Método Analítico (Estudio del Calibrador Atributos)
|
|
- Sandra Calderón Torres
- hace 6 años
- Vistas:
Transcripción
1 Método Analítico (Estudio del Calibrador Atributos) STATGRAPHICS Rev. 9/4/2006 Resumen El Método Analítico estima la repetibilidad y sesgo de un sistema de medición donde las observaciones consisten de atributos más que de variables. En este tipo de estudio, n artículos son evaluados m veces, y el número total de aceptación a es registrado para cada artículo. A diferencia del Método de Análisis del Riesgo, este método requiere tener una variable cuantitativa para que el valor sea conocido para cada artículo en el estudio, aunque las evaluaciones rutinarias se basan sobre un atributo más que en las mediciones de una variable. El artículo con el valor de referencia más pequeño deberá rechazarse cada vez, mientras que el artículo con el valor de referencia más grande deberá aceptarse cada vez. Por lo menos otros 6 artículos deberán obtenerse entre el más pequeño y grande y tener algunas aceptaciones y rechazos. Ejemplo StatFolio: gageanalytic.sgp Datos del Ejemplo: El archivo gageanalytic.sf3 contiene datos de un estudio del Calibrador típico por atributos, tomado del manual de referencia del Grupo de Acción Industrial Automotriz (AIAG) sobre Análisis del Sistema de Medición, MSA (2002). Los datos en el archivo se muestran abajo: Xt a m El archivo contiene un total de n = 9 filas, una para cada parte. La primera columna muestra los valores de referencia para la parte, la segunda columna muestra el número de aceptaciones, y la tercera columna muestra el número de corridas. Nota: Los datos del Manual de Análisis del Sistema de Medición (MSA) fueron re-impresos con permiso de DaimlerChrysler, Ford y GM Supplier Quality Requirements Task Force. Entrada de Datos La caja de dialogo para la entrada de datos es desplegada para este procedimiento que se muestra abajo por StatPoint, Inc. Método Analítico -
2 STATGRAPHICS Rev. 9/4/2006 Valores de Referencia: El valor de referencia cuantitativo para cada artículo, cubriendo un rango lo bastante amplio donde por lo menos una parte es rechazada sobre todas las corridas y por lo menos una parte es aceptada sobre todas las corridas. Numero de Aceptaciones: Número de aceptaciones a para cada parte. Numero de Corridas: Número de corridas m para cada parte. Si m = 20 para todos los artículos, entonces un valor ajustado de la repetibilidad será calculado y una prueba-t será desarrollada para probar la significancia estadística de la estimación del sesgo. Límite de Especificación Superior: El límite de especificación superior para la variable de referencia. Límite de Especificación Inferior: El límite de especificación inferior para la variable de referencia. Titulo del Estudio: Titulo opcional que puede imprimirse en la parte superior de cada tabla de salida. Selección: Selección de un subconjunto de los datos por StatPoint, Inc. Método Analítico - 2
3 STATGRAPHICS Rev. 9/4/2006 Gráfico de Probabilidad El primer paso en el análisis del estudio de los datos es calcular la probabilidad de aceptación correspondiente para cada parte y graficar estas probabilidades sobre un gráfico de probabilidad normal Gráfica de probabilidad valor-z = *Xt 99 Prob(aceptación) P50= (X 0.00) Si el error de medición sigue una distribución normal, entonces los cálculos de probabilidades pueden ajustarse alrededor de una línea recta. Una línea de regresión se estima sobre las probabilidades, la ecuación es la que se muestra a la largo del gráfico. Esta ecuación es utilizada para calcular los perceptiles, como el valor P 50, el cual es el valor Xt en donde la probabilidad de aceptación es igual al 50%. Resumen del Análisis El Resumen del Análisis tabula los resultados como se ilustra abajo. La sección superior de la salida se muestra abajo: Estudio Calibración para Atributos Método Analítico - Xt AIAG Example p. 37 Valores de referencia: Xt Número de aceptaciones: a Número de ensayos: m Límite superior de espec.: 0.0 Límite inferior de espec.: -0.0 Modelo de regresión Innermost reference value with no rejections: -0.0 Innermost reference value with no acceptances: Valor-Z = *Xt R-cuadrada = % Aálisis de Bias P(aceptación) = 0.5 en Límite de comparación especif. = -0.0 Bias estimado = por StatPoint, Inc. Método Analítico - 3
