REVISTA INVESTIGACION OPERACIONAL Vol. 23, No.2, 2002
|
|
- Adolfo Río Montes
- hace 8 años
- Vistas:
Transcripción
1 REVISTA INVESTIGACION OPERACIONAL Vol. 23, No.2, 2002 UN SISTEMA BASADO EN CASOS PARA LA TOMA DE DECISIONES EN CONDICIONES DE INCERTIDUMBRE Ilaa Guérrez Maríez, Rafael E. Bello Pérez y Adrés Tellería Rodríguez Deparameo de Ceca de la Compuacó, Uversdad Ceral de Las Vllas, Saa Clara, Cuba RESUMEN El desarrollo de éccas para cosderar la cerdumbre e el proceso de oma de decsoes es ua de las areas fudameales de muchos vesgadores e el campo de la Ielgeca Arfcal. E los Ssemas Basados e Coocmeo, como ssemas parculares para la oma de decsoes, el uso de esas éccas es de especal cosderacó. E ese arículo se aalza la problemáca de la cerdumbre e los Ssemas Basados e Casos y se propoe u modelo ue muesra vías para su deermacó y maejo, usado éccas probablíscas combadas co cocepos de la eoría de los Cojuos Rugosos (Rough Ses). El modelo propueso se basa e ua esrucura de orgazacó de la base de casos ue facla el cálculo de la cerdumbre de los valores así como el proceso de recuperacó. Palabras clave: Ssemas Basados e Casos, cerdumbre, probabldades, cojuos rugosos. ABSTRACT The developme of echues o cosder he uceray he process of makg of decsos s oe of he fudameal asks of may vesgaors he feld of Arfcal Iellgece. I Kowledge Based Sysems, lke parcular sysems for he makg of decsos, he use of hese echues s of specal cosderao. I hs arcle he problem of he uceray s aalyzed he Cases Based Sysems ad propose model ha shows ways for s deermao ad hadlg, usg probablsc echues combed wh coceps of he Rough Ses heory. The proposed model s based a case base orgazao, whch allows he calculao of he ceray of he values as well as he recovery process. Key words: Case Based Sysems, uceray, probables, rough ses MSC: 62C99. INTRODUCCION Cuado el esado real de las cosas dfere del esado deseado surge u problema. Resolver u problema coduce a u proceso de defcacó y seleccó de la accó adecuada para su solucó. A ese proceso se le deoma Toma de Decsoes, dode ua decsó es la eleccó de ua ere dversas aleravas. E la acualdad la oma de decsoes objevamee fudameada, se ha coverdo e ua area fudameal e la dreccó de dferees procesos, co éfass e la empresaral, s embargo, las decsoes o so sólo areas relavas a la dreccó. Cualuer hombre ha omado odo po de decsoes a lo largo de su vda. U problema ípco de Toma de Decsoes es el problema del dagósco (Cohe, 988, Kucher, 999, Borola, 988). La base del proceso de Toma de Decsoes es la formacó ue se ee del domo de aplcacó. A más y mejor formacó, mayor caldad e la defcó del problema, e las propuesas de solucó, e el aálss de varaes y e la seleccó de la accó más coveee. Parcularmee, la formacó y las caráceríscas dspobles del domo, perme clasfcar los problemas de decsó e dos grades ramas,: problemas de decsó esrucurados y o esrucurados. E la prmera de ellas esá los problemas co sufcee esrucura como para permr la evaluacó de aleravas por medo de modelos y comúmee so resuelos usado méodos cuaavos, sólo represea u peueño subcojuo de los procesos de decsó. E la seguda se ubca los problemas carees de esa formulacó y ue frecueemee es ecesaro recalcularlos a ravés de u proceso eravo de búsueda. Es precsamee e esa seguda clase de problemas de Toma de Decsoes, dode las éccas de Ielgeca Arfcal (I.A.) so aplcables. Segú (Dubos, 998), los problemas de decsó se formalza de la sguee maera: E-mal:laa@uclv.eecsa.cu 03
2 Las preferecas de u agee por ceros esados del mudo esá corporadas e ua fucó de uldad, la cual expresa ué a deseable es u esado. Las uldades se comba co el resulado de las probabldades de las accoes para dar ua uldad esperada de cada ua de ésas. De esa forma se defe la uldad esperada de u esado dada ua evdeca como: dode UE (A E) = P( Re sulado (A) E,Hacer(A) ) U( Re sulado (A) () ) U(S): Uldad del esado S de acuerdo co el agee ue esá omado las decsoes. Resulado (A): Posbles esados de resulado de ua accó o deermsa A, dode so los resulados ue puede obeerse. P(Resulado (A) E,Hacer(A)): dode E resume la evdeca ue sobre el mudo ee el agee y Hacer(A) es la proposcó de ue sea ejecuada la accó A e el esado acual. Prcpo de Máxma Uldad Esperada (MUE): El agee debe elegr auellas accoes ue perma obeer el máxmo de la uldad esperada del agee. Ere las éccas de I.A. empleadas e la solucó de problemas de Toma de Decsoes esá los Ssemas Basados e Reglas (Buchaa 983), las Redes Neuroales Arfcales (Barr 994, Skapura 996), Ssemas de Ifereca Borrosos (Sh-ua 988, Cohe 988, Klr 995b) y los Ssemas Basados e Casos (Koloder 992, Koloder 993, Aamod 996, Marel 994). La aplcabldad del Razoameo Basado e Casos e la Toma de Decsoes se ha aalzado por dferees auores, ere ellos. (Almoayyel 997, Ahoff 996, Koloder 99, Baldw 994) Además de méodos para elegr la decsó a omar es ecesaro cosderar oro aspeco de mucha mporaca e la Toma de Decsoes: el problema de la cerdumbre de la formacó (Sael 973, Shapro 990, Mahur 996, Russell 996). El problema de la Toma de Decsoes se cosdera dero de ua líea coua ue va de la cereza a la urbuleca, pasado por el resgo y la cerdumbre. Segú el ecoomsa bráco Shackle:...e u mudo predesado la decsó pudera ser lusora, e u mudo de coocmeo perfeco, úl, e u mudo s orde aural, efcaz. Nuesra acvdad uva de la vda mplca ue la Toma de Decsoes o es lusora, úl, efcaz ya ue la Toma de Decsoes e ese sedo excluye ao el coocmeo perfeco como la aaruía, y por ao ee ue ser defda e los límes de la cerdumbre. (Klr 995a) E ese rabajo se presea u modelo para maejar la problemáca de la Toma de Decsoes basada e casos e codcoes de cerdumbre. El modelo propueso perme asgar valores de cerdumbre a los daos de ua base de casos y realzar los procesos de recuperacó y adapacó cosderado la cerdumbre volucrada e la formacó. El modelo propueso se basa e ua esrucura de orgazacó de los casos ue facla el proceso de recuperacó de los msmos. Para modelar la cerdumbre coeda e la base de casos y propagarla e los procesos de fereca se ulza u efoue probablísco combado co los cocepos fudameales de la eoría de los cojuos rugosos. 2. SISTEMAS BASADOS EN CASOS. INCERTIDUMBRE Los Ssemas co Razoameo Basado e Casos (CBS) so ua de las ecologías acuales para cosrur Ssemas Basados e el Coocmeo. E ellos los uevos problemas se resuelve cosderado la solucó dada a problemas smlares resuelos e el pasado. La aruecura básca de u CBS cosse de ua base de casos, u procedmeo para buscar casos smlares y u procedmeo de adapacó para ajusar las solucoes de los problemas smlares a los reuermeos del uevo problema. 2.. Compoees de u Ssema Basado e Casos Las compoees fudameales de u Ssema Basado e Casos so: la base de casos, el módulo de recuperacó y el módulo de adapacó Base de Casos U caso de la base es descro a parr de los valores ue se le asga a los rasgos predcores y a los rasgos objevos. Los rasgos predcores so los ue deerma los valores de los rasgos objevos. U caso ue ega rasgos predcores y p rasgos objevos se descrbe del sguee modo: 04
