STATGRAPHICS genera tres tipos de planes de muestreo de aceptación:

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

Download "STATGRAPHICS genera tres tipos de planes de muestreo de aceptación:"

Transcripción

1 Muestreo de Aceptación (Variables) Cuando los lotes contienen un número relativamente grande de artículos que requieren la inspección, los planes de muestreo de aceptación pueden proporcionar la protección razonable contra el envío o la recepción de una fracción inaceptable de artículos no conformes sin la inspección al 100% del lote. El procedimiento de Muestreo de Aceptación (Variables) genera los planes de muestreo de aceptación para las situaciones cuando los artículos pueden medirse y las mediciones son comparadas contra límites de especificación establecidos. En tales planes, una muestra de tamaño n se dibuja de un lote de N artículos y el lote es aceptado si el promedio de la muestra miente no mayor a k desviaciones estándar cercanas al limite de especificación. STATGRAPHICS genera tres tipos de planes de muestreo de aceptación: Planes OC - Planes que controlan los riesgos alfa y beta, es decir, la probabilidad de aceptar un lote malo y la probabilidad de rechazar un lote bueno. Para tal plan, "bueno" y "malo" debe estar bien definido. Planes AOQL - Son planes que reducen al mínimo el límite de calidad promedio a la salida, es decir, la fracción máxima de artículos no conformes aceptados en promedio. Tal plan requiere la inspección al 100% y la rectificación de todos los lotes rechazados. Planes LTPD Son los planes que reducen al mínimo la inspección total mientras que controlan el riesgo de rechazar un lote malo, donde "malo" debe estar nuevamente bien definido. Tal plan también requiere la inspección al 100% y la rectificación de todos los lotes rechazados. Ejemplo StatFolio: acceptvariables.sgp Datos del Ejemplo: Ninguno. Planes de Muestreo de Aceptación para Variables En un plan por variables, una muestra de n artículos es tomada de un lote de N, y cada artículo es medido. La media muestral x y la desviación estándar s son calculadas. El lote es aceptado o rechazado de acuerdo a las siguientes reglas: Si la media muestral x no miente acerca de una distancia critica kσ lo más cercano a un límite de especificación, el lote es aceptado. En otro caso, una de los dos acciones será tomada: 1. Si el lote es rectificable, entonces todos los artículos restantes en el lote son medidos. Cualquier artículo no conforme es reemplazado por uno conforme para una producción de N artículos conformes. 2. Si el lote no es rectificable, el lote es rechazado sin la inspección adicional y devuelta al productor por StatPoint, Inc. Muestreo de Aceptación (Variables) - 1

2 En las discusiones siguientes, varios términos son importantes: 1. AQL = Nivel de Calidad Aceptable (acceptable quality level), definida como el nivel de calidad más pobre que el consumidor encuentra aceptable en promedio. 2. LTPD = Porcentaje de Tolerancia Defectuosa en el Lote (lot tolerance percent defective), definida como el nivel de calidad más pobre que el consumidor esta dispuesto a tolerar en cualquier lote. 3. OC (θ) = Curva Característica de Operación (operating characteristic), definida como la probabilidad que en un plan de muestreo pueda aceptarse un lote cuando el lote contiene una fracción θ de artículos no conformes. 4. AOQL = Límite de Calidad Promedio a la Salida (average outgoing quality limit), definida como el porcentaje máximo de artículos defectuosos aceptados por un plan de muestreo asumiendo que todos los lotes rechazados serán inspeccionados al 100% y todos los artículos no conformes en el lote serán reemplazados con artículos conformes. Entrada de Datos La caja de dialogo para la entrada de los datos define las características deseadas para el plan de muestreo. Acción Define el tipo de acción deseada: 2006 por StatPoint, Inc. Muestreo de Aceptación (Variables) - 2

3 1. Crear Plan OC - Crea un plan que controla la probabilidad de aceptar un lote con AQL y LTPD. Los lotes rechazados se envían de nuevo al productor sin una rectificación. 2. Crear Plan AOQL Crea un plan que minimiza el número total de unidades inspeccionadas en una fracción seleccionada de artículos no conformes mientras que asegura que el porcentaje máximo de los artículos no conformes aceptados no exceda de un valor especificado. Los lotes rechazados son sujetos a una inspección al 100% y se rectifican. 3. Crear Plan LTPD - Crea un plan que minimiza el número total de unidades inspeccionadas en una fracción seleccionada de artículos no conformes mientras que se controla la probabilidad de aceptar un lote en el LTPD. Los lotes rechazados se sujetan a una inspección al 100% y se rectifican. 4. Analizar Plan Existente Computa la curva característica de operación para un plan de muestreo especificado por el usuario. Niveles de Calidad Define el porcentaje defectuoso sobre lotes bueno y malo : 1. AQL El nivel de calidad más pobre que el consumidor encuentra aceptable en promedio. 2. LTPD El nivel de calidad más pobre que el consumidor está dispuesto a tolerar en cualquier lote. Tamaño de Lote El número de artículos N en el lote. Sigma del Proceso Si asumiendo que el valor de σ es conocido o podrá ser reemplazado por la estimación muestral de s. Propiedades Deseables Características deseables en el plan de muestreo, dependiendo sobre el tipo de plan seleccionado: Tipo de Plan Propiedad #1 Propiedad #2 Plan OC Riesgo del Productor Riesgo del Consumidor α - la probabilidad de β - la probabilidad de rechazar un lote con aceptar un lote con un un % defectuoso % defectuoso igual al igual al AQL. LTPD. Plan AOQL Porcentaje promedio El AOQL o % máximo defectuoso en el cuál de artículos no la inspección será conformes aceptados minimizado. después de una Plan LTPD Porcentaje promedio defectuoso en el cuál la inspección será minimizado. rectificación. Riesgo del Consumidor β - la probabilidad de aceptar un lote con un % defectuoso igual al LTPD. Plan Actual - Si Analizar Plan Existente fue seleccionado, definir el tamaño de muestra n y la distancia critica k del plan que se analizará por StatPoint, Inc. Muestreo de Aceptación (Variables) - 3

