULTIPLE ENVIRONMENT OVERSTRESS, QUE SE APLICÓ CON GRAN ÉXITO AL MÓDULO LUNAR DEL PROYECTO APOLLO. 3
4 PRINCIPALES HERRAMIENTAS DE SHAININ GRÁFICO MULTIVARI. COMPARACIONES EMPAREJADAS. BÚSQUEDA DE COMPONENTES - COMPONENTS SEARCH PATTERNS (CSP). BÚSQUEDA DE VARIABLES - VARIABLES SEARCH PATTERNS (VSP). FACTORIALES COMPLETOS. B VS C. DIAGRAMA DE DISPERSIÓN: PARALELOGRAMO DE TOLERANCIAS 4
5 PARA QUÉ SIRVE EL MÉTODO CSP? PROPORCIONA UNA SISTÉMÁTICA PARA AVERIGUAR POR QUÉ UNOS EQUIPOS FALLAN Y OTROS NO 5
6 CUANDO ES POSIBLE APLICAR COMPONENT SEARCH? 1) CONJUNTOS (EQUIPOS O SISTEMAS) QUE INCORPOREN SUBCONJUNTOS (EQUIPOS O COMPONENTES). A B C D E F 6
7 CUANDO ES POSIBLE APLICAR COMPONENT SEARCH? 2) LA CARACTERÍSTICA DE CALIDAD DEBE SER MEDIBLE Y REPETIBLE. 7
8 CUANDO ES POSIBLE APLICAR COMPONENT SEARCH? 3) DEBE SER POSIBLE DESMONTAR Y VOLVER A MONTAR EL EQUIPO O SISTEMA SIN QUE ELLO AFECTE A LAS PRESTACIONES ES DECIR, NO SE DEBE DESTRUIR EL EQUIPO POR EL DESMONTAJE
9 CUANDO ES POSIBLE APLICAR COMPONENT SEARCH? 4) DEBEN EXISTIR DOS GRUPOS CON NIVELES DE PRESTACIONES MUY DIFERENTES. POR EJEMPLO: FUNCIONA / NO FUNCIONA FALLOS INFANTILES ETC. 9
10 CUANDO ES POSIBLE APLICAR COMPONENT SEARCH? RESUMEN 1) CONJUNTOS (EQUIPOS O SISTEMAS) QUE INCORPOREN SUBCONJUNTOS (EQUIPOS O COMPONENTES). 2) LAS PRESTACIONES DEL EQUIPO O SISTEMAS SON MEDIBLES Y REPETIBLES. 3) DEBE SER POSIBLE DESMONTAR Y VOLVER A MONTAR EL EQUIPO O SISTEMA SIN QUE ELLO AFECTE A LAS PRESTACIONES. 4) DEBEN EXISTIR DOS GRUPOS CON NIVELES DE PRESTACIONES MUY DIFERENTES. 10
11 DE QUÉ FASES CONSTA COMPONENT SEARCH PATTERN? CONSTA DE LAS ETAPAS SIGUIENTES: ETAPA 1: ACOTAMIENTO (BALLPARK). SIRVE PARA COMPROBAR SI LAS CAUSAS PRINCIPALES ESTÁN INCLUIDAS. ETAPA 2: ETAPA DE ELIMINACIÓN. SIRVE PARA ELIMINAR LAS CAUSAS NO INFLUYENTES. ETAPA 3: COMPROBACIÓN (CAPPING RUN). SIRVE PARA COMPROBAR QUE LAS CAUSAS CLASIFICADAS IMPORTANTES TIENEN UN EFECTO SIGNIFICATIVO, Y EL RESTO NO INFLUYE. ETAPA 4:ANÁLISIS FACTORIAL. SIRVE PARA CUANTIFICAR LA MAGNITUD DEL EFECTO Y DE LAS INTERACCIONES. 11
12 VEAMOS EL MÉTODO CON UN EJEMPLO CONJUNTO ELECTROMECÁNICO COMPUESTO DE SEIS SUBCONJUNTOS DESMONTABLES LA CARACTERÍSTICA DE CALIDAD ES MEDIBLE (POR EJ. W). ESTA CARACTERÍSTICA ESTÁ ASOCIADA AL FALLO EN DETERMINADAS CONDICIONES. LA TASA DE FALLO ES INACEPTABLE Y NO SE SABE LA CAUSA DE LOS FALLOS
13 ETAPA 1: ACOTAMIENTO (BALLPARK), PASO 1 SELECCIONAR UNA UNIDAD DE LAS BUENAS Y OTRA DE LAS MALAS (POR EJEMPLO LA MEJOR Y LA PEOR ) UNIDAD MALA M UNIDAD BUENA B d 13
14 ETAPA 1: ACOTAMIENTO (BALLPARK), PASO 2 DETERMINAR UN PARÁMETRO CUANTITATIVO QUE REPRESENTE LA CALIDAD DE LAS MISMAS ESTE PARÁMETRO DEBE ESTAR RELACIONADO CON EL FALLO. EN EL EJEMPLO, SI EL VALOR ES MENOR QUE 20, SE CONSIDERA QUE EL EQUIPO HA FALLADO 14
15 ETAPA 1: ACOTAMIENTO (BALLPARK), PASO 3 MEDIR AMBAS UNIDADES Y ANOTAR LAS MEDIDAS MEDIDA 1m =10 MEDIDA 1b =32 15
16 ETAPA 1: ACOTAMIENTO (BALLPARK), PASO 4A DESMONTAR Y VOLVER A MONTAR LOS SEIS COMPONENTES DE AMBAS UNIDADES (1 er DESMONTAJE) ,2,3,4,5,
17 ETAPA 1: ACOTAMIENTO (BALLPARK), PASO 4B MEDIR NUEVAMENTE AMBAS UNIDADES Y ANOTAR LAS MEDIDAS MEDIDA 2m =9 MEDIDA 2b =30 17
18 ETAPA 1: ACOTAMIENTO (BALLPARK), PASO 5A DESMONTAR Y VOLVER A MONTAR LOS SEIS COMPONENTES DE AMBAS UNIDADES (2 o DESMONTAJE) ,2,3,4,5,
19 ETAPA 1: ACOTAMIENTO (BALLPARK), PASO 5B MEDIR NUEVAMENTE AMBAS UNIDADES Y ANOTAR LAS MEDIDAS MEDIDA 2m =8 MEDIDA 2b =33 19
20 ETAPA 1: ACOTAMIENTO (BALLPARK), PASO 6 CALCULAR LA MEDIANA Y EL RECORRIDO d DE LA MEDIDAS DE CADA UNIDAD. CALCULAR LA DIFERENCIA D DE AMBAS MEDIANAS Y EL RECORRIDO MEDIO UNIDAD MEDIDA 1 MEDIDA 2 MEDIDA 3 MEDIANA RECORRIDO d BUENA M MALA M d = = 2, 5 D = 32 9 =
