Método ANOVA (Estudio del Calibrador Variables)
|
|
- Manuela Barbero Vidal
- hace 6 años
- Vistas:
Transcripción
1 Método ANOVA (Estudio del Calibrador Variables) STATGRAPHICS Rev. 9/14/006 Resumen El Método ANOVA estima la repetibilidad y reproducibilidad de un sistema de medición basándose sobre un estudio en el cual m operadores miden n artículos r veces. También estima importantes cantidades como la variación total, el cociente precisión-por-tolerancia, la desviación estándar del error de medición, y el porcentaje de la contribución del estudio para varios componentes del error. El Método del Rango y Promedio desarrolla un análisis similar usando un enfoque estadístico diferente.. Ejemplo StatFolio: gageanova.sgp Datos del Ejemplo: El archive gage1.sf3 contiene datos de un estudio de calibrador típicos por variables tomado del manual de referencia del Grupo de Acción Industrial Automotriz (AIAG) sobre Análisis del Sistema de Medición, MSA (00). Los datos en el archivo se muestran abajo: Operador (Operador) Part (Pieza) Trial (Corrida) Measurement (Medición) A A A A A A A A A A A A A A A A A A A A B B El archivo contiene un total de 90 filas, una para cada r = 3 mediciones hechas por cada m = 3 operadores sobre n = 10 partes. Nota: Los datos del Manual de Análisis del Sistema de Medición (MSA) fueron re-impresos con permiso de DaimlerChrysler, Ford y GM Supplier Quality Requirements Task Force. 006 por StatPoint, Inc. Método ANOVA- 1
2 STATGRAPHICS Rev. 9/14/006 Entrada de Datos La primera caja de dialogo desplegada por este procedimiento es usado para indicar la estructura de los datos a ser analizados. Entrada: La base de datos puede organizarse en cualquiera de los dos formatos: Columnas de Datos y Códigos: Indica que la base de datos contiene una sola columna para mantener todas las mediciones. En este formato, son proporcionadas columnas adicionales para identificar cuales mediciones corresponden con cual parte y operador. Una Fila para Cada Parte: Indica que la base de datos contiene una solo fila para todas las mediciones sobre una parte especifica. En este formato, los nombres de columnas son usadas para identificar cuales mediciones son hechas por cada operador. Un ejemplo de esta estructura de datos se presenta abajo: Part A_1 A_ A_3 B_1 B_ B_3 C_1 C_ C_ Si los datos quieren analizarse por otros procedimientos de STATGRAPHICS, Columnas de Datos y Códigos es el formato preferido puesto que sigue la estructura esperada por muchos procedimientos. La segunda caja de dialogo desplegada depende sobre la configuración de la primera caja de dialogo. Columnas de Datos y Códigos Si se selecciona Columnas de Datos y Códigos sobre la primera caja de dialogo, la segunda caja de dialogo requiere el nombre de la columna que contiene las mediciones y las columnas que contienen los operadores y partes. 006 por StatPoint, Inc. Método ANOVA-
3 STATGRAPHICS Rev. 9/14/006 Operadores: Columna numérica o no numérica indicando el operador correspondiente a las mediciones en cada fila. Partes: Columna numérica o no numérica indicando el articulo correspondiente a las mediciones en cada fila. Mediciones: Columna numérica que contiene las mediciones. Titulo del Estudio: Titulo opcional que puede imprimirse en la parte superior de cada tabla de salida. Selección: Selección de un subconjunto de los datos. Si el estudio tiene m operadores, n artículos, y r corridas, tenemos exactamente mnr filas con ningún dato en blanco. Cada combinación operador-parte tiene también exactamente r mediciones (e.j., el estudio puede ser balanceado). Una Fila para Cada Parte Si selecciona Una Fila para Cada Parte sobre la primera caja de dialogo, la segunda caja de dialogo requiere los nombres de las columnas que contiene las mediciones y el numero de operadores. 006 por StatPoint, Inc. Método ANOVA- 3
4 STATGRAPHICS Rev. 9/14/006 Datos: Columna numérica que contiene las mediciones. Cada grupo de m columna se asume que corresponden al mismo operador. Numero de Operadores/Evaluadores/Laboratorios: El número de operadores m. Este número debe de estar entre y 18 y dividirse regularmente en el número de datos columna. Etiquetas Parte/Muestra/Artículo: Etiquetas opcionales para cada articulo en el estudio. Si no se ingresan, los artículos se numeran del 1 hasta n. Titulo del Estudio: Titulo opcional a ser impreso en la parte superior de cada tabla de salida. Selección: Selección de un subconjunto de los datos. Gráfico de Corridas Cuando analizamos los datos para un estudio del calibrador, un gráfico útil para examinarse primero es un Gráfico de Corridas. 006 por StatPoint, Inc. Método ANOVA- 4
5 STATGRAPHICS Rev. 9/14/006 Carta de Secuencias Measurement Operadores A B C Part El Gráfico de Corridas grafica cada una de las mediciones en el estudio, agrupadas por operador y partes. Si el sistema de medición es capaz de distinguir una parte de otra, las mediciones no pueden dispersarse aleatoriamente, pero mostrarían obvios grupos por partes. Esto es verdadero en los datos del ejemplo de arriba, aunque podemos ver también algunas diferencias acerca de los operadores. Gráfico de Operador x Partes En la estimación de la repetibilidad y reproducibilidad, el primer paso es calcular estadísticas para cada combinación del operador y partes: x ij = Promedio de las mediciones hechas por un operador i sobre una parte j R ij = Rango de las mediciones hechas por un operador i sobre una parte j x i = Promedio de las mediciones hechas por un operador i El Gráfico de Operador x Partes presenta los x ij, promedio del operador por partes: Mediciones de Dispositivo por Appraiser Operadores A B C Promedio Part 006 por StatPoint, Inc. Método ANOVA- 5
