MÉTODOS ESTADÍSTICOS PARA LA MEJORA DE LA CALIDAD
|
|
- Vicente Herrero Castilla
- hace 7 años
- Vistas:
Transcripción
1 MÉTODOS ESTADÍSTICOS PARA LA MEJORA DE LA CALIDAD 1 Parte I: Diseño de experimentos Parte II: Control estadístico de procesos Parte III: Control de productos terminados Diseño Producción Producto final 2
2 Materia prima Producto Conjunto de procesos intermedios 3 Control de los procesos intermedios Proceso 1 Control de la calidad del proceso 1 Proceso 2 Control de la calidad del proceso 2 Proceso J Control de la calidad del proceso J 4
3 Control de los procesos intermedios Proceso 1 Control de la calidad del proceso 1 Evolución de la variable controlada ALARMA!!! 5 Tema 7: Control De Procesos Por Atributos 1. Introducción 2. Gráfico P 3. Gráfico NP 4. Gráfico C 5. Gráfico U 6
4 1. Introducción Control por variables: evolución de una magnitud medible Tiempo, longitud, peso, Ph, Control por atributos: evolución del número o proporción de artículos defectuosos (en general: la presencia/ausencia de atributos) Proporción de llamadas bloqueadas Proporción de artículos defectuosos Número de artículos defectuosos Número de clientes por unidad de tiempo Gráfico P Gráfico NP Número de defectos por unidad de medida Número de llamadas por unidad de tiempo Número de averías por unidad de tiempo Gráficos C y U 7 Tema 7: Control De Procesos Por Atributos 1. Introducción 2. Gráfico P 3. Gráfico NP 4. Gráfico C 5. Gráfico U 8
5 2. Gráfico P Objetivo general: evolución de la proporción de elementos que tienen cierto atributo. Elementos analizados Artículo.. Posibles atributos de interés Con/sin defecto Llamada telefónica.. Cliente.. Bloqueada/no bloqueada Atendido/no atendido 9 2. Gráfico P Proceso productivo En el instante ti analizamos ni elementos 10
6 2. Gráfico P En el instante ti analizamos ni elementos di tienen el atributo (p.e. defecto) Proporción pi= di ni dibujamos la evolución de pi muestras 11 Gráfico P Es la evolución del estadístico pi Usamos el mismo método para construir gráficos de control que en el tema anterior 12
7 Propiedades de pi Supongamos un proceso productivo que genera artículos que pueden ser defectuosos o aceptables Proceso productivo Artículo 1 Artículo 2 Artículo 3 Artículo 4 Artículo n1 Artículo n1+1 Artículo n1+2 Cada artículo puede ser defectuoso o aceptable Asignamos una variable x a cada artículo xj= 1 si el artículo j es defectuoso 0 si el artículo j no es defectuoso Variable aleatoria de Bernoulli 13 Propiedades de pi Supongamos un proceso productivo que genera artículos que pueden ser defectuosos o aceptables Proceso productivo Artículo 1 Artículo 2 Artículo 3 Artículo 4 Artículo n1 Artículo n1+1 Artículo n1+2 x1 x2 x3 x4 xn1 xn1+1 xn1+2 1 ó 0 1 ó 0 1 ó 0 1 ó 0 1 ó 0 1 ó 0 1 ó 0 14
8 Propiedades de pi Si el proceso está bajo control Supongamos un proceso productivo que genera artículos que pueden ser defectuosos o aceptables Estabilidad: el riesgo de que un artículo sea defectuoso es siempre el mismo. El sistema ni empeora ni mejora Proceso productivo Independencia: la probabilidad de que un artículo sea defectuoso no depende de si el anterior artículo fue o no defectuoso. Un artículo será defectuoso por causas no asignables, que aparecen de forma fortuita. Artículo 1 Artículo 2 Artículo 3 Artículo 4 Artículo n1 Artículo n1+1 Artículo n1+2 x1 x2 x3 x4 xn1 xn1+1 xn1+2 1 ó 0 1 ó 0 1 ó 0 1 ó 0 1 ó 0 1 ó 0 1 ó 0 La probabilidad de que un artículo sea defectuoso es siempre la misma = p 15 Propiedades de pi Supongamos un proceso productivo que genera artículos que pueden ser defectuosos o aceptables Proceso productivo Artículo 1 Artículo 2 Artículo 3 Artículo 4 Artículo n1 Artículo n1+1 Artículo n1+2 x1 x2 x3 x4 xn1 xn1+1 xn1+2 Todas las xj tienen las mismas propiedades x1,x2,x3, es una sucesión de Bernoullis idénticas 16
9 Propiedades de pi Supongamos un proceso productivo que genera artículos que pueden ser defectuosos o aceptables Proceso productivo Artículo 1 Artículo 2 Artículo 3 Artículo 4 Artículo n1 Artículo n1+1 Artículo n1+2 x1 x2 x3 x4 xn1 xn1+1 xn1+2 xj= 1 si el artículo j es defectuoso P(xj=1)=p 0 si el artículo j no es defectuoso.. P(xj=0)=1-p E(xj)=p; Var(xj)=p(1-p) 17 Proceso productivo Artículo 1 Artículo 2 Artículo 3 Artículo 4 Artículo n1 Artículo n1+1 Artículo n1+2 x1 x2 x3 x4 xn1 xn1+1 xn1+2 Tomamos una muestra de ni artículos De ellos, di serán defectuosos di es una variable aleatoria que puede tomar los valores 0,1,2,,ni (Nota: es una variable aleatoria Binomial) pi= di ni es por tanto una variable aleatoria al serlo di 18