21 ETAPA 1: ACOTAMIENTO (BALLPARK), PASO 6 CON ESTO PODEMOS COMPARAR LA DIFERENCIA ENTRE LAS BUENAS Y LAS MALAS CON LA VARIABILIDAD DENTRO DE CADA GRUPO DEBIDA A OTRAS CAUSAS (MEDIDA, AJUSTES DEL MONTAJE, ETC.) D D Buena Mala Inicial 1 er Desm. 2 o Desm. Inicial 1 er Desm.2 o Desm. CASO A) LAS BUENAS Y LAS MALAS ESTÁN CLARAMENTE SEPARADAS CASO B) LAS BUENAS Y LAS MALAS NO ESTÁN CLARAMENTE SEPARADAS 21
22 ETAPA 1: ACOTAMIENTO (BALLPARK), PASO 6 ES DECIR D D Buena Mala Inicial 1 er Desm. 2 o Desm. Inicial 1 er Desm.2 o Desm. CASO A) LAS BUENAS SIGUEN SIENDO BUENAS Y LAS MALAS SIGUEN SIENDO MALAS A PESAR DE LAS OPERACIONES DE MONTAJES, LUEGO LA CAUSA SERÁ DEBIDA A ALGUNO DE LOS SUBCONJUNTOS CASO B) LAS BUENAS PUEDEN PASARA A SER MALAS Y VICEVERSA CON LOS MISMOS COMPONENTES, LUEGO LA CAUSA NO SERÁ DEBIDA A ALGUNO DE LOS SUBCONJUNTOS. HABRÁ QUE BUSCARLA EN OTRO SUBCONJUNTO, MEDIDA, AJUSTES DEL MONTAJE, ETC 22
23 ETAPA 1: ACOTAMIENTO (BALLPARK), PASO 6 CUAL CRITERIO PARA SABER SI ESTAMOS EN EL CASO A? 1) LAS TRES MEDIDAS DE LA UNIDAD BUENA DEBEN SER MEJOR QUE LAS TRES MEDIDAS DE LA UNIDAD MALA 2) LA DIFERENCIA D DE AMBAS MEDIANAS DEBE SER MAYOR QUE: D > 1,25*d EN ESTE EJEMPLO: D = 21 ; d = 2,5; 1,25* 2,5 = 3,12 << 23 POR LO QUE PODEMOS CONCLUIR QUE AMBOS GRUPOS ESTÁN SUFICIENTEMENTE SEPARADOS, ES DECIR QUE LA CAUSA DE LOS FALLOS ESTÁ EN ALGUNO DE LOS SEIS COMPONENTES 23
24 ETAPA 1: ACOTAMIENTO (BALLPARK) RESUMEN 1. SELECCIONAR UNA UNIDAD DE LAS BUENAS Y OTRA DE LAS MALAS. 2. DETERMINAR UN PARÁMETRO CUANTITATIVO QUE REPRESENTE LA CALIDAD DE LAS MISMAS. 3. MEDIR AMBAS UNIDADES Y ANOTAR LAS MEDIDAS. 4. DESMONTAR Y VOLVER A MONTAR LAS UNIDADES Y VOLVERLAS A MEDIR. ANOTAR LAS MEDIDAS. 5. REPETIR EL DESMONTAJE Y VOLVER A MEDIR. 6. CALCULAR LA MEDIANA Y EL RANGO DE LA MEDIDAS DE CADA UNIDAD. CALCULAR LA DIFERENCIA D DE AMBAS MEDIANAS Y EL RECORRIDO MEDIO d 24
25 D > 1,25 ETAPA 1: ACOTAMIENTO (BALLPARK) SE PUEDE AFIRMAR CON UN NIVEL DE CONFIANZA DEL 95% LA CAUSA DEL PROBLEMA ESTÁ EN ALGUNO DE LOS SUBCONJUNTOS. SE DEBE CONTINUAR CON EL CSP PARA AVERIGUAR CUÁL ES. D < 1,25 POSIBLES CONCLUSIONES d d SE PUEDE AFIRMAR CON UN NIVEL DE CONFIANZA DEL 95% LA CAUSA DEL PROBLEMA NO ESTÁ EN ALGUNO DE LOS SUBCONJUNTOS. LA CAUSA PUEDE ESTAR EN: OTRO SUBCONJUNTO NO DESMONTADO. PROCESO DE MONTAJE. DISTINTAS CONDICIONES DE OPERACIÓN. 25
26 ETAPA 1: ACOTAMIENTO (BALLPARK) DE MANERA GRÁFICA D > 125, d Buena Mala Inicial 1 er Desm. 2 o Desm. 26
27 PERO TODAVÍA NO SABEMOS QUÉ COMPONENTES ES EL RESPONSABLE DE ACUERDO, PASEMOS A LA ETAPA SIGUIENTE, ELIMINACIÓN EN ELLA IDENTICAREMOS AL RED X Y AL PINK X 27
28 RED X? PINK X? ASÍ LOS DENOMINA SHAININ. RED X ES LA CAUSA QUE MÁS CONTRIBUYE AL PROBLEMA. LAS PINK X SON LAS QUE CONTRIBUYEN EN UNA MEDIDA MENOR DIRECTAMENTE O INTERACCIONANDO CON OTROS. 28
29 ETAPA 2: ETAPA DE ELIMINACIÓN, PASO 1 LISTAR LOS COMPONENTES POR ORDEN DE IMPORTANCIA EN EL RESULTADO. PARA ELLO SE REQUIERE EL CONCURSO DE ESPECIALISTAS. SI EL ORDEN NO FUERA EL REAL, LA ÚNICA CONSECUENCIA ES QUE SE TARDA MÁS TIEMPO EN LLEGAR A LA LOCALIZACIÓN DEL RED X Y EL PINK X. EN NUESTRO EJEMPLO, LOS EXPERTOS CREEN QUE LO MÁS PROBABLE ES QUE LA CAUSA ESTÉ EN EL SUBCONJUNTO DENOMINADO 1, SEGUIDO DEL 2, ETC. EN EL EJEMPLO LOS EXPERTOS OPINAN: ORDEN DE PROBABILIDAD SUBCONJUNTO 1 SUBCONJUNTO 2 SUBCONJUNTO 3 SUBCONJUNTO 4 SUBCONJUNTO 5 SUBCONJUNTO 6 29
30 ETAPA 2: ETAPA DE ELIMINACIÓN, PASO 2 CALCULAR LOS LÍMITES DE CONTROL DENTRO DE LOS CUALES PUEDEN VARIAR LOS RESULTADOS DEL ENSAYO DEBIDO ÚNICAMENTE A CAUSAS ALEATORIAS * LC medianas = mediana ± t ( 0, 95) d / d = mediana ± 2, 776d / 1, EN EL EJEMPLO: LC Sup Buenas = ,776 * 2,5 /1,81 = LC Inf Buenas = 32 2,776 * 2,5 /1,81 = LC Sup Malas = 9 + 2,776 * 2,5 /1,81 = LC Inf Malas = 9 2,776 * 2,5 /1,81 =
31 ETAPA 2: ETAPA DE ELIMINACIÓN, PASO ENTRE ESTOS VALORES PUEDEN FLUCTUAR LAS UNIDADES BUENAS ENTRE ESTOS VALORES PUEDEN FLUCTUAR LAS UNIDADES MALAS Inicial D- 1 D Capping run 31
