SlideShare una empresa de Scribd logo
1 de 5
Descargar para leer sin conexión
INSTITUTO TECNOLOGÍCO DE VERACRUZ




                    Docente: M.C.I. Cristina Romero Lara

                               Materia: Estadística II

                               Grado: 6° Semestre

                                   Grupo: 5G5A

                          N° de unidad: 3° Unidad

                                     Alumnos:

                     Gonzalo Lagunes Elvira E09020804
                  Teresa de Jesús Fonseca García E08020186
                      Eduardo Garay Sosa E09020029
                  María Fernanda Angeles Campos E09020750


Entrega: 02 de Mayo del 2012                               Revisión: 02/05/2012

Observaciones:
__________________________________________________________
______________________________________________
__________________________________________________________
__________________________________________________________
 Curvas Características de Operación
En el contexto de los planes de muestreo de aceptación, la curva característica de
operación representa gráficamente la relación existente entre un porcentaje de
artículos defectuosos de un lote productivo (que por lo general se desconoce) y la
probabilidad de aceptación que se obtiene del mismo luego de aplicar un plan de
muestreo como los detallados en la sección de muestreo simple.

La curva CO de un plan proporciona una caracterización del potencial desempeño
del mismo, ya que con ésta se puede saber la probabilidad de aceptar o rechazar un
lote que tiene determinada calidad.

Cuando la calidad de un lote es "buena" tanto al productor como al consumidor les
interesa aceptar el lote con alta probabilidad. Por el contrario cuando la calidad de un
lote es "mala" especialmente al consumidor le interesa rechazar el lote la mayoría de
las veces.

La probabilidad de aceptar un lote con 0 defectos es naturalmente un 100%.
Alternativamente si el 100% de las unidades son defectuosas la probabilidad de
aceptación del lote es 0%. Por lo tanto una curva característica de operación siempre
pasa por los puntos (0,100) y (100,0). Para porcentajes intermedios de artículos
defectuosos se debe calcular la probabilidad de aceptación del lote según el plan de
muestreo que se esté aplicando.

    Ejemplo de Curva Característica de Operación
Consideremos un plan de muestreo que está definido por N=1.000 y (n, c)= (80,4).
Se requiere trazar la curva característica de operación para distintos valores de p
(porcentaje de artículos defectuosos). Con el apoyo de una planilla de cálculo trazar
la curva de operación es sencillo como se muestra en la siguiente imagen:
Notar que en nuestro ejemplo se cumplen las condiciones para utilizar la
Distribución de Poisson. Si tomamos un porcentaje de defectuosos a la entrada de
un 5% (p=5%) se puede adicionalmente hacer uso de las tablas de probabilidades
para estimar la probabilidad de aceptación. El parámetro de entrada para esta
distribución es n*p=80*0,05=4. Luego buscamos en la tabla el cruce de dicho valor
para c=4. Se concluye que la probabilidad de aceptación del lote es de un 62,9%.




En el ejemplo, si el porcentaje de artículos defectuosos a la entrada es un 10%, la
probabilidad de aceptación del lote es sólo de un 10%. Si esto se considera "mala
calidad", este valor representa el "riesgo del consumidor". En forma similar si el
porcentaje de artículos defectuosos a la entrada es un 2%, la probabilidad de
aceptación del lote es de un 97,6%. Si esto se considera "buena calidad" el
diferencial de un 2,4% (100% - 97,6%) representa la probabilidad de rechazar este
lote de "buena calidad". Esto es el "riesgo del productor".

    Curvas Tipo α y β

Curvas tipo β: para su construcción se supone que provienen de un lote grande o
secuencia de lotes provenientes de un proceso continuo distribución valida: Binomial
(si es posible se puede aproximar por Poisson, si p ≤ 0.1 y n.p ≤ 10).

Curvas tipo α: para lotes aislados y finitos distribución valida: Hipergeométrica H (n,
N, D) (si es posible se puede aproximar por la Binomial, si n/N ≤ 0.1)

    Riesgos α y β

El muestreo por aceptación se caracteriza por el hecho de que siempre existe la
posibilidad de aceptar lotes de mala calidad (que se quieren rechazar) y rechazar
lotes de buena calidad que se quisieran aceptar)

Se definen:
α = riesgo del productor o proveedor = P (lote buena calidad sea rechazado por el
plan)
β = riesgo del comprador = P (lote de mala calidad o no conforme sea aceptado por
el plan)
La curva CO de tipo α se utiliza en el cálculo de las probabilidades de aceptación par
un lote aislado y de tamaño finito. En este caso, si el tamaño del lote es N, el de la
muestra es n y el número de aceptación es c, entonces la distribución exacta del
número de artículos defectuosos en la muestra es la distribución Hipergeométrica.

