Tabla 9. Comparación entre probetas maquinadas con la misma velocidad: m/min, la misma profundidad de corte: 1mm, y diferente avance
|
|
- Eva María Sosa Espejo
- hace 5 años
- Vistas:
Transcripción
1 En la Tabla 9 se comparan las superficies obtenidas al maquinar las probetas a la misma velocidad, m/min, la misma profundidad de corte 1 mm y diferente avance. Tabla 9. Comparación entre probetas maquinadas con la misma velocidad: m/min, la misma profundidad de corte: 1mm, y diferente avance AVANCE 0.51 mm/rev AVANCE 0.21 mm/rev AVANCE 0.06 mm/rev PROBETA 9 PROBETA 29 PROBETA 22 Se utilizaron tres valores para el avance: mm/rev; 0.21 mm/rev y 0.51 mm/rev. Son evidentes las mejores características superficiales de la probeta maquinada a menor avance, la herramienta que tiene la misma geometría en los tres casos, repasa algunas zonas cortadas previamente, lo cual le permite cortar de manera 76
2 limpia, parte del material objeto de abrasión que deja el corte anterior, de igual manera elimina residuos del fenómeno de arado que se puede presentar como mecanismo componente del proceso. También se pueden distinguir claramente los surcos que se logran con el mayor avance y son menos identificables los que se lograrían con el menor. La velocidad de corte utilizada en este caso, corresponde a la menor de la gama estudiada, ello igualmente constituye una menor frecuencia de repetición del ciclo de eventos de corte, lo cual permite una especie de tiempo de recuperación del material; en cada recorrido (un giro completo sobre la circunferencia del material) el volumen cortado será menor para el avance menor y mayor para el avance mayor, esta diferencia en volumen tiene que ver con los efectos del mismo sobre la superficie: hay mayor área en contacto, se presenta un número mayor de microsoldaduras y también un número mayor de revientes de las mismas, se disminuye el contacto directo para un corte limpio entre la herramienta y la pieza y por este motivo se generan menores áreas de corte puro. Cuando el avance es menor hay mayor tiempo de contacto entre la herramienta y el material, dando lugar a mayores temperaturas en la herramienta y en la pieza, lo cual activa la acción lubricante del plomo, además de permitirle fluir con mayor facilidad. La Tabla 10 presenta la comparación entre probetas maquinadas con la misma velocidad de corte, m/min, la misma profundidad de corte y los tres niveles de avance. 77
3 Tabla 10. Comparación entre probetas maquinadas con la misma velocidad: m/min, la misma profundidad de corte: 1mm, y diferente avance AVANCE 0.51 mm/rev AVANCE 0.21 mm/rev AVANCE 0.06 mm/rev PROBETA 26 PROBETA 32 PROBETA 25 Se pueden diferenciar las señales de los surcos que el avance configura en la superficie de las probetas, mucho más amplia la franja para el avance de 0.51 mm/rev y visiblemente menor para 0.06 mm/rev. 78
4 Se puede observar la transición entre una superficie basta, que presenta múltiples desgarramientos y abrasiones en la probeta 26, trabajada a 0.51 mm/rev hasta una superficie más suave y pulida lograda en la probeta 25, maquinada a 0.06 mm/rev. Se pueden identificar zonas en las cuales se evidencia la acción cortante de la herramienta, zonas brillantes y pulidas, en contraste con zonas escamadas que revelan revientes de material, como consecuencia de abrasión causada por el mismo material de trabajo que evoluciona en la formación de virutas. Para la probeta 25 se hace evidente la acción de repaso que cumple la punta de la herramienta cuando avanza a 0.06 mm/rev, ya que su radio de nariz es de 1.2 mm, generando una superficie más limpia y pulida al barrer las escamas y otras partes del material erosionado por acción del corte, la abrasión y el arado. Al comparar el número de escamas que se pueden advertir en las superficies de las probetas 26 y 32, es notable que dicho número es mayor para la probeta 26, maquinada a 0.51 mm/rev y es cerca de la mitad de este número para la probeta 32, maquinada a 0.21 mm/rev; podría decirse que un mayor avance genera la evolución de un mayor volumen de corte y esto a su vez genera mayor fricción interna del material, mayores adhesiones y micro soldaduras y también mayor número de desgarramientos. Es posible que en las zonas brillantes que se observan para las probetas 26 y 32 también se presente una acción de repasado de la punta de la herramienta puesta que el avance es menor que el radio de la nariz del inserto, entonces allí se eliminan las escamas y otros fragmentos de material erosionado de la superficie que se forma. 79
5 Después de analizar las observaciones señaladas en la evaluación cualitativa de las superficies, es posible anotar, en general los siguientes elementos comunes: En todas las probetas se pueden observar los surcos correspondientes al avance de la herramienta y en algunas de ellas se alcanza a percibir la silueta del radio de nariz. En todas las probetas se pueden observar superficies con zonas lisas y zonas rugosas. En las zonas lisas, que se repiten con cierta periodicidad, se puede inferir el repaso de una porción de la herramienta, dando lugar al mecanismo de adhesión del material previamente cortado, arado, erosionado y escamado. En las zonas rugosas se pueden observar un sinnúmero de escamas que corresponden a los fenómenos de corte, adhesión, generación de múltiples microsoldaduras y rotura de éstas, que tienen lugar durante el proceso. Las superficies con mayor número de irregularidades corresponden a las probetas maquinadas con altos avances y bajas velocidades. Las superficies con mayores zonas lisas y menor número de irregularidades corresponden a las probetas maquinadas con bajos avances y altas velocidades. Aspectos estos que concuerdan con lo planteado en la discusión de los resultados experimentales del apartado
