MÉTODOS ESTADÍSTICOS PARA LA MEJORA DE LA CALIDAD
|
|
- María Rosa Quiroga Ruiz
- hace 6 años
- Vistas:
Transcripción
1 MÉTODOS ESTADÍSTICOS PARA LA MEJORA DE LA CALIDAD Tema 8: Gráficos de Control con Memoria 1. Introducción 2. Gráfico EWMA 3. Gráfico de Medias Móviles 4. Gráfico CUSUM 2
2 Parte I: Diseño de experimentos Parte II: Control estadístico de procesos Parte III: Control de productos terminados Diseño Producción Producto final Métodos Estadísticos para la Mejora de la Calidad. Profesor: Ismael Sánchez 3 Materia prima Producto Conjunto de procesos intermedios Métodos Estadísticos para la Mejora de la Calidad. Profesor: Ismael Sánchez 4
3 Control de los procesos intermedios Proceso 1 Control de la calidad del proceso 1 Proceso 2 Control de la calidad del proceso 2 Proceso J Control de la calidad del proceso J Métodos Estadísticos para la Mejora de la Calidad. Profesor: Ismael Sánchez 5 Control de los procesos intermedios Proceso 1 Control de la calidad del proceso 1 Evolución de la variable controlada ALARMA!!! Métodos Estadísticos para la Mejora de la Calidad. Profesor: Ismael Sánchez 6
4 1. Introducción Supongamos que X es una característica de calidad que si el proceso está bajo control verifica que EX ( ) = µ Var( X ) 2 = σ Tema 6:Gráficos de Control por Variables Tema 7:Gráficos de Control por Atributos Muy útiles para detectar cambios en la media de más de 2 desviaciones típicas Pero pueden tardar mucho en detectar un cambio más pequeño Métodos Estadísticos para la Mejora de la Calidad. Profesor: Ismael Sánchez 7 1. Introducción Supongamos que X es una característica de calidad que si el proceso está bajo control verifica que EX ( ) = µ Var( X ) 2 = σ Gráficos de Control con Memoria CUSUM... EWMA Medias Móviles Son más rápidos en detectar un cambio pequeño, pero más lentos en detectar un cambio grande Métodos Estadísticos para la Mejora de la Calidad. Profesor: Ismael Sánchez 8
5 Supongamos que X es una característica de calidad que si el proceso está bajo control verifica que EX ( ) = µ Var( X ) Gráfico de Control por Variables: 2 = σ (bien con observaciones individuales o muestras independientes -mutuamente excluyentes-) Gráfico de Control con Memoria: La información se va acumulando un pequeño desajuste acaba detectándose Métodos Estadísticos para la Mejora de la Calidad. Profesor: Ismael Sánchez 9 Tema 8: Gráficos de Control con Memoria 1. Introducción 2. Gráfico CUSUM 3. Gráfico EWMA 4. Gráfico de Medias Móviles 10
6 2. Gráficos CUSUM Vamos a ver dos tipos: CUSUM algorítmico Plantilla V Sea x la variable de calidad de interés En estado de control... Construimos el siguiente estadístico Ci para acumular la información: Acumulación de desviaciones Métodos Estadísticos para la Mejora de la Calidad. Profesor: Ismael Sánchez Gráficos CUSUM Los gráficos CUSUM se basan en la evolución de Ci Si el proceso está bajo control Ci evoluciona alrededor del cero Métodos Estadísticos para la Mejora de la Calidad. Profesor: Ismael Sánchez 12
7 ... por tanto, si el proceso está bajo control, Ci evoluciona de forma aleatoria alrededor de una horizontal de nivel cero Métodos Estadísticos para la Mejora de la Calidad. Profesor: Ismael Sánchez Gráficos CUSUM Por el contrario, si el proceso se desajusta y la media pasa a valer... Aparece una tendencia lineal, creciente si k>0, o Métodos Estadísticos para la Mejora de la Calidad. Profesor: Ismael Sánchez 14 decreciente si k<0
8 ... por tanto, si el proceso se desajusta, Ci evoluciona de forma aleatoria alrededor de una pendiente Métodos Estadísticos para la Mejora de la Calidad. Profesor: Ismael Sánchez Gráficos CUSUM Vamos a ver dos tipos: CUSUM algorítmico Plantilla V CUSUM Algorítmico Este gráfico CUSUM tiene las siguientes particularidades: Dibuja por separado las desviaciones positivas (aumentos en la media del proceso) y las negativas (disminuciones en la media del proceso) Sólo tiene en cuenta desviaciones que superen cierto umbral mínimo Métodos Estadísticos para la Mejora de la Calidad. Profesor: Ismael Sánchez 16