32 ETAPA 2: ETAPA DE ELIMINACIÓN, PASO 3 PERMUTAR EL PRIMER COMPONENTE EN LOS DOS CONJUNTOS Y MEDIR. PUEDEN OCURRIR LOS SIGUIENTES CASOS:
33 ETAPA 2: ETAPA DE ELIMINACIÓN, PASO 3 40 CASO 1: NO AFECTA AL RESULTADO. ESTE COMPONENTE ES INERTE Y NO ES LA CAUSA DEL PROBLEMA. DESCARTARLO Y CONTINUAR PERMUTANDO Inicial D- 1 D Capping run 33
34 ETAPA 2: ETAPA DE ELIMINACIÓN, PASO 3 40 CASO 2: SE INVIERTE EL RESULTADO. EUREKA EL COMPONENTE CAMBIADO ES EL RED X! PROBLEMA SOLUCIONADO Inicial D- 1 D Capping run 34
35 ETAPA 2: ETAPA DE ELIMINACIÓN, PASO 3 40 CASO 3: NO SE INVIERTE EL RESULTADO PERO ESTÁ FUERA DE LOS LÍMITES DE CONTROL. EUREKA EL COMPONENTE CAMBIADO ES UN PINK X! ESTE ELEMENTO ES PARCIALMENTE RESPONSABLE DEL PROBLEMA. CONTINUAR PERMUTANDO Inicial D- 1 D Capping run 35
36 ETAPA 2: ETAPA DE ELIMINACIÓN, PASO 3 PERMUTA COMPONENTE 1 NO HAY CAMBIO DE RESULTADO HAY CAMBIO DE RESULTADO CAMBIO PARCIAL DE RESULTADO COMPONENTE 1 INOCUO COMPONENTE 1 = RED X COMPONENTE 1 = PINK X VOLVER A CAMBIAR 1 E IR AL SIGUIENTE 36
37 ETAPA 2: ETAPA DE ELIMINACIÓN, PASO 3 PERMUTAR EL SIGUIENTE COMPONENTE EN LOS DOS CONJUNTOS Y MEDIR. INTERPRETAR RESULTADO
38 ETAPA 2: ETAPA DE ELIMINACIÓN EN ESTE EJEMPLO SE HAN OBTENIDO LOS SIGUIENTES RESULTADOS: Componente cambiado Montaje "bueno" Resultado Límites de Control inferior Límites de Control superior Montaje "malo" Resultado Inicial = 32 = 10 D-1 = 30 = 9 D-2 = 33 = 8 Mediana 32 9 Recorrido 3 2 Límites de Control inferior Límites de Control superior Conclusión 1 1 M R B 31 28,2 35,8 1 B R M 10 5,2 12,8 2 2 M R B 25 28,2 35,8 2 B R M 12 5,2 12,8 2 Pink X, M R B 30 28,2 35,8 3 B R M 11 5,2 12,8 4 4 M R B 22 28,2 35,8 4 B R M 15 5,2 12,8 4 Pink X, M R B 31 28,2 35,8 5 B R M 12 5,2 12,8 6 6 M R B 30 28,2 35,8 6 B R M 9 5,2 12,8 Capping run 2 B 4 B R M 31 28,2 35,8 2 M 4 M R B 12 5,2 12,8 38
39 ETAPA 2: ETAPA DE ELIMINACIÓN, EJEMPLO GRÁFICAMENTE Inicial D- 1 D Capping run 39
40 ETAPA 2: ETAPA DE ELIMINACIÓN RESUMEN LISTAR LOS COMPONENTES POR ORDEN DE IMPORTANCIA EN EL RESULTADO. SI EL ORDEN NO FUERA EL REAL, LA ÚNICA CONSECUENCIA ES QUE SE TARDA MÁS TIEMPO EN LLEGAR A LA LOCALIZACIÓN DEL RED X Y EL PINK X. CALCULAR LOS LÍMITES DE CONTROL DENTRO DE LOS CUALES PUEDEN VARIAR LOS RESULTADOS DEL ENSAYO DEBIDO ÚNICAMENTE A CAUSAS ALEATORIAS. PERMUTAR EL PRIMER COMPONENTE EN LOS DOS CONJUNTOS: SI EL RESULTADO SE INVIERTE, EL COMPONENTE CAMBIADO ES SIN NINGUNA DUDA EL RED X. NO ES PRECISO CONTINUAR LOS ENSAYOS. SI NO HAY CAMBIO, ESTE COMPONENTE ES INERTE, TANTO ÉL COMO SUS INTERACCIONES (NO ES LA CAUSA DEL PROBLEMA). CONTINUAR PERMUTANDO EL COMPONENTE SIGUIENTE. SI HAY UN CAMBIO PARCIAL, PUEDE SER EL PINK X O INTERACTUAR CON OTRO COMPONENTE. 40
41 ETAPA 3: COMPROBACIÓN (CAPPING RUN) SI X E Y SON LOS COMPONENTES CALIFICADOS COMO RED X Y PINK X, Y R SON EL RESTO DE LOS COMPONENTES, MONTAR LAS UNIDADES: XYR XYR B B M M M B CON ESTE CAMBIO DEBE REVERTIRSE EL RESULTADO 41
42 ETAPA 2: ETAPA DE ELIMINACIÓN, PASO 2 EN ESTE EJEMPLO SE HAN OBTENIDO EL SIGUIENTE RESULTADO: Inicial D- 1 D Capping run 42
43 ETAPA 3: COMPROBACIÓN (CAPPING RUN) Inicial D- 1 D Capping run 43
44 CONCLUSIÓN SE CONCLUYE QUE LA LA CAUSA DEL FALLO DEL EJEMPLO ESTÁ EN LOS COMPONENTE 2 y 6 Y EN SU INTERACCIÓN. EL PROBLEMA A NIVEL SUBCONJUNTO ESTÁ RESUELTO. SERÍA NECESARIO CONTINUAR LA INVESTIGACIÓN PARA AVERIGUAR LAS DIFERENCIAS EXISTENTES ENTRE LOS SUBCONJUNTOS 2 Y 4 BUENOS Y MALOS 44
45 ETAPA 4: ANÁLISIS FACTORIAL SI SE HUBIERA ABORDADO INICIALMENTE UNA EXPERIMENTACIÓN BASADA EN DISEÑOS FACTORIALES COMPLETOS A 2 NIVELES, SE HUBIERAN PRECISADO 2 6 =64 EXPERIMENTOS. SI EL EQUIPO HUBIERA SIDO MÁS COMPLEJO, POR EJEMPLO CON 8 SUBCONJUNTOS, SE HUBIERAN REQUERIDO 2 8 =256 EXPERIMENTOS LA ALTERNATIVA, DISEÑOS FACTORIALES FRACCIONALES, PRESENTA EL INCONVENIENTE DE CONFUNDIR EFECTOS PRINCIPALES CON INTERACCIONES. CON EL MÉTODO SEGUIDO, SE HA OBTENIDO UN DISEÑO FACTORIAL COMPLETO Y REPLICADO CON LOS FACTORES QUE INFLUYEN: 45
