Pontificia Universidad Catlica Madre y Maestra

PUCMM

Facultad de Ciencias de la Ingeniera Departamento de Ingeniera Industrial

Estadstica II para Ingenieros

ST-II-321-T-002

PRESENTADO A: Juan Fliz Pea

Proyecto sobre las Diferencias de la edad promedio de los estudiante de Pregrado de la Facultad Ciencias de las Ingenieras y de la Facultad de Ciencias de la Salud de la Pontificia Universidad Catlica Madre y Maestra, Santiago de los Caballeros.

PRESENTADO POR: Ariel Stgo. Gil Henry Sang 2004-0488 2008-0949

Edwin Lpez 2008-

13 de Julio de 2012 SANTIAGO, REPBLICA DOMINICANA

ndice Introduccin............................................................................................................. 3 Marco Terico.......................................................................................................... 4 Poblacin ................................................................................................................ 5 Poblacin finita...........................................................................................................................6 Poblacin infinita........................................................................................................................6 Muestra aleatoria..................................................................................................... 6 Teorema del Lmite Central..................................................................................... 7 Error tipo I..................................................................................................................................7 Nivel De Significancia.............................................................................................8 Estimacin............................................................................................................... 8 Pruebas de Hiptesis............................................................................................ 11

II

Hiptesis Estadstica............................................................................................13 Clculos:................................................................................................................ 14 Facultad de Ciencias de las Ingenieras...................................................................................14 Clculos ................................................................................................................ 15 Facultad de Ciencias de la Salud..............................................................................................15 Prueba de hiptesis..............................................................................................16 Anexo/s:................................................................................................................. 19 Facultad de Ciencias de las Ingenieras...................................................................................19 Facultad de Ciencias de la Salud..............................................................................................22 Bibliografas:.........................................................................................................25

Introduccin
En este proyecto trataremos los conceptos bsicos relacionados con la asignatura ESTADISTICA II PARA INGENIEROS, siendo primordial en este la prueba de hiptesis para verificar si existen diferencia estadsticamente significativa en las edades promedios de los Estudiantes De Pregrado De La Facultad De Ciencias De Las Ingenieras Y De La Facultad de Ciencias De La Salud De La Pontificia Universidad Catlica Madre Y Maestra (PUCMM), Santiago De Los Caballeros. Luego se dar paso a calcular los intervalos de confianza bilaterales para ambas facultades, el cual nos dar una idea entre que intervalo se encuentra las edades de dichos estudiantes. Para el inicio de este proyecto se realizaron dos muestras preliminares. Una muestra aleatoria de 110 estudiantes de la facultad de ciencia de las ingenieras y la segunda muestra de 120 estudiantes de la facultad de ciencias de la salud. Se encuestaron estos estudiantes de dos facultades distintas, en tandas de horarios variados. Esta investigacin nos permitir recoger, organizar, resumir y analizar datos, con el propsito de que las muestras sean lo ms aleatoria posible y de esta manera los resultados sean confiables.

Marco Terico
Concepto de Estadstica: Murray Spiegel, John Schiller, Alu Srinivasan; (2003,
IV) ciencia formal que tiene que ver principalmente con la recoleccin, organizacin y presentacin de los datos en tablas y grficos con el fin de tomar establecer conclusiones validas y tomar decisiones razonables con base en el anlisis de los datos, como la teora del muestreo y en predicciones.

o Estadstica Descriptiva: Jay Devore, Probabilidad y estadstica para

ingeniera y ciencias (2005, 4) Coleccin de datos para ser resumidos y explicar las particularidades importantes de ellos, a travs de mtodos grficos, histogramas, diagramas de caja y de dispersin. Tomando en cuenta los clculos de medias numricas de resumen como medias, desviaciones estndares, y coeficientes de correlacin.

II

o Estadstica Inferencial: Walpole, Myers y Myers, Probabilidad y estadstica

para ingenieros; (1998, 1) Es el uso de tcnicas que nos permiten ir ms all de solo reportar datos si no, mas bien, nos permite obtener conclusiones o inferencias sobre el sistema cientfico.

Variable: Douglas Montgomery, Geroge Runger; (2003, 3) Por variabilidad, queremos decir que las observaciones sucesivas de un sistema o fenmeno no producen exactamente el mismo resultado. Todos encontramos variabilidad en nuestra vida cotidiana, y el pensamiento estadstico nos puede dar una forma til para incorporar esta variabilidad en nuestros procesos de decisin. Por ejemplo, considerar el desempeo de rendimiento de la gasolina de su coche. Siempre se obtiene exactamente el mismo rendimiento kilomtrico en cada tanque de combustible? Por supuesto que no, de hecho, a veces el rendimiento de kilometraje vara considerablemente. Esta variabilidad observada en el rendimiento de la gasolina depende de muchos factores, tales como el tipo de conduccin que ha tenido lugar recientemente (de la ciudad frente a la carretera), los cambios en la condicin del vehculo a travs del tiempo (que podran incluir factores como la presin de los neumticos, la compresin del motor, o vlvula de desgaste), el nmero de marcas y / o el octano de la

gasolina utilizada, o posiblemente incluso en las condiciones meteorolgicas que se han experimentado recientemente.