9 2. Gráficos CUSUM CUSUM Algorítmico: Monitoriza la evolución de los siguientes estadísticos Para detectar aumentos en la media Para detectar disminuciones en la media Métodos Estadísticos para la Mejora de la Calidad. Profesor: Ismael Sánchez Gráficos CUSUM CUSUM Algorítmico Monitoriza la evolución de los siguientes estadísticos Sólo computa desviaciones que superen el umbral K Métodos Estadísticos para la Mejora de la Calidad. Profesor: Ismael Sánchez 18
10 2. Gráficos CUSUM CUSUM Algorítmico El valor del umbral K determina la sensibilidad del gráfico. Para detectar el desajuste se suele tomar Monitoriza la evolución de los siguientes estadísticos Métodos Estadísticos para la Mejora de la Calidad. Profesor: Ismael Sánchez 19 Valor de la variable de interés Métodos Estadísticos para la Mejora de la Calidad. Profesor: Ismael Sánchez 20
11 =1.1 (C0=0) Métodos Estadísticos para la Mejora de la Calidad. Profesor: Ismael Sánchez 21 Max[0,( )]=0 Métodos Estadísticos para la Mejora de la Calidad. Profesor: Ismael Sánchez 22
12 Valor de la variable de interés Métodos Estadísticos para la Mejora de la Calidad. Profesor: Ismael Sánchez 23 0+( )=-5.1 Métodos Estadísticos para la Mejora de la Calidad. Profesor: Ismael Sánchez 24
13 Max[0,( )]=0 Métodos Estadísticos para la Mejora de la Calidad. Profesor: Ismael Sánchez 25 Métodos Estadísticos para la Mejora de la Calidad. Profesor: Ismael Sánchez 26
14 Los límites de control se ponen a distancia Generalmente Métodos Estadísticos para la Mejora de la Calidad. Profesor: Ismael Sánchez 27 Alarma Momento en el que parece que se ha producido el desajuste Métodos Estadísticos para la Mejora de la Calidad. Profesor: Ismael Sánchez 28
15 CUSUM Algorítmico: Decisiones que debe tomar el analista: Sensibilidad K Intervalo H Sensibilidad K Si lo expresamos en función del proceso: K=kσ Si queremos detectar desviaciones se suele elegir δ k = 2 µ 1 = µ 0 + δσ (maximiza la probabilidad de detectar ese desajuste) Métodos Estadísticos para la Mejora de la Calidad. Profesor: Ismael Sánchez 29 CUSUM Algorítmico: Decisiones que debe tomar el analista: Sensibilidad K Intervalo H Intervalo H Si lo expresamos en función del proceso: H=hσ Su valor ideal depende de k (K=kσ ) Si no hay desajuste, Probabilidad de estar por debajo de H es aprox Métodos Estadísticos para la Mejora de la Calidad. Profesor: Ismael Sánchez 30
16 CUSUM Algorítmico: Decisiones que debe tomar el analista: Sensibilidad K Intervalo H Intervalo H Si lo expresamos en función del proceso: H=hσ Su valor ideal depende de k (K=kσ=δ/2 σ ) k= h= (basado en el algoritmo de Hawkins) Métodos Estadísticos para la Mejora de la Calidad. Profesor: Ismael Sánchez 31 V-Mask 2. Gráficos CUSUM El segundo gráfico que veremos es el CUSUM con Plantilla V (V-mask) Este gráfico CUSUM tiene las siguientes particularidades: Dibuja la evolución de Ci Métodos Estadísticos para la Mejora de la Calidad. Profesor: Ismael Sánchez 32
17 2. Gráficos CUSUM El segundo gráfico que veremos es el CUSUM con Plantilla V (V-mask) Este gráfico CUSUM tiene las siguientes particularidades: Utiliza una plantilla en V como límites de control Métodos Estadísticos para la Mejora de la Calidad. Profesor: Ismael Sánchez 33 Intersección con la plantilla=fuera de control Alarma Métodos Estadísticos para la Mejora de la Calidad. Profesor: Ismael Sánchez 34
18 Momento en el que probablemente se produjo el desajuste Métodos Estadísticos para la Mejora de la Calidad. Profesor: Ismael Sánchez 35 w d Métodos Estadísticos para la Mejora de la Calidad. Profesor: Ismael Sánchez 36
19 w d δ: sensibilidad µ 1 = µ 0 + δσ n: tamaño muestral medio a: Probabilidad de falsa alarma β: Probabilidad de no detectar el desajuste Métodos Estadísticos para la Mejora de la Calidad. Profesor: Ismael Sánchez 37 Métodos Estadísticos para la Mejora de la Calidad. Profesor: Ismael Sánchez 38
20 Tema 8: Gráficos de Control con Memoria 1. Introducción 2. Gráfico CUSUM 3. Gráfico EWMA 4. Gráfico de Medias Móviles Gráfico EWMA EWMA=Exponentially Weighted Moving Average (Medias móviles con ponderación exponencial) Sea X la variable de calidad de interés. El gráfico EWMA representa la evolución de con (Factor de olvido, lo decide el analista) Métodos Estadísticos para la Mejora de la Calidad. Profesor: Ismael Sánchez 40