4 Resumen del Análisis El resumen del análisis despliega el plan generado: Aceptación de la Muestra para Variables Tamaño del lote: Características deseadas Riesgo del productor (alfa): 5.0% Riesgo del comprador (beta): 10.0% Plan generado Tamaño de muestra (n) = 138 Distancia crítica (k) = Atributos del plan Nivel de calidad aceptable (AQL): 0.5% Riesgo del productor (alfa) = % Porciento defectivo tolerable en lote (LTPD): 1.0% Riesgo del comprador (beta) = % Límite de Calidad Promedio de Salida (AOQL) = % en % defectivo Inspección Total Promedio (ATI) = unidades por lote en el AQL unidades por lote en el AOQL unidades por lote en el LTPD Hay diferentes secciones importantes en los resultados: Propiedades Deseables Resume las características del usuario-especificadas sobre las cuales se basa el plan. En el ejemplo anterior, el plan fue construido para tener un riesgo del productor de no más del 5% y riesgo del consumidor de no más del 10%. Plan Generado Muestra el plan de muestreo más pequeño que tienen las propiedades deseadas. En el ejemplo, n = 138 artículos deben ser muestreados de un lote de N = 10,000 y el lote es aceptado si la media muestral es menor a desviaciones estándar dentro de todos los limites de especificación. Plan Atributos Resultados exactos para el plan generado. Esto incluye: Riesgo del Productor en AQL Probabilidad de rechazar un lote bueno. Riesgo del Consumidor en LTPD Probabilidad de aceptar un lote malo. Límite de Calidad Promedio a la Salida Asumiendo que los lotes rechazados son inspeccionados al 100% y cualquier articulo no conforme será reemplazado por un articulo bueno, este es la fracción máxima de artículos no conformes que se aceptan. Inspección Total Promedio - Asumiendo que los lotes rechazados son inspeccionados al 100% y cualquier artículo no conforme será reemplazado por un artículo bueno, este es el porcentaje promedio de artículos en un lote que será inspeccionado. El plan generado en la salida de arriba será puesto en implementación como sigue: 2006 por StatPoint, Inc. Muestreo de Aceptación (Variables) - 4

5 1. Un muestral de n = 138 artículos serán tomados de cada lote de N = 10,000 artículos. 2. La media muestral x y desviación estándar s serán computadas. 3. Los valores Z se calcularán con: Z L = x LSL σ Z U USL x = (1) σ si la desviación estándar σ del proceso es conocida, o de: Z L = x LSL s Z U USL x = (2) s si la sigma del proceso es estimada de los datos. 4. Si ambos valores Z son mayores que k, el lote es aceptado. En caso contrario, se envía de nuevo al productor o es rectificado en las mediciones para cada artículo y reemplazando cualquier artículo no conforme con un artículo conforme. Un ejemplo típico es la manufactura de una botella que produce lotes de 10,000 botellas, cada una de las cuales tiene una especificación en la resistencia a la ruptura en 200 psi. De cada lote de N = 10,000 botellas, una muestral de n = 138 botellas será tomada y se calcularan las resistencia de cada una. Asumiendo que σ es conocida, el promedio muestral debe ser tal que: o x LSL Z L = (3) σ x σ (4) Nota: Si σ es estimada sobre los datos más bien se asume que es conocida, el tamaño muestral requerido es mucho más grande n = 546, el cuál puede verificarse por la configuración de la sección Sigma del Proceso usando el campo Estimación Muestral sobre los datos de entrada en la caja de diálogos. Curva OC La Curva OC muestra la probabilidad de que un lote con un porcentaje de artículos no conformes igual al 100θ% será rechazado por el plan de muestreo actual: 2006 por StatPoint, Inc. Muestreo de Aceptación (Variables) - 5

6 1 Curva de Operación Característica (OC) n=138, k= Prob. De aceptación Porciento defectivo verdadero Para un plan OC como fue generado en el ejemplo actual, la Curva OC pasa a través de (1-α) en el AQL y β en el LPTD. Curva AOQ La Curva AOQ muestra la Calidad promedio a la salida de lotes con un porcentaje de artículos no conformes igual al 100θ% cuando están sujetos al plan de muestreo actual: 0.5 Curva de Calidad Promedio de SAlida (AOQ) n=138, k= Porciento defectivo Porciento defectivo verdadero Los picos de la curva están en AOQL por StatPoint, Inc. Muestreo de Aceptación (Variables) - 6

7 Curva ATI La curva ATI muestra el número promedio de artículos inspeccionados para lotes con un porcentaje de artículos no conformes igual al 100θ% cuando están sujetos al plan de muestreo actual: (X ) 10 Curva de Inspección Total Promedio (ATI) n=138, k= Unidades inspeccionadas Porciento defectivo verdadero La Curva ATI asume que los lotes rechazados serán rectificados. Cálculos Probabilidad de Aceptación La probabilidad de aceptación de un lote contiene una fracción de artículos no conformes igual a θ esta se computa a partir de una distribución normal estándar de acuerdo a: ( n ) P(aceptaci ón θ ) = Φ Z θ (5) si la σ es conocida entonces Zθ P(aceptación θ ) = Φ (6) 2 1 k + n 2n si σ es estimada de los datos, donde Z θ es el valor de una distribución normal estándar que representa un área de θ sobre la cola superior de la curva. Riesgo del Productor α = P(rechazo AQL) = 1 - P(aceptación AQL) (7) 2006 por StatPoint, Inc. Muestreo de Aceptación (Variables) - 7

8 Riesgo del Consumidor β = P(aceptación LTPD) (8) Promedio de Calidad a la Salida N n AOQ ( θ ) = θp( aceptación θ ) (9) N Límite Promedio de Calidad a la Salida N n AOQL = max θp( aceptación θ ) θ N (10) Promedio Inspección Total ( 1 P( acceptación )( N n) ATI ( θ ) = n + θ ) (11) Referencia Montgomery, D. C. (2005). Introduction to Statistical Quality Control, 5 th edition. New York: John Wiley and Sons por StatPoint, Inc. Muestreo de Aceptación (Variables) - 8

Este procedimiento prueba hipótesis acerca de cualquiera de los siguientes parámetros:

Este procedimiento prueba hipótesis acerca de cualquiera de los siguientes parámetros: STATGRAPHICS Re. 4/d/yyyy Pruebas de Hipótesis (Una Muestra) Este procedimiento prueba hipótesis acerca de cualquiera de los siguientes parámetros: 1. la media μ de una distribución normal.. la desiación

Más detalles

Gráfico de Control de Aceptación

Gráfico de Control de Aceptación Gráfico de Control de Aceptación Resumen El procedimiento de Gráfico de Control de Aceptación crea gráficos de control con límites de control modificados basándose en la desviación estándar del proceso

