Scientia Et Technica ISSN: Universidad Tecnológica de Pereira Colombia

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

Download "Scientia Et Technica ISSN: Universidad Tecnológica de Pereira Colombia"

Transcripción

1 Scietia Et Techica ISSN: Uiversidad Tecológica de Pereira Colombia ZAPATA, CARLOS J. ESTIMACIÓN DE TASAS DE FALLAS DE COMPONENTES EN CASOS DE AUSENCIA DE DATOS O CANTIDADES LIMITADAS DE DATOS Scietia Et Techica, vol. XI, úm. 7, abril, 005, pp Uiversidad Tecológica de Pereira Pereira, Colombia Dispoible e: Cómo citar el artículo Número completo Más iformació del artículo Págia de la revista e redalyc.org Sistema de Iformació Cietífica Red de Revistas Cietíficas de América Latia, el Caribe, España y Portugal Proyecto académico si fies de lucro, desarrollado bajo la iiciativa de acceso abierto

2 Scietia et Techica Año XI, No 7, Abril 005. UTP. ISSN ESTIMACIÓN DE TASAS DE FALLAS DE COMPONENTES EN CASOS DE AUSENCIA DE DATOS O CANTIDADES LIMITADAS DE DATOS RESUMEN Este artículo preseta dos métodos para estimar las tasas de fallas de compoetes del sistema de potecia e caso de ausecia de datos o catidades limitadas de datos. Tres ejemplos reales so presetados. PALABRAS CLAVES: Cofiabilidad, modelo probabilístico, proceso de Poisso homogéeo, distribució Chi-cuadrado. ABSTRACT This paper presets two methods for the estimatio of power system compoet failure rates i the case of lack of data or limited amout of data. Three real examples are preseted. CARLOS J. ZAPATA Igeiero Electricista Profesor Asistete Uiversidad Tecológica de Pereira cjzapata@utp.edu.co Proyecto de Ivestigació KEYWORDS: Reliability, probabilistic model, homogeeous Poisso process, Chi-square distributio. 1. INTRODUCCIÓN Para los estudios de cofiabilidad de sistemas eléctricos de potecia se requiere los modelos probabilísticos que represeta a los compoetes que coforma el sistema. Los modelos más utilizados para estos compoetes so: bloques de frecuecia y duració, distribucioes de probabilidad (Expoecial, Weibull, Normal, etc.) y procesos estocásticos (Markov, Poisso). Estos modelos se costruye co los datos de los evetos de falla: Número de fallas e u periodo de tiempo dado, tiempo de ocurrecia de cada falla y tiempo requerido para cada reparació. Los itervalos de cofiaza de los parámetros que defie estos modelos varía e forma iversa co la catidad de datos utilizados e su cálculo. Por lo tato, es deseable cotar co suficietes datos para reducir los itervalos de cofiaza a u ivel aceptable. E estudios de cofiabilidad, el coseguir datos para costruir los modelos probabilísticos de los compoetes preseta los siguietes problemas: Las fallas so feómeos aleatorios, por lo tato, se debe esperar a que ocurra para registrar los datos asociados a estos evetos. Esto difiere de otras áreas de estudio como el mercadeo o la demografía, dode se puede cosultar tatos idividuos de la població bajo estudio como se requiera para obteer u ivel de error dado. Alguos de los compoetes del sistema eléctrico tiee tasas de fallas muy bajas durate su periodo de vida útil; al observar su operació por largos periodos de tiempo es posible que registre muy pocas fallas o o se registre igua. Esto es comú e equipos que o tiee partes móviles como pararrayos, trasformadores de istrumetació, reactores, codesadores, etc. Para resolver estos problemas, es comú agrupar los datos de compoetes similares. Si embargo, pese a la agrupació, es comú que se presete las siguietes situacioes: 1. No hay fallas e el periodo de tiempo de los registros.. Se dispoe de u solo dato, por lo cual o puede utilizarse los métodos clásicos de estimació de parámetros o ajuste a ua distribució de probabilidad. 3. Existe muy pocos datos y su gráfica e forma de histograma tiee ua o muy pocas clases por lo cual, o puede aplicarse el procedimieto de ajuste a ua distribució de probabilidad, ó auque éste procedimieto se aplique, o se cumple la prueba de bodad de ajuste. Como o es realista asumir que existe compoetes 100% cofiables, se debe estudiar los métodos para costruir modelos probabilísticos ate situacioes de catidades limitadas o ausecia de datos de falla, lo cual es el tema del presete artículo. Fecha de recepció: 1 Eero de 005 Fecha de aceptació: 16 Marzo de 005

3 14. TASA DE FALLAS DE UN COMPONENTE Las fallas defie la secuecia operativa de u compoete cotiuamete operado, o secuecia de estados de dispoibilidad (up) e idispoibilidad (dow) mostrada e la Fig. 1. No se cosidera: fallas simultáeas, que el compoete pueda ser reparado mietras opera (falla parcial), i que el compoete vuelva a fallar mietras es reparado. Scietia et Techica Año XI, No 7, Abril 005. UTP P[lim x = E( x )] = 1 () Es decir, si la muestra de datos de ua variable aleatoria x es muy grade, habrá total certeza de que el promedio estadístico x (el estimador) será igual al valor esperado E( x ) (el valor que se desea estimar).. Estimació por itervalos Estado f 1 f i La catidad de datos defie el itervalo de cofiaza e el cual se ecuetra el valor esperado a ser estimado: up dow 0 Figura 1. Secuecia operativa de u compoete reparable Cada falla (f i ) tiee asociado u tiempo para falla (ttf i ) y u tiempo para reparació (ttr i ), los cuales so aleatorios e idepedietes etre sí. El úmero de fallas e u periodo de tiempo T tambié es aleatorio. El cero, e la secuecia operativa, es el mometo e el cual el compoete iicia su operació uevo. Si embargo, usualmete solo se dispoe de ua muestra de datos registrados durate u periodo de tiempo T. La tasa de fallas λ es el úmero de fallas que ocurre mietras el compoete está e el estado operativo [1]..1 Estimació putual La tasa de fallas estimada ˆλ se defie como: i i (1) i= 1 i= 1 ˆ λ = /( ttf ) = 1/ mˆ = /( T ttr) / T ˆm es el promedio estadístico de los tiempos para falla ( ˆm = m) y es u estimador del tiempo esperado para falla m ; ˆλ es el iverso de u promedio estadístico por lo cual, tambié es u valor promedio ( ˆλ = λ ). Los valores promedios so estimadores putuales (u úico valor) cuya calidad depede de. E la mayoría de los compoetes de los sistemas de potecia, la idispoibilidad total (tiempo e reparació) es despreciable co respecto al tiempo de dispoibilidad, lo cual justifica la aproximació mostrada e (1). La Ley Fuerte de los Grades Números es []: T ttf i ttr i t Ex ˆ( ) < Ex ( ) < Ex ˆ( ) (3) Iferior Superior Para ua muestra grade ( 30 ) y datos de cualquier distribució de probabilidad se calcula como [3]: x z * s/ < E( x) < x + z * s/ (4) α / α / Para ua muestra pequeña ( < 30 ) y datos ormalmete distribuidos se calcula como [3]: x t * s/ < E( x) < x + t * s/ (5) s : Desviació muestral α / α / i 1/ (6) i= 1 s = (( ( x x) ) /( 1)) α : Probabilidad crítica o de rechazo. Es el complemeto del ivel de cofiaza (δ ) co que se hace la estimació. z α / : Valor e la distribució ormal para el cual la probabilidad es igual a α/. Se halla e tablas.. t α / : Valor e la distribució t-studet para el cual la probabilidad es igual a α/. Se halla e tablas. De (4) y (5) se cocluye que: 1. Se requiere ua muestra de dos o más datos para estimar el itervalo de cofiaza. E los casos de cero o u dato, estas ecuacioes o so aplicables.. A meor úmero de observacioes mayor será el itervalo de cofiaza y viceversa. 3. Si u compoete está e su periodo de vida útil, tiee tasa de fallas costate y los tiempos para falla está expoecialmete distribuidos. Por lo tato, para ua muestra pequeña, (5) o es aplicable. Por lo tato, se requiere métodos alteros para estimar λ e los casos e que se tiee pocos o igú datos.

