Conferencias 2008

11 de abril de 2008 de 12 a 13 horas.
Auditorio de la Facultad de Estadística e Informática
Av. Xalapa esq. Av. Ávila Camacho s/n,
Xalapa, Veracruz, México

LA APLICACIÓN DE LA ESTADÍSTICA EN LA MEJORA CONTINUA

Dr. Antonio González Fragoso

Universidad de las Américas, Puebla

email: antonio.gonzalez@udlap.mx

En esta plática se presenta la importancia que tienen diversas herramientas estadísticas, en metodologías de mejora continua. Así como también,  la importancia que tiene la participación de profesionistas especialistas en estadística en proyectos de mejora continua, siendo fundamental su participación en la interacción, capacitación y consultoría, en todos los niveles, con el personal involucrado en los procesos.

Se presentan algunos problemas reales, donde por medio de las etapas de Seis Sigma y la aplicación de adecuadas herramientas estadísticas, se logran o se proponen mejoras. Dentro de estos casos reales, se resalta el gran reto que existe, en participar con organizaciones donde sus  procesos son de servicios, donde abundan las variables categóricas y subjetivas, haciendo notar que la mayoría de las organizaciones son de este tipo y con poco trabajo en el sentido de mejorar sus procesos.

La Asociación Mexicana de Estadística (AME) tiene el gusto de invitarlo a la conferencia

18 de enero de 2008 de 12 a 13 horas.
Instituto de Investigaciones en Matematicas Aplicadas
y en Sistemas (IIMAS)
UNAM
Aula 201-202 Edificio Anexo

Obtencion de p-valores exactos en bondad de ajuste

Dr. Federico J. O'Reilly
IIMAS-UNAM, México

de colaboraciones con Leticia Gracia-Medrano, Jose Ma. González-Barrios, Richard Lockhart, Michael Stephens y Raul Rueda.

Resumen

En bondad de ajuste, las estadisticas utilizadas se basan en la funcion de distribucion empirica (estadisticas EDF) y cuando la familia representada por la hipotesis nula es de  localizacion/escala (o mas genericamente,  modelo de grupo), entonces las distribuciones de las estadisticas EDF son independientes de los valores de los parametros. Por ello, uno simplemente puede asignar valores arbitrarios a ellos y simular el numero que uno quiera de muestras de esa distribucion particular; calcular el valor resultante de la estadistica y asi, simular su distribucion.

Sin embargo, cuando la familia no es un modelo de grupo, la estadistica EDF en general, tendra una distribucion dependiente de los valores de los parametros.  En estos casos se recurre frecuentemente al re-muestreo parametrico (parametric bootstrap), que proporciona un metodo aproximado.

Se presentan otro tipo de simulaciones basadas en la  distribucion condicional de la estadistica EDF,  dada la estadistica  suficiente minimal (exceptuando los casos extremos en que esta estadistica suficiente minimal sea el vector de estadisticas de orden). Se vera la simulacion basada en el estimador Rao-Blackwell de la funcion de distribucion, que resuelve el caso de la Gaussiana-inversa entre otras, y el uso del muestreador Gibbs, que resuelve por ejemplo la gama de dos parametros y la von-Mises. Se menciona un enfoque alterno para simular muestras condicionalmente independientes, relacionandolo, y se ilustra con el caso de la distribucion exponencial truncada.

11 abril 2008

18 enero 2008