3 O (x (O ),..., x (O ),..., x (O ), y (O ),..., y j (O ),..., y p (O )) (2) dode: x (O ): es el valor del rasgo predcor =, para el caso O =,m de la base y j (O ): es el valor del rasgo objevo j =, p para el caso O =,m de la base La base de casos esá formada por u cojuo de casos y puede ser represeada a ravés de ua abla de decsó, e la cual las columas so eueadas por varables ue represea los rasgos predcores y los rasgos objevos (decsoes) y las flas represea los casos. La Tabla muesra u ejemplo de ua base de casos. Auí los casos se represea por O,...,O m, los rasgos predcores por: x, x 2,..., x y los rasgos objevos (decsoes) por y,...,y p. Tabla. Tabla de decsó ue represea ua base de casos. Caso x... x y... y p O x (O )... x (O ) y (O )... y p (O) O m x (O m )... x (O m ) y (O m )... y p (O m ) Módulo de Recuperacó El módulo de recuperacó cosa de dos eapas fudameales: la eapa de acceso y la eapa de recuperacó propamee dcha. El algormo de acceso a los casos debe ser rápdo y efcee. Ese depede de las éccas de dzacó usadas y su dseño se vuelve u aspeco críco cuado la base de casos es muy grade. Ere las éccas de acceso a casos podemos mecoar: Acceso exaco. Se busca el caso ue ecaje exacamee co el caso uevo. Acceso Jeráruco. Báscamee se busca los casos e u árbol, omado decsoes e cada odo hasa ue ya o se pueda avazar. S se ecuera ua hoja se muesra los casos correspodees, s se llegó hasa u odo, se muesra odos los casos ue se derve de él. Esa úlma écca es la ue se usa e uesro modelo. E la seguda se seleccoa los casos más smlares al uevo problema. Para deermar ué a smlar es u caso a oro se ha desarrollado varas éccas. La más seclla cosse e coar el úmero de caraceríscas smlares ere los dos casos. El problema de esa écca es ue la mporaca de las caraceríscas vara de u coexo a oro. Ora écca cosse e ulzar u cojuo de heuríscas ue perma deermar cuales caraceríscas ee mayor relevaca (peso) y formular ua fucó de semejaza ue volucre la smlud ere cada uo de los rasgos eedo e cuea el peso de los msmos. U modelo maemáco de esa úlma écca es el sguee: Fucó de semejaza ere u uevo problema a resolver O 0 y u caso O de la base (,O ) = = ( O,O ) β O = (3) 0 p δ p 0 05
4 dode: : Número de rasgos predcores. p : Peso o relevaca del rasgo. δ (O 0, O ): Fucó de comparacó ere los casos O 0 y O aededo al rasgo. Esa fucó puede esar defda de dferees formas, por ejemplo: Para rasgos umércos. δ ( O,O ) 0 s x(o0 ) = x(o ) = 0 e.o.c (4) s x(o0 ) x(o ) < ε δ ( O0,O ) = (5) 0 e.o.c ε: Valor umbral defdo por el usuaro. x(o) x(o ) δ ( O,O ) = (6) max m max, m : Valores máxmo y mímo respecvamee ue alcaza el rasgo. El resulado de aplcar esa fucó de semejaza e el módulo de recuperacó os brda la uldad del caso aalzado ese problema como u problema para la oma de decsoes Módulo de Adapacó Ua vez seleccoados los casos smlares, se efecúa el procedmeo de adapacó, ue cosse e la modfcacó y combacó de las solucoes de los casos smlares para formar ua ueva solucó, ua erpreacó, o ua explcacó depededo de la area ue lleve a cabo el ssema. Es deseable ue el ssema ambé geere jusfcacoes o explcacoes ue apoye a la solucó creada para el uevo caso. Al acceder a los casos smlares, lo mejor ue puede pasar es ecorar u caso exacamee gual al uevo, pero geeralmee o sucede así, y es ecesaro realzar el proceso de adapacó. La adapacó puede realzarse por el usuaro o de maera auomáca por el ssema. S la adapacó la realza el usuaro, el ssema sólo realzaría la búsueda de los casos smlares. S la adapacó la ejecua el ssema, eoces debe coeer algú coocmeo, al como fórmulas o reglas. Las éccas desarrolladas para la realzacó de la adapacó e forma auomáca ha dado e geeral bueos resulados. E (Koloder 993) se mecoa los sguees méodos de adapacó: Resacacó. E ese po de écca se ulza el marco o coexo de suacoes aerores, pero co uevos argumeos. Ajuse de parámeros. Se ajusa los parámeros de la solucó de casos aerores de acuerdo co las dferecas ere las descrpcoes de los casos e cuesó. Búsueda local. Se realza búsuedas dero de jeraruías semácas y se solucoa el problema por aalogía. E el presee rabajo se propoe u uevo efoue dode se hace uso de la cerdumbre de la solucó Veajas y Desveajas de los Ssemas Basados e Casos sobre oras Tecologías Veajas. Aduscó de coocmeo. La udad básca del coocmeo es el caso. Los seres humaos por lo geeral arcula su coocmeo medae ejemplos de problemas y solucoes aerores (casos), más ue por medo de reglas específcas y absracas. 06
5 2. Perme propoer solucoes a problemas rápdamee. Eso lo logra ya ue las respuesas o se derva a parr de cero, so de casos resuelos prevamee. 3. Apredzaje. S la msma suacó se presea repedamee, o se ee ue cosrur o geerar la msma solucó a parr de cero. 4. Propoe solucoes e domos o eeddos compleamee por el ssema. 5. Ofrece u medo de evaluacó de solucoes cuado o se cuea co u méodo algorímco. 6. Se cera e las caraceríscas o pares más mporaes del problema. Desveajas. Cofía cegamee e los casos prevos almaceados e su memora para ear propoer su solucó. 2. Puede ser ue o recupere el caso más apropado para la solucó del uevo caso. Esas desveajas podría elmarse co la roduccó de u mecasmo de maejo de la cerdumbre e esos ssemas. El desarrollo de ese mecasmo cosuye el objevo fudameal del presee rabajo cerdumbre e los ssemas basados e casos La formacó complea es ompresee: cas oda la formacó ue se ee del mudo es o cera, complea o precsa. La cerdumbre cala uesra compresó del mudo real. El propóso de los ssemas de formacó es modelar el mudo real. Por ello dchos ssemas ee ue ser capaces de modelar la cerdumbre. De forma empírca, la cerdumbre es cas ua medda separable de cas cualuer meda resulae de ua combacó de evables errores de medcó y límes de resolucó de los srumeos de medcó ulzados. De forma cogva, esa emerge de la vaguedad y ambgüedad heree al leguaje aural. Se ha hecho claro ue hay dsos pos de cerdumbre. La cerdumbre es u cocepo muldmesoal. Las eorías maemácas cláscas para caracerzar suacoes bajo cerdumbre ha sdo la eoría de cojuo y la eoría de las probabldades. (Klr, 995a, Klr, 998) El érmo cerdumbre se ulza de forma geeral para abarcar dferees pos de cerdumbre: mprecsó, compleez, vaguedad e cosseca. La mprecsó es relava a la exseca de u valor el cual o puede ser meddo co la precsó adecuada, la compleez a la auseca de valores para alguas varables cosderadas, la vaguedad a la auseca de u líme claro para u cocepo o cojuo y la cosseca descrbe ua suacó e la cual hay dos o más valores e coflco para ser asgados a ua varable. (Bosoe 985, Bosc, 993) Por muchos años la cerdumbre fue cocebda sólo e érmos de la eoría de las probabldades. Acualmee se ha desarrollado oros efoues ue ha demosrado su capacdad para caracerzar suacoes bajo cerdumbre. Los más coocdos de ésos so: la Teoría de la Evdeca (Shafer, 976), la Teoría de la Posbldad (Zadeh, 978), la Teoría de las Meddas Borrosas (Sugeo 974) y la Teoría de los Cojuos Rugosos. (Pawlak, 982, Klr, 995b, Klr, 998, Neufeld, 997, Orlowska, 998, Pawlak, 995a, Pawlak, 995b) Obvamee el Razoameo Basado e Casos o escapa de la problemáca de la cerdumbre. Hay posbldades de mprecsó ao e el coocmeo (base de casos) como e el plaeameo del problema. El