AYUDANTÍA 2: RIESGO EN PROYECTOS

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

Download "AYUDANTÍA 2: RIESGO EN PROYECTOS"

Transcripción

1 AYUDANTÍA 2: RIESGO EN PROYECTOS ICC2302 INGENIERÍA DE CONSTRUCCIÓN TEMARIO Estimación de Costos de Proyectos Estimación Preliminar Estimación Conceptual Estimación Detallada Estimación Definitiva Estimación Conceptual Importancia Métodos de Estimación Riesgo e Incertidumbre en la Estimación de Costos 1

2 INTRODUCCIÓN El estudio de presupuesto de obras y la estimación de costos es una de las tareas más frecuentesde un profesional dedicado a proyectos. Eisten distintos tipos de estimaciones, que dependen del nivel de avance del proyecto. En cada estimación eiste un riesgointrínseco que debe ser considerado al momento de estimar costos. ESTIMACIÓN DE COSTOS Es una proyección o prediccióndel valor aproimado del costo final de un proyecto. Incluye los costos de todos los elementosde un proyecto, definidos anteriormente en el alcance del mismo. Su eactitud y variaciónson muy importantes para aquellos que se basarán en la estimación, y su nivel depende de la etapa del proyecto 2

3 ESTIMACIÓN DE COSTOS TIPOS Según su nivel de eactitud se definen principalmente 4 tipos de estimación: Estimación Preliminar (o de orden de magnitud): realizada generalmente como parte del análisis de factibilidad económica de un proyecto. Estimación Conceptual:utilizada normalmente por el dueño de un proyecto para determinar el presupuesto probable del mismo y para otras decisiones tempranas. ESTIMACIÓN DE COSTOS TIPOS Estimación Detallada:basada generalmente en mediciones de cantidades, una vez que se cuenta con un diseño prácticamente detallado del proyecto. Estimación Definitiva:esta es una actualización de la estimación detallada, con énfasis en costos actuales más que en costos proyectados, el cual permite evaluar el desempeño de la estimación. 3

4 ESTIMACIÓN DE COSTOS TIPOS Concepción del proyecto Diseño del proyecto Estimación preliminar Metodología para la ejecución Estimación conceptual Estimación detallada Materialización Estimación definitiva Puesta en marcha ESTIMACIÓN DE COSTOS TIPOS PLANIFICACIÓN DE COSTOS CONTROL DE COSTOS Etapa de Definición Etapa de Diseño Etapa de Construcción Estimación Conceptual Estimación Detallada Desempeño Actual RETROALIMENTACIÓN 4

5 ESTIMACIÓN CONCEPTUAL Realizada con una definición del alcance del proyecto incompleta y con información de diseño limitada. Proceso ineacto basado en gran medida en juicio y eperiencia, debido a la falta de información y a la incertidumbre eistente. Requiere habilidades especiales para su realización. El tiempo disponible es una restricción importante. ESTIMACIÓN CONCEPTUAL IMPORTANCIA + Nivel de influencia en el costo del proyecto - Etapa conceptual Etapa de definición, diseño y especificaciones Etapa de materialización Tiempo NIVEL DE INFLUENCIA EN LOS COSTOS SEGÚN EL DESARROLLO DEL PROYECTO 5

6 ESTIMACIÓN CONCEPTUAL IMPORTANCIA Costos Finales Subestimación lleva a problemas Estimaciones realistas reducen costos finales Sobreestimación se transforman en profecías cumplidas Subestimación Sobreestimación Costo Estimado IMPORTANCIA DE LA ESTIMACIÓN CONCEPTUAL EN EL COSTO FINAL DE UN PROYECTO ESTIMACIÓN CONCEPTUAL MÉTODOS DE ESTIMACIÓN Los métodos más comunes para desarrollar una estimación conceptual se basan en uno o en la combinación de los siguientes métodos: Estimación paramétrica. Estimación por factores. Estimación basada en modelos. Estimación probabilística. Estimaciones Determinísticas 6

7 ESTIMACIÓN CONCEPTUAL MÉTODOS DE ESTIMACIÓN ESTIMACIÓN PARAMÉTRICA Elemento central de este método de estimación es la REC (Relación de Estimación de Costo). La REC relaciona la variable dependiente (costo) con una o más variables independientes (características físicas u operativas) y = a + b ESTIMACIÓN CONCEPTUAL MÉTODOS DE ESTIMACIÓN ESTIMACIÓN PARAMÉTRICA VARIABLE DE COSTO Curva de mejor ajuste a puntos de datos históricos PARÁMETROS (capacidad, costo, peso, volumen, producción, etc.) 7

8 ESTIMACIÓN CONCEPTUAL MÉTODOS DE ESTIMACIÓN ESTIMACIÓN POR FACTORES Aplicación de un factor a algún ítem relevante de costo de un proyecto para determinar el costo de otros ítems necesarios para el proyecto Donde Ct= (Fcm+ Fcc+ Fmo+ Fci) Ce Ct: costo base total del proyecto Ce: costo estimado equipo incorporado Fcm: factor de costo de materiales Fcc: factor de costo de supervisión Fmo: factor de costo de mano de obra Fci: factor de costo indirecto ESTIMACIÓN CONCEPTUAL MÉTODOS DE ESTIMACIÓN ESTIMACIÓN BASADA EN MODELOS DE COSTO Se basa en la construcción de un modelo que representa los componentes estandarizados y la estructura del proyecto a estimar, el que a través de la aplicación de datos de costo y su procesamiento, entrega el costo total del proyecto. 8

9 ESTIMACIÓN CONCEPTUAL MÉTODOS DE ESTIMACIÓN ESTIMACIÓN PROBABILÍSTICA O DE RANGO Este método incorpora el riesgo directamente a la estimación. Eiste una estimación múltiple para cada ítem, es decir, el riesgo es evaluado en cada ítem y es proporcional a la varianza. a = valor optimista m = valor más probable b = valor pesimista Para cada ítem de costo ESTIMACIÓN DETERMINÍSTICA V/S PROBABILÍSTICA ESTIMACIÓN PROBABILÍSTICA Estimación múltiple para cada ítem. RIESGO evaluado para cada ítem y es proporcional a la varianza ESTIMACIÓN DETERMINÍSTICA Estimación singular sin indicación de incertidumbre o variabilidad en cada ítem de costo RIESGO evaluado como una suma final llamada CONTINGENCIA 9

