PROGRAMAS PROBABILISTICOS
|
|
- Belén Segura Suárez
- hace 6 años
- Vistas:
Transcripción
1 9 PROGRAMAS PROBABILISTICOS El sistema PERT (Proyect Evaluation and Review Technique) desarrollado por la Marina de los Estados Unidos, fue concebido para responder a las necesidades del proyecto Polaris donde no se podían calcular las duraciones sino estimarlas. Wikipedia En construcción se pueden presentar casos en que las duraciones de las actividades no se pueden precalcular sino dar una aproximación, como ser en construcción de túneles, fundaciones marinas, fundaciones en puentes en general son obras en que no se conoce a ciencia cierta las circunstancias de la naturaleza que influirán en los plazos. malla. Lógicamente se puede aplicar al sistema probabilístico a cualquier tipo de Hay que dejar en claro que siempre habrá un grado de incertidumbre cuando determinamos la duración de actividades, más cuando el llevar las operaciones a los tiempos programados sólo depende de nuestra voluntad para asignar recursos, el problema ya no es probabilístico sino determinístico. Hacer clik sobre imagen Ejemplo: Cubo = 5 m2 Rendimiento obtenido en otras obras 1 m2/día (R) Nº de cuadrillas = 2 Vc = 2 y la duración será 5 = 25 días Vc = Velocidad de construcción = (R) (N) 2 Al día 5 de iniciada la partida constatamos las siguientes variaciones. Cubo son: 55 9
2 97 Rendimiento obtenido completar el plazo que prefijamos de 25. = 8 m2/día, Nº cuadrillas 2 y nos quedan 2 días para Desarrollo: Producción al día 5 = 8 x 2 x 5 = 8 saldo por producir 55 8 = 47 Vc necesaria = 47 = 23,5 Número de cuadrillas necesaria = 23,8 3 cuadrillas 2 8 Para estimar los tiempos PERT se basa en tres tipos de tiempos y en una simplificación de la distribución de probabilidades β los tiempos son proporcionados por un panel de expertos con experiencia en tareas similares. Se definen: to = Tiempo optimista; es aquel menor tiempo que puede durar una actividad dada una conjunción favorable de circunstancias tal que todos los requisitos estén disponibles en el momento oportuno y nada se oponga a su utilización. tp = Tiempo pesimista o el mayor tiempo que puede durar una actividad, dada una excepcional conjunción de circunstancias desfavorables, en sentido de impedir que los requisitos necesarios estén disponibles oportunamente, exceptuando los hechos de naturaleza catastrófica. tm = Tiempo más probable que podría durar una actividad se refiere a la duración de la tarea si las cosas suceden normalmente durante su realización, con avances y retardos parciales en relación al tiempo programado resultante de causas fortuitas, individualmente de poca consideración, todo de acuerdo con experiencias existentes sobre tareas análogas, si se repite la tarea muchas veces en iguales condiciones, sería esta la duración más frecuente, la cual será probablemente estimada por el mayor número de expertos si muchos son consultados sobre el problema. En una distribución estadística los to y tp deben ser los valores extremos y tm debe corresponder al valor de máxima probabilidad. Aceptándose que se cumpla con la distribución normal de Gauss, razones de simplificación de los cálculos han llevado a adoptar la distribución beta calculando un tiempo esperado (te) expresado como: te = to + 4 tm + tp 97
3 98 Cuya varianza está dada por V2 = tp to 2 tp to = rango y su desviación estándar Frecuencia σ = tp to to tm te tp tiempo La precisión de estos cálculos ha sido hasta la fecha, considerada satisfactoria. La fecha de un evento, por ser una suma de duraciones de las tareas que lo anteceden en una secuencia dada, es una suma de variables aleatorias y tiene por lo tanto, un valor esperado igual a la estimación de esta fecha, tal como ha sido obtenida y una varianza igual a la suma de las varianzas de las duraciones de las actividades antecedentes. Considerando el evento final (tiempo del proyecto) tz se podría fijar una fecha tw tz sujeta a una probabilidad de cumplimiento dada. duración Z = tw tz z tw = tiempo seleccionado tz = tiempo de proyecto considerando de actividades con te = to + 4tm + tp 98
