Abril 23 al 26 Cd.Juárez, México Vol. 5, No. 1, 2013
|
|
- María Castro Díaz
- hace 6 años
- Vistas:
Transcripción
1 Vol. 5, No., 3 OBTENCIÓN DE TIEMPOS DE FALLA CON DATOS DE DEGRADACIÓN MC. Manuel Jesús Reyes Méndez (ITCJ), Dr. Manuel A. Rodríguez Medina (ITCJ), Dr. Alejandro Alvarado Iniesta (UACJ) Resumen. En este estudios se analizaron datos de degradación por el método aproximado. Se utilizó estrés de temperatura en lámparas fluorescentes para acelerar su degradación, reflejada en la perdida de intensidad lumínica. Para estimar los tiempos de falla, se ajustaron los datos de cada muestra a un modelo regresión y se extrapolan hasta cruzar el valor de umbral. De esta manera se encontró la función de distribución de falla que es la base de los estudios de confiabilidad estadística. Palabras clave. Trayectoria de degradación, Tiempos de falla Introducción El interés por mejorar la calidad en los productos se debe en gran parte a la competencia global, los avances tecnológicos y a las exigencias de los consumidores. El análisis de confiabilidad industrial ofrece las herramientas que pueden respaldar las decisiones sobre el diseño de productos, la administración de garantías y las políticas de mantenimiento. La confiabilidad se define como la probabilidad de que un elemento realice una función sin fallas, bajo las condiciones establecidas y durante un determinado período de tiempo. Como hay probabilidades involucradas en esta definición, se utiliza la función de distribución cumulada (CDF) o función de falla acumulada, como una referencia global del tiempo de falla: ( ) = ( ) = ( ) () Esta ecuación se interpreta como la probabilidad de que un producto falle antes o por el tiempo x. El cuantificador de la confiabilidad se llama función de confiabilidad o de supervivencia. Así, la función de confiabilidad de un producto es la probabilidad de que este sobreviva al menos hasta el momento x: ( ) = ( ) > = ( ) (2) Otra función que se utiliza en confiabilidad es el índice de peligro o también conocido como la función de riesgo, que es la probabilidad condicional de que un producto falle durante ( x + dx) dado que sobrevive hasta el momento x: h( ) = ( ) = ( ) (3) ( ) ( ) Los métodos de prueba son los procesos a los que se someten los productos para obtener los datos de falla. Generalmente se utilizan dos tipos de pruebas: de vida y de degradación. Si las pruebas de vida producen pocos o ningún dato de falla, una alternativa es utilizar las pruebas de degradación que, aunque son más complicadas, en muchos casos proporcionan más información que los datos de vida. Este artículo presenta un estudio realizado en lámparas fluorescentes con el objeto de obtener la función de distribución probabilística mediante la estimación aproximada de los datos de tiempo de falla en una prueba de degradación. La degradación es una debilidad que eventualmente puede causar la falla. Los datos de degradación directamente relacionan la confiabilidad con las características físicas del producto o indirectamente con los cambios en el rendimiento de una característica del mismo. Esta distinción posibilita estimar la confiabilidad antes de que la muestra falle y así, acortar el tiempo de prueba. En la literatura correspondiente se encuentra Nelson (98, 9) quien describió las ideas básicas usando ejemplos específicos y determino que los datos de degradación son una alternativa para evaluar la confiabilidad. Mientras que Tseng et al. (5) y Meeker y Escobar, (8) consideraron la falla en términos de una característica. (Hudak et al. 978) monitorearon las longitudes de las grietas de 2 unidades de prueba hasta 0.2 millones de ciclos de pruebas de fatiga. La degradación se acelera incorporando covariables denominadas factores de aceleración a valores más altos que los de uso normal. Todas las grietas se iniciaron a 0.9 pulgadas, y los investigadores definieron la falla cuando las longitudes de grieta alcanzan el valor de umbral D de.6 pulgadas, ver la figura. Autor Corresponsal reyesmjesus@yahoo.com Congreso Internacional de Investigación Academia Journals 68
2 Vol. 5, No., 3 Figura. Longitud de las grietas en una prueba de degradación por fatiga Método Considerando el modelo de degradación general definido por Meeker y Escobar (8) = + (4) Para realizar un análisis de aproximado de la degradación, cada muestra se ajusta a un modelo de regresión y se pronostica el tiempo en el que se alcanza el nivel de degradación crítico. A estos tiempos se les llama "tiempos de seudo fallas. Luego se analizan los n tiempos de seudo fallas como una muestra completa de tiempos de falla para estimar la función de distribución acumulada F(t). En síntesis el método es: Para la muestra i, utilizar el modelo de la trayectoria y = D + ϵ y los datos de la muestra (t, y ),..., (t, y ) para encontrar el estimador de β = (β,..., β ), es decir β. Resuelva la ecuación D t, β = D para t y nómbrela solución t Repita el procedimiento para cada muestra para obtener los tiempos de seudo falla t,, t. Analice la distribución individual de los t,, t para estimar F(t). Para realizar este estudio se diseñaron módulos de pruebas de degradación de madera, donde se instaló una lámpara fluorescente, una lámpara de calor, un dispositivo para controlar la temperatura automáticamente y una ventana para monitorear la luminosidad de la lámpara por medio de un luxómetro (como se ve en la Figura 2). Figura 2. Módulos para pruebas de degradación y confiabilidad Congreso Internacional de Investigación Academia Journals 69