Muestreo
William Spurr, Bonini Charles; (1978, 349-352) El muestreo probabilstico incluye todos los mtodos de muestreo en los cuales las unidades muestreadas se seleccionan conforme a las leyes del azar, en forma tal que la probabilidad de inclusin se conoce (y no es cero) para cada miembro de la poblacin. El trmino seleccionado conforme a las leyes del azar significa la utilizacin de algn medio aleatorio.

II

Los tipos de muestreos:

Muestreo Aleatorio Simple, es aquel en que cada posible muestra de un tamao dado en la poblacin tiene igual probabilidad de ser seleccionado. Muestreo sistemtico, es aquel donde se selecciona de una lista que representa una poblacin o estrato (un segmento relativamente uniforme) de la poblacin. El numero K se denomina intervalo de muestreo. La seleccin sistemtica asegura que los artculos muestreados se espaciaran de manera uniforme en la poblacin. Muestreo Estratificado es por lo tanto, solo una etapa en el mtodo de muestreo completo; se la utiliza siempre con otros procedimientos. Si una poblacin est compuesta de partes bastante uniformes o estratos, se puede mejorar la precisin de los resultados muestrales.

Poblacin
Walpole, Ronald; Myers Raymond. Probabilidad y Estadstica. Octava Edicin

Prentice Hall (2007, 17-19) Estadsticamente el trmino se aplica a conjuntos o colecciones de objetos, reales o conceptuales, y principalmente a conjuntos de nmeros, mediciones u observaciones.

Poblacin finita
Contiene un nmero limitado de elementos. Ejemplo: las ventas anuales de una compaa, los salarios recibidos por cada uno y todos los miembros de un sindicato, los ttulos recibidos por cada uno y todos los estudiantes de un pas.

II

Poblacin infinita
Contiene una cantidad ilimitada de elementos. Ejemplo: la duracin de todas las pilas de los relojes de un proceso que trabaja indefinidamente. Si una poblacin es infinita resulta imposible observar todos sus valores, y an si es finita puede ser poco prctico o muy costoso observarla por completo. De ah que casi siempre haya que recurrir a una muestra.

Muestra aleatoria
Un conjunto de observaciones x1, x2, x3, ..., xn constituyen una muestra aleatoria de tamao n de una poblacin finita de medida N, si es elegida en forma tal que cada subconjunto de n de los N elementos de la poblacin tiene la misma probabilidad de ser elegido. Un conjunto de observaciones x1, x2, x3, xn constituye una muestra aleatoria de tamao n de una poblacin infinita f(x) si: 1. Cada xi es un valor de una variable aleatoria cuya distribucin tiene los valores de f(x). 2. Las n variables son independientes.

Teorema del Lmite Central

Independientemente de la forma de distribucin de la poblacin, si de ella se extraen muestras grandes y para cada una de ellas se calcula un estadgrafo; la distribucin que sigue ese estadstico es aproximadamente normal. Se define como muestra grande n >30.

Muestra y tamao de la muestra

Para Douglas Montgomery, George Runger (2003, 700); Cualquier subconjunto de los elementos de una poblacin, y su tamao es: El nmero de observaciones en una muestra.

II

Tipos de Errores
Cualquiera sea la decisin tomada a partir de una prueba de hiptesis, ya sea de aceptacin Ho (hiptesis nula) o de la Ha (hiptesis alterna), puede incurrirse en error: Error tipo I Para Wapole, Ronald; Myers, Raymond H.; Myers, Sharon L.; Ye, Keuing

(2007,324) se presenta si la hiptesis nula Ho es rechazada cuando es verdadera y deba ser aceptada. La probabilidad de cometer un error tipo I se denomina con la letra alfa Error tipo II Para Wapole, Ronald; Myers, Raymond H.; Myers, Sharon L.; Ye, Keuing

(2007,324), se denota con la letra griega se presenta si la hiptesis nula es aceptada cuando de hecho es falsa y deba ser rechazada. En cualquiera de los dos casos se comete un error al tomar una decisin equivocada

