MÉTODOS ESTADÍSTICOS PARA LA MEJORA DE LA CALIDAD
|
|
- Víctor Manuel Salinas Quiroga
- hace 5 años
- Vistas:
Transcripción
1 MÉTODOS ESTADÍSTICOS PARA LA MEJORA DE LA CALIDAD
2 Tema 6: Gráficos de Control con Memoria 1. Introducción 2. Gráfico EWMA 3. Gráfico de Medias Móviles 4. Gráfico CUSUM Métodos Estadísticos para la Mejora de la Calidad 2
3 Parte III: Diseño de experimentos Parte II: Control estadístico de procesos Parte I: Control de productos terminados Diseño Producción Producto final Métodos Estadísticos para la Mejora de la Calidad 3
4 Materia prima Producto Conjunto de procesos intermedios Métodos Estadísticos para la Mejora de la Calidad 4
5 Control de los procesos intermedios Proceso 1 Control de la calidad del proceso 1 Proceso 2 Control de la calidad del proceso 2 Proceso J Control de la calidad del proceso J Métodos Estadísticos para la Mejora de la Calidad 5
6 Control de los procesos intermedios Proceso 1 Control de la calidad del proceso 1 Evolución de la variable controlada ALARMA!!! Métodos Estadísticos para la Mejora de la Calidad 6
7 1. Introducción Supongamos que X es una característica de calidad que si el proceso está bajo control verifica que EX ( ) Var( X ) = μ 2 = σ Tema 6:Gráficos de Control por Variables Tema 7:Gráficos de Control por Atributos Muy útiles para detectar cambios en la media de más de 2 desviaciones típicas Pero pueden tardar mucho en detectar un cambio más pequeño Métodos Estadísticos para la Mejora de la Calidad 7
8 1. Introducción Supongamos que X es una característica de calidad que si el proceso está bajo control verifica que EX ( ) Var( X ) = μ 2 = σ Gráficos de Control con Memoria CUSUM... EWMA Medias Móviles Son más rápidos en detectar un cambio pequeño, pero más lentos en detectar un cambio grande Métodos Estadísticos para la Mejora de la Calidad 8
9 Supongamos que X es una característica de calidad que si el proceso está bajo control verifica que EX ( ) Var( X ) Gráfico de Control por Variables: = μ 2 = σ (bien con observaciones individuales o muestras independientes -mutuamente excluyentes-) Gráfico de Control con Memoria: La información se va acumulando un pequeño desajuste acaba detectándose Métodos Estadísticos para la Mejora de la Calidad 9
10 Tema 6: Gráficos de Control con Memoria 1. Introducción 2. Gráfico CUSUM 3. Gráfico EWMA 4. Gráfico de Medias Móviles Métodos Estadísticos para la Mejora de la Calidad 10
11 2. Gráficos CUSUM Vamos a ver dos tipos: CUSUM algorítmico Plantilla V Sea x la variable de calidad de interés En estado de control... Construimos el siguiente estadístico Ci para acumular la información: Acumulación de desviaciones Métodos Estadísticos para la Mejora de la Calidad 11
12 2. Gráficos CUSUM Los gráficos CUSUM se basan en la evolución de Ci Si el proceso está bajo control Ci evoluciona alrededor del cero Métodos Estadísticos para la Mejora de la Calidad 12
13 ... por tanto, si el proceso está bajo control, Ci evoluciona de forma aleatoria alrededor de una horizontal de nivel cero Métodos Estadísticos para la Mejora de la Calidad 13
14 2. Gráficos CUSUM Por el contrario, si el proceso se desajusta y la media pasa a valer... Aparece una tendencia lineal, creciente si k>0, o Métodos Estadísticos para la Mejora de la Calidad 14 decreciente si k<0
15 ... por tanto, si el proceso se desajusta, Ci evoluciona de forma aleatoria alrededor de una pendiente Métodos Estadísticos para la Mejora de la Calidad 15
16 2. Gráficos CUSUM Vamos a ver dos tipos: CUSUM algorítmico Plantilla V CUSUM Algorítmico Este gráfico CUSUM tiene las siguientes particularidades: Dibuja por separado las desviaciones positivas (aumentos en la media del proceso) y las negativas (disminuciones en la media del proceso) Sólo tiene en cuenta desviaciones que superen cierto umbral mínimo Métodos Estadísticos para la Mejora de la Calidad 16
