UNIVERSIDAD CARLOS III DE MADRID Grado en Ingeniería Industrial Estadística 17 de mayo de 2013
|
|
- Belén Morales Iglesias
- hace 8 años
- Vistas:
Transcripción
1 Apellidos Nombre UNIVERSIDAD CARLOS III DE MADRID Grado en Ingeniería Industrial Estadística 17 de mayo de 2013 N o lista Grupo El fichero datos 17m.sgd contiene información sobre los 327 vuelos comerciales de pasajeros que partieron o tuvieron como destino Alaska los tres primeros días de enero de Las variables consideradas son: DIA (Día del mes), COMPA~NIA, ORIGEN, DESTINO (Aeropuertos de origen y destino), R.SALIDA, R.LLEGADA (Retraso en la salida y llegada, en minutos), DURACION (Tiempo de vuelo en minutos), DISTANCIA (en millas). 1. Conteste a las siguientes cuestiones rellenando los huecos. a) (0.25 puntos) La distancia media cubierta por los vuelos con destino Juneau fue de 428, 192, mientras que su varianza fue 93244, 9. b) (0.25 puntos) El porcentaje de vuelos que duraron más de 2 horas y media fue 58, 72 %, y el de vuelos que duraron menos de 3 horas fue 48, 62 %. c) (0.25 puntos) El 85 % de los vuelos duró más de 39 minutos y el 25 % menos de 59 minutos. d) (0.25 puntos) Dibuja un box-plot múltiple para el retraso en la llegada, por compañía. Figura 1: Box-plot (1.d)
2 2. (0.5 puntos) Para la variable DURACION, se puede asumir Normalidad tanto en los vuelos con destino como aquellos con origen en Phoenix según el test Chi-cuadrado de bondad de ajuste? (α = 0,05) p-valor contraste χ 2 Conclusiones P (DURACION > 310) Destino Phoenix 0,6815 (13 d.f.) ó 0, (6 d.f.) p valor> 0, 05. 0, No rechazamos la hipótesis que proviene de una Normal, con parámetros N(293, 091; (13, 4475) 2 ) Origen Phoenix 0, (5 d.f) ó 0, (4 d.f) ó 0, p valor> 0, 05. 0, No rechazamos la hipótesis que proviene de una Normal, con parámetros N(337, 464; (14, 7309) 2 ) 3. (0.5 puntos) Es el tiempo de vuelo de los vuelos con destino Phoenix distinto de 300 minutos? (α = 0,01) Datos de H 0 H 1 Tipo de p-valor Conclusiones la muestra contraste n = 33 µ = 300 µ 300 Media 0, p valor< 0, 01 ˆµ = 293, 091 Podemos afirmar que ˆσ = 13, 4475 el tiempo de vuelo con destino Phoenix es distinto a 300 minutos 4. (0.5 puntos) Es la variabilidad del tiempo de vuelo de los vuelos con destino Phoenix la misma que la de los vuelos con origen en Phoenix? (α = 0,05). Datos de H 0 H 1 Tipo de p-valor Conclusiones la muestra contraste n 1 = 28 σ 1 = σ 2 σ 1 σ 2 Ratio de 0, p valor> 0, 05 n 2 = 33 varianza La variabilidad del ˆσ 1 = 14, 7309 ˆσ 2 = 13, 4475 tiempo de vuelo de los vuelos con destino Phoenix la misma que la de los vuelos con origen en Phoenix
3 5. (0.5 puntos) Podemos afirmar que el tiempo de vuelo de los vuelos con destino Phoenix es más corto que el tiempo de vuelo de los vuelos con origen en Phoenix? (α = 0,05) Datos de H 0 H 1 Tipo de p-valor Conclusiones la muestra contraste n 1 = 28 µ 2 µ 1 µ 2 < µ 1 Diferencia 0 p valor< 0, 05 n 2 = 33 o de medias Podemos afirmar ˆµ 1 = 337, 464 µ 2 = µ 1 que el tiempo de vuelo ˆµ 2 = 293, 091 de los vuelos con ˆσ 1 = 14, 7309 ˆσ 2 = 13, 4475 destino Phoenix es más corto que el tiempo de vuelo de los vuelos con origen en Phoenix 6. Una empresa del sector lácteo realiza de manera automatizada el fraccionamiento de queso en envases de 1kg. Dado que envases de peso muy superior o muy inferior al peso nominal de 1kg no son beneficiosos para la empresa, se desea controlar la calidad de dicho proceso, a través de la media y el rango del peso en gramos de dichos envases. Para ello, cada 30 minutos se han pesado 4 envases hasta obtener un total de 12 muestras (es decir un total de 48 observaciones que se recogen en la variable gramos) y con dichas observaciones se han obtenido los gráficos de control correspondientes. Se sabe que para que los envases sean aceptables por el usuario final, deben pesar entre 993 y 1012 gramos. a) (0.75 puntos) Escribe los límites definitivos de los gráficos de control para medias y desviación típica. Gráfico para medias: LCS = 1004, 57 LCI = 995, 102 Gráfico para las Desviaciones: LCS = 6, LCI = 0 b) (0.5 puntos) Cuál es la capacidad estimada del proceso? 18, 9, y el ídice de capacidad? 1, c) (0.5 puntos) Los datos de la variable seguimiento se utilizan para efectuar un monitoreo con muestras de 3 envases. Qué muestras indican una situación fuera de control? 2 y 3. De ellas están fuera de algún límite de control las muestras: Sí, ambas. d) (0.5 puntos) Cuál es la proporción de envases no aceptables rellenados en condiciones de control? Sea X N(999, 833; (3, 15451) 2 ). P (defectuosos) = 1 P (bueno) = 1 P (993 < X < 1012) = 1 0, = 0,