Nivel De Significancia
Murray Spiegel, John Schiller, Alu Srinivasan; (2003, 229) Probabilidad mxima con la que queremos tomar el riesgo de un error tipo I. Esta probabilidad se especifica antes de que se hayan tomado muestras, para que los resultados obtenidos no influyan en nuestra decisin. En la prctica, niveles de significancia de 0.05 o 0.01 son habituales, aunque se pueden usar otros valores. Al contrastar una cierta hiptesis, la mxima probabilidad con la que estamos dispuestos a correr el riesgo de cometer un error de tipo I se llama nivel de significancia. Esta probabilidad se denota por , se suele especificar antes de la muestra, de manera que los resultados no influyan en nuestra eleccin. En la prctica es frecuente un nivel de significancia de 0.05 0.01, si bien se usan otros valores. Si, por ejemplo, se escoge un nivel de significancia del 5% 0.05 al disear una regla de decisin entonces hay unas cinco oportunidades entre cien de rechazar la hiptesis cuando debiera haberse aceptado; es decir, tenemos un 95% de confianza de que hemos adoptado la decisin correcta. En tal caso decimos que la hiptesis a sido rechazada al nivel de significancia 0.05 lo cual quiere decir que la hiptesis tiene una probabilidad del 5% de ser falsa.

II

Estimacin
Para Harold J. Larson, Teora de estimacin estadstica (2005, 330), La inferencia estadstica utiliza principios de muestreo para inferir informacin acerca de una poblacin a partir de muestras de ella. Un problema importante de la inferencia estadstica es la estimacin de parmetros poblacionales o simplemente parmetros como la media y la varianza poblacionales a partir de estadsticos mustrales correspondientes o estadsticos como la media y la varianza muestral.

La Estimacin es un proceso por el que se trata de averiguar un parmetro de la poblacin representado, en general, por q a partir del valor de un estadstico llamado estimador y representado por . Tipos de estimacion:

Estimacin puntual
Es un valor especfico observado de un estimador, por lo que asigna uno o varios valores numrico a un parmetro de una poblacin sobre la base de datos de muestra.

II

Estimacin por intervalos

Consiste en la obtencin de un intervalo dentro del cual estar el valor del parmetro estimado con una cierta probabilidad.

Error de la estimacin
Es una medida de su precisin que se corresponde con la amplitud del intervalo de confianza. Cuanta ms precisin se desee en la estimacin de un parmetro, ms estrecho deber ser el intervalo de confianza y, si se quiere mantener o disminuir el error, ms ocurrencias debern incluirse en la muestra estudiada. En caso de no incluir nuevas observaciones para la muestra, ms error se comete al aumentar la precisin. Se suele llamar E, segn la frmula E = 2 - 1. La formula general para calcular el intervalo de confianza es la siguiente: -Z /2 * +Z /2 * Un estimador debe ser consistente, eficaz e eficiente, suficiente que use la mayor cantidad de informacin de la muestra para determinar el valor del parmetro,

insesgado que el valor del esperado de estadgrafo debe ser igual al valor del parmetro.

Intervalo de confianza

Douglas Montgomery, Geroge Runger; (2003, 248) Una estimacin del intervalo de

II

un parmetro de la poblacin que se llama un intervalo de confianza. No podemos estar seguros de que el intervalo contiene el real de la poblacin, se desconoce el parmetro-slo utilizamos una muestra de la poblacin total para calcular la estimacin puntual y el intervalo. Sin embargo, el intervalo de confianza se construye de modo que tenemos mucha confianza que contiene el parmetro poblacional desconocido. Los intervalos de confianza son ampliamente utilizados en la ingeniera y las ciencias Spurr, William; Bonini Charles. Toma de Decisiones en Administracin mediante Mtodos Estadsticos (1978, 323-325), Es la probabilidad de que el verdadero valor del parmetro estimado en la poblacin se site en el intervalo de confianza obtenido. El nivel de confianza se denota por (1-), aunque habitualmente suele expresarse con un porcentaje ((1-) 100%). Es habitual tomar como nivel de confianza un 95% o un 99%, que se corresponden con valores de 0,05 y 0,01, respectivamente. Un intervalo de confianza para un parmetro q es un intervalo construido alrededor del estimador del parmetro, de tal manera que podemos cifrar nuestra confianza de que el verdadero valor del parmetro quede incluido en dicho intervalo. El nivel de confianza de un intervalo es la probabilidad (expresada en porcentaje) que representa nuestra seguridad de que el intervalo encierra el verdadero valor del

parmetro q. En general, el nivel de confianza se expresa en la forma 100(1-a)%. El valor de a representa la probabilidad de que el parmetro quede fuera del intervalo.

