Gráficos de control por atributos

Tamaño: px
Comenzar la demostración a partir de la página:

Download "Gráficos de control por atributos"

Transcripción

1 Gráficos de cotrol por atributos por Felipe de la Rosa Los gráficos de cotrol por variables so istrumetos sumamete útiles para moitorear y mejorar la calidad, si embargo, preseta al meos dos limitacioes básicas: Detro de ua plata productiva, suele ser cietos las variables que ifluye e los procesos de maufacturació, por lo que resulta impráctico y costoso elaborar u gráfico de cotrol para cada ua de ellas. Requiere de ua escala métrica para cuatificar los resultados, por lo que o puede emplearse para moitorear estados o codicioes cualitativas e los procesos. Para hacer frete a estas dos limitacioes, las orgaizacioes suele emplear otro grupo de gráficos, a los que se cooce como gráficos de cotrol por atributos, los cuales tiee como propósito la medició de dos atributos básicos: la proporció y el úmero de o coformidades (defectos) e los procesos. Gráfico p El gráfico p se basa e las propiedades de la distribució de probabilidad biomial, que mide el úmero de éxitos y fracasos (o coformidades), e ua serie de evetos idepedietes. Las fórmulas utilizadas para calcular los límites de cotrol e el gráfico p so: LC! = p LCI! = p 3!!!!! LCS! = p + 3!!!!! Dode:, es el úmero de observacioes del subgrupo. p, es la proporció promedio de o coformidad, la cual se calcula al dividir el total de o coformidades (p) etre el total de observacioes, es decir: p = p 1

2 A cotiuació, se preseta u ejemplo de aplicació para facilitar la compresió del fucioamieto del gráfico p. Ejemplo: Refrigeradores Refsa desea implemetar ua gráfica para cotrolar la calidad del acabado exterior de sus productos, razó por la cual ha decidido ispeccioar y registrar el úmero de uidades defectuosas diarias. E la tabla 1 se preseta la iformació correspodiete al mes de juio. Subgrupo Observacioes Uidades defectuosas Subgrupo Observacioes Uidades defectuosas Tabla 1. Calidad del acabado exterior de los productos de Refsa. El primer paso para calcular los límites de cotrol es obteer el valor de, para lo cual es ecesario dividir el total de uidades defectuosas etre el total de observacioes, tal como se muestra: p = p = = Coociedo el valor de p ahora es posible determiar los límites de cotrol para el gráfico. LC! = p =

3 LCI! = p 3 = = LCS! = p + 3 = = Observa que el valor del límite iferior es egativo, si embargo, e la práctica es imposible ecotrar ua proporció egativa de o coformidades, por lo que decimos que el límite iferior es cero; éstos so los límites de cotrol de esayo que emplearemos para aalizar el proceso por primera vez. Figura 1.Proporció de o icoformidades. Observa que los subgrupos 7 y 11 se ecuetra fuera de los límites de cotrol, lo cual idica que e esos días existiero causas especiales de variació que icremetaro la proporció de productos defectuosos, así para obteer los límites de cotrol revisados, es ecesario volver a realizar los cálculos si cosiderar la iformació de estos subgrupos tal como se muestra: p = p = = Co el valor de ahora es posible determiar los límites de cotrol para el gráfico. 3

4 LC! = p = LCI! = p 3 = = LCS! = p + 3 = = A cotiuació se preseta el gráfico de cotrol co límites revisados si cosiderar los subgrupos 7 y 11. Figura 2. Gráfico de cotrol co límites revisados si cosiderar los subgrupos 7 y 11. Gráfico p co subgrupos de tamaño variable Es deseable que el tamaño del subgrupo de ua gráfica p sea costate e cada ua de las medicioes, si embargo, esto o siempre es posible, ya que el volume de producció suele variar de forma sigificativa de u periodo a otro, y las muestras que se toma para aalizar la calidad o so uiformes, dado lugar a límites de cotrol variables que depede de la catidad de observacioes e cada subgrupo. 4

5 Las fórmulas para el cálculo de límites de cotrol e gráficos p co subgrupos de tamaño variable so las mismas descritas e el ejemplo aterior, si embargo, requiere ua mayor catidad de operacioes. Ejemplo Refrigeradores Refsa desea implemetar ua gráfica de cotrol para moitorear el desempeño del sistema de refrigeració de cada uo de sus productos termiados, para lograrlo ha decidido implemetar u gráfico p que le permita coocer la proporció diaria de productos defectuosos. E la siguiete tabla se preseta la iformació referete a las primeras dos semaas del mes de julio: Subgrupo Observacioes No coformidades Tabla 2. Iformació el desempeño del sistema de refrigeració de los productos de Refsa de dos semaas de julio. El primer paso para calcular los límites de cotrol, es obteer el valor de, para lo cual es ecesario dividir el total de uidades defectuosas etre el total de observacioes, tal como se muestra: p = p = = Coociedo el valor de =968. ahora es posible determiar los límites de cotrol para el primer subgrupo co 5

6 LC! = p = LCI! = p 3 = = LCS! = p + 3 = = Para el subgrupo 2, co =841: LC! = p = LCI! = p 3 = = LCS! = p + 3 = = Para calcular los límites cotrol para el resto de los subgrupos se utiliza el mismo procedimieto. Como puedes ver, etre meor es el úmero de observacioes, los límites de cotrol so más amplios, e esta ocasió o existe causas especiales de variació, por lo que o es ecesario calcular de uevo los límites de cotrol. 6

7 Figura 3. Meor observacioes, deriva e más amplios los límites de cotrol. Los gráficos p para subgrupos de tamaño variable se obtiee de la misma forma que los subgrupos de tamaño costate, si embargo, e ellos se establece límites de cotrol particulares para cada ua de las muestras, aquí, resulta más complicado establecer límites de cotrol revisados para futuras muestras, pues se descooce cuál será su tamaño (). Gráfico c Existe situacioes e las cuales obteer iformació referete a la proporció de uidades o coformes es isuficiete, por lo que resulta ecesario aalizar el úmero de errores o o coformidades observados por uidad ispeccioada; por ejemplo, orificios e ua lámia de acero, errores e la redacció de u escrito, burbujas de aire e u artículo de vidrio, rayoes e la superficie de u mueble, etc. El gráfico c es ua herramieta de cotrol estadístico basada e la distribució de probabilidad de Poisso, el cual os permite moitorear el úmero de o coformidades para ua uidad de ispecció seleccioada, las fórmulas para calcular sus límites de cotrol so: LCI! = c 3 c LC! = c LCS! = u + 3 c 7

