UNIDAD II
2. REGRESION LINEAL MULTIPLE
2.1 Estimación de coeficientes.
2.2 Uso de matrices.
2.3 Inferencias y pruebas de hipótesis.
2.4 Software estadístico.
UNIDAD III
3. EXPERIMENTOS DE UN FACTOR
3.1 Análisis de varianza.
3.2 Estrategia del diseño experimental.
3.3 Diseño aleatorizado.
3.4 Comparación con un grado de libertad.
3.5 Comparaciones múltiples.
3.6 Tratamiento en un control.
3.7 Tratamiento en bloques.
3.8 Cuadrados latinos.
3.9 Software estadístico
UNIDAD IV
4. EXPERIMENTOS FACTORIALES
4.1 Experimento de dos factores.
4.2 Varianza de dos factores.
4.3 Gráficos.
4.4 Experimento de tres factores.
4.5 Modelos multifactoriales.
4.6 Software estadístico.
UNIDAD V
5. CONTROL ESTADISTICO DE LA CALIDAD
5.1 Naturaleza de los límites de control.
5.2 Propósito de las gráficas de control.
5.3 Graficas de control para variables.
5.4 Graficas de control para atributos.
5.5 Six Sigma
TRABAJO FINAL
(𝑥1 , 𝑥2 , 𝑥3 , … , 𝑥𝑛 )
Esto es;
(𝑥1 + 𝑥2 + 𝑥3 + ⋯ + 𝑥𝑛 )
∑ 𝑎𝑘 = 𝑎1 + 𝑎2 + 𝑎3 + ⋯ + 𝑎𝑛
𝑘=1
Ejemplo:
Si 𝑛 = 5,
3
Y sean las funciones: 𝑆𝑛 = 3𝑛 𝑆𝑛 = 10𝑛 𝑆𝑛 = −6 + 2(𝑛 − 1)
Encontrar,
𝑛
∑ 𝑆𝑛
𝑖=1
𝟏 𝒏
2.- ∑𝟒𝒏=𝟏 𝟐 (− 𝟐) Resp. 5/16
𝒏+𝟏 𝒏
5.- ∑𝟑𝒏=𝟏 − 𝒏+𝟏 Resp. 35/12 o 2.91
𝒏
𝟏+(−𝟏)𝒌
6.- ∑𝟖𝒏=𝟏 Resp. 4
𝟐
11.- ∑𝟏𝟐
𝒏=𝟏(𝟑 + 𝒏)
𝟐
Resp. 1226
13.- ∑𝟏𝟑
𝒏=𝟕(𝒏 − 𝟏)
𝒏+𝟏
Resp. 1.31x10 15
PROPIEDAD 1
𝑛 𝑛
∑ 𝑐𝑖 = 𝑐 ∑ 𝑖
𝑖=1 𝑖=1
PROPIEDAD 2
𝑛
∑ 2𝑖 = 𝑛(𝑛 + 1)
𝑖=1
PROPIEDAD 3
𝑞
(𝑝 + 𝑞)(𝑄 − 𝑃 + 1)
∑𝑖 =
2
𝑖=𝑝
PROPIEDAD 4
𝑚
∑ 𝑘 = (𝑚 − 𝑛 + 1)𝑘
𝑖=𝑛
Para n < m.
PROPIEDAD 5
𝑛
𝑛(𝑛 + 1)(𝑛 + 2)
∑(𝑖 2 + 𝑖) =
3
𝑖=1
PROPIEDAD 6
𝑛
1 𝑛
∑ =
(𝑖 2 + 𝑖) 𝑛 + 1
𝑖=1
1) ∑6𝑖=1 2𝑖
2) ∑7𝑖=4 𝑖
1
3) ∑10
𝑖=1 𝑖(𝑖+1)
EJERCICIOS
1 𝟏
1) ∑𝑛𝑖=1 𝑖 Resp. 𝟒 (𝒏𝟐 + 𝒏)
2
2) ∑15
𝑗=4 𝑗 Resp. 114
3) ∑12 2
𝑘=1(𝑘 + 𝑘) Resp. 728
4) ∑18
𝑖=7 12 Resp. 144
1
5) ∑21
𝑖=1 (𝑖 2 Resp. 21/22
+𝑖)
(𝑥1 , 𝑥2 , 𝑥3 , … , 𝑥𝑛 )
Esto es;
(𝑥1 ∙ 𝑥2 ∙ 𝑥3 ∙ … ∙ 𝑥𝑛 )
∏ 𝑎𝑘 = 𝑎1 ∙ 𝑎2 ∙ 𝑎3 ∙ … ∙ 𝑎𝑛
𝑘=1
PROPIEDADES DE LA PRODUCTORIA
PROPIEDAD 1
∏ 3 = 32 = 9
𝑖=1
PROPIEDAD 2
El producto de una constante por una variable es igual a la constante elevada al límite
superior por la productoria de la variable.
