GRAFICOS DE CONTROL DATOS TIPO VARIABLES
|
|
- Felipe de la Fuente Ojeda
- hace 7 años
- Vistas:
Transcripción
1 GRAFICOS DE CONTROL DATOS TIPO VARIABLES
2 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 el control estadístico del producto y de los procesos, cuando la característica a controlar tiene naturaleza de variable.
3 PROCESO La calidad de un proceso depende de los factores del proceso, si estos se mantuvieran constantes la calidad del producto sería estándar. Maquinaria Métodos Materias Primas Proceso Por qué varía la calidad de los productos? Producto Mano de Obra Condiciones Ambientales
4 VARIACIÓN Fundamentalmente, las cinco fuentes más importantes de variación son las siguientes: 1. Hombres: experiencia, motivación, habilidad, etc. 2. Máquinas: antigüedad, calidad, mantenimiento, etc. 3. Materiales: características químicas, físicas, heterogeneidad. 4. Métodos: efectividad, rendimiento, etc. NOTA: esta variación se encuentra dentro de la variación aceptable de acuerdo a las especificaciones técnicas 5. Entorno: presión, temperatura, humedad, vibraciones, etc.. Cada uno de estos factores esta sujeto a una variabilidad pero eso no quiere decir que estén indeterminados, sino que los datos obtenidos tienen una determinada distribución.
5 Cómo mejoro mis parámetros técnicos?: Eliminando la variación Qué causa la variación?: Las causas comunes y especiales DENTRO límites FUERA límites La variación debida a causas comunes produce un comportamiento que se estabiliza con el tiempo dando lugar a una variación previsible que si no se elimina por lo menos puede controlarse y proporciona un punto de partida para la posterior mejora del proceso.
6 Qué hacen los gráficos de control? Los gráficos de control son herramientas del control de calidad que muestran el campo de variabilidad o la variación debida únicamente a estas causas comunes. La situación de los puntos (A) y (B), que muestran una variación mayor, son síntoma de estar actuando causas especiales.
7 LÍMITES DE CONTROL DISPERSIÓN Y TENDENCIA CENTRAL El campo de variabilidad del proceso debido a causas comunes se acota mediante los denominados Límites de Control (LCS, LCI). 2,2 2,1 2 1,9 1,8 LCS LCI X X 3. 09
8 LÍMITES DE CONTROL DISPERSIÓN Y TENDENCIA CENTRAL Proceso Bajo Control mejorado Solo causas comunes Baja dispersión m S x i / n = S (x i - m) 2 /( n-1) donde: n = tamaño de la población m media de la población desviación típica 2 varianza Proceso Bajo Control inicial Solo causas comunes Alta dispersión Proceso Fuera de Control Existencia de causas especiales Dispersión variable
9 Cómo elijo los gráficos de control?
10 CONTROL DEL PRODUCTO Y CONTROL DEL PROCESO POBLACION MUESTRA DATOS Acción sobre el proceso (Control del proceso Análisis del proceso) Proceso Lote Muestreo Muestra Medición Datos Acción sobre el lote Inspección Estimado de la calidad del producto Lote Muestreo Muestra Medición Datos Se infieren los resultados
11 CONSIDERACIONES ESPECIALES Cuando hemos definido los Límites de Control de un proceso hemos aceptado que éste puede producir elementos distintos que serán considerados como "iguales. Supongamos un proceso en estado de control, en estas condiciones, el proceso dará lugar a unos elementos con el parámetro que estamos estudiando (longitud, peso, dureza, espesor, etc.) siguiendo una distribución de frecuencia dada. En condiciones normales, supondremos que esa distribución es una distribución Normal N (μ, σ). - Tendencia central - Dispersión Una vez conocidos estos parámetros y puesto que la distribución es normal, podremos calcular a priori entre qué valores oscilará la producción (es decir los límites de control). A continuación El trabajo es simple, comparar lo fabricado está comprendido entre los valores citados anteriormente.
12 CUÁNTOS GRÁFICOS DEBO TENER? Al conjunto de los dos gráficos le damos una entidad única (los analizamos como si fueran uno). Los más utilizados son los siguientes:
13 - GRAFICO DE MEDICIONES INDIVIDUALES CON RECORRIDO MÓVILES A pesar de que tomar muestras de un solo elemento va en detrimento de la eficacia del control, hay casos en que resulta obligatorio el tomar muestras de un solo elemento. Se trata de situaciones de bajo volumen de producción. (máquinas, etc.) Este también es el caso de los ensayos destructivos o ensayos no destructivos pero con un nivel de costo tal que hace desaconsejable el tomar muestras de más de un elemento (automóviles, motocicletas, etc.) Sin embargo, hay un sistema para poder estimar la variabilidad del proceso en estas condiciones. En el caso de que las mediciones individuales sean tomadas de lotes cuyas características de fabricación puedan considerarse semejantes (por ejemplo: las mediciones efectuadas en lotes fabricados en un mismos periodo de tiempo por el mismo operario o con la misma materia prima), dichas mediciones pueden agruparse en lo que se llaman "grupos racionales". Con este sistema se pueden formar, conjuntos de valores (las mediciones individuales agrupadas en grupos racionales) de los que se puede calcular su variabilidad ya sea mediante su recorrido R o su desviación típica s.
