Avisos. Siguiente sesión. Evaluación del módulo. Examen de 1 hora. Incluye todos los temas incluyendo el día de hoy. Empieza el tiempo a las 12:00 pm.
|
|
- Sofia Botella Ramírez
- hace 6 años
- Vistas:
Transcripción
1 Lean Six Sigma
2 Avisos Siguiente sesión. Examen de 1 hora. Incluye todos los temas incluyendo el día de hoy. Empieza el tiempo a las 12:00 pm. Evaluación del módulo. 4 tareas y 1 examen. 60% tareas y 40% examen.
3 Qué es Six Sigma? Definiendo el problema Midiendo el problema Analizando causas potenciales Mejorando causas vitales Controlando causas vitales
4 Qué es Six Sigma? Definiendo el problema Midiendo el problema Analizando causas potenciales Mejorando causas vitales Controlando causas vitales
5 Medir Y = f(x) Fases Determinar causas potenciales Caracterización del proceso Evaluación del sistema de medición
6 Medir Y = f(x) Fases Determinar causas potenciales Caracterización del proceso Evaluación del sistema de medición
7 Objetivo de Medir II Al completar el entrenamiento del día de hoy, el participante será capaz de: Entender los datos Identificar la forma y posición de los datos Complementar análisis con métodos gráficos Realizar estudios de capacidad
8 Medir II Panorama general Entender los datos Forma y posición de los datos Métodos gráficos Capacidad de proceso De donde vienen los datos de mi proceso? Cómo es y donde esta mi proceso? Cómo se visualiza mi proceso? Qué tan capaz es mi proceso? Estadística básica Centralidad, Dispersión y Normalidad Gráfica de puntos Histograma CP, CPk Tipos de dato Tamaño de la muestra Gráfica de cajas DPU, DPMO Estadística descriptiva Pareto
9 Medir Y = f(x) Caracterización del proceso Entender los datos Forma y posición de los datos Métodos gráficos Capacidad de proceso
10 Medir Y = f(x) Caracterización del proceso Entender los datos Estadística básica Tipos de datos Forma y posición de los datos Métodos gráficos Capacidad de proceso
11 Estadística básica Qué es la estadística? La palabra estadística, tiene sus orígenes en la palabra Estado. Los romanos la utilizaban para nombrar los conteos que realizaban para sus censos de población. Básicamente la estadística es una rama de las matemáticas encargada de la organización y análisis de datos para el entendimiento de grupos y poblaciones.
12 Estadística básica Qué es la estadística? Su intención es describir el comportamiento de un grupo de datos en un momento dado. Caracteriza los datos para obtener información de los mismos a través de ciertos parámetros. Hay que medir para entender!
13 Estadística básica Diferentes tipos de estadística Descriptiva Entender o caracterizar los datos provenientes de una muestra o población. Inferencial Tomar decisiones acerca de una población con base a los parámetros, o características, de una muestra.
14 Tipos de datos Diferentes tipos de datos, requieren diferente tipo de análisis. Debido a esto necesitamos identificar que tipo de datos estamos manejando: Datos discretos: Los datos son discretos (contados). Resultan del uso de gages pasa/no pasa, o de la inspección de defectos visuales, problemas visuales, partes faltantes, o de decisiones pasa/falla o sí/no. Datos Continuos: Los datos son continuos (medidos). Resultan de la medición real de una característica tal como la impedancia del embobinado de un motor, fuerza de tensión del acero, diámetro de un tubo, flujo de una bomba, tiempo, dinero, etc.
15 Tipos de datos DATOS DISCRETOS (Datos de conteo) (#1) Número de partes en una categoría (Proporciones basadas en conteo) Aguila/Sello (ej., contar el # de águilas y el # de sellos) Si/No (Forma para ordenar llenada exactamente o no) Pasa/Falla; Bueno/Malo (Cobro exacto/cobro exagerado) (#2) Cantidad de veces de un evento discreto # de raspones en el cofre de un auto # de errores en una forma # de veces que un cliente cuelga sin recibir respuesta Datos Discretos Tipo-I (Binomial) Datos Discretos Tipo-II (Poisson) DATOS CONTINUOS (Escala de medición continua) (#3) Datos continuos Las subdivisiones decimales son significativas Ej: Tiempo de contestar el teléfono ( # exacto de segundos por llamada)
16 Tipos de datos Instrucciones: Para cada una de las siguientes aplicaciones, identifica el tipo de datos que estarías investigando (Discretos Tipo-I, Discretos Tipo-II o Datos Continuos). 1. Tiempo de respuesta a un pedido 2. Número de manchas por metro cuadrado de tela, donde las piezas pueden ser de tamaño variable 3. Prueba diaria de acidez en el agua (ph) 4. Número de pasas en una caja de Raisin Bran 5. Número de partes defectuosas en lotes de tamaño Largo de los tornillos en muestras de tamaño diez de lotes de producción 7. Número de errores en una orden de compra 8. Porcentaje de partes defectuosas en la producción cada hora
17 Medir Y = f(x) Caracterización del proceso Entender los datos Forma y posición de los datos Métodos gráficos Capacidad de proceso
18 Medir Y = f(x) Caracterización del proceso Entender los datos Forma y posición de los datos Métodos gráficos Centralidad, dispersión y normalidad Tamaño de muestra Estadística descriptiva Capacidad de proceso
19 Centralidad, dispersión y normalidad Qué nos interesa de los datos? Nos interesa describir un grupo de datos en términos de 3 elementos: Forma Centro Dispersión
20 Centralidad Centro Media (promedio) Mediana Moda
21 Centralidad Nos interesa conocer el centro para comparar a nuestros datos contra una referencia. Media: Promedio aritmético de un grupo de valores Refleja la influencia de todos los valores Influenciado por los valores extremos Mediana: Muestra el valor que representa el 50% del rango - el número central de un grupo de números al ordenarlos de mayor a menor Su cálculo no incluye a todos los valores (puntual) No se afecta por valores extremos Moda: El valor que ocurre con mayor frecuencia en un grupo de datos. En una gráfica de Pareto, es la barra más grande. Puede que no exista, pero si existe, puede no ser única (multimodal). n i 1 n x i
22 Dispersión Dispersión Rango Desviación estándar Varianza
23 Dispersión Nos interesa describir a los datos considerando que tanta variación existe alrededor de una medida de tendencia central: Rango: La distancia entre los valores extremos de un grupo de datos (mayor menos el menor). El rango es más sensible a datos extremos que otras medidas de dispersión Varianza (σ²): La diferencia cuadrada de cada valor con respecto a la media. Desviación estándar (σ): Raíz cuadrada de la varianza. R Max( xi : xn) Min( xi : xn) 2 n i 1 ( x ) i n 2
24 Normalidad Forma Forma Pruebas de normalidad
25 Normalidad Forma de la distribución Si nosotros podemos determinar si la forma de la distribución de nuestros datos se ajusta a un modelo previamente estudiado, podemos aprovechar las propiedades de dicho modelo para describir el comportamiento de la muestra o de la población, incluso hacer algún tipo de inferencia o predicción acerca del comportamiento de los datos. De particular interés, es determinar si los datos siguen un comportamiento normal.
