FIABILIDAD (VI): TESTS DE VIDA ACELERADA
|
|
- Ignacio Suárez Montes
- hace 6 años
- Vistas:
Transcripción
1 FIABILIDAD (VI): TESTS DE VIDA ACELERADA Autores: Ángel A. Juan Pérez Rafael García Martín RELACIÓN CON OTROS MATH-BLOCS Este math-block forma parte de una serie de 8 documentos relacionados todos ellos con la Fiabilidad de componentes desde un punto de vista estadístico: Conceptos Básicos (I). Identificación y descripción gráfica de los datos (II). Análisis paramétrico de los tiempos de fallo (III). Análisis no paramétrico de los tiempos de fallo (IV). Comparación no paramétrica de muestras (V). Tests de vida acelerada (VI). Modelos de regresión para observaciones censuradas (VII). Análisis Probit (Éxito / fracaso) (VIII). ESQUEMA DE CONTENIDOS Modelos de vida acelerada Fiabilidad (VI): Tests de vida acelerada Ejemplo test de vida acelerada (Minitab) Proyecto e-math 1
2 INTRODUCCIÓN En ocasiones, realizar un experimento para determinar los tiempos de fallo de un determinado dispositivo puede resultar excesivamente largo y costoso. En tales casos, es recomendable recurrir a un test de vida acelerada, i.e.: un experimento en el que los dispositivos sean sometidos a condiciones más extremas de lo normal, con lo que se conseguirá acelerar el proceso de desgaste y, en consecuencia, se reducirá el tiempo de duración del estudio. Los resultados así obtenidos sobre tiempos de fallos se podrán extrapolar al caso en que los dispositivos se encuentren funcionando en condiciones normales. Normalmente, lo que se hace es incrementar alguna de las llamadas variables aceleradoras (temperatura a la cual trabaja el dispositivo, voltaje, presión, vibración, número de horas al día de uso, etc.), para ver cómo afecta este incremento a los tiempos de fallo de una determinada proporción de dispositivos. Supóngase, p.e., que se desea conocer qué influencia tiene el valor de la variable aceleradora Z sobre el instante en que habrán fallado el 20% de los dispositivos, i.e., sobre el percentil de orden 20 de T ó T 20. El objetivo será pues encontrar una relación matemática entre las variables Z y T 20, i.e.: se buscará un modelo de regresión simple que permita explicar los valores de T 20 a partir de los valores de Z. Para llevar a cabo de forma efectiva estos tests de vida acelerada, será conveniente recurrir a software especializado. En este capítulo se hará uso del programa MINITAB a fin de ejemplificar con casos prácticos los conceptos involucrados en este tipo de estudios. MODELOS DE VIDA ACELERADA Por defecto, MINITAB usará un modelo de regresión lineal simple a la hora de explicar la relación existente entre la variable independiente Z y la variable dependiente Tp (percentil de orden p de T). Sin embargo, es posible construir modelos no lineales sin más que transformar la variable aceleradora. Así, por ejemplo, cuando Z representa la temperatura en grados centígrados a la cual trabajan los dispositivos, es frecuente considerar transformaciones de Z como las siguientes: 11604,83 1 X = Arr( Z) = ; X = Inv( Z) = ; X = Ln Z ; X = Log10Z Z + 273,16 Z + 273,16 Además, según la distribución que sigan los tiempos de fallo T (exponencial, Weibull, etc.), puede resultar conveniente (ver tabla) realizar alguna de las siguientes transformaciones del percentil Tp: Yp = Tp Yp = Ln Tp Yp = Log10 Tp De forma general, el percentil de orden p de la variable dependiente Y será: Yp = a + b X + σ εp donde: a y b son el término independiente y el coeficiente de regresión σ = parámetro de escala (escala = 1 / forma) ε p = percentil de orden p de la distribución de los residuos (ε), la cual vendrá determinada por la distribución de T (ver tabla). Proyecto e-math 2
