Carta de Probabilidad de Weibull


Save this PDF as:
 WORD  PNG  TXT  JPG

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

Download "Carta de Probabilidad de Weibull"

Transcripción

1 Carta de Probabilidad de Weibull Israel Jair Pérez Pérez* Israel González Barrera*, José Antonio Ruiz Ayerdi*, Christian Bonilla Monzón*, Antonio Romero Hernández*, Juan José Hurtado Moreno** *alumnos de la maestría de Administración de UPIICSA **maestro de la maestría en Administración. Objetivo El objetivo de este trabajo es mostrar la aplicabilidad en el campo de la ingeniería. Introducción Un tipo de distribución estadística aplicable al estudio de la fiabilidad en problemas relativos a la fatiga y vida de componentes y materiales es la distribución de Weibull, que recibe su nombre del investigador sueco que la desarrolló; esta distribución se caracteriza por considerar la tasa de fallos variable, siendo utilizada por su gran flexibilidad, al poder ajustarse a una gran variedad de funciones de fiabilidad de dispositivos o sistemas. La prevención de pérdidas o seguridad industrial aplicada con rigor científico está basada, en gran parte, en la aplicación de los métodos probabilísticas a los problemas de fallos en los procesos industriales. Todo ello se ha llevado a cabo a través de una disciplina denominada ingeniería de fiabilidad, para la cual se disponen de las adecuadas técnicas de predicción, que han sido fundamentales para el aseguramiento de la calidad de productos y procesos. La distribución de Weibull complementa a la distribución exponencial y a la normal, que son casos particulares de aquella, como veremos. A causa de su mayor complejidad sólo se usa cuando se sabe de antemano que una de ellas es la que mejor describe la distribución de fallos o cuando se han producido muchos fallos (al menos 10) y los tiempos correspondientes no se ajustan a una distribución más simple. En general es de gran aplicación en el campo de la mecánica. Aunque existen dos tipos de soluciones analíticas de la distribución de Weibull (método de los momentos y método de máxima verosimilitud), ninguno de los dos se suele aplicar por su complejidad. En su lugar se utiliza la resolución gráfica a base de determinar un parámetro de origen (t 0 ). Un papel especial para gráficos, llamado papel de Weibull, hace esto posible. El procedimiento gráfico, aunque exige varios pasos y una o dos iteraciones, es relativamente directo y requiere, a lo sumo, álgebra sencilla. La distribución de Weibull nos permite estudiar cuál es la distribución de fallos de un componente clave de seguridad que pretendemos controlar y que a través de nuestro registro de fallos observamos que éstos varían a lo largo del tiempo y dentro de lo que se considera tiempo normal de uso. El método no determina cuáles son las variables que influyen en la tasa de fallos, tarea que quedará en manos del 1/13

2 analista, pero al menos la distribución de Weibull facilitará la identificación de aquellos y su consideración, aparte de disponer de una herramienta de predicción de comportamientos. Esta metodología es útil para aquellas Características generales empresas que desarrollan programas de mantenimiento preventivo de sus instalaciones. Sabemos que la tasa de fallos se puede escribir, en función de la fiabilidad, de la siguiente forma: Siendo: Ó R (t) = exp [ - λ(t) d t ] λ(t) R (t) F (t) t - Tasa de fallos - Fiabilidad - Infiabilidad o Función acumulativa de fallos - Tiempo En 1951 Weibull propuso que la expresión empírica más simple que podía representar una gran variedad de datos reales podía obtenerse escribiendo: Por lo que la fiabilidad será: Siendo: t 0 - parámetro inicial de localización η - parámetro de escala o vida característica ß - parámetro de forma 2/13

3 Se ha podido demostrar que gran cantidad de representaciones de fiabilidades reales pueden ser obtenidas a través de ésta ecuación, que como se mostrará, es de muy fácil aplicación. La distribución de Weibull se representa normalmente por la función acumulativa de distribución de fallos F (t): Siendo la función densidad de probabilidad: La tasa de fallos para esta distribución es: Las ecuaciones (1), (2) y (3) sólo se aplican para valores de (t - t 0 ) 0. Para valores de (t - t 0 ) < 0, las funciones de densidad y la tasa de fallos valen 0. Las constantes que aparecen en las expresiones anteriores tienen una interpretación física: t 0 es el parámetro de posición (unidad de tiempos) 0 vida mínima y define el punto de partida u origen de la distribución. η es el parámetro de escala, extensión de la distribución a lo largo, del eje de los tiempos. Cuando (t - t 0 ) = η la fiabilidad viene dada por: R (t) = exp - (1) ß = 1/exp 1 ß = 1 / 2,718 = 0,368 (36,8%) Entonces la constante representa también el tiempo, medido a partir de t 0 = 0, según lo cual dado que F (t) = 1-0,368 = 0,632, el 63,2 % de la población se espera que falle, cualquiera que sea el valor de ß ya que como hemos visto su valor no influye en los cálculos realizados. Por esta razón también se le llama usualmente vida característica. ß es el parámetro de forma y representa la pendiente de la recta describiendo el grado de variación de la tasa de fallos. Las variaciones de la densidad de probabilidad, tasa de fallos y función acumulativa de fallos en función del tiempo para los distintos valores de ß, están representados gráficamente en la Figura 1. 3/13

4 Fig. 1: Variación de la densidad de probabilidad f (t), tasa de fallos λ(t) y la función acumulativa de fallos F(t) en función del tiempo para distintos valores del parámetro de forma ß Representación de los modos de fallo mediante la distribución de weibull En el estudio de la distribución se pueden dar las siguientes combinaciones de los parámetros de Weibull con mecanismos de fallo particulares: a. t 0 = 0: el mecanismo no tiene una duración de fiabilidad intrínseca, y: o si ß < 1 la tasa de fallos disminuye con la edad sin llegar a cero, por lo que podemos suponer que nos encontramos en la juventud del componente con un margen de seguridad bajo, dando lugar a fallos por tensión de rotura. o si ß = 1 la tasa de fallo se mantiene constante siempre lo que nos indica una característica de fallos aleatoria o pseudoaleatoria. En este caso nos encontramos que la distribución de Weibull es igual a la exponencial. o si ß > 1 la tasa de fallo se incrementa con la edad de forma continua lo que indica que los desgastes empiezan en el momento en que el mecanismo se pone en servicio. o si ß = 3,44 se cumple que la media es igual a la mediana y la distribución de Weibull es sensiblemente igual a la normal. 4/13

