UNIDAD III TEORÍA ELEMENTAL DEL MUESTREO

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

Download "UNIDAD III TEORÍA ELEMENTAL DEL MUESTREO"

Transcripción

1 UNIDAD III TEORÍA ELEMENTAL DEL MUESTREO Por: Prof. Gastón A. Pérez Urdaneta (3.1) INTRODUCCIÓN AL MUESTREO: En las actividades de control de calidad es frecuente inspeccionar elementos tales como: Lotes de materia prima Partes de productos Productos terminados. Esto se hace con el fin de asegurar el cumplimiento de los niveles de calidad. Según la norma ISO 9000 se define INSPECCIÓN como la evaluación de la conformidad por medio de observación y dictamen, acompañada cuando sea apropiado por medición, ensayo/prueba o comparación con patrones. En la unidad II estudiamos los conceptos de población y muestra y conocimos que ésta última consiste en tomar un número limitado de artículos de una fuente más grande llamada población. Mediante la inspección tomamos las muestras necesarias a fin de poder determinar la conformidad o no de los productos que están saliendo de un proceso o de una población que estamos evaluando. La función básica del muestreo es determinar que parte de una realidad en estudio (población) debe examinarse con la finalidad de hacer inferencias sobre dicho universo. La inferencia estadística (Estadística inferencial) tiene como objetivo establecer las características de una población o proceso con base en la información obtenida en una muestra. Para evaluar si una torta de cumpleaños esta sabrosa, no hay que comérsela toda, sólo con probar una porción ya se tiene una idea acerca de cómo esta. Otro ejemplo es el siguiente: En un proceso de llenado de harina, es imposible pesar todas las bolsas para verificar el peso de cada una. Se hace necesario entonces tomar una muestra para tratar de predecir cómo se encuentra todo el universo de bolsas de harina o población. Entre mejor información se tenga, habrá más posibilidades de que la decisión a tomar sea acertada. Para que se reflejen las principales características del objeto de estudio, la muestra tiene que ser siempre representativa (ni mucho ni poco). CÓMO SE LOGRAN MUESTRAS REPRESENTATIVAS? Lo primero que debemos entender es que lo que determina tanto el tamaño de la muestra así como la forma de seleccionarla (método de muestreo) es el problema mismo, es decir: 1. La población en cuestión. 2. Objetivos. 3. Tipo de decisión. 4. Recursos humanos. A mayor variabilidad o diversidad será necesario un mayor tamaño de muestra. El método de muestreo depende de la forma en que están distribuidas las unidades, es decir, depende del patrón de variabilidad, ya sea al azar, por grupos, por capas, etc. En resumen: el tamaño de la muestra y el método de muestreo depende de la cantidad de variabilidad y del patrón o tipo de variabilidad que se dan en la población, ambas en función del problema o decisión a tomar.

2 (3.2) MUESTREO DE ACEPTACIÓN Es el proceso de inspección de una muestra de unidades extraídas de un lote con el propósito de aceptar o rechazar todo el lote. CUÁNDO DEBE APLICARSE? Se aplica en cualquier relación cliente-proveedor sea interiormente entre distintos departamentos o entre organizaciones diferentes y se puede ver como una medida de protección contra la amenaza del posible deterioro de la calidad: Si el lote es aceptado pasa directamente a ser utilizado Si el lote es rechazado: Se devuelve Se inspecciona 100% (pagado por el proveedor) El muestreo de aceptación no es una estrategia de mejora de la calidad sino una forma de garantizar que se cumplan con las especificaciones de calidad. Tampoco proporciona buenas estimaciones acerca de la calidad del lote. En toda relación cliente-proveedor se debe enfatizar la mejora de los procesos y corregir de fondo las causas de las deficiencias. Cuando se inspecciona un lote se tienen tres opciones: 1. Cero inspección 2. Inspección 100% 3. Muestreo de aceptación Estudiemos a continuación cada uno: (3.2.1) CERO INSPECCIÓN: Consiste en aceptar o devolver el lote sin inspección. Se aplica en los siguientes casos: El proveedor ha demostrado cumplir siempre los niveles de calidad La pérdida por el número de unidades defectuosas es pequeña en comparación con el costo de la inspección. (3.2.2) INSPECCIÓN 100% Consiste en revisar todos los artículos del lote y quitar los que no cumplan con las características de calidad. Se aplica en los siguientes casos: Cuando los productos son de alto riesgo En aquellos casos que cuando pasan defectuosos causan una gran pérdida económica Cuando la capacidad del proceso de fabricación del lote es inadecuada para cumplir las especificaciones. En la inspección 100% se puede caer en la monotonía, en mayores riesgos de inspección y en ocasiones el producto se daña; lo anterior ocasiona que en algunos casos se inspeccione dos veces (200%) para corregir posibles errores cometidos en la primera inspección. (3.2.3) MUESTREO DE ACEPTACIÓN Consiste en efectuar la inspección por muestras del lote a ser evaluado. Se justifica su utilización en los siguientes casos: a) Inspección con pruebas destructivas b) El costo de la inspección 100% es demasiado alto en comparación con el costo de pasar unidades defectuosas c) Cuando técnicamente no es posible la inspección 100% o se requiere mucho tiempo para realizarla 2

3 d) Cuando el lote lo forman una gran cantidad de artículos que habría que inspeccionar y la probabilidad de error en la inspección es suficientemente alta (al punto que la inspección 100% dejaría pasar más unidades defectuosas que un plan de muestreo) e) Cuando el proveedor históricamente ha tenido excelentes niveles de calidad pero la capacidad del proceso no es lo suficientemente buena como para no inspeccionar f) Cuando es necesario asegurar la confiabilidad del producto aunque la capacidad del proveedor sea satisfactoria VENTAJAS: a) Menor costo b) Involucra menos personal c) El producto sufre menos por la manipulación d) Aplicable en pruebas destructivas e) Reduce el error y la monotonía f) El rechazo de lotes completos proporciona una motivación al proveedor a que mejore su calidad DESVENTAJAS: a) Riesgo de aceptar lotes malos y rechazar los buenos b) Proporciona menos información acerca del nivel de calidad del producto o de su proceso de fabricación c) Se requiere más tiempo y conocimiento para planificar y documentar el muestreo Algunos expertos señalan que el muestreo de aceptación no debe usarse por obsoleto ya que se debe hacer énfasis en mejorar la calidad y corregir a fondo las causas de la mala calidad Mientras no se tenga niveles de calidad satisfactorios el muestreo de aceptación debe verse como una herramienta temporal y útil. (3.3) TIPOS DE PLANES DE MUESTREO Son de dos tipos: por atributos y por variables (3.3.1) PLANES POR VARIABLES Se toma una muestra aleatoria del lote y a cada unidad de la muestra se le mide una característica de calidad de tipo continuo (longitud, peso, etc.) Se calcula un estadístico (media muestral. desviación estándar muestral) que se compara con un parámetro permisible para aceptar o rechazar el lote. (3.3.2) PLANES POR ATRIBUTOS Se extrae aleatoriamente una muestra de un lote y cada pieza de la muestra es clasificada de acuerdo con ciertos atributos como aceptable o defectuosa. Si el número de piezas defectuosas es menor o igual que un cierto número predefinido, entonces el lote es aceptado, en caso de que sea mayor, el lote es rechazado. Los planes por atributos son los más utilizados a pesar de que con los planes por variables se requiere un menor tamaño de muestra para lograr los mismos niveles de seguridad. Ello se debe a que en los planes por atributos se pueden combinar varias características de calidad en un solo plan. En los planes por variables hay que diseñar un plan para cada característica de calidad. Entre los planes por atributos se tienen: (a) simple (b) doble (c) múltiple ( ) PLAN DE MUESTREO SIMPLE Está definido por un tamaño de lote N, un tamaño de muestra n, y un número de aceptación c. Si en la muestra se encuentra c o menos unidades defectuosas, el lote es aceptado, por el contrario, si hay más de c unidades defectuosas el lote es rechazado. 3

