MÉTODOS ESTADÍSTICOS PARA LA MEJORA DE LA CALIDAD

Tamaño: px
Comenzar la demostración a partir de la página:

Download "MÉTODOS ESTADÍSTICOS PARA LA MEJORA DE LA CALIDAD"

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 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 detalles

Gráficos de control con memoria

Gráficos 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 detalles

Control Estadístico de Procesos con Statgraphics Plus Gráficos de Control con Memoria

Control 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 detalles

Gráficos de control con memoria

Gráficos 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 detalles

Objetivos. Epígrafes 3-1. Francisco José García Álvarez

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.

Más detalles

MÉTODOS 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 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 detalles

Grafico Cusum (Mascara-V)

Grafico 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 detalles

Preguntas más Frecuentes: Tema 8

Preguntas 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 detalles

Estadística Descriptiva y Probabilidad FORMULARIO

Estadística 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 detalles

TAMAÑO DE MUESTRA EN LA ESTIMACIÓN DE LA MEDIA DE UNA POBLACIÓN

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

Más detalles

Tema 4: Probabilidad y Teoría de Muestras

Tema 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 detalles

Estadistica II Tema 0. Repaso de conceptos básicos. Curso 2009/10

Estadistica 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 detalles

R 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

R 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 detalles

3. Variables aleatorias

3. 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 detalles

Tema 5. Muestreo y distribuciones muestrales

Tema 5. Muestreo y distribuciones muestrales 1 Tema 5. Muestreo y distribuciones muestrales En este tema: Muestreo y muestras aleatorias simples. Distribución de la media muestral: Esperanza y varianza. Distribución exacta en el caso normal. Distribución

Más detalles

R 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

R 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 detalles

Ejemplos Resueltos Tema 4

Ejemplos 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 detalles

Introducción a la inferencia estadística

Introducción 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 detalles

Algunos conceptos de probabilidad

Algunos 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 detalles

Muestreo y distribuciones muestrales.

Muestreo 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 detalles

Matemática Aplicada y Estadística - Farmacia Soluciones del Primer Examen Parcial - Grupo 3

Matemática 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 detalles

6. Inferencia con muestras grandes. Informática. Universidad Carlos III de Madrid

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

Más detalles

SOLUCIONES AL EXAMEN DE SEPTIEMBRE DE ESTADÍSTICA EXAMEN DE MATEMÁTICAS II

SOLUCIONES 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 detalles

Variables Aleatorias Discretas

Variables 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 detalles

Capítulo 2. Medidas Estadísticas Básicas Medidas estadísticas poblacionales

Capítulo 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 detalles

INTRODUCCIÓN...13 CAPÍTULO 1. DEFINICIÓN DE CONTROL DE CALIDAD, NOTAS HISTÓRICAS Y HERRAMIENTAS...17

INTRODUCCIÓN...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 detalles

Estadística I Solución Examen Final - 28 Mayo de 2009

Estadística 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 detalles

Estadística II Examen final junio 27/6/17 Curso 2016/17 Soluciones

Estadística 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 detalles

MÉTODOS ESTADÍSTICOS PARA LA MEJORA DE LA CALIDAD

MÉTODOS 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 detalles

ESTADÍSTICA. Tema 4 Intervalos de confianza

ESTADÍSTICA. 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 detalles

CONTRASTE DE HIPÓTESIS

CONTRASTE DE HIPÓTESIS CONTRASTE DE HIPÓTESIS Índice: 1. Contraste de hipótesis------------------------------------------------------------------------------. Errores de tipo I y tipo II---------------------------------------------------------------------------

Más detalles

11.5. Septiembre Opción A

11.5. 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 detalles

INTRODUCCIÓN AL ANÁLISIS DE DATOS ORIENTACIONES (TEMA Nº 6)

INTRODUCCIÓN 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 detalles

UNIVERSIDAD DE ATACAMA

UNIVERSIDAD 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 detalles

UNIVERSIDAD DE MANAGUA Al más alto nivel

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:

Más detalles

Tema 3 - Introducción. Tema 2. Distribuciones en el muestreo Estadísticos y distribución muestral. Ejemplos: X y S 2.

Tema 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 detalles

Variables aleatorias

Variables 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 detalles

Matemáticas Nivel Medio Matemáticas Ap.CC.SS.II

Matemáticas 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 detalles

Bloque 5. Probabilidad y Estadística Tema 3. Distribuciones de Probabilidad Ejercicios resueltos

Bloque 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 detalles

PROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 2016 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES TEMA 6: TEORÍA DE MUESTRAS

PROBLEMAS 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 detalles

Examen 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 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 detalles

Promedios Móviles. Un promedio móvil es el precio promedio del mercado en cierto período de tiempo.

Promedios 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 detalles

Estadística. Contrastes para los parámetros de la Normal

Estadística. 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 detalles

PONTIFICIA 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. 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 detalles

TEMA Nº 2 CONTRASTE DE HIPÓTESIS EN LOS DISEÑOS DE UNA MUESTRA

TEMA 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 detalles

C/ Fernando Poo 5 Madrid (Metro Delicias o Embajadores).

