Control estadístico de calidad
|
|
- Clara Natividad Poblete Herrero
- hace 6 años
- Vistas:
Transcripción
1 Control estadístico de calidad Manuel Vilches Pacheco Instituto de Medicina Oncológica y Molecular de Asturias Oviedo Luis Isaac Ramos García Clínica Universidad de Navarra Pamplona
2 Índice 1. Generalidades 1.1 Definición de calidad 1.2 Definición de control estadístico 1.3 Test de hipótesis 1.4 Series temporales 2. Gráficos de control de calidad 2.1 Gráficos de Shewhart Grafico para medias Grafico para variabilidad 2.2 Gráficos n dimensionales: T 2 Hotelling 2.3 Gráficos de medias ponderadas Grafico de suma acumulada (CUSUM) Grafico de sumas promediadas exponencialmente (EWMA) 4. Conclusiones 3. Bibliografía
3 El control estadístico de calidad es un tema muy amplio en el que cada día salen nuevas técnicas
4 Definición de calidad
5 Definición de calidad Calidad es el ajuste a unas especificaciones.
6 Definición de calidad Calidad es el ajuste a unas especificaciones. Dado un objeto de estudio y unas determinadas especificaciones aprioriun objeto es de mayor calidad conforme mejor se ajusta a las especificaciones.
7 Definición de calidad Calidad es el ajuste a unas especificaciones. Dado un objeto de estudio y unas determinadas especificaciones aprioriun objeto es de mayor calidad conforme mejor se ajusta a las especificaciones. La calidad de un proceso es la capacidad de dicho proceso para producir los objetos según las especificaciones de calidad.
8 Definición de calidad Calidad es el ajuste a unas especificaciones. Dado un objeto de estudio y unas determinadas especificaciones aprioriun objeto es de mayor calidad conforme mejor se ajusta a las especificaciones. La calidad de un proceso es la capacidad de dicho proceso para producir los objetos según las especificaciones de calidad. El control de calidad son los procedimientos y actuaciones diseñados para mantener y mejorar la calidad
9 Definición de calidad El resultado de todo proceso es estadístico y esta afectado por una variabilidad
10 Definición de calidad El resultado de todo proceso es estadístico y esta afectado por una variabilidad Porque?
11 Definición de calidad El resultado de todo proceso es estadístico y esta afectado por una variabilidad Porque? Ningún proceso es perfecto
12 Definición de calidad El resultado de todo proceso es estadístico y esta afectado por una variabilidad Porque? Ningún proceso es perfecto Ningún instrumento que mide el ajuste a especificaciones tienen precisión infinita
13 Definición de calidad El resultado de todo proceso es estadístico y esta afectado por una variabilidad Porque? Ningún proceso es perfecto Ningún instrumento que mide el ajuste a especificaciones tienen precisión infinita Variabilidad no asignable
14 Control estadístico Un proceso esta bajo control estadístico si la única causa atribuible a la falta de calidad es la variabilidad intrínseca (proceso + medida) o variabilidad no asignable
15 Control estadístico Un proceso esta bajo control estadístico si la única causa atribuible a la falta de calidad es la variabilidad intrínseca (proceso + medida) o variabilidad no asignable Un proceso bajo control es predecible y eventualmente mejorable
16 Pregunta (la pregunta del millón): Control estadístico
17 Control estadístico Pregunta (la pregunta del millón): Cuando un proceso esta bajo control?
18 Control estadístico Pregunta (la pregunta del millón): Cuando un proceso esta bajo control? Otra forma de realizar la pregunta: El resultado de una medida es coherente según la variabilidad intrínseca?
19 Test de hipótesis Pregunta en lenguaje estadístico: Si suponemos que el proceso esta bajo control (hipótesis nula H 0 ) cual es la probabilidad de obtener ese resultado
20 Test de hipótesis Pregunta en lenguaje estadístico: Si suponemos que el proceso esta bajo control (hipótesis nula H 0 ) cual es la probabilidad de obtener ese resultado Probabilidad alta: razonablemente Posiblemente H o sigue siendo válido,nopodemosdecirqueel proceso haya cambiado
21 Test de hipótesis Pregunta en lenguaje estadístico: Si suponemos que el proceso esta bajo control (hipótesis nula H 0 ) cual es la probabilidad de obtener ese resultado Probabilidad alta: razonablemente Probabilidad razonablemente baja: Posiblemente H o sigue siendo válido,nopodemosdecirqueel proceso haya cambiado Posiblemente H o no es correcto el estado ha cambiado
22 Test de hipótesis Pregunta en lenguaje estadístico: Si suponemos que el proceso esta bajo control (hipótesis nula H 0 ) cual es la probabilidad de obtener ese resultado Frontera de significación p α Probabilidad alta: razonablemente Probabilidad razonablemente baja: Posiblemente H o sigue siendo válido,nopodemosdecirqueel proceso haya cambiado Posiblemente H o no es correcto el estado ha cambiado
23 Siempre te quedará la duda: Test de hipótesis
24 Test de hipótesis Siempre te quedará la duda: Error tipo α: El proceso no ha cambiado y sin embargo el resultado es lo bastante improbable para decidir que el proceso ha cambiado.
25 Test de hipótesis Siempre te quedará la duda: Error tipo α: El proceso no ha cambiado y sin embargo el resultado es lo bastante improbable para decidir que el proceso ha cambiado. Erro tipo β: El proceso ha cambiado y el resultado es coherente con la hipótesis nula
26 Test de hipótesis Si el proceso esta bajo control es predecible:
27 Test de hipótesis Si el proceso esta bajo control es predecible: Podemos fijar objetivamente la probabilidad de cometer el error tipo α
28 Test de hipótesis Si el proceso esta bajo control es predecible: Podemos fijar objetivamente la probabilidad de cometer el error tipo α El criterio para p α es un compromiso
29 Test de hipótesis Si el proceso esta bajo control es predecible: Podemos fijar objetivamente la probabilidad de cometer el error tipo α El criterio para p α es un compromiso p α Grande: Veremos antes la falta de control pero también tendremos más falsas alarmas.
