ESTUDIOS DE CAPACIDAD
|
|
|
- Jorge Rey Toro
- hace 9 años
- Vistas:
Transcripción
1 ESTUDIOS DE CAPACIDAD La capacidad de una máquina o proceso, se puede interpretar como su aptitud para producir artículos de acuerdo con las especificaciones. También se puede interpretar como la aptitud del proceso o de una máquina, para cumplir los límites de tolerancia. El análisis de capacidad, se suele realizar cuando se necesita estudiar un nuevo proceso, cuando se ha modificado alguna de las partes esenciales del proceso, cuando se han emplazado una o más máquinas en otro lugar, cuando ha habido un reajuste en el funcionamiento de las máquinas, cuando los gráficos de control muestran cierta inestabilidad, etc. Para realizar un análisis de la capacidad a través de la variabilidad, se requiere el conocimiento o la estimación de la distribución de la característica estudiada, o bien la estimación de los parámetros que definen dicha variabilidad. Los gráficos de control, son una herramienta útil para el estudio de la capacidad de una máquina o proceso. 1
2 Las condiciones previas a tener en cuenta, en un estudio de capacidad de una máquina o proceso, son: 1. La máquina o proceso escogido para su estudio, debe ser representativa de la totalidad de máquinas o procesos. 2. En el caso de máquinas, debemos asegurarnos que la materia prima en cuestión, esté dentro de especificaciones. 3. La máquina o proceso a estudiar su capacidad, debe estar bajo control. 4. Analizar como mínimo 50 unidades, midiendo la característica objeto de estudio. 5. Verificar que la característica en cuestión se distribuye normalmente. Para ello, se pueden representar los datos en papel probabilístico normal. 2
3 Por tanto, cuando una máquina o proceso está en estado de control, la amplitud del intervalo de variabilidad de las observaciones individuales de una determinada variable, se le denomina CAPACIDAD. Por ejemplo, si un proceso está bajo control, y la variable a estudiar se distribuye según la ley normal, el 99,73% de los valores de la variable estarán comprendidos entre (μ- 3σ) y (μ + 3σ) El valor de μ será el promedio o centrado de la variable a estudiar, mientras que σ corresponde a la variabilidad intrínseca del proceso Podemos definir la capacidad como: CAPACIDAD = 6σ En nuestros días, y en sectores como el del automóvil, se habla de 8σ e incluso 10σ Hay que tener en cuenta que la capacidad, está relacionada con la variabilidad. Por tanto, cuanta menos variabilidad tengamos, mayor será la capacidad. La capacidad, es una característica propia de la máquina o del proceso, y es independiente de los límites de tolerancia, o especificaciones del producto. Es muy importante el conocimiento de aquello que es capaz de hacer una máquina o un proceso, tanto a nivel técnico como comercial. En el caso de estudio de capacidad de un proceso, la capacidad se determina a partir de muestras obtenidas en toda la variedad de condiciones en que puede trabajar el proceso: turnos, operarios, materias primas, etc.) 3
4 Una vez obtenidos los datos a partir de las muestras analizadas, éstos se representan en un gráfico de control, para asegurarse de que estamos en condiciones de control, y que por tanto no existen causas de variabilidad asignables. Si se detectan valores fuera de límites, debe verificarse su origen y eliminarse, antes del estudio de capacidad. De no ser posible, estos puntos formarán parte de la máquina o proceso. TOLERANCIAS Las tolerancias se deben fijar en función de las necesidades de los clientes, así como de sus expectativas. Evidentemente, una vez fijadas las especificaciones o tolerancias, debe verificarse la capacidad de la máquina o proceso. Se puede concluir que una máquina o proceso es capaz, si puede producir dentro de las especificaciones demandadas. Si su capacidad es menor que las tolerancias definidas. Podemos definir los límites de tolerancia, de la siguiente manera: LTS = límite de tolerancia superior LTI = límite de tolerancia inferior 4
