GRÁFICOS DE CONTROL. Datos tipo atributo


Save this PDF as:
 WORD  PNG  TXT  JPG

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

Download "GRÁFICOS DE CONTROL. Datos tipo atributo"

Transcripción

1 GRÁFICOS DE CONTROL Datos tipo atributo

2 SELECCIÓN DE LOS GRÁFICOS DE CONTROL

3 Total GRÁFICOS PARA ATRIBUTOS Se distinguen dos grandes grupos: Por unidad Los gráficos p, 100p y u difieren de los gráficos np y c en que los primeros son gráficos en los que se controla la proporción de unidades defectuosas o defectos por unidad por lo que el tamaño de muestra no es necesariamente constante dado que la base de comparación es la misma. Los segundos, los gráficos np y c controlan número de unidades defectuosas y número de defectos por lo que es necesario en su construcción que el tamaño de la muestra permanezca constante para lograr una base de comparación homogénea.

4 El siguiente cuadro presenta un resumen GRÁFICOS PARA ATRIBUTOS

5 GRÁFICOS PARA UNIDADES DEFECTUOSAS Este tipo de gráficos se utiliza cuando queremos controlar la producción de unidades defectuosas. El problema por lo tanto consistirá en coger muestras de tamaño n y separar las unidades de dicha muestra en defectuosas y no defectuosas. Cuando el proceso esté bajo control, se cumple lo siguiente: a) Si consideramos que una serie de unidades escogidas en un momento determinado de la producción constituyen una muestra aleatoria simple de la población compuesta por las unidades que el proceso produciría en esas mismas condiciones, la proporción de elementos defectuosos fabricados a la que denominaremos p se mantendrá constante con el tiempo y no va a modificarse con el muestreo. b) La producción de una unidad defectuosa en un momento dado es independiente de que las unidades anteriores hayan sido defectuosas o no.

6 GRÁFICOS PARA UNIDADES DEFECTUOSAS Recogida de datos.- Se requieren tamaños de muestra muy grandes por lo general, del orden de 50 a 200. El tamaño de la muestra no debe ser nunca inferior a 30 unidades. Intervalos de la toma de muestras.- Los puntos básicos a tener en cuenta son: - No establecer tomas de muestra en períodos que la experiencia nos garantice continuidad en el proceso. -Establecer tomas de muestra siempre que exista posibilidad de cambio en el proceso, como por ejemplo: Cambio de turnos Relevo de operarios Cambio de la materia prima Cambio de herramienta Parada y arranque de la máquina etc.

7 GRÁFICOS PARA UNIDADES DEFECTUOSAS Recogida de datos.- 1º ) Se comprueba la primera característica en cada una de las piezas de la muestra, dejando aparte aquellas que tengan una no conformidad en esta característica. Se cuentan y se anota el número resultante en el del "defecto A". 2º ) Se vuelven a unir estas unidades al resto y se repite la inspección de todas las piezas de la muestra para la segunda característica a controlar, separándose las unidades que tengan no conformidades anotando el número de las mismas en el "defecto B". Este proceso se repite para el resto de características a controlar. 3º) Se anota el tamaño de la muestra total en la casilla "Piezas Inspeccionadas". 4º ) En la casilla "Piezas Defectuosas" se anotará el total de unidades que hayan resultado con no conformidades. Es necesario aclarar que el número de Piezas Defectuosas no tiene por qué coincidir con la suma de la columna de los defectos hallados A, B, etc.

8 GRÁFICOS PARA UNIDADES DEFECTUOSAS Supongamos que en una muestra de 50 unidades ha resultado en la primera toma de muestra los siguientes: Con estos datos, nuestras Anotaciones serían: Defecto A...2, Defecto B...3, Defecto C...2: Piezas Defectuosas...4 Hay un total de siete defectos, pero, al haber piezas con más de un defecto, el número de piezas defectuosas es sólo de cuatro. A partir de este punto el proceso es distinto según se trate de un gráfico p o np.

9 GRÁFICOS PARA UNIDADES DEFECTUOSAS Gráfico p muestra constante Gráfico de proporción de unidades defectuosas p.- Una vez completados los pasos anteriores, se calcula la proporción de unidades defectuosas p dividiendo el número de unidades defectuosas de la muestra por el número de unidades inspeccionadas (tamaño de la muestra) anotando dicho valor p y representándolo en el gráfico. Punto a representar: Gráfico p (n = constante) Línea central:

10 GRÁFICOS PARA UNIDADES DEFECTUOSAS Gráfico p muestra constante Límites de control: - Se repite este proceso hasta lograr una cierta regularidad estadística. Lo normal es utilizar un período de 20 tomas de muestra. Tamaño de muestra constante para cada uno de los subgrupos.- Una vez completo el período calculamos la fracción defectuosa media p y los límites de control superior e inferior. Puesto que no tiene sentido hablar de proporciones de unidades defectuosas con valores inferiores a cero, en el caso de que la expresión del límite inferior de control resultara un valor negativo, el límite inferior de control toma el valor cero.

11 GRÁFICOS PARA UNIDADES DEFECTUOSAS: Ejemplo Gráfico p muestra constante Un taller desea establecer la fracción defectuosa de una cierta producción. Durante un período de 20 días se inspeccionaron 60 piezas con los resultados siguientes:

12 GRÁFICOS PARA UNIDADES DEFECTUOSAS: Ejemplo Gráfico p muestra constante

13 GRÁFICOS PARA UNIDADES DEFECTUOSAS Tamaño de muestra variable para cada uno de los subgrupos.- Frecuentemente existen situaciones en las que no es posible que el tamaño de la muestra permanezca constante por lo que es necesario utilizar un gráfico que tenga en cuenta la variación del tamaño de muestra. Las expresiones a utilizar son similares a las del caso de tamaño de muestra constante salvo una pequeña modificación consistente en particularizar el tamaño de muestra n para cada subgrupo (ni). -

14 GRÁFICOS PARA UNIDADES DEFECTUOSAS: Ejemplo Ejemplo: Durante un período de 20 días se inspeccionaron muestras de tamaño variable con los resultados siguientes:

15 GRÁFICOS PARA UNIDADES DEFECTUOSAS: Ejemplo

16 GRÁFICOS PARA UNIDADES DEFECTUOSAS Gráfico p Muestra variable Ejemplo n=30=0,23 n=40=0,21 0,075 Cuando existen muchos tamaños de subgrupos diferentes, es muy complicado tener que calcular unos límites de control para cada uno por lo que, si la variación entre los tamaños de los subgrupos no es muy grande, se puede hacer una simplificación del método.

17 GRÁFICOS PARA UNIDADES DEFECTUOSAS Gráfico p Muestra variable Mejorada Ejemplo Esta simplificación consiste en calcular unos límites de control únicos para todos los subgrupos en base a un "tamaño medio de subgrupo".

