Porcentaje de defectos
|
|
- Agustín Murillo Robles
- hace 5 años
- Vistas:
Transcripción
1 Porcentaje de defectos por Felipe de la Rosa Los gráficos de control por variable empleados para monitorear la media y la variabilidad de los procesos (x R y x s), son herramientas de apoyo que permiten estandarizar las operaciones productivas; sin embargo, por sí mismas no son suficientes para afirmar que los resultados obtenidos se desempeñan de acuerdo con las especificaciones de calidad establecidas. Los límites de control de proceso (LC, LCI, y LCS) son empleados para detectar variaciones significativas (especiales) en el comportamiento de las operaciones, éstos suelen ser utilizados internamente en actividades de mejora; no obstante, en última instancia, son los límites de especificación impuestos por el cliente los que determinan el éxito o fracaso de un proceso, ya que un proceso se vuelve exitoso únicamente cuando se logra conciliar los límites del control de proceso, con los límites de especificación. Al comparar los límites de control con los límites de especificación, es común enfrentar tres situaciones problemáticas: Situación 1. El proceso no está centrado, esto curre cuando la media (valor de tendencia central) del proceso, no coincide con el punto medio entre los límites superior (LSE) e inferior (LIE) de especificación. Figura 1. El proceso no está centrado. En la figura 1, se aprecia que el valor de tendencia central x no coincide con el punto medio entre el LIE y el LSE, lo cual ocasiona que una proporción (marcada en color gris) de las unidades producidas no cumplan con los requisitos del cliente. 1
2 Situación 2. El proceso presenta una variación mayor a la establecida en los límites de especificación, esto curre cuando la variabilidad del proceso es alta en comparación con la tolerancia definida por los límites de especificación. -3 Figura 2. El proceso presenta una variación mayor a la establecida en los límites de especificación. En la figura 2, se aprecia que el valor de tendencia central x coincide con el punto medio entre el LIE y el LSE, sin embargo, su dispersión respecto a la tendencia central x excede la variación permitida por los límites de especificación, ocasionando que una proporción (marcada en color gris) de las unidades producidas no cumplan con los requisitos del cliente. Situación 3. El proceso no está centrado y presenta una variación mayor a los límites de especificación, esta situación es la combinación de las dos problemáticas anteriores, y debido a ello, es más difícil de erradicar. -3 Figura 3. El proceso no está centrado y presenta una variación mayor a los límites de especificación. En la figura 3, se aprecia que el valor de tendencia central x no coincide con el punto medio entre el LIE y el LSE, además su dispersión respecto a la tendencia central x excede la variación permitida por los límites de especificación, ocasionando que una proporción muy significativa de las unidades producidas no cumplan con los requisitos del cliente. 2
3 Cálculo de proporción de defectos Debido a que la mayoría de los procesos se comportan de acuerdo con la distribución de probabilidad normal, es posible emplear la información de los límites de control para calcular la proporción de artículos defectuosos que se espera obtener en un determinado proceso, para lograrlo, sólo es necesario estimar los dos parámetros que describen una distribución normal, la media (µμ) y la desviación estándar (σ). Las fórmulas para estimar la media y la desviación estándar de una población a partir de una muestra estadística representativa son: Gráfico x R μ = x Gráfico x- s μ = x σ = R d! σ = s c! Donde d 2 y c 4 son factores constantes que se obtienen a partir de la distribución de probabilidad normal y puedes consultarlos en la tabla de constantes para gráficos de control, ubicada en el menú contextual, en el área de descargas. Ejemplo 1 Cierta fábrica de chumaceras monitorea la precisión del diámetro central de uno de sus productos, para ello toma muestras de tamaño 5 en intervalos regulares, y calcula su media x y su rango R (en centímetros), después de 30 muestras se tiene que: x! = 243 R! 3