6 STATGRAPHICS Rev. 9/14/006 Este gráfico es útil para mostrar cualquier diferencia consistente entre los operadores. Por ejemplo, el operador C parecer ser consistente abajo del operador A. Opciones del Panel Puntos: Puntos símbolos en el gráfico. Líneas: Conectar los puntos con una línea. Gráfico R&R Otro gráfico útil es el Gráfico R&R, el cual contiene un solo punto para cada medición en el estudio: 0.8 Gráfica RyR para Measurement Desviación del Promedio A B C Appraiser El eje vertical es transformado para mostrar las diferencias entre cada medición y su gran media de todas las mediciones. Los puntos son agrupados por operador, y una línea horizontal es dibujada en el promedio de las mediciones x i para cada operador. Las líneas verticales conectan las mediciones hechas por el mismo operador sobre el mismo artículo. Podemos observar en el grafico anterior que las mediciones para el Operador C son más pequeñas sobre el promedio de los otros dos operadores. Por otro lado, el Operador B muestra considerablemente mayor variabilidad. En hecho, la repetibilidad del Operador B es pobre, puesto que existen grandes discrepancias entre las mediciones repetidas sobre el mismo articulo. 006 por StatPoint, Inc. Método ANOVA- 6
7 STATGRAPHICS Rev. 9/14/006 Resumen del Análisis Al haber examinado los datos, al mismo tiempo se tienen que ver los resultados numéricos. El Resumen del Análisis despliega estimaciones de la variabilidad debida a la repetibilidad, reproducibilidad, y partes. Estudio R&R Método por ANOVA - Measurement AIAG Example Operadores: Appraiser Partes: Part Medidas: Measurement ANOVA: cruzado 3 operadores 10 partes 3 ensayos Reporte de Repetibilidad y Reproducibilidad de Calibrador Medición Sigma Porcentaje Varianza Porcentaje de Porcentaje Unidad Estimada Variación Total Estimada Contribución de R&R Repetibilidad Reporducibilidad Interacción R & R Partes Variación Total Número de categorías distintas (ndc): 4 Este resumen despliega: Rango Promedio El rango promedio sobre todas las combinaciones de los operadores y partes. Rango de X-Barra El rango de los promedios de las mediciones x i acerca de m operadores. Repetibilidad Estimación de la variación entre mediciones hechas por el mismo operador sobre la misma parte, usualmente atribuida al calibrador. Reproducibilidad Estimación de la variación entre mediciones hechas por diferentes operadores sobre la misma parte, usualmente atribuida al operador. Interacción Si es requerida, calcula la estimación de la variación debida a la interacción entre operadores y partes. Una interacción puede ocurrir si las diferencias entre operadores varían de una parte a otra. Si el término de interacción no se incluye por defecto esto se configura sobre la sección Estudio del Calibrador de la selección Preferencias del menú Edición. También se puede anular la configuración por defecto seleccionando Opciones del Panel dentro del panel Tabla ANOVA. R & R Estimación del error de medición total, calculado agregando las varianzas debidas a la repetibilidad y reproducibilidad. 006 por StatPoint, Inc. Método ANOVA- 7
8 STATGRAPHICS Rev. 9/14/006 Partes Estimación de la variabilidad actual acerca de los artículos medidos. Si el proceso de medición es capaz de separar artículos buenos de artículos malos, esta puede ser grande comparado con la variabilidad del proceso de medición. Total Suma de la variabilidad debida al proceso de medición y la variabilidad actual acerca de los artículos. Para cada unidad de medición (componente), las columnas de la tabla muestran: Estimación de Sigma La estimación de la desviación estándar σˆ componentes. Porcentaje de Variación Total El porcentaje de la desviación estándar total: 100 componentes total % (1) donde = + + () total repetibilidad reproducibilidad partes Estimación de Varianza La estimación de la varianza para cada componente. componentes Porcentaje de Contribución El porcentaje sobre la varianza total: 100 componentes total % (3) Porcentaje de R&R El porcentaje sobre la varianza de la repetibilidad y reproducibilidad combinada. 100 R& (4) repetibilidad R % reproducibilidad y 100 % R& R Es de interés particular σˆ total, después de etiquetar VT para la variación total. La regla del pulgar citada por la AIAG es que si la VT es menor que el 10%, entonces el sistema de medición es generalmente estimado como aceptable. En ciertos casos, valores entre 10% y 30% pueden también ser aceptables, dependiendo sobre las circunstancias. Los porcentajes relativos de la repetibilidad y reproducibilidad pueden ser útiles también para aislar la fuente de variabilidad más grande en el proceso de medición. Un estadístico más que también será presentado: Número de Distintas Categorías (ndc) De acuerdo a AIAG (00), ndc representa el número de distintas categorías que son confiablemente distinguidas por el sistema 006 por StatPoint, Inc. Método ANOVA- 8
9 STATGRAPHICS Rev. 9/14/006 de medición. Esto es básicamente una medición de cuantos intervalos de confianza al 97% para el valor verdadero inicialmente se miden para poder estimar el rango dentro de la variación parte-por-parte. Valores mayores o iguales a 5 son deseables. Nota: Los resultados numéricos mostrados anteriormente usan un ANOVA cruzado con una interacción operador por parte. El tipo de modelo estimado del ANOVA dependerá sobre la configuración en Opciones del Análisis, como se describe abajo. Opciones del Análisis Tolerancia: La distancia entre los limites de especificación, LES - LEI. El valor ingresado en este campo será usado por el Análisis de Tolerancia, descrito más abajo, para calcular el cociente de precisión-por-tolerancia (P/T). Intervalos Sigma: El múltiplo K sigma es usado para comparar la anchura del error de medición relativa a la distancia entre las especificaciones. El valor de 6.0 es calculado al 99.73% de cobertura basada abajo de una distribución normal. Para el 99% de cobertura, cambia el valor de K = El valor por defecto de K esta determinado por la configuración de la sección Estudio del Calibrador en la selección de