17 2. Gráficos CUSUM CUSUM Algorítmico: Monitoriza la evolución de los siguientes estadísticos Para detectar aumentos en la media Para detectar disminuciones en la media Métodos Estadísticos para la Mejora de la Calidad 17
18 2. Gráficos CUSUM CUSUM Algorítmico Monitoriza la evolución de los siguientes estadísticos Sólo computa desviaciones que superen el umbral K Métodos Estadísticos para la Mejora de la Calidad 18
19 2. Gráficos CUSUM CUSUM Algorítmico El valor del umbral K determina la sensibilidad del gráfico. Para detectar el desajuste se suele tomar Monitoriza la evolución de los siguientes estadísticos Métodos Estadísticos para la Mejora de la Calidad 19
20 Valor de la variable de interés Métodos Estadísticos para la Mejora de la Calidad 20
21 =1.1 (C0=0) Métodos Estadísticos para la Mejora de la Calidad 21
22 Max[0,( )]=0 Métodos Estadísticos para la Mejora de la Calidad 22
23 Valor de la variable de interés Métodos Estadísticos para la Mejora de la Calidad 23
24 0+( )=-5.1 Métodos Estadísticos para la Mejora de la Calidad 24
25 Max[0,( )]=0 Métodos Estadísticos para la Mejora de la Calidad 25
26 Métodos Estadísticos para la Mejora de la Calidad 26
27 Los límites de control se ponen a distancia Generalmente Métodos Estadísticos para la Mejora de la Calidad 27
28 Alarma Momento en el que parece que se ha producido el desajuste Métodos Estadísticos para la Mejora de la Calidad 28
29 CUSUM Algorítmico: Decisiones que debe tomar el analista: Sensibilidad K Intervalo H Sensibilidad K Si lo expresamos en función del proceso: K=kσ Si queremos detectar desviaciones se suele elegir k δ = 2 μ1 = μ0 + δσ (maximiza la probabilidad de detectar ese desajuste) Métodos Estadísticos para la Mejora de la Calidad 29
30 CUSUM Algorítmico: Decisiones que debe tomar el analista: Sensibilidad K Intervalo H Intervalo H Si lo expresamos en función del proceso: H=hσ Su valor ideal depende de k (K=kσ ) Si no hay desajuste, Probabilidad de estar por debajo de H es aprox Métodos Estadísticos para la Mejora de la Calidad 30
31 CUSUM Algorítmico: Decisiones que debe tomar el analista: Sensibilidad K Intervalo H Intervalo H Si lo expresamos en función del proceso: H=hσ Su valor ideal depende de k (K=kσ=δ/2 σ ) k= h= (basado en el algoritmo de Hawkins) Métodos Estadísticos para la Mejora de la Calidad 31
32 V-Mask 2. Gráficos CUSUM El segundo gráfico que veremos es el CUSUM con Plantilla V (V-mask) Este gráfico CUSUM tiene las siguientes particularidades: Dibuja la evolución de Ci Métodos Estadísticos para la Mejora de la Calidad 32
33 2. Gráficos CUSUM El segundo gráfico que veremos es el CUSUM con Plantilla V (V-mask) Este gráfico CUSUM tiene las siguientes particularidades: Utiliza una plantilla en V como límites de control Métodos Estadísticos para la Mejora de la Calidad 33
34 Intersección con la plantilla=fuera de control Alarma Métodos Estadísticos para la Mejora de la Calidad 34
35 Momento en el que probablemente se produjo el desajuste Métodos Estadísticos para la Mejora de la Calidad 35
36 w d Métodos Estadísticos para la Mejora de la Calidad 36
37 w d δ: sensibilidad μ1 = μ0 + δσ n: tamaño muestral medio a: Probabilidad de falsa alarma β: Probabilidad de no detectar el desajuste Métodos Estadísticos para la Mejora de la Calidad 37
38 Métodos Estadísticos para la Mejora de la Calidad 38
39 Tema 6: Gráficos de Control con Memoria 1. Introducción 2. Gráfico CUSUM 3. Gráfico EWMA 4. Gráfico de Medias Móviles Métodos Estadísticos para la Mejora de la Calidad 39
40 3. Gráfico EWMA EWMA=Exponentially Weighted Moving Average (Medias móviles con ponderación exponencial) Sea X la variable de calidad de interés. El gráfico EWMA representa la evolución de con (Factor de olvido, lo decide el analista) Métodos Estadísticos para la Mejora de la Calidad 40
41 Sustituyendo sucesivamente... Métodos Estadísticos para la Mejora de la Calidad 41
42 Sustituyendo sucesivamente... Métodos Estadísticos para la Mejora de la Calidad 42
43 Los pesos decaen exponencialmente i-3 i-2 i-1 i Métodos Estadísticos para la Mejora de la Calidad 43