4 Estima el porcentaje de productos defectuosos para las condiciones actuales de operación, suponiendo que el proceso está bajo control y que los límites de especificación son centímetros. Paso 1. Calcular el valor de los parámetros: media (μ) y desviación estándar (σ), para lo cual en este caso, se utilizan las fórmulas que corresponden al gráfico x- R. μ = x = = 8.1 R = R! N = 5 30 = σ = R d! = = Paso 2. Obtener los límites de naturales de variación para la media, los cuales se encuentran a una distancia de +3 y deben calcularse utilizando las fórmulas que se presentan a continuación: LC! = x = 8.1 LCI! = x 3σ = 8.1 (3)(0.0716) LCI! = LCS! = x + 3σ = (3)(0.0716) LCS! = Paso 3. Realizar un esquema que nos permita observar de forma gráfica la relación entre los límites de control y los límites de especificación. Figura 4. Relación entre los límites de control y los de especificación 4
5 La figura 4 corresponde a la situación 2, es decir, cuando el proceso se encuentra centrado, pero la variación es mayor a la permitida por los límites de especificación (en color rojo), esto da como resultado una proporción defectuosa en ambos lados de la distribución normal. Paso 4. Calcular la proporción de productos no conformes, utilizando para ello la distribución normal estándar con media 0 y desviación estándar de 1. Para poder transformar la distribución normal del proceso bajo estudio, a una distribución normal estándar empleamos la fórmula: x μ z = σ Donde x es el valor de la variable bajo estudio. En este caso nos interesa conocer la probabilidad acumulada a la izquierda de 8.0 y a la derecha de 8.2 (las áreas en color gris), por lo que calculamos su valor z. z =!.!!!.!!.!"#$ = 1.39 z =!.!!!.!!.!"#$ = 1.39 Al obtener la probabilidad acumulada para estos valores de z en la distribución normal, obtenemos que la proporción de defectos es de 16.25% Figura 5. Probabilidad acumulada para los valores de z. Ejemplo 2 En cierta fábrica de empaques, el supervisor de producción verifica la resistencia de las cajas producidas por la medición periódica de subgrupos de 7 observaciones de cartón corrugado, después de 40 muestras se tiene la siguiente información: 5
6 x! = 204 s! = 4.8 Estima el porcentaje de productos defectuosos para las condiciones actuales de operación, suponiendo que el proceso está bajo control y que los límites de especificación establecidos por el cliente son centímetros. Paso 1. Calcular el valor de los parámetros: media (μ) y desviación estándar (σ). μ = x = = 5.1 s = s! N = = 0.12 σ = s c! = = Paso 2. Obtener los límites de naturales de variación para la media. LC! = x = 5.1 LCI! = x 3σ = 5.1 (3)(0.1251) LCI! = LCS! = x + 3σ = (3)(0.1251) LCS! = Paso 3. Realizar un esquema que nos permita observar de forma gráfica la relación entre los límites de control y los límites de especificación. Gráfica 6. 6
7 Observa que en este caso, el proceso se encuentra centrado, por lo que el límite inferior de variación (4.72) se encuentra dentro de los parámetros de especificación, mientras que el límite superior los excede, ocasionando una proporción de artículos defectuosos. Paso 4. Calcular la proporción de productos no conformes. En este caso sólo calculamos la probabilidad acumulada que se encuentra a la derecha de 5.3, pues el límite inferior se encuentra dentro de los parámetros de especificación. x μ z = = σ = 1.59 Al obtener la probabilidad acumulada para estos valores de z en la distribución normal, sabemos que la proporción de defectos es de 5.59% Es importante recordar que el cálculo de la proporción de unidades puede realizarse únicamente cuando el proceso se encuentra en control estadístico, es decir, los límites de control se han estabilizado y no se presentan causas especiales de variación. Referencias Arvelo, A. (1998). Capacidad de los procesos industriales: métodos estadísticos exigidos por las normas ISO Caracas: Publicaciones UCAB. [Versión electrónica]. Recuperado el 13 de diciembre de 2010, de: e_summary_r&cad=0#v=onepage&q&f=false Besterfield, D. (1995). Control de la calidad. México: Prentice Hall Hispanoamérica. Recuperado el 10 de diciembre de 2010 en la base de datos Bibliotechnia de la Biblioteca Digital UVEG. Carot, V. (1998). Control estadístico de la calidad. España: Servicio de publicaciones de la Universidad Politécnica de Valencia. [Versión electrónica]. Recuperado el 13 de diciembre de 2010, de: =false Vilar, J. F. (1995). Control estadístico de los procesos. España: Fundación Confemetal. [Versión electrónica]. Recuperado el 13 de diciembre de 2010, de =false 7