5 b. t 0 > 0: El mecanismo es intrínsecamente fiable desde el momento en que fue puesto en servicio hasta que t = t 0, y además: o si ß < 1 hay fatiga u otro tipo de desgaste en el que la tasa de fallo disminuye con el tiempo después de un súbito incremento hasta t 0 ; valores de ß bajos ( ~ 0,5 ) pueden asociarse con ciclos de fatigas bajos y los valores de b más elevados (~ 0,8) con ciclos más altos. o si ß > 1 hay una erosión o desgaste similar en la que la constante de duración de carga disminuye continuamente con el incremento de la carga. c. t 0 < 0. Indica que el mecanismo fue utilizado o tuvo fallos antes de iniciar la toma de datos, de otro modo o si ß < 1 podría tratarse de un fallo de juventud antes de su puesta en servicio, como resultado de un margen de seguridad bajo. o si ß > 1 se trata de un desgaste por una disminución constante de la resistencia iniciado antes de su puesta en servicio, por ejemplo debido a una vida propia limitada que ha finalizado o era inadecuada. Análisis de Weibull Uno de los problemas fundamentales de la distribución de Weibull es la evaluación de los parámetros ( t 0, η, ß) de esta distribución. Para ello se dispone de dos métodos: a través únicamente del cálculo mediante el método de los momentos o el de máxima verosimilitud, en el que intervienen ecuaciones diferenciales difíciles de resolver, por lo que se utilizan poco, y mediante la resolución gráfica, que utiliza un papel a escala funcional llamado papel de Weibull o gráfico de Allen Plait que es el que vamos a desarrollar. Resolución gráfica El papel de Weibull (fig. 2 y 3) está graduado a escala funcional de la siguiente forma: En el eje de ordenadas se tiene: In In [ 1 / 1 - F (t) ] (Doble logaritmo neperiano) En el eje de abscisas, tenemos: In (t - t 0 ) 5/13

6 Fig. 2: Muestra del papel de Weibull Fig. 3: Lectura de los parámetros h y ß en el papel de Weibull 6/13

7 Ejemplo Se realizó el experimento de observación del Tiempo de Vida en tres grupos diferentes de Velas de Cumpleaños para pastel. Y se obtuvieron los siguientes datos: Después se utilizaron las tablas de datos Ranks para asociar la Mediana Ranks con cada observación y así poder graficar en la hoja correspondiente (fig.4): Tiempo: Min.Seg. Fiestita $15 Magivel $15 Alegría $ /13

8 Figura 4. Tabla de Datos Ranks. 8/13

9 Fiestita $15 Magivel $15 Alegría $19 Datos min. Mediana Ranks Datos min. Mediana Ranks Datos min. Mediana Ranks Datos asociados con mediana Ranks. Tabla 1. Adicionalmente a los datos anteriores se les aplico el Análisis Estadístico de Excel y se obtuvieron los siguientes datos: FIESTITA MAGIVEL ALEGRIA Media Media Media Error típico Error típico Error típico Mediana Mediana Mediana Desviación estándar Desviación estándar Desviación estándar Varianza de la muestra Varianza de la muestra Varianza de la muestra Curtosis Curtosis Curtosis Coeficiente de asimetría Coeficiente de asimetría Coeficiente de asimetría Rango 1.99 Rango 3.78 Rango 1.01 Mínimo 8.41 Mínimo 6.27 Mínimo 7.27 Máximo 10.4 Máximo Máximo 8.28 Suma Suma Suma Cuenta 10 Cuenta 10 Cuenta 10 Nivel de confianza(95.0%) Nivel de confianza(95.0%) Nivel de confianza(95.0%) Los puntos de la tabla No.1 se representan en las hojas de Weibull, y quedaron de la siguiente forma, como se muestra en la siguiente figura No.5: 9/13

10 Tres pruebas juntas 25 Abril del 2008 Tiempo de Vida FIESTITA MAGIVEL ALEGRIA > Figura No.5. Datos graficados en la hoja de Weibull de la tabla No.1 10/13

11 Aplicaciones de la Distribución Esta metodología es útil para aquellas empresas que desarrollan programas de mantenimiento preventivo de sus instalaciones. Otros ejemplos prácticos son por ejemplo: Una empresa esta por adquirir un lote de 1000 resistencias especiales para horno, y hay tres diferentes marcas en el mercado, cada una a diferente costo y cada una con diferentes tiempos de vida; para lo cual es conveniente aplicar esta distribución a una muestra de 10 resistencias por cada tipo de marca; y con los resultados obtenidos podremos decidir mejor nuestra compra y obtener un ahorro real. Una empresa mexicana esta por invertir en una nueva maquina Alemana, que tiene un sistema mecánico, un sistema eléctrico y un sistema hidráulico; la empresa mexicana ha investigado con otras empresas que han adquirido maquinas similares y ha logrado reunir datos importantes de tiempos de falla reales en cada uno de los sistemas. Y tales datos pueden ser usados en esta distribución; y de este modo poder determinar un presupuesto real de trabajo para los siguientes cinco años o más, y poder anticiparse a fallas prematuras con un adecuado plan de mantenimiento. Con la finalidad de sacar el mayor beneficio económico de la inversión realizada. La empresa X esta por sacar al mercado un nuevo producto, para lo cual desea ofrecer a los compradores un periodo largo de garantía que haga más atractiva la compra; sin embargo este periodo debe ser provechoso a la empresa; porque de lo contrario los gastos por garantías cobradas, podrían poner en peligro la estabilidad de la empresa. La distribución de Weibull aplicada en los prototipos y en los productos finales, antes de ser aprobados para su producción en masa; resolverían el problema planteado, ya que se podría determinar el valor de γ vida mínima y asignar el periodo conveniente de garantía antes de la primera falla. Esta distribución es aplicada ampliamente en la aeronáutica donde los mantenimientos preventivos deben ser de la más alta fiabilidad a modo de garantizar la seguridad de los pasajeros que hacen uso de las aeronaves. 11/13

12 Conclusiones Las conclusiones de los tres experimentos son: a) La vida mínima γ es menor en la marca MAGIVEL 4 minutos con 60 centésimas, 6 minutos en la marca ALEGRIA y 6 minutos con 50 centésimas en la marca FIESTITA. b) La vida característica η en la marca ALEGRÍA es la más pequeña con un valor de 7 minutos 90 centésimas, en la marca MAGIVEL es de 8 minutos con 80 centésimas y en la marca FIESTITA esta vida característica llega a los 9 minutos con 10 centésimas. c) La mayor forma de β la presenta la marca ALEGRÍA, debido a que su pendiente es la mas pronunciada; por tanto esta es la marca más confiable en función del tiempo y numero de fallas, debido a que la diferencia entre su vida mínima y máxima es la menor de las tres marcas observadas. e) relacionadas a cada una de las marcas. f) La marca menos confiable es MAGIVEL, debido a que su pendiente es la menos pronunciada, y la diferencia entre el valor mínimo y máximo es la mayor de las tres marcas; lo que quiere decir que puede tener varias fallas prematuras antes de que se cumpla el tiempo de vida característico de dicha marca. g) Otro aspecto importante es el costo que es el siguiente: Fiestita $15 Magivel $15 Alegría $19 h) Con todos los datos anteriores, γ, η, µ y costo; podemos decir que la mejor marca es FIESTITA. Esta conclusión se aprecia también en la figura No.5 donde se ilustran las tres marcas. i) Peor marca: MAGIVEL. d) La forma β en los tres experimentos es mayor de 6.0; por lo que las tres marcas de velas tienen un comportamiento normal en función del tiempo, sin grandes variaciones de vida entre las muestras observadas y 12/13