26 Normalidad Qué es la normalidad? Decimos que algo es normal cuando su comportamiento es predecible. Cuando un proceso (o grupo de datos) se comporta aproximadamente como lo que llamamos una distribución normal. El área bajo la curva se conoce como la densidad de probabilidad. X
27 Normalidad Distribución normal Y = f(x) Si nuestro proceso se comporta en forma normal, entonces podemos estimar la capacidad del proceso, y si se requieren mejoras, podemos utilizar varias herramientas aplicables a la distribución normal. s = Desviación estándar Esta fórmula es para calcular la probabilidad... p( X x) x 1 2 e x dx m = media x
28 Normalidad Propiedades de la distribución 1era Propiedad: Una distribución normal puede ser descrita completamente con solo saber la: Media Desviación estándar Distribución Uno Distribución Dos Distribución Tres Cuál es la diferencia entre estas tres distribuciones?
29 Valor de Probabilidad de Muestra Normalidad Propiedades de la distribución 2nda Propiedad: El área bajo secciones de la curva puede usarse para estimar la probabilidad acumulativa de que cierto evento ocurra 40% 30% 20% 10% 68.26% 95.44% 99.73% Probabilidad acumulada de obtener un valor entre dos valores 0% Numero de desviaciones estándar desde la media
30 Normalidad Propiedades de la distribución Las reglas anteriores de probabilidad acumulativa aplican aún cuando un grupo de datos no este normalmente distribuido. Comparemos los valores de distribuciones teóricamente normales (perfectas) a distribuciones empíricas (del mundo real). Número de desviaciones estandar Teórica normal Empírica normal + / - 1 s 68% 60-75% + / - 2 s 95% 90-98% + / - 3 s 99.7% %
31 Normalidad Propiedades de la distribución 3era Propiedad: El área bajo la curva normal contiene el 100% de los posibles eventos. p(x > a) = 1 2 e -(1/2)[(x - )/ ] 2 a dx El área debajo de la curva es 1
32 Normalidad Propiedades de la distribución 4ª Propiedad: Una distribución normal siempre será simétrica respecto de la media. Distribución Simétrica respecto de este eje
33 Normalidad Evaluación de la normalidad Para evaluar normalidad, necesitamos establecer que tan similar o diferente son nuestros datos con respecto a una distribución normal. Hay tres maneras de hacerlo: Por apreciación: Observando el histograma para determinar si los datos tienen forma de campana o no:
34 Normalidad Evaluación de la normalidad Por comparación: Comparando los datos a la curva normal y determinando que tan bueno es el ajuste entre ambos Normal probability evaluation plot Cum rel frequency Normal rel frequency
35 Normalidad Evaluación de la normalidad Mediante pruebas: Aplicar pruebas de bondad de ajuste para cuantificar el ajuste entre los datos y la distribución normal. Existen varias pruebas: Anderson-Darling Ryan-Joyner Kolmogorov-Smirnof Todas las pruebas evalúan la bondad de ajuste. Para todas, buscamos un valor de p de la prueba. Si el valor de p es mayor a 0.05, entonces podemos afirmar que los datos se comportan aproximadamente normal.
36
37
38 Evaluación de normalidad Podemos afirmar que los datos son normales? Qué técnicas de evaluación de normalidad estamos observando?
39 Tamaño de la muestra La evaluación de normalidad es muy sensible al tamaño de la muestra. Con pocos datos la prueba puede no encontrar suficientes frecuencias y no arrojar un valor de p. En estos casos solo podemos obtener más datos o analizar la gráfica de probabilidad normal. Los histogramas son útiles pero con menos de 25 datos, la evaluación es muy mala. La mejor opción es revisar tanto analítica como gráficamente los resultados.
40 Parámetros de la Población vs. Estadísticas de la muestra N= POBLACION: n= MUESTRA: Los habitantes de EE.UU. Años de Producción Todos los granos de arena en la playa 1000 Ciudadanos Hrs. de producción Un puño de arena (Letras griegas) m= La media de la Población s = Desviación estándar de la Población s (Letras latinas) X = Media de la muestra = Desviación estándar de la muestra La inferencia estadística nos permite inferir el comportamiento de la población usando los datos de la muestra.