Preferencias sobre el menú Edición. Sigma del Proceso: El valor de la desviación estándar, si es conocida. Si un valor se suministra, la estimación de la variación total σˆ total será reemplazada por este valor y la variación parte-por-parte se actualizara por consiguiente. Esto impacta en las estimaciones de los porcentajes de contribución de todos los componentes. Nivel de Confianza: Porcentaje utilizado en los cálculos de los intervalos de confianza. Estructura: El tipo de estructura de los datos, la cual afecta al tipo de modelo estimado por el ANOVA. Los modelos Cruzados son usados para analizar estudios en los cuales los operadores miden las mismas partes. Los modelos Mezclados son utilizados para analizar estudios en los cuales los operadores miden diferentes partes. Los modelos Cruzados pueden incluir la interacción operador-por-pieza si lo desea, la cual permite estimar cualquier diferencia entre los operadores al cambiar de parte a parte. Nota: El valor por defecto de esta opción está basado por la configuración de la sección Estudio del Calibrador en la caja de dialogo de Preferencias. 006 por StatPoint, Inc. Método ANOVA- 9
10 STATGRAPHICS Rev. 9/14/006 Análisis de Tolerancia Un método alternativo para determinar la aceptabilidad de un sistema de medición haciendo una comparación de la variación de la medición sobre la distancia cubierta por los límites de especificación inicialmente medidas para la variable. Si LES y LEI representan los limites de especificación inferior y superior, respectivamente, entonces la tolerancia esta definida como Tolerancia = LES LEI (5) El panel Análisis de Tolerancia compara las estimaciones de varias unidades de medición estimadas con la tolerancia. Análisis de Tolerancia AIAG Example 3 operadores 10 partes 3 ensayos Tolerancia = 10.0 Medición 6.0 Porcentaje de Unidad Desv. Estd. Tolerancia Repetibilidad Reporducibilidad Interacción R & R partes La tabla muestra: 6.0 Desv. Est. - Despliega K $ σ para cada uno de los diferentes componentes del error. Si K es igual a 6.0, esto estima un intervalo dentro de un componente del error asociado a poder mentir el 99.73% de las veces. Porcentaje de Tolerancia El porcentaje de la tolerancia representado por K $ σ : K componente s 100 tolerancia % (6) Es de interés particular el Porcentaje de Tolerancia debido al R&R, también llamado el cociente precisión-por tolerancia o P/T. Básicamente P/T es una medición de cuanta amplitud tiene la distribución del error de medición comparado contra las especificaciones inicialmente medidas para los artículos. Valores de P/T menor al 10% generalmente implican un error de medición pequeño aceptable, aunque en algunos casos P/T puede ser más alto del 30% y es marginalmente aceptable. 006 por StatPoint, Inc. Método ANOVA- 10
11 STATGRAPHICS Rev. 9/14/006 Intervalos de Confianza Puesto que los porcentajes de variación para cada componente están estimados por una cantidad de datos limitada, existen ciertas desviaciones sobre los valores reales del proceso. El panel Intervalos de Confianza despliega la cantidad de incertidumbre alrededor de estas estimaciones. Intervalos de Confianza AIAG Example 3 operadores 10 partes 3 ensayos 95.0 Intervalos de Confianza Inferior 6.0 Superior Límite Desv. Estd. Límite Repetibilidad Reporducibilidad Interacción R & R partes Se presentan en la tabla las estimaciones para K $ σ, junto con sus límites de confianza inferior y superior. En el ejemplo, la estimación de la desviación estándar R&R es igual a 0.305, así como la amplitud a 6-sigmas para el error de medición es aproximadamente Sin embargo, con una confianza del 95%, solamente podemos declarar que se extiende en alguna parte entre 1.55 y.4. Esto es igual al rango de incertidumbre sobre le cociente P/T aproximadamente del 15.5% hasta el.4%. Tabla del ANOVA El método ANOVA estima la variación de los componentes usando un análisis de varianza. La tabla del ANOVA muestra los valores numéricos usados en los cálculos. Tabla ANOVA Fuente Suma de Cuadrados Gl Cuadrado Medio Razón-F Valor-P Operadores Partes Operadores*Partes Residual Total La tabla contiene una fila para cada componente en el modelo estadístico: variabilidad debida a operadores, variabilidad debida a partes, variabilidad debida a la interacción entre operadores y partes, y el término del error. Es de interés primario en esta tabla el Valor-P para el término de interacción Operadores*Partes. Si el Valor-P es mayor o igual a 0.005, no existe una interacción estadísticamente significativa a un nivel de significancia del 5%. Observe que el Valor-P para el termino de interacción de la tabla anterior esta por arriba de 0.05, por lo tanto el termino de interacción puede ser removido sin afectar significativamente los resultados. Para remover el término de interacción, seleccione Opciones del Análisis y configure la estructura del archivo a Cruzado sin Interacción. 006 por StatPoint, Inc. Método ANOVA- 11
12 STATGRAPHICS Rev. 9/14/006 Gráfico de Cajas y Bigotes El gráfico de cajas de bigotes proporciona una comparación adicional entre los operadores. Gráfica de Caja y Bigotes A Appraiser B C Measurement Para cada operador un grafico de cajas y bigotes muestra lo siguiente: La caja rectangular cubre el 50% central de las mediciones de un operador, un rango entre el cuartil inferior y superior. Una línea vertical se dibuja dentro de la caja en la mediana para ese operador. Un signo más (+) se dibuja para indicar la media de las xi de cada operador. Los bigotes son dibujados al final de cada caja en el valor mínimo y máximo para cada operador, a menos que sean detectados puntos atípicos, en este caso los bigotes son dibujados en el valor más extremo de los datos que no son puntos atípicos. Cualquier punto atípico es indicado usando puntos símbolos como una cuadro pequeño, o un cuadrado con un mas adentro si los puntos son atípicos extremos. Para más detalles sobre los puntos atípicos y otras propiedades del gráfico de cajas y bigotes, refiérase a la documentación para el procedimiento del Gráfico de Cajas y Bigotes. En el gráfico anterior, no tenemos mediciones parecidas a valores atípicos puesto que no hay ningún punto atípico. 006 por StatPoint, Inc. Método ANOVA- 1