13 Referencias en la soporte.com/documentos/fundamento s%20del%20analisis%20de%20weibu belectronicas/revistaforestal/vol44-2/articulo44_2_5.pdf 13/13

GUÍA DE TRABAJO No.4

GUÍA DE TRABAJO No.4 INSTITUCIÓN EDUCATIVA JOSÉ JOAQUIN FLOREZ HERNANDEZ JORNADA TARDE ALUMNO: CÓDIGO : GRADO: 9 C - D ASIGNATURA : MATEMÁTICAS FECHA : UNIDAD 2: RELACIONES Y FUNCIONES PERÍODO : 2 GUÍA DE TRABAJO No.4 Definición

Más detalles

CASOS DE LA FUNCIÓN AFÍN

CASOS DE LA FUNCIÓN AFÍN CASOS DE LA FUNCIÓN AFÍN Considera que el precio de un artículo es de Bs 80. Conocido el precio unitario (precio por unidad) es posible calcular fácilmente el precio de varios artículos con solo multiplicar

Más detalles

1. Conocimientos previos. 1 Funciones exponenciales y logarítmicas.

1. Conocimientos previos. 1 Funciones exponenciales y logarítmicas. . Conocimientos previos. Funciones exponenciales y logarítmicas.. Conocimientos previos. Antes de iniciar el tema se deben de tener los siguientes conocimientos básicos: Intervalos y sus definiciones básicas.

Más detalles

PROBABILIDAD Y ESTADÍSTICA. Sesión 5 (En esta sesión abracamos hasta tema 5.8)

PROBABILIDAD Y ESTADÍSTICA. Sesión 5 (En esta sesión abracamos hasta tema 5.8) PROBABILIDAD Y ESTADÍSTICA Sesión 5 (En esta sesión abracamos hasta tema 5.8) 5 DISTRIBUCIONES DE PROBABILIDAD CONTINUAS Y MUESTRALES 5.1 Distribución de probabilidades de una variable aleatoria continua

Más detalles

1.2.2. Técnicas estadísticas más utilizadas en la investigación

1.2.2. Técnicas estadísticas más utilizadas en la investigación Contenido PRÓLOGO... 1. LA ESTADÍSTICA COMO HERRAMIENTA EN LA INVESTIGACIÓN TURÍSTICA 1.1. EL TURISMO Y LA ESTADÍSTICA... 2 1.1.1. El turismo... 2 1.1.2. La estadística... 4 1.2. LA ESTADÍSTICA Y LA INVESTIGACIÓN

Más detalles

MATEMÁTICAS 2º DE ESO

MATEMÁTICAS 2º DE ESO MATEMÁTICAS 2º DE ESO LOE TEMA VII: FUNCIONES Y GRÁFICAS Coordenadas cartesianas. Concepto de función. Tabla y ecuación. Representación gráfica de una función. Estudio gráfico de una función. o Continuidad

Más detalles

Variable Aleatoria. Relación de problemas 6

Variable Aleatoria. Relación de problemas 6 Relación de problemas 6 Variable Aleatoria. Consideremos el experimento aleatorio consistente en lanzar dos dados equilibrados y observar el número máximo de los dos números obtenidos en ellos. Si X es

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

Lic. Manuel de Jesús Campos Boc

Lic. Manuel de Jesús Campos Boc UNIVERSIDAD MARIANO GÁLVEZ DE GUATEMALA FACULTAD DE CIENCIAS DE LA ADMINISTRACIÓN DIRECCIÓN GENERAL DE CENTRO UNIVERSITARIOS CENTRO UNIVERSITARIO DE VILLA NUEVA CURSO MATEMÁTICAS APLICADA I 01 Lic. Manuel

Más detalles

ESTADÍSTICA INFERENCIAL

ESTADÍSTICA INFERENCIAL ESTADÍSTICA INFERENCIAL ESTADÍSTICA INFERENCIAL 1 Sesión No. 7 Nombre: Distribuciones de probabilidad para variables aleatorias continuas Contextualización Al igual que la distribución binomial, la distribución

Más detalles

UNIDAD II. VARIACION DIRECTAMENTE PROPORCIONAL Y FUNCIONES LINEALES

UNIDAD II. VARIACION DIRECTAMENTE PROPORCIONAL Y FUNCIONES LINEALES UNIDAD II. VARIACION DIRECTAMENTE PROPORCIONAL Y FUNCIONES LINEALES Al finalizar esta unidad: - Describirás verbalmente en que consiste el cambio y cuáles son los aspectos involucrados en él. - Identificarás

Más detalles

Part I. Variables aleatorias unidimensionales. Estadística I. Mario Francisco. Definición de variable aleatoria. Variables aleatorias discretas

Part I. Variables aleatorias unidimensionales. Estadística I. Mario Francisco. Definición de variable aleatoria. Variables aleatorias discretas Part I unidimensionales de s de s Definición Dado un experimento aleatorio, con espacio muestral asociado Ω, una es cualquier función, X, X : Ω R que asocia a cada suceso elemental un número real, verificando

Más detalles

MANUAL DE LABORATORIO DE FÍSICA GENERAL 9ª Edición EXPERIENCIA N 02

MANUAL DE LABORATORIO DE FÍSICA GENERAL 9ª Edición EXPERIENCIA N 02 GRÁFICAS EXPERIENCIA N René Descartes "Consideraría que no sé nada de Física si tan sólo fuese capaz de epresar cómo deben ser las cosas, pero fuese incapaz de demostrar que no pueden ser de otra manera

Más detalles

DISTRIBUCIONES DE PROBABILIDAD

DISTRIBUCIONES DE PROBABILIDAD DISTRIBUCIONES DE PROBABILIDAD Se llama variable aleatoria a toda función que asocia a cada elemento del espacio muestral E un número real. Una variable aleatoria discreta es aquella que sólo puede tomar

Más detalles

Indicaciones para el lector... xv Prólogo... xvii

Indicaciones para el lector... xv Prólogo... xvii ÍNDICE Indicaciones para el lector... xv Prólogo... xvii 1. INTRODUCCIÓN Qué es la estadística?... 3 Por qué estudiar estadística?... 5 Empleo de modelos en estadística... 6 Perspectiva hacia el futuro...