4 99 σ = desviación estándar del proyecto determinado Σ varianza (de actividades críticas En se encuentra un programa que permite determinar la probabilidad de cumplimiento escrito dado la media, la desviación estándar y el valor seleccionado. Podemos también usar la tabla que se señala a continuación. 99
5 1 En general se nos puede dar dos tipos de casos: 1. Dado un plazo del proyecto determinar su probabilidad de cumplimiento y 2. Determinar el plazo del proyecto ligado a una probabilidad determinada. Para resolver cualquiera de estos dos problemas se calcula un tiempo esperado (Te) para el proyecto, usando los Te de las actividades que intervienen para enseguida determinar su desviación estándar enseguida se entra a las tablas de distribución de probabilidades. Ejemplo: CALCULOS tp tm to te desviación varianza A , 2,77 B ,,44 C D , 2,77 1
6 11 E ,33 1,77 A B E 47 C D Te = 47 ligado a 5% de probabilidad. Ruta crítica O, C, D, E Para el cálculo de la varianza de una suma de tiempos sujetos a distintas varianzas se aplica el teorema que señala que la varianza de una suma es igual a la suma de las varianzas parciales y de ahí extrayendo raíz cuadrada obtenemos la desviación estándar sujeta a Te En nuestro ejemplo: C D E 1 2,77 1,77 Varianza para T47 = 1 + 2,77 + 1,77 = 5,54 y v = 5,54 = 2,35 Duración del proyecto para que tengan un 95% de probabilidades de cumplirlo? esperado Z = Plazo buscado - Te σ Desviación estándar del plazo Por tablas de probabilidad para un 95% corresponde un factor Z = 1,5 y 1,5 = Tiempo proyecto - 47 donde T proyecto = 5 días 11
7 12 2,35 Con una duración de 4 días Qué probabilidad hay de cumplir ese plazo? En este caso Z = 4 47 = 2,97 2,35 En la tabla tenemos Z para los valores al lado derecho de te, el valor de P que corresponda al Z positivo nos dará la probabilidad de complemento a uno. Así para Z = 2,97 P= 99,85 y paran 2,97 su probabilidad de cumplimiento sería 1 99,85,15% de probabilidad, valga decir un programa inaceptable. Estas aproximaciones se deben recalcular, ya que al acortar los plazos nos pueden resultar más actividades críticas. 12
Estimaciones de la duración de actividades
1 Estimaciones de la duración de actividades La estimación de la duración de cada actividad es el tiempo total transcurrido estimado desde el momento en que se inician actividad hasta el momento cuando
Más detallesModelos de PERT/CPM: Probabilístico
INSTITUTO POLITÉCNICO NACIONAL ESCUELA SUPERIOR DE CÓMPUTO Modelos de PERT/CPM: Probabilístico M. En C. Eduardo Bustos Farías 1 Existen proyectos con actividades que tienen tiempos inciertos, es decir,
Más detallesCAPÍTULO 4 TÉCNICA PERT
54 CAPÍTULO 4 TÉCNICA PERT Como ya se mencionó en capítulos anteriores, la técnica CPM considera las duraciones de las actividades como determinísticas, esto es, hay el supuesto de que se realizarán con
Más detallesAYUDANTÍA 2: RIESGO EN PROYECTOS
AYUDANTÍA 2: RIESGO EN PROYECTOS ICC2302 INGENIERÍA DE CONSTRUCCIÓN 1 2008 TEMARIO Estimación de Costos de Proyectos Estimación Preliminar Estimación Conceptual Estimación Detallada Estimación Definitiva
Más detallesCapitulo 1 Introducción al Método de la Ruta Crítica
Capitulo 1 Introducción al Método de la Ruta Crítica Curso de Programación y Control de Obras Maestría en Ingeniería Civil Texto Guía: Critical Path Methods in Construction Practice by Jame M. Antill &
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 detallesLas medidas de dispersión nos informan sobre cuánto se alejan del centro los valores de la distribución.