30 Test de hipótesis Si el proceso esta bajo control es predecible: Podemos fijar objetivamente la probabilidad de cometer el error tipo α El criterio para p α es un compromiso p α Grande: Veremos antes la falta de control pero también tendremos más falsas alarmas. p α Pequeño: Tardaremos más en darnos cuenta de la perdida de control pero habrá pocas falsas alarmas y una señal de perdida de control será definitiva para restablecerlo
31 Test de hipótesis Criterios comunes: p α <0.05 ó0.01 p α <0.003 Probabilidad de tener una medida mas allá de 3σ en muestras normales independientes
32 Test de hipótesis Criterios comunes: p α <0.05 ó0.01 p α <0.003 Probabilidad de tener una medida mas allá de 3σ en muestras normales independientes
33 Test de hipótesis Criterios comunes: p α <0.05 ó0.01 p α <0.003 Probabilidad de tener una medida mas allá de 3σ en muestras normales independientes La p α determina el numero de pruebas promedio antes de tener una falsa alarma (ARL) cuando hay control Para muestras independientes: ARL(0) 1 p
34 Test de hipótesis La potencia del test es la capacidad de detectar la falta de control: PW 1 p
35 Test de hipótesis La potencia del test es la capacidad de detectar la falta de control: PW 1 p Esta determinada por: Las variables que se usan para monitorizar: La prueba El criterio que se toma para decidir la falta de control Desviación del proceso
36 Series temporales Secuencia de datos: posen un orden natural (tiempo) Es la agrupación de datos mas frecuente en control de calidad: Medidas de un proceso que se realizan una y otra vez en el tiempo.
37 Series temporales Secuencia de datos: posen un orden natural (tiempo) Es la agrupación de datos mas frecuente en control de calidad: Medidas de un proceso que se realizan una y otra vez en el tiempo. Las series temporales mas sencillas son de: 1. Muestras independientes 2. Misma distribución (generalmente normal)
38 Series temporales Los métodos convencionales de control de calidad están diseñados para las series temporales mas sencillas: Grafico de media, x Gráficos de Shewhart Grafico de dispersión R,,S, 2,S 2
39 Series temporales Los métodos convencionales de control de calidad están diseñados para las series temporales mas sencillas: Grafico de media, x Gráficos de Shewhart Forma grafica del test de t de Student Grafico de dispersión R,,S, 2,S 2 Forma grafica del test de Fisher
40 Ejemplo: Desviación de los láseres 1. Se coloca el fantoma Penta Guide sobre las marcas a distancias conocidas del centro 2. Se realiza un Cone Beam y se calculan los desplazamientos para colocar el centro del maniquí en el isocentro
41 Ejemplo: Desviación de los láseres 1. Se coloca el fantoma Penta Guide sobre las marcas a distancias conocidas del centro 2. Se realiza un Cone Beam y se calculan los desplazamientos para colocar el centro del maniquí en el isocentro La diferencia entre los desplazamientos calculados y esperados son las desviaciones de los láseres.
42 Ejemplo: Desviación de los láseres 1. Se coloca el fantoma Penta Guide sobre las marcas a distancias conocidas del centro 2. Se realiza un Cone Beam y se calculan los desplazamientos para colocar el centro del maniquí en el isocentro La diferencia entre los desplazamientos calculados y esperados son las desviaciones de los láseres. Incertidumbres: Colocación del Penta Guide Sistema de medida Cone Beam
43 Ejemplo: Desviación de los láseres
44 Ejemplo: Desviación de los láseres Hipótesis de normalidad
45 Ejemplo: Desviación de los láseres Hipótesis de normalidad Y si los datos son claramente no normales?
46 Ejemplo: Desviación de los láseres Hipótesis de normalidad Y si los datos son claramente no normales? Agrupar variables (TLC) Aplicar una transformación Usar test o grafico específico
47 Ejemplo: Desviación de los láseres Pre control Idealmente =0 mm, en la practica no se puede conseguir Hay un sesgo sistemático!! = 0.03(1) mm = 0.22(1) mm CL= 0.03±3*0.22 mm
48 Ejemplo: Desviación de los láseres Seguimiento
49 Ejemplo: Desviación de los láseres Alarma
50 Ejemplo: Desviación de los láseres La variabilidad es tan importante de monitorizar como la media. Medidas de variabilidad: Rango R Varianza S 2 Desviación estándar S
51 Ejemplo: Desviación de los láseres La variabilidad es tan importante de monitorizar como la media. Medidas de variabilidad: Rango R Varianza S 2 Desviación estándar S La media de las varianzas muestrales converge a la varianza poblacional La distribución de la varianza tiene rápido a la normal al aumentar el tamaño de muestra
52 Ejemplo: Desviación de los láseres Puesto que solo se toma un dato al día usamos un grafico para medidas individuales por ejemplo: Rango móvil R= x n x n 1
53 Ejemplo: Desviación de los láseres Puesto que solo se toma un dato al día usamos un grafico para medidas individuales por ejemplo: Rango móvil R= x n x n 1 Pre control <MR>= 0.27(2) mm UCL = 0.92 mm LCL = 0.00 mm
54 Ejemplo: Desviación de los láseres Como se calculan los limites de control:
55 Ejemplo: Desviación de los láseres Como se calculan los limites de control: 1. Distribución de la característica a tener en cuenta
56 Ejemplo: Desviación de los láseres Como se calculan los limites de control: 1. Distribución de la característica a tener en cuenta 2. Se ponen los limites que representen el de la probabilidad
57 Ejemplo: Desviación de los láseres Como se calculan los limites de control: 1. Distribución de la característica a tener en cuenta 2. Se ponen los limites que representen el de la probabilidad Para el rango con n=2 de una distribución normal: 1 r 4 1 N fr () r e r 0, N LCL 2 NErf UCL 2 NErf
58 Ejemplo: Desviación de los láseres Como se calculan los limites de control: 1. Distribución de la característica a tener en cuenta 2. Se ponen los limites que representen el de la probabilidad Para el rango con n=2 de una distribución normal: 1 r 4 1 N fr () r e r 0, N LCL 2 NErf UCL 2 NErf Para la mayoría de las distribuciones de interés esta tabulado, pero si no se puede simular y calcularlo. 2
59 Ejemplo: Desviación de los láseres Atención!! La desviación In Plane es solo 1/3 de la verdad
60 Ejemplo: Desviación de los láseres Atención!! La desviación In Plane es solo 1/3 de la verdad In Plane El posicionamiento con láseres son tres variables Cross Plane Floor Ceilling
61 Ejemplo: Desviación de los láseres Atención!! La desviación In Plane es solo 1/3 de la verdad In Plane El posicionamiento con láseres son tres variables Cross Plane Floor Ceilling Y tan improbable es que haya una desviación mas allá de 3σ comoquelastresestén 2σ en el mismo sentido!!!