coocmeo del problema radca esecalmee e la coleccó de casos, luego la prmera errogae es s el caso represea o o el objevo para el cual fue pueso e la base, es decr cuál es el grado de cereza de ue la solucó coeda e el caso sea válda?. Oro aspeco referdo co el coocmeo del ssema es el modelo de orgazacó de los casos. Ese modelo perme almacear los casos uzás o como u odo, y luego recuperar los casos más semejaes recosruyedo los msmos, auí la fuee de cerdumbre esá dada por la medda e ue el modelo perme descompoer y recompoer los casos. Los resulados plaeados e ese rabajo esá oreados a resolver el prmer aspeco, es decr deermar la cerdumbre de los valores represeados e la base y ua vez deermada, mapularla e los módulos de recuperacó y adapacó de forma al ue se solucoe las sguees errogaes:. Supogamos ue esamos rabajado co res rasgos predcores: FORMA, TAMAÑO y COLOR y ue por algú méodo dado, se ha deermado ue el rasgo FORMA es el rasgo más mporae y por ao el ue mayor peso ee. S embargo los valores ue ha omado ese rasgo ee muy bajo vel de cerdumbre, surge eoces la próxma errogae es correco asgar u peso grade a u rasgo del cual esamos a seguros? 07
6 2. Cosdérese el rasgo COLOR co los valores {AZUL, ROJO, VERDE, NEGRO}, eer e cuea la cerdumbre, sgfca ue el rasgo COLOR oma u valor e el caso almaceado y oro e la descrpcó del problema a resolver, pero sobre ambos valores hay dudas sobre su cereza. Por ejemplo: COLOR=AZUL (0.9) e el caso y COLOR=ROJO (0.6) e la descrpcó del problema. La suacó aeror os oblga a pesar e dos aspecos. El prmero es ue ahora la fucó de comparacó edrá como argumeos valores sobre los ue exse dudas y por lo ao el valor de la fucó de comparacó ere esos colores dadas las cerdumbres 0.9 y 0.6 o ee ue ser gual ue e el caso e ue ambos valores de cerdumbres sea. Cosderar el valor de la cerdumbre e los valores dados a los rasgos os oblga a redefr las fucoes de comparacó de rasgos defdas orgalmee. De auí surge la sguee errogae: cómo cosrur fucoes de comparacó de rasgos cosderado cerdumbre e los valores dados a esos? Supogamos los casos recuperados so O 5 y O 5 y ue ambos ee el msmo vel de semejaza. S embargo el valor del rasgo objevo es dferee para ambos (suacó de coflco). Por ué caso adapar? Hemos señalado alguos momeos del razoameo basado e casos dode resula ecesaro eer e cuea la mapulacó de la cerdumbre. E el sguee epígrafe se presea alguas deas prelmares sobre la elaboracó de u modelo para la mapulacó de la cerdumbre e los CBS. 3. MODELO PARA LA MANIPULACION DE LA INCERTIDUMBRE EN UNA BASE DE CASOS 3.. Descrpcó del Problema Se resuelve u problema de Toma de Decsoes ulzado el razoameo Basado e Casos e codcoes de cerdumbre. Desde la perspecva del efoue basado e casos los problemas de decsó se descrbe de la forma sguee: los casos e la base se compoe de u cojuo de rasgos predcores de la forma (valor, cerdumbre) y u rasgo objevo de la forma (valor, cerdumbre), dode los valores so dscreos y de cardaldad fa. U uevo problema se descrbe e érmos de los valores ue oma los rasgos predcores e la ueva suacó dode el agee ee ue omar la decsó y el ssema debe ser capaz de ferr ué decsó debe omar a parr de la expereca acumulada e la base de casos. Luego el modelo a desarrollar ee ue:. Dar ua vía para calcular la cerdumbre presee e los casos almaceados e la base de casos (pues usualmee la base de casos se crea a parr de fuees dode o esá explícamee regsrados los valores de cerdumbre). Es decr debemos ecorar para cada valor x (O ) dado al rasgo predcor ( =,) e el caso O ( =,m) ua medda ξ (O ) y para cada decsó y j (O ) dado al rasgo objevo j (j =,p) e el caso O ( =,m), ua medda ν j (O ), ambas meddas deoa las cerdumbres de dchos valores. 2. Desarrollar u procedmeo de recuperacó para la seleccó de los casos más semejaes al uevo problema a parr de las descrpcoes plaeadas e el caso y la suacó dode el agee debe omar la ueva decsó, cosderado ue e la descrpcó de ambas suacoes hay cerdumbre. 3. Desarrollar u proceso de adapacó ue a parr de las decsoes omadas e los casos recuperados y la cerdumbre asocada deerme cuál debe ser la decsó a omar y co ué cerdumbre se oma Esrucura Geeral del Modelo Desarrollado El cálculo de la cerdumbre asocada al valor de cada rasgo se calcula a parr de dos magudes. La prmera de ellas ee e cuea la formacó almaceada e la base de casos y represea la cerdumbre de ue u rasgo ome u valor dado de su domo coocédose la decsó omada. La seguda magud represea la cerdumbre del valor coocda su fuee de obecó (exaca, creros de experos, srumeos de medcó) y por ao puede varar de uo a oro caso. Ambas magudes so calculadas como probabldades y se les deoma Prmera y Seguda Probabldad respecvamee (para abrevar P y P 2 ). 08
7 La probabldad P se calcula usado el árbol de decsó ue descrbe la eraccó ere los valores de las varables predcoras y objevos. Para la cosruccó del árbol se calcula los veles de asocacó de las varables predcoras respeco a las varables objevos, usado el esadísco Ch Cuadrado (Valve ad Oomme, 992). De esa forma e el árbol sólo esará presees auellos rasgos cuyo vel de asocacó esé por ecma de u valor predefdo por el expero. El reso de los rasgos se cosdera o asocados y para ellos la probabldad P de u valor se calcula como su frecueca de aparcó e la base. La creacó del árbol perme smplfcar el proceso de seleccó de los casos más semejaes, pues perme o eer ue cosderar odos los casos e el proceso de recuperacó. Por ora pare los veles de asocacó calculados perme realzar la asgacó de los pesos o su modfcacó, e caso de ue los pesos haya sdo prevamee asgados. Ua vez calculadas ambas probabldades para calcular la cerdumbre oal ξ (O ) de los rasgos predcores y la cerdumbre oal υ j (O ), se comba ésas a ravés de ua co--orma g. Para el uevo caso esa cerdumbre se calcula eedo e cuea sólo P 2. g = g (P, P 2 ) (7) Ua vez calculada la cerdumbre de odos los valores para los rasgos predcores y objevos y la cerdumbre de los valores del uevo caso, se procede a realzar los procesos de razoameo (recuperacó y adapacó). El procedmeo de recuperacó se basa e ua fucó de semejaza la cual compara la descrpcó del uevo problema O 0 co las descrpcoes de los casos O almaceados e la base, cosderado la mporaca de cada rasgo o peso p, los valores de las comparacoes del rasgo, δ y las cerdumbres de los valores comparados. β(o 0, O ) = f ( p δ (O 0, O )) (8), δ ' = f 2 (δ, ξ (O 0 ), ξ (O )) (9) Ua vez seleccoados los casos más semejaes es posble ue esos propoga decsoes dferees por lo ue se hace ecesaro deermar cuál de las decsoes debe omarse. Esa eleccó se realza eedo e cuea el grado de semejaza calculado e el procedmeo aeror y a la cerdumbre de la decsó de los casos recuperados. µ(β(o 0, O ), υ j (O )) (0) Esa fucó dode la smlud (uldad) de cada esado, se comba co las cerdumbres (probabldades) de las decsoes os da la uldad esperada de cada caso. Luego por el prcpo de máxma uldad esperada, para omar ua decsó omamos el caso ue haga máxma la fórmula aeror Modelo Maemáco para la Deermacó de la Cerdumbre Ese modelo esá efocado a la exseca de ua sola decsó y, auue pudera ser exeddo al caso e ue exsa múlples decsoes Fudameos Maemácos para la Cosruccó del Arbol de Decsó Sea y la decsó (rasgo objevo), la cual oma valores e cojuo: {y,..., y,..., y θ } dode θ es la cardaldad del cojuo de valores ue oma dcho rasgo objevo. Sea x ( =,) el cojuo de rasgos predcores, los cuales oma los valores e los cojuos {x,..., x p,..., x η } dode η es la cardaldad del cojuo de valores ue oma el rasgo predcor x. 09