4 e) (0.75 puntos) Los envases se quese se embalan en cajas de 15, cuál es la probabilidad de que una caja tenga, al menos, 4 envases defectuosas? Sea X Bin(0, ; 15). Entonces, P (X 4) = 1 P (X < 4) = 1 P (X 3) = 1 (P (X = 0) + P (X = 1) + P (X = 2) + P (X = 3)) = 1 (0, , , , ) = 1 0, = 0, f) (0.5 puntos) Si el proceso sufre una variación de 5 gramos en la media, cuál es la probabilidad de detección de esta alteración en el gráfico de medias? Sea Y N(994,833; (3,15451) 2 ) ; Y N(994,833; (3,15451) 2 /4). P (Y 995,102) + P (Y 1004,57) = 0, El fichero datos reg 17m.sf6 muestra los datos de 129 sucursales de una empresa. Los gestores han elaborado unos ratios que miden el desempeño global de cada sucursal (Indice) en función de cuatro indicadores: Inidicador1, 2, 3 y 4. Se pide: 1. (1.25 puntos) Realizar las cuatro regresiones simples. Escribirlas correctamente indicando en todas ellas si la variables es significativa y porqué. Analizar y hacer diagnosis únicamente la regresión correspondiente a Indicador 1. Cuánto varía el Índice si varía Indicador 1? Cuál de las regresiones es la mejor y porqué? Indicador 1 (Con análisis completo) log(indice) = 1, , log(indicador 1) (15, 8087) (0, 0000) R 2 = 66, 3053 % El estadístico t en valor absoluto es mayor que 2, por lo que la variable Indicador 1 es significativa. Podemos verificar en la fig. 1, que los residuos carecen de estructura, por lo que nuestra estimación es correcta. Si Indicador 1 aumenta en 1 %, entonces Indice aumenta en 0, %.
5 Figura 2: Residuals vs. Predicted Indicador 2 (Únicamente escribir) log(indice) = 1, , log(indicador 2) (10, 0698) (0, 0000) R 2 = 44, 3958 % El estadístico t en valor absoluto es mayor que 2, por lo que la variable Indicador 2 es significativa. Indicador 3 (Únicamente escribir) log(indice) = 0, , log(indicador 3) (9, 71033) (0, 0000) R 2 = 42, 6094 % El estadístico t en valor absoluto es mayor que 2, por lo que la variable Indicador 3 es significativa.
6 Indicador 4 (Únicamente escribir) log(indice) = 4, , log(indicador 4) ( 0, 31325) (0, 7546) R 2 = 0, % El estadístico t en valor absoluto es menor que 2, por lo que la variable Indicador 4 no es significativa. En base al porcentaje de variabilidad explicada de la variable dependiente (R 2 ), el mejor modelo sería el basado en Indicador 1 ya que consigue explicar el mayor porcentaje de variabilidad de la variable dependiente. 2. (1 punto) Realizar la regresión múltiple con las cuatro variables, escribirla correctamente, analizarla e indicar si existe algún problema. log(indice) = 3, , log(indicador 1) + 0, log(indicador 2) (10, 073) (2, 03555) (0, 0000) (0, 0439) 0, log(indicador 3) 0, log(indicador 4) ( 1, 62727) ( 0, ) (0, 1062) (0, 9083) R 2 ajustado = 69, 6101 % Podemos observar que las variables Indicador 3 y Indicador 4 tiene un p- valor > 0, 05 y el estadístico t es menor que 2 en valor absoluto, por lo que (según el apartado anterior) Indicador 4 es no significativa e Indicador 3 es colineal. 3. (1.25 puntos) Realizar la mejor regresión posible y escribirla correctamente, realizar la diagnosis de la misma e indicar las variaciones del Índice si varían las variables presentes en la regresión Después de analizar todas las posibles regresiones que se pueden generar con las variables, se ha escogido el siguiente modelo, log(indice) = 1, , log(indicador 1) + 0, log(indicador 2) R 2 ajustado = 69, 4449 % ya que porcentaje de variabilidad explicada de la variable dependiente (R 2 ), era el mayor de todos los posibles modelos. Podemos verificar en la fig. 3, que los residuos carecen de estructura, por lo que nuestra estimación es correcta. Si Indicador 1 aumenta en 1 %, y el resto de las variables permanecen constantes, entonces Indice aumenta en 0, %. Si Indicador 2 aumenta en 1 %, y el resto de las variables permanecen constantes, entonces Indice aumenta en 0, %.
