GRÁFICOS DE CONTROL. Datos tipo atributo

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

Download "GRÁFICOS DE CONTROL. Datos tipo atributo"

Transcripción

1 GRÁFICOS DE CONTROL Datos tipo atributo

2 SELECCIÓN DE LOS GRÁFICOS DE CONTROL

3 GRÁFICOS PARA ATRIBUTOS Se distinguen dos grandes grupos: Los gráficos p, 100p y u difieren de los gráficos np y c en que los primeros son gráficos en los que se controla la proporción de unidades defectuosas o defectos por unidad por lo que el tamaño de muestra no es necesariamente constante dado que la base de comparación es la misma. Los segundos, los gráficos np y c controlan número de unidades defectuosas y número de defectos por lo que es necesario en su construcción que el tamaño de la muestra permanezca constante para lograr una base de comparación homogénea.

4 El siguiente cuadro presenta un resumen GRÁFICOS PARA ATRIBUTOS

5 GRÁFICOS PARA UNIDADES DEFECTUOSAS Este tipo de gráficos se utiliza cuando queremos controlar la evolución a lo largo del tiempo de la producción de unidades defectuosas. El problema por lo tanto consistirá en coger muestras de tamaño n y separar las unidades de dicha muestra en defectuosas y no defectuosas. Cuando el proceso esté bajo control, se cumple lo siguiente: a) Si consideramos que una serie de unidades escogidas en un momento determinado de la producción constituyen una muestra aleatoria simple de la población compuesta por las unidades que el proceso produciría en esas mismas condiciones, la proporción de elementos defectuosos fabricados a la que denominaremos p se mantendrá constante con el tiempo y no va a modificarse con el muestreo. b) La producción de una unidad defectuosa en un momento dado es independiente de que las unidades anteriores hayan sido defectuosas o no.

6 GRÁFICOS PARA UNIDADES DEFECTUOSAS Recogida de datos.- Se requieren tamaños de muestra muy grandes por lo general, del orden de 50 a 200. El tamaño de la muestra no debe ser nunca inferior a 30 unidades. Intervalos de la toma de muestras.- Los puntos básicos a tener en cuenta son: - No establecer tomas de muestra en períodos que la experiencia nos garantice continuidad en el proceso. -Establecer tomas de muestra siempre que exista posibilidad de cambio en el proceso, como por ejemplo: Cambio de turnos Relevo de operarios Cambio de la materia prima Cambio de herramienta Parada y arranque de la máquina etc.

7 GRÁFICOS PARA UNIDADES DEFECTUOSAS Recogida de datos.- 1º ) Se comprueba la primera característica a controlar en cada una de las piezas de la muestra, dejando aparte aquellas que tengan una no conformidad en esta característica. Se cuentan y se anota el número resultante en el del "defecto A". 2º ) Se vuelven a unir estas unidades al resto y se repite la inspección de todas las piezas de la muestra para la segunda característica a controlar, separándose las unidades que tengan no conformidades anotando el número de las mismas en el "defecto B". Este proceso se repite para el resto de características a controlar. 3º) Se anota el tamaño de la muestra en la casilla "Piezas Inspeccionadas". 4º ) En la casilla "Piezas Defectuosas" se anotará el total de unidades que hayan resultado con no conformidades. Es necesario aclarar que el número de Piezas Defectuosas no tiene por qué coincidir con la suma de la columna de los defectos hallados A, B, etc.

8 GRÁFICOS PARA UNIDADES DEFECTUOSAS Supongamos que en una muestra de 50 unidades ha resultado en la primera toma de muestra los siguientes: Con estos datos, nuestras Anotaciones serían: Defecto A...2, Defecto B...3, Defecto C...2: Piezas Defectuosas...4 Hay un total de siete defectos, pero, al haber piezas con más de un defecto, el número de piezas defectuosas es sólo de cuatro. A partir de este punto el proceso es distinto según se trate de un gráfico p o np.

9 GRÁFICOS PARA UNIDADES DEFECTUOSAS Gráfico p muestra constante Gráfico de proporción de unidades defectuosas p.- Una vez completados los pasos anteriores, se calcula la proporción de unidades defectuosas p dividiendo el número de unidades defectuosas de la muestra por el número de unidades inspeccionadas (tamaño de la muestra) anotando dicho valor p y representándolo en el gráfico. Punto a representar: Gráfico p (n = constante) Línea central:

10 GRÁFICOS PARA UNIDADES DEFECTUOSAS Gráfico p muestra constante Límites de control: Se repite este proceso hasta lograr una cierta regularidad estadística. Lo normal es utilizar un período de 20 tomas de muestra. Tamaño de muestra constante para cada uno de los subgrupos.- Una vez completo el período calculamos la fracción defectuosa media p y los límites de control superior e inferior. Puesto que no tiene sentido hablar de proporciones de unidades defectuosas con valores inferiores a cero, en el caso de que la expresión del límite inferior de control resultara un valor negativo, el límite inferior de control toma el valor cero.

11 GRÁFICOS PARA UNIDADES DEFECTUOSAS: Ejemplo Gráfico p muestra constante Un taller desea establecer la fracción defectuosa de una cierta producción. Durante un período de 20 días se inspeccionaron 60 piezas con los resultados siguientes:

12 GRÁFICOS PARA UNIDADES DEFECTUOSAS: Ejemplo Gráfico p muestra constante

13 GRÁFICOS PARA UNIDADES DEFECTUOSAS Tamaño de muestra variable para cada uno de los subgrupos.- Frecuentemente existen situaciones en las que no es posible que el tamaño de la muestra permanezca constante por lo que es necesario utilizar un gráfico que tenga en cuenta la variación del tamaño de muestra. Las expresiones a utilizar son similares a las del caso de tamaño de muestra constante salvo una pequeña modificación consistente en particularizar el tamaño de muestra n para cada subgrupo (ni).

14 GRÁFICOS PARA UNIDADES DEFECTUOSAS: Ejemplo Ejemplo: Durante un período de 20 días se inspeccionaron muestras de tamaño variable con los resultados siguientes:

15 GRÁFICOS PARA UNIDADES DEFECTUOSAS: Ejemplo

16 GRÁFICOS PARA UNIDADES DEFECTUOSAS Gráfico p Muestra variable Ejemplo Cuando existen muchos tamaños de subgrupos diferentes, es muy complicado tener que calcular unos límites de control para cada uno por lo que, si la variación entre los tamaños de los subgrupos no es muy grande, se puede hacer una simplificación del método.

17 GRÁFICOS PARA UNIDADES DEFECTUOSAS Gráfico p Muestra variable Mejorada Ejemplo Esta simplificación consiste en calcular unos límites de control únicos para todos los subgrupos en base a un "tamaño medio de subgrupo".

18 GRÁFICOS PARA UNIDADES DEFECTUOSAS Gráfico np Cuando estamos interesados en vigilar la calidad del proceso en términos de número de unidades defectuosas en lugar de fracción defectuosa (proporción), el gráfico adecuado es el np. Para cada uno de los subgrupos (todos del mismo tamaño) representamos el número de unidades defectuosas np. Una vez completo el período calculamos el número medio de defectos np y los límites de control superior e inferior de acuerdo con las expresiones.