4 ( ) PLAN DE MUESTREO DOBLE Consiste en tomar una primera muestra de tamaño pequeño para detectar los lotes muy buenos o los muy malos, y si en la primera muestra no se puede decidir si aceptar o rechazar (considerando haber tomado ni mucho ni poco artículos), se toma una segunda muestra para tomar la decisión. En un plan de muestreo doble se consideran los siguientes factores: N= tamaño del lote n 1 = tamaño de la 1ra muestra c 1 = número aceptación 1ra muestra n 2 = tamaño de la 2da muestra c 2 = número aceptación 2da muestra Ejemplo: N= 3000 n 1 = 80 c 1 = 1 n 2 = 80 c 2 = 4 Del lote de 3000 se toman 80 piezas: 1. Aceptar el lote si c 1 < 1 2. Rechazar el lote si c 2 > 4 3. Sí: 1 < c 1 < 4, se toma una segunda muestra de 80 piezas y si al sumar (c 1 +c 2 ) 4, se acepta el lote 4

5 ( ) PLAN DE MUESTREO MÚLTIPLE Consiste en tomar una muestra inicial muy pequeña, y si ya se tiene evidencia de muy buena o mala calidad se toma la decisión en consecuencia, si no es así, se toma una segunda muestra y se trata de decidir; si todavía no es posible, se continúa con el proceso hasta tomar la decisión de aceptar o rechazar el lote. CONSIDERACIONES SOBRE LOS PLANES Para la selección de un tipo de muestreo se pueden considerar factores tales como: 1. Eficacia de la administración 2. Tipo de información obtenida por el plan 3. Cantidad promedio de inspección 4. Impacto que un plan de muestreo dado pueda tener sobre el flujo del proceso FORMACIÓN DEL LOTE Para la formación de un lote se recomienda lo siguiente: 1. Los lotes deben ser homogéneos: todas las unidades del lote deben haber sido fabricadas bajo condiciones similares en cuanto a: a) Máquinas b) Operadores c) Materia prima d) Tiempo (fechas), etc. 2. Los lotes deben ser formados de tal manera que no compliquen su manejo: la selección de la muestra debe ser fácil. 3. Los lotes deben ser tan grandes como sea posible: ello es debido al menor costo y la mayor eficiencia en la inspección. SELECCIÓN DE LA MUESTRA Las unidades seleccionadas deben ser representativas de todo el lote. La técnica del muestreo es muy importante y a menudo se sugiere el MUESTREO ALEATORIO SIMPLE. En caso de no poder utilizarse, se recurre al MUESTREO ESTRATIFICADO O EL SISTEMÁTICO. Métodos que analizaremos en el siguiente segmento. (3.4) TIPOS DE MUESTREO ALEATORIO Los métodos de muestreo aleatorio tienen como objetivo lograr que la muestra sea representativa. Los tipos más comunes de muestreo aleatorio son: 1. Simple 2. Estratificado 3. Sistemático 4. Conglomerados (3.4.1) MUESTREO SIMPLE Definición: Consiste en seleccionar un grupo de n elementos de la población, de tal forma que cada muestra de tamaño n tenga la misma probabilidad de ser seleccionada. En el muestreo simple todos los elementos de la población tienen la misma probabilidad de ser seleccionados. 5

6 CONSIDERACIONES: Por lo general, se realiza seleccionando números de una tabla de números aleatorios. Se recomienda su utilización cuando los elementos de la población: 1. Pueden numerarse fácilmente. (en el caso del ejemplo de las bolsas de harina, habría que numerar cada bolsa lo cual resulta bastante difícil de realizar en la práctica). 2. Están bien mezclados (todos tienen la misma posibilidad de ser seleccionados). 3. No forman grupos internos bien definidos de acuerdo con la variable de interés (ej. esferas de un mismo color). Ejemplo 1: En una empresa X, se desea saber la opinión de los empleados sobre una medida administrativa. Cómo se tienen 400 empleados, se eligen 50 como una muestra representativa. En este caso la interrogante sería: A quiénes de los 400 empleados deben escogerse? Solución: o Como se tienen los nombres de todos ellos, no existen grupos definidos. o Podemos asignarles un número a c/u: 001, 002, o Al asignar un número a c/u, logramos que todos los elementos de la población estén distribuidos al azar. o Utilizando una Tabla de números aleatorios, seleccionaremos a los 50 individuos. o Para ello, se señala al azar un lugar en la tabla y se identifica un # de 3 cifras. o La 1ra cifra indicara el # de columna donde se debe buscar y las otras 2 el renglón: Tabla 137 Columna 7/ Renglón 13 Tabla 258 o A partir del 258 se escogen los otros números en cualquier dirección ( ) o Si por ejemplo se llega al final de una columna, se continúa en la otra y así sucesivamente. o Con este sistema, todos los empleados tienen la misma probabilidad de ser seleccionados (ya que si escogiésemos otro lugar de inicio en la tabla, ocasionaría una lista distinta). (3.4.2) MUESTREO ESTRATIFICADO Definición: consiste en dividir las muestras en grupos o estratos de acuerdo con las características de interés en el estudio. CONSIDERACIONES: Se selecciona una muestra aleatoria de cada estrato y así se logra una representatividad de todos ellos. Se recomienda su utilización si los estratos o grupos tienen las siguientes condiciones: 1. Son ajenos entre sí. 2. Los elementos pertenecientes a cada estrato son más homogéneos que la población total. 3. Se tiene información estadística de cada estrato. Ejemplo 2: Tomando los datos del ejercicio No. 1, ahora suponga que la opinión de los empleados está relacionada con el departamento donde labora. En este caso, resulta más conveniente obtener información sobre cuál es la opinión en cada departamento. Para ello aplicamos el muestreo por estratos (departamentos). Solución: CASO 1: Supongamos que existen 3 departamentos, cada uno con un número similar de empleados (130 c/u): 6