41 Tamaño de la muestra Datos continuos Calculo del tamaño de muestra para datos continuos Estimar la desviación estándar del proceso Ejemplo: Recolectar datos para revisar el proceso de tiempo de entrega de una factura Históricamente, las facturas toman entre 10 y 30 días. Entonces estimamos la desv. Std. en 4 días Una acercamiento muy básico para conocer la desviación estándar es ver el rango histórico del proceso y dividirlo entre 5. Decidir la precisión requerida Precisión requerida +/- 2 días Calcular el tamaño mínimo de la muestra como: TM = ((2*Desc Std)/precisión) 2 TM = ((2*4)/2) 2 = 16
42 Tamaño de la muestra Datos discretos Calculo del tamaño de muestra para datos discretos Estimar la proporción del proceso Decidir la precisión requerida (d) Ejemplo: Recolectar datos para revisar la proporción de ordenes vendidas con partes faltantes Históricamente la proporción estimada es de un 10% (Expresado como 0.10) Precisión requerida +/- 1.5% (Expresado como 0.015) Cómo saber las proporción esperada si es que no has medido el proceso aún? La respuesta es que se estima. Si después te das cuenta de que la estimación no fue precisa, siempre puedes volver a calcular el TM. Calcular el tamaño mínimo de la muestra como: TM = (2/d) 2 *p*(1-p) TM = (2/0.015) 2 *0.1*(1-0.1) =1,600
43 Estadística descriptiva La estadística descriptiva es aquella que sumariza características propias de un grupo de datos para su entendimiento. Principalmente nos interesan las medidas de tendencia central y de dispersión. Una forma rápida de obtener la estadística descriptiva? Usando Minitab: Stat > Basic Statistics > Display Descriptive Statistics
44
45
46
47 Medir Y = f(x) Caracterización del proceso Entender los datos Forma y posición de los datos Métodos gráficos Capacidad de proceso
48 Medir Y = f(x) Caracterización del proceso Entender los datos Forma y posición de los datos Métodos gráficos Capacidad de proceso Gráfica de puntos Histograma Gráfica de caja Pareto
49 Métodos gráficos No olvides que una imagen dice más que mil palabras, nos interesa mucho tener una descripción gráfica. Las gráficas nos ayuda a visualizar la DISTRIBUCIÓN DE LOS DATOS. Una gráfica dice mas que mil palabras!!!
50 Gráfica de puntos Dot Plot Se grafican todos los valores como se van presentando en el grupo de datos. Cada punto es un valor individual.
51
52
53
54 Gráfica de barras Histograma Los histogramas agrupan acorde a las frecuencias que se encuentran dentro de ciertos rangos o clases. Imaginemos los mismos datos, agrupados en intervalos con barras que representan las frecuencias de las clases Qué podemos apreciar de la gráfica a diferencia del dot plot?
55
56
57
58 Histograma Patrones comunes de una distribución Acampanado Doble-pico Plato Pico-aislado Truncado Pico en el extremo Sesgada Cresta
59 Gráfica de cajas Boxplot Boxplot of Time Es una gráfica que nos muestra la distribución de los datos Los datos son representados en cuartiles. Time IQR IQR = Índice inter-cuartil Outlier Superior > Q IQR 17.5 Outlier Inferior < Q1 1.5 IQR 15.0 Outlier
60
61
62
63 Gráfica de Pareto 80/20 Es una gráfica que nos muestra la frecuencia de los datos. Este concepto nos indica que el 80% de los defectos esta concentrado en el 20% de las causas.
64 Gráfica de Pareto 80/20 La compañía Refrigeradores del Norte esta teniendo problemas con el desperdicio y selecciona a un yellow belt para que determine mediante un pareto cuales son los defectos que originan el 80 % de su desperdicio. Los defectos son del mes anterior fueron: Rayados 860 pzas Tonalidad 52 pzas Mal ensamblados 564 pzas Def del Congelador 85 pzas No enfría 321 pzas Impresión incorrectas 256 pzas
65 Gráfica de Pareto 80/20 Defectos Frecuencia Frec. Acum % Acum Rayados % Mal ensamblados 564 1,424 67% No enfría 321 1,745 82% Impresión incorrecta 256 2,001 94% Def. del congelador 85 2,086 98% Tonalidad 52 2, % 2,138
66
67
68 Gráfica de Pareto
69 Si no tengo una tabla?
70 Gráfica de Pareto
71 Medir Y = f(x) Caracterización del proceso Entender los datos Forma y posición de los datos Métodos gráficos Capacidad de proceso
72 Medir Y = f(x) Caracterización del proceso Entender los datos Forma y posición de los datos Métodos gráficos Capacidad de proceso CP, CPk DPU, DPMO
73 Capacidad del proceso Definimos la capacidad como la habilidad de trabajar en un nivel esperado. Límite de Low Especificación er S inferior Límite de Especificación Upper Specification Superior Este proceso es capaz de trabajar dentro de las especificaciones
74 Capacidad del proceso Límite de Especificación Low erinferior Specification Upper Límite de Specification Especificación Superior Es capaz este proceso? Algo cambió además de las especificaciones? La capacidad se determina comparando la variación total del proceso contra la variación aceptada por el cliente
75 Reducir la variación del proceso (dispersión). Poner el proceso en el objetivo (centralidad). Capacidad del proceso Estrategia Defectos Defectos Defectos LSL USL LSL USL Defectos Defectos LSL USL
76 Capacidad de proceso Métodos por tipo de dato Discretos Variables DPU / DPMO CP / CPk Minitab / Excel Minitab
77 Capacidad de proceso Métodos por tipo de dato Discretos Variables DPU / DPMO CP / CPk Minitab / Excel Minitab
78 Capacidad de proceso Datos Continuos Tasa de Capacidad: Compara la capacidad del proceso (voz del proceso) con los límites de especificación (voz del cliente) LSL USL Voz del cliente Voz del negocio = USL - LSL 6s Voz del cliente = Cp Voz del proceso
79 Capacidad de proceso Datos Continuos Cuantas veces cabe mi proceso dentro de los límites de especificación. Cp = 0.5 Cp = 1.0 Cp = 1.5 Cp = 2.0
80 Capacidad de proceso Datos Continuos Cp = 1.3 CP de un proceso no centrado Cp = 1.3 Cp = 1.3
81 Capacidad de proceso Datos Continuos CPk penaliza si estas fuera de objetivo. Capacidad Voz del cliente Voz del proceso C pk = Min( X - LSL 3 s, USL - X 3 s ) C pl = X - LSL 3 s C pu = USL - X 3 s
82 Capacidad de proceso Datos Continuos CP y CPk de un proceso no centrado
83 Capacidad de proceso Datos Continuos Cuándo podemos decir que nuestro proceso es capaz? Cpk < 1 1 Cpk < 1.66 Cpk = 2 : 6 sigma Cpk = 1 : 3 sigma Cpk = 0.5 : 1.5 sigma Cpk 1.66
84
85 Limites de especificación establecidos por el cliente
86
87 Capacidad de proceso Métodos por tipo de dato Discretos Variables DPU / DPMO CP / CPk Minitab / Excel Minitab
88 Capacidad de proceso Métodos por tipo de dato Discretos Variables DPU / DPMO CP / CPk Minitab / Excel Minitab
89 Capacidad de proceso Datos Discretos Si tenemos atributos, la pregunta es que tan capaz es el proceso de no generar defectos. Necesitamos definir algunos términos Unidad: Factura, envío, llamada, orden. Defecto: Cualquiera que no cumpla los requerimientos del cliente. DPU: Usado para medir el resultado de cuantificar defectos particulares por unidad inspeccionada
90 Capacidad de proceso Datos Discretos - DPU Ejercicio Llamadas de clientes perdidas Muestra de cinco llamadas por día durante 3 semanas. 1 = Llamada perdida 0 = Llamada contestada Hoja: Dropped Call DPU # Dropped # Calls Y si tenemos múltiples defectos?