19 GRÁFICOS PARA UNIDADES DEFECTUOSAS: Ejemplo

20 GRÁFICOS PARA UNIDADES DEFECTUOSAS Gráfico np Ejemplo 256/1200=p= fracción de unidades defectuosas

21 GRÁFICOS PARA DEFECTOS Ya hemos visto cómo con los gráficos para unidades defectuosas controlábamos los defectos en unidades o piezas, siendo la base de los gráficos las propias unidades defectuosas. Pero a menudo en la industria nos encontramos con defectos que no van asociados a piezas, sino que aparecen en una producción continua, como, por ejemplo, telas, rollos de cable eléctrico, tuberías de plástico, etc. y en donde el parámetro a controlar es el número de defectos por unidad de longitud, área, etc. En otros casos nos encontramos con productos cuyo control, aun estando asociado a unidades, éstas son tan complejas y por lo tanto la probabilidad de aparecer un defecto es tan grande, que si utilizáramos gráficos p, o np, el número de unidades defectuosas o su proporción serían tan próximas a la unidad, que la información que obtendríamos seria casi nula. En estos casos utilizaremos gráficos de control por número de defectos.

22 GRÁFICOS PARA DEFECTOS El problema por lo tanto consistirá en coger muestras de tamaño n y contar el número de defectos encontrados en dicha muestra. Cuando el proceso esté bajo control: El número medio de defectos por unidad determinada se va a mantener constante con el tiempo. La producción de un defecto en un momento dado es independiente de que se hayan producido defectos con anterioridad o no.

23 GRÁFICOS PARA DEFECTOS Tamaño de muestra.- Es necesario reflejar que, para que estos gráficos nos sirvan de ayuda, en cada muestra escogida exista algún defecto. Cuando se trata de unidades complejas, por ejemplo un automóvil, esto siempre se cumplirá. Cuando se trate de un producto de producción continua habrá que tener en cuenta el valor que indique la experiencia a la hora de elegir el tamaño de la muestra. Intervalo de toma de muestra.- El criterio es el mismo que el expuesto en los gráficos para unidades defectuosas. Número de muestras por Período.- El período de recogida de muestras debe ser lo suficientemente largo como para recoger todas las posibles causas de variabilidad que actúan sobre el proceso, considerándose una prueba satisfactoria de estabilidad 20 tomas de muestras. Esto significa que son necesarias 20 muestras para calcular los límites de control y que se deben re-calcular cada 20 muestras.

24 GRÁFICOS PARA DEFECTOS Recogida de datos.- Se procede a su verificación de la siguiente manera: 1º ) Se comprueba la primera característica a controlar en cada una de las piezas de la muestra, dejando aparte aquellas que tengan una no conformidad en esta característica. Se cuentan y se anota el número resultante a la altura del "defecto A". 2º ) Se vuelven a unir estas unidades al resto y se repite la inspección de todas las piezas de la muestra para la segunda característica a controlar, separándose las unidades que tengan no conformidades anotando el número de las mismas a la altura del "defecto B". Este proceso se repite para el resto de características a controlar. 3º ) Se anota el tamaño de la muestra en la casilla "Piezas Inspeccionadas". 4º ) En la casilla "Defectos" se anotarán el total de defectos. Supongamos que en una muestra de 50 unidades ha resultado en la primera toma de muestra los siguiente:

25 GRÁFICOS PARA DEFECTOS Con estos datos, nuestras anotaciones hubieran sido: Defecto A...2 Defecto B...3 Defecto C...2 Defectos...7 Hay un total de siete defectos. A partir de este punto el proceso es distinto según se trate de un gráfico u o c.

26 GRÁFICOS PARA DEFECTOS u Gráfico de defectos por unidad.- Una vez completados los pasos anteriores, se calcula el número de defectos por unidad inspeccionada u dividiendo el número de defectos de la muestra por el número de unidades inspeccionadas (tamaño de la muestra) anotando dicho valor u y representándolo en el gráfico. Se repite este proceso hasta lograr una cierta regularidad estadística. Lo normal es utilizar un período de 20 tomas de muestra.

27 GRÁFICOS PARA DEFECTOS u Tamaño de muestra constante.- Para cada uno de los subgrupos (todos del mismo tamaño) calcularemos el número de defectos por unidad u de acuerdo con la formula. Una vez completo el período calculamos la número medio de defectos por unidad u y los límites de control superior e inferior. Puesto que no tiene sentido hablar de defectos por unidad con valores inferiores a cero, en el caso de que la expresión del límite inferior de control resultara un valor negativo, el límite inferior de control toma el valor cero.

28 GRÁFICOS PARA DEFECTOS u Punto a representar: Línea central: Límites de control:

29 GRÁFICOS PARA DEFECTOS u: Ejemplo Se desea establecer un control de la calidad de un proceso mediante un gráfico de número de defectos por unidad. Durante un período de 20 días se inspeccionaron 10 piezas con los resultados siguientes:

30 GRÁFICOS PARA DEFECTOS u : Ejemplo El proceso está bajo control puesto que ningún punto está fuera de los límites de control. Se puede observar que el número de defectos por unidad va decreciendo, siendo mayor en la primera parte del gráfico que en la segunda. Aunque no existía condición de fuera de control, se investigó la causa por ser sus efectos beneficiosos (disminuir el número de defectos) y se encontró que a partir del punto 10 se había cambiado un útil de fabricación.

31 GRÁFICOS PARA DEFECTOS: Tamaño de muestra variable u Para cada uno de los subgrupos (de distintos tamaños) calcularemos el número de defectos por unidad u de acuerdo con la expresión. Una vez completo el período calculamos el número medio de defectos por unidad u y los límites de control superior e inferior de acuerdo con las expresiones. En el caso de que la expresión del límite inferior de control resultara un valor negativo, el límite inferior de control toma el valor cero.

32 GRÁFICOS PARA DEFECTOS: Tamaño de muestra variable u Ejemplo Se desea establecer un control de la calidad de un proceso mediante un gráfico de número de defectos por unidad. Durante un período de 20 días se inspeccionaron un número variable de piezas con los resultados que se muestran en la tabla anterior.

33 GRÁFICOS PARA DEFECTOS: Tamaño de muestra variable u Ejemplo El proceso está en estado de control puesto que ningún punto está fuera de los límites de control. Cuando existen muchos tamaños de subgrupos diferentes, es muy complicado el tener que calcular unos límites de control para cada uno por lo que, si la variación entre los tamaños de los subgrupos no es muy grande, se puede hacer una simplificación del método.