8 Dode: Ejemplo c, es el úmero promedio de o coformidades que se obtiee como!! Refrigeradores Refsa desea implemetar ua gráfico de cotrol para moitorear el úmero de o coformidades e los accesorios del iterior de sus refrigeradores, es por ello que e las últimas semaas ha registrado iformació referete al úmero de o coformidades idetificadas e u lote de producció de 50 refrigeradores. Subgrupo Lote No coformidades 1 MP MP MP MP MP MP MP MP MP MP MP MP MP MP MP MP MP MP Tabla 3. Iformació sobre el úmero de o coformidades e los accesorios del iterior de refrigeradores de Refsa. Observa que cada lote ispeccioado costa de 50 uidades, a pesar de ello, Refsa cosidera cada uo de ellos como ua uidad de ispecció, por lo que el tamaño de cada subgrupo es =1. El primer paso para costruir la gráfica es calcular el úmero promedio de o coformidades, c. c = c N = = 3.55 A partir de la cual calculamos los límites de cotrol: 8

9 LC! = c = 3.55 LCI! = c 3 c = = LCS! = u + 3 c = = De forma similar que co la gráfica p, es imposible ecotrar u úmero de coformidades egativas, por lo que cuado el límite iferior de cotrol calculado es egativo, decimos que su valor es igual a cero. Figura 4. Si el límite iferior de cotrol es egativo, su valor es igual a cero. Observa que el lote MP-065 se ecuetra fuera del límite superior de cotrol, lo cual idica que durate su producció se presetaro causas especiales de variació, icremetado, de maera sigificativa, el úmero de o coformidades. Así, para determiar los límites de cotrol del próximo aálisis, calculamos los límites de cotrol revisados, tal como se muestra: c = c N = = 3.17 LC! = c = 3.17 LCI! = c 3 c = =

10 LCS! = u + 3 c = = 8.51 A cotiuació, se preseta el gráfico de cotrol co límites revisados si cosiderar el lote MP-065, estos límites será utilizados para moitorear los siguietes lotes productivos; si embargo, por el mometo resulta coveiete que Refsa idetifique y elimie las causas que icremetaro el úmero de defectos e el lote MP-065, a fi de evitar su recurrecia. Figura 5. Gráfico de cotrol co límites revisados, excepto el lote MP-065. Gráfico u Como se describió ateriormete, la gráfica c es útil para moitorear el úmero de o coformidades por ua uidad de medició, es decir subgrupos costates de tamaño =1; si embargo, al igual que co la gráfica p, esto o siempre es posible, ya que cuado se efreta situacioes e las que el tamaño del subgrupo () es variable, es ecesario emplear la gráfica u. Las fórmulas para calcular los límites de cotrol para la gráfica u so: LC! = u LCI! = u 3!! LCS! = u + 3!! 10

11 Dode:! u, es el úmero promedio de o coformidades por uidad que se obtiee como! Observa que si sustituimos el valor de =1 e las fórmulas ateriores, obteemos las mismas fórmulas que para el gráfico c. Ejemplo Refsa ha registrado iformació referete a las o coformidades (burbujas, desgaste, mal colocació, rayoes, etc.), las cuales aparece e las charolas de vidrio templado que se emplea e alguos de sus productos, a cotiuació se preseta las observacioes registradas durate u mes de operació: Día Catidad Ispeccioada No coformi dades Día Catidad Ispeccioad a No coformi dades Tabla 4. No coformidades de las charolas de vidrio templado usadas e los productos de Refsa. El primer paso para costruir la gráfica, es calcular el úmero promedio de o coformidades por uidad, u. u = u = =

12 Debido a que el tamaño de cada subgrupo es variable, resulta ecesario calcular u límite de cotrol particular para cada uo de los subgrupos, tal como lo hicimos co la gráfica p. Para el primer subgrupo co =198. LC! = u = LCI! = u 3!! = 0.738!.!"#!"# = LCS! = u + 3!! = !.!"#!"# = Para el segudo subgrupo co =205. LC! = u = LCI! = u 3!! = 0.738!.!"#!"# = LCS! = u + 3!! = !.!"#!"# = Para calcular los límites cotrol para el resto de los subgrupos se utiliza el mismo procedimieto. 12

13 Figura 6. Cálculo de límites de cotrol para subgrupos de Refsa. Los gráficos u, se obtiee de forma muy similar a la gráfica c; si embargo, e ellos se establece límites de cotrol particulares para cada ua de las muestras, por lo que resulta más complicado establecer límites de cotrol revisados para futuras muestras, pues se descooce cuál será su tamaño (). Referecias Besterfield, D. (1995). Cotrol de la calidad. México: Pretice Hall Hispaoamérica. Recuperado el 10 de diciembre de 2010 e la base de datos Bibliotechia de la Biblioteca Digital UVEG. Carot, V. (1998). Cotrol estadístico de la calidad. España: Servicio de publicacioes de la Uiversidad Politécica de Valecia. [Versió electróica]. Recuperado el 13 de diciembre de 2010, de Vilar, J. F. (1995). Cotrol estadístico de los procesos. España: Fudació Cofemetal. [Versió electróica]. Recuperado el 13 de diciembre de 2010, de 13

2 CARTAS DE CONTROL POR ATRIBUTOS

2 CARTAS DE CONTROL POR ATRIBUTOS 2 CARTAS DE CONTROL POR ATRIBUTOS Cualquier característica de calidad que pueda ser clasificada de forma biaria: cumple o o cumple, fucioa o o fucioa, pasa o o pasa, coforme o discoforme defectuoso, o

Más detalles

TEMA 5: Gráficos de Control por Atributos. 1. Gráfico de control para la fracción de unidades defectuosas

TEMA 5: Gráficos de Control por Atributos. 1. Gráfico de control para la fracción de unidades defectuosas TEMA 5: Gráficos de Cotrol por Atributos 1 Gráfico de cotrol para la fracció de uidades defectuosas 2 Gráfico de cotrol para el úmero medio de discoformidades por uidad Selecció del tamaño muestral 3 Clasificació

Más detalles

CLAVES DE CORRECCIÓN GUÍA DE EJERCITACIÓN FACTORES Y PRODUCTOS PREGUNTA ALTERNATIVA Nivel

CLAVES DE CORRECCIÓN GUÍA DE EJERCITACIÓN FACTORES Y PRODUCTOS PREGUNTA ALTERNATIVA Nivel x Estimado alumo: Aquí ecotrarás las claves de correcció, las habilidades y los procedimietos de resolució asociados a cada preguta, o obstate, para reforzar tu apredizaje es fudametal que asistas a la

Más detalles

Medidas de tendencia central

Medidas de tendencia central Medidas de tedecia cetral Por: Sadra Elvia Pérez Las medidas de tedecia cetral tiee este ombre porque so valores cetrales represetativos de los datos. Las medidas de tedecia cetral que se estudia e esta

Más detalles

InIn Sistemas de Control de Calidad

InIn Sistemas de Control de Calidad Desity Desity II 78- Sistemas de Cotrol de Calidad Pla - Repaso de cotrol de calidad Gráficos de Cotrol - Herramieta que moitorea ua o más variables a lo largo del tiempo. (El sistema requiere itervecioes

Más detalles

DISTRIBUCIONES DE PROBABILIDAD.- DISTRIBUCIÓN BINOMIAL (BERNOULLI) DISTRIBUCIÓN NORMAL (GAUSS)

