Facultad de Ciencias Económicas y Estadística. Estudios de Repetibilidad y Reproducibilidad
|
|
- Víctor Manuel Núñez Arroyo
- hace 5 años
- Vistas:
Transcripción
1 Facultad de Ciencias Económicas y Estadística Estudios de Repetibilidad y Reproducibilidad Diseño de experimentos Año 015
2 Dra. Daniela Dianda Dr. José agura 1. INTRDUCCIÓN El concepto de calidad ha ido evolucionando a través del tiempo. Desde su primera definición, en la que se entendía por tal a la conformidad con las especificaciones, pasando luego por definiciones más evolucionadas que tomaron en cuenta otros factores, se arriba a la concepción actual de la calidad: satisfacción que produce en los usuarios, la empresa y la sociedad en general. ara ayudar a lograr y mantener la calidad de un producto o servicio es sumamente importante el empleo del control estadístico de calidad. El control de calidad se define como un conjunto de actividades y técnicas operativas que se emplean para cumplimentar los requerimientos de calidad. ermiten en forma eficiente desarrollar, mantener y mejorar la calidad de un producto o servicio, controlando el costo, ofreciendo al mercado calidad a precio competitivo y logrando la máxima satisfacción del cliente. La importancia otorgada durante los últimos años al control de calidad es una respuesta a la competencia japonesa basada en la calidad, la cual surgió luego de que un asesor económico estadounidense, W. Edwards Deming, señalara que el consumidor es la parte más importante de la línea productiva y enseñara a los japoneses los distintos métodos de control de calidad. El control estadístico de la calidad comprende un conjunto de métodos que incluyen el control estadístico de procesos, herramientas de diagnóstico, planes de muestreo, diseño de experimentos, test de hipótesis, análisis multivariado, estimación de modelos, etc. La implementación de todos ellos requiere de la recolección de información cuantitativa como materia prima. De aquí se desprende la importancia de la actividad de MEDIR, dentro del ciclo de cinco fases consecutivas definido por la conocida estrategia Seis Sigma, para encarar acciones de mejora: definir, medir, analizar, mejorar, controlar. El análisis de un sistema de medición es entonces una componente de vital importancia para cualquier iniciativa de mejora de calidad. Evaluar el sistema de medición a partir del cual se generan los datos de la característica de calidad que será analizada tiene su justificación en el hecho de que en cualquier actividad que implique mediciones, una parte de la variabilidad observada será inherente al producto o servicio que está siendo medido, pero otra parte será producto de la forma en que se realice la medición. or lo tanto, si logra determinarse con anterioridad que el sistema de medición que se utiliza es adecuado, en el sentido de no introducir variabilidad adicional a las mediciones, se habrá eliminado una posible fuente de variación en el resultado del proceso. or lo tanto, asegurar la habilidad de un sistema de medida es importante para lograr análisis más precisos. ara evaluar si el sistema de medición es adecuado debe tomarse conocimiento del alcance y de las causas que producen la variabilidad en las mediciones. El propósito de un estudio de capacidad del sistema de medición, más conocido como estudio de repetibilidad y reproducibilidad (o estudio R&R), es evaluar cuánta variación está asociada al sistema de medición y compararla con la variación total del proceso. Esta operación permite decidir si el sistema de medición es o no capaz. Como su nombre lo indica, esta metodología se basa en el análisis de datos provenientes de mediciones repetidas de las unidades Sistema de medición Las metodologías estadísticas para la mejora de procesos dependen fuertemente de datos de mediciones para identificar oportunidades de mejora. Un reflejo de la relevancia que tiene el proceso de medición es la inclusión de una etapa específica en la conocida estrategia de calidad Seis Sigma, que se denomina MEDIR. La confiabilidad de los datos es un punto muy importante a tener en cuenta, y ello implica que las propiedades del sistema de medición que se utilice deben ser estudiadas cuidadosamente.
3 Dra. Daniela Dianda Dr. José agura Un sistema de medición es un conjunto de dispositivos, herramientas, procedimientos, personas y ambientes usados para asignar un número a una característica que está siendo medida. or lo tanto, una de las posibles causas de variabilidad en la salida del proceso es la forma en que se mide tal salida, con qué instrumento, en qué lugar, con qué operarios y bajo qué condiciones ambientales. Cuando un sistema de medición es considerado como un proceso, resulta fácil ver las varias causas de variación que llevan a mediciones inexactas o poco precisas. uesto que deberán tomarse decisiones en base a tales mediciones, es necesario comprender las causas y el alcance de la variabilidad observada. Un sistema de medición ideal es aquel que produce siempre mediciones correctas. En este sentido, la utilidad de un sistema de medición puede evaluarse a través de su precisión y su exactitud (ver Figura 1). La precisión de un sistema de medición hace referencia a la variabilidad que se observa cuando se mide la misma unidad del producto con la misma herramienta de medición, repetidas veces. Entonces, un sistema de medición será preciso si es capaz de producir los mismos resultados cuando se mide repetidamente una misma unidad, en condiciones uniformes. or otro lado, la exactitud del sistema se refiere a la diferencia que se observa entre el verdadero valor de la característica que se mide y el promedio de las mediciones que se obtienen al aplicar el procedimiento de medición. or lo tanto, un sistema de medición será exacto si posee la habilidad de producir mediciones que, en promedio, coincidan con el verdadero valor de la característica que se está midiendo. Un buen sistema de medición debe producir mediciones exactas y precisas de la característica de calidad de interés. Figura 1: Conceptos de precisión y exactitud. Nota: (a) el sistema es exacto y preciso. b) el sistema es exacto pero no preciso. (c) el sistema es preciso pero no exacto. (d) el sistema no es preciso ni exacto. A partir de estos conceptos, el de medición puede descomponerse en dos elementos: el sistemático, haciendo referencia a la exactitud de la medición; y el aleatorio, que se corresponde con la precisión de la medición. or ejemplo, sea X una característica de calidad de interés, y sea el verdadero valor de la característica para una unidad del producto. Si se toman mediciones repetidas de la característica de calidad sobre esta unidad, individual, y,..., 1, y yn, la diferencia que se observe entre una medición y i, y el verdadero valor de la característica, X, será la suma de la diferencia entre esta X
4 Dra. Daniela Dianda Dr. José agura medición y el promedio de todas las mediciones repetidas ( y i y ), el aleatorio o precisión, y la diferencia entre el promedio de las mediciones repetidas y el verdadero valor de la característica ( y sistemático o exactitud. Figura 4: Componentes del de medición. X ), el Las propiedades que deben estudiarse para evaluar la bondad de un sistema de medición, son: Sesgo: el sesgo en el sistema de medición es la diferencia sistemática entre los resultados que arroja el sistema de medición y el verdadero valor de la característica. ara poder determinar el sesgo es necesario conocer el verdadero valor de la característica, o bien, una alternativa consiste en medir varias veces el mismo producto utilizando el mejor método de medición que se disponga y tomar el valor promedio de tales mediciones como estándar. Estabilidad: refiere al cambio en el sesgo del sistema de medición a través del tiempo, es decir, un sistema de medición es estable cuando no está afectado por causas especiales de variación a través de un período extendido de tiempo, con respecto a su tendencia central o localización. La estabilidad de un sistema de medición se juzga por un gráfico de control de mediciones repetidas de un mismo estándar a través de un período de tiempo. Si los gráficos de promedios y rangos (o de observaciones individuales y rangos) resultantes están bajo control, se dice que el sistema es estable. Linealidad: Esta propiedad refiere al cambio en el sesgo del sistema de medición a través del rango de unidades en que opera el mismo. Si el sesgo es constante a través del rango de operación, se dice que el sistema es lineal.