4 STATGRAPHICS Rev. 9/4/2006 Existen dos secciones importantes: Modelo de Regresión Esta sección muestra los valores de referencia íntimos para los cuales a = 0 y a = m. También despliega la ecuación de la línea estimada sobre el gráfico de probabilidad normal, junto con el estadístico R-Cuadrada. Los valores de R-Cuadrada que exceden del 90% implican un buen ajuste. Análisis de Bias Esta sección muestra la estimación del valor P 50 sobre el modelo estimado, junto con una indicación de los límites de especificación alrededor del cual el estudio fue desarrollado. Nota: el estudio puede estructurarse como si los valores de referencia atraviesan el límite de especificación inferior o superior. También despliega la estimación del sesgo. Asumiendo que el límite de especificación inferior fue atravesado, el sesgo se estima por: Sesgo = Límite de Especificación Inferior P 50 () En esta caso, hay una diagonal con sesgo positive, puesto que la probabilidad de aceptación es igual al 50% en el valor de referencia levemente debajo del límite de especificación inferior. Si el limite de especificación superior fue atravesado, la estimación del sesgo es por Sesgo = Límite de Especificación Superior P 50 (2) La sección inferior Resumen del Análisis despliega la siguiente: Análisis de Repetibilidad P(aceptación) = en P(aceptación) = en Repetibilidad estimada (sin ajustar) = Repetibilidad estimada (ajustada) = Estadístico-t AIAG = Valor-P =.0209E-8 Análisis de Repetibilidad Esta sección estima la repetibilidad del proceso de medición calculada por P 99.5 y P 0.5, la estimación de los valores de referencia para los cuales la probabilidad de aceptación es igual al 99.5% y 0.5%, respectivamente. Entonces la repetibilidad es estimada por: repetibilidad = P 99 P (3) El valor calculado es una estimación del rango de cobertura cuando la probabilidad de aceptación cambia al 99%. Si m = 20 para todos los artículos, la repetibilidad ajustada también será calculada de acuerdo a lo recomendado por el manuel de AIAG (2002): 2006 por StatPoint, Inc. Método Analítico - 4
5 STATGRAPHICS Rev. 9/4/2006 P 99.5 P0.5 repetibilidad ajustada = (4).08 En algunos casos, una prueba-t para la medición del sesgo también puede desarrollarse y se presenta el Valor-P. Un Valor-P pequeño (menor que 0.05 en le nivel de significancia del 5%) indica que el sesgo es significativamente diferente de cero. Gráfico de Desempeño del Calibrador Este gráfico resume los resultados del análisis. Gráfica de Desempeño del Calibrador Bias= , Repetibilidad Ajst= Porciento Aceptado (X 0.00) Xt Importantes propiedades que incluye el gráfico: Línea Azul Sólida: Estima la probabilidad de aceptación como una función del valor de referencia para el artículo. Esto esta basado sobre la ecuación de regresión estimada y el supuesto de una distribución normal. En el dibujo de esta curva, se asume que la distribución de los errores de medición es la misma alrededor de ambos límites de especificación, excepto que la media cambia por la cantidad del sesgo estimado. Líneas Verticales: Dibujan los límites de especificación inferior y superior. La estimación del sesgo y la repetibilidad (o repetibilidad ajustada si esta disponible). En el ejemplo, podemos notar que hay una probabilidad bastante alta de aceptar un artículo con un valor verdadero si es menor que el límite de especificación inferior, aunque esto mismo no es verdadero arriba del límite superior. Si el límite de especificación inferior es critico, entonces será necesaria una mejora por StatPoint, Inc. Método Analítico - 5
6 Cálculos STATGRAPHICS Rev. 9/4/2006 Probabilidad de Aceptación P = 0 si a = 0 excepto para la referencia más grande en algunos casos. (5) a = para la referencia más grande con a = 0. 2m (6) P = si a = m excepto para la referencia más pequeña en algunos casos. (7) a = para la referencia más pequeña con a = m. (8) 2m a a = si < 0. 5 m m a 0. 5 a = si > 0. 5 m m a P a = 0.5 si = 0. 5 m y a 0 (9) y a m (0) () P 50, P 99.5, y P 0.5 Calculados sobre la línea de regresión estimada determinando el valor Z apropiado y resolviéndolo para Xt. Prueba t del Sesgo 3.3 sesgo t = (2) repetibilidad Un valor-p de dos colas es calculado basándose en una distribución t-student con 9 grados de libertad por StatPoint, Inc. Método Analítico - 6