CONTENIDO: MEDIDAS DE DISPERSIÓN INDICADOR DE LOGRO: Determinarás y aplicarás, con perseverancia las medidas de dispersión para datos no agrupados y agrupados Guía de trabajo: Las medidas de dispersión
Más 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 detallesTema 5. Muestreo y distribuciones muestrales
1 Tema 5. Muestreo y distribuciones muestrales En este tema: Muestreo y muestras aleatorias simples. Distribución de la media muestral: Esperanza y varianza. Distribución exacta en el caso normal. Distribución
Más detallesANÁLISIS DE FRECUENCIAS
ANÁLISIS DE FRECUENCIAS EXPRESIONES PARA EL CÁLCULO DE LOS EVENTOS PARA EL PERÍODO DE RETORNO T Y DE LOS RESPECTIVOS ERRORES ESTÁNDAR DE ESTIMACIÓN REQUERIDOS PARA LA DETERMINACIÓN DE LOS INTERVALOS DE
Más detallesINTRODUCCIÓN AL ANÁLISIS DE DATOS ORIENTACIONES (TEMA Nº 7)
TEMA Nº 7 DISTRIBUCIONES CONTINUAS DE PROBABILIDAD OBJETIVOS DE APRENDIZAJE: Conocer las características de la distribución normal como distribución de probabilidad de una variable y la aproximación de
Más 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 detallesEl PERT: un método eficaz para la planificación de actividades
: un método eficaz para la planificación de actividades Breve descripción de la Técnica Pert. Dr. Xavier M. Triadó. Profesor Titular d Economia i Organització d Empreses. UNIVERSITAT DE BARCELONA El PERT:
Más detalles6.5 ESTIMAR LA DURACIÓN DE LAS ACTIVIDADES
6.5 ESTIMAR LA DURACIÓN DE LAS ACTIVIDADES Dante Guerrero-Chanduví Piura, 2015 FACULTAD DE INGENIERÍA Área departamental de Ingeniería Industrial y de Sistemas Esta obra está bajo una licencia Creative
Más detallesCONCEPTOS DE ERROR Y TOLERANCIA
UNIVERSIDAD AUTÓNOMA CHAPINGO DEPARTAMENTO DE IRRIGACIÓN Cap 1. Introducción (Definiciones y conceptos básicos) CONCEPTOS DE ERROR Y TOLERANCIA Profesor: M. C. Fco. Raúl Hernández Saucedo 1 Conceptos de
Más detallesTeoría de muestras. Distribución de variables aleatorias en el muestreo. 1. Distribución de medias muestrales
Teoría de muestras Distribución de variables aleatorias en el muestreo 1. Distribución de medias muestrales Dada una variable estadística observada en una población, se puede calcular se media y su desviación
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 detallesFormulación y Evaluación de Proyectos de Inversión
Formulación y Evaluación de Proyectos de Inversión FORMULACIÓN Y EVALUACIÓN DE PROYECTOS DE INVERSIÓN 1 Sesión No. 12 Nombre: Evaluación de proyecto. Segunda parte. Contextualización En la última sesión
Más detallesANALISIS DE FRECUENCIA EN HIDROLOGIA
ANALISIS DE FRECUENCIA EN HIDROLOGIA Luis F. Carvajal Julián D. Rojo Universidad Nacional de Colombia Facultad de Minas Escuela de Geociencias y Medio Ambiente Introducción 1. Los eventos hidrológicos
Más detallesEstimaciones puntuales. Estadística II
Estimaciones puntuales Estadística II Estimación Podemos hacer dos tipos de estimaciones concernientes a una población: una estimación puntual y una estimación de intervalo. Una estimación puntual es un
Más detallesTema 11: Integral definida. Aplicaciones al cálculo de áreas
Tema 11: Integral definida. Aplicaciones al cálculo de áreas 1. Introducción Las integrales nos van a permitir calcular áreas de figuras no geométricas. En nuestro caso, nos limitaremos a calcular el área
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 detallesAdministración de Proyectos;