10 ESTIMACIÓN DETERMINÍSTICA V/S PROBABILÍSTICA ESTIMACIÓN PROBABILÍSTICA 10/90 50/50 90/10 Ítem a Ítem b Ítem c ESTIMACIÓN DETERMINÍSTICA COSTO DEL PROYECTO Valor Determinístico Contingencia X Y RIESGO E INCERTIDUMBRE RAZONES Problemas en la escala de precios. Diferencias entre recursos necesarios y proyectados. Variaciones en las estimaciones del tiempo requerido para realizar una actividad. Cambios en los requerimientos del proyecto. Entre otros. Un buen administrador debe ANTICIPARSEa estas situaciones. 10

11 RIESGO E INCERTIDUMBRE Para incorporar el concepto de riesgo e incertidumbre a la estimación conceptual, se desarrolla el concepto de CONTINGENCIA o IMPREVISTO. CONTINGENCIA:evaluación hecha por un profesional de la cantidad de fondos que, al agregarse a la estimación, reflejará el costo final más probable del proyecto dadas ciertas condiciones del mismo. RIESGO E INCERTIDUMBRE Peor caso Costo meta RIESGOS OPORTUNIDADES Tiempo Mejor caso 11

12 RIESGO E INCERTIDUMBRE MANEJO DEL RIESGO IDENTIFICACIÓN ANÁLISIS RESPUESTA RIESGO E INCERTIDUMBRE IDENTIFICACIÓN DEL RIESGO Aplicación de la LEY DE PARETO: pocos elementos (de costo) importantes y mucho de estos insignificantes. Esta aplicación permite reducir el número de elementos a evaluar. 12

13 RIESGO E INCERTIDUMBRE ANÁLISIS DEL RIESGO En esta etapa lo principal es establecer los resultados de una decisión como una distribución probabilística y usarla para evaluar el impacto de ciertas decisiones. RIESGO E INCERTIDUMBRE RESPUESTA AL RIESGO Involucra una decisión acerca de cuálesriesgos hay que tomar en cuenta, cuáles hay que ignorar y cuáles hay que dejarlos como potenciales. 13

14 RIESGO E INCERTIDUMBRE SIMULACIÓN Es una de las formas para estimar la probabilidad de que se cumpla un determinado presupuesto. Entrega información acerca del rango y la distribución del costo del proyecto. Se debe definir: a: Valor optimista. m: Valor normal o valor más probable. b: Valor pesimista. RIESGO E INCERTIDUMBRE SIMULACIÓN Con a, m y b definidos se obtiene: Valor esperado (media): Desv. Estándar: ( b a) DesvEst = Varianza: ( a + 4m + b) Ve = 6 b a Varianza = 2 14

15 RIESGO E INCERTIDUMBRE SIMULACIÓN En las fórmulas de desviación estándar y varianza aparece un factor, este está determinado por el intervalo de confianza utilizado, los más usados son: = 2,6 cuando se incluye el 90% de los casos = 3,2 cuando se incluye el 95% de los casos = 6 cuando se incluye el 99% de los casos RIESGO E INCERTIDUMBRE EJEMPLO Se tiene la siguiente tabla de datos iniciales (valores en millones de $) Actividad Optimista Normal Pesimista Ve Var Std Var (a) (m) (b) a ,67 1,78 1,33 b ,17 0,25 0,50 c ,33 4,00 2,00 d ,00 0,00 0,00 e ,33 2,78 1,67 f ,33 0,44 0,67 g ,33 4,00 2,00 h ,83 1,36 1,17 Obtenidos con las fórmulas anteriores 15

16 RIESGO E INCERTIDUMBRE EJEMPLO En Ecel se realizan 30 iteraciones de simulación (valores en millones de $): Nº Simul Actividad a 10,27 12,37 7,77 9,22 8,21 Actividad b 12,03 12,49 12,47 11,98 11,59 Actividad c 11,70 14,29 14,19 12,99 14,04 Actividad d 6,00 6,00 6,00 6,00 6,00 Actividad e 12,45 14,08 12,91 14,86 14,09 Actividad f 8,46 9,16 10,09 8,54 9,44 Actividad g 10,94 12,22 11,36 9,95 9,46 Actividad h 9,03 8,11 9,56 7,77 8,69 TOTAL 80,88 88,72 84,35 81,32 81, ,62 11,66 11,02 6,00 12,06 8,67 11,15 5,90 78, ,59 12,03 14,43 6,00 14,18 9,12 12,06 8,25 88, ,67 12,29 12,40 6,00 14,50 9,07 11,97 6,52 83, ,27 12,01 10,67 6,00 11,48 9,82 7,65 4,49 71,37 Mínimo (a) 71,37 Máimo (b) 88,72 Media (m) 83,02 RIESGO E INCERTIDUMBRE EJEMPLO Optimista Normal Pesimista Ve Var Std Var 71,37 83,02 88,72 82,03 8,36 2,89 (71,37 + 4*83, ,72) Ve = = 82,03 6 (88,72 71,37) DesvEst = = 2, ,72 71,37 Varianza = 6 2 = 8,36 NOTA: Cálculos incluyendo el 99% de los casos, es decir, = 6 16

17 RIESGO E INCERTIDUMBRE EJEMPLO PREGUNTAS: Cuál es la probabilidad de que se complete este proyecto realmente a un valor de 84 o menos? Cuál sería el costo del proyecto que podría cumplirse con una probabilidad de 95%? 17

18 RIESGO E INCERTIDUMBRE EJEMPLO Cuál es la probabilidad de que se complete este proyecto realmente a un valor de 84 o menos? 84 µ P( 84) = P z σ 84 82,03 P( 84) = P z 2,89 P( 84) = P P( 84) = 0,752 ( z 0,682) P( 84) = Φ(0,682) RESPUESTA:la probabilidad de que el costo sea menor o igual a 84 millones es de 75,2% RIESGO E INCERTIDUMBRE EJEMPLO Φ(0,682)? P( 84) = Φ(0,682) = 0,752 18