3 En la tabla siguiente se relaciona la distribución de los tiempos de fallo T con: 1) Las transformaciones idóneas para Tp, y 2) Las distribuciones que siguen los residuos ε Tests de vida acelerada Y p Distrib. de tiempos de fallo (T) Distrib. de ε Weibull valores extremos (0,1) exponencial Ln T p log-normal base e normal (0,1) log-logística logística (0,1) Log 10 T p log-normal base 10 normal normal (0,1) T p valores extremos valores extremos (0,1) logística logística (0,1) EJEMPLO DE TEST VIDA ACELERADA Supóngase que se desea investigar el proceso de deterioro que sufre la capa aislante de los motores eléctricos. Dichos motores soportan habitualmente temperaturas de entre 80 y 100º C. Con el fin de minimizar los costes del estudio (tanto de tiempo como de dinero), se llevará a cabo un test de vida acelerada. En primer lugar, para acelerar el proceso de desgaste, se registrarán los tiempos de deterioro de la capa a temperaturas extremas de 110, 130, 150, y 170º C. Con estos datos, guardados en el archivo Aislante.mtw, será posible estimar los tiempos de fallo para las temperaturas habituales de 80 a 100º C: Variable aceleradora Temp = 110, 130, 150, Temp min y max habituales Instante de fallo F = fallo ; C = censura Entrada de datos (input): En este caso, se usará una transformación de Arrhenius para la variable aceleradora, i.e., se tomará X = Arr(Z), siendo Z la variable aceleradora que representa la temperatura (Temp en este ejemplo). En base a un estudio anterior, se sabe también que los tiempos de fallo son ajustables mediante una distribución Weibull: Proyecto e-math 3
4 Será necesario especificar la columna que contiene el indicador de censura (F = fallo, C = censura). Es posible solicitar también, además de los gráficos por defecto, un gráfico de probabilidad para los residuos. Con dicho gráfico se podrá comprobar visualmente si la distribución elegida para los tiempos de fallo (la Weibull en este caso) es correcta: Finalmente, también se pedirá a MINITAB que, a partir del modelo obtenido, realice las predicciones sobre los tiempos de fallo del percentil 50 a las temperaturas de 80 y 100º C (incluidas en la columna Diseño). Es decir, se obtendrán estimaciones del tiempo que tardarían en deteriorarse el 50% de las capas aislantes para una temperatura de 80º C y para una temperatura de 100º C: Proyecto e-math 4
5 Salida de datos (output): Los resultados se muestran a continuación: Regression with Life Data: T versus Temp Response Variable: T Censoring Information Count Uncensored value 66 Right censored value 14 Censoring value: Censura = C Estimation Method: Maximum Likelihood Distribution: Weibull Transformation on accelerating variable: Arrhenius Información sobre la distribución elegida para T, y sobre la transformación de la variable aceleradora Valores estimados de a, b, y 1/σ (shape=1/scale), así como los p- valores asociados al test con H0: el coeficiente es 0 (i.e., no tiene razón de existir en el modelo) Regression Table Standard 95,0% Normal CI Predictor Coef Error Z P Lower Upper Intercept -15,1874 0, ,40 0,000-17, ,2546 Temp 0, , ,71 0,000 0, ,89940 Shape 2,8246 0,2570 2,3633 3,3760 Log-Likelihood = -564,693 ProbPlot for T Atención!: dependiendo de la distribución elegida, el output nos dará uno de los dos parámetros (Scale o Shape) Anderson-Darling (adjusted) Goodness-of-Fit At each accelerating level Level Fitted Model , , , ,435 Standardized Residuals = 0,7553 Predicciones (basadas en el modelo creado) para los tiempos de fallo del 50% de dispositivos bajo las temperaturas indicadas. Table of Percentiles Standard 95,0% Normal CI Percent Temp Percentile Error Lower Upper 50 80, , , , , , , , , ,94 Proyecto e-math 5
