Universidad Nacional Jorge Basadre Grohmann
|
|
- Raúl Agüero Paz
- hace 8 años
- Vistas:
Transcripción
1 Universidad Nacional Jorge Basadre Grohmann Facultad de Ciencias LOGICA DIFUSA MSc. Roberto Supo Hallasi Tacna Perú
2 INDICE CAPITULO I 1. INTRODUCCION 2. OBJETIVOS 3. HISTORIA a. Bivalencia b. Multivalencia c. Logica Difusa 4. Conceptos Basicos a. Conjunto Difuso b. Conceptos imprecisos c. Operaciones d. Las etiquetas lingüísticas y operadores CAPITULO II 1. DIREFENCIA DE CONJUNTOS CRIP Y CONJUNTOS DIFUSOS a. Conjuntos Crisps b. Conjuntos Difusos 2. REPRESENTAION DE CONJUNTOS DIFUSOS 3. COMPONENTES DEL CONJUNTO DIFUSO 4. PROPIEDADES a. Altura b. Normalizacion c. Dominio d. Universo de Discusión e. Soporte del Conjunto f. Observación g. Conjunto -cut 5. FORMATOS a. Triangular b. Funcion c. Funcion s d. Funcion Gausiana e. Funcion Trapezoidal f. Funcion Trapecio Extendido CAPITILO III 1. SISTEMA DE INFERENCIA FUZZY a. Base de reglas b. Modulo de inferencia c. Modulo de fuzzificacion d. Modulo de defuzzificador 2. CUANDO Y COMO UTILIZAR LOGICA DIFUSA CONCLUSIONES 2
3 CAPITULO I 1. INTRODUCCION La lógica borrosa es una ciencia que tiene por objetivo el estudio de las leyes del raciocino y se preocupa con los principios formales del raciocino aproximado, busca modelar los modos imprecisos del raciocino. Es una rama de la inteligencia artificial que se funda en el concepto todo es cuestión de grado, lo cual permite manejar información vaga o de difícil especificación si quisiéramos hacer cambiar con esta información el funcionamiento oe el estado de un sistema específico. Es entonces posible con la lógica difusa gobernar un sistema por medio de reglas de sentido común las cuales se refieren a cantidades indefinidas. Las reglas involucradas en un sistema difuso, pueden ser aprendidas con sistemas adoptivos que aprenden al observar como operan las personas los dispositivos reales, o estas reglas pueden también ser formuladas por un experto humano. En general la lógica difusa se aplica tanto a sistemas de control como para modelar cualquier sistema continuo de ingeniería, física, biología o economía. La lógica difusa es entonces definida como un sistema matemático que modela funciones no lineales, que convierte unas entradas en salidas acordes con los planteamientos lógicos que usan el razonamiento aproximado. Se fundamenta en los denominados conjuntos borrosos y un sistema de inferencia borroso basado en reglas de la forma SI.. ENTONCES, donde los valores lingüísticos de la premisa y el consecuente están definidos por conjuntos borrosos, es así como las reglas siempre convierten un conjunto borroso en otro. 2. OBJETIVO El objetivo de la lógica difusa es ofrecer los fundamentos para efectuar el raciocino aproximado, con proposiciones imprecisas, usando la teoría de conjuntos nebulosos como herramienta principal. 3
4 3. HISTORIA A) Bivalencia: Desde Aristóteles, a lógica clásica es basada en bivalencia verdadero (V) y falso (F) B) Multivalencia: Desenvuelta por Lukasiewicz para lidar con el principio de inserteza en la mecánica cuántica, V, F, IN C) Logica Difusa: Los conjuntos difusos fueron introducidos por primera vez en 1965; la creciente disciplina de la lógica difusa provee por sí misma un medio para acoplar estas tareas. En cierto nivel, la lógica difusa puede ser vista como un lenguaje que permite trasladar sentencias sofisticadas en lenguaje natural a un lenguaje matemático formal. Mientras la motivación original fue ayudar a manejar aspectos imprecisos del mundo real, la práctica temprana de la lógica difusa permitió el desarrollo de aplicaciones prácticas. Aparecieron numerosas publicaciones que presentaban los fundamentos básicos con aplicaciones potenciales. Esta frase marcó una fuerte necesidad de distinguir la lógica difusa de la teoría de probabilidad. Tal como la entendemos ahora, la teoría de conjuntos difusos y la teoría de probabilidad tienen diferentes tipos de incertidumbre. En 1994, la teoría de la lógica difusa se encontraba en la cumbre, pero esta idea no es nueva, para muchos, estuvo bajo el nombre de lógica difusa durante 25 años, pero sus orígenes se remontan hasta 2,500 años. Aún Aristóteles consideraba que existían ciertos grados de veracidad y falsedad. Platón había considerado ya grados de pertenencia. En el siglo XVIII el filósofo y obispo anglicano Irlandés, George Berkeley David Hume describieron que el núcleo de un concepto atrae conceptos similares. Hume en particular, creía en la lógica del sentido común, el razonamiento basado en el conocimiento que la gente adquiere en forma ordinaria mediante vivencias en el mundo. En Alemania, Immanuel Kant, consideraba que solo los matemáticos podían proveer definiciones claras, y muchos principios contradictorios no tenían solución. Por ejemplo la materia 4
5 podía ser dividida infinitamente y al mismo tiempo no podía ser dividida infinitamente. Particularmente la escuela americana de la filosofía llamada pragmatismo fundada a principios de siglo por Charles Sanders Peirce, cuyas ideas se fundamentaron en estos conceptos, fue el primero en considerar ''vaguedades'', más que falso o verdadero, como forma de acercamiento al mundo y a la forma en que la gente funciona. La idea de que la lógica produce contradicciones fue popularizada por el filósofo y matemático británico Bertrand Russell, a principios del siglo XX. Estudio las vaguedades del lenguaje, concluyendo con precisión que la vaguedad es un grado. El filosofo austriaco Ludwing Wittgenstein estudió las formas en las que una palabra puede ser empleada para muchas cosas que tienen algo en común. La primera lógica de vaguedades fue desarrollada en 1920 por el filósofo Jan Lukasiewicz, visualizó los conjuntos con un posible grado de pertenencia con valores de 0 y 1, después los extendió a un número infinito de valores entre 0 y 1. En los años sesentas, Lofti Zadeh inventó la lógica difusa, que combina los conceptos de la lógica y de los conjuntos de Lukasiewicz mediante la definición de grados de pertenencia. 4. CONCEPTOS BASICOS: A) Conjuntos difusos. La mayoría de los fenómenos que encontramos cada día son imprecisos, es decir, tienen implícito un cierto grado de difusidad en la descripción de su naturaleza. Esta imprecisión puede estar asociada con su forma, posición, momento, color, textura, o incluso en la semántica que describe lo que son. En muchos casos el mismo concepto puede tener diferentes grados de imprecisión en diferentes contextos o tiempo. Un día calido en invierno no es exactamente lo mismo que un día calido en primavera. La definición exacta de cuando la temperatura va de templada a caliente es imprecisa -no podemos identificar un punto simple de templado, así que emigramos a un simple grado, la temperatura es ahora considerada caliente. Este tipo de imprecisión o difusidad asociado continuamente a los fenómenos es común en todos los campos de estudio: sociología, física, biología, finanzas, ingeniería, oceanografía, psicología, etc. 5
6 B) Conceptos imprecisos. Aceptamos la imprecisión como una consecuencia natural de ''la forma de las cosas en el mundo''. La dicotomía entre el rigor y la precisión del modelado matemático en todo los campos y la intrínseca incertidumbre de ''el mundo real'' no es generalmente aceptada por los científicos, filósofos y analistas de negocios. Nosotros simplemente aproximamos estos eventos a funciones numéricas y escogemos un resultado en lugar de hacer un análisis del conocimiento empírico. Sin embargo procesamos y entendemos de manera implícita la imprecisión de la información fácilmente. Estamos capacitados para formular planes, tomar decisiones y reconocer conceptos compatibles con altos niveles de vaguedad y ambigüedad. considere las siguientes sentencias: La temperatura está caliente La inflación actual aumenta rápidamente Los grandes proyectos generalmente tardan mucho Nuestro precios están por abajo de los precios de la competencia IBM es una compañía grande y agresiva Alejandro es alto pero Ana no es bajita Estas proposiciones forman el núcleo de nuestras relaciones con ''la forma de las cosas en el mundo''. Sin embargo, son incompatibles con el modelado tradicional y el diseño de sistemas de información. Si podemos incorporar estos conceptos logramos que los sistemas sean potentes y se aproximen más a la realidad. Pero, es la imprecisión o fusificación un concepto artificial utilizado para aumentar o disminuir en uno o más las propiedades de los fenómenos? o es una parte íntrisica del fenómeno en sí mismo?. Esta es una pregunta importante ya que es la parte fundamental de las medidas de la teoría difusa. Como veremos la fusificación es independiente de cualquier capacidad para medir, ya que un conjunto difuso es un conjunto que no tiene límites bien definidos. Un conjunto difuso tiene muchas propiedades intrínsecas que afectan la forma del conjunto, su uso y como participa en un modelo. Las propiedades más importantes de un conjunto difuso son las concernientes a las dimensiones verticales del conjunto difuso (altura y normalización) y las dimensiones horizontales ( conjunto soporte y cortes "alpha"). 6