10 Proceso productivo Artículo 1 Artículo 2 Artículo 3 Artículo 4 Artículo n1 Artículo n1+1 Artículo n1+2 x1 x2 x3 x4 xn1 xn1+1 xn1+2 Tomamos una muestra de ni artículos De ellos, di serán defectuosos pi= di ni = x1+x2+ +xni ni Media muestral 19 pi= di ni = x1+x2+ +xni ni La esperanza es un operador lineal E(a+bx+cy)=a+bE(x)+cE(y) Todas la xi tienen la misma media=p 20
11 pi= di ni = x1+x2+ +xni ni 2 Var(ax)=a Var(x) Por ser las xi independientes, la varianza de la suma es la suma de las varianzas Todas la xi tienen la misma varianza=p(1-p) 21 pi= di ni = x1+x2+ +xni ni Además, por el teorema central del límite, si ni es suficientemente grande, se distribuirá como una Normal En el intervalo estará (aproximadamente ) el 99,7% de los valores de 22
12 Gráfico P 23 Gráfico P Estimación de p: con k muestras iniciales, de tamaños ni, i=1,..,k 24
13 Gráfico P ojo!! los límites dependen de ni =0 si es negativo 25 Proceso productivo Artículo 1 Artículo 2 Artículo n1 Artículo n1+1 Artículo n1+2 x1 x2 xn1 xn1+1 xn1+2 26
14 Tema 7: Control De Procesos Por Atributos 1. Introducción 2. Gráfico P 3. Gráfico NP 4. Gráfico C 5. Gráfico U Gráfico NP Objetivo general: evolución del número de artículos defectuosos en muestras de tamaño n - Más cómodo que el Gráfico P si la proporción de defectuosos es muy pequeña - Es necesario que el tamaño n muestral sea constante 28
15 Proceso productivo Muestra 1 Muestra 2 Muestra 3 Muestra 4 Muestra i n artículos n artículos n artículos n artículos n artículos d1 defectuosos d2 defectuosos d3 defectuosos d4 defectuosos di defectuosos Si el proceso está bajo control (estabilidad e independencia) la probabilidad de que un artículo sea defectuoso será siempre p di es una variable aleatoria binomial 29 Proceso productivo Muestra 1 n artículos Muestra 2 n artículos Muestra 3 Muestra 4 Propiedades de la Binomial n artículos n artículos Muestra i n artículos d1 defectuosos d2 defectuosos d3 defectuosos d4 defectuosos di defectuosos Si el proceso está bajo control (estabilidad e independencia) la probabilidad de que un artículo sea defectuoso será siempre p si n es elevado di es una variable aleatoria binomial 30
16 Dibuja la evolución de di Gráfico NP 31 Gráfico NP Estimando p con k muestras iniciales =0 si es negativo 32
17 Proceso productivo Muestra 1 Muestra 2 Muestra 3 Muestra 4 Muestra i n artículos n artículos n artículos n artículos n artículos d1 defectuosos d2 defectuosos d3 defectuosos d4 defectuosos di defectuosos 33 Tema 7: Control De Procesos Por Atributos 1. Introducción 2. Gráfico P 3. Gráfico NP 4. Gráfico C 5. Gráfico U 34
18 4. Gráfico C Gráficos P y NP: cada artículo * Defectuoso/no defectuoso * Con/sin atributo de interés Sólo 2 estados posibles en cada artículo Gráficos C y U: cada artículo o unidad de medida puede tener más de un defecto puede observarse más de un suceso o atributo Objetivo general del Gráfico C evolución del número de sucesos observados por unidad de medida Gráfico C Ejemplos: Número de defectos por artículo Número de defectos por metro de cable Número de imperfecciones por unidad de superficie Número de averías por unidad de tiempo Número de clientes por unidad de tiempo Número de llamadas por unidad de tiempo Gráfico C: evolución del estadístico c C= Número de sucesos observados en un intervalo de longitud fija ci=número de sucesos observados en el intervalo i-ésimo 36
19 4. Gráfico C C= Número de sucesos observados en un intervalo de longitud fija Número de defectos Número de clientes Número de llamadas Número de averías Número de roturas Número de imperfecciones Número de reclamaciones Número de solicitudes Gráfico C C= Número de sucesos observados en un intervalo de longitud fija Número de defectos Número de clientes Número de llamadas Número de averías Número de roturas Número de imperfecciones Número de reclamaciones Número de solicitudes unidad de tiempo unidad de longitud unidad de superficie artículo 38
20 Proceso productivo Soporte en el que se observan los sucesos: tiempo, longitud, superficie Unidad de medida 39 Proceso productivo Soporte en el que se observan los sucesos: tiempo, longitud, superficie Sucesos observados (p.e. defectos) en cada unidad de medida= ci 40