Método de Análisis del Riesgo (Estudio del Calibrador Atributos)
Método de Análisis del Riesgo (Estudio del Calibrador Atributos) Resumen El Método de Análisis del Riesgo cuantifica la incertidumbre de un sistema de medición donde las observaciones consisten de atributos
Más detallesExactitud y Linearidad del Calibrador
Exactitud y Linearidad del Calibrador Resumen El procedimiento Exactitud y Linearidad del Calibrador fue diseñado para estimar la exactitud del sistema de medición. En contraste con los procedimientos
Más detallesAnálisis Probit. StatFolio de Ejemplo: probit.sgp
STATGRAPHICS Rev. 4/25/27 Análisis Probit Resumen El procedimiento Análisis Probit está diseñado para ajustar un modelo de regresión en el cual la variable dependiente Y caracteriza un evento con sólo
Más detallesEstadísticas por Filas
Estadísticas por s Resumen El procedimiento Estadísticas por s calcula estadísticas para datos en filas de la hoa de datos. Esto contrasta con la mayoría de los procedimientos de STATGRAPHICS que esperan
Más detallesHistogramas. Ejemplo StatFolio: histogram.sgp
s Resumen El ilustra la distribución de lo valores de una variable numérica agrupando los datos en intervalos y graficando barras en las cuales la altura es proporcional al numero de observaciones en cada
Más detallesAnálisis 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 detallesAnálisis de Componentes de la Varianza
Análisis de Componentes de la Varianza Resumen El procedimiento de Análisis de Componentes de Varianza está diseñado para estimar la contribución de múltiples factores a la variabilidad de una variable
Más detallesEste 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 detallesDiseño 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 detallesGrafico de Cajas y Bigotes
Grafico de Cajas y Bigotes Resumen El procedimiento del Gráfico de Cajas y Bigotes crea un gráfico diseñado para ilustrar propiedades importantes de una columna de datos numérica. El primero en describirlo
Más detallesDeterminación del tamaño de muestra (para una sola muestra)
STATGRAPHICS Rev. 4/5/007 Determinación del tamaño de muestra (para una sola muestra) Este procedimiento determina un tamaño de muestra adecuado para la estimación o la prueba de hipótesis con respecto
Más detallesGráfico de Medias Móviles (MA)
Gráfico de Medias Móviles (MA) Resumen El procedimiento Gráfico de Medias Móviles crea cuadros de control para una sola variable numérica donde los datos se han recolectado ya sea individualmente o en
Más detallesGráfico 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 detallesGráficos EWMA. Ejemplo StatFolio: ewmachart.sgp
Gráficos EWMA Resumen El procedimiento del Gráfico EWMA (Exponentially Weighted Moving Average - Promedios Móviles Exponencialmente Ponderados) construye un gráfico de control para una sola variable numérica
Más detallesPronósticos Automáticos
Pronósticos Automáticos Resumen El procedimiento de Pronósticos Automáticos esta diseñado para pronosticar valores futuros en datos de una serie de tiempo. Una serie de tiempo consiste en un conjunto de
Más detallescrédito. Por ejemplo si la institución ha fijado que los clientes buenos son aquellos que tienen 500 puntos o más, este cliente sería rechazado.
crédito. Por ejemplo si la institución ha fijado que los clientes buenos son aquellos que tienen 500 puntos o más, este cliente sería rechazado. 6.- Validación del modelo 6.1.- Análisis de percentiles
Más detallesDiseño de Experimentos Optimización de Múltiples Respuestas
Diseño de Experimentos Optimización de Múltiples Respuestas Resumen La selección de Optimización de Múltiples Respuestas sobre el menú DDE permite al experimentador determinar las configuraciones de los
Más detallesSnapStat: 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 detallesRegresión en Cadena. StatFolio de Ejemplo: ridge reg.sgp
Regresión en Cadena Resumen El procedimiento Regresión en Cadena está diseñado para ajustar un modelo de regresión múltiple cuando las variables independientes exhiben multicolinealidad. Multicolinealidad
Más detallesTransformaciones de Box-Cox
Transformaciones de Box-Cox Resumen El procedimiento para las Transformaciones de Box-Cox es diseñado para determinar una transformación optima para Y mientras se estima un modelo de regresión lineal.