7 La altura de un conjunto difuso es como máximo un grado de pertenencia y es una cota cercana al concepto de normalización. La superficie de la región de un conjunto difuso es el universo de valores. Todos estos conceptos se tratarán más adelante. Def. Sea U un universo de discusión con su elemento genérico denotado por u. Luego un subconjunto difuso A de U está caracterizado por una función de pertenencia :U [0,1] que asocia a cada elemento u de U un número (u) que representa el grado de pertenencia de u en A. A se denota como el conjunto de pares ordenados. Es decir un conjunto difuso A se considera como un conjunto de pares ordenados, en los que el primer componente es un número en el rango [0,1] que denota el grado de pertenencia de un elemento u de U en A, y el segundo componente especifica precisamente quién es ése elemento de u. En general los grados de pertenencia son subjetivos en el sentido de que su especificación es una cuestión objetiva. Se debe aclarar que aunque (u) puede interpretarse como el grado de verdad de que la expresión ''u A'' sea cierta, es más natural considerarlo simplemente como un grado de pertenencia. Puede notarse además que: a) Mientras más próximo está (u) a el valor 1, se dice que u pertenece más a A (de modo que 0 y 1 denotan la no pertenencia y la pertenencia completa, respectivamente). b) Un conjunto en el sentido usual es también difuso pues su función característica u,es también una función :u [0,1]; o sea que los conjuntos difusos son una generalización de los conjuntos usuales. Ejemplo: Sea U =, entonces los conjuntos definidos a continuación son difusos: POCOS = (.4/1,.8/2, 1/3,.4/4) VARIOS = (.5/3,.8/4, 1/5, 1/6,.8/7,.5,8) MUCHOS=(.4/6,.6/7,.8/8,.9/9,1/10) Note que el elemento 4 pertenece en grado.4 al conjunto POCOS, en grado.8 al conjunto VARIOS y en grado.0 a MUCHOS. Zadeh ha hecho algunas extensiones a los conceptos de conjuntos difusos ordinarios que se han 7
8 explicado; por ejemplo los conjuntos difusos de nivel-m y los conjuntos difusos tipo-n. Para un conjunto difuso de nivel-m se considera como su universo de discusión al conjunto de conjuntos difusos de nivel-(m-1), sobreentendiendo que los conjuntos difusos de nivel-1 son conjuntos difusos ordinarios. Para los conjuntos difusos tipo-n, los valores de las funciones de pertenencia son conjuntos difusos de tipo-(n-1) del intervalo [0,1] (en lugar de ser puntos de [0,1]). También los conjuntos difusos tipo-1 son equivalentes a los conjuntos difusos ordinarios. C) Operaciones. En la lógica Booleana tradicional, los conjuntos son considerados como sistemas bivalentes con sus estados alternando entre inclusión y exclusión. La característica de la función discriminante refleja este espacio bivaluado: Esto indica que la función de pertenencia para el conjunto A es cero si x no es un elemento en A y la función de pertenencia es si x es un elemento en A. Dado que existen solamente dos estados, la transición entre estos dos estados es siempre inmediata. La pertenencia de estos conjuntos está siempre totalmente categorizada y no existe ambigüedad o dicotomia acerca de la pertenencia. Existen 4 operaciones básicas de conjuntos en esta lógica: unión, intersección, complemento y unión exclusiva. Al igual que en los conjuntos convencionales, existen definiciones específicas para combinar y especificar nuevos conjuntos difusos. Este conjunto de funciones teóricas provee las herramientas fundamentales de la lógica. En el caso usual, con las operaciones comunes de intersección, unión y complemento, el conjunto de conjuntos de U forman un álgebra booleana, es decir se cumplen las condiciones de asociatividad, conmutatividad, elementos neutros, idempotencia, absorción, distributividad, complemento y las leyes de Morgan. Las tres operaciones mencionadas se pueden extender de varias formas a conjuntos difusos, de modo que al restringirlas a los conjuntos usuales, coincidan con las comunes. Estas extensiones resultantes satisfacen en forma general sólo a algunas de las condiciones listadas anteriormente, y para mantener la vigencia de alguna, 8
9 será obligatorio sacrificar a otras. En el sistema se optó por extender las operaciones en el sentido clásico, es decir, dados dos conjuntos difusos A y B, se definen las operaciones extendidas de la siguiente forma: Intersección: (u)=min( (u), (u)) u Unión: (u)=max( (u), (u)) u Complemento: (u)=1- (u), (u)) u Dado que los conjuntos difusos no se particionan en el mismo sentido que los conjuntos Booleanos, estas operaciones son aplicadas al nivel de pertenencia, como una consecuencia de los conjuntos difusos. Decidir si un valor es o no es miembro de cualquier conjunto difuso en particular, requiere algunas nociones de cómo esta construido el conjunto, del universo y de los límites de éste. Podemos definir además operaciones más especializadas. Producto: (u)= (u) (u) u Normalización: Si denota al supremo de la función de pertenencia en el universo de discusión, es decir: = Sup (u), u.un conjunto difuso A se dice ser normal si =1, y en otro caso es subnormal. Dado que un conjunto difuso subnormal A puede normalizarse dividiendo por, entonces: (u)= u y 0 Concentración. El resultado de aplicar un concentrador a un conjunto difuso A, es un conjunto difuso tal que la reducción en la magnitud del grado de pertenencia de u en A es relativamente pequeño para aquellas u que tienen un alto grado de pertenencia en A, y relativamente grande para las u con baja pertenencia. Específicamente se asumirá que ésta operación tiene el efecto de elevar al cuadrado la función de pertenencia de A, o sea: Al elevar al cuadrado los valores de las funciones de pertenencia se cumple el efecto de la concentración, pues los valores de pertenencia grandes disminuyen relativamente poco en comparación con los pequeños. La concentración 9
10 desenfatiza los miembros centrales de un conjunto difuso. Dilatación. Tiene el efecto opuesto a la concentración; es decir, el aumento en el grado de pertenencia para los elementos que tienen un grado alto es relativamente menor que aquellos que tienen valores pequeños. Intensificación contrastante. Se emplea para intensificar el contraste existente entre los elementos que tienen un valor de pertenencia pequeño y los que tienen un valor de pertenencia grande; específicamente incrementa los valores de que están sobre 0.5 y disminuye los que están debajo de este umbral. para 0.5 y para 0.5 Combinación convexa. Es una operación n-aria que combina un conjunto de n conjuntos difusos A,...,A en uno solo, A. Este conjunto difuso A es una combinación ponderada de A,...,A en el sentido de que la función de pertenencia de A está relacionada con las de A,...,A por la expresión: donde: 0 i=1,...,n, y u D) Las etiquetas lingüísticas y operadores. El centro de las técnicas de modelado difuso es la idea de variable lingüística. Desde su raíz, una variable lingüística es el nombre de un conjunto difuso. Si tenemos un conjunto difuso llamado ''largo'' éste es una simple variable lingüística y puede ser empleada como una reglabase en un sistema basado en la longitud de un proyecto en particular: Si duración-proyecto es largo entonces la-terminación-de-tareas es DECRECIENTE; Una variable lingüística encapsula las propiedades de aproximación o conceptos de imprecisión en un sistema y da una forma de computar adecuada. Esto reduce la aparente complejidad de describir un sistema que debe concordar con su semántica. Una variable lingüística siempre representa un espacio difuso. Lo importante del concepto de variable lingüística es su estimación de variable de alto orden más que una variable 10