4 Scietia et Techica Año XI, No 7, Abril 005. U.T.P MÉTODO 1: EL PROCESO DE POISSON La probabilidad de que ocurra k fallas está dada por [4]: Tasa de fallas Obsolescecia Px [ k] ( * t) / k!* e λ k * t = = λ (7) Periodo ifatil Vida útil La probabilidad acumulada o probabilidad de que ocurra k o meos fallas está dada por [4]: k = λ i * t (8) i= 0 Px [ k] ( * t) / i!* e λ Figura. Tasa de fallas durate de u compoete La tasa de fallas varía durate la vida operativa del compoete tal como se muestra e la Fig.. Como se observa, úicamete durate el periodo de vida útil la tasa de fallas es costate y solo durate éste periodo de vida, el compoete puede teer ua baja tasa de fallas. Etoces, para u compoete que durate u largo periodo de tiempo T ha registrado muy pocas fallas o igua, se asume que está e su periodo de vida útil. La llegada de las fallas al compoete es u proceso estocástico de Poisso de tipo homogéeo, si [4]: 1. Las fallas llega ua a la vez.. El úmero de fallas que llega durate u itervalo de tiempo o afecta el úmero de fallas durate otro itervalo de tiempo 3. Las fallas so idepedietes etre sí 4. La tasa de llegada de las fallas λ es costate 5. Los tiempos de reparació so despreciables Tiempo La Fig. 3 preseta u esquema de la llegada de fallas e u proceso de Poisso homogéeo. E este proceso, los tiempos etre fallas (tbf) se distribuye expoecialmete co parámetro λ y los tiempos para llegada de las fallas (tf) se distribuye uiformemete []. Utilizado la muestra de fallas e u periodo de tiempo T, se determia el valor de la tasa de fallas estimada para el cual se alcaza la probabilidad crítica o de rechazo (α ) [1]: ˆ i ˆ* T α = 1 δ = ( λ* T) / i!* e λ (9) i= 0 Etoces, co u δ % de cofiaza se puede afirmar que λ < ˆ λ. Es decir, existe u itervalo de cofiaza uilateral para estimar λ dode ˆλ es la cota superior aproximada del δ % de cofiaza. Sólo es fácil resolver (9) para el caso de cero fallas. E el resto de los casos es ecesario utilizar métodos uméricos. La Tabla 1 preseta resultados para ˆλ co α = 5% y varios valores de T y. La Fig. 4 preseta la gráfica de alguos de estos valores. T [años] [fallas] Tabla 1. Valores de ˆλ [fallas/año] para α = 5% utilizado el proceso de Poisso f 1 f f 3 f i tbf 0 tf 1 tf tf 3 tf i t Figura 3. Proceso de llegada de las fallas a u compoete Sea x la variable aleatoria del úmero de fallas de u compoete e u periodo de tiempo t, e u proceso de Poisso. Figura 4. Variació de la tasa de fallas estimada

5 16 4. MÉTODO : LA DISTRIBUCIÓN CHI- CUADRADO Para obviar la dificultad existete al resolver ˆλ mediate el proceso de Poisso, se aplica la siguiete aproximació a este proceso utilizado la distribució Chi-cuadrado ( ) [1], [3]: dode: v : α /,v ˆ λ = /(* T ) α (10) /, v Es el úmero de grados de libertad v = *( + 1) (11) : Valor e la distribució para el cual existe ua probabilidad crítica α co v grados de libertad. Se halla e tablas. Co u δ % de cofiaza se puede afirmar que λ ˆ λ ; este es el itervalo de cofiaza uilateral. La Tabla preseta resultados para ˆλ co α = 5% y varios valores de T y. T [años] [fallas] Tabla. Valores de ˆλ [fallas/año] para α = 5% utilizado la aproximació a la distribució Chi-cuadrado Se defie el error porcetual como: dode: ε = ( ˆ λ ˆ λ ) / ˆ λ *100% (1) ˆλ : El valor estimado de la tasa de fallas mediate el proceso de Poisso (9). ˆλ : El valor estimado de la tasa de fallas mediate la distribució (10). La Tabla 3 preseta el error porcetual al estimar la tasa de falla mediate la aproximació de la distribució utilizado los valores de las Tablas 1 y. Scietia et Techica Año XI, No 7, Abril 005. UTP T [años] [fallas] Tabla 3. Error porcetual al estimar ˆλ co la distribució E los resultados de la Tabla 3 se observa que si es 0, 1 ó, o existe error o éste es despreciable para los periodos de registro de iformació mostrados; sí 3, cada que se aumeta se debe aumetar el tiempo de los registros para que exista poco error o este sea despreciable. 5. GRUPOS DE COMPONENTES Es comú el agrupar la iformació de varios compoetes similares por las siguietes razoes: 1. Se aumeta la muestra de datos. Esto es especialmete útil e compoetes que tiee tasas de falla muy bajas o dode los tiempos de registro dispoibles so pequeños.. Se desea obteer ídices de cofiabilidad ó modelos probabilísticos para u solo compoete que represete al grupo, o para cada uo de los compoetes. Esta situació es comú e sistemas co grades catidades de compoetes del mismo tipo; por ejemplo, los sistemas de distribució de eergía eléctrica. Si durate u periodo de tiempo T se observa fallas e u grupo de X compoetes similares, etoces: ˆ λ = X T = T = ˆ X (13) /( * ) / λ / E este caso, ˆλ se refiere a u compoete típico o promedio que represetará a cada uo de los compoetes del grupo. Artificialmete, se obtiee registros operativos del compoete promedio para u periodo de tiempo T = X * T e el cual sufre fallas. Si se cumple, o se asume, que todos los compoetes del grupo está e su periodo de vida útil y que el proceso de llegada de las fallas a cada uo de ellos es u proceso de Poisso homogéeo, se puede aplicar los dos métodos presetados ateriormete. Bajo estas codicioes, el proceso de llegada de las fallas al grupo de compoetes, tambié es u proceso de Poisso homogéeo co parámetro λ = ˆ λ* X [5].

6 Scietia et Techica Año XI, No 7, Abril 005. U.T.P EJEMPLOS E el proyecto de ivestigació Estudio de Cofiabilidad del Sistema Eléctrico Regioal, ejecutado por la UTP durate los años 003 y 004, se realizaro exámees (surveys) de cofiabilidad de los compoetes del sistema eléctrico que sirve a la ciudad de Pereira. A cotiuació, se resuelve tres casos de compoetes para los cuales o se ecotraro datos de falla o la catidad de fallas registrada era muy pequeña. 6.1 Ejemplo 1: Baco de trasformadores 115/33 kv 75 MVA subestació Cuba Revisado bitácoras que comprede u período de 5 años ( ), solo se ecotraro registradas fallas para este equipo [6], [7]. Estimadores putuales ˆ λ = λ = / T = /5= 0.4 Fallas/año mˆ = m= 1/ ˆ λ = 1/0.4 =.5 Años para falla Itervalo de cofiaza uilateral E la Tabla 3 se observa que para u periodo de registro de 5 años y fallas, o existe error al estimar la tasa de fallas utilizado la aproximació de la distribució, por lo cual se aplica éste método; ˆ λ = 1.59 Fallas/año para α = 5% (Tabla ) mˆ = 1/ ˆ λ = 1/1.59 = Años para falla Etoces, co u 95% de cofiaza se puede afirmar: λ 1.59 Fallas/año y m Años/falla Modelo probabilístico del compoete Este modelo se defie co el tiempo etre fallas e el proceso de Poisso ó tiempo para falla ( ): f () t = ˆ λ * e = 1.59* e F () t = 1 e ˆ* λ t 1.59* t 1.59* t Dode, f () t es la fució de desidad de probabilidad y F() t es la fució de distribució de probabilidad. Tambié es válido defiir este modelo utilizado los otros valores del itervalo de cofiaza uilateral. 6. Ejemplo : Trasformadores de distribució de 33 kv Revisado las órdees de reparació emitidas por el sistema de ateció a los usuarios de la Empresa de Eergía de Pereira, se ecotró ua sola falla e u periodo de cuatro años ( ) para u grupo de 37 trasformadores de distribució de 33 kv [8], [9]. Estimadores putuales ˆ λ = λ = /( X * T) = 1/(4*37) = Fallas/año mˆ = m= 1/ ˆ λ = 1/ = 148 Años para falla Itervalo de cofiaza uilateral = 1 Falla, T = 4*37 = 148 Años, α = 5% v = * + = *1+ = 4Grados de libertad /, = 9.488, de tablas de la distribució α v [3] ˆ λ = /(* ) 9.488/(*148) α /, v T = = fallas/año Co el proceso de Poisso se obtiee el mismo resultado. mˆ = 1/ ˆ λ = 1/ = Años para falla Etoces, co u 95% de cofiaza se puede afirmar: λ Fallas/año y m Años/falla Modelo probabilístico del compoete típico que represeta al grupo de compoetes: f ( t) = ˆ λ * e = 0.031* e F () t = 1 e ˆ* λ t 0.031* t 0.031* t 6.3 Ejemplo 3: Trasformadores de potecial (TP s) 13. kv subestació Dosquebradas Revisado bitácoras que comprede u periodo de 11 años ( ), o se ecotraro registros de fallas para u grupo de 1 TP s de 13. kv [10], [11]. Estimadores putuales: No se puede calcular. Itervalo de cofiaza uilateral = 0 Fallas, T = 11*1 = 13 Años, α = 5% v = * + = *0+ = Grados de libertad