Más detalles

Unidad 7: Muestreo de aceptación

Unidad 7: Muestreo de aceptación Unidad 7: Muestreo de aceptación Cap 12. Gutiérrez Liliana Recchioni Unidad 7: 7.1. Tipos de planes de muestreo. 7.2. Variabilidad y curvas características (CO). 7.3. Diseño de un plan de muestreo simple

Más detalles

Diseño Gráficos de Control

Diseño Gráficos de Control Diseño Gráficos de Control Resumen Este procedimiento esta diseñado para ayudar a determinar el tamaño de muestra apropiado y los parámetros comunes para los gráficos de control. El diseño esta basado

Más detalles

Análisis de Capabilidad (Porcentaje Defectuoso)

Análisis de Capabilidad (Porcentaje Defectuoso) Análisis de Capabilidad (Porcentaje Defectuoso) STATGRAPHICS Rev. 9/4/2006 Este procedimiento esta diseñado para estimar el porcentaje de artículos defectuosos en una población basándose en muestra de

Más detalles

TEMA 3: Inspección Estadística por Variables

TEMA 3: Inspección Estadística por Variables TEMA 3: Inspección Estadística por Variables 1 Planes de muestreo por variables 2 Inspección en cadena 3 Inspección por muestreo continuo 4 Planes de muestreo por lotes salteados 5 Consideración de errores

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

CALIDAD Página: 1 JOSÉ MANUEL DOMENECH ROLDÁN PROFESOR DE ENSEÑANZA SECUNDARIA

CALIDAD Página: 1 JOSÉ MANUEL DOMENECH ROLDÁN PROFESOR DE ENSEÑANZA SECUNDARIA CALIDAD Página: 1 LA INSPECCIÓN QUÉ ES LA INSPECCIÓN? Tradicionalmente, el control de calidad en un proceso de fabricación se caracterizaba por desarrollarse una vez terminada la fase de producción; es

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

Nombre de la asignatura: PLANIFICACIÓN Y CONTROL DE SISTEMAS DE CALIDAD. Horas teoría-horas prácticas-horas trabajo adicional-horas totales-créditos:

Nombre de la asignatura: PLANIFICACIÓN Y CONTROL DE SISTEMAS DE CALIDAD. Horas teoría-horas prácticas-horas trabajo adicional-horas totales-créditos: Nombre de la asignatura: PLANIFICACIÓN Y CONTROL DE SISTEMAS DE CALIDAD Líneas de trabajo: Ingeniería Estadística de Procesos Horas teoría-horas prácticas-horas trabajo adicional-horas totales-créditos:

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

Cantidad de producto en preempacados. Presentador: Lic. Douglas Arias Molina Laboratorio Costarricense de Metrología

Cantidad de producto en preempacados. Presentador: Lic. Douglas Arias Molina Laboratorio Costarricense de Metrología Cantidad de producto en preempacados Presentador: Lic. Douglas Arias Molina Laboratorio Costarricense de Metrología RTCA 01.01.11:06 Cantidad de Producto Pre-empacado Decreto 33371-COMEX-MEIC Gaceta N

Más detalles

UNIVERSIDAD DE CHILE FACULTAD DE CIENCIAS FÍSICAS Y MATEMÁTICAS DEPARTAMENTO DE INGENIERÍA INDUSTRIAL CONTROL #3

UNIVERSIDAD DE CHILE FACULTAD DE CIENCIAS FÍSICAS Y MATEMÁTICAS DEPARTAMENTO DE INGENIERÍA INDUSTRIAL CONTROL #3 UNIVERSIDAD DE CHILE FACULTAD DE CIENCIAS FÍSICAS Y MATEMÁTICAS DEPARTAMENTO DE INGENIERÍA INDUSTRIAL CURSO : IN47A GESTIÓN DE OPERACIONES PROFESOR : A. SAURÉ A. WEINTRAUB AUXILIARES : J. PASSI J. RODRÍGUEZ

Más detalles

Suplemento Control estadístico stico de procesos

Suplemento Control estadístico stico de procesos Suplemento Control estadístico stico de procesos Contenido Control estadístico de procesos (CEP) Gráficos de control para variables El teorema central del límite Fijación de límites del gráfico de medias

Más detalles

a) Ac1 > Ac2 > Ac3 b) n1 > n2 > n3

a) Ac1 > Ac2 > Ac3 b) n1 > n2 > n3 2.3. SO 8 Planes de muestreo para la aceptación de lotes (I) L INSPIÓN POR PLNS MUSTRO La inspección en la recepción es un control básico para que no se transfiera la mala calidad entre empresas o departamentos.

Más detalles

1. Límites normales de tolerancia: estos límites asumen que los datos son una muestra aleatoria de una distribución normal.

1. Límites normales de tolerancia: estos límites asumen que los datos son una muestra aleatoria de una distribución normal. Límites de Tolerancia Los límites de tolerancia proporcionan un rango de valores para X tal que se puede tener 100(1-α) % de confianza que P por ciento de la población, de la cual provienen los datos,

Más detalles

Diagrama de Barras Múltiple

Diagrama de Barras Múltiple Múltiple El procedimiento Múltiple grafica dos o más columnas de totales o frecuencias ya sea utilizando barras horizontales o verticales. Si lo desea, pueden agregarse barras de error para desplegar el

Más detalles

CHECKLIST INSPECCIÓN BALDOSAS CERÁMICAS

CHECKLIST INSPECCIÓN BALDOSAS CERÁMICAS Rev. 08 Página: 1 de 13 SOLICITANTE/EXPORTADOR: PRODUCTO A EMBARCAR: BALDOSAS CERAMICAS: FORMATOS: MARCA COMERCIAL: REGLAMENTO TÉCNICO ECUATORIANO - RTE INEN 033 (1R) BALDOSAS CERÁMICAS Y SU MODIFICATORIA

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

Tema 5. Contraste de hipótesis (I)

Tema 5. Contraste de hipótesis (I) Tema 5. Contraste de hipótesis (I) CA UNED de Huelva, "Profesor Dr. José Carlos Vílchez Martín" Introducción Bienvenida Objetivos pedagógicos: Conocer el concepto de hipótesis estadística Conocer y estimar

Más detalles

Metodología de la Investigación [DII-711] Capítulo 7: Selección de la Muestra

Metodología de la Investigación [DII-711] Capítulo 7: Selección de la Muestra Metodología de la Investigación [DII-711] Capítulo 7: Selección de la Muestra Dr. Ricardo Soto [ricardo.soto@ucv.cl] [http://www.inf.ucv.cl/ rsoto] Escuela de Ingeniería Informática Pontificia Universidad

Más detalles

SnapStat: Análisis de Una Muestra

SnapStat: Análisis de Una Muestra SnapStat: Análisis de Una Muestra Resumen La SnapStat Análisis de Una Muestra crea un resumen en una hoja de una sola columna de datos numéricos. Calcula estadísticas de resumen e intervalos de confianza,

Más detalles

TEMA 5. MUESTREO PARA LA ACEPTACIÓN.

