UNIVERSIDAD DE MANAGUA Al más alto nivel SIMULACIÓN DE SISTEMAS Modelos de Simulación Guía práctica #4
|
|
- Víctor Manuel Valdéz Revuelta
- hace 6 años
- Vistas:
Transcripción
1 UNIVERSIDAD DE MANAGUA Al más alto nivel SIMULACIÓN DE SISTEMAS Modelos de Simulación Guía práctica #4 Prof.: MSc. Julio Rito Vargas A. Febrero 2013 Objetivos: Aplicar las técnicas estudiadas para desarrollar un modelo de simulación. Usar herramientas de software (Excel y Promodel - Fit ) para apoyar el desarrollo de un modelo de simulación. Modelo de una línea de espera con un servidor I. Planteamiento del Problema: El tiempo que transcurre entre llegada de ciertas piezas a una inspección sigue una distribución exponencial con media de 5 minutos/pieza. El proceso está a cargo de una operario y la duración de la inspección sigue una distribución normal con media 4.0 y desviación estándar de 0.5 minutos/pieza. Calcular el tiempo promedio de permanencia de las piezas en el proceso de inspección. Para solucionar el problema se debe: Variable de Estado en el Sistema de inspección (7) Entidades Piezas Eventos de llegada (2) Fin de la inspección (5) Evento secundario Inicio de la Inspección (3) Actividades entre llegadas (1) de Inspección (4) Los números entre paréntesis indican la columna que ocupa cada elemento en las tablas 4.1 y 4.2. II. Definir las relaciones lógico-matemáticas entre los elementos; en la tabla 4.1 se describen las siguientes relaciones: a) El tiempo entre llegadas (1); es una variable aleatoria, simulada utilizando el generador RAND() o ALEATORIO() de la hoja de cálculo de Excel y la función generadora de variables exponenciales Ei=-5ln(1-ri). b) El evento tiempo de llegada de la pieza (2); corresponde al valor acumulado de la columna (1). Julio Rito Vargas Avilés Pág.# 2
2 c) Tomando en cuenta que solo existe un operador encargado de la tarea, el inicio de la inspección (3) puede ocurrir cuando la pieza entra al sistema, en caso de que el operario esté ocioso (2) o cuando termina de inspeccionar la pieza anterior (5). d) El tiempo de Inspección (4); es una variable aleatoria Normal con media 4.0 y desviación estándar 0.5, generada mediante la función interna normal acumulada inversa, DISTR.NORM.INV (probabilidad, media, desviación estándar) la probabilidad será el generador ALEATORIO(). e) El fin de la inspección (5); se calcula sumando el tiempo de inspección (4) al tiempo de inicio de la inspección (3). f) La Variable, tiempo en inspección (6); se calcula, finalmente, como la diferencia entre el tiempo de llegada (2) y el fin de la inspección. g) de espera (7) de una pieza antes de ser inspeccionada; es igual a la diferencia entre el tiempo de inicio de inspección (3) y el tiempo de llegada de la pieza (2). h) Esta última columna permite calcular el tiempo promedio de inspección (8) como promedio móvil: cada vez que una pieza es simulada, el tiempo promedio de inspección se recalcula. Tabla 4.1 : Relación entre los eventos y actividades involucradas en proceso del problema planteado. C D E F G H I J K Inicio de la de Fin de la en en 3 Pieza entre Inspección Inspección inspección Inspección Espera (7) llegadas (1) (3) (4) (5) (6) de llegada (2) promedio en Inspección (8) ALEATORIO()) =D4 =E4 ALEATORIO()) =D5+E4 =MAX(E5,H4) ALEATORIO()) =D6+E5 =MAX(E6,H5) ALEATORIO()) =D7+E6 =MAX(E7,H6) ALEATORIO()) =D8+E7 =MAX(E8,H7) 5) =F4+G4 =H4-E4 =F4-E4 5) =F5+G5 =H5-E5 =F5-E5 5) =F6+G6 =H6-E6 =F6-E6 5) =F7+G7 =H7-E7 =F7-E7 5) =F8+G8 =H8-E8 =F8-E8 =PROMEDIO($I$4) =PROMEDIO($I$4:I 5) =PROMEDIO($I$4:I 6) =PROMEDIO($I$4:I 7) =PROMEDIO($I$4:I 8) Julio Rito Vargas Avilés Pág.# 3
3 III. Una vez definidas las relaciones, se simula el proceso, teniendo cuidado de que el tamaño de la réplica o experimento grande para asegurar la estabilidad del resultado final. La réplica cuyos resultados se ilustran en la tabla 4.2 Se realizará con 1500 piezas; la información nos indica que el tiempo promedio de espera es de minutos/pieza. Además de este resultado, la columna 8 permite visualizar la estabilización del sistema mediante una gráfica de líneas. Pieza Tabla 4.2 Simulación del proceso de inspección (en hoja de calculo de Excel) entre llegaadas (1) de llegada (2) Inicio de la Inspección (3) de Inspección (4) Fin de la inspección (5) en Inspección (6) en Espera (7) promedio en Inspección (8) Julio Rito Vargas Avilés Pág.# 4
