Exactitud y Linearidad del Calibrador
|
|
- Pablo Montoya Maestre
- hace 7 años
- Vistas:
Transcripción
1 Exactitud y Linearidad del Calibrador Resumen El procedimiento Exactitud y Linearidad del Calibrador fue diseñado para estimar la exactitud del sistema de medición. En contraste con los procedimientos como el Método del Rango y Promedio y el Método ANOVA, los cuales estiman la variabilidad o precisión de un sistema de medición, este procedimiento se enfoca a que tanta exactitud tiene un sistema sobre el promedio. Para cuantificar los conceptos anteriores, suponga que un proceso de medición puede repetirse con la misma pieza muchas veces rindiendo mediciones que provienen de una población con media μ y desviación estándar σ. El sesgo del proceso de medición esta definido como la diferencia entre la media de esa población y el valor verdadero de las mediciones iniciales, e.., sesgo = μ - valor verdadero (1) Un proceso se dice que es exacto si el sesgo es pequeño. En contraste, precisión esta directamente relacionado con σ, a valores pequeños de σ empieza la característica de procesos precisos. Un proceso de medición pobre puede ser exacto pero no preciso, o preciso pero no exacto. Por otro lado, si se conoce que una medición tiene un sesgo substancial, pero el sesgo es consistente a la largo de las piezas medidas inicialmente, entonces podría ser posible compensar este sesgo por el auste de los valores medidos. Linealidad es un término que se refiere a como el sesgo cambia a través de un rango de operación normal de un instrumento de medición. Si el sesgo es consistente, entonces la linealidad puede ser pequeña. Eemplo StatFolio: gagelinearity.sgp Datos del Eemplo: El archivo linearity.sf3 contiene datos de un estudio típico de linealidad del instrumento, tomados del manual de referencia del Grupo de Acción Industrial Automotriz (AIAG) sobre Análisis del Sistema de Medición, MSA (2002). Los datos en el archivo se muestran abao: Part (Parte) Referente (Referencia) Measurfement (Medición) 2006 por StatPoint, Inc. Exactitud y Linearidad del Calibrador - 1
2 El archivo contiene un total de n = 60 filas, consistentes de m = 12 mediciones por un solo operador sobre cada g = 5 piezas. Las 5 piezas tienen valores de referencias conocidos en un rango de 2.00 hasta El intento del estudio es determinar que tan bien el sistema de medición coincide sus valores de referencias sobre el promedio. Nota: Los datos del Manual de Análisis del Sistema de Medición (MSA) fueron re-impresos con permiso de DaimlerChrysler, Ford y GM Supplier Quality Requirements Task Force. Entrada de Datos La primera caa de dialogo desplegada por este procedimiento es usada para indicar la estructura de los datos a ser analizados. Entrada: La base de datos puede organizarse en cualquiera de los dos formatos: Columnas de Datos y Códigos: Indica que la base de datos contiene una sola columna para mantener todas las mediciones. Este tipo de estructura de datos se ilustrada en la parte de abao. Una Fila para Cada Pieza: Indica que la base de datos contiene una sola fila para todas las mediciones sobre una pieza especifica. Un eemplo de esta estructura de datos se presenta abao: Parte Referencia Corrida 1 Corrida 2 Corrida 3 Corrida 4 Corrida 5 Corrida La segunda caa de dialogo desplegada depende sobre la configuración de la primera caa de dialogo. Columnas de Datos y Códigos Si se selecciona Columnas de Datos y Códigos sobre la primera caa de dialogo, la segunda caa de dialogo requiere el nombre de la columna que contiene las mediciones, así como las columnas que contienen los números de piezas, valores de referencia, y un valor opcional para la variación del proceso por StatPoint, Inc. Exactitud y Linearidad del Calibrador - 2
3 Partes: Columna numérica o no numérica indicando el identificador para la pieza correspondiente a las mediciones en cada fila. Mediciones: Columna numérica que contiene las mediciones. Valores de Referencia: Los verdaderos valores de la variable inicialmente medida para cada una de las piezas. Variación del Proceso: El rango sobre el cual la variable varia debido a la variación normal del proceso. Si no es especificada, la variación del proceso será determinada sobre el rango de los Valores de Referencia. Titulo del Estudio: Titulo opcional que puede imprimirse en la parte superior de cada salida de tabla. Selección: Selección de un subconunto de los datos. Una Fila para Cada Pieza Si selecciona Una Fila para Cada Pieza sobre la primera caa de dialogo, la segunda caa de dialogo requiere los nombres de las múltiples columnas que contienen las mediciones, así como también las columnas que contienen los números de pieza, valores de referencia, y un valor opcional para la variación del proceso por StatPoint, Inc. Exactitud y Linearidad del Calibrador - 3
4 Partes: Columna numérica o no numérica indicando el identificador para la pieza correspondiente a las mediciones en cada fila. Mediciones: Dos o más columnas numéricas que contienen las mediciones. Valores de Referencia: Los verdaderos valores de la variable inicialmente medida para cada una de las piezas. Variación del Proceso: El rango sobre el cual la variable varia debido a la variación normal del proceso. Si no es especificada, la variación del proceso será determinada sobre el rango de los Valores de Referencia. Titulo del Estudio: Titulo opcional que puede imprimirse en la parte superior de cada salida de tabla. Selección: Selección de un subconunto de los datos por StatPoint, Inc. Exactitud y Linearidad del Calibrador - 4
