«Enfoque ráster» del problema hidrodinámico del flujo en lámina libre en 2D.

Tamaño: px
Comenzar la demostración a partir de la página:

Download "«Enfoque ráster» del problema hidrodinámico del flujo en lámina libre en 2D."

Transcripción

1 «Efoque ráster» del problema hdrodámco del flujo e láma lbre e D. Joa Soler Cotrol, Dyamcs ad Aplcato. CoDAlab-UPC. joa.soler@upc.edu Erest Bladé Isttuto mxto de vestgacó. FLUMEN-UPC. erest.blade@upc.edu Jord Bofll Cátedra de programar llure. CPL-UPC. jord.bofll@upc.edu Mauel Gómez Isttuto mxto de vestgacó. FLUMEN-UPC. mauel.gomez@upc.edu.- Itroduccó y objetvos Los Sstemas de Iformacó Geográfca (SIG) trabaja co formacó del terrtoro e dos formatos: formato ráster y formato vectoral. E las plataformas de SIG exste algortmos depedetes para el tratameto de la formacó depededo del formato orgal de los datos. Por lo tato, cualquer formacó procedete de u modelo hdráulco de flujo de agua e láma lbre crculado por el terrtoro, puede ser clasfcado e estos dos formatos. Y los algortmos de smulacó també puede ser depedetes co lo que so susceptbles de ser clasfcados de dos maeras: Efoque vectoral y Efoque ráster. La mayoría de los modelos umércos de smulacó del flujo de agua e láma lbre e dos dmesoes se basa e uas represetacoes geométrcas del terrtoro deomadas mallas. Estas mallas está compuestas de udades smples deomadas celdas que so polígoos de tres o cuatro lados. La mplemetacó de la malla se hace cosderado que e el teror de sus celdas se matee costates las propedades geométrcas y las hdráulcas. Por lo tato, e el cotexto de los SIG, las mallas so cubertas vectorales de polígoos co sus correspodetes propedades. E este trabajo se preseta ua herrameta de smulacó del flujo basada e u tpo de celdas deomadas Volúmees ftos cuadragulares (VFC). E el cotexto de los modelos umércos, cuado se requere mayor precsó de los resultados o mayor catdad de formacó e determadas zoas del ámbto de estudo, es ecesaro crear mallas de volúmees ftos más desas e dchas zoas y meos desas e el resto. Ello da lugar a mallas de volúmees ftos o homogéeos, co lo que el Efoque vectoral se matee. Pero e determados casos, o es ecesara ua ua dstrbucó de la formacó ta rregular, por lo que se puede represetar la geometría medate mallas uformes de volúmees ftos homogéeos. Y s además la celda base es cuadragular, etoces el problema pasa a teer u Efoque ráster. U Modelo Dgtal de Elevacoes (MDE) es ua represetacó e formato ráster de la geometría de ua zoa del terrtoro determada. U ráster está costtudo por u cojuto de píxeles o celdas cuadragulares. Cada píxel represeta u área cuadrada del plao x/y de ua determada logtud de lado logtud que se deoma lado del píxel y u valor asgado a esta área. Cuado dcho valor es la cota meda de toda la superfce de la celda, el ráster se deoma MDE. El Efoque ráster e el problema hdrodámco del flujo e láma lbre resulta el adecuado cuado el problema tee grades dmesoes y la formacó orgal para la costruccó de la malla provee de u MDE. Tal es el caso de los estudos de udabldad o modelos para la clasfcacó de la rotura de u embalse e fucó del resgo potecal.

2 Actualmete exste téccas umércas de resolucó de las ecuacoes de flujo e láma lbre e dos dmesoes de Sat Veat també deomadas "Shallow Waters Equatos" medate esquemas de volúmees ftos para todo tpo de mallas, be sea estructuradas y uformes, be sea o estructuradas y o homogéeas. E este trabajo se preseta ua adaptacó de ua de estas téccas umércas a mallas co celdas cuadragulares uformes y estructuradas de tpo VFC. Dcho e otras palabras, se trata de ua adaptacó umérca al Efoque ráster porque se establece ua malla homogéea y estructurada de cuadrláteros que hace equvaler drectamete y s terpolacoes cada píxel del MDE co el correspodete VFC. Como sempre pasa e hdroformátca, cuato más detallado es el modelo utlzado, mejor es el coocmeto que se obtee del feómeo, pero más dfícl es su costruccó y mayor es su complejdad. Ataño, la utlzacó de modelos excesvamete smplfcados era oblgada porque o exstía ordeadores sufcetemete potetes para el uso de modelos sofstcados. Pero hoy e día, la tecología formátca dspoble permte el uso de modelos cada vez más complejos y acordes co la realdad, de maera que el establecmeto de tales hpótess smplfcadoras resulta justfcables. A lo largo de la hstora ha do aparecedo hpótess smplfcadoras que e la actualdad o tee porqué ser establecdas: Régme uforme. Régme estacoaro y suavemete varable. Régme o estacoaro y suavemete varable. Udmesoaldad. Bdmesoaldad. Dstrbucó hdrostátca de presoes. S pérddas por fltracó. Cotudad espacal del coefcete de rugosdad. Exsteca de u flujo mímo como codcó cal. Por otro lado, la tecología LDAR del glés "Lght Detecto ad Ragg" es ua técca de teledeteccó que mde la altura del terreo utlzado u escáer láser. Hoy e día LDAR es la tecología más precsa para geerar MDE para grades áreas co ua resolucó espacal de 0,5 o m y co ua precsó míma de 5 cm e altura. Esta tecología ofrece grades vetajas e la obtecó de los MDE e cotraposcó de los sstemas fotogramétrcos: permte medr la altura real del terreo de debajo la vegetacó puesto que el rayo láser la atravesa, tee ua precsó homogéea para toda la formacó del área de estudo y reduce los costos de produccó y los plazos de etrega. Por cosguete, este tpo de materal resulta muy adecuado para la geeracó de mallas estructuradas de VFC uformes para los modelos umércos de flujo e láma lbre D. Geeralmete, los modelos umércos comercales de flujo D e láma lbre capaces de reproducr el comportameto del flujo crculado sobre el terrtoro requere la geeracó de complejas mallas para la defcó geométrca del problema. Estas mallas, resulta muy tedosas de ser mplemetadas y compromete gra parte del tempo del persoal altamete especalzado porque se trata de herrametas adaptadas al Efoque vectoral. Además, al crear la malla de volúmees ftos se perde precsó por la ecesdad de terpolacó a partr del MDE. E este trabajo se preseta u esquema umérco de volúmees ftos adaptado a la utlzacó de mallas estructuradas y homogéeas co celdas de tpo VFC. Tal adaptacó preseta las sguetes característcas: Establece ua malla estructurada y uforme de cuadrláteros que hace equvaler drectamete y s terpolacoes cada píxel del MDE co el correspodete VFC. Las dmesoes del VFC será las del píxel del MDE de base. Utlza el esquema explícto de prmer orde e volúmees ftos de Goduov co el Rema solver de Roe y co el tratameto del térmo depedete propuesto por Vázquez-Cedó (Bladé y Gómez, 006). La utlzacó de u esquema de mayor precsó lleva cosgo u cremeto del tempo de cálculo y o mejora la caldad de los resultados dada la gra precsó de la dscretzacó espacal utlzada. Esta dscretzacó co malla estructurada y uforme cofere al estudo hdrodámco del flujo e dos dmesoes u Efoque ráster, e cotraposcó a la tradcoal de malla de volúmees ftos o estructurada y o uforme, que se podría decr que tee u Efoque vectoral. El hecho de que a cada state de tempo de tegracó o sea ecesara la cosulta de la base de datos de la topología de la malla por ser coocda de atemao porque se trata precsamete de ua

3 malla estructurada y homogéea hace que el proceso umérco mejore eormemete su efceca de cálculo, tato por requerr meor tempo de cálculo como meor memora para el almaceameto de la geometría. Por cosguete, se puede abordar problemas de mayor dmesó, dado que se cosgue ua mayor optmzacó del códgo e aras a la obtecó de la máxma velocdad de cálculo y el uso de formacó masva. El Efoque ráster es altamete paralelzable s se desea. Co el Efoque ráster se reduce la complejdad del preproceso y del postproceso. Por cotra, co geometrías complcadas dode se requere la precsó del Efoque vectoral, el Efoque ráster resulta adecuado. La secllez de plateameto de Efoque ráster se matee també e el establecmeto de las codcoes de cotoro. Se propoe de dos tpos de codcoes de cotoro por defecto: Pared materal s flujo para los píxeles tpo NODATA píxeles del MDE s formacó de cota y Salda lbre de agua para el cotoro del MDE. Este plateameto smplfcado preseta el coveete de que debe de dspoerse de u MDE sufcetemete exteso como para que o exsta flueca e el área de terés de las codcoes de cotoro que sea descoocdas. Después de esta troduccó, el presete documeto se estructura de la sguete maera. La seguda parte de Plateameto matemátco dode se descrbe la dscretzacó umérca e volúmees ftos aplcados a las ecuacoes de Sat-Veat y como las ecuacoes algebracas resultates se smplfca cuado se utlza los VFC del Efoque ráster. Y falmete, ates de las coclusoes, se da u ejemplo práctco de aplcacó del Efoque ráster.. Plateameto matemátco E este apartado se repasa la formulacó de las ecuacoes de Sat-Veat bdmesoales, se aplca al sstema ua dscretzacó e volúmees ftos e el caso geeral de mallas o estructuradas y falmete se muestra como se smplfca la formulacó cuado se adapta el esquema a problemas e los que es posble la utlzacó de mallas estructuradas y homogéeas. Hay que decr que la presetacó de este apartado se ha hecho desarrollado la formulacó hasta el últmo vel, dode las expresoes algebracas resultates fales tee gra secllez. Esto se ha hecho de esta maera para mostrar la smplfcacó a la que se puede llegar e la mplemetacó del Efoque ráster e el problema hdrodámco del flujo e láma lbre e D. Se ha dejado s explcacó los coceptos teórcos subyacetes que puede ecotrarse e las referecas bblográfcas que se da...- Ecuacoes de Sat-Veat Bdmesoales Las ecuacoes de Sat-Veat bdmesoales, deomadas e glés "Shallow Waters equatos", se puede presetar e forma coservatva y otacó vectoral de la sguete maera: U + Ñ F = H + H t () dode t es el tempo, U es el vector de varables de flujo, F es el tesor de flujo, H es la compoete motrz del térmo depedete y H es la pedete de frccó, que respode a las expresoes: æ hu æ hö h U = hu ; F = hu + g hv ø huv ö huv ; H = ghs ox ; H = - ghs fx ghs - ghs oy ø fy ø h hv + g ø hv ()