34 GRÁFICOS PARA DEFECTOS: Tamaño de muestra variable (mejorada) u Ejemplo Esta simplificación consiste en calcular unos límites de control únicos para todos los subgrupos en base a un "tamaño medio de subgrupo". Las expresiones serían las que aparecen a continuación:

35 GRÁFICOS PARA DEFECTOS c: También podemos construir gráficos de control para defectos por muestra en lugar de defectos por unidad. En estos gráficos se calcula el número de defectos por muestra inspeccionada c. Para cada uno de los subgrupos (todos del mismo tamaño) calcularemos el número de defectos c de acuerdo con la expresión. Una vez completo el período calculamos el número medio de defectos por muestra c y los límites de control superior e inferior de acuerdo con las expresiones. En el caso de que la expresión del límite inferior de control resultara un valor negativo, el límite inferior de control toma el valor cero. Punto a representar: Línea central: Límites de control:

36 GRÁFICOS PARA DEFECTOS c Ejemplo Supongamos que se desea establecer un control de la calidad de un proceso mediante un gráfico de número de defectos por muestra. Durante un período de 20 días se inspeccionaron 10 piezas con los resultados que se muestran en la Tabla siguiente.

37 GRÁFICOS PARA DEFECTOS c Ejemplo El proceso está en estado de control puesto que ningún punto está fuera de los límites de control.

38 INTERPRETACIÓN Y MEJORA El objetivo de la interpretación de los gráficos de control por atributos es determinar cualquier evidencia de que el número medio de defectos o de unidades defectuosas no se mantiene a un nivel constante por la actuación sobre el proceso de causas especiales. Cuando hay puntos por encima del Límite de Control Superior, son señal de que el número medio de unidades defectuosas o de defectos en el proceso ha aumentado. Es necesario detectar la causa especial que lo ha provocado y tomar la medida correctora para evitar que se repita. Sin embargo, cuando, existiendo el Límite de Control Inferior, los puntos se encuentran por debajo de éste, aun existiendo una causa especial actuando sobre el proceso, el efecto es beneficioso (disminución del número medio de unidades defectuosas), por lo que es necesario detectar la causa que lo produce para intentar reproducirla.

39 INTERPRETACIÓN Y MEJORA MEJORA DEL PROCESO Puesto que nuestro objetivo no es sólo el control del proceso sino también su mejora, en cada período de toma de muestras debemos ir disminuyendo el límite de lo que consideramos como razonable en cuanto a unidades defectuosas que viene dado por el LCS. Para ello en el cálculo de los Límites de Control de un Período, los valores medios que utilizaremos serán los menores de estos valores de todos los períodos anteriores.

Objetivos. Epígrafes 3-1. Francisco José García Álvarez

Objetivos. Epígrafes 3-1. Francisco José García Álvarez Objetivos Entender el concepto de variabilidad natural de un procesos Comprender la necesidad de los gráficos de control Aprender a diferenciar los tipos de gráficos de control y conocer sus limitaciones.

Más detalles

UNIDAD 12.- Estadística. Tablas y gráficos (tema12 del libro)

UNIDAD 12.- Estadística. Tablas y gráficos (tema12 del libro) UNIDAD 12.- Estadística. Tablas y gráficos (tema12 del libro) 1. ESTADÍSTICA: CLASES Y CONCEPTOS BÁSICOS En sus orígenes históricos, la Estadística estuvo ligada a cuestiones de Estado (recuentos, censos,

Más detalles

CALCULO INTEGRAL CONCEPTOS DE AREA BAJO LA CURVA. (Se utiliza el valor de la función en el extremo izquierdo de cada subintervalo)

CALCULO INTEGRAL CONCEPTOS DE AREA BAJO LA CURVA. (Se utiliza el valor de la función en el extremo izquierdo de cada subintervalo) CALCULO INTEGRAL CONCEPTOS DE AREA BAJO LA CURVA El problema del área, el problema de la distancia tanto el valor del área debajo de la gráfica de una función como la distancia recorrida por un objeto

Más detalles

Tema 5 Algunas distribuciones importantes

Tema 5 Algunas distribuciones importantes Algunas distribuciones importantes 1 Modelo Bernoulli Distribución Bernoulli Se llama experimento de Bernoulli a un experimento con las siguientes características: 1. Se realiza un experimento con dos

Más detalles

Control Estadístico de Procesos (SPC) para NO estadísticos.

Control Estadístico de Procesos (SPC) para NO estadísticos. Control Estadístico de Procesos (SPC) para NO estadísticos. - Sesión 3ª de 4 - Impartido por: Jaume Ramonet Fernández Ingeniero Industrial Superior PMP (PMI ) Consultoría y Formación Actitud requerida

Más detalles

Matemáticas 2.º Bachillerato. Intervalos de confianza. Contraste de hipótesis

Matemáticas 2.º Bachillerato. Intervalos de confianza. Contraste de hipótesis Matemáticas 2.º Bachillerato Intervalos de confianza. Contraste de hipótesis Depto. Matemáticas IES Elaios Tema: Estadística Inferencial 1. MUESTREO ALEATORIO Presentación elaborada por el profesor José

Más detalles

Medidas de centralización

Medidas de centralización 1 1. Medidas de centralización Medidas de centralización Hemos visto cómo el estudio del conjunto de los datos mediante la estadística permite realizar representaciones gráficas, que informan sobre ese

Más detalles

2.- Tablas de frecuencias

2.- Tablas de frecuencias º BACHILLERATO MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES II TEMA 3.- ESTADÍSTICA DESCRIPTIVA PROFESOR: RAFAEL NÚÑEZ -----------------------------------------------------------------------------------------------------------------------------------------------------------------

Más detalles

Cantidad de producto en preempacados. Presentador: Lic. Douglas Arias Molina Laboratorio Costarricense de Metrología

Cantidad de producto en preempacados. Presentador: Lic. Douglas Arias Molina Laboratorio Costarricense de Metrología Cantidad de producto en preempacados Presentador: Lic. Douglas Arias Molina Laboratorio Costarricense de Metrología RTCA 01.01.11:06 Cantidad de Producto Pre-empacado Decreto 33371-COMEX-MEIC Gaceta N

Más detalles

Interpretación de gráficas 1

Interpretación de gráficas 1 Interpretación de gráficas 1 Dos ejemplos sencillos. 1. El precio de un bolígrafo en la papelería cercana es de 0,30. Calcula y escribe en la tabla siguiente el precio de los bolígrafos que se indican.

Más detalles

Aplicaciones de la Probabilidad en la Industria

Aplicaciones de la Probabilidad en la Industria Tercera parte Aplicaciones de la Probabilidad en la Industria Dr Enrique Villa Diharce CIMAT, Guanajuato, México Verano de probabilidad y estadística CIMAT Guanajuato,Gto Julio 2010 Cartas de control Carta

Más detalles

1 Introducción. 2 Modelo. Hipótesis del modelo MODELO DE REGRESIÓN LOGÍSTICA

1 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 detalles

Conceptos básicos estadísticos

Conceptos básicos estadísticos Conceptos básicos estadísticos Población Población, en estadística, también llamada universo o colectivo, es el conjunto de elementos de referencia sobre el que se realizan las observaciones. El concepto

Más detalles

Tablas de frecuencias con datos agrupados

Tablas de frecuencias con datos agrupados Tablas de frecuencias con datos agrupados Cuando los valores de la variable son muchos, conviene agrupar los datos en intervalos o clases para así realizar un mejor análisis e interpretación de ellos.

