Información detallada de curso |
Primer semestre 2017
May 15, 2024 |
|
 |
||
| Código y Nombre de la Asignatura: IIN 4110 - MÉTODOS EXPERIMENTALES |
|
División Académica:
División de Ingenierías
Departamento Académico: Dpto. Ingeniería Industrial EST 1040 Calificación mínima de 3.0 o EST 7041 Calificación mínima de 3.0 Número de créditos: Intensidad horaria (semanal para nivel pregrado y total para nivel postgrado): 3.000 Horas de Teoría Niveles: Educación Superior Pregrado Tipos de Horario: Teoría En esta asignatura se estudian los métodos y herramientas de análisis estadístico necesarios para la caracterización y modelación de los procesos empresariales (tanto para producción de bienes como para la prestación de servicios). Los tópicos que en esta asignatura se tratan abarcan: los patrones de comportamiento de los procesos; las herramientas para la estimación de los parámetros de dichos procesos; los métodos de comparación estadística entre diferentes procedimientos de operación; la caracterización de los procesos mediante modelos experimentales 'a posteriori' y finalmente herramientas no paramétricas para el análisis. 3. JUSTIFICACIÓN En la actualidad, la variabilidad de los procesos de las empresas implica la incorporación de la incertidumbre acerca de su comportamiento. Con el fin de tratar con el hecho inevitable de que los procesos industriales no son determinísticos, es necesario que el ingeniero industrial moderno cuente con las herramientas adecuadas que le permitan describir y analizar estos procesos con el fin de tomar las respectivas decisiones con un menor grado de incertidumbre y, por ende, un menor riesgo. Este curso sienta bases conceptuales para posteriores desarrollos de metodologías de control y mejora de procesos en asignaturas siguientes. 4. OBJETIVOS 4.1. OBJETIVO GENERAL Brindarle al futuro ingeniero industrial las herramientas de análisis que necesita para comprender la variabilidad en los procesos de las empresas (tanto de producción como de servicios), que le permitan reducir la incertidumbre y el riesgo al tomar las decisiones de mejora.. (L1E1, L1E2, L1E3, L3E1, L3E3, L4E1, L4E2, L4E3, L5E1, L5E2, L5E3, L5E4, L6E1) 4.2. OBJETIVOS ESPECIFICOS Comprender la importancia de los métodos experimentales en la ingeniería industrial moderna. L1E3, L2E3, L5E1 Comprender y aplicar las herramientas de análisis para la estimación de los parámetros de los procesos empresariales. L1E3, L3E1, L5E1 Comprender y aplicar las herramientas de análisis para la comparación entre diferentes alternativas para los métodos de operación. L1E3, L3E1, L5E1, L5E2, L5E3, L5E4 Aplicar los modelos experimentales para la caracterización de los procesos en las empresas. L1E3, L4E3. Comprender y utilizar las herramientas de análisis no paramétrico cuando las características del proceso así lo ameriten. L1E3, L3E1, L5E1 5. METODOLOGIA. La metodología a utilizar será la siguiente: el profesor expondrá los temas en clase. Los estudiantes participarán de manera activa en el desarrollo de los tópicos. Los alumnos también llevarán a cabo talleres, asignaciones e investigaciones de manera independiente. Los temas de clase serán complementados con prácticas utilizando el software del que se dispone para este propósito. 6. MEDIOS Medios comunes de clase (Tablero, marcadores, etc.). Medios audiovisuales (Computador Portátil, Video Beam), Software estadístico como STATGRAPHICS®, MATLAB® , entre otros. Bases de Datos y Catálogo Web. 7. CONTENIDO 1. LA IMPORTANCIA DE LOS METODOS EXPERIMENTALES EN LA INDUSTRIA MEDERNA 2. CONCEPTOS GENERALES, CAMPOS DE APLICACIÓN 2.1. Análisis y Teoría de la Medición 2.2. Fundamentación Metrología 3. ESTIMACION DE PARAMETROS 3.1. Inferencia estadística 3.2. Muestreo aleatorio 3.3. Propiedad de los estimadores 3.4. Método de máxima verosimilitud 3.5. Distribuciones de muestreo 3.6. Introducción a los intervalos de confianza 3.7. Tipos de riesgo