14 GRAFICO DE MEDICIONES INDIVIDUALES CON RECORRIDO MÓVILES M M M M M M M Las constantes están en función del tamaño del subgrupo M
15 GRAFICO DE MEDICIONES INDIVIDUALES CON RECORRIDO MÓVILES En el caso de existir un largo período de tiempo entre dos mediciones, que es lo más frecuente, se forman grupos en los que se elimina la medición más antigua sustituyéndola por la última medición realizada. Veamos un caso con grupos racionales de tamaño 2: Supongamos que se han tomado los siguientes datos del diámetro de una pieza: 0.65, 0.75, 0.75, 0.60, 0.70, 0.60, 0.75, 0.60, 0.65, Si formamos grupos racionales de tamaño dos tenemos:
16 GRAFICO DE MEDICIONES INDIVIDUALES CON RECORRIDO MÓVILES Se deben trazar la media y el recorrido medio que serán las líneas centrales de ambos gráficos, luego los Límites de Control y los puntos para ambos gráficos.
17 - GRAFICO DE MEDIAS MUESTRALES Y RECORRIDOS MUESTRALES Ya hemos visto en los gráficos individuales es decir el control del proceso mediante la comparación del valor verdadero de un parámetro tomado individualmente con la variabilidad esperada en el proceso representada por los Límites de Control. En los gráficos de medias muestrales la comparación se hace no con una medida individual sino con la media de una muestra de pequeño tamaño, estimando la variabilidad de este parámetro mediante los recorridos muestrales. La ventaja de utilizar la media de un parámetro en lugar de su valor individual es mucho más sensible, es decir, la probabilidad de detección de un cambio en el proceso es mayor utilizando muestras de pequeño tamaño que mediciones individuales.
18 GRAFICO DE CONTROL XR Estos gráficos representan en cada punto del gráfico la media X y el recorrido R de muestras de pequeño tamaño. a) Tamaño de la muestra. La sensibilidad se incrementa con el tamaño de la muestra. Sin embargo muestras excesivamente grandes darían lugar a dos problemas: Dejaría de ser valida la estimación de la variabilidad de la población partiendo del recorrido R de la muestra. Se encarecería el procedimiento. Por esto se escoge un tamaño de muestra que esté comprendido entre 4 y 5. Serán cinco unidades producidas consecutivamente en un solo flujo de proceso
19 GRAFICO DE CONTROL XR b) Intervalo de toma de muestra. Para establecer el intervalo de toma de muestra idóneo, debemos estudiar cada proceso, o tener en cuenta la experiencia adquirida en procesos similares. Los puntos básicos a tener en cuenta son: - No establecer tomas de muestra en períodos en los 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.
20 GRAFICO DE CONTROL POR VARIABLES XR Ejemplo c) Número de toma de muestras por período.- Se considera una prueba satisfactoria de estabilidad 25 tomas de muestras de 4/5 piezas por muestra (mínimo 100 valores individuales). En el sig. ejemplo son 19 tomas. N=19 n=5
21 GRAFICO DE CONTROL POR VARIABLES XR Ejemplo d) Cálculo de los límites de control.- N
22 Se deben trazar la media general y el recorrido medio que serán las líneas centrales de ambos gráficos, luego los Límites de Control y los puntos para ambos gráficos. GRAFICO XR
23 GRAFICO XS Estos gráficos son similares a los (X,R) con la diferencia de que la dispersión del proceso se mide por la desviación S en vez de por el recorrido R, (la eficiencia es igual para tamaños pequeños) pero estos se aplican para n mayor a 10. S S s= S (x i - m) 2 /( n-1)
24 PARA LA MEJORA Para el control continuo del proceso, cada fin de período de toma de muestras, se vuelven a calcular los límites de control. Si la dispersión correspondiente a estas últimas tomas de muestra es inferior a la dispersión medio del período anterior, será el utilizada para el cálculo de los límites de control del siguiente período de tomas de muestra. Si es superior, los límites de control serán iguales a los del período anterior.
25 ANÁLISIS DE PAUTAS DE COMPORTAMIENTO Tendencias: Las causas más comunes para la aparición de tendencias en un gráfico de medias son: Las causas más comunes para la aparición de tendencias en un gráfico de recorridos son:
26 ANÁLISIS DE PAUTAS DE COMPORTAMIENTO Ciclos: Las causas más comunes para la aparición de ciclos en un gráfico de medias son: Las causas más comunes para la aparición de ciclos en un gráfico de recorridos son:
27 ANÁLISIS DE PAUTAS DE COMPORTAMIENTO Cambios Permanentes en la Tendencia Central.- Si el cambio es repentino las causas más comunes para su aparición en un gráfico de medias son: Si el cambio es repentino las causas más comunes para su aparición en un gráfico de recorridos son:
28 ANÁLISIS DE PAUTAS DE COMPORTAMIENTO Mezcla de Poblaciones.- Las causas más típicas de aparición de mezclas en un gráfico de medias son: Las causas más típicas de aparición de mezclas en un gráfico de recorridos son:
29 ANÁLISIS DE PAUTAS DE COMPORTAMIENTO Agrupamiento.- Las causas más típicas de aparición de esta pauta en un gráfico de medias son: Las causas más típicas de aparición de esta pauta en un gráfico de recorridos son:
30 ANÁLISIS DE PAUTAS DE COMPORTAMIENTO Reglas de la Western Electric.- En ocasiones, además de trabajar con los límites de control, también se puede trabajar con estas reglas. Estas reglas dividen la banda comprendida entre los límites de control en seis zonas de igual anchura. Cada zona tiene una anchura de 1S. Suponiendo que nuestro proceso está en control y la distribución de las medias es normal, las zonas (C) internas recogerán el 68% de la variación debida a causas comunes. La combinación de las zonas internas (C) e intermedias (B) recogerán el 95% y las seis zonas internas (C), intermedias (B) y externas (A), el 99,7%.