11 difusa. En el sentido de que una variable lingüística toma variables difusas como sus valores. En el campo de la semántica difusa cuantitativa al significado de un término "x" se le representa como un conjunto difuso M(x) del universo de discusión. Desde este punto de vista, uno de los problemas básicos en semántica es que se desea calcular el significado de un término compuesto x=x, x,...,x partiendo del conocimiento del significado de sus componentes atómicos x. La idea básica sugerida por Zadeh es que una etiqueta lingüística tal como ''muy'', ''más o menos'', ''ligeramente'', etc... puede considerarse como un operador que actúa sobre un conjunto difuso asociado al significado de su operando. Por ejemplo en el caso de un término compuesto ''muy alto'', el operador ''muy'' actúa en el conjunto difuso asociado al significado del operando ''alto''. Una representación aproximada para una etiqueta lingüística se puede lograr en términos de combinaciones o composiciones de las operaciones básicas explicadas en la sección anterior. Es importante aclarar que se hará mayor énfasis en que estas representaciones se proponen principalmente para ilustrar el enfoque, más que para proporcionar una definición exacta de las etiquetas lingüísticas. Zadeh también considera que las etiquetas lingüísticas pueden clasificarse en dos categorías que informalmente se definen como sigue: Tipo I: las que pueden representarse como operadores que actúan en un conjunto difuso: ''muy'', ''más o menos'', ''mucho'', ''ligeramente'', ''altamente'', ''bastante'', etc. y, Tipo II: las que requieren una descripción de cómo actúan en los componentes del conjunto difuso (operando): ''esencialmente'', ''técnicamente'', ''estrictamente'', ''prácticamente'', ''virtualmente'', etc... En otras palabras, las etiquetas lingüísticas pueden ser caracterizadas cómo operadores más que construcciones complicadas sobre las operaciones primitivas de conjuntos difusos. Ejemplos de etiquetas tipo I. Considérese A, un conjunto difuso en U, que representa el significado de un término como x=viejo. Ahora, sea, x =muy viejo, y el conjunto difuso que representa el significado de. La idea es considerar a 11
12 la etiqueta lingüística ''muy'', como un operador que transforma al conjunto difuso A (significado de x) en otro conjunto difuso A* (significado de x*). De acuerdo a éste punto de vista y sabiendo que el lenguaje natural es muy rico y complejo, tomamos el operador ''muy'' que podemos caracterizar con un significado de que aún cuando no tenga validez universal sea sólo una aproximación. Asumimos que si el significado de un término x es un conjunto difuso A, entonces el significado de muy X es: más y menos Se pueden definir etiquetas lingüísticas artificiales, por ejemplo: más, menos, que son instancias de lo que puede llamarse acentuador y desacentuador respectivamente, cuya función es proporcionar ligeras variantes de la concentración y la dilatación. Así: los exponentes se eligen de modo que se de la igualdad aproximada: mas mas x = menos muy x, y que, además, se pueden utilizar para definir etiquetas lingüísticas cuyo significado difiere ligeramente de otras. mas o menos Otra etiqueta lingüística interesante es ''más o menos'' que en sus usos más comunes como ''más o menos inteligente'', ''más o menos rectangular'' etc, juega el papel de difusificador. ligeramente Su efecto es dependiente de la definición de proximidad u ordenamientos en el dominio del operando. Existen casos, sin embargo, en los que su significado puede definirse en términos de etiquetas lingüísticas tipo I, bajo la suposición de que el dominio del operando es un conjunto ordenado linealmente. clase de Es una etiqueta lingüística que tiene el efecto de reducir el grado de pertenencia de los elementos que están en el ''centro'' (grados de pertenencia grandes) de una clase x e incrementa el de aquellos que están en su periferia (grados de pertenencia pequeños). 12
13 regular Es una etiqueta que tiene el efecto de reducir el grado de pertenencia de aquellos elementos que tienen tanto un alto grado de pertenencia al conjunto como de aquellos que lo tienen pequeño, y sólo aumenta el grado de pertenencia de aquellos elementos que tienen un grado de pertenencia cercano al. Etiquetas tipo II. Su caracterización envuelve una descripción de forma que afectan a los componentes del operando, y por lo tanto es más compleja que las del tipo I. En general, la definición de una etiqueta de este tipo debe formularse como un algoritmo difuso que envuelve etiquetas tipo I. Su efecto puede describirse aproximadamente como una modificación de los coeficientes de ponderación de una combinación convexa. Como la magnitud de las ponderaciones es una medida del atributo asociado, intuitivamente una etiqueta de este tipo tiene el efecto de aumentar las ponderaciones de los atributos importantes y disminuir los que relativamente no lo son. 13
14 CAPITULO II 1. DIFERENCIA DE CONJUNTOS CRISP Y CONJUNTOS DIFUSOS A) Conjuntos Crisp.- conjunto donde los elementos de un universo dado son divididos en 2 grupos distintos: - Miembros: Aquellos que realmente pertenecen al conjunto - No miembros: Aquellos que realmente no pertenecen al conjunto Ejemplo: Numero Naturales Por lo tanto existen conjuntos cuyo límite entre miembro y no miembro es vago, con transición gradual entre esos dos grupos. Ejemplo: Conjunto de persona altas Conjunto de carros caros B) Conjuntos Difusos.- Se atribuye a cada elemento del universo un valor que representa el Grado de Pertenencia de ese elemento al conjunto difuso. Es el puente que une el concepto de imprecisión a su modelo numérico. Ejemplo: Personas Altas (Figura Nro. 1) Figura Nro. 1 Ejemplo: Carros caros (Figura Nro. 2) 14
15 Figura Nro REPRESENTACION DE CONJUNTOS DIFUSOS Un conjunto difuso F en U puede ser representado como un conjunto de pares ordenados de un elemento genérico x y su grado de pertenencia. {( x, µ ( x) ) x U} F = F / Generalmente solo son representados los valores de x con µ ( x) > 0 U continuo : U - µ ( F X ) / X denota colección de todos los puntos x ЄU con función de pertenencia µ (x) U discreto: U - µ ( F X ) / X denota colección de todos los puntos x ЄU con función de pertenencia µ (x) 3. COMPONENTES DEL CONJUNTO DIFUSO - 1 Eje x (Nro. Reales crecientes) que constituyen el Dominio del conjunto difuso - 2 Eje y con valores entre 0 y 1 que significa grado de pertenencia al conjunto. - 3 Función de Pertenencia (superficie) del conjunto, que conecta un elemento del dominio con su grado de pertenencia. 15
16 Figura Nro. 3: Componentes del Conjunto difuso 4. PROPIEDADES - Altura: Es el mayor grado de pertenencia permitido por la función membership - Normalización: Un cierto conjunto difuso es normal si su altura fuera igual a 1. o Forma normal mínima si por lo menos un elemento tiene µ ( x) = 1 o Forma normal máxima si por lo menos un elemento tiene µ ( x) = 1 y otro elemento tiene µ ( x) = 0 Para un buen desempeño, los conjuntos difusos deben ser normalizados. - Dominio del Conjunto difuso: o Es el universo total de valores posibles para los elementos del conjunto entonces depende del contexto. o Existen dos tipos de dominio se representa en el Figura Nro
17 Figura Nro. 4: Tipos de Dominio - Universo de Discusión o Es el espacio difuso completo de variaciones de una variable o modelo. Ejemplo. Universo de discusión para la variable de temperatura de 100º a 360º Figura Nro. 5 Figura Nro Soporte del Conjunto o Es el área efectiva del dominio de un conjunto difuso que presenta valores de µ ( x) > 0. Figura Nro. 9 17
18 Figura Nro. 6 - Observación: o El conjunto difuso cuyo soporte es un unico punto en U, como valor de µ ( x) = 1, es llamado de conjunto singleton. Figura Nro. 7 - Conjunto α-cut o Es una restricción (limite) impuesta al dominio, basado en el valor de α. o Contiene todos loe elementos del dominio que posean µ (x) arriba de un cierto valor α µ ( x) α α cut debil µ ( x) α α cut fuerte o Es útil para las funciones con largas colas, que tienden a poseer valores muy bajos de µ (x) por un dominio extenso entonces ayuda a reducir el ruido. Figura Nro