TEMA 5. MUESTREO PARA LA ACEPTACIÓN. TEMA 5. MUESTREO PARA LA ACEPTACIÓN. Introducción. Planes de muestreo por atributos simple, doble, múltiple y rectificativos Dodge-Romig, Norma militar 1000STD-105D. Pautas a seguir para el cambio de rigor

Más detalles

Eulàlia Griful Ponsati Miguel Ángel Canela Campos

Eulàlia Griful Ponsati Miguel Ángel Canela Campos AULA POLITÈCNICA / ORGANIZACIÓN DE EMPRESAS Eulàlia Griful Ponsati Miguel Ángel Canela Campos Gestión de la calidad EDICIONS UPC AULA POLITÈCNICA / ORGANIZACIÓN DE EMPRESAS Eulàlia Griful Ponsati Miguel

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

UNIVERSIDAD DEL VALLE DE MÉXICO PROGRAMA DE ESTUDIO DE LICENCIATURA PRAXIS MES XXI

UNIVERSIDAD DEL VALLE DE MÉXICO PROGRAMA DE ESTUDIO DE LICENCIATURA PRAXIS MES XXI UNIVERSIDAD DEL VALLE DE MÉXICO PROGRAMA DE ESTUDIO DE LICENCIATURA PRAXIS MES XXI NOMBRE DE LA ASIGNATURA: CONTROL DE CALIDAD FECHA DE ELABORACIÓN: ENERO 2005 ÁREA DEL PLAN DE ESTUDIOS: AS ( ) AC ( )

Más detalles

Producción de Leche Inocuidad y calidad de leche y productos lácteos agosto 2014. Control de Calidad: Herramientas Estadísticas

Producción de Leche Inocuidad y calidad de leche y productos lácteos agosto 2014. Control de Calidad: Herramientas Estadísticas FACULTAD DE VETERINARIA MAESTRÍA EN PRODUCCIÓN ANIMAL Producción de Leche Inocuidad y calidad de leche y productos lácteos agosto 2014 Control de Calidad: Herramientas Estadísticas José Piaggio CONTENIDOS

Más detalles

Nombre de la asignatura: Estadística y Control de Calidad. Carrera: Ingeniería Mecatrónica. Clave de la asignatura: MCM-0205

Nombre de la asignatura: Estadística y Control de Calidad. Carrera: Ingeniería Mecatrónica. Clave de la asignatura: MCM-0205 1. DATOS DE LA ASIGNATURA Nombre de la asignatura: Estadística y Control de Calidad Carrera: Ingeniería Mecatrónica Clave de la asignatura: MCM-0205 Horas teoría Horas práctica-créditos 3-2-8 2. UBICACION

Más detalles

Contraste de hipótesis Tema Pasos del contraste de hipótesis. 1.1 Hipótesis estadísticas: nula y alternativa. 1.3 Estadístico de contraste

Contraste de hipótesis Tema Pasos del contraste de hipótesis. 1.1 Hipótesis estadísticas: nula y alternativa. 1.3 Estadístico de contraste 1 Contraste de hipótesis Tema 3 1. Pasos del contraste de hipótesis 1.1 Hipótesis estadísticas: nula y alternativa 1.2 Supuestos 1.3 Estadístico de contraste 1.4 Regla de decisión: zona de aceptación y

Más detalles

5. Los objetivos de la Calidad de los Datos (OCD) y la Evaluación de la

5. Los objetivos de la Calidad de los Datos (OCD) y la Evaluación de la 5. Los objetivos de la Calidad de los Datos (OCD) y la Evaluación de la Calidad de los Datos (ECD) en el Ciclo de Vida de los Datos de un Proyecto. Los objetivos de calidad de los datos, OCD, se mencionaron

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

Carrera: MTF-0519 2-4-8. Participantes Representante de las academias de ingeniería Mecatrónica de los Institutos Tecnológicos. Academia de Ingeniería

Carrera: MTF-0519 2-4-8. Participantes Representante de las academias de ingeniería Mecatrónica de los Institutos Tecnológicos. Academia de Ingeniería .- DATOS DE LA ASIGNATURA Nombre de la asignatura: Carrera: Clave de la asignatura: Horas teoría-horas práctica-créditos: Estadística y Control de Calidad Ingeniería Mecatrónica MTF-059-4-8.- HISTORIA

Más detalles

FACULTAD DE INGENIERÍA UNAM PROBABILIDAD Y ESTADÍSTICA Irene Patricia Valdez y Alfaro irenev@servidor.unam.m T E M A S DEL CURSO. Análisis Estadístico de datos muestrales.. Fundamentos de la Teoría de

Más detalles

para una muestra Ref: Apuntes de Estadística, Mtra Leticia de la Torre Instituto Tecnológico de Chiuhuahua

para una muestra Ref: Apuntes de Estadística, Mtra Leticia de la Torre Instituto Tecnológico de Chiuhuahua Pruebas de hipótesis para una muestra Ref: Apuntes de Estadística, Mtra Leticia de la Torre Instituto Tecnológico de Chiuhuahua Las secciones anteriores han mostrado cómo puede estimarse un parámetro de

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

Práctica 3: Distribuciones de Probabilidad Binomial, Poisson y Normal

Práctica 3: Distribuciones de Probabilidad Binomial, Poisson y Normal Práctica 3: Distribuciones de Probabilidad Binomial, Poisson y Normal Ejercicio 1: Todos los días se seleccionan de manera aleatoria 12 unidades de un proceso de manufactura, con el propósito de verificar

Más detalles

PROCEDIMIENTO GENERAL. Gestión de Incidencias y Acciones Correctivas RAZÓN SOCIAL DE LA EMPRESA. Código PG-12 Edición 0. Índice:

PROCEDIMIENTO GENERAL. Gestión de Incidencias y Acciones Correctivas RAZÓN SOCIAL DE LA EMPRESA. Código PG-12 Edición 0. Índice: Índice: 1. TABLA RESUMEN... 2 2. OBJETO... 2 3. ALCANCE... 2 4. RESPONSABILIDADES... 3 5. ENTRADAS... 4 6. SALIDAS... 4 7. PROCESOS RELACIONADOS... 4 8. DIAGRAMA DE FLUJO... 5 9. DESARROLLO... 6 9.1. DETECCIÓN