DISTRIBUCIONES DE PROBABILIDAD.- DISTRIBUCIÓN BINOMIAL (BERNOULLI) DISTRIBUCIÓN NORMAL (GAUSS) DISTRIBUCIONES DE PROBABILIDAD.- DISTRIBUCIÓN BINOMIAL (BERNOULLI) DISTRIBUCIÓN NORMAL (GAUSS) www.cedicaped.com DISTRIBUCIÓN DE PROBABILIDAD Recordemos que el Espacio Muestral es el cojuto de todos y

Más detalles

DISTRIBUCIÓN DE PROBABILIDAD DE VARIABLES ALEATORIAS DISCRETAS

DISTRIBUCIÓN DE PROBABILIDAD DE VARIABLES ALEATORIAS DISCRETAS DISTRIBUCIÓN DE PROBABILIDAD DE VARIABLES ALEATORIAS DISCRETAS ESPACIO MUESTRAL. El cojuto de todos los resultados posibles de u eperimeto estadístico deotado por S o Ω VARIABLE. Se deomia variable a la

Más detalles

UNIDAD 4 MODELOS PROBABILÍSTICOS

UNIDAD 4 MODELOS PROBABILÍSTICOS Uiversidad Nacioal del Litoral Facultad de Igeiería y Ciecias Hídricas ESTADÍSTICA Igeiería Iformática TEORÍA Mg.Ig. Susaa Valesberg Profesor Titular UNIDAD 4 MODELOS PROBABILÍSTICOS Estadística - Igeiería

Más detalles

Pre-PAES 2016 Media aritmética, moda y mediana.

Pre-PAES 2016 Media aritmética, moda y mediana. Pre-PAES 016 Media aritmética, moda y mediaa. Nombre: Secció: Las medidas de tedecia cetral (MTC) so ciertos valores alrededor de los cuáles tiede a cocetrarse los datos de ua població, esto se debe a

Más detalles

INFERENCIA ESTADÍSTICA CONCEPTOS BÁSICOS

INFERENCIA ESTADÍSTICA CONCEPTOS BÁSICOS INFERENCIA ESTADÍSTICA CONCEPTOS BÁSICOS Població E el cotexto de la estadística, ua població es el cojuto de todos los valores que puede tomar ua característica medible e particular, de u cojuto correspodiete

Más detalles

TAMAÑO DE MUESTRA. 5.1 Coeficiente de homogeneidad al interior de las escuelas

TAMAÑO DE MUESTRA. 5.1 Coeficiente de homogeneidad al interior de las escuelas TAMAÑO DE MUETRA Ua de las etapas del diseño muestral es el cálculo del tamaño de la muestra (Cocra, 977, p. 7-88; Médez, 004, p. 45-47; y aro, 999, p. 39-4), ésta se lleva a cabo cosiderado el objetivo

Más detalles

Mg. Ing. Susana Vanlesberg Profesor Titular

Mg. Ing. Susana Vanlesberg Profesor Titular Uiversidad Nacioal del Litoral Facultad de Igeiería y Ciecias Hídricas ESTADÍSTICA Igeierías: Recursos Hídricos-Ambietal-Agrimesura- Iformática Mg. Ig. Susaa Valesberg Profesor Titular MODELOS PARA VARIABLES

Más detalles

Para resolver una probabilidad con la distribución binomial se aplica la siguiente fórmula

Para resolver una probabilidad con la distribución binomial se aplica la siguiente fórmula CORPORACION UNIFICADA NACIONAL DE EDUCACION SUPERIOR CUN DEPARTAMENTO DE CIENCIAS BASICAS: MATEMATICAS ACTIVIDAD ACADEMICA: ESTADISTICA DE LA PROBABILIDAD DOCENTE: LIC- ING: ROSMIRO FUENTES ROCHA UNIDAD

Más detalles

Ejemplo Solución. 2) Datos p 1 =253/300 p 2 =196/300 n 1 =n 2 =300 α= ) Ensayo de hipótesis

Ejemplo Solución. 2) Datos p 1 =253/300 p 2 =196/300 n 1 =n 2 =300 α= ) Ensayo de hipótesis Ejemplo Solució ) Se trata de ua distribució muestral de diferecia de proporcioes. Se evalúa dos tipos diferetes de solucioes para pulir, para su posible uso e ua operació de pulido e la fabricació de

Más detalles

Guía 1 Matemática: Estadística NM 4

Guía 1 Matemática: Estadística NM 4 Cetro Educacioal Sa Carlos de Aragó. Sector: Matemática. Prof.: Ximea Gallegos H. 1 Guía 1 Matemática: Estadística NM 4 Nombre: Curso: Fecha. Uidad: Estadística y Probabilidades. Apredizajes Esperados:

Más detalles

Series alternadas Introducción

Series alternadas Introducción Sesió 26 Series alteradas Temas Series alteradas. Covergecia absoluta y codicioal. Capacidades Coocer y aplicar el criterio para estudiar series alteradas. Coocer y aplicar el teorema de la covergecia

Más detalles

Topografía 1. II semestre, José Francisco Valverde Calderón Sitio web:

Topografía 1. II semestre, José Francisco Valverde Calderón   Sitio web: II semestre, 2013 José Fracisco Valverde Calderó Email: geo2fra@gmail.com Sitio web: www.jfvc.wordpress.com José Fracisco Valverde C Cualquier actividad técica dode se requiera recopilar iformació espacial,

Más detalles

TRABAJO PRACTICO Nº 1

TRABAJO PRACTICO Nº 1 TRABAJO PRACTICO Nº 1 DEMANDA DE TRANSPORTE: ELASTICIDAD OFERTA DE TRANSPORTE: COSTOS AJUSTE DE FUNCIONES ANÁLISIS DE REGRESIÓN Objetivo: Aplicar a u caso práctico utilizado las herramietas básicas de

Más detalles

T ema 6 DISTRIBUCIONES DISCRETAS DE PROBABILIDAD. x 1. x 2 = 1 = 2. x 3 = 3. x 4. Variable aleatoria: definición y tipos:

T ema 6 DISTRIBUCIONES DISCRETAS DE PROBABILIDAD. x 1. x 2 = 1 = 2. x 3 = 3. x 4. Variable aleatoria: definición y tipos: T ema 6 DISTRIBUCIONES DISCRETAS DE PROBABILIDAD Variable aleatoria: defiició y tipos: Ua variable aleatoria es ua fució que asiga u úmero real, y sólo uo, a cada uo de los resultados de u eperimeto aleatorio.