7 En el ejemplo 1 elegimos 50 empleados entre todos los departamentos. Ahora elegiremos algo así como: 50/3 = empleados x dpto. (Estrato). Hacemos una lista de empleados de cada departamento. Escogemos en la tabla de números aleatorios 17 números entre 001 y 130. CASO 2: Si el número de empleados por departamento no es uniforme, es mejor que el tamaño de la muestra por estrato sea proporcional al tamaño del mismo. Si preferimos la opinión de 50 empleados de la empresa y el departamento A tiene 250, por regla de tres simple decidimos el tamaño de la muestra para el departamento A: X Los números deben ser escogidos de la tabla de números aleatorios entre 001 y 250. RAZONES PARA EFECTUAR UN MUESTREO ESTRATIFICADO: 1. Cuando se desea obtener información estadística para cada estrato de la población. 2. El costo total puede reducirse, ya que por lo general se requiere una muestra más pequeña que en el muestreo aleatorio simple. Ahora bien: Cuando no es posible numerar las muestras. Cuando se requiera hacer muestreos directos durante la producción o la recepción de materiales. Se utiliza el muestreo sistemático. (3.4.3) MUESTREO SISTEMÁTICO Definición: consiste en la selección de una muestra de tamaño n de una lista de N elementos. CONSIDERACIONES: Requiere de una selección aleatoria inicial de observaciones seguida de otra selección de observaciones obtenida usando algún sistema o regla. Es decir, para efectuar la selección, se debe elegir un intervalo al azar apropiado y seleccionar los elementos a intervalos iguales a lo largo de la lista. Los intervalos pueden ser cada determinada cantidad de artículos, tiempo, longitud, etc. Ejemplo 3: o Sea una fábrica de llenado de harina en bolsas. Posee maquinas que envasan en un día 4000 bolsas. Se encuentra razonable inspeccionar sólo 80 bolsas por maquina por día para controlar el peso que debe tener cada bolsa. Qué método de muestreo se debería utilizar? Solución: o El método que mejor se ajusta a este tipo de problemas, cuando se hace necesario tomar muestras durante la producción es el muestreo sistemático. o La lista de artículos (N elementos) está dada por la secuencia natural en que son llenadas las bolsas durante las 8 horas de trabajo. o Así, para obtener información de lo que estuvo pasando a lo largo de las 8 hr., se puede seleccionar cada determinado tiempo una cierta cantidad de bolsas de harina. 7

8 CRITERIOS DE ESCOGENCIA: I caso: o Se decide utilizar el siguiente criterio: 8 hr. X 60 min/hr. = 480 min. / 80bol. = 6 Escoger una bolsa cada 6 min. o El planteamiento anterior tiene el problema de que es posible no detectar un mal funcionamiento en el proceso de llenado. o Es preferible que se tomen más bolsas en cada ocasión, aunque la selección sea más espaciada. II caso. o Dada la recomendación anterior, utilizaremos el criterio de escoger 5 bolsas cada 30 min (i.e 10 bolsas x hr, 80 bolsas x día) y estar analizando los pesos en una Carta de Control X-R. o Si se decide elegir, cada ½ hr, 5 bolsas que son llenadas de manera consecutiva, entonces al iniciar una nueva jornada de trabajo se elegiría aleatoriamente en que minuto de la primera ½ hr se van a tomar las primeras 5 bolsas. o De manera que: cada nuevo día se elegiría mediante una tabla de números aleatorios, un número entre 0 y 30. o Por ejemplo, en cierto día, el número seleccionado aleatoriamente es el 12. Esto significa que en el minuto 12 de iniciado el proceso de llenado se escogerán las 5 bolsas, luego las próximas 5 bolsas en el minuto 42 y así sucesivamente a lo largo de las 8 horas. o Al día siguiente, de nuevo se escoge al azar el minuto en el cual se escogerán las primeras 5 bolsas. OTRAS CONSIDERACIONES Cuando el proceso de llenado no es continuo, entonces el intervalo de muestreo puede estar dado por otras circunstancias, por ejemplo, el número de bolsas envasadas. El muestreo sistemático es aplicado frecuentemente cuando se desea obtener información para evaluar la calidad de la producción en serie, ya que la muestra se puede obtener conforme se van fabricando los artículos y no es necesario esperar a tener la producción total. Es más fácil de llevarse a cabo en el campo. Esta menos expuesto a errores de selección. Puede proporcionar más información por unidad de costo que el método de muestreo simple. Se logra mayor representatividad cuando los elementos de la población no están ordenados en forma aleatoria, sino de acuerdo con alguna característica que está relacionada con las variables de interés como la calidad de un artículo que tenga relación con el orden en que es producido. MUESTREO: COMBINACIÓN ESTRATIFICADO Y SISTEMÁTICO En Control de Calidad es frecuente que la producción o los materiales se dividan naturalmente en grupos como por ejemplo: 1. Máquina 2. Turno 3. Operador 4. Proveedor, etc. Es importante por consiguiente tener información por estrato para evaluar el desempeño de cada grupo y determinar la necesidad de efectuar un muestreo aleatorio estratificado. Sin embargo, para tomar la muestra de cada estrato se puede elegir el muestreo sistemático. Supongamos que en el ejemplo de la fábrica de llenado de bolsas de harina, se cuentan con 3 máquinas para el envasado. 8

9 Como se quiere obtener información sobre el peso de las bolsas, entonces lo más recomendable será seleccionar una muestra por cada máquina (estratificar) para identificar mejor un posible problema. El procedimiento operativo para tomar las muestras en cada máquina será determinado por el muestreo sistemático y, por lo tanto, se procede de modo similar a lo realizado en el ejemplo utilizado para el muestreo sistemático. (3.4.4) MUESTREO POR CONGLOMERADOS (SUBGRUPOS) Es aquel que se aplica cuando los elementos de una población se dividen en forma natural en subgrupos o conglomerados que son similares entre sí, y cuyos elementos tienen una variabilidad similar a los elementos de toda la población. Consiste en determinar de manera clara los subgrupos en que se divide la población, se selecciona aleatoriamente K de ellos, siendo K una constante, y se analizan todos los elementos de los conglomerados seleccionados. Ejemplo: Cuando se desea investigar mediante un muestreo aleatorio el peso de los paquetes de cereal empacados en una fábrica y estos están en cajas de 16 paquetes; como se supone que son iguales, cada caja de 16 forma un conglomerado. 9