13 Opciones del Panel STATGRAPHICS Rev. 9/14/006 Dirección: La orientación del gráfico, correspondiente a la dirección de los bigotes. Mediana con Muesca: Si se selecciona, una muesca será agregada al grafico mostrando una aproximación con un intervalo de confianza 100(1-α)% para la mediana en los defectos del nivel de confianza del sistema (configuración sobre la sección General de la caja de dialogo de Preferencias dentro del menú Edición). Puntos Atípicos: Si se selecciona, indica la localización de los puntos atípicos. Marcar Media: Si se selecciona, muestra la localización de la media muestra así como también la mediana. 006 por StatPoint, Inc. Método ANOVA- 13
14 Cálculos STATGRAPHICS Rev. 9/14/006 Repetibilidad σˆ = CM (7) repetibilidad residuales Reproducibilidad ( CM CM ) operadores int eracciones reproducibilidad = Para modelo cruzado (8) nr ( CM CM ) operadores partes σˆ reproducibilidad = Para modelo mezclado (9) nr Interacción ( CM CM ) = int eractiones residuales ˆint σ eractiones (10) r Variabilidad Combinada de R & R = + + σ (11) R& R repetibilidad reproducibilidad int eractiones Variabilidad debida a las Partes CM partes CM int eractiones partes = mr Para modelo cruzado sin sigma especificada CM partes CM residuales σˆ partes = r Para modelo mezclado sin sigma especificada partes = σ Si la sigma del proceso es especificada (14) proceso R& R Variabilidad Total = + + σ + σ (15) Total repetibilidad reproducibilidad int eractiones partes 006 por StatPoint, Inc. Método ANOVA- 14
Exactitud y Linearidad del Calibrador
Exactitud y Linearidad del Calibrador Resumen El procedimiento Exactitud y Linearidad del Calibrador fue diseñado para estimar la exactitud del sistema de medición. En contraste con los procedimientos
Más detallesAnálisis de Capabilidad (Porcentaje Defectuoso)
Análisis de Capabilidad (Porcentaje Defectuoso) STATGRAPHICS Rev. 9/4/2006 Este procedimiento esta diseñado para estimar el porcentaje de artículos defectuosos en una población basándose en muestra de
Más detallesDiagrama de Barras Múltiple
Múltiple El procedimiento Múltiple grafica dos o más columnas de totales o frecuencias ya sea utilizando barras horizontales o verticales. Si lo desea, pueden agregarse barras de error para desplegar el
Más detallesGráfico de Control de Aceptación
Gráfico de Control de Aceptación Resumen El procedimiento de Gráfico de Control de Aceptación crea gráficos de control con límites de control modificados basándose en la desviación estándar del proceso
Más detallesTransformaciones de Box-Cox
Transformaciones de Box-Cox Resumen El procedimiento para las Transformaciones de Box-Cox es diseñado para determinar una transformación optima para Y mientras se estima un modelo de regresión lineal.
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 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 detallesEste procedimiento prueba hipótesis acerca de cualquiera de los siguientes parámetros:
STATGRAPHICS Re. 4/d/yyyy Pruebas de Hipótesis (Una Muestra) Este procedimiento prueba hipótesis acerca de cualquiera de los siguientes parámetros: 1. la media μ de una distribución normal.. la desiación
Más detallesSnapStat: Análisis de Una Muestra
SnapStat: Análisis de Una Muestra Resumen La SnapStat Análisis de Una Muestra crea un resumen en una hoja de una sola columna de datos numéricos. Calcula estadísticas de resumen e intervalos de confianza,
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 detallesESTADÍSTICA DESCRIPTIVA
ESTADÍSTICA DESCRIPTIVA Medidas de tendencia central y de dispersión Giorgina Piani Zuleika Ferre 1. Tendencia Central Son un conjunto de medidas estadísticas que determinan un único valor que define el
Más detallesDiseño Gráficos de Control
Diseño Gráficos de Control Resumen Este procedimiento esta diseñado para ayudar a determinar el tamaño de muestra apropiado y los parámetros comunes para los gráficos de control. El diseño esta basado
Más detallesEJERCICIOS TEMA 1. Clasifica los siguientes caracteres estadísticos según sean cualitativos, variables discretas o variables continuas:
Ejercicio 1. Clasifica los siguientes caracteres estadísticos según sean cualitativos, variables discretas o variables continuas: a) Marca de los coches. b) Peso de los coches. c) Número de coches vendidos
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 detallesTema: ESTADÍSTICA DESCRIPTIVA BÁSICA CON SPSS 8.0
Ignacio Martín Tamayo 11 Tema: ESTADÍSTICA DESCRIPTIVA BÁSICA CON SPSS 8.0 ÍNDICE ------------------------------------------------------------- 1. Introducción 2. Frecuencias 3. Descriptivos 4. Explorar
Más detallesGráfico ARIMA. Ejemplo StatFolio: ARIMA charts.sgp
Gráfico ARIMA Resumen El procedimiento del Gráfico ARIMA (AutoRegressive Integrated Moving Average - Promedio Móvil Integrado Auto-Regresivo) crea gráficos de control para una sola variable numérica donde
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 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 detallesDiseño de Bloques al azar. Diseño de experimentos p. 1/25
Diseño de Bloques al azar Diseño de experimentos p. 1/25 Introducción En cualquier experimento, la variabilidad proveniente de un factor de ruido puede afectar los resultados. Un factor de ruido es un
Más detallesANÁLISIS EXPLORATORIO DE DATOS ESPACIALES ESTADÍSTICA ESPACIAL
ANÁLISIS EXPLORATORIO DE DATOS ESPACIALES ESTADÍSTICA ESPACIAL DEPARTAMENTO DE GEOGRAFÍA FACULTAD DE HUMANIDADES UNNE Prof. Silvia Stela Ferreyra Revista Geográfica Digital. IGUNNE. Facultad de Humanidades.
