Selección de un modelo para el análisis de datos de una prueba acelerada
|
|
- Paula González Crespo
- hace 6 años
- Vistas:
Transcripción
1 Academia Journals 2 Copyright Academia Journals 2 2 al 24 de abril, 2 Selección de un modelo para el análisis de datos de una prueba acelerada MC. Manuel Jesús Reyes Méndez, Dr. Manuel A. Rodríguez Medina, M.I.A. Viridiana Reyes Uribe ITCJ Resumen Las pruebas aceleradas se utilizan para adquirir información de confiabilidad rápidamente. En estas pruebas las unidades se someten a niveles más altos de estrés que los utilizados en condiciones normales. Los resultados sirven para predecir el tiempo de vida de las unidades en condiciones de uso. La extrapolación se justificada en base a modelos físicos o en una combinación con modelos empíricos. Este artículo proporciona una revisión de los modelos que se han utilizado con éxito en esta área y se presenta algunos criterios para la selección un modelo para el análisis de los datos de falla en las pruebas de aceleradas de confiabilidad. Palabras clave Confiabilidad, Relación de Eyring, Modelo de Arrhenius Introducción Las pruebas aceleradas se utilizan para evaluar la confiabilidad de componente, e han vuelto más importantes debido a la rápida evolución de las tecnologías y al desarrollo rápido de productos. La información de las pruebas aceleradas se extrapola mediante un modelo estadístico físicamente razonable para obtener estimaciones de la vida a largo plazo a niveles normales de aceleración, de ahí la importancia en la elección del modelo de aceleración. De acuerdo a la respuesta, las pruebas aceleradas se clasifican en Pruebas binarias donde la información obtenida es si el producto ha fallado o no. Pruebas de vida donde la respuesta está relacionada con la vida útil del producto. Pruebas de degradación que mide la degradación de una muestra en diferentes puntos de tiempo. Algunos estudios clásicos en este campo son Nelson (99, capítulo 2), Meeker y Escobar (998, capítulo, 8 y 2), Smith (99), Tobias y Trindade (99, Capitulo 7), de Jensen (99, 2 y 9) y Klinger, Nakada y Menéndez (99). La primera parte de este estudio está basada en el trabajo de Escobar, L. y Meeker, W. (2). La interpretación de los datos requiere de modelos que relacionen las variables de aceleración con el tiempo. Los modelos acelerados se clasifican en: ) Modelos físicos de aceleración basados en la teoría física/química que describe el proceso que causa la falla y 2) Modelos empíricos de aceleración que se desarrollan cuando hay poca comprensión del producto químico o de los procesos físicos que conducen a la falla. Transformación del tiempo El modelo para transformación del tiempo de un nivel x a otro puede ser expresado como T(x) = Υ[T (x U ), x], donde x U indica las condiciones de uso. El modelo de tiempos de falla acelerada para la variable aleatoria T (x) es T (x) = T (x U )/AF (x), donde el factor de aceleración AF (x) es una función positiva de x satisfaciendo AF (x U ) =. El tiempo de vida es acelerado cuando AF (x) > En términos de cuantiles de distribución t p = t p(x U ) () AF(x) De este modo la probabilidad de fallas puede escribirse como Pr[T (x) t] = Pr[T (x U ) AF (x) t]. Uso de la temperatura para acelerar los mecanismos de falla La relación de Arrhenius es un modelo ampliamente utilizado para describir el efecto que tiene la temperatura sobre la velocidad de una reacción química simple. Esta relación puede escribirse como R = γ exp ( k Temp ) (2) Donde R es la velocidad de reacción, E a es la energía de activación, k es la constante de Boltzmann (8.7 = / ev/k) y Temp = Temp C es temperatura en grados kelvin. Los parámetros E a y γ son las características del producto o material. reyesmjesus@yahoo.com ISSN 94- Online Volumen 7, No. 2, 2 94
2 Academia Journals 2 Copyright Academia Journals 2 2 al 24 de abril, 2 El factor de aceleración Arrhenius es: AF = R(Temp) R(Temp U ) = exp [E a ( )] () Temp U Temp El factor tiempo-aceleración de Eyring La relación Arrhenius fue demostrada por Eyring, quien le dio la teoría física que describe el efecto que la temperatura tiene en una tasa de reacción. La relación de Eyring es: R = γ A(Temp) exp ( k Temp ) (4) Donde A(Temp) es una función de la temperatura. γ y E a son constantes que dependen de la dinámica de las reacciones. El factor de aceleración de temperatura de la relación Eyring es: AF EY = ( Temp m ) AF Temp Ar () U Donde AF Ar es el factor de aceleración de Arrhenius. Para valores prácticos de m no muy lejos de, el factor fuera del exponencial tiene poco efecto sobre el factor de aceleración y el termino adicional se elimina en favor de la simple relación de Arrhenius. Relación generalizada de Eyring La relación de Eyring generalizada extiende la relación Eyring permitiendo el uso de una o más variables aceleradoras no térmicas (como voltaje o humedad). Para una variable no-térmica X, el modelo, en términos de velocidad de reacción es: R = γ (Temp ) m γ exp ( k Temp ) exp (γ 2X + γ X k Temp ) () Los parámetros γ = E a (energía de activación) y γ, γ 2, γ son las características del proceso físico / químico. En las siguientes secciones, consideramos (temp K) m =, el cual es esencialmente la relación temperaturaaceleración de Arrhenius. El factor de aceleración con respecto a las condiciones de uso temp U y X U es R(Temp, X) AF = (7) R(Temp U, X U ) Modelo de aceleración temperatura-voltaje El modelo se utiliza para describir el efecto de la combinación de la temperatura y el voltaje de aceleración con X = log(volt), se obtiene R = γ exp ( k Temp ) exp [γ 2 log(volt) + γ log(volt) ] (8) k Temp Las fallas se producen cuando la resistencia dieléctrica cruza el estrés de voltaje aplicado, es decir, D(t) = volts. Esto ocurre al tiempo γ T(temp, volt) = R(temp, volt) (volt ) (9) δ De esto, se calcula AF = T(Temp U, volt U ) = exp[e T(Temp, volt) a (x U x )] ( volt γ 2 γ ) volt U {exp[x log(volt) x U log(volt U ]} γ () Donde x U = /(Temp U ) y x = / Ttemp). Cuando γ =, no hay ninguna interacción entre temperatura y voltaje. En este caso, puede tenerse AF(Temp, volt) en dos términos, uno que implica solamente la temperatura y otro término que implica solamente voltaje. Así, si no existe interacción, la contribución de la temperatura (voltaje) a la aceleración es la misma en todos los niveles de voltaje (niveles de temperatura). ISSN 94- Online Volumen 7, No. 2, 2 9
3 Academia Journals 2 Copyright Academia Journals 2 2 al 24 de abril, 2 Métodos y materiales Para efectos prácticos se determinó tomar como caso de estudio el ejemplo de datos de falla lognormal de Tobias (2, cap. 8). Se ha observado que un módulo de circuitos semiconductores falla debido a que los iones de metales migran entre las líneas del conductor y eventualmente causan un corto. Tanto la temperatura como el voltaje afectan el tiempo para que las fallas se desarrollen. Se decide modelar la cinética de la falla mediante la realización de un experimento usando seis combinaciones de temperatura y voltaje. La Tabla muestra la matriz del diseño para este experimento. Tabla. Matriz de diseño experimental Volts 2 Volts Volts En cada celda se toma lectura para buscar fallas en 24,,, 2,, 7 y horas. Los datos de falla se presentan en la Tabla 2. Tabla 2. Datos de falla lognormal Lectura 2 /8V 2 /2V /2 /V 8 /2V 8 /V Sobrevivientes Total Usando una distribución de falla log normal se grafican las seis celdas de datos. A continuación se comprueba visualmente si la propiedad de igualdad-sigma para la simple aceleración es razonable. Para estimar los parámetros para cada célula de estrés se utiliza el método de máxima verosimilitud y una prueba de razón de verosimilitud para sigmas iguales a través de todas las células. Finalmente se encuentra el intervalos confianza del 9% para el parámetro µ=t de cada celda, y para la sigma común. Utilizando Minitab (Reliability/Survival, Distribution Analysis-Arbitrary Censoring- Distribution Analysis platform, ver Figura ) es fácil producir las gráficas que muestran todas las celdas. Los modelos se ajustan con y sin la restricción de σ constante y muestran las líneas de estimadores de máxima verosimilitud en la gráfica. Debe elegirse la opción de Máxima Verosimilitud en la pantalla de Estimación. Para el análisis de pendiente constante, también se elige la opción de asumir forma común. La Figura 2.a muestra las líneas cuando cada célula es ajustada de forma independiente (la columna "Cell" es una "por Variable"). Figura 2.b muestra el ajuste de las mismas células después de seleccionar la opción de asumir forma común. Minitab etiqueta µ=ln T como el parámetro Loc y σ como el parámetro de Escala. Esta figura tiene los ejes transpuestos de la habitual de Minitab así que el tiempo está en el eje vertical. El estadístico Anderson-Darling (AD) es una medida de ajuste del modelo; es útil al comparar en cual de varias distribuciones encaja mejor un conjunto de datos (pequeños valores de AD indican un mejor ajuste) Figura. Formatos de captura y selección de variables ISSN 94- Online Volumen 7, No. 2, 2 9
4 Academia Journals 2 Copyright Academia Journals 2 2 al 24 de abril, 2 La Figura 2 demuestra que todas las líneas tienen pendientes muy similares; sólo la celda, con menos fallas que las otras celdas, tiene una pendiente estimada algo diferente. Gráfica de probabilidad para Start Lognormal Censura arbitraria - Cálculos de ML Gráfica de probabilidad para Start Lognormal Censura arbitraria - Cálculos de ML Porcentaje Temp/Volt /2 / 2/2 2/8 8/2 8/ Tabla de estadísticas Ubic. Escala A D* Porcentaje Temp/Volt /2 / 2/2 2/8 8/2 8/ Tabla de estadísticas Ubic. Escala A D* Start Start Figuras 2.a y 2.2 muestran el porciento de fallas acumuladas Las estimaciones de T, σ y los valores de LIK negativos mínimos de la salida de Minitab figuran en la tabla. Los MLEs restringidos, con una común sigma igual en todas las celdas, son los estimadores estadísticos apropiados para usar bajo los supuestos de aceleración lineal y log normal. Tabla Estimadores ML (Sigmas Separadas) Estimadores ML (Una Sigma) Celda T horas Sigma -log LIK T horas Sigma -log LIK (2/8) 2 (2/2) (/2) 4 (/) (8/2) (8/) Total e^.84=4 e^.=244 e^.2=2 e^.=4 e^7.=22 e^.8= L2= L= Al sumar las columnas log LIK negativas en tabla, vemos que L2 es 4.99 y L es El estadístico jicuadrado para la prueba LR es LRT = 2 ( ) =.2. Los grados de libertad son la diferencia entre los 2 parámetros estimados a partir de las celdas separadas y sólo 7 parámetros estimados para el análisis de la misma pendiente, o 2-7 =. Puesto que.2 está alrededor del 4 percentil para la distribución de Chi-cuadrado con grados de libertad, no hay ninguna razón para poner en duda el modelo de aceleración simple y las σs comunes. Note que Minitab tiene una opción de prueba que también realiza una prueba estadística de la hipótesis de una pendiente común. Sin embargo, el cálculo Minitab viene con un estadístico ji-cuadrado de.2 (con grados de libertad). Minitab utiliza un estadístico de prueba estadística común, pero la diferente. Aunque la prueba de razón de