Administración de Proyectos; Herramientas Estadísticas de apoyo al Master Program Enrique Henseleit Prado (Ehenseleit@gmail.com) Ingeniero Civil Electricista (PUC - Chile) Gerente de Proyectos General
Más detallesIM TRUST ACCIONES ESTRATEGICAS COLOMBIA SERIE A Folleto Informativo al 30 de noviembre de 2015
IM TRUST ACCIONES ESTRATEGICAS COLOMBIA SERIE A Administradora RUN Patrimonio Serie Monto Mínimo FONDOS 8560 USD USD 0 Sin mínimo Rentabilidad en UF desde 16/04/2008 a 12/08/2015 21% Rentabilidades Anualizadas
Más detallesDistribuciones de Probabilidad
Distribuciones de Probabilidad Variables Aleatorias Ahora se introducirá el concepto de variable aleatoria y luego se introducirán las distribuciones de probabilidad discretas más comunes en la práctica
Más detallesMANUAL DE USO PROGRAMA SENSIBAR
MANUAL DE USO PROGRAMA SENSIBAR ANALSIS DE SENSIBILIDAD Y SIMULACION DE MONTECARLO JOSE FUENTES VALDES FACEA - UNIVERSIDAD DE CONCEPCION Facultad de Economía Universidad de Concepción 1 SensiBar. ANALSIS
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 detallesIM TRUST ACCIONES ESTRATEGICAS PERU SERIE A Folleto Informativo al 30 de noviembre de 2015
IM TRUST ACCIONES ESTRATEGICAS PERU SERIE A Administradora RUN Patrimonio Serie Monto Mínimo FONDOS 8561 USD USD 19.065 Sin mínimo Plazo : A más tardar 10 días Rentabilidad en UF desde 16/07/2008 a 48%
Más detallesIntroducción a la Probabilidad
Introducción a la Probabilidad Tema 3 Ignacio Cascos Depto. Estadística, Universidad Carlos III 1 Ignacio Cascos Depto. Estadística, Universidad Carlos III 2 Objetivos Entender el concepto de experimento
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 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 detallesUNIVERSIDAD AUTÓNOMA DE CHIAPAS FACULTAD DE INGENIERÍA CAMPUS I PROBABILIDAD Y ESTADISTICA
UNIVERSIDAD AUTÓNOMA DE CHIAPAS FACULTAD DE INGENIERÍA CAMPUS I PROBABILIDAD Y ESTADISTICA NIVEL : LICENCIATURA CRÉDITOS : 7 CLAVE : ICAE13001731 HORAS TEORÍA : 3 SEMESTRE : QUINTO HORAS PRÁCTICA : 1 REQUISITOS
Más detallesMATERIA: ESTADÍSTICA EJEMPLOS DE POSIBLES PREGUNTAS DE EXAMEN. a. Cuáles son las escalas en que pueden estar los datos en un análisis estadístico.
MATERIA: ESTADÍSTICA EJEMPLOS DE POSIBLES PREGUNTAS DE EXAMEN 1. Conteste las preguntas siguientes: a. Cuáles son las escalas en que pueden estar los datos en un análisis estadístico. 1. 2. 3. 4. b. En
Más detallesLABORATORIO No. 0. Cálculo de errores en las mediciones. 0.1 Introducción
LABORATORIO No. 0 Cálculo de errores en las mediciones 0.1 Introducción Es bien sabido que la especificación de una magnitud físicamente medible requiere cuando menos de dos elementos: Un número y una
Más detallesCAPITULO II ANÁLISIS DEL CRECIMIENTO POBLACIONAL Y CALCULO DE CAUDALES DE DISEÑO
9 CAPITULO II ANÁLISIS DEL CRECIMIENTO POBLACIONAL Y CALCULO DE CAUDALES DE DISEÑO 2.1 Criterios de diseño para el predimensionamiento de los sistemas de abastecimiento de agua 2.1.1 Período de diseño
Más detallesSEPTIEMBRE Opción A
Septiembre 010 (Prueba Específica) SEPTIEMBRE 010 Opción A 1.- Se considera el sistema de ecuaciones: x y = 3x+ y = 4 4x + y = a a) Clasifica el sistema en función de sus posibles soluciones para los distintos
Más detallesUnidad IV. Una variable aleatoria X es continua si su función de distribución es una función continua.