5 Dra. Daniela Dianda Dr. José agura Adecuación de la unidad de medición: es la habilidad del sistema de medición de medir la característica de interés en un número adecuado de posiciones decimales, que dependerá de la característica particular que se esté midiendo y del poder de discriminación del sistema, lo cual está asociado a la graduación más pequeña que el instrumento es capaz de medir en su escala. Esta propiedad hace referencia a la habilidad de la herramienta para detectar e indicar consistentemente cambios en la característica medida. Repetibilidad: es la variabilidad en mediciones repetidas del mismo producto bajo condiciones exactamente idénticas, es decir, usando la misma herramienta de medición, el mismo operario y las mismas condiciones ambientales. Bajo estas condiciones, la variabilidad observada en las mediciones será inherente al instrumento de medición mismo. Reproducibilidad: es la variabilidad en el promedio de las mediciones hechas por diferentes operarios usando la misma herramienta y midiendo el mismo producto. La variabilidad introducida por los diferentes operarios es una medida de la reproducibilidad del sistema de medición. Las propiedades de sesgo, estabilidad y linealidad, permiten evaluar la exactitud del sistema de medición; mientras que la repetibilidad y la reproducibilidad se refieren a su precisión. Es importante destacar que precisión y exactitud son propiedades o características independientes una de otra, por lo cual, controlar una de estas fuentes de variación no garantiza el control de la otra. De esto se desprende que los tipos de estudios orientados a evaluar la precisión son diferentes de aquellos orientados a evaluar la exactitud de un sistema de medición. Los estudios de repetibilidad y reproducibilidad, comúnmente conocidos como estudios R&R, se llevan a cabo para examinar la variabilidad del sistema de medición, evaluar su alcance en comparación con la variabilidad total, e identificar las principales fuentes que la producen. Cuando se lleva a cabo un proceso de medición es útil adoptar un modelo para representar las mediciones obtenidas. Sea el siguiente modelo: y x, donde y es la medición observada, x es el valor real de la medida en una unidad del producto, y es el en la medición. Se asume que x y son variables aleatorias que se distribuyen normal e independientemente con medias X y 0, y variancias, representando a la variabilidad de las unidades o partes; y referencia a la variabilidad del sistema de medición, respectivamente., haciendo or lo tanto, una parte de la variabilidad total observada en las mediciones estará asociada al sistema de medición que se utilice: Total
6 Dra. Daniela Dianda Dr. José agura A su vez, dos componentes de la variabilidad del sistema de medición son la reproducibilidad y la repetibilidad, las cuales hacen referencia a la variabilidad inherente al instrumento de medición y a la variabilidad introducida por los distintos operarios que operan el instrumento, respectivamente. Esto lleva a la siguiente descomposición de la variabilidad del sistema de medición: Repetibilidad Reproducibi lidad 1.. Estudios para estimar la componente de variancia debida al sistema de medición Los métodos para analizar la capacidad del sistema de medición se basan en la evaluación estadística de las dispersiones de los resultados del proceso de medición. ara ello se han propuesto diversos métodos, dependiendo de si tales dispersiones se consideran en forma de rango estadístico o se representan como variancias o desviaciones estándares. Si bien todos los métodos permiten obtener una estimación de la componente de variancia asociada al sistema de medición, son diferentes tanto en el nivel de detalle y la precisión de los resultados que se obtienen, como en el nivel de conocimiento que se requiere para su aplicación. En cada situación particular puede optarse por aplicar uno u otro método dependiendo de las características del problema y del propósito que condujo al estudio del sistema de medida. Como regla práctica se recomienda decidir según el siguiente criterio: si este porcentaje es menor al 10%, el sistema de medición es capaz, si es mayor al 5% el sistema de medición es incapaz, en el sentido de que está introduciendo mucha variabilidad al proceso. Si se obtiene un porcentaje entre el 10% y el 5%, se está en una zona de indecisión, y la decisión queda a juicio del analista. Modelos estadísticos (método ANVA) Este método consiste en plantear el estudio de repetibilidad y reproducibilidad a partir de datos recogidos de un experimento diseñado. Luego, los datos del experimento son analizados por medio de modelos que tengan en cuenta los posibles efectos de los factores controlados en el diseño. or tratarse de un estudio para analizar la variabilidad de las mediciones obtenidas mediante un determinado sistema de medición, es práctica común considerar como posibles factores en el diseño a las piezas y a los operarios. ara llevar a cabo el experimento será necesario variar los niveles de estos factores que por lo general no serán fijos sino aleatorios, suponiendo que los operarios y las piezas consideradas constituyen una muestra aleatoria. Es importante en el experimento aleatorizar los ensayos para evitar sesgos en los resultados. El modelo que se ajuste teniendo en cuenta las características del diseño que origina los datos, permite investigar la contribución del conjunto de factores considerados a la variabilidad total de las mediciones y estimar las variancias asociadas a cada componente con mayor exactitud que los métodos de rangos. or ejemplo, considerando como factores de variación en el experimento a las piezas y los operarios, ambos aletaorios, en todas las combinaciones posibles de sus niveles (diseño factorial completo) es posible descomponer la variabilidad observada en cuatro fuentes y estimar las componentes de variancia asociadas a cada una de ellas: el instrumento de medición, los operarios, las piezas y la interacción entre las piezas y los operarios. Sea el siguiente modelo para representar las mediciones realizadas por o operarios midiendo n veces cada una de p piezas: y i j ( ) ; i 1,,..., p; j 1,,..., o; k 1,,..., n ij