Más detallesDISTRIBUCIÓN N BINOMIAL
DISTRIBUCIÓN N BINOMIAL COMBINACIONES En muchos problemas de probabilidad es necesario conocer el número de maneras en que r objetos pueden seleccionarse de un conjunto de n objetos. A esto se le denomina
Más detallesANOVA Multifactorial. StatFolio Muestra: anova.sgp
ANOVA Multifactorial Resumen El procedimiento ANOVA Multifactorial está diseñado para construir un modelo estadístico describiendo el impacto de dos o más factores categóricos X j de una variable dependiente
Más detallesTipo de punta (factor) (bloques)
Ejemplo Diseño Bloques al Azar Ejercicio -6 (Pág. 99 Montgomery) Probeta Tipo de punta (factor) (bloques) 9. 9. 9.6 0.0 9. 9. 9.8 9.9 9. 9. 9.5 9.7 9.7 9.6 0.0 0. ) Representación gráfica de los datos
Más detallesUniversidad de Sonora Departamento de Matemáticas Área Económico Administrativa
Universidad de Sonora Departamento de Matemáticas Área Económico Administrativa Materia: Estadística I Maestro: Dr. Francisco Javier Tapia Moreno Semestre: 015- Hermosillo, Sonora, a 14 de septiembre de
Más detallesTabulación Cruzada. Sample StatFolio: crosstabulation.sgp
Tabulación Cruzada El procedimiento de Tabulación Cruzada esta diseñado para resumir dos columnas de datos. Esta construye una tabla de dos-caminos mostrando las frecuencias de ocurrencia de cada uno de
Más detallesGeneralidades sobre los informes de QuadTech Data Central
Data Central Mercado comercial Generalidades sobre los informes de QuadTech Data Central Descripción general: El módulo de reportamiento del rendimiento de Data Central de QuadTech ofrece información y
Más detallesMicrosoft Project 2013
Microsoft Project 2013 SALOMÓN CCANCE Project 2013 Salomón Ccance www.ccance.net CCANCE WEBSITE ANEXO 2. MANEJO DE VISTAS Y TABLAS. 2.1. ELEMENTOS DE VISUALIZACIÓN DE MICROSOFT OFFICE PROJECT PROFESSIONAL
Más detallesTipos de gráficas y selección según los datos CIENCIA, TECNOLOGIA Y AMBIENTE
Tipos de gráficas y selección según los datos CIENCIA, TECNOLOGIA Y AMBIENTE Objetivos 2 Identificar los tipos de gráficas. Definir los conceptos tablas y cuadros Reconocer las partes de una gráfica. Construir
Más detallesRegresión Polinomial. StatFolio de Ejemplo: polynomial reg.sgp
Regresión Polinomial Resumen El procedimiento Regresión Polinomial está diseñado para construir una modelo estadístico que describa el impacto de un solo factor cuantitativo X en una variable dependiente
Más detallesIndicaciones para el lector... xv Prólogo... xvii
ÍNDICE Indicaciones para el lector... xv Prólogo... xvii 1. INTRODUCCIÓN Qué es la estadística?... 3 Por qué estudiar estadística?... 5 Empleo de modelos en estadística... 6 Perspectiva hacia el futuro...
Más detallesESTADÍSTICA CON EXCEL
ESTADÍSTICA CON EXCEL 1. INTRODUCCIÓN La estadística es la rama de las matemáticas que se dedica al análisis e interpretación de series de datos, generando unos resultados que se utilizan básicamente en
Más detallesOTRAS HERRAMIETAS ESTADISTICAS UTILES. Dra. ALBA CECILIA GARZON
OTRAS HERRAMIETAS ESTADISTICAS UTILES Dra. ALBA CECILIA GARZON Que es un Test de Significancia estadística? El término "estadísticamente significativo" invade la literatura y se percibe como una etiqueta
Más detallesEste programa estadístico está organizado en dos bloques: el editor de datos y el visor de resultados.
Bases de Estadística Licenciatura en Ciencias Ambientales Curso 2oo3/2oo4 Introducción al SPSS/PC Este programa estadístico está organizado en dos bloques: el editor de datos y el visor de resultados.
Más detallesFase 2. Estudio de mercado: ESTADÍSTICA
1. CONCEPTO DE ESTADÍSTICA. ESTADÍSTICA DESCRIPTIVA 2. 3. TABLA DE FRECUENCIAS 4. REPRESENTACIONES GRÁFICAS 5. TIPOS DE MEDIDAS: A. MEDIDAS DE POSICIÓN B. MEDIDAS DE DISPERSIÓN C. MEDIDAS DE FORMA 1 1.
Más detallesGráficos estadísticos. Estadígrafo
Tema 12: Estadística y probabilidad Contenidos: Gráficos estadísticos - Estadígrafos de tendencia central Nivel: 4 Medio Gráficos estadísticos. Estadígrafo 1. Distribución de frecuencias Generalmente se
Más detallesFORMATO CONDICIONAL EN EXCEL
FORMATO CONDICIONAL EN EXCEL El Formato Condicional es una herramienta muy útil como información gráfica adicional para los datos numéricos que están en celdas o en rangos. Este tipo de formato tiene un
Más detalles1. Límites normales de tolerancia: estos límites asumen que los datos son una muestra aleatoria de una distribución normal.
Límites de Tolerancia Los límites de tolerancia proporcionan un rango de valores para X tal que se puede tener 100(1-α) % de confianza que P por ciento de la población, de la cual provienen los datos,
Más detallesCONTENIDO. Prólogo a la 3. a edición en español ampliada... Prólogo...
CONTENIDO Prólogo a la 3. a edición en español ampliada.................................. Prólogo.................................................................. vii xvii 1. Métodos descriptivos................................................