44 Además, decaen muy rápido El pasado tiene poco valor La memoria es corta i-3 i-2 i-1 i Métodos Estadísticos para la Mejora de la Calidad 44
45 i-3 i-2 i-1 i Métodos Estadísticos para la Mejora de la Calidad 45
46 Los pesos decaen exponencialmente i-3 i-2 i-1 i Métodos Estadísticos para la Mejora de la Calidad 46
47 Ahora decaen muy despacio El pasado tiene mucho valor La memoria es larga i-3 i-2 i-1 i Métodos Estadísticos para la Mejora de la Calidad 47
48 i-3 i-2 i-1 i Métodos Estadísticos para la Mejora de la Calidad 48
49 Si queremos detectar un desajuste pequeño, necesitaremos acumular la información de muchos periodos para que el desajuste pueda apreciarse Métodos Estadísticos para la Mejora de la Calidad 49
50 Si queremos detectar un desajuste grande, bastará con la información inmediatamente posterior al desajuste. No debemos esperar a acumular mucha información Métodos Estadísticos para la Mejora de la Calidad 50
51 Gráfico EWMA Y i Y i Y i Y i Y i Y i Y i Métodos Estadísticos para la Mejora de la Calidad 51
52 Gráfico EWMA Y i Y i Y i Y i Y i Van aumentando Métodos Estadísticos para la Mejora de la Calidad 52
53 Alarma Van aumentando Métodos Estadísticos para la Mejora de la Calidad 53
54 Tema 6: Gráficos de Control con Memoria 1. Introducción 2. Gráfico CUSUM 3. Gráfico EWMA 4. Gráfico de Medias Móviles Métodos Estadísticos para la Mejora de la Calidad 54
55 4. Gráfico de Medias Móviles Sea x la variable de calidad de interés. El gráfico de medias móviles representa la evolución del estadístico Métodos Estadísticos para la Mejora de la Calidad 55
56 Por ejemplo, si m=3 Bajo control La varianza aumenta hasta que se han analizado m observaciones Métodos Estadísticos para la Mejora de la Calidad 56
57 Gráfico de Medias Móviles Los límites van disminuyendo Límites constantes Métodos Estadísticos para la Mejora de la Calidad 57
58 Alarma Métodos Estadísticos para la Mejora de la Calidad 58
MÉTODOS ESTADÍSTICOS PARA LA MEJORA DE LA CALIDAD
MÉTODOS ESTADÍSTICOS PARA LA MEJORA DE LA CALIDAD Tema 8: Gráficos de Control con Memoria 1. Introducción 2. Gráfico EWMA 3. Gráfico de Medias Móviles 4. Gráfico CUSUM 2 Parte I: Diseño de experimentos
Más detallesGráficos de control con memoria
Capítulo 6 Gráficos de control con memoria 1. Introducción 2. Gráficos CUSUM 3. Gráficos EWMA 4. Gráficos de medias móviles 1 Apuntes realzados por el Profesor Ismael Sánchez para la asignatura: Métodos
Más detallesControl Estadístico de Procesos con Statgraphics Plus Gráficos de Control con Memoria
Control Estadístico de Procesos con Statgraphics Plus Gráficos de Control con Memoria 1 GRAFICOS DE CONTROL CUSUM Statgraphics permite dos tipos de gráficos de control CUSUM: con plantilla V y algorítmico
Más detallesGráficos de control con memoria
Capítulo 6 Gráficos de control con memoria 6.1 Introducción Cuando en un proceso se produce un desajuste muy pequeño, los gráficos estudiados en los temas anteriores pueden ser poco efectivos. El problema
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 detallesMÉTODOS ESTADÍSTICOS PARA LA MEJORA DE LA CALIDAD. Métodos Estadísticos para la Mejora de la Calidad 1
MÉTODOS ESTADÍSTICOS PARA LA MEJORA DE LA CALIDAD Métodos Estadísticos para la Mejora de la Calidad 1 Parte III: Diseño de experimentos Parte II: Control estadístico de procesos Parte I: Control de productos
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 detallesPreguntas más Frecuentes: Tema 8
Preguntas más Frecuentes: Tema 8 Pulse sobre la pregunta para acceder directamente a la respuesta 1. En el ejemplo 8.1, por qué se escoge n =?. En el ejemplo 8.1, si n fuera igual a 3 habría que obtener
Más detallesEstadística Descriptiva y Probabilidad FORMULARIO
Estadística Descriptiva y Probabilidad FORMULARIO Departament d Estadística i Investigació Operativa Universitat de València Angel Corberán Francisco Montes 2 3 Capítulo 1 Estadística Descriptiva 1.1.