7 Figura 3: Residuals vs. Predicted
UNIVERSIDAD CARLOS III DE MADRID Grado en Ingeniería Industrial Estadística 17 de mayo de 2013
Apellidos Nombre UNIVERSIDAD CARLOS III DE MADRID Grado en Ingeniería Industrial Estadística 17 de mayo de 2013 N o lista Grupo El fichero datos 17m.sgd contiene información sobre los 327 vuelos comerciales
Más detallesAlgunas Distribuciones de Probabilidad
Relación de problemas 7 Algunas Distribuciones de Probabilidad 1. En un hospital se ha comprobado que la aplicación de un tratamiento en enfermos de cirrosis produce una cierta mejoría en el 80 % de los
Más detallesGrado en Ingeniería. Estadística. Tema 3
Grado en Ingeniería Asignatura: Estadística Tema 3. Control Estadístico de Procesos (SPC) Control Estadístico de Procesos (SPC) Introducción Variabilidad de un proceso de fabricación Causas asignables
Más detallesSolución ESTADÍSTICA. Prueba de evaluación contínua 2 - PEC2
Semestre set04 - feb05 Módulos 11-17 Prueba de evaluación contínua 2 - PEC2 Solución Presentación i objetivos Enunciados: descripción teórica de la práctica a realizar Materiales Criterios de evaluación
Más detallesCovarianza y coeficiente de correlación
Covarianza y coeficiente de correlación Cuando analizábamos las variables unidimensionales considerábamos, entre otras medidas importantes, la media y la varianza. Ahora hemos visto que estas medidas también
Más detallesCapítulo 7: Distribuciones muestrales
Capítulo 7: Distribuciones muestrales Recordemos: Parámetro es una medida de resumen numérica que se calcularía usando todas las unidades de la población. Es un número fijo. Generalmente no lo conocemos.
Más detallesTEMA 2. FILOSOFÍA DE LOS GRÁFICOS DE CONTROL. Principios básicos de los gráficos de control. Análisis de patrones.
TEMA 2. FILOSOFÍA DE LOS GRÁFICOS DE CONTROL. Principios básicos de los gráficos de control. Análisis de patrones. La herramienta que nos indica si el proceso está o no controlado o Estado de Control son
Más detallesUNIVERSIDAD CARLOS III DE MADRID Grado en Ingeniería Industrial Estadística 15 de mayo de 2013
UNIVERSIDAD CARLOS III DE MADRID Grado en Ingeniería Industrial Estadística 15 de mayo de 2013 Apellidos Nombre N o lista Grupo El fichero datos 15m.sgd contiene información sobre las siguientes variables:
Más detalles3. ANÁLISIS ESTADÍSTICOS DE LAS PRECIPITACIONES EN EL MAR CASPIO
Análisis estadístico 31 3. ANÁLII ETADÍTICO DE LA PRECIPITACIONE EN EL MAR CAPIO 3.1. ANÁLII Y MÉTODO ETADÍTICO UTILIZADO 3.1.1. Introducción Una vez analizado el balance de masas que afecta al mar Caspio
Más detallesFundamentos de Biología Aplicada I Estadística Curso 2011-2012 Práctica 6: Regresión Logística I
Fundamentos de Biología Aplicada I Estadística Curso 2011-2012 Índice 1. Objetivos de la práctica 2 2. Estimación de un modelo de regresión logística con SPSS 2 2.1. Ajuste de un modelo de regresión logística.............................
Más detallesMaster en Gestión de la Calidad
Master en Gestión de la Calidad E U R O P E A N Q U A L I T Y 18. Estudios de Capacidad 1 / 1 Estudios de Capacidad: Lo que vamos a estudiar en este apartado se emplea tanto en la planificación de los
Más detallesSemana de dieta (X) 1 2 3 4 5 Peso en Kg (Y) 88.5 87 84 82.5 79
. Una persona se somete a una dieta de adelgazamiento durante cinco semanas. A continuación se detalla su peso al término de cada una de esas semanas: Semana de dieta X) 2 3 4 Peso en Kg Y) 88. 87 84 82.
Más detallesTema 3: Variable aleatoria 9. Tema 3: Variable aleatoria
Tema 3: Variable aleatoria 9 Universidad Politécnica de Cartagena Dpto. Matemática Aplicada y Estadística Estadística Tema 3: Variable aleatoria 1. Probar si las siguientes funciones pueden definir funciones
Más detallesCapítulo 3 Marco Metodológico.
Capítulo 3 Marco Metodológico. 3.0 METODOLOGÍA DE LA INVESTIGACIÓN 3.1 FORMULACIÓN DE HIPÓTESIS DE TRABAJO 3.1.1 Hipótesis General HG. La creación de un plan estratégico permite mejorar el uso de los servicios
Más detallesMERCADOS FINANCIEROS: LOS FONDOS DE INVERSIÓN II
MERCADOS FINANCIEROS: LOS FONDOS DE INVERSIÓN II 28 febrero de 2012 Javier Marchamalo Martínez Universidad Rey Juan Carlos SABER INTERPRETAR LOS RATIOS SIGNIFICATIVOS EN LA GESTIÓN POR BENCHMARK Ratio
Más detallesProblemas de Probabilidad resueltos.
Problemas de Probabilidad resueltos. Problema 1 El profesor Pérez olvida poner su despertador 3 de cada 10 dias. Además, ha comprobado que uno de cada 10 dias en los que pone el despertador acaba no levandandose
Más detallesSEMINARIOS. (Problemas de exámenes de años anteriores) Estadística. 1º Grado en Informática
SEMINARIOS (Problemas de exámenes de años anteriores) Estadística. 1º Grado en Informática Seminario de Estadística Descriptiva Unidimensional y Bidimensional 1. Se ha realizado un control de calidad en
Más detallesControl Estadístico del Proceso. Ing. Claudia Salguero Ing. Alvaro Díaz
Control Estadístico del Proceso Ing. Claudia Salguero Ing. Alvaro Díaz Control Estadístico del Proceso Es un conjunto de herramientas estadísticas que permiten recopilar, estudiar y analizar la información
Más detallesDepartamento de Matemática Aplicada a la I.T. de Telecomunicación
Departamento de Matemática Aplicada a la I.T. de Telecomunicación EXAMEN RESUELTO DE ESTADÍSTICA Y PROCESOS ESTOCÁSTICOS CONVOCATORIA: ENERO / FECHA: de Enero de Duración del examen: 3 horas Fecha publicación
Más detallesCARTAS DE CONTROL. FeGoSa
Las empresas en general, ante la apertura comercial han venido reaccionando ante los cambios y situaciones adversas, reaccionan por ejemplo ante: Disminución de ventas Cancelación de pedidos Deterioro
Más detallesCalculadora de Tamaño muestral GRANMO
Calculadora de Tamaño muestral GRANMO Versión 7.12 Abril 2012 http://www.imim.es/ofertadeserveis/software-public/granmo/ Entre las distintas ofertas que existen para el cálculo del tamaño muestral, ofrecemos
Más detallesREPASO CONCEPTOS BÁSICOS DE ESTADÍSTICA. DISTRIBUCIÓN NORMAL.