8 Para cada varable predcora x deermamos la abla de cogeca ue la relacoa co la varable objevo y de la sguee forma: Tabla 2. Tabla de cogeca ue relacoa las varables x y y. x Y... Y... Y θ y X O... O... O θ θ j= O... j x p... O p O p O pθ... θ j= O... pj x η O η... O η... O η θ θ j= O ηj η O k... η O k η O kθ k= k= k= dode: O p (x ) es el úmero de casos ue oma smuláeamee los valores x p y Y, p =,η, =,θ. Segú (Valve ad Oomme, 992) los valores O p (x ) ue se muesra e la Tabla 2, cosuye las frecuecas observadas. S embargo, de acuerdo a las reglas de probabldad esas frecuecas debía ser: ue so las llamadas frecuecas esperadas o eórcas. E p η θ Ok(x ). k= j= O pj (x ) (x ) = () Esas frecuecas esperadas debe ser comparadas co las frecuecas observadas O p (x ) e la Tabla 2. Las dferecas O p (x ) - E p (x ) se llama resduales, se eleva al cuadrado para evar la compesacó de dferecas posvas egavas y se dvde por las frecuecas esperadas E p (x ) para esablecer magudes relavas. Resula e el esadísco: η θ p= = 2 x (x ) = (O p (x ) E E p p (x ) (x )) 2 (2) S la hpóess fudameal de depedeca es cera, ese esadísco ee dsrbucó aproxmadamee gual a la Ch-cuadrado,co grados de lberad deermado por el produco (C-)*(R-), dode C y R so el úmero de flas y columas de la Tabla 2. La prueba Ch-cuadrado ee realmee muchas lmacoes y los prcpales deracores llega cluso a decr ue el úco caso e ue puede ser aplcado co fabldad, es el caso de las ablas 2*2. Ua de las prcpales lmacoes es ue sumsra muy poca formacó sobre la forma y sobre la esrechez de la asocacó ere las varables. Por ello juo co el Ch-cuadrado o e su lugar se ulza esadíscos o pruebas ue habla de la forma o foraleza del elace como es el caso del esadísco coocdo como V de Cramer, ue se ulza para deermar el grado de asocacó. 0
9 2 x (x) V(x) = (k ) (3) dode k = m(o de flas, o de columas). Cuao mayor sea el valor de V, mayor será el grado de asocacó. S el valor V(x ) α (vel prefjado de aemao) la asocacó es cosderada. El mejor predcor es auel ue ega el mayor valor de V(x ) Algormo para la Cosruccó del Arbol de Decsó Para cosrur el árbol de decsó se hace uso de las sguees defcoes esablecdas e la eoría de los Cojuos Rugosos Defcoes Defcó de cojuo cocepo asocado a ua decsó: Es el cojuo de casos ue ee el msmo valor para dcha decsó. { O : y(o ) } Y = = (4) y Defcó de Relacó de Idcerbldad I: Es u relacó de euvaleca respeco a deermados rasgos defda sobre el cojuo de casos. Defcó de cojuo dscerble relavo a I asocado a u caso I (O ): Es el cojuo formado por los casos ue esá relacoados co O respeco a la relacó de dscerbldad I. A parr de esas defcoes se esablece ua medda ue asga u vel de cerdumbre a la decsó a ravés de la sguee fórmula: Esa eoría ee las sguees desveajas: Y I(O ) µ (O ) = (5) y I(O ). No esablece ua jeraruía ere los valores de los arbuos para cosderar la relacó de dscerbldad. 2. Deerma la cerdumbre asocada a la decsó, s cosderar la cerdumbre ue puede esar presee e los valores de los rasgos. Para dar solucó a esos problemas propoemos el sguee algormo para crear u árbol. Medae el msmo se parcoa la base de casos de acuerdo a las relacoes de dscerbldad ue se esablece co las varables más predcoras. Esas relacoes se esablece e cada vel del árbol y a su vez cosuye la base para el cálculo de la cerdumbre e los msmos. Se esablece la sguee defcó: Defcó de cojuo cocepo asocado a u valor de u rasgo: Es el cojuo de casos ue ee el msmo valor para dcho rasgo. (6) p { O :x(o ) } xp X = =
10 Algormo Sea K el cojuo de rasgos predcores x ales ue V(x ) α. { x : V(x } K = ) α (7) AD: Suar e la raíz de cada árbol uo de los cojuos cocepos asocados a la decsó. AD2: K = K. AD3: Elegr e el cojuo K el rasgo predcor ue esá más asocado co los valores del rasgo objevo y y expadr la raíz de cada árbol por los cojuos dscerbles asocados al cojuo cocepo ue se ecuera e la raíz y a cada uo de los cojuos cocepos asocados al rasgo predcor elegdo. AD4: Elmar el rasgo seleccoado de K. AD5: Reper meras K [ φ. a) Dero del cojuo K elegr el cojuo de los rasgos predcores ue esé más asocados co el rasgo predcor ue se ecuera e las hojas. Reducr K a ese cojuo. b) S K = φ ermar. E caso coraro elegr dero de K el rasgo predcor más asocado co el rasgo predcor ue se ecuera e las hojas (deermado el grado de asocacó como se mosró aerormee) y expadr cada hoja del árbol por el cojuo dscerble asocado a los cojuos cocepos ue se ecuera e la rama correspodee y a cada uo de los cojuos cocepos asocados al rasgo predcor seleccoado. c) Elmar el rasgo seleccoado de K. Cosderacoes: ) La raíz se ecuera e el vel l = 0. ) S e el vel l = l aparece el rasgo x, eoces e ese vel el úmero de odos será c η dode c es la cadad de odos del vel aeror y η es la cardaldad del cojuo de valores ue oma dcho rasgo. ) S el valor x p del rasgo x aparece e la rama b, aparecerá uevamee e las ramas b + jη, j =, c -. v) Cada rama coduce a u odo dode se ecuera el cojuo dscerble correspodee a odos los cojuos cocepos asocados a los valores ue esá e dcha rama. Ese odo se deoa por Ilb dode dca ue es u odo del árbol e cuya raíz esá el cojuo cocepo Y, l es el vel del árbol dode se ecuera y b es la rama. (Como u msmo valor de u rasgo ue se ecuere e los veles ermedos, aparece e varas ramas, para deoarlo se cosdera ue b es la prmera rama e la ue aparece). E parcular para el cojuo cocepo Y ue se ecuera e la raíz el cojuo I 0 dscerble asocado se deoa como. v) A los cojuos dscerbles ue se ecuera e el úlmo vel del árbol se les deoma hojas. v) El úmero de hojas del árbol y por ao el úmero de ramas será gual al produco de las cardaldades de cada uo de los rasgos ue aparece e el árbol de decsó. v) La uó de los cojuos dscerbles ue se ecuera e cada vel cosuye el cojuo de odos los casos ue se ecuera e la raíz y su erseccó es vacía Cálculo de la Cerdumbre Prmera Probabldad. Algormo PP: Probabldad asocada a los valores de los rasgos ue o aparece e el árbol de decsó. 2
11 S el rasgo x K c P ( x (O ) x ) xp = p (8) = PP2: Probabldad asocada a los valores de los rasgos ue aparece e el árbol de decsó. S el rasgo x K Para =,θ S el valor x p del rasgo x aparece e el vel l, e la rama b, del árbol asocado a Y eoces O I lb PP3: Probabldad asocada a los valores de la decsó Para =,θ I lb I lb Ilb P ( x( O ) = xp ) = I (9) b l η O Y S O sedo u cojuo dscerble ue se ecuera e las hojas del árbol correspodee P I = θ j c U I x K lb ( y (O ) y ) = P(x (O ) = x ) lb j= j (20) Seguda Probabldad. Algormo SP: Para odo x Para odo O hacer ) S el valor x j de la varable x (O ) es omado de ua fuee e la cual o hay movos para o cofar: ( x (O ) = x ) P (2) 2 j = ) S el valor x j de la varable x (O ) es omado a parr del crero de varos experos eoces: ( x (O ) = x ) r= r r= a ( x ) P = (22) dode: a, a 2,...,a, so los experos ue esá asgado el valor del rasgo x del caso O. a r (x k ) deoa la respuesa del expero r sobre ese valor. 2 j c c r r j 3