6 4.3 ANÁLISIS DE VARIANZA MULTIFACTORIAL ANOVA PARA Ra Se realizaron los trabajos experimentales de acuerdo con la propuesta del diseño, en total se tornearon 72 probetas que constituyeron 2 réplicas completas de una matriz que combinaba 6 valores de velocidad y 6 de avance. Las diferencias entre algunos valores no representaron aspectos significativos, en lugar de señalar una tendencia contribuían a hacer confuso el efecto de cada factor, por ejemplo: los resultados obtenidos para los avances 0.06 mm/rev y 0.10 mm/rev, no evidenciaban diferencias que permitieran obtener conclusiones sustentables, por tal motivo se ignoraron los resultados correspondientes a 3 niveles de avance y se constituyó una base de datos correspondiente a 18 probetas que configura una réplica de la matriz diseñada para este trabajo; los datos corresponden a 6 valores de velocidad, 3 valores de avance, seis parámetros de rugosidad Ra, Ry, Rz, Rq, Rs y Rsm, con 16 registros en cada combinación. Con dicha base se desarrolló el proceso estadístico de análisis multifactorial y se construyó un modelo de regresión que se presentan a continuación. Análisis de Varianza Multifactorial Anova para Ra Variable dependiente: Ra Factores: Velocidad de corte y Avance Número de casos completos: 288 registros por cada combinación. La tabla ANOVA (Ver Tabla 11) descompone la variabilidad (varianza multifactorial) de Ra en las contribuciones debidas a los diferentes factores: tanto la velocidad, como el avance y la interacción de ellos dos afectan significativamente la rugosidad superficial. Puesto que ha sido escogido el Tipo III, suma de cuadrados, la contribución de cada factor se midió habiendo removido los efectos de los otros factores. Los valores P verifican la significación estadística de cada uno de los factores. Puesto que los tres valores P están por debajo de Esos factores tienen un efecto estadísticamente significativo sobre Ra con 95.0% de nivel de confiabilidad (Confianza) 81
7 Tabla 11. Tabla ANOVA. Análisis de Varianza para Ra - Tipo III Sumas de Factores fuentes de variación Efectos principales Suma de cuadrados Cuadrados Grados de libertad Valor medio cuadrado Relación f Valor p A:velocidad 29, , ,88 0,0000 B:avance 456, , ,82 0,0000 Interacciones Ab 28, , ,42 0,0000 Residual 20, , Total (corregida) 535, * Todas las relaciones F están basadas en el error cuadrado medio residual. La Tabla 12 muestra los valores medios de Ra para cada nivel de los factores, velocidad, avance y su interacción; también muestra el error estándar de cada media, la cual es una medida de su variabilidad. Las dos columnas más a la derecha muestran el intervalo para el 95.0% de confiabilidad por cada una de las medias. Y la gráfica correspondiente a este análisis corresponde a las gráficas de medias presentada en la Figura 27, siguiente: Tabla 12. Tabla de valores medios mínimos cuadrados para Ra en intervalos con 95% de confiabilidad (confianza) Nivel Cuentas Valor medio Gran Valor Medio 288 3,93764 Velocidad Error estándar Límite inferior Límite superior 36,7 48 3, , , , , , , , , , , , , ,
8 Valor Error Límite Límite Nivel Cuentas medio estándar inferior superior 94, , , , , , , , , , , , , , ,49021 Avance 0, , , , , , , , , , , , , , ,46489 Velocidad por Avance 36,7,0, ,9975 0, , , ,7,0, , , , , ,7,0, , , , , ,45,0, ,465 0, , , ,45,0, , , , , ,45,0, , , , , ,41,0, ,635 0, , , ,41,0, , , , , ,41,0, ,4075 0, , , ,16,0, , , , , ,16,0, , , , , ,16,0, , , , , ,07,0, , , , , ,07,0, , , , , ,07,0, , , , , ,59,0, , , , , ,59,0, , , , , ,59,0, , , , ,
9 Means and 95,0 Percent LSD Intervals 4,8 4,5 4,2 Ra 3,9 3,6 3,3 36,7 57,45 73,41 94,16 126,07 159,59 VELOCIDAD Means and 95.0 Percent Tukey HSD Intervals Ra AVANCE Figura 27. Gráficas de variación de Ra intervalos para velocidad y avance Las gráficas de los valores medios de Ra bajo la influencia de los factores avance y velocidad presentan claramente la manera como estos determinan el comportamiento de la respuesta: Ra disminuye con incrementos en la velocidad, después de una zona inicial en la cual se debe presentar una combinación de mecanismos de desgaste superficial como el corte, arado y adhesión, aumentados por el fenómeno de recrecimiento del filo cortante; una vez superada esta zona la rugosidad superficial disminuye con los incrementos de velocidad. (Ver Tabla 13). 84
10 Para el avance se encuentra un efecto más claro y definido, avances bajos permiten obtener rugosidades bajas y avances altos propiciaran superficies con parámetros altos de rugosidad. Tabla 13. Chequeos de rangos múltiples de la velocidad para Ra. Método: Diferencias Mínimas Significativas con 95% de confiabilidad Desviación Velocidad Cuentas significativa Media mínima estándar Grupos significativa mínima homogéneos. 159, , , X 126, , , X 36,7 48 3, , X 57, , , X 94, , , X 73, , , X Contraste Significancia Diferencia +/- limites 36,7-57,45 * -0, , ,7-73,41 * -0, , ,7-94,16 * -0, , ,7-126,07 * 0, , ,7-159,59 * 0, , ,45-73,41 * -0, , ,45-94,16-0, , ,45-126,07 * 0, , ,45-159,59 * 0, , ,41-94,16 * 0, , ,41-126,07 * 0, , ,41-159,59 * 1, ,
