Análisis de Capabilidad (Defectos Por Unidad)

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

Download "Análisis de Capabilidad (Defectos Por Unidad)"

Transcripción

1 Análss de Capabldad (Defectos Por Undad) STATGRAPHICS Rev. 9/4/26 Este procedento esta dseñado para estar la eda del núero de defectos por undad sobre una poblacón basándose en uestras de artículos de esa poblacón. Para cada artículo, se cuenta el núero de defectos. Los datos para este análss conssten de uestras de una poblacón detallando: n d = núero de artículos en la uestra = núero de defectos suados sobre todos los artículos en la uestra Ejeplo StatFolo: attcap2.sgp Datos del Ejeplo: El archvo boards.sf3 contene la nforacón sobre = 26 uestras, cada una consste de n = tarjeta de crcutos ntegrados. Los datos fueron toados de Montgoery (25). Cada tarjeta fue nspecconada y el núero de defectos sobre la tarjeta fue tabulado. La tabla de abajo uestra una lsta parcal de los datos en el archvo: saple (uestra) n defects (defectos) Entrada de Datos La caja de dalogo requere nforacón acerca de cada uestra. 26 por StatPont, Inc. Análss de la Capacdad (Defectos Por Undad) -

2 Núero de Defectos: Una coluna nuérca contenendo el núero total de defectos d encontrado sobre los artículos de la uestra, una fla para cada uestra. Taaño de Muestra: El taaño de uestra n. Ingrese cualquera de las dos; el nobre de una coluna nuérca o un solo núero s todos los taaños de uestra son guales. Objetvo de Defectos por Undad: El valor objetvo del proceso es dado por un porcentaje edo de defectos por artículo. S es ngresado, este valor se puede ndcar sobre los gráfcos. Seleccón: Seleccón de un subconjunto de los datos. Resuen del Análss El Resuen del Análss resue la entrada de los datos y desplega la estacón de la capacdad del proceso. Análss Capacdad de Procesos (Defectos por Undad) - defects Datos/Varable: defects Meta:.2 Dstrbucón: Posson núero de uestras = 26 taaño proedo de uestra =. defectos por undad proedo = Estado Líte Inferor 95% Líte Superor 95% Defectos por undad proedo Lítes de toleranca (taaño de uestra proedo) 2 29 Iportantes cálculos en la salda ncluyen: Dstrbucón: La dstrbucón asuda para los datos. Por defecto es Posson, la cual es apropada s la varanza es aproxadaente gual a la eda. S la varanza es ayor que la 26 por StatPont, Inc. Análss de la Capacdad (Defectos Por Undad) - 2

3 eda, entonces la dstrbucón bnoal negatva puede selecconarse usando Opcones del Análss. Nuero de Muestras: El núero de uestras. Taaño de Muestra Proedo: El taaño proedo de las uestras: n = n () = / Meda de Defectos por Undad: El núero proedo de defectos por artículos, calculados de u = = = d n (2) Un ntervalo de confanza para la poblacón eda de defectos por artículo tabén será desplegado. Lítes de Toleranca para el Taaño de Muestra Proedo: Un ntervalo de toleranca (-α)% para el núero total de defectos en la uestra de taaño n. Este ntervalo se calcula encontrando el rango de X para la dstrbucón estada que no deja ás que α/2 en cada cola. Para el ejeplo actual, la estacón de la eda de defectos por undad es u =.985. Dado el taaño de uestra, el argen del error es tal que los ntervalos de confanza al 95% para la verdadera eda de defectos por undad están en un rango de.87 a.263. El ntervalo de toleranca ndca que al 95% de todas las uestras sobre artículos toados de la poblacón se puede esperar que estén contendos entre 2 y 29 defectos. 26 por StatPont, Inc. Análss de la Capacdad (Defectos Por Undad) - 3

4 Opcones del Análss STATGRAPHICS Rev. 9/4/26 Dstrbucón: Seleccone la dstrbucón Posson s la varanza de la poblacón es aproxadaente gual a la eda. S la varanza es ayor que la eda, entonces seleccone la dstrbucón Bnoal Negatva. K: S la dstrbucón Bnoal Negatva es selecconado, puede especfcar el valor para el paráetro k ngresando un núero ayor que dejando el capo en blanco s desea que el prograa esta k de los datos. Lítes de Confanza: Seleccone Intervalos de Dos-Colas para ltes nferor y superor alrededor de la eda de defectos por undad o un Lte de Confanza Superor s solaente se desea un lte superor. Nvel de Confanza: Especfca el porcentaje para los ntervalos de confanza y los ltes de toleranca, generalente 9, 95, o 99. Gráfco de Capacdad El Gráfco de Capacdad uestra un hstograa de los datos juntos con la dstrbucón estada (ostrada por los puntos síbolos). 26 por StatPont, Inc. Análss de la Capacdad (Defectos Por Undad) - 4

5 5 2 Capacdad de Proceso para defects.2 DPU Meda: frecuenca defects La línea vertcal larga corresponde al valor objetvo. Las líneas vertcales cortas corresponden a los lítes de toleranca ostrados en el Resuen del Análss. Al argen derecho del gráfco se desplega el núero proedo de defectos en una uestra de taaño proedo. Prueba de Bondad-del-Ajuste El panel Prueba de Bondad-del-Ajuste desarrolla una prueba Ch-Cuadrada para deternar cuando los datos uéstrales pueden tener razonableente un coportaento de la dstrbucón asuda. Pruebas de Bondad-de-Ajuste para defects Prueba Ch-Cuadrada Inferor Superor Observada Esperada Líte Líte Frecuenca Frecuenca Ch-Cuadrada enor o gual en ó por enca de Ch-Cuadrada = con 8 g.l. Valor-P = El rango de los datos es dvddo en ntervalos, cada uno representando un rango de posbles núeros de defectos en una uestra. Las clases son estructuradas de tal anera que el núero de valores esperados sobre los datos por cada clase sea enor que 2. El estadístco de nterés praro es el Valor-P. El Valor-P debajo de α ndca sgnfcanca en la salda de la dstrbucón asuda a un nvel de sgnfcanca del α%. Por ejeplo, puesto que 26 por StatPont, Inc. Análss de la Capacdad (Defectos Por Undad) - 5

6 el Valor-P en la tabla anteror esta ben debajo de.5, no hay una sgnfcanca de salda de la dstrbucón Posson asuda en un nvel de sgnfcacón del 5%. La prueba es exacta s los taaños de uestra son guales para todos. Será una aproxacón s los taaños de uestra son dferentes. Gráfco de Probabldad El Gráfco de Probabldad es utlzado para deternar cualquer dscrepanca entre los datos y la dstrbucón asuda. Gráfca de Probabldad 4 Meda= defects Posson Dstrbucón El eje vertcal uestra los datos, ordenados de ayor a enor, ostrando el nuero de defecto en la uestra. Cada punto es grafcado contra un perceptl equvalente a la dstrbucón estada. Perténdose para los datos dscretos, que los puntos pueden fallar aproxadaente a través de la línea dagonal. En el gráfco anteror, los datos uestran que parece tener una salda sgnfcatva para la dstrbucón Posson, con los datos extendéndose sobre abas dreccones que pueden esperarse para una dstrbucón Posson. 26 por StatPont, Inc. Análss de la Capacdad (Defectos Por Undad) - 6