3 Vol. 5, No., 3 Resultados Se estudiaron nueve muestras (L- L9) a temperatura constante de 40 grados centígrados de las cuales se reportan 3 valores de degradación para cada lámpara (ver Tabla ) L D L2 D2 L3 D3 L4 D4 L5 D5 L6 D6 L7 D7 L8 D8 L9 D Tabla. Valores de intensidad lumínica en Luxes para nueve lámparas fluorescentes A continuación se calcularon los valores marginales de degradación (D-D9). El procedimiento se realizó sumando al diferencial de degradación, en cada tiempo, a la degradación acumulada. Por ejemplo en la Lámpara uno el primer diferencial es de dos ( ). Para el segundo valor marginal el diferencial es cuatro (394-3) más la degradación acumulada de dos, resulta en total un valor marginal de 6, tal y como se presenta en la tabla D D2 D3 D4 D5 D6 D7 Figura 3. Representación de los datos marginales de la tabla 2 Con la información de la tabla 2 se realizan los ajustes de regresión para cada muestra, obteniéndose un conjunto de nueve ecuaciones lineales. Considerando que el valor máximo de luminosidad en una lámpara nueva es de 400 luxes, se elige un valor de umbral del por ciento de degradación, es decir 280 luxes. Con las nueve ecuaciones de regresión estimadas y el valor D = 280, se encuentran los seudos tiempos de falla, resolviendod t, β = D, que se muestran en la Tabla 3. Congreso Internacional de Investigación Academia Journals 6
4 Vol. 5, No., Tabla 3. Seudo tiempos de falla Minitab provee los métodos paramétricos y no paramétricos para estimar funciones. Si una distribución paramétrica se ajusta a los datos, entonces se utilizan los estimados paramétricos. Se puede elegir entre el método de ajuste de mínimos cuadrados o el método de máxima verosimilitud. Para los estimados no paramétricos, la elección del método depende del tipo de censura. Los resultados obtenidos son los parámetros de distribución, la supervivencia, la falla acumulada, el riesgo y los percentiles estimados. Estos métodos están disponibles para el análisis de distribución paramétrica censurada por la derecha, el análisis de distribución paramétrico censurado arbitrariamente y para la predicción de garantías El análisis de confiabilidad de Minitab nos proporciona la siguiente información: Valor extremo más pequeño Gráfica de probabilidad para Cálculos de LSXY-Datos completos Normal Coeficiente de correlación V alor extremo más pequeño Normal Logística Logístico Figura 4. Graficas de probabilidad para los sudo tiempos de falla Congreso Internacional de Investigación Academia Journals 62
5 Vol. 5, No., 3 PDF Gráfica de revisión general de distribución para Cálculos de LSXY-Datos completos Función de densidad de probabilidad Loglogística Tabla de estadísticas Ubic Escala Media Desv.Est Mediana IQ R F alla 9 C ensor 0 A D*.492 C orrelación Función de supervivencia Función de riesgo Tasa Figura 5. Distribución de los tiempos de falla Donde observamos que realizando el ajuste por mínimos cuadrados log logístico para los seudos tiempos de falla, el programa nos reporta las funciones de densidad de probabilidad, de supervivencia y de riesgo. El índice Anderson-Darling de.49 y el coeficiente de correlación de 0.977, nos indican una aceptable bondad de ajuste. Conclusiones Si se utiliza el modelo de regresión apropiado, el análisis aproximado de los datos de degradación es útil para estimar inicialmente los tiempos de falla y evaluar la confiabilidad de un producto. En este trabajo se muestra la obtención y manejo de los seudo tiempos de falla como una alternativa simple e intuitiva para obtener los parámetros de la distribución de los tiempos de falla, aun es necesario realizar más análisis estadístico de los datos, los errores, los intervalos de confianza y la bondad de ajuste. Referencias R.B. D'Agostino y M.A. Stephens (986). Goodness-of-Fit Techniques, Marcel Dekker. J.D. Kalbfleisch y R.L. Prentice (980). The Statistical Analysis of Failure Time Data, John Wiley & Sons. D. Kececioglu (). Reliability Engineering Handbook, Vols. and 2, Prentice Hall. J.F. Lawless (982). Statistical Models and Methods for Lifetime Data, John Wiley & Sons, Inc. W.Q. Meeker y L.A. Escobar (8). Statistical Methods for Reliability Data, John Wiley & Sons, Inc. W. Murray, Ed. Numerical Methods for Unconstrained Optimization, Academic Press. W. Nelson (982). Applied Life Data Analysis, John Wiley & Sons. B.W. Turnbull (974). "Nonparametric Estimation of a Survivorship Function with Doubly Censored Data", Journal of the American Statistical Association 69, 345, pp J.T. Kvaloy y B.H. Lindqvist (8). "TTT-based Tests for Trend in Repairable Systems Data", Reliability Engineering and System Safety 60, pp W. Nelson (9). Accelerated Testing, John Wiley & Sons. S.E. Rigdon y A.P. Basu (00). Statistical Methods for the Reliability of Repairable Systems, John Wiley & Sons. Congreso Internacional de Investigación Academia Journals 622
CM0244. Suficientable
IDENTIFICACIÓN NOMBRE ESCUELA ESCUELA DE CIENCIAS NOMBRE DEPARTAMENTO Ciencias Matemáticas ÁREA DE CONOCIMIENTO MATEMATICAS, ESTADISTICA Y AFINES NOMBRE ASIGNATURA EN ESPAÑOL ESTADÍSTICA GENERAL NOMBRE
Más detallesESTADÍSTICA I PRESENTACIÓN DE LA ASIGNATURA
ESTADÍSTICA I PRESENTACIÓN DE LA ASIGNATURA Descripción de la asignatura Estadística I El objetivo de la asignatura es proporcionar al estudiante conocimiento Departamento de Estadística y comprensión
Más detallesINSTITUTO NACIONAL DE ESTADÍSTICAS (INE) 29 de Abril de 2016
ANEXO ESTADÍSTICO 1 : COEFICIENTES DE VARIACIÓN Y ERROR ASOCIADO AL ESTIMADOR ENCUESTA NACIONAL DE EMPLEO (ENE) INSTITUTO NACIONAL DE ESTADÍSTICAS (INE) 9 de Abril de 016 1 Este anexo estadístico es una
Más detallesMétodos estadísticos en estudios de supervivencia
Métodos estadísticos en estudios de supervivencia Belén San José, Elia Pérez y Rosario Madero Sección de Bioestadística. Hospital Universitario La Paz. Madrid. España. bjose.hulp@salud.madrid.org; epefer@gmail.com;
Más detallesINDICE. Prólogo a la Segunda Edición
INDICE Prólogo a la Segunda Edición XV Prefacio XVI Capitulo 1. Análisis de datos de Negocios 1 1.1. Definición de estadística de negocios 1 1.2. Estadística descriptiva r inferencia estadística 1 1.3.