19 RIESGO E INCERTIDUMBRE EJEMPLO Cuál sería el costo del proyecto que podría cumplirse con una probabilidad de 95%? P( X ) = 0,95 P z P z X µ = 0,95 σ X 82,03 = 0,95 2,89 X 82,03 X 82,03 Φ = 0,95 = 1,65 X 2,89 2,89 = 86,8 RIESGO E INCERTIDUMBRE EJEMPLO X 82,03 X 82,03 Φ = 0,95? = 1,65 X = 86,8 2,89 2,89 19

20 RIESGO E INCERTIDUMBRE EJEMPLO Cuál sería el costo del proyecto que podría cumplirse con una probabilidad de 95%? RESPUESTA:El costo del proyecto que se cumpliría con un 95% de probabilidad es de $86,8 millones de pesos. TAREA EN AYUDANTÍA Control individual. Tiempo: 7 minutos. 20

21 RIESGO E INCERTIDUMBRE EJEMPLO Desarrollo del ejercicio a través de EXCEL: Para generar números aleatorios (en este caso 30 iteraciones) En el menú Herramientas Análisis de Datos** Generación de números aleatorios. ** En caso de no tener la opción Análisis de Datos, ir a menú Herramientas Complementos Hacer click en Herramientas para análisis. Ahora tendrán acceso a la herramienta Análisis de Datos. RIESGO E INCERTIDUMBRE EJEMPLO Desarrollo del ejercicio a través de EXCEL: Para calcular probabilidad de cumplir un costo objetivo: En el menú Insertar Función Estadística Distribución Normal. Utilizando los parámetros de distribución del costo total del proyecto (Ve, Std Var) Para obtener el costo que cumpla una probabilidad dada: En el menú Insertar Función Estadística Distribución Normal Inversa. Utilizando los parámetros de distribución del costo total del proyecto (Ve, Std Var) 21

22 RIESGO E INCERTIDUMBRE EJEMPLO Distribución Costos Simulados Cantidad 4 2 Serie1 Polinómica (Serie1) Costo RIESGO E INCERTIDUMBRE EJEMPLO Costos v/s Probabilidad Acumulada del Proyecto 1,2000 1,0000 Probabilidad 0,8000 0,6000 0,4000 Serie1 0,2000 0, ,00 75,00 80,00 85,00 90,00 Costo 22

23 RIESGO E INCERTIDUMBRE EJEMPLO Costos v/s Probabilidad Acumulada del Proyecto 1,2000 1,0000 Probabilidad 0,8000 0,6000 0,4000 Serie1 0,2000 0, ,00 75,00 80,00 85,00 90,00 Costo 84,00 84,00 RIESGO E INCERTIDUMBRE EJEMPLO Costos v/s Probabilidad Acumulada del Proyecto 1,2000 1,0000 Probabilidad 0,8000 0,6000 0,4000 Serie1 0,2000 0, ,00 75,00 80,00 85,00 90,00 Costo 86,80 86,80 23

24 RIESGO E INCERTIDUMBRE EJEMPLO PROGRAMAS COMPUTACIONALES PARA CÁLCULO DIRECTO DE RIESGO EN COSTOS DE PROYECTOS: Crystal Primavera. Entre otros. 24

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 La distribución de tiempo que supone el PERT para una actividad es una distribución

Más detalles

El riesgo en los proyectos

El riesgo en los proyectos El riesgo en los proyectos por Gabriel Pruneda El riesgo de un proyecto se define como la posibilidad de tener diferencias o bien, variabilidad, entre los flujos de cajas reales respecto a los flujos estimados.

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

6.5 ESTIMAR LA DURACIÓN DE LAS ACTIVIDADES

6.5 ESTIMAR LA DURACIÓN DE LAS ACTIVIDADES 6.5 ESTIMAR LA DURACIÓN DE LAS ACTIVIDADES Dante Guerrero-Chanduví Piura, 2015 FACULTAD DE INGENIERÍA Área departamental de Ingeniería Industrial y de Sistemas Esta obra está bajo una licencia Creative

Más detalles

MANUAL DE USO PROGRAMA SENSIBAR

MANUAL DE USO PROGRAMA SENSIBAR MANUAL DE USO PROGRAMA SENSIBAR ANALSIS DE SENSIBILIDAD Y SIMULACION DE MONTECARLO JOSE FUENTES VALDES FACEA - UNIVERSIDAD DE CONCEPCION Facultad de Economía Universidad de Concepción 1 SensiBar. ANALSIS

Más detalles

Que es Crystal Ball?

Que es Crystal Ball? Francisco Parodi Que es Crystal Ball? Crystal Ball está Orientado hacia el manejo y administración de riesgo. Dirigido hacia personas vinculadas a procesos de decisiones sujetos a incertidumbre. Dirigido

Más detalles

PROGRAMAS PROBABILISTICOS

PROGRAMAS PROBABILISTICOS 9 PROGRAMAS PROBABILISTICOS El sistema PERT (Proyect Evaluation and Review Technique) desarrollado por la Marina de los Estados Unidos, fue concebido para responder a las necesidades del proyecto Polaris

Más detalles

Introducción a la Simulación

Introducción a la Simulación Diplomado en Planeación y Dirección de Operaciones Módulo 1 Tema: Introducción a la Simulación y Dr. Sergio Romero Hernández 1/24 Introducción Simulación Análisis de Decisiones Bajo Riesgo Modelos de Simulación

Más detalles

7.2 ESTIMACIÓN DE COSTOS

7.2 ESTIMACIÓN DE COSTOS 7.2 ESTIMACIÓN DE COSTOS Dante Guerrero-Chanduví Piura, 2015 FACULTAD DE INGENIERÍA Área departamental de Ingeniería Industrial y de Sistemas 7.2 ESTIMACIÓN DE COSTOS Esta obra está bajo una licencia Creative

Más detalles

ANALISIS DE FRECUENCIA EN HIDROLOGIA

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

Más detalles

viii CAPÍTULO 2 Métodos de muestreo CAPÍTULO 3 Análisis exploratorio de datos

viii CAPÍTULO 2 Métodos de muestreo CAPÍTULO 3 Análisis exploratorio de datos Contenido Acerca de los autores.............................. Prefacio.... xvii CAPÍTULO 1 Introducción... 1 Introducción.............................................. 1 1.1 Ideas de la estadística.........................................