verosimilitud es probablemente más potente para los datos de confiabilidad censurados, los resultados de Minitab y la prueba la prueba de razón de verosimilitud sugieren que un modelo de σ común es razonable. Conclusiones Si tenemos suficientes datos de prueba y un modelo de distribución de vida se puede estimar los parámetros de confiabilidad. Con componentes altamente confiables es difícil obtener suficientes datos de prueba en condiciones de uso normal, por lo cual se recurre a forzar los componentes a la falla en condiciones de pruebas más altas que las normales. Estos modelos son conocidos como modelos de aceleración. El concepto básico de la aceleración es el siguiente: un componente operando bajo alto estrés tendrá los mismos mecanismos de falla que cuando se utiliza a un nivel de estrés normal, la única diferencia es que las cosas pasan más rápidamente. Podemos entender el tiempo acelerado si el proceso de falla es filmado y luego reproducido a una velocidad más rápida. Cada paso en la secuencia de eventos químicos o físicos hacia el estado de falla se reproducen exactamente como en tensiones inferiores, sólo que la escala de tiempo que mide la duración del evento ha sido cambiada. Cuando esta hipótesis es sostenida en un rango de valores de estrés, decimos que tenemos aceleración ISSN 94- Online Volumen 7, No. 2, 2 97
5 Academia Journals 2 Copyright Academia Journals 2 2 al 24 de abril, 2 simple, sólo una transformación de la escala de tiempo. Por lo tanto, si sabemos la distribución de vida para un alto estrés de laboratorio y sabemos la transformación de escala de tiempo correspondiente a un menor estrés, podemos calcular la distribución de vida y la tasa de falla a menor estrés. La investigación en el desarrollo de modelos de prueba acelerada es una actividad multidisciplinaria. Los estadísticos tienen un papel importante en los equipos de científicos que desarrollan y utilizan modelos de prueba acelerada. El equipo de ingenieros y científicos son responsables de: Identificar y enumerar los modos de falla posibles y, para los nuevos productos, predecir todos los modos de falla posibles. Comprender los mecanismos físicos/químicos de falla de un producto e identificar las variables de aceleración que se puedan utilizarse para acelerar el mecanismo de falla. Sugerir las relaciones física/química matemática entre los mecanismos de falla y la variable (s) de aceleración. Cuando una relación no está disponible, puede ser capaces de proporcionar orientación práctica estándar o experiencia previa con productos y materiales similares. Referencias Escobar, L. and Meeker, W. (2). A Review of Accelerated Test Models. Statistical Science Vol. 2, No. 4, 2 77, Institute of Mathematical Statistics, Jensen, F. (99). Electronic Component Reliability: Fundamentals, Modelling, Evaluation and Assurance. Wiley, New York. Klinger, D. J., Nakada, Y. and Menendez, M. A., eds. (99). AT&T Reliability Manual. Van Nostrand Reinhold, New York. Meeker, W. Q. and Escobar, L. A. (998). Statistical Methods for Reliability Data. Wiley, New York Nelson, W. (99). Accelerated Testing: Statistical Models, Test Plans and Data Analyses. Wiley, New York. Smith, J. S. (99). Physics of failure. In Handbook of Reliability Engineering and Management, 2nd ed. (W. G. Ire-son, C. F. Coombs and R. Y. Moss, Eds.) Chapter 4. Mc-Graw Hill, New York. Tobias, P. A. and Trindade, D. C. (99). Applied Reliability, 2nd ed. Van Nostrand Reinhold, New York ISSN 94- Online Volumen 7, No. 2, 2 98
Estadística II. Carrera: INB Participantes. Representante de las academias de ingeniería industrial de Institutos Tecnológicos.
1.- DATOS DE LA ASIGNATURA Nombre de la asignatura: Carrera: Clave de la asignatura: Horas teoría-horas práctica-créditos Estadística II Ingeniería Industrial INB - 0408 4 0 8 2.- HISTORIA DEL PROGRAMA
Carrera: Integrantes de la Academia de Ingeniería Industrial: M.C. Ramón García González. Integrantes de la
1.- DATOS DE LA ASIGNATURA Nombre de la asignatura: Carrera: Ingeniería de calidad Licenciatura en Ingeniería Industrial Clave de la asignatura: Horas teoría horas práctica - créditos 4-0 - 8 2.- HISTORIA
Teoría de la decisión
1.- Un problema estadístico típico es reflejar la relación entre dos variables, a partir de una serie de Observaciones: Por ejemplo: * peso adulto altura / peso adulto k*altura * relación de la circunferencia
Qué hacemos cuando la distribución no es normal? Qué significa ser normal? Qué significa ser normal? 1er. Simposio Metodología Seis Sigma
er. imposio Metodología eis igma Resumen Qué hacemos cuando la distribución no es normal? Qué significa ser normal? Ejemplos de situaciones normales Ejemplos de situaciones no normales Resumen Implicaciones
MANTENIMIENTO INDUSTRIAL.
REPÚBLICA BOLIVARIANA DE VENEZUELA UNIVERSIDAD ALONSO DE OJEDA FACULTAD DE INGENIERÍA ESCUELA DE INDUSTRIAL MANTENIMIENTO INDUSTRIAL. Realizado por: Ing. Danmelys Perozo UNIDAD II: ESTADÍSTICAS DE FALLAS
Análisis de datos Categóricos
Introducción a los Modelos Lineales Generalizados Universidad Nacional Agraria La Molina 2016-1 Introducción Modelos Lineales Generalizados Introducción Componentes Estimación En los capítulos anteriores
07 Estimación puntual e introducción a la estadística inferencial
07 Estimación puntual e introducción a la estadística inferencial Diego Andrés Alvarez Marín Profesor Asistente Universidad Nacional de Colombia Sede Manizales 1 Contenido Qué es la estadística inferencial?
Definición Una hipótesis es una afirmación acerca de un parámetro.