Más detallesTAMAÑO 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
Más detallesTema 4: Probabilidad y Teoría de Muestras
Tema 4: Probabilidad y Teoría de Muestras Estadística. 4 o Curso. Licenciatura en Ciencias Ambientales Licenciatura en Ciencias Ambientales (4 o Curso) Tema 4: Probabilidad y Teoría de Muestras Curso 2008-2009
Más detallesEstadistica II Tema 0. Repaso de conceptos básicos. Curso 2009/10
Estadistica II Tema 0. Repaso de conceptos básicos Curso 2009/10 Tema 0. Repaso de conceptos básicos Contenidos Variables aleatorias y distribuciones de probabilidad La distribución normal Muestras aleatorias,
Más detallesR E S O L U C I Ó N. σ σ a) El intervalo de confianza de la media poblacional viene dado por: IC.. µ zα, µ+ zα
En una población una variable aleatoria sigue una ley Normal de media desconocida y desviación típica. a) Observada una muestra de tamaño 400, tomada al azar, se ha obtenido una media muestral igual a
Más detalles3. Variables aleatorias
3. Variables aleatorias Estadística Ingeniería Informática Curso 2009-2010 Estadística (Aurora Torrente) 3. Variables aleatorias Curso 2009-2010 1 / 33 Contenidos 1 Variables aleatorias y su distribución
Más detallesTema 5. Muestreo y distribuciones muestrales
1 Tema 5. Muestreo y distribuciones muestrales En este tema: Muestreo y muestras aleatorias simples. Distribución de la media muestral: Esperanza y varianza. Distribución exacta en el caso normal. Distribución
Más detallesR E S O L U C I Ó N. σ σ a) El intervalo de confianza de la media poblacional viene dado por: IC.. μ zα
Se sabe que la estatura de los individuos de una población es una variable aleatoria que sigue una distribución normal con desviación típica 6 cm. Se toma una muestra aleatoria de 5 individuos que da una
Más detallesEjemplos Resueltos Tema 4
Ejemplos Resueltos Tema 4 2012 1. Contraste de Hipótesis para la Media µ (con σ conocida) Dada una muestra de tamaño n y conocida la desviación típica de la población σ, se desea contrastar la hipótesis
Más detallesIntroducción a la inferencia estadística
M. Wiper Estadística 1 / 15 Introducción a la inferencia estadística Michael Wiper Departamento de Estadística Universidad Carlos III de Madrid M. Wiper Estadística 2 / 15 Objetivo Introducir la distribución
Más detallesAlgunos conceptos de probabilidad
Algunos conceptos de probabilidad Variables Aleatorias Al realizar un experimento aleatorio muchas veces, esperamos que los resultados obtenidos sean gobernados por sus probabilidades. Así las probabilidades
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 detallesMatemática Aplicada y Estadística - Farmacia Soluciones del Primer Examen Parcial - Grupo 3
1. Se está haciendo un estudio de medicamentos diferentes que contienen un principio activo común La distribución de frecuencias se indica en la tabla que sigue: Cantidad de sustancia mg [10,20 [20,30
Más detalles6. 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
Más detallesSOLUCIONES AL EXAMEN DE SEPTIEMBRE DE ESTADÍSTICA EXAMEN DE MATEMÁTICAS II
SOLUCIONES AL EXAMEN DE SEPTIEMBRE DE 4. ESTADÍSTICA EXAMEN DE MATEMÁTICAS II Estadística (primer parcial). Septiembre de 4.- El coeficiente de determinación R nos determina a) el % de la varianza de Y
Más detallesVariables Aleatorias Discretas
Unicatólica 15 de agosto de 2016 Variables aleatorias Se dice que hemos definido una variable aleatoria para un experimento aleatorio cuando hemos asociado un valor numérico a cada resultado del experimento.
Más detallesCapítulo 2. Medidas Estadísticas Básicas Medidas estadísticas poblacionales
Capítulo 2 Medidas Estadísticas Básicas 2.1. Medidas estadísticas poblacionales Sea X una variable aleatoria con función de probabilidad p(x) si es discreta, o función de densidad f(x) si es continua.
Más detallesINTRODUCCIÓN...13 CAPÍTULO 1. DEFINICIÓN DE CONTROL DE CALIDAD, NOTAS HISTÓRICAS Y HERRAMIENTAS...17
ÍNDICE INTRODUCCIÓN...13 CAPÍTULO 1. DEFINICIÓN DE CONTROL DE CALIDAD, NOTAS HISTÓRICAS Y HERRAMIENTAS...17 1.1 DEFINICIÓN DE CONTROL DE CALIDAD...17 1.2 HISTORIA DEL CONTROL DE CALIDAD...18 1.3 MEDICIÓN
Más detallesEstadística I Solución Examen Final - 28 Mayo de 2009
Estadística I Examen Final - 28 Mayo de 2009 (1 (10 puntos A 16 estudiantes de Filosofía se les preguntó cuántas clases de esta asignatura habían perdido durante el cuatrimestre. Las respuestas obtenidas
Más detallesEstadística II Examen final junio 27/6/17 Curso 2016/17 Soluciones