5 INDICE DE CAPACIDAD Para comparar la variabilidad del proceso con los límites de tolerancia, definimos los índices de capacidad. En función de que el estudio de capacidad se realice sobre una máquina o sobre un proceso, se definirán como: MÁQUINA PROCESO Cm = Tolerancia / 8σ = (LTS LTI) / 8σ Cp = Tolerancia / 6σ = (LTS LTI) / 6σ Las diferencias entre Cm y Cp se fundamentan en la mayor exigencia que debe tenerse en el caso de un proceso, respecto a una máquina. El valor del índice Cp, nos da una idea de la variabilidad que el proceso transmite a una determinada variable de calidad de un determinado producto final. Estadísticamente, Cp > 1 para que el proceso sea capaz. Si Cp < 1 el proceso no es capaz. De todas formas, y desde el punto de vista de calidad, conviene que: Cp > 1,33 en el caso de procesos (intervalo de 8σ) Cp > 1,66 en el caso de máquinas (intervalo de 10σ) 5
6 Para procesos que no estén centrados en el valor nominal, los índices de capacidad indican solamente la posibilidad de la máquina o proceso, de producir dentro de tolerancias, en el caso de poder centrarlos. Por tanto, en este caso, el índice indicaría la capacidad potencial, pero no necesariamente la real. Para subsanar esta circunstancia, se definen los índices de capacidad, Cmk y Cpk de la siguiente manera: Cmu = (LTS X) / 4σ Cml = (X LTI) / 4σ CmK = mínimo (Cmu, Cml) Cpu = (LTS X) / 3σ Cpl = (X LTI) / 3σ Cpk = mínimo (Cpu, Cpl) De forma que: Cmk <= Cm Cpk <= Cp En el caso de procesos centrados: Cmk = Cm Cpk = Cp 6
7 EJEMPLO Supongamos que en un proceso de fabricación de envasado de guisantes, se quiera determinar la capacidad del proceso de envasado. De este proceso, se conoce: Valor promedio (histórico) de peso: 200 gr Desviación típica promedio (σ = 0,72 gr) Los límites de tolerancia, están establecidos en +/- 2 gr Para ello, se realizan cuatro series de lecturas (L1, L2, L3 y L4) del peso, de veinte observaciones cada una: La variable sobre la cual vamos a estudiar la capacidad, se distribuye conforme la Ley Normal, de características: Media = 200 σ = 0,72 es decir, N(200, 072) Por lo tanto, el proceso está centrado en el valor promedio. 7
8 Las lecturas, son: L1 L2 L3 L4 202, , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , ,191 8
9 La capacidad del proceso, será: CAPACIDAD = 6 x σ CAPACIDAD = 6 x 0,72 = 4,34 Por lo tanto, y aplicando la expresión del Cp: Cp = Tolerancia / 6σ = (LTS LTI) / 6σ Cp = (LTS LTI) / 6σ = ( ) / 4,34 = 0,93 En resúmen Cp = 0,93 y por lo tanto, el proceso NO ES CAPAZ Los cálculos anteriores, se pueden realizar utilizando programas como MINITAB 9
10 Supongamos ahora, que los límites de tolerancia, son +/- 4 gr Cp = ( ) / 4,34 = 1,84 En este caso, el proceso SI ES CAPAZ Mediante MINITAB: Lógicamente, al ampliar los límites de tolerancia, el proceso de envasado respecto al peso de envasado, pasa de no ser capaz, a sí ser capaz. 10
11 Relación entre Cp Cpk y porcentaje fuera de tolerancia: Cp 0,33 0,33 0,33 0,67 0,67 0,67 0,67 Cpk 0,33 0-0,33 0,67 0,33 0-0,33 Media μ = N μ = N +/- σ μ = N +/- 2σ μ = N μ = N +/- σ μ = N +/- 2σ μ = N +/- 3σ % fuera 31,7 % 52,3 % 84,3 % 4,6 % 16 % 50 % 84,1 % tolerancia Cp ,33 1,33 0,67 0,67 Cpk 1 0,33 0-0,33 1,33 0,67 0,33-0,33 Media μ = N μ = N +/-2σ μ = N +/-3σ μ = N +/-4σ μ = N μ = N +/-2σ μ = N +/-3σ μ = N +/-5σ % fuera tolerancia 0,3 % 15,9 % 50 % 84,1 % 63 % 2,3 % 15,9 % 84,1 % del libro Control y mejora de la calidad (UPC) 11
12 AUTOR Antonio Solé Cabanes Ingeniero Industrial
TAMAÑO DE MUESTRA EN LA ESTIMACIÓN DE LA MEDIA DE UNA POBLACIÓN
TAMAÑO DE MUESTRA EN LA ESTIMACIÓN DE LA MEDIA DE UNA POBLACIÓN En este artículo, se trata de explicar una metodología estadística sencilla y sobre todo práctica, para la estimación del tamaño de muestra
Master en Gestión de la Calidad
Master en Gestión de la Calidad E U R O P E A N Q U A L I T Y 18. Estudios de Capacidad 1 / 1 Estudios de Capacidad: Lo que vamos a estudiar en este apartado se emplea tanto en la planificación de los
