IV. GRÁFICOS DE CONTROL POR ATRIBUTOS
|
|
- José Ignacio Gómez Vargas
- hace 8 años
- Vistas:
Transcripción
1 IV Gráfcos de Cotrol por Atrbutos IV GRÁFICOS DE CONTROL POR ATRIBUTOS INTRODUCCIÓN Los dagramas de cotrol por atrbutos costtuye la herrameta esecal utlzada para cotrolar característcas de caldad cualtatvas, esto es, característcas o cuatfcables umércamete Ejemplos de tales característcas o medbles so la fraccó o porcetaje de udades defectuosas e la produccó (P), el úmero de udades defectuosas e la produccó (NP), el úmero de defectos por udad producda (U), y el úmero de defectos de todas las udades producdas (C) Al gual que e los gráfcos de cotrol por varables, el dagrama de atrbutos represeta u estadístco T del proceso (como puede ser el úmero de defectos) frete al úmero de la muestra o al tempo Ua líea cetral represeta el valor medo o esperado del estadístco, metras que los límtes de cotrol suele defr ua zoa de cotrol que abarca σ T por ecma y por debajo de la líea cetral Estos límtes so escogdos de maera que s el proceso está bajo cotrol, cas la totaldad de los putos muestrales se halle etre ellos Así, u puto que se ecuetra fuera de los límtes de cotrol se terpreta como ua evdeca de que el proceso está fuera de cotrol Además, cluso s todos los putos se halla compreddos etre los límtes de cotrol, pero se comporta de maera sstemátca o o aleatora, també tedríamos u proceso fuera de cotrol (veremos cómo estudar la exsteca de tales patroes o aleatoros medate los llamados tests para causas especales) Varable T * σ T Límte superor (LSC) Líea cetral Límte feror (LIC) Número de muestra o tempo Este tpo de gráfcos se suele aplcar e stuacoes e las que el proceso es ua operacó de motaje complcada, y la caldad del producto se mde e térmos de la ocurreca de dscoformdades, del fucoameto extoso o falldo del producto, etc Los dagramas de cotrol por atrbutos tee la vetaja de que hace posble cosderar varas característcas de caldad al msmo tempo y clasfcar los productos como dscoformes s o satsface las especfcacoes de cualquera de las característcas Teemos dos opcoes a la hora de realzar u gráfco de cotrol por atrbutos: Podemos comparar u producto co u estádar y clasfcarlo como defectuoso o o (gráfcos P y NP) E el caso de productos complejos, la exsteca de u defecto o ecesaramete colleva a que el producto sea defectuoso E tales casos, puede resultar coveete clasfcar u producto segú el úmero de defectos que preseta (gráfcos C y U) Es mportate otar que los gráfcos P, NP, y U permte trabajar co muestras de tamaños dferetes, metras que los gráfcos C está dseñados para muestras de gual tamaño IV -
2 Cotrol Estadístco de la Caldad co MINITAB TESTS PARA CAUSAS ESPECIALES E cualquera de los gráfcos de cotrol por atrbutos descrtos, es posble realzar cuatro tests para determar la posble exsteca de causas especales que fluya sobre la varabldad de las observacoes (comportameto o aleatoro de los datos): Cada uo de los tests detecta u determado comportameto o aleatoro e los datos Cuado alguo de los tests resulta postvo etoces hay dcos de que la varabldad de las observacoes se debe a causas especales, las cuales deberá vestgarse Es mportate otar que para realzar estos tests todas las muestras ha de ser del msmo tamaño Test : u puto stuado más allá de los límtes de cotrol sgma Zoa A Zoa B Zoa C Zoa C Zoa B Zoa A úmero de muestra IV -
3 IV Gráfcos de Cotrol por Atrbutos Test : ueve putos cosecutvos e el msmo lado s gma Zoa A Zoa B Zoa C Zoa C Zoa B Zoa A 5 5 úmero de muestra Test : ses putos cosecutvos ascedetes o descedetes sgma Zoa A Zoa B Zoa C Zoa C Zoa B Zoa A úmero de muestra Test 4: catorce putos cosecutvos alterado arrba y abajo sgma Zoa A Zoa B Zoa C Zoa C Zoa B Zoa A 5 5 úmero de muestra IV -
4 Cotrol Estadístco de la Caldad co MINITAB GRÁFICO P U gráfco P es u gráfco de cotrol del porcetaje o fraccó de udades defectuosas (cocete etre el úmero de artículos defectuosos e ua poblacó y el úmero total de artículos de dcha poblacó) Los prcpos estadístcos que srve de base al dagrama de cotrol P se basa e la dstrbucó Bomal: supógase que el proceso de produccó fucoa de maera estable, de tal forma que la probabldad de que cualquer artículo o esté coforme co las especfcacoes es p, y que los artículos producdos sucesvamete so depedetes; etoces, s seleccoamos muestras aleatoras de artículos del producto cada ua, y represetado por X al úmero de artículos defectuosos e la muestra - ésma, tedremos que X B(,p) Sabemos que: µ x p y σ X p( p) Para cada muestra, defmos la va fraccó dscoforme muestral como: pˆ segurá ua dstrbucó Bomal co meda y desvacó típca: X pˆ Observar que E E [ ] [ X ] pˆ p y Var[ pˆ ] Var [ X ] p( p) Por tato, pˆ N p, p( p) Segú el modelo de Shewart tedremos que: p( p) LSC p + Líea cetral p p( p) LIC p S p es descoocda, la podemos estmar (observar que tal estmacó se realzará a partr de las muestras obtedas, > 5, tomadas cuado se cosdera que el proceso está bajo cotrol): p pˆ E caso de que el tamaño muestral ( ) sea dferete para cada subgrupo, a la hora de calcular los límtes segú el modelo de Shewart, podemos optar por: Obteer los límtes usado el asocado a cada muestra, co lo que las líeas de cotrol o será rectas (dará saltos arrba y abajo segú dsmuya o aumete), S los o dfere mucho uos de otros, podríamos tomar IV - 4