Más 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 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 detallesmatemáticas como herramientas para solución de problemas en ingeniería. PS Probabilidad y Estadística Clave de la materia: Cuatrimestre: 4
PS0401 - Probabilidad y Estadística DES: Ingeniería Programa(s) Educativo(s): Ingeniería de Software Tipo de materia: Obligatoria Clave de la materia: PS0401 Cuatrimestre: 4 UNIVERSIDAD AUTÓNOMA DE Área
Más detallesComparación de dos Grupos en Presencia de Riesgos Competitivos María Carolina Paz S. a, Sergio Yanez Canal b Email: mcpazs@unal.edu.co a. Estudiante de Maestría en Ciencias - Estadística, Universidad Nacional
Más detallesRobusticidad de los Diseños D-óptimos a la Elección. de los Valores Locales para el Modelo Logístico
Robusticidad de los Diseños D-óptimos a la Elección de los Valores Locales para el Modelo Logístico David Felipe Sosa Palacio 1,a,Víctor Ignacio López Ríos 2,a a. Escuela de Estadística, Facultad de Ciencias,
Más detalles1 Introducción. 2 Modelo. Hipótesis del modelo MODELO DE REGRESIÓN LOGÍSTICA
MODELO DE REGRESIÓN LOGÍSTICA Introducción A grandes rasgos, el objetivo de la regresión logística se puede describir de la siguiente forma: Supongamos que los individuos de una población pueden clasificarse
Más detallesVARIABLES ESTADÍSTICAS BIDIMENSIONALES
VARIABLES ESTADÍSTICAS BIDIMENSIONALES 1.- En una variable estadística bidimensional, el diagrama de dispersión representa: a) la nube de puntos. b) las varianzas de las dos variables. c) los coeficientes
Más detallesESTADISTICA APLICADA: PROGRAMA
Pág. 1 de 5 ESTADISTICA APLICADA: PROGRAMA a) OBJETIVOS Y BLOQUE 1: Teoría de Probabilidades 1.1 Comprender la naturaleza de los experimentos aleatorios y la estructura de los espacios de probabilidades,
Más detallesÍNDICE CAPÍTULO 1. INTRODUCCIÓN
ÍNDICE CAPÍTULO 1. INTRODUCCIÓN 1.1. OBJETO DE LA ESTADÍSTICA... 17 1.2. POBLACIONES... 18 1.3. VARIABLES ALEATORIAS... 19 1.3.1. Concepto... 19 1.3.2. Variables discretas y variables continuas... 20 1.3.3.
Más detalles5. Regresión Lineal Múltiple
1 5. Regresión Lineal Múltiple Introducción La regresión lineal simple es en base a una variable independiente y una dependiente; en el caso de la regresión línea múltiple, solamente es una variable dependiente
Más detallesSimulación I. Investigación Operativa, Grado en Estadística y Empresa, 2011/12
Simulación I Prof. José Niño Mora Investigación Operativa, Grado en Estadística y Empresa, 2011/12 Esquema Modelos de simulación y el método de Montecarlo Ejemplo: estimación de un área Ejemplo: estimación
Más detalles3. ANÁLISIS DE DATOS DE PRECIPITACIÓN.
3. ANÁLISIS DE DATOS DE PRECIPITACIÓN. Teniendo en cuenta que la mayoría de procesos estadísticos se comportan de forma totalmente aleatoria, es decir, un evento dado no está influenciado por los demás,
Más detallesTema 5. Contraste de hipótesis (I)
Tema 5. Contraste de hipótesis (I) CA UNED de Huelva, "Profesor Dr. José Carlos Vílchez Martín" Introducción Bienvenida Objetivos pedagógicos: Conocer el concepto de hipótesis estadística Conocer y estimar
Más 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 detallesAnálisis de datos Categóricos
Introducción a los Modelos Lineales Generalizados Universidad Nacional Agraria La Molina 2016-1 Introducción Modelos Lineales Generalizados Introducción Componentes Estimación En los capítulos anteriores
Más detallesCarrera: EMM Participantes Representante de las academias de ingeniería Electromecánica de los Institutos Tecnológicos.