Más detalles1. 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 detallesDiagrama 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 detallesTema 1.- Correlación Lineal
Tema 1.- Correlación Lineal 3.1.1. Definición El término correlación literalmente significa relación mutua; de este modo, el análisis de correlación mide e indica el grado en el que los valores de una
Más detallesEl ejemplo: Una encuesta de opinión
El ejemplo: Una encuesta de opinión Objetivos Lo más importante a la hora de planificar una encuesta es fijar los objetivos que queremos lograr. Se tiene un cuestionario ya diseñado y se desean analizar
Más detallesMÉTODO PARA MEDIR EL AHUELLAMIENTO EN SUPERFICIES PAVIMENTADAS I.N.V. E
MÉTODO PARA MEDIR EL AHUELLAMIENTO EN SUPERFICIES PAVIMENTADAS I.N.V. E 789 07 1. OBJETO 1.1 Esta norma describe el método de ensayo para medir la profundidad del ahuellamiento en la superficie de pavimentos
Más detallesRelación entre la altura y la distancia del suelo al ombligo
Relación entre la altura y la distancia del suelo al ombligo JULIA VIDAL PIÑEIRO Los 79 datos usados para realizar el estudio estadístico de la relación altura- distancia al ombligo, se tomaron a personas
Más detallesConceptos básicos de metrología
Conceptos básicos de metrología Definiciones, características y estimación de incertidumbres. Lic. Francisco Sequeira Castro 05 de Noviembre, 2014 Qué es la metrología? La metrología es la ciencia de las
Más detallesPasos 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 detallesCONTRASTE 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 detallesPruebas 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 detallesLos 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 detallesTabulación Cruzada. Sample StatFolio: crosstabulation.sgp
Tabulación Cruzada El procedimiento de Tabulación Cruzada esta diseñado para resumir dos columnas de datos. Esta construye una tabla de dos-caminos mostrando las frecuencias de ocurrencia de cada uno de
Más detallesTeorema 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 detallesCORE TOOLS SPC, MSA, AMEF, PC, APQP y PPAP OVERVIEW
CORE TOOLS SPC, MSA, AMEF, PC, APQP y PPAP OVERVIEW - 2nd Edition (AIAG), 4th Edition (AIAG), 4th Edition (AIAG) - Revision 4.1 (Ford), Supplier APQP/PPAP Readiness Assessment (Ford) - 2nd Edition (AIAG),
Más detalles4.1 Análisis bivariado de asociaciones
4.1 Análisis bivariado de asociaciones Los gerentes posiblemente estén interesados en el grado de asociación entre dos variables Las técnicas estadísticas adecuadas para realizar este tipo de análisis
Más detallesTema 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 detallesESTADÍSTICA. Población Individuo Muestra Muestreo Valor Dato Variable Cualitativa ordinal nominal. continua
ESTADÍSTICA Población Individuo Muestra Muestreo Valor Dato Variable Cualitativa ordinal nominal Cuantitativa discreta continua DISTRIBUCIÓN DE FRECUENCIAS Frecuencia absoluta: fi Frecuencia relativa:
Más detallesTema 6. Variables aleatorias continuas
Tema 6. Variables aleatorias continuas Resumen del tema 6.1. Definición de variable aleatoria continua Identificación de una variable aleatoria continua X: es preciso conocer su función de densidad, f(x),
Más detallesCómo se hace la Prueba t a mano?