Unidad IV Distribuciones de Probabilidad Continuas 4.1. Definición de variable aleatoria continúa. Una variable aleatoria X es continua si su función de distribución es una función continua. En la práctica,
Más detallesUNIVERSIDAD AUTÓNOMA DE CHIAPAS FACULTAD DE INGENIERÍA CAMPUS I PROBABILIDAD Y ESTADÍSTICA
UNIVERSIDAD AUTÓNOMA DE CHIAPAS FACULTAD DE INGENIERÍA CAMPUS I PROBABILIDAD Y ESTADÍSTICA NIVEL: LICENCIATURA CRÉDITOS: 9 CLAVE: ICAD24.500919 HORAS TEORÍA: 4.5 SEMESTRE: CUARTO HORAS PRÁCTICA: 0 REQUISITOS:
Más detallesGRAFICOS DE CONTROL DATOS TIPO VARIABLES
GRAFICOS DE CONTROL DATOS TIPO VARIABLES OBJETIVO DEL LABORATORIO El objetivo del presente laboratorio es que el estudiante conozca y que sea capaz de seleccionar y utilizar gráficos de control, para realizar
Más detallesADMINISTRACION DE OPERACIONES
Sesión4: Métodos cuantitativos ADMINISTRACION DE OPERACIONES Objetivo específico 1: El alumno conocerá y aplicara adecuadamente los métodos de pronóstico de la demanda para planear la actividad futura
Más detallesFACULTAD DE INGENIERÍA UNAM PROBABILIDAD Y ESTADÍSTICA Irene Patricia Valdez y Alfaro irenev@servidor.unam.m T E M A S DEL CURSO. Análisis Estadístico de datos muestrales.. Fundamentos de la Teoría de
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 detallesTEMA 2: DISTRIBUCIÓN DE PROBABILIDAD
TEMA 2: DISTRIBUCIÓN DE PROBABILIDAD A partir de un experimento aleatorio cualquiera, se obtiene su espacio muestral E. Se llama variable aleatoria a una ley (o función) que a cada elemento del espacio
Más detallesObjetivo: Comprender cómo se calculan los intervalos de confianza y determinar el tamaño ideal de una muetra
PROBABILIDAD Y ESTADÍSTICA Sesión 8 (Hasta tema 7.5) 7. PRUEBA DE HIPÓTESIS 7.1 Errores tipo I y tipo II 7.2 Potencia de la prueba 7.3 Formulación de hipótesis estadística 7.4 Prueba de hipótesis para
Más detallesALGORITMO PARA EL CALCULO DE AREAS BAJO LA DISTRIBUCIÓN GAUSSIANA
ALGORITMO PARA EL CALCULO DE AREAS BAJO LA DISTRIBUCIÓN GAUSSIANA Ing. JESUS RUBEN AZOR MONTOYA Profesor Titular de Estadística Aplicada Introducción El presente trabajo tiene por objeto desarrollar un
Más detallesGuía docente MÉTODOS ESTADÍSTICOS PARA LA EMPRESA
1. Introducción Guía docente MÉTODOS ESTADÍSTICOS PARA LA EMPRESA Los análisis económicos y empresariales se efectúan sobre la base de la toma de decisiones, las cuales se toman a partir de la información
Más detallesMuestreo de variables aleatorias
Estadística II Universidad de Salamanca Curso 2011/2012 Outline 1 Introducción 2 Distribución de la muestra 3 4 5 Distribuciones de la media y la varianza en poblaciones normales Introducción Tiene como
Más detalles6 Variables aleatorias independientes
6 Variables aleatorias independientes Edgar Acuna ESMA 4 Edgar Acuna Dos variables aleatorias son independientes si para todo a b P[
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 detallesUnidad IV: Distribuciones muestrales
Unidad IV: Distribuciones muestrales 4.1 Función de probabilidad En teoría de la probabilidad, una función de probabilidad (también denominada función de masa de probabilidad) es una función que asocia
Más detallesTema 13: Distribuciones de probabilidad. Estadística
Tema 13: Distribuciones de probabilidad. Estadística 1. Variable aleatoria Una variable aleatoria es una función que asocia a cada elemento del espacio muestral, de un experimento aleatorio, un número
Más detallesEJERCICIOS RESUELTOS DE ESTADÍSTICA II
EJERCICIOS RESUELTOS DE ESTADÍSTICA II RESUMEN DE EJERCICIOS DADOS EN CLASES POR: EILEEN JOHANA ARAGONES GENEY DISTRIBUCIONES DOCENTE: JUAN CARLOS VERGARA SCHMALBACH ESTIMACIÓN PRUEBAS DE HIPÓTESIS Grupo
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 Descriptiva. SESIÓN 11 Medidas de dispersión
Estadística Descriptiva SESIÓN 11 Medidas de dispersión Contextualización de la sesión 11 En la sesión anterior se explicaron los temas relacionados con la dispersión, una de las medidas de dispersión,
Más detallesMatemática. Desafío. GUÍA DE EJERCITACIÓN AVANZADA Cálculo de medidas de dispersión y muestreo GUICEN041MT22-A16V1
GUÍA DE EJERCITACIÓN AVANZADA Cálculo de medidas de dispersión y muestreo Desafío Una población estadística está compuesta de cuatro números enteros consecutivos, siendo n el menor de ellos. La desviación
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 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 detallesPlaneación de Proyectos PERT - CPM
Planeación de Proyectos PERT - CPM Planeación de Proyectos n Los proyectos modernos abarcan desde la construcción de un centro comercial hasta poner un hombre en la luna; son impresionantemente grandes,
Más detallesMANTENIMIENTO INDUSTRIAL.