4 dode h es el calado, u la velocdad e la dreccó del eje de abscsas y v la velocdad e la de las ordeadas, g es la aceleracó de la gravedad, S0x es la pedete del fodo e la dreccó de las abscsas y S0y e el de las ordeadas y Sfx es la pedete de rozameto e la dreccó de las abscsas y Sfy e el de las ordeadas: S fx = u u + v h ; S fy = 4 3 v u + v h (3) 4 3 dode es el coefcete de rugosdad de Mag. Estas ecuacoes represeta los prcpos de coservacó de la masa y de coservacó de la catdad de movmeto e las dos dreccoes del plao x/y. La ecuacó costa de tres térmos. El prmer térmo represeta la varacó temporal local de las varables hdráulcas: masa y catdad de movmeto, el segudo térmo represeta la varacó espacal de los flujos de dchas catdades y el tercer térmo (térmo depedete) represeta la gaaca o pérdda de masa y catdad de movmeto por udad de tempo e u volume dferecal que se mueve co el fludo. Evdetemete la varacó de masa debe de ser ula por o clurse la fltracó la precptacó, por lo que la prmera compoete del vector de varables depedetes es cero. La cotrbucó exteror a la catdad de movmeto, co las hpótess realzadas, tee dos razoes: la varacó de eergía potecal reflejada e la pedete del fodo y las fuerzas de frccó co el cotoro reflejada e la pedete motrz. Las ecuacoes de Sat Veat so u caso cocreto de sstema de ecuacoes dferecales e dervadas parcales hperbólco, cuas-leal y co termo depedete. y S x Fgura : Dscretzacó e volúmees ftos de u domo bdmesoal. E este caso se represeta ua dscretzacó co ua malla estructurada compuesta de cuadrláteros o homogéeos. Aquí, represeta el ídce del elemeto dode se aplcará la dscretzacó y la estructura recursva, j=,...4, es el cojuto de celdas cotguas a elemeto, S es la superfce que ecerra el volume y es el vector ortoormal a lado correspodete. j..- Esquema umérco e volúmees ftos Aplcado el Rema solver de Roe (98) para cada lado de la celda de la Fgura e u esquema e volúmees ftos sguedo los procedmetos mostrados e Toro (009) y tratado la pedete del fodo del térmo depedete segú Vázquez-Cedó (999), se obtee el esquema umérco de prmer orde utlzado e este trabajo. Todo este proceso deductvo completo puede ecotrarse detalladamete e Bladé y Gómez (006), dode se llega al sguete esquema explícto, presetado stétcamete a modo de estructura recursva:

5 U + Dt =U S k =3 é ù F U + F U g k e k ú Dlj + Dt ( H ) ( ) å å j ê ( j) j = ë k = û N ( ) (4) dode: y represeta el ídce deotatvo de celda y el de state de tempo de tegracó. j represeta el ídce deotatvo de celda cotgua a la. j represeta el lado compartdo por las dos celdas y j de logtud Δl. Δt es la logtud del paso de tempo de tegracó. S es la superfce e plata de la celda. =(, )T es el vector ortoormal aputado haca afuera de la celda, sedo y sus compoetes e las dreccoes de los ejes coordeados. e: j j x y x y k æ ö æ ö e = u + cx ; e = -c y ; e3 = u - cx c v + c v - c y øj y øj x øj (5) k = k k + ( - sgo k ) k (6) γ : k co: Dh ± é D ( hu ) x + D ( hv ) y - ( ux + v y ) Dh ùû c ë a = éë( D ( hv ) - vdh ) x - ( D ( hu ) - udh ) y ùû c j a,3 = l,3 = ux + v y ± c l = ux + v y j ; ; c b,3 = m Dz b = 0 j ì l s lk ³ e k jk = í k co: e k = Max éë0, lj - l, l j - lj ùû î e k s lk < e k (7) (8) E el esquema explícto de prmer orde e volúmees ftos de Gudoov co el Rema sovler de Roe utlzado e este trabajo, las expresoes (5) a (8) so evaluadas sobre los lados compartdos medate las sguetes terpolacoes etre celdas cotguas: u c + u j c j v c + v jc j æ h + hj ö cj = g ; vj = ; c = gh ; c j = gh j ; uj = c + c j cj + cj ø (9)

6 .3.- Formulacó e malla estructurada e Volúmees Ftos Cuadragulares E este apartado se descrbe los cambos ecesaros para la adaptacó de la formulacó propuesta e (4) a (9) para ua malla estructurada y homogéea de VFC de acuerdo co el Efoque ráster. N O o SI I e E Δy s S Δx Fgura : Dscretzacó e volúmees ftos de u domo bdmesoal medate VFC y omeclatura local. Cada volume I está rodeado por u volume Norte deotado e mayúsculas por «N», por u volume Sur deotado por «S», por u volume Este deotado por «E» y por u volume Oeste deotado por «O». E rojo, se represeta las paredes del volume fto «I» adyacetes co cada uo de los volúmees que lo rodea deotados e múscula por,«e»,«s», y «o», respectvamete. Ua malla de VFC es ua malla e que todas sus celdas so cuadradas y homogéeas y está dspuestas por flas y columas de maera que cualquer celda del domo de tegracó tee u elemeto superor (deomado aquí volume Norte y deotado por «N»), uo feror (deomado aquí volume Sur y deotado por «S»), uo a la derecha (deomado aquí volume Este y deotado por «E») y uo a la zquerda (deomado aquí volume Oeste y deotado por «O») (Fgura ). Aplcado esta omeclatura, las varables terpoladas e las caras (9) será: u c + u I ci v c +v c æh +h ö c = g N I ; u = N N ; v = N N I I ; cn = ghn cn + ci c N + ci ø u c +u c v c +v c æh +h ö ce = g E I ; ue = E E I I ; ve = E E I I ; ce = ghe ce + ci ce + ci ø u c +u c v c +v c æh +h ö cs = g S I ; us = S S I I ; vs = S S I I ; cs = ghs cs + ci cs + ci ø u c +u c v c +v c æh +h ö co = g O I ; uo = O O I I ; vo = O O I I ; co = gho co + ci co + ci ø ; ci = ghi (0)

7 Las compoetes de las expresoes (5) a (8) se puede partcularzar para u volume geérco I (Fgura ) dado: N I = 4 ; l = Dx ; le = Dy ; ls = Dx ; lo = Dy ; S I = DxDy æ 0ö æ ö æ0ö æ - ö = ; e = ; s = ; o = ø 0ø - ø 0ø æ ö æ ö l = v + c ü b = -0,5c ( z N - zi ) ü e = u ; e = -c ; e3 = u ; l = v ý ; b = 0 ý v + c 0 v - c l = v - c b = 0,5c ( z - z ) þ 3 N I þ ø ø ø 3 æ ö æ0ö æ ö le = ue + ce ü be = -0,5ce ( ze - z I ) ü ee = ue + ce ; e e = 0 ; e3e = ue - ce ; le = ue ý ; b e = 0 ý v c v l = u - c b = 0,5c ( z - z ) e eþ 3e e E I þ e ø eø e ø 3e æ ö æ0ö æ ö ls = -vs + cs ü bs = -0,5cs ( zs - z I ) ü es = us ; e s = cs ; e3 s = us ; l s = -vs ý ; bs = 0 ý v -c 0 v + c l = -v - c b = 0,5c ( z - z ) s sþ 3s s S I þ s sø ø s s ø 3s æ ö æ ö lo = -uo + co ü bo = -0,5co ( zo - zi ) ü eo = uo - co ; e o = 0 ; e3o = uo + co ; lo = -uo ý ; bo = 0 ý v -c v l = -u - c b = 0,5c ( z - z ) o oþ 3o o O I þ o ø oø o ø 3o ü ü hn - hi h -h + éë hn vn - hi vi - v ( hn - hi ) ùû ae = E I + éë he ue - hi ui - ue ( he - hi ) ùû c ce a = - éë hn un - hi ui - u ( hn - hi )ùû a e = éë he ve - hi vi - ve ( he - hi ) ùû ý; ý c ce h -h h -h a 3 = N I éë hn vn - hi vi - v ( hn - hi ) ùû a 3e = E I éë he ue - hi ui - ue ( he - hi ) ùû c ce þ þ a = ü ü hs - hi h -h éë hs vs - hi vi - vs ( hs - hi ) ùû ao = O I éë ho uo - hi ui - uo ( ho - hi ) ûù cs co a s = éë hs us - hi ui - us ( hs - hi ) ùû a o = - éë ho vo - hi vi - vo ( ho - hi )ùû ý; ý cs co h -h h -h a3s = S I + éë hs vs - hi vi - vs ( hs - hi ) ùû a 3o = O I + éë ho uo - hi ui - uo ( ho - hi ) ùû cs co þ þ a s = () Todas las expresoes de (0) y () so de tpo algebraco y tee ua marcada secllez. e su cojuto, solamete depede de las cotas de los volúmees ftos cotguos y de sus varables hdráulcas.