5 IV Gráfcos de Cotrol por Atrbutos També se puede optar por tomar u comú e gual al mayor de los, co lo que obtedríamos uos límtes de cotrol bastate sesbles, ya que la ampltud de la fraja que dca proceso e estado de cotrol es versamete proporcoal al tamaño de la muestra E esta stuacó de tamaños muestrales dferetes, el estmador para p sería: p pˆ Normalmete se usa límtes de cotrol de tres sgmas e el dagrama de cotrol P Como ya cometamos e el capítulo ateror, el uso de límtes de cotrol más estrechos hace que el dagrama de cotrol sea más sesble a pequeños cambos e p, pero ello també hace aumetar la probabldad de que se produzca falsas alarmas de proceso fuera de cotrol (error de tpo II) Debe advertrse que este dagrama de cotrol se basa e el modelo probablístco bomal, e el cual se supoe que la probabldad de ocurreca de u artículo co dscoformdad es costate, y que udades sucesvas e la produccó so depedetes Por otra parte, hay que teer cudado co la terpretacó de los putos del dagrama de cotrol que se halla por debajo del límte feror de cotrol Tales putos o represeta a meudo ua mejora real e la caldad del proceso Frecuetemete so el resultado de errores e el método de speccó o recogda de datos Ejemplo gráfco P: Supogamos que trabajamos e ua plata que produce tubos de mage para televsores De cada lote producdo se extrae alguos tubos y se procede a speccoarlos, clasfcádolos e defectuosos y o defectuosos S alguo de los lotes preseta demasados tubos defectuosos, se realza ua speccó del % de las udades que lo compoe U gráfco P os permtrá, etre otras cosas, saber cuádo hemos de realzar ua speccó completa Usaremos los datos guardados e el archvo tubosmtw : Seleccoar Stat > Cotrol Charts > P Rellear los campos como se dca: IV - 5
6 Cotrol Estadístco de la Caldad co MINITAB P Chart for Defectuo,,SL,4 Proporto,, P,685, -,SL,478 Sample Number Dado que la muestra 6 cae fuera de la zoa de cotrol, sería coveete realzar ua speccó del % de los compoetes del lote IV - 6
7 IV Gráfcos de Cotrol por Atrbutos GRÁFICO NP El dagrama NP está basado e el úmero de udades defectuosas Este tpo de gráfcos permte tato aalzar el úmero de artículos defectuosos como la posble exsteca de causas especales e el proceso productvo Los prcpos estadístcos que srve de base al dagrama de cotrol NP se basa e la dstrbucó Bomal: Supógase que el proceso de produccó fucoa de maera estable, de tal forma que la probabldad de que cualquer artículo o esté coforme co las especfcacoes es p, y que los artículos producdos sucesvamete so depedetes; etoces, s seleccoamos muestras aleatoras de artículos del producto cada ua, y represetado por X al úmero de artículos defectuosos e la muestra -ésma, tedremos que X B(,p) Sabemos que: µ x p y σ X p( p) Para cada muestra, defmos la va fraccó dscoforme muestral como: pˆ segurá ua dstrbucó Bomal co meda y desvacó típca: X pˆ Observar que E E[ X ] [ pˆ ] p y Var[ pˆ ] Var [ X ] p( p) Por tato, pˆ N( p, p( p) ) Segú el modelo de Shewart tedremos que: LSC p + p( p) Líea cetral p LIC p p( p) S p es descoocda, la podemos estmar (observar que tal estmacó se realzará a partr de las muestras obtedas, > 5, tomadas cuado se cosdera que el proceso está bajo cotrol): p pˆ E caso de que el tamaño muestral ( ) sea dferete para cada subgrupo, a la hora de calcular los límtes segú el modelo de Shewart, podemos optar por: IV - 7
8 Cotrol Estadístco de la Caldad co MINITAB Obteer los límtes usado el asocado a cada muestra, co lo que las líeas de cotrol o será rectas (dará saltos arrba y abajo segú dsmuya o aumete), S los o dfere mucho uos de otros, podríamos tomar També se puede optar por tomar u comú e gual al mayor de los, co lo que obtedríamos uos límtes de cotrol bastate sesbles, ya que la ampltud de la fraja que dca proceso e estado de cotrol es versamete proporcoal al tamaño de la muestra E esta stuacó de tamaños muestrales dferetes, el estmador para p sería: p pˆ IV - 8
9 IV Gráfcos de Cotrol por Atrbutos GRÁFICO C El dagrama C está basado e el úmero total de defectos (o o coformdades) e la produccó Los prcpos estadístcos que srve de base al dagrama de cotrol C se basa e la dstrbucó de Posso: Para costrur el dagrama de cotrol C empezamos por tomar muestras X, X,,X K, de udades cada ua, e: X (X,, X ) Sea u el úmero esperado de udades defectuosas e cada ua de las muestras Para cada muestra se calcula el úmero u j de defectos de la udad X j, j,, S deotamos por c al úmero de defectos totales e la muestra -ésma, es claro que c u j Por otro lado, s deotamos por u al valor esperado de defectos e la muestra -ésma, tedremos que u uj Observar pues que u c, e: c u j [ ] [ ] [ ] u Notar además que E c E u E u Es frecuete supoer que el úmero de defectos (sucesos o habtuales) e ua poblacó grade sgue ua dstrbucó de Posso E este caso, supodremos que c Po( u) Se cumplrá que c N( u u ), Segú el modelo de Shewart tedremos que: j LSC u + Líea cetral u LIC u u u S u E[ u ] es descoocda, la podemos estmar (observar que tal estmacó se realzará a partr de las muestras obtedas, > 5, tomadas cuado se cosdera que el proceso está bajo cotrol): uˆ u Como el tamaño muestral ( ) es dferete para cada subgrupo, a la hora de calcular los límtes segú el modelo de Shewart, podemos optar por: Obteer los límtes usado el asocado a cada muestra, co lo que las líeas de cotrol o será rectas (dará saltos arrba y abajo segú dsmuya o aumete), S los o dfere mucho uos de otros, podríamos tomar També se puede optar por tomar u comú e gual al mayor de los, co lo que obtedríamos uos límtes de cotrol bastate sesbles, ya que la ampltud de la fraja que dca proceso e estado de cotrol es versamete proporcoal al tamaño de la muestra IV - 9
10 Cotrol Estadístco de la Caldad co MINITAB Ejemplo gráfco C: Supogamos que trabajamos e ua plata que produce sábaas blacas Cada ua de las pezas de tela producdas, a partr de las cuales se obtedrá las sábaas, será cosderada como válda sempre que o tega más de u úmero determado de pequeñas machas Pretedemos geerar u gráfco C que os permta vsualzar el úmero de machas de cada peza Usaremos los datos guardados e el archvo sabaasmtw : Seleccoar Stat > Cotrol Charts > C Rellear los campos como se dca: C Chart for Machas Sample Cout ,SL7,677 C,75 -,SL,E+ 4 Sample Number Dado que los putos parece segur u patró aleatoro y guo de ellos cae fuera de los límtes de cotrol de sgma, podemos coclur que el proceso está bajo cotrol IV -