18 GRÁFICOS PARA UNIDADES DEFECTUOSAS Gráfico np Cuando estamos interesados en vigilar la calidad del proceso en términos de número de unidades defectuosas en lugar de fracción defectuosa (proporción), el gráfico adecuado es el np. Para cada uno de los subgrupos (todos del mismo tamaño) representamos el número de unidades defectuosas np. Una vez completo el período calculamos el número medio de defectos np y los límites de control superior e inferior de acuerdo con las expresiones. -

19 GRÁFICOS PARA UNIDADES DEFECTUOSAS: Ejemplo

20 GRÁFICOS PARA UNIDADES DEFECTUOSAS Gráfico np Ejemplo 256/1200=p= fracción de unidades defectuosas

21 GRÁFICOS PARA DEFECTOS Ya hemos visto cómo con los gráficos para unidades defectuosas controlábamos los defectos en unidades o piezas, siendo la base de los gráficos las propias unidades defectuosas. Pero a menudo en la industria nos encontramos con defectos que no van asociados a piezas, sino que aparecen en una producción continua, como, por ejemplo, telas, rollos de cable eléctrico, tuberías de plástico, etc. y en donde el parámetro a controlar es el número de defectos por unidad de longitud, área, etc. En otros casos nos encontramos con productos cuyo control, aun estando asociado a unidades, éstas son tan complejas y por lo tanto la probabilidad de aparecer un defecto es tan grande, que si utilizáramos gráficos p, o np, el número de unidades defectuosas o su proporción serían tan próximas a la unidad, que la información que obtendríamos seria casi nula. En estos casos utilizaremos gráficos de control por número de defectos.

22 GRÁFICOS PARA DEFECTOS El problema por lo tanto consistirá en coger muestras de tamaño n y contar el número de defectos encontrados en dicha muestra. Cuando el proceso esté bajo control: El número medio de defectos por unidad determinada se va a mantener constante con el tiempo. La producción de un defecto en un momento dado es independiente de que se hayan producido defectos con anterioridad o no.

23 GRÁFICOS PARA DEFECTOS Tamaño de muestra.- Es necesario reflejar que, para que estos gráficos nos sirvan de ayuda, en cada muestra escogida exista algún defecto. Cuando se trata de unidades complejas, por ejemplo un automóvil, esto siempre se cumplirá. Cuando se trate de un producto de producción continua habrá que tener en cuenta el valor que indique la experiencia a la hora de elegir el tamaño de la muestra. Intervalo de toma de muestra.- El criterio es el mismo que el expuesto en los gráficos para unidades defectuosas. Número de muestras por Período.- El período de recogida de muestras debe ser lo suficientemente largo como para recoger todas las posibles causas de variabilidad que actúan sobre el proceso, considerándose una prueba satisfactoria de estabilidad 20 tomas de muestras. Esto significa que son necesarias 20 muestras para calcular los límites de control y que se deben re-calcular cada 20 muestras.

24 GRÁFICOS PARA DEFECTOS Recogida de datos.- Se procede a su verificación de la siguiente manera: 1º ) Se comprueba la primera característica a controlar en cada una de las piezas de la muestra, dejando aparte aquellas que tengan una no conformidad en esta característica. Se cuentan y se anota el número resultante a la altura del "defecto A". 2º ) Se vuelven a unir estas unidades al resto y se repite la inspección de todas las piezas de la muestra para la segunda característica a controlar, separándose las unidades que tengan no conformidades anotando el número de las mismas a la altura del "defecto B". Este proceso se repite para el resto de características a controlar. 3º ) Se anota el tamaño de la muestra en la casilla "Piezas Inspeccionadas". 4º ) En la casilla "Defectos" se anotarán el total de defectos. Supongamos que en una muestra de 50 unidades ha resultado en la primera toma de muestra los siguiente:

25 GRÁFICOS PARA DEFECTOS Con estos datos, nuestras anotaciones hubieran sido: Defecto A...2 Defecto B...3 Defecto C...2 Defectos...7 Hay un total de siete defectos. A partir de este punto el proceso es distinto según se trate de un gráfico u o c.

26 GRÁFICOS PARA DEFECTOS u Gráfico de defectos por unidad.- Una vez completados los pasos anteriores, se calcula el número de defectos por unidad inspeccionada u dividiendo el número de defectos de la muestra por el número de unidades inspeccionadas (tamaño de la muestra) anotando dicho valor u y representándolo en el gráfico. Se repite este proceso hasta lograr una cierta regularidad estadística. Lo normal es utilizar un período de 20 tomas de muestra.

27 GRÁFICOS PARA DEFECTOS u Tamaño de muestra constante.- Para cada uno de los subgrupos (todos del mismo tamaño) calcularemos el número de defectos por unidad u de acuerdo con la formula. Una vez completo el período calculamos la número medio de defectos por unidad u y los límites de control superior e inferior. Puesto que no tiene sentido hablar de defectos por unidad con valores inferiores a cero, en el caso de que la expresión del límite inferior de control resultara un valor negativo, el límite inferior de control toma el valor cero.

28 GRÁFICOS PARA DEFECTOS u Punto a representar: Línea central: Límites de control:

29 GRÁFICOS PARA DEFECTOS u: Ejemplo Se desea establecer un control de la calidad de un proceso mediante un gráfico de número de defectos por unidad. Durante un período de 20 días se inspeccionaron 10 piezas con los resultados siguientes: n

30 GRÁFICOS PARA DEFECTOS u : Ejemplo El proceso está bajo control puesto que ningún punto está fuera de los límites de control. Se puede observar que el número de defectos por unidad va decreciendo, siendo mayor en la primera parte del gráfico que en la segunda. Aunque no existía condición de fuera de control, se investigó la causa por ser sus efectos beneficiosos (disminuir el número de defectos) y se encontró que a partir del punto 10 se había cambiado un útil de fabricación.

31 GRÁFICOS PARA DEFECTOS: Tamaño de muestra variable u Para cada uno de los subgrupos (de distintos tamaños) calcularemos el número de defectos por unidad u de acuerdo con la expresión. Una vez completo el período calculamos el número medio de defectos por unidad u y los límites de control superior e inferior de acuerdo con las expresiones. En el caso de que la expresión del límite inferior de control resultara un valor negativo, el límite inferior de control toma el valor cero.

32 GRÁFICOS PARA DEFECTOS: Tamaño de muestra variable u Ejemplo Se desea establecer un control de la calidad de un proceso mediante un gráfico de número de defectos por unidad. Durante un período de 20 días se inspeccionaron un número variable de piezas con los resultados que se muestran en la tabla anterior.

33 GRÁFICOS PARA DEFECTOS: Tamaño de muestra variable u Ejemplo El proceso está en estado de control puesto que ningún punto está fuera de los límites de control. Cuando existen muchos tamaños de subgrupos diferentes, es muy complicado el tener que calcular unos límites de control para cada uno por lo que, si la variación entre los tamaños de los subgrupos no es muy grande, se puede hacer una simplificación del método.

34 GRÁFICOS PARA DEFECTOS: Tamaño de muestra variable (mejorada) u Ejemplo Esta simplificación consiste en calcular unos límites de control únicos para todos los subgrupos en base a un "tamaño medio de subgrupo". Las expresiones serían las que aparecen a continuación:

35 GRÁFICOS PARA DEFECTOS c: También podemos construir gráficos de control para defectos por muestra en lugar de defectos por unidad. En estos gráficos se calcula el número de defectos por muestra inspeccionada c. Para cada uno de los subgrupos (todos del mismo tamaño) calcularemos el número de defectos c de acuerdo con la expresión. Una vez completo el período calculamos el número medio de defectos por muestra c y los límites de control superior e inferior de acuerdo con las expresiones. En el caso de que la expresión del límite inferior de control resultara un valor negativo, el límite inferior de control toma el valor cero. Punto a representar: Línea central: Límites de control:

36 GRÁFICOS PARA DEFECTOS c Ejemplo Supongamos que se desea establecer un control de la calidad de un proceso mediante un gráfico de número de defectos por muestra. Durante un período de 20 días se inspeccionaron 10 piezas con los resultados que se muestran en la Tabla siguiente.