7 18 α /, v = 5.991, de tablas de la distribució [3] ˆ λ = /(* ) 5.991/(*13) 0.07 α /, v T = = fallas/año Utilizado el proceso de Poisso se obtiee el mismo resultado. mˆ = 1/ ˆ λ = 1/ 0.07 = Años para falla Etoces, co u 95% de cofiaza se puede afirmar: λ 0.07 Fallas/año y m Años/falla Modelo probabilístico del compoete típico que represeta al grupo de compoetes: f ( t) = ˆ λ * e = 0.07* e F () t = 1 e ˆ* λ t 0.07* t 0.07* t 7. CONCLUSIONES Y RECOMENDACIONES Mediate el proceso de Poisso y la aproximació a la distribució Chi-cuadrado es posible estimar las tasas de fallas de compoetes de sistemas eléctricos de potecia e los casos e que los archivos operativos o registre fallas o el úmero de fallas registrado sea muy pequeño como para aplicar los métodos tradicioales de estimació de parámetros o de ajuste de datos a ua distribució de probabilidad. Las tasas de fallas estimadas mediate los dos métodos presetados permite defiir modelos probabilísticos que represete los compoetes e estudios de cofiabilidad a ivel de sistema. Es decir, o se asumirá que los compoetes so 100% cofiables. Si el periodo de los registros operativos es grade, se recomieda aplicar la aproximació a la distribució Chicuadrado, pues este método es más fácil de resolver que el método del proceso de Poisso el cual requiere solucioes uméricas. Tambié se recomieda, si es posible, agrupar la iformació de compoetes similares para aumetar la catidad de datos de falla y el periodo de los registros. El aumetar artificialmete el periodo de los registros agrupado los compoetes permite reducir o elimiar el error al aplicar el método de aproximació a la distribució Chi-cuadrado. Gra cuidado debe teerse e verificar el cumplimieto de las cico codicioes del proceso de Poisso, las cuales defie si los dos métodos presetados puede aplicarse. 8. BIBLIOGRAFÍA Scietia et Techica Año XI, No 7, Abril 005. UTP [1] BILLINTON R, ALLAN R. N, Reliability evaluatio of egieerig systems - Cocepts ad Techiques, Pleum Press, 199. [] VINIOTIS Y, Probability ad radom processes for electrical egieers, McGraw Hill, [3] MILLER I. R, FREUND J. E, JOHNSON R, Probability ad statistics for egieers, Pretice Hall, 199. [4] ZAPATA C. J, Aplicacioes del proceso de Poisso e cofiabilidad, Revista Scietia et Techica, No. 0, 00. [5] PAZOS J. J, SUÁREZ A, DÍAZ R, Teoría de colas y simulació de evetos discretos, Pearso - Pretice Hall, 003. [6] GARCÉS L. P, GÓMEZ O, Aálisis de cofiabilidad del sistema de trasmisió regioal usado simulació de Motecarlo", Proyecto de Grado, Uiversidad Tecológica de Pereira, 003. [7] ZAPATA C. J, GARCÉS L. P, GÓMEZ O, Modelamieto de compoetes de sistemas compuestos geeració-trasmisió para estudios de cofiabilidad, Revista Scietia et Techica, No. 5, 004. [8] CATAÑO D. Y, SUÁREZ H. F, Aálisis de cofiabilidad de trasformadores de distribució e la ciudad de Pereira", Proyecto de Grado, Uiversidad Tecológica de Pereira, 004. [9] ZAPATA C. J, CATAÑO D, SUÁREZ H. F, Ídices de cofiabilidad de trasformadores de distribució, Revista Mudo Eléctrico, No. 57, 004. [10] ARBELAEZ C. M, PULGARÍN C. A, Aálisis de cofiabilidad de compoetes de las subestacioes del sistema eléctrico de la Empresa de Eergía de Pereira", Proyecto de Grado, Uiversidad Tecológica de Pereira, 004. [11] ZAPATA C. J, ARBELAEZ C. M, PULGARÍN C. A, Ídices de cofiabilidad de equipos de subestacioes de distribució, Presetado a la Revista Mudo Eléctrico, 005. [1] HALE P. S, ARNO R. G, "Survey of reliability ad availability iformatio for power distributio, power geeratio ad HVAC compoets for commercial, idustrial ad utility istallatios", IEEE Tras. Idustry Applicatios, vol. 37, pp , Feb. 001.

Intervalos de Confianza basados en una muestra. Instituto de Cálculo

Intervalos de Confianza basados en una muestra. Instituto de Cálculo Itervalos de Cofiaza basados e ua muestra. Istituto de Cálculo Dra. Diaa Kelmasky Hay dos razoes por las cuales el itervalo (6.63,.37) tiee mayor logitud que el obteido ateriormete (7.69, 0.3). la variaza

Más detalles

Problemas de Estimación de Una y Dos Muestras. UCR ECCI CI-1352 Probabilidad y Esradística Prof. M.Sc. Kryscia Daviana Ramírez Benavides

Problemas de Estimación de Una y Dos Muestras. UCR ECCI CI-1352 Probabilidad y Esradística Prof. M.Sc. Kryscia Daviana Ramírez Benavides Problemas de Estimació de Ua y Dos Muestras UCR ECCI CI-35 Probabilidad y Esradística Prof. M.Sc. Kryscia Daviaa Ramírez Beavides Iferecia Estadística La teoría de la iferecia estadística cosiste e aquellos

Más detalles

CAPÍTULO 6 DISTRIBUCIONES MUESTRALES

CAPÍTULO 6 DISTRIBUCIONES MUESTRALES CAPÍTULO 6 DISTRIBUCIONES MUESTRALES Uo de los objetivos de la estadística es coocer acerca del comportamieto de parámetros poblacioales tales como: la media ( μ ), la variaza ( ) o la proporció ( p ).