46 SE HA OBTENIDO UN ANÁLISIS FACTORIAL 2 2 REPLICADO 2 RÉPLICAS 8 RÉPLICAS Experimento Result. 2B 25 4M 15 Bueno 20,000 31,000 Experimento Result. Inicial B 32 D-1 B 30 D-2 B 33 1B 31 3B 30 5B 31 6B 30 Cap. Run B 31 8 RÉPLICAS SUBCONJUNTO 4 Experimento Result. Inicial M 10 D-1 M 9 D-2 M 8 1M 10 3M 11 5M 12 6M 9 Cap. Run M 12 Malo 10,125 Malo SUBCONJUNTO 2 17,000 Bueno 2 RÉPLICAS Experimento Result. 4B 22 2M 12 46
47 ESTO PERMITE CUANTIFICAR EL EFECTO DE LOS SUBCONJUNTOS EN EL RESULTADO AUNQUE EN EL EJEMPLO EXPUESTO NO RESULTA INTERESANTE, ES POSIBLE CUANTIFICAR EL EFECTO SUBCONJUNTO BUENO/ MALO EN LA RESPUESTA 47
48 CUANTIFICACIÓN DE LOS EFECTOS Diagrama de Efectos Principales en la Respuesta 30 SUBCONJUNTO 2 SUBCONJUNTO 4 Media de la Respuesta Malo Bueno Malo Bueno 48
49 CUANTIFICACIÓN DE LOS EFECTOS Diagrama de Interacción en la Respuesta 30 SUBCONJUNTO 2 Malo Bueno 25 Media Malo SUBCONJUNTO 4 Bueno 49
50 CUANTIFICACIÓN DE LOS EFECTOS Constante 19,53 SUBCONJUNTO 2 4,47 SUBCONJUNTO 4 5,97 SUBCONJUNTO 1,03 2*SUBCONJUNTO 4 R = 19,53 + 4,47K + K K 2 + 5,97K 4 1,
51 MUCHAS GRACIAS POR SU ATENCIÓN 51
APLICACIÓN DEL MÉTODO CSP A LA MEJORA DE LA FIABILIDAD. EJEMPLO PRÁCTICO
APLICACIÓN DEL MÉTODO CSP A LA MEJORA DE LA FIABILIDAD. EJEMPLO PRÁCTICO Ponencia presentada por Arturo Ruiz-Falcó Rojas, en el VII Congreso de Confiabilidad, organizado por la Asociación Española para
Más detallesIntroducción a la Estadística Aplicada en la Química
Detalle de los Cursos de Postgrado y Especialización en Estadística propuestos para 2015 1/5 Introducción a la Estadística Aplicada en la Química FECHAS: 20/04 al 24/04 de 2015 HORARIO: Diario de 10:00
Más detallesDISEÑO DE EXPERIMENTOS INTRODUCCIÓN
DISEÑO DE EXPERIMENTOS INTRODUCCIÓN QUE SON LOS DISEÑOS DE EXPERIMENTOS? El diseño de experimentos consiste en la preparación de una prueba o una serie de pruebas donde se hacen cambios intencionales a
Más detallesUNIVERSO QUE QUEREMOS ESTUDIAR
EXPERIMENTACION UNIVERSO QUE QUEREMOS ESTUDIAR QUEREMOS saber: Cómo funciona? Cómo evolucionará en el tiempo? EXPERIMENTACION SISTEMA Porción representativa del universo de estudio Obtenemos información
Más detallesAprender a construir gráficos X-S y conocer sus limitaciones.
Objetivos Aprender a construir gráficos X-R y conocer sus limitaciones. Aprender a construir gráficos X-S y conocer sus limitaciones. Comprender la relación entre los Gráficos de Control y el intervalo
Más detallesVALIDEZ RELATIVA DEL VALOR NUMÉRICO DEL FACTOR DE SEGURIDAD DE UN TALUD
VALIDEZ RELATIVA DEL VALOR NUMÉRICO DEL FACTOR DE SEGURIDAD DE UN TALUD Gianfranco Perri Ingeniero Consultor, Profesor de Diseño Geotécnico de Taludes en la Universidad Central de Venezuela Resumen Se
Más detallesMANTENIMIENTO INDUSTRIAL.
REPÚBLICA BOLIVARIANA DE VENEZUELA UNIVERSIDAD ALONSO DE OJEDA FACULTAD DE INGENIERÍA ESCUELA DE INDUSTRIAL MANTENIMIENTO INDUSTRIAL. Realizado por: Ing. Danmelys Perozo UNIDAD II: ESTADÍSTICAS DE FALLAS
Más detallesICC CONSULTI UL NG, G INC N.
Diplomado en Ingeniería Estadística - Enfoque algorítmico de reducción de la variación para el Mejoramiento de la Calidad en Procesos de Manufactura Instructor: Dr. Daniel Ballado Todo proceso nos está
Más detallesENRIC RUIZ MORILLAS ESTADÍSTICA APLICADA A EXPERIMENTOS Y MEDICIONES
ENRIC RUIZ MORILLAS ESTADÍSTICA APLICADA A EXPERIMENTOS Y MEDICIONES Índice 1. Experimento y medición...1 2. Frecuencia y probabilidad...3 3. Características teóricas de las variables aleatorias...25 4.
Más detallesÍNDICE INTRODUCCIÓN... 21
INTRODUCCIÓN... 21 CAPÍTULO 1. ORGANIZACIÓN DE LOS DATOS Y REPRESENTACIONES GRÁFICAS... 23 1. ORGANIZACIÓN DE LOS DATOS... 23 1.1. La distribución de frecuencias... 24 1.2. Agrupación en intervalos...
