Control de calidad del Hormigón
|
|
- Julio Castro Olivera
- hace 6 años
- Vistas:
Transcripción
1 Control de calidad del Hormigón
2 Calidad Hay muchos factores involucrados en la producción del hormigón, desde los materiales, la dosificación de la mezcla, el transporte, la colocación, el curado y los ensayos. Por eso, no debe sorprendernos de que se trata de un material variable.
3 Calidad Ello significa que si se realizan ensayos sobre muestras de hormigón idénticas, se verificarán variaciones en las propiedades mecánicas entre las diversas muestras. Esa variabilidad se debe tener en cuenta a la hora de redactar las especificaciones.
4 Calidad: factores Los que contribuyen a esa variabilidad son: Materiales Producción Ensayos
5 Verificación de la Calidad Se refiere colectivamente a todas los pasos dados para asegurar la confianza adecuada de que el hormigón se comportará satisfactoriamente en servicio.
6 Control de la Calidad Se aplica a cada acción empleada para medir las propiedades del hormigón y sus materiales componentes y controlarlas dentro de especificaciones establecidas.
7 Calidad tradicional Muchas especificaciones del hormigón, se basaban en recetas o prescripciones, que no tenían en cuenta las características del producto final.
8 Calidad tradicional Antes, se solía tomar en forma periódica, una muestra supuestamente representativa, se la ensayaba y se la comparaba con lo que establecía la especificación. Si ese material estaba dentro de las tolerancias fijas, se daba por aprobado y si no lo hacía, se lo rechazaba.
9 Ensayos Cuando se realiza un ensayo, existe la posibilidad de que el material tenga un 50 % de posibilidades de pasar el límite de la especificación y otro 50 % de no hacerlo. Si falla y se realiza un segundo ensayo, la probabilidad sigue siendo la misma (50 % + 50 % ) con lo cual se verifica que existe un 75 % de posibilidad de pasar y un 25 % de no hacerlo.
10 Ensayos
11 Calidad Una de las características a señalar es que se debe realizar un muestreo totalmente al azar, pues sino las técnicas estadísticas dan resultados no significativos.
12 Muestreo al azar Involucra una selección que le da igual probabilidad a todas las partes que conforman el lote, de poder ser elegidas.
13 Lote Es una cantidad prescripta y definida del material, que puede ser un volumen, un área, una cantidad de producción, unidades, etc, que se produce mediante el mismo proceso y con un mismo propósito.
14 Lote Al establecer su tamaño, se puede elegir la ubicación y la frecuencia del muestreo, para decidir qué cantidad de material es necesario tomar para cumplir con los límites especificados.
15 Lote Bajo este concepto, de muestreo y ensayo lote por lote, el proceso constructivo del hormigón se puede pensar como la producción de sucesivos lotes, que se deben ensayar para ser aceptados o rechazados.
16 Lote: ejemplo
17 Muestra La muestra resulta ser una porción del lote y se la usa para representarlo. Este término se emplea en un sentido estadístico.
18 Lote: ejemplo
19 Lote Se prefiere que en general haya cuatro o cinco porciones de la muestra (incrementos).
20 Variabilidad: medición Es necesario definir el concepto de variabilidad más precisamente. La distribución de las resistencias del hormigón se pueden aproximar a una distribución normal de frecuencias o de Gauss, que se define por dos parámetros
21 Parámetros estadísticos básicos La media, µ y la desviación estándar s.
22 Parámetros estadísticos básicos Se verifica que los resultados de los ensayos de los materiales de construcción tienden a agruparse alrededor de un valor central definido, denominado MEDIA o PROMEDIO. Los valores tienden a disponerse en forma simétrica alrededor del valor central, por lo que permite el empleo de la curva de distribución normal o de Gauss.
23 Curva de Gauss Tiene forma de campana. Esto permite establecer relaciones entre la media y la desviación estándar, para fijar límites realistas en las especificaciones de acuerdo con los tamaños de muestras seleccionados.
24 Desviación estándar
25 Histograma
26 Resultados de ensayos de resistencia de hormigón
27 Curvas de Gauss
28 Distribución gaussiana
29 Definiciones n = número de valores obtenidos en los ensayos. X= valores obtenidos individualmente. X = valor promedio o media. s = desviación estándar de la muestra. V = coeficiente de variación.
30 Coeficiente de variación s V = x 100 X
31 Distribución de Gauss Si se acepta que existe una distribución normal de las resistencias a la compresión, surgen varias implicancias: No se puede diseñar en base a la resistencia media, pues si se lo hace así, significaría que la mitad del hormigón colocado tendría resistencias que caerían por debajo del valor de diseño lo cual es inaceptable.
32 Distribución de Gauss Por otra parte, no se puede exigir que todas las resistencias estén por encima del valor de diseño, porque todos los valores están distribuidos normalmente. Por eso, se debe decidir arbitrariamente qué constituye un porcentaje aceptable de probetas que caen por debajo de un valor de diseño mínimo.
33 Distribución de Gauss Usando ese porcentaje y conociendo o suponiendo, la desviación estándar de la resistencia que se puede esperar, se puede determinar la resistencia media requerida para la cual diseñar la mezcla de hormigón.
34 Curva de Gauss Cuando se realizan los ensayos del hormigón, se trata de evaluar la distribución en la resistencia de todo el hormigón de la estructura, basado en un tamaño de muestra limitado. Se deben recolectar suficientes datos para que los ensayos sean representativos del hormigón en la estructura, pero solamente se puede hacer una estimación.
35 Resistencia a la compresión Las variaciones posibles se deben a: - Variaciones en los métodos de ensayo. - Propiedades de la mezcla de hormigón o de sus componentes.
36 Método de ensayo Se determina mediante el cálculo de la variación de un grupo de cilindros preparados de una misma muestra, de una dada mezcla de hormigón.
37 Variaciones de mezcla a mezcla Las diferencias en la resistencia a la compresión se pueden deber a: - Características y propiedades de los componentes. - Dosificación, mezclado y muestreo. - Se relaciona con la variación total como sigue: σ 2 = σ σ 2 2
38 Resistencia a la compresión Se debe recordar que las probetas de control durante la construcción proveen una buena base para la evaluación de la resistencia potencial del hormigón, colocado en la estructura pero no necesariamente del hormigón endurecido en dicha estructura, que puede ser de mejor o peor calidad.