37 GRÁFICOS PARA DEFECTOS c Ejemplo El proceso está en estado de control puesto que ningún punto está fuera de los límites de control.

38 INTERPRETACIÓN Y MEJORA El objetivo de la interpretación de los gráficos de control por atributos es determinar cualquier evidencia de que el número medio de defectos o de unidades defectuosas no se mantiene a un nivel constante por la actuación sobre el proceso de causas especiales. Cuando hay puntos por encima del Límite de Control Superior, son señal de que el número medio de unidades defectuosas o de defectos en el proceso ha aumentado. Es necesario detectar la causa especial que lo ha provocado y tomar la medida correctora para evitar que se repita. Sin embargo, cuando, existiendo el Límite de Control Inferior, los puntos se encuentran por debajo de éste, aun existiendo una causa especial actuando sobre el proceso, el efecto es beneficioso (disminución del número medio de unidades defectuosas), por lo que es necesario detectar la causa que lo produce para intentar reproducirla.

39 INTERPRETACIÓN Y MEJORA MEJORA DEL PROCESO Puesto que nuestro objetivo no es sólo el control del proceso sino también su mejora, en cada período de toma de muestras debemos ir disminuyendo el límite de lo que consideramos como razonable en cuanto a unidades defectuosas que viene dado por el LCS. Para ello en el cálculo de los Límites de Control de un Período, los valores medios que utilizaremos serán los menores de estos valores de todos los períodos anteriores.

40 TOMA DE DATOS Cada estudiante recibirá una muestra de tamaño n de tornillos con sus respectivas tuercas de acuerdo a las siguientes características

41 TOMA DE DATOS Cada muestra tiene x defectos A siendo este defecto el siguiente: El hilo y/o el fondo presentan daño que muchas veces se evidencia al enroscar la tuerca

42 TOMA DE DATOS Cada muestra tiene x defectos B siendo este defecto el siguiente: Manchas en la cabeza del tornillo Realizar la toma de datos y desarrollar los gráficos correspondientes (defectos y unidades defectuosas) con sus respectivas conclusiones.

GRÁFICOS DE CONTROL. Datos tipo atributo

GRÁFICOS DE CONTROL. Datos tipo atributo GRÁFICOS DE CONTROL Datos tipo atributo SELECCIÓN DE LOS GRÁFICOS DE CONTROL GRÁFICOS PARA ATRIBUTOS Se distinguen dos grandes grupos: Los gráficos p, 100p y u difieren de los gráficos np y c en que los

Más detalles

Objetivos. Aprender a construir gráficos p y/o np. Aprender a construir gráficos c y u. Cuando usarlos. Epígrafes

Objetivos. Aprender a construir gráficos p y/o np. Aprender a construir gráficos c y u. Cuando usarlos. Epígrafes Objetivos Aprender a construir gráficos p y/o np. Aprender a construir gráficos c y u. Cuando usarlos Epígrafes Introducción a los Gráficos p, np. Interpretación Gráficos c y u. Interpretación 2-1 Gráfico

Más detalles

GRAFICOS DE CONTROL DATOS TIPO VARIABLES

GRAFICOS DE CONTROL DATOS TIPO VARIABLES GRAFICOS DE CONTROL DATOS TIPO VARIABLES OBJETIVO DEL LABORATORIO El objetivo del presente laboratorio es que el estudiante conozca y que sea capaz de seleccionar y utilizar gráficos de control, para realizar

Más detalles

Objetivos. Epígrafes 3-1. Francisco José García Álvarez

Objetivos. Epígrafes 3-1. Francisco José García Álvarez Objetivos Entender el concepto de variabilidad natural de un procesos Comprender la necesidad de los gráficos de control Aprender a diferenciar los tipos de gráficos de control y conocer sus limitaciones.

Más detalles

UNIDAD 12.- Estadística. Tablas y gráficos (tema12 del libro)

UNIDAD 12.- Estadística. Tablas y gráficos (tema12 del libro) UNIDAD 12.- Estadística. Tablas y gráficos (tema12 del libro) 1. ESTADÍSTICA: CLASES Y CONCEPTOS BÁSICOS En sus orígenes históricos, la Estadística estuvo ligada a cuestiones de Estado (recuentos, censos,

Más detalles

Unidad V. Control Estadístico de la Calidad

Unidad V. Control Estadístico de la Calidad UNIVERSIDAD NACIONAL DE INGENIERÍA UNI- NORTE - SEDE REGIONAL ESTELÍ Unidad V. Control Estadístico de la Calidad Objetivos Reconocer los principios estadísticos del control de calidad. Explicar la forma

Más detalles

APLICACIÓN DE LA METODOLOGÍA DE DAUDIN A LOS GRÁFICOS POR ATRIBUTOS

APLICACIÓN DE LA METODOLOGÍA DE DAUDIN A LOS GRÁFICOS POR ATRIBUTOS 27 Congreso Nacional de Estadística e Investigación Operativa Lleida, 8-11 de abril de 2003 APLICACIÓN DE LA METODOLOGÍA DE DAUDIN A LOS GRÁFICOS POR ATRIBUTOS Elena Pérez Bernabeu 1, José M. Jabaloyes

Más detalles

CALCULO INTEGRAL CONCEPTOS DE AREA BAJO LA CURVA. (Se utiliza el valor de la función en el extremo izquierdo de cada subintervalo)

CALCULO INTEGRAL CONCEPTOS DE AREA BAJO LA CURVA. (Se utiliza el valor de la función en el extremo izquierdo de cada subintervalo) CALCULO INTEGRAL CONCEPTOS DE AREA BAJO LA CURVA El problema del área, el problema de la distancia tanto el valor del área debajo de la gráfica de una función como la distancia recorrida por un objeto

Más detalles

1. Los datos siguientes dan el número de ensambles de rodamiento y sello

1. Los datos siguientes dan el número de ensambles de rodamiento y sello 3 2 EJERCICIOS 55 3 2 Ejercicios 1. Los datos siguientes dan el número de ensambles de rodamiento y sello disconformes en muestras de tamaño 100. Construir una carta de control para la fracción disconforme

Más detalles

Tema 5 Algunas distribuciones importantes

Tema 5 Algunas distribuciones importantes Algunas distribuciones importantes 1 Modelo Bernoulli Distribución Bernoulli Se llama experimento de Bernoulli a un experimento con las siguientes características: 1. Se realiza un experimento con dos

Más detalles

Tema 13: Distribuciones de probabilidad. Estadística

Tema 13: Distribuciones de probabilidad. Estadística Tema 13: Distribuciones de probabilidad. Estadística 1. Variable aleatoria Una variable aleatoria es una función que asocia a cada elemento del espacio muestral, de un experimento aleatorio, un número