21 Sustituyendo sucesivamente... Métodos Estadísticos para la Mejora de la Calidad. Profesor: Ismael Sánchez 41 Sustituyendo sucesivamente... Métodos Estadísticos para la Mejora de la Calidad. Profesor: Ismael Sánchez 42
22 Los pesos decaen exponencialmente i-3 i-2 i-1 i Métodos Estadísticos para la Mejora de la Calidad. Profesor: Ismael Sánchez Además, decaen muy rápido El pasado tiene poco valor La memoria es corta i-3 i-2 i-1 i Métodos Estadísticos para la Mejora de la Calidad. Profesor: Ismael Sánchez 44
23 i-3 i-2 i-1 i Métodos Estadísticos para la Mejora de la Calidad. Profesor: Ismael Sánchez Los pesos decaen exponencialmente i-3 i-2 i-1 i Métodos Estadísticos para la Mejora de la Calidad. Profesor: Ismael Sánchez 46
24 Ahora decaen muy despacio El pasado tiene mucho valor La memoria es larga i-3 i-2 i-1 i Métodos Estadísticos para la Mejora de la Calidad. Profesor: Ismael Sánchez i-3 i-2 i-1 i Métodos Estadísticos para la Mejora de la Calidad. Profesor: Ismael Sánchez 48
25 Si queremos detectar un desajuste pequeño, necesitaremos acumular la información de muchos periodos para que el desajuste pueda apreciarse Métodos Estadísticos para la Mejora de la Calidad. Profesor: Ismael Sánchez 49 Si queremos detectar un desajuste grande, bastará con la información inmediatamente posterior al desajuste. No debemos esperar a acumular mucha información Métodos Estadísticos para la Mejora de la Calidad. Profesor: Ismael Sánchez 50
26 Gráfico EWMA Y i Y i Y i Y i Y i Y i Y i Métodos Estadísticos para la Mejora de la Calidad. Profesor: Ismael Sánchez 51 Gráfico EWMA Y i Y i Y i Y i Y i Van aumentando Métodos Estadísticos para la Mejora de la Calidad. Profesor: Ismael Sánchez 52
27 Alarma Van aumentando Métodos Estadísticos para la Mejora de la Calidad. Profesor: Ismael Sánchez 53 Tema 8: Gráficos de Control con Memoria 1. Introducción 2. Gráfico CUSUM 3. Gráfico EWMA 4. Gráfico de Medias Móviles 54
28 4. Gráfico de Medias Móviles Sea x la variable de calidad de interés. El gráfico de medias móviles representa la evolución del estadístico Métodos Estadísticos para la Mejora de la Calidad. Profesor: Ismael Sánchez 55 Por ejemplo, si m=3 Bajo control La varianza aumenta hasta que se han analizado m observaciones Métodos Estadísticos para la Mejora de la Calidad. Profesor: Ismael Sánchez 56
29 Gráfico de Medias Móviles Los límites van disminuyendo Límites constantes Métodos Estadísticos para la Mejora de la Calidad. Profesor: Ismael Sánchez 57 Alarma Métodos Estadísticos para la Mejora de la Calidad. Profesor: Ismael Sánchez 58
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 detallesMÉTODOS ESTADÍSTICOS PARA LA MEJORA DE LA CALIDAD
MÉTODOS ESTADÍSTICOS PARA LA MEJORA DE LA CALIDAD 1 Parte I: Diseño de experimentos Parte II: Control estadístico de procesos Parte III: Control de productos terminados Diseño Producción Producto final
Más detallesTema 4: Probabilidad y Teoría de Muestras
Tema 4: Probabilidad y Teoría de Muestras Estadística. 4 o Curso. Licenciatura en Ciencias Ambientales Licenciatura en Ciencias Ambientales (4 o Curso) Tema 4: Probabilidad y Teoría de Muestras Curso 2008-2009
Más detallesTema 5. Muestreo y distribuciones muestrales
1 Tema 5. Muestreo y distribuciones muestrales En este tema: Muestreo y muestras aleatorias simples. Distribución de la media muestral: Esperanza y varianza. Distribución exacta en el caso normal. Distribución
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 detallesTAMAÑO 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 detallesTema 4: Probabilidad y Teoría de Muestras
Tema 4: Probabilidad y Teoría de Muestras Estadística. 4 o Curso. Licenciatura en Ciencias Ambientales Licenciatura en Ciencias Ambientales (4 o Curso) Tema 4: Probabilidad y Teoría de Muestras Curso 2008-2009
Más 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 4 Variables Aleatorias
Tema 4 Variables Aleatorias 1 Introducción En Estadística Descriptiva, se estudiaron las distribuciones de frecuencias de conjuntos de datos y posteriormente se vimos los fundamentos de la teoría de probabilidades.