1. DATOS DE LA ASIGNATURA Nombre de la asignatura: Carrera: Clave de la asignatura: Horas teoría-horas práctica-créditos Probabilidad y Estadística Ingeniería Electromecánica EMM - 0528 3 2 8 2.- HISTORIA
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 detallesUNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO FACULTAD DE ESTUDIOS SUPERIORES CUAUTITLÁN PLAN DE ESTUDIOS DE LA LICENCIATURA EN QUÍMICA INDUSTRIAL
UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO FACULTAD DE ESTUDIOS SUPERIORES CUAUTITLÁN PLAN DE ESTUDIOS DE LA LICENCIATURA EN QUÍMICA INDUSTRIAL PROGRAMA DE LA ASIGNATURA DE: IDENTIFICACIÓN DE LA ASIGNATURA
Más detallesUNIVERSIDAD MILITAR NUEVA GRANADA
CONTENIDO PROGRAMÁTICO Fecha Emisión: 2011/09/15 AC-DO-F-8 Revisión No. 1 Página 1 de 5 ESTADÍSTICA II CÓDIGO 22081 PROGRAMA ADMINISTRACIÓN DE LA SEGURIDAD INTEGRAL ÁREA DE FORMACIÓN ESTADÍSTICA SEMESTRE
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 detallesPROGRAMA ACADEMICO Ingeniería Industrial
1. IDENTIFICACIÓN DIVISION ACADEMICA Ingenierías DEPARTAMENTO Ingeniería Industrial PROGRAMA ACADEMICO Ingeniería Industrial NOMBRE DEL CURSO Análisis de datos en Ingeniería COMPONENTE CURRICULAR Profesional
Más detallesM.C. Robert Jeffrey Flowers Jarvis Fecha de elaboración: Agosto de 2004 Fecha de última actualización: Julio de 2010
PROGRAMA DE ESTUDIO Análisis de Datos Categóricos Programa Educativo: Área de Formación : Transversal Horas teóricas: 3 Horas prácticas: 2 Total de Horas: 5 Total de créditos: 8 Clave: F1145 Tipo : Asignatura
Más detallesUNIVERSIDAD MILITAR NUEVA GRANADA FACULTAD DE CIENCIAS BASICAS Y APLICADAS DEPARTAMENTO DE MATEMÁTICAS
CONTENIDO PROGRAMÁTICO Fecha Emisión: 2011/09/15 AC-DO-F-8 Revisión No. 1 Página 1 de 6 ESTADÍSTICA II CÓDIGO 12251 PROGRAMA ADMINISTRACIÓN DE EMPRESAS Y CONTADURÍA PÚBLICA ÁREA DE FORMACIÓN CIENCIAS BÁSICAS
Más detallesAplicación del modelo de frontera estocástica de producción para analizar la eficiencia técnica de la industria eléctrica en México
SECCIÓN DE ESTUDIOS DE POSGRADO E INVESTIGACIÓN Aplicación del modelo de frontera estocástica de producción para analizar la eficiencia técnica de la industria eléctrica en México Presentan: Dr. Miguel
Más detallesZ i
Medidas de Variabilidad y Posición. Jesús Eduardo Pulido Guatire, marzo 010 Cuando trabajamos el aspecto denominado Medidas de Tendencia Central se observó que tanto la media como la mediana y la moda
Más detallesFACULTAD: Facultad de Ciencias de la Educación
INFORMACIÓN GENERAL FACULTAD: Facultad de Ciencias de la Educación CURSO: ESTADISTICA INFERENCIAL Carrera: LICENCIATURA EN ADMINISTRACIÓN EDUCATIVA Nombre del Curso: ESTADISTICA INFERENCIAL Pre-requisito:
Más detallesMétodos Estadísticos Multivariados
Métodos Estadísticos Multivariados Victor Muñiz ITESM Victor Muñiz (ITESM) Métodos Estadísticos Multivariados Agosto-Diciembre 2011 1 / 20 Victor Muñiz (ITESM) Métodos Estadísticos Multivariados Agosto-Diciembre
Más detallesAnálisis Probit. StatFolio de Ejemplo: probit.sgp
STATGRAPHICS Rev. 4/25/27 Análisis Probit Resumen El procedimiento Análisis Probit está diseñado para ajustar un modelo de regresión en el cual la variable dependiente Y caracteriza un evento con sólo
Más detallesRegresión lineal SIMPLE MÚLTIPLE N A Z IRA C A L L E J A
Regresión lineal REGRESIÓN LINEAL SIMPLE REGRESIÓN LINEAL MÚLTIPLE N A Z IRA C A L L E J A Qué es la regresión? El análisis de regresión: Se utiliza para examinar el efecto de diferentes variables (VIs
Más detallesSobre algunos conceptos de Confiabilidad & Gestión de Riesgo. Librado Magallanes R. Junio 2011
