1 Introducción Distribución exponencial Distribución Weibull Distribuciones Gamma y k-erlang... 10


Save this PDF as:
 WORD  PNG  TXT  JPG

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

Download "1 Introducción... 2. 2 Distribución exponencial... 2. 3 Distribución Weibull... 6. 4 Distribuciones Gamma y k-erlang... 10"

Transcripción

1 Asignatura: Ingeniería Industrial Índice de Contenidos 1 Introducción Distribución exponencial Distribución Weibull Distribuciones Gamma y k-erlang Distribución log-normal... 14

2 1 Introducción En este capítulo se van a describir algunas de las distribuciones teóricas más habituales en los estudios de fiabilidad. En concreto, introduciremos las siguientes distribuciones continuas: exponencial, Weibull, Gamma, k-erlang y log-normal. 2 Distribución exponencial La distribución exponencial es una de las más utilizadas en fiabilidad, lo cual es debido a su simplicidad y al hecho de que proporciona un modelo con tasa de fallo constante. En el contexto de la curva de la bañera, esta distribución representa la zona central o etapa de vida útil del dispositivo, durante la cual la tasa de fallo permanece aproximadamente constante (esta etapa suele ser la predominante en la vida de componentes electrónicos o mecánicos). Distribución exponencial Notación: exp( β ) Parámetros: β > 0 (escala) 1 =, t 0 β Función de densidad: f(, t β ) exp{ t β} Función de distribución: Ft (, β ) 1 exp{ tβ} Media: β =, t 0 Varianza: 2 β A. JUAN & C. SERRAT - UNIVERSITAT POLITÈCNICA DE CATALUNYA, de 17

3 A. JUAN & C. SERRAT - UNIVERSITAT POLITÈCNICA DE CATALUNYA, de 17

4 Observación: relación entre exponencial y Poisson Decir que la v.a. T = tiempo entre dos fallos consecutivos sigue una distribución A. JUAN & C. SERRAT - UNIVERSITAT POLITÈCNICA DE CATALUNYA, de 17

5 exponencial de parámetro β (tiempo medio entre fallos, supuesto constante a lo largo del experimento), es equivalente a decir que la v.a. n = número de fallos producidos entre dos instantes consecutivos sigue una distribución de Poisson de parámetro λ = 1 β (número medio de fallos entre dos instantes consecutivos, supuesto constante a lo largo del experimento). Proposición: propiedad falta de memoria de la exponencial Considérese un dispositivo cuyo tiempo de fallo siga una distribución exponencial. Si el dispositivo se encuentra funcionando en un instante t, la probabilidad de que éste falle en el intervalo ( tt, t) + sólo depende de la amplitud del intervalo, t, siendo dicha probabilidad independiente del tiempo t que lleve el dispositivo funcionando. En cierto sentido, se puede decir pues que el dispositivo no envejece (con el tiempo no se hace más propenso a fallar) o, equivalentemente, que no tiene memoria (no recuerda el tiempo que lleva funcionando). Demostración La f.d. asociada a una distribución exponencial viene dada por la expresión siguiente: { t β} Ft () = 1 exp / donde β > 0 (scale) es el parámetro que define la distribución. Por tanto: ( ) { t β} { ( t+ t) β} exp { t / β} exp / exp / Pt< T t+ tt > t = = 1 exp t/ { β} Expresión que no depende de t, sólo de la amplitud del intervalo considerado, t A. JUAN & C. SERRAT - UNIVERSITAT POLITÈCNICA DE CATALUNYA, de 17

6 3 Distribución Weibull La distribución de Weibull es, probablemente, la distribución más utilizada en teoría de fiabilidad. De hecho, en muchas referencias bibliográficas se habla de análisis Weibull para hacer referencia a los estudios de fiabilidad. Ello se debe a la gran flexibilidad que presenta esta distribución, mediante la cual es posible modelar cada una de las tres etapas típicas de la curva de la bañera, i.e.: la etapa inicial -con tasa de fallo decreciente-, la etapa de vida útil -con tasa de fallo aproximadamente constante-, y la etapa final -caracterizada por una tasa de fallo creciente. Distribución Weibull Notación: Weibull( α, β ) Parámetros: α > 0 (forma o shape), β > 0 (escala) Función de densidad: α 1 α t f(, t αβ, ) = α β exp ( / ) α { t β } α Función de distribución: Ft (, αβ, ) 1 exp { ( t/ β) }, t > 0 =, t > 0 Media 1 : β 1 Γ α α Varianza: 2 2 β Γ Γ α α α α z Γ k = z e dz es la función gamma 1 k 1 ( ) 0 A. JUAN & C. SERRAT - UNIVERSITAT POLITÈCNICA DE CATALUNYA, de 17

7 A. JUAN & C. SERRAT - UNIVERSITAT POLITÈCNICA DE CATALUNYA, de 17

8 Observación: tasas de fallo decrecientes, constantes y crecientes Como se puede apreciar en los gráficos anteriores, la distribución Weibull puede utilizarse para modelar tasas de fallo decrecientes, constantes y crecientes en función del parámetro α (forma). En concreto: A. JUAN & C. SERRAT - UNIVERSITAT POLITÈCNICA DE CATALUNYA, de 17

9 Si 0< α < 1 ht () es decreciente Si α = 1 ht () es constante Si α > 1 ht () es creciente Proposición: relación Weibull - exponencial La distribución exponencial se puede interpretar como un caso particular de la Weibull (o, dicho de otra forma, la Weibull se puede ver como una generalización de la exponencial). En concreto, la exponencial es una Weibull con parámetro de forma α = 1, i.e.: exp( β ) = Weibull(1, β ) Demostración La f.d. asociada a una distribución Weibull de parámetros α (forma) y β (escala) viene dada por la expresión siguiente: α { t β } Ft () = 1 exp ( / ) Para el caso particular en que α = 1, se obtiene la expresión: { t β} Ft () = 1 exp / que es, precisamente, la f.d. asociada a una distribución exponencial de parámetro β (escala). A. JUAN & C. SERRAT - UNIVERSITAT POLITÈCNICA DE CATALUNYA, de 17