91 Capacidad de proceso Datos Discretos - DPU Defecto vs. Defectivo (defectuoso) Una unidad defectiva es una unidad que tiene un defecto. Puede haber varios defectos en una unidad defectiva. Defectivos es un resultado de defectos. Es imposible reducir el número de defectivos sin reducir el número de defectos. Enfocarse en defectivos generalmente nos lleva a re-trabajos costosos.
92 Capacidad de proceso Datos Discretos - DPU Ejercicio Errores en facturas Muestra de 100 facturas Tres tipos de defectos: Typos (dedo) Wrong Amount (cantidad equivocada) Wrong Terms (términos de crédito incorrectos) Calcular DPU Calcular DPU por tipo de defecto. Hoja: Invoice Errors
93 Ejercicio Errores en facturas Capacidad de proceso Datos Discretos - DPU DPU Total Total # of Defects Total # of Invoices DPU DPU DPU Typos Amount Terms Total # of Typos Total # of Invoices 100 Total # of Wrong Amount Total # of Invoices 100 Total # of Wrong Terms Total # of Invoices 100
94 Capacidad de proceso Datos Discretos - DPMO Defectos por millón de oportunidades (DPMO) Es la medida de capacidad de un proceso por atributos utilizado para determinar el nivel de sigma de un proceso. La medida toma en cuenta la complejidad del proceso. DPMO DPU # of O 1,000,000 O = # de oportunidades
95 Capacidad de proceso Datos Discretos - DPMO Número de unidades U = 100 Número de defectos D = 68 Número de oportunidades por unidad O = 7 *Oportunidades = # total de campos a llenar (5) + campo de dirección (1) + campo de cantidad (1) : = 7
96 Tabla de conversión de sigmas SIGMA -- Tenths Sigma Level * -- Hundreths , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , ,300 98, ,800 95,100 93,420 91,760 90,120 88,510 86,910 85,340 83,790 82, ,760 79,270 77,800 76,360 74,930 73,530 72,140 70,780 69,440 68, ,810 65,520 64,260 63,010 61,780 60,570 59,380 58,210 57,050 55, ,800 53,700 52,620 51,550 50,500 49,470 48,460 47,460 46,480 45, ,570 43,630 42,720 41,820 40,930 40,060 39,200 38,360 37,540 36, ,930 35,150 34,380 33,630 32,880 32,160 31,440 30,740 30,050 29, ,720 28,070 27,430 26,800 26,190 25,590 25,000 24,420 23,850 23, ,750 22,220 21,690 21,180 20,680 20,180 19,700 19,230 18,760 18,310 DPMO (97,143) <2.80
97 Capacidad de proceso Datos Discretos Calculadora de sigma
98 Capacidad de proceso Conclusiones Crea la base para un nuevo estándar para análisis futuros. Comparar capacidades (antes vs. después) es una medición muy objetiva de éxito de las compañías de clase mundial. Mientras mayor sean las Sigmas, menos defectos tendremos y como consecuencia, menor costo.
99 Dudas?
100 Tarea Medir su proyecto Determinar la capacidad de su proceso A) Datos continuos: 1 diapositiva con Normalidad + 1 diapositiva con Análisis de Capacidad donde se explique claramente CP y CPk + 1 párrafo de conclusión B) Datos discretos: 1 diapositiva con Análisis de capacidad (DPU / DPMO por medio de la calculadora de sigma donde se explique claramente cada uno de los elementos) + 1 párrafo de conclusión Mandar tarea a: rodrigo.arcos2015@gmail.com Fecha limite: Antes de la siguiente clase.
Estadística Descriptiva
M. en C. Juan Carlos Gutiérrez Matus Instituto Politécnico Nacional 2004 IPN UPIICSA c 2004 Juan C. Gutiérrez Matus Desde la segunda mitad del siglo anterior, el milagro industrial sucedido en Japón, hizo
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
Dr. Richard Mercado Rivera 18 de agosto de 2012 Matemática Elemental
Universidad de Puerto Rico Recinto de Aguadilla Programa CeCiMat Elemental Definición de conceptos fundamentales de la Estadística y la Probabilidad y su aportación al mundo moderno Dr. Richard Mercado
MEDIDAS DE RESUMEN: MEDIDAS DE TENDENCIA CENTRAL Y DISPERSIÓN. Lic. Esperanza García Cribilleros
MEDIDAS DE RESUMEN: MEDIDAS DE TENDENCIA CENTRAL Y DISPERSIÓN Lic. Esperanza García Cribilleros ANÁLISIS EXPLORATORIO DE DATOS Diagrama de tallo y hojas Diagrama de caja DESCRIPCIÓN N DE LOS DATOS Tablas
Estadística Inferencial. Estadística Descriptiva
INTRODUCCIÓN Estadística: Ciencia que trata sobre la teoría y aplicación de métodos para coleccionar, representar, resumir y analizar datos, así como realizar inferencias a partir de ellos. Recogida y
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
FLORIDA Secundaria. 1º BACH MATEMÁTICAS CCSS -1- BLOQUE ESTADÍSTICA: ESTADÍSTICA VARIABLE UNIDIMENSIONAL. Estadística variable unidimensional
FLORIDA Secundaria. 1º BACH MATEMÁTICAS CCSS -1- Estadística variable unidimensional 1. Conceptos de Estadística 2. Distribución de frecuencias 2.1. Tablas de valores con variables continuas 3. Parámetros
Ing. Eduardo Cruz Romero w w w. tics-tlapa. c o m
Ing. Eduardo Cruz Romero eduar14_cr@hotmail.com w w w. tics-tlapa. c o m La estadística es tan vieja como la historia registrada. En la antigüedad los egipcios hacían censos de las personas y de los bienes
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
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
Habilidades Matemáticas. Alejandro Vera
Habilidades Matemáticas Alejandro Vera La distribución normal Introducción Una de las herramientas de mayor uso en las empresas es la utilización de la curva normal para describir situaciones donde podemos
Discretas. Continuas
UNIDAD 0. DISTRIBUCIÓN TEÓRICA DE PROBABILIDAD Discretas Binomial Distribución Teórica de Probabilidad Poisson Normal Continuas Normal Estándar 0.1. Una distribución de probabilidad es un despliegue de
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
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:
Medidas de Tendencia Central.