Más detalles

Prueba A = , = [ 7.853, 8.147]

Prueba A = , = [ 7.853, 8.147] PRUEBAS DE ACCESO A LA UNIVERSIDAD CURSO 5-6 - CONVOCATORIA: Septiembre MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES - Cada alumo debe elegir sólo ua de las pruebas (A o B) y, detro de ella, sólo debe

Más detalles

PROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 2013 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES TEMA 6: TEORÍA DE MUESTRAS

PROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 2013 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES TEMA 6: TEORÍA DE MUESTRAS PROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 013 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES TEMA 6: TEORÍA DE MUESTRAS Juio, Ejercicio 4, Opció A Juio, Ejercicio 4, Opció B Reserva 1, Ejercicio 4, Opció

Más detalles

Intervalo de confianza para µ

Intervalo de confianza para µ Itervalo de cofiaza para p y ˆp1 ˆp ˆp1 ˆp ˆp z 1 α/ ; ˆp + z 1 α/, 7.6 ˆp + z 1 α/ ± z 1 α/ 1 + z 1 α/ ˆp1 ˆp + z 1 α/ 4 7.7 siedo ˆp = x/ y z 1 α/ el cuatil 1 α/ de la distribució ormal estádar. El itervalo

Más detalles

Ejercicios de intervalos de confianza en las PAAU

Ejercicios de intervalos de confianza en las PAAU Ejercicios de itervalos de cofiaza e las PAAU 2008 1 1.-El úmero de días de permaecia de los efermos e u hospital sigue ua ley Normal de media µ días y desviació típica 3 días. a)determiar u itervalo de

Más detalles

Muestreo e Intervalos de Confianza

Muestreo e Intervalos de Confianza Muestreo e Itervalos de Cofiaza PROBLEMAS DE SELECTIVIDAD RESUELTOS MUESTREO E INTERVALOS DE CONFIANZA 1) E ua població ormal co variaza coocida se ha tomado ua muestra de tamaño 49 y se ha calculado su

Más detalles

Departamento Administrativo Nacional de Estadística

Departamento Administrativo Nacional de Estadística Departameto Admiistrativo acioal de Estadística Direcció de Regulació, Plaeació, Estadarizació y ormalizació -DIRPE- Especificacioes de Coeficiete y Variaza Ecuesta de Cosumo Cultural Julio 008 ESPECIFICACIOES

Más detalles

PRUEBAS DE HIPOTESIS

PRUEBAS DE HIPOTESIS PRUEBAS DE HIPOTESIS Es posible estimar u parámetro a partir de datos muestrales, bie sea ua estimació putual o u itervalo de cofiaza. Pero: Si mi objetivo o es estimar u parámetro, sio determiar el cumplimieto

Más detalles

MEDIDAS DE TENDENCIA CENTRAL. _ xi

MEDIDAS DE TENDENCIA CENTRAL. _ xi EDIDAS DE TENDENCIA CENTRAL. EDIA ARITÉTICA. Es la medida más coocida y tambié es llamada promedio se obtiee sumado todos los valores de la muestra o població, dividida etre el total de elemetos que cotiee

Más detalles

TEMA 7. ESTIMACIÓN. 7.2. Estimación puntual. Propiedades deseables de los estimadores 7.2.1. Introducción y definiciones 7.2.2. Estimadores Insegados

TEMA 7. ESTIMACIÓN. 7.2. Estimación puntual. Propiedades deseables de los estimadores 7.2.1. Introducción y definiciones 7.2.2. Estimadores Insegados TEMA 7. ETIMACIÓN 7.1. Itroducció y defiicioes 7.. Estimació putual. Propiedades deseables de los estimadores 7..1. Itroducció y defiicioes 7... Estimadores Isegados 7.3. Estimació por itervalos de cofiaza

Más detalles

BIOESTADISTICA (55-10536) Estudios de prevalencia (transversales) 1) Características del diseño en un estudio de prevalencia, o transversal.

BIOESTADISTICA (55-10536) Estudios de prevalencia (transversales) 1) Características del diseño en un estudio de prevalencia, o transversal. Departameto de Estadística Uiversidad Carlos III de Madrid BIOESTADISTICA (55-10536) Estudios de prevalecia (trasversales) CONCEPTOS CLAVE 1) Características del diseño e u estudio de prevalecia, o trasversal

Más detalles

Modelos lineales en Biología, 5ª Curso de Ciencias Biológicas Clase 28/10/04. Estimación y estimadores: Distribuciones asociadas al muestreo

Modelos lineales en Biología, 5ª Curso de Ciencias Biológicas Clase 28/10/04. Estimación y estimadores: Distribuciones asociadas al muestreo Modelos lieales e Biología, 5ª Curso de Ciecias Biológicas Clase 8/10/04 Estimació y estimadores: Distribucioes asociadas al muestreo Referecias: Cualquiera de los textos icluidos e la bibliografía recomedada

Más detalles

8. INTERVALOS DE CONFIANZA

8. INTERVALOS DE CONFIANZA 8. INTERVALOS DE CONFIANZA Al estimar el valor de u parámetro de la distribució teórica, o se provee iformació sobre la icertidumbre e el resultado. Esa icertidumbre es producida por la dispersió de la

Más detalles

PROBABILIDADES Y ESTADÍSTICA (C) Práctica 6 Aula + Laboratorio

PROBABILIDADES Y ESTADÍSTICA (C) Práctica 6 Aula + Laboratorio 26 PROBABILIDADES Y ESTADÍSTICA (C) Práctica 6 Aula + Laboratorio 1. Los siguietes valores so medicioes del peso (e miles de toeladas) de grades taques de petróleo. 229, 232, 239, 232, 259, 361, 220, 260,

Más detalles

Métodos Estadísticos de la Ingeniería Tema 9: Inferencia Estadística, Estimación de Parámetros Grupo B

Métodos Estadísticos de la Ingeniería Tema 9: Inferencia Estadística, Estimación de Parámetros Grupo B Métodos Estadísticos de la Igeiería Tema 9: Iferecia Estadística, Estimació de Parámetros Grupo B Área de Estadística e Ivestigació Operativa Licesio J. Rodríguez-Aragó Abril 200 Coteidos...............................................................

Más detalles

Test de Kolmogorov Smirnov Patricia Kisbye El test chi-cuadrado en el caso continuo

Test de Kolmogorov Smirnov Patricia Kisbye El test chi-cuadrado en el caso continuo Test de Kolmogorov Smirov Técicas de validació estadística Bodad de auste Kolmogorov-Smirov Patricia Kisbye FaMAF 29 de mayo, 2008 Icoveiete: No es secillo costruir los itervalos a partir de las probabilidades.

Más detalles

IES Fco Ayala de Granada Sobrantes de 2005 (Modelo 3) Solución Germán-Jesús Rubio Luna OPCIÓN A

IES Fco Ayala de Granada Sobrantes de 2005 (Modelo 3) Solución Germán-Jesús Rubio Luna OPCIÓN A IES Fco Ayala de Graada Sobrates de 005 (Modelo 3) Solució Germá-Jesús Rubio Lua OPCIÓN A EJERCICIO _A ( putos) Dibuje el recito defiido por las siguietes iecuacioes: + y 6; 0 y; / + y/3 ; 0; ( puto) Calcule

Más detalles

CONCEPTOS BÁSICOS DE PROBABILIDAD Y ESTADÍSTICA

CONCEPTOS BÁSICOS DE PROBABILIDAD Y ESTADÍSTICA CAPÍTULO I CONCEPTOS BÁSICOS DE PROBABILIDAD Y ESTADÍSTICA El campo de la estadística tiee que ver co la recopilació, presetació, aálisis y uso de datos para tomar decisioes y resolver problemas. Motgomery

Más detalles

6. Sucesiones y Series numéricas Series numéricas DEFINICIONES Y PROPIEDADES

6. Sucesiones y Series numéricas Series numéricas DEFINICIONES Y PROPIEDADES 6. Sucesioes y Series uméricas 6.2. Series uméricas 6.2.. DEFINICIONES Y PROPIEDADES Series de úmeros reales Se llama serie umérica o de úmeros reales a la suma idicada de los ifiitos térmios de ua sucesió:

Más detalles

DISTRIBUCION DE FRECUENCIA (DATOS AGRUPADOS)

DISTRIBUCION DE FRECUENCIA (DATOS AGRUPADOS) Los valores icluidos e u grupo de datos usualmete varía e magitud; alguos de ellos so pequeños y otros so grades. U promedio es u valor simple, el cual es cosiderado como el valor más represetativo o típico

Más detalles

12 I N F E R E N C I A E S T A D Í S T I C A II (CONTRASTE DE HIPÓTESIS)

12 I N F E R E N C I A E S T A D Í S T I C A II (CONTRASTE DE HIPÓTESIS) 12 I N F E R E N C I A E S T A D Í S T I C A II (CONTRASTE DE HIPÓTESIS) 1 Supogamos que ua variable aleatoria X sigue ua ley N(µ; =,9). A partir de ua muestra de tamaño = 1, se obtiee ua media muestral

Más detalles

Estadística Teórica II

Estadística Teórica II tervalos de cofiaza Estadística Teórica NTERVALOS DE CONFANZA Satiago de la Fuete Ferádez 77 tervalos de cofiaza CÁLCULO DE NTERVALOS DE CONFANZA PARA LA MEDA CON DESVACÓN TÍPCA POBLACONAL CONOCDA Y DESCONOCDA.