Control Estadístico de Procesos Capacidad de Proceso
Control Estadístico de Procesos Capacidad de Proceso Un proceso de fabricación es un conjunto de equipos, materiales, personas y métodos de trabajo que genera un producto fabricado. Maquinaria Métodos
TEMA 4: CONTROL POR VARIABLES Hoja de ejercicios (Entregar el 7 -problema de examen-)
MÉTODOS ESTADÍSTICOS PARA LA MEJORA DE LA CALIDAD INGENIERIA DE TELECOMUNICACIONES TEMA 4: CONTROL POR VARIABLES Hoja de ejercicios (Entregar el 7 -problema de examen-) 1. Un proceso industrial fabrica
Los Gráficos de Control de Shewart
Los Gráficos de Control de Shewart La idea tradicional de inspeccionar el producto final y eliminar las unidades que no cumplen con las especificaciones una vez terminado el proceso, se reemplaza por una
GRAFICOS DE CONTROL DATOS TIPO VARIABLES
GRAFICOS DE CONTROL DATOS TIPO VARIABLES OBJETIVO DEL LABORATORIO El objetivo del presente laboratorio es que el estudiante conozca y que sea capaz de seleccionar y utilizar gráficos de control, para realizar
Indicadores de Proceso
Indicadores de Proceso Los indicadores nos permiten recoger adecuadamente la información relevante respecto a la ejecución y a los resultados de uno o varios PROCESOS, de forma que se pueda determinar
Programa: Tecnología en Control de Calidad
CARTAS (EJERCICIOS) 1. En un cierto proceso de fabricación, una de las operaciones consiste en efectuar un corte en una pieza de plástico. Dicho corte debe tener una profundidad especificada en los planos.
Análisis de la Capacidad o Aptitud de un proceso ( Capítulo 8 ) Control Estadístico de Calidad
Análisis de la Capacidad o Aptitud de un proceso ( Capítulo 8 ) Control Estadístico de Calidad Introducción Cuantificar la variabilidad de un proceso. Analizar esta variabilidad en relación con los requisitos
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.
- Pérdida de imagen - Insatisfacción de los clientes - Disminución de ventas - Disminución del rendimiento del personal - Etc.
COSTES DE LA CALIDAD 1) Costes de la Calidad: Son todos aquellos costes, que conducen a la obtención de la calidad prefijada, en un determinado artículo o servicio. Por ejemplo: - Personal - Material -
Una manera de traducir la expresión Poka Yoke, es A PRUEBA DE ERRORES. Podríamos decir también, que son SISTEMAS ANTIERROR.
POKA YOKE Una manera de traducir la expresión Poka Yoke, es A PRUEBA DE ERRORES. Podríamos decir también, que son SISTEMAS ANTIERROR. Los sistemas antierror, los tenemos implantados en actividades de nuestra
INTRODUCCIÓN AL ANÁLISIS DE DATOS ORIENTACIONES (TEMA Nº 7)
TEMA Nº 7 DISTRIBUCIONES CONTINUAS DE PROBABILIDAD OBJETIVOS DE APRENDIZAJE: Conocer las características de la distribución normal como distribución de probabilidad de una variable y la aproximación de
Distribuciones de muestreo fundamentales y descripciones de datos Muestreo aleatorio
Distribuciones de muestreo fundamentales y descripciones de datos Muestreo aleatorio En ocasiones en que no es posible o conveniente realizar un censo (analizar a todos los elementos de una población),
EJERCICIOS DE SELECTIVIDAD
EJERCICIOS DE SELECTIVIDAD INFERENCIA 1998 JUNIO OPCIÓN A Un fabricante de electrodomésticos sabe que la vida media de éstos sigue una distribución normal con media μ = 100 meses y desviación típica σ
Unidad V. Control Estadístico de la Calidad
UNIVERSIDAD NACIONAL DE INGENIERÍA UNI- NORTE - SEDE REGIONAL ESTELÍ Unidad V. Control Estadístico de la Calidad Objetivos Reconocer los principios estadísticos del control de calidad. Explicar la forma
1. Ejercicios. 2 a parte
1. Ejercicios. 2 a parte Ejercicio 1 Calcule 1. P (χ 2 9 3 33) 2. P (χ 2 15 7 26). 3. P (15 51 χ 2 8 22). 4. P (χ 2 70 82). Ejercicio 2 Si X χ 2 26, obtenga un intervalo [a, b] que contenga un 95 % de
Método Seis Sigma. Maria Soledad Lahitte
Método Seis Sigma Maria Soledad Lahitte Introducción Seis Sigma es el término elegido por Motorola, hace más de 17 años, para denominar su iniciativa de reducción radical de defectos en productos, lo cual