Estadística II Examen final junio 27/6/7 Curso 206/7 Soluciones Duración del examen: 2 h y 5 min. (3 puntos) Los responsables de un aeropuerto afirman que el retraso medido en minutos en el tiempo de salida
Más detallesMÉTODOS ESTADÍSTICOS PARA LA MEJORA DE LA CALIDAD
MÉTODOS ESTADÍSTICOS PARA LA MEJORA DE LA CALIDAD 1 Parte I: Diseño de experimentos Parte II: Control estadístico de procesos Parte III: Control de productos terminados Diseño Producción Producto final
Más detallesESTADÍSTICA. Tema 4 Intervalos de confianza
ESTADÍSTICA Grado en Biología Tema 4 Intervalos de confianza Javier Cárcamo Departamento de Matemáticas Universidad Autónoma de Madrid javier.carcamo@uam.es Javier Cárcamo Estadística. Tema 4: Intervalos
Más detallesCONTRASTE DE HIPÓTESIS
CONTRASTE DE HIPÓTESIS Índice: 1. Contraste de hipótesis------------------------------------------------------------------------------. Errores de tipo I y tipo II---------------------------------------------------------------------------
Más detalles11.5. Septiembre Opción A
.5. Septiembre 200 - Opción A Problema.5. (3 puntos) Se considera el siguiente sistema lineal de ecuaciones dependiente de un parámetro real a: 2 x + 3 2 4 a ( y z a) Discútase el sistema para los diferentes
Más detallesINTRODUCCIÓN AL ANÁLISIS DE DATOS ORIENTACIONES (TEMA Nº 6)
TEMA Nº 6 DISTRIBUCIONES DISCRETAS DE PROBABILIDAD OBJETIVOS DE APRENDIZAJE: Ser capaz de definir correctamente una o más variables aleatorias sobre los resultados de un experimento aleatorio y determinar
Más detallesUNIVERSIDAD DE ATACAMA
UNIVERSIDAD DE ATACAMA FACULTAD DE INGENIERÍA / DEPARTAMENTO DE MATEMÁTICA ESTADÍSTICA Y PROBABILIDADES PAUTA DE CORRECCIÓN PRUEBA N 3 Profesor: Hugo S. Salinas. Segundo Semestre 200. Se investiga el diámetro
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 detallesTema 3 - Introducción. Tema 2. Distribuciones en el muestreo Estadísticos y distribución muestral. Ejemplos: X y S 2.
Tema 3 - Introducción 1 Tema 2. Distribuciones en el muestreo Estadísticos y distribución muestral. Ejemplos: X y S 2. Tema 3. Estimación puntual Criterios de comparación de estimadores: Insesgadez. Estimadores
Más detallesVariables aleatorias
Variables aleatorias Ignacio Cascos Fernández Departamento de Estadística Universidad Carlos III de Madrid Estadística I curso 2008 2009 Una variable aleatoria es un valor numérico que se corresponde con
Más detallesMatemáticas Nivel Medio Matemáticas Ap.CC.SS.II
Matemáticas Nivel Medio Matemáticas Ap.CC.SS.II Martes, 6 de febrero de 018 1 hora y 15 minutos. NOMBRE APELLIDOS CALIFICACIÓN 1. La longitud auricular de la oreja en varones jóvenes, medida en centímetros
Más detallesBloque 5. Probabilidad y Estadística Tema 3. Distribuciones de Probabilidad Ejercicios resueltos
Bloque 5. Probabilidad y Estadística Tema 3. Distribuciones de Probabilidad Ejercicios resueltos 5.3-1 El % de los DVDs de una determinada marca son defectuosos. Si se venden en lotes de 5 unidades, calcular
Más detallesPROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 2016 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES TEMA 6: TEORÍA DE MUESTRAS
PROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 016 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES TEMA 6: TEORÍA DE MUESTRAS Junio, Ejercicio 4, Opción A Junio, Ejercicio 4, Opción B Reserva 1, Ejercicio 4,
Más detallesExamen de Matemáticas Aplicadas a las CC. Sociales II (Septiembre 2010) Selectividad-Opción A Tiempo: 90 minutos
Examen de Matemáticas Aplicadas a las CC. Sociales II (Septiembre 200) Selectividad-Opción A Tiempo: 90 minutos Problema (3 puntos) Se considera el siguiente sistema lineal de ecuaciones dependiente de
Más detallesPromedios Móviles. Un promedio móvil es el precio promedio del mercado en cierto período de tiempo.
Lección 6 1 Promedios Móviles El Promedio Móvil o PM es el indicador más utilizado en análisis técnico y con razón, ya que es uno de los indicadores técnicos más antiguos que existen. Un promedio móvil
Más detallesEstadística. Contrastes para los parámetros de la Normal
Contrastes para los parámetros de la Normal Prof, Dr. Jose Jacobo Zubcoff Departamento de Ciencias del Mar y Biología Aplicada Contrastes para los parámetros de la Normal Contrastes para los parámetros
Más detallesPONTIFICIA UNIVERSIDAD CATÓLICA DE PUERTO RICO DEPARTAMENTO DE FÍSICA MATEMÁTICAS. Sec. Repaso EX III MAT. 298 Núm.