C/ 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 detalles

OPTIMIZACIÓN DEL GRÁFICO DE CONTROL EWMA PARA PROCESOS MUY CAPACES Y PROCESOS DIFÍCILMENTE AJUSTABLES

OPTIMIZACIÓN 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 detalles

Tema 4: Variables Aleatorias

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

Más detalles

Representaciones gráficas de las distribuciones bidimensionales de frecuencias... 74

Representaciones 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 detalles

ESTADÍSTICA BASICA EN CONTROL DE CALIDAD

ESTADÍSTICA 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 detalles

El riesgo en los proyectos

El 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 detalles

Matemática 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 2014/15 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 detalles

Prueba 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 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 detalles

INDICE Capítulo I: Conceptos Básicos Capitulo II: Estadística Descriptiva del Proceso

INDICE Capítulo I: Conceptos Básicos Capitulo II: Estadística Descriptiva del Proceso INDICE Capítulo I: Conceptos Básicos 1.- Introducción 3 2.- Definición de calidad 7 3.- Política de calidad 10 4.- Gestión de la calidad 12 5.- Sistema de calidad 12 6.- Calidad total 13 7.- Aseguramiento

Más detalles

PROBABILIDAD Y ESTADÍSTICA ININ4010 Prof. DAVID GONZÁLEZ BARRETO SOLUCIÓN ASIGNACIÓN 6

PROBABILIDAD 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 detalles

Estadísticas Elemental Tema 3: Describir, Explorar, y Comparar Data

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

Más detalles

GENERACION DE NUMEROS ALEATORIOS Y VARIABLES ALEATORIAS

GENERACION 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 detalles

Cap. Distribuciones de. probabilidad. discreta. Distribuciones de probabilidad. discreta Pearson Prentice Hall. All rights reserved

Cap. 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 detalles

Departamento de Matemática Aplicada a la I.T.T.

Departamento 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 detalles

Tema 6: Contraste de hipótesis

Tema 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 detalles

ESTADISTICA Estimación puntual

ESTADISTICA 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 detalles

Estadística Inferencial. Sesión 3. Estimación de parámetros y por intervalos

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

Más detalles

Tema 4: Probabilidad y Teoría de Muestras

Tema 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 detalles

ESTADÍSTICA. Población Individuo Muestra Muestreo Valor Dato Variable Cualitativa ordinal nominal. continua

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:

Más detalles

Universidad Autónoma de Madrid Probabilidad y Estadística

Universidad 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 detalles

Distribuciones de probabilidad

Distribuciones 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 detalles

Variables aleatorias unidimensionales

Variables 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 detalles

Variables aleatorias 1. Problema 1

Variables 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 detalles

Nombre: Distribuciones de probabilidad discreta. Primera parte. En qué consiste la variable aleatoria?

Nombre: 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 detalles

Tema 6 - Introducción. Tema 5. Probabilidad Conceptos básicos. Interpretación y propiedades básicas Probabilidad condicional y reglas de cálculo.

Tema 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 detalles

PREGUNTAS 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? 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 detalles

PROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 2002 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES TEMA 6: TEORÍA DE MUESTRAS

PROBLEMAS 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 detalles

Curso de nivelación Estadística y Matemática

Curso de nivelación Estadística y Matemática Curso de nivelación Estadística y Matemática Tercera clase: Introducción al concepto de probabilidad y Distribuciones de probablidad discretas Programa Técnico en Riesgo, 2017 Agenda 1 Concepto de probabilidad

Más detalles

Examen 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 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 detalles

PROBABILIDAD. Es el conjunto de todos los resultados posibles de un experimento aleatorio. Por ejemplo: Experimento: tirar un dado.

PROBABILIDAD. 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 detalles

Simulación a Eventos Discretos. Clase 8: Análisis de resultados

Simulación 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 detalles

Puedes descargar este examen en pdf desde esta dirección (busca el enlace Dropbox en la parte inferior de la página):

Puedes 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 detalles

Bioestadística: Variables Aleatorias. Distribuciones de Probabilidad II

Bioestadística: 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 detalles

1. Muestreo e Inferencia Estadística

1. 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 detalles

AGRO Examen Parcial 2. Nombre:

AGRO 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 detalles

Definición de probabilidad

Definición 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 detalles

Distribuciones de Probabilidad

Distribuciones 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 detalles

TEMA 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 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 detalles

ESTADÍSTICA 1 o CC. Ambientales Tema 4: Contrastes de hipótesis paramétricas

ESTADÍSTICA 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 detalles

Tema 9: Estadística descriptiva

Tema 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 detalles

CDEE. Selección de cuestiones del Primer Ejercicio.

CDEE. 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 detalles

Procesos 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,

Procesos 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 detalles

PROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 2008 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES TEMA 6: TEORÍA DE MUESTRAS

PROBLEMAS 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 detalles

Tema 6. Variables aleatorias continuas

Tema 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 detalles

Considerar 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.

Considerar 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 detalles

1. Conceptos de Regresión y Correlación. 2. Variables aleatorias bidimensionales. 3. Ajuste de una recta a una nube de puntos

1. 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 detalles

BLOQUE III: INFERENCIA ESTADISTICA. X, variable aleatoria de interés sobre una determinada población

BLOQUE 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 detalles

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 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 detalles

Teoría 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 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 detalles

Control Estadístico de la Calidad. Gráficos de Control. Estadistica Básica

Control 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 detalles

Muestreo de variables aleatorias

Muestreo 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