PROPIEDAD 3
∏ 3 = 34−3+1 = 9
𝑖=3
PROPIEDAD 4
𝑛 𝑛 𝑛 𝑛
PROPIEDAD 5
𝑛
𝑓(𝑖) ∏𝑛𝑖=1 𝑓(𝑖)
∏ =
𝑔(𝑖) ∏𝑛𝑖=1 𝑔(𝑖)
𝑖=1
Donde 𝑔(𝑖) ≠ 0 .
PROPIEDAD 6
𝑛 𝑛
Ejemplos:
1) ∏6𝐼=1 2𝐼
∏𝑛𝑖=1 𝑘 = 𝑘 𝑛 ∏6𝑖=1 𝑝 = 𝑝6
∏𝑛𝑖=1 𝑖 = 𝑛! ∏5𝑘=1 𝑘 = 5!
(𝑛+𝑝)!
∏𝑛𝑖=1(𝑖 + 𝑝) =
𝑝!
𝑛! 7!
∏𝑛𝑖=𝑚 𝑖 = (𝑚−1)! ∏7𝑖=3 𝑖 =
(3−1)!
Donde 𝑚 ≤ 𝑛.
4
∑ log(4𝑖)
𝑖=1
Ejercicios:
1+𝑗
∏8𝑘=1 ( ) Resp. 1/3
𝑗+2
∏10
𝑘=6 𝑘 Resp. 30,240
∏20
𝑗=1(5 + 𝑗) Resp. 1.29x10…23
𝑖2 𝒂𝟐
∏𝑏𝑖=𝑎 [ ] Resp. (𝒃+𝟏)𝟐
(𝑖+1)2
El campo de la inferencia estadística se compone de los métodos que se utilizan para tomar
decisiones o sacar conclusiones acerca de una población.
Estos métodos emplean la formación contenida en una muestra de la población para sacar
conclusiones.
De MUESTRAS ALEATORIAS
DEFINICIONES
POBLACIÓN. Una población consiste en la totalidad de las observaciones que son motivo
de interés.
ESTIMACIONES RAZONABLES
Para 𝜇, la estimación es 𝜇̂
̂2
Para 𝜎 2 , la estimación es 𝜎
𝑥
Para p, la estimación es 𝑝 = 𝑛
𝜇1 − 𝜇2 → 𝜇
̂1 − 𝜇
̂2
𝑝1 − 𝑝2 → 𝑝
̂1 − 𝑝
̂2
Es una desviación estándar si incluye parámetros desconocidos que pueden estimarse. Esto
es;
𝜎
𝜎𝑥̅ =
√𝑛
ESTIMADOR BOOTSTRAP 𝝀
(Cargador inicial)
1
𝜆=
𝑥̅
EJEMPLO
Se describe un nuevo método para medir la conductividad térmica del hierro Armco.
Utilizando una temperatura de 100°F y una alimentación de energía de 550W. Se
obtuvieron las siguientes 10 mediciones de la conductividad térmica (Btu/hr-pie-°F).
41.60 41.48 42.34 41.95 41.86 42.18 41.72 42.26 41.81 42.04
Calcular:
La media poblacional
El error estándar
Estimación Bootstrap
Definición de Matriz
Una matriz es un conjunto de números reales ordenados en filas y columnas de la forma:
Ejemplo:
3 −2 1 4
( 3/4 −1 −1/3 2 )
0 5 2/5 −2
Igualdad de Matrices
Dos matrices son iguales cuando tienen la misma dimensión y los elementos que ocupan
igual posición son iguales:
dim(𝐴) = dim(𝐵)
𝐴=𝐵⟺{
𝑎𝑖𝑗 = 𝑏𝑖𝑗
Ejemplo:
2 3 1
𝐴=( )
𝑥 1 2
𝑎 3 𝑏
𝐵=( )
4 𝑐 2
Tipos de Matrices
Dependiendo de la forma que tengan las matrices o como son sus elementos, podemos
distinguir algunos tipos particulares de matrices.