PONTIFICIA UNIVERSIDAD CATÓLICA DE PUERTO RICO DEPARTAMENTO DE FÍSICA MATEMÁTICAS Nombre: Fecha: Sec. Repaso EX III MAT. 298 Núm. I. Verdadero (V) o Falso (F).. La Curva de Probabilidad Normal Estándar
Más detallesTEMA Nº 2 CONTRASTE DE HIPÓTESIS EN LOS DISEÑOS DE UNA MUESTRA
TEMA Nº 2 CONTRASTE DE HIPÓTESIS EN LOS DISEÑOS DE UNA MUESTRA TIPOS DE CONTRASTE Contrastes paramétricos: Son aquellos que se relacionan con el estudio de un parámetro poblacional (media, varianza, proporción,
Más detallesC/ Fernando Poo 5 Madrid (Metro Delicias o Embajadores).
Ejercicio 1 AÑO 013- OPCIÓN A mx + y + z = m 1 m 1 x + my = 1 } (A) = ( 1 m 0 ) (A ) = ( 1 m 0 1 ) 6y z = 1 1 Calculamos el det(a) e igualamos a cero para sacar los valores en los que el determinante se
Más detallesOPTIMIZACIÓN DEL GRÁFICO DE CONTROL EWMA PARA PROCESOS MUY CAPACES Y PROCESOS DIFÍCILMENTE AJUSTABLES
27 Congreso Nacional de Estadística e Investigación Operativa Lleida, 8-11 de abril de 2003 OPTIMIZACIÓN DEL GRÁFICO DE CONTROL EWMA PARA PROCESOS MUY CAPACES Y PROCESOS DIFÍCILMENTE AJUSTABLES J.C. García-Díaz,
Más detallesTema 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
Más detallesRepresentaciones gráficas de las distribuciones bidimensionales de frecuencias... 74
Índice 1. Introducción al R 15 1.1. Introducción............................. 15 1.2. El editor de objetos R....................... 18 1.3. Datos en R............................. 19 1.3.1. Vectores...........................
Más detallesESTADÍSTICA BASICA EN CONTROL DE CALIDAD
ESTADÍSTICA BASICA EN CONTROL DE CALIDAD El control estadístico de la calidad, aplica la teoría del muestreo estadístico, al estudio de las características de calidad. Pretende determinar la variabilidad,
Más detallesEl riesgo en los proyectos
El riesgo en los proyectos por Gabriel Pruneda El riesgo de un proyecto se define como la posibilidad de tener diferencias o bien, variabilidad, entre los flujos de cajas reales respecto a los flujos estimados.
Más detallesMatemática Aplicada y Estadística - Grado en Farmacia Curso 2014/15 1er. Examen Parcial 6 de noviembre de 2014
Matemática Aplicada y Estadística - Grado en Farmacia Curso 2014/1 1er. Examen Parcial 6 de noviembre de 2014 Apellidos y nombre del alumno/a Grupo 4 1. 2 puntos) En la siguiente tabla se refleja la distribución
Más detallesPrueba de acceso a la universidad. Matemáticas aplicadas a las Ciencias Sociales II
Prueba de acceso a la universidad. Matemáticas aplicadas a las Ciencias Sociales II Junio 2006.Opción A Resolución: Juan María de la Obra Jiménez. Coordinación: Luis Cabello (I.E.S. Emilio Muñoz Ejercicio1.-
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 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 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 detallesGENERACION DE NUMEROS ALEATORIOS Y VARIABLES ALEATORIAS
GENERACION DE NUMEROS ALEATORIOS Y VARIABLES ALEATORIAS La simulación de eventos se basa en la ocurrencia aleatoria de los mismos, por ello los números aleatorios y las variables aleatorias son de especial
Más detallesCap. Distribuciones de. probabilidad. discreta. Distribuciones de probabilidad. discreta Pearson Prentice Hall. All rights reserved
Cap 6 36 Distribuciones de Distribuciones de probabilidad discreta probabilidad discreta Variables aleatorias Una variable aleatoria (v.a.) es un número real asociado al resultado de un experimento aleatorio
Más detallesDepartamento de Matemática Aplicada a la I.T.T.