8 Resolución de algunos ejemplos y ejercicios del tema 8.
INTRODUCCIÓN A LA ESTADÍSTICA. GRUPO 71 LADE. 29 8 Resolución de algunos ejemplos y ejercicios del tema 8. 8.1 Ejemplos. Ejemplo 49 Supongamos que el tiempo que tarda en dar respuesta a un enfermo el personal
CONVERSIÓN ENTRE GR / LITRO Y % SPF
CONVERSIÓN ENTRE GR / LITRO Y % SPF En la industria textil, y más concretamente en las industrias dedicadas al ennoblecimiento textil también denominadas del ramo del agua, es frecuente utilizar para definir
EJERCICIOS RESUELTOS DE ESTADÍSTICA II
EJERCICIOS RESUELTOS DE ESTADÍSTICA II RESUMEN DE EJERCICIOS DADOS EN CLASES PARTE I POR: EILEEN JOHANA ARAGONES GENEY DISTRIBUCIONES DOCENTE: JUAN CARLOS V ERGARA SCHMALBACH ESTIMACIÓN PRUEBAS DE HIPÓTESIS
Objetivos. Epígrafes 8-1. Francisco José García Álvarez
Objetivos Entender los fundamentos estadísticos del muestreo de aceptación por variables. Aprender los procedimientos más usados del muestreo de aceptación por variables: Norma militar 414 Epígrafes Introducción
Tema 8. Muestreo. Indice
Tema 8. Muestreo Indice 1. Población y muestra.... 2 2. Tipos de muestreos.... 3 3. Distribución muestral de las medias.... 4 4. Distribución muestral de las proporciones.... 6 Apuntes realizados por José
Ejercicios resueltos
UNIDAD TEMÁTICA 4 Lección 4 VARIABLE ALEATORIA ENUNCIADO 1 Se hacen n lanzamientos independientes con un dado ordinario de 6 lados. Calcula la probabilidad que: (a El mayor de los números obtenidos sea
Síntesis Numérica de una Variable
Relación de problemas 2 Síntesis Numérica de una Variable Estadística 1. En siete momentos del día se observa el número de clientes que hay en un negocio, anotando: 2, 5, 2, 7, 3, 4, 9. Calcular e interpretar
Medidas descriptivas I. Medidas de tendencia central A. La moda
Medidas descriptivas I. Medidas de tendencia central A. La moda Preparado por: Roberto O. Rivera Rodríguez Coaching de matemática Escuela Eduardo Neuman Gandía 1 Introducción En muchas ocasiones el conjunto
MÉTODO DE ANÁLISIS MIGUEL MARTÍNEZ VIGIL CARMEN HERNÁNDEZ CORRAL 64 FORUM CALIDAD 87/97
3.3 MÉTODOS DE ANÁLISIS 0/7 MÉTODO DE ANÁLISIS HISTOGRAMA MIGUEL MARTÍNEZ VIGIL CARMEN HERNÁNDEZ CORRAL 64 FORUM CALIDAD 87/97 3.3 MÉTODO DE TRABAJO 1/7 3.3.1- DEFINICIÓN Un histograma es una representación
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
CURSO VIRTUAL. Acceso a fuentes de información y manejo de redes sociales. Módulo 2
CURSO VIRTUAL Acceso a fuentes de información y manejo de redes sociales Módulo 2 OBJETIVOS Conseguir que el alumno adquiera conocimientos estadísticos que le permitan una lectura comprensiva de la metodología
GLOSARIO ESTADÍSTICO. Fuente: Murray R. Spiegel, Estadística, McGraw Hill.
GLOSARIO ESTADÍSTICO Fuente: Murray R. Spiegel, Estadística, McGraw Hill. CONCEPTOS Y DEFINICIONES ESPECIALES Es el estudio científico de los métodos para recoger, organizar, resumir y analizar los datos
Características de un Proceso: Ficha de Proceso
Características de un Proceso: Ficha de Proceso Se puede considerar a la ficha de proceso, como el soporte de información que tiene por objeto recoger todas aquellas características relevantes para el
Encontrando el área y circunferencia de un círculo. Nombre: Encuentra el área y circunferencia de cada círculo. Los círculos no están a escala.