Más detallesDiseño de Experimentos
Diseño de Experimentos p. Diseño de Experimentos Isabel Casas Despacho: 10.0.04 mcasas@est-econ.uc3m.es Hector Cañada jcanada@est-econ.uc3m.es Introducción Los modelos que vamos a estudiar son usados para
Más detallesLos Gráficos de Control de Shewart
Los Gráficos de Control de Shewart La idea tradicional de inspeccionar el producto final y eliminar las unidades que no cumplen con las especificaciones una vez terminado el proceso, se reemplaza por una
Más detallesTema 7. Otras medidas descriptivas usuales Ejercicios resueltos 1
Tema 7. Otras medidas descriptivas usuales Ejercicios resueltos 1 Ejercicio resuelto 7.1 Los siguientes datos se corresponden con los retrasos (en minutos) de una muestra de 30 vuelos de cierta compañía
Más detallesDISEÑO 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 detallesSelección 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 detallesMANTENIMIENTO CENTRADO EN CONFIABILIDAD (MCC) DR. JORGE ACUÑA 1
MANTENIMIENTO CENTRADO EN CONFIABILIDAD (MCC) 1 ADMINISTRACION DEL news MANTENIMIENTO ( QUE ES? Mantenimiento: operación mediante la cual los sistemas están sometidos a rutinas de revisión, reparación
Más detallesTema 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 detallesCALCULO 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 detallesControl Estadístico de Procesos Capacidad de Proceso
Control Estadístico de Procesos Capacidad de Proceso Un proceso de fabricación es un conjunto de equipos, materiales, personas y métodos de trabajo que genera un producto fabricado. Maquinaria Métodos
Más detallesESTADÍSTICA. Población Individuo Muestra Muestreo Valor Dato Variable Cualitativa ordinal nominal. continua
ESTADÍSTICA Población Individuo Muestra Muestreo Valor Dato Variable Cualitativa ordinal nominal Cuantitativa discreta continua DISTRIBUCIÓN DE FRECUENCIAS Frecuencia absoluta: fi Frecuencia relativa:
Más detallesMETODOLOGIA SEIS SIGMA 5
METODOLOGIA SEIS SIGMA 5 Es una metodología científica ideal para la solución de problemas crónicos. Utiliza su activo humano, datos, herramientas estadísticas para identificar los pocos factores vitales
Más detalles1. Datos de identificación. Ninguna. 2. Propósito
1. Datos de identificación Asignatura DISEÑO EXPERIMENTAL Y ANÁLISIS ESTADÍSTICO Semestre I Clave Por asignar Asignatura precedente Ninguna Asignatura subsecuente Ninguna Horas por semana Teoría: 3 Extra
Más detallesFase de Análisis Yesenia Araya. 2014
Fase de Análisis Yesenia Araya. 2014 Organización por Procesos Proceso: Conjunto de recursos y actividades interrelacionadas que transforman elementos de entrada en elementos de salida con valor añadido
Más detallesINSTITUCIÓN EDUCATIVA NUESTRA SEÑORA DEL PALMAR SEDE LICEO FEMENINO GUÍA DE ESTADÍSTICA GRADO DÉCIMO
GUÍA DE ESTADÍSTICA GRADO DÉCIMO MEDIDAS DE POSICIÓN Las medidas de posición son medidas que permiten dividir el conjunto de datos en partes porcentuales. Estas medidas se usan para describir la posición
Más detallesFINAL 1ªEVAL 3ºESO. Materia: MATEMÁTICAS Nombre: Fecha:
Instrucciones para el examen: En caso de usar decimales, redondea a la milésima. Aunque utilices calculadora, muestra claramente los pasos y tu conocimiento de las expresiones o propiedades matemáticas
Más detallesÍNDICE CAPÍTULO 1. INTRODUCCIÓN
ÍNDICE CAPÍTULO 1. INTRODUCCIÓN 1.1. OBJETO DE LA ESTADÍSTICA... 17 1.2. POBLACIONES... 18 1.3. VARIABLES ALEATORIAS... 19 1.3.1. Concepto... 19 1.3.2. Variables discretas y variables continuas... 20 1.3.3.
Más detallesObjetivos. 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 detallesEstadísticas 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 detallesÍndice. Diseños factoriales. José Gabriel Palomo Sánchez E.U.A.T. U.P.M. Julio de 2011
Diseños factoriales José Gabriel Palomo Sánchez gabrielpalomo@upmes EUAT UPM Julio de 2011 Índice 1 Diseños factoriales con dos factores 1 Denición 2 Organización de los datos 3 Ventajas de los diseños
Más detallesTema 4: Probabilidad y Teoría de Muestras
Tema 4: Probabilidad y Teoría de Muestras Estadística. 4 o Curso. Licenciatura en Ciencias Ambientales Licenciatura en Ciencias Ambientales (4 o Curso) Tema 4: Probabilidad y Teoría de Muestras Curso 2008-2009
Más detallesEn ciencias e ingeniería (experimentales) es imprescindible realizar mediciones, que consisten en obtener
ERRORES DE MEDICION Y SU PROPAGACION En ciencias e ingeniería (experimentales) es imprescindible realizar mediciones, que consisten en obtener la magnitud fisica de algun atributo de objetos ( proceso,
Más detallesESTUDIO DE LA CONFIABILIDAD DE LAS PRUEBAS DE SELECCIÓN UNIVERSITARIA ADMISIÓN 2013
ESTUDIO DE LA CONFIABILIDAD DE LAS PRUEBAS DE SELECCIÓN UNIVERSITARIA ADMISIÓN 2013 Andrés Antivilo B. Paola Contreras O. Jorge Hernández M. Documento de trabajo Nº04 /14 Santiago, abril de 2014 Índice
Más detallesBloque 1. Contenidos comunes. (Total: 3 sesiones)
4º E.S.O. OPCIÓN A 1.1.1 Contenidos 1.1.1.1 Bloque 1. Contenidos comunes. (Total: 3 sesiones) Planificación y utilización de procesos de razonamiento y estrategias de resolución de problemas, tales como
Más detallesnorma española UNE-EN DOCUMENTO UNE-EN EXTRACTO DEL Análisis de Weibull Diciembre 2012 TÍTULO CORRESPONDENCIA OBSERVACIONES ANTECEDENTES
norma española UNE-EN 61649 Diciembre 2012 TÍTULO Análisis de Weibull Weibull analysis. Analyse de Weibull. CORRESPONDENCIA Esta norma es la versión oficial, en español, de la Norma Europea EN 61649:2008,
Más detallesTema 3: Probabilidad
Tema 3: Probabilidad Estadística. 4 o Curso. Licenciatura en Ciencias Ambientales Licenciatura en Ciencias Ambientales (4 o Curso) Tema 3: Probabilidad Curso 2009-2010 1 / 13 Índice 1 Fenómenos Aleatorios
Más detallesUNIVERSIDAD AUTONOMA DE SANTO DOMINGO
UNIVERSIDAD AUTONOMA DE SANTO DOMINGO FACULTAD DE CIENCIAS ECONOMICAS Y SOCIALES DEPARTAMENTO DE ESTADISITICA CATEDRA Estadística Especializada ASIGNATURA Estadística Industrial (EST-121) NUMERO DE CREDITOS
Más detallesTEMA 2: EL PROCESO DE MUESTREO
2.5. Determinación del tamaño de la muestra para la estimación en muestreo aleatorio estratificado TEMA 2: EL PROCESO DE MUESTREO 2.1. Concepto y limitaciones 2.2. Etapas en la selección de la muestra