Departamento de Matemática Aplicada a la I.T.T. ASIGNATURA: ESTADÍSTICA Y PROCESOS ESTOCÁSTICOS EXAMEN FINAL Duración: horas Fecha: de Julio de Fecha publicación notas: -7- Fecha revisión examen: 8-7-
Más detallesTema 6: Contraste de hipótesis
Tema 6: Contraste de hipótesis Estadística. 4 o Curso. Licenciatura en Ciencias Ambientales Licenciatura en Ciencias Ambientales (4 o Curso) Tema 6: Contraste de hipótesis Curso 2008-2009 1 / 14 Índice
Más detallesESTADISTICA Estimación puntual
Resumen estadístico Describir y sintetizar Tablas de frecuencias y Gráficos ESTADISTICA Estimación puntual Analizar e inferir Intervalos de confianza Contrastes de hipótesis Qué es una hipótesis? Una creencia
Más detallesEstadística 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
Más detallesTema 4: Probabilidad y Teoría de Muestras
Tema 4: Probabilidad y Teoría de Muestras Estadística. 4 o Curso. Licenciatura en Ciencias Ambientales Licenciatura en Ciencias Ambientales (4 o Curso) Tema 4: Probabilidad y Teoría de Muestras Curso 2008-2009
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 detallesUniversidad Autónoma de Madrid Probabilidad y Estadística
Examen (Soluciones) Duración: 3 horas. 1. a) Como nos dicen que podemos asumir que la muestra es de tamaño grande, entonces podemos usar la aproximación normal para hacer el test. Según la tabla, tenemos
Más detallesDistribuciones de probabilidad
Distribuciones de probabilidad Distribución Binomial La distribución binomial es una de las distribuciones utilizadas más ampliamente en estadística aplicada. La distribución se deriva del procedimiento
Más detallesVariables aleatorias unidimensionales
Estadística II Universidad de Salamanca Curso 2011/2012 Outline Variable aleatoria 1 Variable aleatoria 2 3 4 Variable aleatoria Definición Las variables aleatorias son funciones cuyos valores dependen
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 detallesNombre: Distribuciones de probabilidad discreta. Primera parte. En qué consiste la variable aleatoria?
Estadística 1 Sesión No. 8 Nombre: Distribuciones de probabilidad discreta. Primera parte. Contextualización En qué consiste la variable aleatoria? En la presente sesión seguiremos con el estudio de la
Más detallesTema 6 - Introducción. Tema 5. Probabilidad Conceptos básicos. Interpretación y propiedades básicas Probabilidad condicional y reglas de cálculo.
Tema 6 - Introducción 1 Tema 5. Probabilidad Conceptos básicos. Interpretación y propiedades básicas Probabilidad condicional y reglas de cálculo. Generalización Tema 6. Variables aleatorias unidimensionales
Más detallesPREGUNTAS TIPO EXAMEN. 1. Cuál de las siguientes medidas es una medida de Centralización?
PREGUNTAS TIPO EXAMEN 1. Cuál de las siguientes medidas es una medida de Centralización? a) La desviación típica d) Ninguna respuesta es correcta 2. Disponemos de una variable aleatoria que recoge el peso
Más detallesPROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 2002 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES TEMA 6: TEORÍA DE MUESTRAS
PROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 00 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES TEMA 6: TEORÍA DE MUESTRAS Junio, Ejercicio 3, Parte II, Opción A Junio, Ejercicio 3, Parte II, Opción B Reserva
Más detallesCurso de nivelación Estadística y Matemática
Curso de nivelación Estadística y Matemática Tercera clase: Introducción al concepto de probabilidad y Distribuciones de probablidad discretas Programa Técnico en Riesgo, 2017 Agenda 1 Concepto de probabilidad
Más detallesExamen de Matemáticas Aplicadas a las CC. Sociales II (Septiembre 2015-coincidente) Selectividad-Opción A Tiempo: 90 minutos 5 7 C = 1 5
Examen de Matemáticas Aplicadas a las CC. Sociales II (Septiembre 2015-coincidente) Selectividad-Opción A Tiempo: 90 minutos Problema 1 (2 puntos) Considérense las matrices ( ) ( ) ( ) 1 2 3 2 5 7 A =,
Más detallesPROBABILIDAD. Es el conjunto de todos los resultados posibles de un experimento aleatorio. Por ejemplo: Experimento: tirar un dado.
1 PROBABILIDAD EXPERIMENTOS Al fijar las condiciones iniciales para un experimento se da lugar a dos tipos de situaciones: a) Experimentos determinísticos: se conoce el resultado. Por ejemplo: si suelto
Más detallesSimulación a Eventos Discretos. Clase 8: Análisis de resultados
Simulación a Eventos Discretos Clase 8: Análisis de resultados Muestras independientes Los resultados de una corrida de una simulación estocástica (denominados respuestas), son muestras de alguna distribución.
