Gráficos de control por atributos
|
|
- Juan Luis Aranda Venegas
- hace 5 años
- Vistas:
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 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 detallesTEMA 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 detallesCLAVES 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 detallesMedidas 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 detallesInIn 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 detallesDISTRIBUCIONES 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 detallesDISTRIBUCIÓN 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 detallesUNIDAD 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 detallesPre-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 detallesINFERENCIA 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 detallesTAMAÑO 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 detallesMg. 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 detallesPara 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 detallesEjemplo 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 detallesGuía 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 detallesSeries 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 detallesTopografía 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 detallesTRABAJO 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 detallesT 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 detallesLAS 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 detallesMEDIDAS 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 detallesM 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 detallesProblemas 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 detalles2.1. 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 detallesImportancia 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 detallesMATEMÁTICAS 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 detalles1. 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 detallesDERIVADA 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 detallesSESIÓN 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 detallesPrueba 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 detallesUniversidad 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 detallesSlide 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 detallesSumatoria, 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
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 detalles2 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 detallesTRABAJO 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 detallesPRUEBAS 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 detallesMedidas 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 detallesUNIVERSIDAD 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 detalles2 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 detallesDeterminación 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 detalles1. 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 detallesUna 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 detallesANEXO. 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 detallesEstadística 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 detallesEstadística 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 detallesEn 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 detallesITM, 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 detallesEjemplo 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 detallesAlgoritmos 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 detallesIntervalos 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 detalleses 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 detalles4.4 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 detallesANEXO 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 detallesIntroducciónalaInferencia 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 detallesANEXO 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 detallesPregunta 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 detallesa = 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 detalles4 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 detalles12 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 detallesQué 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 detallesEXAMEN 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 detallesResumen 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 detallesIntervalos 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 detallesPreguntas 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 detallesINTERVALOS 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 detallesExplicación 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 detallesMEDIDAS 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 detallesMuestreo 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 detallesEJERCICIOS 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 detallesGUIA 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 detalles1. 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 detallesTema 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 detalles1. 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 detallesTEMA 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 detallesEstimación 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 detallesEJERCICIOS 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 detallesSlide 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 detallesCAPÍTULO 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 detallesNOTAS 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 detallesTrata 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
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 detallesCód. 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 detallesMINITAB 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 detallesDistribución 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 detallesAPUNTES 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 detallesSobre 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 detallesLAS 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 detallesEvaluación 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 detallesUniversidad 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 detalles8 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 detallesCapítulo 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 detallesGuía 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 detallesPaso 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 detallesINSTITUCIÓN 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 detallesEl 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 detallesAnálisis 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