7 Dra. Daniela Dianda Dr. José agura Tanto los efectos aleatorios del modelo, ) i, j,( ij, como el término de,, son variables aleatorias independientes que representan respectivamente el efecto de las piezas, de los operarios, la interacción entre operarios y piezas y el aleatorio. Se asume que estas variables aleatorias están normal e independientemente distribuidas con media cero y variancias dadas por V ), V ), V [( ) ij ] y V ( ) or tanto, la variancia de cualquier observación es: V ( y ), ( i ( j donde cada sumando es una componente de variancia. El método del análisis de la variancia será usado para determinar si estas componentes de variancia son significativas, es decir, si las fuentes de variación asociadas realmente introducen variabilidad a las mediciones. Una vez determinada la significación de las componentes podrán estimarse aquellas que hayan resultado significativas, y con ello determinar su participación en la variabilidad total para decidir si el sistema de medición es o no capaz. Según la ecuación anterior, el procedimiento implica particionar la variabilidad total de las mediciones en las siguientes fuentes de variación: operarios, piezas, interacción entre piezas y operarios y aleatorio. La tabla ANVA correspondiente al modelo se muestra a continuación: Tabla: Cuadro ANVA para el modelo a dos criterios de clasificación cruzados. Fuente de Variación Grados de Libertad perario 1 Suma de Cuadrados (SC) o o SC pny. j. y... j1 Cuadrados Medios () SC o 1 ieza 1 p SC on y y p i1 SC i..... p 1 ( 1)( p 1 Interacción ) p o o SC nyij. yi.. y. j. y... i1 j1 SC ( o 1)( p 1) Error (instrumento) p o n op ( n 1) SC y y i1 j1 k1 ij. SC op( n 1) Total 1 p o n opn SCTotal y y... i1 j1 k1 ara determinar las estadísticas necesarias para probar la significación de las componentes de variancia, es necesario examinar las esperanzas de los cuadrados medios asociados. Tales esperanzas resultan: E E ( ) n pn ( ) n on
8 Dra. Daniela Dianda Dr. José agura E ( ) n E ( ) Error A partir de lo expuesto se deducen las pruebas adecuadas para probar cada una de las hipótesis de interés. La hipótesis H : 0 se probará utilizando la estadística: 0 F Error. Dados los supuestos del modelo, y bajo la hipótesis nula, este cociente tiene distribución F de Snedecor con ( 1)( p 1) o grados de libertad en el numerador y op ( n 1) en el denominador. Si la hipótesis nula es cierta tanto el numerador como el denominador de la estadística tienen valores esperados iguales a, mientras que si la hipótesis nula es falsa el valor esperado del numerador será mayor que el del denominador. Esto implica una región crítica unilateral superior, y por lo tanto, deberá rechazarse la hipótesis nula si Fbs F,( o1)( p1); op( n1). Similarmente, se deduce que las hipótesis : 0 estadísticas ( o 1)( p 1 y ) ; y ( o 1)( p 1) H y H : 0 pueden probarse utilizando las 0 0 F, la cual se distribuye bajo la hipótesis nula según una F de Snedecor con ( o 1) F cuya distribución bajo la hipótesis nula es F de Snedecor con ( p 1) ; respectivamente. Las componentes de variancia pueden ser estimadas calculando primero los valores de los cuadrados medios e igualando luego tales valores a sus valores esperados. De este modo, las estimaciones resultantes para las componentes de variancia son: ˆ ˆ n ˆ pn ˆ Error on Cuando se utiliza este método de estimación, matemáticamente es posible encontrar que la estimación de una componente de variancia es negativa, lo cual no resulta razonable, ya que por definición estas componentes son no negativas. Ante esta situación, una alternativa es asumir que una estimación negativa está indicando que tal componente realmente es nula, y por lo tanto asignar el valor cero a esa componente y mantener sin cambios las demás estimaciones no negativas. tra posibilidad es estimar las componentes de variancia con un método que garantice estimaciones no negativas. Una última propuesta consiste en considerar a la estimación negativa como evidencia de que el modelo lineal propuesto es incorrecto y reexaminar el problema. La repetibilidad será estimada mediante la variancia del, es decir, ˆ es la componente de variancia debida a la repetibilidad. or otro lado, la reproducibilidad estará compuesta por la variancia debida a los operarios y la variancia debida a la interacción entre los operarios y las piezas. Se tiene entonces: y
9 Dra. Daniela Dianda Dr. José agura ˆ ˆ repetibilidad reproducibilidad ˆ ˆ ˆ ˆ ˆ repetibilidad ˆ reproducibilidad Si los resultados del análisis evidenciaran que la interacción es no significativa, puede formarse un cuadrado medio amalgamado, sumando al cuadrado medio del el correspondiente a la interacción, y dejando como únicas fuentes de variación a las piezas y los operarios. En la estimación de las componentes de variancia se utiliza esta nueva estimación del cuadrado medio del,, en reemplazo de y. Una vez que se tiene una estimación de la variancia asociada al sistema de medición puede evaluarse su participación en la variabilidad total observada, de la misma manera que en los métodos anteriores. Asimismo, puede evaluarse cuál de los factores considerados es el que más influye en la variabilidad del sistema de medición, comparando las variancias estimadas de cada componente con la variancia del sistema de medición. El resumen de los resultados que se obtienen se muestra en la tabla 4. pool Tabla 4: Resumen de los resultados del estudio R&R mediante ajuste de modelos. iezas Factor Componente de variancia Contribución Sistema de medición Total Repetibilidad Reproducibilidad ˆ ˆ ˆ Total ˆ ˆTotal ˆ R & R ˆ ˆ Total Repetibilidad ˆ repetibilidad ˆ ˆ Reproducibi lidad ˆ reproducibilidad ˆ
Doceavas Jornadas "Investigaciones en la Facultad" de Ciencias Económicas y Estadística, noviembre de 2007
Doceavas Jornadas "Investigaciones en la Facultad" de Ciencias Económicas y Estadística, noviembre de 007 Quaglino, Marta agura, José Alberto Dianda, Daniela Barbiero, Cristina Flury, Marisa Koegel, Liliana
Más detallesDepartamento de Ciencias del Mar y Biología Aplicada Prof. Jose Jacobo Zubcoff
Dept. of Marine Science and Applied Biology Jose Jacobo Zubcoff Departamento de Ciencias del Mar y Biología Aplicada Prof. Jose Jacobo Zubcoff Tema 5 Modelos de dos factores-tratamiento. Se continua trabajando
Más detallesEstimación de Parámetros.