6 La tabla de regresión proporciona los coeficientes del modelo. Para una distribución de Weibull (como la que se ha elegido), nuestro modelo sería: Ln T p = 15, ,83072 Arr 1 2,8246 ( Temp) + εp donde ε sigue una distribución de valores extremos (0,1). La tabla de percentiles muestra los percentiles de orden 50 para las temperaturas solicitadas de 80 y 100º C. El percentil 50 es un buen estimador para el tiempo de duración esperada de una capa de aislamiento sometida a una determinada temperatura. A 80º C, la protección funcionaría alrededor de ,5 horas (o 18,20 años); a 100º C, la misma protección no superaría las ,57 horas (4,21 años). A partir del gráfico siguiente es posible obtener información sobre la distribución de tiempos de fallo para cada temperatura. En este caso, es posible estimar los percentiles de orden 10, 50, y 90. Finalmente, con en el gráfico de probabilidad de los residuos es posible comprobar si la distribución elegida se ajusta de forma correcta a las observaciones. En general, cuanto más cerca estén los puntos de la recta central, tanto mejor Relation Plot (Fitted Arrhenius) for T será la aproximación: Weibull Distribution - ML Estimates - 95,0% CI Censoring Column in Censura ,0% 50,0% 90,0% Time to Failure Probability Plot for SResids of T Extreme value Distribution - ML Estimates - 95,0% CI Censoring Column in Censura Temp , Failure Censor AD* , Percent , Standardized Residuals 0 Proyecto e-math 6
7 ENLACES [W1] En la dirección de weibull.com puede encontrarse un enlace a un libro electrónico dedicado por completo a los test de vida acelerada El contenido de este libro es el siguiente Proyecto e-math 7
FIABILIDAD (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 detallesAJUSTE DE DATOS POR UNA DISTRIBUCIÓN TEÓRICA CON MINITAB
AJUSTE DE DATOS POR UNA DISTRIBUCIÓN TEÓRICA CON MINITAB Autor: Ángel A. Juan (ajuanp@uoc.edu). ESQUEMA DE CONTENIDOS Ajuste mediante una distribución continua conocida (Minitab) Introducción a los tests
Más detallesFiabilidad. Estadística Industrial
Fiabilidad Estadística Industrial Qué es la fiabilidad? Permanencia de la calidad de los productos (o servicios) a lo largo del tiempo. Capacidad de desarrollar adecuadamente su labor a lo largo del tiempo.
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 detallesACTIVIDAD 2: La distribución Normal
Actividad 2: La distribución Normal ACTIVIDAD 2: La distribución Normal CASO 2-1: CLASE DE BIOLOGÍA El Dr. Saigí es profesor de Biología en una prestigiosa universidad. Está preparando una clase en la
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 detallesAnálisis de Regresión y Correlación con MINITAB
Análisis de Regresión y Correlación con MINITAB Primeras definiciones y conceptos de la regresión El análisis de la regresión es una técnica estadística que se utiliza para estudiar la relación entre variables
Más detallesTercera práctica de REGRESIÓN.
Tercera práctica de REGRESIÓN. DATOS: fichero practica regresión 3.sf3 1. Objetivo: El objetivo de esta práctica es aplicar el modelo de regresión con más de una variable explicativa. Es decir regresión
Más detallesDepartamento de Medicina Preventiva y Salud Publica e Historia de la Ciencia. Universidad Complutense de Madrid. SPSS para windows.
TEMA 13 REGRESIÓN LOGÍSTICA Es un tipo de análisis de regresión en el que la variable dependiente no es continua, sino dicotómica, mientras que las variables independientes pueden ser cuantitativas o cualitativas.
Más detallesCarrera: Integrantes de la Academia de Ingeniería Industrial: M.C. Ramón García González. Integrantes de la
1.- DATOS DE LA ASIGNATURA Nombre de la asignatura: Carrera: Ingeniería de calidad Licenciatura en Ingeniería Industrial Clave de la asignatura: Horas teoría horas práctica - créditos 4-0 - 8 2.- HISTORIA
Más detalles(a) Calculate a point estimate of the mean pull-off force of all connectors in the population. State which estimator you used and why.
