CAPÍTULO 5: MUESTREO DEL TRABAJO. tomaron en cuenta para determinar el número de montacarguistas que la empresa Peguform
|
|
- José Antonio Chávez Rey
- hace 6 años
- Vistas:
Transcripción
1 CAPÍTULO 5: MUESTREO DEL TRABAJO El muestreo del trabajo que se presenta a continuación nos muestra que actividades se tomaron en cuenta para determinar el número de montacarguistas que la empresa Peguform México necesita para el manejo de sus materiales. Realicé una lista de actividades las cuales envuelven el comportamiento de los operarios durante un turno de trabajo, ver Anexo 3. Para su mejor visualización de los recorridos en las rutas que se consideraron para este estudio se presenta de igual manera un layout de la empresa, ver Anexo Metodología Para la determinación del número de montacarguistas necesarios para el manejo de materiales se realizó un muestreo del trabajo en el que se observó el tiempo productivo de cada uno de los operarios, así como el tiempo que utilizan para realizar otras actividades consideradas no productivas como son: estar fuera de su área de trabajo, descansando, actividades personales, esperando, buscando material de trabajo o sin hacer nada. Lo primero que se hizo fue un muestreo piloto para determinar el tamaño de la muestra del estudio. Tomando en cuenta las actividades que se consideran productivas y las no productivas es decir cuando se encuentran realizando alguna actividad con relación a su trabajo o cuando se encuentran descansando o sin hacer nada, escogí el primer turno para realizar el muestreo piloto ya que es en éste donde hay mayor actividad en la producción como se puede ver
2 en el plan de producción semanal, el cual la empresa lo maneja como secreto industrial. Se determinó arbitrariamente que se tomarían 120 muestras durante las 8 horas de duración del primer turno, asignando 40 observaciones a cada uno de los tres montacarguistas en turno. Estos resultados se vaciaron en una hoja de cálculo, ver Anexo 3. Con los resultados obtenidos del muestreo piloto (Anexo 3) pude calcular el tamaño de la muestra mediante fórmulas de la técnica de muestreo. Sacando la media de los porcentajes en que el operario se encuentra realizando actividades productivas y la media cuando esta realizando actividades no productivas se obtuvieron los siguientes datos: Número de observaciones en tiempo productivo 87 Número de observaciones en tiempo no productivo 33 Total de observaciones 120 Con estos resultados y utilizando los estudios de Niebel, ahora podemos calcular el tiempo productivo y el no productivo en porcentaje como se muestra a continuación: p = 87 / 120 =.725 = 72.5 % q = 33 / 120 =.275 = 27.5 % Con una confiabilidad del 95 % y un error permisible del 5 % (Precisión), se calcula el tamaño de muestra con la siguiente fórmula: n = ( Z²α/2 ) ( p. q ) / ( B² ) = número de observaciones
3 Se utilizará la fórmula anterior ya que si se considera p como el estimador de la proporción verdadera; basado en el teorema del límite central que nos dice que si de una población con media µ y desviación estándar σ, se extraen muestras de tamaño n entonces la media muestral se comporta como una variable aleatoria con media igual a la media poblacional, siempre que n sea grande. (Niebel 1976) En base al supuesto estadístico anterior podemos encontrar que con una confiabilidad del 95% el intervalo p esta definido por: p ± Zα /2 p ˆ q ˆ n estudio. Este supuesto estadístico define el intervalo de confianza que usaremos en nuestro Gráficamente: B p Zα /2 p ˆ q ˆ n p p+ Zα /2 p ˆ q ˆ n
4 Donde: B = Error permisible = Precisión de que los datos obtenidos se encuentren dentro del intervalo establecido. α = Confiabilidad = Consistencia de los resultados obtenidos Definida B y α ; se propone la siguiente ecuación: B = Zα /2 p ˆ q ˆ n Entonces: p n = ˆ q ˆ B Z 2 2 α / α=
5 Con el análisis estadístico anterior podemos sustituir los datos necesarios a la fórmula para el cálculo del tamaño de muestra. Considerando que el porcentaje de tiempo productivo es de p = 72.5 % y que el porcentaje de tiempo no productivo es de q = 27.5 %, y un error permisible de 5 % (igual o menor al 10 por ciento de la proporción de interés) obtenido previamente tendremos que el número de observaciones a realizar para el muestreo será: n = ((1.96) 2 ) (.725)(.275)/(0.05) 2 = 306 observaciones Como en nuestro muestreo piloto se consideró solamente a un turno de los tres turnos con los que opera el departamento de logística para el manejo de sus materiales y sabiendo que en cada turno trabajan 3 montacarguistas; Se tomará una observación para cada operario cada 5 minutos ya que es aproximadamente el tiempo que se requiere para una vuelta a la nave siguiendo la ruta que se muestra en el layout de la planta (Anexo 2). Esto quiere decir que en un turno de 8 horas o 480 minutos se deberán registrar 306 observaciones, pero por cuestión de redondeo ya que al dividir el número de observaciones a realizar entre el tiempo disponible nos dice que debemos tomarlas cada 4.7 minutos, disminuiré el número de observaciones a 288, para que de esta manera tomemos una observación a cada uno de los tres montacarguistas cada 5 minutos, o sea que tomaremos 96 al montacarguista 1, otras 96 al montacarguista 2 y otras 96 al montacarguista 3, lo que nos da un total de 288 observaciones por turno. Esta toma de observaciones se puede ver en el Anexo 4. Para facilitar la toma de observaciones, el muestreo del trabajo se dividirá en tres días siguiendo el siguiente plan de trabajo.