62 Ejemplo: Desviación de los láseres Atención!! La desviación In Plane es solo 1/3 de la verdad In Plane El posicionamiento con láseres son tres variables Cross Plane Floor Ceilling Y tan improbable es que haya una desviación mas allá de 3σ comoquelastresestén 2σ en el mismo sentido!!! Además si se desvía un laser posiblemente se desvíe otro porque las fuentes generan dos a un tiempo: Puede haber correlación
63 Ejemplo: Desviación de los láseres
64 Ejemplo: Desviación de los láseres Hay varios puntos lejos de la nube general
65 Ejemplo: Desviación de los láseres Para muestras n dimensionales el estadístico mas empleado para testear el control es T 2 de Hotelling : 2 1 T ( x x ) S ( x x )' Donde S es la matriz de covarianzas
66 Ejemplo: Desviación de los láseres Para muestras n dimensionales el estadístico mas empleado para testear el control es T 2 de Hotelling : 2 1 T ( x x ) S ( x x )' Forma grafica del test Chi2 n dimensional Donde S es la matriz de covarianzas
67 Ejemplo: Desviación de los láseres Para muestras n dimensionales el estadístico mas empleado para testear el control es T 2 de Hotelling : 2 1 T ( x x ) S ( x x )' Forma grafica del test Chi2 n dimensional Donde S es la matriz de covarianzas La distribución de la T 2 se conoce, por lo que podemos calcular el valor crítico de forma analítica UCL LCL 0 pm ( 1)( m 1) m 2 mp F 0.997, pm, p
68 Ejemplo: Desviación de los láseres
69 Ejemplo: Desviación de los láseres Se pueden hacer gráficos o pruebas mas sensibles a variaciones pequeñas? Como se pueden disminuir los márgenes de variación sin disminuir p α?
70 Ejemplo: Desviación de los láseres Se pueden hacer gráficos o pruebas mas sensibles a variaciones pequeñas? Como se pueden disminuir los márgenes de variación sin disminuir p α? Solución: Tomar datos pasados en la serie temporal (gráficos con memoria) Gráfico de suma acumulada (CUSUM) Gráfico de suma ponderada exponencialmente (EWMA)
71 Ejemplo: Desviación de los láseres Gráfico de suma acumulada CUSUM: C i i j 1 x j S x x Los limites de control se sitúan colocando una mascara (θ, d) sobre el último punto Los valores mas empleados de (θ, d) son θ = 25 o, d=10
72 Ejemplo: Desviación de los láseres
73 Ejemplo: Desviación de los láseres Grafico de suma ponderada exponencialmente EWMA : Zi xi xi Z x CL x i Si λ esta próximo a 1 es como un grafico de Shewhart clásico Conforme λ es menor el gráfico es más sensible a pequeños cambios y menos a grandes cambios λ = 0.1 es un valor común
74 Ejemplo: Desviación de los láseres
75 Conclusiones Las técnicas control estadístico de calidad han demostrado su utilidad durante 100 años
76 Conclusiones Las técnicas control estadístico de calidad han demostrado su utilidad durante 100 años Las técnicas que hemos visto son las mas básicas
77 Conclusiones Las técnicas control estadístico de calidad han demostrado su utilidad durante 100 años Las técnicas que hemos visto son las mas básicas Dependiendo de la aplicación pueden resultar útiles otras técnicas, de hecho casi cualquier test se puede poner como un gráfico de control Grafico de Frechet Análisis de componentes principales
78 Bibliografía general 1. A. J. Duncan, Quality Control and Industrial Statistics 5ed 2. D. Montgomery, Statistical Quality Control 7ed, Wiley J. Chandra, Statistical Quality Control, CRC 2011
79 Bibliografía especifica 1 T. Pawlicki, M. Whitaker, and A.L. Boyer, Statistical process control for radiotherapy quality assurance., Med. Phys. 32(9), (2005). 2 S. Both et al., A study to establish reasonable action limits for patient specific quality assurance in intensity modulated radiation therapy, J. Appl. Clin. Med. Phys. 8(2), 1 8 (2007). 3 T. Pawlicki et al., Moving from IMRT QA measurements toward independent computer calculations using control charts, Radiother. Oncol. 89(3), (2008). 4 T. Pawlicki et al., Process control analysis of IMRT QA: implications for clinical trials., Phys. Med. Biol. 53(18), (2008). 5 S.L. Breen, D.J. Moseley, B. Zhang, and M.B. Sharpe, Statistical process control for IMRT dosimetric verification., Med. Phys. 35(10), (2008). 6 K. Gérard, J.P. Grandhaye, V. Marchesi, H. Kafrouni, F. Husson, and P. Aletti, A comprehensive analysis of the IMRT dose delivery process using statistical process control (SPC), Med Phys 36(4), (2009). 7 T. Sanghangthum, S. Suriyapee, S. Srisatit, and T. Pawlicki, Statistical process control analysis for patient specific IMRT and VMAT QA, J. Radiat. Res. 54(3), (2013). 8 T. Sanghangthum, S. Suriyapee, G. Y. Kim, and T. Pawlicki, A method of setting limits for the purpose of quality assurance., Phys. Med. Biol. 58, (2013). 9 D. Létourneau et al., Multileaf collimator performance monitoring and improvement using semiautomated quality control ttesting and statistical process control, Med. Phys. 41(12), (2014). 10 J. López Tarjuelo et al., What can statistical process control show us about ionization chamber stability?, Radiat. Meas. 86, 1 7 (2016).