En la siguiente figura, se muestran las curvas CO exactas tipo A para los planes de
muestreo simple: tamaño de lote N = 200, n = 80 c = 1; N = 800, n = 80 c = 1; y la
curva tipo B para tamaño de lote muy grande (infinito), N = Inf., n = 80 c = 1. De ahí
se puede ver que la discrepancia entre las tres curvas es relativamente poca




    Software para simular las Curvas C.O.

      @RISK 5.7.1 Industrial for Excel

http://www.palisade.com/risk/?gclid=CITxja_h4K8CFUHatgod_QxeJw
 Bibliografía
   GARRIDO, A, CONESA, E.M. “Simulación por el método de Monte Carlo
    para generar criterios de aceptación en el control de calidad de productos
    de construcción”. Vol. 61, 515, 77-85, julio-septiembre 2009 ISSN: 0020-
    0883

   AENOR. Norma UNE 66020-1:2002 ERRATUM. Procedimientos de
    muestreo para la inspección por atributos. Parte 1: Planes de muestreo
    para las inspecciones lote por lote, tabulados según el nivel de calidad
    aceptable (NCA).

   http://es.wikipedia.org/wiki/Errores_de_tipo_I_y_de_tipo_II

   http://www.monografias.com/trabajos46/muestreo-de-aceptacion/muestreo-de-
    aceptacion2.shtml

   http://www.fing.edu.uy/iimpi/academica/grado/ctrlcalidad/teorico/muestroParaAceptaci
     onIIMPIClase-1.pdf

Más contenido relacionado

La actualidad más candente

282655363 ejercicios-resueltos-de-productividad
282655363 ejercicios-resueltos-de-productividad282655363 ejercicios-resueltos-de-productividad
282655363 ejercicios-resueltos-de-productividadHeriberto Carrizosa
 
Ejercicios cartas de control p y np, c y u
Ejercicios cartas de control p y np, c y uEjercicios cartas de control p y np, c y u
Ejercicios cartas de control p y np, c y uMarilaguna
 
339020374 medicion-del-trabajo
339020374 medicion-del-trabajo339020374 medicion-del-trabajo
339020374 medicion-del-trabajoJonathan Vissoni
 
Inventario probabilistico
Inventario probabilisticoInventario probabilistico
Inventario probabilisticoNiurka0302
 
Muestreo doble y muestreo múltiple
Muestreo doble y muestreo múltipleMuestreo doble y muestreo múltiple
Muestreo doble y muestreo múltipleyaz de Zurita
 
Medicion del trabajo, muestreo del trabajo
Medicion del trabajo, muestreo del trabajoMedicion del trabajo, muestreo del trabajo
Medicion del trabajo, muestreo del trabajoBruno Soto Armenta
 
Modelos de inventarios probabilísticos
Modelos de inventarios probabilísticosModelos de inventarios probabilísticos
Modelos de inventarios probabilísticosJoselyn Salazar
 
Calculo optimo de estaciones de trabajo
Calculo optimo de estaciones de trabajoCalculo optimo de estaciones de trabajo
Calculo optimo de estaciones de trabajoEloen13
 
fundamentos de manufactura moderna 3edi groover
fundamentos de manufactura moderna 3edi grooverfundamentos de manufactura moderna 3edi groover
fundamentos de manufactura moderna 3edi grooverDaniel Altamar Reales
 
Aplicación de diagramas de dispersión
Aplicación de diagramas de dispersiónAplicación de diagramas de dispersión
Aplicación de diagramas de dispersiónAlberto de Avila
 
Numeros aleatorios & pseudoaleatorios itsz vhhh
Numeros aleatorios & pseudoaleatorios itsz vhhhNumeros aleatorios & pseudoaleatorios itsz vhhh
Numeros aleatorios & pseudoaleatorios itsz vhhhVictor Hugo
 