Más detalles

Teoría de muestras 2º curso de Bachillerato Ciencias Sociales

Teoría de muestras 2º curso de Bachillerato Ciencias Sociales TEORÍA DE MUESTRAS Índice: 1. Introducción----------------------------------------------------------------------------------------- 2 2. Muestras y población-------------------------------------------------------------------------------

Más detalles

LOS GRÁFICOS DE CONTROL

LOS GRÁFICOS DE CONTROL CAPÍTULO IX LOS GRÁFICOS DE CONTROL 9.1 INTRODUCCIÓN En cualquier proceso de generación de productos o servicios, sin importar su buen diseño y/o mantenimiento cuidadoso, siempre existirá cierto grado

Más detalles

2º ESO UNIDAD 14 ESTADÍSTICA Y PROBABILIDAD

2º ESO UNIDAD 14 ESTADÍSTICA Y PROBABILIDAD º ESO UNIDAD 1 ESTADÍSTICA Y PROBABILIDAD 1 1.- CONCEPTOS BÁSICOS Estadística.- Es la ciencia que estudia conjuntos de datos obtenidos de la realidad. Estos datos son interpretados mediante tablas, gráficas

Más detalles

ADMINISTRACION DE OPERACIONES

ADMINISTRACION DE OPERACIONES Sesión4: Métodos cuantitativos ADMINISTRACION DE OPERACIONES Objetivo específico 1: El alumno conocerá y aplicara adecuadamente los métodos de pronóstico de la demanda para planear la actividad futura

Más detalles

Control Estadístico de Procesos Gráficos C y U

Control Estadístico de Procesos Gráficos C y U Control Estadístico de Procesos Gráficos C y U En algunos procesos interesa edir la cantidad de defectos que presentan las unidades de producto que se están fabricando. Por ejeplo, se fabrican teléfonos

Más detalles

INFERENCIA DE LA PROPORCIÓN

INFERENCIA DE LA PROPORCIÓN ESTADISTICA INFERENCIA DE LA PROPORCIÓN DISTRIBUCIÓN MUESTRAL DE PROPORCIONES En una población la proporción de elementos (personas, animales, cosas o entes) que posee una cierta característica es p. En

Más detalles

Capitulo 4. DECISIONES BAJO RIESGO TEORIA DE JUEGOS

Capitulo 4. DECISIONES BAJO RIESGO TEORIA DE JUEGOS Capitulo 4. DECISIONES BAJO RIESGO TEORIA DE JUEGOS INTRODUCCIÓN En el mundo real, tanto en las relaciones económicas como en las políticas o sociales, son muy frecuentes las situaciones en las que, al

Más detalles

INTRODUCCIÓN AL ANÁLISIS DE DATOS ORIENTACIONES (TEMA Nº 7)

INTRODUCCIÓN AL ANÁLISIS DE DATOS ORIENTACIONES (TEMA Nº 7) TEMA Nº 7 DISTRIBUCIONES CONTINUAS DE PROBABILIDAD OBJETIVOS DE APRENDIZAJE: Conocer las características de la distribución normal como distribución de probabilidad de una variable y la aproximación de

Más detalles

PROYECTO GRUPAL. GUIA DE LA ACTIVIDAD DE TRABAJO COLABORATIVO Muestreo y Estimación de Parámetros METODOLOGÍA. Procedimiento:

PROYECTO GRUPAL. GUIA DE LA ACTIVIDAD DE TRABAJO COLABORATIVO Muestreo y Estimación de Parámetros METODOLOGÍA. Procedimiento: PROYECTO GRUPAL GUIA DE LA ACTIVIDAD DE TRABAJO COLABORATIVO Muestreo y Estimación de Parámetros Respetados Estudiantes, A continuación se dan las instrucciones necesarias para su participación en la actividad

Más detalles

ESTADISTICA. Tradicionalmente la aplicación del término estadística se ha utilizado en tres ámbitos:

ESTADISTICA. Tradicionalmente la aplicación del término estadística se ha utilizado en tres ámbitos: ESTADISTICA Tradicionalmente la aplicación del término estadística se ha utilizado en tres ámbitos: a) Estadística como enumeración de datos. b) Estadística como descripción, es decir, a través de un análisis

Más detalles

Interpretación de gráficas 1

Interpretación de gráficas 1 Interpretación de gráficas 1 Dos ejemplos sencillos. 1. El precio de un bolígrafo en la papelería cercana es de 0,30. Calcula y escribe en la tabla siguiente el precio de los bolígrafos que se indican.

Más detalles

Tema 8: Contraste de hipótesis

Tema 8: Contraste de hipótesis Tema 8: Contraste de hipótesis 1 En este tema: Conceptos fundamentales: hipótesis nula y alternativa, nivel de significación, error de tipo I y tipo II, p-valor. Contraste de hipótesis e IC. Contraste

Más detalles

PRÁCTICAS DE ESTADÍSTICA CON R

PRÁCTICAS DE ESTADÍSTICA CON R PRÁCTICAS DE ESTADÍSTICA CON R PRÁCTICA 3: DISTRIBUCIONES DE PROBABILIDAD DISCRETAS Y CONTINUAS 3.1 Distribuciones discretas Las principales ideas que vamos a ir desarrollando a lo largo de la primera

Más detalles

SESION 12 LA DISTRIBUCIÓN BINOMIAL

SESION 12 LA DISTRIBUCIÓN BINOMIAL SESION LA DISTRIBUCIÓN BINOMIAL I. CONTENIDOS:. La distribución omial.. Variables aleatorias en una distribución omial. 3. Descripciones de la distribución omial. 4. Distribución de Poisson. II. OBJETIVOS:

Más detalles

Control Estadístico de Procesos (SPC) para NO estadísticos.

Control Estadístico de Procesos (SPC) para NO estadísticos. Control Estadístico de Procesos (SPC) para NO estadísticos. - Sesión 3ª de 4 - Impartido por: Jaume Ramonet Fernández Ingeniero Industrial Superior PMP (PMI ) Consultoría y Formación Actitud requerida

Más detalles

2.- Tablas de frecuencias

2.- Tablas de frecuencias º BACHILLERATO MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES II TEMA 3.- ESTADÍSTICA DESCRIPTIVA PROFESOR: RAFAEL NÚÑEZ -----------------------------------------------------------------------------------------------------------------------------------------------------------------

Más detalles

Tema 9: Contraste de hipótesis.

Tema 9: Contraste de hipótesis. Estadística 84 Tema 9: Contraste de hipótesis. 9.1 Introducción. El objetivo de este tema es proporcionar métodos que permiten decidir si una hipótesis estadística debe o no ser rechazada, en base a los

Más detalles

Distribuciones Paramétricas

Distribuciones Paramétricas Distribuciones Paramétricas Objetivo: Estudiar el uso de formas matemáticas particulares, llamadas distribuciones paramétricas, para representar las variaciones en los datos. Una distribución paramétrica

Más detalles

Conceptos básicos estadísticos

Conceptos básicos estadísticos Conceptos básicos estadísticos Población Población, en estadística, también llamada universo o colectivo, es el conjunto de elementos de referencia sobre el que se realizan las observaciones. El concepto

Más detalles

Aplicaciones de la Probabilidad en la Industria

Aplicaciones de la Probabilidad en la Industria Tercera parte Aplicaciones de la Probabilidad en la Industria Dr Enrique Villa Diharce CIMAT, Guanajuato, México Verano de probabilidad y estadística CIMAT Guanajuato,Gto Julio 2010 Cartas de control Carta

Más detalles

Muchas variables aleatorias continuas presentan una función de densidad cuya gráfica tiene forma de campana.