39 Calidad del hormigón Puede ser mejor determinada mediante el ensayo de, como mínimo, 30 ensayos normalizados de una determinada mezcla, aunque existen métodos estadísticos para evaluar dicha calidad con un menor número de datos. Se ha demostrado por la gran cantidad de ensayos que se verifica una curva gaussiana alrededor de un valor medio.
40 Calidad del hormigón En principio los valores de los resultados de los ensayos se grafican para formar un histograma, o distribución de frecuencias, que se puede ajustar a una curva de distribución normal. Se calcula el promedio para verificar que la f c cae dentro ciertos límites especificados.
41 Calidad del hormigón O sea, además del promedio X se determina también la desviación estándar s. Generalmente el inspector no está interesado en graficar el histograma, más bien podrá determinar el promedio, la desviación estándar o el coeficiente de variación para un determinado conjunto de resultados, sin recurrir a una gráfica.
42 Calidad del hormigón El productor determina la resistencia promedio del hormigón, f c para que la mezcla sea la adecuada para la obra y cumpla con las especificaciones establecidas.
43 Análisis estadístico del hormigón en obra Como consecuencia del control, se han de obtener una serie de resultados de los ensayos, correspondiendo cada uno de ellos al promedio de dos o tres probetas compañeras, procedentes de la misma muestra, generalmente a 28 días. Para que estos resultados tengan algún significado, es necesario proceder al análisis estadístico.
44 Resistencia a la compresión promedio El primer parámetro a obtener es una medida de tendencia central, es decir, el promedio de los resultados, pero aunque suministra información valiosa sobre el hormigón analizado, no resulta suficiente. Se debe disponer de información, de cómo ha sido la homogeneidad del hormigón, si los valores están alrededor de la media o se extienden por arriba y debajo de ella.
45 Resistencia característica Cuando se establece una resistencia a la compresión mínima, no quiere decir esto que sea mínima absoluta, pues siempre hay valores que seguramente están por debajo de ese límite, por lo que surge la necesidad de fijar una tolerancia o fracción defectuosa máxima. Se denomina valor característico.
46 Resistencia característica Se adopta de acuerdo con la tensión de rotura final o por las tensiones admisibles del hormigón. El ACI acepta un 10 % de defectuosos mientras que el CEB solamente el 5 %. Para el segundo de los casos, es corriente aceptar un 20 %.
47 Resistencia característica f k= f m t.s o f k= f m (1- t.v)
48 Resistencia característica
49 Resistencia característica
50 Resistencia característica Según el criterio que se sigue: -f k = f m 0,84 s (20 %) - f k =f m 1,29 s (ACI, 10%) - f k = f m 1,64 s (CEB, 5%)
51 Resistencia característica Es muy valiosa pues además de referirse al valor medio de los resultados, incluye además una idea de la dispersión de ellos, al tener en cuenta el valor de la desviación estándar, s. O sea, dos hormigones con el mismo valor de resistencia media, pero valores diferentes de la dispersión, brindan hormigones de calidad distinta.
52 Ejemplo Característica H1 H2 f m (MPa) 34,0 34,0 s (MPa) 2,7 8,5 f aceptable (%) f k = 34,0 0,84 x 2,7 = 31,7 f k = 34,0 0,84 x 8,5 = 26,9 H1 es mejor que H2.
53 Calificación de una obra (f k >20 MPa) El ACI relaciona la desviación estándar s, con la calidad de una obra: s (kg/cm 2 ) < a 35 Grado de control Excelente Muy bueno 35 a 42 Bueno 42 a 49 Regular > 49 Pobre
54 Error del ensayo Se deben tener en cuenta siempre los errores que se cometen en el muestreo y en el ensayo de las probetas. En el caso del ensayo, surge de cuantificar la dispersión entre probetas compañeras pertenecientes a una misma muestra. Da una idea de la idoneidad del laboratorio de ensayos.
55 Error de ensayo Para determinarlo, se calculan los rangos individuales y el rango promedio: - Rango individual = es la diferencia entre los valores mayor y menor de probetas compañeras. - Rango promedio = es el promedio del conjunto de muestras, debiendo ser un número superior a 10.
56 Error de ensayo s 1 = R. d En este caso s 1 representa la desviación estándar entre probetas compañeras o desviación estándar de ensayo. d es una constante que depende del número de probetas compañeras, o sea, vale 0,887 para dos probetas, 0,591 para tres probetas y 0,486 para cuatro probetas.
57 Error de ensayo s 1 V 1 = x 100 f m Es el coeficiente de variación entre probetas compañeras o del ensayo.
58 Error de ensayo V 1 es el coeficiente de variación entre probetas compañeras o de ensayo, Para evaluar el error, se puede emplear la consideración que hace el ACI: Grado de control Excelente Muy bueno Bueno Regular V 1 entre probetas compañeras, % Menor que 3,0 3,0 a 4,0 4,0 a 5,0 5,0 a 6,0 Deficiente Mayor que 6
59 Ejemplo Resistencias individuales de probetas: 1 = 32,5 33,3 MPa 7 = 35,0 34,2 MPa 2 = 34,0 32,1 MPa 8 = 35,0 36,2 MPa 3 = 36,5 37,5 MPa 9 = 33,2 34,6 MPa 4 = 38,0 37,0 MPa 10 = 38,1 36,9 MPa 5 = 38,5 36,5 Mpa 6 = 37,2 35,8 MPa f 10 = 35,5 MPa
60 Ejemplo Resistencia de la muestra: 1 = 32,9 MPa 7 = 34,6 MPa 2 = 33,0 MPa 8 = 35,6 MPa 3 = 37,0 MPa 9 = 33,9 MPa 4 = 37,5 MPa 10 = 37,5 MPa 5 = 37,5 MPa 6 = 35,5 MPa
61 Rango de la muestra 1 = 0,8 MPa 7 = 0,8 MPa 2 = 1,9 MPa 8 = 1,2 MPa 3 = 1,0 MPa 9 = 1,4 MPa 4 = 1,0 MPa 10 = 1,2 MPa 5 = 2,0 MPa 6 = 1,4 MPa R = 1,27 MPa
62 Cálculos s 1 = R. d Para dos probetas d = 0,887. s 1 = 1,27 x 0,887 = 1,13 MPa. s 1 1,13 V 1 = x 100 = x 100 = 3,2 % f 10 35,6 Según la tabla anterior es muy bueno el grado de control
63 Evaluación de la Resistencia mediante las medias móviles Se lleva un registro cronológico de los resultados de los ensayos de resistencia de un lote de hormigón. Se van evaluando por grupos iguales a medida que se van obteniendo nuevos resultados, de manera que siempre el grupo lo conforma un mismo número de ellos, agregando el nuevo valor y eliminando en más antiguo.