Gráfico de control por variables
de control por variables por Felipe de la osa El objetivo principal de un gráfico de control es detectar con rapidez, cambios y variaciones en el proceso que puedan ocasionar la producción de unidades
Más detallesPrincipios básicos del control estadístico
Principios básicos del control estadístico por Felipe de la Rosa De acuerdo con Besterfield (1995), la estadística es la ciencia que se ocupa de la recopilación, tabulación, análisis, interpretación y
Más detallesHerramientas de comportamiento
Herramientas de comportamiento por Felipe de la Rosa Las herramientas de comportamiento son utilizadas para obtener información de situaciones que presentan un elevado grado de complejidad en su interpretación,
Más detallesControl Estadístico de la Calidad. Gráficos de Control. Estadistica Básica
Control Estadístico de la Calidad Gráficos de Control Estadistica Básica Control de Calidad Calidad significa idoneidad de uso, Es la interacción de la calidad: Del diseño Nivel de desempeño, de confiabilidad
Más detallesTEMA 4: CONTROL POR VARIABLES Hoja de ejercicios (Entregar el 7 -problema de examen-)
MÉTODOS ESTADÍSTICOS PARA LA MEJORA DE LA CALIDAD INGENIERIA DE TELECOMUNICACIONES TEMA 4: CONTROL POR VARIABLES Hoja de ejercicios (Entregar el 7 -problema de examen-) 1. Un proceso industrial fabrica
Más detallesUNIVERSIDAD TECNICA PARTICULAR DE LOJA ESTADISTICA Y PROBABILIDAD ENSAYO N 12
UNIVERSIDAD TECNICA PARTICULAR DE LOJA ESTADISTICA Y PROBABILIDAD ENSAYO N 12 DOCENTE: Ing. Patricio Puchaicela ALUMNA: Andrea C. Puchaicela G. CURSO: 4to. Ciclo de Electrónica y Telecomunicaciones AÑO
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 detallesLJMM ITAt CARTAS (Gráficos) DE CONTROL
CARTAS (Gráficos) DE CONTROL GRÁFICAS X - R Se toman alrededor de 25 a 30 Muestras Tamaño de muestras de 3 a 10 Calculamos: La media ( xi) y el rango (Ri) para cada muestra (i) La media general ( xi )
Más detalles«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
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 detallesVariables aleatorias 1. Problema 1
Variables aleatorias 1 Universidad Politécnica de Cartagena Dpto. Matemática Aplicada y Estadística Estadística Variables aleatorias Problema 1 La dimensión de ciertas piezas sigue una distribución normal
Más detallesCapítulo. 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
Más detallesRev 1 CAPACIDAD DE PROCESO. El objetivo del presente laboratorio es que el estudiante pueda realizar análisis de capacidad de proceso.
CAPACIDAD DE PROCESO 1.- OBJETIVO El objetivo del presente laboratorio es que el estudiante pueda realizar análisis de capacidad de proceso. 2.- FUNDAMENTO TEÓRICO 2.1 ANALISIS DE CAPACIDAD DE PROCESO
Más detallesAprender 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
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 detallesAplicaciones de la Probabilidad en la Industria
Tercera parte Aplicaciones de la Probabilidad en la Industria Dr Enrique Villa Diharce CIMAT, Guanajuato, México Verano de probabilidad y estadística CIMAT Guanajuato,Gto Julio 2010 Cartas de control Carta
Más detallesLos Gráficos de Control de Shewart
Los Gráficos de Control de Shewart La idea tradicional de inspeccionar el producto final y eliminar las unidades que no cumplen con las especificaciones una vez terminado el proceso, se reemplaza por una
Más detallesCOMPLEMENTO C Las Siete Herramientas para el Mejoramiento Continuo
COMPLEMENTO C Las Siete Herramientas para el Mejoramiento Continuo ADMINISTRACIÓN DE LAS OPERACIONES PRODUCTIVAS Un Enfoque en Procesos para la Gerencia Fernando A. D Alessio Ipinza 1 Contenido 1. Diagrama
Más detalles1. Estadística. 2. Seleccionar el número de clases k, para agrupar los datos. Como sugerencia para elegir el k
1. Estadística Definición: La estadística es un ciencia inductiva que permite inferir características cualitativas y cuantitativas de un conjunto mediante los datos contenidos en un subconjunto del mismo.