5 Gráfico de Linealidad El paso inicial analizando los datos para este tipo de estudio es calcular la diferencia entre las mediciones observadas y los valores de referencia: y i = medición i valor de referencia i (2) donde medición i representa la i-ésima medición hecha sobre la -ésima pieza. El Gráfico de Linealidad muestra estas diferencias graficando a través de los valores de referencia x i : Gráfica de Linealidad para Measurement Y = X R-Sq.=71.432% 0.6 Bias Reference Se incluye sobre el grafico: Cuadros Azules: y i, la diferencia entre las mediciones originales y los correspondientes valores de referencia. Diamantes Verdes: El sesgo promedio y en cada valor de referencia. Línea Azul: La regresión por mínimos cuadrados sobre las diferencias y i a través de los valores de referencia x i. La ecuación de esta línea se muestra en la parte superior del gráfico. Líneas Roas: Limites de confianza para la línea de regresión, en el nivel de confianza especificado sobre la caa de dialogo de Opciones del Análisis. Línea Verde: Línea horizontal con el sesgo igual a 0. R.Sq.: El estadístico de R-Cuadrada para el modelo estimado. Esta es una medición de que tan bien se austa la línea con los datos observados. En el eemplo actual, el sesgo cambia observando cada porción así como los valores de referencia también cambian, iniciando con positivos en valores de referencia baos y negativos en valores de referencia altos. Si el sistema de medición no tiene sesgo, la línea verde horizontal generalmente podrá mentir dentro de las bandas de confianza roas por StatPoint, Inc. Exactitud y Linearidad del Calibrador - 5
6 Resumen del Análisis El Resumen del Análisis presenta un resumen de las estadísticas para la estimación de la linealidad y exactitud del sistema de medición. Precisión y Linealidad del Equipo - Measurement AIAG Example Parts: Part Mediciones: Measurement Valores de referencia: Reference Variación de proceso: 6 Númbero de Parts: 60 Número total de mediciones: 60 Número de mediciones excluidas: 0 Rango de valores de referencia: 2-10 Estimados Estimado Porcentae Bias Linealidad Modelo de bias: x Parámetro Estimado Error Estnd. Estadístico t Valor-P Intercepto Pendiente Se incluye información importante como: Sesgo: La estimación de la diferencia promedio entre los valores medidos y los valores de referencia. El porcentae del sesgo que también es calculado por: % sesgo = sesgo / (variación del proceso) (3) y muestra la magnitud del sesgo relativo al rango de operación normal del proceso. Linealidad: La estimación del cambio en el sesgo sobre la variación normal del proceso. Esta es calculado por: linealidad = pendiente (variación del proceso) (4) El porcentae de la linealidad es calculado por: % linealidad = linealidad / (variación del proceso) (5) y muestra que tanto cambia el sesgo como un porcentae de la variación del proceso.. Modelo del Sesgo: La ecuación de la línea de regresión austada y una prueba t para la significancia de los coeficientes. Es de interés particular el Valor-P para la pendiente. Si este valor es pequeño (menor que 0.05 si este operando un nivel de significancia del 5%), entonces hay un cambio significativo en el sesgo sobre el rango de los valores de referencia por StatPoint, Inc. Exactitud y Linearidad del Calibrador - 6
7 En el eemplo actual, el promedio del sesgo es pequeño (menor al 1%), pero cambia por más del 13% sobre el rango de operación del proceso. Note que también el Valor-P para la pendiente esta bien abao de El proceso sin embargo normalmente puede clasificarse como que tiene un problema con la linealidad. Opciones del Análisis Lugares Decimales para Porcentaes: Número de lugares decimales a utilizar cuando se despliega un porcentae del sesgo y linealidad. Nivel de Confianza: Nivel usado cuando se grafican las bandas de confianza sobre los gráficos de linealidad y exactitud. Gráfico de Exactitud El Gráfico de Exactitud muestra una estimación de la exactitud del proceso de medición Gráfica de Exactitud para Measurement Y = X R-Sq.=71.432% Exactitud Reference Exactitud es definida como la diferencia entre el valor verdadero y el valor de medición: exactitud = valor de referencia valor de medición (6) Es muy similar al Gráfico de Linealidad con 2 grandes diferencias: 2006 por StatPoint, Inc. Exactitud y Linearidad del Calibrador - 7