4 IV. La gráfica de estabilización que se obtuvo a partir de la columna 8 (tiempo promedio en inspección) se muestra en la figura 4.3. Dicha gráfica nos indica que el tamaño de la réplica es lo suficientemente grande para asegurar la convergencia del resultado. Cabe señalar que esta gráfica de estabilización corresponde a una réplica diferente a la tabla de eventos. Gráfico de estabilización promedio en Inspección (8) Este gráfico lo podemos generar desde Excel seleccionando la columna 8 y usando el menú Insertar gráfico recomendado. Al trabajar con procesos donde se involucran variables, actividades y eventos aleatorios, las variables de estado o variables respuestas serán, en consecuencias, aleatorias. La figura 4.4 muestra las gráficas de 5 diferentes réplicas del mismo modelo. Si bien la estabilización está asegurada, el resultado final nunca es el mismo; es evidente que replicar el experimento debe ser una práctica común en cualquier simulación. Julio Rito Vargas Avilés Pág.# 5
5 Gráfico 4.4: Gráficas de Estabilización de 5 réplicas independientes de Inspección (4) Gráfico 4.5: de Inspección Julio Rito Vargas Avilés Pág.# 6
6 V. Al replicar el experimento 50 veces se obtienen los resultados que se muestran en la tabla 4.5. Para comprender el comportamiento de la variable es necesario analizar estadísticamente estos resultados Tabla 4.5 Resultados de las 50 réplicas del experimento ( promedio en Inspección) El análisis estadístico de las réplicas realizado con la herramienta Promodel Stat::Fit permite concluir a través de una prueba de bondad de ajuste, que el tiempo promedio de espera en el proceso de inspección sigue una distribución de Erlang con los siguientes con los siguientes parámetros: Media minutos/pieza Desviación estándar minutos/pieza Valor mínimo en la muestra: 9.69 minutos/pieza Valor máximo en la muestra: minutos/pieza Coeficiente de asimetría: 0 Curtosis: 0 Aplicamos a los datos prueba de Auto::Fit del menú Fit. Con el objetivo de determinar el tipo de distribución de los tiempos promedios de Inspección. Obteniendo que no se puede rechazar que la distribución se comporta como una distribución Lognormal o Exponencial. La consideraremos Lognormal con media=8.96 y desviación estándar =1.04. Julio Rito Vargas Avilés Pág.# 7
7 tabla 4.6: Bondad de ajuste de las distribuciones analizadas. Gráfico 4.7: Distribución Lognormal de las 50 réplicas. VI. Intervalos de Confianza Debido a la naturaleza aleatoria de los resultados de este tipo de modelos, es necesario determinar su distribución de probabilidad y su intervalo de confianza en las diferentes réplicas, por tanto, aquí nos ocuparemos de los intervalos de confianza. Si la variable aleatoria sigue una distribución normal, el intervalo de confianza está dado por: [ ( ) ( )] Julio Rito Vargas Avilés Pág.# 8
8 En caso de que la variable aleatoria sigue otro tipo de distribución, el intervalo de confianza es relativamente más amplio y se calcula como: En ambas ecuaciones: r: Número de réplicas α: Nivel de rechazo [ ] (Media aritmética) [ ] (Desviación estándar) En nuestro caso la distribución es lognormal por lo que usaremos el IC para distribuciones no normales. (datos de la descriptiva) r=50 α=0.05 S=1.768 [ ] [ ] [ ] [ ] Julio Rito Vargas Avilés Pág.# 9
UNIVERSIDAD DE MANAGUA Al más alto nivel
UNIVERSIDAD DE MANAGUA Al más alto nivel SIMULACIÓN DE SISTEMAS Guía práctica #1 Determinar la Distribución de los datos de una Simulación Prof.: MSc. Julio Rito Vargas A. Grupo: Ingeniería Industrial
Más detallesUniversidad de Managua. UdeM
Universidad de Managua. UdeM Simulación de Sistemas Guía #3 Tema: Generar números aleatorios para un modelo de simulación y determinar si los números pseudoaleatorios generados, cumplen con las pruebas
Más detallesGENERACION DE NUMEROS ALEATORIOS Y VARIABLES ALEATORIAS
GENERACION DE NUMEROS ALEATORIOS Y VARIABLES ALEATORIAS La simulación de eventos se basa en la ocurrencia aleatoria de los mismos, por ello los números aleatorios y las variables aleatorias son de especial
Más detallesUNIVERSIDAD DE MANAGUA Al más alto nivel
UNIVERSIDAD DE MANAGUA Al más alto nivel SIMULACIÓN DE SISTEMAS Guía práctica #3 Prof.: MSc. Julio Rito Vargas A. Febrero 2013 Objetivos: Obtener muestras a partir de números aleatorios. Usando muestras
Más detallesUNIVERSIDAD DE MANAGUA Al más alto nivel
UNIVERSIDAD DE MANAGUA Al más alto nivel SIMULACIÓN DE SISTEMAS Guía práctica #3 Generación de muestras de distribuciones de probabilidad de Variables Aleatorias Discretas (VAD) y continuas (VAC) con Stat::Fit
Más detallesUniversidad Nacional Autónoma de Nicaragua UNAN-Managua. Curso de Estadística. Programa de Estadística
Universidad Nacional Autónoma de Nicaragua UNAN-Managua Curso de Estadística Profesor: MSc. Julio Rito Vargas Avilés. Programa de Estadística Estudiantes: FAREM-Carazo Quien tiene un libro y no lo lee,
Más detallesUNIVERSIDAD DE MANAGUA
UNIVERSIDAD DE MANAGUA Al más alto nivel SIMULACIÓN DE SISTEMAS Guía práctica #2 Generación de Números Aleatorios - Variables Aleatorias para un modelo de Simulación y Pruebas estadísticas para verificar
Más detallesObjetivos: Construir un modelo de Simulación de manufactura con inspección de procesos con las herramientas de Promodel.