80 Bibliografía especifica 1. A Sanchez Barbié, M Vilches Pacheco; Control estadístico en Radiofísica; Curso del XVI congreso de la SEFM, Granada M Vilches Pacheco; Fundamentos estadísticos de la calidad; Curso del XVII congreso de la SEFM, Alicante 2009
81 Muchas gracias!!
INFERENCIA ESTADISTICA
INFERENCIA ESTADISTICA ESTIMACION 2 maneras de estimar: Estimaciones puntuales x s 2 Estimaciones por intervalo 2 ESTIMACION Estimaciones por intervalo Limites de Confianza LCI
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 detallesUniversidad Rafael Belloso Chacín (URBE) Cátedra: Fundamentos de Estadística y Simulación Básica Semestre Profesor: Jaime Soto
Universidad Rafael Belloso Chacín (URBE) Cátedra: Fundamentos de Estadística y Simulación Básica Semestre 2011-1 Profesor: Jaime Soto PRUEBA DE HIPÓTESIS Ejemplo El jefe de la Biblioteca de la URBE manifiesta
Más detallesControl Estadístico Interno de la Calidad en Serología
Control Estadístico Interno de la Calidad en Serología Agenda Introducción Buenas Prácticas Reglas de Control Planificación Introducción Luego de la Evaluación de los Procedimientos de Medida Voy a comenzar
Más detallesEstadísticas Pueden ser
Principios Básicos Para iniciar en el curso de Diseño de experimentos, es necesario tener algunos conceptos claros en la parte de probabilidad y estadística. A continuación se presentan los conceptos más
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 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 detallesCONTROL ESTADÍSTICO DE PROCESOS Y METROLOGÍA EN LA CONSTRUCCIÓN DE UN BUQUE EN GRADA
CONTROL ESTADÍSTICO DE PROCESOS Y METROLOGÍA EN LA CONSTRUCCIÓN DE UN BUQUE EN GRADA Salvador Naya 1 y José Ángel Fraguela 2 1 Departamento de Matemáticas. Escuela Politécnica Superior. Universidad de
Más detalles2 Introducción a la inferencia estadística Introducción Teoría de conteo Variaciones con repetición...
Contenidos 1 Introducción al paquete estadístico S-PLUS 19 1.1 Introducción a S-PLUS............................ 21 1.1.1 Cómo entrar, salir y consultar la ayuda en S-PLUS........ 21 1.2 Conjuntos de datos..............................
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 detallesEVALUACIÓN DEL MÉTODO DE MURPHY PARA LA INTERPRETACIÓN DE SEÑALES EN LA CARTA T 2 MULTIVARIADA
EVALUACIÓN DEL MÉTODO DE MURPHY PARA LA INTERPRETACIÓN DE SEÑALES EN LA CARTA T 2 MULTIVARIADA Hector Fabian Lopez Casas 1 hectorfl86@hotmail.com 1 Estudiante de Matematicas Con Enfasis en Estadistica,
Más detallesPuntuación Z ESTADÍSTICA APLICADA A LA EDUCACIÓN I. L.A. y M.C.E. Emma Linda Diez Knoth
1 Puntuación Z ESTADÍSTICA APLICADA A LA EDUCACIÓN I Qué es la Puntuación Z? 2 Los puntajes Z son transformaciones que se pueden hacer a los valores o puntuaciones de una distribución normal, con el propósito
Más detallesFINANZAS CORPORATIVAS
FINANZAS CORPORATIVAS RIESGO Y RENDIMIENTO JOSÉ IGNACIO A. PÉREZ HIDALGO Licenciado en Ciencias en la Administración de Empresas Universidad de Valparaíso, Chile TOMA DE DECISIONES Certeza: resultado real
Más detallesTeoría de la decisión Estadística
Pruebas de hìpótesis Unidad 8. Pruebas de hipótesis. Formulación general. Distribución de varianza conocida. Prueba para la bondad del ajuste. Validación de modelos 1 Formulación Una Hipótesis es una proposición
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 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 detallesviii CAPÍTULO 2 Métodos de muestreo CAPÍTULO 3 Análisis exploratorio de datos
Contenido Acerca de los autores.............................. Prefacio.... xvii CAPÍTULO 1 Introducción... 1 Introducción.............................................. 1 1.1 Ideas de la estadística.........................................
Más detallesPrueba de hipótesis para la diferencia de medias
Estadística Técnica Prueba de hipótesis para la diferencia de medias Cladera Ojeda, Fernando Conceptos previos Inferencia estadística Población Muestra Parámetro Estadístico Hipótesis estadística Pruebas
Más detallesIntroducción a la Estadística Aplicada en la Química
Detalle de los Cursos de Postgrado y Especialización en Estadística propuestos para 2015 1/5 Introducción a la Estadística Aplicada en la Química FECHAS: 20/04 al 24/04 de 2015 HORARIO: Diario de 10:00
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 detallesINDICE 1. Qué es la Estadística? 2.Descripción de Datos: Distribuciones de Frecuencia y Presentación Gráfica
INDICE 1. Qué es la Estadística? 1 Introducción 2 Qué significa estadística? 2 Por qué se estudia la estadística? 4 Tipos de estadística 5 Estadística descriptiva 5 Estadística inferencial 6 Tipos de variables
Más detallesPruebas de hipótesis
Pruebas de hipótesis Álvaro José Flórez 1 Escuela de Ingeniería Industrial y Estadística Facultad de Ingenierías Febrero - Junio 2012 Prueba de hipótesis Uno de los objetivos de la estadística es hacer
Más detallesCURSO: ANALISIS ESTADISTICO DE RIESGOS
MANAGEMENT CONSULTORES CURSO: ANALISIS ESTADISTICO DE RIESGOS Cnel. R.L. Falcón 1435 C1406GNC 35 Buenos Aires, Argentina Tel.: 054-11-15-5468-3369 Fax: 054-11-4433-4202 Mail: acaminos@mgmconsultores.com.ar
Más detallesEstadística y sus aplicaciones en Ciencias Sociales 5. Estimación. Facultad de Ciencias Sociales, UdelaR
Estadística y sus aplicaciones en Ciencias Sociales 5. Estimación Facultad de Ciencias Sociales, UdelaR Índice 1. Repaso: estimadores y estimaciones. Propiedades de los estimadores. 2. Estimación puntual.