12 6.5 1a. 113.1 cm 2 1c. 37.7 cm 2a. 132.73 cm 2 20 25 2c. 0. cm 3a. 31.16 cm 2 3c. 62.3 cm a. 0.7 cm 2 c. 7.5 cm.5 5.5 5a. 63.62 cm 2 5c. 2.27 cm 6a. 5.03 cm 2 6c. 3.56 cm 1 0.5 7a. 23.53 cm 2 7c. 5.6
Tema 1: Distribuciones en el muestreo
Tema 1: Distribuciones en el muestreo 1 (transparencias de A. Jach http://www.est.uc3m.es/ajach/) Muestras aleatorias Estadísticos Concepto de distribución muestral Media muestral Distribución muestral
3 ANALISIS DESCRIPTIVO DE LOS DATOS
3 ANALISIS DESCRIPTIVO DE LOS DATOS 3.1 La tabulación de los datos 3.1.1 Tabla de distribución de frecuencias. 3.1.2 El histograma. 3.2 Medidas de tendencia central 3.2.1 La media. 3.2.2 La mediana. 3.2.3
MATERIA: ESTADÍSTICA EJEMPLOS DE POSIBLES PREGUNTAS DE EXAMEN. a. Cuáles son las escalas en que pueden estar los datos en un análisis estadístico.
MATERIA: ESTADÍSTICA EJEMPLOS DE POSIBLES PREGUNTAS DE EXAMEN 1. Conteste las preguntas siguientes: a. Cuáles son las escalas en que pueden estar los datos en un análisis estadístico. 1. 2. 3. 4. b. En
R E S O L U C I Ó N. a) El intervalo de confianza de la media poblacional viene dado por: I. C. z
Un estudio realizado sobre 100 usuarios revela que un automóvil recorre anualmente un promedio de 15.00 Km con una desviación típica de.50 Km. a) Determine un intervalo de confianza, al 99%, para la cantidad
Examen de Matemáticas Aplicadas a las CC. Sociales II (Junio 2015) Selectividad-Opción A Tiempo: 90 minutos
Examen de Matemáticas Aplicadas a las CC. Sociales II (Junio 2015) Selectividad-Opción A Tiempo: 90 minutos Problema 1 (2 puntos) Se considera el sistema de ecuaciones dependiente del parámetro real a:
TEMA 7 EL MODELO DE LA CURVA NORMAL. CONCEPTO Y APLICACIONES
TEMA 7 EL MODELO DE LA CURVA NORMAL. CONCEPTO Y APLICACIONES 1. Puntuaciones diferenciales y puntuaciones típicas 2. La curva normal 3. Cálculo de áreas bajo la curva normal 3.1. Caso 1: Cálculo del número
Unidad 5 Control Estadístico de la Calidad. Administración de Operaciones III
Unidad 5 Control Estadístico de la Calidad Administración de Operaciones III 1 Contenido 1. Antecedentes del control estadístico de la calidad 2. Definición 3. Importancia y aplicación 4. Control estadístico
Medidas de la pieza. Forma-posición elemento
TOLERANCIAS DIMENSIONALES Introducción 1 - Podemos conseguir una dimensión exacta?. - Máquinas están sometidos a: desajustes, deformaciones de tipo elástico y térmico que dan lugar a imperfecciones dimensionales.
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
AYUDANTÍA 2: RIESGO EN PROYECTOS
AYUDANTÍA 2: RIESGO EN PROYECTOS ICC2302 INGENIERÍA DE CONSTRUCCIÓN 1 2008 TEMARIO Estimación de Costos de Proyectos Estimación Preliminar Estimación Conceptual Estimación Detallada Estimación Definitiva
11 Control estadístico de procesos
11 Control estadístico de procesos Consideremos que el proceso de relleno de botellas de agua mencionado en el capítulo 3, que tenía de especificaciones 00 ± cm 3, está en estado de control rellenando
Técnicas de Muestreo Métodos
Muestreo aleatorio: Técnicas de Muestreo Métodos a) unidad muestral elemental: a.1) muestreo aleatorio simple a.2) muestreo (seudo)aleatorio sistemático a.3) muestreo aleatorio estratificado b) unidad
Tabla de frecuencias agrupando los datos Cuando hay muchos valores distintos, los agruparemos en intervalos (llamados clases) de la misma amplitud.
1. TABLAS Y GRÁFICOS ESTADÍSTICOS Estadística Es la ciencia que estudia conjunto de datos obtenidos de la realidad. Estos datos son interpretados mediante tablas, gráficas y otros parámetros tales como
Estadística y sus aplicaciones en Ciencias Sociales 6. Prueba de hipótesis. Facultad de Ciencias Sociales, UdelaR
Estadística y sus aplicaciones en Ciencias Sociales 6. Prueba de hipótesis Facultad de Ciencias Sociales, UdelaR Índice 1. Introducción: hipótesis estadística, tipos de hipótesis, prueba de hipótesis 2.