Más detalles

IES Fco Ayala de Granada Sobrantes de 2004 (Modelo 4) Solución Germán-Jesús Rubio Luna OPCIÓN A

IES Fco Ayala de Granada Sobrantes de 2004 (Modelo 4) Solución Germán-Jesús Rubio Luna OPCIÓN A IES Fco Ayala de Graada Sobrates de 004 (Modelo 4) Solució Germá-Jesús Rubio Lua OPCIÓN A EJERCICIO 1_A ( putos) Sabemos que el precio del kilo de tomates es la mitad que el del kilo de care. Además, el

Más detalles

ORGANIZACIÓN DE LOS DATOS.

ORGANIZACIÓN DE LOS DATOS. ORGANIZACIÓN DE LOS DATOS. La toma de datos es ua de las partes de mayor importacia e el desarrollo de ua ivestigació. Así los datos obteidos mediate u primer proceso recibe el ombre de datos si tratar

Más detalles

Trata de describir y analizar algunos caracteres de los individuos de un grupo dado, sin extraer conclusiones para un grupo mayor.

Trata de describir y analizar algunos caracteres de los individuos de un grupo dado, sin extraer conclusiones para un grupo mayor. 1 Estadística Descriptiva Tema 8.- Estadística. Tablas y Gráficos. Combiatoria Trata de describir y aalizar alguos caracteres de los idividuos de u grupo dado, si extraer coclusioes para u grupo mayor.

Más detalles

2 CARTAS DE CONTROL POR ATRIBUTOS

2 CARTAS DE CONTROL POR ATRIBUTOS 2 CARTAS DE CONTROL POR ATRIBUTOS Cualquier característica de calidad que pueda ser clasificada de forma biaria: cumple o o cumple, fucioa o o fucioa, pasa o o pasa, coforme o discoforme defectuoso, o

Más detalles

INTERVALOS DE CONFIANZA

INTERVALOS DE CONFIANZA Gestió Aeroáutica: Estadística Teórica Facultad Ciecias Ecoómicas y Empresariales Departameto de Ecoomía Aplicada Profesor: Satiago de la Fuete Ferádez NTERVALOS DE CONFANZA Gestió Aeroáutica: Estadística

Más detalles

Estimación puntual y por Intervalos de Confianza

Estimación puntual y por Intervalos de Confianza Capítulo 7 Estimació putual y por Itervalos de Cofiaza 7.1. Itroducció Cosideremos ua v.a X co distribució F θ co θ descoocido. E este tema vemos cómo dar ua estimació putual para el parámetro θ y cómo

Más detalles

DISTRIBUCIONES DE PROBABILIDAD. DISTRIBUCIÓN DE PROBABILIDAD BINOMIAL.

DISTRIBUCIONES DE PROBABILIDAD. DISTRIBUCIÓN DE PROBABILIDAD BINOMIAL. DISTRIBUCIONES DE PROBABILIDAD. DISTRIBUCIÓN DE PROBABILIDAD BINOMIAL. E estadística, la distribució biomial es ua distribució de probabilidad discreta que mide el úmero de éxitos e ua secuecia de esayos

Más detalles

PROCESO DE POISSON Rosario Romera Febrero 2009

PROCESO DE POISSON Rosario Romera Febrero 2009 1 PROCESO DE POISSON Rosario Romera Febrero 2009 1. Proceso de Coteo U proceso estocástico fn t g t0 es u proceso de coteo si N t represeta el total de sucesos ocurridos asta el tiempo t. Sea u espacio

Más detalles

Parámetros de tiempo para

Parámetros de tiempo para Parámetros de tiempo para cotrol y diagóstico INTRODUCCIÓN. Ua de las actividades importates a ivel de sistemas que se debe desarrollar e toda etidad que cuete co u recurso computacioal de soporte para

Más detalles

UNIDAD III. PRUEBAS DE HIPÓTESIS 3.6 Prueba para diferencia de proporciones

UNIDAD III. PRUEBAS DE HIPÓTESIS 3.6 Prueba para diferencia de proporciones UNIDAD III. PRUEBAS DE HIPÓTESIS 3.6 Prueba para diferecia proporcioes E alguos diseños ivestigació, el pla muestral requiere seleccioar dos muestras ipedietes, calcular las proporcioes muestrales y usar

Más detalles

UNIDAD III DESCRIPCIÓN DE UN CONJUNTO DE DATOS. 1. Medidas de resumen descriptivas. 2. Medidas de tendencia central Moda

UNIDAD III DESCRIPCIÓN DE UN CONJUNTO DE DATOS. 1. Medidas de resumen descriptivas. 2. Medidas de tendencia central Moda UNIDAD III DESCRIPCIÓN DE UN CONJUNTO DE DATOS 1. Medidas de resume descriptivas Para describir u cojuto de datos utilizamos ua serie de medidas, de igual forma que para describir a u persoa podemos utilizar

Más detalles

OPCIÓN A EJERCICIO 1_A

OPCIÓN A EJERCICIO 1_A IES Fco Ayala de Graada Sobrates de 2001 (Modelo 4) Euciado Germá-Jesús Rubio Lua OPCIÓN A EJERCICIO 1_A 0-1 2 1 ( putos) Resuelva la siguiete ecuació matricial: A X - 2 B C, siedo A 1 0 1, B -2, C. 1

Más detalles

REVISIÓN DE ALGUNOS INDICADORES PARA MEDIR LA DESIGUALDAD XAVIER MANCERO CEPAL

REVISIÓN DE ALGUNOS INDICADORES PARA MEDIR LA DESIGUALDAD XAVIER MANCERO CEPAL 375 REVISIÓN DE ALGUNOS INDICADORES PARA MEDIR LA DESIGUALDAD XAVIER MANCERO CEPAL 376 Revisió de alguos idicadores para medir desigualdad Medidas de Desigualdad Para medir el grado de desigualdad e la

Más detalles

LAS SERIES GEOMÉTRICAS Y SU TENDENCIA AL INFINITO

LAS SERIES GEOMÉTRICAS Y SU TENDENCIA AL INFINITO LA ERIE GEOMÉTRICA Y U TENDENCIA AL INFINITO ugerecias al Profesor: Al igual que las sucesioes, las series geométricas se itroduce como objetos matemáticos que permite modelar y resolver problemas que

Más detalles

Trabajo Especial Estadística

Trabajo Especial Estadística Estadística Resolució de u Problema Alumas: Arrosio, Florecia García Fracaro, Sofía Victorel, Mariaela FECHA DE ENTREGA: 12 de Mayo de 2012 Resume Este trabajo es ua ivestigació descriptiva, es decir,

Más detalles

1 Valores individuales del conjunto

1 Valores individuales del conjunto 5/03/00 METROLOGÍA ESTADÍSTICA ANÁLISIS DE DATOS Cuado se obtiee uo o más grupos de datos, producto de repeticioes i e ua medida, la mejor forma de represetarlas, es mediate las Medidas de tedecia cetral

Más detalles

ESTADISTICA UNIDIMENSIONAL

ESTADISTICA UNIDIMENSIONAL ESTADISTICA UIDIMESIOAL La estadística estudia propiedades de ua població si recurrir al sufragio uiversal. El estudio estadístico tiee dos posibilidades (1) Describir lo que ocurre e la muestra mediate

Más detalles

14. Técnicas de simulación mediante el método de Montecarlo

14. Técnicas de simulación mediante el método de Montecarlo 4. Técicas de simulació mediate el método de Motecarlo 4. Técicas de simulació mediate el método de Motecarlo Qué es la simulació? Proceso de simulació Simulació de evetos discretos Números aleatorios

Más detalles

Estimación puntual y por intervalos de confianza

Estimación puntual y por intervalos de confianza Ídice 6 Estimació putual y por itervalos de cofiaza 6.1 6.1 Itroducció.......................................... 6.1 6. Estimador........................................... 6. 6.3 Método de costrucció

Más detalles

PRUEBAS DE ACCESO A LA UNIVERSIDAD FASE ESPECÍFICA: MATERIAS DE MODALIDAD

PRUEBAS DE ACCESO A LA UNIVERSIDAD FASE ESPECÍFICA: MATERIAS DE MODALIDAD PRUEBAS DE ACCESO A LA UNIVERSIDAD FASE ESPECÍFICA: MATERIAS DE MODALIDAD CURSO 009-010 CONVOCATORIA: MATERIA: MATEMÁTICAS APLICADAS A LAS CC SS - Cada alumo debe elegir sólo ua de las pruebas (A o B).