19 Figura Nro. 8: Conjunto α-cut 5. FORMATOS 19
20 20
21 - En general, la función Trapezoidal se adapta bastante bien a la definición de cualquier concepto, con la ventaja de su fácil definición, representación y simplicidad de cálculos. - En casos particulares, el Trapecio Extendido puede ser de granutilidad. Éste permite gran expresividad aumentando su complejidad. - En general, usar una función más compleja no añade mayor precisión, pues debemos recordar que se está definiendo un concepto difuso. 21
22 CAPITULO III 1.- SISTEMA DE INFERENCIA FUZZY Con base en las informaciones presentadas, es posible construir el Sistema de inferencia Fuzzy mostrado en la Figura Nro. 9, donde están identificadas las funciones de cada recuadro. Figura Nro. 9 Como generalmente los datos de entrada son valores precisos, resultados de las mediciones u observaciones (conjuntos de datos, por ejemplo), es necesario efectuarse un mapeamiento de estos datos precisos para los conjuntos fuzzy de entrada relevantes, o que es realizado en el proceso de fuzzificacion. En este proceso ocurre también la activación de las reglas relevantes para una situación dada. Una vez obtenido el conjunto fuzzy de salida a través del proceso de inferencia en el proceso de defuzzificacion es efectuada una interpretación de esa información. En el proceso de inferencia ocurren las operaciones con conjuntos fuzzy propiamente dichos: combinación de los antecedentes de las reglas, implicación y regla de inferencia composicional. Los conjuntos fuzzy de entrada relativos a los antecedentes de las reglas, y el de salida, referentes al consecuente, pueden ser definidos 22
23 previamente o, alternativamente, generados automáticamente a partir de los datos Base de reglas.- consiste en una colección de reglas del tipo Si-entonces, expresadas de la siguiente forma: donde: R j : Si u Entonces 1 es F j 1 v es G E u J 2 es F j 2 E K E u p es F j= 1,2,3,, M (M = numero de reglas) j p j j F y G Conjuntos nebulosos en U i y V i Las variables lingüísticas son: u = col v V u,..., u ) U x... xu ( 1 p 1 Las reglas pueden ser formuladas por: Por el conocimiento del especialista: Ejemplo estacionamiento de un camión, como se muestra en la Figura Nro. 10, las reglas que dio el especialista y la matriz de de reglas que se genero a partir de las reglas. p Figura Nro. 10 Por el conocimiento extraído de datos históricos: 23
24 Ejemplo: Previsión de series temporales como se muestra en la Figura Nro. 11, Sea : x(k), k = 1,2,.. una serie temporal Objetivo: dada una ventana de n medidas de x(k) x(k- n+1), x(k- n+2),..., x(k) Determine x(k+l) el valor de x I puntos al frente donde n e I son enteros positivos Figura Nro. 11 Existen dos métodos para extraer las reglas fuzzy para las series temporales. Los datos históricos establecen los conjuntos nebulosos del antecedente y del consecuente. Se especifica previamente los conjuntos nebulosos y después se asocia los datos con los conjuntos definidos. Hay que tener en cuenta que como el valor a ser previsto depende de n valores pasados de x, cada regla posee n antecedentes. 1.2 Modulo de inferencia. Es un sistema que mapea conjuntos nebulosos de entrada en un conjunto nebuloso 24
25 de salida a través de µ A B x, y, tal como se muestra en la Figura Nro. 12. En otras palabras es el encargado de calcular el valor global de la variable de salida, basado en las contribuciones individuales de cada regla en la base de reglas. Ejemplo, Asumiendo que, para un sistema específico, un conjunto de entradas X y uno de salidas Y son identificadas apropiadamente, una regla-base es derivada desde fuentes disponibles que contienen un conjunto de reglas relacionando X a Y usando niveles lingüísticos predefinidos. Figura Nro. 12 Los mecanismos del sistema para derivar una acción razonable u con respecto a una situación específica X0 puede ser interpretada simplemente como ejecución de un proceso racional de dos estados. Observando la reglabase como un prototipo, el modulo de inferencia primero lleva a cabo un procedimiento de formar parejas entre la situación x,y, y las partes IF de las reglas. Para deducir la acción correspondiente, un procedimiento de interpolación tiene lugar entre la operación de las parejas resultantes con las partes THEN de las reglas usando una estrategia de inferencia fuzzy Modulo de Fuzzificacion: Este modulo normaliza la entrada, es decir, traduce los valores físicos de las variables 25
26 de estado a un universo de discurso normalizado, además, convierte el valor en curso de una variable de estado en un conjunto fuzzy. Existen varias estrategias de fuzzificación, dos de estas son: Inferencia basada en una composición, e Inferencia basada en la activación individual de las reglas Modulo de Defuzzificador.- Este elemento produce una salida precisa para el sistema nebuloso de salida obtenido por el sistema de inferencia. Usamos las siguientes medidas, donde AЄ A, y donde E es el dato de entrada que codificamos: Tres casos posibles: 1. λ + µ = 1 No hay incertidumbre. 2. λ + µ > 1 Conflicto: Es posible que E sea A y A. 3. λ + µ < 1 Ignorancia:E puede ser o no A (falta información). Cuanto mayor sea la distancia de (λ + µ ) con 1, mayor incertidumbre (conflicto o ignorancia). Cuanto mayor es el valor (λ + µ), menor es la especificidad de E. Representación Grafica de λ + µ 26
27 Requisito IDEAL de la Defuzzificadificacion: Que el resultado de la defuzzificacion sea igual al valor original fuzzificado. Si F es la función de codificación y F 1 la de defuzzificacion, el objetivo es que: F 1 (F(E)) = E. Ese requisito es muy difícil de conseguir. Existen multitud de sistemas de defuzzificacion: El sistema a elegir depende del código A empleado. En general se emplean sólo las medidas de posibilidad, pues simplifica los cálculos y los hacen más intuitivos. DEFUZZIFICACION para Datos crisp o Puntuales (Pointwise Data): Sólo conocemos los valores de posibilidad (o necesidad) de cierto dato y queremos reconstruir dicho dato de forma que sea coherente con ellos. Dos familias básicas de sistemas para Defuzzificacion: Que usan los valores modales de los conjuntos difusos del código: Valores con la altura de cada conjunto difuso (los núcleos). Que usan el área de pertenencia de los elementos del código. Máximo Defuzzicador : Examina el conjunto nebuloso B de salida y escoge como valor preciso, el valor y (variable de salida) para el cual µ B (y) es máximo. Ejemplo en la Figura Nro
28 Figura Nro. 13 Media de los Máximos: Examina el conjunto nebuloso B y primero se determina los valores de y para los cuales µ B (y) es máximo. En seguida se calcula la media de esos valores. Ejemplo en la Figura Nro. 14 Figura Nro. 14 Centroide Consiste en crear para la salida del sistema una función de pertenencia a un nuevo conjunto obtenido como unión de aquellos a los que pertenece parcialmente el valor de salida. Esta nueva función puede calcularse mediante la suma de las funciones de pertenencia de estos conjuntos, pero multiplicadas aritméticamente por el grado de pertenencia de la salida al subconjunto de las reglas de control. Esto quiere decir que determina el centro de la 28
29 gravedad y del conjunto nebuloso B y es utilizado como la salida del sistema nebuloso. y = s s yµ ( y) dy B B µ ( y) dy Donde S es el soporte de B y como frecuentemente S es discreto, la formula se transforma a: y i iµ B ( y) dy y = µ ( y) dy i El problema de este método es la dificultad del calculo B Altura 1 Sea y y el centro de gravedad del conjunto nebuloso (asociado a la activación de la regla) Ι - Primero se evalúa µ ( ) b Ι y - En seguida se evalúa la suma: 1 B y h = Ι Ι Ι y µ ( y ) Ι Ι B Ι B Ι µ ( y ) Este método es simple por el centro de gravedad de las funciones de pertenencia mas comunes es conocido a priori: o Triangular (simétrica): vértice superior del triangulo o Gausiana: valor central de la función o Trapezoidal(simétrica) punto medio del soporte El problema es que solo utiliza el centro del soporte y i de la función de pertenencia del consecuente y también cualquiera que sea la amplitud de la función de pertenencia, el método ofrece el mismo resultado. Altura Modificada: Sea y 1 el centro de la gravedad del conjunto nebuloso B 1 (asociado a la activación de la regla R I ) 29