y tamaño de muestra 4. INFERENCIA ESTADISTICA PARA UNA SOLA MUESTRA 4.1. Inferencia sobre la Media de una población, varianza conocida 4.1.1. Prueba de hipótesis sobre la media 4.1.2. Valor P para la prueba z 4.1.3. Intervalos de confianza para la media 4.2. Inferencia sobre la media de una población, varianza desconocida 4.2.1. Prueba de hipótesis sobre la media 4.2.2. Valor P para la prueba t 4.2.3. Intervalos de confianza para la media 4.3. Inferencia sobre la varianza de una población normal 4.3.1. Prueba de hipótesis sobre la varianza 4.3.2. Valor P para la prueba ji-cuadrado 4.3.3. Intervalos de confianza para la varianza 4.4. Inferencia sobre una proporción de una población 4.4.1. Aproximación de una distribución binomial a norma 4.4.2. Prueba de hipótesis sobre una proporción binomial 4.4.3. Valor P para la prueba 4.4.4. Intervalos de confianza para la proporción binomial 5. PRUEBAS DE BONDAD DEL AJUSTE Y TABLAS DE CONTINGENCIA 5.1. Prueba Ji-cuadrado 5.2. Prueba Kolmogorov-Smirnov. 5.3. Tablas de contingencia 6. INFERENCIA ESTADISTICA PARA DOS MUESTRAS 6.1. Inferencia para la diferencia en medias, varianzas conocidas 6.1.1. Prueba de hipótesis para la diferencia en medias, varianzas conocidas 6.1.2. Valor P para la prueba z 6.1.3. Intervalos de confianza para la diferencias en medias 6.2. Inferencia sobre las varianzas de dos poblaciones normales 6.2.1. Prueba de hipótesis sobre el cociente de dos varianzas 6.2.2. Valor P para la prueba f 6.2.3. Intervalos de confianza para el cociente de dos varianzas 6.3. Inferencia para la diferencia en medias de dos distribuciones normales, varianzas desconocidas 6.3.1. Análisis para la diferencia en medias, varianzas desconocidas e iguales 6.3.1.1. Prueba de hipótesis para la diferencia en medias 6.3.1.2. Valor P para la prueba t 6.3.1.3. Intervalos de confianza para la diferencias en medias 6.3.2. Análisis para la diferencia de medias, varianzas desconocidas y diferentes 6.3.2.1. Prueba de hipótesis para la diferencia en medias 6.3.2.2. Valor P para la prueba t 6.3.2.3. Intervalos de confianza para la diferencias en medias 6.4. Inferencia sobre la proporción de dos poblaciones 6.4.1. Prueba de hipótesis para muestras grandes 6.4.2. Valor P para la prueba 6.4.3. Intervalos de confianza para la proporción de dos poblaciones 7. INFERENCIA ESTADISTICA PARA N POBLACIONES CON UN SOLO FACTOR 7.1. Estrategia de Experimentación 7.2. Experimento con un solo factor completamente aleatorizado 7.3. El análisis de varianzas (ANOVA) 7.4. Análisis de residuales y verificación del modelo 7.5. Prueba sobre medias de tratamientos individuales (LSD) 8. REGRESION 8.1. Regresión lineal simple 8.1.1. Estimación de parámetros por mínimos cuadrados 8.1.2. Prueba de hipótesis en la regresión 8.1.3. Intervalos de confianza 8.1.4. Evaluando la adecuación del modelo de regresión 8.1.5. Predicción de nuevas observaciones 8.2. Regresión lineal múltiple 8.2.1. Estimación de parámetros por mínimos cuadrados 8.2.2. Enfoque matricial de la regresión lineal múltiple 8.2.3. Prueba de hipótesis en la regresión lineal múltiple 8.2.4. Intervalos de confianza el la regresión lineal múltiple 8.2.5. Predicción de nuevas observaciones 9. Estadística no parametrica 9.1. Desigualdad de Chebyshev 9.2. Prueba de signo 9.3. Prueba de rangos con signo de Wilcoxon 9.4. Prueba de suma de rangos de Wilcoxon 5. EVALUACIÓN Primer Parcial 20% Segundo Parcial 20% Quices y Talleres 25% Trabajo de Aplicación 15% Examen Final 20% 5. BIBLIOGRAFÍA Texto(s) guía MONTGOMERY, Douglas; RUNGER, George. Probabilidad y estadística aplicadas a la ingeniería. Limusa Wiley. México D.F. 2002. 924p. (Colección Reserva, Sig. Top.: 519.2 M787) KREYSZIG, Erwin. Matemáticas avanzadas para ingeniería. Limusa. México, 1993. (Colección General, Sig. Top.: 515 K92) WICKERLY, Mendenhall. Estadística Matemática con Aplicaciones. Edit. Thomson |
| Regresar a Anterior | Nueva búsqueda |
|