11 IV Gráfcos de Cotrol por Atrbutos GRÁFICO U El dagrama U está basado e el úmero de defectos por udad de speccó producda Los prcpos estadístcos que srve de base al dagrama de cotrol U se basa e la dstrbucó de Posso: Para costrur el dagrama de cotrol U empezamos por tomar muestras X, X,,X K, de udades cada ua, e: X (X,, X ) Sea u el úmero esperado de udades defectuosas e cada ua de las muestras Para cada muestra se calcula el úmero u j de defectos de la udad X j, j,, S deotamos por c al úmero de defectos totales e la muestra -ésma, es claro que c u j Por otro lado, s deotamos por u al valor esperado de defectos e la muestra -ésma, tedremos que u uj Observar pues que u c, e: c u j [ ] [ ] [ ] u Notar además que E c E u E u Es frecuete supoer que el úmero de defectos (sucesos o habtuales) e ua poblacó grade sgue ua dstrbucó de Posso E este caso, supodremos que c Po( u) j Se cumplrá que N( u u ) c y, por tato,, u u N u, Segú el modelo de Shewart tedremos que: LSC u + Líea cetral u LIC u u u S u E[ u ] es descoocda, la podemos estmar (observar que tal estmacó se realzará a partr de las muestras obtedas, > 5, tomadas cuado se cosdera que el proceso está bajo cotrol): uˆ u Como el tamaño muestral ( ) es dferete para cada subgrupo, a la hora de calcular los límtes segú el modelo de Shewart, podemos optar por: Obteer los límtes usado el asocado a cada muestra, co lo que las líeas de cotrol o será rectas (dará saltos arrba y abajo segú dsmuya o aumete), S los o dfere mucho uos de otros, podríamos tomar També se puede optar por tomar u comú e gual al mayor de los, co lo que obtedríamos uos límtes de cotrol bastate sesbles, ya que la ampltud de la fraja que dca proceso e estado de cotrol es versamete proporcoal al tamaño de la muestra IV -
12 Cotrol Estadístco de la Caldad co MINITAB EJEMPLOS DE APLICACIÓN Ejemplo : Ua compañía electróca maufactura crcutos e lotes de 5 y quere cotrolar la proporcó de crcutos co fallos Co este f exama lotes, obteedo e cada lote el úmero de crcutos defectuosos que se dca e el archvo crcutosmtw Pretedemos aalzar s el proceso está bajo cotrol estadístco a partr de u gráfco P: P Chart for defectuo,4,sl,878 Proporto,,, P,, -,SL,7 Sample Number TEST Oe pot more tha, sgmas from ceter le Test Faled at pots: Se observa que ha fallado el cotraste para causas especales, lo cual dca que el proceso está fuera de cotrol estadístco IV -
13 IV Gráfcos de Cotrol por Atrbutos Ejemplo : Ua compañía textl utlza u gráfco del úmero de defectos por udad para cotrolar el úmero de defectos por metro cuadrado de tejdo El tejdo se preseta e rollos de u metro de achura y logtud varable, defédose la udad de speccó como u metro cuadrado de tejdo Tras la speccó de 5 rollos se obtuvero los datos de superfce (e metros cuadrados) y úmero de defectos por rollo almaceados e el archvo textlmtw Se pretede aalzar s el proceso está o o bajo cotrol usado u gráfco U,7 U Chart for defectos Sample Cout,6,5,4,,,,,SL,574 U,88 -,SL, Sample Number 5 A partr del gráfco ateror se cocluye que el proceso parece estar bajo cotrol estadístco, ya que o se observa problemas de putos fuera de cotrol, tedecas, cclos, etc Ejemplo : Se utlza u gráfco del úmero de defectos C para cotrolar el úmero de automóvles co ptura defectuosa e uevas seres fabrcadas recetemete seres del msmo modelo so speccoadas y el úmero de automóvles co ptura defectuosa se ha regstrado e el archvo autosmtw Estudar s el proceso está o o bajo cotrol C Chart for defectuo 5,SL,67 Sample Cout 5 C6, -,SL,E+ Sample Number A partr del gráfco ateror, se observa que el proceso o parece estar bajo cotrol estadístco IV -
III. GRÁFICOS DE CONTROL POR VARIABLES (1)
III. Gráfcos de Cotrol por Varables () III. GRÁFICOS DE CONTROL POR VARIABLES () INTRODUCCIÓN E cualquer proceso productvo resulta coveete coocer e todo mometo hasta qué puto uestros productos cumple co
Más detallesMÉTODOS ESTADÍSTICOS PARA EL CONTROL DE CALIDAD
UNIVERSIDAD DE LOS ANDES. FACULTAD DE CIENCIAS ECONÓMICAS Y SOCIALES DEPARTAMENTO DE CIENCIAS ADMINISTRATIVAS MÉRIDA ESTADO MÉRIDA Admstracó de la Produccó y las Operacoes II Prof. Mguel Olveros MÉTODOS
Más detallesVARIABLE ALEATORIA Y FUNCIÓN DE DISTRIBUCIÓN
VARIABLE ALEATORIA Y FUNCIÓN DE DISTRIBUCIÓN - INTRODUCCIÓN E este tema se tratará de formalzar umércamete los resultados de u feómeo aleatoro Por tato, ua varable aleatora es u valor umérco que correspode
Más detallesV Muestreo Estratificado
V Muestreo Estratfcado Dr. Jesús Mellado 10 Certas poblacoes que se desea muestrear, preseta grupos de elemetos co característcas dferetes, s los grupos so pleamete detfcables e su peculardad y e su tamaño,
Más detallesTEMA 12 INFERENCIA ESTADÍSTICA. ESTIMACIÓN DE LA MEDIA 12.1 DISTRIBUCIÓN NORMAL. REPASO DE TÉCNICAS BÁSICAS
Tema 1 Ifereca estadístca. Estmacó de la meda Matemátcas CCSSII º Bachllerato 1 TEMA 1 INFERENCIA ESTADÍSTICA. ESTIMACIÓN DE LA MEDIA 1.1 DISTRIBUCIÓN NORMAL. REPASO DE TÉCNICAS BÁSICAS UTILIZACIÓN DE
Más detallesPRIMERA PRUEBA DE TÉCNICAS CUANTITATIVAS III. 14-Abril-2015. Grupo A
PRIMERA PRUEBA DE TÉCICAS CUATITATIVAS III. 14-Abrl-015. Grupo A OMBRE: DI: 1. Se quere hacer u estudo sobre gasto e ropa e ua comarca dode el 41% de los habtates so mujeres. (1 puto) Se decde tomar ua
Más detallesUNA PROPUESTA DE GRÁFICO DE CONTROL DIFUSO PARA EL CONTROL DEL PROCESO
UNA POPUESTA DE GÁFICO DE CONTOL DIFUSO PAA EL CONTOL DEL POCESO VIVIAN LOENA CHUD PANTOJA (UDV) vvalorea16@gmal.com NATHALY MATINEZ ESCOBA (UDV) atta10@gmal.com Jua Carlos Osoro Gómez (UDV) juacarosoro@yahoo.es
Más detallesANÁLISIS DE LA VARIANZA ANOVA COMPARACIONES MULTIPLES ENTRE MEDIAS MUESTRALES