Sobre algunos conceptos de Confiabilidad & Gestión de Riesgo Librado Magallanes R. Junio 2011 Contenido Sobre la confiabilidad Algunas definiciones Porqué es importante la confiabilidad Los mecanismos
Más detallesCarta de control CEV X para distribuciones Weibull con datos censurados
Revista Colombiana de Estadística Volumen 28 N o 2. pp. 125 a 139. Diciembre 2005 Carta de control CEV X para distribuciones Weibull con datos censurados CEV X Control Chart for Weibull Distributions with
Más detallesMASTER EN CIENCIAS ACTUARIALES Y FINANCIERAS PLAN Módulo: FORMACIÓN FUNDAMENTAL. Créditos ECTS: 6 Presenciales: 5 No presenciales: 1
MASTER EN CIENCIAS ACTUARIALES Y FINANCIERAS PLAN 2009 Nombre de asignatura: AMPLIACIÓN DE ESTADÍSTICA Código:603358 Materia: MATEMÁTICAS Y ESTADÍSTICA Módulo: FORMACIÓN FUNDAMENTAL Carácter: OBLIGATORIA
Más detallesCarrera: Ingeniería Civil Participantes Comité de Evaluación Curricular de Institutos Tecnológicos
1.- DATOS DE LA ASIGNATURA Nombre de la asignatura: Carrera: Probabilidad y Estadística Ingeniería Civil Clave de la asignatura: Horas teoría-horas práctica-créditos 3-2-8 2.- HISTORIA DEL PROGRAMA Lugar
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 detallesUNIVERSIDAD AUTONOMA DE SANTO DOMINGO
UNIVERSIDAD AUTONOMA DE SANTO DOMINGO FACULTAD DE CIENCIAS ECONOMICAS Y SOCIALES DEPARTAMENTO DE ESTADISITICA CATEDRA Estadística Especializada ASIGNATURA Estadística Descriptiva Para Psicólogos (EST-225)
Más detallesFase 2. Estudio de mercado: ESTADÍSTICA
1. CONCEPTO DE ESTADÍSTICA. ESTADÍSTICA DESCRIPTIVA 2. 3. TABLA DE FRECUENCIAS 4. REPRESENTACIONES GRÁFICAS 5. TIPOS DE MEDIDAS: A. MEDIDAS DE POSICIÓN B. MEDIDAS DE DISPERSIÓN C. MEDIDAS DE FORMA 1 1.
Más detallesAnálisis de Decisiones II. Tema 17 Generación de números al azar. Objetivo de aprendizaje del tema
Tema 17 Generación de números al azar Objetivo de aprendizaje del tema Al finalizar el tema serás capaz de: Obtener números aleatorios a partir de un proceso de generación. Validar las características
Más detallesPONTIFICIA UNIVERSIDAD CATOLICA DEL ECUADOR FACULTAD DE INGENIERIA ESCUELA DE INGENIERIA DE SISTEMAS
1 1. DATOS INFORMATIVOS PONTIFICIA UNIVERSIDAD CATOLICA DEL ECUADOR FACULTAD DE INGENIERIA ESCUELA DE INGENIERIA DE SISTEMAS MATERIA: ESTADISTICA CODIGO: 11715 CARRERA: INGENIERIA DE SISTEMAS NIVEL: TERCERO
Más detallesDEPARTAMENTO DE MATEMÁTICAS. IES GALLICUM
UNIDAD I: NÚMEROS (6 Horas) 1.- Repasar el cálculo con números racionales y potencias de exponente entero. 2.- Resolver problemas de la vida cotidiana en los que intervengan los números racionales. 1.-
Más detallesTema 5: Introducción a la inferencia estadística
Tema 5: Introducción a la inferencia estadística 1. Planteamiento y objetivos 2. Estadísticos y distribución muestral 3. Estimadores puntuales 4. Estimadores por intervalos 5. Contrastes de hipótesis Lecturas
Más detallesPrácticas de Ecología Curso 3 Práctica 1: Muestreo
PRÁCTICA 1: MUESTREO Introducción La investigación ecológica se basa en la medición de parámetros de los organismos y del medio en el que viven. Este proceso de toma de datos se denomina muestreo. En la
Más detallesMetodología de la Investigación [DII-711] Capítulo 7: Selección de la Muestra
Metodología de la Investigación [DII-711] Capítulo 7: Selección de la Muestra Dr. Ricardo Soto [ricardo.soto@ucv.cl] [http://www.inf.ucv.cl/ rsoto] Escuela de Ingeniería Informática Pontificia Universidad
Más detalles1. Capacitar al estudiante en las aplicaciones más importantes de la Termoquímica experimental y teórica.