6 Día 1 Día 2 Día 3 PRIMER TURNO DE 6:00 hrs. a 14:00 hrs. SEGUNDO TURNO DE 14:00 hrs. a 22:00 hrs. TERCER TURNO DE 22:00 hrs. a 6:00 hrs. De esta manera podremos saber el tiempo productivo y no productivo de cada montacarguista sin importar en que turno se encuentre trabajando. A esto hay que añadirle que la producción en los diferentes turnos es distinta uno del otro y que el rendimiento físico del operario se verá afectado por la hora del día en la que este trabajando, los cuales son factores clave en la interpretación de los resultados.
7 5.2 Análisis del muestreo Después de los tres días de observación me dispuse a realizar los cálculos necesarios para hacer un análisis del muestreo del trabajo que apliqué a los operarios de montacargas. Una vez con el número de observaciones necesarias, calculé los porcentajes de cada categoría (Realizando un trabajo, fuera del área de trabajo, descansando, actividades personales, esperando, buscando material de trabajo y sin hacer nada). Para cada montacargista y para cada turno. Ya con estos porcentajes calculé el porcentaje de tiempo productivo y el tiempo no productivo en el que incurrían los operarios, como podemos ver en el Anexo 4. Una vez conociendo el porcentaje de tiempo productivo y tiempo no productivo de cada uno de los operarios elaboré gráficos a manera de comparación para poder ilustrar de manera más clara las diferencias o similitudes en el desempeño de su labor como se muestra en el Anexo 5. Utilizando como herramienta de cómputo el paquete de Microsoft Excel logré hacer el vínculo entre los porcentajes de las observaciones y los gráficos. Una vez hecho ésto se puede llevar acabo un análisis de los resultados obtenidos. En el primer turno la media de tiempo productivo fue del 94.5% y la media de tiempo no productivo fue del 5.5%. En este día de observación podemos ver que los tres montacarguistas se encuentran muy cerca de sus medias y esto es debido a que en este turno la producción es constante y la llegada de transportes en el área de carga y descarga es de manera continua. Este es un turno que demanda un gran esfuerzo físico y de concentración a los montacarguistas, donde difícilmente pueden caer en la categoría
8 de tiempo no productivo. Cuando llegan a caer en la categoría de tiempo no productivo es porque es realmente necesario, como ir al baño o esperar a que llegue un transporte, o esperar a la reparación de una máquina. En el segundo turno se obtuvo una media de tiempo productivo del 67% y una media de tiempo no productivo del 33%. Como podemos observar estos números parecen alarmantes para la dirección de la empresa, pero tenemos que tomar en cuenta que la producción en este segundo turno se detiene a las 18:00. Debido a la baja de producción del principal cliente VW México, la empresa se vio obligada a reducir sus ciclos de producción. Es por esta razón por la que los montacarguistas a partir de las 18:00 reducen significativamente su porcentaje de tiempo productivo. Aún así existen otras tareas las cuales tienen que realizar como es el acomodamiento de racks y materiales, la rotación de FIFO s, entre otras. Pero como todo el personal de la planta sale a las 18:00, los montacarguistas se quedan solo con su supervisor en turno el cual tiene mucho trabajo a realizar en la computadora y alrededor de la nave como se ve en el Anexo 5. Por tanto no puede estar detrás de ellos todo el tiempo para ver si están haciendo su trabajo o no. En el tercer turno tenemos una media de tiempo productivo del 80% y una media de tiempo no productivo del 20%. En este turno la producción se reinicia y como podemos ver los montacarguistas se mantienen lo suficientemente ocupados, lo que quiere decir que no tienen tiempo para hacer otra actividad que no sea alguna actividad productiva o de trabajo. Un factor que afecta el rendimiento de los montacarguistas es el tiempo, debido a que este turno va de las 22:00 a las 6:00 llega un momento durante la madrugada donde los montacarguistas les dan
9 sueño y por consiguiente se les puede observar descansando, fuera de su área de trabajo o simplemente haciendo nada. 5.3 Cálculo del número de operarios Después de ver los resultados del muestreo del trabajo puedo decir que el número de montacarguistas con los que cuenta la empresa actualmente es el correcto por las siguientes razones. Para demostrar que se necesitan 3 operarios por turno calculé el tiempo estándar de las observaciones esperadas, utilizando la siguiente fórmula: (Criollo 2001) Tiempo estándar = TE TE = (Tiempo total x Tiempo de trabajo x Índice de actuación) x ( 100% ) Número total de observaciones esperadas 100%-Tolerancia TE = TE = 5.43 min/ obv.