ANÁLISIS DE LA VARIANZA COMPARACIONES MULTIPLES ENTRE MEDIAS MUESTRALES ANOVA Marta Alper Profesora Adjuta de Estadístca alper@fcym.ulp.edu.ar http://www.fcym.ulp.edu.ar/catedras/estadstca INTRODUCCION
Más detallesANÁLISIS DE DATOS CUALITATIVOS. José Vicéns Otero Eva Medina Moral
ÁLISIS D DTOS CULITTIVOS José Vcés Otero va Meda Moral ero 005 . COSTRUCCIÓ D U TL D COTIGCI Para aalzar la relacó de depedeca o depedeca etre dos varables cualtatvas omales o actores, es ecesaro estudar
Más detallesControl estadístico de procesos. Control de procesos. Definición de proceso bajo control estadístico. Causas de la variabilidad en un proceso
Cotrol de procesos Hstórcamete ha evolucoado e dos vertetes: Cotrol automátco de procesos (APC) empresas de produccó cotua (empresas químcas) Cotrol estadístco de procesos (SPC) e sstemas de produccó e
Más detallesSEMESTRE DURACIÓN MÁXIMA 2.5 HORAS DICIEMBRE 10 DE 2008 NOMBRE
UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉICO FACULTAD DE INGENIERÍA DIVISIÓN DE CIENCIAS BÁSICAS COORDINACIÓN DE CIENCIAS APLICADAS PROBABILIDAD ESTADÍSTICA SEGUNDO EAMEN FINAL RESOLUCIÓN SEMESTRE 009- DURACIÓN
Más detallesCÁLCULO Y COMENTARIOS SOBRE ALGUNAS MEDIDAS DESCRIPTIVAS. de una variable X, la denotaremos por x y la calcularemos mediante la fórmula:
CÁLCULO Y COMENTARIOS SOBRE ALGUNAS MEDIDAS DESCRIPTIVAS I Meddas de localzacó Auque ua dstrbucó de frecuecas es certamete muy útl para teer ua dea global del comportameto de los datos, es geeralmete ecesaro
Más detalles-Métodos Estadísticos en Ciencias de la Vida
-Métodos Estadístcos e Cecas de la Vda Regresó Leal mple Regresó leal smple El aálss de regresó srve para predecr ua medda e fucó de otra medda (o varas). Y = Varable depedete predcha explcada X = Varable
Más detallesGUíAS DE TRABAJOS PRÁCTICOS N 2 y N 3 (2do Cuatrimestre 2018) GRÁFICOS DE CONTROL
GUíAS DE TRABAJOS PRÁCTICOS 2 y (2do Cuatrmestre 208) GRÁFICOS DE COTROL ) Guía o 2: El admstrador de servcos de ua ageca grade de automóvles desea estudar la catdad de tempo requerdo para efectuar u tpo
Más detallesModelos de Regresión análisis de regresión diagrama de dispersión coeficientes de regresión
Modelos de Regresó E muchos problemas este ua relacó herete etre dos o más varables, resulta ecesaro eplorar la aturaleza de esta relacó. El aálss de regresó es ua técca estadístca para el modelado la
Más detallesESTADÍSTICA poblaciones
ESTADÍSTICA Es la parte de las Matemátcas que estuda el comportameto de las poblacoes utlzado datos umércos obtedos medate epermetos o ecuestas. ESTADÍSTICA La Estadístca tee dos ramas: La Estadístca descrptva:
Más detallesMODELOS DE REGRESIÓN LINEALES Y NO LINEALES: SU
MODELOS DE REGRESIÓN LINEALES Y NO LINEALES: SU APLICACIÓN EN PROBLEMAS DE INGENIERÍA Clauda Maard Facultad de Igeería. Uversdad Nacoal de Lomas de Zamora Uversdad CAECE Bueos Ares. Argeta. maard@uolsects.com.ar
Más detallesESTRUCTURA Y TECNOLOGÍA A DE COMPUTADORES
Uversdad Rey Jua Carlos ESTRUCTURA Y TECNOLOGÍA A DE COMPUTADORES Lus Rcó Córcoles Lceso J. Rodríguez-Aragó Programa. Itroduccó. 2. Defcó de redmeto. 3. Meddas para evaluar el redmeto. 4. Programas para
Más detallesEstadística Descriptiva
Estadístca Descrptva Poblacoes y muestras Varables. Tablas de frecuecas Meddas de: tedeca cetral-dspersó ESTADÍSTICA DESCRIPTIVA: Tee por objetvo recoplar, orgazar y aalzar formacó referda a datos de u
Más detallesGRADO EN PSICOLOGIA INTRODUCCIÓN AL ANÁLISIS DE DATOS Código Asignatura: FEBRERO 2010 EXAMEN MODELO C
Febrero 010 EAMEN MODELO C Pág. 1 GRADO EN PICOLOGIA INTRODUCCIÓN AL ANÁLII DE DATO Códgo Asgatura: 6011037 FEBRERO 010 EAMEN MODELO C 1 80 5 3 8 4 1 5 6 6 7 1,0 1,47 38-40 18 35-37 36 3-34 5 9-31 46 6-8
Más detallesI. ANÁLISIS DESCRIPTIVO DE UN CONJUNTO DE DATOS
Estadístca Tema. Seres Estadístcas. Dstrbucoes de frecuecas. Pág. I. ANÁLISIS DESCIPTIVO DE UN CONJUNTO DE DATOS Seres Estadístcas. Dstrbucoes de frecuecas.. Defcó de Estadístca... Coceptos geerales...2
Más detallesEstadística Contenidos NM 4
Cetro Educacoal Sa Carlos de Aragó. Sector: Matemátca. Prof.: Xmea Gallegos H. 1 Estadístca Cotedos NM 4 Udad: Estadístca y Probabldades. Apredzajes Esperados: * Recooce dferetes formas de orgazar formacó:
Más detallesInferencia Estadística
Ifereca Estadístca Poblacó y muestra Coceptos y defcoes Muestra Aleatora Smple (MAS) Cosderemos ua poblacó, cuya fucó de dstrbucó esta dada por F(), la cual está costtuda por u úmero fto de posbles valores,
Más detalles(Feb03-1ª Sem) Problema (4 puntos). Se dispone de un semiconductor tipo P paralepipédico, cuya distribución de impurezas es
(Feb03-ª Sem) Problema (4 putos). Se dspoe de u semcoductor tpo P paraleppédco, cuya dstrbucó de mpurezas es ( x a) l = A 0 dode A y 0 so mpurezas/volume, l es u parámetro de logtud y a la poscó de ua
Más detallesCalificación= (0,4 x Aciertos) - (0,2 x Errores) No debe entregar los enunciados
EAMEN MODELO A Pág. 1 INTRODUCCIÓN AL ANÁLII DE DATO FEBRERO 018 Códgo asgatura: 6011037 EAMEN TIPO TET MODELO A DURACION: HORA Materal: Addeda (Formularo y Tablas) y calculadora (cualquer modelo) Calfcacó
Más detallesGRADO EN PSICOLOGIA INTRODUCCIÓN AL ANÁLISIS DE DATOS Código Asignatura: FEBRERO 2010 EXAMEN MODELO A
Febrero 20 EAMEN MODELO A Pág. 1 GRADO EN PICOLOGIA INTRODUCCIÓN AL ANÁLII DE DATO Códgo Asgatura: 620137 FEBRERO 20 EAMEN MODELO A Tabla 1: Para estudar la relacó etre las putuacoes e u test () y el redmeto
Más detalles10 MUESTREO. n 1 9/ / σ σ 1
10 MUESTREO 1 Cómo varará la desvacó típca muestral s se multplca por cuatro el tamaño de la muestra? Y s se aumeta el tamaño de la muestra de 16 a 144? S µ y so la meda y la desvacó típca poblacoales,
Más detallesOrden de la tirada. Figura 1: Frecuencia relativa de cara para una sucesión de 400 tiradas.