Más detallesCONTROL TOTAL DE LA CALIDAD GUIA DE EJERCICIOS No. 1
1. Dos máquinas, cada una operada por una persona, son utilizados para cortar tiras de hule, cuya longitud ideal es de 200mm, con una tolerancia de + 3mm. Al final del turno un inspector toma una muestra
Más detallesGráficas X y R Gráficos de Control de Shewhart
Gráficas X y R Gráficos de Control de Shewhart La idea tradicional de inspeccionar el producto final y eliminar las unidades que no cumplen con las especificaciones una vez terminado el proceso, se reemplaza
Más detallesCONTROL ESTADISTICO DE LA CALIDAD
CICLO 2012-II Módulo: Unidad: 4 Semana: 4 CONTROL ESTADISTICO DE LA CALIDAD Ing. Enrique Montenegro Marcelo GRAFICOS DE CONTROL ORIENTACIONES Al finalizar este capitulo el alumno deberá poder construir
Más detallesEstadística Aplicada
Estadística Aplicada Universidad Maimónides 2016 Clase 5 Distribución de la Media Muestral Pedro Elosegui 1 2 Métodos y Distribuciones de Muestreo En estadística nos gustaría contar con los parámetros
Más detallesEconomía de la Producción, Control de Calidad PRACTICA DE GRAFICAS DE CONTROL
PRACTICA DE GRAFICAS DE CONTROL 1.-(1VUNIV) Los valores de x observados en muestras de n=4 ítems están en la tabla siguiente. Construya un grafico de la media x, empleando una amplitud R para el calculo
Más detallesTema: Control Estadístico de Procesos (SPC)
Grado en Ingeniería Asignatura: Estadística Tema: Control Estadístico de Procesos (SPC) Control Estadístico de Procesos (SPC) Introducción. Variabilidad de un proceso de fabricación. Causas asignables.
Más detallesMATERIA: ESTADÍSTICA EJEMPLOS DE POSIBLES PREGUNTAS DE EXAMEN. a. Cuáles son las escalas en que pueden estar los datos en un análisis estadístico.
MATERIA: ESTADÍSTICA EJEMPLOS DE POSIBLES PREGUNTAS DE EXAMEN 1. Conteste las preguntas siguientes: a. Cuáles son las escalas en que pueden estar los datos en un análisis estadístico. 1. 2. 3. 4. b. En
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 detallesVARIABLES ALEATORIAS CONTINUAS 1º Bto. CC.SS.