GRAFICOS DE CONTROL DATOS TIPO VARIABLES

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

Más detalles

NORMA ISO Introducción

NORMA ISO Introducción Introducción NORMA ISO 2859-1 Objetivo: eliminar productos defectuosos. Esencial para el enfoque basado en hechos de los SGC dado que la calidad no puede generarse sólo mediante inspección El control puede

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

Distribuciones muestrales. Distribución muestral de Medias

Distribuciones muestrales. Distribución muestral de Medias Distribuciones muestrales. Distribución muestral de Medias TEORIA DEL MUESTREO Uno de los propósitos de la estadística inferencial es estimar las características poblacionales desconocidas, examinando

Más detalles

GRÁFICOS DE CONTROL. Datos tipo atributo

GRÁFICOS DE CONTROL. Datos tipo atributo GRÁFICOS DE CONTROL Datos tipo atributo SELECCIÓN DE LOS GRÁFICOS DE CONTROL GRÁFICOS PARA ATRIBUTOS Se distinguen dos grandes grupos: Los gráficos p, 100p y u difieren de los gráficos np y c en que los

Más detalles

GRÁFICOS DE CONTROL. Datos tipo atributo

GRÁFICOS DE CONTROL. Datos tipo atributo GRÁFICOS DE CONTROL Datos tipo atributo SELECCIÓN DE LOS GRÁFICOS DE CONTROL Total GRÁFICOS PARA ATRIBUTOS Se distinguen dos grandes grupos: Por unidad Los gráficos p, 100p y u difieren de los gráficos

Más detalles

MUESTREO PARA ACEPTACION

MUESTREO PARA ACEPTACION MUESTREO PARA ACEPTACION Inspección de Calidad Consiste en un procedimiento técnico que permite verificar si los materiales, el proceso de fabricación y los productos terminados cumplen con sus respectivas

Más detalles

Enlace del Plan de Auditoría con los Riesgos y Exposiciones

Enlace del Plan de Auditoría con los Riesgos y Exposiciones Enlace del Plan de Auditoría con los Riesgos y Exposiciones Estándar principalmente relacionado: 2320 Análisis y Evaluación Los auditores internos deben basar sus conclusiones y los resultados del trabajo

Más detalles

Prof. Evy Andreina Guerrero

Prof. Evy Andreina Guerrero Prof. Evy Andreina Guerrero Son Son las entidades : personas, instituciones, documentos, regiones, objetos, plantas, animales, productos, entre otros, que poseen el evento de estudio. POBLACIÓN MUESTRA

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

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

CURSO DE MÉTODOS CUANTITATIVOS I

CURSO DE MÉTODOS CUANTITATIVOS I CURSO DE MÉTODOS CUANTITATIVOS I TEMA VI: INTRODUCCIÓN AL MUESTREO Ing. Francis Ortega, MGC Concepto de Población y Muestra POBLACIÓN (N) Es el conjunto de todos los elementos de interés en un estudio

Más detalles

Matemáticas 2.º Bachillerato. Intervalos de confianza. Contraste de hipótesis

Matemáticas 2.º Bachillerato. Intervalos de confianza. Contraste de hipótesis Matemáticas 2.º Bachillerato Intervalos de confianza. Contraste de hipótesis Depto. Matemáticas IES Elaios Tema: Estadística Inferencial 1. MUESTREO ALEATORIO Presentación elaborada por el profesor José

Más detalles

Teoría de muestras 2º curso de Bachillerato Ciencias Sociales

Teoría de muestras 2º curso de Bachillerato Ciencias Sociales TEORÍA DE MUESTRAS Índice: 1. Introducción----------------------------------------------------------------------------------------- 2 2. Muestras y población-------------------------------------------------------------------------------

Más detalles

Probabilidad y Estadística

Probabilidad y Estadística Probabilidad y Estadística Tema 13 Inferencia en una población Objetivo de aprendizaje del tema Al finalizar el tema serás capaz de: Explicar el procedimiento de pruebas en la inferencia estadística. Aplicar

Más detalles

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

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

Más detalles

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

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

Más detalles

Teoría del muestreo. Tipos de muestras

Teoría del muestreo. Tipos de muestras Teoría del muestreo El total de un grupo de datos de llama población o universo, y una porción representativa de este grupo se llama muestra. Las muestras desempeñan un papel muy importante en los trabajos

Más detalles

Pruebas de Hipótesis. Diseño Estadístico y Herramientas para la Calidad. Pruebas de Hipótesis. Hipótesis

Pruebas de Hipótesis. Diseño Estadístico y Herramientas para la Calidad. Pruebas de Hipótesis. Hipótesis Diseño Estadístico y Herramientas para la Calidad Pruebas de Hipótesis Expositor: Dr. Juan José Flores Romero juanf@umich.mx http://lsc.fie.umich.mx/~juan M. en Calidad Total y Competitividad Pruebas de

Más detalles

Probabilidad y Estadística Descripción de Datos

Probabilidad y Estadística Descripción de Datos Descripción de Datos Arturo Vega González a.vega@ugto.mx Division de Ciencias e Ingenierías Universidad de Guanajuato Campus León Universidad de Guanajuato, DCI, Campus León 1 / 28 Contenido 1 Probabilidad

Más detalles

Estadística y sus aplicaciones en Ciencias Sociales 6. Prueba de hipótesis. Facultad de Ciencias Sociales, UdelaR

Estadística y sus aplicaciones en Ciencias Sociales 6. Prueba de hipótesis. Facultad de Ciencias Sociales, UdelaR Estadística y sus aplicaciones en Ciencias Sociales 6. Prueba de hipótesis Facultad de Ciencias Sociales, UdelaR Índice 1. Introducción: hipótesis estadística, tipos de hipótesis, prueba de hipótesis 2.

Más detalles

Tema 9: Contraste de hipótesis.