Más detallesINDICE Capítulo I: Conceptos Básicos Capitulo II: Estadística Descriptiva del Proceso
INDICE Capítulo I: Conceptos Básicos 1.- Introducción 3 2.- Definición de calidad 7 3.- Política de calidad 10 4.- Gestión de la calidad 12 5.- Sistema de calidad 12 6.- Calidad total 13 7.- Aseguramiento
Más detallesTema 8: Contraste de hipótesis
Tema 8: Contraste de hipótesis 1 En este tema: Conceptos fundamentales: hipótesis nula y alternativa, nivel de significación, error de tipo I y tipo II, p-valor. Contraste de hipótesis e IC. Contraste
Más detallesDefinición de probabilidad
Tema 5: LA DISTRIBUCIÓN NORMAL 1. INTRODUCCIÓN A LA PROBABILIDAD: Definición de probabilidad Repaso de propiedades de conjuntos (Leyes de Morgan) Probabilidad condicionada Teorema de la probabilidad total
Más detallesVariables aleatorias unidimensionales
Estadística II Universidad de Salamanca Curso 2011/2012 Outline Variable aleatoria 1 Variable aleatoria 2 3 4 Variable aleatoria Definición Las variables aleatorias son funciones cuyos valores dependen
Más detallesDistribuciones Continuas de. Probabilidad. Dr. Víctor Aguirre Torres, ITAM. Guión 7.
Distribuciones Continuas de Probabilidad 1 Contenido 1. Ejemplo. 2. Diferencia entre variables aleatorias discretas y continuas. 3. Diferencia de f(x) entre variables aleatorias discretas y continuas.
Más detallesEstadística 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 detallesTransformaciones de variables
Transformaciones de variables Introducción La tipificación de variables resulta muy útil para eliminar su dependencia respecto a las unidades de medida empleadas. En realidad, una tipificación equivale
Más detallesCurso de nivelación Estadística y Matemática
Curso de nivelación Estadística y Matemática Tercera clase: Introducción al concepto de probabilidad y Distribuciones de probablidad discretas Programa Técnico en Riesgo, 2014 Agenda 1 Concepto de probabilidad
Más detallesUnidad Temática 3: Probabilidad y Variables Aleatorias
Unidad Temática 3: Probabilidad y Variables Aleatorias 1) Qué entiende por probabilidad? Cómo lo relaciona con los Sistemas de Comunicaciones? Probabilidad - Definiciones Experimento aleatorio: Un experimento
Más detalles2.- Tablas de frecuencias
º BACHILLERATO MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES II TEMA 3.- ESTADÍSTICA DESCRIPTIVA PROFESOR: RAFAEL NÚÑEZ -----------------------------------------------------------------------------------------------------------------------------------------------------------------
Más detalles6. VARIABLES ALEATORIAS
6. VARIABLES ALEATORIAS Objetivo Introducir la idea de una variable aleatoria y su distribución y características como media, varianza etc. Bibliografía recomendada Peña y Romo (1997), Capítulo 15. Hasta
Más detallesPROBABILIDAD. Es el conjunto de todos los resultados posibles de un experimento aleatorio. Por ejemplo: Experimento: tirar un dado.
1 PROBABILIDAD EXPERIMENTOS Al fijar las condiciones iniciales para un experimento se da lugar a dos tipos de situaciones: a) Experimentos determinísticos: se conoce el resultado. Por ejemplo: si suelto
Más detallesControl Estadístico de Procesos (SPC).
Control Estadístico de Procesos (SPC). - Sesión 4ª de 4 - JAIME RAMONET FERNÁNDEZ Ingeniero Industrial Superior. PMP (PMI ). Formador y Consultor. Actitud requerida para recibir formación... y obtener
Más detallesMuchas variables aleatorias continuas presentan una función de densidad cuya gráfica tiene forma de campana.