Capítulo 8 Prueba de hipótesis Existen dos áreas de interés en el proceso de inferencia estadística: la estimación puntual y las pruebas de hipótesis. En este capítulo se presentan algunos métodos para
Unidad IV: Distribuciones muestrales
Unidad IV: Distribuciones muestrales 4.1 Función de probabilidad En teoría de la probabilidad, una función de probabilidad (también denominada función de masa de probabilidad) es una función que asocia
UNIVERSIDAD MARÍA AUXILIADORA UMA
CARRERA PROFESIONAL DE ENFERMERIA SÍLABO DE BIOESTADÍSTICA I. DATOS GENERALES: 1.1. Carreras profesionales : Enfermería 1.2. Semestre académico : 2015 - I 1.3. Ciclo : III 1.4. Pre-requisito : Matemática
CM0244. Suficientable
IDENTIFICACIÓN NOMBRE ESCUELA ESCUELA DE CIENCIAS NOMBRE DEPARTAMENTO Ciencias Matemáticas ÁREA DE CONOCIMIENTO MATEMATICAS, ESTADISTICA Y AFINES NOMBRE ASIGNATURA EN ESPAÑOL ESTADÍSTICA GENERAL NOMBRE
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
Aplicación del modelo de frontera estocástica de producción para analizar la eficiencia técnica de la industria eléctrica en México
SECCIÓN DE ESTUDIOS DE POSGRADO E INVESTIGACIÓN Aplicación del modelo de frontera estocástica de producción para analizar la eficiencia técnica de la industria eléctrica en México Presentan: Dr. Miguel
PROGRAMA DETALLADO VIGENCIA TURNO UNIVERSIDAD NACIONAL EXPERIMENTAL POLITÉCNICA DE LA FUERZA ARMADA 2009 DIURNO INGENIERÌA EN SISTEMAS ASIGNATURA
PROGRAMA DETALLADO VIGENCIA TURNO UNIVERSIDAD NACIONAL EXPERIMENTAL POLITÉCNICA DE LA FUERZA ARMADA 2009 DIURNO INGENIERÌA EN SISTEMAS SEMESTRE ASIGNATURA 8vo TEORÍA DE DECISIONES CÓDIGO HORAS MAT-31314
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),
4. Regresión Lineal Simple
1 4. Regresión Lineal Simple Introducción Una vez conociendo las medidas que se utilizan para expresar la fuerza y la dirección de la relación lineal entre dos variables, se tienen elementos base para
INSTITUTO NACIONAL DE ESTADÍSTICAS (INE) 29 de Abril de 2016
ANEXO ESTADÍSTICO 1 : COEFICIENTES DE VARIACIÓN Y ERROR ASOCIADO AL ESTIMADOR ENCUESTA NACIONAL DE EMPLEO (ENE) INSTITUTO NACIONAL DE ESTADÍSTICAS (INE) 9 de Abril de 016 1 Este anexo estadístico es una
INDICE. Prólogo a la Segunda Edición
INDICE Prólogo a la Segunda Edición XV Prefacio XVI Capitulo 1. Análisis de datos de Negocios 1 1.1. Definición de estadística de negocios 1 1.2. Estadística descriptiva r inferencia estadística 1 1.3.
JUEGO DE BASKETBALL. Repaso de Distribuciones de Probabilidad Discretas y Continuas
JUEGO DE BASKETBALL Repaso de Distribuciones de Probabilidad Discretas y Continuas PREGUNTA #1 Qué es una variable aleatoria uniforme discreta? Cómo es su distribución? Qué es una variable aleatoria uniforme
Estadística y sus aplicaciones en Ciencias Sociales 5. Estimación. Facultad de Ciencias Sociales, UdelaR
Estadística y sus aplicaciones en Ciencias Sociales 5. Estimación Facultad de Ciencias Sociales, UdelaR Índice 1. Repaso: estimadores y estimaciones. Propiedades de los estimadores. 2. Estimación puntual.
Teniendo en cuenta que si el voltaje se mide en Volts y la corriente en Amperes las unidades de resistencia resultan ser
Ley de Ohm La resistencia eléctrica de un resistor se define como la razón entre la caída de tensión, entre los extremos del resistor, y la corriente que circula por éste, tal que Teniendo en cuenta que
Métodos Estadísticos Multivariados
Métodos Estadísticos Multivariados Victor Muñiz ITESM Victor Muñiz (ITESM) Métodos Estadísticos Multivariados Agosto-Diciembre 2011 1 / 20 Victor Muñiz (ITESM) Métodos Estadísticos Multivariados Agosto-Diciembre
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
Diplomado en Estadística Aplicada
Diplomado en Estadística Aplicada Con el propósito de mejorar las habilidades para la toma de decisiones, la División de Estudios de Posgrado de la Facultad de Economía ha conjuntado a profesores con especialidad
UNIVERSIDAD AUTÓNOMA DE CHIAPAS FACULTAD DE INGENIERÍA CAMPUS I PROBABILIDAD Y ESTADÍSTICA
UNIVERSIDAD AUTÓNOMA DE CHIAPAS FACULTAD DE INGENIERÍA CAMPUS I PROBABILIDAD Y ESTADÍSTICA NIVEL: LICENCIATURA CRÉDITOS: 9 CLAVE: ICAD24.500919 HORAS TEORÍA: 4.5 SEMESTRE: CUARTO HORAS PRÁCTICA: 0 REQUISITOS:
Unidad IV Introducción a la Regresión y Correlación
Unidad IV Introducción a la Regresión y Correlación Última revisión: 25-0ctubre-2009 Elaboró: Ing. Víctor H. Alcalá-Octaviano Página 48 IV.1 Conceptos fundamentales Antología de Probabilidad y Estadística
Estudio de un modelo lineal EL CASO DE RESISTIVIDAD ELÉCTRICA
Estudio de un modelo lineal EL CASO DE RESISTIVIDAD ELÉCTRICA OBJETIVOS Encontrar la relación que existe entre la resistencia eléctrica, R, y la longitud, L, para determinado material escribiendo su ecuación
2 Introducción a la inferencia estadística Introducción Teoría de conteo Variaciones con repetición...
Contenidos 1 Introducción al paquete estadístico S-PLUS 19 1.1 Introducción a S-PLUS............................ 21 1.1.1 Cómo entrar, salir y consultar la ayuda en S-PLUS........ 21 1.2 Conjuntos de datos..............................