21 Proceso productivo Soporte en el que se observan los sucesos: tiempo, longitud, superficie i-1 i c1=2 sucesos c2=2 sucesos c3=4 sucesos c4=1 sucesos c5=3 sucesos c6=1 sucesos ci=? sucesos Gráfico C: evolución del estadístico ci 41 Proceso productivo Soporte en el que se observan los sucesos: tiempo, longitud, superficie i-1 i c1=2 sucesos c2=2 sucesos c3=4 sucesos c4=1 sucesos c5=3 sucesos c6=1 sucesos ci=? sucesos Si el proceso está bajo control los sucesos aparecerán de forma fortuita el número medio de sucesos por unidad de medida será constante=l los sucesos son independientes ci es una variable aleatoria de Poison 42
22 Proceso productivo Soporte en el que se observan los sucesos: tiempo, longitud, superficie Propiedades de la Poison i-1 i c1=2 sucesos c2=2 sucesos c3=4 sucesos c4=1 sucesos c5=3 sucesos c6=1 sucesos ci=? sucesos Si el proceso está bajo control los sucesos aparecerán de forma fortuita el número medio de sucesos por unidad de medida será constante los sucesos son independientes ci es una variable aleatoria de Poison 43 Gráfico C 44
23 Gráfico C =0 si es negativo 45 Proceso productivo i-1 i c1=2 sucesos c2=2 sucesos c3=4 sucesos c4=1 sucesos c5=3 sucesos c6=1 sucesos ci=? sucesos 46
24 Tema 7: Control De Procesos Por Atributos 1. Introducción 2. Gráfico P 3. Gráfico NP 4. Gráfico C 5. Gráfico U Gráfico U Gráfico C: evolución del estadístico c C= Número de sucesos observados en un intervalo de longitud fija ci=número de sucesos observados en el intervalo i-ésimo Proceso productivo Soporte en el que se observan los sucesos: tiempo, longitud, superficie i-1 i c1=2 sucesos c2=2 sucesos c3=4 sucesos c4=1 sucesos c5=3 sucesos c6=1 sucesos ci=? sucesos 48
25 Proceso productivo Soporte en el que se observan los sucesos: tiempo, longitud, superficie i-1 i n1=2,6 un. de medida n2=1,4 un. de medida n3=1,2 un. de medida ni c1=6 sucesos c2=3 sucesos c2=4 sucesos ci=? u1=2,31 sucesos por u.m. u2=2,14 sucesos por u.m. u2=3,33 sucesos por u.m. ui=? Gráfico C: cada observación = una unidad de medida Y si observamos cada vez un número diferente n i de unidades de medida? 49 Gráfico U: evolución de u i u i =número medio de sucesos por observación 50
26 En una unidad de medida: número de sucesos Poisson(λ) En n i unidades de medida: número de sucesos c i Poisson(n i λ) La aproximación a la normal es buena si n i λ>5 51 Estimo λ con k observaciones iniciales cambian con n i 52
27 Proceso productivo Soporte en el que se observan los sucesos: tiempo, longitud, superficie i-1 i n1=2,6 un. de medida n2=1,4 un. de medida n3=1,2 un. de medida ni c1=6 sucesos c2=3 sucesos c2=4 sucesos ci=? u1=2,31 sucesos por u.m. u2=2,14 sucesos por u.m. u2=3,33 sucesos por u.m. ui=? 53
Distribuciones de probabilidad más usuales
Tema 5 Distribuciones de probabilidad más usuales En este tema se estudiarán algunas de las distribuciones discretas y continuas más comunes, que se pueden aplicar a una gran diversidad de problemas y
Más detallesTema 4: Probabilidad y Teoría de Muestras
Tema 4: Probabilidad y Teoría de Muestras Estadística. 4 o Curso. Licenciatura en Ciencias Ambientales Licenciatura en Ciencias Ambientales (4 o Curso) Tema 4: Probabilidad y Teoría de Muestras Curso 2008-2009
Más detallesDistribuciones de probabilidad
Distribuciones de probabilidad Prof, Dr. Jose Jacobo Zubcoff Departamento de Ciencias del Mar y Biología Aplicada Inferencia estadística: Parte de la estadística que estudia grandes colectivos a partir
Más detallesObjetivos. 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 detallesVARIABLES ALEATORIAS DISCRETAS
VARIABLES ALEATORIAS DISCRETAS M. en C. Juan Carlos Gutiérrez Matus Instituto Politécnico Nacional Primavera 2004 IPN UPIICSA c 2004 Juan C. Gutiérrez Matus Variables Aleatorias Variables Aleatorias Definición:
Más detallesProbabilidad II Algunas distribuciones notables. Antonio Cuevas Departamento de Matemáticas Universidad Autónoma de Madrid
Probabilidad II Algunas distribuciones notables Antonio Cuevas Departamento de Matemáticas Universidad Autónoma de Madrid La distribución normal f (x; µ, σ) = 1 σ 2π e 1 2( x µ σ ) 2, x R, µ R, σ > 0 E(X
Más detallesCONTENIDO. Prólogo a la 3. a edición en español ampliada... Prólogo...