30 Ι Primero se evalúa µ ( ) En seguida se evalúa y y b Ι Ι Ι Ι 2 y µ Ι ( y ) /( δ ) Ι B MH = Ι Ι 2 µ Ι ( y ) /( δ ) Ι B I Donde δ es la medida de la extensión del soporte del consecuente de la regla R 1 Para funciones de pertinencias triangulares y trapezoidales I δ es el soporte del conjunto. I Para funciones gausianas δ es la desviación estándar. Resumiendo, el Proceso General es el siguiente: 1. Emparejar Antecedentes y Entradas: Para cada REGLA se calcula el grado de emparejamiento entre cada proposición atómica de su antecedente y el valor correspondiente de la entrada. 2. Grado de Activación o Agregación de los Antecedentes: Para cada REGLA se calcula el Grado de Activación aplicando una conjunción (t) o disyunción (s) según corresponda a los valores anteriores del Paso Resultado de cada Regla: Para cada REGLA se calcula su valor resultante según su Grado de Activación y la semántica elegida para la Regla. Este es el paso más largo y complejo: Para cada valor en las Salidas se debe calcular el mayor valor de la operación, para todos los posibles valores de las Entradas (operación supx). 4. Regla de Combinación: Agregación de todos los resultados individuales obtenidos de cada una de las reglas aplicadas. 2.- Cuando y como utilizar lógica difusa 30
31 La lógica difusa se utiliza en sistemas donde las técnicas difusas son necesarias, o benéficas entre ellas tenemos: o Sistemas complejos, donde es muy difícil o imposible crear un modelo. o Sistemas controlados por expertos humanos. o Sistemas con complejas y continuas entradas y salidas. o Sistemas que usan observaciones humanas como entradas o como reglas básicas. o Sistemas que son naturalmente vagos como las ciencias sociales o relativos al comportamiento, la conducta y el proceder. 31
32 CONCLUSIONES: - La lógica difusa, admite verdades y falsedades parciales. Aceptar esta premisa exige una nueva forma de ver los problemas, la realidad. - La logica difusa junto con otras herramientas han abierto las puertas al tratamiento de una gran variedad de fenómenos y sistemas que resultaban, hasta antes de la aparición de aquéllas, difíciles de definir -y, en ciertos casos, la tarea era casi imposible mediante los modelos matemáticos convencionales, que suelen pensarse como infalibles y exactos. - A través de estos conceptos dados en este proyecto, podremos entender mas sobre lo que es lógica difusa y sus áreas de aplicación. 32
Apuntes de Matemática Discreta 1. Conjuntos y Subconjuntos
Apuntes de Matemática Discreta 1. Conjuntos y Subconjuntos Francisco José González Gutiérrez Cádiz, Octubre de 2004 Universidad de Cádiz Departamento de Matemáticas ii Lección 1 Conjuntos y Subconjuntos
Más detallesPrograma para el Mejoramiento de la Enseñanza de la Matemática en ANEP Proyecto: Análisis, Reflexión y Producción. Fracciones
Fracciones. Las fracciones y los números Racionales Las fracciones se utilizan cotidianamente en contextos relacionados con la medida, el reparto o como forma de relacionar dos cantidades. Tenemos entonces
Más detallesLección 1-Introducción a los Polinomios y Suma y Resta de Polinomios. Dra. Noemí L. Ruiz Limardo 2009
Lección 1-Introducción a los Polinomios y Suma y Resta de Polinomios Dra. Noemí L. Ruiz Limardo 2009 Objetivos de la Lección Al finalizar esta lección los estudiantes: Identificarán, de una lista de expresiones
Más detallesMODELOS DE RECUPERACION
RECUPERACIÓN Y ORGANIZACIÓN DE LA INFORMACIÓN INGENIERÍA INFORMÁTICA RECUPERACIÓN Y ACCESO A LA INFORMACIÓN MODELOS DE RECUPERACION AUTOR: Rubén García Broncano NIA 100065530 grupo 81 1 INDICE 1- INTRODUCCIÓN
Más detallesIntroducción. Ciclo de vida de los Sistemas de Información. Diseño Conceptual
Introducción Algunas de las personas que trabajan con SGBD relacionales parecen preguntarse porqué deberían preocuparse del diseño de las bases de datos que utilizan. Después de todo, la mayoría de los
Más detallesUniversidad Católica del Maule. Fundamentos de Computación Especificación de tipos de datos ESPECIFICACIÓN ALGEBRAICA DE TIPOS DE DATOS
Especificación algebraica ESPECIFICACIÓN ALGEBRAICA DE TIPOS DE DATOS Un tipo abstracto de datos se determina por las operaciones asociadas, incluyendo constantes que se consideran como operaciones sin
Más detallesTratamiento borroso del intangible en la valoración de empresas de Internet
Tratamiento borroso del intangible en la valoración de empresas de Internet Mª Carmen Lozano Gutiérrez Federico Fuentes Martín Esta página está alojada por el Grupo EUMED.NET de la Universidad de Málaga
Más detallesCurso: Arquitectura Empresarial basado en TOGAF
Metodología para desarrollo de Arquitecturas (ADM) El ADM TOGAF es el resultado de las contribuciones continuas de un gran número de practicantes de arquitectura. Este describe un método para el desarrollo
Más detallesAnálisis y cuantificación del Riesgo
Análisis y cuantificación del Riesgo 1 Qué es el análisis del Riesgo? 2. Métodos M de Análisis de riesgos 3. Método M de Montecarlo 4. Modelo de Análisis de Riesgos 5. Qué pasos de deben seguir para el
Más detallesColegio Alexander von Humboldt - Lima. Tema: La enseñanza de la matemática está en un proceso de cambio
Refo 07 2004 15 al 19 de noviembre 2004 Colegio Alexander von Humboldt - Lima Tema: La enseñanza de la matemática está en un proceso de cambio La enseñanza de la matemática debe tener dos objetivos principales:
Más detalles1.1. Introducción y conceptos básicos
Tema 1 Variables estadísticas Contenido 1.1. Introducción y conceptos básicos.................. 1 1.2. Tipos de variables estadísticas................... 2 1.3. Distribuciones de frecuencias....................
Más detallesTema 07. LÍMITES Y CONTINUIDAD DE FUNCIONES
Tema 07 LÍMITES Y CONTINUIDAD DE FUNCIONES Límite de una función en un punto Vamos a estudiar el comportamiento de las funciones f ( ) g ( ) ENT[ ] h ( ) i ( ) en el punto Para ello, damos a valores próimos
Más detallesEduardo Kido 26-Mayo-2004 ANÁLISIS DE DATOS
ANÁLISIS DE DATOS Hoy día vamos a hablar de algunas medidas de resumen de datos: cómo resumir cuando tenemos una serie de datos numéricos, generalmente en variables intervalares. Cuando nosotros tenemos
Más detalles= x + x + x + 1 por definición de exponente 2
Equivalencia de expresiones algebraicas En este documento exploramos un concepto simple, en apariencia, enseñado en escuelas de nivel secundaria: la equivalencia de dos expresiones algebraicas Empecemos
Más detalles4 Teoría de diseño de Experimentos
4 Teoría de diseño de Experimentos 4.1 Introducción En los capítulos anteriores se habló de PLC y de ruido, debido a la inquietud por saber si en una instalación eléctrica casera que cuente con el servicio
Más detallesFundamentos de Investigación de Operaciones Investigación de Operaciones 1
Fundamentos de Investigación de Operaciones Investigación de Operaciones 1 1 de agosto de 2003 1. Introducción Cualquier modelo de una situación es una simplificación de la situación real. Por lo tanto,
Más detallesLa ventana de Microsoft Excel
Actividad N 1 Conceptos básicos de Planilla de Cálculo La ventana del Microsoft Excel y sus partes. Movimiento del cursor. Tipos de datos. Metodología de trabajo con planillas. La ventana de Microsoft
Más detallesEvaluación de la capacidad óptima de medida y alcance de la acreditación de un laboratorio de calibración
Evaluación de la capacidad óptima de medida y alcance de la acreditación de un laboratorio de calibración Fernández Pareja, Mª Teresa te_fer@topografia.upm.es Departamento de Ingeniería Topográfica y Cartografía
Más detallesVECTORES. Módulo, dirección y sentido de un vector fijo En un vector fijo se llama módulo del mismo a la longitud del segmento que lo define.
VECTORES El estudio de los vectores es uno de tantos conocimientos de las matemáticas que provienen de la física. En esta ciencia se distingue entre magnitudes escalares y magnitudes vectoriales. Se llaman
Más detallesLA MEDIDA Y SUS ERRORES
LA MEDIDA Y SUS ERRORES Magnitud, unidad y medida. Magnitud es todo aquello que se puede medir y que se puede representar por un número. Para obtener el número que representa a la magnitud debemos escoger
Más detallesUna nueva visión de la capacidad jurídica: algunas reflexiones con ocasión del Día Mundial de Concienciación sobre el Autismo.