31 ANÁLISIS DE PAUTAS DE COMPORTAMIENTO Las RWE están basadas en una vasta experiencia industrial y en la teoría de la probabilidad. Estas reglas son revisar el sistema si: Un punto cae en el exterior de la zona A Dos puntos de tres consecutivos caen en la zona A o exterior de ella. Cuatro de cinco consecutivos caen en la zona B o exterior de ella. Ocho puntos consecutivos a un mismo lado de la línea central.
32 FACTORES DE LOS GRÁGICOS DE CONTROL En la siguiente tabla se muestran los factores necesarios para determinar las líneas centrales y límites de control de los gráficos de control. Estos factores son función del tamaño de la muestra n.
GRAFICOS DE CONTROL DATOS TIPO VARIABLES
GRAFICOS DE CONTROL DATOS TIPO VARIABLES PROCESO Maquinaria Métodos Materias Primas Proceso Producto Mano de Obra Condiciones Ambientales VARIACIÓN Fundamentalmente, las cinco fuentes más importantes de
Más detallesObjetivos. 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 detallesControl 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 detallesESTADÍSTICA. Población Individuo Muestra Muestreo Valor Dato Variable Cualitativa ordinal nominal. continua
ESTADÍSTICA Población Individuo Muestra Muestreo Valor Dato Variable Cualitativa ordinal nominal Cuantitativa discreta continua DISTRIBUCIÓN DE FRECUENCIAS Frecuencia absoluta: fi Frecuencia relativa:
Más detallesA. Menéndez Taller CES 15_ Confiabilidad. 15. Confiabilidad
15. Confiabilidad La confiabilidad se refiere a la consistencia de los resultados. En el análisis de la confiabilidad se busca que los resultados de un cuestionario concuerden con los resultados del mismo
Más detalles2.- Tablas de frecuencias
º BACHILLERATO MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES II TEMA 3.- ESTADÍSTICA DESCRIPTIVA PROFESOR: RAFAEL NÚÑEZ -----------------------------------------------------------------------------------------------------------------------------------------------------------------
Más detallesTema 4: Probabilidad y Teoría de Muestras
Tema 4: Probabilidad y Teoría de Muestras Estadística. 4 o Curso. Licenciatura en Ciencias Ambientales Licenciatura en Ciencias Ambientales (4 o Curso) Tema 4: Probabilidad y Teoría de Muestras Curso 2008-2009
Más detallesESTADÍSTICA DESCRIPTIVA
ESTADÍSTICA DESCRIPTIVA Medidas de tendencia central y de dispersión Giorgina Piani Zuleika Ferre 1. Tendencia Central Son un conjunto de medidas estadísticas que determinan un único valor que define el
Más detallesAplicaciones 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 detallesModelos 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 detallesTeorema 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 detallesMedidas de dispersión
Medidas de dispersión Las medidas de dispersión nos informan sobre cuánto se alejan del centro los valores de la distribución. Las medidas de dispersión son: Rango o recorrido El rango es la diferencia
Más detallesTema 5. Contraste de hipótesis (I)
Tema 5. Contraste de hipótesis (I) CA UNED de Huelva, "Profesor Dr. José Carlos Vílchez Martín" Introducción Bienvenida Objetivos pedagógicos: Conocer el concepto de hipótesis estadística Conocer y estimar
Más detallesEstadística Descriptiva. SESIÓN 11 Medidas de dispersión
Estadística Descriptiva SESIÓN 11 Medidas de dispersión Contextualización de la sesión 11 En la sesión anterior se explicaron los temas relacionados con la dispersión, una de las medidas de dispersión,
Más detalles4. NÚMEROS PSEUDOALEATORIOS.
4. NÚMEROS PSEUDOALEATORIOS. En los experimentos de simulación es necesario generar valores para las variables aleatorias representadas estas por medio de distribuciones de probabilidad. Para poder generar
Más detallesINFERENCIA ESTADISTICA
1 INFERENCIA ESTADISTICA Es una rama de la Estadística que se ocupa de los procedimientos que nos permiten analizar y extraer conclusiones de una población a partir de los datos de una muestra aleatoria,
Más detallesEstadística para investigadores: todo lo que siempre quiso saber y nunca se atrevió a preguntar
Estadística para investigadores: todo lo que siempre quiso saber y nunca se atrevió a preguntar Módulo 2. Estadística Descriptiva: Medidas de síntesis Mª Purificación Galindo Villardón Mª Purificación
Más detallesDISTRIBUCIÓN N BINOMIAL
DISTRIBUCIÓN N BINOMIAL COMBINACIONES En muchos problemas de probabilidad es necesario conocer el número de maneras en que r objetos pueden seleccionarse de un conjunto de n objetos. A esto se le denomina
Más detallesEstudio de viabilidad económica de la implantación de tecnología CNC en un taller metalmecánico.