REPASO COCEPTOS BÁSICOS DE ESTADÍSTICA. DISTRIBUCIÓ ORMAL. Éste es un breve repaso de conceptos básicos de estadística que se han visto en cursos anteriores y que son imprescindibles antes de acometer
Más detallesSe enfría una sandía al ponerla abierta al sol?
Se enfría una sandía al ponerla abierta al sol? RESUMEN Realizamos este experimento para comprobar una afirmación que se solía comentar mucho en nuestra localidad. La mayoría de la gente mayor de Villafranca
Más detallesEmpresa de telefonía celular: Transintelcel
Empresa de telefonía celular: Transintelcel El proceso metodológico de esta investigación de mercados está dividido en las siguientes etapas: 1. Datos generales de la empresa 2. Planteamiento del problema
Más detallesInferencia Estadística
EYP14 Estadística para Construcción Civil 1 Inferencia Estadística El campo de la inferencia estadística está formado por los métodos utilizados para tomar decisiones o para obtener conclusiones sobre
Más detallesUNIVERSIDAD COMPLUTENSE DE MADRID
TIEMPO: INSTRUCCIONES GENERALES Y VALORACIÓN Una hora y treinta minutos. INSTRUCCIONES: El examen presenta dos opciones A y B; el alumno deberá elegir una de ellas y contestar razonadamente a los cuatro
Más detallesPRUEBA DE KOLMOGOROV SMIRNOV (Contraste sobre la forma de la distribución) F(X) es la función de distribución que hipotetizamos.
PRUEBA DE KOLMOGOROV SMIRNOV (Contraste sobre la forma de la distribución) PRUEBAS NO PARAMÉTRICAS F(X) es la función de distribución que hipotetizamos. Fs(X) es la probabilidad o proporción teórica de
Más detallesTema 12: Contrastes Paramétricos
Tema 1 Tema 1: Contrastes Paramétricos Presentación y Objetivos. Se comienza este tema introduciendo la terminología y conceptos característicos de los contrastes de hipótesis, típicamente a través de
Más detalles2 VARIABLES ESTADÍSTICAS BIDIMENSIONALES
2 VARIABLES ESTADÍSTICAS BIDIMENSIONALES 1 Se ha medido el volumen, X, y la presión, Y, de una masa gaseosa y se ha obtenido: X (litros) 1 65 1 03 0 74 0 61 0 53 0 45 Y (Kg/cm 2 ) 0 5 1 0 1 5 2 0 2 5 3
Más detallesPRUEBAS DE ACCESO A LA UNIVERSIDAD L.O.E.
PRUEBAS DE ACCESO A LA UNIVERSIDAD L.O.E. CURSO 2013-2014 CONVOCATORIA: MATERIA: MATEMATICAS APLICADAS A LAS CC. SS. - Cada alumno debe elegir sólo una de las pruebas (A o B). - Cada una de las preguntas
Más detallesContenido: CARTAS DE CONTROL. Cartas de control C Cartas de control U Cartas de control P Cartas de control NP DIAGRAMA DE PARETTO HISTOGRAMAS
Contenido: CARTAS DE CONTROL Cartas de control C Cartas de control U Cartas de control P Cartas de control NP DIAGRAMA DE PARETTO HISTOGRAMAS TEST DE MEDIANAS CEL: 72488950 1 Antes de querer utilizar cualquier
Más detallesControl Estadístico de Procesos
Control Estadístico de Procesos Lic. Elda Monterroso UNLu Características de calidad Variables Características que se pueden medir (peso, longitud, temperatura, etc.) Pueden ser números enteros o fracciones
Más detallesEjercicios de Teoría de Colas
Ejercicios de Teoría de Colas Investigación Operativa Ingeniería Informática, UC3M Curso 08/09 1. Demuestra que en una cola M/M/1 se tiene: L = ρ Solución. L = = = = = ρ np n nρ n (1 ρ) nρ n n=1 ρ n ρ
Más detallesTEMA 4: Introducción al Control Estadístico de Procesos
TEMA 4: Introducción al Control Estadístico de Procesos 1 Introducción 2 Base estadística del diagrama de control 3 Muestreo y agrupación de datos 4 Análisis de patrones en diagramas de control 1. Introducción
Más detallesSEIS SIGMA: CALIDAD POTENCIADA
SEIS SIGMA: CALIDAD POTENCIADA Conseguir, mantener y maximizar el éxito de los negocios es el objetivo de esta herramienta. Qué es? Qué es Seis Sigma? Un sistema de mejoramiento que tiene como meta ayudar
Más detallesIndicaciones específicas para los análisis estadísticos.