7 Gráfco de Corrda Este Gráfco uestra los datos en orden secuencal con una línea horzontal que se dbuja sobre el valor objetvo..4 Carta de Secuencas para defects defectos por undad uestra Idealente, los puntos pueden varar aleatoraente alrededor de la línea objetvo. Gráfco de Control Este panel uestra un gráfco u para los datos uéstrales..4 Gráfco u para defects defectos por undad uestra Cada valor de los datos se grafca junto con la línea central y los lítes de control. En este caso, 2 puntos que están fuera de los lítes de control son señales de que el proceso no esta en un estado de control estadístco, lo cual probableente se debe a las aparentes colas prolongadas. 26 por StatPont, Inc. Análss de la Capacdad (Defectos Por Undad) - 7

8 Coparacón de Dstrbucones Alternatvas Este panel desplega los resultados de la prueba de bondad-del-ajuste para la dstrbucón Posson y la dstrbucón bnoal negatva. Coparacón de Dstrbucones Alternas Dstrbucón K Log Verosltud Ch-Cuadrada P Posson Bnoal Negatva Las ejores estacones de las dstrbucones deben tener: Valores grandes de la funcón de la log verosltud. Valores grandes del Valor-P en la Ch-Cuadrada. En la tabla anteror, las estadístcas ás grandes son para la dstrbucón bnoal negatva, sugrendo que se cabe para ver s es posble encontrar un ejor ajuste. La dstrbucón bnoal negatva estada se uestra abajo: Gráfca de Probabldad 4 3 Prob. Evento= Acertos=2.58 defects Bnoal Negatva Dstrbucón Los lítes de control son ás aplos que para la dstrbucón Posson, puesto que la varanza de la dstrbucón estada es ayor: 26 por StatPont, Inc. Análss de la Capacdad (Defectos Por Undad) - 8

9 Gráfco u para defects.5 defectos por undad uestra. El gran pacto usando la dstrbucón bnoal negatva en lugar de la dstrbucón Posson es sobre un ntervalo de toleranca al 95%, la cual ahora se extende de 8 a 36 en lugar del 2 al 29. Cuando la dstrbucón de verdad es una bnoal negatva o la ejor estacón es una anfestacón de un fuera-de-control del proceso que puede requerr una nvestgacón a detalle. 26 por StatPont, Inc. Análss de la Capacdad (Defectos Por Undad) - 9

10 Cálculos STATGRAPHICS Rev. 9/4/26 Intervalo de Confanza para la Meda de Defectos por Undad Para la dstrbucón Posson 2 Χ 2 α / 2,2x = n 2 Χ, 2 α / 2,2( x+ ) = n (3) donde x = d = (4) S los datos son asudos con una dstrbucón bnoal negatva, entonces el ntervalo de confanza esta calculado usando una aproxacón noral. kˆ pˆ u ± z α / a (5) 2 2 n pˆ S el capo de k sobre la caja de dalogo Opcones del Análss es dejado en blanco, entonces abos paráetros serán estados de los datos un p ˆ = donde 2 s d s 2 d es el so ejeplo de varanzas de las d s (6) pun kˆ ˆ = (7) pˆ Un ensaje de error será presentado s datos es enor que la eda. pˆ es ayor que, lo cual ocurrrá s la varacón de los S un valor para k es proporconado sobre la caja de dalogo de Opcones del Análss, entonces solaente p será estado de acuerdo a los datos por k pˆ = (8) d + k 26 por StatPont, Inc. Análss de la Capacdad (Defectos Por Undad) -

11 Gráfco de Control STATGRAPHICS Rev. 9/4/26 Línea Central: u = = = d n (9) Lítes de Control: u u ± 3 S es Posson () n kˆ( pˆ) u ± 3 2 ) S es bnoal negatva () 2 n p 26 por StatPont, Inc. Análss de la Capacdad (Defectos Por Undad) -

Análisis de Weibull. StatFolio de Muestra: Weibull analysis.sgp

Análisis de Weibull. StatFolio de Muestra: Weibull analysis.sgp Análss de Webull Resumen El procedmento del Análss de Webull está dseñado para ajustar una dstrbucón de Webull a un conjunto de n observacones. Es comúnmente usado para analzar datos representando tempos

Más detalles

Regresión Binomial Negativa

Regresión Binomial Negativa Regresón Bnomal Negatva Resumen El procedmento Regresón Bnomal Negatva está dseñado para ajustar un modelo de regresón en el cual la varable dependente Y consste de conteos. El modelo de regresón ajustado

Más detalles

Riesgos Proporcionales de Cox

Riesgos Proporcionales de Cox Resgos Proporconales de Cox Resumen El procedmento Resgos Proporconales de Cox esta dseñado para ajustar un modelo estadístco sem-parámetrco a los tempos de falla de una o mas varables predctoras. Los

Más detalles

Pruebas Estadísticas de Números Pseudoaleatorios

Pruebas Estadísticas de Números Pseudoaleatorios Pruebas Estadístcas de Números Pseudoaleatoros Prueba de meda Consste en verfcar que los números generados tengan una meda estadístcamente gual a, de esta manera, se analza la sguente hpótess: H 0 : =

Más detalles

UNIVERSIDAD DE PUERTO RICO

UNIVERSIDAD DE PUERTO RICO UNIVERSIDAD DE PUERTO RICO RECINTO DE RIO PIEDRAS FACULTAD DE ADMINISTRACION DE EMPRESAS Insttuto de Estadístca y Ssteas Coputadorzados de Inforacón MUESTREO con R Preparado por: José Carlos Vega Vlca,

Más detalles

Análisis de Capabilidad (Porcentaje Defectuoso)

Análisis de Capabilidad (Porcentaje Defectuoso) Análisis de Capabilidad (Porcentaje Defectuoso) STATGRAPHICS Rev. 9/4/2006 Este procedimiento esta diseñado para estimar el porcentaje de artículos defectuosos en una población basándose en muestra de

Más detalles

INTRODUCCIÓN. Técnicas estadísticas

INTRODUCCIÓN. Técnicas estadísticas Tema : Estadístca Descrptva Undmensonal ITRODUCCIÓ Fenómeno determnsta: al repetrlo en déntcas condcones se obtene el msmo resultado. (Ejemplo: lómetros recorrdos en un ntervalo de tempo a una velocdad

Más detalles

2 Descripción de Datos Univariados.

2 Descripción de Datos Univariados. Descrpcón de Datos Unvarados.. Meddas de Tendenca Central. El análss estadístco propaente dcho, parte de la búsqueda de paráetros sobre los cuales pueda recaer la representacón de toda la noracón. Las