UNIVERSIDAD DE MANAGUA Al más alto nivel ASIGNATURA: SIMULACIÓN DE SISTEMAS Guía práctica #5 Modelo 4: Simulación de un Sistema de manufactura con Inspección de procesos Prof.: MSc. Julio Rito Vargas A.
Más detallesObjetivos: Construir un modelo de Simulación de manufactura con inspección de procesos con las herramientas de Promodel.
UNIVERSIDAD DE MANAGUA Al más alto nivel ASIGNATURA: SIMULACIÓN DE SISTEMAS Guía práctica #5 Modelo 2: Simulación de un Sistema de manufactura con Inspección de procesos Prof.: MSc. Julio Rito Vargas A.
Más detallesPRUEBA DE BONDAD DE AJUSTE O PRUEBA CHI - CUADRADO
O PRUEBA CHI - CUADRADO Hasta ahora se han mencionado formas de probar lo que se puede llamar hipótesis paramétricas con relación a una variable aleatoria, o sea que se ha supuesto que se conoce la ley
Más detallesUNIVERSIDAD DE MANAGUA Al más alto nivel
UNIVERSIDAD DE MANAGUA Al más alto nivel SIMULACIÓN DE SISTEMAS Problemas para Simular con Promodel Prof.: MSc. Julio Rito Vargas A. Grupo: Ingenierías/2016 I. Un inspector recibe siempre 120 piezas/h.
Más detallesUNIVERSIDAD DE MANAGUA Al más alto nivel
UNIVERSIDAD DE MANAGUA Al más alto nivel SIMULACIÓN DE SISTEMAS Guía práctica #3 Generación de muestras de distribuciones de probabilidad de variables aleatorias discretas y continuas con Stat::Fit Prof.:
Más detallesUNIVERSIDAD DE MANAGUA Al más alto nivel
UNIVERSIDAD DE MANAGUA Al más alto nivel Estadística Inferencial Encuentro #9 Tema: Estimación puntual y por Intervalo de confianza Prof.: MSc. Julio Rito Vargas A. Grupos: CCEE y ADMVA /2016 Objetivos:
Más detallesUniversidad de Managua. UdeM
Universidad Managua. UM Simulación Sistemas Guía #4 (primera parte) Tema: Obtener muestras aleatorias para un molo simulación cuando se conocen las distribuciones tiempos y tiempos s. Docente: MSc. Julio
Más detallesObjetivos: Construir un modelo de Simulación de un Sistema de Servicios Bancarios, con las herramientas de Promodel
UNIVERSIDAD DE MANAGUA Al más alto nivel ASIGNATURA: SIMULACIÓN DE SISTEMAS SIMULACIÓN CON PROMODEL Guía #6: Modelo 5: Simulación de un Sistema de Servicios Bancarios Prof.: MSc. Julio Rito Vargas A. Objetivos:
Más detallesUNIVERSIDAD DE ATACAMA
UNIVERSIDAD DE ATACAMA FACULTAD DE INGENIERÍA / DEPARTAMENTO DE MATEMÁTICA ESTADÍSTICA Y PROBABILIDADES PAUTA DE CORRECCIÓN PRUEBA N 3 Profesor: Hugo S. Salinas. Segundo Semestre 200. Se investiga el diámetro
Más detallesUNIVERSIDAD DE MANAGUA Al más alto nivel ASIGNATURA: SIMULACIÓN DE SISTEMAS SIMULACIÓN CON PROMODEL Guía #7: Modelo 3 de Simulación
UNIVERSIDAD DE MANAGUA Al más alto nivel ASIGNATURA: SIMULACIÓN DE SISTEMAS SIMULACIÓN CON PROMODEL Guía #7: Modelo 3 de Simulación Prof.: MSc. Julio Rito Vargas A. Grupo: SI13B y DI13A Objetivos: Construir
Más detalles2. Plantear hipótesis considerando que: Hipótesis: Siendo una prueba no direccionada, el planteamiento de hipótesis, señalará que:
Análisis de varianza El análisis de la varianza, conocida también como ANVAR o ANOVA, por sus siglas en inglés (ANalysis Of VAriance) es un método que permite comparar dos o más grupos de datos a través
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 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 detallesLENGUAJE DE SIMULACION Y SIMULADORES
LENGUAJE DE SIMULACION Y SIMULADORES En un principio, los programas de simulación se elaboraban utilizando algún lenguaje de propósito general, como ASSEMBLER, FORTRAN, ALGOL o PL/I. A partir de la década
Más detallesDEPARTAMENTO: Matemáticas NOMBRE DEL CURSO: Probabilidad y Estadística CLAVE: 1016M ACADEMIA A LA QUE PERTENECE: Probabilidad y Estadística
PROGRAMA DE CURSO Modelo 2009 DEPARTAMENTO: Matemáticas NOMBRE DEL CURSO: Probabilidad y Estadística CLAVE: 1016M ACADEMIA A LA QUE PERTENECE: Probabilidad y Estadística PROFESIONAL ASOCIADO Y LICENCIATURA
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 detallesObjetivos: Construir un modelo de Simulación usando el Path Networks, LOAD y UNLOAD de Promodel.