Cartas de control
Cartas de controlCartas de control
Cartas de controlEduardo Ray
 

La actualidad más candente (20)

Formulas lineas de espera
Formulas lineas de esperaFormulas lineas de espera
Formulas lineas de espera
 
282655363 ejercicios-resueltos-de-productividad
282655363 ejercicios-resueltos-de-productividad282655363 ejercicios-resueltos-de-productividad
282655363 ejercicios-resueltos-de-productividad
 
Ejercicios cartas de control p y np, c y u
Ejercicios cartas de control p y np, c y uEjercicios cartas de control p y np, c y u
Ejercicios cartas de control p y np, c y u
 
8 planes de muestreo
8 planes de muestreo8 planes de muestreo
8 planes de muestreo
 
ing.economia
ing.economiaing.economia
ing.economia
 
339020374 medicion-del-trabajo
339020374 medicion-del-trabajo339020374 medicion-del-trabajo
339020374 medicion-del-trabajo
 
Manual del Software Arena.
Manual del Software Arena.Manual del Software Arena.
Manual del Software Arena.
 
Inventario probabilistico
Inventario probabilisticoInventario probabilistico
Inventario probabilistico
 
Unidad i. mtm2
Unidad i. mtm2Unidad i. mtm2
Unidad i. mtm2
 
Muestreo doble y muestreo múltiple
Muestreo doble y muestreo múltipleMuestreo doble y muestreo múltiple
Muestreo doble y muestreo múltiple
 
Muestreo del-trabajo
Muestreo del-trabajo Muestreo del-trabajo
Muestreo del-trabajo
 
Medicion del trabajo, muestreo del trabajo
Medicion del trabajo, muestreo del trabajoMedicion del trabajo, muestreo del trabajo
Medicion del trabajo, muestreo del trabajo
 
Balance de linea
Balance de lineaBalance de linea
Balance de linea
 
Componentes de una serie de tiempo
Componentes de una serie de tiempoComponentes de una serie de tiempo
Componentes de una serie de tiempo
 
Modelos de inventarios probabilísticos
Modelos de inventarios probabilísticosModelos de inventarios probabilísticos
Modelos de inventarios probabilísticos
 
Calculo optimo de estaciones de trabajo
Calculo optimo de estaciones de trabajoCalculo optimo de estaciones de trabajo
Calculo optimo de estaciones de trabajo
 
fundamentos de manufactura moderna 3edi groover
fundamentos de manufactura moderna 3edi grooverfundamentos de manufactura moderna 3edi groover
fundamentos de manufactura moderna 3edi groover
 
Aplicación de diagramas de dispersión
Aplicación de diagramas de dispersiónAplicación de diagramas de dispersión
Aplicación de diagramas de dispersión
 
Numeros aleatorios & pseudoaleatorios itsz vhhh
Numeros aleatorios & pseudoaleatorios itsz vhhhNumeros aleatorios & pseudoaleatorios itsz vhhh
Numeros aleatorios & pseudoaleatorios itsz vhhh
 
Cartas de control
Cartas de controlCartas de control
Cartas de control
 

Destacado

Destacado (12)

Principios estadisticos aplicados al control de calidad
Principios estadisticos aplicados al control de calidadPrincipios estadisticos aplicados al control de calidad
Principios estadisticos aplicados al control de calidad
 
Tipos de graficos de control
Tipos de graficos de controlTipos de graficos de control
Tipos de graficos de control
 
Planes de muestreo
Planes de muestreoPlanes de muestreo
Planes de muestreo
 
Plan Brochure
Plan BrochurePlan Brochure
Plan Brochure
 
Modelo probabilidad
Modelo probabilidadModelo probabilidad
Modelo probabilidad
 
Gráficas de Control
Gráficas de Control  Gráficas de Control
Gráficas de Control
 
MUESTREO DE ACEPTACION
MUESTREO DE ACEPTACIONMUESTREO DE ACEPTACION
MUESTREO DE ACEPTACION
 
Diversidad Alfa
Diversidad AlfaDiversidad Alfa
Diversidad Alfa
 
Resumen Curva Normal
Resumen Curva NormalResumen Curva Normal
Resumen Curva Normal
 
Diversidad alfa, beta_y_gamma
Diversidad alfa, beta_y_gammaDiversidad alfa, beta_y_gamma
Diversidad alfa, beta_y_gamma
 