Estimación de Parámetros. Un estimador es un valor que puede calcularse a partir de los datos muestrales y que proporciona información sobre el valor del parámetro. Por ejemplo la media muestral es un
Más detallesAgro 6998 Conferencia 2. Introducción a los modelos estadísticos mixtos
Agro 6998 Conferencia Introducción a los modelos estadísticos mixtos Los modelos estadísticos permiten modelar la respuesta de un estudio experimental u observacional en función de factores (tratamientos,
Más detallesDiseño de bloques completos Aleatorizados. Jhon Jairo Padilla Aguilar, PhD.
Diseño de bloques completos Aleatorizados Jhon Jairo Padilla Aguilar, PhD. Introducción Factor perturbador: Factor del diseño que probablemente tenga un efecto sobre la respuesta, pero no existe un interés
Más detallesEl diseño factorial: efecto de la interacción. (Modelo no aditivo)
El diseño factorial: efecto de la interacción (Modelo no aditivo) La comprensión de los fenómenos psicológicos supone en muchas ocasiones analizar el efecto conjunto de varias variables dado que sólo su
Más detallesINCERTIDUMBRE DE LA MEDIDA
INCERTIDUMBRE DE LA MEDIDA 22 de septiembre de 2017 1. Resultado de la mediciòn 2. Definiciones 3. Por qué se debe estimar la incertidumbre 3. Modelo matemático 4. Valor mejor estimado 5. Dos métodos de
Más detallesDiseño de experimentos - Experimentos multifactoriales.
Diseño de experimentos - Experimentos multifactoriales http://www.academia.utp.ac.pa/humberto-alvarez/diseno-deexperimentos-y-regresion Introducción Los casos anteriores explicaban los diseños en bloques
Más detallesEl plan de muestreo. Oscar Federico Nave Herrera Coordinador del Programa de Asesoría Estadística para Investigación -Digi-
El plan de muestreo Oscar Federico Nave Herrera Coordinador del Programa de Asesoría Estadística para Investigación -Digi- Y ahora qué? Cuántas muestras debo tomar? Cuántas veces debo realizar los ensayos?
Más detalles1 Estudios del sistema de medición para datos continuos
Contenido 1 Estudios del sistema de medición para datos continuos Objetivos Determinar qué tan adecuados son los sistemas de medición. Entender la diferencia entre los estudios R&R del sistema de medición
Más detallesAnálisis de Componentes de la Varianza
Análisis de Componentes de la Varianza Resumen El procedimiento de Análisis de Componentes de Varianza está diseñado para estimar la contribución de múltiples factores a la variabilidad de una variable
Más detallesMétodos Cuantitativos
Presenta: Olán Inferencia estadística Parámetros y estadísticos Una población o universo es una colección o totalidad de posibles individuos, objetos o medidas de interés sobre lo que se hace un estudio.
Más detallesLABORATORIO No. 0. Cálculo de errores en las mediciones. 0.1 Introducción
LABORATORIO No. 0 Cálculo de errores en las mediciones 0.1 Introducción Es bien sabido que la especificación de una magnitud físicamente medible requiere cuando menos de dos elementos: Un número y una
Más detallesUnidad Temática 3: Estadística Analítica. Unidad 9 Regresión Lineal Simple Tema 15
Unidad Temática 3: Estadística Analítica Unidad 9 Regresión Lineal Simple Tema 15 Estadística Analítica CORRELACIÓN LINEAL SIMPLE Indica la fuerza y la dirección de una relación lineal proporcional entre
Más detallesESTIMACIÓN DE LOS COMPONENTES DE LA VARIACIÓN DE UN SISTEMA DE MEDICIÓN, USANDO EL RANGO. Resumen
ESTIMACIÓN DE LOS COMPONENTES DE LA VARIACIÓN DE UN SISTEMA DE MEDICIÓN, USANDO EL RANGO RIVAS C., Gerardo A. Escuela de Ingeniería Industrial. Universidad de Carabobo. Bárbula. Valencia. Venezuela Jefe
Más detallesModelo de Análisis de la Covarianza. Introducción al modelo de Medidas Repetidas
Modelo de Análisis de la Covariza. Introducción al modelo de Medidas Repetidas Modelo de Análisis de la Covariza Introducción El diseño por bloques se considera para eliminar el efecto de los factores
Más detallesHERRAMIENTAS DE CALIDAD EN PROCESOS METROLÓGICOS
HERRAMIENTAS DE CALIDAD EN PROCESOS METROLÓGICOS Ing. Claudia Santo Directora de Metrología Científica e Industrial 17/05/2016 MEDELLÍN, COLOMBIA MEDIR Cómo sabemos que nuestras meciones son correctas?
Más 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 detallesINTRODUCCIÓN AL CÁLCULO DE INCERTIDUMBRES DE ENSAYO
INTRODUCCIÓN AL CÁLCULO DE INCERTIDUMBRES DE ENSAYO 1. Introducción 2. Error e incertidumbre 3. Exactitud y precisión de medida 4. Tipos de medidas 5. Incertidumbre típica o de medida 6. Incertidumbre
Más detallesPráctica 2. Tratamiento de datos
Errores Todas las medidas que se realizan en el laboratorio están afectadas de errores experimentales, de manera que si se repiten dos experiencias en las mismas condiciones es probable que los resultados
Más detallesIng. Eduard del Corral Cesar Carpio
República Bolivariana de Venezuela Ministerio del Poder Popular para la Educación Superior Universidad Nacional Experimental Romúlo Gallegos Ingeniería Informática Área de Sistemas Cátedra: Métodos Numéricos.