Fundamentos de Estadística y Simulación Básica
Fundamentos de Estadística y Simulación Básica TEMA 2 Estadística Descriptiva Clasificación de Variables Escalas de Medición Gráficos Tabla de frecuencias Medidas de Tendencia Central Medidas de Dispersión
LA CAPACIDAD DE UN PROCESO DE CUMPLIR LOS REQUISITOS DEL CLIENTE DEPENDE DE SU VARIABILIDAD.
Procesos: Siempre tienen variabilidad LA CAPACIDAD DE UN PROCESO DE CUMPLIR LOS REQUISITOS DEL CLIENTE DEPENDE DE SU VARIABILIDAD. Alfredo Serpell Ingeniero civil industrial UC Phd University of Texas
UNIVERSIDAD AUTÓNOMA DEL ESTADO DE MÉXICO
UNIVERSIDAD AUTÓNOMA DEL ESTADO DE MÉXICO CENTRO UNIVERSITARIO UAEM ZUMPANGO LICENCIATURA EN TURISMO UNIDAD DE APRENDIZAJE: ESTADISTICA TEMA 1.5 : ESTADISTICA DESCRIPTIVA M. EN C. LUIS ENRIQUE KU MOO FECHA:
INFERENCIA ESTADÍSTICA
INFERENCIA ESTADÍSTICA 1. DEFINICIÓN DE INFERENCIA ESTADÍSTICA Llamamos Inferencia Estadística al proceso de sacar conclusiones generales para toda una población a partir del estudio de una muestra, así
Unidad Temática 3: Probabilidad y Variables Aleatorias
Unidad Temática 3: Probabilidad y Variables Aleatorias 1) Qué entiende por probabilidad? Cómo lo relaciona con los Sistemas de Comunicaciones? Probabilidad - Definiciones Experimento aleatorio: Un experimento
Conceptos Básicos de Inferencia
Conceptos Básicos de Inferencia Intervalos de confianza Álvaro José Flórez 1 Escuela de Estadística Facultad de Ingenierías Febrero - Junio 2012 Inferencia Estadística Cuando obtenemos una muestra, conocemos
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
ESTADISTICA GENERAL. PRINCIPALES DISTRIBUCIONES CONTINUAS Profesor: Celso Celso Gonzales
ESTADISTICA GENERAL PRINCIPALES DISTRIBUCIONES CONTINUAS Profesor: Celso Celso Gonzales OBJETIVOS Describir las características de las distribuciones de probabilidad : Normal, Ji-cuadrado, t de student
Muestreo y Distribuciones en el Muestreo
Muestreo y Distribuciones en el Muestreo Departamento de Estadística-FACES-ULA 03 de Abril de 2013 Introducción al Muestreo En algunas ocaciones es posible y práctico examinar a cada individuo en el Universo
REPASO DE ESTADÍSTICA DESCRIPTIVA
ÍNDICE: 1.- Tipos de variables 2.- Tablas de frecuencias 3.- Gráficos estadísticos 4.- Medidas de centralización 5.- Medidas de dispersión REPASO DE ESTADÍSTICA DESCRIPTIVA 1.- Tipos de variables La estadística
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
Tema 6. Variables aleatorias continuas
Tema 6. Variables aleatorias continuas Resumen del tema 6.1. Definición de variable aleatoria continua Identificación de una variable aleatoria continua X: es preciso conocer su función de densidad, f(x),
Generalidades 1. Sea X una variable aleatoria continua con función densidad dada por
Generalidades 1. Sea X una variable aleatoria continua con función dendad dada por kt f ( t ) = 0 1 t en otro caso Determine a) el valor de la constante k b) E(X) y V(X) c) la función de distribución acumulada
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,
Resolución gráfica de problemas de ajustes y tolerancias
Resolución gráfica de problemas de ajustes y tolerancias Encarnación Peris Sanchis RESUMEN En este trabajo se presenta un método gráfico que pretende facilitar la resolución de problemas de ajustes y tolerancias.
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
TEMA 3. Algunos modelos de probabilidad de tipo discreto. 3.1 Al finalizar el tema el alumno debe conocer...