Metales de Transición Interna Lantánidos y Actinidos (tierras raras)
 Metales de Transición Interna Lantánidos y Actinidos (tierras raras) Metales de Transición Interna Lantánidos y Actinidos (tierras raras)
Metales de Transición Interna Lantánidos y Actinidos (tierras raras)
 
Calidad del producto
Calidad del productoCalidad del producto
Calidad del producto
 

Similar a Caracteristicas de las curvas de operación / Estadistica II

Similar a Caracteristicas de las curvas de operación / Estadistica II (20)

05. aceptación tema5
05. aceptación tema505. aceptación tema5
05. aceptación tema5
 
Teoría de errores
Teoría de erroresTeoría de errores
Teoría de errores
 
Prueba de hipotesis enviarrrrrrrr
Prueba de hipotesis enviarrrrrrrrPrueba de hipotesis enviarrrrrrrr
Prueba de hipotesis enviarrrrrrrr
 
Teoria de errores
Teoria de erroresTeoria de errores
Teoria de errores
 
Teoría de errores
Teoría de erroresTeoría de errores
Teoría de errores
 
Ejercicios sobre muestreo
Ejercicios sobre muestreoEjercicios sobre muestreo
Ejercicios sobre muestreo
 
T01 g05
T01 g05T01 g05
T01 g05
 
Tarea nº1 análisis numérico
Tarea nº1 análisis numéricoTarea nº1 análisis numérico
Tarea nº1 análisis numérico
 
Errores
ErroresErrores
Errores
 
Directrices para la realización del informe de las prácticas de laboratorio
Directrices para la realización del informe de las prácticas de laboratorioDirectrices para la realización del informe de las prácticas de laboratorio
Directrices para la realización del informe de las prácticas de laboratorio
 
Teoria de Errores
Teoria de ErroresTeoria de Errores
Teoria de Errores
 
Unidad 2_vf_2 (1).pptx
Unidad 2_vf_2 (1).pptxUnidad 2_vf_2 (1).pptx
Unidad 2_vf_2 (1).pptx
 
Ejercicios minitab
Ejercicios minitabEjercicios minitab
Ejercicios minitab
 
Población y Muestra
Población y MuestraPoblación y Muestra
Población y Muestra
 
tamaño de la muestra
tamaño de la muestratamaño de la muestra
tamaño de la muestra
 
Estadistica II (I Bimestre)
Estadistica II (I Bimestre)Estadistica II (I Bimestre)
Estadistica II (I Bimestre)
 
Tamaño de la muestra
Tamaño de la muestraTamaño de la muestra
Tamaño de la muestra
 
Tamaño de la muestra
Tamaño de la muestraTamaño de la muestra
Tamaño de la muestra
 
C81
C81C81
C81
 
Pruebas de Hipotesis
Pruebas de HipotesisPruebas de Hipotesis
Pruebas de Hipotesis
 

Más de Gonzalo Lagunes

Informe final de resultados
Informe final de resultadosInforme final de resultados
Informe final de resultadosGonzalo Lagunes
 
Congreso industrial 19 / Septiembre 2012
Congreso industrial 19 / Septiembre 2012Congreso industrial 19 / Septiembre 2012
Congreso industrial 19 / Septiembre 2012Gonzalo Lagunes
 
La tecnología de la información
La tecnología de la informaciónLa tecnología de la información
La tecnología de la informaciónGonzalo Lagunes
 
Logistica y Cadena de Suministros
Logistica y Cadena de SuministrosLogistica y Cadena de Suministros
Logistica y Cadena de SuministrosGonzalo Lagunes
 
Higiene y Seguridad Industrial Practia 1
Higiene y Seguridad Industrial Practia 1Higiene y Seguridad Industrial Practia 1
Higiene y Seguridad Industrial Practia 1Gonzalo Lagunes
 
Propiedades de los materiales
Propiedades de los materialesPropiedades de los materiales
Propiedades de los materialesGonzalo Lagunes
 
Proteccion dedos, manos y b razos
Proteccion dedos, manos y b razosProteccion dedos, manos y b razos
Proteccion dedos, manos y b razosGonzalo Lagunes
 
Investigación de los accidentes de trabajo
Investigación de los accidentes de trabajoInvestigación de los accidentes de trabajo
Investigación de los accidentes de trabajoGonzalo Lagunes
 