Más detalles

Estadísticos muéstrales

Estadísticos muéstrales Estadístcos muéstrales Una empresa dedcada al transporte y dstrbucón de mercancías, tene una plantlla de 50 trabajadores. Durante el últmo año se ha observado que 5 trabajadores han faltado un solo día

Más detalles

Problemas donde intervienen dos o más variables numéricas

Problemas donde intervienen dos o más variables numéricas Análss de Regresón y Correlacón Lneal Problemas donde ntervenen dos o más varables numércas Estudaremos el tpo de relacones que exsten entre ellas, y de que forma se asocan Ejemplos: La presón de una masa

Más detalles

3. VARIABLES ALEATORIAS.

3. VARIABLES ALEATORIAS. 3. VARIABLES ALEATORIAS. Una varable aleatora es una varable que toma valores numércos determnados por el resultado de un epermento aleatoro (no hay que confundr la varable aleatora con sus posbles valores)

Más detalles

Deducción de parámetros y comportamiento

Deducción de parámetros y comportamiento Captulo 7. Deduccón de paráetros y coportaento presto por el odelo 287 Capítulo 7: presto por el odelo Deduccón de paráetros y coportaento S ben la utlzacón del odelo consttuto planteado requere la deternacón

Más detalles

Para construir un diagrama de tallo y hoja seguimos los siguientes pasos:

Para construir un diagrama de tallo y hoja seguimos los siguientes pasos: UNIDAD 2: Gráfcos estadístcos Los gráfcos muestran vsualmente y de forma rápda la dstrbucón de los datos y sus prncpales característcas, consttuyen un mportante complemento en la presentacón de la nformacón.

Más detalles

TEMA III EL ANÁLISIS DE REGRESIÓN LINEAL MÚLTIPLE

TEMA III EL ANÁLISIS DE REGRESIÓN LINEAL MÚLTIPLE TEMA III EL ANÁLISIS DE REGRESIÓN LINEAL MÚLTIPLE LECTURA OBLIGATORIA Regresón Lneal Múltple. En Ral, A. y Varela, J. (008). Estadístca Práctca para la Investgacón en Cencas de la Salud. Coruña: Netbblo.

Más detalles

Modelos unifactoriales de efectos aleatorizados

Modelos unifactoriales de efectos aleatorizados Capítulo 4 Modelos unfactorales de efectos aleatorzados En el modelo de efectos aleatoros, los nveles del factor son una muestra aleatora de una poblacón de nveles. Este modelo surge ante la necesdad de

Más detalles

Tema 3. Estadísticos univariados: tendencia central, variabilidad, asimetría y curtosis

Tema 3. Estadísticos univariados: tendencia central, variabilidad, asimetría y curtosis Tema. Estadístcos unvarados: tendenca central, varabldad, asmetría y curtoss 1. MEDIDA DE TEDECIA CETRAL La meda artmétca La medana La moda Comparacón entre las meddas de tendenca central. MEDIDA DE VARIACIÓ

Más detalles

Mª Dolores del Campo Maldonado. Tel: :

Mª Dolores del Campo Maldonado. Tel: : Mª Dolores del Campo Maldonado Tel: : 918 074 714 e-mal: ddelcampo@cem.mtyc.es Documentacón de referenca nternaconalmente aceptada ISO/IEC GUIDE 98-3:008 Uncertanty of measurement Part 3: Gude to the n

Más detalles

EJERCICIOS RESUELTOS TEMA 2

EJERCICIOS RESUELTOS TEMA 2 EJERCICIOS RESUELTOS TEMA.1. La Moda, para el grupo de Varones de la Tabla 1, es: A) 4,5; B) 17; C) 60.. Con los datos de la Tabla 1, la meda en para las Mujeres es: A) gual a la meda para los Varones;

Más detalles

Media es la suma de todas las observaciones dividida por el tamaño de la muestra.

Media es la suma de todas las observaciones dividida por el tamaño de la muestra. Estadístcos Los estadístcos son valores calculados con los datos de una varable cuanttatva y que mden alguna de las característcas de la dstrbucón muestral. Las prncpales característcas son: tendenca central,

Más detalles

Tema 8 - Estadística - Matemáticas CCSSI 1º Bachillerato 1

Tema 8 - Estadística - Matemáticas CCSSI 1º Bachillerato 1 Tema 8 - Estadístca - Matemátcas CCSSI 1º Bachllerato 1 TEMA 8 - ESTADÍSTICA 8.1 NOCIONES GENERALES DE ESTADÍSTICA 8.1.1 INTRODUCCIÓN Objetvo: La estadístca tene por objeto el desarrollo de técncas para

Más detalles

Organización y resumen de datos cuantitativos

Organización y resumen de datos cuantitativos Organzacón y resumen de datos cuanttatvos Contendos Organzacón de datos cuanttatvos: dagrama de tallos y hojas, tablas de frecuencas. Hstogramas. Polígonos. Ojvas ORGANIZACIÓN Y RESUMEN DE DATOS CUANTITATIVOS

Más detalles

MEDIDAS ELÉCTRICAS. Incertidumbre en las Mediciones. Introducción a la. según la Guía del Comité. Internacional de Pesas y Medidas

MEDIDAS ELÉCTRICAS. Incertidumbre en las Mediciones. Introducción a la. según la Guía del Comité. Internacional de Pesas y Medidas MEDIDAS ELÉCTRICAS Introduccón a la Incertdubre en las Medcones según la Guía del Coté Internaconal de Pesas y Meddas Ing. Rcardo Das Año 016 Incertdubre en las Medcones La expresón del resultado de una

Más detalles

PARÁMETROS GENÉTICOS DE LA FERTILIDAD EN DOS LÍNEAS DE CONEJO DE DIFERENTE APTITUD

PARÁMETROS GENÉTICOS DE LA FERTILIDAD EN DOS LÍNEAS DE CONEJO DE DIFERENTE APTITUD PARÁMETROS GENÉTICOS DE LA FERTILIDAD EN DOS LÍNEAS DE CONEJO DE DIFERENTE APTITUD M. PILES 1, O. RAFEL 1, J. RAMON 1, L. VARONA 1 IRTA Untat de Cuncultura, Torre Marón s/n., 08140 Caldes de Montbuí, Barcelona.

Más detalles

Histogramas: Es un diagrama de barras pero los datos son siempre cuantitativos agrupados en clases o intervalos.

Histogramas: Es un diagrama de barras pero los datos son siempre cuantitativos agrupados en clases o intervalos. ESTADÍSTICA I. Recuerda: Poblacón: Es el conjunto de todos los elementos que cumplen una determnada propedad, que llamamos carácter estadístco. Los elementos de la poblacón se llaman ndvduos. Muestra:

Más detalles

Población: Es el conjunto de todos los elementos cuyo conocimiento nos interesa y serán objeto de nuestro estudio.