Más detallesSolución Examen Parcial IV Nombres: Apellidos: C.I.: Firma: Fecha: 22/06/2005
Nombres: Apellidos: C.I.: Firma: Fecha: 22/06/2005 MÉTODOS ESTADÍSTICOS I EXAMEN IV PARTE I: Encierre con un círculo la respuesta correcta o llene los espacios en blanco (0,5 puntos c/u): 1. (V F) La prueba
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 detallesPodemos definir un contraste de hipótesis como un procedimiento que se basa en lo observado en las muestras y en la teoría de la probabilidad para
VII. Pruebas de Hipótesis VII. Concepto de contraste de hipótesis Podemos definir un contraste de hipótesis como un procedimiento que se basa en lo observado en las muestras y en la teoría de la probabilidad
Más detallesTema 8: Introducción a la Teoría sobre Contraste de hipótesis
Tema 8: Introducción a la Teoría sobre Contraste de hipótesis Estadística. 4 o Curso. Licenciatura en Ciencias Ambientales Licenciatura en Ciencias Ambientales (4 o Curso) Tema 8: Introducción a la Teoría
Más detallesANEXO 1. CONCEPTOS BÁSICOS. Este anexo contiene información que complementa el entendimiento de la tesis presentada.
ANEXO 1. CONCEPTOS BÁSICOS Este anexo contiene información que complementa el entendimiento de la tesis presentada. Aquí se exponen técnicas de cálculo que son utilizados en los procedimientos de los modelos
Más detallesUNIVERSIDAD TECNICA PARTICULAR DE LOJA ESTADISTICA Y PROBABILIDAD ENSAYO N 8
UNIVERSIDAD TECNICA PARTICULAR DE LOJA ESTADISTICA Y PROBABILIDAD ENSAYO N 8 DOCENTE: Ing. Patricio Puchaicela ALUMNA: Andrea C. Puchaicela G. CURSO: 4to. Ciclo de Electrónica y Telecomunicaciones AÑO
Más detallesAPLICACIÓN DE LA METODOLOGÍA DE DAUDIN A LOS GRÁFICOS POR ATRIBUTOS
27 Congreso Nacional de Estadística e Investigación Operativa Lleida, 8-11 de abril de 2003 APLICACIÓN DE LA METODOLOGÍA DE DAUDIN A LOS GRÁFICOS POR ATRIBUTOS Elena Pérez Bernabeu 1, José M. Jabaloyes
Más detallesTema 10: Introducción a los problemas de Asociación y Correlación
Tema 10: Introducción a los problemas de Asociación y Correlación Estadística 4 o Curso Licenciatura en Ciencias Ambientales Licenciatura en Ciencias Ambientales (4 o Curso) Tema 10: Asociación y Correlación
Más detallesEstadísticamente significativo o clínicamente relevante?
Adolfo Figueiras Guzmán rof. Titular de edicina reventiva e Saúde ública (USC) Estadísticamente significativo o clínicamente relevante? Índice 1. 1. Introducción 2. 2. Objetivos 3. 3. Desarrollo Conceptos
Más detallesÍNDICE INTRODUCCIÓN... 21
INTRODUCCIÓN... 21 CAPÍTULO 1. ORGANIZACIÓN DE LOS DATOS Y REPRESENTACIONES GRÁFICAS... 23 1. ORGANIZACIÓN DE LOS DATOS... 23 1.1. La distribución de frecuencias... 24 1.2. Agrupación en intervalos...
Más detallesCM0244. 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 detallesOPTIMIZACIÓN DEL GRÁFICO DE CONTROL EWMA PARA PROCESOS MUY CAPACES Y PROCESOS DIFÍCILMENTE AJUSTABLES
27 Congreso Nacional de Estadística e Investigación Operativa Lleida, 8-11 de abril de 2003 OPTIMIZACIÓN DEL GRÁFICO DE CONTROL EWMA PARA PROCESOS MUY CAPACES Y PROCESOS DIFÍCILMENTE AJUSTABLES J.C. García-Díaz,
Más detallesPregunta 1. Pregunta 2. Pregunta 3. Pregunta 4. Pregunta 5. Pregunta 6. Pregunta 7. Comenzado el lunes, 25 de marzo de 2013, 17:24
Comenzado el lunes, 25 de marzo de 2013, 17:24 Estado Finalizado Finalizado en sábado, 30 de marzo de 2013, 17:10 Tiempo empleado 4 días 23 horas Puntos 50,00/50,00 Calificación 10,00 de un máximo de 10,00
Más detallesPruebas de Hipótesis
Pruebas de Hipótesis Tipos de errores Se pueden cometer dos tipos de errores: Decisión Población Ho es erdadera Ho es falsa No rechazar Ho Decisión correcta. Error tipo II Rechazar Ho Error tipo I Decisión
Más detalles2. EL DISEÑO UNIFACTORIAL (COMPARACION DE TRATAMIENTOS)
2. EL DISEÑO UNIFACTORIAL (COMPARACION DE TRATAMIENTOS) La idea principal en este capitulo es el inicio a planear los diseño experimentales y su correspondiente análisis estadístico. En este caso iniciaremos
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 detalles4. Prueba de Hipótesis
4. Prueba de Hipótesis Como se ha indicado anteriormente, nuestro objetivo al tomar una muestra es extraer alguna conclusión o inferencia sobre una población. En nuestro interés es conocer acerca de los
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 detalles07 Estimación puntual e introducción a la estadística inferencial
07 Estimación puntual e introducción a la estadística inferencial Diego Andrés Alvarez Marín Profesor Asistente Universidad Nacional de Colombia Sede Manizales 1 Contenido Qué es la estadística inferencial?