10 4 Distribuciones Gamma y k-erlang De forma similar a lo que ocurría con la distribución Weibull, la Gamma también permite modelar las tres etapas características de la curva de la bañera (tasas de fallo crecientes, constantes y decrecientes). Además, la distribución Gamma también puede interpretarse como una generalización de la exponencial. Otra distribución muy utilizada, y que nuevamente se puede considerar como un caso particular de la Gamma, es la k-erlang. Distribución Gamma Notación: Gamma( α, β ) Parámetros: α > 0 (forma o shape), β > 0 (escala) α 1 t α β Γ( α) Función de densidad: f (, t α, β) = exp{ t β}, t 0 Función de distribución: debido a la complejidad de la integral resultante no existe, en general, una forma cerrada para Ftα (,, β ). Media: α β Varianza: 2 α β A. JUAN & C. SERRAT - UNIVERSITAT POLITÈCNICA DE CATALUNYA, de 17

11 A. JUAN & C. SERRAT - UNIVERSITAT POLITÈCNICA DE CATALUNYA, de 17

12 Observación: tasas de fallo decrecientes, constantes y crecientes Como se puede apreciar en los gráficos anteriores, la distribución Gamma puede utilizarse para modelar tasas de fallo decrecientes, constantes y crecientes en función del parámetro α (forma). En concreto: A. JUAN & C. SERRAT - UNIVERSITAT POLITÈCNICA DE CATALUNYA, de 17

13 Si 0< α < 1 ht () es decreciente Si α = 1 ht () es constante Si α > 1 ht () es creciente Proposición: relación Gamma - exponencial La distribución exponencial se puede interpretar como un caso particular de la Gamma (o, dicho de otra forma, la Gamma se puede ver como una generalización de la exponencial). En concreto, la exponencial es una Gamma con parámetro de forma α = 1, i.e.: exp( β ) = Gamma(1, β ) Demostración La f.d.p. asociada a una distribución Gamma de parámetros α (forma) y β (escala) viene dada por la expresión siguiente: α 1 t f() t = exp α β Γ( α) { t β} Para el caso particular en que α = 1, se obtiene la expresión: 1 1 f() t = exp t exp t β Γ(1) = β { β} { β} que es, precisamente, la f.d.p. asociada a una distribución exponencial de parámetro β (escala). Observación: distribución k-erlang Se denomina distribución k-erlang de parámetro β a una distribución Gamma( k, β ) en la que el parámetro de forma, k, es un entero positivo, i.e.: k Erlang( β ) = Gamma( k, β ) con k + A. JUAN & C. SERRAT - UNIVERSITAT POLITÈCNICA DE CATALUNYA, de 17

14 5 Distribución log-normal La distribución normal, sin duda la más importante de las distribuciones estadísticas, no resulta de mucho interés a la hora de modelar tiempos de fallo. Ello es debido al hecho de que la distribución normal admite valores negativos, lo cual contrasta con el hecho de que los tiempos transcurridos hasta el fallo sean siempre valores positivos. Para solventar esta dificultad, se suele recurrir a la distribución log-normal, derivada de la normal, que sólo considera valores positivos. Distribución log-normal Notación: LogNormal ( µ, σ ) Parámetros: < µ < (localización), σ > 0 (escala) Función de densidad: 2 1 (ln t µ ) f(, t µσ, ) = exp 2 2 t 2πσ 2σ, t > 0 Función de distribución: debido a la complejidad de la integral resultante no existe, en general, una forma cerrada para Ftµ (,, σ ). Media: 2 σ exp µ Varianza: exp{ 2µ + σ } ( exp{ σ } 1) A. JUAN & C. SERRAT - UNIVERSITAT POLITÈCNICA DE CATALUNYA, de 17

15 A. JUAN & C. SERRAT - UNIVERSITAT POLITÈCNICA DE CATALUNYA, de 17

16 A. JUAN & C. SERRAT - UNIVERSITAT POLITÈCNICA DE CATALUNYA, de 17

17 Proposición: relación lognormal - normal Si una variable aleatoria T sigue una distribución LogNormal ( µ, σ ), entonces la variable aleatoria X = ln( T ) se distribuye según una Normal ( µ, σ ). A. JUAN & C. SERRAT - UNIVERSITAT POLITÈCNICA DE CATALUNYA, de 17

Distribuciones de Probabilidad en Arena

Distribuciones de Probabilidad en Arena Distribuciones de Probabilidad en Arena Arena posee una amplia gama de funciones o distribuciones estadísticas incorporadas para la generación de números aleatorios. Estas distribuciones aparecen cuando,

Más detalles

Variables aleatorias continuas

Variables aleatorias continuas Variables aleatorias continuas Hemos definido que una variable aleatoria X es discreta si I X es un conjunto finito o infinito numerable. En la práctica las variables aleatorias discretas sirven como modelos

Más detalles

UNIVERSIDAD DE ATACAMA FACULTAD DE INGENIERÍA DEPARTAMENTO DE MATEMÁTICA

UNIVERSIDAD DE ATACAMA FACULTAD DE INGENIERÍA DEPARTAMENTO DE MATEMÁTICA UNIVERSIDAD DE ATACAMA FACULTAD DE INGENIERÍA DEPARTAMENTO DE MATEMÁTICA ESTADÍSTICA Y PROBABILIDADES GUÍA 5: VARIABLES ALEATORIAS Y DISTRIBUCIONES CONTINUAS Profesor: Hugo S. Salinas. Segundo Semestre

Más detalles

UNIVERSIDAD DE ATACAMA

UNIVERSIDAD DE ATACAMA UNIVERSIDAD DE ATACAMA FACULTAD DE INGENIERÍA / DEPARTAMENTO DE MATEMÁTICA PROBABILIDAD Y ESTADÍSTICA GUÍA 4: VARIABLES ALEATORIAS CONTINUAS Y DISTRIBUCIONES DE PROBABILIDAD Plan Común de Ingeniería 1.

Más detalles

Diagnosis y Crítica del modelo -Ajuste de distribuciones con Statgraphics-

Diagnosis y Crítica del modelo -Ajuste de distribuciones con Statgraphics- Diagnosis y Crítica del modelo -Ajuste de distribuciones con Statgraphics- 1. Introducción Ficheros de datos: TiempoaccesoWeb.sf3 ; AlumnosIndustriales.sf3 El objetivo de esta práctica es asignar un modelo

Más detalles

Si buscamos conversiones de una variable aleatoria exponencial con parámetro Á,, el método de la transformada inversa produce

Si buscamos conversiones de una variable aleatoria exponencial con parámetro Á,, el método de la transformada inversa produce 170 PROBABILIDAD Y ESTADÍSTICA PARA INGENIERÍA Si buscamos conversiones de una variable aleatoria exponencial con parámetro Á,, el método de la transformada inversa produce xi = in (u ), i = 1, 2,... (6-34)

Más detalles

Introducción al Análisis de Supervivencia con R

Introducción al Análisis de Supervivencia con R UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO FACULTAD DE CIENCIAS Introducción al Análisis de Supervivencia con R T E S I S QUE PARA OBTENER EL TÍTULO DE: ACTUARIO P R E S E N T A : ANGEL MANUEL GODOY AGUILAR

Más detalles

Teoría de Colas o Fenómenos de Espera

Teoría de Colas o Fenómenos de Espera Teoría de Colas o Fenómenos de Espera Área de Estadística e Investigación Operativa Licesio J. Rodríguez-Aragón Febrero 2011 Introducción 2 Introducción............................................................