Población: Es el conjunto de todos los elementos cuyo conocimiento nos interesa y serán objeto de nuestro estudio. Tema 9 - Estadístca - Matemátcas B 4º E.S.O. 1 TEMA 9 - ESTADÍSTICA 9.1 DOS RAMAS DE LA ESTADÍSTICA 9.1.1 - INTRODUCCIÓN La estadístca tene por objeto el desarrollo de técncas para el conocmento numérco

Más detalles

Diseño y Análisis de Experimentos en el SPSS 1

Diseño y Análisis de Experimentos en el SPSS 1 Dseño y Análss de Expermentos en el SPSS EJEMPLO. Los sguentes datos muestran las meddas de hemoglobna (gramos por 00 ml) en la sangre de 40 ejemplares de una espece de truchas marrones. Las truchas se

Más detalles

7ª SESIÓN: Medidas de concentración

7ª SESIÓN: Medidas de concentración Curso 2006-2007 7ª Sesón: Meddas de concentracón 7ª SESIÓN: Meddas de concentracón. Abrr el rograma Excel. 2. Abrr el lbro utlzado en las ráctcas anterores. 3. Insertar la Hoja7 al fnal del lbro. 4. Escrbr

Más detalles

Maestría en Administración. Medidas Descriptivas. Formulario e Interpretación. Dr. Francisco Javier Cruz Ariza

Maestría en Administración. Medidas Descriptivas. Formulario e Interpretación. Dr. Francisco Javier Cruz Ariza Maestría en Admnstracón Meddas Descrptvas Formularo e Interpretacón Dr. Francsco Javer Cruz Arza A contnuacón mostramos el foco de atencón de las dstntas meddas que abordaremos en el presente manual. El

Más detalles

A. Una pregunta muy particular que se puede hacer a una distribución de datos es de qué magnitud es es la heterogeneidad que se observa.

A. Una pregunta muy particular que se puede hacer a una distribución de datos es de qué magnitud es es la heterogeneidad que se observa. MEDIDA DE DIPERIÓ A. Una pregunta muy partcular que se puede hacer a una dstrbucón de datos es de qué magntud es es la heterogenedad que se observa. FICHA º 18 Las meddas de dspersón generalmente acompañan

Más detalles

Tema 1: Estadística Descriptiva Unidimensional Unidad 2: Medidas de Posición, Dispersión y de Forma

Tema 1: Estadística Descriptiva Unidimensional Unidad 2: Medidas de Posición, Dispersión y de Forma Estadístca Tema 1: Estadístca Descrptva Undmensonal Undad 2: Meddas de Poscón, Dspersón y de Forma Área de Estadístca e Investgacón Operatva Lceso J. Rodríguez-Aragón Septembre 2010 Contendos...............................................................

Más detalles

MÉTODOS PARA PROBAR NUMEROS

MÉTODOS PARA PROBAR NUMEROS Capítulo 3 ALEATORIOS MÉTODOS PARA PROBAR NUMEROS III.1 Introduccón Exsten algunos métodos dsponbles para verfcar varos aspectos de la caldad de los números pseudoaleatoros. S no exstera un generador partcular

Más detalles

REGRESION LINEAL SIMPLE

REGRESION LINEAL SIMPLE REGREION LINEAL IMPLE Jorge Galbat Resco e dspone de una mustra de observacones formadas por pares de varables: (x 1, y 1 ) (x, y ).. (x n, y n ) A través de esta muestra, se desea estudar la relacón exstente

Más detalles

CAPÍTULO 5 REGRESIÓN CON VARIABLES CUALITATIVAS

CAPÍTULO 5 REGRESIÓN CON VARIABLES CUALITATIVAS CAPÍTULO 5 REGRESIÓN CON VARIABLES CUALITATIVAS Edgar Acuña Fernández Departamento de Matemátcas Unversdad de Puerto Rco Recnto Unverstaro de Mayagüez Edgar Acuña Analss de Regreson Regresón con varables

Más detalles

EJERCICIO 1 1. VERDADERO 2. VERDADERO (Esta afirmación no es cierta en el caso del modelo general). 3. En el modelo lineal general

EJERCICIO 1 1. VERDADERO 2. VERDADERO (Esta afirmación no es cierta en el caso del modelo general). 3. En el modelo lineal general PRÁCTICA 6: MODELO DE REGRESIÓN MÚLTIPLE SOLUCIÓN EJERCICIO. VERDADERO. VERDADERO (Esta afrmacón no es certa en el caso del modelo general. 3. En el modelo lneal general Y =X β + ε, explcar la forma que

Más detalles

Regresión Múltiple. Muestra StatFolio: multiple reg.sgp

Regresión Múltiple. Muestra StatFolio: multiple reg.sgp Regresón Múltple Resumen El procedmento de Regresón Múltple está dseñado para construr un modelo estadístco descrbendo el mpacto de dos o más factores cuanttatvos X sobre una varable dependente Y. El procedmento

Más detalles

PyE_ EF1_TIPO1_

PyE_ EF1_TIPO1_ 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 detalles

EXPERIMENTACIÓN COMERCIAL(I)

EXPERIMENTACIÓN COMERCIAL(I) EXPERIMENTACIÓN COMERCIAL(I) En un expermento comercal el nvestgador modfca algún factor (denomnado varable explcatva o ndependente) para observar el efecto de esta modfcacón sobre otro factor (denomnado

Más detalles

REGRESION Y CORRELACION

REGRESION Y CORRELACION nav Estadístca (complementos) 1 REGRESION Y CORRELACION Fórmulas báscas en la regresón lneal smple Como ejemplo de análss de regresón, descrbremos el caso de Pzzería Armand, cadena de restaurantes de comda

Más detalles

Tema 4: Variables aleatorias

Tema 4: Variables aleatorias Estadístca 46 Tema 4: Varables aleatoras El concepto de varable aleatora surge de la necesdad de hacer más manejables matemátcamente los resultados de los expermentos aleatoros, que en muchos casos son

Más detalles

MODELOS DE ELECCIÓN BINARIA

MODELOS DE ELECCIÓN BINARIA MODELOS DE ELECCIÓN BINARIA Econometría I UNLP http://www.econometra1.depeco.econo.unlp.edu.ar/ Modelos de Eleccón Bnara: Introduccón Estamos nteresados en la probabldad de ocurrenca de certo evento Podemos

Más detalles

Descripción de una variable

Descripción de una variable Descrpcón de una varable Tema. Defncones fundamentales. Tabla de frecuencas. Datos agrupados. Meddas de poscón Meddas de tendenca central: meda, medana, moda Ignaco Cascos Depto. Estadístca, Unversdad

Más detalles

Medidas de Tendencia Central

Medidas de Tendencia Central Meddas de Tedeca Cetral Ua edda de tedeca cetral es u valor que se calcula a partr de u cojuto de datos y que se utlza para descrbr los datos e algua fora. Geeralete quereos que el valor sea represetatvo

Más detalles

1. Concepto y origen de la estadística Conceptos básicos Tablas estadísticas: recuento Representación de graficas...

1. Concepto y origen de la estadística Conceptos básicos Tablas estadísticas: recuento Representación de graficas... TEMA. ESTADÍSTICA DESCRIPTIVA.. Concepto y orgen de la estadístca..... Conceptos báscos..... Tablas estadístcas: recuento..... Representacón de grafcas.... 6.. Varables cualtatvas... 6.. Varables cuanttatvas

Más detalles

Medidas de Tendencia Central y de Variabilidad

Medidas de Tendencia Central y de Variabilidad Meddas de Tendenca Central y de Varabldad Contendos Meddas descrptvas de forma: curtoss y asmetría Meddas de tendenca central: meda, medana y moda Meddas de dspersón: rango, varanza y desvacón estándar.