Cómo se hace la Prueba t a mano? Sujeto Grupo Grupo Grupo Grupo 33 089 74 5476 84 7056 75 565 3 94 8836 75 565 4 5 704 76 5776 5 4 6 76 5776 6 9 8 76 5776 7 4 78 6084 8 65 45 79 64 9 86 7396 80 6400 0
Más detallesMANUAL DE LABORATORIO DE FÍSICA GENERAL 9ª Edición EXPERIENCIA N 02
GRÁFICAS EXPERIENCIA N René Descartes "Consideraría que no sé nada de Física si tan sólo fuese capaz de epresar cómo deben ser las cosas, pero fuese incapaz de demostrar que no pueden ser de otra manera
Más detallesINFERENCIA 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 detallesProcedimientos de Análisis
Procedimientos de Análisis El menú principal de STATGRAPHICS proporciona acceso a 150 procedimientos que realizan análisis estadísticos. Cada uno de los procedimientos opera muy similar: 1. Caja de Dialogo
Más detallesINDICE. Prólogo a la Segunda Edición
INDICE Prólogo a la Segunda Edición XV Prefacio XVI Capitulo 1. Análisis de datos de Negocios 1 1.1. Definición de estadística de negocios 1 1.2. Estadística descriptiva r inferencia estadística 1 1.3.
Más detallesDISTRIBUCIÓN N BINOMIAL
DISTRIBUCIÓN N BINOMIAL COMBINACIONES En muchos problemas de probabilidad es necesario conocer el número de maneras en que r objetos pueden seleccionarse de un conjunto de n objetos. A esto se le denomina
Más detallesGráfico de Medianas y Rangos
Gráfico de Medianas y Rangos Resumen El procedimiento Gráfico de Medianas y Rangos crea gráficos de control para una sola variable numérica donde los datos se han recolectad en subgrupos. Crea tanto un
Más detallesEste 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 detallesDiagrama Causa y Efecto
Diagrama Causa y Efecto Resumen El Diagrama Causa - Efecto o Diagrama Espina de Pescado ilustra las causas de un problema o efectos creando un diagrama parecido al esqueleto de un pescado. Este es frecuentemente
Más detallesMétodo de cuadrados mínimos
REGRESIÓN LINEAL Gran parte del pronóstico estadístico del tiempo está basado en el procedimiento conocido como regresión lineal. Regresión lineal simple (RLS) Describe la relación lineal entre dos variables,
Más detallesOTRAS 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 detallesProbabilidad 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 detallesY accedemos al cuadro de diálogo Descriptivos
SPSS: DESCRIPTIVOS PROCEDIMIENTO DE ANÁLISIS INICIAL DE DATOS: DESCRIPTIVOS A diferencia con el procedimiento Frecuencias, que contiene opciones para describir tanto variables categóricas como cuantitativas
Más detalles4. Regresión Lineal Simple
1 4. Regresión Lineal Simple Introducción Una vez conociendo las medidas que se utilizan para expresar la fuerza y la dirección de la relación lineal entre dos variables, se tienen elementos base para
Más detallesLa representación gráfica de una función cuadrática es una parábola.
Función Cuadrática A la función polinómica de segundo grado +bx+c, siendo a, b, c números reales y, se la denomina función cuadrática. Los términos de la función reciben los siguientes nombres: La representación
Más detallesEs una proposición o supuesto sobre los parámetros de una o más poblaciones
HIPOTESIS ESTADISTICA Es una proposición o supuesto sobre los parámetros de una o más poblaciones http://www.itch.edu.mx/academic/industrial/estadistica1/cap02.html POR LUIS M. BAQUERO ROSAS, MBA JUNIO
Más detallesEl determinante de una matriz se escribe como. Para una matriz, el valor se calcula como:
Materia: Matemática de 5to Tema: Definición de Determinantes Marco Teórico Un factor determinante es un número calculado a partir de las entradas de una matriz cuadrada. Tiene muchas propiedades e interpretaciones
Más detallesGeneralidades sobre los informes de QuadTech Data Central
Data Central Mercado comercial Generalidades sobre los informes de QuadTech Data Central Descripción general: El módulo de reportamiento del rendimiento de Data Central de QuadTech ofrece información y
Más detallesRegresión Polinomial. StatFolio de Ejemplo: polynomial reg.sgp