Más detalles

LAS SERIES GEOMÉTRICAS Y SU TENDENCIA AL INFINITO

LAS SERIES GEOMÉTRICAS Y SU TENDENCIA AL INFINITO LA ERIE GEOMÉTRICA Y U TENDENCIA AL INFINITO ugerecias al Profesor: Al igual que las sucesioes, las series geométricas se itroduce como objetos matemáticos que permite modelar y resolver problemas que

Más detalles

MEDIDAS DE TENDENCIA CENTRAL. _ xi

MEDIDAS DE TENDENCIA CENTRAL. _ xi EDIDAS DE TENDENCIA CENTRAL. EDIA ARITÉTICA. Es la medida más coocida y tambié es llamada promedio se obtiee sumado todos los valores de la muestra o població, dividida etre el total de elemetos que cotiee

Más detalles

M arcelo, de vez en vez, usa una reata de 10 m de largo y 2 cm de grueso para

M arcelo, de vez en vez, usa una reata de 10 m de largo y 2 cm de grueso para GEOMETRÍA, TRIGONOMETRÍA Y SERIES Tema 4 Series uméricas M arcelo, de vez e vez, usa ua reata de 10 m de largo y cm de grueso para medir el cotoro de los terreos que fumiga. Para que la reata que usa o

Más detalles

Problemas de Estimación de Una y Dos Muestras. UCR ECCI CI-1352 Probabilidad y Esradística Prof. M.Sc. Kryscia Daviana Ramírez Benavides

Problemas de Estimación de Una y Dos Muestras. UCR ECCI CI-1352 Probabilidad y Esradística Prof. M.Sc. Kryscia Daviana Ramírez Benavides Problemas de Estimació de Ua y Dos Muestras UCR ECCI CI-35 Probabilidad y Esradística Prof. M.Sc. Kryscia Daviaa Ramírez Beavides Iferecia Estadística La teoría de la iferecia estadística cosiste e aquellos

Más detalles

2.1. Concepto Monto, capital, tasa de interés y tiempo.

2.1. Concepto Monto, capital, tasa de interés y tiempo. 1 2.1. Cocepto El iterés compuesto tiee lugar cuado el deudor o paga al cocluir cada periodo que sirve como base para su determiació los itereses correspodietes. Así, provoca que los mismos itereses se

Más detalles

Importancia de las medidas de tendencia central.

Importancia de las medidas de tendencia central. UNIDAD 5: UTILICEMOS MEDIDAS DE TENDENCIA CENTRAL. Importacia de las medidas de tedecia cetral. Cuado recopilamos ua serie de datos podemos resumirlos utilizado ua tabla de clases y frecuecias. La iformació

Más detalles

MATEMÁTICAS 3º ESO - SUCESIONES. Una sucesión es un conjunto de números dados ordenadamente de modo que se puedan numerar: primero, segundo, tercero

MATEMÁTICAS 3º ESO - SUCESIONES. Una sucesión es un conjunto de números dados ordenadamente de modo que se puedan numerar: primero, segundo, tercero ucesioes Ua sucesió es u cojuto de úmeros dados ordeadamete de modo que se pueda umerar: primero, segudo, tercero Ejemplos: a), 3, 5, 7, 9, b), 4, 9, 6, 25, 36 c) 2, 4, 8, 6, 32, 64 e llama térmios a los

Más detalles

1. Muestreo Aleatorio Simple

1. Muestreo Aleatorio Simple UNIVERSIDAD TECNOLÓGICA DE PEREIRA FACULTAD DE INGENIERIA INDUSTRIAL Estadística III-Material 2-2012 Revisió y Cambios y Ampliació: Ig. José Alejadro Marí Fuete Primaria: Ig. César Augusto Zapata Urquijo

Más detalles

DERIVADA DE FUNCIONES DEL TIPO f ( x) c, donde c es una constante, la derivada de esta función es siempre cero, es decir:

DERIVADA DE FUNCIONES DEL TIPO f ( x) c, donde c es una constante, la derivada de esta función es siempre cero, es decir: DERIVADA DE FUNCIONES DEL TIPO f ( ) c Coceptos clave: 1. Derivada de la fució costate f ( ) c, dode c es ua costate, la derivada de esta fució es siempre cero, es decir: f '( ) 0 c. Derivada de ua fució

Más detalles

SESIÓN 8 DESCRIPCIONES DE UNA RELACIÓN

SESIÓN 8 DESCRIPCIONES DE UNA RELACIÓN SESIÓN 8 DESCRIPCIONES DE UNA RELACIÓN I. CONTENIDOS: 1. Regresió lieal simple.. Iterpretació de gráficas de regresió. 3. Cálculo de coeficiete de correlació. 4. Iterpretació del coeficiete de correlació.

Más detalles

Prueba A = , = [ 7.853, 8.147]

Prueba A = , = [ 7.853, 8.147] PRUEBAS DE ACCESO A LA UNIVERSIDAD CURSO 5-6 - CONVOCATORIA: Septiembre MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES - Cada alumo debe elegir sólo ua de las pruebas (A o B) y, detro de ella, sólo debe

Más detalles

Universidad Nacional del Litoral Facultad de Ingeniería y Ciencias Hídricas ESTADÍSTICA. Ingenierías RH-Amb-Ag TEORÍA

Universidad Nacional del Litoral Facultad de Ingeniería y Ciencias Hídricas ESTADÍSTICA. Ingenierías RH-Amb-Ag TEORÍA Uiversidad Nacioal del Litoral Facultad de Igeiería Ciecias Hídricas ESTADÍSTICA Igeierías RH-Amb-Ag TEORÍA Mg. Susaa Valesberg Profesor Titular INFERENCIA ESTADÍSTICA TEST DE HIPÓTESIS INTRODUCCIÓN Geeralmete

Más detalles

Slide 1. Slide 2. Slide 3. Universidad Diego Portales Facultad de Economía y Negocios. Capítulo 3 Estadística Descriptiva: Métodos Numéricos

Slide 1. Slide 2. Slide 3. Universidad Diego Portales Facultad de Economía y Negocios. Capítulo 3 Estadística Descriptiva: Métodos Numéricos Slide 1 Uiversidad Diego Portales Facultad de Ecoomía y Negocios Martes 30 de Marzo, 2010 Slide 1 Slide 2 Capítulo 3 Estadística Descriptiva: Métodos Numéricos Medidas de Localizació Medidas de Variabilidad

Más detalles

Sumatoria, Progresiones y Teorema del Binomio

Sumatoria, Progresiones y Teorema del Binomio Capítulo Sumatoria, Progresioes y Teorema del Biomio.. Símbolo Sumatorio Es u símbolo muy útil y coveiete que permite escribir sumas e forma abreviada. Este símbolo se represeta mediate la letra griega

Más detalles

) se obtiene un valor específico del estimador que recibe el nombre de estimación del parámetro poblacional θ y lo notaremos por = g ( x 1

) se obtiene un valor específico del estimador que recibe el nombre de estimación del parámetro poblacional θ y lo notaremos por = g ( x 1 ESTIMACIÓN PUNTUAL. ESTIMACIÓN POR INTERVALOS DE CONFIANZA. 1. INTRODUCCIÓN A LA INFERENCIA ESTADÍSTICA El objetivo básico de la iferecia estadística es hacer iferecias o sacar coclusioes sobre la població

Más detalles

2 Algunos conceptos de convergencia de sucesiones de variables aleatorias

2 Algunos conceptos de convergencia de sucesiones de variables aleatorias INTRODUCCIÓN A LA CONVERGENCIA DE SUCESIONES DE VARIABLES ALEATORIAS Juliá de la Horra Departameto de Matemáticas U.A.M. 1 Itroducció Se puede utilizar diferetes coceptos de covergecia para las sucesioes

Más detalles

TRABAJO DE GRUPO Series de potencias

TRABAJO DE GRUPO Series de potencias DPTO. MATEMÁTICA APLICADA FACULTAD DE INFORMÁTICA (UPM) TRABAJO DE GRUPO Series de potecias CÁLCULO II (Curso 20-202) MIEMBROS DEL GRUPO (por orde alfabético) Nota: Apellidos Nombre Este trabajo sobre

Más detalles

PRUEBAS DE HIPÓTESIS.