Más detallesA qué nos referimos con medidas de dispersión?
Estadística 1 Sesión No. 4 Nombre: Medidas de dispersión. Contextualización A qué nos referimos con medidas de dispersión? En esta sesión aprenderás a calcular las medidas estadísticas de dispersión, tal
Más detallesUNIVERSIDAD AUTONOMA DEL ESTADO DE MEXICO ESCUELA PREPARATORIA TEXCOCO
UNIVERSIDAD AUTONOMA DEL ESTADO DE MEXICO ESCUELA PREPARATORIA TEXCOCO MEDIDAS DE TENDENCIA CENTRAL Y DE DISPERSIÓN PARA DATOS NO AGRUPADOS MATERIAL DIDACTICO SOLO VISION ASIGNATURA QUE CORRESPONDE: ESTADISTICA
Más detallesPrueba de Hipótesis. Bondad de Ajuste. Tuesday, August 5, 14
Prueba de Hipótesis Bondad de Ajuste Conceptos Generales Hipótesis: Enunciado que se quiere demostrar. Prueba de Hipótesis: Procedimiento para determinar si se debe rechazar o no una afirmación acerca
Más detallesINFERENCIA ESTADISTICA
1 INFERENCIA ESTADISTICA Es una rama de la Estadística que se ocupa de los procedimientos que nos permiten analizar y extraer conclusiones de una población a partir de los datos de una muestra aleatoria,
Más detallesEstadística. Sesión 4: Medidas de dispersión.
Estadística Sesión 4: Medidas de dispersión. Contextualización En esta sesión aprenderás a calcular las medidas estadísticas de dispersión, tal es el caso del rango, la varianza y la desviación estándar,
Más detallesT2. El modelo lineal simple
T2. El modelo lineal simple Ana J. López y Rigoberto Pérez Dpto Economía Aplicada. Universidad de Oviedo Curso 2010-2011 Curso 2010-2011 1 / 40 Índice 1 Planteamiento e hipótesis básicas 2 Estimación de
Más detallesÍndice general. Pág. N. 1. Capítulo 1 ETAPAS DE UNA INVESTIGACIÓN. Diseño. Población. Muestra. Individuo (Observación, Caso, Sujeto) Variables
Pág. N. 1 Índice general Capítulo 1 ETAPAS DE UNA INVESTIGACIÓN 1.1 Diseño 1.2 Descriptiva 1.3 Inferencia Diseño Población Muestra Individuo (Observación, Caso, Sujeto) Variables Ejercicios de Población
Más detallesMÓDULO 1: GESTIÓN DE CARTERAS
MÓDULO 1: GESTIÓN DE CARTERAS TEST DE EVALUACIÓN 1 Una vez realizado el test de evaluación, cumplimenta la plantilla y envíala, por favor, antes del plazo fijado. En todas las preguntas sólo hay una respuesta
Más detallesFiabilidad y variabilidad
Fiabilidad y variabilidad El coeficiente de fiabilidad de un test se ve afectado por la variabilidad de la muestra. Un test tiende a manifestar un coeficiente de fiabilidad mayor cuanto mayor sea su variabilidad.
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 detallesTEOREMA DEL LÍMITE CENTRAL
Material de clase n 2 Domingo 13 Junio TEOREMA DEL LÍMITE CENTRAL A medida que n se vuelve más grande, la distribución de las medias muestrales se aproxima a una distribución normal con una media x = µ
Más detallesTema 6. Estadística Descriptiva e Introducción a la Inferencia Estadística
Tema 6. Estadística Descriptiva e Introducción a la Inferencia Estadística Fuente de los comics: La Estadística en Comic. LarryGonicky Woollcatt Smith. Ed. ZendreraZariquiey, 1999 ESTADÍSTICA ESTADÍSTICA
Más detallesEl primer paso en la realización de una investigación es planear las hipótesis de investigación. Definamos el concepto de hipótesis:
El primer paso en la realización de una investigación es planear las hipótesis de investigación. Definamos el concepto de hipótesis Definición 1.- Una hipótesis es una afirmación que está sujeta a verificación
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 detallesEscuela Nacional de Estadística e Informática ESPECIALIZACIÓN EN ESTADÍSTICA APLICADA ESPECIALIZACIÓN EN ESTADÍSTICA APLICADA
ESPECIALIZACIÓN EN ESTADÍSTICA APLICADA ESPECIALIZACIÓN EN ESTADÍSTICA APLICADA Lima Perú 2013 DISEÑO COMPLETAMENTE ALEATORIZADO Es el diseño más simple y sencillo de realizar, en el cual los tratamientos
Más detallesObjetivos. 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 detallesTema 7 Intervalos de confianza Hugo S. Salinas
Intervalos de confianza Hugo S. Salinas 1 Introducción Hemos definido la inferencia estadística como un proceso que usa información proveniente de la muestra para generalizar y tomar decisiones acerca
Más detallesA. PRUEBAS DE BONDAD DE AJUSTE: B.TABLAS DE CONTINGENCIA. Chi cuadrado Metodo G de Fisher Kolmogorov-Smirnov Lilliefords
A. PRUEBAS DE BONDAD DE AJUSTE: Chi cuadrado Metodo G de Fisher Kolmogorov-Smirnov Lilliefords B.TABLAS DE CONTINGENCIA Marta Alperin Prosora Adjunta de Estadística alperin@fcnym.unlp.edu.ar http://www.fcnym.unlp.edu.ar/catedras/estadistica
Más detallesEstructura de este tema. Tema 3 Contrastes de hipótesis. Ejemplo
Estructura de este tema Tema 3 Contrastes de hipótesis José R. Berrendero Departamento de Matemáticas Universidad Autónoma de Madrid Qué es un contraste de hipótesis? Elementos de un contraste: hipótesis,
Más detallesMEDIDAS DE RESUMEN: MEDIDAS DE TENDENCIA CENTRAL Y DISPERSIÓN. Lic. Esperanza García Cribilleros
MEDIDAS DE RESUMEN: MEDIDAS DE TENDENCIA CENTRAL Y DISPERSIÓN Lic. Esperanza García Cribilleros ANÁLISIS EXPLORATORIO DE DATOS Diagrama de tallo y hojas Diagrama de caja DESCRIPCIÓN N DE LOS DATOS Tablas
Más detallesTema 2. Introducción a la Estadística Bayesiana
2-1 Tema 2 Introducción a la Estadística Bayesiana El teorema de Bayes Ejemplo Interpretación Ejemplo: influencia de la distribución a priori Ejemplo: densidad de flujo Probabilidad bayesiana Ejemplo:
Más detallesVALIDEZ DE LA INVESTIGACIÓN (I): VALIDEZ INTERNA, EXTERNA Y DE CONSTRUCTO