Más detalles

Estimación. Diseño Estadístico y Herramientas para la Calidad. Estimación. Estimación. Inferencia Estadística

Estimación. Diseño Estadístico y Herramientas para la Calidad. Estimación. Estimación. Inferencia Estadística Diseño Estadístico y Herramientas para la Calidad Estimación Epositor: Dr. Juan José Flores Romero juanf@umich.m http://lsc.fie.umich.m/~juan M. en Calidad Total y Competitividad Estimación Inferencia

Más detalles

CAPÍTULO 7: ESCENARIOS

CAPÍTULO 7: ESCENARIOS CAPÍTULO 7: ESCENARIOS Las tres variables consideradas en este modelo son variables de riesgo: el precio de venta, el tiempo de venta y el costo de construcción, pues cambian en el tiempo y son simuladas

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

Teorema Central del Límite

Teorema Central del Límite Teorema Central del Límite TCL: indica que, en condiciones muy generales, la distribución de la suma de v.a. tiende a una distribución normal cuando la cantidad de variables es muy grande. 156 Sea X 1,

Más detalles

Simulación a Eventos Discretos. Clase 8: Análisis de resultados

Simulación a Eventos Discretos. Clase 8: Análisis de resultados Simulación a Eventos Discretos Clase 8: Análisis de resultados Muestras independientes Los resultados de una corrida de una simulación estocástica (denominados respuestas), son muestras de alguna distribución.

Más detalles

Variables Aleatorias y Principios de Simulación.

Variables Aleatorias y Principios de Simulación. Variables Aleatorias y Principios de Simulación http://humberto-r-alvarez-a.webs.com Conceptos de probabilidad La Teoría de Probabilidad trata fenómenos que pueden ser modelados por experimentos cuyos

Más detalles

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

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

Más detalles

VARIABLES ALEATORIAS CONTINUAS

VARIABLES ALEATORIAS CONTINUAS VARIABLES ALEATORIAS CONTINUAS Variables aleatorias continuas Distribución n Normal 1 Distribución n de Probabilidad Continua Una variable aleatoria continua asume un valor dentro del intervalo de los

Más detalles

Estimaciones de la duración de actividades

Estimaciones de la duración de actividades 1 Estimaciones de la duración de actividades La estimación de la duración de cada actividad es el tiempo total transcurrido estimado desde el momento en que se inician actividad hasta el momento cuando

Más detalles

CAPÍTULO 8 SIMULACIÓN DE ESCENARIOS

CAPÍTULO 8 SIMULACIÓN DE ESCENARIOS CAPÍTULO 8 SIMULACIÓN DE ESCENARIOS Simulación es el proceso de diseñar y desarrollar un modelo computarizado de un sistema o proceso y conducir experimentos con este modelo con el propósito de entender

Más detalles

Villa Universitaria, febrero, 2014

Villa Universitaria, febrero, 2014 Universidad de los Andes Núcleo Universitario Rafael Rangel Dpto. de Ciencias Económicas, Administrativas y Contables Área de Finanzas Finanzas II Prof. Angel Alexander Higuerey Gómez Email: finanzas.a2013@gmail.com

Más detalles

ESTADISTICA INFERENCIAL DR. JORGE ACUÑA A.

ESTADISTICA INFERENCIAL DR. JORGE ACUÑA A. ESTADISTICA INFERENCIAL DR. JORGE ACUÑA A. 1 PROBABILIDAD Probabilidad de un evento es la posibilidad relativa de que este ocurra al realizar el experimento Es la frecuencia de que algo ocurra dividido

Más detalles

Maestría en Gestión de la Tecnología de la Información. Gestión de los riesgos del proyecto

Maestría en Gestión de la Tecnología de la Información. Gestión de los riesgos del proyecto Maestría en Gestión de la Tecnología de la Información Gestión de los riesgos del proyecto Bogotá D.C., agosto de 2016 Gestión de los riesgos Los objetivos de la gestión de los riegos del proyecto consisten

Más detalles

MÉTODO DE MONTE CARLO MÉTODO DE BOOTSTRAP HEINZ ROQUE

MÉTODO DE MONTE CARLO MÉTODO DE BOOTSTRAP HEINZ ROQUE Programa de Capacitación y Actualización de las Mejores Prácticas en Materia de Asociaciones Público Privadas MÉTODO DE MONTE CARLO MÉTODO DE BOOTSTRAP HEINZ ROQUE MÉXICO DF, MÉXICO, OCTUBRE, 2013 ÍNDICE

Más detalles

Gestión del tiempo del proyecto

Gestión del tiempo del proyecto Gestión del tiempo del proyecto La Gestión del Tiempo del Proyecto incluye los procesos requeridos para administrar la finalización del proyecto a tiempo Definir las Actividades Definir las Actividades

Más detalles

ÍNDICE. Prefacio... xi

ÍNDICE. Prefacio... xi ÍNDICE Prefacio... xi Capítulo 1 Introducción... 1 1.1 Por qué hay que tomar este curso y quién utiliza la estadística?... 2 1.2 Historia... 3 1.3 Subdivisiones de la estadística... 4 1.4 Un enfoque simple

Más detalles

DEFINICIÓN 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. 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 detalles

INDICE 1. Qué es la Estadística? 2.Descripción de Datos: Distribuciones de Frecuencia y Presentación Gráfica

INDICE 1. Qué es la Estadística? 2.Descripción de Datos: Distribuciones de Frecuencia y Presentación Gráfica INDICE 1. Qué es la Estadística? 1 Introducción 2 Qué significa estadística? 2 Por qué se estudia la estadística? 4 Tipos de estadística 5 Estadística descriptiva 5 Estadística inferencial 6 Tipos de variables