PRUEBAS DE HIPÓTESIS. PRUEBAS DE HIPÓTESIS. HIPÓTESIS ESTADÍSTICA Paramétrica : No Paramétrica Es ua afirmació sobre los valores de los parámetros poblacioales descoocidos. Es ua afirmació sobre algua característica Simple

Más detalles

Medidas de Tendencia Central

Medidas de Tendencia Central 1 Medidas de Tedecia Cetral La Media La media (o promedio) de ua muestra x 1, x,, x de tamaño de ua variable o característica x, se defie como la suma de todos los valores observados e la muestra, dividida

Más detalles

UNIVERSIDAD TECNOLÓGICA DE PEREIRA FACULTAD DE INGENIERIA INDUSTRIAL

UNIVERSIDAD TECNOLÓGICA DE PEREIRA FACULTAD DE INGENIERIA INDUSTRIAL UNIVERSIDAD TECNOLÓGICA DE PEREIRA FACULTAD DE INGENIERIA INDUSTRIAL Revisió, Cambios y Ampliació: Ig. José Alejadro Marí Fuete Primaria: Ig. César Augusto Zapata Urquijo 1. M U E S T R E O S I S T E M

Más detalles

2 FUNDAMENTOS DE PROBABILIDAD

2 FUNDAMENTOS DE PROBABILIDAD 2 FUNDAMENTOS DE PROBABILIDAD T al vez el estudio de la probabilidad toma setido cuado se percibe y se acepta la existecia de la aleatoriedad e diversos aspectos de la vida diaria. Si embargo, si cosideramos

Más detalles

Determinación del tamaño de una muestra (para dos o más muestras)

Determinación del tamaño de una muestra (para dos o más muestras) STATGRAPHICS Rev. 457 Determiació del tamaño de ua muestra (para dos o más muestras) Este procedimieto determia el tamaño de muestra apropiado para estimar o realiar pruebas de hipótesis respecto a alguo

Más detalles

1. Intervalos de Conanza

1. Intervalos de Conanza M. Iiesta Uiversidad de Murcia INFERENCIA ESTADÍSTICA Tema 3.: Itervalos de coaza Objetivos Costruir itervalos de coaza para los parámetros más importates. Aplicar coveietemete los IC atediedo a cada situació

Más detalles

Una sucesión es un conjunto infinito de números ordenados de tal forma que se puede decir cuál es el primero, cuál el segundo, el tercero, etc.

Una sucesión es un conjunto infinito de números ordenados de tal forma que se puede decir cuál es el primero, cuál el segundo, el tercero, etc. Sucesioes Sucesi o. Ua sucesió es u cojuto ifiito de úmeros ordeados de tal forma que se puede decir cuál es el primero, cuál el segudo, el tercero, etc. Los térmios de ua sucesió se desiga mediate a 1,

Más detalles

ANEXO. Es todo producto envasado y medido sin la presencia del consumidor y en condiciones de comercializarse.

ANEXO. Es todo producto envasado y medido sin la presencia del consumidor y en condiciones de comercializarse. ANEXO 1. MUESTREO Y TOLERANCIAS DE PRODUCTOS PREMEDIDOS 2. APLICACIÓN El presete reglameto se aplicará para la verificació de los coteidos etos de los productos promedios, etiquetados, co coteido omial

Más detalles

Estadística Teórica II

Estadística Teórica II tervalos de cofiaza Estadística Teórica NTERVALOS DE CONFANZA Satiago de la Fuete Ferádez 77 tervalos de cofiaza CÁLCULO DE NTERVALOS DE CONFANZA PARA LA MEDA CON DESVACÓN TÍPCA POBLACONAL CONOCDA Y DESCONOCDA.

Más detalles

Estadística y sus aplicaciones en Ciencias Sociales Práctico 4 - Solución Curso ) Como se trata de muestreo sin reposición, se tiene C 5 3

Estadística y sus aplicaciones en Ciencias Sociales Práctico 4 - Solución Curso ) Como se trata de muestreo sin reposición, se tiene C 5 3 Estadística y sus aplicacioes e Ciecias Sociales Práctico 4 - Solució Curso 016 Ejercicio 1 5! 1) Como se trata de muestreo si reposició, se tiee C 5 3 3!! muestras de tamaño =3. ) Distribució muestral

Más detalles

En el tema anterior se estudió que muchas decisiones se toman a partir de resultados muestrales. Por ejemplo:

En el tema anterior se estudió que muchas decisiones se toman a partir de resultados muestrales. Por ejemplo: TEMA 6. Estimació putual. E muchos casos o será posible determiar el valor de u parámetro poblacioal descoocido, aalizado todos los valores poblacioales, pues el proceso a seguir puede ser destructivo,

Más detalles

ITM, Institución universitaria. Guía de Laboratorio de Física Mecánica. Práctica 3: Teoría de errores. Implementos

ITM, Institución universitaria. Guía de Laboratorio de Física Mecánica. Práctica 3: Teoría de errores. Implementos ITM, Istitució uiversitaria Guía de Laboratorio de Física Mecáica Práctica 3: Teoría de errores Implemetos Regla, balaza, cilidro, esfera metálica, flexómetro, croómetro, computador. Objetivos E esta práctica

Más detalles

Ejemplo Solución. μ 1 =121 μ 2 =112 σ 1 =σ 2 =8.0 α=0.05 n 1 =n 2 =10. 2) Datos. 3) Ensayo de hipótesis

Ejemplo Solución. μ 1 =121 μ 2 =112 σ 1 =σ 2 =8.0 α=0.05 n 1 =n 2 =10. 2) Datos. 3) Ensayo de hipótesis Ejemplo Solució ) Datos μ = μ = σ =σ =8.0 = =0 3) Esayo de hipótesis ; μ -μ = 0.0 H ; μ -μ >0.0 Se está iteresado e reducir el tiempo de secado de ua pitura. Probamos dos fórmulas; la fórmula tiee el coteido

Más detalles

Algoritmos y Estructuras de Datos II, Segundo del Grado de Ingeniería Informática, Test de Análisis de Algoritmos, marzo Test jueves.