8 Falmete, resultará muy útl defr el vector de flujo medate la sguete trasformacó del sumatoro sobre los cuatro lados de (4): æ dh ö 4 k =3 é ù dhu = F U + F U g e ( ) ( ) å å j j k k ê údlj = j = k = ë û dhv øi ( ) éæ hn u N hs us éæ he ve ho vo ö æ öù ö æ öù ê ê ú ú = ê hn u N + 0,5 ghn - hs us + 0,5 ghs ú Dx + ê he u E ve houo vo - ú Dy ú êë êë he ve + 0,5 ghe ø ho vo + 0,5 gho ø úû hn u N vn hs us vs ø øû () é æ ö æ ö æ ö æ0ö æ öù ê ú - êg u + g -c + g 3 u + g s us + g s cs + g 3s us ú Dx 0 v -c v -c 0 v + c ú êë v + c ø ø ø s sø ø s s øû é æ ö æ0ö æ ö æ ö æ öù ê ú - êg e ue + ce + g e 0 + g 3e ue - ce + g o uo - co + g o 0 + g 3o uo + co ú Dy c v v -c v ú êë ve ø eø e ø o ø oø o øû dode los valores co subídces e mayúsculas represeta valores tomados e el teror del volume y e músculas represeta valores terpolados e el lado correspodete. Teedo e cueta el vector de flujo () y los demás vectores orgales, el esquema geeral de actualzacó temporal (4) útl para cualquer tpo de malla, queda adaptado para su utlzacó e el cotexto del Efoque ráster medate la sguete estructura recursva: + æ hö hu hv øi æ hö Dt = hu hv S I øi æ dh ö dhu - Dt ghs fx dhv ghs fy ø I øi (3) dode k es ahora el superídce deotatvo de tempo e I el subídce deotatvo de VFC o píxel..4.- Codcoes de cotoro E la gra mayoría de casos, la cartografía utlzada para la realzacó de los estudos de udabldad y de clasfcacó e fucó del resgo potecal de balsas preseta grades zoas dode o se dspoe de formacó altmétrca susceptble de ser utlzada para la creacó de los correspodetes MDE. Los VFC o píxeles afectados por esta falta de formacó se deoma de tpo NODATA. La razó de ello es el ahorro que se tee cuado o se compra zoas dode se supoe, e prcpo, que o debe crcular agua. El tratameto que se hace sobre los NODATA y sobre los cotoros delmtados por las edfcacoes es establecmeto de ua codcó de cotoro tpo Pared materal por dode el flujo o puede pasar. Desde el puto de vsta umérco, cuado a u VFC deotado por I se le va a aplcar (3) para actualzar e el tempo las varables y cuado alguo de los volúmees N, E, S o O es de tpo NODATA, se matee el msmo esquema pero asgado a los NODATA los sguetes valores: h kj hi ; u j u I ; v j vi (4) dode j es el ídce de VFC tpo NODATA, I es el ídce del VFC adyacete al j co el que comparte el lado, h el calado, u la velocdad e el eje de las abscsas y v la velocdad e el eje de las ordeadas e el state.

9 La graca de (4) está e el hecho de que se aula los promedos de los valores de las velocdades de (0) e las paredes del lado compartdo, sedo ulo el flujo a través de él pero mateedo alterado el esquema umérco (-3). La preseca de volúmees NODATA adyacetes a u VFC da lugar a 5 combacoes posbles que geera los correspodetes tpos de volume. E la Fgura 3 de muestra u esquema de todas las posbles combacoes etre volúmees ormales de tpo y los NODATA. El tpo de combacó pasa a ser ua ueva propedad de todas las celdas que descrbe la estructura topológca de malla y debe submstrarse co el msmo formato ráster de etrada de datos de las demás propedades hdráulcas Fgura 3: Tpos de volúmees co codcoes de cotoro tpo Pared materal e alguos de los volúmees adyacetes. de color grs se represeta u VFC de tpo NODATA. Los 5 tpos de combacoes represeta todas las posbles. De esta forma, la topología de la malla queda defda por u solo úmero que pasa a ser ua propedad más de la celda. La exsteca de VFC de tpo NODATA da la posbldad de utlzar esta fgura para smular el comportameto del flujo al etoro de alguas estructuras, como por ejemplo los plares de los puetes. Ello puede llevarse a cabo sempre y cuado se pueda compoer la seccó del plar medate cuadrados NODATA de la precsó del MDE utlzado (logtud del lado de la celda). El tratameto que se hace sobre los cotoros rectlíeos de los márgees de la sere cartográfca (dgamos la prmera y últma flas del ráster y prmera y últma columas) que costtuye el modelo, es tratado como codcó de cotoro de tpo Salda lbre de agua: h j = hi ; u j = u I ; v j = vi (6) dode el ídce j es cualquer VFC perteecete al cotoro de la sere cartográfca e I represeta el ídce de cualquer VFC adyacete al cotoro co el que comparte u lado, h el calado, u la velocdad e el eje de las abscsas y v la velocdad e el eje de las ordeadas e el state. 3.- Ejemplo lustratvo Para lustrar la aplcacó del Efoque ráster, se preseta los resultados de modelzacó para u estudo de udabldad de u mucpo ubcado e la cueca del Ebro e España. El estudo hdráulco fue hecho e codcoes estacoaras para caudales de tres perodos de retoro. Aquí se preseta los resultados de ua oda estacoara cuya zoa de udabldad se ecotró resolvedo las ecuacoes e régme varable e el tempo () aplcado uas codcoes supercrítcas de cotoro de caudal costate e ua seccó del río de aguas arrba hasta la cosecucó del régme estacoaro (Fgura 4). Se utlzaro dos geometrías que dfere e el grado de precsó y de dspobldad de la formacó cal. Ua prmera geometría de ámbto «recortado» (Fgura 4 a la zquerda) procedete de u vuelo Ldar y

10 ua seguda de ámbto «amplado» (Fgura 4 a la derecha) procedete de u MDE elaborado co ua cartografía tradcoal a escala : Dado que, como se verá, el agua salía del ámbto de la cuberta Ldar, tuvo que amplarse posterormete a partr de la cartografía : A parte de los resultados propos de u estudo de udabldad, el ejemplo srve para aalzar el efecto de la preseca de elemetos tpo NODATA e los tempos de de cálculo. Muchas veces la cartografía dspoble o abarca todo el domo deseable co grades zoas co VFC tpo NODATA y cuado su proporcó es grade, lo mejor es realzar los cálculos sobre la seleccó de los VFC co formacó y tratar a los NODATA como paredes materales. De esta forma, se evta el «barrdo» por todas las celdas y solo se pasa los VFC co formacó de cota a cada state de tempo. Fgura 4: MDE de cada uo de los modelos. A la zquerda puede verse el MDE (x) «recortado» procedete de u vuelo Ldar y a la derecha otro MDE (x) «amplado» obtedo a partr de la cartografía :5.000 ( Este últmo també preseta el eje teórco del río de color azul. Por el cetro se muestra de color egro, el cotoro de ua poblacó. Abajo a la derecha de color fucsa, puede verse la seccó de aguas arrba dode se mpoe las codcoes de cotoro. A la vsta de las gráfcas de la Fgura 4, cabe destacar lo sguete: La desdad de volúmees ftos es ta grade que la malla o puede ser dbujada, pero se tuye la preseca de las celdas porque se correspode co los píxeles. E la gráfca de la zquerda el MDE tee flas y 6.70 columas, lo que sgfca VFC o celdas co m de lado, co lo que el ámbto del modelo es de 3.50,73 ha. El úmero de VFC co NODATA es (47,9%). E la gráfca de la derecha, el MDE tee.938 flas y columas, lo que sgfca VFC. Cada VFC tee m de lado co lo que el ámbto del modelo es de ha. Abajo a la derecha de color fucsa, puede verse la seccó de aguas arrba dode se mpoe las codcoes de cotoro. El polígoo cerrado stuado aproxmadamete e el cetro de las gráfcas represeta el perímetro costruído u úcleo urbao poblacó y su tratameto es de NODATA. Se establece ua codcó de cotoro de etrada de flujo ua oda estacoara de 450 m3/s correspodete a la aveda de 500 años de perodo de retoro. Se propoe uas codcoes de flujo supercrítcas que da lugar al perfl de calados que muestra la Fgura 5, co la compoete de la velocdad e el eje de ordeadas ula y co la compoete de la velocdad e el eje de abcsas el doble de la correspodete crítca para asegurar la etrada del caudal cosgado. La seccó dode se mpoe tales codcoes de cotoro se ubca sufcetemete lejos del cotoro urbazado del mucpo, que es dode se desea coocer la afectacó, como para o afectar el flujo.

11 Fgura 5: codcoes de cotoro aplcadas de calado costates, e la seccó de aguas arrba del río co codcoes supercrítcas. La cota absoluta del agua era de 44,8 m para la modelzacó co el MDE «recortado». Uo de los resultados del modelo hdráulco más represetatvos de u estudo de udabldad es el área de afectacó de la aveda (Fgura 6). Evdetemete, també se cosgue otros mapas para las compoetes de la velocdad e los dos ejes coordeados. A partr de ellos y los de calados, es posble la determacó del mapa de daño que es ua combacó de todos ellos. Fgura 6: zoa de udabldad calculada co los dos modelos sobre su correspodete MDE. A la zquerda puede verse como la falta de cartografía «caalza» el propo caudal. Esta es la razó prcpal para la que tuvo que realzarse ua aplacó del modelo. A la vsta de las gráfcas de la Fgura 6 cabe destacar los sguete: El área de udabldad que preseta ambos modelos so completamete dferetes, báscamete porque el agua crcula tato por la parte orte de la poblacó como por la sur. Ello ocurre as porque se trata de ua zoa extremadamete plaa y el flujo es que determa su propo camo. El paso del modelo «recortado» cal al segudo «amplado» supuso u desceso de la láma de agua e el cotoro de la poblacó de uos 0,5 m de promedo. Vstos los dos putos aterores, queda clara la mportaca de mplemetacó de u modelo D. La zoa coloreada de azul respreseta el cojuto de VFC mojados e la stuacó fal estacoara, sedo el alzul más teso a más profuddad.