Una nueva visión de la capacidad jurídica: algunas reflexiones con ocasión del Día Mundial de Concienciación sobre el Autismo. Patricia Cuenca Gómez Instituto de Derechos Humanos Bartolomé de las Casas
Más detallesFunciones, x, y, gráficos
Funciones, x, y, gráficos Vamos a ver los siguientes temas: funciones, definición, dominio, codominio, imágenes, gráficos, y algo más. Recordemos el concepto de función: Una función es una relación entre
Más detallesCorrespondencias entre taxonomías XBRL y ontologías en OWL Unai Aguilera, Joseba Abaitua Universidad de Deusto, EmergiaTech
Correspondencias entre taxonomías XBRL y ontologías en OWL Unai Aguilera, Joseba Abaitua Universidad de Deusto, EmergiaTech Resumen Todo documento XBRL contiene cierta información semántica que se representa
Más detallesEl concepto de asociación estadística. Tema 6 Estadística aplicada Por Tevni Grajales G.
El concepto de asociación estadística Tema 6 Estadística aplicada Por Tevni Grajales G. En gran medida la investigación científica asume como una de sus primera tareas, identificar las cosas (características
Más detallesEstructuras de Datos y Algoritmos. Árboles de Expresión
Estructuras de Datos y Algoritmos Árboles de Expresión Año 2014 Introducción Los avances tecnológicos producen día a día una gran cantidad de información que debe ser almacenada y procesada en forma eficiente.
Más detallesProblemas y ventajas de medir con BIM
Problemas y ventajas de medir con BIM Qué se puede hacer para presupuestar modelos realizados en BIM y qué queda por hacer Tres aspectos: La tecnología La infraestructura La cultura Qué se puede hacer
Más detallesEcuaciones de primer grado con dos incógnitas
Ecuaciones de primer grado con dos incógnitas Si decimos: "las edades de mis padres suman 120 años", podemos expresar esta frase algebraicamente de la siguiente forma: Entonces, Denominamos x a la edad
Más detallesLa composición de una imagen, reglas
Componer una fotografía Saber mirar, algo que resulta difícil en fotografía pero a la vez indispensable para obtener buenas fotografías. Para ello se requiere sobre todo aprender a mirar. Para qué queremos
Más detallesCovarianza y coeficiente de correlación
Covarianza y coeficiente de correlación Cuando analizábamos las variables unidimensionales considerábamos, entre otras medidas importantes, la media y la varianza. Ahora hemos visto que estas medidas también
Más detallesMétodos generales de generación de variables aleatorias
Tema Métodos generales de generación de variables aleatorias.1. Generación de variables discretas A lo largo de esta sección, consideraremos una variable aleatoria X cuya función puntual es probabilidad
Más detallesGUÍA TÉCNICA PARA LA DEFINICIÓN DE COMPROMISOS DE CALIDAD Y SUS INDICADORES
GUÍA TÉCNICA PARA LA DEFINICIÓN DE COMPROMISOS DE CALIDAD Y SUS INDICADORES Tema: Cartas de Servicios Primera versión: 2008 Datos de contacto: Evaluación y Calidad. Gobierno de Navarra. evaluacionycalidad@navarra.es
Más detallesEste documento ha sido generado para facilitar la impresión de los contenidos. Los enlaces a otras páginas no serán funcionales.
Este documento ha sido generado para facilitar la impresión de los contenidos. Los enlaces a otras páginas no serán funcionales. Introducción Por qué La Geometría? La Geometría tiene como objetivo fundamental
Más detallesANÁLISIS DE DATOS NO NUMERICOS
ANÁLISIS DE DATOS NO NUMERICOS ESCALAS DE MEDIDA CATEGORICAS Jorge Galbiati Riesco Los datos categóricos son datos que provienen de resultados de experimentos en que sus resultados se miden en escalas
Más detallesEJEMPLO DE REPORTE DE LIBERTAD FINANCIERA
EJEMPLO DE REPORTE DE LIBERTAD FINANCIERA 1. Introduccio n El propósito de este reporte es describir de manera detallada un diagnóstico de su habilidad para generar ingresos pasivos, es decir, ingresos
Más detallesCréditos académicos. Ignacio Vélez. Facultad de Ingeniería Industrial. Politécnico Grancolombiano
Créditos académicos Ignacio Vélez Facultad de Ingeniería Industrial Politécnico Grancolombiano 11 de noviembre de 2003 Introducción Cuando se habla del sistema de créditos muchas personas consideran que
Más detallesCAPITULO II CARACTERISTICAS DE LOS INSTRUMENTOS DE MEDICION
CAPITULO II CARACTERISTICAS DE LOS INSTRUMENTOS DE MEDICION Como hemos dicho anteriormente, los instrumentos de medición hacen posible la observación de los fenómenos eléctricos y su cuantificación. Ahora
Más detallesLos números racionales
Los números racionales Los números racionales Los números fraccionarios o fracciones permiten representar aquellas situaciones en las que se obtiene o se debe una parte de un objeto. Todas las fracciones
Más detallesTEMA 5. MUESTREO PARA LA ACEPTACIÓN.
TEMA 5. MUESTREO PARA LA ACEPTACIÓN. Introducción. Planes de muestreo por atributos simple, doble, múltiple y rectificativos Dodge-Romig, Norma militar 1000STD-105D. Pautas a seguir para el cambio de rigor
Más detallesTema 1: Fundamentos de lógica, teoría de conjuntos y estructuras algebraicas: Apéndice
Tema 1: Fundamentos de lógica, teoría de conjuntos y estructuras algebraicas: Apéndice 1 Polinomios Dedicaremos este apartado al repaso de los polinomios. Se define R[x] ={a 0 + a 1 x + a 2 x 2 +... +
Más detallesTeóricas de Análisis Matemático (28) - Práctica 4 - Límite de funciones. 1. Límites en el infinito - Asíntotas horizontales
Práctica 4 - Parte Límite de funciones En lo que sigue, veremos cómo la noción de límite introducida para sucesiones se etiende al caso de funciones reales. Esto nos permitirá estudiar el comportamiento
Más detallesMatrices Invertibles y Elementos de Álgebra Matricial
Matrices Invertibles y Elementos de Álgebra Matricial Departamento de Matemáticas, CCIR/ITESM 12 de enero de 2011 Índice 91 Introducción 1 92 Transpuesta 1 93 Propiedades de la transpuesta 2 94 Matrices
Más detallesRECOMENDACIONES DE INVESTIGACIÓN FUTURA.
Capítulo 6 CONCLUSIONES Y RECOMENDACIONES DE INVESTIGACIÓN FUTURA. 212 METODOLOGÍA PARA LA DETECCIÓN DE REQUERIMIENTOS SUBJETIVOS EN EL DISEÑO DE PRODUCTO. CAPÍTULO 6. CONCLUSIONES, APORTACIONES Y RECOMENDACIONES.
Más detallesANALISIS MULTIVARIANTE
ANALISIS MULTIVARIANTE Es un conjunto de técnicas que se utilizan cuando se trabaja sobre colecciones de datos en las cuáles hay muchas variables implicadas. Los principales problemas, en este contexto,
Más detallesMATEMÁTICAS APLICADAS A LAS C.C. SOCIALES
MATEMÁTICAS APLICADAS A LAS C.C. SOCIALES CAPÍTULO 7 Curso preparatorio de la prueba de acceso a la universidad para mayores de 25 años curso 2010/11 Nuria Torrado Robles Departamento de Estadística Universidad
Más detallesNIFBdM A-4 CARACTERÍSTICAS CUALITATIVAS DE LOS ESTADOS FINANCIEROS
NIFBdM A-4 CARACTERÍSTICAS CUALITATIVAS DE LOS ESTADOS FINANCIEROS OBJETIVO Establecer las características cualitativas que debe reunir la información financiera contenida en los estados financieros, para
Más detallesBASE DE DATOS RELACIONALES
BASE DE DATOS RELACIONALES Una base de datos relacional es una base de datos que cumple con el modelo relacional, el cual es el modelo más utilizado en la actualidad para implementar bases de datos ya
Más detallesConclusiones. Particionado Consciente de los Datos
Capítulo 6 Conclusiones Una de las principales conclusiones que se extraen de esta tesis es que para que un algoritmo de ordenación sea el más rápido para cualquier conjunto de datos a ordenar, debe ser
Más detallesLicenciatura en Computación
Res. CFI 21/06/2012 Res. CDC 25/09/2012 Pub. DO 31/10/2012 Plan de Estudios Licenciatura en Computación Facultad de Ingeniería 1 Antecedentes y fundamentos 1.1 Antecedentes En la Facultad de Ingeniería,
Más detallesMatemáticas para la Computación
Matemáticas para la Computación José Alfredo Jiménez Murillo 2da Edición Inicio Índice Capítulo 1. Sistemas numéricos. Capítulo 2. Métodos de conteo. Capítulo 3. Conjuntos. Capítulo 4. Lógica Matemática.