CONTENIDO Prólogo a la 3. a edición en español ampliada.................................. Prólogo.................................................................. vii xvii 1. Métodos descriptivos................................................
Más detallesT1. Distribuciones de probabilidad discretas
Estadística T1. Distribuciones de probabilidad discretas Departamento de Ciencias del Mar y Biología Aplicada Inferencia estadística: Parte de la estadística que estudia grandes colectivos a partir de
Más detallesCONTRASTES 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 detallesINTERVALOS 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 detallesDISTRIBUCIÓN N BINOMIAL
DISTRIBUCIÓN N BINOMIAL COMBINACIONES En muchos problemas de probabilidad es necesario conocer el número de maneras en que r objetos pueden seleccionarse de un conjunto de n objetos. A esto se le denomina
Más detallesTema 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 detallesControl 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 detalles5 DISTRIBUCIONES BINOMIAL Y DE POISSON
5 DISTRIBUCIONES BINOMIAL Y DE POISSON La repetición sucesiva de n pruebas (ensayos) de BERNOUILLI de modo independiente y manteniendo constante la probabilidad de éxito p da lugar a la variable aleatoria
Más detallesFacultad de Ciencias Sociales - Universidad de la República
Facultad de Ciencias Sociales - Universidad de la República Estadística y sus aplicaciones en Ciencias Sociales Edición 2016 Ciclo Avanzado 3er. Semestre (Licenciatura en Ciencia Política/ Licenciatura
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 detallesMaestría en Bioinformática Probabilidad y Estadística: Clase 3
Maestría en Bioinformática Probabilidad y Estadística: Clase 3 Gustavo Guerberoff gguerber@fing.edu.uy Facultad de Ingeniería Universidad de la República Abril de 2010 Contenidos 1 Variables aleatorias
Más detallesUnidad 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 detallesVariables aleatorias unidimensionales
Estadística II Universidad de Salamanca Curso 2011/2012 Outline Variable aleatoria 1 Variable aleatoria 2 3 4 Variable aleatoria Definición Las variables aleatorias son funciones cuyos valores dependen
Más detalles6. VARIABLES ALEATORIAS
6. VARIABLES ALEATORIAS Objetivo Introducir la idea de una variable aleatoria y su distribución y características como media, varianza etc. Bibliografía recomendada Peña y Romo (1997), Capítulo 15. Hasta
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 detallesVariables aleatorias
Variables aleatorias DEFINICIÓN En temas anteriores, se han estudiado las variables estadísticas, que representaban el conjunto de resultados observados al realizar un experimento aleatorio, presentando
Más detallesControl de procesos por atributos
Capítulo 5 Control de procesos por atributos 1. Introducción 2. Gráfico P 3. Gráfico NP 4. Gráfico C 5. Gráfico U Apéndice: Curva Característica de Operaciones 1 Apuntes realzados por el Profesor Ismael
Más detallesCondiciones para una distribución binomial
ESTADÍSTICA INFERENCIAL FUNCIONES DE PROBABILIDAD DISCRETAS: BINOMIAL y POISSON EJERCICIOS RESUELTOS DE FUNCIÓN DE PROBABILIDAD BINOMIAL USANDO TABLAS y EXCEL Prof.: MSc. Julio R. Vargas A. Fórmulas de
Más detallesTema 4: Probabilidad y Teoría de Muestras
Tema 4: Probabilidad y Teoría de Muestras Estadística. 4 o Curso. Licenciatura en Ciencias Ambientales Licenciatura en Ciencias Ambientales (4 o Curso) Tema 4: Probabilidad y Teoría de Muestras Curso 2008-2009
Más detallesUNIVERSIDAD DEL NORTE
UNIVERSIDAD DEL NORTE 1. IDENTIFICACIÓN DIVISIÓN ACADÉMICA DIVISIÓN DE CIENCIAS BÁSICAS DEPARTAMENTO MATEMÁTICAS Y ESATADÍSTICA. PROGRAMA ACADÉMICO ESTADÍSTICA I-AD CÓDIGO DE LA ASIGNATURA EST 1022 PRE-REQUISITO
Más detallesContenido. 2 Probabilidad 9. Prefacio. 1 Introducci6n a la estadfstica y al an;!llisis de datos
Contenido Prefacio ix 1 Introducci6n a la estadfstica y al an;!llisis de datos 1 1.1 1.2 1.3 1.4 1.5 1.6 Repaso 1 EI papel de la probabilidad 2 Medidas de posici6n: media de una muestra 4 Medidas de variabilidad
Más detallesUNIVERSIDAD AUTONOMA DE SANTO DOMINGO
UNIVERSIDAD AUTONOMA DE SANTO DOMINGO FACULTAD DE CIENCIAS ECONOMICAS Y SOCIALES DEPARTAMENTO DE ESTADISITICA CATEDRA Estadística Especializada ASIGNATURA Estadística Industrial (EST-121) NUMERO DE CREDITOS
Más detalles6. ESTIMACIÓN DE PARÁMETROS