REPÚBLICA BOLIVARIANA DE VENEZUELA UNIVERSIDAD ALONSO DE OJEDA FACULTAD DE INGENIERÍA ESCUELA DE INDUSTRIAL MANTENIMIENTO INDUSTRIAL. Realizado por: Ing. Danmelys Perozo UNIDAD II: ESTADÍSTICAS DE FALLAS
Más detallesEvaluación de Proyectos de Inversión
Evaluación de Proyectos de Inversión Sesión #10: Estudio financiero (7) Periodo de recuperación de la inversión y Evaluación del riesgo del proyecto de inversión Contextualización Con la evaluación económica
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 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 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 detallesDistribuciones Probabilísticas. Curso de Estadística TAE,2005 J.J. Gómez Cadenas
Distribuciones Probabilísticas Curso de Estadística TAE,005 J.J. Gómez Cadenas Distribución Binomial Considerar N observaciones independientes tales que: El resultado de cada experimento es acierto o fallo
Más detallesDefinición de probabilidad
Tema 5: LA DISTRIBUCIÓN NORMAL 1. INTRODUCCIÓN A LA PROBABILIDAD: Definición de probabilidad Repaso de propiedades de conjuntos (Leyes de Morgan) Probabilidad condicionada Teorema de la probabilidad total
Más detallesMATEMÁTICAS APLICADAS A LAS CCSS II. 1. Resolver sistemas de ecuaciones lineales mediante el método de Gauss.
MATEMÁTICAS APLICADAS A LAS CCSS II Criterios de evaluación. 1. Resolver sistemas de ecuaciones lineales mediante el método de Gauss. 2. Operar correctamente con matrices y utilizar el lenguaje matricial
Más detallesFLORIDA Secundaria. 1º BACH MATEMÁTICAS CCSS -1- BLOQUE ESTADÍSTICA: ESTADÍSTICA VARIABLE UNIDIMENSIONAL. Estadística variable unidimensional
FLORIDA Secundaria. 1º BACH MATEMÁTICAS CCSS -1- Estadística variable unidimensional 1. Conceptos de Estadística 2. Distribución de frecuencias 2.1. Tablas de valores con variables continuas 3. Parámetros
Más detalles1. La Distribución Normal
1. La Distribución Normal Los espacios muestrales continuos y las variables aleatorias continuas se presentan siempre que se manejan cantidades que se miden en una escala continua; por ejemplo, cuando
Más detallesAplicaciones de apoyo al diagnóstico médico. Identificación de objetos amigos y enemigos. Identificación de zonas afectadas por un desastre natural.
Capítulo 5 Evaluación En muchas ocasiones requerimos hacer una evaluación muy precisa de nuestros algoritmos de aprendizaje computacional porque los vamos a utilizar en algún tipo de aplicación que así
Más detallesTema 5. Muestreo y distribuciones muestrales
Tema 5. Muestreo y distribuciones muestrales Contenidos Muestreo y muestras aleatorias simples La distribución de la media en el muestreo La distribución de la varianza muestral Lecturas recomendadas:
Más detallesEJERCICIOS RESUELTOS DE ESTADÍSTICA II
EJERCICIOS RESUELTOS DE ESTADÍSTICA II RESUMEN DE EJERCICIOS DADOS EN CLASES PARTE I POR: EILEEN JOHANA ARAGONES GENEY DISTRIBUCIONES DOCENTE: JUAN CARLOS V ERGARA SCHMALBACH ESTIMACIÓN PRUEBAS DE HIPÓTESIS
Más detallesMATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES I 1º BACHILLERATO
MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES I 1º BACHILLERATO DEL CURSO 1. Utilizar los números reales, sus notaciones, operaciones y procedimientos asociados, para presentar e intercambiar información,
Más detallesGRUPO A GRUPO B Total = 225 Total = 250. Medidas de tendencia central.