PROBLEMAS DE CLASE Problema 7.22 Data on pull-off force (pounds) for connectors used in an automobile engine application are as follows: 79.3, 75.1, 78.2, 74.1, 73.9, 75.0, 77.6, 77.3, 73.8, 74.6, 75.5,
Más detallesUN PROBLEMA DE OPTIMIZACIÓN CON CABRI: LA REGRESIÓN LINEAL.
UN PROBLEMA DE OPTIMIZACIÓN CON CABRI: LA REGRESIÓN LINEAL. Benjamín R. Sarmiento Lugo. Universidad Pedagógica Nacional bsarmiento@pedagogica.edu.co Esta conferencia está basada en uno de los temas desarrollados
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 detallesTécnicas Cuantitativas para el Management y los Negocios
Segundo cuatrimestre - 4 Técnicas Cuantitativas para el Management y los Negocios Mag. María del Carmen Romero 4 romero@econ.unicen.edu.ar Módulo III: APLICACIONES Contenidos Módulo III Unidad 9. Análisis
Más detallesTema 2. Regresión Lineal
Tema 2. Regresión Lineal 3.2.1. Definición Mientras que en el apartado anterior se desarrolló una forma de medir la relación existente entre dos variables; en éste, se trata de esta técnica que permite
Más detalles4. Regresión Lineal Simple
1 4. Regresión Lineal Simple Introducción Una vez conociendo las medidas que se utilizan para expresar la fuerza y la dirección de la relación lineal entre dos variables, se tienen elementos base para
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 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 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 detallesUniversidade de Vigo. Linealidad. El comportamiento esperado de la variable dependiente
Linealidad El comportamiento esperado de la variable dependiente El concepto de linealidad Indica que el valor esperado de la variable dependiente depende linealmente de las variables independientes El
Más detallesAnálisis de Componentes de la Varianza
Análisis de Componentes de la Varianza Resumen El procedimiento de Análisis de Componentes de Varianza está diseñado para estimar la contribución de múltiples factores a la variabilidad de una variable
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 detallesLa distribución de Probabilidad normal, dada por la ecuación:
La distribución de Probabilidad normal, dada por la ecuación: Donde: x = X -, la distancia entre X y en el eje de las X. = la media de la población o universo ( de las X ) fx= La altura de la ordenada
Más detallesPrácticas de Fiabilidad
Prácticas de Fiabilidad Práctica 1: Objetivo: En esta práctica se van a analizar una serie de muestras de duración de procesos para ver si corresponden a procesos con Tasa de Fallos (Hazard Rate) creciente,
Más detallesANOVA (Análisis de varianza)
ANOVA (Análisis de varianza) Las pruebas de hipótesis son una herramienta útil cuando se trata de comparar dos tratamientos La experimentación usualmente requiere comparación de más de dos tratamientos
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 detallesMaría Paula Coluccio y Patricia Picardo Laboratorio I de Física para Biólogos y Geólogos Depto. de Física, FCEyN, UBA 1999
María Paula Coluccio y Patricia Picardo Laboratorio I de Física para Biólogos y Geólogos Depto. de Física, FCEyN, UBA 1999 En el presente trabajo nos proponemos estimar el valor de la aceleración de la
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 detallesEstadísticas Elemental Tema 3: Describir la relación entre dos variables: Correlación y regresión 3.1-1
Estadísticas Elemental Tema 3: Describir la relación entre dos variables: Correlación y regresión 3.1-1 Relación entre dos variables Al estudiar conjuntos de variables con más de una variable, una pregunta
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 detallesTema 4: Probabilidad y Teoría de Muestras
Tema 4: Probabilidad y Teoría de Muestras Estadística. 4 o Curso. Licenciatura en Ciencias Ambientales Licenciatura en Ciencias Ambientales (4 o Curso) Tema 4: Probabilidad y Teoría de Muestras Curso 2008-2009
Más 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 detallesTAMAÑO DE MUESTRA EN LA ESTIMACIÓN DE LA MEDIA DE UNA POBLACIÓN
TAMAÑO DE MUESTRA EN LA ESTIMACIÓN DE LA MEDIA DE UNA POBLACIÓN En este artículo, se trata de explicar una metodología estadística sencilla y sobre todo práctica, para la estimación del tamaño de muestra
Más detallesACTIVIDAD 5: Correlación y Regresión Lineal
Actividad 5: Correlación y Regresión Lineal ACTIVIDAD 5: Correlación y Regresión Lineal CASO 5-1: RELACIONES ENTRE VARIABLES A continuación se muestran cuatro variables y seis valores (observaciones) asociados
Más detallesSe permite un folio escrito por las dos caras. Cada problema se realiza en hojas diferentes y se entregan por separado.