PROBABILIDAD Y ESTADÍSTICA Sesión 7 6. ESTIMACIÓN DE PARÁMETROS 6.1 Características el estimador 6. Estimación puntual 6..1 Métodos 6..1.1 Máxima verosimilitud 6..1. Momentos 6.3 Intervalo de confianza
Más detallesESCUELA COMERCIAL CÁMARA DE COMERCIO EXTENSIÓN DE ESTUDIOS PROFESIONALES MAESTRÍA EN ADMINISTRACIÓN
CICLO, ÁREA O MÓDULO: TERCER CUATRIMESTRE OBJETIVO GENERAL DE LA ASIGNATURA: Al termino del curso el alumno efectuara el análisis ordenado y sistemático de la Información, a través del uso de las técnicas
Más detallesTEMA 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 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 detallesTeoría de errores -Hitogramas
FÍSICA I Teoría de errores -Hitogramas Autores: Pablo Iván ikel - e-mail: pinikel@hotmail.com Ma. Florencia Kronberg - e-mail:sil_simba@hotmail.com Silvina Poncelas - e-mail:flo_kron@hotmail.com Introducción:
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 detallesVariables aleatorias
Distribuciones continuas Se dice que una variable aleatoria X tiene una distribución continua, o que X es una variable continua, si existe una función no negativa f, definida sobre los números reales,
Más detalles2. Probabilidad y. variable aleatoria. Curso 2011-2012 Estadística. 2. 1 Probabilidad. Probabilidad y variable aleatoria
2. Probabilidad y variable aleatoria Curso 2011-2012 Estadística 2. 1 Probabilidad 2 Experimento Aleatorio EL término experimento aleatorio se utiliza en la teoría de la probabilidad para referirse a un
Más detallesDefinición: Se llama variable aleatoria a toda función X que asigna a c/u de los elementos del espacio muestral S, un número Real X(s).
VARIABLE ALEATORIA Definición: Se llama variable aleatoria a toda función X que asigna a c/u de los elementos del espacio muestral S, un número Real X(s). X : S S s s X () s X(s) Rx Rx es el recorrido
Más detallesCurso de nivelación Estadística y Matemática
Curso de nivelación Estadística y Matemática Tercera clase: Introducción al concepto de probabilidad y Distribuciones de probablidad discretas Programa Técnico en Riesgo, 2014 Agenda 1 Concepto de probabilidad
Más detallesExamen de Matemáticas Aplicadas a las CC. Sociales II (Septiembre 2009) Selectividad-Opción A Tiempo: 90 minutos
Examen de Matemáticas Aplicadas a las CC. Sociales II (Septiembre 2009) Selectividad-Opción A Tiempo: 90 minutos Problema 1 (3 puntos) Una carpintería vende paneles de contrachapado de dos tipos A y B.
Más detallesFACULTAD DE INGENIERÍA UNAM PROBABILIDAD Y ESTADÍSTICA Irene Patricia Valdez y Alfaro irenev@servidor.unam.m T E M A S DEL CURSO. Análisis Estadístico de datos muestrales.. Fundamentos de la Teoría de
Más detallesAplicaciones 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 detallesConceptos Básicos de Inferencia
Conceptos Básicos de Inferencia Álvaro José Flórez 1 Escuela de Ingeniería Industrial y Estadística Facultad de Ingenierías Febrero - Junio 2012 Inferencia Estadística Cuando obtenemos una muestra, conocemos
Más detallesTema 5. Variables aleatorias discretas
Tema 5. Variables aleatorias discretas Resumen del tema 5.1. Definición de variable aleatoria discreta 5.1.1. Variables aleatorias Una variable aleatoria es una función que asigna un número a cada suceso
Más detallesPONTIFICIA UNIVERSIDAD CATOLICA DEL ECUADOR FACULTAD DE INGENIERIA ESCUELA DE INGENIERIA DE SISTEMAS
1 1. DATOS INFORMATIVOS PONTIFICIA UNIVERSIDAD CATOLICA DEL ECUADOR FACULTAD DE INGENIERIA ESCUELA DE INGENIERIA DE SISTEMAS MATERIA: ESTADISTICA CODIGO: 11715 CARRERA: INGENIERIA DE SISTEMAS NIVEL: TERCERO
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 detalles478 Índice alfabético
Índice alfabético Símbolos A, suceso contrario de A, 187 A B, diferencia de los sucesos A y B, 188 A/B, suceso A condicionado por el suceso B, 194 A B, intersección de los sucesos A y B, 188 A B, unión
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 detallesEstadística Descriptiva. SESIÓN 11 Medidas de dispersión
Estadística Descriptiva SESIÓN 11 Medidas de dispersión Contextualización de la sesión 11 En la sesión anterior se explicaron los temas relacionados con la dispersión, una de las medidas de dispersión,
Más detallesx R F (x) := P (X 1 (, x]) = P ({e Ω : X(e) x}) = P (X x) salvo que en este caso esta función es siempre una función continua.
PROBABILIDAD Tema 2.3: Variables aleatorias continuas Objetivos Distinguir entre variables aleatorias discretas y continuas. Dominar el uso de las funciones asociadas a una variable aleatoria continua.