Pruebas de Hiptesis
Walpole, Ronald; Myers Raymond. (1992, 322-326), Probabilidad y Estadstica. Cuarta Edicin. Precisa en cuanto a las Pruebas de Hiptesis. Con frecuencia, los problemas a los que se enfrenta el cientfico o el ingeniero no se refieren no solo a la estimacin de un parmetro poblacional, sino por el contrario, la formulacin de un procedimiento de decisin basado en datos que pueda producir una conclusin acerca de algn sistema cientfico. En estos procedimientos el cientfico o el ingeniero postulan o conjeturan algo acerca de un sistema. Asimismo, cada uno debe incluir el uso de datos experimentales y tomar decisiones con base en ellos verdad o falsedad de una hiptesis estadstica nunca se sabe con absoluta certidumbre, a menos que examinemos toda la poblacin, lo cual, por supuesto, sera poco prctico en la mayora de las situaciones. En cambio, cuando tomamos una muestra aleatoria de la poblacin de inters, y utilizamos los datos contenidos en esta muestra para proporcionar evidencia que apoye o no la hiptesis. La evidencia de la muestra que sea inconsistente con la hiptesis que se establece conduce al rechazo de esta. Hiptesis es una aseveracin de una poblacin elaborado con el propsito de poner a prueba, para verificar si la afirmacin es razonable se usan datos. Por tanto, la prueba de hiptesis es un procedimiento basado en la evidencia muestral y la teora de probabilidad; se emplea para determinar si la hiptesis es una afirmacin razonable.

II

Prueba de una hiptesis: se realiza mediante un procedimiento sistemtico de cinco paso: 1. Establezca las hiptesis nula y alternativa. 2. Elija un nivel de significancia fijo. 3. Seleccione un estadstico de prueba adecuado y establezca la regin crtica con base en . 4. A partir del estadstico de prueba calculado, rechace Ho si el estadstico de prueba est en la regin critica. De otra manera, no rechace Ho. 5. Obtenga conclusiones.

Procedimiento para seleccionar una prueba de hiptesis

Jay L. Devore, (2005, 352-353) Probabilidad y Estadstica para ingeniera y ciencias. 6ta edicin. Una vez que e experimentador ha decidido en relacin con la pregunta de inters y el mtodo para reunir datos (el diseo del experimento), la construccin de un procedimiento apropiado de prueba consiste en tres pasos distintos: Especificar una estadstica de prueba (la funcin de los valores observados de la cual se tomaran decisiones). Decidir acerca de la forma general de la regin de rechazo (por lo comn rechazar H0 para valores grandes adecuados del estadstica de prueba, rechazar para valores pequeos apropiados o rechazar para valores grandes o pequeos). Seleccionar el valor o valores crticos numricos especficos que separan la regin de rechazo de la regin de aceptacin (al obtener la distribucin del estadstico e prueba cuando H0 es verdadera, y seleccionar despus un nivel de significacin).

II

Prueba para una diferencia entre 2 medias poblacionales

Jay L. Devore, (2005, 361) Probabilidad y Estadstica para ingeniera y ciencias. 6ta edicin. Las inferencias analizadas en esta seccin, se relacionan con una

diferencia

, entre las medias de dos distribuciones poblacionales distintas.

Un investigador podra, por ejemplo, querer probar las hiptesis acerca de la diferencia entre la resistencia de ruptura promedio de dos tipos de papel de fibra corrugado. Una hiptesis expresara que manera alternativa podra ser apropiado estimar , es decir, que . De , al calcular un intervalo de

confianza de 95%. Este tipo de inferencias se basan en una muestra de observaciones de resistencia para cada tipo de papel de fibra. El estimador natural de es , la diferencia entre las medias muestrales correspondientes. La que es estadstica de prueba resulta estandarizar este estimador, as que se requieren expresiones para el valor esperado y la desviacin estndar de .

II

Hiptesis Estadstica
Es una proposicin o afirmacin acerca del valor de un parmetro, relacin entre parmetros, la forma de una distribucin, la cual se desea analizar con base en la evidencia de la muestra o del experimento para tomar una decisin sobre su validez. Nunca se sabe con absoluta certeza la verdad o falsedad de una hiptesis estadstica, a no ser que se examine la poblacin entera. Esto, por las razones que se conocen sera poco prctica la mayora de las veces. En su lugar, se toma una muestra aleatoria de la poblacin de inters y se utilizan los datos que contiene tal muestra para proporcionar evidencias que confirmen o no la hiptesis. Es importante recordar que las hiptesis siempre son proposiciones sobre la poblacin o distribucin bajo estudio, no proposiciones sobre la muestra. Por lo general, el valor del parmetro de la poblacin especificado en la hiptesis nula se determina en una de tres maneras diferentes:

1. Puede ser resultado de la experiencia pasada o del conocimiento del proceso, entonces el objetivo de la prueba de hiptesis usualmente es determinar si ha cambiado el valor del parmetro. 2. Puede obtenerse a partir de alguna teora o modelo que se relaciona con el proceso bajo estudio. En este caso, el objetivo de la prueba de hiptesis es verificar la teora o modelo. 3. Cuando el valor del parmetro proviene de consideraciones externas, tales como las especificaciones de diseo o ingeniera, o de obligaciones contractuales. En esta situacin, el objetivo usual de la prueba de hiptesis es probar el cumplimiento de las especificaciones.