Tutorial básico de PSPP: Vídeo 1: Describe la interfaz del programa, explicando en qué consiste la vista de datos y la vista de variables. Vídeo 2: Muestra cómo crear una base de datos, comenzando por
Más detalles1. Introducción a la estadística 2. Estadística descriptiva: resumen numérico y gráfico de datos 3. Estadística inferencial: estimación de parámetros
TEMA 0: INTRODUCCIÓN Y REPASO 1. Introducción a la estadística 2. Estadística descriptiva: resumen numérico y gráfico de datos 3. Estadística inferencial: estimación de parámetros desconocidos 4. Comparación
Más detallesINFORME DE ANÁLISIS DE ENCUESTAS DE SATISFACCIÓN DE USUARIOS PERÍODO 2009-2010
INFORME DE ANÁLISIS DE ENCUESTAS DE SATISFACCIÓN DE USUARIOS PERÍODO 2009-2010 UNIDAD FUNCIONAL DE TÉCNICOS DE LABORATORIOS DOCENTES UNIVERSIDAD PABLO DE OLAVIDE. SEVILLA Sevilla, Diciembre de 2010 1 1.
Más detallesUNIVERSIDAD CARLOS III DE MADRID MASTER EN CALIDAD TOTAL MANUAL DE SPSS
UNIVERSIDAD CARLOS III DE MADRID MASTER EN CALIDAD TOTAL MANUAL DE SPSS I. INTRODUCCIÓN Y MANEJO DE DATOS MANUAL DE SPSS 1 MASTER CALIDAD TOTAL 1/ INTRODUCCIÓN Las aplicaciones de la Estadística en la
Más detallesEstadística aplicada y modelización. 10 de septiembre de 2005
Estadística aplicada y modelización. 10 de septiembre de 005 SOLUCIÓN MODELO A 1. Una persona se está preparando para obtener el carnet de conducir, repitiendo un test de 0 preguntas. En la siguiente tabla
Más detallesAsignatura: Econometría. Conceptos MUY Básicos de Estadística
Asignatura: Econometría Conceptos MUY Básicos de Estadística Ejemplo: encuesta alumnos matriculados en la UMH Estudio: Estamos interesados en conocer el nivel de renta y otras características de los estudiantes
Más detallesDiagnosis y Crítica del modelo -Ajuste de distribuciones con Statgraphics-
Diagnosis y Crítica del modelo -Ajuste de distribuciones con Statgraphics- 1. Introducción Ficheros de datos: TiempoaccesoWeb.sf3 ; AlumnosIndustriales.sf3 El objetivo de esta práctica es asignar un modelo
Más detallesTema 1: Test de Distribuciones de Probabilidad
Tema 1: Test de Distribuciones de Probabilidad 1.- Una compañía de seguros tiene 1000 asegurados en el ramo de accidentes. Si la el modelo mejor para el número de siniestros en un año es: a) Normal (5;,3).
Más detallesPRÁCTICA 4. Ingeniería Técnica Industrial (2º) - Mecánica.
PRÁCTICA 4. Ingeniería Técnica Industrial (2º) - Mecánica. Profesores: Javier Faulín y Francisco Ballestín 1. Introducción. El objetivo de esta parte es obtener resultados sobre contrastes de hipótesis
Más detallesTema 3. Comparaciones de dos poblaciones
Tema 3. Comparaciones de dos poblaciones Contenidos Hipótesis para la diferencia entre las medias de dos poblaciones: muestras pareadas Hipótesis para la diferencia entre las medias de dos poblaciones:
Más detallesTEMA 4: Variables binarias
TEMA 4: Variables binarias Econometría I M. Angeles Carnero Departamento de Fundamentos del Análisis Económico Curso 2011-12 Econometría I (UA) Tema 4: Variables binarias Curso 2011-12 1 / 51 Variables
Más detallesAPLICACIONES DE INFERENCIA
APLICACIONES DE INFERENCIA CONTENIDO DE LA PRESENTACIÓN Un ejemplo desarrollado dentro del marco del proyecto MaMaEuSch como aplicación de la Inferencia. Una serie de applets relacionados con la inferencia.