Más detallesTema 4 Variables Aleatorias
Tema 4 Variables Aleatorias 1 Introducción En Estadística Descriptiva, se estudiaron las distribuciones de frecuencias de conjuntos de datos y posteriormente se vimos los fundamentos de la teoría de probabilidades.
Más detallesLa distribución normal o gaussiana es la distribución. Definición 42 Se dice que una variable X se distribuye como normal con parámetros µ y σ si
La distribución normal La distribución normal o gaussiana es la distribución continua más importante. Definición 42 Se dice que una variable X se distribuye como normal con parámetros µ y σ si f(x) = 1
Más detalles18 Experimentos aleatorios. Sucesos y espacio muestral. Frecuencia y probabilidad de un suceso.
PRIMER CURSO DE E.S.O Criterios de calificación: 80% exámenes, 10% actividades, 10% actitud y trabajo 1 Números naturales. 2 Potencias de exponente natural. Raíces cuadradas exactas. 3 Divisibilidad. Concepto
Más detalles1.2.2. Técnicas estadísticas más utilizadas en la investigación
Contenido PRÓLOGO... 1. LA ESTADÍSTICA COMO HERRAMIENTA EN LA INVESTIGACIÓN TURÍSTICA 1.1. EL TURISMO Y LA ESTADÍSTICA... 2 1.1.1. El turismo... 2 1.1.2. La estadística... 4 1.2. LA ESTADÍSTICA Y LA INVESTIGACIÓN
Más detalles5 Variables aleatorias contínuas
5 Variables aleatorias contínuas Una variable aleatoria continua puede tomar cualquier valor en un intervalo de números reales.. Función de densidad. La función de densidad de una variable aleatoria continua
Más detallesVariables aleatorias continuas
Probabilidades y stadística Computación Facultad de Ciencias actas y Naturales Universidad de uenos ires na M ianco y lena J Martínez 004 Variables aleatorias continuas jemplo: Con el in de realizar un
Más detallesMatemáticas 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 detalles1 Método de la bisección. 1.1 Teorema de Bolzano Teorema 1.1 (Bolzano) Contenido
E.T.S. Minas: Métodos Matemáticos Resumen y ejemplos Tema 3: Solución aproximada de ecuaciones Francisco Palacios Escuela Politécnica Superior de Ingeniería de Manresa Universidad Politécnica de Cataluña
Más detalles5. MODELOS PROBABILISTICOS.
5. MODELOS PROBABILISTICOS. 5.1 Experimento de Bernoulli Un modelo probabilístico, es la forma que pueden tomar un conjunto de datos obtenidos aleatoriamente. Pueden ser modelos probabilísticos discretos
Más detallesPruebas de Bondad de Ajuste
1 Facultad de Ingeniería IMERL PROBABILIDAD Y ESTADÍSTICA Curso 2008 Pruebas de Bondad de Ajuste En esta sección estudiaremos el problema de ajuste a una distribución. Dada una muestra X 1, X 2,, X n de
Más detallesTeorema de Bayes. mientras que B tiene una tasa de defectos del 4%.
Teorema de Bayes Ejemplo: En una empresa manufacturera, una máquina A produce el 60% de la producción total, mientras que una máquina B el restante 40%. 71 El 2% de las unidades producidas por A son defectuosas,
Más detallesVariable Aleatoria Continua. Principales Distribuciones
Variable Aleatoria Continua. Definición de v. a. continua Función de Densidad Función de Distribución Características de las v.a. continuas continuas Ejercicios Definición de v. a. continua Las variables
Más detallesPRINCIPALES DISTRIBUCIONES DISCRETAS
PRINCIPALES DISTRIBUCIONES DISCRETAS Objetivos generales del tema En este tema definiremos y discutiremos diversas e imortantes distribuciones discretas, es decir, funciones masa de robabilidad o funciones
Más detallesDistribución Chi (o Ji) cuadrada (χ( 2 )
Distribución Chi (o Ji) cuadrada (χ( 2 ) PEARSON, KARL. On the Criterion that a Given System of Deviations from the Probable in the Case of a Correlated System of Variables is such that it Can Reasonably
Más detallesAnálisis de Datos y Métodos Cuantitativos para la Toma de Decisiones 7ma versión MGM
Universidad Católica del Norte Escuela de Negocios Mineros Magíster en Gestión Minera Análisis de Datos y Métodos Cuantitativos para la Toma de Decisiones 7ma versión MGM Antofagasta, Junio de 2014 Freddy
Más detallesUTILIZACIÓN DE LA CAPACIDAD INSTALADA EN LA INDUSTRIA MANUFACTURERA - SEGUNDO TRIMESTRE DE
Montevideo, 28 de octubre de 2009. UTILIZACIÓN DE LA EN LA INDUSTRIA MANUFACTURERA - SEGUNDO TRIMESTRE DE 2009 - ANÁLISIS DE LOS PRINCIPALES INDICADORES El grado de utilización de la Capacidad Instalada
Más detallesUnidad 1: Probabilidad