Tema 9: Contraste de hipótesis. Estadística 84 Tema 9: Contraste de hipótesis. 9.1 Introducción. El objetivo de este tema es proporcionar métodos que permiten decidir si una hipótesis estadística debe o no ser rechazada, en base a los

Más detalles

2.- Tablas de frecuencias

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

Más detalles

ESTÁNDAR INTERNACIONAL DE OTROS SERVICIOS DE ASEGURAMIENTO

ESTÁNDAR INTERNACIONAL DE OTROS SERVICIOS DE ASEGURAMIENTO ESTÁNDAR INTERNACIONAL DE OTROS SERVICIOS DE ASEGURAMIENTO DISTINTOS DE AUDITORIAS Y REVISIONES DE INFORMACIÓN FINANCIERA HISTÓRICA Conferencista Jenny Marlene Sosa Cardozo Docente ISAE 3000 TRABAJOS DE

Más detalles

Tema 8. Muestreo. Indice

Tema 8. Muestreo. Indice Tema 8. Muestreo Indice 1. Población y muestra.... 2 2. Tipos de muestreos.... 3 3. Distribución muestral de las medias.... 4 4. Distribución muestral de las proporciones.... 6 Apuntes realizados por José

Más detalles

Estadística Descriptiva

Estadística Descriptiva M. en C. Juan Carlos Gutiérrez Matus Instituto Politécnico Nacional 2004 IPN UPIICSA c 2004 Juan C. Gutiérrez Matus Desde la segunda mitad del siglo anterior, el milagro industrial sucedido en Japón, hizo

Más detalles

Tema 13: Distribuciones de probabilidad. Estadística

Tema 13: Distribuciones de probabilidad. Estadística Tema 13: Distribuciones de probabilidad. Estadística 1. Variable aleatoria Una variable aleatoria es una función que asocia a cada elemento del espacio muestral, de un experimento aleatorio, un número

Más detalles

METODOLOGÍA DE MUESTREO PARA REPORTE DE TENDENCIAS 4o BÁSICO Y 2o MEDIO SIMCE 2010

METODOLOGÍA DE MUESTREO PARA REPORTE DE TENDENCIAS 4o BÁSICO Y 2o MEDIO SIMCE 2010 METODOLOGÍA DE MUESTREO PARA REPORTE DE TENDENCIAS 4o BÁSICO Y 2o MEDIO SIMCE 2010 SIMCE Unidad de Currículum y Evaluación Ministerio de Educación 2011 Índice 1. Antecedentes Generales 1 2. Metodología

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

Unidad 5 Control Estadístico de la Calidad. Administración de Operaciones III

Unidad 5 Control Estadístico de la Calidad. Administración de Operaciones III Unidad 5 Control Estadístico de la Calidad Administración de Operaciones III 1 Contenido 1. Antecedentes del control estadístico de la calidad 2. Definición 3. Importancia y aplicación 4. Control estadístico

Más detalles

Objetivos. Aprender a construir gráficos p y/o np. Aprender a construir gráficos c y u. Cuando usarlos. Epígrafes

Objetivos. Aprender a construir gráficos p y/o np. Aprender a construir gráficos c y u. Cuando usarlos. Epígrafes Objetivos Aprender a construir gráficos p y/o np. Aprender a construir gráficos c y u. Cuando usarlos Epígrafes Introducción a los Gráficos p, np. Interpretación Gráficos c y u. Interpretación 2-1 Gráfico

Más detalles

RepublicofEcuador EDICTOFGOVERNMENT±

RepublicofEcuador EDICTOFGOVERNMENT± RepublicofEcuador EDICTOFGOVERNMENT± Inordertopromotepubliceducationandpublicsafety,equaljusticeforal, abeterinformedcitizenry,theruleoflaw,worldtradeandworldpeace, thislegaldocumentisherebymadeavailableonanoncommercialbasis,asit

Más detalles

Cómo introducir Prueba de Hipótesis para una media, utilizando experimentos en el salón de clase.

Cómo introducir Prueba de Hipótesis para una media, utilizando experimentos en el salón de clase. Cómo introducir Prueba de Hipótesis para una media, utilizando experimentos en el salón de clase. M. C. Blanca Evelia Flores Soto. Dpto. de Matemáticas Universidad de Sonora Introducción. Actividad desarrollada

Más detalles

POBLACIÓN Y MUESTRAS EN LA INVESTIGACIÓN

POBLACIÓN Y MUESTRAS EN LA INVESTIGACIÓN POBLACIÓN Y MUESTRAS EN LA INVESTIGACIÓN Adela del Carpio Rivera Doctor en Medicina UNIVERSO Conjunto de individuos u objetos de los que se desea conocer algo en una investigación Población o universo

Más detalles

SESION 12 LA DISTRIBUCIÓN BINOMIAL

SESION 12 LA DISTRIBUCIÓN BINOMIAL SESION LA DISTRIBUCIÓN BINOMIAL I. CONTENIDOS:. La distribución omial.. Variables aleatorias en una distribución omial. 3. Descripciones de la distribución omial. 4. Distribución de Poisson. II. OBJETIVOS:

Más detalles

Pasos Ejecución de pruebas analíticas sustantivas. 6. Ejecución de pruebas sustantivas

Pasos Ejecución de pruebas analíticas sustantivas. 6. Ejecución de pruebas sustantivas 6. Ejecución de pruebas sustantivas Destinadas a verificar saldos de cuentas o transacciones, están compuestas por: Procedimientos analíticos sustantivos Pruebas sustantivas de detalles: Representativas

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

ISO 9001 Auditing Practices Group Guidance on:

ISO 9001 Auditing Practices Group Guidance on: International Organization for Standardization International Accreditation Forum ISO 9001 Auditing Practices Group Guidance on: Auditando el proceso de Diseño y Desarrollo 1. Introducción El objetivo de

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

Distribuciones de Probabilidad

Distribuciones de Probabilidad Distribuciones de Probabilidad Variables Aleatorias Ahora se introducirá el concepto de variable aleatoria y luego se introducirán las distribuciones de probabilidad discretas más comunes en la práctica

Más detalles

Unidad V. Control Estadístico de la Calidad

Unidad V. Control Estadístico de la Calidad UNIVERSIDAD NACIONAL DE INGENIERÍA UNI- NORTE - SEDE REGIONAL ESTELÍ Unidad V. Control Estadístico de la Calidad Objetivos Reconocer los principios estadísticos del control de calidad. Explicar la forma

Más detalles

PLAN DE TRABAJO 9 Período 3/09/07 al 28/09/07

PLAN DE TRABAJO 9 Período 3/09/07 al 28/09/07 PLAN DE TRABAJO 9 Período 3/09/07 al 28/09/07 TEMAS A ESTUDIAR En esta guía nos dedicaremos a estudiar el tema de Estimación por intervalo y comenzaremos a estudiar las pruebas de hipótesis paramétricas.