MÉTODOS Y DISEÑOS DE INVESTIGACIÓN TEMA 3 VALIDEZ DE LA INVESTIGACIÓN (I): VALIDEZ INTERNA, EXTERNA Y DE CONSTRUCTO 2011/12 1 Validez de la investigación VALIDEZ INTERNA: el diseño de investigación es
Más detallesEstadística II / PRUEBAS DE HIPOTESIS. Una hipótesis estadística es una afirmación o conjetura acerca de una o mas poblaciones.
PRUEBAS DE HIPOTESIS La prueba de hipótesis es un procedimiento estadístico que comienza con una suposición que se hace con respecto a un parámetro de población, luego se recolectan datos de muestra, se
Más detallesUnidad 5 Control Estadístico de la Calidad. Administración de Operaciones III
Unidad 5 Control Estadístico de la Calidad Administración de Operaciones III 1 Contenido 1. Antecedentes del control estadístico de la calidad 2. Definición 3. Importancia y aplicación 4. Control estadístico
Más detallesMEDIDAS DE VARIABILIDAD
MEDIDAS DE VARIABILIDAD 1 Medidas de variabilidad Qué son las medidas de variabilidad? Las medidas de variabilidad de una serie de datos, muestra o población, permiten identificar que tan dispersos o concentrados
Más detallesEstadística para investigadores: todo lo que siempre quiso saber y nunca se atrevió a preguntar
Estadística para investigadores: todo lo que siempre quiso saber y nunca se atrevió a preguntar Módulo 2. Estadística Descriptiva: Medidas de síntesis Mª Purificación Galindo Villardón Mª Purificación
Más detalles1) Características del diseño en un estudio de cohortes.
Departamento de Estadística Universidad Carlos III de Madrid BIOESTADISTICA (55-10536) Estudios de cohortes CONCEPTOS CLAVE 1) Características del diseño en un estudio de cohortes. ) Elección del tamaño
Más detallesTema 13 : Intervalos de probabilidad y confianza. Hipótesis y decisiones estadísticas.
Tema 13 : Intervalos de probabilidad y confianza. Hipótesis y decisiones estadísticas. ---Intervalo de probabilidad (IP) Permite predecir el comportamiento de las muestras. Si de una población se sacan
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 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 detallesContrastes de Hipótesis paramétricos y no-paramétricos.
Capítulo 1 Contrastes de Hiptesis paramétricos y no-paramétricos. Estadística Inductiva o Inferencia Estadística: Conjunto de métodos que se fundamentan en la Teoría de la Probabilidad y que tienen por
Más detallesDistribución Chi (o Ji) cuadrada (χ( 2 )
Distribución Chi (o Ji) cuadrada (χ( 2 ) PEARSON, KARL. On the Criterion that a Given System of Deviations from the Probable in the Case of a Correlated System of Variables is such that it Can Reasonably
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 detallesConceptos del contraste de hipótesis
Análisis de datos y gestión veterinaria Contraste de hipótesis Departamento de Producción Animal Facultad de Veterinaria Universidad de Córdoba Córdoba, 14 de Diciembre de 211 Conceptos del contraste de
Más detallesECONOMETRÍA II Prof.: Begoña Álvarez TEMA 1 INTRODUCCIÓN. Estimación por máxima verosimilitud y conceptos de teoría asintótica
ECONOMETRÍA II Prof.: Begoña Álvarez 2007-2008 TEMA 1 INTRODUCCIÓN Estimación por máxima verosimilitud y conceptos de teoría asintótica 1. ESTIMACIÓN POR MÁXIMA VEROSIMILITUD (MAXIMUM LIKELIHOOD) La estimación
Más detallesAnálisis de la Capacidad o Aptitud de un proceso ( Capítulo 8 ) Control Estadístico de Calidad
Análisis de la Capacidad o Aptitud de un proceso ( Capítulo 8 ) Control Estadístico de Calidad Introducción Cuantificar la variabilidad de un proceso. Analizar esta variabilidad en relación con los requisitos
Más detallesEstadística Inferencial
Estadística Inferencial 1 Sesión No. 5 Nombre: Prueba de hipótesis Contextualización En la práctica, es frecuente tener que tomar decisiones acerca de poblaciones con base en información de muestreo. Tales
Más detallesEstadistica II Tema 0. Repaso de conceptos básicos. Curso 2009/10
Estadistica II Tema 0. Repaso de conceptos básicos Curso 2009/10 Tema 0. Repaso de conceptos básicos Contenidos Variables aleatorias y distribuciones de probabilidad La distribución normal Muestras aleatorias,
Más detallesBiomecánica del Movimiento (2º) Facultad de Ciencias del Deporte. Universidad de Castilla la Mancha. TEMA 5: ERRORES
Biomecánica del Movimiento (2º) 67 TEMA 5: ERRORES 1- Imprecisiones en las mediciones. Orígenes. Cómo darlas a conocer. 2- Tipos de errores. Error absoluto y error relativo. Sensibilidad y precisión. Error
Más detallesGráfico de Desgaste de Herramientas
Gráfico de Desgaste de Herramientas Resumen El procedimiento Gráfico de Desgaste de Herramientas crea cuadros de control para una sola variable numérica donde se espera que cambien las cantidades en un
Más detallesEjemplos Resueltos Tema 4
Ejemplos Resueltos Tema 4 2012 1. Contraste de Hipótesis para la Media µ (con σ conocida) Dada una muestra de tamaño n y conocida la desviación típica de la población σ, se desea contrastar la hipótesis
Más detallesTEMA 4 ELABORACIÓN Y COMPROBACIÓN DE LAS HIPÓTESIS DE INVESTIGACIÓN
TEMA 4 ELABORACIÓN Y COMPROBACIÓN DE LAS HIPÓTESIS DE INVESTIGACIÓN 1 MODELO LINEAL GENERAL applemodelo estadístico appledescribe una combinación lineal de los efectos aditivos que forman la puntuación
Más detallesPara controlar los procesos en tiempo real, la herramienta de base estadística, más significativa, es la carta de control.