Más detalles

CINETICA QUIMICA. ó M s s

CINETICA QUIMICA. ó M s s CINETICA QUIMICA La Cinética Química se encarga de estudiar las características de una reacción química, con respecto a su velocidad y a sus posibles mecanismos de explicación. La velocidad de una reacción

Más detalles

UNIVERSIDAD AUTONOMA DEL ESTADO DE MEXICO ESCUELA PREPARATORIA TEXCOCO

UNIVERSIDAD AUTONOMA DEL ESTADO DE MEXICO ESCUELA PREPARATORIA TEXCOCO UNIVERSIDAD AUTONOMA DEL ESTADO DE MEXICO ESCUELA PREPARATORIA TEXCOCO MEDIDAS DE TENDENCIA CENTRAL Y DE DISPERSIÓN PARA DATOS NO AGRUPADOS MATERIAL DIDACTICO SOLO VISION ASIGNATURA QUE CORRESPONDE: ESTADISTICA

Más detalles

-, se pide: b) Calcula el área del recinto limitado por dicha gráfica, el eje horizontal y la vertical que pasa por el máximo relativo de la curva.

-, se pide: b) Calcula el área del recinto limitado por dicha gráfica, el eje horizontal y la vertical que pasa por el máximo relativo de la curva. EJERCICIOS PARA PREPARAR EL EXAMEN GLOBAL DE ANÁLISIS ln ) Dada la función f ( ) = +, donde ln denota el logaritmo - 4 neperiano, se pide: a) Determinar el dominio de f y sus asíntotas b) Calcular la recta

Más detalles

FACULTAD DE CIENCIAS EXACTAS Y NATURALES BIOFÍSICA I y LABORATORIO. REPRESENTACION y ANÁLISIS DE DATOS EXPERIMENTALES

FACULTAD DE CIENCIAS EXACTAS Y NATURALES BIOFÍSICA I y LABORATORIO. REPRESENTACION y ANÁLISIS DE DATOS EXPERIMENTALES FACULTAD DE CIENCIAS EXACTAS Y NATURALES BIOFÍSICA I LABORATORIO REPRESENTACION ANÁLISIS DE DATOS EXPERIMENTALES Objetivos 1) Presentar debidamente tablas de datos experimentales 2) Aprender el protocolo

Más detalles

BIBLIOTECA VIRTUAL de Derecho, Economía y Ciencias Sociales. LECCIÓN CINCO: El mercado de productos (curva IS) y el mercado de dinero (curva LM).

BIBLIOTECA VIRTUAL de Derecho, Economía y Ciencias Sociales. LECCIÓN CINCO: El mercado de productos (curva IS) y el mercado de dinero (curva LM). Enciclopedia Virtual Biblioteca Virtual Revistas Servicios Eumed.net Todo en eumed.net: BIBLIOTECA VIRTUAL de Derecho, Economía y Ciencias Sociales APUNTES DE MACROECONOMÍA Martín Carlos Ramales Osorio

Más detalles

MANTENIMIENTO INDUSTRIAL.

MANTENIMIENTO INDUSTRIAL. REPÚBLICA BOLIVARIANA DE VENEZUELA UNIVERSIDAD ALONSO DE OJEDA FACULTAD DE INGENIERÍA ESCUELA DE INDUSTRIAL MANTENIMIENTO INDUSTRIAL. Realizado por: Ing. Danmelys Perozo UNIDAD II: ESTADÍSTICAS DE FALLAS

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

MATEMÁTICAS APLICADAS A LAS C.C. SOCIALES

MATEMÁTICAS APLICADAS A LAS C.C. SOCIALES MATEMÁTICAS APLICADAS A LAS C.C. SOCIALES CAPÍTULO 5 Curso preparatorio de la prueba de acceso a la universidad para mayores de 25 años curso 2010/11 Nuria Torrado Robles Departamento de Estadística Universidad

Más detalles

ESCUELA COMERCIAL CÁMARA DE COMERCIO EXTENSIÓN DE ESTUDIOS PROFESIONALES MAESTRÍA EN ADMINISTRACIÓN

ESCUELA COMERCIAL CÁMARA DE COMERCIO EXTENSIÓN DE ESTUDIOS PROFESIONALES MAESTRÍA EN ADMINISTRACIÓN CICLO, ÁREA O MÓDULO: TERCER CUATRIMESTRE OBJETIVO GENERAL DE LA ASIGNATURA: Al termino del curso el alumno efectuara el análisis ordenado y sistemático de la Información, a través del uso de las técnicas

Más detalles

Algunas Distribuciones Continuas de Probabilidad. UCR ECCI CI-1352 Probabilidad y Estadística Prof. M.Sc. Kryscia Daviana Ramírez Benavides

Algunas Distribuciones Continuas de Probabilidad. UCR ECCI CI-1352 Probabilidad y Estadística Prof. M.Sc. Kryscia Daviana Ramírez Benavides Algunas Distribuciones Continuas de Probabilidad UCR ECCI CI-1352 Probabilidad y Estadística Prof. M.Sc. Kryscia Daviana Ramírez Benavides Introducción El comportamiento de una variable aleatoria queda

Más detalles

Tema 5: Principales Distribuciones de Probabilidad

Tema 5: Principales Distribuciones de Probabilidad Tema 5: Principales Distribuciones de Probabilidad Estadística. 4 o Curso. Licenciatura en Ciencias Ambientales Licenciatura en Ciencias Ambientales (4 o Curso) Tema 5: Principales Distribuciones de Probabilidad

Más detalles

LABORATORIO DE MECÁNICA ANÁLISIS GRÁFICO

LABORATORIO DE MECÁNICA ANÁLISIS GRÁFICO No 0.2 LABORATORIO DE MECÁNICA DEPARTAMENTO DE FISICA Y GEOLOGIA UNIVERSIDAD DE PAMPLONA FACULTAD DE CIENCIAS BÁSICAS Objetivos 1. Aprender a identificar las variables que intervienen en un experimento

Más detalles

Distribución binomial

Distribución binomial Distribución binomial Cuando la Distribución de Benoulli se preguntaba Que pasara si sucede un único evento? la binomial esta asociada a la pregunta " Cuantas veces hay que realizar la prueba para que

Más detalles

Unidad IV: Distribuciones muestrales

Unidad IV: Distribuciones muestrales Unidad IV: Distribuciones muestrales 4.1 Función de probabilidad En teoría de la probabilidad, una función de probabilidad (también denominada función de masa de probabilidad) es una función que asocia

Más detalles

CAPITULO 5 : METODOS DE EXTRAPOLACION DE LA CURVA ALTURA - GASTO PARA VALORES EXTREMOS SUPERIORES

CAPITULO 5 : METODOS DE EXTRAPOLACION DE LA CURVA ALTURA - GASTO PARA VALORES EXTREMOS SUPERIORES CAPITULO 5 : METODOS DE EXTRAPOLACION DE LA CURVA ALTURA - GASTO PARA VALORES EXTREMOS SUPERIORES 5.1 GENERALIDADES Debido a que en las épocas de avenida (Dic-Abr), es imposible aforar con correntómetro,