Algoritmos y Estructuras de Datos II, Segundo del Grado de Ingeniería Informática, Test de Análisis de Algoritmos, marzo Test jueves. Algoritmos y Estructuras de Datos II, Segudo del Grado de Igeiería Iformática, Test de Aálisis de Algoritmos, marzo 017. Test jueves. Para cada problema habrá que justificar razoadamete la respuesta que

Más detalles

( ) ( ) ( ) ( ) ( ) ( ) ( ( )) ( )

( ) ( ) ( ) ( ) ( ) ( ) ( ( )) ( ) I E S CARDENAL CISNEROS -- DEPARTAMENTO DE MATEMÁTICAS INFERENCIA ESTADÍSTICA El coeficiete itelectual de los alumos de u cetro se distribuye N(110,15). Escogemos 5 alumos al azar. Cuál es la probabilidad

Más detalles

Intervalos de Confianza basados en una sola muestra. Denotaremos al parámetro de interés con la letra θ y con θ un estimador para θ.

Intervalos de Confianza basados en una sola muestra. Denotaremos al parámetro de interés con la letra θ y con θ un estimador para θ. Itervalos de Cofiaza basados e ua sola muestra Ua estimació putual sólo os proporcioa u valor umérico, pero NO proporcioa iformació sobre la precisió y cofiabilidad de la estimació del parámetro. Etoces

Más detalles

es un proceso de conteo si representa el número de eventos ocurridos hasta el tiempo t.

es un proceso de conteo si representa el número de eventos ocurridos hasta el tiempo t. PROCESOS ROBABILIDADES ESTOCÁSTICOS (ITEL-3005) (80807) Tema 4. Los Procesos Tema. de Fudametos Poisso y otros de Estadística procesos asociados Descriptiva Semaa Distribució 5 Clase 07 de frecuecias Lues

Más detalles

4.4 Sistemas mal condicionados

4.4 Sistemas mal condicionados 7 4.4 Sistemas mal codicioados l resolver u sistema de ecuacioes lieales usado u método directo, es ecesario aalizar si el resultado calculado es cofiable. E esta secció se estudia el caso especial de

Más detalles

ANEXO Cuantificación de la labor del Formador de Mercado

ANEXO Cuantificación de la labor del Formador de Mercado México, D.F., 27 de febrero de 2006 ANEXO 1 1. Cuatificació de la labor del Formador de Mercado La actividad de las istitucioes que participa e la figura de Formadores de Mercado se cuatifica utilizado

Más detalles

IntroducciónalaInferencia Estadística

IntroducciónalaInferencia Estadística Capítulo 6 ItroduccióalaIferecia Estadística 6.1. Itroducció El pricipal objetivo de la Estadística es iferir o estimar características de ua població que o es completamete observable (o o iteresa observarla

Más detalles

ANEXO B. Se define como Regresión al estudio de la fuerza, consistencia o grado de asociación de la

ANEXO B. Se define como Regresión al estudio de la fuerza, consistencia o grado de asociación de la ANEXO B B.. Regresió Se defie como Regresió al estudio de la fuerza, cosistecia o grado de asociació de la correlació de variables idepedietes [6]. B... Regresió Lieal Simple El objeto de u aálisis de

Más detalles

Pregunta Nº1 (60%) Solemne Nº1

Pregunta Nº1 (60%) Solemne Nº1 Curso: ICI3020 - Simulació. Profesores: Felipe Gozález, Pablo Rey Ayudates: Gustavo Heríquez, Ricardo Ramírez Semestre: II-200 Soleme Nº :30 miutos. Si cosultas Preguta Nº (60%) Se desea modelar la operació

Más detalles

a = n Clase 11 Tema: Radicación en los números reales Matemáticas 9 Bimestre: I Número de clase: 11 Esta clase tiene video

a = n Clase 11 Tema: Radicación en los números reales Matemáticas 9 Bimestre: I Número de clase: 11 Esta clase tiene video Matemáticas 9 Bimestre: I Número de clase: Clase Actividad Esta clase tiee video Tema: Radicació e los úmeros reales Lea la siguiete iformació. Si es u úmero etero positivo, etoces la raíz -ésima de u

Más detalles

4 El Perceptrón Simple

4 El Perceptrón Simple El Perceptró Simple. Itroducció Ua de las características más sigificativas de las redes euroales es su capacidad para apreder a partir de algua fuete de iformació iteractuado co su etoro. E 958 el psicólogo

Más detalles

12 I N F E R E N C I A E S T A D Í S T I C A II (CONTRASTE DE HIPÓTESIS)

12 I N F E R E N C I A E S T A D Í S T I C A II (CONTRASTE DE HIPÓTESIS) 12 I N F E R E N C I A E S T A D Í S T I C A II (CONTRASTE DE HIPÓTESIS) 1 Supogamos que ua variable aleatoria X sigue ua ley N(µ; =,9). A partir de ua muestra de tamaño = 1, se obtiee ua media muestral

Más detalles

Qué es la estadística?

Qué es la estadística? Qué es la estadística? La estadística tiee que ver co la recopilació, presetació, aálisis y uso de datos para tomar decisioes y resolver problemas. Qué es la estadística? U agete recibe iformació e forma

Más detalles

EXAMEN DE TÉCNICAS PARA EL ANÁLISIS DEL MERCADO. 3-Julio-2014.

EXAMEN DE TÉCNICAS PARA EL ANÁLISIS DEL MERCADO. 3-Julio-2014. EXAMEN DE TÉCNICAS PARA EL ANÁLISIS DEL MERCADO. 3-Julio-04. APELLIDOS: DNI: NOMBRE:. La producció de piezas de ua factoría se realiza e dos máquias. El 40% de las piezas las produce la máquia M y el 60%

Más detalles

Resumen Tema 2: Muestreo aleatorio simple. Muestreo con probabilidades desiguales.

Resumen Tema 2: Muestreo aleatorio simple. Muestreo con probabilidades desiguales. Resume Tema 2: Muestreo aleatorio simple. Muestreo co probabilidades desiguales. M.A.S.: Muestreo aleatorio simple co probabilidades iguales si reemplazo. Hipótesis: Marco perfecto, si omisioes i duplicados

Más detalles

Intervalos de confianza Muestras grandes

Intervalos de confianza Muestras grandes Itervalos de cofiaza Muestras grades Por qué u itervalo de cofiaza? E la Uidad 3 revisamos los coceptos de població y muestra. Los parámetros poblacioales so la media μ y la variaza σ. So costates y geeralmete

Más detalles

Preguntas más Frecuentes: Tema 2

Preguntas más Frecuentes: Tema 2 Pregutas más Frecuetes: Tema 2 Pulse sobre la preguta para acceder directamete a la respuesta 1. Se puede calcular la media a partir de las frecuecias absolutas acumuladas? 2. Para calcular la media aritmética,

Más detalles

INTERVALOS DE CONFIANZA

INTERVALOS DE CONFIANZA Gestió Aeroáutica: Estadística Teórica Facultad Ciecias Ecoómicas y Empresariales Departameto de Ecoomía Aplicada Profesor: Satiago de la Fuete Ferádez NTERVALOS DE CONFANZA Gestió Aeroáutica: Estadística

Más detalles

Explicación de la tarea 10 Felipe Guerra. Para la explicación de esta tarea veamos primeramente que es lo que nos están pidiendo.