8 1. El ee Y esta invertido, puesto que la exactitud y el sesgo son opuestas en el signo. 2. Las bandas sobre el grafico muestran la estimación de los límites de predicción para observaciones individuales, no límites de confianza para la línea. Algunas veces podemos detectar la presencia de valores atípicos por la examinación de puntos fuera de los límites de predicción, tal como dos puntos de los valores baos en el valor de referencia 4. Si los datos fueron ingresados en el formato Columnas de Datos y Códigos, entonces el botón Excluir sobre la barra de herramientas del análisis puede utilizarse para remover interactivamente cualquier valor atípico y recalcular la línea de regresión. Prueba de Falta de Auste Este panel muestra el resultado de desarrollar una prueba para determinar si un modelo lineal es adecuado para describir el cambio del sesgo sobre el valor de referencia. Análisis de Variancia con Falta de Auste Fuente Suma de cuadrados Gl Cuadrado Medio Razón-F Valor-P Modelo Residual Falta de Auste Error Puro Total (Corr.) Es de interés primario el Valor-P sobre la Falta-de-Auste en la línea de la tabla. Si el Valor-P es pequeño (menor que 0.05 si este operando un nivel de significancia del 5%), entonces existe una falta-de-auste estadísticamente significativa, lo que significa que un modelo lineal no es adecuado para describir la relación observada. Este resultado puede implicar la necesidad de un modelo más compleo. En el eemplo no hay una falta-de-auste significativa, puesto que el Valor-P es Grafico de Barras de la Variación Este panel presenta un grafico de barras mostrando el porcentae de la linealidad y del sesgo. Porcentae de Variación de Proceso % 12 Porcentae Linealidad 0.889% Bias 2006 por StatPoint, Inc. Exactitud y Linearidad del Calibrador - 8
9 Cálculos Numero de Mediciones en el valor de referencia -ésimo n i (7) Sesgo Promedio en el valor de referencia -ésimo y n i i= = 1 (8) n y Sesgo y n g = 1 = g = 1 n y (9) Regresión El modelo del sesgo es calculado por la regresión de las diferencias individuales y i sobre los valores de referencia x i. Esto puede modificarse desde la Versión 5 de STATGRAPHICS, donde una regresión ponderada puede desarrollarse sobre el sesgo promedio en cada valor de referencia. La estimación del modelo puede ser diferente solamente si el estudio esta desbalanceado, e.., si hay diferentes números de mediciones para diferentes piezas. Sin embargo, el estadístico R-Cuadrada, típicamente puede ser más pequeño que en las versiones previas para todos los estudios. Este cambio fue hecho para reflear los cambios en la última edición del manual de la AIAG. Los detalles de los cálculos de regresión, incluyendo las pruebas t, bandas de confianza, y prueba de falta-de-auste, pueden encontrarse en la documentación del procedimiento Regresión Simple por StatPoint, Inc. Exactitud y Linearidad del Calibrador - 9
Método de Análisis del Riesgo (Estudio del Calibrador Atributos)
Método de Análisis del Riesgo (Estudio del Calibrador Atributos) Resumen El Método de Análisis del Riesgo cuantifica la incertidumbre de un sistema de medición donde las observaciones consisten de atributos
Más detallesAnálisis Probit. StatFolio de Ejemplo: probit.sgp
STATGRAPHICS Rev. 4/25/27 Análisis Probit Resumen El procedimiento Análisis Probit está diseñado para ajustar un modelo de regresión en el cual la variable dependiente Y caracteriza un evento con sólo
Más detallesAnálisis de Componentes de la Varianza
Análisis de Componentes de la Varianza Resumen El procedimiento de Análisis de Componentes de Varianza está diseñado para estimar la contribución de múltiples factores a la variabilidad de una variable
Más detallesEstadísticas por Filas
Estadísticas por s Resumen El procedimiento Estadísticas por s calcula estadísticas para datos en filas de la hoa de datos. Esto contrasta con la mayoría de los procedimientos de STATGRAPHICS que esperan
Más detallesDiagrama de Barras Múltiple
Múltiple El procedimiento Múltiple grafica dos o más columnas de totales o frecuencias ya sea utilizando barras horizontales o verticales. Si lo desea, pueden agregarse barras de error para desplegar el
Más detallesGráfico de Medias Móviles (MA)
Gráfico de Medias Móviles (MA) Resumen El procedimiento Gráfico de Medias Móviles crea cuadros de control para una sola variable numérica donde los datos se han recolectado ya sea individualmente o en
Más detallesTransformaciones de Box-Cox
Transformaciones de Box-Cox Resumen El procedimiento para las Transformaciones de Box-Cox es diseñado para determinar una transformación optima para Y mientras se estima un modelo de regresión lineal.
Más detallesRegresión en Cadena. StatFolio de Ejemplo: ridge reg.sgp
Regresión en Cadena Resumen El procedimiento Regresión en Cadena está diseñado para ajustar un modelo de regresión múltiple cuando las variables independientes exhiben multicolinealidad. Multicolinealidad
Más detallesPronósticos Automáticos
Pronósticos Automáticos Resumen El procedimiento de Pronósticos Automáticos esta diseñado para pronosticar valores futuros en datos de una serie de tiempo. Una serie de tiempo consiste en un conjunto de
Más detallesGráfico ARIMA. Ejemplo StatFolio: ARIMA charts.sgp
Gráfico ARIMA Resumen El procedimiento del Gráfico ARIMA (AutoRegressive Integrated Moving Average - Promedio Móvil Integrado Auto-Regresivo) crea gráficos de control para una sola variable numérica donde
Más detallesGráficos EWMA. Ejemplo StatFolio: ewmachart.sgp
Gráficos EWMA Resumen El procedimiento del Gráfico EWMA (Exponentially Weighted Moving Average - Promedios Móviles Exponencialmente Ponderados) construye un gráfico de control para una sola variable numérica
Más detallesRegresión Polinomial. StatFolio de Ejemplo: polynomial reg.sgp
Regresión Polinomial Resumen El procedimiento Regresión Polinomial está diseñado para construir una modelo estadístico que describa el impacto de un solo factor cuantitativo X en una variable dependiente