UNIVERSIDAD DE MANAGUA Al más alto nivel SIMULACIÓN DE SISTEMAS Guía # 8 Modelo 7: Simulación usando el Path Networks de Promodel EN UN MODELO DE INVENTARIO Prof.: MSc. Julio Rito Vargas A. Ingenierías/2017
Más detallesEstadística I Guión de la Práctica 2 Probabilidad y modelos probabilísticos; Introducción a la inferencia estadística
Estadística I Guión de la Práctica Probabilidad y modelos probabilísticos; Introducción a la inferencia estadística 1. Simulación de las variables aleatorias En Excel podemos simular valores de variables
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 detallesUNIVERSIDAD DE MANAGUA Al más alto nivel
UNIVERSIDAD DE MANAGUA Al más alto nivel SIMULACIÓN DE SISTEMAS Guía práctica #3 Generación de números Aleatorios para modelos de simulación Prof.: MSc. Julio Rito Vargas A. Grupo: INGENIERIA INDUSTRIAL
Más detallesPráctica 4: Variables Aleatorias y Simulación
Práctica 4: Variables Aleatorias y Simulación Objetivos específicos Al finalizar esta práctica deberás ser capaz de: Calcular las funciones de probabilidad y distribución de las variables discretas Bernoulli,
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 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 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 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 detallesAnota aquí tus respuestas para esta sección Distribución Z
Tarea 2. Estadística Inferencial Cada sección vale 25%. Cada inciso tiene el mismo peso. Hacer la tarea en equipo de dos personas y entregar solo una copia por cada equipo. 1. Cálculo lo siguiente. Ten
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 detallesDiagnóstico. Dirección de Cómputo para la Docencia. UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO Dirección General de Servicios de Cómputo Académico
TALLER DE APLICACIONES ESTADÍSTICAS CON EXCEL Diagnóstico Elaborado por Mónica Patricia Ballesteros Chávez 1. Es una expresión en Excel que puede incluir operadores, referencias a celdas, valores, funciones
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 detallesUniversidad de Managua
Universidad de Managua UdeM Simulación de Sistemas Guía #2 Tema: Determinar si el conjunto de números Pseudoaleatorios dados, cumplen las pruebas estadísticas de uniformidad e independencia; para ser considerados
Más detallesANALISIS ESTADISTICO MINISTERIO DE ECONOMIA Y FINANZAS
ANALISIS ESTADISTICO MINISTERIO DE ECONOMIA Y FINANZAS NOV 2015 PLAN DE ESTUDIO 1. ESTADISTICA DESCRIPTIVA 1. MEDIDAS DE TENDENCIA CENTRAL PRIMER MOMENTO 2. OTRAS MEDIDAS DE TENDENCIA CENTRAL 3. MEDIDAS
Más detallesDr. Richard Mercado Rivera 18 de agosto de 2012 Matemática Elemental
Universidad de Puerto Rico Recinto de Aguadilla Programa CeCiMat Elemental Definición de conceptos fundamentales de la Estadística y la Probabilidad y su aportación al mundo moderno Dr. Richard Mercado
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 detalles2.2. Fundamentos racionales de la Simulación en computadoras
UNIVERSIDAD TECNOLÓGICA NACIONAL FACULTAD REGIONAL TUCUMÁN DEPARTAMENTO: INGENIERÍA EN SISTEMAS DE INFORMACIÓN CARRERA: INGENIERÍA EN SISTEMAS DE INFORMACIÓN ÁREA: MODELOS ASIGNATURA: SIMULACIÓN NIVEL:
Más detallesComputación Aplicada. Universidad de Las Américas. Aula virtual de Computación Aplicada. Módulo de Excel 2013 LIBRO 6
Computación Aplicada Universidad de Las Américas Aula virtual de Computación Aplicada Módulo de Excel 2013 LIBRO 6 Contenido FORMA DE HACER CÁLCULOS... 3 QUÉ SON LAS FÓRMULAS Y QUÉ LAS FUNCIONES?... 4
Más detallesMETODOS ESTADÍSTICOS
METODOS ESTADÍSTICOS Introducción. Uno de los objetivos de la asignatura de Hidrología, es mostrar a los alumnos, las herramientas de cálculo utilizadas en Hidrología Aplicada para diseño de Obras Hidráulicas.