Más detalles

Tema 3. Variables aleatorias. Inferencia estadística

Tema 3. Variables aleatorias. Inferencia estadística Estadística y metodología de la investigación Curso 2012-2013 Pedro Faraldo, Beatriz Pateiro Tema 3. Variables aleatorias. Inferencia estadística 1. Introducción 1 2. Variables aleatorias 1 2.1. Variable

Más detalles

CAPÍTULO 5. 5.3 La Distribución Normal

CAPÍTULO 5. 5.3 La Distribución Normal CAPÍTULO 5 5.3 La Distribución Normal Si una variable aleatoria X tiene una distribución Normal y queremos calcular la probabilidad de que X caiga entre dos valores a y b entonces, debemos hallar el área

Más detalles

Primera Parte: INTRODUCCIÓN A LAS DISTRIBUCIONES COMUNES (DE LOS DATOS)

Primera Parte: INTRODUCCIÓN A LAS DISTRIBUCIONES COMUNES (DE LOS DATOS) Primera Parte: INTRODUCCIÓN A LAS DISTRIBUCIONES COMUNES (DE LOS DATOS) Este documento introduce un conjunto de distribuciones que asimismo son habituales en el proceso de modelización actual. Así, por

Más detalles

Documento no controlado, sin valor

Documento no controlado, sin valor HOJA DE ASIGNATURA CON DESGLOSE DE UNIDADES TEMÁTICAS 1. Nombre de la asignatura Estadística Industrial 2. Competencias Diseñar estrategias de mantenimiento mediante el análisis de factores humanos, tecnológicos,

Más detalles

Examen de Estadística Ingeniería de Telecomunicación

Examen de Estadística Ingeniería de Telecomunicación Examen de Estadística Ingeniería de Telecomunicación 8 de Mayo de 3 Cuestiones solucion h C. (.5p) El equipo directivo de cierta empresa del sector de hostelería está constituido por 5 personas de las

Más detalles

Introducción 9 P(A)= Un suceso no es siempre exactamente repetible. Como mínimo, los tiempos de ocurrencia son distintos.

Introducción 9 P(A)= Un suceso no es siempre exactamente repetible. Como mínimo, los tiempos de ocurrencia son distintos. Introducción 9 TEORÍA DE FIABILIDAD Introducción La teoría de la fiabilidad industrial estudia métodos que deben seguirse tanto en el diseño como en la recepción, el transporte y el uso de los productos

Más detalles

Métodos generales de generación de variables aleatorias

Métodos generales de generación de variables aleatorias Tema Métodos generales de generación de variables aleatorias.1. Generación de variables discretas A lo largo de esta sección, consideraremos una variable aleatoria X cuya función puntual es probabilidad

Más detalles

Estadística aplicada y modelización. 15 de junio de 2005

Estadística aplicada y modelización. 15 de junio de 2005 Estadística aplicada y modelización. 15 de junio de 2005 SOLUCIÓN MODELO A 1. En una población de fumadores se quiere examinar la relación entre el número de cigarrillos que consumen diariamente y el número

Más detalles

Fiabilidad. Fiabilidad. 2.0. Esquema conceptual de la unidad. Introducción Matemática a la variable aleatoria. Curva Davies o de la bañera

Fiabilidad. Fiabilidad. 2.0. Esquema conceptual de la unidad. Introducción Matemática a la variable aleatoria. Curva Davies o de la bañera 2 Fiabilidad 2.. Esquema conceptual de la unidad Introducción Matemática a la variable aleatoria Fiabilidad Curva Davies o de la bañera Fiabilidad e infiabilidad Tipos de ensayos en fiabilidad Relación

Más detalles

Test ( o Prueba ) de Hipótesis

Test ( o Prueba ) de Hipótesis Test de Hipótesis 1 Test ( o Prueba ) de Hipótesis Ejemplo: Una muestra de 36 datos tiene una media igual a 4.64 Qué puede deducirse acerca de la población de donde fue tomada? Se necesita contestar a

Más detalles

Capítulo 5 REVISIÓN DE CONCEPTOS DE ESTADÍSTICA Y PROBABILIDAD

Capítulo 5 REVISIÓN DE CONCEPTOS DE ESTADÍSTICA Y PROBABILIDAD Capítulo 5 REVISIÓN DE CONCEPTOS DE ESTADÍSTICA Y PROBABILIDAD 73 La planeación y el diseño de proyectos relacionados con el agua necesitan información de diferentes eventos hidrológicos que no son gobernados

Más detalles

LUCIO FUENTELSAZ * JAIME GÓMEZ * YOLANDA POLO *

LUCIO FUENTELSAZ * JAIME GÓMEZ * YOLANDA POLO * Cuadernos de Economía y Dirección de la Empresa. Núm. 19, 2004, 081-114 LUCIO FUENTELSAZ * JAIME GÓMEZ * YOLANDA POLO * Aplicaciones del análisis de supervivencia a la investigación en economía de la empresa**

Más detalles

Curso: Métodos de Monte Carlo Unidad 2, Sesión 6: Integración por Monte Carlo

Curso: Métodos de Monte Carlo Unidad 2, Sesión 6: Integración por Monte Carlo Curso: Métodos de Monte Carlo Unidad 2, Sesión 6: Integración por Monte Carlo Departamento de Investigación Operativa Instituto de Computación, Facultad de Ingeniería Universidad de la República, Montevideo,

Más detalles

Soluciones Examen de Estadística Ingeniería Superior de Telecomunicación

Soluciones Examen de Estadística Ingeniería Superior de Telecomunicación Soluciones Examen de Estadística Ingeniería Superior de Telecomunicación de Septiempbre, 00 Cuestiones 1h C1. El tiempo que un ordenador tarda en ejecutar una tarea es una v.a. Y Expλ). Para hacer un estudio

Más detalles

Tema 5. Variables aleatorias discretas

Tema 5. Variables aleatorias discretas Tema 5. Variables aleatorias discretas Resumen del tema 5.1. Definición de variable aleatoria discreta 5.1.1. Variables aleatorias Una variable aleatoria es una función que asigna un número a cada suceso