Estadístca (Q) Dra. Daa M. Kelmasky 99. Teoremas límte Frecueca Relatva 0.5 0.6 0.7 0.8 0.9.0 0 00 00 300 400 Orde de la trada Fgura : Frecueca relatva de cara para ua sucesó de 400 tradas. La fgura muestra
Más detalles7.1. Muestreo aleatorio simple. 7.2 Muestreo aleatorio estratificado. 7.3 Muestreo aleatorio de conglomerados. 7.4 Estimación del tamaño poblacional.
7 ELEMETOS DE MUESTREO COTEIDOS: OBJETIVOS: 7.. Muestreo aleatoro smple. 7. Muestreo aleatoro estratfcado. 7.3 Muestreo aleatoro de coglomerados. 7.4 Estmacó del tamaño poblacoal. Determar el dseño de
Más detallesLa inferencia estadística es primordialmente de naturaleza
VI. Ifereca estadístca Ifereca Estadístca La fereca estadístca es prmordalmete de aturaleza ductva y llega a geeralzar respecto de las característcas de ua poblacó valédose de observacoes empírcas de la
Más detallesESTADÍSTICA DESCRIPTIVA
ESTADÍSTICA DESCRIPTIVA A. MEDIDAS DE TENDENCIA CENTRAL B. MEDIDAS DE VARIABILIDAD C. MEDIDAS DE FORMA RESUMEN: A. MEDIDAS DE TENDENCIA CENTRAL So estadígrafos de poscó que so terpretados como valores
Más detalles6. ESTIMACIÓN PUNTUAL
Defcoes 6 ESTIMACIÓN PUNTUAL E la práctca, los parámetros de ua dstrbucó de probabldad se estma a partr de la muestra La fereca estadístca cosste e estmar los parámetros de ua dstrbucó; y e evaluar ua
Más detallesModelos de Regresión Simple
Itroduccó a la Ifereca Estadístca Dept. of Mare cece ad Appled Bology Jose Jacobo Zubcoff Modelos de Regresó mple Que tpo de relacó exste etre varables Predccó de valores a partr de ua de ellas Varable
Más detalles7. Muestreo con probabilidades desiguales.
7. Muestreo co probabldades desguales. 7. Itroduccó. 7.. Probabldades de clusó. 7.. Pesos del dseño muestral. 7.. Alguos métodos co probabldades desguales. 7. Estmacó de la meda, proporcó total poblacoales.
Más detallesGuía práctica para la realización de medidas y el cálculo de errores
Laboratoro de Físca Prmer curso de Químca Guía práctca para la realzacó de meddas y el cálculo de errores Medda y Error Aquellas propedades de la matera que so susceptbles de ser meddas se llama magtudes;
Más detallesColegio Sagrada Familia Matemáticas 4º ESO ESTADÍSTICA DESCRIPTIVA
Colego Sagrada Famla Matemátcas 4º ESO 011-01 1.- TERMIOLOGÍA. TABLAS Y GRÁFICOS ESTADÍSTICOS ESTADÍSTICA DESCRIPTIVA La poblacó es el cojuto de de todos los elemetos, que cumpledo ua codcó, deseamos estudar.
Más detallesColegio Sagrada Familia Matemáticas 4º ESO
Colego Sagrada Famla Matemátcas 4º ESO 00-0 ESTADÍSTICA DESCRIPTIVA.- TERMIOLOGÍA. TABLAS Y GRÁFICOS ESTADÍSTICOS La poblacó es el cojuto de de todos los elemetos, que cumpledo ua codcó, deseamos estudar.
Más detallesVARIABLES ESTADÍSTICAS UNIDIMENSIONALES.
CONTENIDOS. VARIABLES ESTADÍSTICAS UNIDIMENSIONALES. Itroduccó a la Estadístca descrptva. Termología básca: poblacó, muestra, dvduo, carácter. Varable estadístca: dscretas y cotuas. Orgazacó de datos.
Más detallesESTADÍSTICA DESCRIPTIVA Métodos Estadísticos Aplicados a las Auditorías Sociolaborales
ESTADÍSTICA DESCRIPTIVA Métodos Estadístcos Aplcados a las Audtorías Socolaborales Fracsco Álvarez Gozález fracsco.alvarez@uca.es Bajo el térmo Estadístca Descrptva se egloba las téccas que os permtrá
Más detallesAnálisis de Regresión y Correlación Lineal
Aálss de Regresó y Correlacó Leal Dr. Pastore, Jua Igaco Profesor Adjuto. Aálss de Regresó y Correlacó Leal Hasta ahora hemos cetrado uestra atecó prcpalmete e ua sola varable de respuesta umérca o e seres
Más detallesCURSO DE ESTADÍSTICA DESCRIPTIVA Y ANÁLISIS DE DATOS CON LA HOJA DE CÁLCULO EXCEL
CURSO DE ESTADÍSTICA DESCRIPTIVA Y ANÁLISIS DE DATOS CON LA HOJA DE CÁLCULO ECEL D. Fracsco Parra Rodríguez. Jefe de Servco de Estadístcas Ecoómcas y Socodemográfcas. Isttuto Cátabro de Estadístca. Dª.
Más detallesIntroducción a la Inferencia Estadística. Dept. of Marine Science and Applied Biology Jose Jacobo Zubcoff
Itroduccó a la Ifereca Estadístca Dept. of Mare cece ad Appled Bology Jose Jacobo Zubcoff Modelos de Regresó mple Que tpo de relacó exste etre varables Predccó de valores a partr de ua de ellas Varable
Más detallesCURSO BÁSICO DE ESTADÍSTICA DESCRIPTIVA
CURSO BÁSICO DE ESTADÍSTICA DESCRIPTIVA - 1 - ÍNDICE CAPÍTULO 1: INTRODUCCIÓN A LA ESTADÍSTICA Tema 1: Itroduccó a la estadístca - 1.1. Itroducc ó a la estadístca descrptva - 1.2. Nocoes báscas o 1.2.1.