𝑎11
𝑎21
𝑎31
⋮
(𝑎𝑛1 )
𝑎11 ⋯ 𝑎1𝑛
( ⋮ ⋱ ⋮ )
𝑎𝑛1 ⋯ 𝑎𝑛𝑛
𝑎11 ⋯ 𝑎1𝑛
( ⋮ ⋱ ⋮ )
𝑎𝑚1 ⋯ 𝑎𝑚𝑛
Ejemplo:
1
(√6 −4 0) ( 0 )
1 2 −1 −√8
En una matriz cuadrada, el conjunto formado por los elementos 𝑎𝑖𝑗 se llama diagonal
principal y el conjunto de los elementos 𝑎𝑖𝑗 tal que 𝑖 + 𝑗 = 𝑛 + 1, se llama diagonal
secundaria.
𝑎11 ⋯ ∅ ∅ ⋯ 𝑎1𝑛
( ⋮ ⋱ ⋮ ) ( ⋮ ⋱ ⋮ )
∅ ⋯ 𝑎𝑛𝑛 𝑎𝑛1 ⋯ ∅
Diagonal Principal Diagonal Secundaria
Ejemplo:
3 −1
3 −2 1
𝐴=( ) 𝐴′ = (−2 5 )
−1 5 7
1 7
Matriz Nula. Es aquella en la que todos sus elementos son nulos. También se llama matriz
Cero y se representa por 0.
Matriz diagonal. Es aquella que tiene todos sus elementos nulos salvo los de la diagonal
principal.
𝑎11 ⋯ 0
( ⋮ ⋱ ⋮ )
0 ⋯ 𝑎𝑛𝑛
Matriz Escalar. Es una matriz diagonal en la que todos los elementos de la diagonal
principal son iguales.
𝑎 ⋯ 0
(⋮ ⋱ ⋮)
0 ⋯ 𝑎
Matriz Unidad o Identidad. Es una matriz escalar con los elementos de la diagonal
principal iguales a 1.
1 ⋯ 0
(⋮ ⋱ ⋮)
0 ⋯ 1
Matriz Triangular. Es aquella en la que todos los elementos por encima o por debajo de la
diagonal principal son nulos.
3 0 0 3 4 1
𝐴 = (4 −3 0) 𝐴 = (0 −3 2)
1 2 8 0 0 8
Dadas dos matrices 𝐴 = 𝑎𝑖𝑗 y 𝐵 = 𝑏𝑖𝑗 de la misma dimensión se define la suma como:
𝐴 + 𝐵 como otra matriz 𝐶 = 𝑐𝑖𝑗 de igual dimensión que los sumandos y donde
𝑐𝑖𝑗 = 𝑎𝑖𝑗 + 𝑏𝑖𝑗
𝑎11 ⋯ 𝑎1𝑛
𝐴=( ⋮ ⋱ ⋮ )
𝑎𝑚1 ⋯ 𝑎𝑚𝑛
𝑏11 ⋯ 𝑏1𝑛
𝐵=( ⋮ ⋱ ⋮ )
𝑏𝑚1 ⋯ 𝑏𝑚𝑛
Entonces;
Ejemplos:
3 −4 2 0
𝐴=( ) 𝐵=( )
2 1 3 −1
1 0 1 2 1 4
𝐶 = (1 2 3) 𝐷 = (3 0 −1)
2 2 1 4 −1 5
Ejemplo:
Sea
1 5
A
3 4
Calcular: 2A
1 5 2 10
2A 2
3 4 6 8
MULTIPLICACIÓN DE MATRICES
Para poder multiplicar debemos revisar primero el número de filas x columnas. Si tenemos
que una matriz es 3 x 5 y la otra 5 x 2 se puede multiplicar si
Matriz A Matriz B
Si se puede multiplicar
1) Reviso el tamaño de la
6 7 8 matriz
0 1 2 33 A= 2x3 B=3x3
9 10 11
12 13 14
3 4 5
Como son iguales se puede
multiplicar.