11 Contraste Significancia Diferencia +/- limites 94,16-126,07 * 0, , ,16-159,59 * 0,7075 0, ,07-159,59 * 0, , * señala una diferencia estadísticamente significativa La Tabla 13 aplica procedimientos de comparación múltiple para determinar cuáles medias son significativamente diferentes de las otras. Un asterisco ha sido ubicado cerca a 14 pares, indicando que esos pares presentan diferencias estadísticamente significativas en el 95.0% del nivel de confiabilidad (confianza). El método usado corrientemente para discriminar entre las medias es el Procedimiento Fisher S de Minima Diferencia Significativa (LSD). Con este método, hay un 5.0% de riesgo llamando cada par de medias significativamente diferentes cuando la diferencia actual equivale a 0. En la gráfica de interacción de los factores velocidad de corte y avance sobre la rugosidad Ra, Figura 28, se pueden observar tres curvas, una para cada valor del avance, la primera correspondiente al avance menor, 0.06 mm/rev, que da lugar a un rango de variación de la rugosidad Ra, entre 1.8 y 2.8 µm, con diferentes valores de velocidad. Interaction Plot 6,8 5,8 AVANCE 0,06 0,21 0,51 4,8 Ra 3,8 2,8 1,8 36,7 57,45 73,41 94,16 126,07 159,59 VELOCIDAD Figura 28. Gráfica de interacción de los factores Velocidad y Avance 86
12 La segunda curva, correspondiente al avance intermedio 0.21 mm/rev, se ubica en la franja de rugosidades entre 3.5 y 4.5 µm, con diferentes valores de velocidad. Y la tercera curva, correspondiente al avance mayor de 0.51 mm/rev, se ubica en la franja de 4.2 y 6.2 µm, con diferentes velocidades. (Ver Figura 28). Las gráficas de las figuras 27y 28, construidas mediante herramientas estadísticas, concuerdan completamente con las gráficas de las figuras 17, 18, 19 y 20, construidas con los datos experimentales utilizando la herramienta excell, dando mayor fuerza a las observaciones logradas en este trabajo. Se puede deducir que el efecto del avance es más determinante sobre la rugosidad, que el efecto de la velocidad, a mayor avance se tendrán valores de Ra mayores, mientras que a menores valores de avance, los resultados señalan mejores acabados; sin embargo se requiere la combinación de otros factores que influyen simultáneamente sobre el acabado, Para formular una predicción precisa, como lo han sugerido Bernardos y Vosniakos 49. El aporte de la velocidad, en el proceso de corte de aceros de libre maquinado, tiende a configurar un efecto de mejoramiento del acabado superficial a medida que se incrementa su valor. Esta apreciación se puede observar en las gráficas obtenidas por Shaw, Nakayama y Brewer 50, presentadas en los datos teóricos del apartado 2, sin embargo difieren de los resultados mostrados por Enache 51 en su evaluación de la influencia de los parámetros de corte sobre la rugosidad. Los resultados que se presentan en este trabajo coinciden en mayor grado con los de Enache y se alejan de las conclusiones igualmente alcanzadas por J Paulo Davim 52, quien solamente se limita a interpretar los datos de la tabla ANOVA, sin presentar una gráfica que permita observar las tendencias. También se presenta coincidencia con los resultados obtenidos por Muñoz Escalona y Cassier 53, aunque su trabajo se realizó sobre aceros AISI-1045, AISI- 87
13 1020, AISI-4140 y un acero para herramientas tipo D2. Formulación de un modelo de predicción de las condiciones de operación mediante la metodología de la regresión múltiple y las superficies de respuesta. Regresión múltiple para Ra. Variable Dependiente: Ra Variables Independientes: Velocidad Avance Velocidad 2 Avance 2 Velocidad * avance Tabla 14. Valores de los parámetros del modelo de regresión lineal Parámetros Estimados Error estándar T estadístico Valor p Constante 0, , , ,2002 Velocidad 0, , , ,0000 Avance 17,9748 0, ,3473 0,0000 Velocidad 2-0, , , ,0000 Avance 2-15,794 1, ,8997 0,0000 Velocidad*avance -0, , , ,0000 Fuente de variación Suma de cuadrados Tabla 15. Análisis de Varianza Grados de libertad Cuadrado de la media Relación f Valor p Modelo 489, , ,24 0,0000 Residual 45, , Total (Corr.) 535,
14 El valor de la variable respuesta R-cuadrado se cumple para el 91,5014 %. El valor de la variable ajustado R-cuadrado, para los grados de libertad, se cumple para un 91,3508 %; lo que indica un alto porcentaje de efectividad del modelo. El error estándar de la estimación se encontró en y el error absoluto en , lo cual hace referencia a la precisión del modelo logrado. (Ver Tabla 15). Los resultados muestran un modelo de regresión lineal que describe las relaciones entre Ra y los factores velocidad, avance, y sus interacciones, incluyendo las consideraciones Velocidad 2 y Avance 2 La ecuación del modelo ajustado es: Ra = 0, , *Velocidad + 17,9748*Avance - 0, * Velocidad 2-15,794* Avance 2-0, *Velocidad*Avance El valor P hallado en la tabla ANOVA (ver Tabla 11), menor de 0.05 establece que existe en el modelo una relación estadísticamente significativa entre las variables con un nivel de confianza del 95%. El R cuadrado estadístico indica que el modelo ajustado explica el % de la variabilidad de Ra. El R cuadrado estadístico ajustado es %, más utilizado para efectos de comparación con otros modelos con un número diferente de variables independientes. El error estándar del modelo logrado, presenta la desviación estándar de los residuos de , valor que puede ser utilizado para elaborar límites de predicción para nuevas observaciones. El error medio absoluto MAE de es el promedio de los residuales. Con el modelo logrado, se procede a elaborar una superficie de respuesta que permitiría predecir gráficamente el comportamiento de la variable respuesta Ra 89