Medidas de Tendencia Central www.jmontenegro.wordpress.com MEDIDAS DE RESUMEN MDR MEDIDAS DE TENDENCIA CENTRAL MEDIA MEDIANA MODA CUARTILES,ETC. MEDIDAS DE DISPERSIÓN RANGO DESVÍO EST. VARIANZA COEFIC.
UNIVERSIDAD ABIERTA PARA ADULTOS UAPA CARRERA LICENCIATURA EN ADMINISTRACIÓN DE EMPRESAS PROGRAMA DE LA ASIGNATURA ESTADÍSTICA I
UNIVERSIDAD ABIERTA PARA ADULTOS UAPA CARRERA LICENCIATURA EN ADMINISTRACIÓN DE EMPRESAS PROGRAMA DE LA ASIGNATURA ESTADÍSTICA I CLAVE: MAT 131 ; PRE REQ.: MAT 111 ; No. CRED.: 4 I. PRESENTACIÓN: Este
Distribuciones Continuas de. Probabilidad. Dr. Víctor Aguirre Torres, ITAM. Guión 7.
Distribuciones Continuas de Probabilidad 1 Contenido 1. Ejemplo. 2. Diferencia entre variables aleatorias discretas y continuas. 3. Diferencia de f(x) entre variables aleatorias discretas y continuas.
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
Objetivo: Comprender la diferencia entre valor esperado, varianza y desviación estándar. Poner en práctica el teorema de Chebyshev
PROBABILIDAD Y ESTADÍSTICA Sesión MODELOS ANALÍTICOS DE FENÓMENOS ALEATORIOS CONTINUOS. Definición de variable aleatoria continua. Función de densidad y acumulatíva. Valor esperado, varianza y desviación
Tema 4 Variables Aleatorias
Tema 4 Variables Aleatorias 1 Introducción En Estadística Descriptiva, se estudiaron las distribuciones de frecuencias de conjuntos de datos y posteriormente se vimos los fundamentos de la teoría de probabilidades.
UNIVERSIDAD DISTRITAL FRANCISCO JOSÉ DE CALDAS FACULTAD DE INGENIERÍA PROYECTO CURRICULAR DE INGENIERÍA DE SISTEMAS
I. IDENTIFICACIÓN DE LA ASIGNATURA ESTADÍSTICA I CÓDIGO DE LA ASIGNATURA 33102106 ÁREA CIENCIAS BASICAS DE INGENIERIA SEMESTRE SEGUNDO PLAN DE ESTUDIOS 1996 AJUSTE 2002 HORAS TOTALES POR SEMESTRE 64 HORAS
Medidas de tendencia central y dispersión
Estadística Aplicada a la Investigación en Salud Medwave. Año XI, No. 3, Marzo 2011. Open Access, Creative Commons. Medidas de tendencia central y dispersión Autor: Fernando Quevedo Ricardi (1) Filiación:
UNIVERSIDAD AUTONOMA DE SANTO DOMINGO
UNIVERSIDAD AUTONOMA DE SANTO DOMINGO FACULTAD DE CIENCIAS ECONOMICAS Y SOCIALES DEPARTAMENTO DE ESTADISITICA CATEDRA Estadística Especializada ASIGNATURA Estadística Descriptiva Para Psicólogos (EST-225)
EJERCICIOS TEMA 1. Clasifica los siguientes caracteres estadísticos según sean cualitativos, variables discretas o variables continuas:
Ejercicio 1. Clasifica los siguientes caracteres estadísticos según sean cualitativos, variables discretas o variables continuas: a) Marca de los coches. b) Peso de los coches. c) Número de coches vendidos
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.
UNIDAD 7 Medidas de dispersión
UNIDAD 7 Medidas de dispersión UNIDAD 7 MEDIDAS DE DISPERSIÓN Al calcular un promedio, por ejemplo la media aritmética no sabemos su representatividad para ese conjunto de datos. La información suministrada
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
Proyecto PropULSA: Estadística y Probabilidad Breviario Académico
Estadística y Probabilidad Breviario Académico Estadística: Es la ciencia que tiene por objetivo recolectar, escribir e interpretar datos, con la finalidad de efectuar una adecuada toma de decisiones en
NOCIONES DE ESTADÍSTICA CURSO PRÁCTICO DE CLIMATOLOGÍA 2012
NOCIONES DE ESTADÍSTICA CURSO PRÁCTICO DE CLIMATOLOGÍA 2012 Matilde Ungerovich- mungerovich@fisica.edu.uy DEFINICIÓN PREVIA: Distribución: función que nos dice cuál es la probabilidad de que cada suceso
3. ANÁLISIS DE DATOS DE PRECIPITACIÓN.
3. ANÁLISIS DE DATOS DE PRECIPITACIÓN. Teniendo en cuenta que la mayoría de procesos estadísticos se comportan de forma totalmente aleatoria, es decir, un evento dado no está influenciado por los demás,
Probabilidad y Estadística, EIC 311
Probabilidad y Estadística, EIC 311 Medida de resumen 1er Semestre 2016 1 / 105 , mediana y moda para datos no Una medida muy útil es la media aritmética de la muestra = Promedio. 2 / 105 , mediana y moda
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
Carrera: Ingeniería Civil CIM 0531
1.- DATOS DE LA ASIGNATURA Nombre de la asignatura: Carrera: Clave de la asignatura: Horas teoría-horas práctica-créditos: Probabilidad y Estadística Ingeniería Civil CIM 0531 3 2 8 2.- HISTORIA DEL PROGRAMA
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:
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
ANEXO 1. CONCEPTOS BÁSICOS. Este anexo contiene información que complementa el entendimiento de la tesis presentada.