Más detalles

FUNDAMENTOS DEL ANÁLISIS DE WEIBULL Por Robert B. Abernethy, FL, USA

FUNDAMENTOS DEL ANÁLISIS DE WEIBULL Por Robert B. Abernethy, FL, USA FUNDAMENTOS DEL ANÁLISIS DE WEIBULL Por Robert B. Abernethy, FL, USA El análisis de Weibull es la técnica mayormente elegida para estimar una probabilidad, basada en datos medidos o asumidos. La distribución

Más detalles

APUNTES ACERCA DE LA ECUACIÓN DE LA RECTA

APUNTES ACERCA DE LA ECUACIÓN DE LA RECTA Introducción APUNTES ACERCA DE LA ECUACIÓN DE LA RECTA Se denomina solución de una ecuación al valor o conjunto de valores de la(s) incógnita(s) que verifican la igualdad. Así por ejemplo decimos que x

Más detalles

Estudio de un modelo lineal EL CASO DE RESISTIVIDAD ELÉCTRICA

Estudio de un modelo lineal EL CASO DE RESISTIVIDAD ELÉCTRICA Estudio de un modelo lineal EL CASO DE RESISTIVIDAD ELÉCTRICA OBJETIVOS Encontrar la relación que existe entre la resistencia eléctrica, R, y la longitud, L, para determinado material escribiendo su ecuación

Más detalles

Ecuaciones Lineales en Dos Variables

Ecuaciones Lineales en Dos Variables Ecuaciones Lineales en Dos Variables Una ecuación lineal en dos variables tiene la forma general a + b + c = 0; donde a, b, c representan números reales las tres no pueden ser iguales a cero a la misma

Más detalles

NOCIONES PRELIMINARES (*) 1

NOCIONES PRELIMINARES (*) 1 CONJUNTOS NOCIONES PRELIMINARES (*) 1 Conjunto no es un término definible, pero da idea de una reunión de cosas ( elementos ) que tienen algo en común. En matemática los conjuntos se designan con letras

Más detalles

Lección 11: Ecuaciones lineales con dos incógnitas

Lección 11: Ecuaciones lineales con dos incógnitas Lección : Ecuaciones lineales con dos incógnitas Ecuaciones con dos incógnitas Eisten muchos problemas que pueden plantearse a través de ecuaciones con más de una incógnita. Veamos el siguiente ejemplo:

Más detalles

Teorema de Bayes. mientras que B tiene una tasa de defectos del 4%.

Teorema de Bayes. mientras que B tiene una tasa de defectos del 4%. Teorema de Bayes Ejemplo: En una empresa manufacturera, una máquina A produce el 60% de la producción total, mientras que una máquina B el restante 40%. 71 El 2% de las unidades producidas por A son defectuosas,

Más detalles

Y = ßo + ß1X + ε. La función de regresión lineal simple es expresado como:

Y = ßo + ß1X + ε. La función de regresión lineal simple es expresado como: 1 Regresión Lineal Simple Cuando la relación funcional entre las variables dependiente (Y) e independiente (X) es una línea recta, se tiene una regresión lineal simple, dada por la ecuación donde: Y =

Más detalles

3. VARIABLES ALEATORIAS

3. VARIABLES ALEATORIAS . VARIABLES ALEATORIAS L as variables aleatorias se clasiican en discretas y continuas, dependiendo del número de valores que pueden asumir. Una variable aleatoria es discreta si sólo puede tomar una cantidad

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

I. Análisis gráfico de un experimento físico

I. Análisis gráfico de un experimento físico I. Análisis gráfico de un experimento físico Objetivos 1) Aprender a identificar las variables que intervienen en un experimento físico 2) Aprender a elaborar correctamente gráficas en papel milimetrado

Más detalles

Uso de la simulación en hoja de cálculo como herramienta pedagógica para la inferencia estadística.

Uso de la simulación en hoja de cálculo como herramienta pedagógica para la inferencia estadística. USO DE LA SIMULACIÓN EN HOJA DE CÁLCULO COMO HERRAMIENTA PEDAGÓGICA PARA LA INFERENCIA ESTADÍSTICA: APLICACIÓN A LAS PROPIEDADES CLÁSICAS DE LOS ESTIMADORES Carlos Martínez de Ibarreta Zorita Departamento

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

Función logarítmica (parte 2)

Función logarítmica (parte 2) Semana 3 3 Empecemos! La semana anterior estudiamos el concepto de logaritmo y sus propiedades. Para iniciar esta semana veremos cómo la operación del logaritmo también puede definirse como una función,

Más detalles

Del mismo modo, si el coche empieza a descender por una colina, todavía se puede determinar la pendiente.

Del mismo modo, si el coche empieza a descender por una colina, todavía se puede determinar la pendiente. FUNCIÓN AFÍN. PENDIENTE DE UNA RECTA Suponga que tiene un avión de juguete sobre el despegue, que se eleva 5 pies por cada 6 metros que recorre a lo largo de la horizontal. Cuál sería la pendiente de su

Más detalles

Agro 6998 Conferencia 2. Introducción a los modelos estadísticos mixtos

Agro 6998 Conferencia 2. Introducción a los modelos estadísticos mixtos Agro 6998 Conferencia Introducción a los modelos estadísticos mixtos Los modelos estadísticos permiten modelar la respuesta de un estudio experimental u observacional en función de factores (tratamientos,

Más detalles

EL PAPEL DE LA ESTADISTICA EN O Y M. Objetivo: Identificar índices estadísticos, y métodos más convenientes, para aplicarlos en el estudio de O y M.

EL PAPEL DE LA ESTADISTICA EN O Y M. Objetivo: Identificar índices estadísticos, y métodos más convenientes, para aplicarlos en el estudio de O y M. EL PAPEL DE LA ESTADISTICA EN O Y M Objetivo: Identificar índices estadísticos, y métodos más convenientes, para aplicarlos en el estudio de O y M. O y M necesita apoyarse en la estadística que en casos

Más detalles

El alumno debe responder a una de las dos opciones propuestas, A o B. En cada pregunta se señala la puntuación máxima. OPCIÓN A

El alumno debe responder a una de las dos opciones propuestas, A o B. En cada pregunta se señala la puntuación máxima. OPCIÓN A Prueba de Acceso a la Universidad SEPTIEMBRE Bachillerato de Ciencias Sociales El alumno debe responder a una de las dos opciones propuestas, A o B En cada pregunta se señala la puntuación máima OPCIÓN

Más detalles

SECCIÓN 3 PRESENTACION DE ESTADOS FINANCIEROS

SECCIÓN 3 PRESENTACION DE ESTADOS FINANCIEROS SECCIÓN 3 PRESENTACION DE ESTADOS FINANCIEROS PRESENTACIÓN DE ESTADOS FINANCIEROS Los estados financieros son representaciones estructuradas basados en la situación financiera de la entidad el rendimiento