Más detallesPuedes descargar este examen en pdf desde esta dirección (busca el enlace Dropbox en la parte inferior de la página):
Univ. de Alcalá. Estadística 2014-15 Dpto. de Física y Matemáticas Grado en Biología Sanitaria Examen final. Martes, 20 de Enero de 2015. Apellidos: Nombre: INSTRUCCIONES (LEER ATENTAMENTE). Puedes descargar
Más detallesBioestadística: Variables Aleatorias. Distribuciones de Probabilidad II
Bioestadística: Variables Aleatorias. Distribuciones de Probabilidad II M. González Departamento de Matemáticas. Universidad de Extremadura 3. El periodo de incubación de una determinada enfermedad se
Más detalles1. Muestreo e Inferencia Estadística
Tema 6: Introducción a la Inferencia Estadística Objetivos Introducir los conceptos elementales en esta parte de la asignatura. Tratar con muestras aleatorias y su distribución muestral en ejemplos de
Más detallesAGRO Examen Parcial 2. Nombre:
1 Nombre: Examen Parcial 2 AGRO 5005 2016 Instrucciones: Por favor lea los enunciados y las preguntas cuidadosamente. Se pueden usar el libro y la calculadora. Para obtener crédito parcial las respuestas
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 detallesDistribuciones de Probabilidad
MATEMÁTICAS º Bach Tema : Distribuciones de Probabilidad José Ramón Distribuciones de Probabilidad Parte : Generalidades MATEMÁTICAS º Bach Tema : Distribuciones de Probabilidad José Ramón Las distribuciones
Más detallesTEMA 7. Estimación. Alicia Nieto Reyes BIOESTADÍSTICA. Alicia Nieto Reyes (BIOESTADÍSTICA) TEMA 7. Estimación 1 / 13
TEMA 7. Estimación Alicia Nieto Reyes BIOESTADÍSTICA Alicia Nieto Reyes (BIOESTADÍSTICA) TEMA 7. Estimación 1 / 13 1 Estimación Puntual 1 Estimación por intervalos Estimación por intervalos de la Media
Más detallesESTADÍSTICA 1 o CC. Ambientales Tema 4: Contrastes de hipótesis paramétricas
ESTADÍSTICA 1 o CC. Ambientales Tema 4: Contrastes de hipótesis paramétricas Planteamiento del problema. Hipótesis nula y alternativa. Región de rechazo. Metodología para contrastar hipótesis. Errores
Más detallesTema 9: Estadística descriptiva
Tema 9: Estadística descriptiva Matemáticas específicas para maestros Grado en Educación Primaria Matemáticas específicas para maestros Tema 9: Estadística descriptiva Grado en Educación Primaria 1 / 47
Más detallesCDEE. Selección de cuestiones del Primer Ejercicio.
- En unas oposiciones, el temario consta de 85 temas. Se eligen tres temas al azar de entre los 85. Si un opositor sabe 35 de los 85 temas cuál es la probabilidad de que sepa al menos uno de los tres temas?
Más detallesProcesos Integrados. Si (Y t ) no es estacionario pero la serie (Z t ) de las primeras diferencias. Z t = Y t = Y t Y t 1,
Capítulo 5 Procesos Integrados Un proceso no estacionario puede no ser estable en la media, en la varianza o en las autocorrelaciones. Por ejemplo, las series 3, 5-13, 19, 29-31, 35-37, y 39 del Capítulo
Más detallesPROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 2008 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES TEMA 6: TEORÍA DE MUESTRAS
PROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 008 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES TEMA 6: TEORÍA DE MUESTRAS Junio, Ejercicio 3, Parte II, Opción A Junio, Ejercicio 3, Parte II, Opción B Reserva
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 detallesConsiderar la siguiente colección de datos {10, 12, 12, 12, 10, 30, 0, 0, 0, 0, 0, 30, 30} para contestar las preguntas del 1al 5.
PONTIFICIA UNIVERSIDAD CATÒLICA DEPARTAMENTO DE FÌSICA - MATEMÀTICA Nombre: Fecha: Núm. Registro Prof. MATH 298 Sec. Examen Final Parte I. Seleccione la respuesta correcta (3 puntos cada uno) Considerar
Más detalles1. Conceptos de Regresión y Correlación. 2. Variables aleatorias bidimensionales. 3. Ajuste de una recta a una nube de puntos
TEMA 10 (curso anterior): REGRESIÓN Y CORRELACIÓN 1 Conceptos de Regresión y Correlación 2 Variables aleatorias bidimensionales 3 Ajuste de una recta a una nube de puntos 4 El modelo de la correlación
Más detallesBLOQUE III: INFERENCIA ESTADISTICA. X, variable aleatoria de interés sobre una determinada población
BLOQUE III: INFERENCIA ESTADISTICA TEMA 8. MUESTREO Y DISTRIBUCIONES DE MUESTREO 1. Introducción a la Inferencia Estadística X, variable aleatoria de interés sobre una determinada población Observar el
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 detallesTeoría de muestras. Distribución de variables aleatorias en el muestreo. 1. Distribución de medias muestrales
Teoría de muestras Distribución de variables aleatorias en el muestreo 1. Distribución de medias muestrales Dada una variable estadística observada en una población, se puede calcular se media y su desviación
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 detallesMuestreo de variables aleatorias
Estadística II Universidad de Salamanca Curso 2011/2012 Outline 1 Introducción 2 Distribución de la muestra 3 4 5 Distribuciones de la media y la varianza en poblaciones normales Introducción Tiene como
Más detalles