64 Medias móviles Lo más común es que el grupo esté conformado por tres muestras y la serie de resultados serán: - fi = a,b,c,d,e. - La media móvil de tres muestras consecutivas se obtiene mediante la serie de los 3 promedios de las muestras consecutivas:
65 Medias móviles a + b + c b + c + d c + d + e f 3 = ; ; Se debe recordar que cada resultado, se obtiene como el promedio de 2 ó más probetas compañeras.
66 Curvas de distribución normal Se pone mucho énfasis en los resultados de los ensayos de los cilindros individuales. Si un resultado da bajo, esto no significa que el hormigón es de pobre calidad. Lo que importa es que los resultados de los ensayos de los cilindros no caigan por debajo del f c.
67 Medias móviles Tiene la ventaja respecto de la resistencia característica en que se hace en forma continua, lo que permite tomar acciones correctivas cuando se observan resultados ajustados o defectuosos. La limitación es que sólo puede aplicarse a lotes de hormigón que estén representados por más de 10 muestras.
68 Medias móviles Para verificar que cada parcialidad cumple con la resistencia especificada, se deben dar dos requisitos: - f 3 f c + k - O sea debe superar la resistencia especificada más una constante. - f i f c -j
69 Medias móviles f 3 = resistencia media de cualquier grupo de 3 probetas consecutivas, en MPa. f c = resistencia especificada o de proyecto, MPa. k, j = constantes de evaluación, que dependen de la fracción defectuosa aceptable y del tipo de hormigón, en MPa.
70 Valores de j y k
71 Medias móviles En caso contrario, se debe recurrir a la resistencia característica, que considera el total del lote, sin perjuicio de llevar paralelamente un control parcial por el criterio de las Medias Móviles a título informativo.
72 CUSUM Mide el comportamiento relativo a las intenciones de diseño. Compara los resultados con valores objetivos y determina si son consistentes con los niveles requeridos. Excelente para detectar cambios y consiste simplemente en un gráfico de la suma de la característica de un proceso con el tiempo.
73 Ventajas del CUSUM Es más sensible en detectar cambios en las magnitudes, que se experimentan durante la producción del hormigón. Se pueden tomar decisiones confiables con pocos resultados. La tendencia de los resultados se puede identificar a partir de la pendiente de un gráfico.
74 Ventajas del CUSUM Las pendientes de los gráficos se pueden utilizar para determinar las magnitudes de las propiedades, por ejemplo, resistencia media y desviación estándar. La posición de los cambios en las pendientes de los gráficos, indican aproximadamente cuándo ocurrieron los cambios.
75 CUSUM Las desviaciones de los resultados individuales de la media tienen una distribución normal. La desviación promedio de la media es aproximadamente cero para un proceso estable.
76 CUSUM Por eso, si ε i es la diferencia entre la resistencia a la compresión promedio y el i ésimo resultado de resistencia a la compresión, o ε i = X -X i Donde X es la resistencia a la compresión promedio (establecida durante un período adecuado) y X i es el i ésimo ensayo de resistencia a la compresión
77 CUSUM ε i = (X X i ) = 0 Siempre que no cambie la resistencia a la compresión promedio y el número de ensayos (N) es suficientemente grande. Si ocurre algún cambo en un material del hormigón, en la producción, la colocación, el ensayo, en variaciones estacionales, o cualquier otra causa asignable:
78 CUSUM Las desviaciones de las variaciones de los resultados de ensayos alrededor de la media no son más al azar y ε i no será más 0 en promedio. Si la causa asignable es constante, la suma de ε i cambiará en una forma lineal.
79 CUSUM Un cambio en la pendiente del gráfico CUSUM indica una diferencia en la resistencia promedio a partir del valor supuesto. Una vez que se detecta la tendencia, se deben efectuar análisis posteriores para el gráfico del CUSUM y de los ensayos del hormigón, así como su manipulación, los materiales, su producción y el ambiente, para determinar la probable causa del cambio.
80 Cálculos del CUSUM Los datos previos de una mezcla de hormigón, producido para proveer un f c de 30 MPa, indican una resistencia promedio de 35,8 MPa. Durante el proyecto, están disponibles los datos de resistencia a la compresión secuencial. La carta CUSUM se puede construir a partir de los datos.
81 Cálculos del CUSUM
82 Cálculos de CUSUM Usando estos 19 resultados de ensayos solamente, la resistencia a la compresión promedio es 34,8 MPa y la desviación estándar de la muestra es 2,41 MPa. Se calcula para las primeras 3 entradas. También se provee la media móvil de 3 ensayos (MA3) porque es comúnmente monitoreada la variable de control de calidad.
83 Conclusiones La desviación estándar baja indica un control excelente aparente. La resistencia promedio es mayor que f c > f cr pero 1,0 MPa menor que la resistencia promedio determinada a partir de los datos previos. No hay instancias donde un promedio móvil de tres resultados es menor que f c.
84 Cartas de control Los principios estadísticos solos no son suficientes para el control de calidad, pues se debe actuar rápidamente para determinar la calidad del hormigón y los cambios que se han producido en la calidad. Puede que haya variado la resistencia media o la desviación estándar. Esto da lugar a que se analice al hormigón de manera continua.
85 Conclusiones Todo esto indica un comportamiento contractualmente satisfactorio y un proceso aparentemente bajo control. Las cartas de control simples no indican problemas significativos ningunos, aunque la media móvil tiende ligeramente a ser más baja durante un período de tiempo.