ANEXO 1. CONCEPTOS BÁSICOS Este anexo contiene información que complementa el entendimiento de la tesis presentada. Aquí se exponen técnicas de cálculo que son utilizados en los procedimientos de los modelos
Dispone de 1 hora para resolver las siguientes cuestiones planteadas.
ESCUELA SUPERIOR POLITÉCNICA DEL LITORAL FACULTAD DE ECONOMÍA Y NEGOCIOS EXAMEN TEÓRICO DE ESTADÍSTICA COMPUTARIZADA NOMBRE: PARALELO: Dispone de 1 hora para resolver las siguientes cuestiones planteadas.
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
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
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
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
DISTRIBUCIÓN DE POISSON
DISTRIBUCIÓN DE POISSON P O I S S O N Siméon Denis Poisson, (1781-1840), astronauta francés, alumno de Laplace y Lagrange, en Recherchés sur la probabilité des jugements..., un trabajo importante en probabilidad
Curso de Estadística Aplicada a las Ciencias Sociales
Curso de Estadística Aplicada a las Ciencias Sociales Tema 6. Descripción numérica (2) Capítulo 5 del manual Tema 6 Descripción numérica (2) Introducción 1. La mediana 2. Los cuartiles 3. El rango y el
DISTRIBUCIÓN N BINOMIAL
DISTRIBUCIÓN N BINOMIAL COMBINACIONES En muchos problemas de probabilidad es necesario conocer el número de maneras en que r objetos pueden seleccionarse de un conjunto de n objetos. A esto se le denomina
INDICE Capítulo I: Conceptos Básicos Capitulo II: Estadística Descriptiva del Proceso
INDICE Capítulo I: Conceptos Básicos 1.- Introducción 3 2.- Definición de calidad 7 3.- Política de calidad 10 4.- Gestión de la calidad 12 5.- Sistema de calidad 12 6.- Calidad total 13 7.- Aseguramiento
La desviación típica y otras medidas de dispersión
La desviación típica y otras medidas de dispersión DISPERSIÓN O VARIACIÓN La dispersión o variación de los datos intenta dar una idea de cuan esparcidos se encuentran éstos. Hay varias medidas de tal dispersión,
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
PROGRAMA INSTRUCCIONAL ESTADÍSTICA
UNIVERSIDAD FERMIN TORO VICE RECTORADO ACADEMICO FACULTAD DE INGENIERIA ESCUELA DE MANTENIMIENTO MECÁNICO ESCUELA DE TELECOMUNICACIONES ESCUELA DE COMPUTACIÓN ESCUELA DE ELÉCTRICA PROGRAMA INSTRUCCIONAL
Carrera: Ingeniería Civil Participantes Comité de Evaluación Curricular de Institutos Tecnológicos
1.- DATOS DE LA ASIGNATURA Nombre de la asignatura: Carrera: Probabilidad y Estadística Ingeniería Civil Clave de la asignatura: Horas teoría-horas práctica-créditos 3-2-8 2.- HISTORIA DEL PROGRAMA Lugar
ESTADISTICA DESCRIPTIVA Y PROBABILIDAD
ESTADISTICA DESCRIPTIVA Y PROBABILIDAD CODIGO 213543 (COMPUTACION) 223543 (SISTEMAS) 253443 (CONTADURIA) 263443( ADMINISTRACION) 273443 (GRH) HORAS TEORICAS HORAS PRACTICAS UNIDADES CREDITO SEMESTRE PRE
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.
CENTRO UNIVERSITARIO UTEG DIRECCIÓN ACADÉMICA
Objetivo general de la materia/asignatura El alumno se familiarizará con: a) La simbología, b) Los conceptos, c) y el lenguaje utilizado en la estadística, apreciará la importancia que tiene la probabilidad
Curso de nivelación Estadística y Matemática
Curso de nivelación Estadística y Matemática Tercera clase: Introducción al concepto de probabilidad y Distribuciones de probablidad discretas Programa Técnico en Riesgo, 2014 Agenda 1 Concepto de probabilidad
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
Muchas variables aleatorias continuas presentan una función de densidad cuya gráfica tiene forma de campana.
Página 1 de 7 DISTRIBUCIÓN NORMAL o campana de Gauss-Laplace Esta distribución es frecuentemente utilizada en las aplicaciones estadísticas. Su propio nombre indica su extendida utilización, justificada
DIRECCIÓN ACADÉMICA PLANEACIÓN DIDÁCTICA
DEPARTAMENTO ACADÉMICO LICENCIATURA EN ACADEMIA ASIGNATURA SERIACIÓN CUATRIMESTRE EN QUE SE IMPARTE DIRECCIÓN de LICENCIATURAS EJECUTIVAS INGENIERÍA INDUSTRIAL y de SISTEMAS MATEMÁTICAS PROBABILIDAD y
ANALISIS E INTERPRETACION DE DATOS SOBRE PERMANENCIA Y GASTOS DE LOS ALUMNOS EN LA UNIVERSIDAD NACIONAL DE INGENIERIA
ANALISIS E INTERPRETACION DE DATOS SOBRE PERMANENCIA Y GASTOS DE LOS ALUMNOS EN LA UNIVERSIDAD NACIONAL DE INGENIERIA Jack Marlon Martínez Abregu e-mail: marlon_jack@hotmail.com IvánJosé Pazos Alvarado
La distribución de Probabilidad normal, dada por la ecuación:
La distribución de Probabilidad normal, dada por la ecuación: Donde: x = X -, la distancia entre X y en el eje de las X. = la media de la población o universo ( de las X ) fx= La altura de la ordenada
Probabilidad y Estadística Descripción de Datos
Descripción de Datos Arturo Vega González a.vega@ugto.mx Division de Ciencias e Ingenierías Universidad de Guanajuato Campus León Universidad de Guanajuato, DCI, Campus León 1 / 28 Contenido 1 Probabilidad
ANÁLISIS EXPLORATORIO DE DATOS ESPACIALES ESTADÍSTICA ESPACIAL
ANÁLISIS EXPLORATORIO DE DATOS ESPACIALES ESTADÍSTICA ESPACIAL DEPARTAMENTO DE GEOGRAFÍA FACULTAD DE HUMANIDADES UNNE Prof. Silvia Stela Ferreyra Revista Geográfica Digital. IGUNNE. Facultad de Humanidades.