Más detalles

Estadística Inferencial 3.7. Prueba de hipótesis para la varianza. σ gl = n -1. Es decir: Ho: σ 2 15 Ha: σ 2 > 15 (prueba de una cola)

Estadística Inferencial 3.7. Prueba de hipótesis para la varianza. σ gl = n -1. Es decir: Ho: σ 2 15 Ha: σ 2 > 15 (prueba de una cola) UNIDAD III. PRUEBAS DE HIPÓTESIS 3.7 Prueba de hipótesis para la varianza La varianza como medida de dispersión es importante dado que nos ofrece una mejor visión de dispersión de datos. Por ejemplo: si

Más detalles

Polinomios y Estadística

Polinomios y Estadística Funciones polinomiales Universidad de Concepción, Chile Departamento de Geofísica Programación Científica con Software libre Primavera, 2011 Universidad de Concepción Contenidos Funciones polinomiales

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

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

DEPARTAMENTO DE PROGRAMA DE MATERIA HORAS T/P: 2/3 PROCESOS II ELABORÓ:

DEPARTAMENTO DE PROGRAMA DE MATERIA HORAS T/P: 2/3 PROCESOS II ELABORÓ: DEPARTAMENTO DE CENTRO DE CIENCIAS BÁSICAS Estadística PROGRAMA DE MATERIA MATERIA: TALLER DE CONTROL ESTADÍSTICO DE HORAS T/P: 2/3 PROCESOS II CARRERA: INGENIERO INDUSTRIAL CRÉDITOS: 7 ESTADÍSTICO SEMESTRE:

Más detalles

Muestreo e inferencia

Muestreo e inferencia Images created with STATA software. 1 Muestreo e inferencia Calidad de los datos y las mediciones Razones para hablar de muestreo Formación académica de la población Comprender los datos que se van a utilizar

Más detalles

Control de calidad del Hormigón. San Luis, agosto de 2014

Control de calidad del Hormigón. San Luis, agosto de 2014 Control de calidad del Hormigón San Luis, agosto de 2014 Control de calidad Desde que se comenzó con la producción de bienes, se han hecho intentos en controlar el proceso de manera de mejorar la calidad

Más detalles

PROGRAMA DE MATERIA DATOS DE IDENTIFICACIÓN DESCRIPCIÓN GENERAL OBJETIVO (S) GENERAL (ES) TALLER DE CONTROL ESTADÍSTICO DE PROCESOS II

PROGRAMA DE MATERIA DATOS DE IDENTIFICACIÓN DESCRIPCIÓN GENERAL OBJETIVO (S) GENERAL (ES) TALLER DE CONTROL ESTADÍSTICO DE PROCESOS II DATOS DE IDENTIFICACIÓN CENTRO ACADÉMICO: DEPARTAMENTO ACADÉMICO: TALLER DE CONTROL ESTADÍSTICO DE PROCESOS II CIENCIAS BÁSICAS ESTADÍSTICA PROGRAMA EDUCATIVO: AÑO DEL PLAN DE ESTUDIOS: 2006 SEMESTRE:

Más detalles

conocida comúnmente, como la Campana de Gauss ".

conocida comúnmente, como la Campana de Gauss . CURSO DE ESTADÍSTICA INFERENCIAL EJERCICIOS Y PROBLEMAS RESUELTOS DE DISTRIBUCIÓN NORMAL Prof.:MSc. Julio R. Vargas A. La Distribución Normal: La distribución normal N (μ, σ): es un modelo matemático que

Más detalles

Anexo2 - Niveles de inspección y concierto de calidad

Anexo2 - Niveles de inspección y concierto de calidad 1. OBJETO Describir los niveles de inspección que la CONTRATANTE puede aplicar sobre los suministros de bienes y productos de acuerdo a las Condiciones de evaluación y homologación del proveedor y producto.

Más detalles

Histogramas. Para crear un histograma. Para crear un histograma podemos utilizar el procedimiento Generador de gráficos en el Menú: o Gráficos:

Histogramas. Para crear un histograma. Para crear un histograma podemos utilizar el procedimiento Generador de gráficos en el Menú: o Gráficos: SPSS: GRÁFICOS HISTOGRAMAS Histogramas Los histogramas son útiles para mostrar la distribución de una única variable de escala. Los datos se agrupan y se resumen utilizando el estadístico de porcentaje

Más detalles

CUADERNILLO DE TRABAJO DE LA MATERIA PROBABILIDAD Y ESTADÍSTICA CAPÍTULO 2.- PROBABILIDAD

CUADERNILLO DE TRABAJO DE LA MATERIA PROBABILIDAD Y ESTADÍSTICA CAPÍTULO 2.- PROBABILIDAD CUADERNILLO DE TRABAJO DE LA MATERIA PROBABILIDAD Y ESTADÍSTICA CAPÍTULO 2.- PROBABILIDAD SECCIÓN 2.1.- ESPACIOS MUESTRALES Y EVENTOS 1.- Se selecciona una muestra de tres calculadoras de una línea de

Más detalles

GESTIÓN DE PROCESOS 2 / CONTROL DE CALIDAD

GESTIÓN DE PROCESOS 2 / CONTROL DE CALIDAD GESTIÓN DE PROCESOS 2 / CONTROL DE CALIDAD INTRODUCCIÓN Carmen Elena Patiño Rodríguez Profesor Asociado Departamento de Ingeniería Industrial Carmen Elena Patiño Rodríguez Ing. Industrial Universidad Nacional

Más detalles

INTERVALOS DE CONFIANZA. La estadística en cómic (L. Gonick y W. Smith)

INTERVALOS DE CONFIANZA. La estadística en cómic (L. Gonick y W. Smith) INTERVALOS DE CONFIANZA La estadística en cómic (L. Gonick y W. Smith) EJEMPLO: Será elegido el senador Astuto? 2 tamaño muestral Estimador de p variable aleatoria poblacional? proporción de personas que

Más detalles

Los datos para este análisis consisten de m muestras de una población: = numero de no conformidades observadas en la muestra j

Los datos para este análisis consisten de m muestras de una población: = numero de no conformidades observadas en la muestra j Gráfico C Resumen El procedimiento Gráfico C crea un grafico de control para los datos, que describe el números de no conformidades registradas como el resultado de inspeccionar m muestras. Las muestras

Más detalles

MANUAL DE PROCEDIMIENTOS PARA PRODUCCIÓN DE LA PLANTA DE PINTURAS Y EMULSIONES PROCEDIMIENTO PARA PRODUCCIÓN DE ESMALTES ALQUIDÁLICOS OBJETIVO

MANUAL DE PROCEDIMIENTOS PARA PRODUCCIÓN DE LA PLANTA DE PINTURAS Y EMULSIONES PROCEDIMIENTO PARA PRODUCCIÓN DE ESMALTES ALQUIDÁLICOS OBJETIVO MANUAL DE PROCEDIMIENTOS PARA DE LA PROCEDIMIENTO PARA DE ESMALTES OBJETIVO Describir en forma clara cada una de las actividades a realizar para la producción de Esmalte Alquidálico con base a los procedimientos

Más detalles

NMX-EE ENVASES DE VIDRIO PARA LECHE Y SU CREMA. GLASS CONTAINERS MILK AND ITS CREAM. NORMAS MEXICANAS. DIRECCIÓN GENERAL DE NORMAS.