Más detalles

Tema1: Introducción a La Estadística 1.1-1

Tema1: Introducción a La Estadística 1.1-1 1 Tema1: Introducción a La Estadística 1.1-1 Determine a cuáles de los términos se hacen referencia en el siguiente estudio : población, muestra, parámetro, estadístico, variable, data. Se quiere saber

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

Tema. Introducción Pearson Prentice Hall. All rights reserved

Tema. Introducción Pearson Prentice Hall. All rights reserved Tema 1 Introducción 2010 Pearson Prentice Hall. All rights reserved Estadística descriptiva La estadística descriptiva estudia datos con el único fin de describir el grupo observado, sin inferir los hallazgos

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

PROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 2011 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES TEMA 6: TEORÍA DE MUESTRAS

PROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 2011 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES TEMA 6: TEORÍA DE MUESTRAS PROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 011 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES TEMA 6: TEORÍA DE MUESTRAS Junio, Ejercicio 4, Opción B Reserva 1, Ejercicio 4, Opción B Reserva, Ejercicio

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

ISO SERIE MANUALES DE CALIDAD GUIAS DE IMPLEMENTACION. ISO 9001:2008 Como implementar los cambios parte 1 de 6

ISO SERIE MANUALES DE CALIDAD GUIAS DE IMPLEMENTACION. ISO 9001:2008 Como implementar los cambios parte 1 de 6 ISO 9001 2008 GUIAS DE IMPLEMENTACION ISO 9001:2008 Como implementar los cambios parte 1 de 6 SERIE MANUALES DE CALIDAD 1 NORMA INTERNACIONAL ISO 9000 Dentro de las modificaciones de la nueva versión de

Más detalles

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

INSTITUTO NACIONAL DE ESTADÍSTICAS (INE) 29 de Abril de 2016 ANEXO ESTADÍSTICO 1 : COEFICIENTES DE VARIACIÓN Y ERROR ASOCIADO AL ESTIMADOR ENCUESTA NACIONAL DE EMPLEO (ENE) INSTITUTO NACIONAL DE ESTADÍSTICAS (INE) 9 de Abril de 016 1 Este anexo estadístico es una

Más detalles

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

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

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

Más detalles

1. La Distribución Normal

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

Más detalles

LECTURA 01: LA ESTADÍSTICA. TÉRMINOS DE ESTADÍSTICA. RECOLECCIÓN DE DATOS TEMA 1: LA ESTADISTICA: DEFINICION Y CLASIFICACION

LECTURA 01: LA ESTADÍSTICA. TÉRMINOS DE ESTADÍSTICA. RECOLECCIÓN DE DATOS TEMA 1: LA ESTADISTICA: DEFINICION Y CLASIFICACION LECTURA 01: LA ESTADÍSTICA. TÉRMINOS DE ESTADÍSTICA. RECOLECCIÓN DE DATOS TEMA 1: LA ESTADISTICA: DEFINICION Y CLASIFICACION 1. DEFINICION La estadística es una ciencia que proporciona un conjunto métodos

Más detalles

Agro 6998 Conferencia 2. Introducción a los modelos estadísticos mixtos

Agro 6998 Conferencia 2. Introducción a los modelos estadísticos mixtos Agro 6998 Conferencia Introducción a los modelos estadísticos mixtos Los modelos estadísticos permiten modelar la respuesta de un estudio experimental u observacional en función de factores (tratamientos,

Más detalles

Contrastes de hipótesis. 1: Ideas generales

Contrastes de hipótesis. 1: Ideas generales Contrastes de hipótesis 1: Ideas generales 1 Inferencia Estadística paramétrica población Muestra de individuos Técnicas de muestreo X 1 X 2 X 3.. X n Inferencia Estadística: métodos y procedimientos que

Más detalles

PROCEDIMIENTO DE ACCIONES CORRECTIVAS Y PREVENTIVAS

PROCEDIMIENTO DE ACCIONES CORRECTIVAS Y PREVENTIVAS PÁGINA 1 DE 5 1. OBJETIVO Establecer un método unificado para identificar, analizar y tratar las causas de No conformidades reales o potenciales, observaciones, u objeto de mejora para el Sistema Integrado

Más detalles

UNIDAD V Distribuciones Muestrales

UNIDAD V Distribuciones Muestrales UNIDAD V Distribuciones Muestrales UNIDAD 5 BASE CONCEPTUAL Hoy la estadística está considerada como la teoría de la información, no solo como función descriptiva, si o con el objeto básico de hacer estimaciones

Más detalles

PLANES DE MUESTREO DEL CODEX PARA ALIMENTOS PREENVASADOS (NCA 6,5) 1 CODEX STAN 233

PLANES DE MUESTREO DEL CODEX PARA ALIMENTOS PREENVASADOS (NCA 6,5) 1 CODEX STAN 233 CODEX STAN Página 1 de 11 PLANES DE MUESTREO DEL CODEX PARA ALIMENTOS PREENVASADOS (NCA,) 1 CODEX STAN 1. AMBITO DE APLICACIÓN Los Planes de Muestreo, que figuran en el Apéndice I de este documento, se

Más detalles

ISO 9004:2009: Gestión del éxito sostenido de una organización. Un enfoque de gestión de la calidad

ISO 9004:2009: Gestión del éxito sostenido de una organización. Un enfoque de gestión de la calidad ISO 9004:2009: Gestión del éxito sostenido de una organización. Un enfoque de gestión de la calidad Ing. Eduardo Del Río Martínez Delegado INLAC en el ISO/TC 176 Octubre 2009 Temario 1. Evolución de los

Más detalles

Probabilidad. Generalidades

Probabilidad. Generalidades robabilidad Generalidades a probabilidad estudia experimentos en los que se pueden esperar varios resultados y no solamente uno. os experimentos se pueden clasificar como aleatorios o determinísticos.

Más detalles

Procedimientos Analíticos NIA 520

Procedimientos Analíticos NIA 520 Procedimientos Analíticos NIA 520 Report to the Audit Committee February 26, 2010 Agenda Vigencia Objetivos Aspectos relevantes Vigencia Es vigor para auditorías de estados financieros por ejercicios que

Más detalles

TAMAÑO DE MUESTRA EN LA ESTIMACIÓN DE LA MEDIA DE UNA POBLACIÓN

TAMAÑO DE MUESTRA EN LA ESTIMACIÓN DE LA MEDIA DE UNA POBLACIÓN TAMAÑO DE MUESTRA EN LA ESTIMACIÓN DE LA MEDIA DE UNA POBLACIÓN En este artículo, se trata de explicar una metodología estadística sencilla y sobre todo práctica, para la estimación del tamaño de muestra

Más detalles

en Enfermería del Trabajo

en Enfermería del Trabajo revista noviembre:maquetación 1 16/11/2011 6:27 Página 30. 203 Metodología de la investigación Metodología de Investigación en Enfermería del Trabajo Autor Romero Saldaña M Enfermero Especialista en Enfermería

Más detalles

EJERCICIOS UNIDAD 10: MUESTREO E INFERENCIA ESTADÍSTICA

EJERCICIOS UNIDAD 10: MUESTREO E INFERENCIA ESTADÍSTICA EJERCICIOS UNIDAD 10: MUESTREO E INFERENCIA ESTADÍSTICA 1. (2012-M3;Sept-B-4) El peso de las calabazas de una determinada plantación sigue una ley Normal con desviación típica 1200 g. a) (2 puntos) Halle

Más detalles

Concepto de Probabilidad

Concepto de Probabilidad Concepto de Probabilidad Prof. Miguel Hesiquio Garduño. Est. Mirla Benavides Rojas Depto. De Ingeniería Química Petrolera ESIQIE-IPN hesiquiogm@yahoo.com.mx mbenavidesr5@gmail.com PROBABILIDAD En cualquier

Más detalles

ANÁLISIS CUANTITATIVO POR WDFRX

ANÁLISIS CUANTITATIVO POR WDFRX ANÁLISIS CUANTITATIVO POR WDFRX El análisis cuantitativo se obtiene mediante la medida de las intensidades de las energías emitidas por la muestra. Siendo la intensidad de la emisión (número de fotones)

Más detalles

Ejemplo: Los miembros del Colegio de Ingenieros del Estado Cojedes.