NORMAS El examen consta de dos partes: 0.0.1. Diez Cuestiones: ( tiempo: 60 minutos) No se permite ningún tipo de material (libros, apuntes, calculadoras,...). No se permite abandonar el aula una vez repartido
Más detallesPrácticas de Fiabilidad
Prácticas de Fiabilidad Práctica : Objetivo: El objetivo de esta práctica es conocer y aprender a manejar las herramientas que nos van a permitir decidir si nuestros datos de supervivencia se comportan
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 detallesRegresión Lineal. Dra. Noemí L. Ruiz Limardo 2008 Derechos Reservados, Rev 2010
Regresión Lineal Dra. Noemí L. Ruiz Limardo 008 Derechos Reservados, Rev 010 Objetivos de la Lección Conocer el significado de la regresión lineal Determinar la línea de regresión cuando ha correlación
Más detallesMANUAL DE LABORATORIO DE FÍSICA GENERAL 9ª Edición EXPERIENCIA N 02
GRÁFICAS EXPERIENCIA N René Descartes "Consideraría que no sé nada de Física si tan sólo fuese capaz de epresar cómo deben ser las cosas, pero fuese incapaz de demostrar que no pueden ser de otra manera
Más detallesEJERCICIOS DE SELECTIVIDAD
EJERCICIOS DE SELECTIVIDAD INFERENCIA 1998 JUNIO OPCIÓN A Un fabricante de electrodomésticos sabe que la vida media de éstos sigue una distribución normal con media μ = 100 meses y desviación típica σ
Más detallesRegresión y Correlación
Relación de problemas 4 Regresión y Correlación 1. El departamento comercial de una empresa se plantea si resultan rentables los gastos en publicidad de un producto. Los datos de los que dispone son: Beneficios
Más detallesINTERPRETACIÓN DE LA REGRESIÓN. Interpretación de la regresión
INTERPRETACIÓN DE LA REGRESIÓN Este gráfico muestra el salario por hora de 570 individuos. 1 Interpretación de la regresión. regresión Salario-Estudios Source SS df MS Number of obs = 570 ---------+------------------------------
Más detallesREGRESIÓN LOGÍSTICA BINARIA
REGRESIÓN LOGÍSTICA BINARIA Regresión Logística Autores: Ángel Alejandro Juan Pérez (ajuanp@uoc.edu), Renatas Kizys (rizys@uoc.edu), Luis María Manzanedo Del Hoyo (lmanzanedo@uoc.edu). ESQUEMA DE CONTENIDOS
Más detallesEstadística Industrial. Universidad Carlos III de Madrid Series temporales Práctica 5
Estadística Industrial Universidad Carlos III de Madrid Series temporales Práctica 5 Objetivo: Análisis descriptivo, estudio de funciones de autocorrelación simple y parcial de series temporales estacionales.