86 Carta CUSUM
87 Carta CUSUM La figura indica claramente que ha ocurrido un desplazamiento. Una disminución en el nivel de la resistencia media se origina aparentemente no más allá del décimo ensayo de resistencia. Se puede hacer una simple estimación de la disminución en el nivel de resistencia que ha ocurrido a partir de la pendiente de la carta CUSUM.
88 Carta CUSUM La pendiente del ensayo Nº 10 al ensayo Nº 19 se puede estimar como 18,9 (la suma acumulativa de las diferencias entre el Ensayo Nº 19 dividido por 9 (19-10 ensayos) o aproximadamente 2,1 MPa.
89 Uso del sistema CUSUM Se emplea para monitorear las tendencias de la resistencia promedio, la desviación estándar y la relación entre las resistencia a 28 d y a edad temprana. Se detectan cambios en dichas propiedades e indica qué acción hay que tomar para incrementar la posibilidad de cumplir con la especificación, o reducir el costo de los materiales.
90 Ejemplo de CUSUM aplicado a la resistencia media Resistencia buscada: 38 MPa. Resultado Nº Resistencia a los 28d (MPa) Diferencias respecto de la resistencia objetivo (38 MPa) Cusum, M (MPa)
91 Ejemplo Una diferencia positiva indica que el resultado es más grande que la resistencia buscada y una negativa, indica lo contrario. Si la resistencia promedio es mayor que la buscada, entonces la pendiente del gráfico del CUSUM vs los resultados será positiva o hacia la derecha y arriba.
92 Ejemplo
93 CUSUM
94 Cartas de control Las suposiciones de normalidad e independencia permiten hacer predicciones acerca de los datos. Ya se vio que la distribución tiene forma de campana y que además, la media está en el centro.
95 Cartas de control Se hacen suposiciones sobre el estadístico graficado: Es independiente, por ejemplo un valor no está influenciado por su valor pasado y no afectará los valores futuros. Está normalmente distribuido, por ejemplo, el dato tiene una función de densidad de probabilidad normal.
96 Cartas de control Son las distribuciones normales con el agregado de la dimensión tiempo. Son cartas de corridas con distribuciones normales sobre impuestas. Proveen un medio gráfico para ensayar hipótesis acerca de los datos.
97 Cartas de control La distribución de frecuencias se aplica para poder establecer una resistencia a la compresión promedio del hormigón antes del proceso de hormigonado, mientras que las cartas de control son herramientas estadísticas empleadas para la evaluación de los resultados de los ensayos durante la colocación del hormigón.
98 Cartas de control Son cartas de líneas horizontales, donde existe una línea central en un promedio especificado, una línea superior en el límite de aceptación más alto y otra inferior en el más bajo. Puede que haya dos por arriba y dos por debajo de la línea central.
99 Cartas de control Las dos líneas más cercanas a la central, se denominan líneas de advertencia, mientras que las dos más lejanas se denominan líneas de acción. Se pueden establecer a una distancia 2σ y 3σ respectivamente, los que vendrán indicados en las especificaciones.
100 Cartas de control para datos continuos (variables) Carta de control de la media (Shewhart). Carta de control del rango (Shewhart). Carta de control de la media móvil. Carta de control de las sumas acumulativas (CUSUM).
101 Cartas de control
102 Carta de control
103 Carta de control
104 Carta de control
105 Carta de control de la media (Shewhart)
106 Carta de control (Shewhart)
107 Carta de control
108 Rechazo de resultados anómalos
109 Cartas de control La probabilidad de una muestra de tener un valor particular está dado por su ubicación sobre la carta. Suponiendo que el estadístico graficado está distribuido normalmente, la probabilidad de un valor que quede más allá de:
110 Cartas de control Los límites de advertencia: es de aproximadamente 2,5 % (2σ). Los límites de control es aproximadamente 0,1 % (3σ): esto es raro e indica que * la variación se debe a una causa asignable. El proceso está fuera de control estadístico.
111 Cartas de control Las reglas de la corrida se usan para indicar situaciones que están fuera del control estadístico. Para las cartas de Shewhart con límites de advertencia y de control son: Un punto que cae más allá de los límites de control. 2 puntos consecutivos que caen más allá de los límites advertencia
112 Cartas de control 7 ó más puntos consecutivos que caen en un lado de la media, e indican un desplazamiento del proceso. 5 ó 6 puntos consecutivos que van en la misma dirección, que indican una tendencia. Otras reglas similares que pueden utilizar los mismos criterios.
113 Cartas de control Se usan para un número de ensayos consecutivos, como por ejemplo:
114 Carta de control para resistencia del hormigón
115 Control de asentamiento del hormigón
116 Carta de control para contenido de aire
117 Méritos relativos de las cartas de control Causa del cambio Tipo de carta Media Rango Desviación estándar CUSUM Error grosero Desplazamient o de. X Desplazamient o de variabilidad. Fluctuaciones rápidas Fluctuaciones lentas
118 Test de Q para detectar valores anómalos (Dixon) Es la herramienta estadística más común para ser usada para detectar valores aberrantes. Se basa esto en la brecha y el rango, a un número n dado. /O X / Q = R
119 Valores críticos de Q
120 Test de Q Si el Q calc < Q crit (tabla) al nivel de probabilidad elegido, se debe aceptar la medición sospechosa. Si Q calc > Q crit resulta descartable, se debe rechazar ese dato, con el nivel de probabilidad elegido. Se aconseja medir más veces para tener mayor confianza en el resultado.
121 Ejemplo Se obtuvieron los siguientes valores de NO 2- en una muestra de agua de río (ppm): 0,409 0,410 0,401 0,380 Hay algún dato sospechoso? El último. Se ordenan, por ejemplo, los datos en forma creciente: 0,380 0,401 0,403 0,410 Entre los valores extremos, se calcula el rango: 0,410 0,380 = 0,030 ppm
122 Ejemplo Cuál es la diferencia con el valor más cercano? / 0,380 0,401/ = 0,031 Q calc = (0,380 0,401)/0,030 = 0,70 Q tab = 0,78 Q calc < Q crit, debe aceptarse la medida discordante.
123 Test de Grubbs Es una manera alternativa para detectar resultados anómalos. Se basa en un valor de t aceptable a un n dado. Supone normalidad.