Muchas variables aleatorias continuas presentan una función de densidad cuya gráfica tiene forma de campana. Página 1 de 7 DISTRIBUCIÓN NORMAL o campana de Gauss-Laplace Esta distribución es frecuentemente utilizada en las aplicaciones estadísticas. Su propio nombre indica su extendida utilización, justificada

Más detalles

Medidas de centralización

Medidas de centralización 1 1. Medidas de centralización Medidas de centralización Hemos visto cómo el estudio del conjunto de los datos mediante la estadística permite realizar representaciones gráficas, que informan sobre ese

Más detalles

3. ASOCIACIÓN ENTRE DOS VARIABLES CUALITATIVAS

3. ASOCIACIÓN ENTRE DOS VARIABLES CUALITATIVAS 1. INTRODUCCIÓN Este tema se centra en el estudio conjunto de dos variables. Dos variables cualitativas - Tabla de datos - Tabla de contingencia - Diagrama de barras - Tabla de diferencias entre frecuencias

Más detalles

Medidas de Tendencia Central

Medidas de Tendencia Central Medidas de Tendencia Central En cualquier análisis o interpretación, se pueden usar muchas medidas descriptivas que representan las propiedades de tendencia central, variación y forma para resumir las

Más detalles

Tema 3: Cálculo de Probabilidades Unidad 1: Introducción y Concepto

Tema 3: Cálculo de Probabilidades Unidad 1: Introducción y Concepto Estadística Tema 3: Cálculo de Probabilidades Unidad 1: Introducción y Concepto Área de Estadística e Investigación Operativa Licesio J. Rodríguez-Aragón Octubre 2010 Contenidos...............................................................

Más detalles

Teoría de la decisión

Teoría 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 detalles

Ejercicio resuelto Nº 1 Determinar la resistencia equivalente para la asociación:

Ejercicio resuelto Nº 1 Determinar la resistencia equivalente para la asociación: Ejercicio resuelto Nº 1 Determinar la resistencia equivalente para la asociación: R 1 = 2 Ω R 2 = 3 Ω R 4 = 3 Ω A R 3 = 2 Ω B Resolución R7 = 4 Ω R 6 = 4 Ω R 5 = 3 Ω Para llegar a la resistencia equivalente

Más detalles

Matemáticas 2.º Bachillerato. Intervalos de confianza. Contraste de hipótesis

Matemáticas 2.º Bachillerato. Intervalos de confianza. Contraste de hipótesis Matemáticas 2.º Bachillerato Intervalos de confianza. Contraste de hipótesis Depto. Matemáticas IES Elaios Tema: Estadística Inferencial 1. MUESTREO ALEATORIO Presentación elaborada por el profesor José

Más detalles

Tema 8. Muestreo. Indice

Tema 8. Muestreo. Indice Tema 8. Muestreo Indice 1. Población y muestra.... 2 2. Tipos de muestreos.... 3 3. Distribución muestral de las medias.... 4 4. Distribución muestral de las proporciones.... 6 Apuntes realizados por José

Más detalles

Tablas de frecuencias con datos agrupados

Tablas de frecuencias con datos agrupados Tablas de frecuencias con datos agrupados Cuando los valores de la variable son muchos, conviene agrupar los datos en intervalos o clases para así realizar un mejor análisis e interpretación de ellos.

Más detalles

Pruebas de Hipótesis-ANOVA. Curso de Seminario de Tesis Profesor QF Jose Avila Parco Año 2016

Pruebas de Hipótesis-ANOVA. Curso de Seminario de Tesis Profesor QF Jose Avila Parco Año 2016 Pruebas de Hipótesis-ANOVA Curso de Seminario de Tesis Profesor Q Jose Avila Parco Año 2016 Análisis de la Varianza de un factor (ANOVA) El análisis de la varianza (ANOVA) es una técnica estadística paramétrica

Más detalles

TEMA 3: Control Estadístico de la Calidad

TEMA 3: Control Estadístico de la Calidad TEMA 3: Control Estadístico de la Calidad 1. Introducción al control de la calidad. 2. Métodos de mejora de la calidad 3. Gráficos de control de Shewhart: Gráficos c Gráficos np Gráficos X y R 4. Interpretación

Más detalles

Cantidad de producto en preempacados. Presentador: Lic. Douglas Arias Molina Laboratorio Costarricense de Metrología

Cantidad de producto en preempacados. Presentador: Lic. Douglas Arias Molina Laboratorio Costarricense de Metrología Cantidad de producto en preempacados Presentador: Lic. Douglas Arias Molina Laboratorio Costarricense de Metrología RTCA 01.01.11:06 Cantidad de Producto Pre-empacado Decreto 33371-COMEX-MEIC Gaceta N

Más detalles

Cómo introducir Prueba de Hipótesis para una media, utilizando experimentos en el salón de clase.

Cómo introducir Prueba de Hipótesis para una media, utilizando experimentos en el salón de clase. Cómo introducir Prueba de Hipótesis para una media, utilizando experimentos en el salón de clase. M. C. Blanca Evelia Flores Soto. Dpto. de Matemáticas Universidad de Sonora Introducción. Actividad desarrollada

Más detalles

ESTADISTICA Y PROBABILIDAD ESTADÍSTICA

ESTADISTICA Y PROBABILIDAD ESTADÍSTICA ESTADÍSTICA La estadística trata del recuento, ordenación y clasificación de los datos obtenidos por las observaciones, para poder hacer comprobaciones y sacar conclusiones. Un estudio estadístico consta

Más detalles

MEDIDAS DE TENDENCIA CENTRAL

MEDIDAS DE TENDENCIA CENTRAL UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS (Universidad del Perú, DECANA DE AMERICA) MEDIDAS DE TENDENCIA CENTRAL 20/05/2008 Ing. SEMS 2.1 INTRODUCCIÓN En el capítulo anterior estudiamos de qué manera los

Más detalles

METODOLOGÍA DE MUESTREO PARA REPORTE DE TENDENCIAS 4o BÁSICO Y 2o MEDIO SIMCE 2010

METODOLOGÍA DE MUESTREO PARA REPORTE DE TENDENCIAS 4o BÁSICO Y 2o MEDIO SIMCE 2010 METODOLOGÍA DE MUESTREO PARA REPORTE DE TENDENCIAS 4o BÁSICO Y 2o MEDIO SIMCE 2010 SIMCE Unidad de Currículum y Evaluación Ministerio de Educación 2011 Índice 1. Antecedentes Generales 1 2. Metodología

Más detalles

Estudio de fallas asimétricas

Estudio de fallas asimétricas Departamento de Ingeniería Eléctrica Universidad Nacional de Mar del Plata Área Electrotecnia Estudio de fallas asimétricas Autor: Ingeniero Gustavo L. Ferro Prof. Adjunto Electrotecnia EDICION 2012 1.