Más detallesTeoría de errores -Hitogramas
FÍSICA I Teoría de errores -Hitogramas Autores: Pablo Iván ikel - e-mail: pinikel@hotmail.com Ma. Florencia Kronberg - e-mail:sil_simba@hotmail.com Silvina Poncelas - e-mail:flo_kron@hotmail.com Introducción:
Más detallesCurso de Estadística Básica
Curso de SESION 3 MEDIDAS DE TENDENCIA CENTRAL Y MEDIDAS DE DISPERSIÓN MCC. Manuel Uribe Saldaña MCC. José Gonzalo Lugo Pérez Objetivo Conocer y calcular las medidas de tendencia central y medidas de dispersión
Más detallesLABORATORIO Nº 8 FILTROS EN EXCEL
OBJETIVO Mejorar el nivel de comprensión y el manejo de las destrezas del estudiante para utilizar filtros en Microsoft Excel. 1) FILTRAR INFORMACIÓN Para agregar un filtro a una tabla se debe seleccionar
Más detallesEstadística Inferencial. Estadística Descriptiva
INTRODUCCIÓN Estadística: Ciencia que trata sobre la teoría y aplicación de métodos para coleccionar, representar, resumir y analizar datos, así como realizar inferencias a partir de ellos. Recogida y
Más detallesGráfico de Medianas y Rangos
Gráfico de Medianas y Rangos Resumen El procedimiento Gráfico de Medianas y Rangos crea gráficos de control para una sola variable numérica donde los datos se han recolectad en subgrupos. Crea tanto un
Más detallesIng. Eduardo Cruz Romero w w w. tics-tlapa. c o m
Ing. Eduardo Cruz Romero eduar14_cr@hotmail.com w w w. tics-tlapa. c o m La estadística es tan vieja como la historia registrada. En la antigüedad los egipcios hacían censos de las personas y de los bienes
Más detallesPruebas de Hipótesis-ANOVA. Curso de Seminario de Tesis Profesor QF Jose Avila Parco Año 2016
Pruebas de Hipótesis-ANOVA Curso de Seminario de Tesis Profesor Q Jose Avila Parco Año 2016 Análisis de la Varianza de un factor (ANOVA) El análisis de la varianza (ANOVA) es una técnica estadística paramétrica
Más detallesComputación Aplicada. Universidad de Las Américas. Aula virtual de Computación Aplicada. Módulo de Excel 2013 LIBRO 4
Computación Aplicada Universidad de Las Américas Aula virtual de Computación Aplicada Módulo de Excel 2013 LIBRO 4 Contenido FORMATO CONDICIONAL... 3 FORMATOS CONDICIONALES... 3 VARIANTES DE LOS FORMATOS
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 detallesCONSTRUCCIÓN DE GRÁFICOS CON EXCEL
CONSTRUCCIÓN DE GRÁFICOS CON EXCEL I. Recomendaciones para la utilización de cada gráfico de Excel 1. Gráfico de columna horizontal (figura 1) y vertical (figura 2) Son útiles para comparar categorías,
Más detallesTUTORIAL SOBRE HOJAS DE CALCULO
TUTORIAL SOBRE HOJAS DE CALCULO Octubre de 2007 Página 1 de 12 Tabla de contenido Hojas de Cálculo...3 Software a utilizar y entorno de trabajo...3 Crear una hoja de cálculo...3 Características de las
Más detallesTÉCNICAS ESTADÍSTICAS APLICADAS EN NUTRICIÓN Y SALUD
TÉCNICAS ESTADÍSTICAS APLICADAS EN NUTRICIÓN Y SALUD Contrastes de hipótesis paramétricos para una y varias muestras: contrastes sobre la media, varianza y una proporción. Contrastes sobre la diferencia
Más detallesUNIVERSIDAD INTERAMERICANA DE PUERTO RICO RECINTO DE ARECIBO CENTRO DE SERVICIOS DE APOYO AL ESTUDIANTE
UNIVERSIDAD INTERAMERICANA DE PUERTO RICO RECINTO DE ARECIBO CENTRO DE SERVICIOS DE APOYO AL ESTUDIANTE Glosario Media: es la puntuación promedio de un grupo de datos. Mediana: la mediana viene a ser la
Más detallesTaller No 1. Laboratorio Estadística con Matlab. Estadística Descriptiva - Análisis exploratorio de datos con Matlab
Taller No 1. Laboratorio Estadística con Matlab Estadística Descriptiva - Análisis exploratorio de datos con Matlab Dos objetivos importantes de Análisis exploratorio de datos son: 1) para determinar un
Más detallesHoja 6: Estadística descriptiva
Hoja : Estadística descriptiva Hoja : Estadística descriptiva May Dada la siguiente distribución de frecuencias, halle: a) la mediana; b) la media. Número (x) Frecuencia (y) May De enero a septiembre la
Más detallesCREACIÓN Y MANEJO DE TABLAS Instructivo N 1
CREACIÓN Y MANEJO DE TABLAS Instructivo N 1 CREACIÓN DE TABLAS 1. QUÉ ES UNA TABLA? Para Excel una tabla es un conjunto de datos organizados en columnas y filas, donde las columnas representan los campos
Más detallesA continuación se presenta la información de la altura promedio para el año de 1998 en Holanda de hombres y mujeres jóvenes.
M150: Creciendo A) Presentación del problema LOS JOVENES CRECEN MAS ALTO A continuación se presenta la altura promedio para el año de 1998 en Holanda de hombres y mujeres jóvenes. B) Preguntas del problema
Más detallesComparación de Líneas de Regresión
Comparación de Líneas de Regresión Resumen El procedimiento de Comparación de Líneas de Regresión esta diseñado para comparar líneas de regresión relacionas con Y y X en dos o mas niveles de un factor
Más detallesEste procedimiento también crea una escala cusum grafica para datos individuales monitoreando la variabilidad del proceso.
Gráfico Cusum (H-K) Resumen Los gráficos de sumas acumulativas monitorean datos por variables graficando las sumas acumulativas de las desviaciones al valor obetivo. Esto lo hace, incorporando la historia
Más detallesObjetivos. Epígrafes 3-1. Francisco José García Álvarez
Objetivos Entender el concepto de variabilidad natural de un procesos Comprender la necesidad de los gráficos de control Aprender a diferenciar los tipos de gráficos de control y conocer sus limitaciones.