Estudio de viabilidad económica de la implantación de tecnología CNC en un taller metalmecánico. Resumen Autora: Sonia Boza Rodríguez Titulación: Grado en Ingeniería en Organización Industrial Escuela
Más detallesMatemáticas 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 detallesPROBLEMAS ESTADÍSTICA I
PROBLEMAS ESTADÍSTICA I INGENIERÍA TÉCNICA EN INFORMÁTICA CURSO 2002/2003 Estadstica Descriptiva Unidimensional 1. Un edificio tiene 45 apartamentos con el siguiente número de inquilinos: 2 1 3 5 2 2 2
Más detallesAgro 6998 Conferencia 2. Introducción a los modelos estadísticos mixtos
Agro 6998 Conferencia Introducción a los modelos estadísticos mixtos Los modelos estadísticos permiten modelar la respuesta de un estudio experimental u observacional en función de factores (tratamientos,
Más detallesIng. Eduardo Cruz Romero w w w. tics-tlapa. c o m
Ing. Eduardo Cruz Romero eduar14_cr@hotmail.com w w w. tics-tlapa. c o m La estadística es tan vieja como la historia registrada. En la antigüedad los egipcios hacían censos de las personas y de los bienes
Más detallesM ÉTODO DE MUESTREO DE GEOSINTÉTICOS PARA ENSAYOS I.N.V. E
M ÉTODO DE MUESTREO DE GEOSINTÉTICOS PARA ENSAYOS I.N.V. E 908 07 1. OBJETO 1.1 Esta práctica cubre dos procedimientos para el muestreo de geosintéticos para ser ensayados. Se requiere que las instrucciones
Más detallesESTIMACIÓN DE LA INCERTIDUMBRE PARA LA CALIBRACIÓN DE UN TERMÓMETRO DIGITAL, EN EL INTERVALO DE TEMPERATURA DESDE 0 C A 300 C
ESTIMACIÓN DE LA INCERTIDUMBRE PARA LA CALIBRACIÓN DE UN TERMÓMETRO DIGITAL, EN EL INTERVALO DE TEMPERATURA DESDE 0 C A 300 C Roberto Figueroa M. Jefe Laboratorio CIDE-USACH Universidad de Santiago de
Más detallesANEXO 1. CONCEPTOS BÁSICOS. Este anexo contiene información que complementa el entendimiento de la tesis presentada.
ANEXO 1. CONCEPTOS BÁSICOS Este anexo contiene información que complementa el entendimiento de la tesis presentada. Aquí se exponen técnicas de cálculo que son utilizados en los procedimientos de los modelos
Más detallesINSTITUTO NACIONAL DE ESTADÍSTICAS (INE) 29 de Abril de 2016
ANEXO ESTADÍSTICO 1 : COEFICIENTES DE VARIACIÓN Y ERROR ASOCIADO AL ESTIMADOR ENCUESTA NACIONAL DE EMPLEO (ENE) INSTITUTO NACIONAL DE ESTADÍSTICAS (INE) 9 de Abril de 016 1 Este anexo estadístico es una
Más detallesMATERIA: MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES II INSTRUCCIONES Y CRITERIOS GENERALES DE CALIFICACIÓN
UNIVERSIDADES PÚBLICAS DE LA COMUNIDAD DE MADRID PRUEBA DE ACCESO A LAS ENSEÑANZAS UNIVERSITARIAS OFICIALES DE GRADO MODELO DE EXAMEN CURSO 2014-2015 MATERIA: MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES
Más detallesTema 11: Control del hormigón. Materiales, resistencia y ejecución. Ensayos.
Tema 11: Control del hormigón. Materiales, resistencia y ejecución. Ensayos. TÉCNICA DEL HORMIGÓN Y SUS APLICACIONES Curso 2007-2008. EUAT. Campus de Guadalajara Profesor Andrés García Bodega CONTROL DE
Más detallesPrácticas de Ecología Curso 3 Práctica 1: Muestreo
PRÁCTICA 1: MUESTREO Introducción La investigación ecológica se basa en la medición de parámetros de los organismos y del medio en el que viven. Este proceso de toma de datos se denomina muestreo. En la
Más detallesTema 2. Descripción Conjunta de Varias Variables
Tema 2. Descripción Conjunta de Varias Variables Cuestiones de Verdadero/Falso 1. La covarianza mide la relación lineal entre dos variables, pero depende de las unidades de medida utilizadas. 2. El análisis
Más detallesFACULTAD DE INGENIERÍA UNAM PROBABILIDAD Y ESTADÍSTICA Irene Patricia Valdez y Alfaro irenev@servidor.unam.m T E M A S DEL CURSO. Análisis Estadístico de datos muestrales.. Fundamentos de la Teoría de
Más detallesCurso de Estadística Básica
Curso de SESION 3 MEDIDAS DE TENDENCIA CENTRAL Y MEDIDAS DE DISPERSIÓN MCC. Manuel Uribe Saldaña MCC. José Gonzalo Lugo Pérez Objetivo Conocer y calcular las medidas de tendencia central y medidas de dispersión
Más detallesPROCESOS INDUSTRIALES
PROCESOS INDUSTRIALES HOJA DE ASIGNATURA CON DESGLOSE DE UNIDADES TEMÁTICAS 1. Nombre de la asignatura METROLOGÍA 2. Competencias Planear la producción considerando los recursos tecnológicos, financieros,
Más detallesEstadística. Análisis de datos.