Más detallesEste procedimiento prueba hipótesis acerca de cualquiera de los siguientes parámetros:
STATGRAPHICS Re. 4/d/yyyy Pruebas de Hipótesis (Una Muestra) Este procedimiento prueba hipótesis acerca de cualquiera de los siguientes parámetros: 1. la media μ de una distribución normal.. la desiación
Más detallesHistogramas. Ejemplo StatFolio: histogram.sgp
s Resumen El ilustra la distribución de lo valores de una variable numérica agrupando los datos en intervalos y graficando barras en las cuales la altura es proporcional al numero de observaciones en cada
Más detallesDeterminación del tamaño de muestra (para una sola muestra)
STATGRAPHICS Rev. 4/5/007 Determinación del tamaño de muestra (para una sola muestra) Este procedimiento determina un tamaño de muestra adecuado para la estimación o la prueba de hipótesis con respecto
Más detallesSeries de Tiempo Suavización
Series de Tiempo Suavización Resumen El procedimiento de Suavización está diseñado para ayudar a ilustrar cualquier tendencia y ciclos presentes en una serie de tiempo. Una serie de tiempo consiste en
Más detallesAnálisis de Capabilidad (Porcentaje Defectuoso)
Análisis de Capabilidad (Porcentaje Defectuoso) STATGRAPHICS Rev. 9/4/2006 Este procedimiento esta diseñado para estimar el porcentaje de artículos defectuosos en una población basándose en muestra de
Más detallesTeoría de la decisión
1.- Un problema estadístico típico es reflejar la relación entre dos variables, a partir de una serie de Observaciones: Por ejemplo: * peso adulto altura / peso adulto k*altura * relación de la circunferencia
Más detallesMétodo de cuadrados mínimos
REGRESIÓN LINEAL Gran parte del pronóstico estadístico del tiempo está basado en el procedimiento conocido como regresión lineal. Regresión lineal simple (RLS) Describe la relación lineal entre dos variables,
Más detallesGráfico de Control de Aceptación
Gráfico de Control de Aceptación Resumen El procedimiento de Gráfico de Control de Aceptación crea gráficos de control con límites de control modificados basándose en la desviación estándar del proceso
Más detallesGrafico de Cajas y Bigotes
Grafico de Cajas y Bigotes Resumen El procedimiento del Gráfico de Cajas y Bigotes crea un gráfico diseñado para ilustrar propiedades importantes de una columna de datos numérica. El primero en describirlo
Más detallesTeorema Central del Límite (1)
Teorema Central del Límite (1) Definición. Cualquier cantidad calculada a partir de las observaciones de una muestra se llama estadístico. La distribución de los valores que puede tomar un estadístico
Más detallesTema 2. Regresión Lineal
Tema 2. Regresión Lineal 3.2.1. Definición Mientras que en el apartado anterior se desarrolló una forma de medir la relación existente entre dos variables; en éste, se trata de esta técnica que permite
Más detallesTercera práctica de REGRESIÓN.
Tercera práctica de REGRESIÓN. DATOS: fichero practica regresión 3.sf3 1. Objetivo: El objetivo de esta práctica es aplicar el modelo de regresión con más de una variable explicativa. Es decir regresión
Más detallesComparación de Varias Muestras
Comparación de Varias Muestras Resumen El procedimiento de Comparación de Varias Muestras está diseñado para comparar dos o más muestras independientes de datos variables. Se hacen pruebas para determinar
Más detallesRegresión No Lineal. StatFolio de ejemplo: nonlinear reg.sgp
Regresión No Lineal Resumen El procedimiento Regresión No Lineal ajusta una función especificada por el usuario relacionando una sola variable dependiente Y con una o más variables independientes X. El
Más detallesADMINISTRACION DE OPERACIONES
Sesión4: Métodos cuantitativos ADMINISTRACION DE OPERACIONES Objetivo específico 1: El alumno conocerá y aplicara adecuadamente los métodos de pronóstico de la demanda para planear la actividad futura
Más detallesANOVA Multifactorial. StatFolio Muestra: anova.sgp
ANOVA Multifactorial Resumen El procedimiento ANOVA Multifactorial está diseñado para construir un modelo estadístico describiendo el impacto de dos o más factores categóricos X j de una variable dependiente
Más detallesANEXO 1. CONCEPTOS BÁSICOS. Este anexo contiene información que complementa el entendimiento de la tesis presentada.
ANEXO 1. CONCEPTOS BÁSICOS Este anexo contiene información que complementa el entendimiento de la tesis presentada. Aquí se exponen técnicas de cálculo que son utilizados en los procedimientos de los modelos
Más detallesUNIVERSIDAD AUTÓNOMA DEL ESTADO DE MÉXICO
UNIVERSIDAD AUTÓNOMA DEL ESTADO DE MÉXICO CENTRO UNIVERSITARIO UAEM ZUMPANGO LICENCIATURA EN TURISMO UNIDAD DE APRENDIZAJE: ESTADISTICA TEMA 1.5 : ESTADISTICA DESCRIPTIVA M. EN C. LUIS ENRIQUE KU MOO FECHA:
Más detallesINDICE. Prólogo a la Segunda Edición
INDICE Prólogo a la Segunda Edición XV Prefacio XVI Capitulo 1. Análisis de datos de Negocios 1 1.1. Definición de estadística de negocios 1 1.2. Estadística descriptiva r inferencia estadística 1 1.3.
Más detallesDepartamento de Medicina Preventiva y Salud Publica e Historia de la Ciencia. Universidad Complutense de Madrid. SPSS para windows.
TEMA 13 REGRESIÓN LOGÍSTICA Es un tipo de análisis de regresión en el que la variable dependiente no es continua, sino dicotómica, mientras que las variables independientes pueden ser cuantitativas o cualitativas.