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 detallesEjemplos del Suplemento 1 resueltos con Minitab
O1 Ocho pasos para el desarrollo de una investigación Ejemplos del Suplemento 1 resueltos con Minitab O2 Tabla de Contenido Prueba de Normalidad... 3 Regresión Lineal... 7 Prueba t... 10 Prueba Z... 13
Más detallesTema 6. Variables aleatorias continuas
Tema 6. Variables aleatorias continuas Resumen del tema 6.1. Definición de variable aleatoria continua Identificación de una variable aleatoria continua X: es preciso conocer su función de densidad, f(x),
Más detallesEl ejemplo: Una encuesta de opinión
El ejemplo: Una encuesta de opinión Objetivos Lo más importante a la hora de planificar una encuesta es fijar los objetivos que queremos lograr. Se tiene un cuestionario ya diseñado y se desean analizar
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 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 detallesREGRESIÓN LINEAL SIMPLE, COEFICIENTE DE DETERMINACIÓN Y CORRELACIONES (EJERCICIOS RESUELTOS)
1 REGRESIÓN LINEAL SIMPLE, COEFICIENTE DE DETERMINACIÓN Y CORRELACIONES (EJERCICIOS RESUELTOS) 1. EN LA REGIÓN DE DRAKUL DE LA REPÚBLICA DE NECROLANDIA, LAS AUTORIDADES ECONÓMICAS HAN REALIZADO UNA REVISIÓN
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 detallesDiscretas. Continuas
UNIDAD 0. DISTRIBUCIÓN TEÓRICA DE PROBABILIDAD Discretas Binomial Distribución Teórica de Probabilidad Poisson Normal Continuas Normal Estándar 0.1. Una distribución de probabilidad es un despliegue de
Más detallesFINAL DE PROBABILIDAD Y ESTADÍSTICA 27 de MAY Nombre y apellido: Nota
FINAL DE PROBABILIDAD Y ESTADÍSTICA 27 de MAY0 2015 Nombre y apellido: Legajo: 1 2 3 4 5 Nota / / / / / 1.- El gobierno de la ciudad ha construido senderos especiales para bicicletas en un barrio de la
Más detallesEL PRINCIPIO DE MÁXIMA VEROSIMILITUD (LIKELIHOOD)
EL PRINCIPIO DE MÁXIMA VEROSIMILITUD (LIKELIHOOD) Fortino Vela Peón fvela@correo.xoc.uam.mx FVela-0 Objetivo Introducir las ideas básicas del principio de máxima verosimilitud. Problema Considere el experimento
Más 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 detallesJUEGO DE BASKETBALL. Repaso de Distribuciones de Probabilidad Discretas y Continuas
JUEGO DE BASKETBALL Repaso de Distribuciones de Probabilidad Discretas y Continuas PREGUNTA #1 Qué es una variable aleatoria uniforme discreta? Cómo es su distribución? Qué es una variable aleatoria uniforme
Más detallesEstadís5ca. María Dolores Frías Domínguez Jesús Fernández Fernández Carmen María Sordo. Tema 2. Modelos de regresión
Estadís5ca Tema 2. Modelos de regresión María Dolores Frías Domínguez Jesús Fernández Fernández Carmen María Sordo Departamento de Matemá.ca Aplicada y Ciencias de la Computación Este tema se publica bajo
Más detalles1. Caso no lineal: ajuste de una función potencial
1. Caso no lineal: ajuste de una función potencial La presión (P) y el volumen (V ) en un tipo de gas están ligados por una ecuación del tipo PV b = a, siendo a y b dos parámetros desconocidos. A partir
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 detallesProgramación lineal. Estimar M. Ejemplos.