Más detalles

Unidad Temática 3: Probabilidad y Variables Aleatorias

Unidad Temática 3: Probabilidad y Variables Aleatorias Unidad Temática 3: Probabilidad y Variables Aleatorias 1) Qué entiende por probabilidad? Cómo lo relaciona con los Sistemas de Comunicaciones? Probabilidad - Definiciones Experimento aleatorio: Un experimento

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

LA REGRESIÓN LINEAL: HERRAMIENTA PARA EL DATOS EXPERIMENTALES EN TERMODINÁMICA

LA REGRESIÓN LINEAL: HERRAMIENTA PARA EL DATOS EXPERIMENTALES EN TERMODINÁMICA MEMORIAS DEL XXVII CONGRESO NACIONAL DE TERMODINÁMICA ISBN: 978-607-7593-08-9 Toluca, Estado de México 10-14 de septiembre de 2012 Trabajo en extenso LA REGRESIÓN LINEAL: HERRAMIENTA PARA EL PROCESO DE

Más detalles

MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES II DISTRITO ÚNICO DE ANDALUCÍA

MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES II DISTRITO ÚNICO DE ANDALUCÍA MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES II DISTRITO ÚNICO DE ANDALUCÍA CONTENIDOS Y OBJETIVOS MÍNIMOS PARA EL CURSO 2007/08. 1. INTRODUCCIÓN A LOS CONTENIDOS. ( Decreto 208/2002. B.O.J.A. de 20.08.02

Más detalles

Distancia focal de una lente divergente II (método de la lente convergente)

Distancia focal de una lente divergente II (método de la lente convergente) Distancia focal de una lente divergente II (método de la lente convergente) Fundamento Las imágenes proporcionadas por las lentes divergentes son virtuales cuando el objeto es real. La construcción geométrica

Más detalles

Ejemplos y ejercicios de. Estadística Descriptiva. yanálisis de Datos. 2 Descripción estadística de una variable. Ejemplos y ejercicios.

Ejemplos y ejercicios de. Estadística Descriptiva. yanálisis de Datos. 2 Descripción estadística de una variable. Ejemplos y ejercicios. ESTADÍSTICA DESCRIPTIVA Y ANÁLISIS DE DATOS Ejemplos y ejercicios de Estadística Descriptiva yanálisis de Datos Diplomatura en Estadística Curso 007/08 Descripción estadística de una variable. Ejemplos

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

1 - TEORIA DE ERRORES : distribución de frecuencias

1 - TEORIA DE ERRORES : distribución de frecuencias - TEORIA DE ERRORES : distribución de frecuencias CONTENIDOS Distribución de Frecuencias. Histograma. Errores de Apreciación. Propagación de errores. OBJETIVOS Representar una serie de datos mediante un

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

Ley de enfriamiento de Newton considerando reservorios finitos

Ley de enfriamiento de Newton considerando reservorios finitos Ley de enfriamiento de Newton considerando reservorios finitos María ecilia Molas, Florencia Rodriguez Riou y Débora Leibovich Facultad de Ingeniería, iencias Exactas y Naturales Universidad Favaloro,.

Más detalles

UNIDAD DIDÁCTICA 5: Geometría analítica del plano

UNIDAD DIDÁCTICA 5: Geometría analítica del plano UNIDAD DIDÁCTICA 5: Geometría analítica del plano 1. ÍNDICE 1. Sistemas de referencia y coordenadas puntuales 2. Distancia entre dos puntos del plano 3. Coordenadas del punto medio de un segmento 4. La

Más detalles

La Estadística en el Mantenimiento y Reemplazo Óptimo en el Control de Calidad

La Estadística en el Mantenimiento y Reemplazo Óptimo en el Control de Calidad Universidad Autónoma Metropolitana-Iztapalapa División de Ciencias Básicas e Ingeniería La Estadística en el Mantenimiento y Reemplazo Óptimo en el Control de Calidad Tesis Que para obtener el grado de:

Más detalles

CENTRO REGIONAL UNIVERSITARIO BARILOCHE TALLER DE MATEMATICA INGRESO 2016 LIC. ENFERMERÍA PRACTICO UNIDAD 3

CENTRO REGIONAL UNIVERSITARIO BARILOCHE TALLER DE MATEMATICA INGRESO 2016 LIC. ENFERMERÍA PRACTICO UNIDAD 3 PRACTICO UNIDAD 3 Nota: Los ejercicios propuestos en los prácticos deben servirle para afianzar y practicar temas. Si nota que algunos ejercicios ya los sabe hacer bien, continúe con otros que le impliquen

Más detalles

CAPÍTULO 4 RECOPILACIÓN DE DATOS Y CÁLCULO DEL VPN. En el presente capítulo se presenta lo que es la recopilación de los datos que se tomarán

CAPÍTULO 4 RECOPILACIÓN DE DATOS Y CÁLCULO DEL VPN. En el presente capítulo se presenta lo que es la recopilación de los datos que se tomarán CAPÍTULO 4 RECOPILACIÓN DE DATOS Y CÁLCULO DEL VPN En el presente capítulo se presenta lo que es la recopilación de los datos que se tomarán para realizar un análisis, la obtención del rendimiento esperado

Más detalles

Estadísticas Pueden ser

Estadísticas Pueden ser Principios Básicos Para iniciar en el curso de Diseño de experimentos, es necesario tener algunos conceptos claros en la parte de probabilidad y estadística. A continuación se presentan los conceptos más

Más detalles

GEOMETRÍA ANALÍTICA DEL PLANO

GEOMETRÍA ANALÍTICA DEL PLANO GEOMETRÍA ANALÍTICA DEL PLANO 1 UNIDAD DIDÁCTICA 5: Geometría analítica del plano 1. ÍNDICE 1. Sistemas de referencia y coordenadas puntuales 2. Distancia entre dos puntos del plano 3. Coordenadas del

Más detalles

DERIVADAS. TVM (a, b) = = h. La tasa de variación media se puede interpretar como la pendiente de la recta AB de la figura siguiente:

DERIVADAS. TVM (a, b) = = h. La tasa de variación media se puede interpretar como la pendiente de la recta AB de la figura siguiente: Tasa de variación media DERIVADAS La tasa de variación media TVM de una unción ( en un intervalo (x, x se deine como: TVM (a, b ( x ( x x x Si consideramos x x + h, podemos expresar la TVM como: Interpretación

Más detalles

CAPÍTULO III EL ACERO ESTRUCTURAL EN EL HORMIGON ARMADO

CAPÍTULO III EL ACERO ESTRUCTURAL EN EL HORMIGON ARMADO CAPÍTULO III EL ACERO ESTRUCTURAL EN EL HORMIGON ARMADO 3.1 INTRODUCCION: El acero es una aleación basada en hierro, que contiene carbono y pequeñas cantidades de otros elementos químicos metálicos. Generalmente

Más detalles

Estadística Aplicada

Estadística Aplicada Estadística Aplicada Distribuciones de Probabilidad Variables aleatorias Toman un valor numérico para cada resultado de un espacio muestral Discretas. Sus valores posibles constituyen un conjunto discreto.