El tamaño de la matriz de la
Respuesta: respuesta es 2 x 3
6 7 8
0 1 2 33 36 39
9 10 11
3 4 5 114 126 138
12 13 14
DETERMINANTE DE MATRICES
(Regla de Cramer)
3 −4 2 0 1 −3 5
𝐴=( ) 𝐵=( ) 𝐶=( )
2 1 3 −1 −4 −1 3
1 0 1 2 1 4
−1 2 −3
𝐷=( ) 𝐸 = (1 2 3) 𝐸 = (3 0 −1)
−4 5 −7
2 2 1 4 −1 5
−3 −1 0
𝐸=( 0 1 2)
−2 2 −4
Calcular:
a) 𝐵 − 𝐴
b) 𝐴 + 𝐵𝑇
c) 𝐶 𝑇 − 𝐷
d) 𝐷𝑇 − 𝐴𝑇
e) 𝐷 + 𝐸
f) (𝐸 + 𝐹) + 𝐺
g) (𝐸 − 𝐹 𝑇 ) − 𝐺
h) (𝐸 𝑇 + 𝐺)𝑇
i) (𝐺 𝑇 −𝐹 𝑇 ) − 𝐸 𝑇
j) (𝐷𝑇 − 𝐶 𝑇 )𝑇
MATRIZ DE COVARIANZAS
𝑆𝑥 2 𝑆𝑥𝑦
𝑉=[ ]
𝑆𝑦𝑥 𝑆𝑦 2
MATRIZ DE CORRELACIONES
1 𝑟
𝑅=[ ]
𝑟 1
donde −1 ≤ 𝑟 ≤ 1
Cuando 𝑟 = 0 se dice que las dos variables no están correlacionados linealmente. Cuando
existe cierto grado de correlación entre X y Y tendremos:
∑ 𝑥𝑖 2 ∑ 𝑥𝑖 2
𝑆𝑥 2 = −( ) → 𝑆𝑥 = √𝑆𝑥 2
𝑛 𝑛
∑ 𝑦2 ∑ 𝑦𝑖 2
𝑆𝑦 2 = −( ) → 𝑆𝑦 = √𝑆𝑦 2
𝑛 𝑛
∑ 𝑥𝑖 𝑦 𝑖 ∑ 𝑥𝑖 ∑ 𝑦𝑖
𝑆𝑥𝑦 = −( ∙ )
𝑛 𝑛 𝑛
𝑆𝑥𝑦
𝑟=
𝑆𝑥 𝑆𝑦
Ejemplo:
Ejercicio 1:
Una encuesta sobre los vendedores de autos usados para determinar la relación entre la
calidad de anuncios clasificados y la venta de autos usados se resume en la siguiente tabla:
𝒙𝒊 𝒚𝒊
20 28
48 50
16 31
37 46
40 49
41 33
45 53
46 50
21 30
PRUEBA DE UNA HIPÓTESIS. Es un proceso que lleva a una decisión acerca de una
hipótesis particular.
ERROR TIPO II. Se define como la aceptación de la hipótesis nula cuando está es falsa.
EJEMPLO
Se tiene interés en la rapidez de combustión de un propulsor sólido para los sistemas de
expulsión en un avión donde la rapidez de combustión es una variable aleatoria que puede
describirse con una distribución de probabilidad, la media de la rapidez de combustión es
50cm/s o no.
Esto se expresa formalmente como:
Se ha estudiado:
Pruebas de hipótesis (para un solo parámetro poblacional)
La media poblacional 𝜇
La varianza poblacional 𝜎 2
Analizaremos;
Donde
𝑛1 y 𝑛2 son el número de observaciones.
̅̅̅2 − (𝜇1 − 𝜇2 )
𝑥̅𝑖 − 𝑥
𝑍=
𝜎2 𝜎2
√ 1 + 2
𝑛1 𝑛2
Donde 𝜇1 − 𝜇2 = ∆0 = 0
𝜇1 − 𝜇2 − (𝜇1 − 𝜇2 )
𝑑=
√𝜎12 + 𝜎22
Valor equivalente de n.
𝜎12 + 𝜎22
𝑛= 2
𝜎1 𝜎22
𝑛1 + 𝑛2
EJEMPLO
Se interesa en reducir el tiempo de secado de una pintura tapaporo. Se prueban dos
formulaciones de pintura:
La formulación 1: incluye sustancias químicas comunes.
La formulación 2: tiene un nuevo ingrediente que reducirá el tiempo de secado.