Más detalles

Sobrantes de 2004 (Septiembre Modelo 3) Soluciones Germán-Jesús Rubio Luna OPCIÓN A

Sobrantes de 2004 (Septiembre Modelo 3) Soluciones Germán-Jesús Rubio Luna OPCIÓN A OPCIÓN A EJERCICIO 1_A (3 putos) Ua pastelería elabora dos tipos de trufas, dulces y amargas Cada trufa dulce lleva 20 g de cacao, 20 g de ata y 30 g de azúcar y se vede a 1 euro la uidad Cada trufa amarga

Más detalles

Sistemas de Segundo Orden

Sistemas de Segundo Orden Apute I Departameto de Igeiería Eléctrica Uiversidad de Magallaes Aputes del curso de Cotrol Automático Roberto Cárdeas Dobso Igeiero Electricista Msc. Ph.D. Profesor de la asigatura Este apute se ecuetra

Más detalles

7.2. Métodos para encontrar estimadores

7.2. Métodos para encontrar estimadores Capítulo 7 Estimació putual 7.1. Itroducció Defiició 7.1.1 U estimador putual es cualquier fució W (X 1,, X ) de la muestra. Es decir, cualquier estadística es ua estimador putual. Se debe teer clara la

Más detalles

INFERENCIA ESTADÍSTICA: ESTIMACIÓN DE UNA PROPORCIÓN

INFERENCIA ESTADÍSTICA: ESTIMACIÓN DE UNA PROPORCIÓN INFERENCIA ESTADÍSTICA: ESTIMACIÓN DE UNA PROPORCIÓN Págia 98 Cuátas caras cabe esperar? El itervalo característico correspodiete a ua probabilidad del 95% (cosideramos casas raros al 5% de los casos extremos)

Más detalles

Para estimar su media poblacional (µ) se toma una muestra de 20 cigarrillos, las medias de la. σ 20

Para estimar su media poblacional (µ) se toma una muestra de 20 cigarrillos, las medias de la. σ 20 Modelo 04. Problema 5A.- (Calificació máxima: putos) El coteido e alquitrá de ua determiada marca de cigarrillos se puede aproximar por ua variable aleatoria co distribució ormal de media µ descoocida

Más detalles

Tema 9. Inferencia Estadística. Intervalos de confianza.

Tema 9. Inferencia Estadística. Intervalos de confianza. Tema 9. Iferecia Estadística. Itervalos de cofiaza. Idice 1. Itroducció.... 2 2. Itervalo de cofiaza para media poblacioal. Tamaño de la muestra.... 2 2.1. Itervalo de cofiaza... 2 2.2. Tamaño de la muestra...

Más detalles

Test de Wilcoxon de rangos signados

Test de Wilcoxon de rangos signados 5 Elea J. Martíez do cuat. 0 Test de Wilcoxo de ragos sigados Hemos visto que, co míimas hipótesis sobre la distribució subyacete (úica mediaa y distribució cotiua), el test del sigo es UMP para las hipótesis

Más detalles

ESTADÍSTICA BÁSICA. Discretas. Función de masa de probabilidad: P(X=x i ) Sólo se toma un conjunto finito valores {x 1, x 2,...}

ESTADÍSTICA BÁSICA. Discretas. Función de masa de probabilidad: P(X=x i ) Sólo se toma un conjunto finito valores {x 1, x 2,...} ESTADÍSTICA BÁSICA 1.) Coceptos básicos: Estadística: Es ua ciecia que aaliza series de datos (por ejemplo, edad de ua població, altura de u equipo de balocesto, temperatura de los meses de verao, etc.)

Más detalles

FÍSICA GENERAL 2º CUATRIMESTRE 2014 TT.PP. LABORATORIOS- TEORIA DE ERRORES. (Algunos conceptos importantes)

FÍSICA GENERAL 2º CUATRIMESTRE 2014 TT.PP. LABORATORIOS- TEORIA DE ERRORES. (Algunos conceptos importantes) FÍSICA GENERAL 2º CUATRIMESTRE 2014 TT.PP. LABORATORIOS- TEORIA DE ERRORES (Alguos coceptos importates) 1. Error de apreciació. Lo primero que u experimetador debe coocer es la apreciació del istrumeto

Más detalles

Análisis de datos en los estudios epidemiológicos II

Análisis de datos en los estudios epidemiológicos II Aálisis de datos e los estudios epidemiológicos II Itroducció E este capitulo cotiuamos el aálisis de los estudios epidemiológicos cetrádoos e las medidas de tedecia cetral, posició y dispersió, ídices

Más detalles

Método de Pruebas Múltiples para Valores Desviados en el Manejo de Datos Experimentales: Aplicación en Ciencias e Ingenierías

Método de Pruebas Múltiples para Valores Desviados en el Manejo de Datos Experimentales: Aplicación en Ciencias e Ingenierías Método Pruebas Múltiples para Valores Desviados e el Maejo Datos Eperimetales: Aplicació e Ciecias e Igeierías Suredra P. Verma Cetro Ivestigació e Eergía Uiversidad Nacioal Autóoma Méico Priv. Xochicalco

Más detalles

16 Distribución Muestral de la Proporción

16 Distribución Muestral de la Proporción 16 Distribució Muestral de la Proporció 16.1 INTRODUCCIÓN E el capítulo aterior hemos estudiado cómo se distribuye la variable aleatoria media aritmética de valores idepedietes. A esta distribució la hemos

Más detalles

Límite y Continuidad de Funciones.

Límite y Continuidad de Funciones. Límite Cotiuidad de Fucioes. Eleazar José García. eleagarcia9@hotmail.com. Límite de ua fució.. Defiició de límite de ua fució.. Ifiitésimo.. Ifiitésimos equivalete.. Límite por la izquierda.. Límite por

Más detalles

IES Fco Ayala de Granada Modelo 2 del 2015 (Soluciones) Germán-Jesús Rubio Luna SELECTIVIDAD ANDALUCÍA MATEMÁTICAS CCSS MODELO 2 DEL 2015 OPCIÓN A

IES Fco Ayala de Granada Modelo 2 del 2015 (Soluciones) Germán-Jesús Rubio Luna SELECTIVIDAD ANDALUCÍA MATEMÁTICAS CCSS MODELO 2 DEL 2015 OPCIÓN A IES Fco Ayala de Graada Modelo del 015 (Solucioes) Germá-Jesús Rubio Lua SELECTIVIDAD ANDALUCÍA MATEMÁTICAS CCSS MODELO DEL 015 OPCIÓN A EJERCICIO 1 (A) 1-1 Sea las matrices A = 0 1-1, B = 1 1, C = ( 1),

Más detalles

Tema 7 DISTRIBUCIONES CONTINUAS DE PROBABILIDAD. X- μ. f(x) = e para - < x < Z 2. . e para - < z <

Tema 7 DISTRIBUCIONES CONTINUAS DE PROBABILIDAD. X- μ. f(x) = e para - < x < Z 2. . e para - < z < Tema 7 DISTRIBUCIONES CONTINUAS DE PROBABILIDAD La distribució ormal: La distribució ormal, campaa de Gauss o, curva ormal, tambié defiida por De Moivre. Características y propiedades: La siguiete fórmula

Más detalles

Distribuciones de probabilidad

Distribuciones de probabilidad Distribucioes de probabilidad 1. Variable aleatoria real: Ejemplo: Ua variable aleatoria X es ua fució que asocia a cada elemeto del espacio muestral E u úmero X: E ú Cosideremos el experimeto aleatorio