PLANEACIÓN DIDÁCTICA FO205P
PLANEACIÓN DIDÁCTICA FO205P11000-44 DIVISIÓN (1) INGENIERÍA EN TICS DOCENTE (2) ING. JULIO MELÉNDEZ PULIDO NOMBRE DE LA ASIGNATURA (3) PROBABILIDAD Y ESTADISTICA CRÉDITOS (4) 5 CLAVE DE LA ASIGNATURA (5)
Probabilidad y Estadística
Probabilidad y Estadística Tema 9 Experimentación y presentación de datos Objetivo de aprendizaje del tema Al finalizar el tema serás capaz de: Describir los conceptos de experimentación y determinación
Evaluación de Proyectos de Inversión
Evaluación de Proyectos de Inversión Sesión #10: Estudio financiero (7) Periodo de recuperación de la inversión y Evaluación del riesgo del proyecto de inversión Contextualización Con la evaluación económica
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
INDICE 1. Introducción 2. Recopilación de Datos Caso de estudia A 3. Descripción y Resumen de Datos 4. Presentación de Datos
INDICE Prefacio VII 1. Introducción 1 1.1. Qué es la estadística moderna? 1 1.2. El crecimiento y desarrollo de la estadística moderna 1 1.3. Estudios enumerativos en comparación con estudios analíticos
MEDIDAS DE VARIABILIDAD
MEDIDAS DE VARIABILIDAD 1 Medidas de variabilidad Qué son las medidas de variabilidad? Las medidas de variabilidad de una serie de datos, muestra o población, permiten identificar que tan dispersos o concentrados
Estadística. Análisis de datos.
Estadística Definición de Estadística La Estadística trata del recuento, ordenación y clasificación de los datos obtenidos por las observaciones, para poder hacer comparaciones y sacar conclusiones. Un
Puntuación Z ESTADÍSTICA APLICADA A LA EDUCACIÓN I. L.A. y M.C.E. Emma Linda Diez Knoth
1 Puntuación Z ESTADÍSTICA APLICADA A LA EDUCACIÓN I Qué es la Puntuación Z? 2 Los puntajes Z son transformaciones que se pueden hacer a los valores o puntuaciones de una distribución normal, con el propósito
Tema 5. Muestreo y distribuciones muestrales
1 Tema 5. Muestreo y distribuciones muestrales En este tema: Muestreo y muestras aleatorias simples. Distribución de la media muestral: Esperanza y varianza. Distribución exacta en el caso normal. Distribución
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
Medidas de dispersión
Medidas de dispersión Las medidas de dispersión nos informan sobre cuánto se alejan del centro los valores de la distribución. Las medidas de dispersión son: Rango o recorrido El rango es la diferencia
Distribuciones de probabilidad
Distribuciones de probabilidad Prof, Dr. Jose Jacobo Zubcoff Departamento de Ciencias del Mar y Biología Aplicada Inferencia estadística: Parte de la estadística que estudia grandes colectivos a partir
1. Considera los datos siguientes: 6, 8, 2, 5, 4, 2, 7, 8, 6, 1, 7, 9 calcula lo que se te pide
UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO COLEGIO DE CIENCIAS Y HUMANIDADES ACADEMIA DE MATEMÁTICAS Toda cosa grande, majestuosa y bella en este mundo, nace y se forja en el interior el hombre Gibrán Jalil
UNIDAD 6 Medidas de tendencia central
UNIDAD Medidas de tendencia central UNIDAD MEDIDAS DE TENDENCIA CENTRAL = EJEMPLO. ó Al estudiar la información estadística de los histogramas y los polígonos de frecuencia, se puso en evidencia un significativo
Programa de estudios por competencias Licenciatura en Administración
Programa de estudios por competencias Licenciatura en Administración 1. IDENTIFICACIÓN DEL CURSO Centro Universitario: CENTRO UNIVERSITARIO DEL NORTE Departamento: FUNDAMENTOS DEL CONOCIMIENTO Academia:
ESTADÍSTICA SEMANA 3
ESTADÍSTICA SEMANA 3 ÍNDICE MEDIDAS DESCRIPTIVAS... 3 APRENDIZAJES ESPERADOS... 3 DEFINICIÓN MEDIDA DESCRIPTIVA... 3 MEDIDAS DE POSICIÓN... 3 MEDIDAS DE TENDENCIA CENTRAL... 4 MEDIA ARITMÉTICA O PROMEDIO...