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 detallesExamen de Matemáticas Aplicadas a las CC. Sociales II (Junio 2015) Selectividad-Opción A Tiempo: 90 minutos
Examen de Matemáticas Aplicadas a las CC. Sociales II (Junio 2015) Selectividad-Opción A Tiempo: 90 minutos Problema 1 (2 puntos) Se considera el sistema de ecuaciones dependiente del parámetro real a:
Más detallesUNIDAD 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 detallesConceptos 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 detallesTabla de Test de Hipótesis ( Caso: Una muestra ) A. Test para µ con σ 2 conocida: Suponga que X 1, X 2,, X n, es una m.a.(n) desde N( µ, σ 2 )
Test de Hipótesis II Tabla de Test de Hipótesis ( Caso: Una muestra ) A. Test para µ con σ conocida: Suponga que X, X,, X n, es una m.a.(n) desde N( µ, σ ) Estadística de Prueba X - μ Z 0 = σ / n ~ N(0,)
Más detallesTEMA 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 detallesTEMA 3: Inspección Estadística por Variables
TEMA 3: Inspección Estadística por Variables 1 Planes de muestreo por variables 2 Inspección en cadena 3 Inspección por muestreo continuo 4 Planes de muestreo por lotes salteados 5 Consideración de errores
Más detallesDefinición: Se llama variable aleatoria a toda función X que asigna a c/u de los elementos del espacio muestral S, un número Real X(s).
VARIABLE ALEATORIA Definición: Se llama variable aleatoria a toda función X que asigna a c/u de los elementos del espacio muestral S, un número Real X(s). X : S S s s X () s X(s) Rx Rx es el recorrido
Más detallesTEMA 7 LOS COSTES ESTÁNDARES: ANALISIS DE DESVIACIONES
TEMA 7 LOS COSTES ESTÁNDARES: ANALISIS DE DESVIACIONES 7.1.- Introducción. La desviación de una partida contable es la diferencia que surge entre la cantidad presupuestada y la cantidad real. Por lo tanto,
Más detallesCantidad 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 detallesConceptos 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 detallesTema 1: Introducción
Estadística Universidad de Salamanca Curso 2010/2011 Outline 1 Estadística 2 Outline 1 Estadística 2 La estadística es una ciencia que comprende la recopilación, tabulación, análisis e interpretación de
Más detallesOtra 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 detallesMicro 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 detallesCONTRASTES DE HIPÓTESIS NO PARAMÉTRICOS
CONTRASTES DE HIPÓTESIS NO PARAMÉTRICOS 1 POR QUÉ SE LLAMAN CONTRASTES NO PARAMÉTRICOS? A diferencia de lo que ocurría en la inferencia paramétrica, ahora, el desconocimiento de la población que vamos
Más detallesRESUMEN DE ALGUNOS CONCEPTOS ESTADÍSTICOS ELEMENTALES Y NOTACIÓN EMPLEADA EN EL CURSO
RESUMEN DE ALGUNOS CONCEPTOS ESTADÍSTICOS ELEMENTALES Y NOTACIÓN EMPLEADA EN EL CURSO 1 rojo 1 2 3 4 5 6 Supongamos que tenemos dos dados, uno rojo y otro verde, cada uno de los cuales toma valores entre
Más detallesHistograma del puntaje de vocabulario y la aproximación por una curva gaussiana.
35 Curvas de densidad Existe alguna manera de describir una distribución completa mediante una única expresión? un diagrama tallo-hoja no es práctico pues se trata de demasiados datos un histograma elimina
Más detallesIntervalos de confianza y contrastes de hipótesis. Intervalo de confianza de la media.
R PRÁCTICA IV Intervalos de confianza y contrastes de hipótesis Sección IV.1 Intervalo de confianza de la media. 44. Cargar (abrir) el conjunto de Datos Pulso.rda. Se pide: a) Calcular el de confianza
Más detallesTeoría de errores -Hitogramas
FÍSICA I Teoría de errores -Hitogramas Autores: Pablo Iván ikel - e-mail: pinikel@hotmail.com Ma. Florencia Kronberg - e-mail:sil_simba@hotmail.com Silvina Poncelas - e-mail:flo_kron@hotmail.com Introducción:
Más detallesJUNIO Bloque A
Selectividad Junio 009 JUNIO 009 Bloque A 1.- Estudia el siguiente sistema en función del parámetro a. Resuélvelo siempre que sea posible, dejando las soluciones en función de parámetros si fuera necesario.