Control estadístico de los procesos Denominamos proceso a una serie de transformaciones destinadas a transformar entradas (materias primas, insumos, información, etc) en salidas (productos elaborados,
Más detallesen Enfermería del Trabajo
revista noviembre:maquetación 1 16/11/2011 6:27 Página 30. 203 Metodología de la investigación Metodología de Investigación en Enfermería del Trabajo Autor Romero Saldaña M Enfermero Especialista en Enfermería
Más detallesEstadística para la toma de decisiones
Estadística para la toma de decisiones ESTADÍSTICA PARA LA TOMA DE DECISIONES. 1 Sesión No. 10 Nombre: Pruebas de Hipótesis. Parte II Objetivo Al término de la sesión el estudiante analizará la prueba
Más detallesGráficos de control con memoria
Capítulo 6 Gráficos de control con memoria 6.1 Introducción Cuando en un proceso se produce un desajuste muy pequeño, los gráficos estudiados en los temas anteriores pueden ser poco efectivos. El problema
Más detallesLA ESTADÍSTICA APLICADA AL ANÁLISIS ECONÓMICO. Introducción 1
LA ESTADÍSTICA APLICADA AL ANÁLISIS ECONÓMICO ÍNDICE CONCEPTO Página Introducción 1 I Generalidades... 3 I.1 Definiciones de Estadística... 4 I.2 Diferentes clases de Estadística... 8 II La Estadística
Más detallespara una muestra Ref: Apuntes de Estadística, Mtra Leticia de la Torre Instituto Tecnológico de Chiuhuahua
Pruebas de hipótesis para una muestra Ref: Apuntes de Estadística, Mtra Leticia de la Torre Instituto Tecnológico de Chiuhuahua En muchas situaciones cuando queremos sacar conclusiones sobre una muestra,
Más detallesPruebas de Hipótesis Multiples
Pruebas de Hipótesis Multiples Cuando queremos hacer comparaciones de mas de dos poblaciones, una alternativa es comparar todos los grupos a la vez con el método de Análisis de Varianza (ANOVA) H o : µ
Más 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 detallesEconometría II Grado en finanzas y contabilidad
Econometría II Grado en finanzas y contabilidad Variables aleatorias y procesos estocásticos. La FAC y el correlograma Profesora: Dolores García Martos E-mail:mdgmarto@est-econ.uc3m.es Este documento es
Más detallesTema 9: Contraste de hipótesis.
Estadística 84 Tema 9: Contraste de hipótesis. 9.1 Introducción. El objetivo de este tema es proporcionar métodos que permiten decidir si una hipótesis estadística debe o no ser rechazada, en base a los
Más detallesIntroducción a la Inferencia Estadística
Introducción a la Inferencia Estadística Prof. Jose Jacobo Zubcoff Universidad de Alicante 2008 1 Introducción En este tema explicaremos los contrastes para la media de una población normal. e estudiarán
Más detallesProyecto Tema 8: Tests de hipótesis. Resumen teórico
Temas de Estadística Práctica Antonio Roldán Martínez Proyecto http://www.hojamat.es/ Tema 8: Tests de hipótesis Resumen teórico Tests de hipótesis Concepto de test de hipótesis Un test de hipótesis (o
Más detallesPLAN DE TRABAJO 9 Período 3/09/07 al 28/09/07
PLAN DE TRABAJO 9 Período 3/09/07 al 28/09/07 TEMAS A ESTUDIAR En esta guía nos dedicaremos a estudiar el tema de Estimación por intervalo y comenzaremos a estudiar las pruebas de hipótesis paramétricas.
Más detallesPROBABILIDAD Y ESTADÍSTICA
PROBABILIDAD Y ESTADÍSTICA 4 horas a la semana 8 créditos Semestre variable según la carrera Objetivo del curso: Analizar y resolver problemas de naturaleza aleatoria en la ingeniería, aplicando conceptos
Más detallesNUEVAS ESTRATEGIAS EN CONTROL DE LA VARIABILIDAD DE PROCESOS
Decimonovenas Jornadas "Investigaciones en la Facultad" de Ciencias Económicas y Estadística. Noviembre de 014. Lignini, Maira Barbiero, Cristina Flury, Maria Isabel Quaglino, Marta Instituto de Investigaciones
Más detalles