Más detallesUna Propuesta de Presentación del Tema de Correlación Simple
Ua Propuesta de Presetacó del Tema de Correlacó Smple Itroduccó Ua Coceptualzacó de la Correlacó Estadístca La Correlacó o Implca Relacó Causa-Efecto Vsualzacó Gráfca de la Correlacó U Idcador de Asocacó:
Más detallesTEMA 3. Medidas de variabilidad y asimetría. - X mín. X máx
TEMA 3 Meddas de varabldad y asmetría 1. MEDIDAS DE VARIABILIDAD La varabldad o dspersó hace refereca al grado de varacó que hay e u cojuto de putuacoes. Por ejemplo: etre dos dstrbucoes que preseta la
Más detallesLECTURA 02: DISTRIBUCIONES DE FRECUENCIAS (PARTE I) DISTRIBUCIONES DE FRECUENCIAS EN PUNTOS AISLADOS
Uversdad Católca Los Ágeles de Cmbote LECTURA 0: DISTRIBUCIONES DE FRECUENCIAS (PARTE I) DISTRIBUCIONES DE FRECUENCIAS EN PUNTOS AISLADOS TEMA : DISTRIBUCIONES DE FRECUENCIAS: DEFINICIÓN Y CLASIFICACIÓN
Más detallesINTRODUCCIÓN AL CONCEPTO DE VALOR ESPERADO O ESPERANZA MATEMÁTICA DE UNA VARIABLE ALEATORIA
INTRODUCCIÓN AL CONCEPTO DE VALOR ESPERADO O ESPERANZA MATEMÁTICA DE UNA VARIABLE ALEATORIA Lus Fraco Martí {lfraco@us.es} Elea Olmedo Ferádez {olmedo@us.es} Jua Mauel Valderas Jaramllo {valderas@us.es}
Más detallesV II Muestreo por Conglomerados
V II Muestreo por Coglomerados Dr. Jesús Mellado 31 Por alguas razoes aturales, los elemetos muestrales se ecuetra formado grupos, como por ejemlo, las persoas que vve e coloas de ua cudad, lo elemetos
Más detallesPARÁMETROS ESTADÍSTICOS ... N
el blog de mate de ada: ESTADÍSTICA pág. 6 PARÁMETROS ESTADÍSTICOS MEDIDAS DE CENTRALIZACIÓN Las tablas estadístcas y las represetacoes grácas da ua dea del comportameto de ua dstrbucó, pero ese cojuto
Más detallesRENTABILIDAD Y RIESGO DE CARTERAS Y ACTIVOS TEMA 3- I FUNTAMENTOS DE DIRECCIÓN FINANCIERA. Fundamentos de Dirección Financiera Tema 3- Parte I 1
RENTILIDD Y RIESGO DE CRTERS Y CTIVOS TEM 3- I FUNTMENTOS DE DIRECCIÓN FINNCIER Fudametos de Dreccó Facera Tema 3- arte I RIESGO y RENTILIDD ( decsoes de versó productvas) EXISTENCI DE RIESGO ( los FNC
Más detalles1.1 INTRODUCCION & NOTACION
1. SIMULACIÓN DE SISEMAS DE COLAS Jorge Eduardo Ortz rvño Profesor Asocado Departameto de Igeería de Sstemas e Idustral Uversdad Nacoal de Colomba jeortzt@ual.edu.co 1.1 INRODUCCION & NOACION Clete Servdor
Más detallesAnálisis estadístico de datos muestrales
Aálss estadístco de datos muestrales M. e A. Víctor D. Plla Morá Facultad de Igeería, UNAM Resume Represetacó de los datos de ua muestra: tablas de frecuecas, frecuecas relatvas y frecuecas relatvas acumuladas.
Más detallesLos Histogramas. Histograma simple
Los Hstogramas El Hstograma es ua forma de represetacó de datos que permte aalzar fáclmete el comportameto de ua poblacó, ya sea per se, o por medo de ua muestra. U Hstograma se defe como u cojuto de barras
Más detallesPARTE 2 - ESTADISTICA. Parte 2 Estadística Descriptiva. 7. 1 Introducción
Parte Estadístca Descrptva Prof. María B. Ptarell PARTE - ESTADISTICA 7- Estadístca Descrptva 7. Itroduccó El campo de la estadístca tee que ver co la recoplacó, orgazacó, aálss y uso de datos para tomar
Más detallesLos principales métodos para la selección y valoración de inversiones se agrupan en dos modalidades: métodos estáticos y métodos dinámicos
Dreccó Facera Pág Sergo Alejadro Herado Westerhede, Igeero e Orgazacó Idustral 5. INTRODUCCIÓN Los prcpales métodos para la seleccó y valoracó de versoes se agrupa e dos modaldades: métodos estátcos y
Más detallesCURSO BÁSICO DE ANÁLISIS ESTADÍSTICO EN SPSS. FRANCISCO PARRA RODRÍGUEZ JUAN ANTONIO VICENTE VÍRSEDA MAURICIO BELTRÁN PASCUAL
CURSO BÁSICO DE ANÁLISIS ESTADÍSTICO EN SPSS. FRANCISCO PARRA RODRÍGUEZ JUAN ANTONIO VICENTE VÍRSEDA MAURICIO BELTRÁN PASCUAL EL PROGRAMA ESTADÍSTICO SPSS . EL PROGRAMA ESTADÍSTICO SPSS. INTRODUCCIÓN El
Más detallesRespuesta. Si 100 manzanas es una muestra suficientemente grande podemos ocupar el TCL. Por lo tanto:
Curso: Estadístca Iferecal (ICO 8306) Profesores: Esteba Calvo, Pablo Huechapa y Omar Ramos Ayudates: José T. Meda, Fabo Salas y Daela Vlches PROBLEMA Cosdere que Ud. es dueño de u campo que produce mazaas,
Más detallesANÁLISIS DE REGRESIÓN Y CORRELACIÓN LINEAL
ANÁLISIS DE REGRESIÓN Y CORRELACIÓN LINEAL TIPOS DE RELACIONES ENTRE VARIABLES Dos varables puede estar relacoadas por: Modelo determsta Modelo estadístco Ejemplo: Relacó de la altura co la edad e ños.
Más detalles4 METODOLOGIA ADAPTADA AL PROBLEMA
4 MEODOLOGA ADAPADA AL PROBLEMA 4.1 troduccó Báscamete el problema que se quere resolver es ecotrar la actuacó óptma sobre las tesoes de los geeradores, la relacó de tomas de los trasformadores y el valor
Más detallesPROBANDO GENERADORES DE NUMEROS ALEATORIOS
PROBADO GRADORS D UMROS ALATORIOS s mportate asegurarse de que el geerador usado produzca ua secueca sufcetemete aleatora. Para esto se somete el geerador a pruebas estadístcas. S o pasa ua prueba, podemos
Más detallesAnálisis de Regresión y Correlación Lineal
Aálss de Regresó y Correlacó Leal 2do C. 2018 Mg. Stella Fgueroa Clase Nº 14 Tpos de relacoes etre varables Exste u compoete aleatoro por lo que las predccoes tee asocado u error de predccó. Modelo determsta
Más detallesINTRODUCCIÓN AL ANÁLISIS DE ENCUESTAS COMPLEJAS 1
63 ITRODUCCIÓ AL AÁLISIS DE ECUESTAS COMPLEJAS MARCELA PIZARRO BRIOES ISTITUTO ACIOAL DE ESTADÍSTICA (IE CHILE Para presetarse e el Taller Regoal del MECOVI: La Práctca del Muestreo para el Dseño de las
Más detallesREGRESIÓN LINEAL SIMPLE
RGRIÓN LINAL IMPL l aálss de regresó es ua técca estadístca para vestgar la relacó fucoal etre dos o más varables, ajustado algú modelo matemátco. La regresó leal smple utlza ua sola varable de regresó
Más detallesEstadística. Tema 2: Medidas de Tendencia Central.. Estadística. UNITEC Tema 2: Medidas de Tendencia Central Prof. L. Lugo
Estadístca Tema : Meddas de Tedeca Cetral. Estadístca. UNITEC Tema : Meddas de Tedeca Cetral 1 Parámetros y Estadístcos Parámetro: Es ua catdad umérca calculada sobre ua poblacó La altura meda de los dvduos
Más detallesEstadística Descriptiva
Estadístca Descrptva Poblacó: Es u cojuto de elemetos co ua determada característca. Muestra: Es u subcojuto de la poblacó. Muestreo: Es el proceso para elegr ua muestra que sea represetatva de la poblacó.