Anota aquí tus respuestas para esta sección Distribución Z
Tarea 2. Estadística Inferencial Cada sección vale 25%. Cada inciso tiene el mismo peso. Hacer la tarea en equipo de dos personas y entregar solo una copia por cada equipo. 1. Cálculo lo siguiente. Ten
CURSO: ANALISIS ESTADISTICO DE RIESGOS
MANAGEMENT CONSULTORES CURSO: ANALISIS ESTADISTICO DE RIESGOS Cnel. R.L. Falcón 1435 C1406GNC 35 Buenos Aires, Argentina Tel.: 054-11-15-5468-3369 Fax: 054-11-4433-4202 Mail: acaminos@mgmconsultores.com.ar
1. La Distribución Normal
1. La Distribución Normal Los espacios muestrales continuos y las variables aleatorias continuas se presentan siempre que se manejan cantidades que se miden en una escala continua; por ejemplo, cuando
Estadísticas Elemental Tema 3: Describir la relación entre dos variables: Correlación y regresión 3.1-1
Estadísticas Elemental Tema 3: Describir la relación entre dos variables: Correlación y regresión 3.1-1 Relación entre dos variables Al estudiar conjuntos de variables con más de una variable, una pregunta
ANÁLISIS DE FRECUENCIAS
ANÁLISIS DE FRECUENCIAS EXPRESIONES PARA EL CÁLCULO DE LOS EVENTOS PARA EL PERÍODO DE RETORNO T Y DE LOS RESPECTIVOS ERRORES ESTÁNDAR DE ESTIMACIÓN REQUERIDOS PARA LA DETERMINACIÓN DE LOS INTERVALOS DE
UNIVERSIDAD TECNICA PARTICULAR DE LOJA ESTADISTICA Y PROBABILIDAD ENSAYO N 8
UNIVERSIDAD TECNICA PARTICULAR DE LOJA ESTADISTICA Y PROBABILIDAD ENSAYO N 8 DOCENTE: Ing. Patricio Puchaicela ALUMNA: Andrea C. Puchaicela G. CURSO: 4to. Ciclo de Electrónica y Telecomunicaciones AÑO
ANX-PR/CL/ GUÍA DE APRENDIZAJE. ASIGNATURA Estadistica. CURSO ACADÉMICO - SEMESTRE Primer semestre
ANX-PR/CL/001-01 GUÍA DE APRENDIZAJE ASIGNATURA Estadistica CURSO ACADÉMICO - SEMESTRE 2016-17 - Primer semestre GA_05IQ_55001012_1S_2016-17 Datos Descriptivos Nombre de la Asignatura Titulación Centro
Gráficos de Probabilidad
Gráficos de Probabilidad Resumen El procedimiento Gráficos de Probabilidad grafica los datos de una sola columna numérica en gráficas con una escala específica tal que, si los datos provienen de una distribución
Robusticidad de los Diseños D-óptimos a la Elección. de los Valores Locales para el Modelo Logístico
Robusticidad de los Diseños D-óptimos a la Elección de los Valores Locales para el Modelo Logístico David Felipe Sosa Palacio 1,a,Víctor Ignacio López Ríos 2,a a. Escuela de Estadística, Facultad de Ciencias,
OPTIMIZACIÓN Y SIMULACIÓN PARA LA EMPRESA. Tema 5 Simulación
OPTIMIZACIÓN Y SIMULACIÓN PARA LA EMPRESA Tema 5 Simulación ORGANIZACIÓN DEL TEMA Sesiones: Introducción Ejemplos prácticos Procedimiento y evaluación de resultados INTRODUCCIÓN Simulación: Procedimiento
CINETICA QUIMICA. ó M s s
CINETICA QUIMICA La Cinética Química se encarga de estudiar las características de una reacción química, con respecto a su velocidad y a sus posibles mecanismos de explicación. La velocidad de una reacción
Teniendo en cuenta que si el voltaje se mide en Volts y la corriente en Amperes las unidades de resistencia resultan ser
Ley de Ohm La resistencia se define como la razón entre la caída de tensión, entre los dos extremos de una resistencia, y la corriente que circula por ésta, tal que 1 Teniendo en cuenta que si el voltaje
MÓDULO X. LA DINÁMICA DE LA ECONOMÍA MUNDIAL PROGRAMA OPERATIVO MATEMÁTICAS ECONOMETRÍA I. Profesor: Noé Becerra Rodríguez.
MÓDULO X. LA DINÁMICA DE LA ECONOMÍA MUNDIAL PROGRAMA OPERATIVO MATEMÁTICAS ECONOMETRÍA I Profesor: Noé Becerra Rodríguez Objetivo general: Introducir los aspectos fundamentales del proceso de construcción
viii CAPÍTULO 2 Métodos de muestreo CAPÍTULO 3 Análisis exploratorio de datos
Contenido Acerca de los autores.............................. Prefacio.... xvii CAPÍTULO 1 Introducción... 1 Introducción.............................................. 1 1.1 Ideas de la estadística.........................................