NOMBRE DE LA MATERIA: CÓDIGO DE LA MATERIA: DEPARTAMENTO: CARGA TOTAL DE HORAS TEORÍA: CARGA TOTAL DE HORAS DE TRABAJO INDEPENDIENTE: TOTAL DE HORAS: NÚMERO DE CRÉDITOS: NIVEL DE FORMACIÓN: TIPO DE CURSO:
Más detallesMétodo de cuadrados mínimos
REGRESIÓN LINEAL Gran parte del pronóstico estadístico del tiempo está basado en el procedimiento conocido como regresión lineal. Regresión lineal simple (RLS) Describe la relación lineal entre dos variables,
Más detallesEstadística FAD - 15 Galaz Lorca, Mirtha Kazmier, Leonard Hanke, John; Wichern, Dean
17 - Estadística FAD - 15 Galaz Lorca, Mirtha Aplicaciones Estadísticas para el Sector Financiero. Curso de Formación a Distancia Mediatizado por Tecnología. Santiago, Chile: IEB, 2005. POBLACION Y CENSO;
Más detallesEconomía Aplicada. ¾Es importante el tamaño de la clase? Un experimento controlado
Economía Aplicada ¾Es importante el tamaño de la clase? Un experimento controlado Basado en (1999), Experimental Estimates of Education Production Functions, QJE Outline 1 La Idea 2 Proyecto STAR Detalles
Más detallesEcología de Sistemas:
Ecología de Sistemas: Aplicación de procedimientos de análisis de sistemas a la Ecología Bases para su desarrollo: Alta potencia de cálculo Simplificación formal de los ecosistemas complejos El carácter
Más detallesT4. Modelos con variables cualitativas
T4. Modelos con variables cualitativas Ana J. López y Rigoberto Pérez Dpto Economía Aplicada. Universidad de Oviedo Curso 2010-2011 Ana J. López y Rigoberto Pérez (Dpto EconomíaT4. Aplicada. Modelos Universidad
Más detalles478 Índice alfabético
Índice alfabético Símbolos A, suceso contrario de A, 187 A B, diferencia de los sucesos A y B, 188 A/B, suceso A condicionado por el suceso B, 194 A B, intersección de los sucesos A y B, 188 A B, unión
Más detallesPamplona, noviembre de Ing. M.Sc. José Manuel Ramírez Quintero
Pamplona, noviembre de 2014 Ing. M.Sc. José Manuel Ramírez Quintero Introducción El modelo integral CMD, siglas de (Confiabilidad, Mantenibilidad y Disponibilidad), es una herramienta útil para la predicción
Más detallesUNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO. Facultad de Medicina Veterinaria y Zootecnia. Licenciatura en Medicina Veterinaria y Zootecnia
UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO Facultad de Medicina Veterinaria y Zootecnia Licenciatura en Medicina Veterinaria y Zootecnia Clave 1212 Modalidad del curso: Carácter Métodos estadísticos en medicina
Más detallesANÁLISIS MULTIVARIANTE. Créditos. Teóricos: 6 Prácticos: 3 Total: 9. Profesoras: Agurtzane Amparan, Silvia Marcaida y Arantza Urkaregi
Presentación ANÁLISIS MULTIVARIANTE MATEMÁTICAS SEGUNDO CICLO OPTATIVA SEGUNDO CUATRIMESTRE Créditos. Teóricos: 6 Prácticos: 3 Total: 9 Profesoras: Agurtzane Amparan, Silvia Marcaida y Arantza Urkaregi
Más detallesPrograma. Asignatura: Estadística Aplicada. año de la Carrera de Contador Público
Sede y localidad Carrera Sede Atlántica, Viedma Contador Publico Programa Asignatura: Estadística Aplicada Año calendario: 2012 Carga horaria semanal: 6 (seis) hs. Cuatrimestre: Primer Cuatrimestre. Segundo
Más detallesIII Verano de Probabilidad y Estadística Curso de Procesos de Poisson (Víctor Pérez Abreu) Lista de Ejercicios
III Verano de Probabilidad y Estadística Curso de Procesos de Poisson (Víctor Pérez Abreu) Lista de Ejercicios Esta lista contiene ejercicios y problemas tanto teóricos como de modelación. El objetivo
Más detallesAsignaturas antecedentes y subsecuentes
PROGRAMA DE ESTUDIOS Seminario de Investigación Área a la que pertenece: AREA DE FORMACIÓN INTEGRAL PROFESIONAL Horas teóricas: 3 Horas practicas: 0 Créditos: 6 Clave: F0241 Ninguna. Asignaturas antecedentes
Más detallesContrastes de hipótesis paramétricos
Estadística II Universidad de Salamanca Curso 2011/2012 Outline Introducción 1 Introducción 2 Contraste de Neyman-Pearson Sea X f X (x, θ). Desonocemos θ y queremos saber que valor toma este parámetro,
Más detallesToda cantidad física tiene unidades características. El reconocimiento de tales unidades y de sus combinaciones se conoce como análisis dimensional.
Análisis dimensional Toda cantidad física tiene unidades características. El reconocimiento de tales unidades y de sus combinaciones se conoce como análisis dimensional. Se consideran siete cantidades
Más detallesIndicaciones para el lector... xv Prólogo... xvii
ÍNDICE Indicaciones para el lector... xv Prólogo... xvii 1. INTRODUCCIÓN Qué es la estadística?... 3 Por qué estudiar estadística?... 5 Empleo de modelos en estadística... 6 Perspectiva hacia el futuro...
Más detallesLa asignatura proporciona al alumno los conceptos básicos de estadística. Se organiza el temario en cinco unidades.
1.- DATOS DE LA ASIGNATURA. Nombre de la asignatura: Carrera: Clave de la asignatura: Muestreo y Regresión. Ingeniería Forestal. FOC-1027 SATCA: 2 2 4 2.- PRESENTACIÓN. Caracterización de la asignatura.
Más detallesExamen de Grado Sección de Econometría Agosto y se obtienen los siguientes resultados. Observe que parte de la información ha sido omitida.