Más detallesPrácticas 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 detallesJuan Carlos Colonia P. PROBABILIDADES
Juan Carlos Colonia P. PROBABILIDADES EXPERIMENTO ALEATORIO Se conocen todos los resultados posibles antes de realizar el experimento. Antes de realizar el experimento no se puede conocer el resultado
Más detallesCAPÍTULO III. Metodología. En este capítulo se da a conocer la metodología del presente estudio como parte del
29 CAPÍTULO III En este capítulo se da a conocer la metodología del presente estudio como parte del proceso de investigación, es decir, los sujetos de estudio, el material a utilizar y el procedimiento
Más detallesMétodos de Investigación en Psicología (11) Dra. Lucy Reidl Martínez Dra. Corina Cuevas Reynaud Dra. Renata López Hernández
Métodos de Investigación en Psicología (11) Dra. Lucy Reidl Martínez Dra. Corina Cuevas Reynaud Dra. Renata López Hernández El método incluye diferentes elementos Justificación Planteamiento del problema
Más detallesUNIVERSIDAD AUTÓNOMA DE CHIAPAS FACULTAD DE INGENIERÍA CAMPUS I PROBABILIDAD Y ESTADÍSTICA
UNIVERSIDAD AUTÓNOMA DE CHIAPAS FACULTAD DE INGENIERÍA CAMPUS I PROBABILIDAD Y ESTADÍSTICA NIVEL: LICENCIATURA CRÉDITOS: 9 CLAVE: ICAD24.500919 HORAS TEORÍA: 4.5 SEMESTRE: CUARTO HORAS PRÁCTICA: 0 REQUISITOS:
Más detallesProf. Angel Zambrano ENERO 2009 Universidad de Los Andes Escuela de Estadística
Prof. Angel Zambrano ENERO 009 Universidad de Los Andes Escuela de Estadística Muestreo: Es una metodología que apoyándose en la teoría estadística y de acuerdo a las características del estudio, indica
Más detallesCharlas para la gestión del Mantenimiento Fernando Espinosa Fuentes
Charlas para la gestión del Mantenimiento Fernando Espinosa Fuentes En las últimas dos décadas se han realizado importantes avances en el desarrollo de nuevas estrategias de mantenimiento. El progreso
Más detallesLección 3. Análisis conjunto de dos variables
Lección 3. Análisis conjunto de dos variables Estadística Descriptiva Parcialmente financiado a través del PIE13-04 (UMA) GARCÍA TEMA 3. ANÁLII CONJUNTO DE DO VARIABLE 3.1 COVARIANZA COEFICIENTE DE CORRELACIÓN
Más detalles2. Recolección de información - Medidas de posición: moda, media aritmética, mínimo, máximo - Frecuencia absoluta, relativa y porcentual
Prueba Escrita de matemática / Nivel: Sétimo año 1. Estadística - Unidad estadística - Características - Datos u observaciones - Población - Muestra - Variabilidad de los datos - Variables cuantitativas
Más detallesLABORATORIO 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 detallesDEFINICIÓN DE VALOR EN RIESGO (VAR) UNIDAD 3: VALOR EN RIESGO Profesor: Alvaro Vollmers H. PASOS PARA CALCULAR VAR VAR PARAMÉTRICO
DEFINICIÓN DE VALOR EN RIESGO (VAR) UNIDAD 3: VALOR EN RIESGO Profesor: Alvaro Vollmers H. La mayor pérdida probable sobre un horizonte objetivo, tal que la probabilidad de que ocurra una pérdida mayor
Más detallesTOTAL DE HORAS A LA SEMANA 4
ÁREA ACADÉMICA UNIVERSIDAD AUTÓNOMA DE ZACATECAS DISEÑO INSTRUCCIONAL:CARTA ANALÍTICA CIENCIAS DE LA SALUD UNIDAD ACADÉMICA PROGRAMA ACADÉMICO LICENCIATURA EN NUTRICIÓN LICENCIATURA EN NUTRICIÓN CICLO
Más detallesUNIVERSIDAD MARÍA AUXILIADORA UMA
CARRERA PROFESIONAL DE ENFERMERIA SÍLABO DE BIOESTADÍSTICA I. DATOS GENERALES: 1.1. Carreras profesionales : Enfermería 1.2. Semestre académico : 2015 - I 1.3. Ciclo : III 1.4. Pre-requisito : Matemática
Más detallesTema 8: Regresión y Correlación
Tema 8: Regresión y Correlación Estadística. 4 o Curso. Licenciatura en Ciencias Ambientales Licenciatura en Ciencias Ambientales (4 o Curso) Tema 8: Regresión y Correlación Curso 2008-2009 1 / 12 Índice
Más detallesPara llevar a cabo una simulación, se requiere implementar las siguientes etapas:
SIMULACIÓN: La simulación se define como una técnica numérica utilizada para representar un proceso o fenómeno mediante otro más simple que permite analizar sus características. Esta técnica emplea relaciones
Más detallesUNIVERSIDAD DE PUERTO RICO EN HUMACAO DEPARTAMENTO DE QUÍMICA (www.uprh.edu/~quimgen) Revisado: 16/agosto/ 2007
UNIVERSIDAD DE PUERTO RICO EN HUMACAO DEPARTAMENTO DE QUÍMICA (www.uprh.edu/~quimgen) Revisado: 16/agosto/ 2007 QUIM 3003-3004 MEDIDAS: TRATAMIENTO DE LOS DATOS EXPERIMENTALES I. INTRODUCCIÓN La mayor
Más detallesInvestigación de Mercados Cuantitativa
Investigación de Mercados Cuantitativa Investigación Causal Conceptos Christian Cruz Castro 1. Definiciones 1) Variables Independientes o tratamientos: Son las variables o alternativas manipuladas (es
Más detallesUNIVERSIDAD AUTÓNOMA DE CHIAPAS FACULTAD DE INGENIERÍA CAMPUS I PROBABILIDAD Y ESTADISTICA
UNIVERSIDAD AUTÓNOMA DE CHIAPAS FACULTAD DE INGENIERÍA CAMPUS I PROBABILIDAD Y ESTADISTICA NIVEL : LICENCIATURA CRÉDITOS : 7 CLAVE : ICAE13001731 HORAS TEORÍA : 3 SEMESTRE : QUINTO HORAS PRÁCTICA : 1 REQUISITOS
Más detallesDiseño de Experimentos
Diseño de Experimentos Dr. Raúl René Robles de la Torre rrenerdlt @ yahoo.com, redelator@ipn.mx Centro de Investigación en Biotecnología Aplicada Instituto Politécnico Nacional Origen A R. A. Fisher, estadístico
Más detallesDiseño de Experimentos
Diseño de Experimentos Tema 3. Introducción al Diseño de Experimentos JAIME MOSQUERA RESTREPO QUE ES UN EXPERIMENTO? Pruebas o una serie de pruebas en las que se hacen cambios deliberados en las variables
Más detallesEscribir el modelo. Evaluar los efectos de los factores y la interacción entre ellos.
Ejercicio 1: Se aplican pinturas tapaporos para aeronaves en superficies de aluminio, con dos métodos: inmersión y rociado. La finalidad del tapaporos es mejorar la adhesión de la pintura, y puede aplicarse
Más detallesIntroducción a la probabilidad. Introducción a la probabilidad. Introducción a la probabilidad. Introducción. Objetivos del tema:
Introducción a la probabilidad Introducción a la probabilidad Introducción Objetivos del tema: l final del tema el alumno será capaz de: Comprender y describir los sucesos de un experimento mediante gráficos,
Más detalles15/06/2008. Los ECC son instrumentos de medida de la eficacia de una intervención terapéutica.