Algunas Distribuciones Continuas de Probabilidad. UCR ECCI CI-1352 Probabilidad y Estadística Prof. M.Sc. Kryscia Daviana Ramírez Benavides
Algunas Distribuciones Continuas de Probabilidad UCR ECCI CI-1352 Probabilidad y Estadística Prof. M.Sc. Kryscia Daviana Ramírez Benavides Introducción El comportamiento de una variable aleatoria queda
PROBABILIDAD Y ESTADISTICA (T Y P)
PROBABILIDAD Y ESTADISTICA (T Y P) FICHA CURRICULAR DATOS GENERALES Departamento: Irrigación. Nombre del programa: Ingeniero en Irrigación Area: Matemáticas, Estadística y Cómputo Asignatura: Probabilidad
ANÁLISIS MULTIVARIADO
MISIÓN Formar profesionales altamente capacitados, desarrollar investigación y realizar actividades de extensión en matemáticas y computación, así como en sus diversas aplicaciones. ANÁLISIS MULTIVARIADO
ESTADÍSTICA. Población Individuo Muestra Muestreo Valor Dato Variable Cualitativa ordinal nominal. continua
ESTADÍSTICA Población Individuo Muestra Muestreo Valor Dato Variable Cualitativa ordinal nominal Cuantitativa discreta continua DISTRIBUCIÓN DE FRECUENCIAS Frecuencia absoluta: fi Frecuencia relativa:
CINÉTICA QUÍMICA DETERMINACIÓN DEL ORDEN DE REACCIÓN Y ENERGÍA DE ACTIVACIÓN
II PRÁCTICA 2 CINÉTICA QUÍMICA DETERMINACIÓN DEL ORDEN DE REACCIÓN Y ENERGÍA DE ACTIVACIÓN En esta experiencia comprobaremos la influencia de la concentración de los reactivos, de la temperatura, y de
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
Formulario. Estadística Administrativa. Módulo 1. Introducción al análisis estadístico
Formulario. Estadística Administrativa Módulo 1. Introducción al análisis estadístico Histogramas El número de intervalos de clase, k, se elige de tal forma que el valor 2 k sea menor (pero el valor más
TOTAL DE HORAS A LA SEMANA 4
ÁREA ACADÉMICA UNIVERSIDAD AUTÓNOMA DE ZACATECAS DISEÑO INSTRUCCIONAL:CARTA ANALÍTICA CIENCIAS DE LA SALUD UNIDAD ACADÉMICA PROGRAMA ACADÉMICO LICENCIATURA EN NUTRICIÓN LICENCIATURA EN NUTRICIÓN CICLO
UNIVERSIDAD DEL TOLIMA FACULTAD DE CIENCIAS PROGRAMA MATEMÁTICAS CON ÉNFASIS EN ESTADÍSTICA
UNIVERSIDAD DEL TOLIMA FACULTAD DE CIENCIAS PROGRAMA MATEMÁTICAS CON ÉNFASIS EN ESTADÍSTICA. IDENTIFICACIÓN ASIGNATURA: TEORÍA ESTADÍSTICA CODIGO: NIVEL: III CREDITOS: 3 DESCRIPCIÓN: El curso de teoría
GUIA DOCENTE DE LA ASIGNATURA ANÁLISIS ESTADÍSTICO CON ORDENADOR DE DATOS MÉDICOS Curso (Fecha última actualización: 28/06/16)
GUIA DOCENTE DE LA ASIGNATURA ANÁLISIS ESTADÍSTICO CON ORDENADOR DE DATOS MÉDICOS Curso 2016-2017 (Fecha última actualización: 28/06/16) MÓDULO MATERIA CURSO SEMESTRE CRÉDITOS TIPO VI.- Complementos de
Departamento de Medicina Preventiva y Salud Publica e Historia de la Ciencia. Universidad Complutense de Madrid. SPSS para windows.
TEMA 13 REGRESIÓN LOGÍSTICA Es un tipo de análisis de regresión en el que la variable dependiente no es continua, sino dicotómica, mientras que las variables independientes pueden ser cuantitativas o cualitativas.
Introducción a pruebas de hipótesis
Introducción a pruebas de hipótesis ESTA 3042 enero 2013 (ESTA 3042) Tests of Significance enero 2013 1 / 18 Testing de Hipótesis Hemos visto como estimar un parámetro de una población. Ahora pasamos a
OPTIMIZACIÓN EXPERIMENTAL. Ing. José Luis Zamorano E.
OPTIMIZACIÓN EXPERIMENTAL Ing. José Luis Zamorano E. Introducción n a la metodología de superficies de respuesta EXPERIMENTACIÓN: Significa variar deliberadamente las condiciones habituales de trabajo
6 DINAMICA DEL CUERPO RIGIDO
6 DINAMICA DEL CUERPO RIGIDO 6. CINEMATICA 6.. Configuracion de un Cuerpo Rígido: Angulos de Euler Un cuerpo rígido se puede entender como una distribución continua de materia que se subdivide en pequeños
CORRELACIÓN Y REGRESIÓN. Juan José Hernández Ocaña
CORRELACIÓN Y REGRESIÓN Juan José Hernández Ocaña CORRELACIÓN Muchas veces en Estadística necesitamos saber si existe una relación entre datos apareados y tratamos de buscar una posible relación entre
Estadistica II Tema 0. Repaso de conceptos básicos. Curso 2009/10
Estadistica II Tema 0. Repaso de conceptos básicos Curso 2009/10 Tema 0. Repaso de conceptos básicos Contenidos Variables aleatorias y distribuciones de probabilidad La distribución normal Muestras aleatorias,
matemáticas como herramientas para solución de problemas en ingeniería. PS Probabilidad y Estadística Clave de la materia: Cuatrimestre: 4
PS0401 - Probabilidad y Estadística DES: Ingeniería Programa(s) Educativo(s): Ingeniería de Software Tipo de materia: Obligatoria Clave de la materia: PS0401 Cuatrimestre: 4 UNIVERSIDAD AUTÓNOMA DE Área
TÉCNICO SUPERIOR UNIVERSITARIO EN ENERGÍAS RENOVABLES ÁREA CALIDAD Y AHORRO DE ENERGÍA EN COMPETENCIAS PROFESIONALES
TÉCNICO SUPERIOR UNIVERSITARIO EN ENERGÍAS RENOVABLES ÁREA CALIDAD Y AHORRO DE ENERGÍA EN COMPETENCIAS PROFESIONALES ASIGNATURA DE PROBABILIDAD Y ESTADÍSTICA 1. Competencias Plantear y solucionar problemas
Análisis de la covarianza
Análisis de la covarianza Preparado por Luis M. Molinero (Alce Ingeniería) CorreoE: bioestadistica alceingenieria.net Artículo en formato PDF Enero 2002 El análisis de la covarianza es una técnica estadística
Estimación por intervalo del parámetro de la distribución de Poisson con una sola observación
Revista Colombiana de Estadística Volumen 30 No. 1. pp. 69 a 75. Junio 2007 Estimación por intervalo del parámetro de la distribución de Poisson con una sola observación Interval Estimation for the Poisson
5. Regresión Lineal Múltiple
1 5. Regresión Lineal Múltiple Introducción La regresión lineal simple es en base a una variable independiente y una dependiente; en el caso de la regresión línea múltiple, solamente es una variable dependiente
Energética y cinética química: Intercambios de energía en las reacciones químicas. Intercambios de energía en las reacciones químicas
Energética y cinética química: Intercambios de energía en las reacciones químicas Tipos de reacciones Exotérmicas: se desprende energía en forma de calor cuando se producen, observándose un aumento de
ADMINISTRACION DE OPERACIONES
Sesión4: Métodos cuantitativos ADMINISTRACION DE OPERACIONES Objetivo específico 1: El alumno conocerá y aplicara adecuadamente los métodos de pronóstico de la demanda para planear la actividad futura
Titulación(es) Titulación Centro Curso Periodo Grado en Física FACULTAT DE FÍSICA 3 Primer cuatrimestre
FICHA IDENTIFICATIVA Datos de la Asignatura Código 34252 Nombre Laboratorio de Electromagnetismo Ciclo Grado Créditos ECTS 5.0 Curso académico 2012-2013 Titulación(es) Titulación Centro Curso Periodo 1105
QUÍMICA FÍSICA II Grupo A. Tercer control, 10 de mayo de Escoged 2 de las 3 preguntas que os propongo, cada una de las preguntas vale 5 puntos.