Departamento de Matemáticas. ITAM. 2010. Los problemas P y P minimizar x c T x sujeta a Ax = b, x 0, b 0 minimizar c T x + M(y 1 + y 2 + + y m ) x sujeta a Ax + y = b, x 0, y 0. Cómo estimar M? Resultado
Más detallesCálculo del tamaño muestral para la determinación de factores pronósticos
Investigación: Cálculo del tamaño muestral para la determinación de factores pronósticos /5 Cálculo del tamaño muestral para la determinación de factores pronósticos Pértegas Día S. Pita Fernánde S. Unidad
Más detallesAnálisis de estudios de cohortes en Ciencias de la P005/10. Salud (modelos regresión de Poisson y de Cox)
Análisis de estudios de cohortes en Ciencias de la P005/10 Salud (modelos regresión de Poisson y de Cox) Fecha de aprobación de programa: Marzo 2012 Fechas curso: 4 y 5 de Junio de 2012 Horario: Mañana
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 detalles13. Utilizar la fórmula del término general y de la suma de n términos consecutivos
Contenidos mínimos 3º ESO. 1. Contenidos. Bloque I: Aritmética y álgebra. 1. Utilizar las reglas de jerarquía de paréntesis y operaciones, para efectuar cálculos con números racionales, expresados en forma
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 detallesSERIES TEMPORALES. Autores: Manuel Terrádez (mterradez@uoc.edu), Ángel A. Juan (ajuanp@uoc.edu) Series Temporales. Análisis de la tendencia
SERIES TEMPORALES Autores: Manuel Terrádez (mterradez@uoc.edu), Ángel A. Juan (ajuanp@uoc.edu) ESQUEMA DE CONTENIDOS Medias móviles Series Temporales Análisis de la serie Análisis de la tendencia Método
Más detallesEstimación del Probit Ordinal y del Logit Multinomial
Estimación del Probit Ordinal y del Logit Multinomial Microeconomía Cuantitativa R. Mora Departmento de Economía Universidad Carlos III de Madrid Esquema Introducción 1 Introducción 2 3 Introducción El
Más detallesProbabilidad y Estadística Descripción de Datos
Descripción de Datos Arturo Vega González a.vega@ugto.mx Division de Ciencias e Ingenierías Universidad de Guanajuato Campus León Universidad de Guanajuato, DCI, Campus León 1 / 28 Contenido 1 Probabilidad
Más detallesTeoría de muestras 2º curso de Bachillerato Ciencias Sociales
TEORÍA DE MUESTRAS Índice: 1. Introducción----------------------------------------------------------------------------------------- 2 2. Muestras y población-------------------------------------------------------------------------------
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 detallesEstadística aplicada a la comunicación
Estadística aplicada a la comunicación Tema 5: Análisis de datos cuantitativos I: estadística descriptiva b. Análisis bivariante OpenCourseWare UPV/EHU Unai Martín Roncero Departamento de Sociología 2
Más detallesANEXO 1. CALIBRADO DE LOS SENSORES.
ANEXO 1. CALIBRADO DE LOS SENSORES. Las resistencias dependientes de la luz (LDR) varían su resistencia en función de la luz que reciben. Un incremento de la luz que reciben produce una disminución de
Más detallesObjetivos del análisis de supervivencia
Regresión de Cox Javier Zamora Unidad de Bioestadística Clínica. IRYCIS 1 Objetivos del análisis de supervivencia Estimar e interpretar las curvas de supervivencia i y/o riesgo. Comparar curvas de supervivencia,
Más detallesANEXO 8 Pronóstico de ventas. Para realizar los pronósticos de venta del nuevo punto de venta, se utilizó lo que se
ANEXO 8 Pronóstico de ventas Para realizar los pronósticos de venta del nuevo punto de venta, se utilizó lo que se denomina Análisis de Series de Tiempo, el cual comprende una variable independiente (X)
Más detallesModelos de probabilidad. Modelos de probabilidad. Modelos de probabilidad. Proceso de Bernoulli. Objetivos del tema:
Modelos de probabilidad Modelos de probabilidad Distribución de Bernoulli Distribución Binomial Distribución de Poisson Distribución Exponencial Objetivos del tema: Al final del tema el alumno será capaz
Más detallesPráctica de AJUSTE DE DISTRIBUCIONES II (ajuste de datos)
Práctica de AJUSTE DE DISTRIBUCIONES II (ajuste de datos) 1 1. Objetivos de la práctica En esta práctica vamos a ajustar modelos de distribución a datos reales. Un vez que hayamos hecho esto, podremos
Más detallesSOLUCIÓN DEL EXAMEN PARCIAL DE ECONOMETRIA I
UNIVERSIDAD NACIONAL DE PIURA FACULTAD DE ECONOMIA SOLUCIÓN DEL EXAMEN PARCIAL DE ECONOMETRIA I 1º El investigador especifica los modelos siguientes: MODELO 1: IMP(t) = a + b IMP(t-1) + c IPM(t) + u(t)
Más detallesLa relación entre x y y es lineal, y el participante debe analizar esta tendencia lineal, según lo muestran los datos que recopilará.