Más detallesEstimación de Parámetros. Jhon Jairo Padilla A., PhD.
Estimación de Parámetros Jhon Jairo Padilla A., PhD. Inferencia Estadística La inferencia estadística puede dividirse en dos áreas principales: Estimación de Parámetros Prueba de Hipótesis Estimación de
Más detallesEstimación de Parámetros. Jhon Jairo Padilla A., PhD.
Estimación de Parámetros Jhon Jairo Padilla A., PhD. Inferencia Estadística La inferencia estadística puede dividirse en dos áreas principales: Estimación de Parámetros Prueba de Hipótesis Estimación de
Más detallesEscuela Nacional de Estadística e Informática ESPECIALIZACIÓN EN ESTADÍSTICA APLICADA ESPECIALIZACIÓN EN ESTADÍSTICA APLICADA
ESPECIALIZACIÓN EN ESTADÍSTICA APLICADA ESPECIALIZACIÓN EN ESTADÍSTICA APLICADA Lima Perú 2013 DISEÑO COMPLETAMENTE ALEATORIZADO Es el diseño más simple y sencillo de realizar, en el cual los tratamientos
Más detallesDISEÑO DE EXPERIMENTOS
DISEÑO DE EXPERIMENTOS Dr. Héctor Escalona hbescalona@yahoo.com hbeb@xanum.uam.mx Diseño de 1. Introducción al diseño de 2. Herramientas de inferencia estadística 3. para la comparación de dos tratamientos
Más detallesBIOESTADISTICA MANEJO DE DATOS ERROR PRESENTACION DE DATOS: TABLAS & GRAFICOS
BIOESTADISTICA MANEJO DE DATOS ERROR PRESENTACION DE DATOS: TABLAS & GRAFICOS VARIABLE ESTADISTICA Característica especifica de un animal, persona o situación que puede VARIAR V. CUALITATIVA (categórica):
Más detallesTEMA 2 (1ra parte). Tratamiento de datos experimentales
Es imposible realizar un análisis químico sin que los resultados estén totalmente libres de errores o incertidumbre. Sin embargo es posible minimizarlos y estimar su magnitud con una exactitud aceptable.
Más detallesIntroducción al tratamiento de datos experimentales. Aplicación en fisicoquímica
Introducción al tratamiento de datos experimentales Aplicación en fisicoquímica Medidas experimentales 1. 8.86 M H 2 O 2 100V 8.93M Titulación con KMnO 4 2. 8.78 M 3. 9.10 M Resultado promedio: 8.91 M
Más detallesExperimentos factoriales con factores aleatorios
Experimentos factoriales con factores aleatorios Hasta el momento hemos presumido que los factores en nuestros experimentos eran de naturaleza fija; esto es los niveles en que los factores fueron evaluados
Más detallesDEFINICIONES Y CONCEPTOS (SISTEMAS DE PERCEPCIÓN - DTE) Curso
DEFINICIONES Y CONCEPTOS (SISTEMAS DE PERCEPCIÓN - DTE) Curso 2009-10 1. Generalidades Instrumentación: En general la instrumentación comprende todas las técnicas, equipos y metodología relacionados con
Más detallesContrastes basados en el estadístico Ji Cuadrado
Capítulo 10 Contrastes basados en el estadístico Ji Cuadrado 10.1. Introducción Existen multitud de situaciones en el ámbito de la salud en el que las variables de interés, las cuales no pueden cuantificarse
Más detallesUNIVERSIDAD DE PUERTO RICO EN HUMACAO DEPARTAMENTO DE QUÍMICA (www.uprh.edu/~quimgen) Revisado: 16/agosto/ 2007
UNIVERSIDAD DE PUERTO RICO EN HUMACAO DEPARTAMENTO DE QUÍMICA (www.uprh.edu/~quimgen) Revisado: 16/agosto/ 2007 QUIM 3003-3004 MEDIDAS: TRATAMIENTO DE LOS DATOS EXPERIMENTALES I. INTRODUCCIÓN La mayor
Más detallesImpacto del MÁSTER EN DIRECCIÓN DE COMERCIO INTERNACIONAL sobre la formación y el empleo. Metodología del estudio
Impacto del MÁSTER EN DIRECCIÓN DE COMERCIO INTERNACIONAL sobre la formación y el empleo Metodología del estudio : objetivos del estudio, contenidos del cuestionario utilizado, ficha técnica y técnicas
Más detallesPrincipios de Bioestadística
Principios de Bioestadística Dra. Juliana Giménez www.cii.org.ar Nos permite Llegar a conclusiones correctas acerca de procedimientos para el diagnostico Valorar protocolos de estudio e informes Se pretende
Más detalles5. DISEÑO FACTORIALES 2 k
5. DISEÑO FACTORIALES 2 k Los diseños factoriales son ampliamente utilizados en experimentos en los que intervienen varios factores para estudiar el efecto conjunto de éstos sobre una respuesta. Un caso
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 detallesExperimento: Un conjunto planeado de operaciones con el objetivo de descubrir nuevos factores
I MARCO TEORICO Capitulo 1. Consideraciones Iniciales 1.1 Definiciones Experimento: Un conjunto planeado de operaciones con el objetivo de descubrir nuevos factores o confirmar o negar resultados de investigaciones
Más detallesEVALUACION DE RESULTADOS INTRA-LABORATORIO. EDWIN GUILLEN Servicio Nacional de Metrología INDECOPI Simposio de Metrología Lima PERU - Mayo del 2010
EVALUACION DE RESULTADOS INTRA-LABORATORIO EDWIN GUILLEN Servicio Nacional de Metrología INDECOPI Simposio de Metrología Lima PERU - Mayo del 2010 1 EVALUACION DE RESULTADOS INTRA-LABORATORIO INTRODUCCION
Más detallesExperimentos con factores aleatorios. Diseño de experimentos p. 1/36
Experimentos con factores aleatorios Diseño de experimentos p. 1/36 Introducción Hasta ahora hemos supuesto que los factores de un experimento son factores fijos, esto es, los niveles de los factores usados
Más detallesIncertidumbre, Validación y Trazabilidad en el Laboratorio de Análisis Clínicos. Cómo cumplir con requisitos de la ISO 15189