15 ante diferentes valores de los factores Velocidad y Avance: El modelo Ra = 0, , *Velocidad + 17,9748*Avance - 0, * Velocidad 2-15,794* Avance 2-0, *Velocidad*Avance Se convierte en la función 0, , *X + 17,9748*Y - 0, *X 2-15,794*Y 2-0, *X*Y. (Ver Figura 28). Y la gráfica de esta función es: 0, , *X + 17,9748*Y - 0, *X^2-15,794*Y^2-0, *X 6,8 Function 4,8 2,8 0,8-1, X 0, ,20,40,6 Y 0, , *X + 17,9748*Y - 0, *X^2-15,794*Y^2-0, *X Y 1 0,8 0,6 0,4 0, X Function -1,2-0,4 0,4 1,2 2,0 2,8 3,6 4,4 5,2 6,0 6,8 7,6 Figura 29. Superficie de respuesta para Ra, de acuerdo con el modelo de regresión obtenido 90
APLICACIÓN DEL SISTEMA FLOWDRILL EN PLACAS DE ACERO INOXIDABLES
APLICACIÓN DEL SISTEMA FLOWDRILL EN PLACAS DE ACERO INOXIDABLES Autores Alberto Gallegos Araya, Ramon Araya Gallardo Departamento Mecánica. Universidad de Tarapacá. 8 Septiembre Arica -e-mail: gallegos@uta.cl
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 detallesCAPITULO 6. Ventajas y desventajas de los insertos de calidad GC 4015 de Sandvik para el. Torneado en Seco
CAPITULO 6 Ventajas y desventajas de los insertos de calidad GC 4015 de Sandvik para el Torneado en Seco En los capítulos anteriores, se estuvo trabajando con los insertos GC 4015 de Sandvik Coromant,
Más detalles4. RESULTADOS Y DISCUSIÓN
4. RESULTADOS Y DISCUSIÓN 4.1 RESULTADOS EXPERIMENTALES La realización de las pruebas experimentales, consistentes en el torneado cilíndrico de las probetas, en máquinas herramientas convencionales semiautomáticas,
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 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 detallesTeoría de la decisión
1.- Un problema estadístico típico es reflejar la relación entre dos variables, a partir de una serie de Observaciones: Por ejemplo: * peso adulto altura / peso adulto k*altura * relación de la circunferencia
Más detalles4. DISEÑOS MULTIFACTORIALES O FACTORIALES
4. DISEÑOS MULTIFACTORIALES O FACTORIALES 4.1 PRINCIPIOS Y DEFINICIONES BASICAS Los arreglos factoriales se utilizan cuando en una investigación se pretende estudiar simultáneamente la influencia del cambio
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 detallesIng. MSc. Luis Fernando Restrepo Gómez
Ing. MSc. Luis Fernando Restrepo Gómez Introducción a la Valuación Masiva METODOLOGÍA VALUATORIA Sigue los pasos de la metodología científica, y se apoya en el análisis estadístico de datos comparables.
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 detallesCAPÍTULO 6 PRUEBAS PARA MAQUINADO DE LAS PIEZAS TORNEADAS, EMPLEANDO DIFERENTES PARÁMETROS DE CORTE (VELOCIDAD, PROFUNDIDAD Y
CAPÍTULO 6 PRUEBAS PARA MAQUINADO DE LAS PIEZAS TORNEADAS, EMPLEANDO DIFERENTES PARÁMETROS DE CORTE (VELOCIDAD, PROFUNDIDAD Y AVANCE) Y DIFERENTES INSERTOS (ÁNGULO DE ATAQUE, ÁNGULOS DE ATAQUE POSTERIOR,
Más detallesANÁLISIS DE LA VARIANZA PARTE PRIMERA
ANÁLISIS DE LA VARIANZA PARTE PRIMERA Febrero de 2012 Índice general 1. INTRODUCCIÓN............................... 1 2. FUNDAMENTOS DEL DISEÑO COMPLETAMENTE ALEATO- RIZADO....................................
Más detallesCAPÍTULO 5 CONSIDERACIONES PARA LA SELECCIÓN DE LOS PARÁMETROS DE CORTE PARA LAS PIEZAS DE TRABAJO
CAPÍTULO 5 CONSIDERACIONES PARA LA SELECCIÓN DE LOS PARÁMETROS DE CORTE PARA LAS PIEZAS DE TRABAJO Tal y como se mencionó en capítulos anteriores el proceso de torneado que se llevará acabo será el proceso
Más detallesMaterial de la herramienta Ensayo V [m/min] Vida útil[min] Acero rápido Metal duro 5 175,9 70 (*)
7. Conclusiones Una vez analizados los resultados de los ensayos realizados se expondrán las conclusiones obtenidas para las variables experimentales tenidas en cuenta. Además se intentará ajustar los
Más detallesUniversidad de Matanzas Camilo Cienfuegos Facultad de Ingeniería Mecánica. Ponencia
Universidad de Matanzas Camilo Cienfuegos Facultad de Ingeniería Mecánica Ponencia Influencia del régimen de afilado en el radio de redondeo del borde cortante de las cuchillas de torno de metal duro Autores:
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 detallesCAPITULO Variación de la composición química de la varilla de aporte ASM 1A :
CAPITULO 5 DISCUSIÓN DE RESULTADOS Para poder evaluar nuevos materiales para soldadura se prepararon probetas soldando la varilla ASM 1aA sobre el recubrimiento ASM 1 B 10.60% de aleación y sobre el recubrimiento
Más detallesANALISIS DE REGRESIÓN Y CORRELACIÓN LINEAL
ANALISIS DE REGRESIÓN Y CORRELACIÓN LINEAL Msc. Lácides Baleta Octubre 16 Página 1 de 11 REGRESIÓN Y CORRELACIÓN LINEAL Son dos herramientas para investigar la dependencia de una variable dependiente Y
Más detallesInfluencia de parámetros de corte y vibraciones en la rugosidad superficial en procesos de torneado
2. RUGOSIDAD SUPERFICIAL 2.1. Definición y parámetros La textura de una superficie se puede definir como las desviaciones, repetidas o aleatorias, que se producen de la superficie nominal de un objeto.
Más detallesCAPÍTULO 5. Pruebas a acero aleado AISI En este capítulo se mencionarán las pruebas realizadas al acero aleado 4140 en el
CAPÍTULO 5 Pruebas a acero aleado AISI 4140 En este capítulo se mencionarán las pruebas realizadas al acero aleado 4140 en el torno de control numérico marca Hardinge Cobra 42 para determinar el desempeño
Más detallesTEMA 7 ACABADO SUPERFICIAL. Una de las especificaciones que se incluyen en todo plano de fabricación de una pieza es el grado de acabado superficial.