Más detallesANÁLISIS ESTADÍSTICO PRUEBA DE HIPOTESIS
ANÁLISIS ESTADÍSTICO PRUEBA DE HIPOTESIS Jorge Fallas jfallas56@gmail.com 2010 1 Temario Datos experimentales y distribuciones de referencia Una media poblacional Hipótesis nula, alternativa y nivel de
Más detallesmatemáticas como herramientas para solución de problemas en ingeniería. PS Probabilidad y Estadística Clave de la materia: Cuatrimestre: 4
PS0401 - Probabilidad y Estadística DES: Ingeniería Programa(s) Educativo(s): Ingeniería de Software Tipo de materia: Obligatoria Clave de la materia: PS0401 Cuatrimestre: 4 UNIVERSIDAD AUTÓNOMA DE Área
Más detallesÍNDICE INTRODUCCIÓN...13
ÍNDICE INTRODUCCIÓN...13 CAPÍTULO 1. CARACTERÍSTICAS, NOVEDADES Y ENTORNO DE TRABAJO...15 1.1 CARACTERÍSTICAS Y NOVEDADES EN EXCEL 2010...15 1.2 ENTORNO DE TRABAJO EN EXCEL 2010...22 1.2.1 CINTA DE OPCIONES
Más detallesUNIVERSIDAD DE MANAGUA Al más alto nivel
UNIVERSIDAD DE MANAGUA Al más alto nivel SIMULACIÓN DE SISTEMAS Problemas para Simular con Promodel Prof.: MSc. Julio Rito Vargas A. Grupo: Ingenierías/IIC-2016 I. Un inspector recibe siempre 120 piezas/h.
Más detallesAnálisis de Datos y Probabilidad Grado 9
Análisis de Datos y Probabilidad Grado 9 Estimando el área de un círculo usando simulación 1 Introducción Suponga que tengo un círculo de radio 1 y centro en (0,0) inscrito en un cuadrado cuyos vértices
Más detallesConsejo de Postgrado de Ingeniería Industrial. IT Culiacán. Dr. José Fernando Hernández Silva Dra. Carmen Guadalupe López Varela
Nombre de la Asignatura: Simulación Línea de Trabajo: Asignatura Optativa (Optimización) Docencia Trabajo de Investigación Supervisado - Trabajo Profesional Supervisado - Horas totales Créditos 48 20 100
Más detallesEstimación de Parámetros.
Estimación de Parámetros. Un estimador es un valor que puede calcularse a partir de los datos muestrales y que proporciona información sobre el valor del parámetro. Por ejemplo la media muestral es un
Más detallesCAPÍTULO IV ANÁLISIS E INTERPRETACIÓN DE RESULTADOS. Laboratorio Clínico del Hospital Voz Andes Lugar
CAPÍTULO IV ANÁLISIS E INTERPRETACIÓN DE RESULTADOS 4.1. TABULACIÓN DE DATOS DATOS INFORMATIVOS Establecimiento Laboratorio Clínico del Hospital Voz Andes Lugar Provincia de Pastaza, Cantón Mera Parroquia
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 detallesCaracterización de la incertidumbre del precio futuro del cobre
USc/lb Caracterización de la incertidumbre del precio futuro del cobre La incertidumbre en un modelo de programación estocástica debe tener la estructura de árbol de escenarios, como se muestra en la Figura
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 detallesMANTENIMIENTO CENTRADO EN CONFIABILIDAD (MCC) DR. JORGE ACUÑA 1
MANTENIMIENTO CENTRADO EN CONFIABILIDAD (MCC) 1 ADMINISTRACION DEL news MANTENIMIENTO ( QUE ES? Mantenimiento: operación mediante la cual los sistemas están sometidos a rutinas de revisión, reparación
Más detallesINGENIERÍA EN MANTENIMIENTO INDUSTRIAL
HOJA DE ASIGNATURA CON DESGLOSE DE UNIDADES TEMÁTICAS 1. Nombre de la asignatura Estadística Industrial 2. Competencias Diseñar estrategias de mantenimiento mediante el análisis de factores humanos, tecnológicos,
Más detallesPROGRAMA INSTRUCCIONAL ESTADÍSTICA
UNIVERSIDAD FERMIN TORO VICE RECTORADO ACADEMICO FACULTAD DE INGENIERIA ESCUELA DE MANTENIMIENTO MECÁNICO ESCUELA DE TELECOMUNICACIONES ESCUELA DE COMPUTACIÓN ESCUELA DE ELÉCTRICA PROGRAMA INSTRUCCIONAL
Más detallesPRUEBA CHI-CUADRADO. Para realizar un contraste Chi-cuadrado la secuencia es:
PRUEBA CHI-CUADRADO Esta prueba puede utilizarse incluso con datos medibles en una escala nominal. La hipótesis nula de la prueba Chi-cuadrado postula una distribución de probabilidad totalmente especificada