TEMA 3. Algunos modelos de probabilidad de tipo discreto En este capítulo se abordan «familias» muy específicas de probabilidad, que con cierta frecuencia se nos presentan en el mundo real. Van a ser distribuciones
Datos cuantitativos. Método tabular
Datos cuantitativos Cuando la muestra consta de 30 o más datos, lo aconsejable es agrupar los datos en clases y a partir de estas determinar las características de la muestra y por consiguiente las de
Práctica 8: Test de hipótesis
: Test de hipótesis 1. Un director de manufactura debe convencer a la gerencia que un nuevo método de fabricación reduce los costos, antes de poder implementarlo. El método actual funciona con un costo
Tema 6. Estadística Descriptiva e Introducción a la Inferencia Estadística
Tema 6. Estadística Descriptiva e Introducción a la Inferencia Estadística Fuente de los comics: La Estadística en Comic. LarryGonicky Woollcatt Smith. Ed. ZendreraZariquiey, 1999 ESTADÍSTICA ESTADÍSTICA
PROBLEMAS DE DISTRIBUCIÓN NORMAL Y INTERVALOS DE CONFIANZA MATEMÁTICAS APLICADAS A LAS CC.SOCIALES II
PROBLEMAS DE DISTRIBUCIÓN NORMAL Y INTERVALOS DE CONFIANZA MATEMÁTICAS APLICADAS A LAS CC.SOCIALES II 1.- Las tallas de una muestra de 1000 personas siguen una distribucióormal de media 1,76 metros y desviación
TEMA II DISTRIBUCION DE FRECUENCIA
TEMA II DISTRIBUCION DE FRECUENCIA 1. Cuestiones preliminares sobre Distribución de Frecuencia.. Distribución de frecuencia cuando la variable es discreta. 3. Distribución de frecuencia agrupada cuando
Teoría de muestras. Distribución de variables aleatorias en el muestreo. 1. Distribución de medias muestrales
Teoría de muestras Distribución de variables aleatorias en el muestreo 1. Distribución de medias muestrales Dada una variable estadística observada en una población, se puede calcular se media y su desviación
PLATAFORMA GESTIÓN INTEGRAL DE PRODUCCIÓN GESTIÓN DE OPERACIONES
PLATAFORMA GESTIÓN INTEGRAL DE PRODUCCIÓN GESTIÓN DE OPERACIONES CONTROL DE CALIDAD CONTROL ESTADÍSTICO DE PROCESO Avanzar hacia la excelencia operacional es clave para la mejora de la competitividad de
Análisis de la varianza. Magdalena Cladera Munar Departamento de Economía Aplicada Universitat de les Illes Balears
Análisis de la varianza Magdalena Cladera Munar [email protected] Departamento de Economía Aplicada Universitat de les Illes Balears CONTENIDOS Análisis de la varianza de un factor. Análisis de la varianza
PROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 2011 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES TEMA 6: TEORÍA DE MUESTRAS
PROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 011 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES TEMA 6: TEORÍA DE MUESTRAS Junio, Ejercicio 4, Opción B Reserva 1, Ejercicio 4, Opción B Reserva, Ejercicio
Modelos de PERT/CPM: Probabilístico
INSTITUTO POLITÉCNICO NACIONAL ESCUELA SUPERIOR DE CÓMPUTO Modelos de PERT/CPM: Probabilístico M. En C. Eduardo Bustos Farías 1 Existen proyectos con actividades que tienen tiempos inciertos, es decir,
Z i
Medidas de Variabilidad y Posición. Jesús Eduardo Pulido Guatire, marzo 010 Cuando trabajamos el aspecto denominado Medidas de Tendencia Central se observó que tanto la media como la mediana y la moda
Caso particular: Contraste de homocedasticidad
36 Bioestadística: Métodos y Aplicaciones 9.5.5. Caso particular: Contraste de homocedasticidad En la práctica un contraste de gran interés es el de la homocedasticidad o igualdad de varianzas. Decimos
Fase 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.