12 La mage de la zquerda se correspode co el área de udabldad obteda a los 7.00 s de cado el flujo. La mage preseta u domo mojado costtuído por VFC (850 ha y,%) y el coste computacoal de su obtecó fue de s (40 h) de tempo de CPU total trascurrdo, es decr, u rato de 0,00833 sflo/scálculo. Para la mage de la derecha, el domo mojado fue de VFC (.5,5 ha y 37,9 %) y el coste computacoal de s (33 h), lo que sgfca u rato de 0,06 sflo/scálculo. Los cálculos se realzaro co u software lbre e u computador co sstema operatvo Getoo GNU/Lux, que es ua metadstrbucó altamete cofgurable para ua aplcacó cocreta y optmzable para ua CPU específca, lo que proporcoa ua velocdad de càlculo superor a otros sstemas operatvos habtuales. El programa mplemetado para la resolucó de este problema cocreto detro de la flosofía "Do oe thg but do t well" (u programa especfco para cada problema) ha sdo mplemetado e códgo Fortra estádar y se ha complado co gfortra s paralelzacó, cludo e la GNU Compler Collecto, compatble co el estàdard Fortra 95 y co soporte para F77. Las característcas hardware fuero: CPU AMD Pheom II 965 X4 Quad Core 3,4Ghz, 6 Gb de memora DDR3 a.600 Mhz y x500gb de dsco. Se trata de compoetes electròcos comercales de alta gamma e su mometo, pero co coste total tferor a los.000 dólares. A fecha de abrl 009, esta CPU estaba stuada e el puesto 47 del rakg de Coclusoes Segudamete se eumera las coclusoes del trabajo. Se ha establecdo ua clasfcacó de los problemas de flujo e láma lbre e dos dmesoes de acuerdo co el formato de la formacó dspoble y requerda de los Sstemas de Iformacó Geográfca (SIG): Efoque vectoral y Efoque ráster. Se ha presetado el sstema de ecuacoes de las aguas poco profudas de Sat-Veat e dos dmesoes y se descrbe el método de resolucó utlzado que se basa e u esquema el esquema explícto de prmer orde e volúmees ftos de Goduov co el Rema sovler de Roe y co el tratameto del térmo depedete propuesto por Vázquez-Cedó. Dado que dcho esquema srve tato para problemas co malla estructurada o o, el problema puede cosderarse detro del Efoque vectoral. Se establece ua adaptacó del método propuesto e el puto ateror a problemas que se descrbe co ua malla estructurada y homogéea de cuadrláteros que hace equvaler drectamete y s terpolacoes cada píxel o celda del MDE co el correspodete Volume Fto Cuadragular (VFC). Las dmesoes del VFC será las del píxel del MDE de base. Por lo tato, el problema puede cosderarse detro del Efoque ráster. E el Efoque ráster, el hecho de que a cada state de tempo de tegracó o sea ecesara la cosulta de la base de datos de la topología de la malla por ser coocda de atemao porque se trata precsamete de ua malla estructurada y homogéea hace que el proceso umérco mejore eormemete su efceca de cálculo, tato por requerr meor tempo de CPU como meor memora RAM de almaceameto de la geometría. Además preseta la propedad de ser altamete paralelzable. La secllez de plateameto del Efoque ráster se matee també e el establecmeto de las codcoes de cotoro. Se propoe de dos tpos codcoes de cotoro por defecto: Pared materal s flujo para los VFC tpo NODATA píxeles s formacó de cota y Salda lbre de agua para el cotoro de la sere cartográfca del MDE. El programa utlzado ha sdo mplemetado e códgo Fortra estádar y se ha complado co gfortra s paralelzacó, cludo e la GNU Compler Collecto, compatble co el estàdard Fortra 95 y co soporte para F77. Las característcas hardware fuero: CPU AMD Pheom II 965 X4 Quad Core 3,4Ghz, 6 Gb de memora DDR3 a.600 Mhz y x500gb de dsco. Se trata de compoetes electròcos comercales de alta gamma, pero co coste total feror a los.000 $. A fecha de abrl 009 esta CPU está stuada e el puesto 47 del rakg de

13 5.- Referecas bblográfcas Roe, P.L., (98), Approxmate Rema solvers, parameter vectors, ad dfferece schemes, Joural Of Computatoal Physcs, V. 43, pp Toro, E.F., (009), Rema solvers ad umercal methods for flud dyamcs: a practcal troducto, Sprger Verlag. Vázquez-Cedó, M.E. (999), Improved Treatmet of Source Terms Upwd Schemes for the Shallow Waters Equatos Chaels wth Irregular Geometry, Joural Of Computatoal Physcs, V. 48, pp Bladé, E., Gómez, M., (006), «Modelacó del flujo e láma lbre sobre cauces aturales. Aálss tegrado e ua y dos dmesoes», Moografa CIMNE Nº97. Barceloa.

VARIABLE ALEATORIA Y FUNCIÓN DE DISTRIBUCIÓN

VARIABLE ALEATORIA Y FUNCIÓN DE DISTRIBUCIÓN VARIABLE ALEATORIA Y FUNCIÓN DE DISTRIBUCIÓN - INTRODUCCIÓN E este tema se tratará de formalzar umércamete los resultados de u feómeo aleatoro Por tato, ua varable aleatora es u valor umérco que correspode

Más detalles

MÉTODOS ESTADÍSTICOS PARA EL CONTROL DE CALIDAD

MÉTODOS ESTADÍSTICOS PARA EL CONTROL DE CALIDAD UNIVERSIDAD DE LOS ANDES. FACULTAD DE CIENCIAS ECONÓMICAS Y SOCIALES DEPARTAMENTO DE CIENCIAS ADMINISTRATIVAS MÉRIDA ESTADO MÉRIDA Admstracó de la Produccó y las Operacoes II Prof. Mguel Olveros MÉTODOS

Más detalles

(Feb03-1ª Sem) Problema (4 puntos). Se dispone de un semiconductor tipo P paralepipédico, cuya distribución de impurezas es

(Feb03-1ª Sem) Problema (4 puntos). Se dispone de un semiconductor tipo P paralepipédico, cuya distribución de impurezas es (Feb03-ª Sem) Problema (4 putos). Se dspoe de u semcoductor tpo P paraleppédco, cuya dstrbucó de mpurezas es ( x a) l = A 0 dode A y 0 so mpurezas/volume, l es u parámetro de logtud y a la poscó de ua

Más detalles

MODELOS DE REGRESIÓN LINEALES Y NO LINEALES: SU

MODELOS DE REGRESIÓN LINEALES Y NO LINEALES: SU MODELOS DE REGRESIÓN LINEALES Y NO LINEALES: SU APLICACIÓN EN PROBLEMAS DE INGENIERÍA Clauda Maard Facultad de Igeería. Uversdad Nacoal de Lomas de Zamora Uversdad CAECE Bueos Ares. Argeta. maard@uolsects.com.ar

Más detalles

INTEGRAL DE LÍNEA EN EL CAMPO COMPLEJO

INTEGRAL DE LÍNEA EN EL CAMPO COMPLEJO INTEGRAL DE LÍNEA EN EL AMPO OMPLEJO ARRERA: Igeería Electromecáca ASIGNATURA: DOENTES: Ig. Norberto laudo MAGGI Ig. Horaco Raúl DUARTE INGENIERÍA ELETROMEÁNIA INTEGRAL DE LÍNEA EN EL AMPO OMPLEJO ONEPTOS

Más detalles

ESTRUCTURA Y TECNOLOGÍA A DE COMPUTADORES

ESTRUCTURA Y TECNOLOGÍA A DE COMPUTADORES Uversdad Rey Jua Carlos ESTRUCTURA Y TECNOLOGÍA A DE COMPUTADORES Lus Rcó Córcoles Lceso J. Rodríguez-Aragó Programa. Itroduccó. 2. Defcó de redmeto. 3. Meddas para evaluar el redmeto. 4. Programas para

Más detalles

Matemáticas 1 1 EJERCICIOS RESUELTOS: Números Complejos. Elena Álvarez Sáiz. Dpto. Matemática Aplicada y C. Computación. Universidad de Cantabria

Matemáticas 1 1 EJERCICIOS RESUELTOS: Números Complejos. Elena Álvarez Sáiz. Dpto. Matemática Aplicada y C. Computación. Universidad de Cantabria Matemátcas EJERCICIOS RESUELTOS: Números Complejos Elea Álvare Sá Dpto. Matemátca Aplcada y C. Computacó Uversdad de Catabra Igeería de Telecomucacó Fudametos Matemátcos I Ejerccos: Números Complejos Iterpretacó

Más detalles

V Muestreo Estratificado

V Muestreo Estratificado V Muestreo Estratfcado Dr. Jesús Mellado 10 Certas poblacoes que se desea muestrear, preseta grupos de elemetos co característcas dferetes, s los grupos so pleamete detfcables e su peculardad y e su tamaño,

Más detalles

INTRODUCCIÓN AL CONCEPTO DE VALOR ESPERADO O ESPERANZA MATEMÁTICA DE UNA VARIABLE ALEATORIA

INTRODUCCIÓN AL CONCEPTO DE VALOR ESPERADO O ESPERANZA MATEMÁTICA DE UNA VARIABLE ALEATORIA INTRODUCCIÓN AL CONCEPTO DE VALOR ESPERADO O ESPERANZA MATEMÁTICA DE UNA VARIABLE ALEATORIA Lus Fraco Martí {lfraco@us.es} Elea Olmedo Ferádez {olmedo@us.es} Jua Mauel Valderas Jaramllo {valderas@us.es}

Más detalles

2. Calcular el interés que obtendremos al invertir 6.000 euros al 4% simple durante 2 años. Solución: 480 euros

2. Calcular el interés que obtendremos al invertir 6.000 euros al 4% simple durante 2 años. Solución: 480 euros . alcular el motate que obtedremos al captalzar 5. euros al 5% durate días (año cvl y comercal). Solucó: 5., euros (cvl); 5.,5 euros (comercal). 5. o ' 5,5 5,8 5,5 ' 5. 5.,5) 5,5) 5., 5.,5. alcular el

Más detalles

6. ESTIMACIÓN PUNTUAL

6. ESTIMACIÓN PUNTUAL Defcoes 6 ESTIMACIÓN PUNTUAL E la práctca, los parámetros de ua dstrbucó de probabldad se estma a partr de la muestra La fereca estadístca cosste e estmar los parámetros de ua dstrbucó; y e evaluar ua

Más detalles

Una Propuesta de Presentación del Tema de Correlación Simple

Una Propuesta de Presentación del Tema de Correlación Simple Ua Propuesta de Presetacó del Tema de Correlacó Smple Itroduccó Ua Coceptualzacó de la Correlacó Estadístca La Correlacó o Implca Relacó Causa-Efecto Vsualzacó Gráfca de la Correlacó U Idcador de Asocacó:

Más detalles

Los principales métodos para la selección y valoración de inversiones se agrupan en dos modalidades: métodos estáticos y métodos dinámicos

Los principales métodos para la selección y valoración de inversiones se agrupan en dos modalidades: métodos estáticos y métodos dinámicos Dreccó Facera Pág Sergo Alejadro Herado Westerhede, Igeero e Orgazacó Idustral 5. INTRODUCCIÓN Los prcpales métodos para la seleccó y valoracó de versoes se agrupa e dos modaldades: métodos estátcos y

Más detalles

Juegos finitos n-personales como juegos de negociación

Juegos finitos n-personales como juegos de negociación Juegos ftos -persoales como uegos de egocacó A.M.Mármol L.Moro V. Rubales Departameto de Ecoomía Aplcada III. Uversdad de Sevlla. Avd. Ramó Caal.. 0-Sevlla. vrubales@us.es Resume Los uegos -persoales ftos

Más detalles

División de Evaluación Social de Inversiones

División de Evaluación Social de Inversiones MEODOLOGÍA SIMPLIFICADA DE ESIMACIÓN DE BENEFICIOS SOCIALES POR DISMINUCIÓN DE LA FLOA DE BUSES EN PROYECOS DE CORREDORES CON VÍAS EXCLUSIVAS EN RANSPORE URBANO Dvsó de Evaluacó Socal de Iversoes 2013