12 c r es el grado de compevdad del expero. cuado el valor se afrma a r (x k ) = (23) 0 cuado el valor se ega S el valor x j de la varable x (O ) es omado a parr de u srumeo de medcó. P 2 (x (O ) = x j ) = P (24) dode P es la cerdumbre asocada al srumeo de medcó ulzado ue se deerma a parr de (Fgueroa, 994) y cosuye ua probabldad. SP2: Para odo O hacer S y (O ) = y k P 2 ( y (O ) y ) = P 2 ( x (O ) = x ) j = k = (25) Para el uevo problema ambé se calcula el valor de la seguda probabldad asocada a sus rasgos predcores sguedo el paso SP del algormo aeror. Para ese caso e parcular, dcha probabldad será cosderada ua medda de cerdumbre. O sea ξ (O 0 ) = P 2 (x (O 0 )) Cálculo de la Cerdumbre Toal de los Rasgos Predcores y Objevos Por úlmo calculamos la cerdumbre oal de cada valor del rasgo predcor x y del rasgo objevo y para cada caso usado ua de las fucoes de combacó ue ha sdo ulzadas e la leraura para propagar cerdumbre y ue se cooce como co- ormas arumedeaas por ejemplo: g(x,y) =x + y xy (26) g(x,y) = x + y + xy (27) ere oras. Esas fucoes de combacó cumple las sguees propedades:. S 0 < x,y < eoces 0 < g(x,y) < 2. g(x,y) = g(y,x) 3. g(x,g(y,z)) = g(g(x,y),z) 4. g(x,0) = x 5. S x y eoces g(x,z) g(y,z) 6. g(x,) = Esa úlma propedad resula mporae ya ue garaza la segurdad absolua cuado cualuera de las dos probabldades asgadas es. De esa forma deoamos por: a la cerdumbre del valor del rasgo x para el caso O y por ξ (O ) = g(p,p 2 ) (28) 4
13 a la cerdumbre del valor del rasgo objevo y para el caso O Trasformacó de la Fucó de Semejaza e el Módulo de Recuperacó υ (O ) = g(p,p 2 ) (29) Se corpora los valores de la cerdumbre a la fucó (2) obeédose la sguee fucó de semejaza: dode: : úmero de rasgos predcores. P ' : peso o relevaca del rasgo. (,O ) = ' δ = ( O,O ) β O = (30) 0 p ' p ' 0 ξ(o0 ) + ξ(o ) ' δ s ( ξ(o0 ) ξ(o )) ε δ (O0,O ) = 2 (3) 0 e.o.c Como se puede observar e la fórmula aeror s para el problema o para el caso co ue esamos comparado, el valor del rasgo ue se esá cosderado esá por debajo de u umbral predeermado, dcho rasgo o se oma e cosderacó ya ue esaríamos comparado valores cuyo vel de cerdumbre esá por debajo de lo permsble. S prevo a la deermacó de la cerdumbre, el expero había asgado u peso p a los valores de los rasgos x eoces: p ' p + = m = ξ (O ) + V(x ) m 3 (32) E caso coraro p ' = m = ξ (O ) + V(x ) m 2 (33) Para aplcar la ueva fucó de semejaza se cosdera sólo el cojuo de casos correspodees a la uó de los cojuos ue se ecuera e las hojas de cada árbol dode sería ubcado el caso segú los rasgos predcores cosderados, depedeemee de los valores del rasgo objevo Deermacó de la Decsó E uesro caso la adapacó se efecúa deermado el caso de mayor uldad esperada. Eso se realza a ravés de la fórmula: µ (O ) = γβ(o 0,O ) + ( - γ) υ (O ) (34) dode γ es u parámero ue se seleccoa segú el crero del expero. A medda ue α ede a sgfca ue se le esá dado mayor mporaca a la semejaza ue a la cerdumbre de la solucó. 5
14 4. UN EJEMPLO DE APLICACION La Tabla 3 muesra u ejemplo de ua base de casos. Auí los rasgos predcores so: Coraccó Muscular, Dolor de Cabeza, y Temperaura y el rasgo objevo (la decsó) es Degue. Tabla 3. Tabla de decsó ue represea ua base de casos. Caso x x 2 x 3 y Co. Muscular Dolor de Cabeza Temp Degue O No No Normal No O 2 S No Ala No O 3 S No Normal No O 4 S S Ala S O 5 No S Normal No O 6 No S Ala S O 7 No No Normal No O 8 S S Ala No O 9 S No Ala S O 0 No No Normal S 4.. Cosruccó de Arbol de Decsó a parr de los Nveles de Sgfcacó de las Varables Predcoras Tabla 4. Tabla de cogeca ue relacoa x co y. Tabla 5. Tabla de cogeca ue relacoa x 2 co y. x y No S x 2 y No S No S Tabla 6. Tabla de cogeca ue relacoa x 3 co y. No S Tabla 7. Esadíscos. x 3 y No S Ala Normal X 2 V X 0 0 X X E ese caso como esamos e preseca de ua base de casos muy peueña por ser u ejemplo rreal, omaremos α = 0. para cosrur el árbol de decsó. Luego los rasgos más asocados so el rasgo x 3 co 0.40, le sgue el rasgo x 2 co 0.8 y por úlmo el rasgo x ee valor 0 luego o se cosdera asocado. El algormo para la cosruccó de los árboles de decsó muesra los sguees resulados: 6
15 {O, O 2, O 3, O 5, O 7, O 8 } Ala x 3 Normal {O 2,O 8 } {O,O 3,O 5,O 7 } No x 2 S No x 2 S {O 2 } {O 8 } {O,O 3,O 7 } {O 5 } Fgura. Arbol de decsó asocado al valor de la decsó y. {O 4,O 6,O 9,O 0 } Ala x 3 Normal {O 4,O 6,O 9 } {O 0 } No x 2 S No x 2 S {O 9 } {O 4,O 6 } {O 0 } { } Fgura 2. Arbol de decsó asocado al valor de la decsó y Deermacó de la Prmera Probabldad Tabla 8. Caso X Co Muscular P X 2 Dolor de Cabeza P X 3 Febre P Y Degue O No 0.5 No 0.75 Normal 0.60 No 0.30 O 2 S 0.5 No 0.50 Ala 0.30 No 0.25 O 3 S 0.5 No 0.75 Normal 0.60 No 0.30 O 4 S 0.5 S 0.60 Ala 0.75 S 0.30 O 5 No 0.5 S 0.25 Normal 0.60 No 0.50 O 6 No 0.5 S 0.60 Ala 0.75 S 0.30 O 7 No 0.5 No 0.75 Normal 0.60 No 0.30 O 8 S 0.5 S 0.50 Ala 0.30 No 0.0 O 9 S 0.5 No 0.30 Ala 0.75 S 0.25 O 0 No 0.5 No Normal 0.25 S 0.0 P 4.3. Deermacó de la Seguda Probabldad Para uesro ejemplo supogamos ue el rasgo (Coraccó Muscular) oma sus valores a crero de experos; el rasgo 2 (Dolor de Cabeza) oma sus valores de forma exaca y el rasgo 3 (Febre) oma sus valores a parr de u srumeo de medcó. Para el rasgo x, segú (22): Supogamos ue exse res experos a, a 2, a 3 co grado de expercdad c = 0.8, c 2 = 0.9, c 3 = 0.8 respecvamee. Los resulados de sus voacoes se muesra e la Tabla 9. 7
16 Tabla 9. Resulados de las voacoes de los experos. Asgacó de valores Experos Para el rasgo x 3, segú (24): x (O ) = No a, a 3 x (O 2 ) = S a 2, a 3 x (O 3 ) = S a, a 2, a 3 x (O 4 ) = S a, a 3 x (O 5 ) = No a, a 2, a 3 x (O 6 ) = No a, a 2, a 3 x (O 7 ) = No a, a 2, a 3 x (O 8 ) = S a, a 2, a 3 x (O 9 ) = S a, a 2, a 3 x (O 0 ) = No a, a 2, a 3 Supogamos ue e los casos O y O 8 la emperaura se mde co u ermómero cuya cerdumbre es y e los resaes casos co u ermómero cuya cerdumbre es 0.8. Caso Tabla 0. Seguda probabldad asocada a los valores de los rasgos predcores y objevos. x Co Muscular P 2 x 2 Dolor de Cabeza P 2 x 3 Febre P 2 y Degue O No 0.64 No Normal No 0.8 O 2 S 0.68 No Ala 0.8 No 0.83 O 3 S No Normal 0.8 No 0.93 O 4 S 0.64 S Ala 0.8 S 0.8 O 5 No S Normal 0.8 No 0.93 O 6 No S Ala 0.8 S 0.93 O 7 No S Normal 0.8 No 0.93 O 8 S S Ala No.00 O 9 S No Ala 0.8 S 0.93 O 0 No S Normal 0.8 S Cálculo de la Cerdumbre Toal La Tabla muesra los resulados: Tabla. Cerdumbres asocadas a los valores de los rasgos predcores y objevos. P 2 Caso x Co Muscular ξ (O ) x 2 Dolor de Cabeza ξ 2(O ) x 3 Febre ξ 3 (O ) y Degue O No 0.82 No Normal No 0.86 O 2 S 0.84 No Ala 0.86 No 0.88 O 3 S No Normal 0.92 No 0.96 O 4 S 0.82 S Ala 0.95 S 0.86 O 5 No S Normal 0.92 No 0.97 O 6 No S Ala 0.95 S 0.96 O 7 No S Normal 0.92 No 0.96 O 8 S S Ala No.00 O 9 S No Ala 0.95 S 0.95 O 0 No S Normal 0.85 S 0.93 υ (O ) 8