Incertidumbre, Validación y Trazabilidad en el Laboratorio de Análisis Clínicos Cómo cumplir con requisitos de la ISO 15189 Calidad en mediciones químicas Validación de métodos Estoy midiendo lo que intentaba
Más detallesUniversidad Autónoma de Sinaloa
Séptima Edición del Diplomado en Estadística Mc. José V. Jiménez Ramírez Director de la Escuela de Ciencias Fisico-Matemáticas Tel. : 7 16 11 54 vidaljr@uas.uasnet.mx Dr. René Castro Montoya Coordinador
Más detallesTema 2. Regresión Lineal
Tema 2. Regresión Lineal 3.2.1. Definición Mientras que en el apartado anterior se desarrolló una forma de medir la relación existente entre dos variables; en éste, se trata de esta técnica que permite
Más detallesDISEÑOS EXPERIMENTALES DE DOS GRUPOS Y MULTIGRUPO
TEMA II ESQUEMA GENERAL Definición y clasificación del diseño experimental de grupos Diseño experimental de dos grupos: definición y clasificación Diseño experimental de dos grupos: análisis estadístico
Más detallesESTADISTICA AVANZADA. Análisis de la Variancia Anova One Way Kruskal-Wallis Bloques (Friedman)
ESTADISTICA AVANZADA Análisis de la Variancia Anova One Way Kruskal-Wallis Bloques (Friedman) Factor Análisis de la Variancia El análisis de varianza One Way es una generalización de la Prueba t para mas
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 detallesUnidad Temática 3: Estadística Analítica. Unidad 9 Correlación y Regresión Lineal Simple
Unidad Temática 3: Estadística Analítica Unidad 9 Correlación y Regresión Lineal Simple Análisis de Correlación Creado por Karl Pearson en 1920. Tiene el propósito de medir el grado de asociación observado
Más detallesMetodologías De Investigación
Metodologías De Investigación Pfra. Dolores Frías Navarro M. Dolores Frías http://www.uv.es/friasnav 1 Diseños Experimentales Al menos una variable independiente de tratamiento que es introducida por el
Más detallesDISEÑO EXPERIMENTAL FACTORIAL DE GRUPOS
TEMA III ESQUEMA GENERAL Definición del diseño factorial Clasificación del diseño factorial Efectos estimables en un diseño factorial Diseño factorial A x B completamente al azar: Estructura Diseño factorial
Más detallesDISTRIBUCION "F" FISHER
Imprimir INSTITUTO TECNOLOGICO DE CHIHUAHUA > DISTRIBUCION "F" FISHER La necesidad de disponer de métodos estadísticos para comparar las varianzas de dos poblaciones es evidente a partir
Más detallesMediciones. Errores. Propagación de errores. Estadística. Prof. Arturo S. Vallespi
Mediciones. Errores. Propagación de errores. Estadística Prof. Arturo S. Vallespi Incertidumbre estadística: Qué ocurre si cada magnitud de interés en el experimento se mide más de una vez, por ejemplo
Más detallesREGRESIÓN Y ESTIMACIÓN TEMA 1: REGRESIÓN LINEAL SIMPLE
UNIDAD 3 REGRESIÓN Y ESTIMACIÓN TEMA 1: REGRESIÓN LINEAL SIMPLE Relación entre variables de interés 1 Relación entre variables de interés Muchas decisiones gerenciales se basan en la relación entre 2 o
Más detallesCONCEPTOS BÁSICOS PARA LA VALORACIÓN DE UN DISPOSITIVO DE MEDIDA.
CONCEPTOS BÁSICOS PARA LA VALORACIÓN DE UN DISPOSITIVO DE MEDIDA. 1.- INTRODUCCIÓN. A la hora de elegir un sensor, normalmente necesitamos saber cuán adecuado puede ser para nuestro propósito. Para ello
Más detallesANÁLISIS CUANTITATIVO POR WDFRX
ANÁLISIS CUANTITATIVO POR WDFRX El análisis cuantitativo se obtiene mediante la medida de las intensidades de las energías emitidas por la muestra. Siendo la intensidad de la emisión (número de fotones)
Más detalles08/10/2008. 1.Introducción
Herramientas de la Metrología en Sistemas de Calidad Seminario Aseguramiento de la Calidad de las Mediciones en los Procesos Industriales Sr. Rodrigo Ramos P. - Jefe LCPN-ME Rodrigo Miércoles Ramos 8 de
Más detalles2. EL DISEÑO UNIFACTORIAL (COMPARACION DE TRATAMIENTOS)
2. EL DISEÑO UNIFACTORIAL (COMPARACION DE TRATAMIENTOS) La idea principal en este capitulo es el inicio a planear los diseño experimentales y su correspondiente análisis estadístico. En este caso iniciaremos
Más detallesINDICADORES MULTIVARIADOS DE CAPACIDAD DE PROCESOS. SU EFICIENCIA BAJO DISTRIBUCIONES NORMALES.
Dianda, Daniela Hernández, Lucia Quaglino, Marta Pagura, José Alberto Instituto de Investigaciones Teóricas y Aplicadas de la Escuela de Estadística INDICADORES MULTIVARIADOS DE CAPACIDAD DE PROCESOS.
Más detallesEstadística para Químicos
1 Estadística para Químicos Podemos decir, informalmente, que la estadística es el estudio de la variabilidad. Sus técnicas permiten describirla y plantear hipótesis con el objetivo de comprenderla. Si
Más detallesANÁLISIS DE LA VARIANZA CON UN FACTOR (ANOVA)
ANÁLISIS DE LA VARIANZA CON UN FACTOR (ANOVA) El análisis de la varianza permite contrastar la hipótesis nula de que las medias de K poblaciones (K >2) son iguales, frente a la hipótesis alternativa de
Más detallesPruebas de Hipótesis
Pruebas de Hipótesis Una prueba de hipótesis es una técnica de Inferencia Estadística que permite comprobar si la información que proporciona una muestra observada concuerda (o no) con la hipótesis estadística
Más detallesERRORES Y FUENTES DE ERROR
FUNDACION NEXUS ERRORES Y FUENTES DE ERROR MAYO/2013 FUENTES DE ERROR El mayor esfuerzo en el control de la calidad de los resultados de un laboratorio está relacionado con los errores en las mediciones.