Más detalles

Introducción a la Transformada Wavelet DESCOMPOSICIÓN DE SEÑALES

Introducción a la Transformada Wavelet DESCOMPOSICIÓN DE SEÑALES Itroduccó a la Trasformada Wavelet DESCOMPOSICIÓN DE SEÑALES Trasformada Wavelet Curso 006 Itroduccó Para ua mejor compresó de los capítulos sguetes desarrollaremos aquí alguos coceptos matemátcos ecesaros

Más detalles

1.1 INTRODUCCION & NOTACION

1.1 INTRODUCCION & NOTACION 1. SIMULACIÓN DE SISEMAS DE COLAS Jorge Eduardo Ortz rvño Profesor Asocado Departameto de Igeería de Sstemas e Idustral Uversdad Nacoal de Colomba jeortzt@ual.edu.co 1.1 INRODUCCION & NOACION Clete Servdor

Más detalles

CÁLCULO DEL ANCHO DE BANDA EFECTIVO PARA UN FLUJO MARKOVIANO CON TASAS DE TRANSFERENCIA CONTINUAS

CÁLCULO DEL ANCHO DE BANDA EFECTIVO PARA UN FLUJO MARKOVIANO CON TASAS DE TRANSFERENCIA CONTINUAS CÁLCULO DEL ANCHO DE BANDA EFECTIVO PARA UN FLUJO MARKOVIANO CON TASAS DE TRANSFERENCIA CONTINUAS Beatrz Marró Uversdad Nacoal del Sur, beatrz.marro@us.edu.ar Resume: El objetvo de este trabajo es geeralzar

Más detalles

TEMA 3.- OPERACIONES DE AMORTIZACION : PRESTAMOS A INTERES VARIABLE 3.1.-CLASIFICACIÓN DE LOS PRÉSTAMOS A INTERÉS VARIABLE :

TEMA 3.- OPERACIONES DE AMORTIZACION : PRESTAMOS A INTERES VARIABLE 3.1.-CLASIFICACIÓN DE LOS PRÉSTAMOS A INTERÉS VARIABLE : Dpto. Ecoomía Facera y otabldad Pla de Estudos 994 urso 008-09. TEMA 3 Prof. María Jesús Herádez García. TEMA 3.- OPERAIONES DE AMORTIZAION : PRESTAMOS A INTERES VARIABLE 3..-LASIFIAIÓN DE LOS PRÉSTAMOS

Más detalles

ANÁLISIS DE LA VARIANZA ANOVA COMPARACIONES MULTIPLES ENTRE MEDIAS MUESTRALES

ANÁLISIS DE LA VARIANZA ANOVA COMPARACIONES MULTIPLES ENTRE MEDIAS MUESTRALES ANÁLISIS DE LA VARIANZA COMPARACIONES MULTIPLES ENTRE MEDIAS MUESTRALES ANOVA Marta Alper Profesora Adjuta de Estadístca alper@fcym.ulp.edu.ar http://www.fcym.ulp.edu.ar/catedras/estadstca INTRODUCCION

Más detalles

6.2.- Funciones cóncavas y convexas

6.2.- Funciones cóncavas y convexas C APÍTULO 6 PROGRAMACIÓN NO LINEAL 6..- Itroduccó a la Programacó No Leal E este tema vamos a cosderar la optmzacó de prolemas que o cumple las codcoes de lealdad, e e la fucó ojetvo, e e las restrccoes.

Más detalles

Guía práctica para la realización de medidas y el cálculo de errores

Guía práctica para la realización de medidas y el cálculo de errores Laboratoro de Físca Prmer curso de Químca Guía práctca para la realzacó de meddas y el cálculo de errores Medda y Error Aquellas propedades de la matera que so susceptbles de ser meddas se llama magtudes;

Más detalles

Práctica 11. Calcula de manera simbólica la integral indefinida de una función. Ejemplo:

Práctica 11. Calcula de manera simbólica la integral indefinida de una función. Ejemplo: PRÁCTICA SUMAS DE RIEMAN Práctcas Matlab Práctca Objetvos Calcular tegrales defdas de forma aproxmada, utlzado sumas de Rema. Profudzar e la compresó del cocepto de tegracó. Comados de Matlab t Calcula

Más detalles

CÁLCULO Y COMENTARIOS SOBRE ALGUNAS MEDIDAS DESCRIPTIVAS. de una variable X, la denotaremos por x y la calcularemos mediante la fórmula:

CÁLCULO Y COMENTARIOS SOBRE ALGUNAS MEDIDAS DESCRIPTIVAS. de una variable X, la denotaremos por x y la calcularemos mediante la fórmula: CÁLCULO Y COMENTARIOS SOBRE ALGUNAS MEDIDAS DESCRIPTIVAS I Meddas de localzacó Auque ua dstrbucó de frecuecas es certamete muy útl para teer ua dea global del comportameto de los datos, es geeralmete ecesaro

Más detalles

Guía para la Presentación de Resultados en Laboratorios Docentes

Guía para la Presentación de Resultados en Laboratorios Docentes Guía para la Presetacó de Resultados e Laboratoros Docetes Prof. Norge Cruz Herádez Departameto de Físca Aplcada I Escuela Poltécca Superor Uversdad de Sevlla Curso 0-03 6 de octubre de 0 I Itroduccó Las

Más detalles

1. Los postulados de la Mecánica Cuántica. 2. Estados Estacionarios. 3. Relación de Incertidumbre de Heisenberg. 4. Teorema de compatibilidad.

1. Los postulados de la Mecánica Cuántica. 2. Estados Estacionarios. 3. Relación de Incertidumbre de Heisenberg. 4. Teorema de compatibilidad. Parte : MECÁNICA CUÁNTICA 1. Los postulados de la Mecáca Cuátca.. Estados Estacoaros. 3. Relacó de Icertdumbre de Heseberg. 4. Teorema de compatbldad. 1 U breve repaso de Mecáca Clásca 1. Partícula clásca:

Más detalles

Expectativas del Mercado y Creación de Valor en la Empresa

Expectativas del Mercado y Creación de Valor en la Empresa 2d teratoal Coferece o dustral Egeerg ad dustral Maagemet X Cogreso de geería de Orgazacó September 3-5, 28, Burgos, Spa Expectatvas del Mercado y Creacó de Valor e la Empresa elpe Ruz López 1, Cáddo Barrea

Más detalles

REPÚBLICA BOLIVARIANA DE VENEZUELA UNIVERSIDAD RAFAEL URDANETA FACULTAD DE INGENIERÍA ESCUELA DE INGENIERÍA QUÍMICA DERECHOS RESERVADOS

REPÚBLICA BOLIVARIANA DE VENEZUELA UNIVERSIDAD RAFAEL URDANETA FACULTAD DE INGENIERÍA ESCUELA DE INGENIERÍA QUÍMICA DERECHOS RESERVADOS REPÚBLICA BOLIVARIANA DE VENEZUELA UNIVERSIDAD RAFAEL URDANETA FACULTAD DE INGENIERÍA ESCUELA DE INGENIERÍA QUÍMICA DETERMINACIÓN MEDIANTE EL ANÁLISIS REGRESIONAL DE LOS MODELOS MATEMATICOS POLINÓMICOS

Más detalles

UNA PROPUESTA DE GRÁFICO DE CONTROL DIFUSO PARA EL CONTROL DEL PROCESO

UNA PROPUESTA DE GRÁFICO DE CONTROL DIFUSO PARA EL CONTROL DEL PROCESO UNA POPUESTA DE GÁFICO DE CONTOL DIFUSO PAA EL CONTOL DEL POCESO VIVIAN LOENA CHUD PANTOJA (UDV) vvalorea16@gmal.com NATHALY MATINEZ ESCOBA (UDV) atta10@gmal.com Jua Carlos Osoro Gómez (UDV) juacarosoro@yahoo.es

Más detalles

METODOLOGÍA DE CÁLCULO DE LAS TASAS DE INTERÉS PROMEDIO

METODOLOGÍA DE CÁLCULO DE LAS TASAS DE INTERÉS PROMEDIO METODOLOGÍA DE CÁLCULO DE LAS TASAS DE INTERÉS PROMEDIO Nota: A partr del de julo de 200, las empresas reporta a la SBS formacó más segmetada de las tasas de terés promedo de los crédtos destados a facar

Más detalles

TEMA 11 OPERACIONES DE AMORTIZACION O PRESTAMO (II)

TEMA 11 OPERACIONES DE AMORTIZACION O PRESTAMO (II) Dapotva Matemátca Facera TEMA OPERACIONES DE AMORTIZACION O PRESTAMO (II). Prétamo dcado 2. Prétamo co teree atcpado. Prétamo Alemá 3. Valor facero del prétamo. Uufructo y uda propedad Dapotva 2 Matemátca

Más detalles

Introducción a la Programación Lineal

Introducción a la Programación Lineal Itroduccó a la Programacó Leal Clauda Llaa Daza Garzó cldaza@uversa.et.co Trabajo de Grado para Optar por el Título de Matemátco Drector: Pervys Rego Rego Igeero Uversdad Nacoal de Colomba Fudacó Uverstara

Más detalles

CENTRO DE MASA centro de masas centro de masas

CENTRO DE MASA centro de masas centro de masas CENTRO DE ASA El cetro de masas de u sstema dscreto o cotuo es el puto geométrco que dámcamete se comporta como s e él estuvera aplcada la resultate de las fuerzas exteras al sstema. De maera aáloga, se

Más detalles

MATEMÁTICAS FINANCIERAS Y EVALUACIÓN DE PROYECTOS JAIRO TARAZONA MANTILLA CONSULTOR ASESOR DOCENTE FINANCIERO Y PROYECTOS

MATEMÁTICAS FINANCIERAS Y EVALUACIÓN DE PROYECTOS JAIRO TARAZONA MANTILLA CONSULTOR ASESOR DOCENTE FINANCIERO Y PROYECTOS MATEMÁTICAS FINANCIERAS Y EVALUACIÓN DE PROYECTOS JAIRO TARAZONA MANTILLA CONSULTOR ASESOR DOCENTE FINANCIERO Y PROYECTOS Bucaramaga, 2010 INTRODUCCIÓN El presete documeto es ua complacó de memoras de

Más detalles

Intensificación en Estadística

Intensificación en Estadística GRADO EN VETERINARIA DEPARTAMENTO DE ESTADÍSTICA E IO 0-0 IV Curso Cero Itesfcacó e Estadístca Itroduccó a la fucó Sumatoro Itroduccó Cocepto de fucó sumatoro Aplcacoes Itroduccó Cocepto de fucó sumatoro

Más detalles

Introducción a la Inferencia Estadística. Dept. of Marine Science and Applied Biology Jose Jacobo Zubcoff

Introducción a la Inferencia Estadística. Dept. of Marine Science and Applied Biology Jose Jacobo Zubcoff Itroduccó a la Ifereca Estadístca Dept. of Mare cece ad Appled Bology Jose Jacobo Zubcoff Modelos de Regresó mple Que tpo de relacó exste etre varables Predccó de valores a partr de ua de ellas Varable

Más detalles

ESTADÍSTICA DESCRIPTIVA

ESTADÍSTICA DESCRIPTIVA ESTADÍSTICA DESCRIPTIVA A. MEDIDAS DE TENDENCIA CENTRAL B. MEDIDAS DE VARIABILIDAD C. MEDIDAS DE FORMA RESUMEN: A. MEDIDAS DE TENDENCIA CENTRAL So estadígrafos de poscó que so terpretados como valores

Más detalles

2.5. Área de una superficie.