Cuál es la probabilidad de aprobar Introducción a la Probabilidad y Estadística? - - Introducción a la Probabilidad y Estadística Unidad 1: Probabilidad Cuál es la probabilidad de no encontrarme un embotellamiento
Más detallesLa distribución de Probabilidad normal, dada por la ecuación:
La distribución de Probabilidad normal, dada por la ecuación: Donde: x = X -, la distancia entre X y en el eje de las X. = la media de la población o universo ( de las X ) fx= La altura de la ordenada
Más detallesTema 3. Sucesos y probabilidad
Tema 3. Sucesos y probabilidad Cuestiones de Verdadero/Falso 508 Estadística. ETDI. Curs 2002/03 1. Un suceso es un subconjunto del espacio muestral. 2. La probabilidad de un suceso es una medida de la
Más detallesTema 3 VARIABLE ALEATORIA DISCRETA. PRINCIPALES DISTRIBUCIONES
Tema 3 VARIABLE ALEATORIA DISCRETA. PRINCIPALES DISTRIBUCIONES 1.- Definición de variable aleatoria discreta. Normalmente, los resultados posibles (espacio muestral Ω) de un experimento aleatorio no son
Más detallesEstadistica II Tema 1. Inferencia sobre una población. Curso 2009/10
Estadistica II Tema 1. Inferencia sobre una población Curso 2009/10 Tema 1. Inferencia sobre una población Contenidos Introducción a la inferencia Estimadores puntuales Estimación de la media y la varianza
Más detallesSimulación 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 detallesMOOC UJI: La Probabilidad en las PAU
4. Probabilidad Condicionada: Teoremas de la Probabilidad Total y de Bayes 4.1. Probabilidad Condicionada Vamos a estudiar como cambia la probabilidad de un suceso A cuando sabemos que ha ocurrido otro
Más detallesTema 3. Variables aleatorias. Inferencia estadística
Estadística y metodología de la investigación Curso 2012-2013 Pedro Faraldo, Beatriz Pateiro Tema 3. Variables aleatorias. Inferencia estadística 1. Introducción 1 2. Variables aleatorias 1 2.1. Variable
Más detallesClase 2: Estadística
Clase 2: Estadística Los datos Todo conjunto de datos tiene al menos dos características principales: CENTRO Y DISPERSIÓN Los gráficos de barra, histogramas, de puntos, entre otros, nos dan cierta idea
Más detalles1º ESO TEMA 9 ESTADÍSTICA Y PROBABILIDAD
1º ESO TEMA 9 ESTADÍSTICA Y PROBABILIDAD 1 1.- FRECUENCIAS Para organizar y analizar una serie de datos estadísticos se utiliza una tabla de frecuencias Tabla de frecuencias Valores (xi) 0 1 2 Frecuencia
Más detallesDESCRIPCIÓN ESPECÍFICA
DESCRIPCIÓN ESPECÍFICA NÚCLEO: COMERCIO Y SERVICIO SUBSECTOR: PRODUCCION Y SALUD OCUPACIONAL Nombre del Módulo: Análisis estadístico de datos. total: 45 HORAS. Objetivo General: Analizar la conformidad
Más detallesFase 2. Estudio de mercado: ESTADÍSTICA
1. CONCEPTO DE ESTADÍSTICA. ESTADÍSTICA DESCRIPTIVA 2. 3. TABLA DE FRECUENCIAS 4. REPRESENTACIONES GRÁFICAS 5. TIPOS DE MEDIDAS: A. MEDIDAS DE POSICIÓN B. MEDIDAS DE DISPERSIÓN C. MEDIDAS DE FORMA 1 1.
Más detallesTema 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 detallesHoja 2 Probabilidad. 1.- Sean Ω un espacio muestral y A P(Ω) una σ-álgebra. Para A A fijado, Además, resolver el ejercicio 3 desde (5.a) y (5.b).
Hoja 2 Probabilidad 1.- Sean Ω un espacio muestral y A P(Ω) una σ-álgebra. Para A A fijado, se define A A = {B Ω : B = A C con C A}. Demostrar que A A P(A) es σ-álgebra. 2.- Sea {A n : n 1} A una sucesión
Más detallesRepaso de conceptos de álgebra lineal
MÉTODOS AVANZADOS EN APRENDIZAJE ARTIFICIAL: TEORÍA Y APLICACIONES A PROBLEMAS DE PREDICCIÓN Manuel Sánchez-Montañés Luis Lago Ana González Escuela Politécnica Superior Universidad Autónoma de Madrid Repaso
Más detallesTema de la sesión: TEMA 4 Método Direct Costing
Aplicación: Contabilidad de Costes Tema de la sesión: TEMA 4 Método Direct Costing Nota técnica preparada por: Raúl Holgado Hermoso Fecha: 2011/2012 CARACTERÍSTICAS DEL DIRECT COSTING: 1) Distingue entre
Más detallesTema 4: Variable aleatoria. Métodos Estadísticos
Tema 4: Variable aleatoria. Métodos Estadísticos Definición de v.a. Definición: Una variable aleatoria (v.a.) es un número real asociado al resultado de un experimento aleatorio, es decir, una función
Más detallesMétodos Estadísticos de la Ingeniería Tema 7: Momentos de Variables Aleatorias Grupo B
Métodos Estadísticos de la Ingeniería Tema 7: Momentos de Variables Aleatorias Grupo B Área de Estadística e Investigación Operativa Licesio J. Rodríguez-Aragón Marzo 2010 Contenidos...............................................................