Más detallesPRÁCTICA Nº 12 HORMIGONES II DOSIFICACIÓN. Contenido:
Prácticas de Materiales de Construcción I.T. Obras Públicas PRÁCTICA Nº 12 HORMIGONES II DOSIFICACIÓN Contenido: 12.0 Procedimiento general 12.1 Volumen de agua 12.2 Cantidad de cemento 12.3 Áridos 12.4
Más detallesTEMA 3: CINÉTICA HOMOGÉNEA. REACCIONES SIMPLES CQA-3/1
TEMA 3: CINÉTICA HOMOGÉNEA. REACCIONES SIMPLES CQA-3/1 CARACTERÍSTICAS DE LAS REACCIONES HOMOGÉNEAS Todas las sustancias reaccionantes se encuentran en una sola fase Velocidad de reacción: Objetivo principal
Más detallesExamen de Matemáticas Aplicadas a las CC. Sociales II (Septiembre 2009) Selectividad-Opción A Tiempo: 90 minutos
Examen de Matemáticas Aplicadas a las CC. Sociales II (Septiembre 2009) Selectividad-Opción A Tiempo: 90 minutos Problema 1 (3 puntos) Una carpintería vende paneles de contrachapado de dos tipos A y B.
Más detallesb) dado que es en valor absoluto será el área entre -1,071 y 1,071 luego el resultado será F(1,071)-(1-F(1,071)=0,85-(1-0,85)=0,7
EJERCICIOS T12-MODELOS MULTIVARIANTES ESPECÍFICOS 1. Un determinado estadístico J se distribuye según un modelo jhi-dos de parámetro (grados de libertad) 14. Deseamos saber la probabilidad con la que dicho
Más detallesMulticolinealidad. Universidad de Granada. RSG Incumplimiento de las hipótesis básicas en el modelo lineal uniecuacional múltiple 1 / 17
Román Salmerón Gómez Universidad de Granada RSG Incumplimiento de las hipótesis básicas en el modelo lineal uniecuacional múltiple 1 / 17 exacta: aproximada: exacta: aproximada: RSG Incumplimiento de las
Más detallesUNIVERSIDAD AUTONOMA DE SANTO DOMINGO
UNIVERSIDAD AUTONOMA DE SANTO DOMINGO FACULTAD DE CIENCIAS ECONOMICAS Y SOCIALES DEPARTAMENTO DE ESTADISITICA CATEDRA Estadística Especializada ASIGNATURA Estadística Industrial (EST-121) NUMERO DE CREDITOS
Más detallesTema 4: Probabilidad y Teoría de Muestras
Tema 4: Probabilidad y Teoría de Muestras Estadística. 4 o Curso. Licenciatura en Ciencias Ambientales Licenciatura en Ciencias Ambientales (4 o Curso) Tema 4: Probabilidad y Teoría de Muestras Curso 2008-2009
Más detalles8.2.5. Intervalos para la diferencia de medias de dos poblaciones
8.. INTERVALOS DE CONFIANZA PARA LA DISTRIBUCIÓN NORMAL 89 distribuye de modo gaussiana. Para ello se tomó una muestra de 5 individuos (que podemos considerar piloto), que ofreció los siguientes resultados:
Más detallesPregunta 1. Pregunta 2. Pregunta 3. Pregunta 4. Pregunta 5. Pregunta 6. Pregunta 7. Comenzado el lunes, 25 de marzo de 2013, 17:24
Comenzado el lunes, 25 de marzo de 2013, 17:24 Estado Finalizado Finalizado en sábado, 30 de marzo de 2013, 17:10 Tiempo empleado 4 días 23 horas Puntos 50,00/50,00 Calificación 10,00 de un máximo de 10,00
Más detallesAnálisis de datos Categóricos
Introducción a los Modelos Lineales Generalizados Universidad Nacional Agraria La Molina 2016-1 Introducción Modelos Lineales Generalizados Introducción Componentes Estimación En los capítulos anteriores
Más detalles3. 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 detallesMEDIDAS DE TENDENCIA CENTRAL
MEDIDAS DE TENDENCIA CENTRAL Al describir grupos de observaciones, con frecuencia es conveniente resumir la información con un solo número. Este número que, para tal fin, suele situarse hacia el centro
Más detallesCostes Promedios Comparativos Litro sin Botella 3/4 Li
IX CONCLUSIONES 148 ESTRUCTURA DE COSTES DE LAS BODEGAS DE LA D.O TACORONTE-ACENTEJO Como resultado general de este proceso de estimación de los costes de producción de vino en la comarca Tacoronte-Acentejo,
Más detalles1. Caso no lineal: ajuste de una función potencial
1. Caso no lineal: ajuste de una función potencial La presión (P) y el volumen (V ) en un tipo de gas están ligados por una ecuación del tipo PV b = a, siendo a y b dos parámetros desconocidos. A partir
Más detallesMedidas 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 detallesEjemplos 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 detallesDefinición de Capacidad. Planeación Estratégica de la Capacidad. Capacidad. Horizonte de Planeación. Mediciones de Capacidad
Definición de 2 Planeación Estratégica de la El más alto nivel de producción que una compañía puede sostener razonablemente, con horarios realistas para su personal y con el equipo que posee. Administración