2.5. Área de una superficie. .5. Área de ua superfce. Sea g ua fucó co prmeras dervadas parcales cotuas, tal que z g( x y), 0 e toda la regó D del plao xy. Sea S la parte de la gráfca de g cuya proyeccó e el plao xy es como se lustra

Más detalles

ERRORES EN LAS MEDIDAS (Conceptos elementales)

ERRORES EN LAS MEDIDAS (Conceptos elementales) ERRORES E LAS MEDIDAS (Coceptos elemetales). Medda y tpos de errores ormalmete, al realzar varas meddas de ua magtud físca, se obtee e ellas valores dferetes. E muchas ocasoes, esta dfereca se debe a causas

Más detalles

IV. GRÁFICOS DE CONTROL POR ATRIBUTOS

IV. GRÁFICOS DE CONTROL POR ATRIBUTOS IV Gráfcos de Cotrol por Atrbutos IV GRÁFICOS DE CONTROL POR ATRIBUTOS INTRODUCCIÓN Los dagramas de cotrol por atrbutos costtuye la herrameta esecal utlzada para cotrolar característcas de caldad cualtatvas,

Más detalles

TEMA 12 INFERENCIA ESTADÍSTICA. ESTIMACIÓN DE LA MEDIA 12.1 DISTRIBUCIÓN NORMAL. REPASO DE TÉCNICAS BÁSICAS

TEMA 12 INFERENCIA ESTADÍSTICA. ESTIMACIÓN DE LA MEDIA 12.1 DISTRIBUCIÓN NORMAL. REPASO DE TÉCNICAS BÁSICAS Tema 1 Ifereca estadístca. Estmacó de la meda Matemátcas CCSSII º Bachllerato 1 TEMA 1 INFERENCIA ESTADÍSTICA. ESTIMACIÓN DE LA MEDIA 1.1 DISTRIBUCIÓN NORMAL. REPASO DE TÉCNICAS BÁSICAS UTILIZACIÓN DE

Más detalles

CURSO DE ESTADÍSTICA DESCRIPTIVA Y ANÁLISIS DE DATOS CON LA HOJA DE CÁLCULO EXCEL

CURSO DE ESTADÍSTICA DESCRIPTIVA Y ANÁLISIS DE DATOS CON LA HOJA DE CÁLCULO EXCEL CURSO DE ESTADÍSTICA DESCRIPTIVA Y ANÁLISIS DE DATOS CON LA HOJA DE CÁLCULO ECEL D. Fracsco Parra Rodríguez. Jefe de Servco de Estadístcas Ecoómcas y Socodemográfcas. Isttuto Cátabro de Estadístca. Dª.

Más detalles

CURSO BÁSICO DE ESTADÍSTICA DESCRIPTIVA

CURSO BÁSICO DE ESTADÍSTICA DESCRIPTIVA CURSO BÁSICO DE ESTADÍSTICA DESCRIPTIVA - 1 - ÍNDICE CAPÍTULO 1: INTRODUCCIÓN A LA ESTADÍSTICA Tema 1: Itroduccó a la estadístca - 1.1. Itroducc ó a la estadístca descrptva - 1.2. Nocoes báscas o 1.2.1.

Más detalles

MEDIDAS DE TENDENCIA CENTRAL

MEDIDAS DE TENDENCIA CENTRAL Probabldad y Estadístca Meddas de tedeca Cetral MEDIDAS DE TENDENCIA CENTRAL E la udad ateror se ha agrupado la ormacó y además se ha dado ua descrpcó de la terpretacó de la ormacó, s embargo e ocasoes

Más detalles

Paola Caymes-Scutari, Anna Morajko, Eduardo César, José G. Mesa, Genaro Costa, Tomàs Margalef, Joan Sorribes, Emilio Luque

Paola Caymes-Scutari, Anna Morajko, Eduardo César, José G. Mesa, Genaro Costa, Tomàs Margalef, Joan Sorribes, Emilio Luque Etoro de Desarrollo y Stozacó de Aplcacoes Master/Worker Paola Caymes-Scutar, Aa Morajko, Eduardo César, José G. Mesa, Gearo Costa, Tomàs Margalef, Joa Sorrbes, Emlo Luque Departameto de Arqutectura de

Más detalles

Comportamiento Mecánico de Sólidos Capítulo II. Introducción al análisis tensorial. Tensores. x 3 A 3. Figura 1. Componentes de un vector.

Comportamiento Mecánico de Sólidos Capítulo II. Introducción al análisis tensorial. Tensores. x 3 A 3. Figura 1. Componentes de un vector. Comportameto Mecáco de Sóldos Capítulo II. Itroduccó al aálss tesoral. Itroduccó al aálss tesoral esores Es aquella catdad físca que después de ua trasformacó de coordeadas (que obedezca certas reglas),

Más detalles

-Métodos Estadísticos en Ciencias de la Vida

-Métodos Estadísticos en Ciencias de la Vida -Métodos Estadístcos e Cecas de la Vda Regresó Leal mple Regresó leal smple El aálss de regresó srve para predecr ua medda e fucó de otra medda (o varas). Y = Varable depedete predcha explcada X = Varable

Más detalles

Transformada Z. Definición y Propiedades Transformada Inversa Función de Transferencia Discreta Análisis de Sistemas

Transformada Z. Definición y Propiedades Transformada Inversa Función de Transferencia Discreta Análisis de Sistemas 5º Curso-Tratameto Dgtal de Señal Trasformada Z Defcó y Propedades Trasformada Iversa Fucó de Trasfereca Dscreta Aálss de Sstemas 7//99 Capítulo 7: Trasformada Z Defcó y Propedades 5º Curso-Tratameto Dgtal

Más detalles

Gestión de operaciones

Gestión de operaciones Gestó de operacoes Modelado de restrccoes co varables baras Modelado de programacó o leal Pedro Sáchez pedro.sachez@upcomllas.es Cotedo Restrccoes especales Restrccoes lógcas Productos de varables Modelos

Más detalles

ESTADÍSTICA DESCRIPTIVA Métodos Estadísticos Aplicados a las Auditorías Sociolaborales

ESTADÍSTICA DESCRIPTIVA Métodos Estadísticos Aplicados a las Auditorías Sociolaborales ESTADÍSTICA DESCRIPTIVA Métodos Estadístcos Aplcados a las Audtorías Socolaborales Fracsco Álvarez Gozález fracsco.alvarez@uca.es Bajo el térmo Estadístca Descrptva se egloba las téccas que os permtrá

Más detalles

Apéndice 1. Ajuste de la función gamma utilizando el método de máxima probabilidad ( maximum likelihood )

Apéndice 1. Ajuste de la función gamma utilizando el método de máxima probabilidad ( maximum likelihood ) Apédces Apédces 357 Apédce. Ajuste de la fucó gamma utlzado el método de máma probabldad mamum lkelhood Se descrbe a cotuacó el ajuste de la fucó gamma utlzado e el apartado.2..2 pága 28. Véase Burguess

Más detalles

MUESTREO EN POBLACIONES FINITAS. Antonio Morillas 1

MUESTREO EN POBLACIONES FINITAS. Antonio Morillas 1 MUESTREO E POBLACIOES FIITAS Atoo Morllas Coceptos estadístcos báscos Etapas e el muestreo 3 Tpos de error 4 Métodos de muestreo 5 Tamaño de la muestra e fereca 6 Muestreo e poblacoes ftas 6. Muestreo

Más detalles

1 Ce.R.P. del Norte Rivera Julio de 2010 Departamento de Matemática Notas para el curso de Fundamentos de la Matemática

1 Ce.R.P. del Norte Rivera Julio de 2010 Departamento de Matemática Notas para el curso de Fundamentos de la Matemática Ce.R.P. del Norte Rvera Julo de Departameto de Matemátca Notas para el curso de Fudametos de la Matemátca CONGRUENCIAS NUMÉRICAS Y ECUACIONES DE CONGRUENCIA. RECORDANDO CONCEPTOS: La cogrueca es ua relacó

Más detalles

Simulación de sistemas discretos

Simulación de sistemas discretos Smulacó de sstemas dscretos Novembre de 006 Álvaro García Sáchez Mguel Ortega Mer Smulacó de sstemas dscretos. Presetacó... 4.. Itroduccó... 4.. Sstemas, modelos y smulacó... 4.3. Necesdad de la smulacó...