Regresión Polinomial Resumen El procedimiento Regresión Polinomial está diseñado para construir una modelo estadístico que describa el impacto de un solo factor cuantitativo X en una variable dependiente
Más detallesCurso de Estadística Aplicada a las Ciencias Sociales
Curso de Estadística Aplicada a las Ciencias Sociales Tema 6. Descripción numérica (2) Capítulo 5 del manual Tema 6 Descripción numérica (2) Introducción 1. La mediana 2. Los cuartiles 3. El rango y el
Más detalles3. 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 detalles1. Cómo introducir datos en SPSS/PC? - Recordatorio
1 Taller de Estadística Curso 2oo5/2oo6 Descripción de datos bivariantes El objetivo de esta práctica es familiarizarse con las técnicas de descripción de datos bidimensionales y con algunas de las opciones
Más detallesUSO HERRAMIENTAS EXCEL PARA LA PREDICCION
USO HERRAMIENTAS EXCEL PARA LA PREDICCION Nassir Sapag Chain MÉTODO DE REGRESIÓN LINEAL SIMPLE El método de Regresión Lineal (o Mínimos cuadrados) busca determinar una recta, o más bien la ecuación de
Más detallesCurso de Estadística Básica
Curso de SESION 3 MEDIDAS DE TENDENCIA CENTRAL Y MEDIDAS DE DISPERSIÓN MCC. Manuel Uribe Saldaña MCC. José Gonzalo Lugo Pérez Objetivo Conocer y calcular las medidas de tendencia central y medidas de dispersión
Más detallesEstadística 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 detallesEL PRINCIPIO DE MÁXIMA VEROSIMILITUD (LIKELIHOOD)
EL PRINCIPIO DE MÁXIMA VEROSIMILITUD (LIKELIHOOD) Fortino Vela Peón fvela@correo.xoc.uam.mx FVela-0 Objetivo Introducir las ideas básicas del principio de máxima verosimilitud. Problema Considere el experimento
Más detallesLas medidas de dispersión nos informan sobre cuánto se alejan del centro los valores de la distribución.
CONTENIDO: MEDIDAS DE DISPERSIÓN INDICADOR DE LOGRO: Determinarás y aplicarás, con perseverancia las medidas de dispersión para datos no agrupados y agrupados Guía de trabajo: Las medidas de dispersión
Más detallesTeoría de la decisión
1.- Un problema estadístico típico es reflejar la relación entre dos variables, a partir de una serie de Observaciones: Por ejemplo: * peso adulto altura / peso adulto k*altura * relación de la circunferencia
Más detallesQué son las fórmulas de Excel?
Samayra Niebles Velasquez - 3012578750 Las fórmulas de Excel son lo que dan un tremendo poder a nuestras hojas de cálculo. Sin las fórmulas nuestras hojas de cálculo serían como cualquier otro documento
Más detallesProbabilidad y Estadística, EIC 311
Probabilidad y Estadística, EIC 311 Medida de resumen 1er Semestre 2016 1 / 105 , mediana y moda para datos no Una medida muy útil es la media aritmética de la muestra = Promedio. 2 / 105 , mediana y moda
Más detallesHorsepower (Caballos de Fuerza)
Análisis de Factores Resumen El procedimiento Análisis de Factores esta diseñado para extraer factores comunes de un conjunto de p variables cuantitativas X. En muchas situaciones, un número pequeño de
Más detallesMarzo 2012
Marzo 2012 http:///wpmu/gispud/ Para determinar la carga transferida a través del tiempo a un elemento, es posible hacerlo de varias formas: 1. Utilizando la ecuación de carga, evaluando en los tiempos
Más detallesEnlace 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 detallesTabla 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 detallesRecolección y Análisis de Resultados
Recolección y Análisis de Resultados Clase nro. 7 CURSO 2010 Recolección de resultados Evitar un alud de resultados que nos pueda ahogar. Los objetivos determinan la selección de resultados. Estos deben
Más detallesUNIVERSIDAD DON BOSCO DEPARTAMENTO DE CIENCIAS BÁSICAS LABORATORIO DE FÍSICA ASIGNATURA: ELECTRICIDAD Y MAGNETISMO
UNIVERSIDAD DON BOSCO DEPARTAMENTO DE CIENCIAS BÁSICAS LABORATORIO DE FÍSICA ASIGNATURA: ELECTRICIDAD Y MAGNETISMO I. OBJETIVOS LABORATORIO 3: CAMPO ELÉCTRICO Y POTENCIAL ELÉCTRICO Determinar la relación
Más detallesANÁLISIS EXPLORATORIO DE DATOS ESPACIALES ESTADÍSTICA ESPACIAL
ANÁLISIS EXPLORATORIO DE DATOS ESPACIALES ESTADÍSTICA ESPACIAL DEPARTAMENTO DE GEOGRAFÍA FACULTAD DE HUMANIDADES UNNE Prof. Silvia Stela Ferreyra Revista Geográfica Digital. IGUNNE. Facultad de Humanidades.