Más detalles

CARTAS DE CONTROL. Han sido difundidas exitosamente en varios países dentro de una amplia variedad de situaciones para el control del proceso.

CARTAS DE CONTROL. Han sido difundidas exitosamente en varios países dentro de una amplia variedad de situaciones para el control del proceso. CARTAS DE CONTROL Las cartas de control son la herramenta más poderosa para analzar la varacón en la mayoría de los procesos. Han sdo dfunddas extosamente en varos países dentro de una ampla varedad de

Más detalles

Investigación y Técnicas de Mercado. Previsión de Ventas TÉCNICAS CUANTITATIVAS ELEMENTALES DE PREVISIÓN UNIVARIANTE. (IV): Ajustes de Tendencia

Investigación y Técnicas de Mercado. Previsión de Ventas TÉCNICAS CUANTITATIVAS ELEMENTALES DE PREVISIÓN UNIVARIANTE. (IV): Ajustes de Tendencia Investgacón y Técncas de Mercado Prevsón de Ventas TÉCNICAS CUANTITATIVAS ELEMENTALES DE PREVISIÓN UNIVARIANTE. (IV): s de Tendenca Profesor: Ramón Mahía Curso 00-003 I.- Introduccón Hasta el momento,

Más detalles

CARACTERIZACION FRACTOMECANICA PROBABILISTICA DE ALEACIONES BASE COBRE

CARACTERIZACION FRACTOMECANICA PROBABILISTICA DE ALEACIONES BASE COBRE COAMET/SAM-SIMPOSIO MATERIA CARACTERIZACIO FRACTOMECAICA PROBABILISTICA DE ALEACIOES BASE COBRE G. Díaz, E. Donoso y A. arschavsky Unversdad de Chle, Facultad de Cencas Físcas y Mateátcas, úcleo de Ingenería

Más detalles

ESTADÍSTICA (GRUPO 12)

ESTADÍSTICA (GRUPO 12) ESTADÍSTICA (GRUPO ) CAPÍTULO II.- AÁLISIS DE UA CARACTERÍSTICA (DISTRIBUCIOES UIDIMESIOALES) TEMA 6.- MEDIDAS DE FORMA: ASIMETRÍA Y CURTOSIS. MOMETOS. DIPLOMATURA E CIECIAS EMPRESARIALES UIVERSIDAD DE

Más detalles

Reconocimiento de Locutor basado en Procesamiento de Voz. ProDiVoz Reconocimiento de Locutor 1

Reconocimiento de Locutor basado en Procesamiento de Voz. ProDiVoz Reconocimiento de Locutor 1 Reconocmento de Locutor basado en Procesamento de Voz ProDVoz Reconocmento de Locutor Introduccón Reconocmento de locutor: Proceso de extraccón automátca de nformacón relatva a la dentdad de la persona

Más detalles

Teoría de Modelos y Simulación Enrique Eduardo Tarifa Facultad de Ingeniería - Universidad Nacional de Jujuy. Generación de Números Aleatorios

Teoría de Modelos y Simulación Enrique Eduardo Tarifa Facultad de Ingeniería - Universidad Nacional de Jujuy. Generación de Números Aleatorios Teoría de Modelos y Smulacón Enrque Eduardo Tarfa Facultad de Ingenería - Unversdad Naconal de Jujuy Generacón de Números Aleatoros Introduccón Este capítulo trata sobre la generacón de números aleatoros.

Más detalles

METODOLOGÍA MUESTRAL ENCUESTA A LAS PEQUEÑAS Y MEDIANAS EMPRESAS

METODOLOGÍA MUESTRAL ENCUESTA A LAS PEQUEÑAS Y MEDIANAS EMPRESAS SUBDIRECCIÓN TÉCNICA DEPARTAMENTO DE INVESTIGACIÓN Y DESARROLLO ÁREA DE ANÁLISIS ESTADÍSTICAS ECONÓMICAS METODOLOGÍA MUESTRAL ENCUESTA A LAS PEQUEÑAS Y MEDIANAS EMPRESAS Santago, Enero de 2008. Departamento

Más detalles

ENCUESTA ESTRUCTURAL DE TRANSPORTE POR CARRETERA AÑO CONTABLE 2011 INSTITUTO NACIONAL DE ESTADÍSTICAS

ENCUESTA ESTRUCTURAL DE TRANSPORTE POR CARRETERA AÑO CONTABLE 2011 INSTITUTO NACIONAL DE ESTADÍSTICAS METODOLOGÍA ENCUESTA ESTRUCTURAL DE TRANSPORTE POR CARRETERA AÑO CONTABLE 0 INSTITUTO NACIONAL DE ESTADÍSTICAS 03 ÍNDICE I. METODOLOGÍA ENCUESTA ESTRUCTURAL DE TRANSPORTE INTERURBANO DE PASAJEROS POR CARRETERA.

Más detalles

Tema I: Introducción a los sistemas de instrumentación

Tema I: Introducción a los sistemas de instrumentación ESCUELA TECNICA SUPERIOR DE INGENIEROS INDUSTRIALES Y DE TELECOMUNICACION UNIVERSIDAD DE CANTABRIA INSTRUMENTACION ELECTRÓNICA DE COMUNICACIONES (5º Curso Ingenería de Telecouncacón) Tea I: Introduccón

Más detalles

La predicción de la demanda en la evaluación de proyectos. Anna Matas José Luis Raymond Mar González-Savignat Adriana Ruíz

La predicción de la demanda en la evaluación de proyectos. Anna Matas José Luis Raymond Mar González-Savignat Adriana Ruíz La predccón de la deanda en la evaluacón de proyectos Anna Matas José Lus Rayond Mar González-Savgnat Adrana Ruíz 31/Marzo/2009 Proyecto: EVALUACIÓN SOCIOECONÓMICA Y FINANCIERA DE PROYECTOS DE TRANSPORTE