TEMA 7 Introducción. Una de las especificaciones que se incluyen en todo plano de fabricación de una pieza es el grado de acabado superficial. Como consecuencia del proceso de mecanizado, toda pieza sometida
Más detallesModelado y simulación en Ingeniería Química. Manuel Rodríguez
ÍNDICE Modelos de caja gris Calibración de modelos Estimación de parámetros Análisis de la estimación Regresión no lineal 1. Modelos de caja gris Son modelos de un sistema (o proceso), donde: Desarrollados
Más detallesANÁLISIS ESTADÍSTICO REGRESIÓN LINEAL SIMPLE
ANÁLISIS ESTADÍSTICO REGRESIÓN LINEAL SIMPLE Jorge Fallas jfallas56@gmail.com 2010 1 Temario Introducción: correlación y regresión Supuestos del análisis Variación total de Y y variación explicada por
Más detallesTema 3: Análisis de datos bivariantes
Tema 3: Análisis de datos bivariantes 1 Contenidos 3.1 Tablas de doble entrada. Datos bivariantes. Estructura de la tabla de doble entrada. Distribuciones de frecuencias marginales. Distribución conjunta
Más detallesEstadística III (P33) Exam, Tipo: A
21 de Enero de 2000 Responde a las siguientes preguntas sobre papel ordinario, de forma breve y concisa. Al entregar tu exámen, has de entregar también la Tarea 10, que no fue posible finalizar en periodo
Más detallesRegresión. Instituto Tecnológico de Ciudad Victoria Maestría en Ciencias en Biología Sesión de Cómputo. Modelo I
Regresión La regresión lineal estima la relación de una variable con respecto a otra, por medio de la expresión de una variable en términos de una función lineal de otra variable. Existen dos modelos de
Más detallesDiseño de experimentos
Diseño de experimentos Quimiometría Por qué diseñar experimentos? Exploración: cuáles factores son importantes para realizar exitosamente un proceso Optimización: cómo mejorar un proceso Ahorro de tiempo:
Más detallesCUESTIONES Y PROBLEMAS DE DISTRIBUCIONES DE FRECUENCIAS BIDIMENSIONALES PROPUESTOS EN EXÁMENES
TUTORÍA DE INTRODUCCIÓN A LA ESTADÍSTICA (º A.D.E.) CUESTIONES Y PROBLEMAS DE DISTRIBUCIONES DE FRECUENCIAS BIDIMENSIONALES PROPUESTOS EN EXÁMENES 1º) Qué ocurre cuando r = 1: a) Los valores teóricos no
Más detallesPROYECTO FINAL DISEÑO DE EXPERIMENTOS DISOLUCIÓN DE UNA ASPIRINA
PROYECTO FINAL DISOLUCIÓN DE UNA ASPIRINA Karina Arellano Ayala Juan Roberto de la Torre Escareño Raúl Vega Elvira Lucia Ramírez Michel 1 Estudio del efecto del tipo de solvente y la casa farmacéutica
Más detallesContenido. vii. Prólogo... i Presentación... iii Grupo de trabajo...v. 1. Introducción y conceptos preliminares...1
Contenido Prólogo... i Presentación... iii Grupo de trabajo...v 1. Introducción y conceptos preliminares...1 2. Tipos de modelos estadísticos lineales...19 Caso 2.1...20 Caso 2.2...26 Caso 2.3...30 3.
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 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 detallesInfluencia de parámetros de corte y vibraciones en la rugosidad superficial en procesos de torneado
1. INTRODUCCIÓN 1.1. Antecedentes Las diferentes fases de acabado que tiene una pieza mecanizada hacen referencia al acabado superficial y la rugosidad alcanzada durante el mismo, teniendo por objetivo
Más detallesDESCRIPCIÓN DE DATOS POR MEDIO DE GRÁFICAS
ÍNDICE Introducción: Entrene su cerebro para la estadística... 1 La población y la muestra... 3 Estadísticas descriptivas e inferenciales... 4 Alcanzar el objetivo de estadísticas inferenciales: los pasos
Más detallesConocer los principales métodos de la estadística inferencial e identificar sus aplicaciones a diversas áreas del conocimiento y de la cotidianidad.
NOMBRE DEL CURSO: ESTADÍSTICA INFERENCIAL CÓDIGO: CRÉDITOS 5 PRE-REQUISITO: POST-REQUISITO: JORNADA: PRESENTACIÓN: Se estudian los métodos más importantes de la estadística inferencial, enfocándose principalmente
Más detallesEstadística Inferencial aplicada a los Negocios
Estadística Inferencial aplicada a los Negocios SEMESTRE Y CARRERA PROGRAMA ELABORADO POR: M.A. Alma Minerva Blanco Robledo TIPO DE CURSO CRÉDITOS Nuclear 7 créditos TIEMPO TIEMPO PRESENCIAL INDEPENDIENTE
Más detallesRegresión Lineal. El modelo de regresión caracteriza la relación entre una variable respuesta que depende de k variables independientes o regresoras.
Regresión Lineal Los factores envueltos en la experimentación pueden ser de tipo cuantitativos o cualitativos Un factor cuantitativo es aquel que sus niveles pueden ser asociados con puntos dentro de una
Más detallesINDICE Prefacio 1. Introducción 2. Distribuciones de frecuencia: tablas estadísticas y graficas
INDICE Prefacio XIII 1. Introducción 1.1. la imagen de la estadística 1 1.2. dos tipos de estadísticas 1.3. estadística descriptiva 2 1.4. estadística inferencial 1.5. naturaleza interdisciplinaria de
Más detallesDEPARTAMENTO DE MATEMÁTICAS PLAN DE TRABAJO PARA LA CONVOCATORIA DE SEPTIEMBRE º BACHILLERATO DE CIENCIAS SOCIALES.
DEPARTAMENTO DE MATEMÁTICAS PLAN DE TRABAJO PARA LA CONVOCATORIA DE SEPTIEMBRE 2017 UNIDAD 1.-Matrices. Conceptos: 2º BACHILLERATO DE CIENCIAS SOCIALES. Tipos de matrices. Tipos de matrices cuadradas.