Más detalles

Rendimiento de un activo

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

Más detalles

ANÁLISIS DE REGRESIÓN

ANÁLISIS DE REGRESIÓN ANÁLISIS DE REGRESIÓN INTRODUCCIÓN Francis Galtón DEFINICIÓN Análisis de Regresión Es una técnica estadística que se usa para investigar y modelar la relación entre variables. Respuesta Independiente Y

Más detalles

FINANCIEROS MODELOS. Programa de la Materia FINANCIEROS 05/08/2013. Daniel Semyraz. Unidad 3 ADMINISTRACIÓN DEL RIESGO

FINANCIEROS MODELOS. Programa de la Materia FINANCIEROS 05/08/2013. Daniel Semyraz. Unidad 3 ADMINISTRACIÓN DEL RIESGO Daniel Semyraz Licenciado en Economía - Magíster en Dirección de Empresas Bea tri z Ga l i nd o 1817 - Bº Va l l e d el C erro - X5009KMG C órd ob a T.E.: ++54 +351 4823040 / ++54 +9351 (15)6603185 - e-mail:

Más detalles

INDICE Parte Uno Técnicas Básicas de Evaluación de Proyectos de Capital 1. Introducción y Conceptos de Costos 2. Cálculos que implica interés

INDICE Parte Uno Técnicas Básicas de Evaluación de Proyectos de Capital 1. Introducción y Conceptos de Costos 2. Cálculos que implica interés INDICE Prefacio XIX Parte Uno Técnicas Básicas de Evaluación de Proyectos de Capital 1. Introducción y Conceptos de Costos 1 1.1. Reconocimiento de una oportunidad o problema 1 1.2. Análisis de sistemas

Más detalles

ANÁLISIS DE FRECUENCIAS

ANÁLISIS DE FRECUENCIAS ANÁLISIS DE FRECUENCIAS EXPRESIONES PARA EL CÁLCULO DE LOS EVENTOS PARA EL PERÍODO DE RETORNO T Y DE LOS RESPECTIVOS ERRORES ESTÁNDAR DE ESTIMACIÓN REQUERIDOS PARA LA DETERMINACIÓN DE LOS INTERVALOS DE

Más detalles

Universidad para la Cooperación Internacional

Universidad para la Cooperación Internacional Universidad para la Cooperación Internacional Guía de LecturaPractice Standard for Project Estimating Profesor: William Ernest 1. Cuál es el propósito de este documento (Practice Standard for Project Estimating)?

Más detalles

Introducción a riesgo e incertidumbre

Introducción a riesgo e incertidumbre Introducción a riesgo e incertidumbre Dos Conceptos: Riesgo:» Información de naturaleza aleatórea, las probabilidades de ocurrencia de eventos son conocidas. Incertidumbre:» Las probabilidades de ocurrencia

Más detalles

Curso: Métodos de Monte Carlo Unidad 2, Sesión 5: Cálculo de intervalos de confianza

Curso: Métodos de Monte Carlo Unidad 2, Sesión 5: Cálculo de intervalos de confianza Curso: Métodos de Monte Carlo Unidad 2, Sesión 5: Cálculo de intervalos de confianza Departamento de Investigación Operativa Instituto de Computación, Facultad de Ingeniería Universidad de la República,

Más detalles

Estimaciones puntuales. Estadística II

Estimaciones puntuales. Estadística II Estimaciones puntuales Estadística II Estimación Podemos hacer dos tipos de estimaciones concernientes a una población: una estimación puntual y una estimación de intervalo. Una estimación puntual es un

Más detalles

Programación y Control de Obra

Programación y Control de Obra Programación y Control de Obra -Conceptos generales de planeamiento -Programación y control -Planificación -Concepto de costos directos y costos indirectos PLANEAMIENTO -Planeamiento es la acción y efecto

Más detalles

INCERTIDUMBRE DE LA MEDIDA

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

Más detalles

CENTRO UNIVERSITARIO UAEM ZUMPANGO INGENIERO EN COMPUTACIÓN MUESTRAS ALEATORIAS Y DISTRIBUCIONES DE MUESTREO

CENTRO UNIVERSITARIO UAEM ZUMPANGO INGENIERO EN COMPUTACIÓN MUESTRAS ALEATORIAS Y DISTRIBUCIONES DE MUESTREO CENTRO UNIVERSITARIO UAEM ZUMPANGO INGENIERO EN COMPUTACIÓN MUESTRAS ALEATORIAS Y DISTRIBUCIONES DE MUESTREO ELABORÓ: M. EN C. LUIS ENRIQUE KU MOO FECHA: AGOSTO DE 2017 UNIDAD DE APRENDIZAJE PROBABILIDAD

Más detalles

PROBABILIDAD E INFERENCIA ESTADÍSTICA TEMA 3: DISTRUBUCIONES DE PROBABILIDAD CONTINUA

PROBABILIDAD E INFERENCIA ESTADÍSTICA TEMA 3: DISTRUBUCIONES DE PROBABILIDAD CONTINUA UNIDAD 1 PROBABILIDAD E INFERENCIA ESTADÍSTICA TEMA 3: DISTRUBUCIONES DE PROBABILIDAD CONTINUA Variables aleatorias continuas = función de densidad de probabilidad 1 Variables aleatorias continuas = función

Más detalles

Análisis Estadístico en Simulaciones. UCR ECCI CI-1453 Investigación de Operaciones Prof. M.Sc. Kryscia Daviana Ramírez Benavides

Análisis Estadístico en Simulaciones. UCR ECCI CI-1453 Investigación de Operaciones Prof. M.Sc. Kryscia Daviana Ramírez Benavides Análisis Estadístico en Simulaciones UCR ECCI CI-1453 Investigación de Operaciones Prof. M.Sc. Kryscia Daviana Ramírez Benavides Introducción En una simulación las variables aleatorias son la entrada para