Más de Gonzalo Lagunes (20)

Como usar el gpssh
Como usar el gpsshComo usar el gpssh
Como usar el gpssh
 
Secuenciación
SecuenciaciónSecuenciación
Secuenciación
 
Informe final de resultados
Informe final de resultadosInforme final de resultados
Informe final de resultados
 
Congreso industrial 19 / Septiembre 2012
Congreso industrial 19 / Septiembre 2012Congreso industrial 19 / Septiembre 2012
Congreso industrial 19 / Septiembre 2012
 
Procesos de Fabricacion
Procesos de FabricacionProcesos de Fabricacion
Procesos de Fabricacion
 
Tipos de mercadotecnita
Tipos de mercadotecnitaTipos de mercadotecnita
Tipos de mercadotecnita
 
Push vs pull Mk2t
Push vs pull Mk2tPush vs pull Mk2t
Push vs pull Mk2t
 
Foda mercadotecnia
Foda mercadotecniaFoda mercadotecnia
Foda mercadotecnia
 
Analisis de mercados
Analisis de mercadosAnalisis de mercados
Analisis de mercados
 
Analisis aida
Analisis aidaAnalisis aida
Analisis aida
 
La tecnología de la información
La tecnología de la informaciónLa tecnología de la información
La tecnología de la información
 
Logistica y Cadena de Suministros
Logistica y Cadena de SuministrosLogistica y Cadena de Suministros
Logistica y Cadena de Suministros
 
Higiene y Seguridad Industrial Practia 1
Higiene y Seguridad Industrial Practia 1Higiene y Seguridad Industrial Practia 1
Higiene y Seguridad Industrial Practia 1
 
Riesgos quimicos
Riesgos quimicosRiesgos quimicos
Riesgos quimicos
 
Riesgos mecanicos
Riesgos mecanicosRiesgos mecanicos
Riesgos mecanicos
 
Riesgos electricos
Riesgos electricosRiesgos electricos
Riesgos electricos
 
Propiedades de los materiales
Propiedades de los materialesPropiedades de los materiales
Propiedades de los materiales
 
Proteccion ojos y cara
Proteccion ojos y caraProteccion ojos y cara
Proteccion ojos y cara
 
Proteccion dedos, manos y b razos
Proteccion dedos, manos y b razosProteccion dedos, manos y b razos
Proteccion dedos, manos y b razos
 
Investigación de los accidentes de trabajo
Investigación de los accidentes de trabajoInvestigación de los accidentes de trabajo
Investigación de los accidentes de trabajo
 