Más detallesTest de Hipótesis. Error de tipo I: Rechazar H 0 siendo H 0 Verdadera. Error de tipo II: No rechazar H 0 siendo H 0 Falsa
Error tpo I: Rechazar H sedo H Verdara Test Hpótess Error tpo II: No rechazar H sedo H Falsa Nvel Sgfcacó: = P(error tpo I = P(Rechazar H sedo H Verdara Probabldad error tpo II: = P(error tpo II = P(No
Más detallesANÁLISIS DE LA VARIANZA Es coocdo que ua varable aleatora Y se puede cosderar como suma de ua costate μ de ua varable aleatora ε, que represeta el error aleatoro: μ ε Este modelo se adapta be a datos de
Más detallesINTRODUCCIÓN A LA ESTADÍSTICA DESCRIPTIVA PARA ECONOMISTAS
Uverstat de les Illes Balears Col.leccó Materals Ddàctcs INTRODUCCIÓN A LA ESTADÍSTICA DESCRIPTIVA PARA ECONOMISTAS Joaquí Alegre Martí Magdalea Cladera Muar Palma, 00 ÍNDICE INTRODUCCIÓN: Qué es...? Qué
Más detallesRegresión lineal simple
Descrpcó breve del tema Regresó leal smple Tema. Itroduccó. El modelo de regresó smple 3. Hpótess del modelo Lealdad, homogeedad, homocedastcdad, depedeca ormaldad 4. Estmacó de los parámetros Mímos cuadrados,
Más detallesGestión de operaciones
Gestó de operacoes Modelado de restrccoes co varables baras Modelado de programacó o leal Pedro Sáchez pedro.sachez@upcomllas.es Cotedo Restrccoes especales Restrccoes lógcas Productos de varables Modelos
Más detallesEstadística Contenidos NM 4
Cetro Educacoal Sa Carlos de Aragó. Sector: Matemátca. Prof.: mea Gallegos H. 1 Estadístca Cotedos NM 4 Udad: Estadístca y Probabldades. Apredzajes Esperados: * Recoocer dferetes formas de orgazar formacó:
Más detalles2. Calcular el interés que obtendremos al invertir 6.000 euros al 4% simple durante 2 años. Solución: 480 euros
. alcular el motate que obtedremos al captalzar 5. euros al 5% durate días (año cvl y comercal). Solucó: 5., euros (cvl); 5.,5 euros (comercal). 5. o ' 5,5 5,8 5,5 ' 5. 5.,5) 5,5) 5., 5.,5. alcular el
Más detallesUNIDAD 14.- Distribuciones bidimensionales. Correlación y regresión (tema 14 del libro)
UIDAD.- Dstrbucoes bdmesoales. Correlacó regresó (tema del lbro). VARIABLES ESTADÍSTICAS BIDIMESIOALES Vamos a trabajar sobre ua sere de feómeos e los que para cada observacó se obtee u par de meddas.
Más detallesProblemas de Polímeros. Química Física III
Problemas de Polímeros Químca Físca III 7..- Del fraccoameto de ua muestra de u determado polímero se obtuvero los sguetes resultados: Fraccó º, g 5, g/mol,75,6,886,89,,75,57,56 5,9,68 6,8,8 7,55,5 8,6,9
Más detallesTrata de describir y analizar algunos caracteres de los individuos de un grupo dado, sin extraer conclusiones para un grupo mayor
árbara Cáovas Coesa Estadístca Descrptva 1 Cálculo de Probabldades Trata de descrbr y aalzar alguos caracteres de los dvduos de u grupo dado, s extraer coclusoes para u grupo mayor Poblacó Idvduo o Udad
Más detallesEjercicios y Talleres. puedes enviarlos a
Ejerccos Talleres puedes evarlos a klasesdematematcasmas@gmal.com www.klasesdematematcasmas.com Taller 1 Ig. Oscar Restrepo 1. De las varables sguetes cuáles represeta datos dscretos cuáles datos cotuos
Más detallesTécnicas básicas de calidad
Téccas báscas de caldad E esta udad aprederás a: Idetfcar las téccas báscas de caldad Aplcar las herrametas báscas de caldad Utlzar la tormeta de deas Crear dsttos tpos de dagramas Usar hstogramas y gráfcos
Más detallesMATEMÁTICA MÓDULO 4 Eje temático: Estadística y Probabilidades
MATEMÁTICA MÓDULO 4 Eje temátco: Estadístca y Probabldades Empezaremos este breve estudo de estadístca correspodete al cuarto año de Eseñaza Meda revsado los dferetes tpos de gráfcos.. GRÁFICOS ESTADÍSTICOS
Más detallesGUÍA DE EJERCICIOS ESTADÍSTICA DESCRIPTIVA
GUÍA DE EJERCICIOS ESTADÍSTICA DESCRIPTIVA Área Matemátcas- Aálss Estadístco Módulo Básco de Igeería (MBI) Resultados de apredzaje Apreder el correcto uso de la calculadora cetífca e modo estadístco, además
Más detallesSOLUCIONES A LOS EJERCICIOS DE LA UNIDAD
Pág. 1 Pága 09 PRACTICA Meda y desvacó típca 1 El úmero de faltas de ortografía que cometero u grupo de estudates e u dctado fue: 0 1 0 1 0 0 1 1 1 0 1 0 0 0 0 1 1 0 0 0 1 a) D cuál es la varable y de
Más detallesIntroducción a la simulación de sistemas discretos
Itroduccó a la smulacó de sstemas dscretos Novembre de 6 Álvaro García Sáchez Mguel Ortega Mer Itroduccó a la smulacó de sstemas dscretos. Presetacó.. Itroduccó El presete documeto trata sobre las téccas
Más detallesESTADÍSTICA. Unidad didáctica 11 1. ESTADÍSTICA: CONCEPTOS BÁSICOS. 1.1. Caracteres y variables estadísticos
Udad ddáctca ESTADÍSTICA. ESTADÍSTICA: COCEPTOS BÁSICOS La Estadístca surge ate la ecesdad de poder tratar y compreder cojutos umerosos de datos. E sus orígees hstórcos, estuvo lgada a cuestoes de Estado
Más detallesERRORES EN LAS MEDIDAS (Conceptos elementales)
ERRORES E LAS MEDIDAS (Coceptos elemetales). Medda y tpos de errores ormalmete, al realzar varas meddas de ua magtud físca, se obtee e ellas valores dferetes. E muchas ocasoes, esta dfereca se debe a causas
Más detallesNOMBRE. para los nuevos datos, incrementando 5 unidades cada calificación. entonces la media sumando 5 unidades a cada calificación es
UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉICO FACULTAD DE INGENIERÍA DIVISIÓN DE CIENCIAS BÁSICAS COORDINACIÓN DE CIENCIAS APLICADAS DEPARTAMENTO DE PROBABILIDAD Y ESTADÍSTICA PRIMER EAMEN FINAL RESOLUCIÓN SEMESTRE
Más detallesSimulación de sistemas discretos
Smulacó de sstemas dscretos Novembre de 006 Álvaro García Sáchez Mguel Ortega Mer Smulacó de sstemas dscretos. Presetacó... 4.. Itroduccó... 4.. Sstemas, modelos y smulacó... 4.3. Necesdad de la smulacó...