Más detallesIndicaciones para el lector... xv Prólogo... xvii
ÍNDICE Indicaciones para el lector... xv Prólogo... xvii 1. INTRODUCCIÓN Qué es la estadística?... 3 Por qué estudiar estadística?... 5 Empleo de modelos en estadística... 6 Perspectiva hacia el futuro...
Más detalles1. Necesidades del Consumidor una lista de m necesidades del consumidor. Estas necesidades constituyen las m hileras de la matriz.
Matriz QFD Resumen El procedimiento Matriz QFD crea y presenta una matriz QFD (Quality Function Deployment, Despliegue de la Función de Calidad). QFD es un proceso de planeación dirigido por el cliente
Más detallesESTADÍSTICA Y PROBABILIDAD
V ESTADÍSTICA Y PROBABILIDAD Página 9 Observa estas dos distribuciones bidimensionales: I II Asigna a cada una un coeficiente de correlación tomándolo de entre los siguientes valores: 0,; 0,; 0,; 0,; 0,92;
Más detallesDERIVADAS. Para hallar la pendiente de una curva en algún punto hacemos uso de la recta tangente de una curva en un punto.
DERIVADAS Tema: La derivada como pendiente de una curva Para hallar la pendiente de una curva en algún punto hacemos uso de la recta tangente de una curva en un punto. La pendiente de la curva en el punto
Más detallesSTATGRAPHICS 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 detallesProgramación NO Lineal (PNL) Optimización sin restricciones
Programación NO Lineal (PNL) Optimización sin restricciones Ejemplos de los problemas que se aplica la programación NO Lineal: Problema de transporte con descuentos por cantidad : El precio unitario de
Más detallesESTADÍSTICA. Tema 4 Regresión lineal simple
ESTADÍSTICA Grado en CC. de la Alimentación Tema 4 Regresión lineal simple Estadística (Alimentación). Profesora: Amparo Baíllo Tema 4: Regresión lineal simple 1 Estructura de este tema Planteamiento del
Más detallesUNIVERSIDAD DON BOSCO DEPARTAMENTO DE CIENCIAS BÁSICAS LABORATORIO DE FÍSICA ASIGNATURA: ELECTRICIDAD Y MAGNETISMO
UNIVERSIDAD DON BOSCO DEPARTAMENTO DE CIENCIAS BÁSICAS LABORATORIO DE FÍSICA ASIGNATURA: ELECTRICIDAD Y MAGNETISMO I. OBJETIVOS LABORATORIO 2: CAMPO Y POTENCIAL ELÉCTRICO Determinar la relación entre la
Más detalles2. Análisis de varianza
1. Análisis de varianza Introducción La estadística inferencial no solo realiza estudios con una muestra, también es necesario trabajar con más de una muestra; las que pueden ser dos o más. Para cada una
Más detallesINDICE 1. Introducción 2. Recopilación de Datos Caso de estudia A 3. Descripción y Resumen de Datos 4. Presentación de Datos
INDICE Prefacio VII 1. Introducción 1 1.1. Qué es la estadística moderna? 1 1.2. El crecimiento y desarrollo de la estadística moderna 1 1.3. Estudios enumerativos en comparación con estudios analíticos
Más detallesComparación de Líneas de Regresión
Comparación de Líneas de Regresión Resumen El procedimiento de Comparación de Líneas de Regresión esta diseñado para comparar líneas de regresión relacionas con Y y X en dos o mas niveles de un factor
Más detallesUnidad IV: Distribuciones muestrales
Unidad IV: Distribuciones muestrales 4.1 Función de probabilidad En teoría de la probabilidad, una función de probabilidad (también denominada función de masa de probabilidad) es una función que asocia
Más detallesde 1 a 3 15 Desarrollo de ideas y precisión proposi Conclusión de 0 a 1 de 1 a 3