QUÍMICA FÍSICA II Grupo A. Tercer control, 10 de mayo de 2011 Escoged 2 de las 3 preguntas que os propongo, cada una de las preguntas vale 5 puntos. 1. Qué significado tienen los parámetros termodinámicos
1. VALORES FALTANTES 2. MECANISMOS DE PÉRDIDA
1. VALORES FALTANTES Los valores faltantes son observaciones que en un se tenía la intención de hacerlas, pero por distintas razones no se obtuvieron. Puede ser que no se encuentre a un encuestado, entonces
Probabilidad y Estadística
Programa de la Asignatura: Código: 23 Probabilidad y Estadística Carrera: Ingeniería en Computación Plan: 2013 Carácter: Obligatoria Unidad Académica: Secretaría Académica Curso: Tercer año Primer cuatrimestre
INSTITUTO POLITÉCNICO NACIONAL SECRETARIA ACADEMICA DIRECCIÓN DE ESTUDIOS PROFESIONALES EN INGENIERÍA Y CIENCIAS FÍSICO MATEMÁTICAS
ESCUELA: UPIICSA CARRERA: INGENIERÍA EN TRANSPORTE ESPECIALIDAD: COORDINACIÓN: ACADEMIAS DE MATEMÁTICAS DEPARTAMENTO: CIENCIAS BÁSICAS PROGRAMA DE ESTUDIO ASIGNATURA: ESTADÍSTICA APLICADA CLAVE: TMPE SEMESTRE:
Programa de Asignatura Estadística
Programa de Asignatura Estadística 01 Carrera: Licenciatura en Tecnología Informática 02 Asignatura: Estadística 03 Año lectivo: 2013 04 Año de cursada: 2 05 Cuatrimestre: Segundo 06 Hs. Semanales: 5 07
Análisis de Estructuras Espaciales Persistentes. Desempleo Departamental en Argentina.
Análisis de Estructuras Espaciales Persistentes. Desempleo Departamental en Argentina. Marcos Herrera 1 1 CONICET IELDE - Universidad Nacional de Salta (Argentina) Seminario de Investigación Nº 27 8 de
UNIVERSIDAD AUTÓNOMA DE CHIAPAS FACULTAD DE INGENIERÍA CAMPUS I PROBABILIDAD Y ESTADISTICA
UNIVERSIDAD AUTÓNOMA DE CHIAPAS FACULTAD DE INGENIERÍA CAMPUS I PROBABILIDAD Y ESTADISTICA NIVEL : LICENCIATURA CRÉDITOS : 7 CLAVE : ICAE13001731 HORAS TEORÍA : 3 SEMESTRE : QUINTO HORAS PRÁCTICA : 1 REQUISITOS
Carrera: EMM Participantes Representante de las academias de ingeniería Electromecánica de los Institutos Tecnológicos.
1. DATOS DE LA ASIGNATURA Nombre de la asignatura: Carrera: Clave de la asignatura: Horas teoría-horas práctica-créditos Probabilidad y Estadística Ingeniería Electromecánica EMM - 0528 3 2 8 2.- HISTORIA
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
Transformaciones de Potencia
Transformaciones de Potencia Resumen El procedimiento Transformaciones de Potencia está diseñado para definir una transformación normalizadora para una columna de observaciones numéricas que no provienen
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
UNIVERSIDAD AUTÓNOMA DE QUERÉTARO FACULTAD DE INGENIERÍA. práctica, Total: 85 Horas a la semana: 5 teoría: 4 prácticas: 1 Créditos:
UNIVERSIDAD AUTÓNOMA DE QUERÉTARO FACULTAD DE INGENIERÍA Probabilidad y Estadística 18/01/10 Clave: 214 Semestre: 1 Duración del curso: semanas: 17 horas: 68 de teoría y 17 de práctica, Total: 85 Horas
Econometría II Grado en finanzas y contabilidad
Econometría II Grado en finanzas y contabilidad Variables aleatorias y procesos estocásticos. La FAC y el correlograma Profesora: Dolores García Martos E-mail:mdgmarto@est-econ.uc3m.es Este documento es
Incertidumbre, Validación y Trazabilidad en el Laboratorio de Análisis Clínicos. Cómo cumplir con requisitos de la ISO 15189
Incertidumbre, Validación y Trazabilidad en el Laboratorio de Análisis Clínicos Cómo cumplir con requisitos de la ISO 15189 Calidad en mediciones químicas Validación de métodos Estoy midiendo lo que intentaba
Carrera: Clave de la asignatura: INB Participantes Representante de las academias de ingeniería industrial de los Institutos Tecnológicos.