124 Test de Grubbs
125 Ejemplo Se tienen los siguientes valores en una determinación de NO 2- en agua de río: 0,403 ; 0,410 ; 0,401 ; 0,380 ; 0,400 ; 0,413 ; 0,411. x = 0,4026 s = 0,01121 G = / 0,380 0,4025/ / 0,01121 = 2,016 G crit (p= 0,05) = 1,938
126 RESUMEN Resultados Obtenidos Calidad de los Ensayos TRAZABILIDAD Desviación % de Recuperación Calibración Exactitud Error Aleatorio INCERTIDUMBRE Análisis de Error Precisión Error Sistemático Desvío Estándar y Desvío Estándar Relativo T de Student Test de Grubb Errores Groseros
Control de calidad del Hormigón. San Luis, agosto de 2014
Control de calidad del Hormigón San Luis, agosto de 2014 Control de calidad Desde que se comenzó con la producción de bienes, se han hecho intentos en controlar el proceso de manera de mejorar la calidad
Más detallesControl de calidad del Hormigón
Control de calidad del Hormigón Calidad Hay muchos factores involucrados en la producción del hormigón, desde los materiales, la dosificación de la mezcla, el transporte, la colocación, el curado y los
Más detallesControl de calidad del. Ciudad de La Rioja Mayo 2013
Control de calidad del Hormigón Ciudad de La Rioja Mayo 2013 Control de calidad Desde que se comenzó con la producción de bienes, se han hecho intentos en controlar el proceso de manera de mejorar la calidad
Más detallesControl de calidad del Hormigón
Control de calidad del Hormigón Calidad Hay muchos factores involucrados en la producción del hormigón, desde los materiales, la dosificación de la mezcla, el transporte, la colocación, el curado y los
Más detallesANÁLISIS DE DATOS CONTROL DE CALIDAD. Ing. Carlos Brunatti
ANÁLISIS DE DATOS CONTROL DE CALIDAD Ing. Carlos Brunatti Montevideo, ROU, junio 2015 Control de calidad No resulta sorprendente que el hormigón sea un material variable, pues hay muchos factores involucrados
Más detallesHERRAMIENTAS DE CALIDAD EN PROCESOS METROLÓGICOS
HERRAMIENTAS DE CALIDAD EN PROCESOS METROLÓGICOS Ing. Claudia Santo Directora de Metrología Científica e Industrial 17/05/2016 MEDELLÍN, COLOMBIA MEDIR Cómo sabemos que nuestras meciones son correctas?
Más detallesTeorema 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
Más detallesObjetivos. Epígrafes 3-1. Francisco José García Álvarez
Objetivos Entender el concepto de variabilidad natural de un procesos Comprender la necesidad de los gráficos de control Aprender a diferenciar los tipos de gráficos de control y conocer sus limitaciones.
Más detallesMUESTREO PARA ACEPTACION
MUESTREO PARA ACEPTACION Inspección de Calidad Consiste en un procedimiento técnico que permite verificar si los materiales, el proceso de fabricación y los productos terminados cumplen con sus respectivas
Más detallesEstadística y sus aplicaciones en Ciencias Sociales 6. Prueba de hipótesis. Facultad de Ciencias Sociales, UdelaR
Estadística y sus aplicaciones en Ciencias Sociales 6. Prueba de hipótesis Facultad de Ciencias Sociales, UdelaR Índice 1. Introducción: hipótesis estadística, tipos de hipótesis, prueba de hipótesis 2.
Más detallesGRAFICOS DE CONTROL DATOS TIPO VARIABLES
GRAFICOS DE CONTROL DATOS TIPO VARIABLES OBJETIVO DEL LABORATORIO El objetivo del presente laboratorio es que el estudiante conozca y que sea capaz de seleccionar y utilizar gráficos de control, para realizar
Más detallesINTRODUCCIÓN 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
Más detallesESTADÍSTICA. 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:
Más detallesTeoría 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
Más detallesPruebas de Hipótesis. Diseño Estadístico y Herramientas para la Calidad. Pruebas de Hipótesis. Hipótesis
Diseño Estadístico y Herramientas para la Calidad Pruebas de Hipótesis Expositor: Dr. Juan José Flores Romero juanf@umich.mx http://lsc.fie.umich.mx/~juan M. en Calidad Total y Competitividad Pruebas de
Más detalles3. 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,
Más detallesObjetivos. Aprender a construir gráficos p y/o np. Aprender a construir gráficos c y u. Cuando usarlos. Epígrafes
Objetivos Aprender a construir gráficos p y/o np. Aprender a construir gráficos c y u. Cuando usarlos Epígrafes Introducción a los Gráficos p, np. Interpretación Gráficos c y u. Interpretación 2-1 Gráfico
Más detallesGuión de Prácticas. PRÁCTICA METROLOGIA. Medición. 2. CONSIDERACIONES PREVIAS a tener en cuenta SIEMPRE
1. OBJETIVOS Guión de Prácticas. PRÁCTICA METROLOGIA. Medición Conocimientos de los fundamentos de medición Aprender a utilizar correctamente los instrumentos básicos de medición. 2. CONSIDERACIONES PREVIAS
Más detallesUnidad V. Control Estadístico de la Calidad
UNIVERSIDAD NACIONAL DE INGENIERÍA UNI- NORTE - SEDE REGIONAL ESTELÍ Unidad V. Control Estadístico de la Calidad Objetivos Reconocer los principios estadísticos del control de calidad. Explicar la forma
Más detallesESTADÍSTICA 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
Más detallesPrimera ronda de pruebas de aptitud interlaboratorial en pruebas al concreto en Costa Rica
Primera ronda de pruebas de aptitud interlaboratorial en pruebas al concreto en Costa Rica Ing. Gabriela Araya Mendoza Proyectos Especiales, ICCYC El Instituto Costarricense del Cemento y del Concreto
Más detallesUnidad 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
Más detallesTERMINOLOGÍA ANALÍTICA - PROCESO ANALÍTICO - TÉCNICA ANALÍTICA - MÉTODO ANALÍTICO - PROCEDIMIENTO ANALÍTICO - PROTOCOLO ANALÍTICO
TERMINOLOGÍA ANALÍTICA - PROCESO ANALÍTICO - TÉCNICA ANALÍTICA - MÉTODO ANALÍTICO - PROCEDIMIENTO ANALÍTICO - PROTOCOLO ANALÍTICO PROCESO ANALÍTICO Conjunto de operaciones analíticas intercaladas que se
Más detallesINDICE 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
Más detallesProbabilidad y Estadística
Probabilidad y Estadística Tema 13 Inferencia en una población Objetivo de aprendizaje del tema Al finalizar el tema serás capaz de: Explicar el procedimiento de pruebas en la inferencia estadística. Aplicar
Más detallesNORMA ISO Introducción
Introducción NORMA ISO 2859-1 Objetivo: eliminar productos defectuosos. Esencial para el enfoque basado en hechos de los SGC dado que la calidad no puede generarse sólo mediante inspección El control puede
Más detallesMediciones II. Todas las mediciones tienen asociada una incertidumbre que puede deberse a los siguientes factores:
Mediciones II Objetivos El alumno determinará la incertidumbre de las mediciones. El alumno determinará las incertidumbres a partir de los instrumentos de medición. El alumno determinará las incertidumbres
Más detallesNOCIONES DE ESTADÍSTICA CURSO PRÁCTICO DE CLIMATOLOGÍA 2011
NOCIONES DE ESTADÍSTICA CURSO PRÁCTICO DE CLIMATOLOGÍA 2011 CÓMO CARACTERIZAR UNA SERIE DE DATOS? POSICIÓN- dividen un conjunto ordenado de datos en grupos con la misma cantidad de individuos CENTRALIZACIÓN-
Más detallesTema 11: Control del hormigón. Materiales, resistencia y ejecución. Ensayos.