NMX-EE ENVASES DE VIDRIO PARA LECHE Y SU CREMA. GLASS CONTAINERS MILK AND ITS CREAM. NORMAS MEXICANAS. DIRECCIÓN GENERAL DE NORMAS. NMX-EE-024-1982. ENVASES DE VIDRIO PARA LECHE Y SU CREMA. GLASS CONTAINERS MILK AND ITS CREAM. NORMAS MEXICANAS. DIRECCIÓN GENERAL DE NORMAS. PREFACIO En la elaboración de la presente Norma participaron

Más detalles

Cómo establecer periodos de Calibración. Ing. Francisco Javier Cedillo López

Cómo establecer periodos de Calibración. Ing. Francisco Javier Cedillo López Cómo establecer periodos de Calibración Ing. Francisco Javier Cedillo López OBJETIVO Es compartir con los asistentes, las herramientas y ejemplos de cómo establecer los periodos de calibración de los equipos

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

EJERCICIOS RESUELTOS DE ESTADÍSTICA II

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

Más detalles

MATERIA: MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES II INSTRUCCIONES Y CRITERIOS GENERALES DE CALIFICACIÓN

MATERIA: MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES II INSTRUCCIONES Y CRITERIOS GENERALES DE CALIFICACIÓN UNIVERSIDADES PÚBLICAS DE LA COMUNIDAD DE MADRID PRUEBA DE ACCESO A LAS ENSEÑANZAS UNIVERSITARIAS OFICIALES DE GRADO MODELO DE EXAMEN CURSO 2014-2015 MATERIA: MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES

Más detalles

PROBABILIDAD CONDICIONAL E INDEPENDENCIA

PROBABILIDAD CONDICIONAL E INDEPENDENCIA PROBABILIDAD CONDICIONAL E INDEPENDENCIA Definición Si A y B son dos eventos, se define la probabilidad de A dado B como la probabilidad de que ocurra el evento A cuando el evento B ya ocurrió o se tiene

Más detalles

P O R Q U É I D E A S CLIENTES. La innovación impulsa la excelencia, los logros y los ahorros

P O R Q U É I D E A S CLIENTES. La innovación impulsa la excelencia, los logros y los ahorros P O R Q U É A L C A N C E I D E A S I D E A S La innovación impulsa la excelencia, los logros y los ahorros C Ó M O P R O P Ó S I T O Q U I É N O B J E T I V O El objetivo del programa IDEAS de Eaton es

Más detalles

proporciones y para la Estadística II Equipo Docente: Iris Gallardo Andrés Antivilo Francisco Marro

proporciones y para la Estadística II Equipo Docente: Iris Gallardo Andrés Antivilo Francisco Marro Sesión 12 Intervalo de confianza para proporciones y para la razón de varianzas. IC para a una proporción poblacional o a Qué proporción de adolescentes presenta problemas de delincuencia en una comunidad

Más detalles

Guía del Capítulo 3. SISTEMAS DE PARTÍCULAS. A un sistema particulado se le efectúa un análisis por tamizado dando los siguientes resultados:

Guía del Capítulo 3. SISTEMAS DE PARTÍCULAS. A un sistema particulado se le efectúa un análisis por tamizado dando los siguientes resultados: Guía del Capítulo 3. SISTEMAS DE PARTÍCULAS Problema 3.1 A un sistema particulado se le efectúa un análisis por tamizado dando los siguientes resultados: Mallas Tyler Masa (g) -28 +35 5-35 +48 8-48 +65

Más detalles

Trabajo Práctico N o 4 Mediciones con Corriente Continua. Antonio, Pablo Oscar Frers, Wenceslao

Trabajo Práctico N o 4 Mediciones con Corriente Continua. Antonio, Pablo Oscar Frers, Wenceslao Física II A Trabajo Práctico N o 4 Mediciones con Corriente Continua Antonio, Pablo Oscar Frers, Wenceslao XXXXX XXXXX 2. do cuatrimestre 2006 ÍNDICE Índice 1. Resumen 2 2. Introducción 2 3. Método experimental

Más detalles

JORNADA TÉCNICA La aplicación efectiva de los Valores Límite ".

JORNADA TÉCNICA La aplicación efectiva de los Valores Límite . Límites de Exposición Profesional para Agentes Químicos 2011 JORNADA TÉCNICA La aplicación efectiva de los Valores Límite ". * * * El Control Ambiental en la evaluación de la exposición Juan M. Viguera

Más detalles

Test PMP - C05 _ La aceptación por parte del cliente de los productos entregables del proyecto debería ser verificada por:

Test PMP - C05 _ La aceptación por parte del cliente de los productos entregables del proyecto debería ser verificada por: Test PMP - C05 _ 02 01. Una declaración del alcance del proyecto es: A. Una entrada de definir el alcance. B. Esencialmente lo mismo que un sistema de control de cambios de alcance. C. Un componente del

Más detalles

UNIVERSIDAD AUTONOMA DE BAJA CALIFORNIA

UNIVERSIDAD AUTONOMA DE BAJA CALIFORNIA UNIVERSIDAD AUTONOMA DE BAJA CALIFORNIA DIRECCION GENERAL DE ASUNTOS ACADEMICOS PROGRAMA DE ASIGNATURA POR COMPETENCIAS I. DATOS DE IDENTIFICACIÓN 1. Unidad Académica: Facultad de Ingeniería Unidad Mexicali

Más detalles

Laboratorio de Sistemas de Medición de Energía Eléctrica

Laboratorio de Sistemas de Medición de Energía Eléctrica Laboratorio de Sistemas de Medición de Energía Eléctrica Servicio y Energía Historia La Compañía Nacional de Fuerza y Luz, S.A. (CNFL está consolidada como la principal empresa distribuidora de energía

Más detalles

I N T R O D U C C I Ó N

I N T R O D U C C I Ó N PLAN DE NEGOCIOS (RESUMEN EJECUTIVO) AUTOR ES: MÓN ICA R OBL ES GRANDA EV ELY N CIRES QUINTER O EL IZA BETH CA LDERÓN Q U IJ IJE I N T R O D U C C I Ó N Nutrifood es una rentable oportunidad de negocios

Más detalles

Dispone de 1 hora para resolver las siguientes cuestiones planteadas.