Medidas de dispersión o variabilidad Tema 5 Profesor Tevni Grajales G. A dos grupos diferentes de estudiantes se les preguntó cuánto deseaban pagar como cuotas de graduación. En ambos casos el promedio
Más detalles( ) DISTRIBUCIÓN UNIFORME (o rectangular) 1 b a. para x > b DISTRIBUCIÓN DE CAUCHY. x ) DISTRIBUCIÓN EXPONENCIAL. α α 2 DISTRIBUCIÓN DE LAPLACE
Estudiamos algunos ejemplos de distribuciones de variables aleatorias continuas. De ellas merecen especial mención las derivadas de la distribución normal (χ, t de Student y F de Snedecor), por su importancia
Más detallesEl Movimiento Browniano en la modelización del par EUR/USD
MÁSTER UNIVERSITARIO EN DIRECCIÓN FINANCIERA Y FISCAL TESINA FIN DE MÁSTER El Movimiento Browniano en la modelización del par EUR/USD Autor: José Vicente González Cervera Directores: Dr. Juan Carlos Cortés
Más detallesDirección Financiera II Universidad de León. Curso
Dirección Financiera II Universidad de León. Curso 2013-2014 Isabel Feito Ruiz (ifeir@unileon.es) 1 Índice de Contenidos Bloque I: La Decisión de Inversión en Ambiente de Racionamiento y de Riesgo Tema
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 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 detallesMuchas variables aleatorias continuas presentan una función de densidad cuya gráfica tiene forma de campana.
Página 1 de 7 DISTRIBUCIÓN NORMAL o campana de Gauss-Laplace Esta distribución es frecuentemente utilizada en las aplicaciones estadísticas. Su propio nombre indica su extendida utilización, justificada
Más detallesDOCUMENTO CÁLCULO DE MUESTRA (FÓRMULAS) EL TAMAÑO DE LA MUESTRA MEDIANTE FÓRMULAS
DOCUMENTO 1 CÁLCULO DE MUESTRA (FÓRMULAS) EL TAMAÑO DE LA MUESTRA MEDIANTE FÓRMULAS Para determinar el tamaño de muestra mediante fórmulas es necesario entender los siguientes términos y sus definiciones:
Más detallesDISTRIBUCION NORMAL ESTANDAR
Probabilidad Cap 6 DISTRIBUCION NORMAL ESTANDAR Copyright 2010, 2007, 2004 Pearson Education, Inc. All Rights Reserved. 4.1-1 La distribución normal estándar 2 Variable aleatoria normal estandarizada Podemos
Más detallesMUESTREO APUNTE. Índice: MUESTREO. Media Varianza Desvío Ejemplo CURVA DE GAUSS ( TEÓRICO) Interpretación de los resultados TAMAÑO DE MUESTRA
APUNTE MUESTREO Índice: MUESTREO Media Varianza Desvío Ejemplo CURVA DE GAUSS ( TEÓRICO) Interpretación de los resultados TAMAÑO DE MUESTRA Método de Cálculo Ejemplo Ing. Rogelio Hernán Bello Página 1
Más detallesVALIDEZ RELATIVA DEL VALOR NUMÉRICO DEL FACTOR DE SEGURIDAD DE UN TALUD
VALIDEZ RELATIVA DEL VALOR NUMÉRICO DEL FACTOR DE SEGURIDAD DE UN TALUD Gianfranco Perri Ingeniero Consultor, Profesor de Diseño Geotécnico de Taludes en la Universidad Central de Venezuela Resumen Se
Más detallesEvaluación económica de proyectos de inversión utilizando simulación
Jiménez Boulanger, Francisco. Evaluación económica de proyectos de inversión utilizando simulación Tecnología en Marcha. Vol. 19-1. Evaluación económica de proyectos de inversión utilizando simulación
Más detallesDesempeño de Medidas de Riesgo sobre Distribuciones de Valores Extremos
Desempeño de Medidas de Riesgo sobre Distribuciones de Valores Extremos Resumen Ejecutivo Antecedentes El riesgo es un concepto ampliamente estudiado, con diversas definiciones que dependen del contexto
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 detallesRevisión Fecha Revisor Aprobador Descripción de los cambios M.L. J.R. Primera emisión del documento
6. GESTIÓN DEL TIEMPO Revisión Fecha Revisor Aprobador Descripción de los cambios 1 0 04 013 M.L. J.R. Primera emisión del documento 4 04 013 D.R. J.R. Revisión del documento 3 Entrega final del documento