VARIABLE ALEATORIA CONTINUA VARIABLES ALEATORIAS CONTINUAS º Bto. CC.SS. Una variable aleatoria es continua si puede tomar, al menos teóricamente, todos los valores comprendidos en un cierto intervalo
Más detallesIND-LAB-CAL Capacidad de Proceso CAPACIDAD DE PROCESO
CAPACIDAD DE PROCESO 1.- OBJETIVO El objetivo del presente laboratorio es que el estudiante pueda realizar análisis de capacidad de proceso. 2.- FUNDAMENTO TEÓRICO 2.1ANALISIS DE CAPACIDAD DE PROCESO Analicemos
Más detallesTema 3: Inferencia estadística. Estimación de la media y la proporción
Tema 3: Inferencia estadística. Estimación de la media y la proporción Intervalo característico Valor crítico. Intervalo característico para una N(0, 1). Intervalo característico para una N(μ, ). Distribución
Más detallesESTADÍSTICA 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
Más detallesGráfico de Medias Móviles (MA)
Gráfico de Medias Móviles (MA) Resumen El procedimiento Gráfico de Medias Móviles crea cuadros de control para una sola variable numérica donde los datos se han recolectado ya sea individualmente o en
Más detallesEstadística I Tema 2: Análisis de datos univariantes
Estadística I Tema 2: Análisis de datos univariantes Tema 2: Análisis de datos univariantes Contenidos Gráficas para datos categóricos (diagrama de barras, diagrama de sectores). Gráficas para datos numéricos
Más detallesGráficos de control por atributos
Gráficos de cotrol por atributos por Felipe de la Rosa Los gráficos de cotrol por variables so istrumetos sumamete útiles para moitorear y mejorar la calidad, si embargo, preseta al meos dos limitacioes
Más detallesHerramientas de análisis
Herramientas de análisis por Felipe de la Rosa Dentro de las organizaciones es común monitorear y controlar el desempeño de funciones básicas (mercadotecnia, finanzas y producción), con el fin de analizar
Más detallesTema 3: Inferencia estadística. Estimación de la media y la proporción
Tema 3: Inferencia estadística. Estimación de la media y la proporción Intervalo característico Valor crítico. Intervalo característico para una N(0, 1). Intervalo característico para una N(μ, ). Distribución
Más detallesUNIVERSIDAD 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:
Más detallesANEXO 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
Más detallesInferencia estadística
Población y muestra Estadística descriptiva e inferencial Herramientas de la estadística inferencial Intervalos de confianza para media y varianza poblacional Ejemplo de aplicación Población: Conjunto
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 detallesPráctica de Control Estadístico de Procesos Control por Variables
Práctica de Control Estadístico de Procesos Control por Variables Fichero de datos: Sensorpresion.sf3 1. Los datos Un sensor de presión ha de trabajar en condiciones de alta temperatura. Para controlar
Más detallesUNIVERSIDAD CARLOS III DE MADRID Grado en Ingeniería Industrial Estadística 10 de mayo de 2016 (turno mañana)
Apellidos Nombre UNIVERSIDAD CARLOS III DE MADRID Grado en Ingeniería Industrial Estadística 10 de mayo de 2016 (turno mañana) N o lista Grupo El fichero FrenosITV.sf3 contiene información sobre 10 variables
Más detallesControl Estadístico de Procesos Capacidad de Proceso
Control Estadístico de Procesos Capacidad de Proceso Un proceso de fabricación es un conjunto de equipos, materiales, personas y métodos de trabajo que genera un producto fabricado. Maquinaria Métodos
Más detallesEstadísticas 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
Más detallesEstadística Descriptiva
Estadística Descriptiva 1 Sesión No. 12 Nombre: Medidas de dispersión Contextualización En la sesión anterior se explicaron los temas relacionados con la desviación estándar, la cual es una medida para
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 La distribución de tiempo que supone el PERT para una actividad es una distribución
Más detallesGráfico de Desgaste de Herramientas
Gráfico de Desgaste de Herramientas Resumen El procedimiento Gráfico de Desgaste de Herramientas crea cuadros de control para una sola variable numérica donde se espera que cambien las cantidades en un
Más detallesExplicación de la tarea 8 Felipe Guerra
Pruebas de bondad de ajuste de χ 2 Explicación de la tarea 8 Felipe Guerra Las pruebas de bondad de ajuste corresponden a una comparación entre la distribución de una muestra aleatoria y una distribución
Más detallesEstimación. Diseño Estadístico y Herramientas para la Calidad. Estimación. Estimación. Inferencia Estadística
Diseño Estadístico y Herramientas para la Calidad Estimación Epositor: Dr. Juan José Flores Romero juanf@umich.m http://lsc.fie.umich.m/~juan M. en Calidad Total y Competitividad Estimación Inferencia
Más detallesCAPÍTULO 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
Más detalles( x) Distribución normal
Distribución normal por Oliverio Ramírez La distribución de probabilidad más importante es sin duda la distribución normal (o gaussiana), la cual es de tipo continuo. La distribución de probabilidad para
Más detallesJuan 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
Más detallesEstadística 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.