Más detallesESTIMACIÓN DE LOS COMPONENTES DE LA VARIACIÓN DE UN SISTEMA DE MEDICIÓN, USANDO EL RANGO. Resumen
ESTIMACIÓN DE LOS COMPONENTES DE LA VARIACIÓN DE UN SISTEMA DE MEDICIÓN, USANDO EL RANGO RIVAS C., Gerardo A. Escuela de Ingeniería Industrial. Universidad de Carabobo. Bárbula. Valencia. Venezuela Jefe
Más detallesESTADÍSTICA. Población Individuo Muestra Muestreo Valor Dato Variable Cualitativa ordinal nominal. continua
ESTADÍSTICA Población Individuo Muestra Muestreo Valor Dato Variable Cualitativa ordinal nominal Cuantitativa discreta continua DISTRIBUCIÓN DE FRECUENCIAS Frecuencia absoluta: fi Frecuencia relativa:
Más detallesRegresión lineal SIMPLE MÚLTIPLE N A Z IRA C A L L E J A
Regresión lineal REGRESIÓN LINEAL SIMPLE REGRESIÓN LINEAL MÚLTIPLE N A Z IRA C A L L E J A Qué es la regresión? El análisis de regresión: Se utiliza para examinar el efecto de diferentes variables (VIs
Más detalles4. Regresión Lineal Simple
1 4. Regresión Lineal Simple Introducción Una vez conociendo las medidas que se utilizan para expresar la fuerza y la dirección de la relación lineal entre dos variables, se tienen elementos base para
Más detallesComparación de Líneas de Regresión
Comparación de Líneas de Regresión Resumen El procedimiento de Comparación de Líneas de Regresión esta diseñado para comparar líneas de regresión relacionas con Y y X en dos o mas niveles de un factor
Más detallesAgro 6998 Conferencia 2. Introducción a los modelos estadísticos mixtos
Agro 6998 Conferencia Introducción a los modelos estadísticos mixtos Los modelos estadísticos permiten modelar la respuesta de un estudio experimental u observacional en función de factores (tratamientos,
Más detallesTabulación Cruzada. Sample StatFolio: crosstabulation.sgp
Tabulación Cruzada El procedimiento de Tabulación Cruzada esta diseñado para resumir dos columnas de datos. Esta construye una tabla de dos-caminos mostrando las frecuencias de ocurrencia de cada uno de
Más detallesTERMINOLOGÍA ANALÍTICA - PROCESO ANALÍTICO - TÉCNICA ANALÍTICA - MÉTODO ANALÍTICO - PROCEDIMIENTO ANALÍTICO - PROTOCOLO ANALÍTICO
TERMINOLOGÍA ANALÍTICA - PROCESO ANALÍTICO - TÉCNICA ANALÍTICA - MÉTODO ANALÍTICO - PROCEDIMIENTO ANALÍTICO - PROTOCOLO ANALÍTICO PROCESO ANALÍTICO Conjunto de operaciones analíticas intercaladas que se
Más detallesIndicaciones para el lector... xv Prólogo... xvii
ÍNDICE Indicaciones para el lector... xv Prólogo... xvii 1. INTRODUCCIÓN Qué es la estadística?... 3 Por qué estudiar estadística?... 5 Empleo de modelos en estadística... 6 Perspectiva hacia el futuro...
Más detallesMedidas de posición relativa
Medidas de posición relativa Copyright 2010, 2007, 2004 Pearson Education, Inc. All Rights Reserved. 3.1-1 Medidas de posición relativa Son medidas que pueden utilizarse para comparar valores de diferentes
Más detallesINTERPRETACIÓN DE LA REGRESIÓN. Interpretación de la regresión
INTERPRETACIÓN DE LA REGRESIÓN Este gráfico muestra el salario por hora de 570 individuos. 1 Interpretación de la regresión. regresión Salario-Estudios Source SS df MS Number of obs = 570 ---------+------------------------------
Más detallesEl ejemplo: Una encuesta de opinión
El ejemplo: Una encuesta de opinión Objetivos Lo más importante a la hora de planificar una encuesta es fijar los objetivos que queremos lograr. Se tiene un cuestionario ya diseñado y se desean analizar
Más detallesGráfico de Medianas y Rangos
Gráfico de Medianas y Rangos Resumen El procedimiento Gráfico de Medianas y Rangos crea gráficos de control para una sola variable numérica donde los datos se han recolectad en subgrupos. Crea tanto un
Más detalles3. ASOCIACIÓN ENTRE DOS VARIABLES CUALITATIVAS
1. INTRODUCCIÓN Este tema se centra en el estudio conjunto de dos variables. Dos variables cualitativas - Tabla de datos - Tabla de contingencia - Diagrama de barras - Tabla de diferencias entre frecuencias
Más detallesY accedemos al cuadro de diálogo Descriptivos
SPSS: DESCRIPTIVOS PROCEDIMIENTO DE ANÁLISIS INICIAL DE DATOS: DESCRIPTIVOS A diferencia con el procedimiento Frecuencias, que contiene opciones para describir tanto variables categóricas como cuantitativas
Más detallesINTRODUCCIÓN AL ANÁLISIS DE DATOS ORIENTACIONES (TEMA Nº 7)
TEMA Nº 7 DISTRIBUCIONES CONTINUAS DE PROBABILIDAD OBJETIVOS DE APRENDIZAJE: Conocer las características de la distribución normal como distribución de probabilidad de una variable y la aproximación de