Introducción: Pasar al experimento que permitirá la recolección de datos, para x: determinado número de liguillas, se mide la distancia que la figura recorrió (en cm.) Para cada valor de x, deben repetir
Más detalles1. Cómo introducir datos en SPSS/PC? - Recordatorio
1 Taller de Estadística Curso 2oo5/2oo6 Descripción de datos bivariantes El objetivo de esta práctica es familiarizarse con las técnicas de descripción de datos bidimensionales y con algunas de las opciones
Más detallesViernes 7 de octubre de 2005 Mate 3026 Estadística con Programación Prof. José N. Díaz Caraballo
Viernes 7 de octubre de 2005 Mate 3026 Estadística con Programación Prof. José N. Díaz Caraballo Favor de abrir el navegador Mozilla Firefox y escriba la siguiente dirección http://math.uprag.edu/area.mtw
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 detallesPRÁCTICA NÚMERO 5 LEY DE OHM
PRÁCTICA NÚMERO 5 LEY DE OHM I. Objetivos. 1. Investigar si los siguientes elementos eléctricos son óhmicos o no: - Una resistencia comercial. - Un diodo rectificador. II. Material. 1. Dos multímetros.
Más detallesModelos Exponenciales y Logarítmicos
Contenido Modelos Exponenciales y Logarítmicos Carlos A. Rivera-Morales Precálculo 2 Tabla de Contenido Contenido : Contenido Discutiremos: cinco tipos de modelos matemáticos basados en funciones exponenciales
Más detallesAnálisis de Regresión
Análisis de Regresión Diplomado en Lean Six Sigma Objetivo 1.Identificar problemas que incluyan una Y continua y una X continua 2. Entender la diferencia entre regresión lineal y no lineal 3. Ajustar modelos
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 detallesTema Contenido Contenidos Mínimos
1 Estadística unidimensional - Variable estadística. - Tipos de variables estadísticas: cualitativas, cuantitativas discretas y cuantitativas continuas. - Variable cualitativa. Distribución de frecuencias.
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 detallesTécnicas de Investigación Social
Licenciatura en Sociología Curso 2006/07 Técnicas de Investigación Social Medir la realidad social (4) La regresión (relación entre variables) El término REGRESIÓN fue introducido por GALTON en su libro
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 detallesCointegración El caso bivariado
Cointegración El caso bivariado Definición: La serie Y t es integrada de orden d (denotada I(d)) si al menos debe ser diferenciada d veces para que sea estacionaria. Ejemplos: 1. El proceso random walk
Más detallesSOLUCIÓN REPASO EXAMEN
SOLUCIÓN REPASO EXAMEN 1. El gráfico muestra la distribución de las cargas máximas (toneladas) que soportan ciertos cables producidos por una empresa: 35 30 30 25 n de clables 20 15 15 20 18 11 5 6 0 9,2-9,8
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 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 detallesProceso de análisis de regresión múltiple
Proceso de análisis de regresión múltiple Recolección de datos Chequeo de la calidad de los datos Diagnóstico de relaciones o interacciones fuertes entre las variables Xs Aplicación de medidas remediales
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 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 detallesUNIDAD 12.- Estadística. Tablas y gráficos (tema12 del libro)
UNIDAD 12.- Estadística. Tablas y gráficos (tema12 del libro) 1. ESTADÍSTICA: CLASES Y CONCEPTOS BÁSICOS En sus orígenes históricos, la Estadística estuvo ligada a cuestiones de Estado (recuentos, censos,
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 detalles15. Regresión lineal. Te recomiendo visitar su página de apuntes y vídeos:
15. Regresión lineal Este tema, prácticamente íntegro, está calacado de los excelentes apuntes y transparencias de Bioestadística del profesor F.J. Barón López de la Universidad de Málaga. Te recomiendo
Más detalles