Más detallesLABORATORIO Nº 2 GUÍA PARA REALIZAR FORMULAS EN EXCEL
OBJETIVO Mejorar el nivel de comprensión y el manejo de las destrezas del estudiante para utilizar formulas en Microsoft Excel 2010. 1) DEFINICIÓN Una fórmula de Excel es un código especial que introducimos
Más detallesTema 2. Espacios Vectoriales. 2.1. Introducción
Tema 2 Espacios Vectoriales 2.1. Introducción Estamos habituados en diferentes cursos a trabajar con el concepto de vector. Concretamente sabemos que un vector es un segmento orientado caracterizado por
Más detallesOrganización como función administrativa Resumen para Administración y Gestión Profesor: Gonzalo V.
Organización como función administrativa Introducción: Organización rganización como función administrativa En las organizaciones que se caracterizan por estar orientadas al éxito, a la eficiencia y al
Más detallesMATEMÁTICAS CON LA HOJA DE CÁLCULO
MATEMÁTICAS CON LA HOJA DE CÁLCULO Podemos dar a esta aplicación un uso práctico en el aula de Matemáticas en varios sentidos: Como potente calculadora: sucesiones, límites, tablas estadísticas, parámetros
Más detallesFASES DEL PROCESO DE RESOLUCIÓN DE PROBLEMAS
FASES DEL PROCESO DE RESOLUCIÓN DE PROBLEMAS Varios autores han tratado de identificar y describir las distintas fases en el proceso de resolución de problemas. Polya (1945), en su modelo descriptivo,
Más detallesCapitán de fragata ingeniero AGUSTÍN E. GONZÁLEZ MORALES. ÁLGEBRA PARA INGENIEROS (Solucionario)
Capitán de fragata ingeniero AGUSTÍN E. GONZÁLEZ MORALES ÁLGEBRA PARA INGENIEROS (Solucionario) 2 Í N D I C E CAPÍTULO : MATRICES, DETERMINANTES Y SISTEMAS DE ECUACIONES LINEALES CAPÍTULO 2: ESPACIOS VECTORIALES
Más detalles1. Generalidades. Nombre de la asignatura o unidad de aprendizaje. Apertura de negocios. Clave asignatura. Ciclo LA945. Modulo tercero (integración)
Nombre de la asignatura o unidad de aprendizaje Apertura de negocios Ciclo Modulo tercero (integración) Clave asignatura LA945 Objetivo general de la asignatura: El alumno analizará las bases para la apertura
Más detallesActividades para mejoras. Actividades donde se evalúa constantemente todo el proceso del proyecto para evitar errores y eficientar los procesos.
Apéndice C. Glosario A Actividades de coordinación entre grupos. Son dinámicas y canales de comunicación cuyo objetivo es facilitar el trabajo entre los distintos equipos del proyecto. Actividades integradas
Más detallesUNA MAESTRIA EN ADMINISTRACION DE INSTITUCIONES CIENTIFICAS *
UNA MAESTRIA EN ADMINISTRACION DE INSTITUCIONES CIENTIFICAS * CARLOS CERDAN R. y FABIO GERARD D. ** El presente trabajo tiene por objeto promover una discusión, despertar dudas e inquietudes, respecto
Más detallesLos estados financieros proporcionan a sus usuarios información útil para la toma de decisiones
El ABC de los estados financieros Importancia de los estados financieros: Aunque no lo creas, existen muchas personas relacionadas con tu empresa que necesitan de esta información para tomar decisiones
Más detallesLÓGICA JURÍDICA. Idea preliminar Cap. I. Nicolás Mejía Gómez -Universidad Libre Facultad de derecho
LÓGICA JURÍDICA Idea preliminar Cap. I Objetivos Definir y explicar qué es la lógica. Distinguir entre el pensamiento tomado como función y/o facultad y el considerado como producto. Señalar el tipo de
Más detallesUNIDAD 4 PROCESOS DE MARKOV
UNIDAD 4 PROCESOS DE MARKOV Anteriormente se han cubierto modelos estáticos, esto es, modelos cuyos parámetros permanecen sin cambio a través del tiempo. Con excepción de programación dinámica donde se
Más detallesTest ( o Prueba ) de Hipótesis
Test de Hipótesis 1 Test ( o Prueba ) de Hipótesis Ejemplo: Una muestra de 36 datos tiene una media igual a 4.64 Qué puede deducirse acerca de la población de donde fue tomada? Se necesita contestar a
Más detallesFORMACIÓN DE EQUIPOS DE E-LEARNING 2.0 MÓDULO DE DISEÑO Y PRODUCCIÓN DE MATERIALES UNIDAD 6 B
141 1 FORMACIÓN DE EQUIPOS DE E-LEARNING 2.0 Unidad 6 B 142 2 Índice SEGUIMIENTO DE PERSONAS 1 INFORMES 2 143 3 SEGUIMIENTO DE PERSONAS E INFORMES EN MOODLE El seguimiento de los participantes en Moodle
Más detalles35 Facultad de Ciencias Universidad de Los Andes Mérida-Venezuela. Potencial Eléctrico
q 1 q 2 Prof. Félix Aguirre 35 Energía Electrostática Potencial Eléctrico La interacción electrostática es representada muy bien a través de la ley de Coulomb, esto es: mediante fuerzas. Existen, sin embargo,
Más detalles1. INVERSA DE UNA MATRIZ REGULAR
. INVERSA DE UNA MATRIZ REGULAR Calcular la inversa de una matriz regular es un trabajo bastante tedioso. A través de ejemplos se expondrán diferentes técnicas para calcular la matriz inversa de una matriz
Más detallesGERENCIA DE INTEGRACIÓN
GERENCIA DE INTEGRACIÓN CONTENIDO Desarrollo del plan Ejecución del plan Control de cambios INTRODUCCIÓN La gerencia de integración del proyecto incluye los procesos requeridos para asegurar que los diversos
Más detallesINTRODUCCION AL CONTROL AUTOMATICO DE PROCESOS
INTRODUCCION AL CONTROL AUTOMATICO DE PROCESOS El control automático de procesos es parte del progreso industrial desarrollado durante lo que ahora se conoce como la segunda revolución industrial. El uso
Más detallesTema 3. Medidas de tendencia central. 3.1. Introducción. Contenido
Tema 3 Medidas de tendencia central Contenido 31 Introducción 1 32 Media aritmética 2 33 Media ponderada 3 34 Media geométrica 4 35 Mediana 5 351 Cálculo de la mediana para datos agrupados 5 36 Moda 6
Más detallesLiderazgo se genera en el lenguaje
Liderazgo se genera en el lenguaje Para nosotros, un buen punto de partida para comprender el liderazgo está en el reconocimiento de que éste se da en el lenguaje. El liderazgo es un fenómeno producido
Más detallesCentro de Capacitación en Informática
Fórmulas y Funciones Las fórmulas constituyen el núcleo de cualquier hoja de cálculo, y por tanto de Excel. Mediante fórmulas, se llevan a cabo todos los cálculos que se necesitan en una hoja de cálculo.
Más detallesEl rincón de los problemas. Oportunidades para estimular el pensamiento matemático. Triángulos de área máxima o de área mínima Problema
www.fisem.org/web/union El rincón de los problemas ISSN: 1815-0640 Número 37. Marzo 2014 páginas 139-145 Pontificia Universidad Católica del Perú umalasp@pucp.edu.pe Oportunidades para estimular el pensamiento
Más detallesAproximación local. Plano tangente. Derivadas parciales.