Más detallesIntervalos 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
Más detallesEstadística I Tema 2: Análisis de datos univariantes Descripción numérica de datos
Estadística I Tema 2: Análisis de datos univariantes Descripción numérica de datos Descripción numérica de datos: medidas descriptivas Centro Posición Variación Forma media cuartiles rango coef. asimetría
Más detalles7. Medidas de Dispersión
ESTADÍSTICA APLICADA 7 Medidas de Dispersión 7 Medidas de Dispersión En el análisis estadístico no basta el cálculo e interpretación de las medidas de tendencia central o de posición, ya que, por ejemplo,
Más detallesComparación de dos Muestras - SnapStat
Comparación de dos Muestras - SnapStat Resumen La Comparación de Dos Muestras usando SnapStat crea un resumen de una página que compara dos muestras independientes de datos de variables. Calcula estadísticos
Más detallesDefinición de probabilidad
Tema 5: LA DISTRIBUCIÓN NORMAL 1. INTRODUCCIÓN A LA PROBABILIDAD: Definición de probabilidad Repaso de propiedades de conjuntos (Leyes de Morgan) Probabilidad condicionada Teorema de la probabilidad total
Más detallesMs. C. Marco Vinicio Rodríguez
Ms. C. Marco Vinicio Rodríguez mvrodriguezl@yahoo.com http://mvrurural.wordpress.com/ Un estimador es una regla que establece cómo calcular una estimación basada en las mediciones contenidas en una muestra
Más detallesANGEL FRANCISCO ARVELO LUJAN
ANGEL FRANCISCO ARVELO LUJAN Angel Francisco Arvelo Luján es un Profesor Universitario Venezolano en el área de Probabilidad y Estadística, con más de 40 años de experiencia en las más reconocidas universidades
Más detallesESTADÍSTICA 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
Más detallesCONTROL ESTADÍSTICO DE LA CALIDAD GRÁFICOS DE CONTROL
CONTROL ESTADÍSTICO DE LA CALIDAD GRÁFICOS DE CONTROL CONTROL DE CALIDAD Calidad significa idoneidad de uso, está determinada por la interacción de la calidad del diseño y la calidad de conformidad Reducción
Más detallesINFERENCIA ESTADISTICA. Proferora: Lic. Gladis Mazza
INFERENCIA ESTADISTICA Proferora: Lic. Gladis Mazza INFERENCIA ESTADISTICA Por este proceso es posible utilizar estadísticos calculados a partir de muestras para estimar los valores de los parámetros de
Más detallesESTADISTICA GENERAL. PRINCIPALES DISTRIBUCIONES CONTINUAS Profesor: Celso Celso Gonzales
ESTADISTICA GENERAL PRINCIPALES DISTRIBUCIONES CONTINUAS Profesor: Celso Celso Gonzales OBJETIVOS Describir las características de las distribuciones de probabilidad : Normal, Ji-cuadrado, t de student
Más detallesLOS GRÁFICOS DE CONTROL
CAPÍTULO IX LOS GRÁFICOS DE CONTROL 9.1 INTRODUCCIÓN En cualquier proceso de generación de productos o servicios, sin importar su buen diseño y/o mantenimiento cuidadoso, siempre existirá cierto grado
Más detallesDistribuciones de probabilidad II
II Facultad de Estudios Superiores Acatlán Licenciatura en Economía 20 de abril 2017 José A. Huitrón Mendoza Distribuciones de probabilidad de Poisson Enmarca el estudio de una variable aleatoria discreta
Más detallesAnálisis de la Capacidad o Aptitud de un proceso ( Capítulo 8 ) Control Estadístico de Calidad