Más detallesConsideración del Margen de Desvanecimiento con ICS Telecom en Planeación de Redes de Microceldas (NLOS)
Consideración del Margen de Desvanecimiento con ICS Telecom en Planeación de Redes de Microceldas (NLOS) Agosto 2008 SEAN YUN Traducido por ANDREA MARÍN Modelando RF con Precisión 0 0 ICS Telecom ofrece
Más detallesEstadística I Tema 7: Estimación por intervalos
Estadística I Tema 7: Estimación por intervalos Tema 7: Estimación por intervalos Ideas a transmitir Definición e interpretación frecuentista. Intervalos de confianza para medias y varianzas en poblaciones
Más detallesCharlas para la gestión del Mantenimiento Fernando Espinosa Fuentes
Charlas para la gestión del Mantenimiento Fernando Espinosa Fuentes En las últimas dos décadas se han realizado importantes avances en el desarrollo de nuevas estrategias de mantenimiento. El progreso
Más detallesCAPÍTULO 4 RECOPILACIÓN DE DATOS Y CÁLCULO DEL VPN. En el presente capítulo se presenta lo que es la recopilación de los datos que se tomarán
CAPÍTULO 4 RECOPILACIÓN DE DATOS Y CÁLCULO DEL VPN En el presente capítulo se presenta lo que es la recopilación de los datos que se tomarán para realizar un análisis, la obtención del rendimiento esperado
Más detalles3 PROBABILIDAD Y DISTRIBUCION NORMAL
3 PROBABILIDAD Y DISTRIBUCION NORMAL La probabilidad puede ser considerada como una teoría referente a los resultados posibles de los experimentos. Estos experimentos deben ser repetitivos; es decir poder
Más detallesANALISIS DE FRECUENCIA EN HIDROLOGIA JULIAN DAVID ROJO HERNANDEZ
ANALISIS DE FRECUENCIA EN HIDROLOGIA JULIAN DAVID ROJO HERNANDEZ Probabilidad - Período de retorno y riesgo La probabilidad de ocurrencia de un fenómeno en hidrología puede citarse de varias Formas: El
Más detallesFONDO MUTUO SURA RENTA LOCAL UF SERIE A Folleto Informativo al cierre de septiembre 2016
FONDO MUTUO SURA RENTA LOCAL UF SERIE A Administradora RUN Patrimonio Serie Monto Mínimo Clasificación de Riesgo 9084 CLP $8.855.526.229 $5.000 Rentabilidad en Pesos desde 23/10/2014 a 7,2% 1 Mes 0,49%
Más detallesObjetivo: Comprender la diferencia entre valor esperado, varianza y desviación estándar. Poner en práctica el teorema de Chebyshev
PROBABILIDAD Y ESTADÍSTICA Sesión MODELOS ANALÍTICOS DE FENÓMENOS ALEATORIOS CONTINUOS. Definición de variable aleatoria continua. Función de densidad y acumulatíva. Valor esperado, varianza y desviación
Más 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 detalles4. NÚMEROS PSEUDOALEATORIOS.
4. NÚMEROS PSEUDOALEATORIOS. En los experimentos de simulación es necesario generar valores para las variables aleatorias representadas estas por medio de distribuciones de probabilidad. Para poder generar
Más detallesLa desviación típica y otras medidas de dispersión
La desviación típica y otras medidas de dispersión DISPERSIÓN O VARIACIÓN La dispersión o variación de los datos intenta dar una idea de cuan esparcidos se encuentran éstos. Hay varias medidas de tal dispersión,
Más detallesTeorema de Bayes(6) Nos interesan las probabilidades a posteriori o probabilidades originales de las partes p i :
Teorema de Bayes(5) 75 Gráficamente, tenemos un suceso A en un espacio muestral particionado. Conocemos las probabilidades a priori o probabilidades de las partes sabiendo que ocurrió A: Teorema de Bayes(6)
Más detallesPronósticos Automáticos
Pronósticos Automáticos Resumen El procedimiento de Pronósticos Automáticos esta diseñado para pronosticar valores futuros en datos de una serie de tiempo. Una serie de tiempo consiste en un conjunto de
Más detalles