Más detallesMuestreo estadístico. Relación 2 Curso 2007-2008
Muestreo estadístico. Relación 2 Curso 2007-2008 1. Para tomar la decisión de mantener un determinado libro como texto oficial de una asignatura, se pretende tomar una muestra aleatoria simple entre los
Más detallesMANUAL PARA LA GESTIÓN DEL PRÉSTAMO ENTRE LAS BIBLIOTECAS DE LA RED DE LECTURA PÚBLICA DE EUSKADI
MANUAL PARA LA GESTIÓN DEL PRÉSTAMO ENTRE LAS BIBLIOTECAS DE LA RED DE LECTURA PÚBLICA DE EUSKADI El presente documento recoge el procedimiento mediante el cual las bibliotecas pertenecientes a la red
Más detallesTEMA 7: Análisis de la Capacidad del Proceso
TEMA 7: Análisis de la Capacidad del Proceso 1 Introducción Índices de capacidad 3 Herramientas estadísticas para el análisis de la capacidad 4 Límites de tolerancia naturales 1 Introducción La capacidad
Más detallesPruebas de acceso a enseñanzas universitarias oficiales de grado Castilla y León
Pruebas de acceso a enseñanzas universitarias oficiales de grado Castilla y León MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES EJECICIO Nº Páginas OPTATIVIDAD: EL ALUMNO DEBEÁ ESCOGE UNA DE LAS DOS OPCIONES
Más detallesEJEMPLOS PRÁCTICOS DE VALORACIÓN DE INVERSIONES
EJEMPLOS PRÁCTICOS DE VALORACIÓN DE INVERSIONES Una inversión es una operación financiera definida por una serie de desembolsos que se estima que van a generar una corriente futura de ingresos. Existen
Más detallesGRAFICOS DE CONTROL DATOS TIPO VARIABLES
GRAFICOS DE CONTROL DATOS TIPO VARIABLES PROCESO Maquinaria Métodos Materias Primas Proceso Producto Mano de Obra Condiciones Ambientales VARIACIÓN Fundamentalmente, las cinco fuentes más importantes de
Más detallesESTADÍSTICA APLICADA A LA INVESTIGACIÓN EN SALUD Medidas de Tendencia Central y Dispersión
Descargado desde www.medwave.cl el 13 Junio 2011 por iriabeth villanueva Medwave. Año XI, No. 3, Marzo 2011. ESTADÍSTICA APLICADA A LA INVESTIGACIÓN EN SALUD Medidas de Tendencia Central y Dispersión Autor:
Más detallesCurso Comparabilidad de resultados
Curso Comparabilidad de resultados Director: Gabriel A. Migliarino. Docente: Evangelina Hernández. Agenda Introducción. n. Protocolos iniciales de comparación de métodos. m * EP9-A2. CLSI. * Comparación
Más detalles12 Las distribuciones binomial y normal
Las distribuciones binomial y normal ACTIVIDADES INICIALES.I. Calcula la media, la varianza y la desviación típica de la variable X, cuya distribución de frecuencias viene dada por la siguiente tabla:
Más detallesPRÁCTICA 1: ANÁLISIS DE LA VARIANZA
LADE Y DERECHO Departamento de Estadística Asignatura: Estadística II Curso: 2008/2009 Relación número 1 de prácticas PRÁCTICA 1: ANÁLISIS DE LA VARIANZA 1. Objetivo Esta práctica tiene como objetivo enseñar
Más detallesExperimentos con un solo factor: El análisis de varianza. Jhon Jairo Padilla Aguilar, PhD.
Experimentos con un solo factor: El análisis de varianza Jhon Jairo Padilla Aguilar, PhD. Experimentación en sistemas aleatorios: Factores Controlables Entradas proceso Salidas Factores No controlables
Más detallesVersión final 8 de junio de 2009
GRUPO DE EXPERTOS «PLATAFORMA PARA LA CONSERVACIÓN DE DATOS ELECTRÓNICOS PARA CON FINES DE INVESTIGACIÓN, DETECCIÓN Y ENJUICIAMIENTO DE DELITOS GRAVES» ESTABLECIDO POR LA DECISIÓN 2008/324/CE DE LA COMISIÓN
Más detallesDISTRIBUCIÓN NORMAL CON EXCEL Y WINSTATS
DISTRIBUCIÓN NORMAL CON EXCEL Y WINSTATS 1) Reseña histórica Abrahan De Moivre (1733) fue el primero en obtener la ecuación matemática de la curva normal. Kart Friedrich Gauss y Márquez De Laplece (principios
Más detallesCalibración y control de calidad de instrumentos de análisis
Calibración y control de calidad de instrumentos de análisis cĺınico. María Cecilia San Román Rincón Monografía vinculada a la conferencia del Dr. Horacio Venturino sobre Instrumental para laboratorio
Más detallesUCLM - Pruebas de Acceso a Enseñanzas Universitarias Oficiales de Grado (PAEG)
PAEG Junio 0 Propuesta A Matemáticas aplicadas a las CCSS II º Bachillerato UCLM - Pruebas de Acceso a Enseñanzas Universitarias Oficiales de Grado (PAEG) Matemáticas aplicadas a las Ciencias Sociales
Más detallesMantenimiento Limpieza
Mantenimiento Limpieza El programa nos permite decidir qué tipo de limpieza queremos hacer. Si queremos una limpieza diaria, tipo Hotel, en el que se realizan todos los servicios en la habitación cada
Más detallesMATEMÁTICAS CCSS II Sobrantes 2010 (Modelo 1) SELECTIVIDAD ANDALUCÍA
IES Fco Ayala de Granada Sobrantes 00 (Modelo ) Soluciones Germán-Jesús Rubio Luna MATEMÁTICAS CCSS II Sobrantes 00 (Modelo ) SELECTIVIDAD ANDALUCÍA OPCIÓN A EJERCICIO Sea el recinto del plano definido
Más detallesControl Estadístico de Procesos
Control Estadístico de Procesos Gráficos de Control Los gráficos de control o cartas de control son una importante herramienta utilizada en control de calidad de procesos. Básicamente, una Carta de Control
Más detallesCALIDAD 1 JOSÉ MANUEL DOMENECH ROLDÁN PROFESOR DE ENSEÑANZA SECUNDARIA
1 QUÉ ES EL DIAGRAMA DE ISHIKAWA? Es una representación gráfica que organiza de forma lógica y en orden de mayor importancia las causas potenciales que contribuyen a crear un efecto o problema determinado.