10 Una vez determinado este tiempo estándar se procede a determinar el número de operarios necesarios para cada turno, utilizando la siguiente fórmula: (Criollo 2001) IP = Índice de producción = Observaciones esperadas del turno Tiempo disponible de un operador NO = Número de operarios = TE x IP Eficiencia 272 IP turno1 = = min 5.43min/ obs.566 NO turno1 = IP turno2 = = min 5.43min/ obs.402 NO turno2 =.999 = = IP turno3 = = min 5.43min/ obs.481 NO turno3 = = Con estos resultados del número de operarios necesarios por turno para realizar la cantidad de trabajo a realizar podemos ver que para cada turno necesitamos a tres montacarguistas. Contar con tres montacarguistas por turno es indispensable ya que siempre debe haber uno de ellos atendiendo el área de rampas y dos para surtir a la línea de producción uno en la línea derecha y otro en la línea izquierda.
Estadística Inferencial. Sesión 3. Estimación de parámetros y por intervalos
Estadística Inferencial. Sesión 3. Estimación de parámetros y por intervalos Contextualización. Se denomina estadístico a un estimador insesgado de un parámetro poblacional si la media o la esperanza del
Estadística y sus aplicaciones en Ciencias Sociales 5. Estimación. Facultad de Ciencias Sociales, UdelaR
Estadística y sus aplicaciones en Ciencias Sociales 5. Estimación Facultad de Ciencias Sociales, UdelaR Índice 1. Repaso: estimadores y estimaciones. Propiedades de los estimadores. 2. Estimación puntual.
Estadística Inferencial. Sesión 2. Distribuciones muestrales
Estadística Inferencial. Sesión 2. Distribuciones muestrales Contextualización. Toda cantidad que se obtiene de una muestra con el propósito de estimar un parámetro poblacional se llama estadístico muestral
Técnicas de Muestreo Métodos
Muestreo aleatorio: Técnicas de Muestreo Métodos a) unidad muestral elemental: a.1) muestreo aleatorio simple a.2) muestreo (seudo)aleatorio sistemático a.3) muestreo aleatorio estratificado b) unidad
SOLUCIÓN EXAMEN IV Nombres: Apellidos: C.I.: Firma: Fecha: 19/11/2004
Nombres: Apellidos: C.I.: Firma: Fecha: 19/11/004 MÉTODOS ESTADÍSTICOS I EXAMEN IV PARTE I: Encierre con un círculo la respuesta correcta (0,5 puntos c/u): 1. (V F) Los contrastes de hipótesis de dos muestras
TAMAÑO DE MUESTRA EN LA ESTIMACIÓN DE LA MEDIA DE UNA POBLACIÓN
TAMAÑO DE MUESTRA EN LA ESTIMACIÓN DE LA MEDIA DE UNA POBLACIÓN En este artículo, se trata de explicar una metodología estadística sencilla y sobre todo práctica, para la estimación del tamaño de muestra
1.2 Medidas de variación: Rango, desviación estándar y coeficiente de variación
1.2 Medidas de variación: Rango, desviación estándar y coeficiente de variación Medidas de Variación Amplitud Coeficiente variación Desviación estándar Rango Valor Z Varianza de Diferencia entre los valores
Teoría de la decisión
Unidad 7.. Definiciones. Muestreo aleatorio y estadístico. Estadísticos importantes. Técnica de muestreo. Transformación integral Muestreo: selección de un subconjunto de una población ) Representativo
Estadística Inferencial. Sesión 4. Estimación por intervalos
Estadística Inferencial. Sesión 4. Estimación por intervalos Contextualización. Como se definió en la sesión anterior la estimación por intervalos es utilizada para medir la confiabilidad de un estadístico.
MODELOS DE SIMULACIÓN ESTADÍSTICOS CLASE 4: DISTRIBUCIÓN t, CHI-CUADRADA y EXPONENCIAL PROFESOR: OSCAR SAAVEDRA ANDRÉS DURANGO.
DISTRIBUCIÓN t Con frecuencia intentamos estimar la media de una población cuando se desconoce la varianza, en estos casos utilizamos la distribución de t de Student. Si el tamaño de la muestra es suficientemente
PRUEBA DE BONDAD DE AJUSTE O PRUEBA CHI - CUADRADO
O PRUEBA CHI - CUADRADO Hasta ahora se han mencionado formas de probar lo que se puede llamar hipótesis paramétricas con relación a una variable aleatoria, o sea que se ha supuesto que se conoce la ley
DISEÑO Y MEDIDA DEL TRABAJO. Tema 4
DISEÑO Y MEDIDA DEL TRABAJO Tema 4 CONTENIDO Definición e importancia. Ergonomía. Economía de Movimientos. Cultura del trabajo en las Organizaciones Graficas de actividad, grafica hombre - maquina. Graficas
Teorema Central del Límite (1)
Teorema Central del Límite (1) Definición. Cualquier cantidad calculada a partir de las observaciones de una muestra se llama estadístico. La distribución de los valores que puede tomar un estadístico
CAPÍTULO 4: SISTEMA ACTUAL. En la empresa se manejan distintos tipos de materiales: materia prima, producto en
CAPÍTULO 4: SISTEMA ACTUAL En la empresa se manejan distintos tipos de materiales: materia prima, producto en proceso y producto terminado. Cada tipo de material se le maneja de acuerdo a su ubicación
Contenido. Estándares de trabajo y medida del trabajo Experiencia histórica Estudio de tiempo Estándares de tiempo predeterminados Muestreo de trabajo
Medida del trabajo Contenido Estándares de trabajo y medida del trabajo Experiencia histórica Estudio de tiempo Estándares de tiempo predeterminados Muestreo de trabajo Objetivos de aprendizaje Cuando
UNIVERSIDAD ALONSO DE OJEDA ESTADISTICA II
UNIVERSIDAD ALONSO DE OJEDA ESTADISTICA II UNIDAD I MUESTREO Y ESTIMACION DE PARAMETROS (GUIA DE ESTUDIO) DR. DENY GONZALEZ MAYO 2016 La Estadística es un conjunto de métodos para la toma de decisiones
Intervalos de confianza Muestras grandes. Estadística Cátedra Prof. Tamara Burdisso
Intervalos de confianza Muestras grandes Por qué un intervalo de confianza? En la Unidad 3 revisamos los conceptos de población y muestra. Los parámetros poblacionales son la media μy la varianza σ 2.