Caracteristicas de las curvas de operación / Estadistica II

  • 1. INSTITUTO TECNOLOGÍCO DE VERACRUZ Docente: M.C.I. Cristina Romero Lara Materia: Estadística II Grado: 6° Semestre Grupo: 5G5A N° de unidad: 3° Unidad Alumnos:  Gonzalo Lagunes Elvira E09020804  Teresa de Jesús Fonseca García E08020186  Eduardo Garay Sosa E09020029  María Fernanda Angeles Campos E09020750 Entrega: 02 de Mayo del 2012 Revisión: 02/05/2012 Observaciones: __________________________________________________________ ______________________________________________ __________________________________________________________ __________________________________________________________
  • 2.  Curvas Características de Operación En el contexto de los planes de muestreo de aceptación, la curva característica de operación representa gráficamente la relación existente entre un porcentaje de artículos defectuosos de un lote productivo (que por lo general se desconoce) y la probabilidad de aceptación que se obtiene del mismo luego de aplicar un plan de muestreo como los detallados en la sección de muestreo simple. La curva CO de un plan proporciona una caracterización del potencial desempeño del mismo, ya que con ésta se puede saber la probabilidad de aceptar o rechazar un lote que tiene determinada calidad. Cuando la calidad de un lote es "buena" tanto al productor como al consumidor les interesa aceptar el lote con alta probabilidad. Por el contrario cuando la calidad de un lote es "mala" especialmente al consumidor le interesa rechazar el lote la mayoría de las veces. La probabilidad de aceptar un lote con 0 defectos es naturalmente un 100%. Alternativamente si el 100% de las unidades son defectuosas la probabilidad de aceptación del lote es 0%. Por lo tanto una curva característica de operación siempre pasa por los puntos (0,100) y (100,0). Para porcentajes intermedios de artículos defectuosos se debe calcular la probabilidad de aceptación del lote según el plan de muestreo que se esté aplicando.  Ejemplo de Curva Característica de Operación Consideremos un plan de muestreo que está definido por N=1.000 y (n, c)= (80,4). Se requiere trazar la curva característica de operación para distintos valores de p (porcentaje de artículos defectuosos). Con el apoyo de una planilla de cálculo trazar la curva de operación es sencillo como se muestra en la siguiente imagen:
  • 3. Notar que en nuestro ejemplo se cumplen las condiciones para utilizar la Distribución de Poisson. Si tomamos un porcentaje de defectuosos a la entrada de un 5% (p=5%) se puede adicionalmente hacer uso de las tablas de probabilidades para estimar la probabilidad de aceptación. El parámetro de entrada para esta distribución es n*p=80*0,05=4. Luego buscamos en la tabla el cruce de dicho valor para c=4. Se concluye que la probabilidad de aceptación del lote es de un 62,9%. En el ejemplo, si el porcentaje de artículos defectuosos a la entrada es un 10%, la probabilidad de aceptación del lote es sólo de un 10%. Si esto se considera "mala calidad", este valor representa el "riesgo del consumidor". En forma similar si el porcentaje de artículos defectuosos a la entrada es un 2%, la probabilidad de aceptación del lote es de un 97,6%. Si esto se considera "buena calidad" el diferencial de un 2,4% (100% - 97,6%) representa la probabilidad de rechazar este lote de "buena calidad". Esto es el "riesgo del productor".  Curvas Tipo α y β Curvas tipo β: para su construcción se supone que provienen de un lote grande o secuencia de lotes provenientes de un proceso continuo distribución valida: Binomial (si es posible se puede aproximar por Poisson, si p ≤ 0.1 y n.p ≤ 10). Curvas tipo α: para lotes aislados y finitos distribución valida: Hipergeométrica H (n, N, D) (si es posible se puede aproximar por la Binomial, si n/N ≤ 0.1)  Riesgos α y β El muestreo por aceptación se caracteriza por el hecho de que siempre existe la posibilidad de aceptar lotes de mala calidad (que se quieren rechazar) y rechazar lotes de buena calidad que se quisieran aceptar) Se definen: α = riesgo del productor o proveedor = P (lote buena calidad sea rechazado por el plan) β = riesgo del comprador = P (lote de mala calidad o no conforme sea aceptado por el plan)
  • 4. La curva CO de tipo α se utiliza en el cálculo de las probabilidades de aceptación par un lote aislado y de tamaño finito. En este caso, si el tamaño del lote es N, el de la muestra es n y el número de aceptación es c, entonces la distribución exacta del número de artículos defectuosos en la muestra es la distribución Hipergeométrica. En la siguiente figura, se muestran las curvas CO exactas tipo A para los planes de muestreo simple: tamaño de lote N = 200, n = 80 c = 1; N = 800, n = 80 c = 1; y la curva tipo B para tamaño de lote muy grande (infinito), N = Inf., n = 80 c = 1. De ahí se puede ver que la discrepancia entre las tres curvas es relativamente poca  Software para simular las Curvas C.O. @RISK 5.7.1 Industrial for Excel http://www.palisade.com/risk/?gclid=CITxja_h4K8CFUHatgod_QxeJw
  • 5.  Bibliografía  GARRIDO, A, CONESA, E.M. “Simulación por el método de Monte Carlo para generar criterios de aceptación en el control de calidad de productos de construcción”. Vol. 61, 515, 77-85, julio-septiembre 2009 ISSN: 0020- 0883  AENOR. Norma UNE 66020-1:2002 ERRATUM. Procedimientos de muestreo para la inspección por atributos. Parte 1: Planes de muestreo para las inspecciones lote por lote, tabulados según el nivel de calidad aceptable (NCA).  http://es.wikipedia.org/wiki/Errores_de_tipo_I_y_de_tipo_II  http://www.monografias.com/trabajos46/muestreo-de-aceptacion/muestreo-de- aceptacion2.shtml  http://www.fing.edu.uy/iimpi/academica/grado/ctrlcalidad/teorico/muestroParaAceptaci onIIMPIClase-1.pdf