Más detallesAnálisis y cuantificación del Riesgo
Análisis y cuantificación del Riesgo 1 Qué es el análisis del Riesgo? 2. Métodos M de Análisis de riesgos 3. Método M de Montecarlo 4. Modelo de Análisis de Riesgos 5. Qué pasos de deben seguir para el
Más detalles2) Un establecimiento comercial dispone a la venta dos artículos en una de sus secciones, de precios p
Universidad de Sevilla Facultad de Ciencias Económicas y Empresariales Licenciatura de Economía Universidad de Sevilla ESTADÍSTICA I RELACIÓN 5 MODELOS Y DATOS ESTADÍSTICOS DEPARTAMENTO DE ECONOMÍA APLICADA
Más detallesANÁLISIS DE DATOS NO NUMERICOS
ANÁLISIS DE DATOS NO NUMERICOS ESCALAS DE MEDIDA CATEGORICAS Jorge Galbiati Riesco Los datos categóricos son datos que provienen de resultados de experimentos en que sus resultados se miden en escalas
Más detallesEJERCICIOS REPASO 2º ESO. 1.- Dibuja unos ejes de coordenadas en la cuadrícula siguiente (la de la izquierda) y representa los siguientes puntos:
EJERCICIOS REPASO 2º ESO 1.- Dibuja unos ejes de coordenadas en la cuadrícula siguiente (la de la izquierda) y representa los siguientes puntos: A ( 3,-1); B(4,6); C(-3,0); D(0, -2); E(0,0); F(6,0); G(-2,5);
Más detallesSeis Sigma. Nueva filosofía Administrativa.
Seis Sigma. Nueva filosofía Administrativa. GIN. Filosofía de Calidad. El Seis Sigma es un parámetro cuya base principal es la desviación estándar y su enfoque es reducir la variación y/o defectos en lo
Más detallesANÁLISIS DE VARIANZA EMPLEANDO EXCEL y WINSTATS
ANÁLISIS DE VARIANZA EMPLEANDO EXCEL y WINSTATS 1) INTRODUCCIÓN El análisis de varianza es una técnica que se puede utilizar para decidir si las medias de dos o más poblaciones son iguales. La prueba se
Más detalles8.1. Introducción... 1. 8.2. Dependencia/independencia estadística... 2. 8.3. Representación gráfica: diagrama de dispersión... 3. 8.4. Regresión...
Tema 8 Análisis de dos variables: dependencia estadística y regresión Contenido 8.1. Introducción............................. 1 8.2. Dependencia/independencia estadística.............. 2 8.3. Representación
Más detallesFinanciamiento a corto plazo. Financiamiento a corto plazo. D.R. Universidad TecVirtual del Sistema Tecnológico de Monterrey México, 2012.
Financiamiento a corto plazo D.R. Universidad TecVirtual del Sistema Tecnológico de Monterrey México, 2012. 1 Índice Inicio... 3 - Introducción - Objetivo - Temario - Antecedentes Tema 1. Las cuentas por
Más detallesInstrucciones de solicitud de reconocimiento. Curso 2015/16
Instrucciones de solicitud de reconocimiento. Curso 2015/16 Para el curso 2015-16, los alumnos podrán encontrar tres tipos de solicitudes de reconocimientos: 1) ENTRE TITULACIONES URJC o CONVALIDACIONES
Más detallesCircuito RC, Respuesta a la frecuencia.
Circuito RC, Respuesta a la frecuencia. A.M. Velasco (133384) J.P. Soler (133380) O.A. Botina (13368) Departamento de física, facultad de ciencias, Universidad Nacional de Colombia Resumen. Se armó un
Más detallesESTADÍSTICA SEMANA 4
ESTADÍSTICA SEMANA 4 ÍNDICE MEDIDAS DE DISPERSIÓN... 3 APRENDIZAJES ESPERADOS... 3 DEfinición de Medida de dispersión... 3 Rango o Recorrido... 3 Varianza Muestral (S 2 )... 3 CÁLCULO DE LA VARIANZA...
Más detallesFracción másica y fracción molar. Definiciones y conversión
Fracción másica y fracción ar. Definiciones y conversión Apellidos, nombre Atarés Huerta, Lorena (loathue@tal.upv.es) Departamento Centro Departamento de Tecnología de Alimentos ETSIAMN (Universidad Politécnica
Más detalleswww.fundibeq.org Además se recomienda su uso como herramienta de trabajo dentro de las actividades habituales de planificación y control.
ESTUDIOS DE CAPACIDAD POTENCIAL DE CALIDAD 1.- INTRODUCCIÓN Este documento proporciona las pautas para la realización e interpretación de una de las herramientas fundamentales para el control y la planificación
Más detallesSESIÓN PRÁCTICA 6: CONTRASTES DE HIPÓTESIS PROBABILIDAD Y ESTADÍSTICA. PROF. Esther González Sánchez. Departamento de Informática y Sistemas
SESIÓN PRÁCTICA 6: CONTRASTES DE HIPÓTESIS PROBABILIDAD Y ESTADÍSTICA PROF. Esther González Sánchez Departamento de Informática y Sistemas Facultad de Informática Universidad de Las Palmas de Gran Canaria
Más detallesMEDIDAS DE DISPERSIÓN EMPLEANDO EXCEL
MEDIDAS DE DISPERSIÓN EMPLEANDO EXCEL Las medias de tendencia central o posición nos indican donde se sitúa un dato dentro de una distribución de datos. Las medidas de dispersión, variabilidad o variación
Más detallesDIPLOMADO EN RELACIONES LABORALES Estadística Asistida por Ordenador Curso 2008-2009
Índice general 6. Regresión Múltiple 3 6.1. Descomposición de la variabilidad y contrastes de hipótesis................. 4 6.2. Coeficiente de determinación.................................. 5 6.3. Hipótesis
Más detallesCurso Excel Básico - Intermedio
Curso Excel Básico - Intermedio Clase 4 Relator: Miguel Rivera Adonis Introducción Base de Datos: Definición de Base de Datos Ordenar datos Formulario Filtros Trabajar con Sub-Totales Validación de Datos
Más detallesPlan de clase (1/4) Intenciones didácticas: Que los alumnos reflexionen sobre la manera de ubicar puntos en el plano cartesiano.