DIFERENCIAS EN LA UTILIZACIÓN DE LA BIBLIOTECA DEL IIESCA ANTE UN CAMBIO DE INFORMACIÓN
DIFERENCIAS EN LA UTILIZACIÓN DE LA BIBLIOTECA DEL IIESCA ANTE UN CAMBIO DE INFORMACIÓN Beatriz Meneses A. de Sesma * I. INTRODUCCIÓN En todo centro educativo, es de suma importancia el uso que se haga
ESTADÍSTICA II UNIDAD I: ESTIMACIÓN DE PARÁMETROS 3RA PARTE (CLASE 20/09)
ESTADÍSTICA II UNIDAD I: ESTIMACIÓN DE PARÁMETROS 3RA PARTE (CLASE 20/09) Estimación de una media de población: σ conocida Requisitos 1. La muestra es aleatoria simple. (Todas las muestras del mismo tamaño
Muestreo e intervalos de confianza
Muestreo e intervalos de confianza Intervalo de confianza para la media (varianza desconocida) Intervalo de confinza para la varianza Grados en Biología y Biología sanitaria M. Marvá. Departamento de Física
Estadística Inferencial
Estadística Inferencial 1 Sesión No.2 Nombre: Distribuciones muestrales Contetualización Toda cantidad que se obtiene de una muestra con el propósito de estimar un parámetro poblacional se llama estadístico
Prueba de Hipótesis. Bondad de Ajuste. Tuesday, August 5, 14
Prueba de Hipótesis Bondad de Ajuste Conceptos Generales Hipótesis: Enunciado que se quiere demostrar. Prueba de Hipótesis: Procedimiento para determinar si se debe rechazar o no una afirmación acerca
Cap 7 Intervalos de Confianza
Cap 7 Intervalos de Confianza Mate 3015 7.1-1 INTERVALOS DE CONFIANZA PARA UNA PROPORCIÓN 7.1-2 Estadísticas inferencial Ahora discutimos estadística inferencial -el proceso de generalizar la información
Teoría de la decisión
Unidad 7.. Definiciones. Muestreo aleatorio y estadístico. Estadísticos importantes. Técnica de muestreo. Transformación integral 1 Muestreo: selección de un subconjunto de una población 1) Representativo
Pasos del muestreo del trabajo.
Pasos del muestreo del trabajo. Determinar el objetivo del estudio. Determinar las actividades a observar. Establecer niveles de confianza. Realizar el estudio previo. Determinar el tamaño de la muestra.
Verificación de una hipótesis sobre una media
Sesión 14 Verificación de una hipótesis sobre una media Verificación de una hipótesis sobre una media Procedimiento de verificación de una hipótesis si el parámetro de interés es una media poblacional.
Conceptos Básicos de Inferencia
Conceptos Básicos de Inferencia Álvaro José Flórez 1 Escuela de Ingeniería Industrial y Estadística Facultad de Ingenierías Febrero - Junio 2012 Inferencia Estadística Cuando obtenemos una muestra, conocemos
MODELO DE RESPUESTAS Objetivos 2, 3, 4, 5, 6, 7, Y 8.
UNIVERSIDAD NACIONAL ABIERTA ESTADÍSTICA GENERAL 745) VICERRECTORADO ACADÉMICO INTEGRAL ÁREA DE MATEMÁTICA Fecha: 17/ 01 /009 MODELO DE RESPUESTAS Objetivos, 3, 4, 5, 6, 7, Y 8. OBJ. 1 PTA 1 Una compañía
INFERENCIA ESTADISTICA
INFERENCIA ESTADISTICA ESTIMACION 2 maneras de estimar: Estimaciones puntuales x s 2 Estimaciones por intervalo 2 ESTIMACION Estimaciones por intervalo Limites de Confianza LCI
6. Inferencia con muestras grandes. Informática. Universidad Carlos III de Madrid
6. Inferencia con muestras grandes 1 Tema 6: Inferencia con muestras grandes 1. Intervalos de confianza para μ con muestras grandes 2. Determinación del tamaño muestral 3. Introducción al contraste de
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
CAPÍTULO 3 MARCO TEÓRICO. En este capítulo se dará una breve descripción de los diferentes conceptos de
CAPÍTULO 3 MARCO TEÓRICO 3.1 Introducción En este capítulo se dará una breve descripción de los diferentes conceptos de productividad que se manejan hoy en día para tener claro el objetivo que se desea
Cuál es el campo de estudio de la prueba de hipótesis?