Ejemplo: Los miembros del Colegio de Ingenieros del Estado Cojedes. Qué es la Estadística? En el lenguaje común, la palabra se emplea para denotar un conjunto de calificaciones o de números, por ejemplo: una persona puede preguntar has visto las últimas estadísticas acerca

Más detalles

Tablas de dispersión (hash tables)

Tablas de dispersión (hash tables) Tablas de dispersión (hash tables) La dispersión es una técnica empleada para realizar inserciones, eliminaciones y búsquedas en un tiempo promedio constante. La estructura de datos ideal para la tabla

Más detalles

TALLER N 2. www.siresistemas.com/clases www.fundacionsire.org www.siresistemas.com

TALLER N 2. www.siresistemas.com/clases www.fundacionsire.org www.siresistemas.com TALLER N 2 1. Supóngase que los nueve valores siguientes, representan observaciones aleatorias provenientes de una población normal: 1, 5, 9, 8, 4, 0, 2, 4, 3. Constrúyase un intervalo de confianza de

Más detalles

Guión de Prácticas. PRÁCTICA METROLOGIA. Medición. 2. CONSIDERACIONES PREVIAS a tener en cuenta SIEMPRE

Guión de Prácticas. PRÁCTICA METROLOGIA. Medición. 2. CONSIDERACIONES PREVIAS a tener en cuenta SIEMPRE 1. OBJETIVOS Guión de Prácticas. PRÁCTICA METROLOGIA. Medición Conocimientos de los fundamentos de medición Aprender a utilizar correctamente los instrumentos básicos de medición. 2. CONSIDERACIONES PREVIAS

Más detalles

Normas ISO 9000 y 14000. Calidad y Control de Calidad

Normas ISO 9000 y 14000. Calidad y Control de Calidad Normas ISO 9000 y 14000 Calidad y Control de Calidad Definición Informal: conjunto de características que posee un objeto concreto (producto o servicio) que permite compararlo con otro objeto similar,

Más detalles

INFERENCIA ESTADÍSTICA

INFERENCIA ESTADÍSTICA INFERENCIA ESTADÍSTICA 1. DEFINICIÓN DE INFERENCIA ESTADÍSTICA Llamamos Inferencia Estadística al proceso de sacar conclusiones generales para toda una población a partir del estudio de una muestra, así

Más detalles

METODOLOGÍA DE CONSTRUCCIÓN DE GRUPOS SOCIOECONÓMICOS Pruebas SIMCE 2012

METODOLOGÍA DE CONSTRUCCIÓN DE GRUPOS SOCIOECONÓMICOS Pruebas SIMCE 2012 METODOLOGÍA DE CONSTRUCCIÓN DE GRUPOS SOCIOECONÓMICOS Pruebas SIMCE 2012 Departamento de Pruebas Nacionales División de Evaluación de Logros de Aprendizaje AGENCIA DE CALIDAD DE LA EDUCACIÓN Índice 1.

Más detalles

OBJETIVO ESPECIFICO. Identificar peligros asociados a cada fase o etapa del trabajo y la posterior evaluación de los riesgos.

OBJETIVO ESPECIFICO. Identificar peligros asociados a cada fase o etapa del trabajo y la posterior evaluación de los riesgos. ANALISIS DE RIESGO OBJETIVO ESPECIFICO Identificar peligros asociados a cada fase o etapa del trabajo y la posterior evaluación de los riesgos. ADMINISTRACIÓN DEL RIESGO = PREVENCIÓN CONTROL DE ACCIDENTES/

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

PROCESOS INDUSTRIALES

PROCESOS INDUSTRIALES PROCESOS INDUSTRIALES HOJA DE ASIGNATURA CON DESGLOSE DE UNIDADES TEMÁTICAS 1. Nombre de la asignatura METROLOGÍA 2. Competencias Planear la producción considerando los recursos tecnológicos, financieros,

Más detalles

Grado en Ingeniería Informática Estadística Tema 5: Teoría Elemental del Muestreo e Inferencia Paramétrica Ángel Serrano Sánchez de León

Grado en Ingeniería Informática Estadística Tema 5: Teoría Elemental del Muestreo e Inferencia Paramétrica Ángel Serrano Sánchez de León Grado en Ingeniería Informática Estadística Tema 5: Teoría Elemental del Muestreo e Inferencia Paramétrica Ángel Serrano Sánchez de León Distribuciones Muestrales 1. Sea una población de 5 números: 2,

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

ADMINISTRACION DE OPERACIONES

ADMINISTRACION DE OPERACIONES Sesión4: Métodos cuantitativos ADMINISTRACION DE OPERACIONES Objetivo específico 1: El alumno conocerá y aplicara adecuadamente los métodos de pronóstico de la demanda para planear la actividad futura

Más detalles

CONTRASTE SOBRE UN COEFICIENTE DE LA REGRESIÓN

CONTRASTE SOBRE UN COEFICIENTE DE LA REGRESIÓN Modelo: Y =! 1 +! 2 X + u Hipótesis nula: Hipótesis alternativa H 1 :!!! 2 2 Ejemplo de modelo: p =! 1 +! 2 w + u Hipótesis nula: Hipótesis alternativa: H :!! 1 2 1. Como ilustración, consideremos un modelo

Más detalles

Capitulo 4. DECISIONES BAJO RIESGO TEORIA DE JUEGOS

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

Más detalles

EJEMPLO DE CLASE CONTROL ESTADÍSTICO DE LA CALIDAD

EJEMPLO DE CLASE CONTROL ESTADÍSTICO DE LA CALIDAD EJEMPLO DE CLASE CONTROL ESTADÍSTICO DE LA CALIDAD GRÁFICAS DE CONTROL POR VARIABLES Ejemplo 1 Gráfica X Calculando la desviación estándar Para Gráfica x cuando se conoce s Límite superior de control (LSC)