Más detallesRegresión - Correlación
REGRESIÓN Regresó - Correlacó Aálss que requere la cosderacó de o más varables cuattatvas e forma smultáea. Aálss de Regresó: estuda la relacó fucoal de ua o más varables respecto de otra Aálss de Correlacó:
Más detallesEL COEFICIENTE DE CORRELACIÓN Y CORRELACIONES ESPÚREAS Erick Lahura Enero, 2003
8 EL COEFICIENTE DE CORRELACIÓN CORRELACIONES ESPÚREAS Erck Lahura Eero, 3 DOCUMENTO DE TRABAJO 8 http://www.pucp.edu.pe/ecooma/pdf/ddd8.pdf EL COEFICIENTE DE CORRELACIÓN CORRELACIONES ESPÚREAS Erck Lahura
Más detallesLÍNEA DE REGRESIÓN MÍNIMO CUADRÁTICA BASADA EN ERRORES RELATIVOS
LÍNEA DE REGRESIÓN MÍNIMO CUADRÁTICA BASADA EN ERRORES RELATIVOS Mercedes Alvargozález Rodríguez - malvarg@ecoo.uov.es Uversdad de Ovedo Reservados todos los derechos. Este documeto ha sdo extraído del
Más detallesMEDIDAS DE TENDENCIA CENTRAL
Probabldad y Estadístca Meddas de tedeca Cetral MEDIDAS DE TENDENCIA CENTRAL E la udad ateror se ha agrupado la ormacó y además se ha dado ua descrpcó de la terpretacó de la ormacó, s embargo e ocasoes
Más detallesEstadística. Tema 6: Análisis de Regresión.. Estadística. UNITEC Tema 6: Análisis de Regresión Prof. L. Lugo
Estadístca Tema 6: Aálss de Regresó. Estadístca. UNITEC Tema 6: Aálss de Regresó Modelos de Regresó E muchos problemas este ua relacó herete etre dos o mas varables, resulta ecesaro eplorar la aturaleza
Más detallesANÁLISIS ESTADÍSTICO DEL CONTROL DE CALIDAD EN LAS EMPRESAS
UNIVERIDAD de VALLADOLID ECUELA de INGENIERÍA INDUTRIALE INGENIERO TÉCNICO INDUTRIAL, EPECIALIDAD EN MECÁNICA PROYECTO FIN DE CARRERA ANÁLII ETADÍTICO DEL CONTROL DE CALIDAD EN LA EMPREA Autor: Galca Adrés,
Más detallesUNIDAD DIDÁCTICA 13: Estadística Descriptiva
Utat d accés accés a la uverstat dels majors de 5 ays Udad de acceso acceso a la uversdad de los mayores de 5 años UNIDAD DIDÁCTICA 13: Estadístca Descrptva ÍNDICE: DESARROLLO DE LOS CONTENIDOS 1 Itroduccó
Más detallesProbabilidad ( A) Los axiomas de la probabilidad. φ = el conjunto vacío A B = A y no B C
Los axomas de la probabldad obabldad El prmer paso para descrbr la certdumbre es cosderar el cojuto de posbles resultados obtedos a partr de u expermeto aleatoro. Este cojuto es llamado espaco muestral
Más detallesApéndice 1. Ajuste de la función gamma utilizando el método de máxima probabilidad ( maximum likelihood )
Apédces Apédces 357 Apédce. Ajuste de la fucó gamma utlzado el método de máma probabldad mamum lkelhood Se descrbe a cotuacó el ajuste de la fucó gamma utlzado e el apartado.2..2 pága 28. Véase Burguess
Más detallesEvolución buena 0,7 0,3 Evolución mala 0,2 0,8 Cuál es el valor máximo de esta información?
APELLIDOS: DNI: EXAMEN DE TÉCNICAS CUANTITATIVAS III. NOMBRE: GRUPO: E todos los casos, cosdere u vel de cofaza del 95% (z=).. U empresaro quere estmar el cosumo mesual de electrcdad e ua comudad de 000
Más detallesMétodos indirectos de estimación: razón, regresión y diferencia
Métodos drectos de estmacó: razó, regresó dfereca Cotedo. Itroduccó, defcó de estmadores drectos. Estmador de razó, propedades varazas. Límtes de cofaza. 3. Tamaño de la muestra e los estmadores de razó
Más detallesDivisión de Evaluación Social de Inversiones
MEODOLOGÍA SIMPLIFICADA DE ESIMACIÓN DE BENEFICIOS SOCIALES POR DISMINUCIÓN DE LA FLOA DE BUSES EN PROYECOS DE CORREDORES CON VÍAS EXCLUSIVAS EN RANSPORE URBANO Dvsó de Evaluacó Socal de Iversoes 2013
Más detallesMEDIDAS DE CENTRALIZACIÓN
Educagua.com MEDIDAS DE CETRALIZACIÓ Las meddas de cetralzacó so estadístcos que releja algú valor global de la sere estadístca. Las prcpales meddas de cetralzacó so: Meda artmétca smple. Meda artmétca
Más detallesTema 2: Distribuciones bidimensionales
Tema : Dstrbucoes bdmesoales Varable Bdmesoal (X,Y) Sobre ua poblacó se observa smultáeamete dos varables X e Y. La dstrbucó de frecuecas bdmesoal de (X,Y) es el cojuto de valores {(x, y j ); j } 1,, p;
Más detallesCurso de Estadística Unidad de Medidas Descriptivas. Lección 2: Medidas de Tendencia Central para Datos Agrupados por Valor Simple
1 Curso de Estadístca Udad de Meddas Descrptvas Leccó 2: Meddas de Tedeca Cetral para Datos Agrupados por Valor Smple Creado por: Dra. Noemí L. Ruz Lmardo, EdD 2010 Derechos de Autor 2 Objetvos 1. Calcular
Más detalles