Más detallesMARCO TEORICO METROLOGÍA SUPERFICIAL
MARCO TEORICO METROLOGÍA SUPERFICIAL Aunque durante mucho tiempo la medición de la rugosidad no fue considerada como una rama de la metrología, en la actualidad es un requerimiento importante debido al
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 detallesEstas dos clases. ANOVA I - Conceptos generales - Supuestos - ANOVA de una vía - Transformación de datos - Test a Posteriori - ANOVA de dos vías
ANOVA I 19-8-2014 Estas dos clases ANOVA I - Conceptos generales - Supuestos - ANOVA de una vía - Transformación de datos - Test a Posteriori - ANOVA de dos vías ANOVA II - ANOVA factorial - ANCOVA (análisis
Más detallesTEMA 4 Modelo de regresión múltiple
TEMA 4 Modelo de regresión múltiple José R. Berrendero Departamento de Matemáticas Universidad Autónoma de Madrid Análisis de Datos - Grado en Biología Estructura de este tema Modelo de regresión múltiple.
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 detallesUNIVERSIDAD DE SANTIAGO DE CHILE FACULTAD DE INGENIERÍA Departamento de Ingeniería Mecánica Área de Procesos Mecánicos
1 INGENIERÍA CIVIL EN MECÁNICA PLAN 2012 GUÍA DE LABORATORIO ASIGNATURA TEORÍA DEL MECANIZADO CÓDIGO 15147 NIVEL 05 EXPERIENCIA C474 MEDICIÓN DE DESGASTE DE HERRAMIENTAS 2 1. OBJETIVO GENERAL Analizar
Más detallesSnapstat: Comparación de Varias Muestras
Snapstat: Comparación de Varias Muestras Resumen La Comparación de Varias Muestras en SnapStat crea un resumen de una página que compara dos o más muestras independientes de datos. Incluye pruebas para
Más detallesÍNDICE CAPÍTULO 1. INTRODUCCIÓN
ÍNDICE CAPÍTULO 1. INTRODUCCIÓN 1.1. OBJETO DE LA ESTADÍSTICA... 17 1.2. POBLACIONES... 18 1.3. VARIABLES ALEATORIAS... 19 1.3.1. Concepto... 19 1.3.2. Variables discretas y variables continuas... 20 1.3.3.
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 detallesINDICE 1. Qué es la Estadística? 2.Descripción de Datos: Distribuciones de Frecuencia y Presentación Gráfica
INDICE 1. Qué es la Estadística? 1 Introducción 2 Qué significa estadística? 2 Por qué se estudia la estadística? 4 Tipos de estadística 5 Estadística descriptiva 5 Estadística inferencial 6 Tipos de variables
Más detallesPRUEBA DE HIPÓTESIS BENJAMIN MAMANI CONDORI
PRUEBA DE HIPÓTESIS BENJAMIN MAMANI CONDORI 2014 Para qué es útil la estadística inferencial? Se utiliza para probar hipótesis y generalizar los resultados obtenidos en la muestra a la población o universo.
Más detallesPLACAS TORNEADO US905
Excelente para el mecanizado de alta precisión de aleaciones termo-resistentes y aleaciones de titanio. Rompevirutas especiales para materiales difíciles de mecanizar. Rango de aplicación para el mecanizado
Más detallesPráctica. Diseño factorial 2 x 2
Práctica Diseño factorial x Supuesto 1: Refuerzo positivo y nivel de impulso Tanto la variable intensidad del refuerzo como nivel del impulso han sido repetidamente analizadas en relación al aprendizaje
Más detallesAnálisis Probit. StatFolio de Ejemplo: probit.sgp
STATGRAPHICS Rev. 4/25/27 Análisis Probit Resumen El procedimiento Análisis Probit está diseñado para ajustar un modelo de regresión en el cual la variable dependiente Y caracteriza un evento con sólo
Más detallesANÁLISIS DE LA VARIANZA MULTIFACTORIALES
Instituto Valenciano de Investigaciones Agrarias Seminario MÉTODOS ESTADÍSTICOS PARA LA INVESTIGACIÓN AGRONÓMICA Tema 7 ANÁLISIS DE LA VARIANZA MULTIFACTORIALES Análisis de la Varianza Multifactoriales
Más detallesTEMA 2 Diseño de experimentos: modelos con varios factores
TEMA 2 Diseño de experimentos: modelos con varios factores José R. Berrendero Departamento de Matemáticas Universidad Autónoma de Madrid Análisis de Datos - Grado en Biología Esquema del tema Modelo bifactorial
Más detallesTEMA 6 COMPROBACIÓN DE HIPÓTESIS ESPECÍFICAS DE INVESTIGACIÓN
TEMA 6 COMPROBACIÓN DE HIPÓTESIS ESPECÍFICAS DE INVESTIGACIÓN 1 DISEÑO DE INVESTIGACIÓN Y 1 A = a 1 a Y 1 A = 3 a 1 a a Hipótesis específicas de la investigación Cuando la variable independiente tiene
Más detallesComparación de dos Muestras - SnapStat
Comparación de dos Muestras - SnapStat Resumen La Comparación de Dos Muestras usando SnapStat crea un resumen de una página que compara dos muestras independientes de datos de variables. Calcula estadísticos
Más detallesDiseño de experimentos
Diseño de experimentos Quimiometría Por qué diseñar experimentos? Exploración: cuáles factores son importantes para realizar exitosamente un proceso Optimización: cómo mejorar un proceso Ahorro de tiempo:
Más detallesESTUDIO DE RUGOSIDAD EN MAQUINADO POR EL PROCESO DE TORNEADO EN CLIMET LTDA. BASADO EN LAS NORMAS ISO DE RUGOSIDAD
ESTUDIO DE RUGOSIDAD EN MAQUINADO POR EL PROCESO DE TORNEADO EN CLIMET LTDA. BASADO EN LAS NORMAS ISO DE RUGOSIDAD STUDY OF ROUGHNESS IN MACHINING PROCESS BY TURNING CLIMET LTDA. BASED ON THE ROUGHNESS
Más detallesDCA: Es el más simple de todos los diseños, solamente se estudia el. en diferentes tratamientos o niveles.
completamente aleatorizado (DCA): 1 solo factor con diferentes tratamientos. DCA: Es el más simple de todos los diseños, solamente se estudia el efecto de un factor, el cual se varía en diferentes tratamientos
Más detallesTema 4: Otros Métodos de Análisis de Datos Cuantitativos y Cualitativos
Tema 4: Otros Métodos de Análisis de Datos Cuantitativos y Cualitativos Metodología de la Investigación en Fisioterapia Miguel González Velasco Departamento de Matemáticas. Universidad de Extremadura M.