Página 1 de 7 DISTRIBUCIÓN NORMAL o campana de Gauss-Laplace Esta distribución es frecuentemente utilizada en las aplicaciones estadísticas. Su propio nombre indica su extendida utilización, justificada
Más detallesMatemáticas 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 detallesUNIDAD 3 PROMEDIOS MÓVILES Y SUAVIZACIÓN EXPONENCIAL TEMA 1: PROMEDIOS MÓVILES Y MÉTODOS DE ATENUACIÓN
UNIDAD 3 PROMEDIOS MÓVILES Y SUAVIZACIÓN EXPONENCIAL TEMA 1: PROMEDIOS MÓVILES Y MÉTODOS DE ATENUACIÓN Pronóstico: Mejor toma de decisiones Compañías de negocios, gobiernos ponen un gran énfasis en el
Más detallesINTRODUCCIÓN AL ANÁLISIS DE DATOS ORIENTACIONES (TEMA Nº 7)
TEMA Nº 7 DISTRIBUCIONES CONTINUAS DE PROBABILIDAD OBJETIVOS DE APRENDIZAJE: Conocer las características de la distribución normal como distribución de probabilidad de una variable y la aproximación de
Más detallesGRÁFICOS 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 detallesVariables aleatorias. Examen Junio La función de distribución de una variable continua X es de la forma:
TEMA 6: Variables aleatorias Examen Junio 003.- La función de distribución de una variable continua X es de la forma: 3 F ( t) = P( X t) = a + bt ct t, Se sabe que la densidad verifica f(-)=f()=0. [ ]
Más detallesEl plano cartesiano y Gráficas de ecuaciones. Copyright 2013, 2009, 2006 Pearson Education, Inc. 1
El plano cartesiano y Gráficas de ecuaciones Copyright 2013, 2009, 2006 Pearson Education, Inc. 1 Sistema de coordenadas rectangulares En el cap 2 presentamos la recta numérica real que resulta al establecer
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 detallesModelos de probabilidad. Modelos de probabilidad. Modelos de probabilidad. Proceso de Bernoulli. Objetivos del tema:
Modelos de probabilidad Modelos de probabilidad Distribución de Bernoulli Distribución Binomial Distribución de Poisson Distribución Exponencial Objetivos del tema: Al final del tema el alumno será capaz
Más detallesObjetivo: Comprender la diferencia entre valor esperado, varianza y desviación estándar. Poner en práctica el teorema de Chebyshev
PROBABILIDAD Y ESTADÍSTICA Sesión MODELOS ANALÍTICOS DE FENÓMENOS ALEATORIOS CONTINUOS. Definición de variable aleatoria continua. Función de densidad y acumulatíva. Valor esperado, varianza y desviación
Más detallesTema 2 Resolución de EcuacionesNo Lineales
Tema 2 Resolución de Ecuaciones No Lineales E.T.S.I. Informática Indice Introducción 1 Introducción 2 Algoritmo del método de Bisección Análisis del 3 4 5 6 Algoritmo de los métodos iterativos Interpretación
Más detallesPráctica de Control Estadístico de Procesos Control por Variables
Práctica de Control Estadístico de Procesos Control por Variables Fichero de datos: Sensorpresion.sf3 1. Los datos Un sensor de presión ha de trabajar en condiciones de alta temperatura. Para controlar
Más detallesPráctica 5 ANÁLISIS DE UNA MUESTRA INTERVALOS DE CONFIANZA CONTRASTE DE HIPÓTESIS
Práctica. Intervalos de confianza 1 Práctica ANÁLISIS DE UNA MUESTRA INTERVALOS DE CONFIANZA CONTRASTE DE HIPÓTESIS Objetivos: Ilustrar el grado de fiabilidad de un intervalo de confianza cuando se utiliza
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 detallesMedidas de dispersión
Medidas de dispersión Las medidas de dispersión nos informan sobre cuánto se alejan del centro los valores de la distribución. Las medidas de dispersión son: Rango o recorrido El rango es la diferencia
Más detallesTema 5. Muestreo y distribuciones muestrales
Tema 5. Muestreo y distribuciones muestrales Contenidos Muestreo y muestras aleatorias simples La distribución de la media en el muestreo La distribución de la varianza muestral Lecturas recomendadas:
Más detallesColegio Universitario Boston
Función Lineal. Si f función polinomial de la forma o, donde y son constantes reales se considera una función lineal, en esta nos la pendiente o sea la inclinación que tendrá la gráfica de la función,
Más detallesExamen de Matemáticas Aplicadas a las CC. Sociales II (Junio 2007) Selectividad-Opción A Tiempo: 90 minutos
Examen de Matemáticas Aplicadas a las CC. Sociales II (Junio 2007) Selectividad-Opción A Tiempo: 90 minutos Problema 1 (3 puntos) Se considera el sistema lineal de ecuaciones, dependiente del parámetro
Más detallesProfesorado de Nivel Medio y Superior en Biología Matemática - 1º Cuatrimestre Año 2013 FUNCIÓN CUADRÁTICA
Matemática - º Cuatrimestre Año 0 FUNCIÓN CUADRÁTICA Hemos definido anteriormente la función lineal como una función f: R R de la forma f()a+b con a R y b R, que se representa en el plano mediante una
Más detalles4. 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 detallesGRAFICOS 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 detallesObjetivos. 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 detallesTema 7: Estadística y probabilidad
Tema 7: Estadística y probabilidad En este tema revisaremos: 1. Representación de datos e interpretación de gráficas. 2. Estadística descriptiva. 3. Probabilidad elemental. Representaciones de datos Cuatro
Más detallesTeoría de muestras 2º curso de Bachillerato Ciencias Sociales
TEORÍA DE MUESTRAS Índice: 1. Introducción----------------------------------------------------------------------------------------- 2 2. Muestras y población-------------------------------------------------------------------------------
Más detallesLECTURA 01: LA DISTRIBUCIÓN NORMAL GENERAL. LA DISTRIBUCIÓN NORMAL ESTÁNDAR (PARTE I). TEMA 1: LA DISTRIBUCION NORMAL GENERAL.