Plan de clase (1/4) Intenciones didácticas: Que los alumnos reflexionen sobre la manera de ubicar puntos en el plano cartesiano. Consigna: En equipos, resuelvan la siguiente actividad. A partir de la siguiente
Más detallesRELACIÓN ENTRE LA CAPACIDAD DE PROCESO Y EL FALLO EN SERVICIO
RELACIÓN ENTRE LA CAPACIDAD DE PROCESO Y EL Ponencia presentada por Arturo Ruiz-Falcó Rojas, en el VIII Congreso de Confiabilidad, organizado por la Asociación Española para la Calidad y celebrado en la
Más detallesAula Banca Privada. La importancia de la diversificación
Aula Banca Privada La importancia de la diversificación La importancia de la diversificación La diversificación de carteras es el principio básico de la operativa en mercados financieros, según el cual
Más detallesMANUAL PROGRAMA PARA PIZZERIAS Y COMIDAS PARA LLEVAR
Tlf: 685 82 88 73 MANUAL PROGRAMA PARA PIZZERIAS Y COMIDAS PARA LLEVAR Desde la pantalla principal, que es la que se carga nada más encender el ordenador, se pueden ver 12 botones. El más grande, con el
Más detallesFinanciamiento a corto plazo
Financiamiento a corto plazo 1 Introducción La obtención de recursos para financiar el capital de trabajo es una preocupación importante para los empresarios, sobre todo de aquellas empresas que no cuentan
Más detallesCORRELACIÓN Y PREDICIÓN
CORRELACIÓN Y PREDICIÓN 1. Introducción 2. Curvas de regresión 3. Concepto de correlación 4. Regresión lineal 5. Regresión múltiple INTRODUCCIÓN: Muy a menudo se encuentra en la práctica que existe una
Más detallesEXPERIMENTACIÓN. Eduardo Jiménez Marqués
EXPERIMENTACIÓN Eduardo Jiménez Marqués 1 CONTENIDO: 1. Experimentación...3 1.1 Concepto...3 1. Definición...4 1.3 Dificultad...4 1.4 Ventaja...5 1.5 Planificación...5 1.6 Aplicaciones...5 1.7 Metodología...6
Más detallesObjetivos de la Sedesol
Objetivos de la Sedesol La Sedesol tienen entre sus objetivos los siguientes: Desarrollar las capacidades básicas de las personas en condición de pobreza Abatir el rezago que enfrenan los grupos vulnerables
Más detallesFISICA I Escuela Politécnica de Ingeniería de Minas y Energía AJUSTE POR MÍNIMOS CUADRADOS
AJUSTE POR MÍNIMOS CUADRADOS Existen numerosas leyes físicas en las que se sabe de antemano que dos magnitudes x e y se relacionan a través de una ecuación lineal y = ax + b donde las constantes b (ordenada
Más detallesPruebas de Hipótesis de Una y Dos Muestras. UCR ECCI CI-1352 Probabilidad y Estadística Prof. M.Sc. Kryscia Daviana Ramírez Benavides
Pruebas de ipótesis de Una y Dos Muestras UCR ECCI CI-35 Probabilidad y Estadística Prof. M.Sc. Kryscia Daviana Ramírez Benavides ipótesis Estadísticas Conceptos Generales En algunos casos el científico
Más detallesAnálisis estadístico con Microsoft Excel
Análisis estadístico con Microsoft Excel Microsoft Excel ofrece un conjunto de herramientas para el análisis de los datos (denominado Herramientas para análisis) con el que podrá ahorrar pasos en el desarrollo
Más detallesUNIVERSIDAD DE ATACAMA
UNIVERSIDAD DE ATACAMA FACULTAD DE INGENIERÍA / DEPARTAMENTO DE MATEMÁTICA ESTADÍSTICA Y PROBABILIDADES PAUTA DE CORRECCIÓN: PRUEBA PARCIAL N o 2 Profesor: Hugo S. Salinas. Primer Semestre 20. El gerente
Más detallesCapítulo V Conclusiones y Recomendaciones CAPÍTULO V
71 CAPÍTULO V 72 CAPÍTULO 5 En este capítulo se abundarán a profundidad las conclusiones de cada estrato de la población, seguido de una conclusión general de las variables que influyen en la decisión
Más detalleshay alguien ahi? por Marcelino Alvarez maralvilla@gmail.com
hay alguien ahi? por Marcelino Alvarez maralvilla@gmail.com Un repaso a las estadísticas de lectura tanto de la página web como de la revista digital, para ver si alguien se acuerda de nosotros. Ya podemos
Más detallesPráctica 5. Contrastes paramétricos en una población
Práctica 5. Contrastes paramétricos en una población 1. Contrastes sobre la media El contraste de hipótesis sobre una media sirve para tomar decisiones acerca del verdadero valor poblacional de la media
Más detallesEstudio de Inserción Laboral. Universidad de Zaragoza. Año 2011. r17 Valore su grado de satisfacción con su empleo actual N Media Desviación Típica
6. Visión global. Incluimos en este capítulo aquellas preguntas de la encuesta que hacen referencia a una visión de conjunto del titulado respecto a los estudios realizados, al empleo actual y a la satisfacción
Más detallesPronósticos. Pronósticos y gráficos Diapositiva 1
Pronósticos Pronósticos Información de base Media móvil Pronóstico lineal - Tendencia Pronóstico no lineal - Crecimiento Suavización exponencial Regresiones mediante líneas de tendencia en gráficos Gráficos:
Más detalles