Más detalles

Programación en R para Estadística. Simulación

Programación en R para Estadística. Simulación Programación en R para Estadística 1 de 2 Programación en R para Estadística Simulación J. Elías Rodríguez M. Facultad de Matemáticas Universidad de Guanajuato XXIII Foro Nacional de Estadística 11 de

Más detalles

Tema 3 VARIABLE ALEATORIA DISCRETA. PRINCIPALES DISTRIBUCIONES

Tema 3 VARIABLE ALEATORIA DISCRETA. PRINCIPALES DISTRIBUCIONES Tema 3 VARIABLE ALEATORIA DISCRETA. PRINCIPALES DISTRIBUCIONES 1.- Definición de variable aleatoria discreta. Normalmente, los resultados posibles (espacio muestral Ω) de un experimento aleatorio no son

Más detalles

ESTADISTICA Y PROBABILIDAD

ESTADISTICA Y PROBABILIDAD ESTADISTICA Y PROBABILIDAD Introducción Para incrementar los conocimientos que se tienen acerca del mundo es necesario emplear los métodos y las inferencias estadísticas. Sin embargo debido a la amplitud

Más detalles

MODELOS DE PROBABILIDAD II

MODELOS DE PROBABILIDAD II EAA-Tema 6, II MODELOS DE PROBABILIDAD II APÉNDICE MATEMÁTICO ( FUNCIÓN GAMMA Y BETA) DISTRIBUCIÓN GAMMA ( VARIABLES ALEATORIAS GAMMA) DISTRIBUCIÓN GAMMA DE UN PARÁMETRO MEDIA Y VARIANZA DE LA DISTRIBUCIÓN

Más detalles

Práctica 3 Distribuciones de probabilidad

Práctica 3 Distribuciones de probabilidad Práctica 3 Distribuciones de probabilidad Contenido 1 Objetivos 1 2 Distribuciones de variables aleatorias 1 3 Gráficas de funciones de distribución, densidad y probabilidad 6 4 Bibliografía 10 1 Objetivos

Más detalles

5. DISTRIBUCIONES DE PROBABILIDAD CONTINUAS Y MUESTRALES

5. DISTRIBUCIONES DE PROBABILIDAD CONTINUAS Y MUESTRALES 5. DISTRIBUCIONES DE PROBABILIDAD CONTINUAS Y MUESTRALES 5.. Distribuciones de Probabilidad de una variable aleatoria continua Toda distribución de probabilidad es generada por una variable aleatoria x,

Más detalles

TEMA 4. MODELOS DE PROBABILIDAD DISCRETOS

TEMA 4. MODELOS DE PROBABILIDAD DISCRETOS TEMA 4. MODELOS DE PROBABILIDAD DISCRETOS 4.1 Distribución binomial 4.1.1 Definición. Ejemplos 4.1.2 La media y la varianza 4.1.3 Uso de tablas 4.1.4 Aditividad 4.2 Distribución de Poisson 4.2.1 Definición.

Más detalles

UNIVERSIDAD DE ATACAMA

UNIVERSIDAD DE ATACAMA UNIVERSIDAD DE ATACAMA FACULTAD DE INGENIERÍA / DEPARTAMENTO DE MATEMÁTICA ESTADÍSTICA Y PROBABILIDAD GUÍA DE TRABAJO 2 Profesor: Hugo S. Salinas. Primer Semestre 2010 1. La dureza Rockwell de un metal

Más detalles

CONFIABILIDAD ELECTRÓNICA y ELÉCTRICA

CONFIABILIDAD ELECTRÓNICA y ELÉCTRICA CONFIABILIDAD ELECTRÓNICA y ELÉCTRICA Introducción. La principal diferencia entre la Confiabilidad eléctrica y mecánica radica fundamentalmente en que, en general, los sistemas electrónicos no se desgastan

Más detalles

Relación de problemas: Distribuciones de probabilidad

Relación de problemas: Distribuciones de probabilidad Estadística y modelización. Ingeniero Técnico en Diseño Industrial. Relación de problemas: Distribuciones de probabilidad 1. Un jugador de dardos da justo en la diana 2 de cada cinco veces que lanza. Si

Más detalles

"CONTRASTES DE HIPÓTESIS" 4.4 Parte básica

CONTRASTES DE HIPÓTESIS 4.4 Parte básica 76 "CONTRASTES DE HIPÓTESIS" 4.4 Parte básica 77 4.4.1 Introducción a los contrastes de hipótesis La Inferencia Estadística consta de dos partes: Estimación y Contrastes de Hipótesis. La primera se ha

Más detalles

CAPÍTULO 10 Aplicaciones de la Derivada a Funciones Económicas

CAPÍTULO 10 Aplicaciones de la Derivada a Funciones Económicas CAPÍTULO 10 Aplicaciones de la Derivada a Funciones Económicas Introducción En la economía, la variación de alguna cantidad con respecto a otra puede ser descrita por un concepto promedio o por un concepto

Más detalles

EL MÉTODO DE LA BISECCIÓN

EL MÉTODO DE LA BISECCIÓN EL MÉTODO DE LA BISECCIÓN Teorema de Bolzano Sea f : [a, b] IR IR una función continua en [a, b] tal que f(a) f(b) < 0, es decir, que tiene distinto signo en a y en b. Entonces, existe c (a, b) tal que

Más detalles

Herramientas para la optimización del Mantenimiento Predictivo en la planta GICC de Puertollano dentro del programa conjunto ELCOGAS- UCLM

Herramientas para la optimización del Mantenimiento Predictivo en la planta GICC de Puertollano dentro del programa conjunto ELCOGAS- UCLM II Conferencia de Ingeniería de Organización Vigo, 5-6 Septiembre 2002 Herramientas para la optimización del Mantenimiento Predictivo en la planta GICC de Puertollano dentro del programa conjunto ELCOGAS-

Más detalles

Las anteriores fórmulas suelen expresarse matricialmente como

Las anteriores fórmulas suelen expresarse matricialmente como Capítulo III Teoría de las curvas 1. Clasificación de curvas en R 3 En esta sección veremos que, esencialmente, la curvatura y la torsión determinan las curvas de R 3. Para ello necesitaremos las conocidas

Más detalles

LA DISTRIBUCIÓN NORMAL, LA CALCULADORA Y LAS NUEVAS TECNOLOGÍAS Abel Martín ( * ) Rosana Álvarez García ( )