Más detalles

Bloque II (Columnas) B= Y212 C= Y322 D= Y432 C= Y313 D= Y423 E= Y533. A= Y1k2. B= Y2k3

Bloque II (Columnas) B= Y212 C= Y322 D= Y432 C= Y313 D= Y423 E= Y533. A= Y1k2. B= Y2k3 DISEÑO EN CUADRO LATINO En el diseño en cuadro latino (DCL) se controlan dos factores de bloque y se estudia un solo factor de interés. En este sentido, se tienen cuatro fuentes de variación: Los tratamientos

Más detalles

E S T A D Í S T I C A

E S T A D Í S T I C A Tema 1. Estadística Todos los días haces acopio de datos e información de distintas fuentes con el fin de tomar decisiones, revisas en internet el reporte meteorológico y así decidir que ropa vas a usar,

Más detalles

Tema 2. Regresión Lineal

Tema 2. Regresión Lineal Tema 2. Regresión Lineal 3.2.1. Definición Mientras que en el apartado anterior se desarrolló una forma de medir la relación existente entre dos variables; en éste, se trata de esta técnica que permite

Más detalles

LECTURA 01: LA ESTADÍSTICA. TÉRMINOS DE ESTADÍSTICA. RECOLECCIÓN DE DATOS TEMA 1: LA ESTADISTICA Y CLASIFICACION

LECTURA 01: LA ESTADÍSTICA. TÉRMINOS DE ESTADÍSTICA. RECOLECCIÓN DE DATOS TEMA 1: LA ESTADISTICA Y CLASIFICACION LECTURA 01: LA ESTADÍSTICA. TÉRMINOS DE ESTADÍSTICA. RECOLECCIÓN DE DATOS TEMA 1: LA ESTADISTICA Y CLASIFICACION 1. LA ESTADÍSTICA La estadística es una ciencia que proporciona un conjunto métodos y técnicas

Más detalles

9.3 GLOSARIO DE TÉRMINOS

9.3 GLOSARIO DE TÉRMINOS Página: 1 de 7 9.3 GLOSARIO DE TÉRMINOS Las siguientes definiciones están dirigidas a asegurar el entendimiento del estándar de calidad de la Benemérita y Centenaria Escuela Normal del Estado y su aplicación.

Más detalles

ÍNDICE DE CONTENIDOS. sistema Los Subsistemas de la Empresa El entorno empresarial Funciones Directivas LA EMPRESA COMO SISTEMA. FUNCIONES DIRECTIVAS

ÍNDICE DE CONTENIDOS. sistema Los Subsistemas de la Empresa El entorno empresarial Funciones Directivas LA EMPRESA COMO SISTEMA. FUNCIONES DIRECTIVAS ÍNDICE DE CONTENIDOS 1 2 3 4 5 6 Concepto y Propiedades de los Sistemas Tipología de los Sistemas Elementos Conceptuales de la empresa como sistema El entorno empresarial Funciones Directivas 1 Concepto

Más detalles

Tema 5 Algunas distribuciones importantes

Tema 5 Algunas distribuciones importantes Algunas distribuciones importantes 1 Modelo Bernoulli Distribución Bernoulli Se llama experimento de Bernoulli a un experimento con las siguientes características: 1. Se realiza un experimento con dos

Más detalles

CTR. CONSTRUCCIÓN. CAR. Carreteras. 1. CONCEPTOS DE OBRA 07. Señalamiento y Dispositivos de Seguridad

CTR. CONSTRUCCIÓN. CAR. Carreteras. 1. CONCEPTOS DE OBRA 07. Señalamiento y Dispositivos de Seguridad LIBRO: TEMA: PARTE: TÍTULO: CAPÍTULO: CTR. CONSTRUCCIÓN CAR. Carreteras 1. CONCEPTOS DE OBRA 07. Señalamiento y Dispositivos de Seguridad 015. Cercas A. CONTENIDO Esta Norma contiene los aspectos a considerar

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 En muchas situaciones cuando queremos sacar conclusiones sobre una muestra,

Más detalles

INSTITUTO POLITÉCNICO NACIONAL SECRETARIA ACADEMICA DIRECCIÓN DE ESTUDIOS PROFESIONALES EN INGENIERÍA Y CIENCIAS FÍSICO MATEMÁTICAS

INSTITUTO POLITÉCNICO NACIONAL SECRETARIA ACADEMICA DIRECCIÓN DE ESTUDIOS PROFESIONALES EN INGENIERÍA Y CIENCIAS FÍSICO MATEMÁTICAS ESCUELA: UPIICSA CARRERA: INGENIERÍA EN TRANSPORTE ESPECIALIDAD: COORDINACIÓN: ACADEMIAS DE MATEMÁTICAS DEPARTAMENTO: CIENCIAS BÁSICAS PROGRAMA DE ESTUDIO ASIGNATURA: ESTADÍSTICA APLICADA CLAVE: TMPE SEMESTRE:

Más detalles

International Laboratory Accreditation Cooperation. Por qué utilizar una entidad de inspección acreditada? global trust Testing Calibration Inspection

International Laboratory Accreditation Cooperation. Por qué utilizar una entidad de inspección acreditada? global trust Testing Calibration Inspection International Laboratory Accreditation Cooperation Por qué utilizar una entidad de inspección acreditada? Por qué una entidad de inspección acreditada? Existen numerosas empresas que prestan servicios

Más detalles

ESTADÍSTICA DESCRIPTIVA

ESTADÍSTICA DESCRIPTIVA ESTADÍSTICA DESCRIPTIVA Medidas de tendencia central y de dispersión Giorgina Piani Zuleika Ferre 1. Tendencia Central Son un conjunto de medidas estadísticas que determinan un único valor que define el

Más detalles

Conceptos de Estadística

Conceptos de Estadística 117 118 CAPÍTULO 12 CONCEPTOS DE ESTADÍSTICA La estadística es el conjunto de métodos o técnicas que se aplican a la recolección, organización, presentación, análisis e interpretación de datos numéricos.

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

Estadística CONCEPTOS:

Estadística CONCEPTOS: Estadística CONCEPTOS: Población: Es todo conjunto de elementos, finito o infinito, definido por una o más características, de las que gozan todos los elementos que lo componen, y sólo ellos. En muestreo

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

1. VALORES FALTANTES 2. MECANISMOS DE PÉRDIDA

1. VALORES FALTANTES 2. MECANISMOS DE PÉRDIDA 1. VALORES FALTANTES Los valores faltantes son observaciones que en un se tenía la intención de hacerlas, pero por distintas razones no se obtuvieron. Puede ser que no se encuentre a un encuestado, entonces

Más detalles