Análisis de la Capacidad o Aptitud de un proceso ( Capítulo 8 ) Control Estadístico de Calidad Introducción Cuantificar la variabilidad de un proceso. Analizar esta variabilidad en relación con los requisitos
Más detallesMétodo del Rango (Estudio del Calibrador Variables)
Método del Rango (Estudio del Calibrador Variables) STATGRAPHICS Rev. 9/14/006 Resumen El Método del Rango calcula una estimación aproximada de la repetibilidad y reproducibilidad combinada para un sistema
Más detallesCAPÍTULO VII DETERMINACIÓN DE LA MUESTRA
CAPÍTULO VII DETERMINACIÓN DE LA MUESTRA Para determinar la muestra es necesario considerar primero cuál es nuestro universo. Se debe entender como universo al total de elementos que reúnen ciertas características
Más detallesGUÍA DE STATGRAPHICS 5.1
UNIVERSIDAD POLITÉCNICA DE MADRID ESCUELA UNIVERSITARIA DE ARQUITECTURA TÉCNICA DEPARTAMENTO DE MATEMÁTICA APLICADA A LA ARQUITECTURA TÉCNICA GUÍA DE STATGRAPHICS 5.1 (Versión castellana) GUÍA DE STATGRAPHICS
Más detallesConceptos de Probabilidad y estadística. Jhon Jairo Padilla A., PhD
Conceptos de Probabilidad y estadística Jhon Jairo Padilla A., PhD Introducción La ingeniería de tráfico está soportada sobre conceptos de probabilidad y estadística como: Probabilidad Variable aleatoria
Más detallesPROBABILIDAD E INFERENCIA ESTADÍSTICA TEMA 3: DISTRUBUCIONES DE PROBABILIDAD CONTINUA
UNIDAD 1 PROBABILIDAD E INFERENCIA ESTADÍSTICA TEMA 3: DISTRUBUCIONES DE PROBABILIDAD CONTINUA Variables aleatorias continuas = función de densidad de probabilidad 1 Variables aleatorias continuas = función
Más detallesMétodo del Rango y Promedio (Estudio del Calibrador - Variables)
STATGRAPHICS Rev. 9/14/006 Método del Rango y Promedio (Estudio del Calibrador - Variables) Resumen El Método del Rango y Promedio estima la repetibilidad y reproducibilidad de un sistema de medición basado
Más detallesTEMA 3: MUESTREO Y ESTIMACIÓN. Estimación de la Media
TEMA 3: MUESTREO Y ESTIMACIÓN Estimación de la Media INTRODUCIÓN Supongamos que queremos estudiar una determinada característica de una población. Como vimos en el anterior power point, es muy complejo
Más detallesMuestreo y distribuciones muestrales.
Mathieu Departamento de Matemática Aplicada y Estadística Universidad Politécnica de Cartagena Cartagena, Enero 2010 Guión 1 Introducción 2 La media muestral Esperanza y varianza de la media muestral La
Más detallesTema 5: Modelos probabilísticos
Tema 5: Modelos probabilísticos 1. Variables aleatorias: a) Concepto. b) Variables discretas y continuas. c) Función de probabilidad (densidad) y función de distribución. d) Media y varianza de una variable
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 detallesPROBABILIDAD Y ESTADÍSTICA ININ4010 Prof. DAVID GONZÁLEZ BARRETO SOLUCIÓN ASIGNACIÓN 6
PROBABILIDAD Y ESTADÍSTICA ININ4 Prof. DAVID GONZÁLEZ BARRETO SOLUCIÓN ASIGNACIÓN 6. Con base en probabilidades de la distribución normal a, 2 y 3 desviaciones, determine para una variable con μ = 5 y
Más detallesConceptos 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
Más detallesMedidas 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
Más detallesDistribuciones 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.