Más detalles

TABLAS DE CONTINGENCIA. IGNACIO MÉNDEZ GÓMEZ-HUMARÁN

TABLAS DE CONTINGENCIA. IGNACIO MÉNDEZ GÓMEZ-HUMARÁN TABLAS DE CONTINGENCIA IGNACIO MÉNDEZ GÓMEZ-HUMARÁN imgh000@yahoo.om El uso de Tablas de Cotigeia permite estudiar la relaió etre dos variables ategórias o riterios de lasifiaió. E ua Tabla, los regloes

Más detalles

Muestreo. Tipos de muestreo. Inferencia Introducción

Muestreo. Tipos de muestreo. Inferencia Introducción Germá Jesús Rubio Lua Catedrático de Matemáticas del IES Fracisco Ayala Muestreo. Tipos de muestreo. Iferecia Itroducció Nota.- Puede decirse que la Estadística es la ciecia que se preocupa de la recogida

Más detalles

IES Fco Ayala de Granada Soluciones Germán-Jesús Rubio Luna INTERVALOS DE CONFIANZA PARA PROPORCIONES (2007)

IES Fco Ayala de Granada Soluciones Germán-Jesús Rubio Luna INTERVALOS DE CONFIANZA PARA PROPORCIONES (2007) IS Fco Ayala de Graada Solucioes Germá-Jesús Rubio Lua INTRVALOS D CONFIANZA PARA PROPORCIONS (007) jercicio 1- Tomada, al azar, ua muestra de 10 estudiates de ua Uiversidad, se ecotró que 54 de ellos

Más detalles

Intervalos de confianza para la media

Intervalos de confianza para la media Itervalos de cofiaza para la media Ejercicio º 1.- Las vetas diarias, e euros, e u determiado comercio sigue ua distribució N(950, 200). Calcula la probabilidad de que las vetas diarias e ese comercio:

Más detalles

OPCIÓN A EJERCICIO 1_A

OPCIÓN A EJERCICIO 1_A IES Fco Ayala de Graada Sobrates de 005 (Modelo 4) Solució Germá-Jesús Rubio Lua OPCIÓN A EJERCICIO 1_A 1 3 (1 puto) Sea las matrices A= 0 1 y B = 1-1 - 0 1 1 De las siguietes operacioes, alguas o se puede

Más detalles

Tema 9 Teoría de la formación de carteras

Tema 9 Teoría de la formación de carteras Parte III Decisioes fiacieras y mercado de capitales Tema 9 Teoría de la formació de carteras 9.1 El problema de la selecció de carteras. 9. Redimieto y riesgo de ua cartera. 9.3 El modelo de la media-variaza.

Más detalles

Símbolo del inversor autónomo.

Símbolo del inversor autónomo. CAPITULO II TORIA D LOS INRSORS D TNSION Itroducció Los iversores de tesió so coversores estáticos, destiados a cotrolar el flujo de eergía eléctrica etre ua fuete de tesió cotiua y ua fuete de corriete

Más detalles

OPCIÓN A EJERCICIO 1_A 1 0 2

OPCIÓN A EJERCICIO 1_A 1 0 2 IES Fco Ayala de Graada Sobrates de 007 (Modelo 6) Solució Germá-Jesús Rubio Lua OPCIÓN A EJERCICIO 1_A 1 0 - Sea las matrices A, B - 1 0 5 (1 5 putos) Calcule B.B t - A.A t (1 5 putos) Halle la matriz

Más detalles

Estimación puntual y por intervalos

Estimación puntual y por intervalos 0/1/011 Aálisis de datos gestió veteriaria Estimació putual por itervalos Departameto de Producció Aimal Facultad de Veteriaria Uiversidad de Córdoba Córdoba, 30 de Noviembre de 011 Estimació putual por

Más detalles

Apéndice C: Datos Experimentos

Apéndice C: Datos Experimentos Apédice C: Datos Experimetos Experimetos Los experimetos permitiero evaluar la afectividad de los usuarios al iteractuar etre ellos detro del IM. La realizació de los experimetos se basa e los siguietes

Más detalles

Calculamos los vértices del recinto resolviendo las ecuaciones las rectas de dos en dos.

Calculamos los vértices del recinto resolviendo las ecuaciones las rectas de dos en dos. IES Fco Ayala de Graada Sobrates de 008 (Modelo 6) Germá-Jesús Rubio Lua SELETIVIDAD ANDALUÍA MATEMÁTIAS SS SOBRANTES 008 (MODELO 6) OPIÓN A EJERIIO 1_A (3 putos) Ua empresa produce botellas de leche etera

Más detalles

Factores de Carga, Simultaneidad, Diversidad y Pérdidas

Factores de Carga, Simultaneidad, Diversidad y Pérdidas Factores de Carga, imltaeidad, Diversidad y érdidas Abordaje qe asegra s cosistecia Bogotá, Diciembre 013 1 Itrodcció E los cálclos de redes de distribció para proyectos y operació se caracteriza las cargas

Más detalles

Probabilidad y Estadística. Introducción a la Inferencia Estadística. Raúl D. Katz 2013

Probabilidad y Estadística. Introducción a la Inferencia Estadística. Raúl D. Katz 2013 Probabilidad y Estadística Itroducció a la Iferecia Estadística Raúl D. Katz 013 Ídice 1. Itroducció 3. Muestreo 3.1. Muestras aleatorias simples.................................... 4 3. Iferecia estadística

Más detalles

CURSO 2.004-2.005 - CONVOCATORIA:

CURSO 2.004-2.005 - CONVOCATORIA: PRUEBAS DE ACCESO A LA UNIVERSIDAD LOGSE / LOCE CURSO 4-5 - CONVOCATORIA: MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES - Cada alumo debe elegir sólo ua de las pruebas (A o B) y, detro de ella, sólo debe

Más detalles

Calculo de la deuda a plazo (PAGO) 1) Método de cuota nivelada.

Calculo de la deuda a plazo (PAGO) 1) Método de cuota nivelada. Amortizació: Viee del latí Morti; Muerte, e el mercado fiaciero la expresió amortizació se utiliza para deomiar el proceso mediate el cual se extigue gradualmete ua deuda por medio de pagos o aboos periódicos

Más detalles

Intervalos de Confianza para la diferencia de medias

Intervalos de Confianza para la diferencia de medias Itervalo de Cofiaza para la diferecia de media INTERVALO DE CONFIANZA PARA LA DIFERENCIA DE MEDIAS Sea,,..., ua muetra aleatoria de obervacioe tomada de ua primera població co valor eperado μ, y variaza

Más detalles

UNIDAD 2 Ecuaciones Diferenciales Lineales de Orden Superior

UNIDAD 2 Ecuaciones Diferenciales Lineales de Orden Superior UNIDAD Ecuacioes Difereciales Lieales de Orde Superior. Defiició Ua ecuació diferecial lieal de orde tiee la forma: d y a a a a y= g d d d Si las fucioes a a so todas costates (o cero) etoces se dice que

Más detalles

PRESENTACIONES ESTADISTICAS. Número de Trabajadores (frecuencia)

PRESENTACIONES ESTADISTICAS. Número de Trabajadores (frecuencia) Distribucioes de frecuecia: PRESENTACIONES ESTADISTICAS So tablas e las que se agrupa lo valores posibles de ua variable y se registra el úmero de valores observados que correspode a cada clase. Como ejemplo

Más detalles

Tema 1 Los números reales Matemáticas I 1º Bachillerato 1

Tema 1 Los números reales Matemáticas I 1º Bachillerato 1 Tema 1 Los úmeros reales Matemáticas I 1º Bachillerato 1 TEMA 1 LOS NÚMEROS REALES 1.1 LOS NÚMEROS REALES. LA RECTA REAL INTRODUCCIÓN: Los úmeros racioales: Se caracteriza porque puede expresarse: E forma

Más detalles

GLOSARIO ESTADÍSTICO. Fuente: Murray R. Spiegel, Estadística,, McGraw Hill.