ESTIMACIÓN Establecer generalizaciones acerca de una población a partir de una muestra es el campo de estudio de la inferencia estadística. La inferencia estadística se divide en estimación y prueba de
3. Metodología. 3.1 Problema de la Investigación
3. Metodología La metodología de esta investigación se basará en el modelo de Hernández, Fernández y Baptista (2003) donde se seguirán nueve de sus diez pasos y posteriormente se explicará cada uno. a)
Estimación por intervalos de la media poblacional con desviación estándar desconocida
ESTIMACIÓN POR INTERVALO Ya estudiamos cómo estimar intervalos de confianza cuando la desviación estándar poblacional es conocida. En ese caso usamos una estimación de la desviación estándar poblacional
Solución Examen Parcial IV Nombres: Apellidos: C.I.: Firma: Fecha: 22/06/2005
Nombres: Apellidos: C.I.: Firma: Fecha: 22/06/2005 MÉTODOS ESTADÍSTICOS I EXAMEN IV PARTE I: Encierre con un círculo la respuesta correcta o llene los espacios en blanco (0,5 puntos c/u): 1. (V F) La prueba
Juan José Hernández Ocaña
Juan José Hernández Ocaña L A e s t a d í s t i c a i n fe r e n c i a l n o s permite estimar los p a r á me t r o s de l a p o b l a c ió n a partir d e l a n á l i s i s d e datos de u n a mu e s t
PRUEBAS DE ACCESO A LA UNIVERSIDAD L.O.G.S.E
PRUEBAS DE ACCESO A LA UNIVERSIDAD L.O.G.S.E CURSO 00-.003 - CONVOCATORIA: MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES - Cada alumno debe elegir sólo una de las pruebas (A o B) y, dentro de ella, sólo
Juan Carlos Colonia INFERENCIA ESTADÍSTICA
Juan Carlos Colonia INFERENCIA ESTADÍSTICA PARÁMETROS Y ESTADÍSTICAS Es fundamental entender la diferencia entre parámetros y estadísticos. Los parámetros se refieren a la distribución de la población
Estadística Inferencial. Sesión 11. Regresión y correlación múltiple
Estadística Inferencial Sesión 11. Regresión y correlación múltiple Contextualización En la sesión anterior se presentó la regresión lineal simple y se mostró su uso en la obtención de una ecuación de
ESTADÍSTICA INFERENCIAL
ESTADÍSTICA INFERENCIAL ESTADÍSTICA INFERENCIAL 1 Sesión No. 10 Nombre: Pruebas de hipótesis referentes al valor de la media de la población Contextualización En estadística existen dos métodos para la
Estadística y sus aplicaciones en Ciencias Sociales 6. Prueba de hipótesis. Facultad de Ciencias Sociales, UdelaR
Estadística y sus aplicaciones en Ciencias Sociales 6. Prueba de hipótesis Facultad de Ciencias Sociales, UdelaR Índice 1. Introducción: hipótesis estadística, tipos de hipótesis, prueba de hipótesis 2.
INTERVALOS DE CONFIANZA. La estadística en cómic (L. Gonick y W. Smith)
INTERVALOS DE CONFIANZA La estadística en cómic (L. Gonick y W. Smith) EJEMPLO: Será elegido el senador Astuto? 2 tamaño muestral Estimador de p variable aleatoria poblacional? proporción de personas que
Intervalos de Confianza
Intervalos de Confianza Álvaro José Flórez 1 Escuela de Ingeniería Industrial y Estadística Facultad de Ingenierías Febrero - Junio 2012 Intervalo de Confianza Se puede hacer una estimación puntual de
Fundamentos para la inferencia. Unidad 3 Parte II Estadísca Prof. Tamara Burdisso
Fundamentos para la inferencia Estadísca 017 - Prof. Tamara Burdisso 1 Distribución muestral de la varianza muestral Hasta aquí nos ocupamos de hacer inferencia sobre la media y/o la proporción de una
EJERCICIOS DE SELECTIVIDAD
EJERCICIOS DE SELECTIVIDAD INFERENCIA 1998 JUNIO OPCIÓN A Un fabricante de electrodomésticos sabe que la vida media de éstos sigue una distribución normal con media μ = 100 meses y desviación típica σ
PROYECTO DE CARRERA: INGENIERÍA INDUSTRIAL ASIGNATURA: ESTADÍSTICAS II GUÍA DE EJERCICIOS N 2
PROYECTO DE CARRERA: INGENIERÍA INDUSTRIAL ASIGNATURA: ESTADÍSTICAS II GUÍA DE EJERCICIOS N 2 UNIDAD II: DISTRIBUCIONES MUESTRALES OBJ. 2.1 2.2 2.3 2.4 1.- Un plan de muestreo para aceptar un lote, para
Tema 4: Variables Aleatorias
Tema 4: Variables Aleatorias Estadística. 4 o Curso. Licenciatura en Ciencias Ambientales Licenciatura en Ciencias Ambientales (4 o Curso) Tema 4: Variables Aleatorias Curso 2009-2010 1 / 10 Índice 1 Concepto
4. Prueba de Hipótesis