Más detalles

Ejercicio resuelto Nº 1 Determinar la resistencia equivalente para la asociación:

Ejercicio resuelto Nº 1 Determinar la resistencia equivalente para la asociación: Ejercicio resuelto Nº 1 Determinar la resistencia equivalente para la asociación: R 1 = 2 Ω R 2 = 3 Ω R 4 = 3 Ω A R 3 = 2 Ω B Resolución R7 = 4 Ω R 6 = 4 Ω R 5 = 3 Ω Para llegar a la resistencia equivalente

Más detalles

Otra característica poblacional de interés es la varianza de la población, 2, y su raíz cuadrada, la desviación estándar de la población,. La varianza

Otra 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 detalles

Micro y Macroeconomía

Micro y Macroeconomía Micro y Macroeconomía 1 Sesión No. 6 Nombre: Teoría del consumidor Contextualización: La microeconomía como herramienta de análisis nos permite el poder comprender el comportamiento de las personas en

Más detalles

Teorema Central del Límite (1)

Teorema 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 detalles

Comprobar experimentalmente la ley de Ohm y las reglas de Kirchhoff. Determinar el valor de resistencias.

Comprobar experimentalmente la ley de Ohm y las reglas de Kirchhoff. Determinar el valor de resistencias. 38 6. LEY DE OHM. REGLAS DE KIRCHHOFF Objetivo Comprobar experimentalmente la ley de Ohm y las reglas de Kirchhoff. Determinar el valor de resistencias. Material Tablero de conexiones, fuente de tensión

Más detalles

PROPIEDADES DE LOS CAMPOS. Cada campo de una tabla dispone de una serie de características que proporcionan un control

PROPIEDADES DE LOS CAMPOS. Cada campo de una tabla dispone de una serie de características que proporcionan un control PROPIEDADES DE LOS CAMPOS Cada campo de una tabla dispone de una serie de características que proporcionan un control adicional sobre la forma de funcionar del campo. Las propiedades aparecen en la parte

Más detalles

PREPARACION OLIMPIADA MATEMATICA CURSO

PREPARACION OLIMPIADA MATEMATICA CURSO Comenzaremos recordando algunos conocimientos matemáticos que nos son necesarios. Para ello veamos el concepto de factorial de un número natural. Es decir, es un producto decreciente desde el número que

Más detalles

M ÉTODO DE MUESTREO DE GEOSINTÉTICOS PARA ENSAYOS I.N.V. E

M ÉTODO DE MUESTREO DE GEOSINTÉTICOS PARA ENSAYOS I.N.V. E M ÉTODO DE MUESTREO DE GEOSINTÉTICOS PARA ENSAYOS I.N.V. E 908 07 1. OBJETO 1.1 Esta práctica cubre dos procedimientos para el muestreo de geosintéticos para ser ensayados. Se requiere que las instrucciones

Más detalles

Tema 3: Planeamiento de la Utilidad

Tema 3: Planeamiento de la Utilidad Universidad de Los Andes Núcleo Universitario Rafael Rangel Departamento de Ciencias Económicas, Administrativas y Contables Área: Finanzas Asignatura: Financiamiento I Prof.: Angel Higuerey G. Tema 3:

Más detalles

GUÍA DE EDUCACIÓN MATEMÁTICA: DATOS Y AZAR NOMBRE: CURSO: FECHA:

GUÍA DE EDUCACIÓN MATEMÁTICA: DATOS Y AZAR NOMBRE: CURSO: FECHA: LICEO DE MÚSICA COPIAPÓ V.S.C GUÍA DE EDUCACIÓN MATEMÁTICA: DATOS Y AZAR NOMBRE: CURSO: FECHA: CONSTRUCCIÓN Y LECTURA DE GRÁFICOS. barras. Existen diferentes tipos de gráficos. Entre ellos podemos mencionar:

Más detalles

3. ASOCIACIÓN ENTRE DOS VARIABLES CUALITATIVAS

3. 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 detalles

ESTADÍSTICA CON EXCEL

ESTADÍSTICA CON EXCEL ESTADÍSTICA CON EXCEL 1. INTRODUCCIÓN La estadística es la rama de las matemáticas que se dedica al análisis e interpretación de series de datos, generando unos resultados que se utilizan básicamente en

Más detalles

CAPITULO XII PUENTES DE CORRIENTE ALTERNA

CAPITULO XII PUENTES DE CORRIENTE ALTERNA CAPITULO XII PUENTES DE CORRIENTE ALTERNA 2. INTRODUCCION. En el Capítulo IX estudiamos el puente de Wheatstone como instrumento de medición de resistencias por el método de detección de cero. En este

Más detalles

TEMA 3: Control Estadístico de la Calidad

TEMA 3: Control Estadístico de la Calidad TEMA 3: Control Estadístico de la Calidad 1. Introducción al control de la calidad. 2. Métodos de mejora de la calidad 3. Gráficos de control de Shewhart: Gráficos c Gráficos np Gráficos X y R 4. Interpretación

Más detalles

PROBABILIDADES VARIABLES ALEATORIAS Y SUS DISTRIBUCIONES. Prof. Johnny Montenegro 1 M.

PROBABILIDADES VARIABLES ALEATORIAS Y SUS DISTRIBUCIONES. Prof. Johnny Montenegro 1 M. PROBABILIDADES VARIABLES ALEATORIAS Y SUS DISTRIBUCIONES Prof. Johnny Montenegro 1 M. PROBABILIDADES 2 Una variable es aleatoria si toma los valores de los resultados de un experimento aleatorio. Esta

Más detalles

Tema 5: Introducción a la inferencia estadística

Tema 5: Introducción a la inferencia estadística Tema 5: Introducción a la inferencia estadística 1. Planteamiento y objetivos 2. Estadísticos y distribución muestral 3. Estimadores puntuales 4. Estimadores por intervalos 5. Contrastes de hipótesis Lecturas

Más detalles

Pruebas de Hipótesis-ANOVA. Curso de Seminario de Tesis Profesor QF Jose Avila Parco Año 2016

Pruebas de Hipótesis-ANOVA. Curso de Seminario de Tesis Profesor QF Jose Avila Parco Año 2016 Pruebas de Hipótesis-ANOVA Curso de Seminario de Tesis Profesor Q Jose Avila Parco Año 2016 Análisis de la Varianza de un factor (ANOVA) El análisis de la varianza (ANOVA) es una técnica estadística paramétrica

Más detalles

13. Utilizar la fórmula del término general y de la suma de n términos consecutivos

13. Utilizar la fórmula del término general y de la suma de n términos consecutivos Contenidos mínimos 3º ESO. 1. Contenidos. Bloque I: Aritmética y álgebra. 1. Utilizar las reglas de jerarquía de paréntesis y operaciones, para efectuar cálculos con números racionales, expresados en forma

Más detalles

Operaciones de números racionales

Operaciones de números racionales Operaciones de números racionales Yuitza T. Humarán Martínez Adapatado por Caroline Rodriguez Departamento de Matemáticas Universidad de Puerto Rico en Arecibo El conjunto de los números racionales consiste