II

Clculos:

Facultad de Ciencias de las Ingenieras

Tamao de las muestras: = 21.1818 aos = 2.2552 aos E = 0.5 1 = 96% = 4% = 2.05 = 110 estudiantes de ingeniera = 2%

n < n; entonces n = n = 110 estudiantes

Intervalo de confianza

Aos

Clculos Facultad de Ciencias de la Salud

Tamao de las muestras:

II

= 21.3333 aos = 2.3598 aos E = 0.5 1 = 96% = 4% = 2.05 = 120 estudiantes de medicina = 2%

n < n; entonces n = n = 120 estudiantes

Intervalo de confianza

Aos

Prueba de hiptesis

II

aos

aos

= 2.05

Si
Es 0.4977 < -2.05? Es 0.4977 > 2.05? Comentario:

F F
No Rechazar

Con una seguridad del 96% se puede afirmar que, segn los datos recolectados mediante una encuesta boca a boca realizada en el semestre acadmico de verano del ao 2012, periodo acadmico 2011-2012 para obtener la edad de los estudiantes de pregrado de la Facultad de Ciencias de las Ingenieras y los estudiantes de la Facultad de Ciencias de la Salud de la Pontificia Universidad Catlica Madre y Maestra campus Santiago, Repblica Dominicana, no existen diferencias estadsticamente significativas en la edad promedio entre los estudiantes de pregrado de la Facultad de Ciencias de las Ingenieras y los estudiantes de la Facultad de Ciencias de la Salud, de la Pontificia Universidad Catlica Madre y Maestra campus Santiago, Repblica Dominicana; por lo tanto se puede afirmar que la edad promedio de los estudiantes de la Facultad de Ciencias de las Ingenieras es igual a la edad promedio de los estudiantes de la Facultad de Ciencias de las Salud, de la Pontificia Universidad Catlica Madre y Maestra campus Santiago, Repblica Dominicana.

II

Conclusin

Con este estudio podemos concluir que los conceptos bsicos relacionados con la asignatura de ESTADISTICA II PARA INGENIEROS, son muy tiles ya que nos permite desarrollar soluciones a distintos problemas sin importar la ndole de este. Dicho estudio nos ofrece resultados claros, precisos y a la vez eficientes, lo cual garantiza una optimizacin de los recursos disponibles al momento de desarrollar un proyecto dentro de una empresa o cualquier lugar de trabajo. La edad promedio de los estudiantes de la facultad de ciencias de las ingenieras es igual a la edad promedio de los Estudiantes De La Facultad De Las Ciencias De La Salud, De La Pontificia Universidad Catlica Madre Y Maestra (PUCMM) Campus Santiago, Repblica Dominicana, ya que no existen diferencias estadsticamente significativas, estos datos fueron probados mediante la prueba F, para asegurarnos de que las varianzas poblaciones eran iguales o diferente, lo cual en este caso resulto ser igual y el intervalo de confianza nos permiti palpar con tan variable podan ser la edad promedio para ambas facultades, lo cual resulto estar dentro de mismo intervalo tambin. El trabajo en equipo es fundamental para toda empresa, estos proyectos nos dejan muchas enseanzas y pautas para aplicar cuando emprendamos cualquier obra en un futuro cercano. El trabajo en equipo es lo que diferencia a todo ingeniero de otro profesional en comn.