4. Prueba de Hipótesis Como se ha indicado anteriormente, nuestro objetivo al tomar una muestra es extraer alguna conclusión o inferencia sobre una población. En nuestro interés es conocer acerca de los
INDICE 1. Qué es la Estadística? 2.Descripción de Datos: Distribuciones de Frecuencia y Presentación Gráfica
INDICE 1. Qué es la Estadística? 1 Introducción 2 Qué significa estadística? 2 Por qué se estudia la estadística? 4 Tipos de estadística 5 Estadística descriptiva 5 Estadística inferencial 6 Tipos de variables
Anota aquí tus respuestas para esta sección Distribución Z
Tarea 2. Estadística Inferencial Cada sección vale 25%. Cada inciso tiene el mismo peso. Hacer la tarea en equipo de dos personas y entregar solo una copia por cada equipo. 1. Cálculo lo siguiente. Ten
INFERENCIA 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,
Conceptos Básicos de Inferencia
Conceptos Básicos de Inferencia Intervalos de confianza Álvaro José Flórez 1 Escuela de Estadística Facultad de Ingenierías Febrero - Junio 2012 Inferencia Estadística Cuando obtenemos una muestra, conocemos
Estadísticas Elemental Tema 3: Describir, Explorar, y Comparar Data
Estadísticas Elemental Tema 3: Describir, Explorar, y Comparar Data (parte 2) Medidas de dispersión 3.1-1 Medidas de dispersión La variación entre los valores de un conjunto de datos se conoce como dispersión
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
Al reemplazar la varianza muestral en la fórmula obtenemos otra expresión de la distribución chi-cuadrada:
ESTIMACIÓN POR INTERVALO PARA LA VARIANZA Ya estudiamos la estimación por intervalo para la media poblacional. Ahora extenderemos lo aprendido a la varianza. Cuándo creen que es importante estimar los
CAPÍTULO 4 CAPACIDAD DEL PROCESO
APÍTULO 4 APAIDAD DEL PROESO APÍTULO 4 APAIDAD DEL PROESO En este capítulo se hace una evaluación de la situación actual de la producción de la tapa de las guanteras para el coche modelo Jetta A4. Para
Trabajo Práctico: Intérvalos de Confianza
Trabajo Práctico: Intérvalos de Confianza Autores: Astier Gabriel Mazza Pablo Talijancic Iván Profesor: Roberto Villamayor Curso: 3er Año - Ingeniería Electromecánica. Ejercicio 1: En un conocido restaurante
PRUEBAS INFORMALES DE NORMALIDAD PARA UN CONJUNTO UNIVARIADO DE MEDICIONES.
PRUEBAS INFORMALES DE NORMALIDAD PARA UN CONJUNTO UNIVARIADO DE MEDICIONES. La distribución normal es una de las distribuciones de muestreo más utilizadas en el trabajo estadístico. Si bien muchos datos
Curso: Inferencia Estadística (ICO 8306) Profesores: Esteban Calvo Ayudantes: José T. Medina ESTIMACIÓN POR INTERVALO
ESTIMACIÓN POR INTERVALO Muchas veces queremos obtener información a través de una muestra para poder hacer inferencias de cómo se comportarían distintos parámetros en la población. Al hacer una encuesta
Pronósticos, Series de Tiempo y Regresión. Capítulo 4: Regresión Lineal Múltiple
Pronósticos, Series de Tiempo y Regresión Capítulo 4: Regresión Lineal Múltiple Temas Modelo de regresión lineal múltiple Estimaciones de Mínimos Cuadrados Ordinarios (MCO); estimación puntual y predicción
UNIVERSIDAD DE MANAGUA Al más alto nivel SIMULACIÓN DE SISTEMAS Modelos de Simulación Guía práctica #4
UNIVERSIDAD DE MANAGUA Al más alto nivel SIMULACIÓN DE SISTEMAS Modelos de Simulación Guía práctica #4 Prof.: MSc. Julio Rito Vargas A. Febrero 2013 Objetivos: Aplicar las técnicas estudiadas para desarrollar
ANÁLISIS DE LA MANO DE OBRA Y LA DISTRIBUCIÓN DE LOS PROCESOS
ANÁLISIS DE LA MANO DE OBRA Y LA DISTRIBUCIÓN DE LOS PROCESOS TIEMPO ESTÁNDAR Es el tiempo requerido para que un operario de tipo medio, plenamente calificado, adiestrado y trabajando a un ritmo normal,
CAPÍTULO IV METODOLOGÍA
CAPÍTULO IV METODOLOGÍA 4.1 Objeto y tipo de investigación El objeto de estudio de la presente investigación es la calidad de la formación en obstetricia brindada por la UNMSM y UNSCH. El estudio es de
2. Distribuciones de Muestreo
2. Distribuciones de Muestreo Conceptos básicos Para introducir los conceptos básicos consideremos el siguiente ejemplo: Supongamos que estamos interesados en determinar el número medio de televisores
«La estadística es una ciencia que demuestra que si mi vecino tiene dos coches y yo ninguno, los dos tenemos uno».