Univ. de Alcalá de Henares Ingeniería de Telecomunicación Cálculo. Segundo parcial. Curso 004-005 Aproximación local. Plano tangente. Derivadas parciales. 1. Plano tangente 1.1. El problema de la aproximación
Más detallesCAPÍTULO 1 INTRODUCCIÓN. En México existen miles de micro, pequeñas y medianas empresas que constituyen una
CAPÍTULO 1 INTRODUCCIÓN En México existen miles de micro, pequeñas y medianas empresas que constituyen una parte importante de la producción y economía del país, y que en su mayoría no tienen fácil acceso
Más detallesOrden y estructuras algebraicas mediante nuevas tecnologías
Orden y estructuras algebraicas mediante nuevas tecnologías Miguel A. García-Muñoz, Carmen Ordóñez y Juan F. Ruiz Departamento de Matemáticas (Área de Álgebra). Universidad de Jaén. Campus Las Lagunillas
Más detallesLección 24: Lenguaje algebraico y sustituciones
LECCIÓN Lección : Lenguaje algebraico y sustituciones En lecciones anteriores usted ya trabajó con ecuaciones. Las ecuaciones expresan una igualdad entre ciertas relaciones numéricas en las que se desconoce
Más detallesCONCEPTOS PREVIOS TEMA 2
1.PROPORCIONALIDAD 1.1 REPARTOS PROPORCIONALES CONCEPTOS PREVIOS TEMA 2 Cuando queremos repartir una cantidad entre varias personas, siempre dividimos el total por el número de personas que forman parte
Más detallesT.1 CONVERGENCIA Y TEOREMAS LÍMITE
T.1 CONVERGENCIA Y TEOREMAS LÍMITE 1. CONVERGENCIA DE SUCESIONES DE VARIABLES ALEATORIA CONVERGENCIA CASI-SEGURA CONVERGENCIA EN PROBABILIDAD CONVERGENCIA EN MEDIA CUADRÁTICA CONVERGENCIA EN LEY ( O DISTRIBUCIÓN)
Más detallesUNIDAD I NÚMEROS REALES
UNIDAD I NÚMEROS REALES Los números que se utilizan en el álgebra son los números reales. Hay un número real en cada punto de la recta numérica. Los números reales se dividen en números racionales y números
Más detallesLa derivada de y respecto a x es lo que varía y por cada unidad que varía x. Ese valor se designa por dy dx.
Conceptos de derivada y de diferencial Roberto C. Redondo Melchor, Norberto Redondo Melchor, Félix Redondo Quintela 1 Universidad de Salamanca 18 de agosto de 2012 v1.3: 17 de septiembre de 2012 Aunque
Más detallesMOTIVACIÓN JUEGO TRANSFORMACIONAL FLOW AUTONOMÍA MAESTRÍA RELACIÓN PERS INT CONT LEG CTX CONS PROCEDURAL CONCEPTUAL CRITICO CONSECUENCIAL
1 Principio del aprendizaje activo y crítico Todos los aspectos del entorno de aprendizaje (incluyendo los dominios semióticos que se diseñan y presentan) propician un aprendizaje activo y crítico, no
Más detallesInstrucción IrA (GoTo). Saltos no naturales en el flujo normal de un programa. Pseudocódigo y diagramas de flujo. (CU00182A)
aprenderaprogramar.com Instrucción IrA (GoTo). Saltos no naturales en el flujo normal de un programa. Pseudocódigo y diagramas de flujo. (CU00182A) Sección: Cursos Categoría: Curso Bases de la programación
Más detallesIniciativas para el Desarrollo del Jugador Normas para partidos en cancha pequeña & Registro por año de nacimiento Preguntas Frecuentes
Iniciativas para el Desarrollo del Jugador Normas para partidos en cancha pequeña & Registro por año de nacimiento Preguntas Frecuentes General Por favor revise la Iniciativas para el Desarrollo del Jugador
Más detallesCAPÍTULO III 3. MÉTODOS DE INVESTIGACIÓN. El ámbito de los negocios en la actualidad es un área donde que cada vez más
CAPÍTULO III 3. MÉTODOS DE INVESTIGACIÓN El ámbito de los negocios en la actualidad es un área donde que cada vez más se requieren estudios y análisis con criterios de carácter científico a fin de poder
Más detallesGeometría Tridimensional
Capítulo 4 Geometría Tridimensional En dos dimensiones trabajamos en el plano mientras que en tres dimensiones trabajaremos en el espacio, también provisto de un sistema de coordenadas. En el espacio,
Más detalles1-Comportamiento de una función alrededor de un punto:
Matemática II 7 Modulo Límites continuidad En esta sección desarrollaremos el concepto de límite, una de las nociones fundamentales del cálculo. A partir de este concepto se desarrollan también los conceptos
Más detallesEjercicios de Programación Lineal
Ejercicios de Programación Lineal Investigación Operativa Ingeniería Informática, UCM Curso 8/9 Una compañía de transporte dispone de camiones con capacidad de 4 libras y de 5 camiones con capacidad de
Más detallesINDICADORES. PROBLEMAS ASOCIADOS A SU SELECCIÓN PARA MEDIR SUSTENTABILIDAD Y EFICIENCIA AMBIENTAL
FUNDACION NEXUS ciencias sociales medio ambiente salud INDICADORES. PROBLEMAS ASOCIADOS A SU SELECCIÓN PARA MEDIR SUSTENTABILIDAD Y EFICIENCIA AMBIENTAL Por Daniel Fernández Dillon Ingeniería Sanitaria
Más detallesNORMA ISO 31000 DE RIESGOS CORPORATIVOS
NORMA ISO 31000 DE RIESGOS CORPORATIVOS La norma ISO 31000 establece principios y guías para el diseño, implementación y mantenimiento de la gestión de riesgos en forma sistemática y transparente de toda
Más detalles------------------------------------------------------------------------------------------------------------------------ VISIÓN, MISIÓN, VALORES
------------------------------------------------------------------------------------------------------------------------ VISIÓN, MISIÓN, VALORES Se abrió este foro acerca de las primeras definiciones estratégicas,
Más detallesGuía para la Capacitación en el Servicio y Educación de Preservicio Relativa al DIU
Guía para la Capacitación en el Servicio y Educación de Preservicio Relativa al DIU Directrices para la capacitación en el servicio La capacitación en el servicio puede usarse para transferir conocimientos
Más detalles2.2 Transformada de Laplace y Transformada. 2.2.1 Definiciones. 2.2.1.1 Transformada de Laplace
2.2 Transformada de Laplace y Transformada 2.2.1 Definiciones 2.2.1.1 Transformada de Laplace Dada una función de los reales en los reales, Existe una función denominada Transformada de Laplace que toma
Más detallesREPASO NÚMEROS NATURALES Y NÚMEROS ENTEROS
SUMA REPASO NÚMEROS NATURALES Y NÚMEROS ENTEROS NÚMEROS NATURALES (N) 1. Características: Axiomas de Giuseppe Peano (*): El 1 es un número natural. Si n es un número natural, entonces el sucesor (el siguiente
Más detallesTemas de electricidad II
Temas de electricidad II CAMBIANDO MATERIALES Ahora volvemos al circuito patrón ya usado. Tal como se indica en la figura, conecte un hilo de cobre y luego uno de níquel-cromo. Qué ocurre con el brillo
Más detallesCongreso de Colegios Católicos, Una pasión que se renueva. Pontificia Universidad Católica de Chile. Septiembre 2015.
Panel: Ley de Inclusión, reglamentación y Colegios Católicos Andrés Palma 1 Hola, muy buenas tardes, muchas gracias a la Conferencia Episcopal, a FIDE, a la Universidad Católica por la invitación para
Más detallesIntroducción a la estadística y SPSS
Introducción a la estadística y SPSS Marcelo Rodríguez Ingeniero Estadístico - Magister en Estadística Universidad Católica del Maule Facultad de Ciencias Básicas Pedagogía en Matemática Estadística I
Más detallesMICROECONOMÍA MICROECONOMÍA
MICROECONOMÍA MICROECONOMÍA INTRODUCCIÓN A LA MICROECONOMÍA. OBJETIVOS El alumno deberá ser capaz de comprender cómo se realiza el proceso de satisfacción de necesidades utilizando eficientemente sus recursos
Más detalles2.1 Planificación del Alcance
2. Gestión del Alcance del Proyecto La Gestión del Alcance del Proyecto incluye los procesos necesarios para asegurarse que el incluya todo el trabajo requerido, y sólo el trabajo requerido, para completar
Más detallesISO 17799: La gestión de la seguridad de la información
1 ISO 17799: La gestión de la seguridad de la información En la actualidad las empresas son conscientes de la gran importancia que tiene para el desarrollo de sus actividades proteger de forma adecuada
Más detallesTema 2 Límites de Funciones
Tema 2 Límites de Funciones 2.1.- Definición de Límite Idea de límite de una función en un punto: Sea la función. Si x tiende a 2, a qué valor se aproxima? Construyendo - + una tabla de valores próximos
Más detallesP9: ENSAYO DE VACÍO Y CORTOCIRCUITO DEL TRANSFORMADOR MONOFÁSICO FUNDAMENTOS DE TECNOLOGÍA ELÉCTRICA
ESCUELA UNIVERSITARIA DE INGENIERÍA TÉCNICA INDUSTRIAL (BILBAO) Departamento de Ingeniería Eléctrica INDUSTRI INGENIARITZA TEKNIKORAKO UNIBERTSITATE-ESKOLA (BILBO) Ingeniaritza Elektriko Saila ALUMNO P9:
Más detalles