Más detallesANÁLISIS DE REGRESIÓN
ANÁLISIS DE REGRESIÓN INTRODUCCIÓN Francis Galtón DEFINICIÓN Análisis de Regresión Es una técnica estadística que se usa para investigar y modelar la relación entre variables. Respuesta Independiente Y
Más detallesUnidad Temática 3: Estadística Analítica. Unidad 9 Correlación y Regresión Lineal Simple
Unidad Temática 3: Estadística Analítica Unidad 9 Correlación y Regresión Lineal Simple Análisis de Correlación Creado por Karl Pearson en 1920. Tiene el propósito de medir el grado de asociación observado
Más detallesQué es? Primer paso Representación en un sistema de coordenadas. numéricos Cada punto muestra el valor de cada pareja de datos (X e Y)
Gráfico de dispersión Qué es? Primer paso Representación en un sistema de coordenadas cartesianas de los datos numéricos Cada punto muestra el valor de cada pareja de datos (X e Y) Gráfico de dispersión
Más detallesActualización en la Verificación de Procedimientos de Medida Cuantitativos. Un modelo de aplicación para el Laboratorio Clínico
Actualización en la Verificación de Procedimientos de Medida Cuantitativos Un modelo de aplicación para el Laboratorio Clínico Agenda Introducción Evaluación de Procedimientos de Medida Procedimientos
Más detallesInferencia estadística: Prueba de Hipótesis. Jhon Jairo Padilla A., PhD.
Inferencia estadística: Prueba de Hipótesis Jhon Jairo Padilla A., PhD. Justificación Es una etapa de análisis de datos de un experimento comparativo: Se compara un parámetro de una v.a. con un valor dado.
Más detallesASOCIACIÓN ENTRE DOS VARIABLES CONTINUAS: REGRESIÓN Y CORRELACIÓN
CURSO DE BIOESTADÍSTICA BÁSICA Y SPSS ASOCIACIÓN ENTRE DOS VARIABLES CONTINUAS: REGRESIÓN Y CORRELACIÓN Amaia Bilbao González Unidad de Investigación Hospital Universitario Basurto (OSI Bilbao-Basurto)
Más detallesModelación estadística: La regresión lineal simple
Modelación estadística: La regresión lineal simple Gabriel Cavada Ch. 1 1 División de Bioestadística, Escuela de Salud Pública, Universidad de Chile. Statistical modeling: Simple linear regression Cuando
Más detallesAnálisis de regresión y correlación lineal
Análisis de regresión y correlación lineal En las unidades anteriores hemos aplicado metodologías estadísticas para analizar la información de una variable desde una o más muestras utilizando las herramientas
Más detallesTRANSDUCCIÓN Y MEDICIÓN DE EVENTOS FISIOLÓGICOS (parte 2)
TRANSDUCCIÓN Y MEDICIÓN DE EVENTOS FISIOLÓGICOS (parte 2) El grado de precisión requerido en un transductor dependerá de las características y sensitividad requerida en la medición del evento fisiológico.
Más detallesBASES DEL DISEÑO EXPERIMENTAL EN CIENCIA ANIMAL
BASES DEL DISEÑO EXPERIMENTAL EN CIENCIA ANIMAL ETAPAS DE UNA INVESTIGACION a. Planteamiento y formulación del PROBLEMA b. Justificación c. Objetivos d. Hipótesis e. Procedimiento / diseño experimental
Más detalles05/06. Análisis estadístico y calibración. Juan A. Montiel-Nelson. Last Revision:
05/06 Análisis estadístico y calibración Juan A. Montiel-Nelson Last Revision: 02.03.06 Escuela Técnica Superior de Ingenieros de Telecomunicación Universidad de Las Palmas de Gran Canaria Índice Análisis
Más detallesTÉCNICAS ESTADÍSTICAS APLICADAS EN NUTRICIÓN Y SALUD
TÉCNICAS ESTADÍSTICAS APLICADAS EN NUTRICIÓN Y SALUD Contrastes de hipótesis paramétricos para una y varias muestras: contrastes sobre la media, varianza y una proporción. Contrastes sobre la diferencia
Más detallesOTRAS HERRAMIETAS ESTADISTICAS UTILES. Dra. ALBA CECILIA GARZON
OTRAS HERRAMIETAS ESTADISTICAS UTILES Dra. ALBA CECILIA GARZON Que es un Test de Significancia estadística? El término "estadísticamente significativo" invade la literatura y se percibe como una etiqueta
Más detallesESQUEMA GENERAL DISEÑO FACTORIAL
TEMA III ESQUEMA GENERAL Definición Clasificación Efectos estimables en un diseño factorial Diseño factorial A x B completamente al azar Representación de la interacción DISEÑO FACTORIAL Definición El
Más detallesASIGNATURA: ESTADISTICA II (II-055) Ing. César Torrez https://torrezcesar.wordpress.com
ASIGNATURA: ESTADISTICA II (II-055) Ing. César Torrez torrezcat@gmail.com https://torrezcesar.wordpress.com 0416-2299743 Programa de Estadística II UNIDAD IV: REGRESIÓN Y CORRELACIÓN MÚLTIPLE LINEAL TANTO
Más detallesxn, y a su vez existen variables que no son determinadas o incontrolables z1, z2 zn.
CAPÍTULO 4 CONSIDERACIONES PARA EL DISEÑO DE EXPERIMENTOS Todos los investigadores realizan experimentos en todos los campos del saber con el objetivo de descubrir algo acerca de un proceso. Un experimento
Más detallesMétodo de cuadrados mínimos
REGRESIÓN LINEAL Gran parte del pronóstico estadístico del tiempo está basado en el procedimiento conocido como regresión lineal. Regresión lineal simple (RLS) Describe la relación lineal entre dos variables,
Más detallesNota de los autores... vi
ÍNDICE Nota de los autores... vi 1 Qué es la estadística?... 1 1.1 Introducción... 2 1.2 Por qué se debe estudiar estadística?... 2 1.3 Qué se entiende por estadística?... 4 1.4 Tipos de estadística...