«La estadística es una ciencia que demuestra que si mi vecino tiene dos coches y yo ninguno, los dos tenemos uno». George Bernard Shaw (1856-1950) Escritor irlandés. Para empezar: Primera parte: Estadística
Problemas resueltos Muestreo Vicente Manzano-Arrondo, 2013
Problemas resueltos Muestreo Vicente Manzano-Arrondo, 201 1 En todos los casos vamos a suponer que las muestras se obtienen siguiendo un muestreo aleatorio simple desde poblaciones de tamaño prácticamente
Tema 7 Intervalos de confianza Hugo S. Salinas
Intervalos de confianza Hugo S. Salinas 1 Introducción Hemos definido la inferencia estadística como un proceso que usa información proveniente de la muestra para generalizar y tomar decisiones acerca
Capítulo. Distribución de probabilidad normal. Pearson Prentice Hall. All rights reserved
Capítulo 37 Distribución de probabilidad normal 2010 Pearson Prentice Hall. All rights 2010 reserved Pearson Prentice Hall. All rights reserved La distribución de probabilidad uniforme Hasta ahora hemos
Tema 3: Estimación estadística de modelos probabilistas. (primera parte)
Tema 3: Estimación estadística de modelos probabilistas. (primera parte) Estructura de este tema: 1. 2 Estimación por intervalos de confianza. 3 Contrastes de hipótesis. Planteamiento del problema Inconveniente:
Notas de clase Estadística R. Urbán R.
Inferencia estadística Sabemos que una población puede ser caracterizada por los valores de algunos parámetros poblacionales, por ello es lógico que en muchos problemas estadísticos se centre la atención
Estimación de Parámetros.
Estimación de Parámetros. Un estimador es un valor que puede calcularse a partir de los datos muestrales y que proporciona información sobre el valor del parámetro. Por ejemplo la media muestral es un
Agro 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,
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
Objetivos. Epígrafes 3-1. Francisco José García Álvarez
Objetivos Entender el concepto de variabilidad natural de un procesos Comprender la necesidad de los gráficos de control Aprender a diferenciar los tipos de gráficos de control y conocer sus limitaciones.
Muestreo y Distribuciones en el Muestreo
Muestreo y Distribuciones en el Muestreo Departamento de Estadística-FACES-ULA 03 de Abril de 2013 Introducción al Muestreo En algunas ocaciones es posible y práctico examinar a cada individuo en el Universo
Estadística I Tema 7: Estimación por intervalos
Estadística I Tema 7: Estimación por intervalos Tema 7: Estimación por intervalos Ideas a transmitir Definición e interpretación frecuentista. Intervalos de confianza para medias y varianzas en poblaciones
CAPITULO V RESULTADOS DE LA INVESTIGACIÓN. El objetivo fundamental de la presente investigación es determinar si
CAPITULO V RESULTADOS DE LA INVESTIGACIÓN El objetivo fundamental de la presente investigación es determinar si el empleo de los módulos autoinstructivos, en el proceso de enseñanzaaprendizaje personalizado
BLOQUE 3 TEMA 11 ESTIMACIÓN DE PARÁMETROS. ERRORES DE ESTIMACIÓN
BLOQUE 3 TEMA 11 ESTIMACIÓN DE PARÁMETROS. ERRORES DE ESTIMACIÓN Aproximación intutitiva a la inferencia estadística La Estadística es la ciencia que se ocupa de la ordenación y análisis de datos procedentes
Práctica 5 ANÁLISIS DE UNA MUESTRA INTERVALOS DE CONFIANZA CONTRASTE DE HIPÓTESIS
Práctica. Intervalos de confianza 1 Práctica ANÁLISIS DE UNA MUESTRA INTERVALOS DE CONFIANZA CONTRASTE DE HIPÓTESIS Objetivos: Ilustrar el grado de fiabilidad de un intervalo de confianza cuando se utiliza
Aprender a construir gráficos X-S y conocer sus limitaciones.