17 4.5. Recuperacó de Casos Semejaes Cosderemos el sguee problema: Tabla 2. Valores co sus cerdumbres asocadas para el problema a resolver. Nuevo caso x Dolor Muscular ξ (O ) x 2 Dolor de Cabeza ξ 2 (O ) x 3 Febre ξ 3 (O ) O 0 S 0.82 S Ala 0.8 Para deermar los casos más semejaes omamos e cosderacó los casos correspodees a la hoja 2 de cada árbol. Luego cosderaremos los casos O 4, O 6 y O 8 aplcar la fucó de semejaza co el uevo caso. Así se reduce osesblemee el úmero de comparacoes ue eemos ue realzar. E ese caso los pesos se deerma usado la fórmula (33) obeédose p = 0.64, p 2 = 0.72, p 3 = 0.77 y ε = 0.8 y la fucó de comparacó (4) para odos los rasgos. De esa forma a parr de (30) y (3) se obee los sguees resulados: β(o 0,O 4 ) = 0.82 β(o 0,O 6 ) = 0.64 β(o 0,O 8 ) = 0.93 Los casos más semejaes so O 4 y O 8 ue como puede aprecarse ee los msmos valores para los rasgos predcores y valores dferees para el rasgo objevo. Esa suacó se deoma cosseca y es ua de las problemácas acuales de los Ssemas Basados e el Coocmeo. E u ssema radcoal la fucó de semejaza hubese dado el msmo valor s embargo auí las dferecas se esablece co el maejo de la cerdumbre Creacó de la Solucó Para seleccoar el caso ópmo ere los casos recuperados y resolver el problema de la cosseca, omemos, γ = 0.5 e la fórmula (34) eoces ueda: µ (O 4 ) = 0.84 µ (O 8 ) = 0.96 Evdeemee el caso ópmo para adapar es el caso O 8 luego la solucó al uevo caso es No. La corporacó de ese uevo a la base hace ue sea ecesaro recalcular las cerdumbres, de la forma aalzada auí. 5. CONCLUSIONES E ese arículo se ha abordado la problemáca de la oma de decsoes co maejo de la cerdumbre e u Ssema Basado e Casos desde la perspecva de la eoría probablsa y usado las defcoes fudameales relacoadas co la eoría de los cojuos rugosos. Las deas plaeadas perme la asgacó de u valor de cerdumbre a los valores de los rasgos predcores y objevos e ua base de casos. El modelo plaeado, hace ue se reduzca osesblemee el úmero de comparacoes e el proceso de recuperacó y ue se facle de forma sgfcava el proceso de adapacó. El Ssema Compuacoal (TREEDATA) (Tellería y Guérrez 200) ue mplemea el modelo ha sdo usado exosamee e areas de dagósco. Los reuermeos mímos para el uso de dcho ssema so los sguees: Procesador 386 co 6 Mb de memora RAM y.5 Mb de espaco lbre e dsco duro. Se ecesa además ue esé salados los objeos ADO y OLEDB de Mcrosof. 9
18 REFERENCIAS AAMODT, A. ad E. PLAZA (996): "CBR: foudaoal ssues, mehodologcal varaos ad sysems approach, AI Comucaos, 7(). AITHOFF, K.D. (996): Ireca-A seamless egrao of duco ad CBR for decso suppor asks. Ceer for learg sysems ad applcaos, Dep of Compuer Scece, Uversy of Kaserslae, Germay. ALMOAYYEL, A. (997): "A Mul-level dexg scheme for rerevg cases of mulple pos of vew", Mahemacs ad Compuer Scece, Dep, Kuwa Uversy, Kuwa. BALDWIN, J.F. ad R. RIBLIRO (994): "Fuzzy reasog by call for decso suppor sysems", I. Joural of uceray, fuzzess ad Kowledge-based sysems, 2(), -24. BARR, D.S ad G. MANI (994): "Usg eural es o maage vesmes", AI Exper. BONNISONE, P.P ad P.M. TONG (985): "Reasog wh uceray Exper Sysems", I. Joural Ma Mache Sudes, 22, BORTOLAN, G. ad R. DEGANI (988): "Lgusc approxmao of fuzzy ceray facors compuerzed elecrocardography", I Fuzzy compug, MM Gupa ad T. Yama Kawa (EAS), Elsever Scece Publsher. BUCHANAN, B.G. ad R.O. DUDA (983): "Prcples of rule-based exper sysems", Advaces Compuers, 22, New-York Academc Press. BOSC, P. ad H. PRADE (993): A roduco o fuzzy se ad possbly heory based approaches o he reame of uceray ad mprecso daabase maageme sysems. Proc of secod workshop uceray maageme formao sysem: from eeds o soluos, Calfora. COHEN, M. ad D.L. HUDSON (988): "The use of fuzzy varables medcal decso makg", I Fuzzy Compug, Ed. MM Gupa y T.Yamakawa, Elsever Scece Publshers. DUBOIS, D.; L. GODO; H. PRADE ad A. ZAPICO (998): Makg decso a ualave seg: from decso uder uceray o case-based decso. I A. G. Coh, L. Schuber, ad S.C. Shapro, edors, KR 98: Prcples of Kowledge Represeao ad Reasog, pp Morga Kaufma, Sa Fracsco, Calfora. FIGUEROA, J.M. (994): Guía BIP/ISO para la expresó de la cerdumbre e las medcoes. Cero Nacoal de Merología. Méxco. KLIR, G.J. ad B. YUAN (995a): "Fuzzy Ses ad fuzzy logc", Theory ad applcaos, Prece Hall. KLIR, G.J. (995b): "Prcples of uceray: Wha are hey? Why do we eed hem?", Fuzzy ses ad sysems 74, 5-3. KLIR G.J.ad M.J. WIERMAN (998): "Uceray-based formao", Physca-Verlag, 68. KOLODNER, J. (99): "Improvg huma decso makg hrough case-based decso adg", AI Magaze, 2(2), S2-68. (992): "A Iroduco o CBR", AI revew 6, (993): Case-Based Reasog, Ed Morga Kaufma. Sa Maeo CA. KUNCHER, K. ad F. STEIMANN (999): "Fuzzy dagoss", Arfcal Iellgece Medce 6,
19 MARIIEL, F. WATSON (994): "CBR A caegorzed bblography", The Kowledge Egeerg Revew 9(3). MATHUR, K. ad D. SOLOW (996): Operao research: bascs coceps decso aalyss, Prece Hall. NEUFELD, E. (997): "Drecos uceray reasog", The Kowledge Egeerg revew, 2:4, ORLOWSKA, E. (998): "Icomplee Iformao: rough se aalyss", Physcs Verlag. PAWLAK, Z. (982): "Rough ses", I. J. Compuer ad Iformao SCI., (995a): "Vagueess ad uceray: a rough se perspecve", Compuaoal Iellgece, (2). (995b): "Rough ses", Comm of ACM, 38(). RUSSELL, S. ad P. NORVING (996): AI: a moder Approach, Prece Hall. SHAPIRO, C. ad J. WILEY (990): Ecyclopeda of A, I. SHI-QUAN, C. (988): "Fuzzy euvalece ad mulobjeve decso makg", I Fuzzy Compug, Ed.MM Gupa y T. Yamakawa, Elsever Scece Publshers. SKAPURA, R.M. (996): "Buldg eural eworks". ACM Press, Addso Wesley Publshg, 286. STAEL, C. (973): "A uoral decso aalyss", Thrd research coferece o subjecve probably, uly ad decso makg. 7-9 sep. SHAFER, G.A. (976): Mahemacal Theory of Evdece. Prceo Uversy Press. Prceo, New Jersey. TELLERIA, A. e I. GUTIERREZ (200): "Usado la Teoría de las Probabldades para el Cálculo de la Cerdumbre e u Ssema Basado e Casos". Tess e opcó al íulo de Maser e Ceca de la Compuacó. Uversdad Ceral de Las Vllas. VALIVETI, R.S. ad B.I. OOMMEN (992): "O usg he Ch-Suared merc for deermg sochasc depedece", Paer Recogo 5(), ZADEH, L.A. (978): "Fuzzy ses as a bass for he heory of possbly", Fuzzy Ses ad Sysems,,
Figura 1. Figura 2. Para realizar este análisis asumiremos las siguientes condiciones:
Coverdor PUH PU El coverdor Push Pull es u coverdor que hace uso de u rasformador para eer aslameo ere la esó de erada y la esó de salda. Posee además ua ducaca magezae propa del rasformador que como al
Más detallesREVISTA INVESTIGACION OPERACIONAL Vol. 22, No. 2, 2001
REVISA INVESIGACION OPERACIONAL Vol., No., SOLUCIONES A DIFERENES PROBLEMAS DENRO DEL CAMPO DE LA COMUNICACION ESADISICA J. Navarro Moreo, J.C. Ruz Mola y R.M. Ferádez Alcalá, Deparameo de Esadísca e Ivesgacó
Más detallesVOLUMEN IV CAPITULO 3 METODOLOGÍA PARA LA ACTULIZACIÓN DE LAS CURVA DE COSTOS ÓPTIMOS DE RACIONAMIENTO DE ELECTRICIDAD Y GAS NATURAL
ESTUDO DE OSTOS DE RAONAMENTO DE ELETRDAD Y GAS NATURAL Volume V apulo 3 forme Fal Revsó. VOLUMEN V APTULO 3 METODOLOGÍA PARA LA ATULZAÓN DE LAS URVA DE OSTOS ÓPTMOS DE RAONAMENTO DE ELETRDAD Y GAS NATURAL
Más detallesTaller de Preparación para el examen Models Life Contingencies (MLC) de la SOA.