Más detalles

EL MÉTODO DE DIFERENCIAS FINITAS POR GUILLERMO HERNÁNDEZ GARCÍA

EL MÉTODO DE DIFERENCIAS FINITAS POR GUILLERMO HERNÁNDEZ GARCÍA EL MÉTODO DE DIFERENCIAS FINITAS POR GUILLERMO HERNÁNDEZ GARCÍA . El Método de Dferencas Fntas El Método consste en una aproxmacón de las dervadas parcales por expresones algebracas con los valores de

Más detalles

ESTADISTÍCA. 1. Población, muestra e individuo. 2. Variables estadísticas. 3. El proceso que se sigue en estadística

ESTADISTÍCA. 1. Población, muestra e individuo. 2. Variables estadísticas. 3. El proceso que se sigue en estadística ESTADISTÍCA. Poblacón, muestra e ndvduo Las característcas de una dstrbucón se pueden estudar drectamente sobre la poblacón o se pueden nferr a partr de l estudo de una muestra. Poblacón estadístca es

Más detalles

ONE CLASS SVM para la detección de fraudes en el uso de energía eléctrica

ONE CLASS SVM para la detección de fraudes en el uso de energía eléctrica ONE CLASS SVM para la deteccón de fraudes en el uso de energía eléctrca. Abstract Dego Alcetegara, Juan Pablo Kosut En este trabao se presenta la aplcacón de la técnca SVM de una clase para la deteccón

Más detalles

La adopción y uso de las TICs en las Microempresas Chilenas

La adopción y uso de las TICs en las Microempresas Chilenas Subdreccón Técnca Depto. Investgacón y Desarrollo Estadístco Subdreccón de Operacones Depto. Comerco y Servcos INFORME METODOLÓGICO DISEÑO MUESTRAL La adopcón y uso de las TICs en las Mcroempresas Clenas

Más detalles

315 M/R Versión 1 Integral 1/ /1 UNIVERSIDAD NACIONAL ABIERTA VICERRECTORADO ACADÉMICO ÁREA INGENIERÍA

315 M/R Versión 1 Integral 1/ /1 UNIVERSIDAD NACIONAL ABIERTA VICERRECTORADO ACADÉMICO ÁREA INGENIERÍA 35 M/R Versón Integral / 28/ UNIVERSIDAD NACIONAL AIERTA VICERRECTORADO ACADÉMICO ÁREA INGENIERÍA MODELO DE RESPUESTA ASIGNATURA: Investgacón de Operacones I CÓDIGO: 35 MOMENTO: Prueba Integral FECHA DE

Más detalles

Regresión no lineal mediante la evolución de modelos Híbridos de Redes Neuronales 1

Regresión no lineal mediante la evolución de modelos Híbridos de Redes Neuronales 1 Regresón no lneal edante la evolucón de odelos Híbrdos de Redes Neuronales César Hervás Departaento de Inforátca y A.N. Unversdad de Córdoba 407- Córdoba- {chervas}@uco.es Francsco J. Martínez Facultad

Más detalles

PRÁCTICA 16: MODELO DE REGRESIÓN MÚLTIPLE SOLUCIÓN

PRÁCTICA 16: MODELO DE REGRESIÓN MÚLTIPLE SOLUCIÓN PRÁCTICA 6: MODELO DE REGRESIÓN MÚLTIPLE SOLUCIÓN EJERCICIO. VERDADERO. VERDADERO (Esta afrmacón no es certa en el caso del modelo general). 3. En el modelo lneal general Y = X b + e, explcar la forma

Más detalles

TRABAJO 1: Variables Estadísticas Unidimensionales (Tema 1).

TRABAJO 1: Variables Estadísticas Unidimensionales (Tema 1). TRABAJO 1: Varables Estadístcas Undmensonales (Tema 1). Técncas Cuanttatvas I. Curso 2016/2017. APELLIDOS: NOMBRE: GRADO: GRUPO: DNI (o NIE): A: B: C: D: En los enuncados de los ejerccos que sguen aparecen

Más detalles

PROBLEMAS DE ELECTRÓNICA ANALÓGICA (Diodos)

PROBLEMAS DE ELECTRÓNICA ANALÓGICA (Diodos) PROBLEMAS DE ELECTRÓNCA ANALÓGCA (Dodos) Escuela Poltécnca Superor Profesor. Darío García Rodríguez . En el crcuto de la fgura los dodos son deales, calcular la ntensdad que crcula por la fuente V en funcón

Más detalles

Análisis de Varianza no paramétricos

Análisis de Varianza no paramétricos Capítulo VII Análss de Varanza no paramétrcos Anova de Kruskal-Walls Anova de Fredman Anova de Q de Cochran Introduccón Las técncas de análss de varanza no paramétrcos son útles cuando los supuestos de:

Más detalles

Correlación y regresión lineal simple

Correlación y regresión lineal simple . Regresón lneal smple Correlacón y regresón lneal smple. Introduccón La correlacón entre dos varables ( e Y) se refere a la relacón exstente entre ellas de tal manera que a determnados valores de se asocan

Más detalles

Distribuciones de probabilidad

Distribuciones de probabilidad Dstrbucones de probabldad Toda dstrbucón de probabldad es generada por una varable aleatora x, la que puede ser de dos tpos: Varable aleatora dscreta (x). Se le denomna varable porque puede tomar dferentes

Más detalles

XII. Uso de la Estimación de la Distribución de Probabilidad para Muestras Pequeñas y de la Simulación en la Inferencia de Carteras de Seguros.

XII. Uso de la Estimación de la Distribución de Probabilidad para Muestras Pequeñas y de la Simulación en la Inferencia de Carteras de Seguros. Uso de la Estmacón de la Dstrbucón de Probabldad para Muestras Pequeñas y de la Smulacón en la Inferenca de Carteras de Seguros. Trabajo presentado para el XII Premo de Investgacón sobre Seguros y Fanzas

Más detalles

Tema 1: Análisis de datos unidimensionales

Tema 1: Análisis de datos unidimensionales Tema : Análss de datos undmensonales. Varables estadístcas undmensonales. Representacones gráfcas.. Característcas de las dstrbucones de frecuencas undmensonales.. Varables estadístcas undmensonales. Representacones

Más detalles

Además podemos considerar diferentes tipos de medidas de resumen. Entre ellas tenemos:

Además podemos considerar diferentes tipos de medidas de resumen. Entre ellas tenemos: MEDIDAS DE POSICIÓN Y DISPERSIÓN Estadístca En la clase anteror vmos como resumr la nformacón contenda en un conjunto de datos medante tablas y gráfcos. En esta clase vamos a ver como resumrlos medante

Más detalles

TEMA 3. VARIABLE ALEATORIA

TEMA 3. VARIABLE ALEATORIA TEMA 3. VARIABLE ALEATORIA 3.. Introduccón. 3... Dstrbucón de Probabldad de una varable aleatora 3... Funcón de Dstrbucón de una varable aleatora 3.. Varable aleatora dscreta 3... Funcón masa de probabldad