Probabilidad y Estadística
Probabilidad y Estadística Grupo Lunes jueves 1PM22 11:00-12:00 11:00-13:00 Prof. Miguel Hesiquio Garduño. Depto. De Ingeniería Química Petrolera ESIQIE-IPN hesiquiogm@yahoo.com 1 de Agosto de 2011 OBJETIVO
MÓDULO III. MEDIDAS DE TENDENCIA CENTRAL, DISPERSIÓN Y ASIMETRÍA
1 UNIVERSIDAD NACIONAL EXPERIMENTAL DE LOS LLANOS OCCIDENTALES EZEQUIEL ZAMORA VICE-RECTORADO DE PLANIFICACIÓN Y DESARROLLO SOCIAL PROGRAMA CIENCIAS SOCIALES Y JURIDICAS SUBPROGRAMA ADMINISTRACIÓN SUBPROYECTO:
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
Pontificia Universidad Católica del Ecuador
Pontificia Universidad Católica del Ecuador Facultad de Ciencias Administrativas y Contables 1. DATOS INFORMATIVOS: MATERIA CÓDIGO: CARRERA: NIVEL: PARALELO: No. DE CREDITOS CRÉDITOS DE TEORÍA: SEMESTRE:
Variable Aleatoria Continua. Principales Distribuciones
Variable Aleatoria Continua. Definición de v. a. continua Función de Densidad Función de Distribución Características de las v.a. continuas continuas Ejercicios Definición de v. a. continua Las variables
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
UNIVERSIDAD AUTONOMA DE SANTO DOMINGO
UNIVERSIDAD AUTONOMA DE SANTO DOMINGO FACULTAD DE CIENCIAS ECONOMICAS Y SOCIALES DEPARTAMENTO DE ESTADISITICA CATEDRA Estadística Especializada ASIGNATURA Estadística Industrial (EST-121) NUMERO DE CREDITOS
Medidas de Dispersión
Medidas de Dispersión Revisamos la tarea de la clase pasada Distribución de Frecuencias de las distancias alcanzadas por las pelotas de golf nuevas: Dato Frecuencia 3.7 1 4.4 1 6.9 1 3.3 1 3.7 1 33.5 1
U.D.1: Análisis estadístico de una variable Consideraciones iniciales: Propuesta: 1.1 Distribución de frecuencias. Variables Cualitativas: Ejemplo
U.D.1: Análisis estadístico de una variable Consideraciones iniciales: - Población: Es el conjunto de todos los elementos que cumplen una determinada característica. Ej.: Alumnos del colegio. - Individuo:
UNIVERSIDAD CENTROCCIDENTAL LISANDRO ALVARADO DECANATO DE INGENIERIA CIVIL ESTADISTICA. CARÁCTER: Obligatoria DENSIDAD HORARIA HT HP HS UCS THS/SEM
UNIVERSIDAD CENTROCCIDENTAL LISANDRO ALVARADO DECANATO DE INGENIERIA CIVIL ESTADISTICA CARÁCTER: Obligatoria PROGRAMA: Ingeniería Civil DEPARTAMENTO: Ciencias Básicas CODIGO SEMESTRE DENSIDAD HORARIA HT
MEDIDAS DE CENTRALIZACIÓN, POSICIÓN Y DISPERSIÓN. Matemáticas PAI 5 (4ºESO)
CENTRALIZACIÓN, POSICIÓN Y DISPERSIÓN Matemáticas PAI 5 (4ºESO) Ejercicio 2 Actividad de aula 3 Medidas estadísticas Recupera la tabla de frecuencias que realizaste en el ejercicio 2 de la actividad de
Tema 7: Estadística y probabilidad
Tema 7: Estadística y probabilidad En este tema revisaremos: 1. Representación de datos e interpretación de gráficas. 2. Estadística descriptiva. 3. Probabilidad elemental. Representaciones de datos Cuatro
ESTADÍSTICA CON EXCEL
ESTADÍSTICA CON EXCEL 1. INTRODUCCIÓN La estadística es la rama de las matemáticas que se dedica al análisis e interpretación de series de datos, generando unos resultados que se utilizan básicamente en
Medidas de Tendencia Central. Dra. Noemí L. Ruiz Limardo Derechos de Autor Reservados Revisado 2010
Medidas de Tendencia Central Dra. Noemí L. Ruiz Limardo Derechos de Autor Reservados Revisado 2010 Objetivos de Lección Conocer cuáles son las medidas de tendencia central más comunes y cómo se calculan
ESTADÍSTICA APLICADA. TEMA 1. ESTADÍSTICA DESCRIPTIVA
ESTADÍSTICA APLICADA. TEMA 1. ESTADÍSTICA DESCRIPTIVA Definición de Estadística: La Estadística trata del recuento, ordenación y clasificación de los datos obtenidos por las observaciones, para poder hacer
II. ORGANIZACIÓN N Y PRESENTACIÓN N DE DATOS
UNIVERSIDAD INTERAMERICANA PARA EL DESARROLLO ORGANIZACIÓN N Y PRESENTACIÓN N DE DATOS Contenido II. ORGANIZACIÓN N Y PRESENTACIÓN N DE DATOS II. Tablas de frecuencia II. Gráficos: histograma, ojiva, columna,
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
LECTURA 01: LA DISTRIBUCIÓN NORMAL GENERAL. LA DISTRIBUCIÓN NORMAL ESTÁNDAR (PARTE I). TEMA 1: LA DISTRIBUCION NORMAL GENERAL.
LECTURA 1: LA DISTRIBUCIÓN NORMAL GENERAL LA DISTRIBUCIÓN NORMAL ESTÁNDAR (PARTE I) TEMA 1: LA DISTRIBUCION NORMAL GENERAL PROPIEDADES 1 INTRODUCCION La distribución de probabilidad continua más importante
UNIVERSIDAD NACIONAL SAN LUIS GONZAGA DE ICA
UNIVERSIDAD NACIONAL SAN LUIS GONZAGA DE ICA Facultad de Ingeniería Mecánica y Eléctrica Escuela Académico Profesional de Ingeniería Mecánica y Eléctrica Departamento de Ciencias de Investigación de la
Ejemplos y ejercicios de. Estadística Descriptiva. yanálisis de Datos. 2 Descripción estadística de una variable. Ejemplos y ejercicios.
ESTADÍSTICA DESCRIPTIVA Y ANÁLISIS DE DATOS Ejemplos y ejercicios de Estadística Descriptiva yanálisis de Datos Diplomatura en Estadística Curso 007/08 Descripción estadística de una variable. Ejemplos
SESION 12 LA DISTRIBUCIÓN BINOMIAL
SESION LA DISTRIBUCIÓN BINOMIAL I. CONTENIDOS:. La distribución omial.. Variables aleatorias en una distribución omial. 3. Descripciones de la distribución omial. 4. Distribución de Poisson. II. OBJETIVOS:
Tema 5 Algunas distribuciones importantes
Algunas distribuciones importantes 1 Modelo Bernoulli Distribución Bernoulli Se llama experimento de Bernoulli a un experimento con las siguientes características: 1. Se realiza un experimento con dos
Medidas de Posición n y. Boxplot Lección n 11 Secc Prof. Pedro A. Torres ESMA febrero de Prof. Pedro A. Torres, ESMA 3015 UPRM
Medidas de Posición n y 90 80 70 60 Boxplot of AGE Boxplot Lección n 11 Secc.. 2.6 Prof. Pedro A. Torres ESMA 3015 AGE 50 40 30 20 febrero de 2007 Objetivos Definir una medida de posición. Conocer y aprender