Más detalles

Técnicas de Muestreo Métodos

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

Más detalles

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

Introducción al tratamiento de datos experimentales. Aplicación en fisicoquímica

Introducción al tratamiento de datos experimentales. Aplicación en fisicoquímica Introducción al tratamiento de datos experimentales Aplicación en fisicoquímica Medidas experimentales 1. 8.86 M H 2 O 2 100V 8.93M Titulación con KMnO 4 2. 8.78 M 3. 9.10 M Resultado promedio: 8.91 M

Más detalles

3 ANALISIS DESCRIPTIVO DE LOS DATOS

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

Más detalles

Anexo C. Proyecto Fin de Carrera. Análisis Coste Beneficio Aplicado a un Proyecto de un Parque Eólico

Anexo C. Proyecto Fin de Carrera. Análisis Coste Beneficio Aplicado a un Proyecto de un Parque Eólico Departamento de Organización Industrial y Gestión de Empresas II Proyecto Fin de Carrera Análisis Coste Beneficio Aplicado a un Proyecto de un Parque Eólico Anexo C Autor: Tutor: Dr. José Guadix Martín

Más detalles

UNIVERSIDAD AUTÓNOMA DE TAMAULIPAS FACULTAD DE INGENIERÍA ARTURO NARRO SILLER

UNIVERSIDAD AUTÓNOMA DE TAMAULIPAS FACULTAD DE INGENIERÍA ARTURO NARRO SILLER UNIVERSIDAD AUTÓNOMA DE TAMAULIPAS FACULTAD DE INGENIERÍA ARTURO NARRO SILLER CARTA DESCRIPTIVA Carrera: INGENIERÍA EN SISTEMAS COMPUTACIONALES. Materia:. Titular: Correo electrónico: NUMERO DE UNIDAD:

Más detalles

Tratamiento de datos experimentales

Tratamiento de datos experimentales Tratamiento de datos eperimentales Densidad del agua a 8ºC d d d 0.998 595 000... d 0.998 60 0.998 60 g cm /(g cm 3 3 0.998 605 000... pero no estamos muy seguros de si el intervalo de confianza es éste

Más detalles

METODOS ESTADÍSTICOS

METODOS ESTADÍSTICOS METODOS ESTADÍSTICOS Introducción. Uno de los objetivos de la asignatura de Hidrología, es mostrar a los alumnos, las herramientas de cálculo utilizadas en Hidrología Aplicada para diseño de Obras Hidráulicas.

Más detalles

TÉCNICA DE REVISIÓN DE LA EVALUACIÓN DE PROGRAMAS: PERT

TÉCNICA DE REVISIÓN DE LA EVALUACIÓN DE PROGRAMAS: PERT Apéndice 7.1 PERT y simulación PERT TÉCNICA DE REVISIÓN DE LA EVALUACIÓN DE PROGRAMAS: PERT En 1958, la oficina especial de la Armada de Estados Unidos y la empresa de consultoría Booze, Allen y Hamilton

Más detalles

Qué es? Primer paso Representación en un sistema de coordenadas. numéricos Cada punto muestra el valor de cada pareja de datos (X e Y)

Qué es? Primer paso Representación en un sistema de coordenadas. numéricos Cada punto muestra el valor de cada pareja de datos (X e Y) Gráfico de dispersión Qué es? Primer paso Representación en un sistema de coordenadas cartesianas de los datos numéricos Cada punto muestra el valor de cada pareja de datos (X e Y) Gráfico de dispersión

Más detalles

Estructura de este tema. Tema 4 Regresión lineal simple. Ejemplo: consumo de vino y dolencias cardíacas. Frecuencias

Estructura de este tema. Tema 4 Regresión lineal simple. Ejemplo: consumo de vino y dolencias cardíacas. Frecuencias Estructura de este tema Tema 4 Regresión lineal simple José R. Berrendero Departamento de Matemáticas Universidad utónoma de Madrid Planteamiento del problema. Ejemplos Recta de regresión de mínimos cuadrados

Más detalles

Licenciatura en Ingeniería Industrial

Licenciatura en Ingeniería Industrial Licenciatura en Ingeniería Industrial Asignatura LOGÍSTICA Y CADENA DE SUMINISTROS Tema: 5.1 Modelos para evaluar inventarios Tipo: Lectura Electrónica Profesor(es): Carlos Manuel Pérez Ramírez Periodo

Más detalles

Técnicas Cuantitativas

Técnicas Cuantitativas Seminario sobre los aspectos económicos y financieros de las telecomunicaciones Técnicas Cuantitativas Denis R. Villalobos Araya Ph.D Lima Perú Junio 2009 Grupo Regional de la Comisión n de Estudio 3 para

Más detalles

Anexo 4. Gráficas para cada periodo del proyecto - Reporte CrystalBall

Anexo 4. Gráficas para cada periodo del proyecto - Reporte CrystalBall Prefs ejecución: Número de pruebas ejecutadas 1.000 Velocidad extrema Monte Carlo Inicialización aleatoria Control de precisión activado Nivel de confianza 95,00% Estadísticas de ejecución: Tiempo de ejecución

Más detalles

Nota de los autores... vi

Nota de los autores... vi ÍNDICE Nota de los autores... vi 1 Qué es la estadística?... 1 1.1 Introducción... 2 1.2 Por qué se debe estudiar estadística?... 2 1.3 Qué se entiende por estadística?... 4 1.4 Tipos de estadística...

Más detalles

VARIABLES ALEATORIAS CONTINUAS

VARIABLES ALEATORIAS CONTINUAS VARIABLES ALEATORIAS CONTINUAS M. en C. Juan Carlos Gutiérrez Matus Instituto Politécnico Nacional Primavera 2004 IPN UPIICSA c 2004 Juan C. Gutiérrez Matus Definición de una V.A.C. Definición de una V.A.C.

Más detalles

INFERENCIA ESTADÍSTICA CON EL SOFTWARE MINITAB

INFERENCIA ESTADÍSTICA CON EL SOFTWARE MINITAB UNIVERSIDAD PRIVADA ALAS PERUANAS ESCUELA PROFESIONAL DE INGENIERÍA DE SISTEMAS INFERENCIA ESTADÍSTICA CON EL SOFTWARE MINITAB 15.0 E1) La tabla muestra el tiempo requerido, en días, para determinar auditorias

Más detalles

METODOS Se puede hacer uso de dos métodos, uno determinístico y otro aleatorio.