LECTURA 1: LA DISTRIBUCIÓN NORMAL GENERAL LA DISTRIBUCIÓN NORMAL ESTÁNDAR (PARTE I) TEMA 1: LA DISTRIBUCION NORMAL GENERAL PROPIEDADES 1 INTRODUCCION La distribución de probabilidad continua más importante
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 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 detallesINTERPRETACIÓN DE LA REGRESIÓN. Interpretación de la regresión
INTERPRETACIÓN DE LA REGRESIÓN Este gráfico muestra el salario por hora de 570 individuos. 1 Interpretación de la regresión. regresión Salario-Estudios Source SS df MS Number of obs = 570 ---------+------------------------------
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 detallesINTERVALOS DE CONFIANZA Julián de la Horra Departamento de Matemáticas U.A.M.
1 Introducción INTERVALOS DE CONFIANZA Julián de la Horra Departamento de Matemáticas U.A.M. En este capítulo, vamos a abordar la estimación mediante Intervalos de Confianza, que es otro de los tres grandes
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 detallesTERMINOLOGÍA ANALÍTICA - PROCESO ANALÍTICO - TÉCNICA ANALÍTICA - MÉTODO ANALÍTICO - PROCEDIMIENTO ANALÍTICO - PROTOCOLO ANALÍTICO
TERMINOLOGÍA ANALÍTICA - PROCESO ANALÍTICO - TÉCNICA ANALÍTICA - MÉTODO ANALÍTICO - PROCEDIMIENTO ANALÍTICO - PROTOCOLO ANALÍTICO PROCESO ANALÍTICO Conjunto de operaciones analíticas intercaladas que se
Más detallesMATERIA: 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 detallesGRÁFICOS 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 detallesINTERVALOS 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 detallesRESUMEN DE ALGUNOS CONCEPTOS ESTADÍSTICOS ELEMENTALES Y NOTACIÓN EMPLEADA EN EL CURSO
RESUMEN DE ALGUNOS CONCEPTOS ESTADÍSTICOS ELEMENTALES Y NOTACIÓN EMPLEADA EN EL CURSO 1 rojo 1 2 3 4 5 6 Supongamos que tenemos dos dados, uno rojo y otro verde, cada uno de los cuales toma valores entre
Más detallesEcuaciones Lineales en Dos Variables
Ecuaciones Lineales en Dos Variables Una ecuación lineal en dos variables tiene la forma general a + b + c = 0; donde a, b, c representan números reales las tres no pueden ser iguales a cero a la misma
Más detallesFormulario. Estadística Administrativa. Módulo 1. Introducción al análisis estadístico
Formulario. Estadística Administrativa Módulo 1. Introducción al análisis estadístico Histogramas El número de intervalos de clase, k, se elige de tal forma que el valor 2 k sea menor (pero el valor más
Más detallesCONCAVIDAD. Supongamos que tenemos la siguiente información, referente a una curva derivable: Cómo la graficaríamos?
CAPÍTULO 14 CONCAVIDAD Supongamos que tenemos la siguiente información, referente a una curva derivable: Intervalo Signo de f F (-00,3) + Creciente (3,8) - Decreciente (8, + ) + Creciente Cómo la graficaríamos?