Más detallesMANUAL DE USO PROGRAMA SENSIBAR
MANUAL DE USO PROGRAMA SENSIBAR ANALSIS DE SENSIBILIDAD Y SIMULACION DE MONTECARLO JOSE FUENTES VALDES FACEA - UNIVERSIDAD DE CONCEPCION Facultad de Economía Universidad de Concepción 1 SensiBar. ANALSIS
Más detallesRelación entre la altura y la distancia del suelo al ombligo
Relación entre la altura y la distancia del suelo al ombligo JULIA VIDAL PIÑEIRO Los 79 datos usados para realizar el estudio estadístico de la relación altura- distancia al ombligo, se tomaron a personas
Más detallesCORRELACIÓN Y REGRESIÓN. Raúl David Katz
CORRELACIÓN Y REGRESIÓN Raúl David Katz 1 Correlación y regresión Introducción Hasta ahora hemos visto el modo de representar la distribución de frecuencias de los datos correspondientes a una variable
Más detalles1.3.- V A L O R A B S O L U T O
1.3.- V A L O R A B S O L U T O OBJETIVO.- Que el alumno conozca el concepto de Valor Absoluto y sepa emplearlo en la resolución de desigualdades. 1.3.1.- Definición de Valor Absoluto. El valor absoluto
Más detallesVARIABLES ESTADÍSTICAS BIDIMENSIONALES
VARIABLES ESTADÍSTICAS BIDIMENSIONALES 1.- En una variable estadística bidimensional, el diagrama de dispersión representa: a) la nube de puntos. b) las varianzas de las dos variables. c) los coeficientes
Más detallesTema 2. Descripción Conjunta de Varias Variables
Tema 2. Descripción Conjunta de Varias Variables Cuestiones de Verdadero/Falso 1. La covarianza mide la relación lineal entre dos variables, pero depende de las unidades de medida utilizadas. 2. El análisis
Más detallesTema 5. Muestreo y distribuciones muestrales
1 Tema 5. Muestreo y distribuciones muestrales En este tema: Muestreo y muestras aleatorias simples. Distribución de la media muestral: Esperanza y varianza. Distribución exacta en el caso normal. Distribución
Más detallesDiseño de Bloques al azar. Diseño de experimentos p. 1/25
Diseño de Bloques al azar Diseño de experimentos p. 1/25 Introducción En cualquier experimento, la variabilidad proveniente de un factor de ruido puede afectar los resultados. Un factor de ruido es un
Más detallesESTADÍSTICA. Tema 4 Regresión lineal simple
ESTADÍSTICA Grado en CC. de la Alimentación Tema 4 Regresión lineal simple Estadística (Alimentación). Profesora: Amparo Baíllo Tema 4: Regresión lineal simple 1 Estructura de este tema Planteamiento del
Más detallesDiseño de Experimentos Optimización de Múltiples Respuestas
Diseño de Experimentos Optimización de Múltiples Respuestas Resumen La selección de Optimización de Múltiples Respuestas sobre el menú DDE permite al experimentador determinar las configuraciones de los
Más detallesGRUPO A GRUPO B Total = 225 Total = 250. Medidas de tendencia central.
Medidas de dispersión o variabilidad Tema 5 Profesor Tevni Grajales G. A dos grupos diferentes de estudiantes se les preguntó cuánto deseaban pagar como cuotas de graduación. En ambos casos el promedio
Más detallesMarzo 2012
Marzo 2012 http:///wpmu/gispud/ Para determinar la carga transferida a través del tiempo a un elemento, es posible hacerlo de varias formas: 1. Utilizando la ecuación de carga, evaluando en los tiempos
Más detallesTema 1.- Correlación Lineal
Tema 1.- Correlación Lineal 3.1.1. Definición El término correlación literalmente significa relación mutua; de este modo, el análisis de correlación mide e indica el grado en el que los valores de una
Más detallesMedidas de tendencia central y dispersión
Estadística Aplicada a la Investigación en Salud Medwave. Año XI, No. 3, Marzo 2011. Open Access, Creative Commons. Medidas de tendencia central y dispersión Autor: Fernando Quevedo Ricardi (1) Filiación:
Más detallesESTADÍSTICA DESCRIPTIVA
ESTADÍSTICA DESCRIPTIVA Medidas de tendencia central y de dispersión Giorgina Piani Zuleika Ferre 1. Tendencia Central Son un conjunto de medidas estadísticas que determinan un único valor que define el
Más detallesCAPITULO ANÁLISIS ESTADÍSTICO MULTIVARIADO /1/ /2/ En el presente capítulo se realiza el análisis estadístico multivariado de los
112 CAPITULO 5 5.- ANÁLISIS ESTADÍSTICO MULTIVARIADO /1/ /2/ 5.1. Introducción En el presente capítulo se realiza el análisis estadístico multivariado de los datos obtenidos en censo correspondientes a
Más detallesSe permite un folio escrito por las dos caras. Cada problema se realiza en hojas diferentes y se entregan por separado.