METODOS Se puede hacer uso de dos métodos, uno determinístico y otro aleatorio. Lectura Nivel II MEDICION DE RIESGOS Y EVALUACION DE PROYECTOS INTRODUCCION La estimación de estados futuros de variables de decisión, por ejemplo, inversión, egresos de operación, ventas, y otros, cuentan

Más detalles

Estimación con PROBE II

Estimación con PROBE II Personal Software Process SM Estimación con PROBE II This material is approved for public release. Distribution is limited by the Software Engineering Institute to attendees. Sponsored by the U.S. Department

Más detalles

CM0244. Suficientable

CM0244. Suficientable IDENTIFICACIÓN NOMBRE ESCUELA ESCUELA DE CIENCIAS NOMBRE DEPARTAMENTO Ciencias Matemáticas ÁREA DE CONOCIMIENTO MATEMATICAS, ESTADISTICA Y AFINES NOMBRE ASIGNATURA EN ESPAÑOL ESTADÍSTICA GENERAL NOMBRE

Más 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

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

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

Más detalles

Estadística I Guión de la Práctica 2 Probabilidad y modelos probabilísticos; Introducción a la inferencia estadística

Estadística I Guión de la Práctica 2 Probabilidad y modelos probabilísticos; Introducción a la inferencia estadística Estadística I Guión de la Práctica Probabilidad y modelos probabilísticos; Introducción a la inferencia estadística 1. Simulación de las variables aleatorias En Excel podemos simular valores de variables

Más detalles

VALOR 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. 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 detalles

Maestría en Gestión de la Tecnología de la Información. Gestión de los costos del proyecto

Maestría en Gestión de la Tecnología de la Información. Gestión de los costos del proyecto Maestría en Gestión de la Tecnología de la Información Gestión de los costos del proyecto Bogotá D.C., agosto de 2016 Gestión de los costos La gestión de los costos del proyecto incluye los procesos relacionados

Más detalles

La asignatura de Matemática estimula el desarrollo de diversas habilidades:

La asignatura de Matemática estimula el desarrollo de diversas habilidades: La asignatura de Matemática estimula el desarrollo de diversas habilidades: Intelectuales, como: El razonamiento lógico y flexible, la imaginación, la inteligencia espacial, el cálculo mental, la creatividad,

Más detalles

UNIDAD 4: DISTRIBUCIÓN DE PROBABILIDAD

UNIDAD 4: DISTRIBUCIÓN DE PROBABILIDAD UNIDAD 4: DISTRIBUCIÓN DE PROBABILIDAD La Distribución de Probabilidad (DP) es la relación que se da entre los diferentes eventos de un espacio muestral y sus respectivas probabilidades de ocurrencia.

Más detalles

Curso: Inferencia Estadística (ICO 8306) Profesores: Esteban Calvo Ayudantes: José T. Medina ESTIMACIÓN POR INTERVALO

Curso: Inferencia Estadística (ICO 8306) Profesores: Esteban Calvo Ayudantes: José T. Medina ESTIMACIÓN POR INTERVALO ESTIMACIÓN POR INTERVALO Muchas veces queremos obtener información a través de una muestra para poder hacer inferencias de cómo se comportarían distintos parámetros en la población. Al hacer una encuesta

Más detalles

TIPOS DE COSTOS Y DETERMINACIÓN DE PRESUPUESTO

TIPOS DE COSTOS Y DETERMINACIÓN DE PRESUPUESTO TIPOS DE COSTOS Y DETERMINACIÓN DE PRESUPUESTO Dante A. Guerrero Chanduví Piura, abril de 2018 FACULTAD DE INGENIERÍA Área Departamental de Ingeniería Industrial y de Sistemas TIPOS DE COSTOS Y DETERMINACIÓN

Más detalles

Trazabilidad. Webinario. 27 de marzo de 2018

Trazabilidad. Webinario. 27 de marzo de 2018 Trazabilidad Webinario 27 de marzo de 2018 Trazabilidad metrológica Propiedad de un resultado de medida por la cual el resultado puede relacionarse con una referencia mediante una cadena ininterrumpida

Más detalles

Unidad Temática 2: Unidad 5 Estadística Inferencial Temas 10 y 11

Unidad Temática 2: Unidad 5 Estadística Inferencial Temas 10 y 11 Unidad Temática 2: Unidad 5 Estadística Inferencial Temas 10 y 11 Distribución de Probabilidad Recordamos conceptos: Variable aleatoria: es aquella que se asocia un número o un dato probabilístico, como

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

Estimación de la evolución de proyectos en el ámbito de la producción industrial mediante la parametrización de la curva S del coste acumulado

Estimación de la evolución de proyectos en el ámbito de la producción industrial mediante la parametrización de la curva S del coste acumulado Estimación de la evolución de proyectos en el ámbito de la producción industrial mediante la parametrización de la curva S del coste acumulado Contenido Qué vamos a ver? Introducción Antecedentes Objetivos

Más detalles

Tema 04: Medición y error. M. en C. Edgardo Adrián Franco Martínez edgardoadrianfrancom

Tema 04: Medición y error. M. en C. Edgardo Adrián Franco Martínez edgardoadrianfrancom Tema 04: Medición y error M. en C. Edgardo Adrián Franco Martínez http://www.eafranco.com edfrancom@ipn.mx @edfrancom edgardoadrianfrancom 1 Contenido Definiciones Error de medición Causas de errores de

Más detalles

INVESTIGACION DE OPERACIONES

INVESTIGACION DE OPERACIONES INVESTIGACION DE OPERACIONES 1 ADMINISTRACION DE PROYECTOS: PERT/CPM 1. Aplicaciones PERT: Variabilidad en los tiempos de las actividades 2. Probabilidad de finalización del proyecto 3. Ejercicios y aplicaciones

Más detalles

ESTIMACION DE TAMAÑOS MUESTRALES: ENCUESTA AL PERSONAL.