CONTROLADOS CONTROLADOS EUGENIO CECCHETTO Curso Libre de Farmacología Aplicada CFE FCM Hospital Transito Cáceres de Allende Es toda evaluación experimental de una sustancia o medicamento a través de su
Más detallesIII 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 detallesMagnitud experimental Fr (N)
Universidad de Antofagasta Facultad de Ciencias Básicas Departamento de Física Asignatura: Biofísica Carrera: Medicina Objetivos: Comprobar que las fuerzas obedecen a la operación de adición de vectores.
Más detallesUNIVERSIDAD AUTONOMA DE SANTO DOMINGO
UNIVERSIDAD AUTONOMA DE SANTO DOMINGO FACULTAD DE CIENCIAS ECONOMICAS Y SOCIALES DEPARTAMENTO DE ESTADISITICA CATEDRA Estadística Especializada ASIGNATURA Estadística Descriptiva Para Psicólogos (EST-225)
Más detallesMETODOLOGÍA 6 SIGMA, NIVEL BLACK BELT. Duración del curso. Se estima una duración del curso de 205 horas en total.
METODOLOGÍA 6 SIGMA, NIVEL BLACK BELT Coste del curso: 995 Euros + IVA Puede inscribirse directamente en el siguiente enlace: http://www.profitcontrolsl.com/018_ssbb/ Duración del curso. Se estima una
Más detallesEscribir el modelo. Evaluar los efectos de los factores y la interacción entre ellos.
Ejercicio 1: Se aplican pinturas tapaporos para aeronaves en superficies de aluminio, con dos métodos: inmersión y rociado. La finalidad del tapaporos es mejorar la adhesión de la pintura, y puede aplicarse
Más detallesDISTRIBUCION "F" FISHER
Imprimir INSTITUTO TECNOLOGICO DE CHIHUAHUA > DISTRIBUCION "F" FISHER La necesidad de disponer de métodos estadísticos para comparar las varianzas de dos poblaciones es evidente a partir
Más detallesSistemas de Medición. Unidad I: Conceptos básicos de mediciones
Unidad I: Conceptos básicos de mediciones Presentado por: Ing. Alvaro Antonio Gaitán Encargado de Cátedra FEC-UNI 20 de abr de 2015 Ing. Electrónica Objetivos de la Unidad I Describir un proceso de medición
Más detallesESTUDIO COMPARATIVO DE LAS MEDIDAS DE FIABILIDAD Y COSTES DE DOS MODELOS APLICADOS A UN MISMO CONJUNTO DE DATOS
ESTUDIO COMPARATIVO DE LAS MEDIDAS DE FIABILIDAD Y COSTES DE DOS MODELOS APLICADOS A UN MISMO CONJUNTO DE DATOS Rafael Pérez Ocón Catedrático de Universidad Delia Montoro Cazorla Catedrático de Universidad
Más detallesEstimación de Parámetros. Jhon Jairo Padilla A., PhD.
Estimación de Parámetros Jhon Jairo Padilla A., PhD. Inferencia Estadística La inferencia estadística puede dividirse en dos áreas principales: Estimación de Parámetros Prueba de Hipótesis Estimación de
Más detallesEstimación de Parámetros. Jhon Jairo Padilla A., PhD.
Estimación de Parámetros Jhon Jairo Padilla A., PhD. Inferencia Estadística La inferencia estadística puede dividirse en dos áreas principales: Estimación de Parámetros Prueba de Hipótesis Estimación de
Más detallesUNIVERSIDAD TECNICA PARTICULAR DE LOJA ESTADISTICA Y PROBABILIDAD ENSAYO N 8
UNIVERSIDAD TECNICA PARTICULAR DE LOJA ESTADISTICA Y PROBABILIDAD ENSAYO N 8 DOCENTE: Ing. Patricio Puchaicela ALUMNA: Andrea C. Puchaicela G. CURSO: 4to. Ciclo de Electrónica y Telecomunicaciones AÑO
Más detalles12 ESTADÍSTICA Y PROBABILIDAD
12 ESTADÍSTICA Y PROBABILIDAD 12.1.- TABLAS DE FRECUENCIA ABSOLUTA Y RELATIVA. PARÁMETROS ESTADÍSTICOS. 12.2.- GRÁFICOS ESTADÍSTICOS 12.3.- CÁLCULO DE PROBABILIDADES. REGLA DE LAPLACE. 12.1.- TABLAS DE
Más detallesManual Técnico ENSAYO DE CALENTAMIENTO EN BOBINADO DE BALASTOS
ENSAYO DE CALENTAMIENTO EN BOBINADO DE BALASTOS. INTRODUCCIÓN Una de las características técnicas más importantes en un balasto destinado a incorporarse en una luminaria, la constituye el valor de temperatura
Más detallesMedidas de Tendencia central Medidas de Dispersión Medidas de Asimetría
Medidas de Tendencia central Medidas de Dispersión Medidas de Asimetría 1 Intento de resumir la distribución, expresando el valor que se puede considerar mas típico o representativo de los datos. El término
Más detallesMediciones II. Todas las mediciones tienen asociada una incertidumbre que puede deberse a los siguientes factores:
Mediciones II Objetivos El alumno determinará la incertidumbre de las mediciones. El alumno determinará las incertidumbres a partir de los instrumentos de medición. El alumno determinará las incertidumbres
Más detallesQuim Por: Rolando Oyola Martínez Derechos
Quim 3025 Por: Rolando Oyola Martínez Derechos Reservados@2016-17 1 Química Analítica Definición: Área que se ocupa de la caracterización química de la materia. Análisis Cualitativo = Qué es?, Qué consiste?
Más detallesControl Estadístico de la Calidad. Gráficos de Control. Estadistica Básica
Control Estadístico de la Calidad Gráficos de Control Estadistica Básica Control de Calidad Calidad significa idoneidad de uso, Es la interacción de la calidad: Del diseño Nivel de desempeño, de confiabilidad
Más detallesLa probabilidad y otras mentiras
La probabilidad y otras mentiras Ejercicios tres y cuatro de selectividad. Todo esto de la probabilidad comenzó con la intención, de dado un experimento aleatorio, (es decir, un experimento el cual, repetido
Más detallesGLOSARIO ESTADÍSTICO. Fuente: Murray R. Spiegel, Estadística, McGraw Hill.
GLOSARIO ESTADÍSTICO Fuente: Murray R. Spiegel, Estadística, McGraw Hill. CONCEPTOS Y DEFINICIONES ESPECIALES Es el estudio científico de los métodos para recoger, organizar, resumir y analizar los datos
Más detallesPlaneación experimental
Planeación experimental Diseño de Experimentos Diseño de Experimentos Ventajas Identifica uno o más factores influyen dentro de la variable de respuesta. Permite establecer la combinación adecuada de tratamientos
Más detallesLongitud = Calcular la media, la mediana, la moda y la desviación estándar de la muestra en Matlab.