PROBLEMAS ESTADÍSTICA I
PROBLEMAS ESTADÍSTICA I INGENIERÍA TÉCNICA EN INFORMÁTICA CURSO 2002/2003 Estadstica Descriptiva Unidimensional 1. Un edificio tiene 45 apartamentos con el siguiente número de inquilinos: 2 1 3 5 2 2 2
INFERENCIA ESTADISTICA
INFERENCIA ESTADISTICA ESTIMACION 2 maneras de estimar: Estimaciones puntuales x s 2 Estimaciones por intervalo 2 ESTIMACION Estimaciones por intervalo Limites de Confianza LCI
ANALISIS DE FRECUENCIA EN HIDROLOGIA
ANALISIS DE FRECUENCIA EN HIDROLOGIA Luis F. Carvajal Julián D. Rojo Universidad Nacional de Colombia Facultad de Minas Escuela de Geociencias y Medio Ambiente Introducción 1. Los eventos hidrológicos
Estadísticas Pueden ser
Principios Básicos Para iniciar en el curso de Diseño de experimentos, es necesario tener algunos conceptos claros en la parte de probabilidad y estadística. A continuación se presentan los conceptos más
UNIVERSIDADES PÚBLICAS DE LA COMUNIDAD DE MADRID
UNIVERSIDADES PÚBLICAS DE LA COMUNIDAD DE MADRID PRUEBA DE ACCESO A LAS ENSEÑANZAS UNIVERSITARIAS OFICIALES DE GRADO Curso 2014-2015 MATERIA: MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES II INSTRUCCIONES
Ejercicios resueltos
UNIDAD TEMÁTICA 7 CONTRASTE DE HIPÓTESIS ENUNCIADO 1 Se ha realizado una encuesta en una población mediante una muestra de 200 personas resultando 72 fumadores. (a Estima la proporción de fumadores así
Tema 7. Variables Aleatorias Continuas
Presentación y Objetivos. Tema 7. Variables Aleatorias Continuas En este tema se propone el estudio de las variables aleatorias continuas más importantes, desde la más simple incrementando el grado de
Estadística para el análisis de los Mercados S2_A1.1_LECV1
5. Parámetros estadísticos. 5.1. Parámetros de centralización. Estos parámetros nos indican en torno a que puntos se encuentran los valores de la variable cuantitativa en estudio. Es la forma de representar
07/12/2009 CARACTERÍSTICAS PRINCIPALES GRAFICOS DE CONTROL POR ATRIBUTOS DEFINICIÓN
GRAFICOS DE CONTROL POR ATRIBUTOS DEFINICIÓN Son Gráficos de Control basados en la observación de la presencia o ausencia de una determinada característica, o de cualquier tipo de defecto en el producto,
= 134, 5 Tercer cuartil: Q 3 = Pueden considerarse normales. =2 P 10 = 118 horas. f(x) =
SOLUCIONES AL EXAMEN DE MÉTODOS ESTADÍSTICOS 2 0 ITIE. 19 /01/2009 1. X = 132, 25 Mediana: M e = 134 + 135 2 = 134, 5 Tercer cuartil: Q 3 = 140 + 141 2 = 140, 5 11 288 12 11267 13 04566 14 0127 15 12 Pueden
MEDIDAS DE TENDENCIA CENTRAL
MEDIDAS DE TENDENCIA CENTRAL Al describir grupos de observaciones, con frecuencia es conveniente resumir la información con un solo número. Este número que, para tal fin, suele situarse hacia el centro
EJERCICIOS DE PRUEBA DE HIPOTESIS
EJERCICIOS DE PRUEBA DE HIPOTESIS Protocolo 1. Identifique la aseveración original que se probará y exprésela en forma simbólica 1. 2. Dar la forma simbólica que debe ser verdad si la aseveración original
PROBLEMAS TEMA 2: TEORÍA DE COLAS. Curso 2013/2014
PROBLEMAS TEMA 2: TEORÍA DE COLAS. Curso 2013/2014 1. Un nuevo restaurante de comida rápida tiene una sola caja. En media, los clientes llegan a la caja con una tasa de 20 a la hora. Las llegadas se suponen
INTERVALOS DE CONFIANZA Julián de la Horra Departamento de Matemáticas U.A.M.
1 Introducción INTERVALOS DE CONFIANZA Julián de la Horra Departamento de Matemáticas U.A.M. En este capítulo, vamos a abordar la estimación mediante Intervalos de Confianza, que es otro de los tres grandes
MATERIA: CONTROL ESTADÍSTICO DEL PROCESO GRADO: ENCARGADA DE LA MATERIA: LIC. EDGAR GERARDO MATA ORTIZ TEMA: INTERPRETACIÓN DE HISTOGRAMAS
MATERIA: CONTROL ESTADÍSTICO DEL PROCESO GRADO: 3C ENCARGADA DE LA MATERIA: LIC. EDGAR GERARDO MATA ORTIZ TEMA: INTERPRETACIÓN DE HISTOGRAMAS INTEGRANTES DEL EQUIPO: ELIZABETH GRIJALVA ROCHA KAREN LIZETH
EJERCICIOS RESUELTOS DE ESTADÍSTICA II
EJERCICIOS RESUELTOS DE ESTADÍSTICA II RESUMEN DE EJERCICIOS DADOS EN CLASES POR: EILEEN JOHANA ARAGONES GENEY DISTRIBUCIONES DOCENTE: JUAN CARLOS VERGARA SCHMALBACH ESTIMACIÓN PRUEBAS DE HIPÓTESIS Grupo
Medidas de variabilidad (dispersión)
Medidas de posición Las medidas de posición nos facilitan información sobre la serie de datos que estamos analizando. Estas medidas permiten conocer diversas características de esta serie de datos. Las
Conceptos 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