Tema 11: Control del hormigón. Materiales, resistencia y ejecución. Ensayos. TÉCNICA DEL HORMIGÓN Y SUS APLICACIONES Curso 2007-2008. EUAT. Campus de Guadalajara Profesor Andrés García Bodega CONTROL DE
Más detallesUnidad 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
Más detallesTema 2. Regresión Lineal
Tema 2. Regresión Lineal 3.2.1. Definición Mientras que en el apartado anterior se desarrolló una forma de medir la relación existente entre dos variables; en éste, se trata de esta técnica que permite
Más detallesConcepto. 1,645 σ. f ck 5 %
Concepto 1,645 σ f ck 5 % Aplicación de Criterios de aceptación a un hormigón estricto. EHE-98 y EHE-08 Aplicación de Criterios de aceptación (EHE-98 y EHE-08) cuando un fabricante aumenta su margen de
Más detallesConceptos básicos de metrología
Conceptos básicos de metrología Definiciones, características y estimación de incertidumbres. Lic. Francisco Sequeira Castro 05 de Noviembre, 2014 Qué es la metrología? La metrología es la ciencia de las
Más detallesOtra característica poblacional de interés es la varianza de la población, 2, y su raíz cuadrada, la desviación estándar de la población,. La varianza
CARACTERÍSTICAS DE LA POBLACIÓN. Una pregunta práctica en gran parte de la investigación de mercado tiene que ver con el tamaño de la muestra. La encuesta, en principio, no puede ser aplicada sin conocer
Más detallesOptimizar recursos y asegurar cumplimiento metrológico Buenos Aires 23 de Octubre de 2015
Optimizar recursos y asegurar cumplimiento metrológico Buenos Aires 23 de Octubre de 2015 Operación que establece, una relación entre los valores y sus incertidumbres de medida asociadas obtenidas a partir
Más detallesMedidas 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.
Más detallesMEDIDAS 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
Más detallesTema 13: Distribuciones de probabilidad. Estadística
Tema 13: Distribuciones de probabilidad. Estadística 1. Variable aleatoria Una variable aleatoria es una función que asocia a cada elemento del espacio muestral, de un experimento aleatorio, un número
Más detallesEstadística para la toma de decisiones
Estadística para la toma de decisiones ESTADÍSTICA PARA LA TOMA DE DECISIONES. 1 Sesión No. 7 Nombre: Distribuciones de probabilidad para variables continúas. Objetivo Al término de la sesión el estudiante
Más detallesObjetivo: 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
Más detallesINSTITUTO 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
Más detallesPregunta 1. Pregunta 2. Pregunta 3. Pregunta 4. Pregunta 5. Pregunta 6. Pregunta 7. Comenzado el lunes, 25 de marzo de 2013, 17:24
Comenzado el lunes, 25 de marzo de 2013, 17:24 Estado Finalizado Finalizado en sábado, 30 de marzo de 2013, 17:10 Tiempo empleado 4 días 23 horas Puntos 50,00/50,00 Calificación 10,00 de un máximo de 10,00
Más detallesDeterminación del tamaño de muestra (para una sola muestra)
STATGRAPHICS Rev. 4/5/007 Determinación del tamaño de muestra (para una sola muestra) Este procedimiento determina un tamaño de muestra adecuado para la estimación o la prueba de hipótesis con respecto
Más detallesANÁLISIS CUANTITATIVO POR WDFRX
ANÁLISIS CUANTITATIVO POR WDFRX El análisis cuantitativo se obtiene mediante la medida de las intensidades de las energías emitidas por la muestra. Siendo la intensidad de la emisión (número de fotones)
Más detalles1. 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
Más detallesTema 9: Contraste de hipótesis.