Más detallesEl Análisis de Correspondencias tiene dos objetivos básicos:
Tema 8 Análisis de correspondencias El Análisis de Correspondencias es una técnica de reducción de dimensión y elaboración de mapas percentuales. Los mapas percentuales se basan en la asociación entre
Más detallesGAC-Opendata Manual de Usuario
GAC-Opendata Manual de Usuario Introducción GAC es la abreviatura de Global Aquifer Control. GAC-OpenData es: Una aplicación multinavegador que permite acceder a los datos de los acuíferos. Un conjunto
Más detallesQué es una tabla dinámica? Para qué sirve una tabla dinámica?
Gracias a las múltiples solicitudes de alumnos, me he propuesto realizar este manual a modo de entregar una guía base y una ayuda de memoria para todos aquellos que trabajan con esta herramienta. He decidido
Más detallesProcesando y Analizando Datos Dinámicos
Procesando y Analizando Datos Dinámicos Este documento describe un ejemplo de como STATGRAPHICS puede ser usado para procesar datos en tiempo real. Haciendo uso de las capacidades de Activación StatLink,
Más detallesc). Conceptos. Son los grupos o conceptos que se enlistan en las filas de la izquierda de la tabla
Tema 5. Tablas estadísticas Como ya se había establecido en el tema anterior sobre el uso de las tablas estadísticas, éstas son medios que utiliza la estadística descriptiva o deductiva para la presentación
Más detallesMEDIDAS DE TENDENCIA CENTRAL
MEDIDAS DE TENDENCIA CENTRAL Al describir grupos de observaciones, con frecuencia es conveniente resumir la información con un solo número. Este número que, para tal fin, suele situarse hacia el centro
Más detallesDiagrama Causa y Efecto
Diagrama Causa y Efecto Resumen El Diagrama Causa - Efecto o Diagrama Espina de Pescado ilustra las causas de un problema o efectos creando un diagrama parecido al esqueleto de un pescado. Este es frecuentemente
Más detallesEvaluación de la variación de un sistema de medición Ejemplo 1 Diámetros de boquillas de inyectores de combustible
Ejemplo 1 Diámetros de boquillas de inyectores de combustible Problema Un fabricante de boquillas de inyectores de combustible instala un nuevo sistema de medición digital. Los investigadores desean determinar
Más detallesVamos a profundizar un poco sobre los distintos tipos de datos que podemos introducir en las celdas de una hoja de cálculo
Tipos de datos. Vamos a profundizar un poco sobre los distintos tipos de datos que podemos introducir en las celdas de una hoja de cálculo Valores Constantes: Es un dato que se introduce directamente en
Más detallesLa pestaña General contiene definiciones que afectan el comportamiento general del sistema.
Preferencias La elección de Preferencias en el menú Editar permite a los usuarios personalizar el comportamiento de STATGRAPHICS definiendo diferentes valores por omisión usados por todo el sistema. Cuando
Más detallesEstadística para investigadores: todo lo que siempre quiso saber y nunca se atrevió a preguntar
Estadística para investigadores: todo lo que siempre quiso saber y nunca se atrevió a preguntar Módulo 2. Estadística Descriptiva: Medidas de síntesis Mª Purificación Galindo Villardón Mª Purificación
Más 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 detallesLos datos para este análisis consisten de m muestras de una población: = numero de no conformidades observadas en la muestra j
Gráfico C Resumen El procedimiento Gráfico C crea un grafico de control para los datos, que describe el números de no conformidades registradas como el resultado de inspeccionar m muestras. Las muestras
Más detallesUNIVERSIDAD AUTONOMA DE SANTO DOMINGO
UNIVERSIDAD AUTONOMA DE SANTO DOMINGO FACULTAD DE CIENCIAS ECONOMICAS Y SOCIALES DEPARTAMENTO DE ESTADISITICA CATEDRA Estadística Especializada ASIGNATURA Estadística Descriptiva Para Psicólogos (EST-225)
Más detallesCrear una tabla dinámica
Introducción En este manual de referencia se explican los procedimientos para crear, administrar y personalizar tablas dinámicas y gráficos dinámicos. Los ejemplos ilustrativos de este material están basados
Más detallesLECTURA 01: LA DISTRIBUCIÓN NORMAL GENERAL. LA DISTRIBUCIÓN NORMAL ESTÁNDAR (PARTE I). TEMA 1: LA DISTRIBUCION NORMAL GENERAL.
LECTURA 1: LA DISTRIBUCIÓN NORMAL GENERAL LA DISTRIBUCIÓN NORMAL ESTÁNDAR (PARTE I) TEMA 1: LA DISTRIBUCION NORMAL GENERAL PROPIEDADES 1 INTRODUCCION La distribución de probabilidad continua más importante
Más detallesLos Gráficos. Que son? Cuales son los tipos que conoces. Cual es su relación con la estadística?
Los Gráficos Que son? Cual es su relación con la estadística? Que factores se deben considerar para leerlos correctament e? Cuales son los tipos que conoces La representación grafica de datos sobre un
Más detallesUNIDAD 6. Estadística
Matemática UNIDAD 6. Estadística 2 Medio GUÍA N 1 MEDIDAS DE DISPERSIÓN PARA DATOS NO AGRUPADOS ACTIVIDAD Consideremos los siguientes conjuntos de valores referidos a las edades de los jugadores de dos
Más detallesde 1 a 3 15 Desarrollo de ideas y precisión proposi Conclusión de 0 a 1 de 1 a 3
Resultados de la aplicación de la Expresión Escrita (EXPRESC) a la generación 16/Primavera de la División de Ciencias Sociales y Humanidades (DCSH), Unidad Cuajimalpa. La EXPRESC evalúa la expresión escrita
Más detallesMétodos Matemá-cos en la Ingeniería Tema 5. Estadís-ca descrip-va
Métodos Matemá-cos en la Ingeniería Tema 5. Estadís-ca descrip-va Jesús Fernández Fernández Carmen María Sordo García DEPARTAMENTO DE MATEMÁTICA APLICADA Y CIENCIAS DE LA COMPUTACIÓN UNIVERSIDAD DE CANTABRIA
Más detallesTaller 1 Utilización eficaz de hojas de cálculo Excel
Taller 1 Utilización eficaz de hojas de cálculo Excel 1. Estructura y organización de un libro de cálculo... 2 1.1. Concepto de libro y hoja de cálculo... 2 1.2. Organización de hojas de cálculo... 2 1.3.