ESTIMACION DE TAMAÑOS MUESTRALES: ENCUESTA AL PERSONAL. ESTIMACION DE TAMAÑOS MUESTRALES: ENCUESTA AL PERSONAL. MARCO CONCEPTUAL Dado que en la mayoría de los casos no es posible examinar cada uno de los elementos o individuos que componen una población, ya

Más detalles

UNIVERSIDAD DE MANAGUA Al más alto nivel

UNIVERSIDAD DE MANAGUA Al más alto nivel UNIVERSIDAD DE MANAGUA Al más alto nivel Estadística Inferencial Encuentro #9 Tema: Estimación puntual y por Intervalo de confianza Prof.: MSc. Julio Rito Vargas A. Grupos: CCEE y ADMVA /2016 Objetivos:

Más detalles

Estadística y Decisiones

Estadística y Decisiones Estadística y Decisiones UDLA Agosto 2015 Expositor: Eduardo Herrera eduardo@cydhem.com Propósito El principal propósito de utilizar métodos estadísticos es asistir la toma de decisiones bajo incertidumbre

Más detalles

Tema 3 - Introducción. Tema 2. Distribuciones en el muestreo Estadísticos y distribución muestral. Ejemplos: X y S 2.

Tema 3 - Introducción. Tema 2. Distribuciones en el muestreo Estadísticos y distribución muestral. Ejemplos: X y S 2. Tema 3 - Introducción 1 Tema 2. Distribuciones en el muestreo Estadísticos y distribución muestral. Ejemplos: X y S 2. Tema 3. Estimación puntual Criterios de comparación de estimadores: Insesgadez. Estimadores

Más detalles

Cálculos de Poder. Pablo Lavado Universidad del Pacífico

Cálculos de Poder. Pablo Lavado Universidad del Pacífico Cálculos de Poder Pablo Lavado Universidad del Pacífico Qué es poder estadístico? Qué es poder estadístico? Beta= Impacto Qué es poder estadístico? Beta= Impacto Qué es poder estadístico? Beta= Impacto

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

3. ANÁLISIS DE DATOS DE PRECIPITACIÓN.

3. ANÁLISIS DE DATOS DE PRECIPITACIÓN. 3. ANÁLISIS DE DATOS DE PRECIPITACIÓN. Teniendo en cuenta que la mayoría de procesos estadísticos se comportan de forma totalmente aleatoria, es decir, un evento dado no está influenciado por los demás,

Más detalles

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

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

Más detalles

Energía eólica de Vaisala 3TIER servicios Due Diligence / INVERSIONES EN ENERGÍA EÓLICA RENTABLE APOYO

Energía eólica de Vaisala 3TIER servicios Due Diligence / INVERSIONES EN ENERGÍA EÓLICA RENTABLE APOYO Energía eólica de Vaisala 3TIER servicios Due Diligence / INVERSIONES EN ENERGÍA EÓLICA RENTABLE APOYO Vaisala es su experto en clima Por 80 años, Vaisala ha sido líder en monitoreo y medición metereológica.

Más detalles

Temario-Guía de Probabilidad y Estadística

Temario-Guía de Probabilidad y Estadística Temario-Guía de Probabilidad y Estadística 2018 TEMAIO DE ESTUDIO PAA LA ASIGNATUA ESTADÍSTICA Y POBABILIDAD I UNIDAD I: LOS POCESOS ALEATOIOS CONOCIMIENTO DEL FENÓMENO ALEATOIO LOS TEMAS QUE DEBES ESTUDIA

Más detalles

INTRODUCCIÓN...13 CAPÍTULO 1. DEFINICIÓN DE CONTROL DE CALIDAD, NOTAS HISTÓRICAS Y HERRAMIENTAS...17

INTRODUCCIÓN...13 CAPÍTULO 1. DEFINICIÓN DE CONTROL DE CALIDAD, NOTAS HISTÓRICAS Y HERRAMIENTAS...17 ÍNDICE INTRODUCCIÓN...13 CAPÍTULO 1. DEFINICIÓN DE CONTROL DE CALIDAD, NOTAS HISTÓRICAS Y HERRAMIENTAS...17 1.1 DEFINICIÓN DE CONTROL DE CALIDAD...17 1.2 HISTORIA DEL CONTROL DE CALIDAD...18 1.3 MEDICIÓN

Más detalles

Estadísticas Pueden ser

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

Más detalles

Conceptos de Probabilidad y estadística. Jhon Jairo Padilla A., PhD

Conceptos de Probabilidad y estadística. Jhon Jairo Padilla A., PhD Conceptos de Probabilidad y estadística Jhon Jairo Padilla A., PhD Introducción La ingeniería de tráfico está soportada sobre conceptos de probabilidad y estadística como: Probabilidad Variable aleatoria

Más detalles

Conceptos de Probabilidad y estadística. Jhon Jairo Padilla A., PhD

Conceptos de Probabilidad y estadística. Jhon Jairo Padilla A., PhD Conceptos de Probabilidad y estadística Jhon Jairo Padilla A., PhD Introducción La ingeniería de tráfico está soportada sobre conceptos de probabilidad y estadística como: Probabilidad Variable aleatoria

Más detalles

MANTENIMIENTO INDUSTRIAL.

MANTENIMIENTO 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 detalles

PRUEBAS DE BONDAD DE AJUSTE

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

Más detalles

UNIVERSIDAD DE ATACAMA

UNIVERSIDAD DE ATACAMA UNIVERSIDAD DE ATACAMA FACULTAD DE INGENIERÍA / DEPARTAMENTO DE MATEMÁTICA ESTADÍSTICA Y PROBABILIDADES PAUTA DE CORRECCIÓN PRUEBA N 3 Profesor: Hugo S. Salinas. Segundo Semestre 200. Se investiga el diámetro

Más detalles

La asignatura de Matemática estimula el desarrollo de diversas habilidades:

La asignatura de Matemática estimula el desarrollo de diversas habilidades: La asignatura de Matemática estimula el desarrollo de diversas habilidades: Intelectuales, como: El razonamiento lógico y flexible, la imaginación, la inteligencia espacial, el cálculo mental, la creatividad,

Más detalles