Más detallesUNIVERSIDAD DE MANAGUA Al más alto nivel
UNIVERSIDAD DE MANAGUA Al más alto nivel Estadística Inferencial Encuentro #3 Tema: Distribución Discreta Prof.: MSc. Julio Rito Vargas A. Grupo:CCEE y ADMVA /2016 Objetivos: Definir la función de probabilidad
Más detallesObjetivo. Conocer la forma de calcular las Medidas de Dispersión de una distribución con OpenOffice Calc CALC: MEDIDAS DE DISPERSIÓN
Objetivo Conocer la forma de calcular las Medidas de Dispersión de una distribución con OpenOffice Calc CALC: MEDIDAS DE DISPERSIÓN La dispersión otorga el grado de distanciamiento de un conjunto de valores
Más detallesDistribución Exponencial
Distribución Exponencial Hay dos casos especiales importantes de la distribución gamma, que resultan de restricciones particulares sobre los parámetros α y β. El primero es cuando se tiene α = 1, entonces
Más detalles3. Correlación. Introducción. Diagrama de dispersión
1 3. Correlación Introducción En los negocios, no todo es el producto, pueden existir factores relacionados o externos que modifiquen cómo se distribuye un producto. De igual manera, la estadística no
Más detallesPONTIFICIA UNIVERSIDAD CATÓLICA DEL PERÚ
PONTIFICIA UNIVERSIDAD CATÓLICA DEL PERÚ FACULTAD DE CIENCIAS E INGENIERÍA ANÁLISIS DE LA INFLUENCIA DE LA VARIABILIDAD DE LOS PARÁMETROS GEOTÉCNICOS EN EL DISEÑO GEOTÉCNICO DE MUROS DE CONTENCIÓN, UTILIZANDO
Más detalles1º BCNySyT Distribuciones binomial y normal Excel
1º BCNySyT - 14. Distribuciones binomial y normal Excel PASO A PASO 1. Calcula los parámetros de la variable aleatoria número de hijas y haz el diagrama de barras de frecuencias relativas. Número de hijas:
Más detallesOPTIMIZACIÓN Y SIMULACIÓN PARA LA EMPRESA. Tema 5 Simulación
OPTIMIZACIÓN Y SIMULACIÓN PARA LA EMPRESA Tema 5 Simulación ORGANIZACIÓN DEL TEMA Sesiones: Introducción Ejemplos prácticos Procedimiento y evaluación de resultados INTRODUCCIÓN Simulación: Procedimiento
Más detallesMODELOS DE SIMULACIÓN ESTADÍSTICOS CLASE 4: DISTRIBUCIÓN t, CHI-CUADRADA y EXPONENCIAL PROFESOR: OSCAR SAAVEDRA ANDRÉS DURANGO.
DISTRIBUCIÓN t Con frecuencia intentamos estimar la media de una población cuando se desconoce la varianza, en estos casos utilizamos la distribución de t de Student. Si el tamaño de la muestra es suficientemente
Más detallesSumario Prólogo Unidad didáctica 1. Introducción a la estadística. Conceptos preliminares Objetivos de la Unidad...
ÍNDICE SISTEMÁTICO PÁGINA Sumario... 5 Prólogo... 7 Unidad didáctica 1. Introducción a la estadística. Conceptos preliminares... 9 Objetivos de la Unidad... 11 1. Población y muestra... 12 2. Parámetro
Más detallesGeneración de Variables Aleatorias. UCR ECCI CI-1453 Investigación de Operaciones Prof. M.Sc. Kryscia Daviana Ramírez Benavides
Generación de Variables Aleatorias UCR ECCI CI-453 Investigación de Operaciones Prof. M.Sc. Kryscia Daviana Ramírez Benavides Introducción Las variables aleatorias se representan por medio de distribuciones
Más detallesCAPÍTULO 5: MUESTREO DEL TRABAJO. tomaron en cuenta para determinar el número de montacarguistas que la empresa Peguform
CAPÍTULO 5: MUESTREO DEL TRABAJO El muestreo del trabajo que se presenta a continuación nos muestra que actividades se tomaron en cuenta para determinar el número de montacarguistas que la empresa Peguform
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 detallesINTRODUCCIÓN A LA ECONOMETRÍA (LE Y LADE, mañana) Prof. Magdalena Cladera APLICACIONES DE INFERENCIA ESTADÍSTICA DE EXCEL Y SPSS
INTRODUCCIÓN A LA ECONOMETRÍA (LE Y LADE, mañana) Prof. Magdalena Cladera APLICACIONES DE INFERENCIA ESTADÍSTICA DE EXCEL Y SPSS CONTENIDOS APLICACIONES DE INFERENCIA ESTADÍSTICA DE EXCEL... 2 1. Probabilidad...