Resultados de la aplicación de la Expresión Escrita (EXPRESC) a la generación 16/Primavera de la División de Ciencias Sociales y Humanidades (DCSH), Unidad Cuajimalpa. La EXPRESC evalúa la expresión escrita
Más detallesEsta proposición recibe el nombre de hipótesis
Pruebas de hipótesis tesis. Refs: Apuntes de Estadística, Mtra Leticia de la Torre Instituto Tecnológico de Chiuhuahua, Apuntes de Estadística, Dr. Pedro Juan Rodríguez Esquerdo, Departamento de Matemáticas,
Más detallesLABORATORIO NACIONAL DE TEMPERATURA DE CHILE
LABORATORIO NACIONAL DE TEMPERATURA DE CHILE ERROR NORMALIZADO, SU DEFINICIÓN Y USO EN TERMOMETRÍA Mauricio Araya Castro Laboratorio Nacional de Temperatura de Chile, CESMEC S.A. Avenida Marathon 2595,
Más detallesRepresentaciones gráficas: Método del Paralelogramo
Representaciones gráficas: Método del Paralelogramo La relación funcional más simple entre dos variables es la línea recta. Sea entonces la variable independiente x y la variable dependiente y que se relacionan
Más detallesTema 2. Descripción Conjunta de Varias Variables
Tema 2. Descripción Conjunta de Varias Variables Cuestiones de Verdadero/Falso 1. La covarianza mide la relación lineal entre dos variables, pero depende de las unidades de medida utilizadas. 2. El análisis
Más detallesRegresión lineal SIMPLE MÚLTIPLE N A Z IRA C A L L E J A
Regresión lineal REGRESIÓN LINEAL SIMPLE REGRESIÓN LINEAL MÚLTIPLE N A Z IRA C A L L E J A Qué es la regresión? El análisis de regresión: Se utiliza para examinar el efecto de diferentes variables (VIs
Más detallesGráfico ARIMA. Ejemplo StatFolio: ARIMA charts.sgp
Gráfico ARIMA Resumen El procedimiento del Gráfico ARIMA (AutoRegressive Integrated Moving Average - Promedio Móvil Integrado Auto-Regresivo) crea gráficos de control para una sola variable numérica donde
Más detallesProcesando y Analizando Datos Dinámicos
Procesando y Analizando Datos Dinámicos Este documento describe un ejemplo de como STATGRAPHICS puede ser usado para procesar datos en tiempo real. Haciendo uso de las capacidades de Activación StatLink,
Más detallesESTIMACIÓN DE LA INCERTIDUMBRE PARA LA CALIBRACIÓN DE UN TERMÓMETRO DIGITAL, EN EL INTERVALO DE TEMPERATURA DESDE 0 C A 300 C
ESTIMACIÓN DE LA INCERTIDUMBRE PARA LA CALIBRACIÓN DE UN TERMÓMETRO DIGITAL, EN EL INTERVALO DE TEMPERATURA DESDE 0 C A 300 C Roberto Figueroa M. Jefe Laboratorio CIDE-USACH Universidad de Santiago de
Más detallesD.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 detallesPruebas de Hipótesis Multiples
Pruebas de Hipótesis Multiples Cuando queremos hacer comparaciones de mas de dos poblaciones, una alternativa es comparar todos los grupos a la vez con el método de Análisis de Varianza (ANOVA) H o : µ
Más detallesATIAIA CHILE ENERGÍA SPA CENTRAL REMANSO ESTUDIO DE SEDIMENTACIÓN
ATIAIA CHILE ENERGÍA SPA CENTRAL REMANSO ESTUDIO DE SEDIMENTACIÓN 1.- INTRODUCCIÓN El objetivo del presente trabajo es efectuar un estudio de sedimentación que permita conocer el aporte de material sólido
Más detallesSeries de Tiempo Suavización
Series de Tiempo Suavización Resumen El procedimiento de Suavización está diseñado para ayudar a ilustrar cualquier tendencia y ciclos presentes en una serie de tiempo. Una serie de tiempo consiste en
Más detalles