Más detallesJUEGO DE BASKETBALL. Repaso de Distribuciones de Probabilidad Discretas y Continuas
JUEGO DE BASKETBALL Repaso de Distribuciones de Probabilidad Discretas y Continuas PREGUNTA #1 Qué es una variable aleatoria uniforme discreta? Cómo es su distribución? Qué es una variable aleatoria uniforme
Más detallesTema 4: Variables aleatorias multidimensionales
1 Tema 4: Variables aleatorias multidimensionales En este tema: Distribución conjunta de probabilidad Probabilidad/densidad marginal Probabilidad/densidad condicionada Esperanza, varianza, desviación típica
Más detallesFUNCIONES y = f(x) ESO3
Las correspondencias entre conjunto de valores o magnitudes se pueden expresar de varias formas: con un enunciado, con una tabla, con una gráfica, o con una fórmula o expresión algebraica o analítica.
Más detallesUNIVERSIDAD AUTÓNOMA DEL ESTADO DE MÉXICO
UNIVERSIDAD AUTÓNOMA DEL ESTADO DE MÉXICO CENTRO UNIVERSITARIO UAEM ZUMPANGO LICENCIATURA EN TURISMO UNIDAD DE APRENDIZAJE: ESTADISTICA TEMA 1.5 : ESTADISTICA DESCRIPTIVA M. EN C. LUIS ENRIQUE KU MOO FECHA:
Más detallesTema 3. VARIABLES ALEATORIAS.
3..- Introducción. Tema 3. VARIABLES ALEATORIAS. Objetivo: Encontrar modelos matemáticos para el trabajo con probabilidad de sucesos. En particular, se quiere trabajar con funciones reales de variable
Más detallesM i. Los datos vendrán en intervalos en el siguiente histograma de frecuencias acumuladas se ilustra la mediana.
Medidas de tendencia central y variabilidada para datos agrupados Media (media aritmética) ( X ) Con anterioridad hablamos sobre la manera de determinar la media de la muestra. Si hay muchos valores u
Más detallesCUESTIONES DEL TEMA - IV
ema 5: Osciladores de elajación... Presentación En el tema 5 se tratan distintos circuitos que producen en su salida ondas de tipo cuadradas, triangulares, pulso, etc. : a) Se analiza el comportamiento
Más detallesControl 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 detallesDistribuciones de Probabilidad para Variables Aleatorias Discretas 1
Distribuciones de Probabilidad para Variables Aleatorias Discretas Apellidos, nombre Martínez Gómez, Mónica (momargo@eio.upv.es) Marí Benlloch, Manuel (mamaben@eio.upv.es) Departamento Centro Estadística,
Más detallesADMINISTRACION 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 detallesINFERENCIA 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 detalles15. Regresión lineal. Te recomiendo visitar su página de apuntes y vídeos:
15. Regresión lineal Este tema, prácticamente íntegro, está calacado de los excelentes apuntes y transparencias de Bioestadística del profesor F.J. Barón López de la Universidad de Málaga. Te recomiendo
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 detallesEstadística Inferencial. Estadística Descriptiva
INTRODUCCIÓN Estadística: Ciencia que trata sobre la teoría y aplicación de métodos para coleccionar, representar, resumir y analizar datos, así como realizar inferencias a partir de ellos. Recogida y
Más detallesPROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 2014 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES TEMA 4: FUNCIONES
PROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 014 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES TEMA 4: FUNCIONES Junio, Ejercicio, Opción A Junio, Ejercicio, Opción B Reserva 1, Ejercicio, Opción A Reserva
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 detallesTEMA 3: Probabilidad. Modelos. Probabilidad
TEM 3: Probabilidad. Modelos Probabilidad Fenómeno aleatorio: es aquel cuyos resultados son impredecibles. Ejemplos: Lanzamiento de una moneda: Resultados posibles: cara, cruz. Selección al azar de un
Más detallesDistribuciones de probabilidad bidimensionales o conjuntas
Distribuciones de probabilidad bidimensionales o conjuntas Si disponemos de dos variables aleatorias podemos definir distribuciones bidimensionales de forma semejante al caso unidimensional. Para el caso
Más detallesExpliquemos con exactitud qué queremos decir con valores máximos y mínimos.