Más detalles

EL RESORTE ELÁSTICO DETERMINACIÓN DE LA CONSTANTE ELÁSTICA DE UN MUELLE: MÉTODO ESTÁTICO

EL RESORTE ELÁSTICO DETERMINACIÓN DE LA CONSTANTE ELÁSTICA DE UN MUELLE: MÉTODO ESTÁTICO 1 EL RESORTE ELÁSTICO DETERMINACIÓN DE LA CONSTANTE ELÁSTICA DE UN MUELLE: MÉTODO ESTÁTICO 1. Comprobar la ley de Hooke y determinar la constante elástica de un resorte por el método estático. 2. Analizar

Más detalles

PROBABILIDAD. 3.-Determina si son compatibles o incompatibles los sucesos A y B:

PROBABILIDAD. 3.-Determina si son compatibles o incompatibles los sucesos A y B: Ejercicios y problemas 2º Bachillerato C.C.S.S. PROBABILIDAD 1.- Justifica gráficamente las siguientes igualdades: 2.- Tenemos dos urnas la urna I con 1 bola negra, 2 rojas y 3 verdes, y la urna II con

Más detalles

Jesús Eduardo Pulido Guatire, marzo Diagrama de Dispersión y Correlación Lineal Simple

Jesús Eduardo Pulido Guatire, marzo Diagrama de Dispersión y Correlación Lineal Simple Jesús Eduardo Pulido Guatire, marzo 0 Diagrama de Dispersión y Correlación Lineal Simple Hasta el momento el trabajo lo hemos centrado en resumir las características de una variable mediante la organización

Más detalles

DISTRIBUCIONES BIDIMENSIONALES

DISTRIBUCIONES BIDIMENSIONALES La estadística unidimensional estudia los elementos de un conjunto de datos considerando sólo una variable o característica. Si ahora incorporamos, otra variable, y se observa simultáneamente el comportamiento

Más detalles

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

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

Más detalles

MAXIMOS Y MINIMOS RELATIVOS

MAXIMOS Y MINIMOS RELATIVOS MAXIMOS Y MINIMOS RELATIVOS Con cierta frecuencia nos encontramos con la necesidad de buscar la mejor forma de hacer algo. En muchas ocasiones a través de los poderosos mecanismos de cálculo diferencial

Más detalles

Fundamentos de Estadística y Simulación Básica

Fundamentos de Estadística y Simulación Básica Fundamentos de Estadística y Simulación Básica TEMA 2 Estadística Descriptiva Clasificación de Variables Escalas de Medición Gráficos Tabla de frecuencias Medidas de Tendencia Central Medidas de Dispersión

Más detalles

Discretas. Continuas

Discretas. Continuas UNIDAD 0. DISTRIBUCIÓN TEÓRICA DE PROBABILIDAD Discretas Binomial Distribución Teórica de Probabilidad Poisson Normal Continuas Normal Estándar 0.1. Una distribución de probabilidad es un despliegue de

Más detalles

Comprobar experimentalmente la ley de Ohm y las reglas de Kirchhoff. Determinar el valor de resistencias.

Comprobar experimentalmente la ley de Ohm y las reglas de Kirchhoff. Determinar el valor de resistencias. 38 6. LEY DE OHM. REGLAS DE KIRCHHOFF Objetivo Comprobar experimentalmente la ley de Ohm y las reglas de Kirchhoff. Determinar el valor de resistencias. Material Tablero de conexiones, fuente de tensión

Más detalles

Probabilidad: Fórmulas y definiciones básicas. PROBABILIDAD Fórmulas y definiciones básicas

Probabilidad: Fórmulas y definiciones básicas. PROBABILIDAD Fórmulas y definiciones básicas PROAILIDAD Fórmulas y definiciones básicas 1) Definiciones básicas Experimento aleatorio: Aquél en el que interviene el azar (no es posible predecir el resultado de cada realización del experimento). Resultado

Más detalles

Estadística Descriptiva

Estadística Descriptiva M. en C. Juan Carlos Gutiérrez Matus Instituto Politécnico Nacional 2004 IPN UPIICSA c 2004 Juan C. Gutiérrez Matus Desde la segunda mitad del siglo anterior, el milagro industrial sucedido en Japón, hizo

Más detalles

3. ANÁLISIS DE DATOS DE PRECIPITACIÓN.

3. ANÁLISIS DE DATOS DE PRECIPITACIÓN. 3. ANÁLISIS DE DATOS DE PRECIPITACIÓN. Teniendo en cuenta que la mayoría de procesos estadísticos se comportan de forma totalmente aleatoria, es decir, un evento dado no está influenciado por los demás,

Más detalles

PROBABILIDAD Y ESTADÍSTICA

PROBABILIDAD Y ESTADÍSTICA FACULTAD DE INGENIERÍA U N A M PROBABILIDAD Y ESTADÍSTICA Irene Patricia Valdez y Alfaro [email protected] T E M A S DEL CURSO 1. Análisis Estadístico de datos muestrales. 2. Fundamentos de la Teoría de la

Más detalles

1 Introducción. 2 Modelo. Hipótesis del modelo MODELO DE REGRESIÓN LOGÍSTICA

1 Introducción. 2 Modelo. Hipótesis del modelo MODELO DE REGRESIÓN LOGÍSTICA MODELO DE REGRESIÓN LOGÍSTICA Introducción A grandes rasgos, el objetivo de la regresión logística se puede describir de la siguiente forma: Supongamos que los individuos de una población pueden clasificarse

Más detalles

ACTIVIDAD 2: La distribución Normal

ACTIVIDAD 2: La distribución Normal Actividad 2: La distribución Normal ACTIVIDAD 2: La distribución Normal CASO 2-1: CLASE DE BIOLOGÍA El Dr. Saigí es profesor de Biología en una prestigiosa universidad. Está preparando una clase en la

Más detalles

Práctica 2: Periodicidad

Práctica 2: Periodicidad Práctica 2: Periodicidad Apellidos, nombre Apellidos, nombre Grupo Puesto Fecha El objetivo de esta práctica es explorar las utilidades de representación gráfica de MATLAB para observar las especiales

Más detalles

Teorema Central del Límite (1)

Teorema Central del Límite (1) Teorema Central del Límite (1) Definición. Cualquier cantidad calculada a partir de las observaciones de una muestra se llama estadístico. La distribución de los valores que puede tomar un estadístico

Más detalles

ESTADÍSTICA CON EXCEL

ESTADÍSTICA CON EXCEL ESTADÍSTICA CON EXCEL 1. INTRODUCCIÓN La estadística es la rama de las matemáticas que se dedica al análisis e interpretación de series de datos, generando unos resultados que se utilizan básicamente en

Más detalles

Otra característica poblacional de interés es la varianza de la población, 2, y su raíz cuadrada, la desviación estándar de la población,. La varianza

Otra característica poblacional de interés es la varianza de la población, 2, y su raíz cuadrada, la desviación estándar de la población,. La varianza CARACTERÍSTICAS DE LA POBLACIÓN. Una pregunta práctica en gran parte de la investigación de mercado tiene que ver con el tamaño de la muestra. La encuesta, en principio, no puede ser aplicada sin conocer