Más detallesHistogramas. Para crear un histograma. Para crear un histograma podemos utilizar el procedimiento Generador de gráficos en el Menú: o Gráficos:
SPSS: GRÁFICOS HISTOGRAMAS Histogramas Los histogramas son útiles para mostrar la distribución de una única variable de escala. Los datos se agrupan y se resumen utilizando el estadístico de porcentaje
Más detallesDiseño de Experimentos Diseños de Mezclas
Diseño de Experimentos Diseños de Mezclas STATGRAPHICS Rev. 9/14/2006 Resumen Cuando los factores experimentales a ser estudiados son ingredientes o componentes de una mezcla, la función de la respuesta
Más detallesAlgoritmos. Medios de expresión de un algoritmo. Diagrama de flujo
Algoritmos En general, no hay una definición formal de algoritmo. Muchos autores los señalan como listas de instrucciones para resolver un problema abstracto, es decir, que un número finito de pasos convierten
Más detallesAnálisis de datos del Aguacate Hass (presentación caja 10 kilogramos)
Análisis de datos del Aguacate Hass (presentación caja 10 kilogramos) Alberto Contreras Cristán, Miguel Ángel Chong Rodríguez. Departamento de Probabilidad y Estadística Instituto de Investigaciones en
Más detalles2.1. Introducción Análisis exploratorio Análisis exploratorio para variables con muchas modalidades
Tema 2 Análisis gráfico Contenido 2.1. Introducción............................. 1 2.2. Análisis exploratorio......................... 2 2.2.1. Análisis exploratorio para variables con pocas modalidades
Más detallesComparación de Varias Muestras
Comparación de Varias Muestras Resumen El procedimiento de Comparación de Varias Muestras está diseñado para comparar dos o más muestras independientes de datos variables. Se hacen pruebas para determinar
Más detallesUtilización de Funciones en OpenOffice.org Calc
Utilización de Funciones en OpenOffice.org Calc Una función es un conjunto de instrucciones reunidas bajo un nombre que calculan un resultado o llevan a cabo una acción específica. Las funciones pueden
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 detalles08/10/2008. 1.Introducción
Herramientas de la Metrología en Sistemas de Calidad Seminario Aseguramiento de la Calidad de las Mediciones en los Procesos Industriales Sr. Rodrigo Ramos P. - Jefe LCPN-ME Rodrigo Miércoles Ramos 8 de
Más detalles3.1. Administración de la medición y de la información estratégica:
Unidad III Aspectos Generales Sobre la Gestión de la Calidad 3.1. Administración de la medición y de la información estratégica: Los siguientes criterios corresponden a la administración de la medición
Más detallesOtra característica poblacional de interés es la varianza de la población, 2, y su raíz cuadrada, la desviación estándar de la población,. La varianza
CARACTERÍSTICAS DE LA POBLACIÓN. Una pregunta práctica en gran parte de la investigación de mercado tiene que ver con el tamaño de la muestra. La encuesta, en principio, no puede ser aplicada sin conocer
Más detallesESTADÍSTICA. Tema 4 Regresión lineal simple
ESTADÍSTICA Grado en CC. de la Alimentación Tema 4 Regresión lineal simple Estadística (Alimentación). Profesora: Amparo Baíllo Tema 4: Regresión lineal simple 1 Estructura de este tema Planteamiento del
Más 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 detallesUnidad Nº 3. Medidas de Dispersión
Unidad Nº 3 Medidas de Dispersión 1.-Definición.- Las medidas de tendencia central nos enseñaban a localizar el centro de la información en una serie de observaciones o distribución, pero no a realizar
Más detallesMedidas de Dispersión
Medidas de Dispersión Revisamos la tarea de la clase pasada Distribución de Frecuencias de las distancias alcanzadas por las pelotas de golf nuevas: Dato Frecuencia 3.7 1 4.4 1 6.9 1 3.3 1 3.7 1 33.5 1
Más detallesHerramientas computacionales para la matemática MATLAB: Análisis de datos.
Herramientas computacionales para la matemática MATLAB:. Verónica Borja Macías Junio 2012 1 Analizar datos estadísticos en MATLAB es sencillo. Máximo y mínimo max(x) si x es vector encuentra el valor más
Más detallesGRADIENTE La laplaciana es un buen filtro paso alto, pero no es una buena herramienta para resaltar o detectar los bordes. En muchos casos, los bordes o límites de las figuras o de las regiones aparecen
Más detallesMEDIDAS ESTADÍSTICAS Medidas de Tendencia Central y de Variabilidad
MEDIDAS ESTADÍSTICAS Medidas de Tendencia Central y de Variabilidad 1 Propiedades deseables de una medida de Tendencia Central. 1) Definida objetivamente a partir de los datos de la serie. 2) Que dependa
Más detallesHorsepower (Caballos de Fuerza)
Análisis de Factores Resumen El procedimiento Análisis de Factores esta diseñado para extraer factores comunes de un conjunto de p variables cuantitativas X. En muchas situaciones, un número pequeño de
Más detallesSENA CURSO COMPLEMENTARIO PREVENCION, MANTENIMIENTO Y CONSTRUCCION DE OBRAS DE ARTE PARA VIAS ESCALAS
La escala es la relación matemática que existe entre las dimensiones reales y las del dibujo que representa la realidad sobre un plano o un mapa. Es la relación de proporción que existe entre las medidas
Más detallesOperadores aritméticos: suma (+), resta (-), producto (*), cociente (/) y potencia (**).
TEMA 3 TRANSFORMACIÓN DE DATOS En ocasiones es necesario crear nuevas variables a partir de otras ya existentes o modificarlas para poder explotarlas de forma más adecuada. Esto se realiza mediante las
Más detalles