NORMAS El examen consta de dos partes: 0.0.1. Diez Cuestiones: ( tiempo: 60 minutos) No se permite ningún tipo de material (libros, apuntes, calculadoras,...). No se permite abandonar el aula una vez repartido
Más detallesModelos de PERT/CPM: Probabilístico
INSTITUTO POLITÉCNICO NACIONAL ESCUELA SUPERIOR DE CÓMPUTO Modelos de PERT/CPM: Probabilístico M. En C. Eduardo Bustos Farías 1 Existen proyectos con actividades que tienen tiempos inciertos, es decir,
Más detallesFormulario. Estadística Administrativa. Módulo 1. Introducción al análisis estadístico
Formulario. Estadística Administrativa Módulo 1. Introducción al análisis estadístico Histogramas El número de intervalos de clase, k, se elige de tal forma que el valor 2 k sea menor (pero el valor más
Más detallesEste procedimiento también crea una escala cusum grafica para datos individuales monitoreando la variabilidad del proceso.
Gráfico Cusum (H-K) Resumen Los gráficos de sumas acumulativas monitorean datos por variables graficando las sumas acumulativas de las desviaciones al valor obetivo. Esto lo hace, incorporando la historia
Más detallesCAPÍTULO 4 (Continuación): ESTADÍSTICA DESCRIPTIVA BIVARIADA
Página de CAPÍTULO (Continuación): ESTADÍSTICA DESCRIPTIVA BIVARIADA Relaciones entre dos variables cuantitativas A menudo nos va a interesar describir la relación o asociación entre dos variables. Como
Más detallesOtra característica poblacional de interés es la varianza de la población, 2, y su raíz cuadrada, la desviación estándar de la población,. La varianza
CARACTERÍSTICAS DE LA POBLACIÓN. Una pregunta práctica en gran parte de la investigación de mercado tiene que ver con el tamaño de la muestra. La encuesta, en principio, no puede ser aplicada sin conocer
Más detallesEstadísticas Elemental Tema 3: Describir la relación entre dos variables: Correlación y regresión 3.1-1
Estadísticas Elemental Tema 3: Describir la relación entre dos variables: Correlación y regresión 3.1-1 Relación entre dos variables Al estudiar conjuntos de variables con más de una variable, una pregunta
Más detallesINSTITUTO NACIONAL DE ESTADÍSTICAS (INE) 29 de Abril de 2016
ANEXO ESTADÍSTICO 1 : COEFICIENTES DE VARIACIÓN Y ERROR ASOCIADO AL ESTIMADOR ENCUESTA NACIONAL DE EMPLEO (ENE) INSTITUTO NACIONAL DE ESTADÍSTICAS (INE) 9 de Abril de 016 1 Este anexo estadístico es una
Más detallesOTRAS HERRAMIETAS ESTADISTICAS UTILES. Dra. ALBA CECILIA GARZON
OTRAS HERRAMIETAS ESTADISTICAS UTILES Dra. ALBA CECILIA GARZON Que es un Test de Significancia estadística? El término "estadísticamente significativo" invade la literatura y se percibe como una etiqueta
Más detallesDiagramas de Dispersión simples
Ayuda SPSS-Diagrama de Dispersión-Inserción Recta de Regresión -1- AYUDA SPSS DIAGRAMA DE DISPERSIÓN e INSERCIÓN DE LA RECTA DE REGRESIÓN Ruta Cuadros de Diálogos Autor: Prof. Rubén José Rodríguez 1 de
Más detallesMedidas de Tendencia Central.
Medidas de Tendencia Central www.jmontenegro.wordpress.com MEDIDAS DE RESUMEN MDR MEDIDAS DE TENDENCIA CENTRAL MEDIA MEDIANA MODA CUARTILES,ETC. MEDIDAS DE DISPERSIÓN RANGO DESVÍO EST. VARIANZA COEFIC.
Más detallesTécnicas de Investigación Social
Licenciatura en Sociología Curso 2006/07 Técnicas de Investigación Social Medir la realidad social (4) La regresión (relación entre variables) El término REGRESIÓN fue introducido por GALTON en su libro
Más detallesVenta de Pasteles. Piezas. 3 Leches Chocolate. Del 26 al 30 de Enero MICROSOFT GRAPH Conceptos básicos
Piezas Microsoft Office Excel 2007 3.8 MICROSOFT GRAPH 3.8.1 Conceptos básicos Los gráficos se usan para presentar series de datos numéricos en formato gráfico y de ese modo facilitar la comprensión de
Más detalles4.1 Análisis bivariado de asociaciones
4.1 Análisis bivariado de asociaciones Los gerentes posiblemente estén interesados en el grado de asociación entre dos variables Las técnicas estadísticas adecuadas para realizar este tipo de análisis
Más detalles1. Necesidades del Consumidor una lista de m necesidades del consumidor. Estas necesidades constituyen las m hileras de la matriz.