Más detalles

El subconjunto en el que se define la función se llama dominio o campo existencia de la función. Se designa por D.

El subconjunto en el que se define la función se llama dominio o campo existencia de la función. Se designa por D. Concepto de función Función real de variable real es toda correspondencia f que asocia a cada elemento de un determinado subconjunto de números reales, llamado dominio, otro número real (uno y sólo uno).

Más detalles

Unidad IV. Una variable aleatoria X es continua si su función de distribución es una función continua.

Unidad IV. Una variable aleatoria X es continua si su función de distribución es una función continua. Unidad IV Distribuciones de Probabilidad Continuas 4.1. Definición de variable aleatoria continúa. Una variable aleatoria X es continua si su función de distribución es una función continua. En la práctica,

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

Estadís5ca. María Dolores Frías Domínguez Jesús Fernández Fernández Carmen María Sordo. Tema 2. Modelos de regresión

Estadís5ca. María Dolores Frías Domínguez Jesús Fernández Fernández Carmen María Sordo. Tema 2. Modelos de regresión Estadís5ca Tema 2. Modelos de regresión María Dolores Frías Domínguez Jesús Fernández Fernández Carmen María Sordo Departamento de Matemá.ca Aplicada y Ciencias de la Computación Este tema se publica bajo

Más detalles

Guía Práctica N 11 ECUACIÓN DE SEGUNDO GRADO Y FUNCIÓN CUADRÁTICA

Guía Práctica N 11 ECUACIÓN DE SEGUNDO GRADO Y FUNCIÓN CUADRÁTICA Fuente: PreUniversitario Pedro de Valdivia Guía Práctica N 11 ECUACIÓN DE SEGUNDO GRADO Y FUNCIÓN CUADRÁTICA Una ecuación de segundo grado es una ecuación susceptible de llevar a la forma a + b + c = 0,

Más detalles

Variables aleatorias. Tema Introducción Variable aleatoria. Contenido

Variables aleatorias. Tema Introducción Variable aleatoria. Contenido Tema 4 Variables aleatorias En este tema se introduce el concepto de variable aleatoria y se estudian los distintos tipos de variables aleatorias a un nivel muy general, lo que nos permitirá manejar los

Más detalles

TEMA N 2 RECTAS EN EL PLANO

TEMA N 2 RECTAS EN EL PLANO 2.1 Distancia entre dos puntos1 TEMA N 2 RECTAS EN EL PLANO Sean P 1 (x 1, y 1 ) y P 2 (x 2, y 2 ) dos puntos en el plano. La distancia entre los puntos P 1 y P 2 denotada por d = esta dada por: (1) Demostración

Más detalles

Distancia focal de una lente convergente (método del desplazamiento) Fundamento

Distancia focal de una lente convergente (método del desplazamiento) Fundamento Distancia focal de una lente convergente (método del desplazamiento) Fundamento En una lente convergente delgada se considera el eje principal como la recta perpendicular a la lente y que pasa por su centro.

Más detalles

Unidad 1: Espacio de Probabilidad

Unidad 1: Espacio de Probabilidad Unidad 1: Espacio de Probabilidad 1.1 Espacios de Probabilidad. (1) Breve introducción histórica de las probabilidades (2) Diferencial entre modelos matemáticos deterministicos y probabilísticos (3) Identificar

Más detalles

Grupo 23 Semestre Segundo examen parcial

Grupo 23 Semestre Segundo examen parcial Probabilidad Grupo 23 Semestre 2015-2 Segundo examen parcial La tabla siguiente presenta 20 postulados, algunos de los cuales son verdaderos y otros son falsos. Analiza detenidamente cada postulado y elige

Más detalles

Propiedades en una muestra aleatoria

Propiedades en una muestra aleatoria Capítulo 5 Propiedades en una muestra aleatoria 5.1. Conceptos básicos sobre muestras aleatorias Definición 5.1.1 X 1,, X n son llamadas una muestra aleatoria de tamaño n de una población f(x) si son variables

Más detalles

( ) DISTRIBUCIÓN UNIFORME (o rectangular) 1 b a. para x > b DISTRIBUCIÓN DE CAUCHY. x ) DISTRIBUCIÓN EXPONENCIAL. α α 2 DISTRIBUCIÓN DE LAPLACE

( ) DISTRIBUCIÓN UNIFORME (o rectangular) 1 b a. para x > b DISTRIBUCIÓN DE CAUCHY. x ) DISTRIBUCIÓN EXPONENCIAL. α α 2 DISTRIBUCIÓN DE LAPLACE Estudiamos algunos ejemplos de distribuciones de variables aleatorias continuas. De ellas merecen especial mención las derivadas de la distribución normal (χ, t de Student y F de Snedecor), por su importancia

Más detalles

III.1. Descomposición de la tasa de crecimiento

III.1. Descomposición de la tasa de crecimiento Estos resultados nos indican que la explicación del menor nivel de producción per cápita de Andalucía frente al total nacional no hay que buscarla en las dotaciones de los factores productivos, resultado

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

I Unidad: La medición de los atributos psicológicos.

I Unidad: La medición de los atributos psicológicos. EL ESCALAMIENTO PSICOFÍSICO. Las primeras escalas elaboradas que se pueden considerar mediciones o medidas previas a la medición de los psicológico son las denominadas escalas psicofísicas. Representan

Más detalles

Modelos de PERT/CPM: Probabilístico

Modelos de PERT/CPM: Probabilístico INSTITUTO POLITÉCNICO NACIONAL ESCUELA SUPERIOR DE CÓMPUTO Modelos de PERT/CPM: Probabilístico M. En C. Eduardo Bustos Farías 1 Existen proyectos con actividades que tienen tiempos inciertos, es decir,

Más detalles

Pontificia Universidad Católica de Chile Facultad de Física. Estática

Pontificia Universidad Católica de Chile Facultad de Física. Estática Pontificia Universidad Católica de Chile Facultad de Física Estática La estática es una rama de la Mecánica Clásica que estudia los sistemas mecánicos que están en equilibrio debido a la acción de distintas

Más detalles

Universidad Rafael Belloso Chacín (URBE) Cátedra: Fundamentos de Estadística y Simulación Básica Semestre Profesor: Jaime Soto