Más detalles

Matemáticas UNIDAD 5 CONSIDERACIONES METODOLÓGICAS. Material de apoyo para el docente. Preparado por: Héctor Muñoz

Matemáticas UNIDAD 5 CONSIDERACIONES METODOLÓGICAS. Material de apoyo para el docente. Preparado por: Héctor Muñoz CONSIDERACIONES METODOLÓGICAS Material de apoyo para el docente UNIDAD 5 Preparado por: Héctor Muñoz Diseño Gráfico por: www.genesisgrafica.cl LA RELACIÓN DE PROPORCIONALIDAD 1. DESCRIPCIÓN GENERAL DE

Más detalles

POBLACIÓN Y MUESTRAS EN LA INVESTIGACIÓN

POBLACIÓN Y MUESTRAS EN LA INVESTIGACIÓN POBLACIÓN Y MUESTRAS EN LA INVESTIGACIÓN Adela del Carpio Rivera Doctor en Medicina UNIVERSO Conjunto de individuos u objetos de los que se desea conocer algo en una investigación Población o universo

Más detalles

INSTITUCION EDUCATIVA LA PRESENTACION NOMBRE ALUMNA:

INSTITUCION EDUCATIVA LA PRESENTACION NOMBRE ALUMNA: INSTITUCION EDUCATIVA LA PRESENTACION NOMBRE ALUMNA: AREA : MATEMATICAS. ASIGNATURA: MATEMATICAS. NOTA DOCENTE: EDISON MEJIA MONSALVE TIPO DE GUIA: CONCEPTUAL - EJERCITACION PERIODO GRADO FECHA N DURACION

Más detalles

GRUPO A GRUPO B Total = 225 Total = 250. Medidas de tendencia central.

GRUPO A GRUPO B Total = 225 Total = 250. Medidas de tendencia central. Medidas de dispersión o variabilidad Tema 5 Profesor Tevni Grajales G. A dos grupos diferentes de estudiantes se les preguntó cuánto deseaban pagar como cuotas de graduación. En ambos casos el promedio

Más detalles

Ministerio de Educación. Base de datos en la Enseñanza. Open Office. Módulo 5: Informes

Ministerio de Educación. Base de datos en la Enseñanza. Open Office. Módulo 5: Informes Ministerio de Educación Base de datos en la Enseñanza. Open Office Módulo 5: Informes Instituto de Tecnologías Educativas 2011 Informes Los informes son la herramienta encargada de presentar los datos

Más detalles

Guión de Prácticas. PRÁCTICA METROLOGIA. Medición. 2. CONSIDERACIONES PREVIAS a tener en cuenta SIEMPRE

Guión de Prácticas. PRÁCTICA METROLOGIA. Medición. 2. CONSIDERACIONES PREVIAS a tener en cuenta SIEMPRE 1. OBJETIVOS Guión de Prácticas. PRÁCTICA METROLOGIA. Medición Conocimientos de los fundamentos de medición Aprender a utilizar correctamente los instrumentos básicos de medición. 2. CONSIDERACIONES PREVIAS

Más detalles

INTERVALO DE CONFIANZA PARA LA PROPORCIÓN

INTERVALO DE CONFIANZA PARA LA PROPORCIÓN INTERVALO DE CONFIANZA PARA LA PROPORCIÓN Si deseamos estimar la proporción p con que una determinada característica se da en una población, a partir de la proporción p' observada en una muestra de tamaño

Más detalles

Bioestadística para Reumatólogos

Bioestadística para Reumatólogos Bioestadística para Reumatólogos Xavier Barber Vallés Mabel Sánchez Barrioluengo Colaboradores - Umh Todos los datos que se muestran son ficticios Tablas 2x2: Riesgos Relativos y Odds ratio En cada sociedad

Más detalles

Práctica 5 ANÁLISIS DE UNA MUESTRA INTERVALOS DE CONFIANZA CONTRASTE DE HIPÓTESIS

Práctica 5 ANÁLISIS DE UNA MUESTRA INTERVALOS DE CONFIANZA CONTRASTE DE HIPÓTESIS Práctica. Intervalos de confianza 1 Práctica ANÁLISIS DE UNA MUESTRA INTERVALOS DE CONFIANZA CONTRASTE DE HIPÓTESIS Objetivos: Ilustrar el grado de fiabilidad de un intervalo de confianza cuando se utiliza

Más detalles

El PERT: un método eficaz para la planificación de actividades

El PERT: un método eficaz para la planificación de actividades : un método eficaz para la planificación de actividades Breve descripción de la Técnica Pert. Dr. Xavier M. Triadó. Profesor Titular d Economia i Organització d Empreses. UNIVERSITAT DE BARCELONA El PERT:

Más detalles

Definición de probabilidad

Definición de probabilidad Tema 5: LA DISTRIBUCIÓN NORMAL 1. INTRODUCCIÓN A LA PROBABILIDAD: Definición de probabilidad Repaso de propiedades de conjuntos (Leyes de Morgan) Probabilidad condicionada Teorema de la probabilidad total

Más detalles

Tema 2: Estadísticos. Bioestadística. U. Málaga. Tema 2: Estadísticos 1

Tema 2: Estadísticos. Bioestadística. U. Málaga. Tema 2: Estadísticos 1 Bioestadística Tema 2: Estadísticos Tema 2: Estadísticos 1 Parámetros y estadísticos Parámetro: Es una cantidad numérica calculada sobre una población La altura media de los individuos de un país La idea

Más detalles

Tema 11: Integral definida. Aplicaciones al cálculo de áreas

Tema 11: Integral definida. Aplicaciones al cálculo de áreas Tema 11: Integral definida. Aplicaciones al cálculo de áreas 1. Introducción Las integrales nos van a permitir calcular áreas de figuras no geométricas. En nuestro caso, nos limitaremos a calcular el área

Más detalles

Objetivo: Comprender la diferencia entre valor esperado, varianza y desviación estándar. Poner en práctica el teorema de Chebyshev

Objetivo: Comprender la diferencia entre valor esperado, varianza y desviación estándar. Poner en práctica el teorema de Chebyshev PROBABILIDAD Y ESTADÍSTICA Sesión MODELOS ANALÍTICOS DE FENÓMENOS ALEATORIOS CONTINUOS. Definición de variable aleatoria continua. Función de densidad y acumulatíva. Valor esperado, varianza y desviación

Más detalles

Tema 5: Introducción a la inferencia estadística

Tema 5: Introducción a la inferencia estadística Tema 5: Introducción a la inferencia estadística 1. Planteamiento y objetivos 2. Estadísticos y distribución muestral 3. Estimadores puntuales 4. Estimadores por intervalos 5. Contrastes de hipótesis Lecturas

Más detalles

PROBLEMAS Y EJERCICIOS RESUELTOS SOBRE FUERZA ELECTROMOTRIZ, FUERZA CONTRAELECTROMOTRIZ, CIRCUITOD DE CORRIENTE CONTINUA A C B