Más detalles

Tema 3: Sistemas de ecuaciones lineales

Tema 3: Sistemas de ecuaciones lineales Tema 3: Sistemas de ecuaciones lineales 1. Introducción Los sistemas de ecuaciones resuelven problemas relacionados con situaciones de la vida cotidiana que tiene que ver con las Ciencias Sociales. Nos

Más detalles

PLANEACIÓN AGREGADA VARIABLES Y CONSIDERACIONES DE UN PLAN AGREGADO

PLANEACIÓN AGREGADA VARIABLES Y CONSIDERACIONES DE UN PLAN AGREGADO PLANEACIÓN AGREGADA -------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------

Más detalles

INTERVALO DE CONFIANZA PARA LA PROPORCIÓN

INTERVALO DE CONFIANZA PARA LA PROPORCIÓN INTERVALO DE CONFIANZA PARA LA PROPORCIÓN Si deseamos estimar la proporción p con que una determinada característica se da en una población, a partir de la proporción p' observada en una muestra de tamaño

Más detalles

Capitulo 4. DECISIONES BAJO RIESGO TEORIA DE JUEGOS

Capitulo 4. DECISIONES BAJO RIESGO TEORIA DE JUEGOS Capitulo 4. DECISIONES BAJO RIESGO TEORIA DE JUEGOS INTRODUCCIÓN En el mundo real, tanto en las relaciones económicas como en las políticas o sociales, son muy frecuentes las situaciones en las que, al

Más detalles

Estudio de fallas asimétricas

Estudio de fallas asimétricas Departamento de Ingeniería Eléctrica Universidad Nacional de Mar del Plata Área Electrotecnia Estudio de fallas asimétricas Autor: Ingeniero Gustavo L. Ferro Prof. Adjunto Electrotecnia EDICION 2012 1.

Más detalles

CALIDAD 1 JOSÉ MANUEL DOMENECH ROLDÁN PROFESOR DE ENSEÑANZA SECUNDARIA

CALIDAD 1 JOSÉ MANUEL DOMENECH ROLDÁN PROFESOR DE ENSEÑANZA SECUNDARIA CALIDAD 1 DIAGRAMA DE CORRELACIÓN-DISPERSIÓN QUÉ ES EL DIAGRAMA DE CORRELACIÓN-DISPERSIÓN? Es una herramienta gráfica que permite demostrar la relación existente entre dos clases de datos y cuantificar

Más detalles

CORPORACIÓN UNIFICADA NACIONAL DE EDUCACIÓN SUPERIOR FACULTAD DE INGENIERIAS LINEA INFORMÁTICA GUIA TABLAS DINÁMICAS

CORPORACIÓN UNIFICADA NACIONAL DE EDUCACIÓN SUPERIOR FACULTAD DE INGENIERIAS LINEA INFORMÁTICA GUIA TABLAS DINÁMICAS TABLAS DINÁMICAS Es una herramienta de presentación de datos. Una Tabla Dinámica combina lo mejor de la consolidación y de los subtotales y va más allá de esas dos herramientas para proporcionar una mayor

Más detalles

DESPLIEGUE DE LA CALIDAD (Quality Function Deployment, QFD)

DESPLIEGUE DE LA CALIDAD (Quality Function Deployment, QFD) DESPLIEGUE DE LA CALIDAD (Quality Function Deployment, QFD) El Despliegue de la Calidad o Despliegue de la Función de la Calidad es una metodología de origen japonés utilizada para traducir las necesidades

Más detalles

Tema 5. Contraste de hipótesis (I)

Tema 5. Contraste de hipótesis (I) Tema 5. Contraste de hipótesis (I) CA UNED de Huelva, "Profesor Dr. José Carlos Vílchez Martín" Introducción Bienvenida Objetivos pedagógicos: Conocer el concepto de hipótesis estadística Conocer y estimar

Más detalles

Ministerio de Educación. Base de datos en la Enseñanza. Open Office. Módulo 5: Informes

Ministerio de Educación. Base de datos en la Enseñanza. Open Office. Módulo 5: Informes Ministerio de Educación Base de datos en la Enseñanza. Open Office Módulo 5: Informes Instituto de Tecnologías Educativas 2011 Informes Los informes son la herramienta encargada de presentar los datos

Más detalles

PROBLEMAS Y EJERCICIOS RESUELTOS SOBRE FUERZA ELECTROMOTRIZ, FUERZA CONTRAELECTROMOTRIZ, CIRCUITOD DE CORRIENTE CONTINUA A C B

PROBLEMAS Y EJERCICIOS RESUELTOS SOBRE FUERZA ELECTROMOTRIZ, FUERZA CONTRAELECTROMOTRIZ, CIRCUITOD DE CORRIENTE CONTINUA A C B Ejercicio resuelto Nº 1 Dado el circuito de la figura adjunta: ε = 15 V A r i = 0,5 Ω B R 2 R 1 A C B R 3 R 4 R 1 = 2 Ω ; R 2 = 1 Ω ; R 3 = 2 Ω ; R 4 = 3 Ω Determinar: a) Intensidad de corriente que circula

Más detalles

Taller: Planificación con Matriz de Marco Lógico. Vólker Gutiérrez Aravena Presidente Cultura Mapocho

Taller: Planificación con Matriz de Marco Lógico. Vólker Gutiérrez Aravena Presidente Cultura Mapocho Taller: Planificación con Matriz de Marco Lógico Vólker Gutiérrez Aravena Presidente Cultura Mapocho Elementos centrales de la Planificación Estratégica Qué es? Una poderosa herramienta de diagnóstico,

Más detalles

DISTRIBUCIONES BIDIMENSIONALES

DISTRIBUCIONES BIDIMENSIONALES La estadística unidimensional estudia los elementos de un conjunto de datos considerando sólo una variable o característica. Si ahora incorporamos, otra variable, y se observa simultáneamente el comportamiento

Más detalles

Vamos a profundizar un poco sobre los distintos tipos de datos que podemos introducir en las celdas de una hoja de cálculo

Vamos a profundizar un poco sobre los distintos tipos de datos que podemos introducir en las celdas de una hoja de cálculo Tipos de datos. Vamos a profundizar un poco sobre los distintos tipos de datos que podemos introducir en las celdas de una hoja de cálculo Valores Constantes: Es un dato que se introduce directamente en

Más detalles

Este documento enumera los diferentes tipos de Diagramas Matriciales y su proceso de construcción.

Este documento enumera los diferentes tipos de Diagramas Matriciales y su proceso de construcción. DIAGRAMA MATRICIAL 1.- INTRODUCCIÓN Este documento enumera los diferentes tipos de Diagramas Matriciales y su proceso de construcción. Muestra su potencial, como herramienta indispensable para la planificación

Más detalles

LEY DE OHM Y PUENTE DE WHEATSTONE

LEY DE OHM Y PUENTE DE WHEATSTONE uned de Consorci Centre Associat la UNED de Terrassa Laboratori d Electricitat i Magnetisme (UPC) LEY DE OHM Y PUENTE DE WHEATSTONE Objetivo Comprobar experimentalmente la ley de Ohm. Determinar el valor

Más detalles

4. NÚMEROS PSEUDOALEATORIOS.

4. NÚMEROS PSEUDOALEATORIOS. 4. NÚMEROS PSEUDOALEATORIOS. En los experimentos de simulación es necesario generar valores para las variables aleatorias representadas estas por medio de distribuciones de probabilidad. Para poder generar

Más detalles

ANEXO 1. CALIBRADO DE LOS SENSORES.