Universidad Rafael Belloso Chacín (URBE) Cátedra: Fundamentos de Estadística y Simulación Básica Semestre Profesor: Jaime Soto Universidad Rafael Belloso Chacín (URBE) Cátedra: Fundamentos de Estadística y Simulación Básica Semestre 2011-1 Profesor: Jaime Soto PRUEBA DE HIPÓTESIS Ejemplo El jefe de la Biblioteca de la URBE manifiesta

Más detalles

1. Los números reales. 2. Representación. 3. Densidad de los números racionales. 4. Propiedades de los números reales

1. Los números reales. 2. Representación. 3. Densidad de los números racionales. 4. Propiedades de los números reales EJES ARTICULADORES Y PRODUCTIVOS DEL AREA SISTEMA DE CONOCIMIENTOS GRADO: 10 11 1. Los números reales 1. Desigualdades. 2. Representación 2. Propiedades. 3. Densidad de los números racionales 4. Propiedades

Más detalles

Notas del curso de Introducción a los métodos cuantitativos

Notas del curso de Introducción a los métodos cuantitativos Ecuación de segundo grado Una ecuación de segundo grado es aquella que puede reducirse a la forma, ax + bx + c = 0 en la que el coeficiente a debe ser diferente de cero. Sabemos que una ecuación es una

Más detalles

MATEMÁTICAS APLICADAS A LAS CCSS II. 1. Resolver sistemas de ecuaciones lineales mediante el método de Gauss.

MATEMÁTICAS APLICADAS A LAS CCSS II. 1. Resolver sistemas de ecuaciones lineales mediante el método de Gauss. MATEMÁTICAS APLICADAS A LAS CCSS II Criterios de evaluación. 1. Resolver sistemas de ecuaciones lineales mediante el método de Gauss. 2. Operar correctamente con matrices y utilizar el lenguaje matricial

Más detalles

UNIVERSIDAD ABIERTA PARA ADULTOS (UAPA) Maestría en Dirección Financiera. Asignatura: Método Cuantitativo Empresarial

UNIVERSIDAD ABIERTA PARA ADULTOS (UAPA) Maestría en Dirección Financiera. Asignatura: Método Cuantitativo Empresarial UNIVERSIDAD ABIERTA PARA ADULTOS (UAPA) Maestría en Dirección Financiera Asignatura: Método Cuantitativo Empresarial CLAVE: PDF-421 Prerrequisitos: Licenciatura No. de Créditos: 03 I. PRESENTACION El método

Más detalles

CÁLCULO DE PROBABILIDADES

CÁLCULO DE PROBABILIDADES CÁLCULO DE PROBABILIDADES Tipo de asignatura: Troncal Anual. Créditos ECTS: 15 I.- INTRODUCCIÓN AL CÁLCULO DE PROBABILIDADES. (16 horas presenciales) Tema 1.- La naturaleza del cálculo de probabilidades.

Más detalles

TEMA 8: FUNCIONES. Primer Curso de Educación Secundaria Obligatoria. I.e.s. Fuentesaúco.

TEMA 8: FUNCIONES. Primer Curso de Educación Secundaria Obligatoria. I.e.s. Fuentesaúco. 2009 TEMA 8: FUNCIONES. Primer Curso de Educación Secundaria Obligatoria. I.e.s. Fuentesaúco. Manuel González de León. mgdl 01/01/2009 1º E.S.O. TEMA 08: Funciones. TEMA 08: FUNCIONES. 1. Correspondencia.

Más detalles

UNIDAD II. INTEGRAL DEFINIDA Y LOS MÉTODOS DE INTEGRACIÓN. Tema: LA INTEGRAL DEFINIDA

UNIDAD II. INTEGRAL DEFINIDA Y LOS MÉTODOS DE INTEGRACIÓN. Tema: LA INTEGRAL DEFINIDA UNIDAD II. INTEGRAL DEFINIDA Y LOS MÉTODOS DE INTEGRACIÓN Tema: LA INTEGRAL DEFINIDA La integral definida Anteriormente se mencionó que la Integral Indefinida da como resultado una familia de funciones

Más detalles

Conceptos Básicos de Inferencia

Conceptos Básicos de Inferencia Conceptos Básicos de Inferencia Álvaro José Flórez 1 Escuela de Ingeniería Industrial y Estadística Facultad de Ingenierías Febrero - Junio 2012 Inferencia Estadística Cuando obtenemos una muestra, conocemos

Más detalles

Sistemas de Ecuaciones Lineales. Método de Reducción.

Sistemas de Ecuaciones Lineales. Método de Reducción. Sistemas de Ecuaciones Lineales. Método de Reducción. 201 6Asturias: Red de Universidades Virtuales Iberoamericanas 1 Índice 1 Introducción a los Sistemas de Ecuaciones Lineales... 4 1.1 Tipos de sistemas

Más detalles

Diplomatura en Ciencias Empresariales X Y 10 10000 100 1000 1000 100 10000 10

Diplomatura en Ciencias Empresariales X Y 10 10000 100 1000 1000 100 10000 10 DEPARTAMENTO DE ESTADÍSTICA E INVESTIGACIÓN OPERATIVA Diplomatura en Ciencias Empresariales ESTADÍSTICA II Relación Tema 10: Regresión y correlación simple. 1. Ajustar una función potencial a los siguientes

Más detalles

Variación de la resistencia con la temperatura

Variación de la resistencia con la temperatura Variación de la resistencia con la temperatura Ignacio Arata Francisco Arrufat Pablo Palacios Santiago Folie Ignacioarata@hotmail.com francisco@arrufat.com pablopalacios@uol.com.ar sfolie@alwyasgolfing.com

Más detalles

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

Estadistica II Tema 0. Repaso de conceptos básicos. Curso 2009/10 Estadistica II Tema 0. Repaso de conceptos básicos Curso 2009/10 Tema 0. Repaso de conceptos básicos Contenidos Variables aleatorias y distribuciones de probabilidad La distribución normal Muestras aleatorias,

Más detalles

EL OSCILOSCOPIO Introducción

EL OSCILOSCOPIO Introducción EL OSCILOSCOPIO Introducción Qué es un osciloscopio? El osciloscopio es basicamente un dispositivo de visualización gráfica que muestra señales electricas variables en el tiempo. El eje vertical, a partir

Más detalles

FLORIDA Secundaria. 1º BACH MATEMÁTICAS CCSS -1- BLOQUE ESTADÍSTICA: ESTADÍSTICA VARIABLE UNIDIMENSIONAL. Estadística variable unidimensional

FLORIDA Secundaria. 1º BACH MATEMÁTICAS CCSS -1- BLOQUE ESTADÍSTICA: ESTADÍSTICA VARIABLE UNIDIMENSIONAL. Estadística variable unidimensional FLORIDA Secundaria. 1º BACH MATEMÁTICAS CCSS -1- Estadística variable unidimensional 1. Conceptos de Estadística 2. Distribución de frecuencias 2.1. Tablas de valores con variables continuas 3. Parámetros

Más detalles
Sitemap