Matriz QFD Resumen El procedimiento Matriz QFD crea y presenta una matriz QFD (Quality Function Deployment, Despliegue de la Función de Calidad). QFD es un proceso de planeación dirigido por el cliente
Más detallesDiseño Gráficos de Control
Diseño Gráficos de Control Resumen Este procedimiento esta diseñado para ayudar a determinar el tamaño de muestra apropiado y los parámetros comunes para los gráficos de control. El diseño esta basado
Más detallesCORRELACIÓN Y REGRESIÓN. Juan José Hernández Ocaña
CORRELACIÓN Y REGRESIÓN Juan José Hernández Ocaña CORRELACIÓN Muchas veces en Estadística necesitamos saber si existe una relación entre datos apareados y tratamos de buscar una posible relación entre
Más detallesFundamentos de Estadística y Simulación Básica
Fundamentos de Estadística y Simulación Básica TEMA 2 Estadística Descriptiva Clasificación de Variables Escalas de Medición Gráficos Tabla de frecuencias Medidas de Tendencia Central Medidas de Dispersión
Más detallesEl determinante de una matriz se escribe como. Para una matriz, el valor se calcula como:
Materia: Matemática de 5to Tema: Definición de Determinantes Marco Teórico Un factor determinante es un número calculado a partir de las entradas de una matriz cuadrada. Tiene muchas propiedades e interpretaciones
Más detallesCAPÍTULO 4 TÉCNICA PERT
54 CAPÍTULO 4 TÉCNICA PERT Como ya se mencionó en capítulos anteriores, la técnica CPM considera las duraciones de las actividades como determinísticas, esto es, hay el supuesto de que se realizarán con
Más detallesINFERENCIA ESTADISTICA
1 INFERENCIA ESTADISTICA Es una rama de la Estadística que se ocupa de los procedimientos que nos permiten analizar y extraer conclusiones de una población a partir de los datos de una muestra aleatoria,
Más detalles2 Introducción a la inferencia estadística Introducción Teoría de conteo Variaciones con repetición...
Contenidos 1 Introducción al paquete estadístico S-PLUS 19 1.1 Introducción a S-PLUS............................ 21 1.1.1 Cómo entrar, salir y consultar la ayuda en S-PLUS........ 21 1.2 Conjuntos de datos..............................
Más detallesMedidas descriptivas I. Medidas de tendencia central A. La moda
Medidas descriptivas I. Medidas de tendencia central A. La moda Preparado por: Roberto O. Rivera Rodríguez Coaching de matemática Escuela Eduardo Neuman Gandía 1 Introducción En muchas ocasiones el conjunto
Más detalles1 Introducción. 2 Modelo. Hipótesis del modelo MODELO DE REGRESIÓN LOGÍSTICA
MODELO DE REGRESIÓN LOGÍSTICA Introducción A grandes rasgos, el objetivo de la regresión logística se puede describir de la siguiente forma: Supongamos que los individuos de una población pueden clasificarse
Más detallesPuntuación Z ESTADÍSTICA APLICADA A LA EDUCACIÓN I. L.A. y M.C.E. Emma Linda Diez Knoth
1 Puntuación Z ESTADÍSTICA APLICADA A LA EDUCACIÓN I Qué es la Puntuación Z? 2 Los puntajes Z son transformaciones que se pueden hacer a los valores o puntuaciones de una distribución normal, con el propósito
Más detallesPREGUNTAS TIPO EXAMEN- ESTADÍSTICA DESCRIPTIVA 2
PREGUNTAS TIPO EXAMEN- ESTADÍSTICA DESCRIPTIVA 2 Preg. 1. Para comparar la variabilidad relativa de la tensión arterial diastólica y el nivel de colesterol en sangre de una serie de individuos, utilizamos
Más detallesZ i
Medidas de Variabilidad y Posición. Jesús Eduardo Pulido Guatire, marzo 010 Cuando trabajamos el aspecto denominado Medidas de Tendencia Central se observó que tanto la media como la mediana y la moda
Más detallesTema 6. Variables aleatorias continuas
Tema 6. Variables aleatorias continuas Resumen del tema 6.1. Definición de variable aleatoria continua Identificación de una variable aleatoria continua X: es preciso conocer su función de densidad, f(x),
Más detallesPOBLACIÓN Y MUESTRAS EN LA INVESTIGACIÓN
POBLACIÓN Y MUESTRAS EN LA INVESTIGACIÓN Adela del Carpio Rivera Doctor en Medicina UNIVERSO Conjunto de individuos u objetos de los que se desea conocer algo en una investigación Población o universo
Más detallesMedidas de dispersión
Medidas de dispersión Las medidas de dispersión nos informan sobre cuánto se alejan del centro los valores de la distribución. Las medidas de dispersión son: Rango o recorrido El rango es la diferencia
Más detallesAnálisis matemático de la función de Nelson y Siegel
Anexos Anexo 1 Análisis matemático de la función de Nelson y Siegel La función que define el tipo forward según el modelo propuesto por Nelson y Siegel (1987) es la siguiente: con m 0 y τ 0. 1 > m m m
Más detallesCurso de Estadística Aplicada a las Ciencias Sociales
Curso de Estadística Aplicada a las Ciencias Sociales Tema 6. Descripción numérica (2) Capítulo 5 del manual Tema 6 Descripción numérica (2) Introducción 1. La mediana 2. Los cuartiles 3. El rango y el
Más detalles15. Regresión lineal. Te recomiendo visitar su página de apuntes y vídeos:
15. Regresión lineal Este tema, prácticamente íntegro, está calacado de los excelentes apuntes y transparencias de Bioestadística del profesor F.J. Barón López de la Universidad de Málaga. Te recomiendo
Más detallesHorsepower (Caballos de Fuerza)
Análisis de Factores Resumen El procedimiento Análisis de Factores esta diseñado para extraer factores comunes de un conjunto de p variables cuantitativas X. En muchas situaciones, un número pequeño de
Más detallesEstadística y sus aplicaciones en Ciencias Sociales 6. Prueba de hipótesis. Facultad de Ciencias Sociales, UdelaR
Estadística y sus aplicaciones en Ciencias Sociales 6. Prueba de hipótesis Facultad de Ciencias Sociales, UdelaR Índice 1. Introducción: hipótesis estadística, tipos de hipótesis, prueba de hipótesis 2.
Más detalles