Más detalles

Estadística Descriptiva Análisis de Datos

Estadística Descriptiva Análisis de Datos El concepto de Estadístca Estadístca Descrptva Análss de Datos 8.1 INTRODUCCION El orgen de la Estadístca se remonta a dos tpos de actvdades humanas: los juegos de azar y las necesdades de los Estados:

Más detalles

6 Impacto en el bienestar de los beneficiarios del PAAM

6 Impacto en el bienestar de los beneficiarios del PAAM 6 Impacto en el benestar de los benefcaros del PAAM Con el fn de evaluar el efecto del PAAM sobre sus benefcaros, se consderó como hpótess que el Programa ha nfludo en el mejoramento de la caldad de vda

Más detalles

Tema 1. Conceptos generales

Tema 1. Conceptos generales Análss de Datos I Esquema del Tema Tema. Conceptos generales. COCEPTOS PREVIOS. DEFIICIÓ DE MEDICIÓ 3. DEFIICIÓ DE ESCALAS DE MEDIDA 4. VARIABLES CLASIFICACIÓ Y OTACIÓ REGLAS DEL SUMATORIO 5. EJERCICIOS

Más detalles

ESTADÍSTICA 4º ESO A) INICIACIÓN A LA ESTADÍSTICA 1.- QUÉ ES LA ESTADÍSTICA?

ESTADÍSTICA 4º ESO A) INICIACIÓN A LA ESTADÍSTICA 1.- QUÉ ES LA ESTADÍSTICA? ESTADÍSTICA 4º ESO A) INICIACIÓN A LA ESTADÍSTICA 1.- QUÉ ES LA ESTADÍSTICA? La Estadístca es la rama de las Matemátcas que se ocupa del estudo de una determnada característca en una poblacón, recogendo

Más detalles

Análisis de Regresión y Correlación

Análisis de Regresión y Correlación 1 Análss de Regresón y Correlacón El análss de regresón consste en emplear métodos que permtan determnar la mejor relacón funconal entre dos o más varables concomtantes (o relaconadas). El análss de correlacón

Más detalles

Reconciliación de datos experimentales. MI5022 Análisis y simulación de procesos mineralúgicos

Reconciliación de datos experimentales. MI5022 Análisis y simulación de procesos mineralúgicos Reconclacón de datos expermentales MI5022 Análss y smulacón de procesos mneralúgcos Balances Balances en una celda de flotacón En torno a una celda de flotacón (o un crcuto) se pueden escrbr los sguentes

Más detalles

OPERACIONES ARMONIZACION DE CRITERIOS EN CALCULO DE PRECIOS Y RENDIMIENTOS

OPERACIONES ARMONIZACION DE CRITERIOS EN CALCULO DE PRECIOS Y RENDIMIENTOS P L V S V LT R A BANCO DE ESPAÑA OPERACIONES Gestón de la Informacón ARMONIZACION DE CRITERIOS EN CALCULO DE PRECIOS Y RENDIMIENTOS El proceso de ntegracón fnancera dervado de la Unón Monetara exge la

Más detalles

LECTURA 06: MEDIDAS DE TENDENCIA CENTRAL (PARTE I) LA MEDIA ARITMÉTICA TEMA 15: MEDIDAS ESTADISTICAS: DEFINICION Y CLASIFICACION

LECTURA 06: MEDIDAS DE TENDENCIA CENTRAL (PARTE I) LA MEDIA ARITMÉTICA TEMA 15: MEDIDAS ESTADISTICAS: DEFINICION Y CLASIFICACION Unversdad Católca Los Ángeles de Chmbote LECTURA 06: MEDIDAS DE TENDENCIA CENTRAL (PARTE I) LA MEDIA ARITMÉTICA TEMA 15: MEDIDAS ESTADISTICAS: DEFINICION Y CLASIFICACION 1. DEFINICION: Las meddas estadístcas

Más detalles

CAPÍTULO 3 - POTENCIA ALTERNA

CAPÍTULO 3 - POTENCIA ALTERNA CAPÍTULO 3 - POTENCA ALTERNA 3-- POTENCA ACTVA (t) Dadas v(t) e (t) la potenca nstantánea en un crcuto genérco es: p(t) = v(t). (t) v(t) Crcuto La potenca p puede ser postva o negatva según el nstante

Más detalles

TEMA 10: ESTADÍSTICA

TEMA 10: ESTADÍSTICA TEMA 10: La Estadístca es la parte de las matemátcas que se ocupa de recoger, organzar y analzar grandes cantdades de datos para estudar alguna característca de un colectvo. 1. VARIABLES S UIDIMESIOALES

Más detalles

METODOLOGÍA PARA LA ASIGNACIÓN DE TOLERANCIAS Y VALORES NOMINALES A UN CONJUNTO DE VARIABLES DEPENDIENTES

METODOLOGÍA PARA LA ASIGNACIÓN DE TOLERANCIAS Y VALORES NOMINALES A UN CONJUNTO DE VARIABLES DEPENDIENTES Ingenería Técnca Industral Mecánca METODOLOGÍA PARA LA ASIGNACIÓN DE TOLERANCIAS Y VALORES NOMINALES A UN CONJUNTO DE VARIABLES DEPENDIENTES UNIVERSIDAD CARLOS III DE MADRID ESCUELA POLITÉCNICA SUPERIOR

Más detalles

Modelos triangular y parabólico

Modelos triangular y parabólico Modelos trangular y parabólco ClassPad 0 Prof. Jean-Perre Marcallou INTRODUCCIÓN La calculadora CASIO ClassPad 0 dspone de la Aplcacón Prncpal para realzar los cálculos correspondentes a los modelos trangular

Más detalles

Capítulo 12 CONTRASTES NO PARAMÉTRICOS

Capítulo 12 CONTRASTES NO PARAMÉTRICOS Capítulo 1 CONTRASTES NO PARAMÉTRICOS 1.1 Introduccón 1. Contrastes de ajuste a una dstrbucón teórca 1..1 Contrastes basados en la dstrbucón de frecuencas muestral 1..1.1 El contraste ch-cuadrado, χ. 1..1.

Más detalles

Métodos específicos de generación de diversas distribuciones discretas

Métodos específicos de generación de diversas distribuciones discretas Tema 3 Métodos específcos de generacón de dversas dstrbucones dscretas 3.1. Dstrbucón de Bernoull Sea X B(p). La funcón de probabldad puntual de X es: P (X = 1) = p P (X = 0) = 1 p Utlzando el método de

Más detalles

PROPUESTAS PARA LA DETERMINACIÓN DE LOS PARÁMETROS DEL GRÁFICO DE CONTROL MEWMA

PROPUESTAS PARA LA DETERMINACIÓN DE LOS PARÁMETROS DEL GRÁFICO DE CONTROL MEWMA Est. María. I. Flury Est. Crstna A. Barbero Est. Marta Rugger Insttuto de Investgacones Teórcas y Aplcadas. Escuela de Estadístca. PROPUESTAS PARA LA DETERMINACIÓN DE LOS PARÁMETROS DEL GRÁFICO DE CONTROL

Más detalles

Trabajo y Energía Cinética

Trabajo y Energía Cinética Trabajo y Energía Cnétca Objetvo General Estudar el teorema de la varacón de la energía. Objetvos Partculares 1. Determnar el trabajo realzado por una fuerza constante sobre un objeto en movmento rectlíneo..