LABORATORIO 1 LABORATORIO INFORMÁTICO Un fabricante de hormigón preparado tiene su proceso de producción bajo control. Está interesado en conocer cuál es la distribución de los valores de la resistencia
Más detallesBloque I: Estadística y Probabilidad
Bloque I: Estadística y Probabilidad 1. Probabilidad 1. Teoría de la probabilidad 2. Probabilidad condicionada 3. Dependencia e independencia de sucesos 4. Técnicas de recuento: diagramas de árbol, tablas
Más detallesEl proyecto Los menús Conclusiones Más información...
Qué es InteractúaR Qué buscamos? La idea de este proyecto es poder usar R en la docencia de la Estadística en cualquier titulación. Esto significa que necesitamos una interfaz: Sencilla. Adaptada a los
Más detallesGuía didáctica 1º TRIMESTRE CRITERIOS DE EVALUACIÓN
Guía didáctica 1º TRIMESTRE BL2.1. Interpretar los números naturales, enteros, fraccionarios, decimales y porcentajes sencillos, y sus propiedades (orden, recta real, divisibilidad, etc.) y utilizarlos
Más detallesOPCIÓN A. A1. Se ha realizado un test de habilidad espacial a un grupo de niños y se han obtenido los resultados reflejados en la siguiente tabla:
Bloque III Solucionario Actividades de síntesis: Estadística y probabilidad OPCIÓN A A1. Se ha realizado un test de habilidad espacial a un grupo de niños y se han obtenido los resultados reflejados en
Más detallesVALOR MEDIO Y DESVIACION ESTANDAR DE UNA SERIE DE MEDIDAS. x 1, x 2, x 3,..., x N. La media aritmética de las N medidas (valor medio o promedio) será:
VALOR MEDIO Y DESVIACION ESTANDAR DE UNA SERIE DE MEDIDAS Si medimos N veces la magnitud de interés obtendremos los N datos eperimentales: 1, 2, 3,..., N La media aritmética de las N medidas (valor medio
Más detallesHERRAMIENTAS DE CALIDAD EN PROCESOS METROLÓGICOS
HERRAMIENTAS DE CALIDAD EN PROCESOS METROLÓGICOS Ing. Claudia Santo Directora de Metrología Científica e Industrial 17/05/2016 MEDELLÍN, COLOMBIA MEDIR Cómo sabemos que nuestras meciones son correctas?
Más detallesPRIMER CURSO DE EDUCACIÓN SECUNDARIA OBLIGATORIA
PRIMER CURSO DE EDUCACIÓN SECUNDARIA OBLIGATORIA BLOQUE 1: PROCESOS, MÉTODOS Y ACTITUDES EN MATEMÁTICAS. CONTENIDOS CRITERIOS DE EVALUACIÓN ESTÁNDARES DE APRENDIZAJE EVALUABLES Planificación del proceso
Más detallesANÁLISIS CUANTITATIVO DE DATOS EN CIENCIAS SOCIALES CON EL SPSS (I)
ANÁLISIS CUANTITATIVO DE DATOS EN CIENCIAS SOCIALES CON EL SPSS (I) Modalidad: Semipresencial Inicio del curso: 12 de junio de 2012 Sesiones presenciales: 12 y 13 de junio (de 17 a 20 hrs.). Lugar: Ala
Más detallesCONCEPTO DE FIABILIDAD (RELIABILITY)
CONCEPTO DE FIABILIDAD (RELIABILITY) Documento elaborado por: Arturo Ruiz-Falcó-vocal del Comité de Confiabilidad de la AEC. En la guerra de Korea (años 50) el Departamento de Defensa (DoD) de los EE.UU
Más detallesPRINCIPIOS DE PSICOMETRIA. Universidad Intercontinental Facultad de Psicología Área de la Salud
PRINCIPIOS DE PSICOMETRIA Universidad Intercontinental Facultad de Psicología Área de la Salud PRINCIPIOS DE PSICOMETRIA MEDICION La medición de habilidades cognitivas Prueba: muestra de una conducta particular.
Más detalles1. Los números racionales. 2. Operaciones con racionales. 3. Clasificación de los decimales. 4. Irracionales. (representación, orden).
EJES ARTICULADORES Y PRODUCTIVOS DEL AREA SISTEMA DE CONOCIMIENTOS GRADO: 8 9 1. Los números racionales. 2. Operaciones con racionales. 3. Clasificación de los decimales. 1. Los números reales. 2. Notación
Más detallesZ i
Medidas de Variabilidad y Posición. Jesús Eduardo Pulido Guatire, marzo 010 Cuando trabajamos el aspecto denominado Medidas de Tendencia Central se observó que tanto la media como la mediana y la moda
Más detallesTema 8. Análisis de dos variables Ejercicios resueltos 1
Tema 8. Análisis de dos variables Ejercicios resueltos 1 Ejercicio resuelto 8.1 La siguiente tabla muestra la distribución del gasto mensual en libros y el gasto mensual en audiovisual en euros en los
Más detallesIncertidumbre, 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 detallesTEMARIO PRUEBA DE SÍNTESIS MATEMÁTICA NIVEL SÉPTIMO BÁSICO
NIVEL SÉPTIMO BÁSICO Operatoria números naturales Operatoria números decimales Clasificación de números decimales Transformación de decimal a fracción Orden de números enteros Ubicación de números enteros
Más detallesPROGRAMACIÓN DE AULA WEB TALLER DE MATEMÁTICAS 1º ESO
PROGRAMACIÓN DE AULA WEB TALLER DE MATEMÁTICAS 1º ESO Unidad 1: Operaciones con números naturales La suma de números naturales. La resta de números naturales. La multiplicación de números naturales. La
Más detallesMetodologías De Investigación
Metodologías De Investigación Pfra. Dolores Frías Navarro M. Dolores Frías http://www.uv.es/friasnav 1 Diseños Experimentales Al menos una variable independiente de tratamiento que es introducida por el
Más detallesMINISTERIO DE EDUCACIÓN PÚBLICA VICEMINISTERIO ACADÉMICO I CICLO
MINISTERIO DE EDUCACIÓN PÚBLICA VICEMINISTERIO ACADÉMICO I CICLO ESTADÍSTICA PRIMERO SEGUNDO TERCERO Conocimientos Habilidades Conocimientos Habilidades Conocimientos Habilidades El Dato 1.Identificar
Más detallesPredicción de Confiabilidad en Sistemas Intensivos en Software
XII CONGRESO DE CONFIABILIDAD Predicción de Confiabilidad en Sistemas Intensivos en Software Cádiz, 24, 25 y 26 de noviembre de 2010 ÍNDICE 1.Introducción (contexto Alta Fiabilidad) 2.Conocimiento Cuantitativo
Más detalles