Dispone de 1 hora para resolver las siguientes cuestiones planteadas. ESCUELA SUPERIOR POLITÉCNICA DEL LITORAL FACULTAD DE ECONOMÍA Y NEGOCIOS EXAMEN TEÓRICO DE ESTADÍSTICA COMPUTARIZADA NOMBRE: PARALELO: Dispone de 1 hora para resolver las siguientes cuestiones planteadas.

Más detalles

A. Menéndez Taller CES 15_ Confiabilidad. 15. Confiabilidad

A. Menéndez Taller CES 15_ Confiabilidad. 15. Confiabilidad 15. Confiabilidad La confiabilidad se refiere a la consistencia de los resultados. En el análisis de la confiabilidad se busca que los resultados de un cuestionario concuerden con los resultados del mismo

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

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

La etiqueta logística

La etiqueta logística Cuba La etiqueta logística La etiqueta logística EAN/UCC La necesidad de registrar y monitorear el movimiento de artículos o mercancías es una fase del manejo de la cadena de suministros. La etiqueta EAN/UCC

Más detalles

LS5168 Gestión de Proyectos Tecnológicos Juan Antonio Maestro / Javier García. La etapa de Control. Curso 2009-2010

LS5168 Gestión de Proyectos Tecnológicos Juan Antonio Maestro / Javier García. La etapa de Control. Curso 2009-2010 La etapa de Control Curso 2009-2010 Qué es el Control? El control es la etapa en la que se verifica que el desarrollo del proyecto está en línea con el Plan de Proyecto generado en la etapa de Planificación.

Más detalles

Grado en Ingeniería Informática. Plan de proyecto. Desarrollo de Sistemas de Información Corporativos. Departamento de Informática

Grado en Ingeniería Informática. Plan de proyecto. Desarrollo de Sistemas de Información Corporativos. Departamento de Informática Grado en Ingeniería Informática Plan de proyecto Desarrollo de Sistemas de Información Corporativos Departamento de Informática Propósito El plan del proyecto software abarca todas las herramientas de

Más detalles

Generación de Variables Aleatorias. UCR ECCI CI-1453 Investigación de Operaciones Prof. M.Sc. Kryscia Daviana Ramírez Benavides

Generación de Variables Aleatorias. UCR ECCI CI-1453 Investigación de Operaciones Prof. M.Sc. Kryscia Daviana Ramírez Benavides Generación de Variables Aleatorias UCR ECCI CI-453 Investigación de Operaciones Prof. M.Sc. Kryscia Daviana Ramírez Benavides Introducción Las variables aleatorias se representan por medio de distribuciones

Más detalles

CONCEPTOS FUNDAMENTALES

CONCEPTOS FUNDAMENTALES TEMA 8: CONTRASTES DE HIPÓTESIS PARAMÉTRICAS PRIMERA PARTE: Conceptos fundamentales 8.1. Hipótesis estadística. Tipos de hipótesis 8.2. Región crítica y región de aceptación 8.3. Errores tipo I y tipo

Más detalles

Unidad Muestra Didáctica Trabajo Grupal- 2 Integrantes: Omar Gallardo; Jaime Ojeda ; Jorge Carvacho

Unidad Muestra Didáctica Trabajo Grupal- 2 Integrantes: Omar Gallardo; Jaime Ojeda ; Jorge Carvacho UNIDAD Nº 1 MUESTREO DE ACEPTACION Cátedra: Gestión de Calidad ( Estadístico ) Página 1 Omar Gallardo; Jaime Ojeda; Jorge Carvacho, 2015 Algunos derechos reservados Esta obra está bajo una Licencia Creative

Más detalles

11 Número de publicación: Int. Cl.: 72 Inventor/es: Isaksson, Jan y Nilsson, Bo. 74 Agente: Durán Moya, Carlos

11 Número de publicación: Int. Cl.: 72 Inventor/es: Isaksson, Jan y Nilsson, Bo. 74 Agente: Durán Moya, Carlos 19 OFICINA ESPAÑOLA DE PATENTES Y MARCAS ESPAÑA 11 Número de publicación: 2 29 137 1 Int. Cl.: B27N 3/14 (06.01) 12 TRADUCCIÓN DE PATENTE EUROPEA T3 86 Número de solicitud europea: 03719044.4 86 Fecha

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

Reporte de Pobreza por Ingresos JUNIO 2015

Reporte de Pobreza por Ingresos JUNIO 2015 Reporte de Pobreza por Ingresos JUNIO 2015 1 Resumen Ejecutivo En el presente documento se exhiben los resultados obtenidos en el cálculo de pobreza y desigualdad por ingresos a partir de la Encuesta Nacional

Más 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

STATGRAPHICS se refiere a cada fila del archivo como un subgrupo. El tamaño del subgrupo es n = 5.

STATGRAPHICS se refiere a cada fila del archivo como un subgrupo. El tamaño del subgrupo es n = 5. Gráficos X-Bar y R Resumen El procedimiento Gráficos X-Bar y R crea gráficos de control para una única variable numérica cuando los datos han sido reunidos en subgrupos. Crea un Gráfico X-bar para monitorear

Más detalles

SOFTWARE DE DIMENSIONAMIENTO Y PREDICCIÓN DE LA CARACTERÍSTICA INSTALADA PARA VÁLVULAS DE CONTROL

SOFTWARE DE DIMENSIONAMIENTO Y PREDICCIÓN DE LA CARACTERÍSTICA INSTALADA PARA VÁLVULAS DE CONTROL SOFTWARE DE DIMENSIONAMIENTO Y PREDICCIÓN DE LA CARACTERÍSTICA INSTALADA PARA VÁLVULAS DE CONTROL Ana Milena Borrego, Fabio Castrillón, Raael Esteban Vásquez Universidad Pontiicia Bolivariana Grupo de

Más detalles

Indicadores de Gestión

Indicadores de Gestión Indicadores de Gestión 19/09/2012 Mary Clínica Barboza Internacional Wimpon 2010 Tiempos de Cambio Hubo un tiempo en que las empresas podían pasar por un cambio y luego retornaban a un periodo de relativa

Más detalles

NMX-EE ENVASES DE VIDRIO PARA ACEITES COMESTIBLES. GLASS CONTAINERS FOR EDIBLE OILS. NORMAS MEXICANAS. DIRECCIÓN GENERAL DE NORMAS.

