La valoración técnica es crucial para garantizar la validez de los resultados en un laboratorio. Para ello, es necesario que:
La Estadística se encarga del recuento, ordenación y clasificación de los datos obtenidos por las observaciones, para poder hacer comparaciones y sacar conclusiones.
Un estudio estadístico consta de las siguientes fases:
Una población es el conjunto de todos los elementos a los que se somete a un estudio estadístico. Seguir leyendo “Conceptos Básicos y Representación de Datos en Estadística” »
La curva normal, también conocida como campana de Gauss, es una representación gráfica de una distribución estadística donde las observaciones se concentran en el centro y disminuyen simétricamente hacia ambos extremos. Se caracteriza por tener pocas observaciones en los valores bajos, un número creciente hacia el centro (donde se encuentra la moda) y una disminución de frecuencias hacia los valores altos. Esta curva queda definida Seguir leyendo “Curva Normal y Distribuciones Estadísticas: Conceptos y Transformaciones” »
Las diferencias fundamentales radican en las condiciones o supuestos exigibles a la población y en la población que se analiza. Si la distribución poblacional es desconocida y no es normal, o cuando las varianzas son distintas y la variable no es cuantitativa, se utilizan pruebas no paramétricas, que son más flexibles. Si se conoce el modelo probabilístico de la población, pero se desconoce algún parámetro, se emplean pruebas paramétricas. Seguir leyendo “Conceptos Clave de Estadística: Estimadores, Hipótesis y Distribuciones” »
Pregunta: ¿Existe error de especificación en el modelo? Desarrolle el test correspondiente.
Solución:
Para determinar si existe un error de especificación, se realiza un contraste de hipótesis. Se construye la función a partir de la tabla de contraste, utilizando el coeficiente de yhat (ŷ) y su desviación típica. Se compara el p-valor resultante con un nivel de significancia de 0.05.
Objetivo: Observar y analizar la variabilidad y el comportamiento de un proceso en el tiempo. “Todo proceso tiene un grado de variabilidad”.
Modelo de Regresión de una Constante
Término constante µ; variable dependiente Yt; Ut error aleatorio. Yt = µ + Ut
1º supuesto: La media poblacional de E[Ut] = 0
2º supuesto: Homocedasticidad. V(Ut) = E(Ut – E(Ut))2 = E(Ut)2 = σ2
El incumplimiento de este supuesto se llama heterocedasticidad, e implica que esta varianza no es constante. V(Ut) = E(Ut2) = σ2t
3º supuesto: Normalidad. El error aleatorio Ut tiene una distribución Seguir leyendo “Regresión con Constante: Fundamentos, Supuestos y Estimación MCO” »
Calidad:
La calidad es la adecuación para el uso, satisfaciendo las necesidades del cliente.
Ciclo de Deming:
Es una metodología de gestión que tiene como objetivo la mejora constante de los procesos.
Kaizen:
Se refiere a un sistema de mejora continua en el que las pequeñas, pero constantes mejoras, acumulan tras de sí grandes beneficios a largo plazo.
Six Sigma:
Six Sigma es una metodología de mejora de procesos que ayuda a las organizaciones a perfeccionar sus procesos Seguir leyendo “Glosario de Calidad: Definiciones y Conceptos Clave” »
A continuación, se presentan una serie de ejercicios resueltos de estadística, que abarcan temas de probabilidad, cálculo de error estándar y contraste de hipótesis. Los ejercicios están divididos en dos secciones principales, cada una con un conjunto de datos diferente.
Esta sección se centra en el de la concentración de norepinefrina en la orina de voluntarios sanos.
A continuación, se describen las etapas clave en la simulación de sistemas, con ejemplos aplicados a diferentes contextos:
Se plantean los **objetivos**, **alcances**, **tiempos** y **recursos** necesarios para el proyecto. Es crucial definir claramente el problema a resolver.
Ejemplo: Plantear objetivos generales, preguntas específicas a resolver, medidas de desempeño de interés, alcances del modelo, tiempo y recursos requeridos. Seguir leyendo “Simulación de Sistemas: Optimización y Validación de Modelos” »