Se sabe que la desviación estándar del tiempo de secado es de 8min. Se pintan 10 muestras
en formulación 1 y 10 muestras en formulación 2. Los dos promedios muestrales del
tiempo de secado son 𝑥1 = 121𝑚𝑖𝑛 y 𝑥2 = 112𝑚𝑖𝑛.
Calcule:
El estadístico de la muestra
Escala de las abscisas
Valor equivalente de n
EJERCICIO
Se usan dos máquinas para llenar botellas de plástico con un volumen de 16 onzas. Se toma
una muestra aleatoria de 10 botellas de la producción de cada máq uina.
Encontrar Z, d, n
DISTRIBUCIÓN GAUSSIANA
DISTRIBUCIÓN BINOMIAL
ENSAYO DE BERNOULLI
DISTRIBUCIÓN DE WEIBULL
DISTRIBUCIÓN LOGNORMAL
DISTRIBUCIÓN BETA
Distribuciones continuas
Distribuciones discretas
Definiciones:
Distribuciones continuas. Cuando la variable que se está midiendo se expresa en una
escala continúa.
Distribuciones discretas. Cuando el parámetro que se está midiendo sólo puede asumir
ciertos valores, como los enteros 0, 1, 2, 3,…
∞
∫ 𝑥𝑓(𝑥)𝑑𝑥 , 𝑥𝑐𝑜𝑛𝑡𝑖𝑛𝑢𝑎
−∞
𝜇= ∞
∑ 𝑥𝑖 𝑝(𝑥𝑖 ) ,𝑥𝑑𝑖𝑠𝑐𝑟𝑒𝑡𝑎
{ 𝑖=1
∞
∫ (𝑥 − 𝜇)2 𝑓(𝑥)𝑑𝑥 , 𝑥𝑐𝑜𝑛𝑡𝑖𝑛𝑢𝑎
−∞
𝜎2 = ∞
DISTRIBUCIONES DISCRETAS
Varias distribuciones de probabilidad discreta se presentan con frecuencia en el control
estadístico de calidad. Las cuales son:
Distribución Hipergeométrica
Distribución binomial
Distribución de Poisson
𝐷 𝑁−𝐷
( )( )
𝑝(𝑥) = 𝑥 𝑛 − 𝑥
𝑁
( )
𝑛
Con 𝑥 = 0,1, ⋯ , 𝑚í𝑛(𝑛, 𝐷)
𝑛𝐷
𝜇=
𝑁
𝑛𝐷 𝐷 𝑁−𝑛
𝜎2 = (1 − ) ( )
𝑁 𝑁 𝑁−1
DISTRIBUCIÓN BINOMIAL
𝑛
𝑝(𝑥) = ( ) 𝑝 𝑥 (1 − 𝑝)𝑛−𝑥
𝑥
Con 𝑥 = 0,1, ⋯ , 𝑛
𝜇 = 𝑛𝑝
𝜎 2 = 𝑛𝑝(1 − 𝑝)
𝑒 −𝜆 𝜆𝑥
𝑝(𝑥) =
𝑥!
Con 𝑥 = 0,1, ⋯
𝜇=𝜆
𝜎2 = 𝜆
DISTRIBUCIÓN DE PASCAL
𝑥 − 1 𝑟 (1
𝑝(𝑥) = ( )𝑝 − 𝑝)𝑥−𝑟
𝑟−1
Con 𝑥 = 𝑟, 𝑟 + 1, 𝑟 + 2, ⋯.
𝑟
𝜇=
𝑝
𝑟 (1 − 𝑝 )
𝜎2 =
𝑝2
Distribución normal
Distribución exponencial
Distribución gamma
Distribución de Weibull
DISTRIBUCIÓN NORMAL
1 1 𝑥−𝜇 2
− ( )
𝑓(𝑥) = 𝑒 2 𝜎
𝜎√2𝜋
Con −∞ < 𝑥 < ∞.