PROBLEMAS Y EJERCICIOS RESUELTOS SOBRE FUERZA ELECTROMOTRIZ, FUERZA CONTRAELECTROMOTRIZ, CIRCUITOD DE CORRIENTE CONTINUA A C B Ejercicio resuelto Nº 1 Dado el circuito de la figura adjunta: ε = 15 V A r i = 0,5 Ω B R 2 R 1 A C B R 3 R 4 R 1 = 2 Ω ; R 2 = 1 Ω ; R 3 = 2 Ω ; R 4 = 3 Ω Determinar: a) Intensidad de corriente que circula

Más detalles

Ejercicios Resueltos

Ejercicios Resueltos Ejercicios Resueltos Ejercicio 1 La función de transferencia de un sistema de control tiene como expresión: Determinar, aplicando el método de Routh, si el sistema es estable. Para comprobar la estabilidad

Más detalles

UNIDAD 6 Medidas de tendencia central

UNIDAD 6 Medidas de tendencia central UNIDAD Medidas de tendencia central UNIDAD MEDIDAS DE TENDENCIA CENTRAL = EJEMPLO. ó Al estudiar la información estadística de los histogramas y los polígonos de frecuencia, se puso en evidencia un significativo

Más detalles

Modelos de probabilidad. Modelos de probabilidad. Modelos de probabilidad. Proceso de Bernoulli. Objetivos del tema:

Modelos de probabilidad. Modelos de probabilidad. Modelos de probabilidad. Proceso de Bernoulli. Objetivos del tema: Modelos de probabilidad Modelos de probabilidad Distribución de Bernoulli Distribución Binomial Distribución de Poisson Distribución Exponencial Objetivos del tema: Al final del tema el alumno será capaz

Más detalles

TEMA 3. Algunos modelos de probabilidad de tipo discreto. 3.1 Al finalizar el tema el alumno debe conocer...

TEMA 3. Algunos modelos de probabilidad de tipo discreto. 3.1 Al finalizar el tema el alumno debe conocer... TEMA 3. Algunos modelos de probabilidad de tipo discreto En este capítulo se abordan «familias» muy específicas de probabilidad, que con cierta frecuencia se nos presentan en el mundo real. Van a ser distribuciones

Más detalles

Micro y Macroeconomía

Micro y Macroeconomía Micro y Macroeconomía 1 Sesión No. 6 Nombre: Teoría del consumidor Contextualización: La microeconomía como herramienta de análisis nos permite el poder comprender el comportamiento de las personas en

Más detalles

Tema 3: Planeamiento de la Utilidad

Tema 3: Planeamiento de la Utilidad Universidad de Los Andes Núcleo Universitario Rafael Rangel Departamento de Ciencias Económicas, Administrativas y Contables Área: Finanzas Asignatura: Financiamiento I Prof.: Angel Higuerey G. Tema 3:

Más detalles

ANEXO 1. CALIBRADO DE LOS SENSORES.

ANEXO 1. CALIBRADO DE LOS SENSORES. ANEXO 1. CALIBRADO DE LOS SENSORES. Las resistencias dependientes de la luz (LDR) varían su resistencia en función de la luz que reciben. Un incremento de la luz que reciben produce una disminución de

Más detalles

PROPIEDADES DE LOS CAMPOS. Cada campo de una tabla dispone de una serie de características que proporcionan un control

PROPIEDADES DE LOS CAMPOS. Cada campo de una tabla dispone de una serie de características que proporcionan un control PROPIEDADES DE LOS CAMPOS Cada campo de una tabla dispone de una serie de características que proporcionan un control adicional sobre la forma de funcionar del campo. Las propiedades aparecen en la parte

Más detalles

Prueba Integral Lapso /6

Prueba Integral Lapso /6 Prueba Integral Lapso 2 009-2 76 - /6 Universidad Nacional Abierta Probabilidad y Estadística I (76) Vicerrectorado Académico Cód. Carrera: 06-20 - 508 Fecha: 2-2 - 2 009 MODELO DE RESPUESTAS Objetivos,

Más detalles

Una población es el conjunto de todos los elementos a los que se somete a un estudio estadístico.

Una población es el conjunto de todos los elementos a los que se somete a un estudio estadístico. Estadística Definición de Estadística La Estadística trata del recuento, ordenación y clasificación de los datos obtenidos por las observaciones, para poder hacer comparaciones y sacar conclusiones. Un

Más detalles

PREGUNTAS TIPO EXAMEN- ESTADÍSTICA DESCRIPTIVA 2

PREGUNTAS TIPO EXAMEN- ESTADÍSTICA DESCRIPTIVA 2 PREGUNTAS TIPO EXAMEN- ESTADÍSTICA DESCRIPTIVA 2 Preg. 1. Para comparar la variabilidad relativa de la tensión arterial diastólica y el nivel de colesterol en sangre de una serie de individuos, utilizamos

Más detalles

Bloque 1. Contenidos comunes. (Total: 3 sesiones)

Bloque 1. Contenidos comunes. (Total: 3 sesiones) 4º E.S.O. OPCIÓN A 1.1.1 Contenidos 1.1.1.1 Bloque 1. Contenidos comunes. (Total: 3 sesiones) Planificación y utilización de procesos de razonamiento y estrategias de resolución de problemas, tales como

Más detalles

MUESTREO PARA ACEPTACION

MUESTREO PARA ACEPTACION MUESTREO PARA ACEPTACION Inspección de Calidad Consiste en un procedimiento técnico que permite verificar si los materiales, el proceso de fabricación y los productos terminados cumplen con sus respectivas

Más detalles

EJERCICIOS RESUELTOS DE CÁLCULO DE ÁREAS POR INTEGRACIÓN

EJERCICIOS RESUELTOS DE CÁLCULO DE ÁREAS POR INTEGRACIÓN EJERCICIOS RESUELTOS DE CÁLCULO DE ÁREAS POR INTEGRACIÓN.- Calcular el área encerrada por la función: y = 9, el eje OX, y las rectas = f 9 Se trata de un triángulo de base y altura 9 9 El área sombreada

Más detalles

Los estadísticos descriptivos clásicos (Robustez)

Los estadísticos descriptivos clásicos (Robustez) Los estadísticos descriptivos clásicos (Robustez) MUESTRA 0 0 4 6 8 9 MUESTRA 0 0 4 6 8 57 Nº CASOS Media Mediana Moda Desviación Simetría Curtosis MUESTRA,85 4,74 0, -0.688 MUESTRA 6,77 4.8.7.77 Ambas

Más detalles

TEMA 1. MATRICES, DETERMINANTES Y APLICACIÓN DE LOS DETERMINANTES. CONCEPTO DE MATRIZ. LA MATRIZ COMO EXPRESIÓN DE TABLAS Y GRAFOS.

TEMA 1. MATRICES, DETERMINANTES Y APLICACIÓN DE LOS DETERMINANTES. CONCEPTO DE MATRIZ. LA MATRIZ COMO EXPRESIÓN DE TABLAS Y GRAFOS. TEMA 1. MATRICES, DETERMINANTES Y APLICACIÓN DE LOS DETERMINANTES. 1. MATRICES. CONCEPTO DE MATRIZ. LA MATRIZ COMO EXPRESIÓN DE TABLAS Y GRAFOS. DEFINICIÓN: Las matrices son tablas numéricas rectangulares

Más detalles