Más detallesDISEÑO Y ANÁLISIS DE DATOS II. PRIMER PARCIAL. NOVIEMBRE 2016.
DISEÑO Y ANÁLISIS DE DATOS II. PRIMER PARCIAL. NOVIEMBRE 016. Problema 1.- En una determinada investigación se estudia el efecto del tipo de ejercicio (, andar y ) y tipo de dieta (poca grasa y mucha grasa)
Más detallesDiseño de Experimentos. Diseños Factoriales
Diseño de Experimentos Diseños Factoriales Luis A. Salomón Departamento de Ciencias Matemáticas Escuela de Ciencias, EAFIT Luis A. Salomón (EAFIT) Inspira Crea Transforma Curso 2016 Índice 1 Introducción
Más detalles7. REGRESIÓN POR MÍNIMOS CUADRADOS: REGRESIÓN POLINOMIAL. Jorge Eduardo Ortiz Triviño
7. REGRESIÓN POR MÍNIMOS CUADRADOS: REGRESIÓN POLINOMIAL Jorge Eduardo Ortiz Triviño jeortizt@unal.edu.co http:/www.docentes.unal.edu.co/jeortizt/ Introducción Los datos frecuentemente son dados para valores
Más detallesExactitud y Linearidad del Calibrador
Exactitud y Linearidad del Calibrador Resumen El procedimiento Exactitud y Linearidad del Calibrador fue diseñado para estimar la exactitud del sistema de medición. En contraste con los procedimientos
Más detalles2 Introducción a la inferencia estadística Introducción Teoría de conteo Variaciones con repetición...
Contenidos 1 Introducción al paquete estadístico S-PLUS 19 1.1 Introducción a S-PLUS............................ 21 1.1.1 Cómo entrar, salir y consultar la ayuda en S-PLUS........ 21 1.2 Conjuntos de datos..............................
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 detallesTransformación de desechos plás?cos en manguera. Mecanismos de desarrollo limpio/ Impacto Económico. M en C Adriana I. Peña Montes de Oca
Transformación de desechos plás?cos en manguera Mecanismos de desarrollo limpio/ Impacto Económico M en C Adriana I. Peña Montes de Oca Sede regional: Centro Occidente Definición del problema Existe la
Más detallesLucila Finkel Temario
Lucila Finkel Temario 1. Introducción: el análisis exploratorio de los datos. 2. Tablas de contingencia y asociación entre variables. 3. Correlación bivariada. 4. Contrastes sobre medias. 5. Regresión
Más detallesSelección Diseño de Cribado
Selección Diseño de Cribado Resumen La sección diseño experimental del STATGRAPHICS puede crear una amplia variedad de diseños dirigidos a mostrar los factores más importantes que afectan un proceso. Se
Más detallesUNIVERSIDAD NACIONAL DE LA PLATA FACULTAD DE CIENCIAS NATURALES Y MUSEO CÁTEDRA DE ESTADÍSTICA CLASE ESPECIAL. Tema:
UNIVERSIDAD NACIONAL DE LA PLATA FACULTAD DE CIENCIAS NATURALES Y MUSEO CÁTEDRA DE ESTADÍSTICA CLASE ESPECIAL Tema: Correlación múltiple y parcial. Ecuaciones y planos de regresión La Plata, septiembre
Más detallesHV HX HXD. Rompevirutas básicos. achaflanado para un equilibrio. con margen amplio y gran de corte curvado. entre precisión y fuerza.
PLACAS TORNEADO Cortes pesados con, una nueva calidad con recubrimiento CVD diseñada en combinación con nuevos para un control de la viruta, precisión y fiabilidad excelentes. PLACAS TORNEADO Sistema de
Más detallesPROCESO DE CORTE. Algunos procesos de desbaste de material
PROCESO DE CORTE Algunos procesos de desbaste de material PROCESO DE CORTE Variables independientes: - Material, recubrimiento y condiciones de la herramienta - Forma, acabado superficial y filo de la
Más detallesDiseño de experimentos Hugo Alexer Pérez Vicente
Diseño de experimentos Hugo Alexer Pérez Vicente Métodos complementarios al análisis de varianza Comparaciones múltiples Comparación o pruebas de rangos múltiples Después de que se rechazó la hipótesis
Más detallesEstadística III. Carrera: FOR Participantes Representante de las academias de Ingeniería Forestal de Institutos Tecnológicos.