𝜎2 > 0
𝑓(𝑥) = 𝜆𝑒 −𝜆𝑥
1
𝜇=
𝜆
1
𝜎2 =
𝜆2
DISTRIBUCIÓN GAMMA
𝜆
𝑓(𝑥) = (𝜆𝑥)𝑟−1 𝑒 −𝜆𝑥
Γ(𝑟)
𝑟
𝜇=
𝜆
𝑟
𝜎2 =
𝜆2
𝛽 𝑥 𝛽−1 𝑥 𝛽
𝑓(𝑥) = ( ) 𝑒𝑥𝑝 [− ( ) ]
θ 𝜃 𝜃
1
𝜇 = 𝜃Γ (1 + )
𝛽
2 2
2 1 2
𝜎 = 𝜃 [Γ (1 + ) − Γ (1 + ) ]
𝛽 𝛽
ANÁLISIS DE VARIANZA
INTRODUCCIÓN
Los experimentos son una parte natural de la ingeniería y de los procesos de toma de
decisiones científicos.
Ahora se muestra la forma en que puede emplearse el análisis de varianza para comparar
las medias cuando existen más de 2 niveles para un solo factor. También se estudia la
aleatorización de corridas experimentales y el papel tan importante que tiene este concepto
en una estrategia de experimentación.
𝑖 = 1,2, … , 𝑎
𝑌𝑖𝑗 = 𝜇 + 𝜏𝑖 + 𝜖𝑖𝑗 {
𝑗 = 1,2, … , 𝑛
𝑖 = 1,2, … , 𝑎
𝑌𝑖𝑗 = 𝜇𝑖 + 𝜖𝑖𝑗 {
𝑗 = 1,2, … , 𝑛
Donde
EJEMPLO
Un fabricante de papel utilizado para fabricar bolsas para caramelos, está interesado en
mejorar la resistencia a la tensión del producto. El rango de interés de la concentración de
madera dura está entre 5 y 20%. Los datos de este experimento aparecen en la siguiente
tabla:
TRABAJO EN CLASE
EXPERIMENTOS FACTORIALES
Cuando en un experimento se tienen varios factores que son de interés, entonces debe
emplearse el Diseño Experimental Factorial.
Definición:
EL MUESTREO DE ACEPTACIÓN
1. Histograma
2. Diagrama de Pareto
3. Diagrama Causa-Efecto
4. Diagrama Defecto-Concentración
5. Carta de Control
6. Diagrama de Dispersión
7. Hoja de Verificación
PRINCIPIOS BÁSICOS
En la siguiente figura se muestra una carta de control típica, que es la representación gráfica
de una característica de la calidad que se ha medido o calculado a partir de una muestra
contra el número de muestra o tiempo. La carta tiene una línea central que representa el
valor promedio de la característica de la calidad que corresponde al estado bajo control.
También se muestra en la carta otras dos líneas horizontales, llamadas el límite control
superior (UCL) y el límite de control inferior (LCL).
Es un proceso que solo opera con causas aleatorias de variación, bajo un control estadístico.
Se emplean para estimar los parámetros de un proceso de producción.
Cuando se trata con una característica de la calidad que es una variable, por lo general es
necesario monitorear tanto el valor medio de la característica de la calidad como su
variabilidad. El control del promedio del proceso, o nivel de calidad medio, suele hacerse
con la carta de control para medias, o carta 𝒙 ̅. La variabilidad del proceso puede
monitorearse con una carta de control para la desviación estándar, llamada carta S, o bien
para una carta de control para el rango, llamada carta 𝑹. Esta última se usa con mayor
frecuencia.
𝑈𝐶𝐿 = 𝑥̿ + 𝐴2 𝑅̅
𝐿í𝑚𝑖𝑡𝑒𝑐𝑒𝑛𝑡𝑟𝑎𝑙 = 𝑥̿
𝐿𝐶𝐿 = 𝑥̿ − 𝐴2 𝑅̅
𝑈𝐶𝐿 = 𝐷4 𝑅̅
𝐿í𝑚𝑖𝑡𝑒𝑐𝑒𝑛𝑡𝑟𝑎𝑙 = 𝑅̅
𝐿𝐶𝐿 = 𝐷3 𝑅̅
7. Control de proceso
12. Capacitación
Abstract. El abstract debe escribirse en inglés y tener una longitud de entre 100-150 palabras. El
tipo de letra es Times New Roman en cursiva y de tamaño 10 puntos que ya viene por defecto en las
plantillas adjuntas. El abstract debe escribirse en inglés y tener una longitud de entre 100-150
palabras. El tipo de letra es Times New Roman en cursiva y de tamaño 10 puntos que ya viene por
defecto en las plantillas adjuntas. El abstract debe escribirse en inglés y tener una longitud de
entre 100-150 palabras. El tipo de letra es Times New Roman en cursiva y de tamaño 10 puntos que
ya viene por defecto en las plantillas adjuntas.