Más detallesCurso: Inferencia Estadística (ICO 8306) Profesores: Esteban Calvo Ayudantes: José T. Medina ESTIMACIÓN POR INTERVALO
ESTIMACIÓN POR INTERVALO Muchas veces queremos obtener información a través de una muestra para poder hacer inferencias de cómo se comportarían distintos parámetros en la población. Al hacer una encuesta
Más detallesMODELO DE RESPUESTAS Objetivos 2, 3, 4, 5, 6, 7, Y 8.
UNIVERSIDAD NACIONAL ABIERTA ESTADÍSTICA GENERAL 745) VICERRECTORADO ACADÉMICO INTEGRAL ÁREA DE MATEMÁTICA Fecha: 17/ 01 /009 MODELO DE RESPUESTAS Objetivos, 3, 4, 5, 6, 7, Y 8. OBJ. 1 PTA 1 Una compañía
Más detallesUNIVERSIDAD DE MANAGUA Al más alto nivel SIMULACIÓN DE SISTEMAS Guía #4
UNIVERSIDAD DE MANAGUA Al más alto nivel SIMULACIÓN DE SISTEMAS Guía #4 Modelo 1: Simulación de un Proceso Productivo Prof.: MSc. Julio Rito Vargas A. Grupos: Ingenierías/2016 Objetivos: Conocer la interfaz
Más detallesAnálisis de Decisiones II. Tema 17 Generación de números al azar. Objetivo de aprendizaje del tema
Tema 17 Generación de números al azar Objetivo de aprendizaje del tema Al finalizar el tema serás capaz de: Obtener números aleatorios a partir de un proceso de generación. Validar las características
Más detallesEJERCICIOS DE ESTADÍSTICA DESCRIPTIVA. Prof.: MSc. Julio Rito Vargas A.
ACTIVIDAD PRÁCTICA #1 EJERCICIOS DE ESTADÍSTICA DESCRIPTIVA Prof.: MSc. Julio Rito Vargas A. IIIC-2017 1.- Dada la siguiente distribución de frecuencias de variable discreta. Calcular: a) Mediana b) Moda
Más detallesInformación general. Obligatoria básica o de fundamentación X. Obligatoria profesional. Horas de trabajo independiente del estudiante
Guía de asignatura Formato institucional Rev. Abril 2013 Información general Asignatura E S T A D I S T I C A Código 73210011 Tipo de asignatura Obligatoria X Electiva Tipo de saber Número de créditos
Más detallesNombre de la materia. Departamento. Academia
Probabilidad Ciencias Aplicadas de la Información Ciencias Básicas Nombre de la materia Departamento Academia Clave Horas-teoría Horas-práctica Horas-AI Total-horas Créditos I4862 60 20-80 9 Nivel Carrera
Más detallesPROBABILIDAD Y ESTADÍSTICA
UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO FACULTAD DE ESTUDIOS SUPERIORES ACATLÁN DIVISIÓN DE MATEMÁTICAS E INGENIERÍA LICENCIATURA EN INGENIERÍA CIVIL ACATLÁN PROGRAMA DE ASIGNATURA CLAVE: 1315 SEMESTRE:
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 detallesSimulación. Problema del jardinero. Modelo de stock aleatorio. Camino crítico.
Simulación Temario de la clase Introducción. Generacion de variables aleatorias: método de la transformada inversa. Avance del tiempo de simulación. Determinación de la cantidad de iteraciones requeridas.
Más detallesINDICE Prefacio Como usar este libro Capitulo 1. Introducción Capitulo 2. Análisis exploratorio de los datos
INDICE Prefacio Como usar este libro Capitulo 1. Introducción 1 El comienzo de todo: determinación lo que se debe saber 2 Evaluación numérica de las unidades de observación con la ayuda de las escalas
Más detallesGUÍA DE EJERCICIOS. Áreas Matemáticas Análisis Estadístico
GUÍA DE EJERCICIOS Áreas Matemáticas Análisis Estadístico Resultados de aprendizaje Determinar e interpretar medidas de correlación en datos a granel. Contenidos 1. Estadística descriptiva bidimensional.
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 detallesUniversidad Tecnológica Nacional Facultad Regional San Francisco. Licenciatura en Administración Rural. Estadística
Universidad Tecnológica Nacional Facultad Regional San Francisco Licenciatura en Administración Rural Estadística PLANIFICACIÓN CICLO LECTIVO 2008 ÍNDICE ÍNDICE... 2 PROFESIONAL DOCENTE A CARGO... 3 UBICACIÓN...