Más detallesRegresión múltiple. Demostraciones. Elisa Mª Molanes López
Regresión múltiple Demostraciones Elisa Mª Molanes López El modelo de regresión múltiple El modelo que se plantea en regresión múltiple es el siguiente: y i = β 0 + β 1 x 1i + β 2 x 2i +...+ β k x ki +
Más detallesINSTITUTO NACIONAL DE ESTADÍSTICAS (INE) 29 de Abril de 2016
ANEXO ESTADÍSTICO 1 : COEFICIENTES DE VARIACIÓN Y ERROR ASOCIADO AL ESTIMADOR ENCUESTA NACIONAL DE EMPLEO (ENE) INSTITUTO NACIONAL DE ESTADÍSTICAS (INE) 9 de Abril de 016 1 Este anexo estadístico es una
Más detallesTema 4. Regresión lineal simple
Tema 4. Regresión lineal simple Contenidos El objeto del análisis de regresión La especificación de un modelo de regresión lineal simple Estimadores de mínimos cuadrados: construcción y propiedades Inferencias
Más detallesCorrelación. El coeficiente de correlación mide la fuerza o el grado de asociación entre dos variables (r)
Correlación El coeficiente de correlación mide la fuerza o el grado de asociación entre dos variables (r) El coeficiente de correlación lineal de Pearson (r) permite medir el grado de asociación entre
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 detallesRegresión ponderada y falta de ajuste
Capítulo 4 Regresión ponderada y falta de ajuste 4.1. Introducción En este capítulo se presentan la regresión ponderada y la prueba de falta de ajuste como un conjunto adicional de herramientas usadas
Más detallesDiseño de Experimentos
Diseño de Experimentos Mejoramiento Continuo de Deming DOE Sí el análisis expuso una serie de factores de entrada para el proceso que deben ser controlados para maximizar o minimizar un resultado, entonces
Más detallesFolleto de Estadísticas. Teoría del 2do Parcial
Folleto de Estadísticas Teoría del 2do Parcial 2012 Variables aleatorias conjuntas continuas: Sean X y Y dos variables aleatorias continuas con ellas se asocia una función denominada función de densidad
Más detallesErrores en medidas experimentales
Errores en medidas experimentales 1. Introducción Las magnitudes físicas son propiedades de la materia o de los procesos naturales que se pueden medir. Medir una cantidad de una magnitud es compararla
Más detalles1.2 Medidas de variación: Rango, desviación estándar y coeficiente de variación
1.2 Medidas de variación: Rango, desviación estándar y coeficiente de variación Medidas de Variación Amplitud Coeficiente variación Desviación estándar Rango Valor Z Varianza de Diferencia entre los valores
Más detallesGráfico de Control T-Cuadrada Multivariada
Gráfico de Control T-Cuadrada Multivariada STATGRAPHICS Rev. 25/04/2007 Resumen El procedimiento Gráfico de Control T-Cuadrada Multivariada crea diagramas de control para dos o más variables numéricas.
Más detallesAnálisis de Datos Categóricos
Análisis de Datos Categóricos En el análisis de datos, a menudo nos encontramos con mediciones de respuestas que son de naturaleza categórica. Éstas respuestas reflejan información de categorías más que
Más detallesIntroducción a la Estadística Aplicada en la Química
Detalle de los Cursos de Postgrado y Especialización en Estadística propuestos para 2015 1/5 Introducción a la Estadística Aplicada en la Química FECHAS: 20/04 al 24/04 de 2015 HORARIO: Diario de 10:00
Más detallesDISEÑO DE CUADRADOS LATINOS
DISEÑO DE CUADRADOS LATINOS a vimos que el diseño de bloques al azar, era el diseño apropiado cuando se conocía de antemano algún factor que fuera fuente de variabilidad entre las unidades experimentales.
Más detallesPráctica 8: Test de hipótesis
: Test de hipótesis 1. Un director de manufactura debe convencer a la gerencia que un nuevo método de fabricación reduce los costos, antes de poder implementarlo. El método actual funciona con un costo
Más detallesESTUDIO DE LA CONFIABILIDAD DE LAS PRUEBAS DE SELECCIÓN UNIVERSITARIA ADMISIÓN 2013
ESTUDIO DE LA CONFIABILIDAD DE LAS PRUEBAS DE SELECCIÓN UNIVERSITARIA ADMISIÓN 2013 Andrés Antivilo B. Paola Contreras O. Jorge Hernández M. Documento de trabajo Nº04 /14 Santiago, abril de 2014 Índice
Más detallesMEDIDAS DE ASOCIACION
MEDIDAS DE ASOCIACION OBJETIVOS DE LA LECCION Que es asociación Identificar las medidas apropiadas para un diseño de estudio Construir tablas de contingencia Calcular e interpretar las medidas de asociación
Más detallesPsicometría Tema 8 ANÁLISIS DE LA CALIDAD MÉTRICA DE LOS ÍTEMS
Psicometría Tema 8 ANÁLISIS DE LA CALIDAD MÉTRICA DE LOS ÍTEMS Psicometría Mª Isabel García Barbero, UNED. Universidad Nacional de Educación a Distancia, 2006 1 La evaluación de la calidad métrica de los
Más detallesPor tratarse de una encuesta por muestreo, los resultados de la ENDES 2000 que se incluyen en el presente
LOS ERRORES DE MUESTREO APÉNDICE B Por tratarse de una encuesta por muestreo, los resultados de la ENDES 2000 que se incluyen en el presente informe son estimaciones que están afectadas por dos tipos de
Más detallesEstudio del consumo y los precios al consumo de Frutas y Hortalizas
Conseería de Agricultura y Pesca Estudio del consumo y los precios al consumo de Frutas y Hortalizas Aspectos Metodológicos Marzo 008 Versión 1 SECRETARÍA GENERAL DE AGRICULTURA, GANADERÍA Y DESARROLLO
Más detallesUnidad IV: Distribuciones muestrales
Unidad IV: Distribuciones muestrales 4.1 Función de probabilidad En teoría de la probabilidad, una función de probabilidad (también denominada función de masa de probabilidad) es una función que asocia
Más detalles