Más detallesRELACIÓN DE EJERCICIOS TEMA 2
1. Sea una distribución estadística que viene dada por la siguiente tabla: Calcular: x i 61 64 67 70 73 f i 5 18 42 27 8 a) La moda, mediana y media. b) El rango, desviación media, varianza y desviación
Más detallesLa empresa MOBECYT paga 10.000 -en 2 meses de plazo- para realizar el proyecto
La empresa MOBECYT paga 10.000 -en 2 meses de plazo- para realizar el proyecto Sobre esta base, de acuerdo con el dato fijo resultante del Gasto de la mano de obra directa, según las 50 h. de trabajo estimadas
Más detallesCAPÍTULO 4 TÉCNICA PERT
54 CAPÍTULO 4 TÉCNICA PERT Como ya se mencionó en capítulos anteriores, la técnica CPM considera las duraciones de las actividades como determinísticas, esto es, hay el supuesto de que se realizarán con
Más detallesU.D.1: Análisis estadístico de una variable Consideraciones iniciales: Propuesta: 1.1 Distribución de frecuencias. Variables Cualitativas: Ejemplo
U.D.1: Análisis estadístico de una variable Consideraciones iniciales: - Población: Es el conjunto de todos los elementos que cumplen una determinada característica. Ej.: Alumnos del colegio. - Individuo:
Más detallesANALISIS E INTERPRETACION DE DATOS SOBRE PERMANENCIA Y GASTOS DE LOS ALUMNOS EN LA UNIVERSIDAD NACIONAL DE INGENIERIA
ANALISIS E INTERPRETACION DE DATOS SOBRE PERMANENCIA Y GASTOS DE LOS ALUMNOS EN LA UNIVERSIDAD NACIONAL DE INGENIERIA Jack Marlon Martínez Abregu e-mail: marlon_jack@hotmail.com IvánJosé Pazos Alvarado
Más detallesUTILIZACIÓN DE LA CAPACIDAD INSTALADA EN LA INDUSTRIA MANUFACTURERA - SEGUNDO TRIMESTRE DE
Montevideo, 28 de octubre de 2009. UTILIZACIÓN DE LA EN LA INDUSTRIA MANUFACTURERA - SEGUNDO TRIMESTRE DE 2009 - ANÁLISIS DE LOS PRINCIPALES INDICADORES El grado de utilización de la Capacidad Instalada
Más detallesPruebas de Acceso a las Universidades de Castilla y León
Pruebas de Acceso a las Universidades de Castilla y León MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES EJERCICIO Nº páginas 2 Tablas OPTATIVIDAD: EL ALUMNO DEBERÁ ESCOGER UNA DE LAS DOS OPCIONES Y DESARROLLAR
Más detallesN. Libros No. Estudiantes
EJERCICIOS RESUELTOS DE ESTADÍSTICA UNIDIMENSIONAL 1. Se pregunta en un grupo de estudiantes por el numero de libros que han leído en el último mes, obteniendo las siguientes respuestas. N. Libros 0 1
Más detallesTercera práctica de REGRESIÓN.
Tercera práctica de REGRESIÓN. DATOS: fichero practica regresión 3.sf3 1. Objetivo: El objetivo de esta práctica es aplicar el modelo de regresión con más de una variable explicativa. Es decir regresión
Más detallesLaboratorio de Física para Ingeniería
Laboratorio de para Ingeniería 1. Al medir la longitud de un cilindro se obtuvieron las siguientes medidas: x [cm] 8,45 8,10 8,40 8,55 8,45 8,30 Al expresar la medida en la forma x = x + x resulta: (a)
Más detallesTema 6. Estadística Descriptiva e Introducción a la Inferencia Estadística
Tema 6. Estadística Descriptiva e Introducción a la Inferencia Estadística Fuente de los comics: La Estadística en Comic. LarryGonicky Woollcatt Smith. Ed. ZendreraZariquiey, 1999 ESTADÍSTICA ESTADÍSTICA
Más detallesMODELADO Y SIMULACIÓN. Febrero de Primera semana
Febrero de 2016 - Primera semana PREGUNTA 1 (3 puntos) Se pretende estudiar mediante simulación el funcionamiento de una lavandería industrial dedicada a la limpieza y planchado de manteles y servilletas.
Más detallesContraste de hipótesis Tema Pasos del contraste de hipótesis. 1.1 Hipótesis estadísticas: nula y alternativa. 1.3 Estadístico de contraste
1 Contraste de hipótesis Tema 3 1. Pasos del contraste de hipótesis 1.1 Hipótesis estadísticas: nula y alternativa 1.2 Supuestos 1.3 Estadístico de contraste 1.4 Regla de decisión: zona de aceptación y
Más detallesTransformaciones de variables
Transformaciones de variables Introducción La tipificación de variables resulta muy útil para eliminar su dependencia respecto a las unidades de medida empleadas. En realidad, una tipificación equivale
Más detallesFase 2. Estudio de mercado: ESTADÍSTICA
1. CONCEPTO DE ESTADÍSTICA. ESTADÍSTICA DESCRIPTIVA 2. 3. TABLA DE FRECUENCIAS 4. REPRESENTACIONES GRÁFICAS 5. TIPOS DE MEDIDAS: A. MEDIDAS DE POSICIÓN B. MEDIDAS DE DISPERSIÓN C. MEDIDAS DE FORMA 1 1.