II

Anexo/s: Facultad de Ciencias de las Ingenieras

No. De Matricula Observacin
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27
2005-1157 2008-0236 2009-2228 2008-1710 2009-1273 2007-0698 2006-0725 2006-0797 2008-0206 2009-1261 2009-0650 2008-0168 2008-0235 2008-0233 1999-0808 2003-0225 2008-1992 2007-0261 2008-0425 2011-0034 2007-1758 2010-0553 2009-0885 2010-1352 2010-1251 2010-0724 2008-0233

Carrera
II II II II II II II II II II II II ISC ISC ISC ISC ISC ISC ISC ISC ISC ISC ISC ISC ISC ISC IC

Edad
24 24 23 24 23 23 23 24 24 23 22 22 22 20 32 25 24 23 24 18 23 19 20 19 19 20 21

Fecha
23/5/2012 23/5/2012 23/5/2012 23/5/2012 24/5/2012 24/5/2012 24/5/2012 24/5/2012 24/5/2012 24/5/2012 24/5/2012 24/5/2012 25/5/2012 25/5/2012 25/5/2012 25/5/2012 25/5/2012 25/5/2012 25/5/2012 28/5/2012 28/5/2012 28/5/2012 28/5/2012 28/5/2012 28/5/2012 28/5/2012 28/5/2012

Hora

II

11:00 AM 11:04 AM 11:10 AM 11:15 AM 11:18 AM 11:22 AM 9:23 AM 9:34 AM 10:14 AM 10:29 AM 11:16 AM 11:24 AM 2:34 PM 2:36 PM 2:40 PM 2:43 PM 2:45 PM 3:07 PM 3:10 PM 3:15 PM 3:17 PM 3:20 PM 3:40 PM 3:45 PM 3:47 PM 3:48 PM 3:53 PM

28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69

2008-0230 2011-0922 2008-0369 2009-0928 2009-0915 2009-0274 2008-1718 2011-0134 2011-0492 2011-0049 2011-0608 2011-0395 2009-0266 2009-0536 2009-0875 2009-0206 2009-1948 2009-1075 2009-0903 2008-1698 2009-0811 2008-2285 2009-0134 2009-0032 2008-0328 2010-1758 2007-0953 2009-0843 2010-1390 2010-1079 2010-1535 2010-1034 2005-0699 2005-1022 2005-1790 2006-0360 2006-1941 2007-0346 2007-1509 2007-1394 2007-2059 2007-2065

IC IC IC IC IC IC IC IC IC IC IC IC IC IC IC IC IC IC IC IC IC IC IC ITT ITT ITT ITT ITT ITT ITT ITT ITT ITT ITT ITT ITT ITT ITT ITT ITT ITT ITT

21 19 23 22 22 23 21 19 22 18 16 18 21 20 20 20 19 20 20 21 21 21 21 22 22 22 21 23 22 22 23 22 24 24 24 24 24 22 22 22 22 22

28/5/2012 29/5/2012 29/5/2012 29/5/2012 29/5/2012 29/5/2012 29/5/2012 30/5/2012 30/5/2012 30/5/2012 30/5/2012 30/5/2012 30/5/2012 30/5/2012 4/6/2012 4/6/2012 4/6/2012 4/6/2012 4/6/2012 4/6/2012 4/6/2012 7/6/2012 7/6/2012 7/6/2012 7/6/2012 7/6/2012 7/6/2012 7/6/2012 8/6/2012 8/6/2012 8/6/2012 8/6/2012 8/6/2012 8/6/2012 11/6/2012 11/6/2012 11/6/2012 11/6/2012 11/6/2012 11/6/2012 13/6/2012 13/6/2012

4:11 PM 4:22 PM 4:25 PM 4:27 PM 4:34 PM 5:24 PM 5:31 PM 5:33 PM 5:35 PM 5:40 PM 5:42 PM 5:44 PM 5:47 PM 5:54 PM 5:58 PM 6:00 PM 6:05 PM 6:07 PM 3:25 PM 3:28 PM 3:37 PM 3:43 PM 4:07 PM 4:24 PM 4:38 PM 6:14 PM 6:23 PM 6:25 PM 6:28 PM 6:34 PM 6:37 PM 6:40 PM 6:42 PM 6:44 PM 6:45 PM 6:47 PM 7:00 PM 7:05 PM 7:08 PM 7:10 PM 9:23 AM 9:29 AM

II

70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110

2007-2025 2008-0210 2010-0552 2011-1003 2009-2595 2011-0708 2009-0663 2011-0836 2010-0442 2005-0131 2003-0962 2011-0590 2011-0275 2007-0451 2007-2069 2006-2319 2006-0479 2010-0437 2010-0802 2010-0541 2010-0294 2010-0592 2010-0309 2009-2362 2010-0076 2010-0639 2010-0013 2010-0071 2010-1205 2010-0553 2010-0224 2010-1352 2010-1142 2010-0822 2010-0623 2010-0180 2010-2176 2010-0724 2010-0438 2010-0785 2010-0032

ITT IEM IEM II II II II II II II II II II II II II II II IC IC IC IC IC IC II IC IEM-E IEM-M IC ISC ISC ISC ITT IC IC II ISC ISC IC IC IC

22 21 21 17 20 19 20 18 20 24 25 18 19 24 23 24 23 19 20 19 20 20 19 21 20 19 20 19 20 19 17 19 19 20 20 20 19 20 20 19 19