Más detallesClase 2: Estadística
Clase 2: Estadística Los datos Todo conjunto de datos tiene al menos dos características principales: CENTRO Y DISPERSIÓN Los gráficos de barra, histogramas, de puntos, entre otros, nos dan cierta idea
Más detallesANÁLISIS DISCRIMINANTE
DEFINICIÓN: Cómo técnica de análisis de dependencia: Pone en marcha un modelo de causalidad en el que la variable endógena es una variable NO MÉTRICA y las independientes métricas. Cómo técnica de análisis
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 detallesPROBABILIDAD Y ESTADISTICA
PLAN DE ESTUDIOS 2008 LICENCIADO EN INFORMÁTICA FACULTAD DE CONTADURÍA, ADMINISTRACIÓN E INFORMÁTICA ASIGNATURA: PROBABILIDAD Y ESTADISTICA ÁREA DEL MATEMÁTICAS CLAVE: I2PE1 CONOCIMIENTO: ETAPA FORMATIVA:
Más detallesb) 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 detallesSOLUCIÓN REPASO EXAMEN
SOLUCIÓN REPASO EXAMEN 1. El gráfico muestra la distribución de las cargas máximas (toneladas) que soportan ciertos cables producidos por una empresa: 35 30 30 25 n de clables 20 15 15 20 18 11 5 6 0 9,2-9,8
Más detallesDefinición 4.1 Diremos que una variable aleatoria discreta X tiene una distribución Uniforme de parámetro N, N 1, si. rg(x) = {1, 2,...
Índice 4 MODELOS DE DISTRIBUCIONES 4.1 4.1 Introducción.......................................... 4.1 4.2 Modelos de distribuciones discretas............................. 4.1 4.2.1 Distribución Uniforme
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 detallesT.3 ESTIMACIÓN PUNTUAL
T.3 ESTIMACIÓN PUNTUAL 1. INTRODUCCIÓN: ESTIMACIÓN Y ESTIMADOR 2. PROPIEDADES DE LOS ESTIMADORES 3. MÉTODOS DE ESTIMACIÓN. EJEMPLO 1, EJEMPLO 2 1. Introducción: Estimación y Estimador En este tema se analizan
Más detallesPropiedades en una muestra aleatoria
Capítulo 5 Propiedades en una muestra aleatoria 5.1. Conceptos básicos sobre muestras aleatorias Definición 5.1.1 X 1,, X n son llamadas una muestra aleatoria de tamaño n de una población f(x) si son variables
Más detallesX = beneficio del jugador = (ganancia neta) (recursos invertidos) Cuántos euros debo poner yo para que el juego sea justo?
Ejemplo: el valor esperado y los juegos justos. En los juegos de azar es importante la variable aleatoria X = beneficio del jugador = (ganancia neta) (recursos invertidos) El juego consiste en una caja
Más detallesDefinición de la integral de Riemann (Esto forma parte del Tema 1)
de de de Riemann (Esto forma parte del Tema 1) Departmento de Análise Matemática Facultade de Matemáticas Universidade de Santiago de Compostela Santiago, 2011 Esquema de Objetivos del tema: Esquema de
Más detallesTema 3: Cálculo de Probabilidades. Métodos Estadísticos
Tema 3: Cálculo de Probabilidades Métodos Estadísticos 2 INTRODUCCIÓN Qué es la probabilidad? Es la creencia en la ocurrencia de un evento o suceso. Ejemplos de sucesos probables: Sacar cara en una moneda.
Más detallesVariables aleatorias. Examen Junio La función de distribución de una variable continua X es de la forma:
TEMA 6: Variables aleatorias Examen Junio 003.- La función de distribución de una variable continua X es de la forma: 3 F ( t) = P( X t) = a + bt ct t, Se sabe que la densidad verifica f(-)=f()=0. [ ]
Más detallesTécnicas Cuantitativas para el Management y los Negocios I
Técnicas Cuantitativas para el Management y los Negocios I Licenciado en Administración Módulo II: ESTADÍSTICA INFERENCIAL Contenidos Módulo II Unidad 4. Probabilidad Conceptos básicos de probabilidad:
Más detallesEstadística Descriptiva
Estadística Descriptiva ESTADÍSTICA DESCRIPTIVA 1 Sesión No. 8 Nombre: Medidas de centralización Contextualización En la sesión anterior has conocido una de las medidas de tendencia central denominada
Más detallesMétodos Estadísticos de la Ingeniería Tema 10: Inferencia Estadística, Intervalos de Confianza Grupo B
Métodos Estadísticos de la Ingeniería Tema 10: Inferencia Estadística, Intervalos de Confianza Grupo B Área de Estadística e Investigación Operativa Licesio J. Rodríguez-Aragón Abril 010 Contenidos...............................................................
Más detalles