GLOSARIO ESTADÍSTICO. Fuente: Murray R. Spiegel, Estadística,, McGraw Hill. GLOSARIO ESTADÍSTICO Fuete: Murray R. Spiegel, Estadística,, McGraw Hill. CONCEPTOS Y DEFINICIONES ESPECIALES Es el estudio cietífico de los La estadística posee tres campos métodos para recoger, orgaizar,

Más detalles

PRUEBAS DE ACCESO A LA UNIVERSIDAD L.O.G.S.E

PRUEBAS DE ACCESO A LA UNIVERSIDAD L.O.G.S.E PRUEBAS DE ACCESO A LA UNIVERSIDAD L.O.G.S.E CURSO.-.3 - CONVOCATORIA: MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES - Cada alumo debe elegir sólo ua de las pruebas (A o B) y, detro de ella, sólo debe

Más detalles

ESTADÍSTICA NO PARAMÉTRICA: PRUEBA CHI-CUADRADO χ 2

ESTADÍSTICA NO PARAMÉTRICA: PRUEBA CHI-CUADRADO χ 2 Estadística o Paramétrica ESTADÍSTICA NO PARAMÉTRICA: PRUEBA CHI-CUADRADO χ Autores: Jua Fracisco Moge Ivars (jmoje@uoc.edu), Ágel A. Jua Pérez (ajuap@uoc.edu) ESQUEMA DE CONTENIDOS Estadística o Paramétrica

Más detalles

Teorema del límite central

Teorema del límite central Teorema del límite cetral Carles Rovira Escofet P03/75057/01008 FUOC P03/75057/01008 Teorema del límite cetral Ídice Sesió 1 La distribució de la media muestral... 5 1. Distribució de la media muestral

Más detalles

CRITERIOS DE DECISIÓN EN LA EVALUACION DE PROYECTOS

CRITERIOS DE DECISIÓN EN LA EVALUACION DE PROYECTOS CRITERIOS DE DECISIÓN EN LA EVALUACION DE PROYECTOS Curso Preparació y Evaluació Social de Proyectos Sistema Nacioal de Iversioes Divisió de Evaluació Social de Iversioes MINISTERIO DE DESARROLLO SOCIAL

Más detalles

CAL. CONTROL Y ASEGURAMIENTO DE CALIDAD

CAL. CONTROL Y ASEGURAMIENTO DE CALIDAD MCAL103/03 LIBRO: PARTE: TÍTULO: CAL. CONTROL Y ASEGURAMIENTO DE CALIDAD 1. CONTROL DE CALIDAD 03. Aálisis Estadísticos de Cotrol de Calidad A. CONTENIDO Este Maual cotiee los procedimietos para aalizar,

Más detalles

CÁLCULO DE PROBABILIDADES :

CÁLCULO DE PROBABILIDADES : CÁLCULO DE PROBBILIDDES : Experimeto aleatorio. Espacio muestral. Sucesos. Álgebra de sucesos. Frecuecias. Propiedades. Probabilidad. Resume de Combiatoria. Probabilidad codicioada. Teoremas. PROBBILIDD

Más detalles

Práctica de Física AJUSTE DE UNA RECTA

Práctica de Física AJUSTE DE UNA RECTA Práctica de Física AJUSTE DE UNA RECTA Calcular el valor medio y error de ua serie de valores Ajustar los datos experimetales mediate ua depedecia lieal La determiació de ua magitud física está sujeta

Más detalles

Técnicas para problemas de desigualdades

Técnicas para problemas de desigualdades Técicas para problemas de desigualdades Notas extraídas del libro de Arthur Egel [] 5 de marzo de 00 Medias Comezamos co dos de las desigualdades más básicas pero al mismo tiempo más importates Sea x,

Más detalles

Estimador Es la regla o procedimiento, expresado en general por medio de una fórmula, que se utiliza para deducir la estimación.

Estimador Es la regla o procedimiento, expresado en general por medio de una fórmula, que se utiliza para deducir la estimación. Teoría de la Estimació Estadística Teoría de la Estimació Estadística Razó para estimar Los admiistradores utiliza las estimacioes porque se debe tomar decisioes racioales, si que tega la iformació pertiete

Más detalles

Muestreo. Mucho de las acciones y decisiones que se toman están basados en la información de una muestra.

Muestreo. Mucho de las acciones y decisiones que se toman están basados en la información de una muestra. 1 Muestreo Muco de las accioes y decisioes que se toma está basados e la iformació de ua muestra. La preguta que siempre se ace, es: qué tamaño de muestra es suficiete para obteer ua buea aproximació de

Más detalles

OPERACIONES ALGEBRAICAS FUNDAMENTALES

OPERACIONES ALGEBRAICAS FUNDAMENTALES MATERIAL DIDÁCTICO DE PILOTAJE PARA ÁLGEBRA 2 OPERACIONES ALGEBRAICAS FUNDAMENTALES ÍNDICE DE CONTENIDO 2. Suma, resta, multiplicació y divisió 6 2.1. Recoociedo la estructura de moomios y poliomios 6

Más detalles

Midiendo el Desempeño

Midiendo el Desempeño Midiedo el Desempeño Prof. Mariela J. Curiel H. Midiedo el Desempeño Qué variables se desea medir Cuáles so las herramietas dispoibles Qué tecicas se utiliza para calcular los parámetros de etrada de u

Más detalles

Polinomios. Definición de polinomio y sus propiedades. Grado de un polinomio e igualdad de polinomios

Polinomios. Definición de polinomio y sus propiedades. Grado de un polinomio e igualdad de polinomios Poliomios Defiició de poliomio y sus propiedades U poliomio puede expresarse como ua suma de productos de fucioes de x por ua costate o como ua suma de térmios algebraicos; es decir U poliomio e x es ua

Más detalles

Variables aleatorias. Distribución binomial y normal

Variables aleatorias. Distribución binomial y normal Variables aleatorias. Distribució biomial y ormal Variable aleatoria Def.- Al realizar u experimeto aleatorio teemos u espacio muestral E. A cualquier ley o aplicació que a cualquier suceso de E le asocie

Más detalles

PRUEBAS DE HIPÓTESIS

PRUEBAS DE HIPÓTESIS PRUEBAS DE HIPÓTESIS E vez de estimar el valor de u parámetro, a veces se debe decidir si ua afirmació relativa a u parámetro es verdadera o falsa. Vale decir, probar ua hipótesis relativa a u parámetro.

Más detalles

UN MODELO DE ESTUDIO PARA DEFINIR NIVELES DE CONFIABILIDAD EN UNA LÍNEA DE PRODUCCION.

UN MODELO DE ESTUDIO PARA DEFINIR NIVELES DE CONFIABILIDAD EN UNA LÍNEA DE PRODUCCION. FACULTAD DE INGENIERIA ESCUELA DE INGENIERIA MECANICA UN MODELO DE ESTUDIO PARA DEFINIR NIVELES DE CONFIABILIDAD EN UNA LÍNEA DE PRODUCCION. FERNANDO ESPINOSA FUENTES INTRODUCCION. U sistema productivo

Más detalles

Transformada Z. Transformada Z. Señales y sistemas discretos (1) Señales y sistemas discretos (2)

Transformada Z. Transformada Z. Señales y sistemas discretos (1) Señales y sistemas discretos (2) Trasformada Z La trasformada Z es u método tratar fucioes discretas e el tiempo El papel de la trasformada Z e sistemas discretos e el tiempo es similar al de la trasformada de Laplace e sistemas cotiuos

Más detalles

SUCESIONES DE NÚMEROS REALES. PROGRESIONES

SUCESIONES DE NÚMEROS REALES. PROGRESIONES www.matesxroda.et José A. Jiméez Nieto SUCESIONES DE NÚMEROS REALES. PROGRESIONES. SUCESIONES DE NÚMEROS REALES. TÉRMINO GENERAL E las siguietes figuras observa el proceso que lleva a la creació de uevos

Más detalles

Señales y sistemas discretos (1) Transformada Z. Definiciones

Señales y sistemas discretos (1) Transformada Z. Definiciones Trasformada Z La trasformada Z es u método para tratar fucioes discretas e el tiempo El papel de la trasformada Z e sistemas discretos e el tiempo es similar al de la trasformada de Laplace e sistemas

Más detalles

Tema 7: Estimación por intervalos de confianza.

Tema 7: Estimación por intervalos de confianza. Estadística 69 Tema 7: Estimació por itervalos de cofiaza. 7. Itroducció. Cuado tratamos la estimació putual, uo de los problemas que se platearo es que el valor de la estimació es sólo uo de los valores

Más detalles