Estadística 84 Tema 9: Contraste de hipótesis. 9.1 Introducción. El objetivo de este tema es proporcionar métodos que permiten decidir si una hipótesis estadística debe o no ser rechazada, en base a los
Más detallesAgro 6998 Conferencia 2. Introducción a los modelos estadísticos mixtos
Agro 6998 Conferencia Introducción a los modelos estadísticos mixtos Los modelos estadísticos permiten modelar la respuesta de un estudio experimental u observacional en función de factores (tratamientos,
Más detallesJUEGO 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
Más detallesNOCIONES 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
Más detallesDiseño de mezclas de concreto hidráulico. Grupo de trabajo en concreto hidráulico. Instituto Tecnológico de Tepic
Diseño de mezclas de concreto hidráulico Grupo de trabajo en concreto hidráulico. Instituto Tecnológico de Tepic Introducción. Concreto hidráulico Material resultante de la mezcla de cemento (u otro conglomerante)
Más detallesConceptos básicos estadísticos
Conceptos básicos estadísticos Población Población, en estadística, también llamada universo o colectivo, es el conjunto de elementos de referencia sobre el que se realizan las observaciones. El concepto
Más detallesExactitud y Linearidad del Calibrador
Exactitud y Linearidad del Calibrador Resumen El procedimiento Exactitud y Linearidad del Calibrador fue diseñado para estimar la exactitud del sistema de medición. En contraste con los procedimientos
Más detallesTeoría de errores -Hitogramas
FÍSICA I Teoría de errores -Hitogramas Autores: Pablo Iván ikel - e-mail: pinikel@hotmail.com Ma. Florencia Kronberg - e-mail:sil_simba@hotmail.com Silvina Poncelas - e-mail:flo_kron@hotmail.com Introducción:
Más detallesCAPÍTULO 15. ZAPATAS Y CABEZALES DE PILOTES
CAPÍTULO 15. ZAPATAS Y CABEZALES DE PILOTES 15.0. SIMBOLOGÍA A g A s d pilote f ce β γ s área total o bruta de la sección de hormigón, en mm 2. En una sección hueca A g es el área de hormigón solamente
Más detallesEstadística 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
Más detallesIndicadores de Gestión
Indicadores de Gestión 19/09/2012 Mary Clínica Barboza Internacional Wimpon 2010 Tiempos de Cambio Hubo un tiempo en que las empresas podían pasar por un cambio y luego retornaban a un periodo de relativa
Más detallesTeoría de muestras 2º curso de Bachillerato Ciencias Sociales
TEORÍA DE MUESTRAS Índice: 1. Introducción----------------------------------------------------------------------------------------- 2 2. Muestras y población-------------------------------------------------------------------------------
Más detallesMedidas 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
Más detalles3 PROBABILIDAD Y DISTRIBUCION NORMAL
3 PROBABILIDAD Y DISTRIBUCION NORMAL La probabilidad puede ser considerada como una teoría referente a los resultados posibles de los experimentos. Estos experimentos deben ser repetitivos; es decir poder
Más detallesMEDICIONES ELECTRICAS I
Año:... Alumno:... Comisión:... MEDICIONES ELECTRICAS I Trabajo Práctico N 2 Tema: MEDICION DE RESISTENCIA. METODO DIRECTO METODO INDIRECTO Método Directo Vamos a centrar nuestro análisis en los sistemas
Más detallesModelos de PERT/CPM: Probabilístico
INSTITUTO POLITÉCNICO NACIONAL ESCUELA SUPERIOR DE CÓMPUTO Modelos de PERT/CPM: Probabilístico M. En C. Eduardo Bustos Farías 1 Existen proyectos con actividades que tienen tiempos inciertos, es decir,
Más detallesCAPÍTULO 4 TÉCNICA PERT
54 CAPÍTULO 4 TÉCNICA PERT Como ya se mencionó en capítulos anteriores, la técnica CPM considera las duraciones de las actividades como determinísticas, esto es, hay el supuesto de que se realizarán con
Más detallesProcedimiento para la Aprobación de Sistemas Alternativos de Construcción para la Vivienda Unifamiliar en la República de Panamá
Procedimiento para la Aprobación de Sistemas Alternativos de Construcción para la Vivienda Unifamiliar en la República de Panamá 1. Alcance El propósito del Procedimiento para la Aprobación de Sistemas
Más detalles4. NÚMEROS PSEUDOALEATORIOS.
4. NÚMEROS PSEUDOALEATORIOS. En los experimentos de simulación es necesario generar valores para las variables aleatorias representadas estas por medio de distribuciones de probabilidad. Para poder generar
Más detallesTabla de Test de Hipótesis ( Caso: Una muestra ) A. Test para µ con σ 2 conocida: Suponga que X 1, X 2,, X n, es una m.a.(n) desde N( µ, σ 2 )
Test de Hipótesis II Tabla de Test de Hipótesis ( Caso: Una muestra ) A. Test para µ con σ conocida: Suponga que X, X,, X n, es una m.a.(n) desde N( µ, σ ) Estadística de Prueba X - μ Z 0 = σ / n ~ N(0,)
Más detallesEL PAPEL DE LA ESTADISTICA EN O Y M. Objetivo: Identificar índices estadísticos, y métodos más convenientes, para aplicarlos en el estudio de O y M.
EL PAPEL DE LA ESTADISTICA EN O Y M Objetivo: Identificar índices estadísticos, y métodos más convenientes, para aplicarlos en el estudio de O y M. O y M necesita apoyarse en la estadística que en casos
Más detallesLa 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
Más detallesIV. SIGNIFICADO DE LOS METODOS DE ENSAYO APLICADOS A LOS COMBUSTIBLES 4.1 SIGNIFICADO DE LOS MÉTODOS DE ENSAYO DE LAS GASOLINAS.
IV. SIGNIFICADO DE LOS METODOS DE ENSAYO APLICADOS A LOS COMBUSTIBLES 4.1 SIGNIFICADO DE LOS MÉTODOS DE ENSAYO DE LAS GASOLINAS. 4.1.1 Número de Octano Research (D-2699): Se determina por un método que
Más detallesEJERCICIOS RESUELTOS DE ESTADÍSTICA II
EJERCICIOS RESUELTOS DE ESTADÍSTICA II RESUMEN DE EJERCICIOS DADOS EN CLASES POR: EILEEN JOHANA ARAGONES GENEY DISTRIBUCIONES DOCENTE: JUAN CARLOS VERGARA SCHMALBACH ESTIMACIÓN PRUEBAS DE HIPÓTESIS Grupo
Más detallesFundamentos 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
Más detallesAnexo2 - Niveles de inspección y concierto de calidad
1. OBJETO Describir los niveles de inspección que la CONTRATANTE puede aplicar sobre los suministros de bienes y productos de acuerdo a las Condiciones de evaluación y homologación del proveedor y producto.