1.- DATOS DE LA ASIGNATURA Nombre de la asignatura: Carrera: Clave de la asignatura: Horas teoría-horas práctica-créditos Estadística I Ingeniería Industrial INB - 0403 4 0 8 2.- HISTORIA DEL PROGRAMA
ACTIVIDAD 2: La distribución Normal
Actividad 2: La distribución Normal ACTIVIDAD 2: La distribución Normal CASO 2-1: CLASE DE BIOLOGÍA El Dr. Saigí es profesor de Biología en una prestigiosa universidad. Está preparando una clase en la
UNIVERSIDAD MILITAR NUEVA GRANADA
CONTENIDO PROGRAMÁTICO Fecha Emisión: 2011/09/15 AC-DO-F-8 Revisión No. 1 Página 1 de 5 ESTADÍSTICA II CÓDIGO 22081 PROGRAMA ADMINISTRACIÓN DE LA SEGURIDAD INTEGRAL ÁREA DE FORMACIÓN ESTADÍSTICA SEMESTRE
Práctica 2 Relación lineal (densidad)
Práctica 2 Relación lineal (densidad) Objetivos Determinar la densidad como una medición indirecta a través de mediciones directas. Aplicar el método de cuadrados mínimos para ver la correlación de las
Elaboración de una campaña de tráfico
Elaboración de una campaña de tráfico Física y Química 4º ESO IES Saulo Torón María Dolores Ramírez Rodríguez En España los accidentes de tráfico son la quinta causa de muerte no natural siendo la velocidad
PROGRAMA DE ESTUDIOS : UN SEMESTRE ACADÉMICO : SEGUNDO AÑO, PRIMER SEMESTRE
PROGRAMA DE ESTUDIOS A. ANTECEDENTES GENERALES NOMBRE DE LA ASIGNATURA : FISICA CÓDIGO : IIF211A DURACIÓN : UN SEMESTRE ACADÉMICO PRE - REQUISITO : ALGEBRA CO - REQUISITO : NO TIENE UBICACIÓN : SEGUNDO
Tema 5: Introducción a la inferencia estadística
Tema 5: Introducción a la inferencia estadística 1. Planteamiento y objetivos 2. Estadísticos y distribución muestral 3. Estimadores puntuales 4. Estimadores por intervalos 5. Contrastes de hipótesis Lecturas
ESTADÍSTICA BAYESIANA Y TEORÍA DE DECISIONES
MISIÓN Formar profesionales altamente capacitados, desarrollar investigación y realizar actividades de extensión en Matemáticas y Computación, así como en sus diversas aplicaciones. ESTADÍSTICA BAYESIANA
Bloque 1. Contenidos comunes. (Total: 3 sesiones)
4º E.S.O. OPCIÓN A 1.1.1 Contenidos 1.1.1.1 Bloque 1. Contenidos comunes. (Total: 3 sesiones) Planificación y utilización de procesos de razonamiento y estrategias de resolución de problemas, tales como
Estimación MC2E, MVIL en Modelos de Ecuaciones Simultáneas
Estimación MC2E, MVIL en Modelos de Ecuaciones Simultáneas Economía Aplicada III (UPV/EHU) OCW 2013 Contents 1 Mínimos Cuadrados en 2 Etapas 2 Mínimos Cuadrados en 2 Etapas El método de Mínimos Cuadrados
SILABO POR ASIGNATURA 1. INFORMACION GENERAL. [AVILA LARREA JAVIER [INGENIERIA DE EMPRESAS]
SILABO POR ASIGNATURA 1. INFORMACION GENERAL Coordinador: AVILA LARREA JAVIER ALEJANDRO(javier.avila@ucuenca.edu.ec) Facultad(es): [FACULTAD DE CIENCIAS ECONÓMICAS Y ADMINISTRATIVAS] Escuela: [PROGRAMA
UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO. Facultad de Medicina Veterinaria y Zootecnia. Licenciatura en Medicina Veterinaria y Zootecnia
UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO Facultad de Medicina Veterinaria y Zootecnia Licenciatura en Medicina Veterinaria y Zootecnia Clave 1212 Modalidad del curso: Carácter Métodos estadísticos en medicina
Pruebas de bondad de ajuste para distribuciones con parámetro de forma
Pruebas de bondad de ajuste para distribuciones con parámetro de forma José A. Villaseñor Alva Colegio de Postgraduados, México ITESM, Monterrey, N.L. 2 de septiembre de 2011 Conferencia Bimestral de la
CONTRASTE DE HIPÓTESIS
CONTRASTE DE HIPÓTESIS Antonio Morillas A. Morillas: Contraste de hipótesis 1 CONTRASTE DE HIPÓTESIS 1. Introducción 2. Conceptos básicos 3. Región crítica óptima i. Teorema de Neyman-Pearson ii. Región
Pruebas de hipótesis
Pruebas de hipótesis Álvaro José Flórez 1 Escuela de Ingeniería Industrial y Estadística Facultad de Ingenierías Febrero - Junio 2012 Prueba de hipótesis Uno de los objetivos de la estadística es hacer
UNIVERSIDAD MILITAR NUEVA GRANADA FACULTAD DE CIENCIAS BASICAS Y APLICADAS DEPARTAMENTO DE MATEMÁTICAS
CONTENIDO PROGRAMÁTICO Fecha Emisión: 2011/09/15 AC-DO-F-8 Revisión No. 1 Página 1 de 6 ESTADÍSTICA II CÓDIGO 12251 PROGRAMA ADMINISTRACIÓN DE EMPRESAS Y CONTADURÍA PÚBLICA ÁREA DE FORMACIÓN CIENCIAS BÁSICAS
Pronósticos Automáticos
Pronósticos Automáticos Resumen El procedimiento de Pronósticos Automáticos esta diseñado para pronosticar valores futuros en datos de una serie de tiempo. Una serie de tiempo consiste en un conjunto de
MODELOS DE REGRESIÓN
MISIÓN Formar profesionales altamente capacitados, desarrollar investigación y realizar actividades de extensión en Matemáticas y Computación, así como en sus diversas aplicaciones. MODELOS DE REGRESIÓN
Fundamentos de Cinética Química: ecuación cinética
Fundamentos de Cinética Química: ecuación cinética Apellidos, nombre Atarés Huerta, Lorena (loathue@tal.upv.es) Departamento Centro Departamento de Tecnología de Alimentos ETSIAMN (Universidad Politécnica