Objetivos Aprender a construir gráficos X-R y conocer sus limitaciones. Aprender a construir gráficos X-S y conocer sus limitaciones. Comprender la relación entre los Gráficos de Control y el intervalo
UNIVERSIDAD DE MANAGUA Al más alto nivel
UNIVERSIDAD DE MANAGUA Al más alto nivel Estadística Inferencial Encuentro #9 Tema: Estimación puntual y por Intervalo de confianza Prof.: MSc. Julio Rito Vargas A. Grupos: CCEE y ADMVA /2016 Objetivos:
COEFICIENTE DE ERROR TÍPICO
COEFICIENTE DE ERROR TÍPICO Pablo Tadeo Cruz * I. INTRODUCCIÓN A partir de la media y desviación típica de una muestra extraída en forma aleatoria de una población con distribución de probabilidad normal,
1.- Lo primero que debemos hacer es plantear como hasta ahora la hipótesis nula y la alternativa
PRUEBA DE HIPÓTESIS PARA DIFERENCIA DE MEDIAS Introducción Como hemos visto hasta ahora ya sabemos cómo hacer inferencia sobre bases de datos para medias con valores conocidos y desconocidos de desviación
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
Prueba de Hipotesis de Grandes Muestras INFERENCIA ESTADÍSTICA JTP. JUAN PABLO QUIROGA
Prueba de Hipotesis de Grandes Muestras INFERENCIA ESTADÍSTICA JTP. JUAN PABLO QUIROGA Estadístico de Prueba de Muestra Grande para μ 1) Hipotesis Nula H 0 : μ = μ 0 2) Hipótesis Alternativa : Prueba de
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:
INTERVALOS DE CONFIANZA Julián de la Horra Departamento de Matemáticas U.A.M.
1 Introducción INTERVALOS DE CONFIANZA Julián de la Horra Departamento de Matemáticas U.A.M. En este capítulo, vamos a abordar la estimación mediante Intervalos de Confianza, que es otro de los tres grandes
República de Panamá CONTRALORIA GENERAL DE LA REPÚBLICA Instituto Nacional de Estadística y Censo Unidad de Muestreo
República de Panamá CONTRALORIA GENERAL DE LA REPÚBLICA Instituto Nacional de Estadística y Censo Unidad de Muestreo METODOLOGÍA DEL DISEÑO DE MUESTREO Encuesta entre Empresas no Financieras 2013 1. El
Instituto Politécnico Nacional Escuela Superior de Cómputo Modelos de Pronóstico
Instituto Politécnico Nacional Escuela Superior de Cómputo Modelos de Pronóstico M. En C. Eduardo Bustos Farías 1 Gestión de Demanda Clientes Internos y Externos Proactiva: Promociones, Políticas de Precio,
UN TAMAÑO DE MUESTRA PRELIMINAR EN LA ESTIMACION DE LA MEDIA, EN POBLACIONES CON DISTRIBUCIONES UNIFORMES Y TRIANGULARES
Revista Colombiana de Estadística Volumen 24 (2001) N o 1, páginas 27 a 32 UN TAMAÑO DE MUESTRA PRELIMINAR EN LA ESTIMACION DE LA MEDIA, EN POBLACIONES CON DISTRIBUCIONES UNIFORMES Y TRIANGULARES CARLOS
Conceptos del contraste de hipótesis
Análisis de datos y gestión veterinaria Contraste de hipótesis Departamento de Producción Animal Facultad de Veterinaria Universidad de Córdoba Córdoba, 14 de Diciembre de 211 Conceptos del contraste de
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.
3. Correlación. Introducción. Diagrama de dispersión
1 3. Correlación Introducción En los negocios, no todo es el producto, pueden existir factores relacionados o externos que modifiquen cómo se distribuye un producto. De igual manera, la estadística no
LABORATORIO No. 0. Cálculo de errores en las mediciones. 0.1 Introducción
LABORATORIO No. 0 Cálculo de errores en las mediciones 0.1 Introducción Es bien sabido que la especificación de una magnitud físicamente medible requiere cuando menos de dos elementos: Un número y una
MATEMÁTICAS - 1º BACHILLERATO CCSS - DISTRIBUCIÓN NORMAL ˆ EJERCICIO 42. (a) P (X > 215) = P ( )
MATEMÁTICAS - 1º BACHILLERATO CCSS - DISTRIBUCIÓN NORMAL ˆ EJERCICIO 0 Supón que en cierta población pediátrica, la presión sistólica de la sangre en reposo se distribuye normalmente con media de 11 mm
x i n i N i f i 1 4? 0,08 2 4?? 3? 16 0,16 4 7? 0, ? 6? 38? ,14 8???
ESTADÍSTICA Y TÉCNICAS DE MUESTREO RELACIÓN : Estadística Descriptiva (Variables Unidimensionales) Diplomatura de Relaciones Laborales Departamento de Estadística e I.O. Universidad de Sevilla. En el control
PROYECTO DEL CURSO DE ESTADÍSTICA INFERENCIAL
1 PROYECTO DEL CURSO DE ESTADÍSTICA INFERENCIAL Prof.: MSc. Julio R. Vargas A. I. INTRODUCCION El presente trabao está orientado a aplicar los conocimientos de estadística inferencial a un caso práctico
Distribución Gaussiana o normal
FLUCTUACIONES ESTADÍSTICAS Los postulados fundamentales de la teoría estadística de errores establecen que, dado un conjunto de medidas, todas efectuadas en idénticas condiciones, suficientemente grande
Estadística I para futuros ingenieros Unidad 4. Segunda parte
Estadística I para futuros ingenieros Unidad 4 Segunda parte ITSS L.A. Jorge VC 2 Estimación: puntual y por intervalos A partir de los estadísticos que hemos obtenido en la/s muestra/s queremos obtener