Taller de Preparacó para el eame Models Lfe Cogeces MLC de la SO. Trdad Gozález Bolla El presee es u forme del rabajo desarrollado durae el aller de preparacó para el eame MLC de SO ue uo lugar e la Faculad
Más detallesVARIABLE 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 detalles1.1.- Concepto Definición de cono Definición de función homogénea Interpretación económica de la función homogénea
Fucoes homogéeas FUNCIONES HOMOGÉNEAS (ESQUEMA).- Cocepo y propedades...- Cocepo Defcó de coo Defcó de fucó homogéea Ierpreacó ecoómca de la fucó homogéea..- Propedades (Operacoes co fucoes homogéeas)
Más detallesTEMA 5: CAPITALIZACIÓN COMPUESTA ÍNDICE
Maemácas Faceras Prof. Mª Mercedes Rojas de Graca TEMA 5: APITALIZAIÓN OMPUESTA ÍNDIE. APITALIZAIÓN OMPUESTA..... ONEPTO..... DESRIPIÓN DE LA OPERAIÓN....3. ARATERÍSTIAS DE LA OPERAIÓN....4. DESARROLLO
Más detallesÁlgebra Manuel Hervás Curso
Álgebra Mauel Hervás Curso 0-0 FORMAS LINEALES Defcó Sea E u espaco vecoral sobre referdo a ua base B e e e,,, Se deoma Forma Leal sobre a la aplcacó leal f : E al que x E f ( x) b De modo que elegdo u
Más detallesReglas para el manejo de los índices de deuda de la BNV. Bolsa Nacional de Valores Version 4.4 13/07/2005
Reglas para el maejo de los ídces de deuda de la BV Bolsa acoal de Valores Verso 4.4 3/07/005 ága de 6 COTEIDO ITRODUCCIÓ... 4. erspecva geeral... 4 MAEJO DE LOS ÍDICES... 6. Comé de Ídces de íulos de
Más detallesIntroducción a la Estadística Descriptiva
Iroduccó a la Esadísca Descrpva ª Edcó Carla Re Graña María Raml Díaz ITRODUCCIÓ A LA ESTADÍSTICA DESCRIPTIVA. ª Edcó o esá permda la reproduccó oal o parcal de ese lbro, su raameo formáco, la rasmsódeguaformaoporcualquermedo,aseaelecróco,mecáco,porfoocopa,por
Más detallesUna Estrategia de Acumulación de Reservas Mediante Opciones de Venta de Dólares. El Caso de Banco de México
Ua Esraega de Acumulacó de Reservas Medae Opcoes de Vea de Dólares. El Caso de Baco de Méxco INDICE I. REUMEN... II. INTRODUCCIÓN...3 III. IV. OPCIONE DE VENTA DE DÓLARE...4 III.. PRINCIPALE CARACTERÍTICA...4
Más detallesestimación de la estructura de Tasas nominales de chile: aplicación del modelo dinámico nelson-siegel
Volume 4 - º / dcembre 0 estmacó de la estructura de Tasas omales de chle: aplcacó del modelo dámco elso-segel Rodrgo Alaro A. * Sebasá Becerra C. ** Adrés Sager T. *** I. IroduccIó La esmacó de la esrucura
Más detallesMODELOS 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 detallesRESUMEN. Códigos de campo JEL: F0 C6 SUMMARY
RESUMEN El ema raado e ese rabao se emarca dero del esquema de Cueas Saéle del Tursmo. Maemácamee se desarrolla u ssema de ecuacoes e dferecas. Se pare de la ecuacó macroecoómca fudameal e equlbro para
Más detallesPRONÓSTICOS. Tema Nº 2 FACILITADOR LIC. ESP. MIGUEL OLIVEROS
UNIVERSIDAD DE LOS ANDES FACULTAD DE CIENCIAS ECONÓMICAS Y SOCIALES ESCUELA DE ADMINISTRACIÓN Y CONTADURÍA PUBLICA DEPARTAMENTO DE CIENCIAS ADMINISTRATIVAS ADMINISTRACIÓN DE LA PRODUCCIÓN Y LAS OPERACIONES
Más detalles1. Una empresa estudia la evolución de los precios en euros de tres componentes (A, B, C) para una pieza en los últimos 5 años.
Ejerccos Resuelos Números Ídces Faculad Cecas Ecoómcas y Emresarales Dearameo de Ecoomía Alcada Profesor: Saago de la Fuee Ferádez 1. Ua emresa esuda la evolucó de los recos e euros de res comoees (A,
Más detallesLos 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 detallesUNIDAD 7.- Matrices (tema 1 del libro) = MATRICES
UNIDD.- Marces (ema del lbro). MTRICES Ua mar se puede eeder como ua abla de úmeros ordeados e flas columas Defcó.- Se llama mar de dmesó m a u cojuo de úmeros reales dspuesos e m flas columas de la sguee
Más detallesGestión 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 detallesMatemáticas 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 detallesSistemas Productivos
Ssemas Producvos º Elemeos de dseño del proceso producvo A la hora de dseñar ua udad producva, hay que realzar ua sere de decsoes esraégcas que cluye ecesaramee:. Localzacó de la plaa: lugar dode físcamee
Más detalles{ a 1, a 2,..., a } n. Cualquier vector n
Deparameo de Aálss Ecoómco UNIVERSIDAD DE ZARAGOZA Tema 3: Formas cuadrácas reales Para odo el ema, se cosdera e R u ssema de refereca (o base) dado { a 1, a 2,..., a }. Cualquer vecor x R se escrbe de
Más detallesEstadística de Precios de Suelo
Esadísca de Precos de Suelo Meodología Subdreccón General de Esadíscas Madrd, febrero de 2012 Índce 1 Inroduccón 2 Objevos 3 Ámbos de la esadísca 3.1 Ámbo poblaconal 3.2 Ámbo geográfco 3.3 Ámbo emporal
Más detallesUn generador matricial de claves frente a Blum Blum Shub.
U geerador marcal de claves free a lum lum Sub. Rafael Álvarez, Joa-Josep Clme, eadro Torosa 3 y oo Zamora 4 Deparame de Cèca de la Compuacó Iel lgèca rfcal. Uversa d'laca, Campus de Sa Vce, p.correus
Más detallesMÉTODOS 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 detallesINTRODUCCIÓN 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 detallesCurso 2006/07. Tema 9: Modelos con retardos distribuidos (I) 9.1. Análisis de los efectos dinámicos en un modelo con retardos distribuidos
Curso 26/7 Economería II Tema 9: Modelos con reardos dsrbudos (I) 1. Análss de los efecos dnámcos en un modelo de reardos dsrbudos 2. La dsrbucón de reardos Tema 9 1 9.1. Análss de los efecos dnámcos en
Más detallesUna 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 detallesEstadística de Precios de Vivienda
Esadísca de recos de Vvenda Meodología Subdreccón General de Esadíscas Madrd, febrero de 2012 Índce 1 Inroduccón 2 Objevos 3 Ámbos de la esadísca 3.1 Ámbo poblaconal 3.2 Ámbo geográfco 3.3 Ámbo emporal
Más detallesModelación hidrológica empleando isoyetas de relieve, una aproximación geoestadística
lmae Varably ad hage Hydrologcal Impacs Proceedgs of he Ffh FRIND World oferece held a Havaa uba November 006 IAHS Publ. 308 006. 6 odelacó hdrológca empleado soyeas de releve ua aproxmacó geoesadísca
Más detallesTema 5. DIAGONALIZACIÓN DE MATRICES
José Maía Maíe Mediao Tema DGONLZCÓN DE MTRCES oducció Poecia de ua mai Sea Supogamos que se desea calcula : 7 7 8 8 Deemia ua egla paa o esula imediao Compobemos, aes de segui adelae, que MDM, siedo M
Más detallesIntroducción a la Teoría de Inventarios
Clase # 4 Las organzacones esán consanemene vendo como camba el nvel de sus nvenaros en el empo. Inroduccón a la Teoría de Invenaros El ener un nvel bajo de nvenaros mplca resgos para no sasacer la demanda
Más detallesMETODOLOGÍA ÍNDICE DE DISTRIBUCIÓN DE ENERGÍA ELÉCTRICA, GAS POR CAÑERÍA Y AGUA POTABLE (IDEGA) (Preliminar)
MEODOLOGÍA ÍNDCE DE DSBUCÓN DE ENEGÍA ELÉCCA, GAS PO CAÑEÍA Y AGUA POABLE (DEGA) (Prelar) SUBDECCÓN ÉCNCA SUBDECCÓN DE OPEACONES Saago, 26 de Dcebre de 2007 CHDA/GGM/GMA/VM ÍNDCE. roduccó...3 2. Marco
Más detallesV 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 detalles4.4. La ciudad circular El Modelo de Salop
4.4. La cudad crcular El Malde Machado Ecoomía Idusral - Malde Machado La Cudad Crcular El modelo de Salop 4.4. La cudad crcular El E el modelo de Hoellg habamos supueso que solo hay dos empresas. Ahora
Más detallesMetodología Índice de Precios de Edificaciones Nuevas
Meodología Ídce de recos de Edfcacoes Nuevas COLECCIÓN DOCUMENTOS - ACTUALIZACIÓN 29 Núm. 66 DEARTAMENTO ADMINISTRATIVO NACIONAL DE ESTADÍSTICA HÉCTOR MALDONADO GÓMEZ Drecor CARLOS EDUARDO SEÚLVEDA RICO
Más detallesTEMA 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 detallesTEMA 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 detallesRecuperación de la Información
ssema de recuperacón de nformacón Recuperacón de la Informacón consula documenos mach Documenos Concepos Báscos relevane? ssema de recuperacón de nformacón palabras clave ndexado Las palabras clave (keywords)
Más detallesAños I0 t (base 1992 = 100)
Esadísca y Meodología de la vesgacó Dada cualquer varable de la que coocemos los valores referdos a dsos perodos emporales, eedemos por úmero ídce de esa varable e dchos perodos el resulado de dvdr los
Más detalles+12V +12V +12V 2K 15V. Problema 2: Determinar el punto de funcionamiento del transistor MOSFET del siguiente circuito: I(mA) D
PROBEMAS E IRUITOS ON TRANSISTORES Problema : eermnar los punos de funconameno de los dsposvos semconducores de los sguenes crcuos: +2V +2V +2V β= β= K β= β= (a) (b) (c) (d) Problema 2: eermnar el puno
Más detallesEl signo negativo indica que la fem inducida es una E que se opone al cambio de la corriente.