Más detalles

Introducción a la simulación de sistemas discretos

Introducción a la simulación de sistemas discretos Itroduccó a la smulacó de sstemas dscretos Novembre de 6 Álvaro García Sáchez Mguel Ortega Mer Itroduccó a la smulacó de sstemas dscretos. Presetacó.. Itroduccó El presete documeto trata sobre las téccas

Más detalles

INTRODUCCION A LA GEOESTADISTICA

INTRODUCCION A LA GEOESTADISTICA INTRODUION A LA GEOESTADISTIA 7 3' W MAR ARIBE Boca de la Barra 3 larí 8 6 4 Grade R Sevlla 8 6 R Aracataca 45' N 4 R Fudaco Teoría y Aplcacó UNIVERSIDAD NAIONAL DE OLOMBIA Sede Bogotá Facultad de ecas

Más detalles

LÍNEA DE REGRESIÓN MÍNIMO CUADRÁTICA BASADA EN ERRORES RELATIVOS

LÍNEA DE REGRESIÓN MÍNIMO CUADRÁTICA BASADA EN ERRORES RELATIVOS LÍNEA DE REGRESIÓN MÍNIMO CUADRÁTICA BASADA EN ERRORES RELATIVOS Mercedes Alvargozález Rodríguez - malvarg@ecoo.uov.es Uversdad de Ovedo Reservados todos los derechos. Este documeto ha sdo extraído del

Más detalles

V II Muestreo por Conglomerados

V II Muestreo por Conglomerados V II Muestreo por Coglomerados Dr. Jesús Mellado 31 Por alguas razoes aturales, los elemetos muestrales se ecuetra formado grupos, como por ejemlo, las persoas que vve e coloas de ua cudad, lo elemetos

Más detalles

Respuesta. Si 100 manzanas es una muestra suficientemente grande podemos ocupar el TCL. Por lo tanto:

Respuesta. Si 100 manzanas es una muestra suficientemente grande podemos ocupar el TCL. Por lo tanto: Curso: Estadístca Iferecal (ICO 8306) Profesores: Esteba Calvo, Pablo Huechapa y Omar Ramos Ayudates: José T. Meda, Fabo Salas y Daela Vlches PROBLEMA Cosdere que Ud. es dueño de u campo que produce mazaas,

Más detalles

Flujo de Potencia DC con Modelación de Incertidumbres Aplicado al Caso Chileno

Flujo de Potencia DC con Modelación de Incertidumbres Aplicado al Caso Chileno Fluo de Poteca DC co odelacó de Icertdumres Aplcado al Caso Chleo Resume Rodrgo Palma B. rodpalma@cec.uchle.cl Chrsta Jeldres H. celdres@cec.uchle.cl Area de Eergía Departameto de Igeería Eléctrca Uversdad

Más detalles

ANÁLISIS DE DATOS CUALITATIVOS. José Vicéns Otero Eva Medina Moral

ANÁLISIS DE DATOS CUALITATIVOS. José Vicéns Otero Eva Medina Moral ÁLISIS D DTOS CULITTIVOS José Vcés Otero va Meda Moral ero 005 . COSTRUCCIÓ D U TL D COTIGCI Para aalzar la relacó de depedeca o depedeca etre dos varables cualtatvas omales o actores, es ecesaro estudar

Más detalles

UNIVERSIDAD DE BUENOS AIRES

UNIVERSIDAD DE BUENOS AIRES NIVERSIA E BENOS AIRES FACLTA E INGENIERÍA EPARTAMENTO E IRÁLICA Cátedra de Costruccoes dráulcas Tuberías e Sere y e Paralelo Ig. Lus E. Pérez Farrás - Novembre 003 - epartameto de dráulca Cátedra de Costruccoes

Más detalles

PROBANDO GENERADORES DE NUMEROS ALEATORIOS

PROBANDO GENERADORES DE NUMEROS ALEATORIOS PROBADO GRADORS D UMROS ALATORIOS s mportate asegurarse de que el geerador usado produzca ua secueca sufcetemete aleatora. Para esto se somete el geerador a pruebas estadístcas. S o pasa ua prueba, podemos

Más detalles

Curso de Estadística Unidad de Medidas Descriptivas. Lección 2: Medidas de Tendencia Central para Datos Agrupados por Valor Simple

Curso de Estadística Unidad de Medidas Descriptivas. Lección 2: Medidas de Tendencia Central para Datos Agrupados por Valor Simple 1 Curso de Estadístca Udad de Meddas Descrptvas Leccó 2: Meddas de Tedeca Cetral para Datos Agrupados por Valor Smple Creado por: Dra. Noemí L. Ruz Lmardo, EdD 2010 Derechos de Autor 2 Objetvos 1. Calcular

Más detalles

Ê Ú Ø ÓÐ Ú Ò ß½¼½ ¾¼¼¾µ ¼ ÆÇË Ä ÍÆ Á ÇÆ Ä Ä ÇÊ ÌÇÊÁÇ ÁËÁ ÇËÅÁ Ä ÅÇÆÌ À ÄÌ º Ä Ä ÍÆÁÎ ÊËÇ ÁÒ Ø ØÙØÓ ÁÒÚ Ø ÓÒ ÍÒ Ú Ö Å ÝÓÖ Ë Ò Ò Ö Ä È Þ¹ ÓÐ Ú Ê ËÍÅ Æ À ¼ ÒÓ Ö Ó Ó ÐÑ ÒØ Ð Ä ÓÖ ØÓÖ Ó Ó Ñ ÐØ Ý Ô Ò ÒØ Ð ÍÒ

Más detalles

TEMA 3. Medidas de variabilidad y asimetría. - X mín. X máx

TEMA 3. Medidas de variabilidad y asimetría. - X mín. X máx TEMA 3 Meddas de varabldad y asmetría 1. MEDIDAS DE VARIABILIDAD La varabldad o dspersó hace refereca al grado de varacó que hay e u cojuto de putuacoes. Por ejemplo: etre dos dstrbucoes que preseta la

Más detalles

Gráfica de los resultados experimentales: Variable Independiente: Variable Dependiente: Variable asociada:

Gráfica de los resultados experimentales: Variable Independiente: Variable Dependiente: Variable asociada: :: OBJETIVOS [3.] o Apreder a presetar los datos epermetales como grafcas -. o Apreder a usar las hojas de papel logarítmco Semlogarítmco o Determar la relacó matemátca de ua grafca leal de datos epermetales

Más detalles

Ampliación de Redes de Telefonía Básica

Ampliación de Redes de Telefonía Básica Amplacó de Redes de Telefoía Básca Carlos D. Almeda Uversdad Nacoal de Asucó. Sa Lorezo, Paraguay cdad@eee.org Nlto R. Amarlla Uversdad Nacoal de Asucó. Sa Lorezo, Paraguay dmatest@copaco.com.py Bejamí

Más detalles

11. TRANSFORMADOR IDEAL

11. TRANSFORMADOR IDEAL . TAFOMADO DEA.. TODUCCÓ Cuado el flujo magético producido por ua bobia alcaza ua seguda bobia se dice que existe etre las dos bobias u acople magético, ya que el campo magético variable que llega a la

Más detalles

ÍÒ Ú Ö ÈÓÐ Ø Ò Å Ö ÙÐØ ÁÒ ÓÖÑ Ø ÌÖ Ó Ò ÖÖ Ö Ø Ò Ý ØÖ Ù Ò ÔÐ ÓÒ Ò Ö Ò ÇÖ Ò Þ ÓÒ CERN-THESIS-2001-022 01/05/1998 ÌÙØÓÖ ÈÖÓ º Öº Â Ö Ó Ä Ö ÙØÓÖ ÖÑ Ò Ò Ó Å Ð Ö Ñ ÒØÓ Ó ÑÔ Þ Ö Ò Ó Ð Ö Ð ÈÖÓ ÓÖ Öº Â Ö Ó ÔÓÖ

Más detalles

Modelos de Regresión análisis de regresión diagrama de dispersión coeficientes de regresión

Modelos de Regresión análisis de regresión diagrama de dispersión coeficientes de regresión Modelos de Regresó E muchos problemas este ua relacó herete etre dos o más varables, resulta ecesaro eplorar la aturaleza de esta relacó. El aálss de regresó es ua técca estadístca para el modelado la

Más detalles

4º MEDIO: MEDIDAS DE POSICIÓN

4º MEDIO: MEDIDAS DE POSICIÓN 4º MEDIO: MEDIDAS DE POSICIÓN També llamadas de cetralzacó o de tedeca cetral. Srve para estudar las característcas de los valores cetrales de la dstrbucó atededo a dsttos crteros. Veamos su sgfcado co

Más detalles

ESTADÍSTICA poblaciones

ESTADÍSTICA poblaciones ESTADÍSTICA Es la parte de las Matemátcas que estuda el comportameto de las poblacoes utlzado datos umércos obtedos medate epermetos o ecuestas. ESTADÍSTICA La Estadístca tee dos ramas: La Estadístca descrptva:

Más detalles

Diseños muestrales en Inventarios Forestales Introducción... 1 Distribución de las unidades muestrales.... 3

Diseños muestrales en Inventarios Forestales Introducción... 1 Distribución de las unidades muestrales.... 3 Dseños muestrales e Ivetaros Forestales Itroduccó... Dstrbucó de las udades muestrales.... 3 Dstrbucó Aleatora... 3 Dstrbucó stemátca... 4 Dstrbucó de las UM e trasectos... 5 Estmadores para udades muestrales

Más detalles

4. SEGUNDO MÓDULO. 4.1 Resumen de Datos

4. SEGUNDO MÓDULO. 4.1 Resumen de Datos 4. SEGUNDO MÓDULO 4. Resume de Datos E estadístca descrptva, a partr de u cojuto de datos, se busca ecotrar resumes secllos, que permta vsualzar las característcas esecales de éstos. E ua expereca, u dato

Más detalles

EVALUACION DEL AHUELLAMIENTO CON EQUIPO DE ALTO RENDIMIENTO

EVALUACION DEL AHUELLAMIENTO CON EQUIPO DE ALTO RENDIMIENTO EVALUACION DEL AHUELLAMIENTO CON EQUIPO DE ALTO RENDIMIENTO CRISTIAN CABRERA TORRICO, Igeero Cvl APSA Ltda. (crstacabrera@apsa.cl) ROBINSON LUCERO, Igeero Cvl Laboratoro Nacoal de Valdad, robso.lucero@moptt.gov.cl

Más detalles

INTRODUCCIÓN A LA ESTADÍSTICA DESCRIPTIVA PARA ECONOMISTAS

INTRODUCCIÓN A LA ESTADÍSTICA DESCRIPTIVA PARA ECONOMISTAS Uverstat de les Illes Balears Col.leccó Materals Ddàctcs INTRODUCCIÓN A LA ESTADÍSTICA DESCRIPTIVA PARA ECONOMISTAS Joaquí Alegre Martí Magdalea Cladera Muar Palma, 00 ÍNDICE INTRODUCCIÓN: Qué es...? Qué

Más detalles

Métodos indirectos de estimación: razón, regresión y diferencia

Métodos indirectos de estimación: razón, regresión y diferencia Métodos drectos de estmacó: razó, regresó dfereca Cotedo. Itroduccó, defcó de estmadores drectos. Estmador de razó, propedades varazas. Límtes de cofaza. 3. Tamaño de la muestra e los estmadores de razó

Más detalles

RENTABILIDAD Y RIESGO DE CARTERAS Y ACTIVOS TEMA 3- I FUNTAMENTOS DE DIRECCIÓN FINANCIERA. Fundamentos de Dirección Financiera Tema 3- Parte I 1