ANEXO 1. CALIBRADO DE LOS SENSORES. ANEXO 1. CALIBRADO DE LOS SENSORES. Las resistencias dependientes de la luz (LDR) varían su resistencia en función de la luz que reciben. Un incremento de la luz que reciben produce una disminución de

Más detalles

Tema 2. Descripción Conjunta de Varias Variables

Tema 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 detalles

CONTENIDOS MÍNIMOS BLOQUE 2. NÚMEROS

CONTENIDOS MÍNIMOS BLOQUE 2. NÚMEROS CONTENIDOS Y CRITERIOS DE EVALUACIÓN DE MATEMÁTICAS 1º DE ESO. Bloque 1: Contenidos Comunes Este bloque de contenidos será desarrollado junto con los otros bloques a lo largo de todas y cada una de las

Más detalles

c). Conceptos. Son los grupos o conceptos que se enlistan en las filas de la izquierda de la tabla

c). Conceptos. Son los grupos o conceptos que se enlistan en las filas de la izquierda de la tabla Tema 5. Tablas estadísticas Como ya se había establecido en el tema anterior sobre el uso de las tablas estadísticas, éstas son medios que utiliza la estadística descriptiva o deductiva para la presentación

Más detalles

U.D.1: Análisis estadístico de una variable Consideraciones iniciales: Propuesta: 1.1 Distribución de frecuencias. Variables Cualitativas: Ejemplo

U.D.1: Análisis estadístico de una variable Consideraciones iniciales: Propuesta: 1.1 Distribución de frecuencias. Variables Cualitativas: Ejemplo U.D.1: Análisis estadístico de una variable Consideraciones iniciales: - Población: Es el conjunto de todos los elementos que cumplen una determinada característica. Ej.: Alumnos del colegio. - Individuo:

Más detalles

Guía Ciencias Naturales FÍSICA

Guía Ciencias Naturales FÍSICA Guía Ciencias Naturales FÍSICA 2. Vectores Tutor: Rodrigo Tellez Mosquera.co 1. Introducción Como sabemos existen muchos tipos de fenómenos e interacciones que caracterizan el mundo natural en el que vivimos,

Más detalles

TEMA 3: Inspección Estadística por Variables

TEMA 3: Inspección Estadística por Variables TEMA 3: Inspección Estadística por Variables 1 Planes de muestreo por variables 2 Inspección en cadena 3 Inspección por muestreo continuo 4 Planes de muestreo por lotes salteados 5 Consideración de errores

Más detalles

Contabilidad de Costos

Contabilidad de Costos Contabilidad de Costos 1 Sesión No. 4 Nombre: Control y Evaluación de los Elementos del Costo Contextualización Qué es la valuación de inventarios? Los inventarios es uno de los conceptos más importantes

Más detalles

TEMA 1. MATRICES, DETERMINANTES Y APLICACIÓN DE LOS DETERMINANTES. CONCEPTO DE MATRIZ. LA MATRIZ COMO EXPRESIÓN DE TABLAS Y GRAFOS.

TEMA 1. MATRICES, DETERMINANTES Y APLICACIÓN DE LOS DETERMINANTES. CONCEPTO DE MATRIZ. LA MATRIZ COMO EXPRESIÓN DE TABLAS Y GRAFOS. TEMA 1. MATRICES, DETERMINANTES Y APLICACIÓN DE LOS DETERMINANTES. 1. MATRICES. CONCEPTO DE MATRIZ. LA MATRIZ COMO EXPRESIÓN DE TABLAS Y GRAFOS. DEFINICIÓN: Las matrices son tablas numéricas rectangulares

Más detalles

PROCEDIMIENTO DE CALIBRACIÓN DE PIES DE REY

PROCEDIMIENTO DE CALIBRACIÓN DE PIES DE REY PROCEDIMIETO DE CALIBRACIÓ DE PIES DE REY DICE 1. OBJETO. ALCACE 3. DOCUMETOS APLICABLES 4. GEERAL 5. DESARROLLO DE LA CALIBRACIÓ 5.1. Condiciones ambientales 5.. Patrones a realizar 5.3. Verificación

Más detalles

ESTADÍSTICA DESCRIPTIVA

ESTADÍSTICA 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 detalles

A. Menéndez Taller CES 15_ Confiabilidad. 15. Confiabilidad

A. Menéndez Taller CES 15_ Confiabilidad. 15. Confiabilidad 15. Confiabilidad La confiabilidad se refiere a la consistencia de los resultados. En el análisis de la confiabilidad se busca que los resultados de un cuestionario concuerden con los resultados del mismo

Más detalles

Introducción. Flujo Eléctrico.

Introducción. Flujo Eléctrico. Introducción La descripción cualitativa del campo eléctrico mediante las líneas de fuerza, está relacionada con una ecuación matemática llamada Ley de Gauss, que relaciona el campo eléctrico sobre una

Más detalles

CONTRASTES DE HIPÓTESIS NO PARAMÉTRICOS

CONTRASTES DE HIPÓTESIS NO PARAMÉTRICOS CONTRASTES DE HIPÓTESIS NO PARAMÉTRICOS 1 POR QUÉ SE LLAMAN CONTRASTES NO PARAMÉTRICOS? A diferencia de lo que ocurría en la inferencia paramétrica, ahora, el desconocimiento de la población que vamos

Más detalles

Simulación I. Investigación Operativa, Grado en Estadística y Empresa, 2011/12

Simulación I. Investigación Operativa, Grado en Estadística y Empresa, 2011/12 Simulación I Prof. José Niño Mora Investigación Operativa, Grado en Estadística y Empresa, 2011/12 Esquema Modelos de simulación y el método de Montecarlo Ejemplo: estimación de un área Ejemplo: estimación

Más detalles

Números Complejos Matemáticas Básicas 2004

Números Complejos Matemáticas Básicas 2004 Números Complejos Matemáticas Básicas 2004 21 de Octubre de 2004 Los números complejos de la forma (a, 0) Si hacemos corresponder a cada número real a, el número complejo (a, 0), tenemos una relación biunívoca.

Más detalles

2. Recolección de información - Medidas de posición: moda, media aritmética, mínimo, máximo - Frecuencia absoluta, relativa y porcentual

2. Recolección de información - Medidas de posición: moda, media aritmética, mínimo, máximo - Frecuencia absoluta, relativa y porcentual Prueba Escrita de matemática / Nivel: Sétimo año 1. Estadística - Unidad estadística - Características - Datos u observaciones - Población - Muestra - Variabilidad de los datos - Variables cuantitativas

Más detalles

Dos inecuaciones se dice que son equivalentes cuando ambas tienen las mismas soluciones.