Más detallesDistribuciones de Probabilidad.
Práctica núm. 3 1 Distribuciones de Probabilidad. 3.1. Distribuciones de Probabilidad en Statgraphics El estudio de las distribuciones de probabilidad en Statgraphics se puede realizar en el menú Descripción/Distribuciones/Distribuciones
Más detallesUNIVERSIDAD DE CIENCIAS EMPRESARIALES Y SOCIALES FACULTAD DE CIENCIAS DE LA COMUNICACIÓN
UNIVERSIDAD DE CIENCIAS EMPRESARIALES Y SOCIALES FACULTAD DE CIENCIAS DE LA COMUNICACIÓN Carrera: Licenciatura en Periodismo Asignatura: Estadística Social Curso: 2 año Año lectivo: 2016 Carga horaria
Más detallesDEPARTAMENTO DE MATEMÁTICAS Página 1
DEPARTAMENTO DE MATEMÁTICAS Página 1 APROBADO EN EL CONSEJO DE LA FACULTAD DE CIENCIAS EXACTAS ACTA 13 DEL 21 ABRIL 2010 PROGRAMAS DEL DEPARTAMENTO DE MATEMÁTICAS El presente formato tiene la finalidad
Más detallesESTADISTICA INFERENCIAL DR. JORGE ACUÑA A.
ESTADISTICA INFERENCIAL DR. JORGE ACUÑA A. 1 PROBABILIDAD Probabilidad de un evento es la posibilidad relativa de que este ocurra al realizar el experimento Es la frecuencia de que algo ocurra dividido
Más detallesSECUENCIA DIDÁCTICA. Módulo IV Competencia de Módulo:
SECUENCIA DIDÁCTICA Nombre de curso: Simulación de Sistemas. Antecedente: Ninguno Módulo IV Competencia de Módulo: Clave de curso: COM1505B21 Clave de antecedente: Ninguna Desarrollar software con la finalidad
Más detallesTema 5 Algunas distribuciones importantes
Algunas distribuciones importantes 1 Modelo Bernoulli Distribución Bernoulli Se llama experimento de Bernoulli a un experimento con las siguientes características: 1. Se realiza un experimento con dos
Más detallesGeneración de números aleatorios con distribución uniforme
Generadores de Números Aleatorios 1 Existen en la actualidad innumerables métodos para generar números aleatorios En la literatura disponible se pueden encontrar gran cantidad de algoritmos. Generación
Más detallesPruebas de hipótesis estadísticas acerca de los cambios en la incidencia de la pobreza aplicando la metodología preliminar del CTMP
Nota Técnica 0/006 Pruebas de hipótesis estadísticas acerca de los cambios en la incidencia de la pobreza aplicando la metodología preliminar del CTMP 000 005 Octubre de 006 Av. Paseo de la Reforma #51,
Más detallesTest de suma de rangos
Test de suma de rangos Georgina Flesia FaMAF 4 de junio, 2013 Bondad de ajuste Se tiene una muestra de datos y se quiere contrastar la hipótesis H 0 ) Los datos provienen de la distribución F. Test chi-cuadrado
Más detallesAprender a construir gráficos X-S y conocer sus limitaciones.
Objetivos Aprender a construir gráficos X-R y conocer sus limitaciones. Aprender a construir gráficos X-S y conocer sus limitaciones. Comprender la relación entre los Gráficos de Control y el intervalo
Más detallesSimulación Computacional Tema 1: Generación de números aleatorios
Simulación Computacional Tema 1: Generación de números aleatorios Irene Tischer Escuela de Ingeniería y Computación Universidad del Valle Contenido 1 Introducción 2 3 4 ?Porqué números aleatorios? Uso
Más detallesMétodos de Investigación en Psicología (11) Dra. Lucy Reidl Martínez Dra. Corina Cuevas Reynaud Dra. Renata López Hernández
Métodos de Investigación en Psicología (11) Dra. Lucy Reidl Martínez Dra. Corina Cuevas Reynaud Dra. Renata López Hernández El método incluye diferentes elementos Justificación Planteamiento del problema
Más detallesEXPOSICIÓN UNIDAD II
SIMULACIÓN EQUIPO: 4 2.1 MÉTODOS DE GENERACIÓN DE NÚMEROS PSEUDOALEATORIOS 2.2 PRUEBAS ESTADÍSTICAS DE ALEATORIEDAD CABRERA HERNÁNDEZ TERESA ELIZABETH 1 DE MARZO DEL 2011 2.1 GENERACIÓN DE NÚMEROS PSEUDOALEATORIOS
Más detallesMinisterio de Educación Pública Dirección de Gestión y Evaluación de la Calidad Departamento de Evaluación Académica y Certificación.
Matemáticas Distribución de ítems para la prueba nacional Modalidad Académica (Diurnos Nocturnos) Convocatorias 016 ESTIMADO DOCENTE: En la modalidad de colegios académico, la Prueba de Bachillerato 016
Más detalles