RENTABILIDAD Y RIESGO DE CARTERAS Y ACTIVOS TEMA 3- I FUNTAMENTOS DE DIRECCIÓN FINANCIERA. Fundamentos de Dirección Financiera Tema 3- Parte I 1 RENTILIDD Y RIESGO DE CRTERS Y CTIVOS TEM 3- I FUNTMENTOS DE DIRECCIÓN FINNCIER Fudametos de Dreccó Facera Tema 3- arte I RIESGO y RENTILIDD ( decsoes de versó productvas) EXISTENCI DE RIESGO ( los FNC

Más detalles

Valoración de opciones de compra y venta del quintal de café en el mercado ecuatoriano

Valoración de opciones de compra y venta del quintal de café en el mercado ecuatoriano Valoracó de opcoes de compra y veta del qutal de café e el mercado ecuatorao Adrá Morocho Pérez, Ferado Sadoya Sachez Igeero e Estadístca Iformátca 003 Drector de Tess, Matemátco, Escuela Poltécca Nacoal,

Más detalles

Estadística Descriptiva

Estadística Descriptiva Estadístca Descrptva Poblacoes y muestras Varables. Tablas de frecuecas Meddas de: tedeca cetral-dspersó ESTADÍSTICA DESCRIPTIVA: Tee por objetvo recoplar, orgazar y aalzar formacó referda a datos de u

Más detalles

Estadística Espacial. José Antonio Rivera Colmenero

Estadística Espacial. José Antonio Rivera Colmenero Estadístca Espacal José Atoo Rvera Colmeero 1 Descrptores del patró putual Tedeca cetral 1. Meda cetral (Meda espacal). Meda cetral poderada 3. Medaa cetral (medaa espacal) o se utlza amplamete por su

Más detalles

PLIEGO DE PRESCRIPCIONES TÉCNICAS PARA EL SERVICIO DE TELEFONÍA FIJA Y MÓVIL (DE LA UNIVERSIDAD INTERNACIONAL DE ANDALUCÍA

PLIEGO DE PRESCRIPCIONES TÉCNICAS PARA EL SERVICIO DE TELEFONÍA FIJA Y MÓVIL (DE LA UNIVERSIDAD INTERNACIONAL DE ANDALUCÍA PLIEGO DE PRESCRIPCIONES TÉCNICAS PARA EL SERVICIO DE TELEFONÍA FIJA Y MÓVIL (DE LA UNIVERSIDAD INTERNACIONAL DE ANDALUCÍA . INTRODUCCIÓN 2. SITUACIÓN ACTUAL 2.. Telefoía fja 2.2. Telefoía móvl 3. OBJETO

Más detalles

UNIDAD 14.- Distribuciones bidimensionales. Correlación y regresión (tema 14 del libro)

UNIDAD 14.- Distribuciones bidimensionales. Correlación y regresión (tema 14 del libro) UIDAD.- Dstrbucoes bdmesoales. Correlacó regresó (tema del lbro). VARIABLES ESTADÍSTICAS BIDIMESIOALES Vamos a trabajar sobre ua sere de feómeos e los que para cada observacó se obtee u par de meddas.

Más detalles

ÍÒ Ú Ö ÇÚ Ó Ô ÖØ Ñ ÒØÓ ÁÒ Ò Ö Ð ØÖ Ð ØÖ ÓÒ ÓÑÔÙØ ÓÖ Ý Ë Ø Ñ Å ÑÓÖ Ô Ö Ð Ó Ø Ò ÓÒ Ð Ö Ó ÓØÓÖ ÁÒ Ò ÖÓ ÁÒ Ù ØÖ Ð ÈÄ ÆÁ Á Á ÇÆ Ä ÅÇÎÁÅÁ ÆÌÇ Î À Á ÍÄÇË ÍÌ ÇÆÇÅÇË Ë Æ Ë ÆËÇÊ Ë ÂÙ Ò ÖÐÓ ÐÚ Ö Þ ÐÚ Ö Þ ÓÒ Ë ÔØ

Más detalles

CAPÍTULO III. METODOLOGÍA. De acuerdo con la clasificación de Amartya Sen (2001), las medidas de desigualdad se

CAPÍTULO III. METODOLOGÍA. De acuerdo con la clasificación de Amartya Sen (2001), las medidas de desigualdad se CAPÍTULO III. METODOLOGÍA III. Tpos de Medcó De acuerdo co la clasfcacó de Amartya Se (200), las meddas de desgualdad se puede catalogar e u setdo objetvo o ormatvo. E el setdo objetvo se utlza algua medda

Más detalles

4 METODOLOGIA ADAPTADA AL PROBLEMA

4 METODOLOGIA ADAPTADA AL PROBLEMA 4 MEODOLOGA ADAPADA AL PROBLEMA 4.1 troduccó Báscamete el problema que se quere resolver es ecotrar la actuacó óptma sobre las tesoes de los geeradores, la relacó de tomas de los trasformadores y el valor

Más detalles

Tema 2: Modelos lineales de optimización con variables enteras.

Tema 2: Modelos lineales de optimización con variables enteras. Tema 2: Modelos leales de optmzacó co varables eteras. Objetvos del tema: Itroducr la programacó leal etera y los domos de aplcacó. Apreder a formular el modelo de u problema de programacó leal etera.

Más detalles

CONTENIDO MEDIDAS DE POSICIÓN MEDIDAS DE DISPERSIÓN OTRAS MEDIDAS DESCRIPTIVAS INTRODUCCIÓN

CONTENIDO MEDIDAS DE POSICIÓN MEDIDAS DE DISPERSIÓN OTRAS MEDIDAS DESCRIPTIVAS INTRODUCCIÓN INTRODUCCIÓN CONTENIDO DEFINICIÓN DE ESTADÍSTICA ESTADÍSTICA DESCRIPTIVA CONCEPTOS BÁSICOS POBLACIÓN VARIABLE: Cualtatvas o Categórcas y Cuattatvas (Dscretas y Cotuas) MUESTRA TAMAÑO MUESTRAL DATO DISTRIBUCIONES

Más detalles

MATEMÁTICA MÓDULO 4 Eje temático: Estadística y Probabilidades

MATEMÁTICA MÓDULO 4 Eje temático: Estadística y Probabilidades MATEMÁTICA MÓDULO 4 Eje temátco: Estadístca y Probabldades Empezaremos este breve estudo de estadístca correspodete al cuarto año de Eseñaza Meda revsado los dferetes tpos de gráfcos.. GRÁFICOS ESTADÍSTICOS

Más detalles

MS Word Editor de Ecuaciones

MS Word Editor de Ecuaciones MS Word Edtor de Ecuacoes H L. Mata El Edtor de ecuacoes de Mcrosoft Word permte crear ecuacoes complejas seleccoado símbolos de ua barra de herrametas y escrbedo varables y úmeros. medda que se crea ua

Más detalles

Tema 2: Distribuciones bidimensionales

Tema 2: Distribuciones bidimensionales Tema : Dstrbucoes bdmesoales Varable Bdmesoal (X,Y) Sobre ua poblacó se observa smultáeamete dos varables X e Y. La dstrbucó de frecuecas bdmesoal de (X,Y) es el cojuto de valores {(x, y j ); j } 1,, p;

Más detalles

Modelos de Regresión Simple

Modelos de Regresión Simple Itroduccó a la Ifereca Estadístca Dept. of Mare cece ad Appled Bology Jose Jacobo Zubcoff Modelos de Regresó mple Que tpo de relacó exste etre varables Predccó de valores a partr de ua de ellas Varable

Más detalles

FEM-OF: EDP Elíptica de 2 Orden

FEM-OF: EDP Elíptica de 2 Orden 9/02/2008 Capítulo 5: FM-OF: D líptca de 2 Orde Idce: 5..- Operador Dferecal líptco 5.2.- roblema Básco 5.3.- Fucoes Óptmas 5.4.- FM-OF Steklov-ocaré 5.5.- FM-OF Trefftz-Herrera 5.6.- FM-OF etrov-galerk

Más detalles

2. LEYES FINANCIERAS.

2. LEYES FINANCIERAS. TEMA 1: CONCEPTOS PREVIOS 1. INTRODUCCIÓN. Se va a aalizar los itercambios fiacieros cosiderado u ambiete de certidumbre. El itercambio fiaciero supoe que u agete etrega a otro u capital (o capitales),

Más detalles

CAPITULO 2º FUNCIONES DE VECTORES Y MATRICES_01. Ing. Diego Alejandro Patiño G. M.Sc, Ph.D.

CAPITULO 2º FUNCIONES DE VECTORES Y MATRICES_01. Ing. Diego Alejandro Patiño G. M.Sc, Ph.D. CPIULO 2º FUNCIONES DE VECORES Y MRICES_ Ig. Dego lejadro Patño G. M.Sc, Ph.D. Fucoes de Vectores y Matrces Los operadores leales so fucoes e u espaco vectoral, que trasforma u vector desde u espaco a

Más detalles

Algunas Recomendaciones para la Enseñanza de la Estadística Descriptiva o Análisis de Datos

Algunas Recomendaciones para la Enseñanza de la Estadística Descriptiva o Análisis de Datos Alguas Recomedacoes para la Eseñaza de la Estadístca Descrptva o Aálss de Datos Itroduccó Elemetos Báscos para Aplcar Estadístca Descrptva La Estadístca Descrptva o Formula Iferecas La Estadístca Descrptva

Más detalles

Análisis de Regresión y Correlación Lineal

Análisis de Regresión y Correlación Lineal Aálss de Regresó y Correlacó Leal Dr. Pastore, Jua Igaco Profesor Adjuto. Aálss de Regresó y Correlacó Leal Hasta ahora hemos cetrado uestra atecó prcpalmete e ua sola varable de respuesta umérca o e seres

Más detalles

GUÍA DE EJERCICIOS ESTADÍSTICA DESCRIPTIVA

GUÍA DE EJERCICIOS ESTADÍSTICA DESCRIPTIVA GUÍA DE EJERCICIOS ESTADÍSTICA DESCRIPTIVA Área Matemátcas- Aálss Estadístco Módulo Básco de Igeería (MBI) Resultados de apredzaje Apreder el correcto uso de la calculadora cetífca e modo estadístco, además

Más detalles

Serie de Gradiente (Geométrico y Aritmético) y su Relación con el Presente.

Serie de Gradiente (Geométrico y Aritmético) y su Relación con el Presente. Sere de radete (eométrco y rtmétco) y su Relacó co el resete. Certos proyectos de versó geera fluos de efectvo que crece o dsmuye ua certa catdad costate cada período. or eemplo, los gastos de matemeto

Más detalles