Nombre:
_________________________________________________________________________
NOTA: Realizar los ejercicios con limpieza y orden, desarrollos matemáticos con lápiz y respuestas con
lapicero tinta roja. Anexa las hojas blancas necesarias para realizar tus desarrollos matemáticos
correspondiente, los resultados escribirlos en este formato, prohibido usar corrector. No hacer plagio de esta
tarea evita ser reprobado.
7
k (k 1)
1)
k 1 2
2) (3k 2)
k 1
6
k
3) (k 1)
k 1
2
10
k 1
4) k 1
k 1
4
1k
5) 2
k 1
k
1
8
1k (k 2 1)
6)
k 1 4k
i) 12 + 23 + 34 + … + 5051
ii) 1 ∙ 1 +2 ∙ 3 +3 ∙ 5 + … + 10 ∙ 19
iii) 2 + 5 + 8 + 11 + … + 44
iv) 1 + 4 + 7 + … + 43
v) 2 + 5 + 10 + 17 + … + 401
vi) 5 + 8 + 13 + 20 + … + 904
25
4
i) 22
k 4
10
7(k 3 1)
ii)
k 1 5
20
iii) (k
k 11
2
2)(k 2)
13
iv) (7 k )
k 1
3
40
1) k
k 1
30
2) (2k 1)
k 1
63
3) k
k 1
2
80
4) ( 2k )
k 1
2
70
5) (k
k 1
2
k)
15
6) (5 2k )
k 1
2
i) 2k
k 1
ii) (3k 2)
k 1
iii) (2k 4)
k 1
iv) (k
k 1
2
1)
v) (6 k
k 1
2
4k )
vi) (k 1)
k 1
2
Nombre:
_________________________________________________________________________
NOTA: Realizar los ejercicios con limpieza y orden, desarrollos matemáticos con lápiz y respuestas con
lapicero tinta roja. Anexa las hojas blancas necesarias para realizar el desarrollo matemático correspondiente,
los resultados escribirlos en este formato, prohibido usar corrector. No hacer plagio de esta tarea evita ser
reprobado.
a) ∏18 𝑖
𝑖=1 (2 )
1+𝑗
b) ∏7𝑗=1 ( )
𝑗+2
c) ∏32
𝑘=6 (𝑘)
d) ∏11 𝑘
𝑘=1 (8 ∙ 𝑥 )
e) ∏25
𝑗=1(5 + 𝑗)
𝑖2
f) ∏𝑏𝑖=𝑎 [(𝑖+1)2]
a) ∏𝑛𝑖=1 𝑘 = 𝑘 𝑛
b) ∏𝑛𝑖=1 𝑖 = 𝑛!
(𝑛+𝑝)!
c) ∏𝑛𝑖=1 (𝑖 + 𝑝) =
𝑝!
a)
b)
c)
d)
e)
Nombre:
_________________________________________________________________________
NOTA: Realizar los ejercicios con limpieza y orden, desarrollos matemáticos con lápiz y respuestas con
lapicero tinta roja. Anexa las hojas blancas necesarias para realizar el desarrollo matemático correspondiente,
los resultados escribirlos en este formato, prohibido usar corrector. No hacer plagio de esta tarea evita ser
reprobado. Utilizar 2 dígitos después del punto decimal.
1.- Los datos de resistencia a la tensión (en psi) de una muestra de aleación de aluminio-
litio son:
130 150 145 158 165 140 90 128 205 140 165 160
84, 49, 61, 40, 83, 67, 45, 66, 70, 69, 80, 58, 68, 60, 67, 72, 73, 70, 57, 63
84, 49, 61, 40, 83, 67, 45, 66, 70, 69, 80, 58, 68, 60, 67, 72, 73, 70, 57, 63, 70, 78, 52, 67,
53, 67, 75, 61, 70, 81
Voltajes 34.2 33.1 34.5 35.6 36.3 35.1 34.7 33.6 33.6 34.7 35.0 35.4 36.2 36.8 35.1 35.3 33.8 34.2 33.4 34.7
Nombre:
_________________________________________________________________________
NOTA: Realizar los ejercicios con limpieza y orden, desarrollos matemáticos con lápiz y respuestas con
lapicero tinta roja. Anexa las hojas blancas necesarias para realizar el desarrollo matemático correspondiente,
los resultados escribirlos en este formato, prohibido usar corrector. No hacer plagio de esta tarea evita ser
reprobado.