Más detalles

Daniel Iván Torresano Melo

Daniel Iván Torresano Melo Departaento de Econoía Aplcada Trabajo de Investgacón del Prograa de Doctorado de Econoía Aplcada Tesna ANÁLISIS EMPÍRICO DE LA DISCRIMINACIÓN SALARIAL POR GÉNERO Y ETNIA EN EL ECUADOR EN EL AÑO 2008 Danel

Más detalles

TEMA UNIDAD III: INFERENCIA ESTADÍSTICA

TEMA UNIDAD III: INFERENCIA ESTADÍSTICA MÉTODOS DE MUESTREO 13.1. ITRODUCCIÓ 13.. COCEPTOS BÁSICOS 13.3. ERRORES E EL MUESTREO 13.4. ETAPAS DEL PROCESO DE MUESTREO 13.5. RAZOES PARA LA IVESTIGACIÓ POR MUESTREO 13.6. DISEÑO MUESTRAL 13.7. ESTIMACIÓ

Más detalles

ANÁLISIS EXPLORATORIO DE DATOS

ANÁLISIS EXPLORATORIO DE DATOS ANÁLISIS EXPLORATORIO DE DATOS 1. INTRODUCCIÓN HISTÓRICA 2 1.1 La Estadístca como cenca 2 1.2 Algunos problemas que resuelve la Estadístca 2 2. INTRODUCCIÓN A LA ESTADÍSTICA 3 2.1. Concepto y Objetvo de

Más detalles

Los datos para este análisis consisten de m muestras de una población: = numero de no conformidades observadas en la muestra j

Los datos para este análisis consisten de m muestras de una población: = numero de no conformidades observadas en la muestra j Gráfico C Resumen El procedimiento Gráfico C crea un grafico de control para los datos, que describe el números de no conformidades registradas como el resultado de inspeccionar m muestras. Las muestras

Más detalles

Balance de Líneas de Producción

Balance de Líneas de Producción Balance de Líneas de Produccón PS 4161 Gestón de la Produccón I 1 Contendo Equlbrado de la línea de produccón Línea de fabrcacón Línea de ensamblaje 2 Objetvos de aprendzaje Cuando haya completado este

Más detalles

1 EY ( ) o de E( Y u ) que hace que g E ( Y ) sea lineal. Por ejemplo,

1 EY ( ) o de E( Y u ) que hace que g E ( Y ) sea lineal. Por ejemplo, Modelos lneales generalzados En los modelos no lneales (tanto en su formulacón con coefcentes fjos o coefcentes aleatoros) que hemos vsto hasta ahora, exsten algunos que se denomnan lnealzables : son modelos

Más detalles

DETERMINACIÓN DE ERRORES Y TRATAMIENTO DE DATOS. II. Error en una medida: determinación y expresión de errores.

DETERMINACIÓN DE ERRORES Y TRATAMIENTO DE DATOS. II. Error en una medida: determinación y expresión de errores. Coportaento Mecánco de los Materales Antono Mguel Posadas Chnchlla Ingenería de Materales Departaento de Físca Aplcada Facultad de Cencas Eperentales Unversdad de Alería DETERMIACIÓ DE ERRORES Y TRATAMIETO

Más detalles

( ) = ( ) ( ) E X x p. E X Y = E X E Y XY independientes. E X Y E X E Y Cauchy Schwarzt ( ) 2. Pr X a E X a Markov

( ) = ( ) ( ) E X x p. E X Y = E X E Y XY independientes. E X Y E X E Y Cauchy Schwarzt ( ) 2. Pr X a E X a Markov 1 2 Varables aleatoras 2.1 Dscretas 2.1.1 Genércas Esperanza de una v.a. o Valor esperado Propedades de la Esperanza k = ( x ) E X x p EmX+ b = mex + b EK Varanza de una v.a. = K ( + ) = + E X Y E X E

Más detalles

ESTADISTICA APLICADA A LA EDUCACIÓN

ESTADISTICA APLICADA A LA EDUCACIÓN UNIVERSIDAD NACIONAL DE EDUCACIÓN A DISTANCIA FACULTAD DE EDUCACIÓN DEPARTAMENTO DE MÉTODOS DE INVESTIGACIÓN Y DIAGNÓSTICO EN EDUCACIÓN I Grados de Educacón Socal y Pedagogía ESTADISTICA APLICADA A LA

Más detalles

Contraste de Hipótesis

Contraste de Hipótesis . CONTRSTE DE HIPÓTESIS.1. Introduccón.. Contraste de una hpótess estadístca.3. Test unlateral y blateral.4. Test relaconados con una sola meda (varanza conocda).5. Relacón con la estmacón del ntervalo

Más detalles

Fugacidad. Mezcla de gases ideales

Fugacidad. Mezcla de gases ideales Termodnámca del equlbro Fugacdad. Mezcla de gases deales rofesor: Alí Gabrel Lara 1. Fugacdad 1.1. Fugacdad para gases Antes de abarcar el caso de mezclas de gases, debemos conocer como podemos relaconar

Más detalles

DISEÑO Y COBERTURA DE LA MUESTRA

DISEÑO Y COBERTURA DE LA MUESTRA DISEÑO Y COBERTURA DE LA MUESTRA APÉNDICE A A.1 INTRODUCCIÓN El INEI, desde 1986 a la fecha, vene realzando cuatro Encuestas Demográfcas y de Salud Famlar de perodcdad qunquenal: ENDES I, en 1986; ENDES

Más detalles

DEPARTAMENTO DE INGENIERIA MECÁNICA INGENIERÍA INDUSTRIAL

DEPARTAMENTO DE INGENIERIA MECÁNICA INGENIERÍA INDUSTRIAL DEPARTAMENTO DE INGENIERIA MECÁNICA INGENIERÍA INDUSTRIAL DISEÑO MECÁNICO PRÁCTICA Nº 4 METROLOGÍA Y CALIDAD. CALIBRACIÓN DE UN PIE DE REY Metrología y Caldad. Calbracón de n pe de rey. INDICE 1. OBJETIVOS

Más detalles

MEDIDAS DESCRIPTIVAS

MEDIDAS DESCRIPTIVAS Tema 2: MEDIDAS DESCRIPTIVAS DE LOS DATOS 1. MEDIDAS DE CETRALIZACIÓ: Meda Medana Moda Cuantles Otras 2. MEDIDAS DE DISPERSIÓ: Desvacón típca Varanza Rango Otras 3. MEDIDAS DE FORMA: Asmetría Apuntamento

Más detalles