LA DISTRIBUCIÓN NORMAL, LA CALCULADORA Y LAS NUEVAS TECNOLOGÍAS Abel Martín ( * ) Rosana Álvarez García ( ) LA DISTRIBUCIÓN NORMAL, LA CALCULADORA Y LAS NUEVAS TECNOLOGÍAS Abel Martín ( * ) Rosana Álvarez García ( ) La distribución Normal tiene numerosas aplicaciones en el campo de la Probabilidad y la Estadística,

Más detalles

TÉCNICAS DE INTEGRACIÓN

TÉCNICAS DE INTEGRACIÓN C TÉCNICAS DE INTEGRACIÓN C. CONCEPTOS PRELIMINARES C.. Función primitiva Sea f : I R, donde I es un intervalo real. Diremos que la función F : I R es una función primitiva de la función f en I si se cumple

Más detalles

Relación de Problemas. Modelos de Probabilidad

Relación de Problemas. Modelos de Probabilidad Relación de Problemas. Modelos de Probabilidad 1. Sabemos que en una ciudad, de cada 50000 personas, 1500 están viendo un cierto programa de TV. Cuál es la probabilidad de que de 100 personas elegidas

Más detalles

Capítulo 5. Variables aleatorias continuas. 5.1. Introducción. 5.2 Distribuciones continuas

Capítulo 5. Variables aleatorias continuas. 5.1. Introducción. 5.2 Distribuciones continuas Capítulo 5 Variables aleatorias continuas 5.1 Introducción 5.2 Distribuciones continuas 5.2.1 Uniforme 5.2.2 Exponencial 5.2.3 Weibull 5.2.4 Normal 5.3 Muestras aleatorias. Otros tipos de muestreo 5.4

Más detalles

MÉTODOS DE INFERENCIA PARA LA DISTRIBUCIÓN WEIBULL: APLICACIÓN EN FIABILIDAD INDUSTRIAL

MÉTODOS DE INFERENCIA PARA LA DISTRIBUCIÓN WEIBULL: APLICACIÓN EN FIABILIDAD INDUSTRIAL MÉTODOS DE INFERENCIA PARA LA DISTRIBUCIÓN WEIBULL: APLICACIÓN EN FIABILIDAD INDUSTRIAL Laura Martínez Fernández Trabajo fin de máster Máster en Técnicas Estadísticas Universidade de Vigo Julio de 2011

Más detalles

Programa de la asignatura Curso: 2007 / 2008 ESTADÍSTICA (3174)

Programa de la asignatura Curso: 2007 / 2008 ESTADÍSTICA (3174) Programa de la asignatura Curso: 2007 / 2008 ESTADÍSTICA (3174) PROFESORADO Profesor/es: SANTIAGO RUIZ MIGUEL - correo-e: rumi@ubu.es FICHA TÉCNICA Titulación: INGENIERÍA DE CAMINOS, CANALES Y PUERTOS

Más detalles

CAPITULO 4 GENERACION DE VARIABLES ALEATORIAS

CAPITULO 4 GENERACION DE VARIABLES ALEATORIAS CAPITULO 4 GENERACION DE VARIABLES ALEATORIAS En esta sección se trataran procedimientos para muestrear una variedad de distribuciones de probabilidad discretas y continuas ampliamente usadas. En el capítulo,

Más detalles

Sistemas de Generación de Energía Eléctrica HIDROLOGÍA BÁSICA. Universidad Tecnológica De Pereira

Sistemas de Generación de Energía Eléctrica HIDROLOGÍA BÁSICA. Universidad Tecnológica De Pereira 2010 Sistemas de Generación de Energía Eléctrica HIDROLOGÍA BÁSICA Universidad Tecnológica De Pereira Conceptos Básicos de Hidrología La hidrología es una ciencia clave en el estudio de los sistemas de

Más detalles

Estadística EIAE (UPM) Estadística p. 1

Estadística EIAE (UPM) Estadística p. 1 Ö Ó ÓÒØ ÒÙÓ ÑÓ ÐÓ p. 1 Ejercicio 1 A una gasolinera llegan, en media, 3 coches por minuto. Calcular la probabilidad de que a) En 1 minuto lleguen dos coches. b) En 1 minuto lleguen al menos dos coches.

Más detalles

Universidad del País Vasco

Universidad del País Vasco Universidad del País Vasco eman ta zabal zazu Euskal Herriko Unibertsitatea INSTRUCCIONES. El examen consta de 50 cuestiones. Hay una única respuesta correcta para cada cuestión. Las cuestiones respondidas

Más detalles

Clase 7: Algunas Distribuciones Continuas de Probabilidad

Clase 7: Algunas Distribuciones Continuas de Probabilidad Clase 7: Algunas Distribuciones Continuas de Probabilidad Distribución Uniforme Continua Una de las distribuciones continuas más simples en Estadística es la Distribución Uniforme Continua. Esta se caracteriza

Más detalles

UNIVERSIDAD SIMÓN BOLÍVAR COORDINACIÓN DE INGENIERÍA ELÉCTRICA

UNIVERSIDAD SIMÓN BOLÍVAR COORDINACIÓN DE INGENIERÍA ELÉCTRICA UNIVERSIDAD SIMÓN BOLÍVAR COORDINACIÓN DE INGENIERÍA ELÉCTRICA MÉTODO BASADO EN CONFIABILIDAD PARA MEJORAR LA FRECUENCIA DE MANTENIMIENTO EN INTERRUPTORES DE 30kV POR DANIEL GUERRA SERRANO INFORME FINAL

Más detalles

Apuntes de cálculo diferencial en una y varias variables reales. Eduardo Liz Marzán

Apuntes de cálculo diferencial en una y varias variables reales. Eduardo Liz Marzán Apuntes de cálculo diferencial en una y varias variables reales Eduardo Liz Marzán Diciembre de 2013 Índice general 1 Preliminares 1 11 Introducción 1 12 La relación de orden en el conjunto de los números

Más detalles

Calidad del Software

Calidad del Software 154 ITI Gestión Medición 155 Programa 1. Medición y experimentación en Ingeniería del Software 1.1 Introducción 1.2 Teoría representacional de la medición. 1.3 Experimentación en Ingeniería del software.