Más detallesINFERENCIA ESTADISTICA
1 INFERENCIA ESTADISTICA Es una rama de la Estadística que se ocupa de los procedimientos que nos permiten analizar y extraer conclusiones de una población a partir de los datos de una muestra aleatoria,
Más detallesEJERCICIOS DE SELECTIVIDAD
EJERCICIOS DE SELECTIVIDAD INFERENCIA 1998 JUNIO OPCIÓN A Un fabricante de electrodomésticos sabe que la vida media de éstos sigue una distribución normal con media μ = 100 meses y desviación típica σ
Más detallesMuchas 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
Más detallesTécnicas de Investigación Social
Licenciatura en Sociología Curso 2006/07 Técnicas de Investigación Social Medir la realidad social (4) La regresión (relación entre variables) El término REGRESIÓN fue introducido por GALTON en su libro
Más detallesControl Estadístico de Procesos (SPC) para NO estadísticos.
Control Estadístico de Procesos (SPC) para NO estadísticos. - Sesión 3ª de 4 - Impartido por: Jaume Ramonet Fernández Ingeniero Industrial Superior PMP (PMI ) Consultoría y Formación Actitud requerida
Más detallesPuntuaciones Estándarizadas, Distribución Normal y Aplicaciones. Dra. Noemí L. Ruiz Limardo 2008 Derechos de Autor Reservados, Revisado 2010
Puntuaciones Estándarizadas, Distribución Normal y Aplicaciones Dra. Noemí L. Ruiz Limardo 2008 Derechos de Autor Reservados, Revisado 2010 Objetivos de Lección Conocer características principales de una
Más detallesLos 10 pasos. para el aseguramiento de la calidad en uniones atornilladas. Equipos y sistemas de medición SCHATZ Advanced Quality
Equipos y sistemas de medición SCHATZ Advanced Quality Los 10 pasos para el aseguramiento de la calidad en uniones s 1 Los 10 pasos para el aseguramiento de la calidad en uniones s Una es el resultado
Más detallesINDICE. 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.
Más detallesAnálisis de Componentes de la Varianza
Análisis de Componentes de la Varianza Resumen El procedimiento de Análisis de Componentes de Varianza está diseñado para estimar la contribución de múltiples factores a la variabilidad de una variable
Más detallesTema 1.- Correlación Lineal
Tema 1.- Correlación Lineal 3.1.1. Definición El término correlación literalmente significa relación mutua; de este modo, el análisis de correlación mide e indica el grado en el que los valores de una
Más detallesTeoría del muestreo. Tipos de muestras
Teoría del muestreo El total de un grupo de datos de llama población o universo, y una porción representativa de este grupo se llama muestra. Las muestras desempeñan un papel muy importante en los trabajos
Más detalles08/10/2008. 1.Introducción
Herramientas de la Metrología en Sistemas de Calidad Seminario Aseguramiento de la Calidad de las Mediciones en los Procesos Industriales Sr. Rodrigo Ramos P. - Jefe LCPN-ME Rodrigo Miércoles Ramos 8 de
Más detallesDeterminación de la Tensión Adm.de una barra de acero por medio del diagrama.
TRABAJO PRÁCTICO N 7 Determinación de la Tensión Adm.de una barra de acero por medio del diagrama. CONSIDERACIONES TEÓRICAS GENERALES Se denomina tracción axial al caso de solicitación de un cuerpo donde
Más detallesOTRAS HERRAMIETAS ESTADISTICAS UTILES. Dra. ALBA CECILIA GARZON
OTRAS HERRAMIETAS ESTADISTICAS UTILES Dra. ALBA CECILIA GARZON Que es un Test de Significancia estadística? El término "estadísticamente significativo" invade la literatura y se percibe como una etiqueta
Más detalles5. Los objetivos de la Calidad de los Datos (OCD) y la Evaluación de la
5. Los objetivos de la Calidad de los Datos (OCD) y la Evaluación de la Calidad de los Datos (ECD) en el Ciclo de Vida de los Datos de un Proyecto. Los objetivos de calidad de los datos, OCD, se mencionaron
Más detallesConceptos Básicos de Inferencia
Conceptos Básicos de Inferencia Álvaro José Flórez 1 Escuela de Ingeniería Industrial y Estadística Facultad de Ingenierías Febrero - Junio 2012 Inferencia Estadística Cuando obtenemos una muestra, conocemos
Más detallesAgrupa los resultados por lotes: Rechazados, revisables y aceptados y:
Tema 2 1.- Clasifica en discretas o continuas las siguientes variables: a) Número de habitantes por kilómetro cuadrado b) Número de bacterias de cierto tipo, por mililitro c) Densidad de diferentes muestras
Más detallesCONTRASTE SOBRE UN COEFICIENTE DE LA REGRESIÓN
Modelo: Y =! 1 +! 2 X + u Hipótesis nula: Hipótesis alternativa H 1 :!!! 2 2 Ejemplo de modelo: p =! 1 +! 2 w + u Hipótesis nula: Hipótesis alternativa: H :!! 1 2 1. Como ilustración, consideremos un modelo
Más detallesADMINISTRACION 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
Más detallesLECTURA 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
Más detallesUNIDAD 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
Más detallesMANUAL DE LABORATORIO DE FÍSICA GENERAL 9ª Edición EXPERIENCIA N 02
GRÁFICAS EXPERIENCIA N René Descartes "Consideraría que no sé nada de Física si tan sólo fuese capaz de epresar cómo deben ser las cosas, pero fuese incapaz de demostrar que no pueden ser de otra manera
Más detallesPOBLACIÓN Y MUESTRAS EN LA INVESTIGACIÓN
POBLACIÓN Y MUESTRAS EN LA INVESTIGACIÓN Adela del Carpio Rivera Doctor en Medicina UNIVERSO Conjunto de individuos u objetos de los que se desea conocer algo en una investigación Población o universo
Más detallesTema 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),
Más detallesSESION 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:
Más detallesMétodo de cuadrados mínimos
REGRESIÓN LINEAL Gran parte del pronóstico estadístico del tiempo está basado en el procedimiento conocido como regresión lineal. Regresión lineal simple (RLS) Describe la relación lineal entre dos variables,
Más detalles1. Análisis de Sensibilidad
1. Análisis de Sensibilidad Considerando que la evaluación de los proyectos se basa en proyecciones de variables económicas, es lógico pensar que existe un factor de incertidumbre en los indicadores financieros
Más detalles