Explicación de la tarea 10 Felipe Guerra. Para la explicación de esta tarea veamos primeramente que es lo que nos están pidiendo. Explicació de la tarea 0 Felipe Guerra Para la explicació de esta tarea veamos primeramete que es lo que os está pidiedo. Ya hemos visto a lo largo del curso que la variaza es el error cuadrado medio de

Más detalles

MEDIDAS DE DISPERSIÓN.

MEDIDAS DE DISPERSIÓN. MEDIDA DE DIPERIÓN. Las medidas de tedecia cetral solamete da ua medida de la localizació del cetro de los datos. Co mucha frecuecia, es igualmete importate describir la forma e que las observacioes está

Más detalles

Muestreo sistemático

Muestreo sistemático Capítulo 1 Muestreo sistemático El muestreo sistemático es u tipo de muestreo que es aplicable cuado los elemetos de la població sobre la que se realiza el muestreo está ordeados Este procedimieto de muestreo

Más detalles

EJERCICIOS RESUELTOS SOBRE SISTEMAS DE 1er y 2do ORDEN

EJERCICIOS RESUELTOS SOBRE SISTEMAS DE 1er y 2do ORDEN EJERCICIOS RESUELTOS SOBRE SISTEMAS DE 1er y do ORDEN A cotiuació se resuelve tres problemas sobre sistemas de primer y segudo orde. El primer problema es sobre sistemas de primer orde co codicioes iiciales

Más detalles

GUIA DE ESTUDIO Nro 1

GUIA DE ESTUDIO Nro 1 MATERIA: MATEMÁTICA I CURSO: I AÑO EJE ESTRUCTURAL I: CONCEPTOS FUNDAMENTALES DEL ALGEBRA GRUPOS CONCEPTUALES: - Epresioes algebraicas. Poliomios. - Ecuacioes. Iecuacioes. TEMARIO: GUIA DE ESTUDIO Nro

Más detalles

1. Teorema del Límite Central. Como se dijo varias clases atras si tenemos n variables aleatorias, cada una de. X i = X. n = 1 n.

1. Teorema del Límite Central. Como se dijo varias clases atras si tenemos n variables aleatorias, cada una de. X i = X. n = 1 n. 1. Teorema del Límite Cetral Teorema: ea Y 1, Y,..., Y variables aleatorias idepedietes idéticamete distribuidas co EY i = µ y V Y i =

Más detalles

Tema 14: Inferencia estadística

Tema 14: Inferencia estadística Tema 14: Iferecia estadística La iferecia estadística es el proceso de sacar coclusioes de la població basados e la iformació de ua muestra de esa població. 1. Estimació de parámetros Cuado descoocemos

Más detalles

1. Propiedades de los estimadores

1. Propiedades de los estimadores . Propiedades de los estimadores.. Eficiecia relativa. Defiició: Dados dos estimadores isesgados, ˆ y ˆ, de u parámetro, co variazas V ( ˆ ) y V ( ˆ ), etoces la eficiecia (eff) de ˆ respecto a ˆ, se defie

Más detalles

TEMA IV: MODELOS PROBABILÍSTICOS COMUNES.

TEMA IV: MODELOS PROBABILÍSTICOS COMUNES. TEMA IV: MODELOS PROBABILÍSTICOS COMUNES. Objetivo: El alumo coocerá alguas de las distribucioes más utilizadas e la práctica de la Igeiería y seleccioará la más adecuada para aalizar algú feómeo aleatorio

Más detalles

Estimación por intervalos

Estimación por intervalos Estimació por itervalos Estimació por itervalos para la media poblacioal co (variaza poblacioal) coocida P( x z/ x z/ ) 1 co (variaza poblacioal) descoocida Si 30 se reemplaza por S y usamos el itervalo

Más detalles

EJERCICIOS RESUELTOS TEMA 8

EJERCICIOS RESUELTOS TEMA 8 EJERCICIOS RESUELTOS TEMA 8 8.. U ivestigador desea coocer la opiió de los madrileños sobre la saidad pública. Para ello, acude a las 8 de la mañaa al hospital público de la capital más cercao a su domicilio

Más detalles

Slide 1. Slide 2. Slide 3. Universidad Diego Portales Facultad de Economía y Negocios. Capítulo 4 Introducción a la Probabilidad.

Slide 1. Slide 2. Slide 3. Universidad Diego Portales Facultad de Economía y Negocios. Capítulo 4 Introducción a la Probabilidad. Slide 1 Uiversidad Diego Portales Facultad de Ecoomía y Negocios Martes 13 de Abril, 2010 Slide 1 Slide 2 Capítulo 4 Itroducció a la Probabilidad Temas Pricipales: Experimetos, Reglas de Coteo, y Asigació

Más detalles

CAPÍTULO I. Conceptos Básicos de Estadística

CAPÍTULO I. Conceptos Básicos de Estadística CAPÍTULO I Coceptos Básicos de Estadística Capítulo I. Coceptos Básicos de Estadística. CAPÍTULO I CONCEPTOS BÁSICOS DE ESTADÍSTICA Para realizar estudios estadísticos es ecesario registrar la ocurrecia

Más detalles

NOTAS SOBRE INFERENCIA ESTADÍSTICA BAYESIANA. José G. Ríos Alejandro. Abril del 2011.

NOTAS SOBRE INFERENCIA ESTADÍSTICA BAYESIANA. José G. Ríos Alejandro. Abril del 2011. NOTAS SOBRE INFERENCIA ESTADÍSTICA BAYESIANA José G. Ríos Alejadro Abril del 11. INTRODUCCIÓN E los cursos de estadística usualmete se estudia la estadística co efoque frecuetista, la cual alguos autores

Más detalles

Trata de describir y analizar algunos caracteres de los individuos de un grupo dado, sin extraer conclusiones para un grupo mayor.

Trata de describir y analizar algunos caracteres de los individuos de un grupo dado, sin extraer conclusiones para un grupo mayor. 1 Estadística Descriptiva Tema 8.- Estadística. Tablas y Gráficos. Combiatoria Trata de describir y aalizar alguos caracteres de los idividuos de u grupo dado, si extraer coclusioes para u grupo mayor.

Más detalles

- A h h+1 n-1 n

- A h h+1 n-1 n 1º DMINISTRCIÓN Y FINNZS GESTIÓN FINNCIER. TEM 9 TEM Nº 9: SELECCIÓN DE INVERSIONES 1. DIMENSIÓN FINNCIER DE UN PROYECTO DE INVERSIÓN Desde el puto de vista fiaciero, es decir, moetario, cualquier proyecto

Más detalles

Cód. Carrera: Área de Matemática Fecha: MODELO DE RESPUESTAS Objetivos 1 al 11.