Más detalles

MANUAL SIMPLIFICADO DE ESTADÍSTICA APLICADA VIA SPSS

MANUAL SIMPLIFICADO DE ESTADÍSTICA APLICADA VIA SPSS 1 MANUAL SIMPLIFICADO DE ESTADÍSTICA APLICADA VIA SPSS Medidas de tendencia central Menú Analizar: Los comandos del menú Analizar (Estadística) ejecutan los procesamientos estadísticos. Sus comandos están

Más detalles

n=1 2. Sea Ω un conjunto cualquiera con al menos dos puntos, x, y y sea C = P(Ω). Definimos

n=1 2. Sea Ω un conjunto cualquiera con al menos dos puntos, x, y y sea C = P(Ω). Definimos Capítulo 2 Espacios de Medida 2.1. Funciones Aditivas de Conjunto Definición 2.1 Sea µ : C R = R {, + } una función definida sobre una colección de conjuntos C. Decimos que µ es finitamente aditiva si

Más detalles

1.1. Operaciones básicas: complemento, unión e intersección... 7 1.2. Variable aleatoria X... 10

1.1. Operaciones básicas: complemento, unión e intersección... 7 1.2. Variable aleatoria X... 10 Índice general 1. Estadística y Procesos Estocásticos 7 1.1. Introducción a la estadística..................... 7 1.1.1. Axiomas de la probabilidad................. 7 1.1.2. Probabilidad condicional e

Más detalles

Análisis de una variable real I. Tijani Pakhrou

Análisis de una variable real I. Tijani Pakhrou Análisis de una variable real I Tijani Pakhrou Índice general 1. Introducción axiomática de los números 1 1.1. Números naturales............................ 1 1.1.1. Axiomas de Peano........................

Más detalles

análisis de valores extremos introducción

análisis de valores extremos introducción capítulo 5 Análisis de valores extremos 5.1 Introducción El análisis de frecuencia tiene por objeto analizar registros históricos de variables hidrológicas con el fin de estimar las probabilidades de que

Más detalles

3FUNCIONES LOGARÍTMICAS

3FUNCIONES LOGARÍTMICAS 3FUNCIONES LOGARÍTMICAS Problema 1 Si un cierto día, la temperatura es de 28, y hay mucha humedad, es frecuente escuchar que la sensación térmica es de, por ejemplo, 32. La sensación térmica depende de

Más detalles

Propuesta A. 2 0 b) Dada la ecuación matricial: X =, despeja y calcula la matriz X (0.75 ptos) 1 1

Propuesta A. 2 0 b) Dada la ecuación matricial: X =, despeja y calcula la matriz X (0.75 ptos) 1 1 Pruebas de Acceso a Enseñanzas Universitarias Oficiales de Grado (014) Materia: MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES II El alumno deberá contestar a una de las dos opciones propuestas A o B. Se

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

12. f(x) = 1 x-1 2 13. f(x) = x+2. x 15. f(x) = 2x+1. x 24. f(x) = x 2 +x+1 2 25. f(x) = x 2 -x-2. 1 21. f(x) = x 2 +x. x-1 27.

12. f(x) = 1 x-1 2 13. f(x) = x+2. x 15. f(x) = 2x+1. x 24. f(x) = x 2 +x+1 2 25. f(x) = x 2 -x-2. 1 21. f(x) = x 2 +x. x-1 27. . Determina el dominio de la función:. f() = -. f() =. f() = 4. f() = -6. f() = 6. f() = + 7. f() = - 8. f() = e 9. f() = + 0. f() = -. f() = -. f() = -. f() = + 4. f() = +. f() = + 6. f() = - + 7. f()

Más detalles

Funciones vectoriales de variable vectorial. Son aplicaciones entre espacios eucĺıdeos, IR n, f : X IR n Y IR m

Funciones vectoriales de variable vectorial. Son aplicaciones entre espacios eucĺıdeos, IR n, f : X IR n Y IR m Funciones vectoriales de variable vectorial Son aplicaciones entre espacios eucĺıdeos, IR n, f : X IR n Y IR m x y x = (x 1, x 2,, x n ), y = (y 1, y 2,, y m ) e y j = f j (x 1, x 2,, x n ), 1 j n n =

Más detalles

El concepto de integral con aplicaciones sencillas

El concepto de integral con aplicaciones sencillas El concepto de integral con aplicaciones sencillas Eliseo Martínez Marzo del 24 Abstract Este artículo trata de ejemplos sencillos del concepto de integral con aplicaciones a la Física, la Teoría de la

Más detalles

Sistemas de ecuaciones lineales

Sistemas de ecuaciones lineales Sistemas de ecuaciones lineales Problemas teóricos Sistemas de ecuaciones lineales con parámetros En los siguientes problemas hay que resolver el sistema de ecuaciones lineales para todo valor del parámetro

Más detalles

Notas de Probabilidades y Estadística

Notas de Probabilidades y Estadística Notas de Probabilidades y Estadística Capítulos 1 al 12 Víctor J. Yohai vyohai@dm.uba.ar Basadas en apuntes de clase tomados por Alberto Déboli, durante el año 2003 Versión corregida durante 2004 y 2005,

Más detalles

8.2.2. Intervalo para la media (caso general)

8.2.2. Intervalo para la media (caso general) 182 Bioestadística: Métodos y Aplicaciones 100 de ellos se obtiene una media muestral de 3 kg, y una desviación típica de 0,5 kg, calcular un intervalo de confianza para la media poblacional que presente

Más detalles

Unidad 9. Estimación

Unidad 9. Estimación Unidad 9 Estimación Estimación En los capítulos anteriores se han estudiado las nociones fundamentales de distribución de probabilidad y distribución muestral. Estamos ya en condiciones de tratar los métodos

Más detalles

Series y Probabilidades.

Series y Probabilidades. Series y Probabilidades Alejandra Cabaña y Joaquín Ortega 2 IVIC, Departamento de Matemática, y Universidad de Valladolid 2 CIMAT, AC Índice general Sucesiones y Series Numéricas 3 Sucesiones 3 2 Límites

Más detalles

DIAGRAMAS DE CONTROL TEORÍA GENERAL

DIAGRAMAS DE CONTROL TEORÍA GENERAL 1. DESARROLLO HISTÓRICO DIAGRAMAS DE CONTROL TEORÍA GENERAL 20 s Shewhart Primeros avances en el control estadístico de calidad. Segunda Guerra Mundial Se emplearon con mayor fuerza No se utilizaron Deming

Más detalles

EXTREMOS MAXIMOS DE OLEAJE

EXTREMOS MAXIMOS DE OLEAJE MINISTERIO DE FOMENTO Puertos del Estado EXTREMOS MAXIMOS DE OLEAJE ( ALTURA SIGNIFICANTE ) Boya de Cabo de Gata CODIGO B.D. 2548 LONGITUD -2.340 E LATITUD 36.570 N PROFUNDIDAD 368 m PERIODO 1998 2005