Introducción: Ahora que conocemos las reglas de derivación nos encontramos en mejor posición para continuar con las aplicaciones de la derivada. Veremos cómo afectan las derivadas la forma de la gráfica
Más detallesGRÁFICOS DE CONTROL DE SHEWHART
GRÁFICOS DE CONTROL DE SHEWHART Jordi Riu Grupo de Quimiometría, Cualimetría y Nanosensores Universitat Rovira i Virgili Campus Sescelades C/ Marcel lí Domingo s/n 43007-Tarragona Introducción Uno de los
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 detallesProf. Eliana Guzmán U. Semestre A-2015
Unidad III. Variables aleatorias Prof. Eliana Guzmán U. Semestre A-2015 Variable Aleatoria Concepto: es una función que asigna un número real, a cada elemento del espacio muestral. Solo los experimentos
Más detallesAgro 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 detallesFUNCIONES EXPONENCIALES Y LOGARÍTMICAS
www.matesronda.net José A. Jiménez Nieto FUNCIONES EXPONENCIALES Y LOGARÍTMICAS 1. FUNCIONES EXPONENCIALES. Una función se llama eponencial si es de la forma y = a, donde la base a es un número real cualquiera
Más detalles1. 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 detallesExamen de Matemáticas Aplicadas a las CC. Sociales II (Septiembre 2014) Selectividad-Opción A Tiempo: 90 minutos
Examen de Matemáticas Aplicadas a las CC. Sociales II (Septiembre 2014) Selectividad-Opción A Tiempo: 90 minutos Problema 1 (2 puntos) Considérese el siguiente sistema de ecuaciones dependiente del parámetro
Más detallesVariables Aleatorias. Introducción
Variables Aleatorias Introducción Concepto de variable aleatoria Es conveniente que los resultados de un experimento aleatorio estén expresados numéricamente. Se prueban tres componentes electrónicos,
Más detallesJUNIO Encuentra, si existen, matrices cuadradas A, de orden 2, distintas de la matriz identidad, tales que: A
Bloque A JUNIO 2003 1.- Encuentra, si existen, matrices cuadradas A, de orden 2, distintas de la matriz identidad, tales que: 1 0 A = 1 0 A Cuántas matrices A existen con esa condición? Razona tu respuesta.
Más detallesGrupo 23 Semestre Segundo examen parcial
Probabilidad Grupo 23 Semestre 2015-2 Segundo examen parcial La tabla siguiente presenta 20 postulados, algunos de los cuales son verdaderos y otros son falsos. Analiza detenidamente cada postulado y elige
Más detallesNombre y Apellidos:... EXAMEN ECONOMETRÍA II (Enero 2010)
Nombre y Apellidos:... NIU:... Grupo:... EXAMEN ECONOMETRÍA II (Enero 2010) Lea cuidadosamente cada pregunta. Marque muy claramente la respuesta de cada pregunta en la hoja de respuestas. Observe que los
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 detallesSe considera el siguiente sistema, dependiente del parámetro k:
IES la Serna Matemáticas Aplicadas a las Ciencias Sociales II Comunidad de Madrid. Año. Septiembre. Opción B Ejercicio. puntos) Se considera el siguiente sistema, dependiente del parámetro : - - a) Discútase
Más detallesPLATAFORMA GESTIÓN INTEGRAL DE PRODUCCIÓN GESTIÓN DE OPERACIONES
PLATAFORMA GESTIÓN INTEGRAL DE PRODUCCIÓN GESTIÓN DE OPERACIONES CONTROL DE CALIDAD CONTROL ESTADÍSTICO DE PROCESO Avanzar hacia la excelencia operacional es clave para la mejora de la competitividad de
Más detallesTEMA 3. Algunos modelos de probabilidad de tipo discreto. 3.1 Al finalizar el tema el alumno debe conocer...
TEMA 3. Algunos modelos de probabilidad de tipo discreto En este capítulo se abordan «familias» muy específicas de probabilidad, que con cierta frecuencia se nos presentan en el mundo real. Van a ser distribuciones
Más detallesTema 3: Cálculo de Probabilidades Unidad 1: Introducción y Concepto
Estadística Tema 3: Cálculo de Probabilidades Unidad 1: Introducción y Concepto Área de Estadística e Investigación Operativa Licesio J. Rodríguez-Aragón Octubre 2010 Contenidos...............................................................
Más detallesContraste 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 detallesVariable Aleatoria Continua. Principales Distribuciones
Variable Aleatoria Continua. Definición de v. a. continua Función de Densidad Función de Distribución Características de las v.a. continuas continuas Ejercicios Definición de v. a. continua Las variables
Más detalles3. ASOCIACIÓN ENTRE DOS VARIABLES CUALITATIVAS
1. INTRODUCCIÓN Este tema se centra en el estudio conjunto de dos variables. Dos variables cualitativas - Tabla de datos - Tabla de contingencia - Diagrama de barras - Tabla de diferencias entre frecuencias
Más detallesTema 2: Magnitudes aleatorias
Facultad de Economía y Empresa 1 Prácticas Tema.- Magnitudes aleatorias Tema : Magnitudes aleatorias DEMANDA La demanda de cierto artículo es una variable aleatoria con la siguiente distribución: Número
Más detalles