Más detallesNOCIONES DE ESTADÍSTICA CURSO PRÁCTICO DE CLIMATOLOGÍA 2011
NOCIONES DE ESTADÍSTICA CURSO PRÁCTICO DE CLIMATOLOGÍA 2011 CÓMO CARACTERIZAR UNA SERIE DE DATOS? POSICIÓN- dividen un conjunto ordenado de datos en grupos con la misma cantidad de individuos CENTRALIZACIÓN-
Más detallesMetodología de la Investigación [DII-711] Capítulo 7: Selección de la Muestra
Metodología de la Investigación [DII-711] Capítulo 7: Selección de la Muestra Dr. Ricardo Soto [ricardo.soto@ucv.cl] [http://www.inf.ucv.cl/ rsoto] Escuela de Ingeniería Informática Pontificia Universidad
Más detallesCONCLUSIONES CONCLUSIONES
CONCLUSIONES 205 7.- CONCLUSIONES CONCLUSIONES 206 Como resultado del presente trabajo hemos llegado a las siguientes conclusiones 1. El control riguroso de los campos electromagnéticos continuos a los
Más detallesCONTROL Y MEJORA DE UN PROCESO. GRÁFICOS DE CONTROL. CONTROL ESTADÍSTICO DE PROCESOS. SPC
CONTROL Y MEJORA DE UN PROCESO. GRÁFICOS DE CONTROL. CONTROL ESTADÍSTICO DE PROCESOS. SPC 1. INTRODUCCIÓN. Mientras el Dr. Walter Shewhart de los Laboratorios Bell estudiaba datos de procesos en la década
Más detallesMEDIDAS ESTADÍSTICAS Medidas de Tendencia Central y de Variabilidad
MEDIDAS ESTADÍSTICAS Medidas de Tendencia Central y de Variabilidad 1 Propiedades deseables de una medida de Tendencia Central. 1) Definida objetivamente a partir de los datos de la serie. 2) Que dependa
Más detallesINTERVALOS DE CONFIANZA. La estadística en cómic (L. Gonick y W. Smith)
INTERVALOS DE CONFIANZA La estadística en cómic (L. Gonick y W. Smith) EJEMPLO: Será elegido el senador Astuto? 2 tamaño muestral Estimador de p variable aleatoria poblacional? proporción de personas que
Más detallesELABORACIÓN DE CARTAS DE CONTROL X BARRA S EN EL LABORATORIO DE METROLOGÍA DE VARIABLES ELÉCTRICAS DE LA UNIVERSIDAD TECNOLÓGICA DE PEREIRA
Scientia et Technica Año XV, No 41, Mayo de 2009.. ISSN 0122-1701 241 ELABORACIÓN DE CARTAS DE CONTROL X BARRA S EN EL LABORATORIO DE METROLOGÍA DE VARIABLES ELÉCTRICAS DE LA UNIVERSIDAD TECNOLÓGICA DE
Más detallesM i. Los datos vendrán en intervalos en el siguiente histograma de frecuencias acumuladas se ilustra la mediana.
Medidas de tendencia central y variabilidada para datos agrupados Media (media aritmética) ( X ) Con anterioridad hablamos sobre la manera de determinar la media de la muestra. Si hay muchos valores u
Más detallesVARIABLES ALEATORIAS DISCRETAS
VARIABLES ALEATORIAS DISCRETAS M. en C. Juan Carlos Gutiérrez Matus Instituto Politécnico Nacional Primavera 2004 IPN UPIICSA c 2004 Juan C. Gutiérrez Matus Variables Aleatorias Variables Aleatorias Definición:
Más detalleswww.fundibeq.org Además se recomienda su uso como herramienta de trabajo dentro de las actividades habituales de gestión.
GRÁAFICOS DE CONTROL POR VARIABLES 1.- INTRODUCCIÓN Este documento describe la secuencia de construcción y las pautas de utilización de una de las herramientas más potentes para el control de procesos,
Más detallesPrácticas de Laboratorio de Hidráulica
Universidad Politécnica de Madrid E.T.S. Ingenieros de Caminos, Canales y Puertos Prácticas de Laboratorio de Hidráulica Jaime García Palacios Francisco V. Laguna Peñuelas 2010 Índice general 3. Venturi
Más detallesUNIVERSIDAD AUTONOMA DE SANTO DOMINGO
UNIVERSIDAD AUTONOMA DE SANTO DOMINGO FACULTAD DE CIENCIAS ECONOMICAS Y SOCIALES DEPARTAMENTO DE ESTADISITICA CATEDRA Estadística Especializada ASIGNATURA Estadística Descriptiva Para Psicólogos (EST-225)
Más detalles1 - 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