Más detalles

Una introducción amable a la teoría de colas

Una introducción amable a la teoría de colas Pablo Serrano Yáñez-Mingot, José Alberto Hernández Gutiérrez Una introducción amable a la teoría de colas Departamento de Ingeniería Telemática - Universidad Carlos III de Madrid Control de versiones 205-09-22

Más detalles

Modelos Estadísticos de los Factores de Riesgo: Series de Tiempo

Modelos Estadísticos de los Factores de Riesgo: Series de Tiempo Contenido Estructura básica análisis de riesgo Ejemplos Distribuciones codicionales y no condicionales Hacia donde vamos?: medidas de riesgo Métodos para deducir la distribución del proceso de pérdidas

Más detalles

El problema del máximo cubrimiento ordenado

El problema del máximo cubrimiento ordenado Jörg Kalcsics 1, Mercedes Landete 2, Alfredo Marín 3, Stefan Nickel 1 1 Saarland University, 2 Universidad Miguel Hernández de Elche, 3 Universidad de Murcia. Madrid, 2007 Dado un conjunto de ubicaciones

Más detalles

Tema 1. Inferencia estadística para una población

Tema 1. Inferencia estadística para una población Tema 1. Inferencia estadística para una población Contenidos Inferencia estadística Estimadores puntuales Estimación de la media y la varianza de una población Estimación de la media de la población mediante

Más detalles

POLITICAS DE PRECIO PARA BIENES PERECIBLES

POLITICAS DE PRECIO PARA BIENES PERECIBLES UNIVERSIDAD DE CHILE FACULTAD DE CIENCIAS FISICAS Y MATEMATICAS DEPARTAMENTO DE INGENIERIA INDUSTRIAL POLITICAS DE PRECIO PARA BIENES PERECIBLES Prof. Guía : Susana Mondschein Prof. Taller : Andrés Weintraub

Más detalles

Calculo Actuarial con Cadenas de Markov, una aplicación

Calculo Actuarial con Cadenas de Markov, una aplicación Calculo Actuarial con Cadenas de Marov, una aplicación Xavier Cabezas, Fernando Sandoya 2 Ingeniero en Estadística Informática 2 2 Director de esis, Matemático, Escuela Politécnica Nacional 996, Profesor

Más detalles

Universidad de Costa Rica Facultad de Ingeniería Escuela de Ingeniería Eléctrica

Universidad de Costa Rica Facultad de Ingeniería Escuela de Ingeniería Eléctrica Universidad de Costa Rica Facultad de Ingeniería Escuela de Ingeniería Eléctrica IE 0502 Proyecto Eléctrico CONFIABILIDAD DE UNA RED DE ENERGÍA ELÉCTRICA PARA UN USUARIO INDUSTRIAL Por: CHRISTIAN MÉNDEZ

Más detalles

ESTIMACIÓN. puntual y por intervalo

ESTIMACIÓN. puntual y por intervalo ESTIMACIÓN puntual y por intervalo ( ) Podemos conocer el comportamiento del ser humano? Podemos usar la información contenida en la muestra para tratar de adivinar algún aspecto de la población bajo estudio

Más detalles

Matemáticas C.C.S.S. Repaso de Selectividad 1. Se desea obtener dos elementos químicos a partir de las sustancias A y B. Un kilo de A contiene 8

Matemáticas C.C.S.S. Repaso de Selectividad 1. Se desea obtener dos elementos químicos a partir de las sustancias A y B. Un kilo de A contiene 8 Matemáticas C.C.S.S. Repaso de Selectividad 1. Se desea obtener dos elementos químicos a partir de las sustancias A y B. Un kilo de A contiene 8 gramos del primer elemento y 1 gramo del segundo; un kilo

Más detalles

OPCIÓN A 0 1 X = 1 12. Podemos despejar la matriz X de la segunda ecuación ya que la matriz. 1 1 ; Adj 0 1 X =

OPCIÓN A 0 1 X = 1 12. Podemos despejar la matriz X de la segunda ecuación ya que la matriz. 1 1 ; Adj 0 1 X = Selectividad Junio 011 Pruebas de Acceso a las Universidades de Castilla y León MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES EJERCICIO Nº páginas Tablas OPTATIVIDAD: EL ALUMNO/A DEBERÁ ESCOGER UNO DE

Más detalles

Determinantes de la pobreza

Determinantes de la pobreza S E R I E estudios y perspectivas OFICINA DE LA CEPAL EN BOGOTÁ 1 Determinantes de la pobreza en Colombia. Años recientes Jairo Núñez M. Juan Carlos Ramírez J. Proyecto Apoyo a la implementación de un

Más detalles

Fecundidad y Cambios Distributivos en América Latina

Fecundidad y Cambios Distributivos en América Latina C E D L A S Centro de Estudios Distributivos, Laborales y Sociales Maestría en Economía Facultad de Ciencias Económicas Fecundidad y Cambios Distributivos en América Latina Nicolás Badaracco Documento

Más detalles

Tema 10. Estimación Puntual.

Tema 10. Estimación Puntual. Tema 10. Estimación Puntual. Presentación y Objetivos. 1. Comprender el concepto de estimador y su distribución. 2. Conocer y saber aplicar el método de los momentos y el de máxima verosimilitud para obtener

Más detalles

Sea T R y (Ω, F, P ) un espacio de probabilidad. Un proceso aleatorio es una función

Sea T R y (Ω, F, P ) un espacio de probabilidad. Un proceso aleatorio es una función Capítulo 2 Cadenas de Markov 21 Introducción Sea T R y (Ω, F, P ) un espacio de probabilidad Un proceso aleatorio es una función X : T Ω R tal que para cada t T, X(t, ) es una variable aleatoria Si fijamos

Más detalles

Matemáticas II CURVAS

Matemáticas II CURVAS CURVAS En este tema introduciremos nuevos conceptos relacionados con la curva y sus parametrizaciones. Definiciones.- Sea γ : I = [a,b] R n. Se dice que la curva es cerrada si γ(a) = γ(b). Se dice que

Más detalles

ANÁLISIS DE FUNCIONES RACIONALES

ANÁLISIS DE FUNCIONES RACIONALES ANÁLISIS DE FUNCIONES RACIONALES ( x 9) Dada la función f( x) = x 4 DETERMINE: Dominio, asíntotas, intervalos de crecimiento, intervalos de concavidad, extremos relativos y puntos de inflexión, representar