Examen de Grado Sección de Econometría Agosto 2015 Pregunta 1. (40 puntos). Suponga que estamos interesados en determinar cuáles características del colegio y/o del hogar determinan el resultado de una
Más detallesPROGRAMA INSTRUCCIONAL ESTADÍSTICA
UNIVERSIDAD FERMIN TORO VICE RECTORADO ACADEMICO FACULTAD DE CIENCIAS ECONÓMICAS Y SOCIALES ESCUELA DE RELACIONES INDUSTRIALES ESCUELA DE ADMINISTRACIÓN FACULTAD DE CIENCIAS JURÍDICAS Y POLÍTICAS ESCUELA
Más detallesModelos y análisis para datos de degradación
Revista Colombiana de Estadística Volumen 26 N o 1. Págs. 41 a 59. Junio 2003 Modelos y análisis para datos de degradación Sergio Yánez C. * Ronald Andrés Granada G. ** Mario Cesar Jaramillo E. *** Resumen
Más detallesAnálisis de regresión lineal simple
Análisis de regresión lineal simple El propósito de un análisis de regresión es la predicción Su objetivo es desarrollar un modelo estadístico que se pueda usar para predecir los valores de una variable
Más detallesDIAGRAMAS DE BLOQUES. Figura 1 Elementos de un diagrama de bloques
DIAGRAMAS DE BOQUES 1. EEMENTOS DE UN DIAGRAMA DE BOQUES Un diagrama de bloques de un sistema es una representación gráfica de las funciones realizadas por cada componente y del flujo de las señales. os
Más detalles2. CONTRIBUCIÓN DE LA ASIGNATURA AL PERFIL DE EGRESO
PROGRAMA DE ESTUDIO Facultad de Ciencias Químicas e Ingeniería Nombre de la asignatura: PROBABILIDAD Y ESTADÍSTICA 2 Clave: 0 $ 7 & L F O R Formativ R: Básic o ( X ) P r o f e s i o n( a l) E s p e c i
Más detallesLaboratorio de Propiedades Termofísicas. Centro Nacional de Metrología
Medición de la conductividad térmica de materiales sólidos conductores Leonel Lira Cortés Laboratorio de Propiedades Termofísicas División Termometría, Área Eléctrica Centro Nacional de Metrología INTRODUCCION
Más detallesFIABILIDAD (VIII): ANÁLISIS PROBIT (ÉXITO / FRACASO)
FIABILIDAD (VIII): ANÁLISIS PROBIT (ÉXITO / FRACASO) Análisis PROBIT Autores: Ángel A. Juan Pérez (ajuanp@uoc.edu), Rafael García Martín (rgarciamart@uoc.edu). RELACIÓN CON OTROS MATH-BLOCS Este math-block
Más detallesOtra característica poblacional de interés es la varianza de la población, 2, y su raíz cuadrada, la desviación estándar de la población,. La varianza
CARACTERÍSTICAS DE LA POBLACIÓN. Una pregunta práctica en gran parte de la investigación de mercado tiene que ver con el tamaño de la muestra. La encuesta, en principio, no puede ser aplicada sin conocer
Más 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 detallesPROGRAMA SINTÉTICO DE METODOLOGÍA DE LA INVESTIGACIÓN
PROGRAMA SINTÉTICO DE METODOLOGÍA DE LA INVESTIGACIÓN PROGRAMA SINTÉTICO Plantel: Iztapalapa Ciclo escolar: 2016-1 Licenciatura: Administración y Derecho Asignatura: Metodología de la Investigación Clave:
Más detallesDistribuciones muestrales. Distribución muestral de Medias
Distribuciones muestrales. Distribución muestral de Medias TEORIA DEL MUESTREO Uno de los propósitos de la estadística inferencial es estimar las características poblacionales desconocidas, examinando
Más detallesCORRELACIÓN Y REGRESIÓN. Raúl David Katz
CORRELACIÓN Y REGRESIÓN Raúl David Katz 1 Correlación y regresión Introducción Hasta ahora hemos visto el modo de representar la distribución de frecuencias de los datos correspondientes a una variable
Más detallesTema 2. Descripción Conjunta de Varias Variables
Tema 2. Descripción Conjunta de Varias Variables Cuestiones de Verdadero/Falso 1. La covarianza mide la relación lineal entre dos variables, pero depende de las unidades de medida utilizadas. 2. El análisis
Más detallesESTADÍSTICA APLICADA A LA EDUCACIÓN (MÉTODOS CUANTITATIVOS)
REPÚBLICA BOLIVARIANA DE VENEZUELA UNIVERSIDAD VALLE DEL MOMBOY VICERRECTORADO CENTRO DE FORMACIÓN PERMANENTE MONSEÑOR JESÚS MANUEL JÁUREGUI MORENO PROGRAMA DE ACTUALIZACIÓN Y PERFECCIONAMIENTO DOCENTE
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 detallesCómo llevar a cabo un trabajo empírico
Cómo llevar a cabo un trabajo empírico p. Cómo llevar a cabo un trabajo empírico Plantear una pregunta Revisar la literatura existente Recopilación de los datos Análisis econométrico Redactar los resultados
Más detallesInvestigación Operativa
Investigación Operativa Unidad: Teoría de decisiones y modelos de programación lineal Docente: Johnny. Pacheco Contreras Unidad Teoría de decisiones y modelos de programación lineal. Logro Al finalizar
Más detallesModelos de riesgos en competencia para el análisis de supervivencia con eventos recurrentes
Revista Ingeniería UC, Vol. 23, No. 3, Diciembre 2016 280-289 Competing risk models for survival analysis with recurrent events Carlos Martínez,a, Guillermo Ramírez b a Departamento de Investigación Operativa,
Más detallesIdentificación Paramétrica
Identificación Paramétrica Métodos para la Obtención de un Modelo Discreto Un modelo, incluyendo el ruido o perturbación, a tiempo discreto puede ser representado por la siguiente i ecuación Donde: ( )
Más detallesEJERCICIOS RESUELTOS TEMA 1.