Dos inecuaciones se dice que son equivalentes cuando ambas tienen las mismas soluciones. 10. INECUACIONES Definición de inecuación Una inecuación es una desigualdad entre dos expresiones algebraicas. 2x + 3 < 5 ; x 2 5x > 6 ; x x 1 0 Inecuaciones equivalentes Dos inecuaciones se dice que son

Más detalles

Tercera práctica de REGRESIÓN.

Tercera 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 detalles

Algebra lineal y conjuntos convexos

Algebra lineal y conjuntos convexos Apéndice A Algebra lineal y conjuntos convexos El método simplex que se describirá en el Tema 2 es de naturaleza algebraica y consiste en calcular soluciones de sistemas de ecuaciones lineales y determinar

Más detalles

CAPÍTULO 4: VARIABLES Y RAZONES

CAPÍTULO 4: VARIABLES Y RAZONES Capítulo 4: Variables y razones CAPÍTULO 4: VARIABLES Y RAZONES Fecha: 33 2014 CPM Educational Program. All rights reserved. Core Connections en español, Curso 2 Fecha: Caja de herramientas 2014 CPM Educational

Más detalles

Aprende a contar ángulos dividiendo una circunferencia, realiza operaciones y busca patrones de repetición. Afna tu puntería, gira y dispara!

Aprende a contar ángulos dividiendo una circunferencia, realiza operaciones y busca patrones de repetición. Afna tu puntería, gira y dispara! Has jugado alguna vez al paintball? Este deporte consiste en librar batallas de disparos con armas de juguete utilizando como munición unas pelotas pequeñas rellenas de pintura que se rompen al impactar

Más detalles

INFORME SOBRE LA TRANSMISIÓN DE PROMOCIONALES EXCEDENTES

INFORME SOBRE LA TRANSMISIÓN DE PROMOCIONALES EXCEDENTES INFORME SOBRE LA TRANSMISIÓN DE PROMOCIONALES EXCEDENTES Del 1 de julio de 2015 al 31 de enero de 2016 Presentación El presente informe busca atender el compromiso de la Primera sesión ordinaria de 2016,

Más detalles

UNIVERSIDAD INTERAMERICANA DE PUERTO RICO RECINTO DE ARECIBO CENTRO DE SERVICIOS DE APOYO AL ESTUDIANTE

UNIVERSIDAD INTERAMERICANA DE PUERTO RICO RECINTO DE ARECIBO CENTRO DE SERVICIOS DE APOYO AL ESTUDIANTE UNIVERSIDAD INTERAMERICANA DE PUERTO RICO RECINTO DE ARECIBO CENTRO DE SERVICIOS DE APOYO AL ESTUDIANTE Glosario Media: es la puntuación promedio de un grupo de datos. Mediana: la mediana viene a ser la

Más detalles

Metodología de la Investigación [DII-711] Capítulo 7: Selección de la Muestra

Metodología de la Investigación [DII-711] Capítulo 7: Selección de la Muestra Metodología de la Investigación [DII-711] Capítulo 7: Selección de la Muestra Dr. Ricardo Soto [ricardo.soto@ucv.cl] [http://www.inf.ucv.cl/ rsoto] Escuela de Ingeniería Informática Pontificia Universidad

Más detalles

Unidad IV. Una variable aleatoria X es continua si su función de distribución es una función continua.

Unidad IV. Una variable aleatoria X es continua si su función de distribución es una función continua. Unidad IV Distribuciones de Probabilidad Continuas 4.1. Definición de variable aleatoria continúa. Una variable aleatoria X es continua si su función de distribución es una función continua. En la práctica,

Más detalles

«La derivada de una función en un punto representa geométricamente la pendiente de la recta tangente a la función en dicho punto»

«La derivada de una función en un punto representa geométricamente la pendiente de la recta tangente a la función en dicho punto» TEMA 10 DERIVADA DE UNA FUNCIÓN EN UN PUNTO f (a): Consideremos una función f(x) y un punto P de su gráfica (ver figura), de abscisa x=a. Supongamos que damos a la variable independiente x un pequeño incremento

Más detalles

III Verano de Probabilidad y Estadística Curso de Procesos de Poisson (Víctor Pérez Abreu) Lista de Ejercicios

III Verano de Probabilidad y Estadística Curso de Procesos de Poisson (Víctor Pérez Abreu) Lista de Ejercicios III Verano de Probabilidad y Estadística Curso de Procesos de Poisson (Víctor Pérez Abreu) Lista de Ejercicios Esta lista contiene ejercicios y problemas tanto teóricos como de modelación. El objetivo

Más detalles

ANALISIS Y GESTION DE RIESGOS DE LOS ALERGENOS. Patricia Galán

ANALISIS Y GESTION DE RIESGOS DE LOS ALERGENOS. Patricia Galán ANALISIS Y GESTION DE RIESGOS DE LOS ALERGENOS Patricia Galán Proceso de Gestión La gestión de alérgenos integrada en las BPF y en el sistema APPCC Elementos criticos: PERSONAL Formación del personal.

Más detalles

ELECTRODINAMICA. Nombre: Curso:

ELECTRODINAMICA. Nombre: Curso: 1 ELECTRODINAMICA Nombre: Curso: Introducción: En esta sesión se estudiara los efectos de las cargas eléctricas en movimiento en diferentes tipos de conductores, dando origen al concepto de resistencia

Más detalles

Vectores y rectas. 4º curso de E.S.O., opción B. Modelo de examen (ficticio)

Vectores y rectas. 4º curso de E.S.O., opción B. Modelo de examen (ficticio) demattematicaswordpresscom Vectores y rectas º curso de ESO, opción B Modelo de examen (ficticio) Sean los vectores u = (,5) y v = (, ) a) Analiza si tienen la misma dirección No tienen la misma dirección

Más detalles

CONTENIDOS Y CRITERIOS DE EVALUACIÓN MATEMÁTICAS 6º ED.

CONTENIDOS Y CRITERIOS DE EVALUACIÓN MATEMÁTICAS 6º ED. . G r e d o s S a n D i e g o V a l l e c a s CONTENIDOS Y CRITERIOS DE EVALUACIÓN MATEMÁTICAS 6º ED. PRIMERA EVALUACIÓN El Sistema de numeración decimal El sistema de numeración decimal. Lectura y escritura

Más detalles

APÉNDICE B LISTAS DE MEDICIÓN DE CUMPLIMIENTO Y VERIFICACIÓN

APÉNDICE B LISTAS DE MEDICIÓN DE CUMPLIMIENTO Y VERIFICACIÓN APÉNDICE B LISTAS DE MEDICIÓN DE CUMPLIMIENTO Y VERIFICACIÓN LV33-MIA - EVALUACIÓN DE SISTEMA DE REGISTROS DE LA AERONAVEGABILIDAD CONTINUA DE LAS AERONAVES 1. Introducción 1.1 El presente formulario de

Más detalles

CAPITULO II ANÁLISIS DEL CRECIMIENTO POBLACIONAL Y CALCULO DE CAUDALES DE DISEÑO

CAPITULO II ANÁLISIS DEL CRECIMIENTO POBLACIONAL Y CALCULO DE CAUDALES DE DISEÑO 9 CAPITULO II ANÁLISIS DEL CRECIMIENTO POBLACIONAL Y CALCULO DE CAUDALES DE DISEÑO 2.1 Criterios de diseño para el predimensionamiento de los sistemas de abastecimiento de agua 2.1.1 Período de diseño

Más detalles

Ejemplos y ejercicios de. Estadística Descriptiva. yanálisis de Datos. 2 Descripción estadística de una variable. Ejemplos y ejercicios.