Más detalles

UNA (MUY) BREVE INTRODUCCIÓN A LA ACTIVIDAD CIENTÍFICA

UNA (MUY) BREVE INTRODUCCIÓN A LA ACTIVIDAD CIENTÍFICA UNA (MUY) BREVE INTRODUCCIÓN A LA ACTIVIDAD CIENTÍFICA Aprendemos de nuestros errores (Karl R. Popper 1962. Conjeturas y refutaciones) El objetivo de la ciencia es acumular información sobre cómo funciona

Más detalles

DETERMINACIÓN DEL COEFICIENTE BETA (β) o RIESGO NO DIVERSIFICABLE

DETERMINACIÓN DEL COEFICIENTE BETA (β) o RIESGO NO DIVERSIFICABLE DETERMINACIÓN DEL COEFICIENTE BETA (β) o RIESGO NO DIVERSIFICABLE I. DEFINICIÓN Actualmente es importante tomar en cuenta que cada decisión empresarial que una Compañía quiera realizar, conlleva un grado

Más detalles

Ejercicios de Modelos de Probabilidad

Ejercicios de Modelos de Probabilidad Ejercicios de Modelos de Probabilidad Elisa M. Molanes-López, Depto. Estadística, UC3M Binomial, Poisson, Exponencial y Uniforme Ejercicio. Se dispone de un sistema formado por dos componentes similares

Más detalles

(Documento en revisión v-1.0)

(Documento en revisión v-1.0) I. CONFIABILIDAD. 1.1. INTRODUCCION. La habilidad para predecir circuitos y sistemas confiables está llegando a incrementar su importancia debido al conocimiento de la gente y por la exigencia de productos

Más detalles

A modo de Presentación

A modo de Presentación Ecuaciones Diferenciales de Orden Superior Primera Parte Funciones Eulerianas Ing. Ramón Abascal Prof esor Titular de Análisi s de Señales y Sist emas y Teoría de los Circuit os I I en la UTN, Facultad

Más detalles

PROBLEMAS RESUELTOS DE TEORÍA DE COLAS. (M/M/1: Un servidor con llegadas de Poisson y tiempos de servicio Exponenciales)

PROBLEMAS RESUELTOS DE TEORÍA DE COLAS. (M/M/1: Un servidor con llegadas de Poisson y tiempos de servicio Exponenciales) PROBLEMAS RESUELTOS DE TEORÍA DE COLAS. (M/M/1: Un servidor con llegadas de Poisson y tiempos de servicio Exponenciales) Prof.: MSc. Julio Rito Vargas A. I. Suponga que en una estación con un solo servidor

Más detalles

a)1 punto. b) Vértices (0,0),(0,2)(1.5,0.5)(1,0). 0.25 puntos

a)1 punto. b) Vértices (0,0),(0,2)(1.5,0.5)(1,0). 0.25 puntos c Solución óptima (1.5,0.5 Valor 3.5. 0.5 puntos. Para recaudar dinero para el viaje de fin de curso, unos estudiantes han vendido camisetas, bufandas y gorras a 10, 5 y 7 euros respectivamente. Han recaudado

Más detalles

UNIVERSIDAD NACIONAL DE INGENIERÍA FACULTAD DE INGENIERÍA MECÁNICA

UNIVERSIDAD NACIONAL DE INGENIERÍA FACULTAD DE INGENIERÍA MECÁNICA UNIVERSIDAD NACIONAL DE INGENIERÍA FACULTAD DE INGENIERÍA MECÁNICA ESTIMACIÓN DE LA CONFIABLIDAD EN EQUIPOS MEDIANTE EL ANÁLISIS DE WEIBULL TESIS PARA OPTAR EL TITULO DE: INGENIERO MECANICO PRESENTADO

Más detalles

Congruencias de Grado Superior

Congruencias de Grado Superior Congruencias de Grado Superior Capítulo 3 3.1 Introdución En el capítulo anterior vimos cómo resolver congruencias del tipo ax b mod m donde a, b y m son enteros m > 1, y (a, b) = 1. En este capítulo discutiremos

Más detalles

Introducción a la Investigación de Operaciones Facultad de Ingeniería - Universidad de la República Oriental del Uruguay

Introducción a la Investigación de Operaciones Facultad de Ingeniería - Universidad de la República Oriental del Uruguay Introducción a la Investigación de Operaciones Facultad de Ingeniería - Universidad de la República Oriental del Uruguay Procesos Estocásticos de Tiempo Contínuo Práctico Ejercicio 1 Sean X e Y variables

Más detalles

CARACTERIZACIÓN ESTADÍSTICA DE RECURSO EÓLICO CON FINES ENERGÉTICOS

CARACTERIZACIÓN ESTADÍSTICA DE RECURSO EÓLICO CON FINES ENERGÉTICOS CARACTERIZACIÓN ESTADÍSTICA DE RECURSO EÓLICO CON FINES ENERGÉTICOS Ing. BONOLI ESCOBAR, MARIANO; UTN FRH GESE ; mbonoli@fi.uba.ar Lic. GOGNI, VALERIA; UTN FRH GESE ; Valeria.gogni@gmail.com Ing. EDWARDS,

Más detalles

Capítulo 9. Regresión lineal simple

Capítulo 9. Regresión lineal simple Capítulo 9. Regresión lineal simple 9.1 Introducción Uno de los aspectos más relevantes de la Estadística es el análisis de la relación o dependencia entre variables. Frecuentemente resulta de interés

Más detalles

UNIVERSIDAD DE CHILE FACULTAD DE CIENCIAS FISICAS Y MATEMATICAS DEPARTAMENTO DE CIENCIA DE LOS MATERIALES

UNIVERSIDAD DE CHILE FACULTAD DE CIENCIAS FISICAS Y MATEMATICAS DEPARTAMENTO DE CIENCIA DE LOS MATERIALES UNIVERSIDAD DE CHILE FACULTAD DE CIENCIAS FISICAS Y MATEMATICAS DEPARTAMENTO DE CIENCIA DE LOS MATERIALES DISEÑO Y CONTROL ESTADÍSTICO DE LA FRACTURA DE MATERIALES: TENSIÓN DE ADHERENCIA DE ESTUCO DE CAL

Más detalles

MADRID / JUNIO 06 LOGSE / MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES / OPCIÓN A/ EXAMEN COMPLETO

MADRID / JUNIO 06 LOGSE / MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES / OPCIÓN A/ EXAMEN COMPLETO EXAMEN COMPLETO INSTRUCCIONES GENERALES Y VALORACIÓN INSTRUCCIONES: El examen presenta dos opciones: A y B. El alumno deberá elegir una de ellas y contestar razonadamente a los cuatro ejercicios de que

Más detalles
Sitemap