Más detallesESTADISTICA AVANZADA MODULO I
ESTADISTICA AVANZADA MODULO I Evaluación Sistemas de Medición MSA - Variables MSA - Atributos Evaluación del Sistema de Medición Se asume constantemente que los sistemas de medición son exactos y precisos,
Más detallesUNIDAD 6. Estadística
Matemática UNIDAD 6. Estadística 2 Medio GUÍA N 1 MEDIDAS DE DISPERSIÓN PARA DATOS NO AGRUPADOS ACTIVIDAD Consideremos los siguientes conjuntos de valores referidos a las edades de los jugadores de dos
Más detalles5. DISTRIBUCIOES COTIUAS DE PROBABILIDAD
Distribución normal 5. DISTRIBUCIOES COTIUAS DE PROBABILIDAD La distribución continua de probabilidad más importante en todo el campo de la estadística es la distribución normal. Su grafica, que se denomina
Más detallesmás allá de los promedios
L O D D M OS BJETIVOS DE ESARROLLO EL ILENIO más allá de los promedios Introducción a la base de datos EQxIS, algunos conceptos básicos de estadística Las principales características del sistema EQxIS
Más detallesGrafico Cusum (Mascara-V)
Grafico Cusum (Mascara-V) Resumen Los gráficos de sumas acumulativas monitorean datos por variables graficando las sumas acumulativas de las desviaciones al valor objetivo. Esto lo hace, incorporando la
Más detallesConceptos de Probabilidad y estadística. Jhon Jairo Padilla A., PhD
Conceptos de Probabilidad y estadística Jhon Jairo Padilla A., PhD Introducción La ingeniería de tráfico está soportada sobre conceptos de probabilidad y estadística como: Probabilidad Variable aleatoria
Más detallesEJERCICIOS DE ESTADÍSTICA CON GEOGEBRA. Autores:
EJERCICIOS DE ESTADÍSTICA CON GEOGEBRA Autores: ÍNDICE 1. CONTAMINACIÓN RADIACTIVA... 2 2. UN DADO TRUCADO?... 5 3. EL PESO DE LOS RECIÉN NACIDOS EN UN HOSPITAL... 6 4. CONTROL DE CALIDAD DE LOS TORNILLOS...
Más detallesMantenimiento Eléctrico
Universidad Tecnológica de Pereira - 1/27 Mantenimiento Eléctrico Intervalos estadísticos, pruebas de hipótesis Mauricio Holguín Londoño Programa de Ingeniería Eléctrica 2016 Universidad Tecnológica de
Más detallesINTRODUCCIÓN AL ANÁLISIS DE DATOS ORIENTACIONES (TEMA Nº 8) TEMA Nº 8 ESTIMACIÓN
OBJETIVOS DE APRENDIZAJE: TEMA Nº 8 ESTIMACIÓN Conocer las relaciones entre muestra, análisis estadístico descriptivo y análisis estadístico inferencial. Conocer los conceptos de muestra aleatoria y muestra
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 detallesDistribución 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
Más detallesCoeficiente de variación y estandarización.
Coeficiente de variación y estandarización. En este documento usted podrá encontrar la solución de los ítems 52 y 53. A continuación se detalla cada solución: Pregunta 52 Considere la siguiente información:
Más detallesClases Frec. (100, 115] 5 (115, 130] 9 (130, 145] 3 (145, 160] 2 (160, 175] 1 Total 20
Unidad 1: Estadística descriptiva 1) a) Diámetro de la tubería (pulgadas): Variable cuantitativa continua b) Material de la tubería: Variable cualitativa nominal c) Edad (Año de instalación): Variable
Más detallesEstadística. Sesión 4: Medidas de dispersión.
Estadística Sesión 4: Medidas de dispersión. Contextualización En esta sesión aprenderás a calcular las medidas estadísticas de dispersión, tal es el caso del rango, la varianza y la desviación estándar,
Más detallesIND-LAB-CAL Gráficos de Control Variables CONTROL DE PROCESOS - GRAFICOS DE CONTROL - CARACTERÍSTICAS TIPO VARIABLES
CONTROL DE PROCESOS - GRAFICOS DE CONTROL - CARACTERÍSTICAS TIPO VARIABLES 1.- OBJETIVO El objetivo del presente laboratorio es que el estudiante conozca y que sea capaz de seleccionar y utilizar gráficos
Más detalles