13/6/2012 13/6/2012 13/6/2012 13/6/2012 13/6/2012 13/6/2012 15/5/2012 15/5/2012 15/5/2012 15/5/2012 15/5/2012 15/5/2012 15/5/2012 18/6/2012 18/6/2012 18/6/2012 18/6/2012 18/6/2012 18/6/2012 18/6/2012 18/6/2012 18/6/2012 18/6/2012 18/6/2012 18/6/2012 18/6/2012 18/6/2012 20/6/2012 20/6/2012 20/6/2012 20/6/2012 20/6/2012 20/6/2012 20/6/2012 20/6/2012 20/6/2012 20/6/2012 20/6/2012 20/6/2012 20/6/2012 20/6/2012

9:32 AM 10:07 AM 10:10 AM 10:13 AM 10:15 AM 10:18 AM 10:24 AM 10:27 AM 10:29 AM 11:03 AM 11:18 AM 11:25 AM 2:12 PM 2:16 PM 2:18 PM 2:26 PM 2:34 PM 2:34 PM 2:36 PM 2:37 PM 2:38 PM 5:44 PM 5:45 PM 5:47 PM 5:48 PM 5:48 PM 9:46 PM 9:48 AM 9:49 AM 9:50 AM 9:51 AM 9:52 AM 9:52 AM 9:54 AM 11:40 AM 11:42 AM 11:44 AM 11:46 AM 11:47 AM 11:50 AM 11:51 AM

II

Facultad de Ciencias de la Salud

No. De Observaci n
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38

Matricula
2011-2521 2011-2208 2011-1651 2011-1643 2011-1414 2011-1366 2011-1359 2011-1261 2011-1240 2011-1111 2011-0863 2011-0658 2011-0554 2011-0538 2011-0472 2011-0409 2011-0251 2011-0063 2011-0029 2010-2232 2010-1429 2010-1425 2010-1181 2010-1011 2008-1021 2008-1048 2008-1428 2008-1541 2008-1606 2008-1663 2008-1966 2008-2041 2008-2069 2008-2263 2008-2277 2008-2284 2008-2344 2008-2457

Carrer a
MED MED MED MED MED EST MED MED MED MED MED MED MED MED MED MED MED MED MED MED MED MED MED EST EST EST EST MED MED EST MED EST MED MED MED MED EST EST

Edad
26 26 28 24 24 24 23 23 23 23 24 23 26 23 21 18 32 19 18 17 18 19 22 18 22 22 23 22 22 22 24 26 22 22 21 25 24 23

Fecha
31/5/36 31/5/35 31/5/34 31/5/33 31/5/32 31/5/31 31/5/30 31/5/29 31/5/28 31/5/27 31/5/26 31/5/25 31/5/24 31/5/23 31/5/22 31/5/21 31/5/20 31/5/19 31/5/18 31/5/17 31/5/16 31/5/15 31/5/14 31/5/13 31/5/12 31/5/12 31/5/12 31/5/12 31/5/12 31/5/12 31/5/12 31/5/12 31/5/12 31/5/12 31/5/12 31/5/12 31/5/12 31/5/12

Hora
3:58PM 6:07PM 6:07PM 6:00PM 6:00PM 3:50PM 5:12PM 5:12PM 6:14PM 6:14PM 6:12PM 6:11PM 6:07PM 5:58PM 6:22PM 6:23PM 6:24PM 6:23PM 6:23PM 6:21PM 6:20PM 6:20PM 6:19PM 6:15PM 5:18 PM 5:53 PM 5:54 PM 5:55 PM 6:00 PM 6:04PM 6:05PM 6:07PM 6:10PM 6:10PM 6:11PM 6:12PM 5:18PM 5:49PM

II

39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88

2009-0036 2009-0047 2009-0121 2009-0225 2009-0227 2009-0268 2009-0283 2009-0390 2009-0398 2009-0532 2009-0563 2009-0582 2009-0600 2009-0623 2009-0632 2009-0638 2009-0705 2009-0780 2009-0787 2009-0798 2009-0868 2009-0872 2009-0911 2009-0950 2009-1189 2009-1266 2009-1339 2009-1516 2009-2523 2010-0225 2010-0262 2010-0305 2010-0390 2010-0945 2010-0964 2005-1158 2005-1215 2005-1386 2005-1402 2005-1821 2006-0018 2006-0049 2006-0558 2006-0561 2006-0912 2006-1175 2006-1630 2006-1864 2006-1984 2006-2108