Cód. Carrera: Área de Matemática Fecha: MODELO DE RESPUESTAS Objetivos 1 al 11. rueba Itegral Lapso 03-7-76-77 /0 Uiversidad Nacioal Abierta Matemática I (Cód. 7-76-77) icerrectorado Académico Cód. Carrera: 6-36-80-08- -60-6-6-63 Fecha: 0 0-0 MODELO DE RESUESTAS Objetivos al. OBJ

Más detalles

MINITAB y MODELOS DE REGRESIÓN

MINITAB y MODELOS DE REGRESIÓN Prácticas de Fudametos Matemáticos para el estudio del Medio Ambiete www.um.es/docecia/jpastor jpastor@um.es MINITAB y MODELOS DE REGRESIÓN 1. Itroducció Ua de las cuestioes de mayor iterés e las Ciecias

Más detalles

Distribución Multinomial

Distribución Multinomial Uiversidad de Chile. Rodrigo Assar Facultad de Ciecias Físicas y Matemáticas M A34B 3 Adrés Iturriaga Departameto de Igeiería Matemática. Víctor Riquelme Distribució Multiomial Resume E el presete artículo

Más detalles

APUNTES DE FÍSICA I Profesor: José Fernando Pinto Parra UNIDAD 11 DINÁMICA DEL MOVIMIENTO ROTACIONAL

APUNTES DE FÍSICA I Profesor: José Fernando Pinto Parra UNIDAD 11 DINÁMICA DEL MOVIMIENTO ROTACIONAL APUNTES DE FÍSICA I Profesor: José Ferado Pito Parra UNIDAD 11 DINÁMICA DEL MOVIMIENTO ROTACIONAL Cuado u objeto real gira alrededor de algú eje, su movimieto o se puede aalizar como si fuera ua partícula,

Más detalles

Sobre los intervalos de confianza y de predicción Javier Santibáñez 7 de abril de 2017

Sobre los intervalos de confianza y de predicción Javier Santibáñez 7 de abril de 2017 Sobre los itervalos de cofiaza y de predicció Javier Satibáñez 7 de abril de 2017 Itervalos de cofiaza Se costruye itervalos de cofiaza para los parámetros poblacioales. Supogamos que teemos ua muestra

Más detalles

LAS SUCESIONES Y SU TENDENCIA AL INFINITO

LAS SUCESIONES Y SU TENDENCIA AL INFINITO LAS SUCESIONES Y SU TENDENCIA AL INFINITO Sugerecias al Profesor: Resaltar que las sucesioes geométricas ifiitas so objetos matemáticos que permite modelar alguos procesos ifiitos, y que a la vez su costrucció

Más detalles

Evaluación NOMBRE APELLIDOS CURSO Y GRUPO FECHA CALIFICACIÓN. 9. Límite y continuidad

Evaluación NOMBRE APELLIDOS CURSO Y GRUPO FECHA CALIFICACIÓN. 9. Límite y continuidad Evaluació NOMBRE APELLIDOS CURSO GRUPO FECHA CALIFICACIÓN Calcula el térmio geeral de ua progresió geométrica que tiee de térmio a y por razó /. a) b) c) El 6 es: a) b) 0 c) / 6 7 El es: a) b) c) 0 El

Más detalles

Universidad Nacional Autónoma de Honduras Facultad de Ciencias Económicas Guía de Ejercicios No. 2 DET 385, Métodos Cuantitativos III

Universidad Nacional Autónoma de Honduras Facultad de Ciencias Económicas Guía de Ejercicios No. 2 DET 385, Métodos Cuantitativos III .: Derivadas de orde superior: Elaborada por: Wilfredo Saravia M. Uiversidad Nacioal Autóoma de Hoduras Facultad de Ciecias Ecoómicas Guía de Ejercicios No. DET 85, Métodos Cuatitativos III E los ejercicios

Más detalles

8 DESIGUALDAD DE TCHEBYCHEFF LEY DE LOS GRANDES NÚMEROS

8 DESIGUALDAD DE TCHEBYCHEFF LEY DE LOS GRANDES NÚMEROS 8 DESIGUALDAD DE TCHEBYCHEFF LEY DE LOS GRANDES NÚMEROS Sea ua variable aleatoria de ley descoocida co 0,00. Si 0,, emplear la desigualdad de TCHEBYCHEFF para acotar iferiormete la probabilidad E( ) [

Más detalles

Capítulo 3. El modelo de regresión múltiple. Jorge Feregrino Feregrino. Econometría Aplicada Utilizando R

Capítulo 3. El modelo de regresión múltiple. Jorge Feregrino Feregrino. Econometría Aplicada Utilizando R Capítulo 3. El modelo de regresió múltiple. Jorge Feregrio Feregrio Idetificació del modelo La idetificació del objeto de ivestigació permitirá realizar ua búsqueda exhaustiva de los datos para llevar

Más detalles

Guía de estudio para 2º año Medio

Guía de estudio para 2º año Medio Liceo Marta Dooso Espejo Medio Reforzamieto Guía de estudio para º año Medio El propósito de esta guía es hacer ua revisió de los pricipales coteidos tratados e el 1º año Medio durate el año 009. I. Números

Más detalles

Paso 6. Recopilar información

Paso 6. Recopilar información Paso 6. Recopilar iformació Ua vez determiado el tipo de ivestigació que se llevará a cabo, se revisará la bibliografía pertiete al respecto del tema de estudio para coocer los procedimietos y las técicas

Más detalles

INSTITUCIÓN EDUCATIVA JAVIERA LONDOÑO SEVILLA. GUIA Nº 3: Sucesiones, Límite de Sucesiones y Límite de Funciones en R

INSTITUCIÓN EDUCATIVA JAVIERA LONDOÑO SEVILLA. GUIA Nº 3: Sucesiones, Límite de Sucesiones y Límite de Funciones en R P á g i a INSTITUCIÓN EDUCATIVA JAVIERA LONDOÑO SEVILLA GUIA Nº 3: Sucesioes, Límite de Sucesioes y Límite de Fucioes e R GRADO: º AREA: MATEMÁTICAS PROFESORA: Ebli Martíez M. ESTUDIANTE: PERIODO: III

Más detalles

El método de Monte Carlo

El método de Monte Carlo El método de Mote Carlo El método de Mote Carlo es u procedimieto geeral para seleccioar muestras aleatorias de ua població utilizado úmeros aleatorios. La deomiació Mote Carlo fue popularizado por los

Más detalles

Análisis de resultados. Independencia de las muestras

Análisis de resultados. Independencia de las muestras Aálisis de resultados Clase ro. 8 Curso 00 Idepedecia de las muestras Los resultados de ua corrida de simulació, so muestras de algua distribució. Esos resultados los llamamos "respuestas". Las respuestas

Más detalles