EJERCICIOS RESUELTOS TEMA 1. 1.1. El proceso por el cual se asignan números a objetos o características según determinadas reglas se denomina: A) muestreo; B) estadística; C) medición. 1.2. Mediante la
Más detallesCORRELACIÓN Y REGRESIÓN. Juan José Hernández Ocaña
CORRELACIÓN Y REGRESIÓN Juan José Hernández Ocaña CORRELACIÓN Muchas veces en Estadística necesitamos saber si existe una relación entre datos apareados y tratamos de buscar una posible relación entre
Más detallesMedidas de Tendencia Central
Medidas de Tendencia Central En cualquier análisis o interpretación, se pueden usar muchas medidas descriptivas que representan las propiedades de tendencia central, variación y forma para resumir las
Más detalles4.1 Análisis bivariado de asociaciones
4.1 Análisis bivariado de asociaciones Los gerentes posiblemente estén interesados en el grado de asociación entre dos variables Las técnicas estadísticas adecuadas para realizar este tipo de análisis
Más detallesHoja 6: Estadística descriptiva
Hoja : Estadística descriptiva Hoja : Estadística descriptiva May Dada la siguiente distribución de frecuencias, halle: a) la mediana; b) la media. Número (x) Frecuencia (y) May De enero a septiembre la
Más detallesGUÍA DOCENTE DE LA ASIGNATURA ESTADÍSTICA APLICADA
GUÍA DOCENTE DE LA ASIGNATURA ESTADÍSTICA APLICADA DATOS BÁSICOS DE LA ASIGNATURA Nombre: Titulación: Centro: Tipo: Créditos: Curso: Prerrequisitos: Profesor: Dpto.: Estadística Aplicada. Licenciatura
Más detallesANX-PR/CL/ GUÍA DE APRENDIZAJE. ASIGNATURA Estadistica. CURSO ACADÉMICO - SEMESTRE Primer semestre
ANX-PR/CL/001-01 GUÍA DE APRENDIZAJE ASIGNATURA Estadistica CURSO ACADÉMICO - SEMESTRE 2016-17 - Primer semestre GA_05IQ_55001012_1S_2016-17 Datos Descriptivos Nombre de la Asignatura Titulación Centro
Más detallesPontificia Universidad Católica del Ecuador Facultad de Ingeniería
1. DATOS INFORMATIVOS FACULTAD: Ingeniería CARRERA: Civil Asignatura/Módulo: Estadística Plan de estudios: 2002 Prerrequisitos: 10241 Correquisitos: 10242, 10253, 12055, 13410, 12935 Código:11716 Nivel:
Más detalles2 = 1 0,5 + = 0,5 c) 3 + = = 2
Trabajo Práctico N : SISTEMAS DE ECUACIONES LINEALES Ejercicio : Resuelva los siguientes sistemas de ecuaciones lineales empleando cuando sea posible: i) Método matricial. ii) Regla de Cramer. Interprete
Más detallesRELACION, ELONGACION-PESO DE UN RESORTE
RELACION, ELONGACION-PESO DE UN RESORTE Tatiana Ortiz 1, Natalie Díaz 2, Silvia Alvarado 3, Juan Felipe Mateus 4 Estudiante Microbiología Industrial- lady.ortiz@javeriana.edu.co Estudiante Biología natalie.diaz@javeriana.edu.co
Más detallesFigura Área de Influencia de las estaciones complementarias a la estación Centro
INFORME FINAL Instituto de Ingeniería Coordinación de Hidráulica Figura 3.5.1 Área de Influencia de las estaciones complementarias a la estación Centro Tabla 3.5.2 Estaciones dentro del área de influencia
Más detallesSOLUCIÓN A LOS EJERCICIOS DEL SPSS Bivariante
SOLUCIÓ A LOS EJERCICIOS DEL SPSS Bivariante. a). La media y la varianza de las variables estatura y peso en la escala de medida norteamericana. Peso Peso: Transformar -> Calcular: Libras.4536 Peso libras
Más detallesNúmeros reales. Valor absoluto. Desigualdades. Distancias entre la recta real. Intervalos y entornos.
MATEMÁTICAS I Contenidos. Aritmética y álgebra: Números reales. Valor absoluto. Desigualdades. Distancias entre la recta real. Intervalos y entornos. Resolución e interpretación gráfica de ecuaciones e
Más detallesVerificación de la Ley de Ohm. Asociación de resistencias. Ajustes a rectas y regresión lineal.
Verificación de la Ley de Ohm. Asociación de resistencias. Ajustes a rectas y regresión lineal. Objetivos En esta práctica se verificará la Ley de Ohm, esto es, la dependencia lineal entre la intensidad
Más detallesPlanificación didáctica de MATEMÁTICAS 3º E.S.O.
Planificación didáctica de MATEMÁTICAS 3º E.S.O. (Orientadas a las enseñanzas aplicadas) Julio de 2016 Rev.: 0 Índice 1.- INTRODUCCIÓN... 1 2.- BLOQUE I. PROCESOS, MÉTODOS Y ACTITUDES EN MATEMÁTICAS...
Más detalles