EST EST EST EST EST EST EST MED MED MED MED EST EST MED MED MED MED MED MED MED MED EST EST EST EST EST EST EST TF TF TF MED MED MED EST MED MED EST MED MED MED MED MED EST MED MED MED MED MED MED

21 22 21 21 22 20 21 21 21 21 20 22 21 20 21 21 23 22 22 21 20 20 20 21 22 19 19 19 19 22 19 24 19 18 20 26 25 24 22 21 21 22 22 21 25 24 20 21 18 20

31/5/12 31/5/12 31/5/12 31/5/12 31/5/12 31/5/12 31/5/12 31/5/12 31/5/12 31/5/12 31/5/12 31/5/12 31/5/12 31/5/12 31/5/12 31/5/12 31/5/12 31/5/12 31/5/12 31/5/12 31/5/12 31/5/12 31/5/12 31/5/12 31/5/12 31/5/12 31/5/12 31/5/12 31/5/12 31/5/12 31/5/12 31/5/12 31/5/12 31/5/12 31/5/12 01/06/12 01/06/12 01/06/12 01/06/12 01/06/12 01/06/12 01/06/12 01/06/12 01/06/12 01/06/12 01/06/12 01/06/12 01/06/12 01/06/12 01/06/12

5:49PM 5:50PM 5:50PM 5:50PM 5:50PM 5:51PM 5:51PM 6:00 PM 6:01PM 6:01PM 6:03PM 6:03PM 6:04PM 6:05PM 6:11PM 6:11PM 6:21PM 3:57PM 3:55PM 6:05PM 6:09PM 3:52PM 3:52PM 3:52PM 5:18PM 5:22PM 5:22PM 5:22PM 5:25PM 5:25PM 5:25PM 6:04PM 6:20PM 5:28PM 6:15PM 6:03 PM 6:13 PM 6:46 PM 5:56 PM 5:56 PM 6:02 PM 6:34 PM 6:34 PM 6:27 PM 6:01 PM 6:12 PM 5:52 PM 6:07 PM 6:00 PM 5:48 PM

II

89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120

2006-2291 2007-0094 2007-0232 2007-0600 2007-0642 2007-0648 2007-1075 2007-1369 2007-1370 2007-1420 2007-1535 2007-2013 2007-2070 2007-2404 2007-2541 2008-0040 2008-0118 2008-0223 2008-0306 2008-0318 2008-0399 2008-0437 2008-0551 2008-0576 2008-0577 2008-0695 2008-0763 2008-0765 2008-0815 2008-0822 2008-0905 2008-0943

MED MED MED MED MED MED MED MED MED MED MED MED MED MED MED MED MED EST MED MED MED EST EST EST MED EST EST EST MED MED MED EST

21 21 19 20 20 19 21 20 21 21 20 20 20 20 20 19 20 21 20 20 22 19 19 18 18 19 19 18 22 22 24 18

01/06/12 01/06/12 01/06/12 01/06/12 01/06/12 01/06/12 01/06/12 01/06/12 01/06/12 01/06/12 01/06/12 01/06/12 01/06/12 01/06/12 01/06/12 01/06/12 01/06/12 01/06/12 01/06/12 01/06/12 01/06/12 01/06/12 01/06/12 01/06/12 01/06/12 01/06/12 01/06/12 01/06/12 01/06/12 01/06/12 01/06/12 01/06/12

6:00 PM 5:53 PM 5:48 PM 6:00 PM 6:00 PM 6:07 PM 5:59 PM 6:02 PM 5:51 PM 5:58 PM 5:50 PM 6:10 PM 6:06 PM 6:55 PM 6:56 PM 5:50 PM 6:03 PM 6:33 PM 6:11 PM 6:00 PM 5:57 PM 6:48 PM 6:27 PM 6:27 PM 6:25 PM 6:42 PM 6:45 PM 6:44 PM 6:05 PM 6:04 PM 6:05 PM 6:44 PM

II

Bibliografas:
William Spurr, Charles Bonini (1978). Toma de decisiones en administracin mediante mtodos estadsticos. Miller, Irwin; S. Freund. Probabilidad y Estadstica para Ingenieros. Cuarta Edicin. Chao, Lincoln. Estadstica para las Ciencias Administrativas. Tercera Edicin. Probabilidad y estadstica aplicadas a la ingeniera Douglas c. Montgomery (1996), Segunda Edicin. Applied Stastistics and Probability for Engineers, Douglas C. Montgomery, George C. Runger (2003), Tercera Edicin (Edicin en ingles) Murray R. Spiegel, John Schiller, R. Alu Srinivasan. Probabilidad y Estadstica (2003), Segunda Edicin. http://www.cesma.usb.ve/~giselle/FC1623/guiaestiicapituloIII.pdf

II