Ejemplos y ejercicios de. Estadística Descriptiva. yanálisis de Datos. 2 Descripción estadística de una variable. Ejemplos y ejercicios. ESTADÍSTICA DESCRIPTIVA Y ANÁLISIS DE DATOS Ejemplos y ejercicios de Estadística Descriptiva yanálisis de Datos Diplomatura en Estadística Curso 007/08 Descripción estadística de una variable. Ejemplos

Más detalles

Tema 14: Sistemas Secuenciales

Tema 14: Sistemas Secuenciales Tema 14: Sistemas Secuenciales Objetivos: (CONTADORES) Introducción. Características de los contadores. Contadores Asíncronos. Contadores Síncronos. 1 INTRODUCCIÓN Los contadores son sistemas secuenciales

Más detalles

UNIDAD 10: ECUACIONES DE SEGUNDO GRADO.

UNIDAD 10: ECUACIONES DE SEGUNDO GRADO. UNIDAD 10: ECUACIONES DE SEGUNDO GRADO. 10.1 Estudio elemental de la ecuación de segundo grado. Expresión general. 10.2 Resolución de ecuaciones de segundo grado completas e incompletas. 10.3 Planteamiento

Más detalles

Fundamentos de negocio Contabilidad > Documentos necesarios para manejar bien tu negocio >Los documentos básicos de compra

Fundamentos de negocio Contabilidad > Documentos necesarios para manejar bien tu negocio >Los documentos básicos de compra Introducción En cualquier tipo de negocio, es importante establecer claramente la responsabilidad y autoridad que tiene cada persona para desempeñar ciertas funciones. Asimismo, es importante que quede

Más detalles

MEDIDAS ESTADÍSTICAS Medidas de Tendencia Central y de Variabilidad

MEDIDAS ESTADÍSTICAS Medidas de Tendencia Central y de Variabilidad MEDIDAS ESTADÍSTICAS Medidas de Tendencia Central y de Variabilidad 1 Propiedades deseables de una medida de Tendencia Central. 1) Definida objetivamente a partir de los datos de la serie. 2) Que dependa

Más detalles

BLOQUE I: GEOMETRÍA PLANA Y FIGURAS GEOMÉTRICAS. Ecuaciones y sistemas. 2 (20 horas) Funciones y gráficas. 2 (20 horas) Estadística y probabilidad

BLOQUE I: GEOMETRÍA PLANA Y FIGURAS GEOMÉTRICAS. Ecuaciones y sistemas. 2 (20 horas) Funciones y gráficas. 2 (20 horas) Estadística y probabilidad PROGRAMACIÓN DIDÁCTICA Materia IV Período FBPI Tramo II Ámbito Científico-Tecnológico Bloque I Geometría plana y figuras geométricas Créditos 3 (30 horas) Bloque II Créditos Ecuaciones y sistemas 2 (20

Más detalles

Elaboración de Documentos en Procesadores de Textos

Elaboración de Documentos en Procesadores de Textos Las tablas permiten organizar la información en filas y columnas, de forma que se pueden realizar operaciones y tratamientos sobre las filas y columnas. Por ejemplo, obtener el valor medio de los datos

Más detalles

1.3.- 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 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 detalles

6. FLUJO DE EFECTIVO DEL PROYECTO DE ESTUDIO

6. FLUJO DE EFECTIVO DEL PROYECTO DE ESTUDIO 6. FLUJO DE EFECTIVO DEL PROYECTO DE ESTUDIO Como parte complementaria al análisis del proyecto, se presenta en este capítulo el flujo de efectivo del proyecto mostrando tanto ingresos como egresos a lo

Más detalles

Carrera: Diseño Industrial

Carrera: Diseño Industrial POLÍGONOS 1) Dados los siguientes polígonos se pide determinar cuales de ellos son cóncavos y cuales convexos. Justifique sus respuestas. a) b) c) 2) En los polígonos graficados a continuación indique

Más detalles

INTERVALOS DE CONFIANZA. La estadística en cómic (L. Gonick y W. Smith)

INTERVALOS DE CONFIANZA. La estadística en cómic (L. Gonick y W. Smith) INTERVALOS DE CONFIANZA La estadística en cómic (L. Gonick y W. Smith) EJEMPLO: Será elegido el senador Astuto? 2 tamaño muestral Estimador de p variable aleatoria poblacional? proporción de personas que

Más detalles

Modelización por medio de sistemas

Modelización por medio de sistemas SISTEMAS DE ECUACIONES DIFERENCIALES LINEALES. Modelización por medio de sistemas d y dy Ecuaciones autónomas de segundo orden: = f ( y, ) Una variable independiente. Una variable dependiente. La variable

Más detalles

b) dado que es en valor absoluto será el área entre -1,071 y 1,071 luego el resultado será F(1,071)-(1-F(1,071)=0,85-(1-0,85)=0,7

b) dado que es en valor absoluto será el área entre -1,071 y 1,071 luego el resultado será F(1,071)-(1-F(1,071)=0,85-(1-0,85)=0,7 EJERCICIOS T12-MODELOS MULTIVARIANTES ESPECÍFICOS 1. Un determinado estadístico J se distribuye según un modelo jhi-dos de parámetro (grados de libertad) 14. Deseamos saber la probabilidad con la que dicho

Más detalles

Para poder realizar este cambio en Deporwin, hemos añadido una nueva opción, que nos permitirá realizarlo de forma simple y rápida.

Para poder realizar este cambio en Deporwin, hemos añadido una nueva opción, que nos permitirá realizarlo de forma simple y rápida. Según ha establecido la legislación, a partir del próximo día 1 de julio se produce un cambio en los tipos de iva reducido y normal, pasando del 7 al 8% y del 16 al 18% respectivamente. Para poder realizar

Más detalles

Matemáticas UNIDAD 5 CONSIDERACIONES METODOLÓGICAS. Material de apoyo para el docente. Preparado por: Héctor Muñoz

Matemáticas UNIDAD 5 CONSIDERACIONES METODOLÓGICAS. Material de apoyo para el docente. Preparado por: Héctor Muñoz CONSIDERACIONES METODOLÓGICAS Material de apoyo para el docente UNIDAD 5 Preparado por: Héctor Muñoz Diseño Gráfico por: www.genesisgrafica.cl LA RELACIÓN DE PROPORCIONALIDAD 1. DESCRIPCIÓN GENERAL DE

Más detalles