Encuentra A+B B-A A•B 2B•A det (B) y det (B), si es posible.
3 5 5 2
1) A B
2 6 1 7
4 3 2 1
2) A B
2 1 4 2
3 0 1 1 5 0
3) A 0 4 2 B 4 1 2
5 3 1 0 1 3
5 0 0 3 0 0
4) A 0 3 0
B 0 4 0
0 0 2 0 0 2
1 2 0 2
6) A 3 4
B 1 2
5 6 3 4
1
7) A 1 1 B 2
3
1 2 3 1 5 7
8) A B
4 5 0 2 3 0
Nombre:
_________________________________________________________________________
NOTA: Realizar los ejercicios con limpieza y orden, desarrollos matemáticos con lápiz y respuestas con
lapicero tinta roja. Anexa las hojas blancas necesarias para realizar el desarrollo matemático correspondiente,
los resultados escribirlos en este formato, prohibido usar corrector. No hacer plagio de esta tarea evita ser
reprobado. Utilizar únicamente los primeros dos dígitos después del punto decimal.
Nombre:
_________________________________________________________________________
NOTA: Realizar los ejercicios con limpieza y orden, desarrollos matemáticos con lápiz y respuestas con
lapicero tinta roja. Anexa las hojas blancas necesarias para realizar el desarrollo matemático correspondiente,
los resultados escribirlos en este formato, prohibido usar corrector. No hacer plagio de esta tarea evita ser
reprobado. Utiliza únicamente un digito después del punto decimal.
a) Calcular el valor de Z, d y n.
_________________________________________________________________________
NOTA: Realizar los ejercicios con limpieza y orden, desarrollos matemáticos con lápiz y respuestas con
lapicero tinta roja. Anexa las hojas blancas necesarias para realizar el desarrollo matemático correspondiente,
los resultados escribirlos en este formato, prohibido usar corrector. No hacer plagio de esta tarea evita ser
reprobado.
̿
a) Calcular el error estándar y la estimación Bootstrap de 𝒚 .
En los siguientes ejercicios completar la tabla como en el ejercicio anterior y calcular
lo que se pide.
A B C D
58.2 56.3 50.1 52.9
57.2 54.5 54.2 49.9
58.4 57 55.4 50
55.8 55.3 51.7
54.9
A B C D
75 78 55 64
93 91 66 72
78 97 49 68
71 82 64 77
63 85 70 56
76 77 68 95
A B C
85 71 59
75 75 64
82 73 62
76 74 69
71 69 75
85 82 67
A B C D
5.4 8.7 11.1 9.9
7.8 7.4 10.3 12.8
5.3 9.4 9.7 12.1
7.4 10.1 10.3 10.8
8.4 9.2 9.2 11.3
7.3 9.8 8.8 11.5
_________________________________________________________________________
NOTA: Realizar los ejercicios con limpieza y orden, desarrollos matemáticos con lápiz y respuestas con
lapicero tinta roja. Anexa las hojas blancas necesarias para realizar el desarrollo matemático correspondiente,
los resultados escribirlos en este formato, prohibido usar corrector. No hacer plagio de esta tarea evita ser
reprobado. Utiliza los decimales tal y como correspondan para cada ejercicio.
Linea central X = R =
LIC X = X - A2 R = LSC X = X + A2 R =
LIC R = D3 R = LSC R = D4 R =
Subgrupo 1 2 3 4 5 6 7 8 9 10
Promedio 128.8 129.6 129.4 129.4 129.8 128 126.8 128.8 129.8 128.6
Subgrupo 11 12 13 14 15 16 17 18 19 20
Promedio 129.4 128.8 129.6 129 129.8 129.6 131.4 131.6 129.6 131
Subgrupo 21 22 23 24 25
Promedio 128.6 129.6 130.0 129.4 129.8
Hines, W. y. (2011). Probabilidad y Estadística para Ingeniería. México: Grupo Editorial PATRIA.
Johnson, R. (2012). Probabilidad y Estadística para Ingenieros. México: PEARSON Always Learning.