NMX-EE ENVASES DE VIDRIO PARA ACEITES COMESTIBLES. GLASS CONTAINERS FOR EDIBLE OILS. NORMAS MEXICANAS. DIRECCIÓN GENERAL DE NORMAS. NMX-EE-026-1979. ENVASES DE VIDRIO PARA ACEITES COMESTIBLES. GLASS CONTAINERS FOR EDIBLE OILS. NORMAS MEXICANAS. DIRECCIÓN GENERAL DE NORMAS. PREFACIO En la elaboración de esta Norma participaron las siguientes

Más detalles

Este procedimiento también crea una escala cusum grafica para datos individuales monitoreando la variabilidad del proceso.

Este procedimiento también crea una escala cusum grafica para datos individuales monitoreando la variabilidad del proceso. Gráfico Cusum (H-K) Resumen Los gráficos de sumas acumulativas monitorean datos por variables graficando las sumas acumulativas de las desviaciones al valor obetivo. Esto lo hace, incorporando la historia

Más detalles

Examen de Matemáticas Aplicadas a las CC. Sociales II (Junio 2015) Selectividad-Opción A Tiempo: 90 minutos

Examen de Matemáticas Aplicadas a las CC. Sociales II (Junio 2015) Selectividad-Opción A Tiempo: 90 minutos Examen de Matemáticas Aplicadas a las CC. Sociales II (Junio 2015) Selectividad-Opción A Tiempo: 90 minutos Problema 1 (2 puntos) Se considera el sistema de ecuaciones dependiente del parámetro real a:

Más detalles

Autómatas Deterministas. Ivan Olmos Pineda

Autómatas Deterministas. Ivan Olmos Pineda Autómatas Deterministas Ivan Olmos Pineda Introducción Los autómatas son una representación formal muy útil, que permite modelar el comportamiento de diferentes dispositivos, máquinas, programas, etc.

Más detalles

Proyecto: Control de motor de corriente directa Como parte de este proyecto deben llevarse a cabo las siguientes actividades:

Proyecto: Control de motor de corriente directa Como parte de este proyecto deben llevarse a cabo las siguientes actividades: Proyecto: Control de motor de corriente directa Diseño de un convertidor dc-dc. Definir configuración. Calcular parámetros iniciales de los elementos del convertidor a partir de la representación matemática

Más detalles

Cuestión 3 del Identificación de peligros y gestión de los riesgos de seguridad operacional

Cuestión 3 del Identificación de peligros y gestión de los riesgos de seguridad operacional Organización de Aviación Civil Internacional SAM/RA/03-NE/04 Oficina Regional Sudamericana 09/08/12 Tercera Reunión/Taller para la evaluación del riesgo antes de la implantación de la Fase 3 - Versión

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

INSTRUCCIÓN DE TRABAJO PARA LOS ALCANCES DE ACREDITACIÓN DE PRUEBAS

INSTRUCCIÓN DE TRABAJO PARA LOS ALCANCES DE ACREDITACIÓN DE PRUEBAS INSTRUCCIÓN DE TRABAJO PARA LOS ALCANCES DE ACREDITACIÓN DE PRUEBAS El alcance de acreditación es un documento formal, emitido por PJLA a sus laboratorios acreditados. Contiene la información por la cual

Más detalles

Reporte de Pobreza. Marzo 2016

Reporte de Pobreza. Marzo 2016 Reporte de Pobreza Marzo 2016 1 Reporte de Pobreza - Marzo 2016 Dirección responsable de la información estadística y contenidos: Dirección de Innovación en Métricas y Metodologías Realizadores: Melody

Más detalles

NMX-B SCFI INDUSTRIA SIDERÚRGICA - LÁMINA DE ACERO AL CARBONO, LAMINADA EN FRÍO PARA USO COMÚN - ESPECIFICACIONES

NMX-B SCFI INDUSTRIA SIDERÚRGICA - LÁMINA DE ACERO AL CARBONO, LAMINADA EN FRÍO PARA USO COMÚN - ESPECIFICACIONES INDUSTRIA SIDERÚRGICA - LÁMINA DE ACERO AL CARBONO, LAMINADA EN FRÍO PARA USO COMÚN - ESPECIFICACIONES SIDERURGICAL INDUSTRY - STEEL SHEET CARBON, COLD ROLLED COMMERCIAL QUALITY - SPECIFICATIONS P R E

Más detalles

08/10/2008. 1.Introducción

08/10/2008. 1.Introducción Herramientas de la Metrología en Sistemas de Calidad Seminario Aseguramiento de la Calidad de las Mediciones en los Procesos Industriales Sr. Rodrigo Ramos P. - Jefe LCPN-ME Rodrigo Miércoles Ramos 8 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

Control Estadístico de Procesos (SPC) para NO estadísticos.

Control Estadístico de Procesos (SPC) para NO estadísticos. Control Estadístico de Procesos (SPC) para NO estadísticos. - Sesión 3ª de 4 - Impartido por: Jaume Ramonet Fernández Ingeniero Industrial Superior PMP (PMI ) Consultoría y Formación Actitud requerida

Más detalles

D.2 ANÁLISIS ESTADÍSTICO DE LAS TEMPERATURAS DE VERANO

D.2 ANÁLISIS ESTADÍSTICO DE LAS TEMPERATURAS DE VERANO Anejo Análisis estadístico de temperaturas Análisis estadístico de temperaturas - 411 - D.1 INTRODUCCIÓN Y OBJETIVO El presente anejo tiene por objeto hacer un análisis estadístico de los registros térmicos

Más detalles

Estadística para investigadores: todo lo que siempre quiso saber y nunca se atrevió a preguntar

Estadística para investigadores: todo lo que siempre quiso saber y nunca se atrevió a preguntar Estadística para investigadores: todo lo que siempre quiso saber y nunca se atrevió a preguntar Módulo 2. Estadística Descriptiva: Medidas de síntesis Mª Purificación Galindo Villardón Mª Purificación

Más detalles