1.- DATOS DE LA ASIGNATURA Nombre de la asignatura: Carrera: Clave de la asignatura: Horas teoría-horas práctica-créditos Estadística III Ingeniería Forestal FOR - 0619 2 1 5 2. HISTORIA DEL PROGRAMA Lugar
Más detallesEstadística; 3º CC. AA. Examen final, 23 de enero de 2009
Estadística; 3º CC. AA. Examen final, 3 de enero de 9 Apellidos Nombre: Grupo: DNI. (5 ptos.) En un estudio sobre las variables que influyen en el peso al nacer se han obtenido utilizando SPSS los resultados
Más detallesA: Broca B: velocidad A B AB Vibración Totales 1/ ,2 18,9 12,9 14,4 64,4 = (1) 1/ ,2 24,0 22,4 22,5 96,1 = a
LORTORIO 8 - LORTORIO INFORMÁTICO Caso. Interesa estudiar el efecto del tamaño de broca (factor ) y de la velocidad (factor ) sobre la vibración de la ranuradora (respuesta Y). Para ello se decide utilizar
Más detallespeso edad grasas Regresión lineal simple Los datos
Regresión lineal simple Los datos Los datos del fichero EdadPesoGrasas.txt corresponden a tres variables medidas en 25 individuos: edad, peso y cantidad de grasas en sangre. Para leer el fichero de datos
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 detallescurvatura de un plano, o sea, cuando se quiera verificar la existencia de términos cuadráticos en el
Capitulo 6. Delineamiento de Compuesto Central Rotacional 6.1 Introducción El Planeamiento de compuesto central deber ser utilizado cuando se quiera verificar la curvatura de un plano, o sea, cuando se
Más detallesUNIVERSIDAD DE SANTIAGO DE CHILE FACULTAD DE INGENIERÍA Departamento de Ingeniería Mecánica Área de Procesos Mecánicos
INGENIERÍA CIVIL EN MECÁNICA PLAN 2012 GUÍA DE LABORATORIO ASIGNATURA TEORÍA DEL MECANIZADO CÓDIGO 15147 NIVEL 05 EXPERIENCIA 472 FORMACIÓN DE VIRUTA 1 1. OBJETIVO GENERAL Analizar el proceso de formación
Más detallesUniversidad Nacional Abierta Estadística Aplicada (Cód. 746) Vicerrectorado Académico Cód. Carrera: Área de Matemática Fecha:
Segunda Prueba Parcial Lapso 7-746 /6 Universidad Nacional Abierta Estadística Aplicada (Cód. 746) Vicerrectorado Académico Cód. Carrera: 6-6 - 6 Fecha: --8 MODELO DE RESPUESTAS Objetivos 5 al 8 OBJ 5
Más detallesCORRELACION Y REGRESIÓN LINEAL
LECCION Nº 5 CORRELACION Y REGRESIÓN LINEAL OBJETIVOS ESPECIFICOS Diferenciar los conceptos de correlación lineal, y regresión lineal. Determinar el índice o coeficiente de correlación en una distribución
Más detallesEstructura de este tema. Tema 4 Regresión lineal simple. Ejemplo: consumo de vino y dolencias cardíacas. Frecuencias
Estructura de este tema Tema 4 Regresión lineal simple José R. Berrendero Departamento de Matemáticas Universidad utónoma de Madrid Planteamiento del problema. Ejemplos Recta de regresión de mínimos cuadrados
Más detallesque represente lo mejor posible la relación entre valores X e Y permitiéndonos inferir un valor a partir del otro.
Regresió n josé a. mañas 8.2.2017 1 Introducción El objetivo de las técnicas de regresión es identificar una función que permita estimar una variable Y en función de la otra X. Es decir, averiguar una
Más detallesENSAYO TAVAN RIP STOP
ENSAYO TAVAN RIP STOP 2013-2014. PRUEBA DE EFECTO DEL PRODUCTO RIP STOP SOBRE EL RETRASO EN LA MADUREZ DE FRUTOS DE CIRUELOS (Prunus domestica) CV. D AGEN. ÍNDICE PRUEBA DE EFECTO DEL PRODUCTO RIP STOP
Más detallesINDICE. Capitulo Uno.
INDICE Prefacio XIII Capitulo Uno. 1 Introducción 1.1. Estadística: La ciencia de los datos 2 1.2. Tipos de datos 5 1.3. El papel de la estadística 7 1.4. Resumen 8 Laboratorio de Computación. Introducción
Más detallesSupuestos y comparaciones múltiples
Supuestos y comparaciones múltiples Diseño de Experimentos Pruebas estadísticas Pruebas de bondad de ajuste Prueba de hipótesis para probar si un conjunto de datos se puede asumir bajo una distribución
Más detallesEstadística II Ejercicios Tema 5
Estadística II Ejercicios Tema 5 1. Considera los cuatro conjuntos de datos dados en las transparencias del Tema 5 (sección 5.1) (a) Comprueba que los cuatro conjuntos de datos dan lugar a la misma recta
Más detallesCAPÍTULO 3. Los datos de las seis variables fueron analizados estadísticamente. diseño experimental de bloques completamente al azar.
61 CAPÍTULO 3 3. ANÁLISIS DE RESULTADOS Los datos de las seis variables fueron analizados estadísticamente mediante el análisis de varianza (ADEVA), que es utilizado para evaluar el diseño experimental
Más detallesGlucósidos Cianogénicos en Productos de Yuca
Glucósidos Cianogénicos en Productos de Yuca Darwin Ortiz Osorio* Teresa Sanchez* Harold Acosta Zuleta** *CIAT, Centro internacional de agricultura Tropical, d.a.ortiz@cgiar.org **Ph.D. Profesor titular,
Más detallesTEMA 4 CUESTIONARIO DE AUTOEVALUACIÓN
4.5.- En cuál de los siguientes casos se podría utilizar la varianza residual en lugar del coeficiente de determinación para medir la calidad del ajuste? Con el mismo conjunto de datos y dos ajustes distintos.
Más detalles9. DISEÑOS 2 K CON PUNTOS AL CENTRO 9.1 INTRODUCCION
9. DISEÑOS 2 K CON PUNTOS AL CENTRO 9.1 INTRODUCCION Un motivo de preocupación potencial en el uso de diseños factoriales de dos niveles es la suposición de linealidad en los efectos de los factores, dado
Más detallesInfluencia de parámetros de corte y vibraciones en la rugosidad superficial en procesos de torneado
4. PROCEDIMIENTO EXPERIMENTAL 4.1. Materiales de ensayo Los ensayos realizados tendrán como fin verificar que se cumple la relación de la ecuación 2.3, es decir, las medidas de rugosidad obtenidas experimentalmente
Más detallesAjustando Curva SnapStat
STATGRAPHICS Rev. 9/14/26 Ajustando Curva SnapStat Resumen El procedimiento Ajustando Curva SnapStat crea un resumen de una pagina que describe la relación entre un solo factor cuantitativo X y una variable
Más detalles1.- DATOS DE LA ASIGNATURA. Ingeniería Forestal. Clave de la asignatura: SATCA: PRESENTACIÓN. Caracterización de la asignatura.
1.- DATOS DE LA ASIGNATURA. Nombre de la asignatura: Carrera: Clave de la asignatura: Diseños Experimentales Ingeniería Forestal FOQ-1010 SATCA: 1 2 3 2.- PRESENTACIÓN. Caracterización de la asignatura.
Más detallesMAQUINADO POR DESCARGAS ELÉCTRICAS
MAQUINADO POR DESCARGAS ELÉCTRICAS Se quiere elaborar un punzón para una troqueladora en un acero BORA ( AISI-D3+W ) con la geometría mostrada en la figura; obtener el tiempo principal de maquinado para
Más detalles