AUTO-INDUCTANCIA: Una bobna puede nducr una fem en s msma.s la correne de una bobna camba, el flujo a ravés de ella, debdo a la correne, ambén se modfca. Así como resulado del cambo de la correne de la
Más detallesIntroducción a la Econometría Curso 2009/ Serie de Problemas 21
Iroduccó a la Ecoomería Curso 9/78 Sere de Problemas. Supoga que u vesgador dspoe de ua muesra de grupos (clases) de educacó prmara y ulza daos del úmero de alumos e cada clase (CS) y de la oa meda obeda
Más detallesMETODOLOGÍA ÍNDICE DE DISTRIBUCIÓN DE ENERGÍA ELÉCTRICA, GAS POR CAÑERÍA Y AGUA POTABLE (IDEGA) (Preeliminar)
MEODOLOGÍA ÍNDCE DE DSBUCÓN DE ENEGÍA ELÉCCA, GAS PO CAÑEÍA Y AGUA POABLE (DEGA) (Preelmar) SUBDECCÓN ÉCNCA SUBDECCÓN DE OPEACONES Saago, 26 de Dcembre de 2007 CHDA/GGM/GMA/VM ÍNDCE Págas. roduccó 3 2.
Más detallesPLAN DE TRABAJO 11 Período 23/10/06 al 3/11/06. Durante estas dos semanas estudiarás los modelos de regresiones lineales.
Pla de Trabajo 0- Año 006 Curso Lbre Assdo de Esadísca II Docees resposables: Lercy Barros - María Sague PLAN DE TRABAJO Período 3/0/06 al 3//06 TEMAS A ESTUDIAR Durae esas dos semaas esudarás los modelos
Más detallesFUNCIONES EXPONENCIALES
1 FUNCIONES EXPONENCIALES Las fucioes epoeciales iee muchas aplicacioes, e especial ellas describe el crecimieo de muchas caidades de la vida real. Defiició.-La fució co domiio odos los reales y defiida
Más detallesMétodos Actuariales de Primas de Fianzas
Méodos Acuaales de mas de Fazas o Ac. edo Agula Belá * pagula@csf.gob.mx Resume: La faza ee macadas dfeecas co las opeacoes de seguos. Los pocedmeos acuaales paa el cálculo de pmas de seguos, esula muy
Más detalles7. Contrastes de Hipótesis
7. Corases de póess Curso - Esadísca Corase de póess Se ha realzado ua ecuesa a 4 persoas elegdas al azar Llamado p a la proporcó de voaes del pardo políco A. Podemos afrmar que p >.5. p? Resulado Ecuesa
Más detalles6. 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 detallesTomando como nivel de energía cero el nivel fundamental. Dada la diferencia de energía entre los niveles en la mayoría de los casos
Capíulo. La fucó d pacó ) Spaacó d la fucó d pacó S ha dmosado aom - / k [.] La ía dl l s ual a: k [.] + + + [.] + S los ados d lbad o accoa [.4] - / k - / k... [.5] ) Fucó d pacó lcóca omado como l d
Más detallesCRÉDITO AGRICOLA. Consideraciones del producto:
Versón: CA-5.04. CRÉDITO AGRICOLA Consderacones del produco: Son crédos que se oorgan para fnancameno de acvdades agropecuaras y se basan en la capacdad de pago de los clenes y su hsoral credco. Se conceden
Más detallesTabla de Contenidos. 1 Conceptos básicos sobre regresión y correlación... 1. 2 Caracterización de rodales... 22
Tala de Coedo Preeacó... Cocepo áco ore regreó correlacó.... Supueo áco de regreó.... Lo upueo de regreó e Dedromería... 6. Emacó de lo parámero del modelo de regreó leal mple... 7.. El méodo de mímo cuadrado
Más detallesTrabajos. Temario. Tema 6. El diodo. Tema 6: El diodo. Tema 6. El diodo. Introducción. Objetivos:
emaro rabajos. odo 7. El rassor. Magesmo 9. duccó elecromagéca. rcuos de corree alera. Odas elecromagécas. lcacoes ócas odo. odo Zeer. odo LE 3. Foododo. odo úel 5. odo Schoky El rassor. El JFE, fudameos
Más detalles-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 detallesINSTITUTO NACIONAL DE PESCA
INSTITUTO NACIONAL DE PESCA Dirección General de Invesigación Pesquera en el Pacífico Nore Subdirección de Tecnología en el Pacífico Nore. Indicadores económico-financieros para la capura de camarón y
Más detallesCRÉDITO PESCA. Consideraciones del producto:
CRÉDITO PESCA Consderacones del produco: Los crédos se oorgan para el fnancameno de las acvdades de pesca: comerco, exraccón y/o ndusralzacón. Se basan en la capacdad de pago de los clenes y su hsoral
Más detallesTEMA 3: EQUIVALENCIA FINANCIERA DE CAPITALES
Maemácas Faceras Prof. Mª Mercees Rojas e Graca TEMA 3: EQUIVALENIA FINANIERA DE APITALE ÍNDIE. PRINIPIO DE EQUIVALENIA DE APITALE: ONEPTO. APLIAIONE DEL PRINIPIO DE EQUIVALENIA: UTITUIÓN DE APITALE....
Más detalles(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 detallesPuedes Desarrollar Tu Inteligencia
Puedes desarrollar tu Inteligencia (Actividad-Opción A) Puedes Desarrollar Tu Inteligencia Una nueva investigación demuestra que el cerebro puede desarrollarse como un músculo Muchas personas piensan que
Más detallesTema 8B El análisis fundamental y la valoración de títulos
PARTE III: Decisioes fiacieras y mercado de capiales Tema 8B El aálisis fudameal y la valoració de íulos 8B.1 Iroducció. 8B.2 El aálisis fudameal y la valoració de íulos. 8B.3 Modelos para la valoració
Más detallesENCUESTA DE SALARIOS AGRARIOS METODOLOGÍA
SECRETARÍA GENERAL TÉCNICA MINISTERIO DE AGRICULTURA, ALIMENTACIÓN Y MEDIO AMBIENTE SUBDIRECCIÓN GENERAL DE ESTADÍSTICA ENCUESTA DE SALARIOS AGRARIOS METODOLOGÍA INTRODUCCIÓN: La Ecuesa de Salaros Agraros
Más detalles9. CIRCUITOS DE SEGUNDO ORDEN LC Y RLC
9. IUITOS DE SEGUNDO ODEN Y 9.. INTODUIÓN En el capíulo aneror mos como los crcuos ressos con capacancas o los crcuos ressos con nducancas enen arables que son calculadas medane ecuacones dferencales de
Más detallesÍndices de precios y Preferencias Reveladas. Microeconomía Douglas C. Ramírez V.
Índces de precos y referencas Reveladas Mcroeconomía Douglas C. Ramírez V. LOS ÍNDICES Los números índces o índces son un nsrumeno esadísco muy úl y de uso muy exenddo. G.R. Carl. En Iala, en 1764 realzó
Más detallesDEFINICIÓN DE INDICADORES
DEFINICIÓN DE INDICADORES ÍNDICE 1. Notacón básca... 3 2. Indcadores de ntegracón: comerco total de benes... 4 2.1. Grado de apertura... 4 2.2. Grado de conexón... 4 2.3. Grado de conexón total... 5 2.4.
Más detallesSupongamos que hemos aplicado el test F y hemos rechazado la H0.
Comparacó de medas tomadas de a pares CONDICION Meda s --------- ---------- ------ ---------- 0.00 3.0000 0.00 3.73 3 97.00 3.0000 4 93.00.44 TOTAL 98.73.6036 Supogamos que hemos aplcado el test F y hemos
Más detallesINTEGRAL 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 detalles2. 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 detalles1.1 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 detallesAnálisis de supervivencia. Albert Sorribas Grup de Bioestadística I Biomatemàtica Departament de Ciències Mèdiques Bàsiques Universitat de Lleida
Análss de supervvenca Alber Sorrbas Grup de Boesadísca I Bomaemàca Deparamen de Cènces Mèdques Bàsques Unversa de Lleda Esquema general Inroduccón al análss de supervvenca Tpos de esudos El concepo de
Más detallesRespuesta. 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 detallesELABORACIÓN DE UN ÍNDICE COMPUESTO CAPÍTULO = X
5 CAPÍTULO ELABORACIÓN DE UN ÍNDICE COMPUESTO Ls Ídces Cmpuess, expresa de maera resumda la varacó prmed de u cju de varables respec de u períd base. Csderems u Agregad Cmplej "X", csud pr las varables
Más detalles3 Aplicaciones de primer orden
CAÍTULO 3 Aplicaciones de primer orden 3.2. Modelo logísico El modelo de Malhus iene muchas limiaciones. or ejemplo, predice que una población crecerá exponencialmene con el iempo, que no ocurre en la
Más detallesRENTABILIDAD 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 detallesESTRUCTURA 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 detalles6.2.- 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 detallesPARA COMERCIANTES Y AUTÓNOMOS. INFORMACIÓN SOBRE TARJETAS DE CRÉDITO.
PARA COMERCIANTES Y AUTÓNOMOS. INFORMACIÓN SOBRE TARJETAS DE CRÉDITO. QUÉ DEBES SABER CUANDO ACEPTAS UNA TARJETA COMO FORMA DE PAGO EN TU ESTABLECIMIENTO? Hace ya muchos años que la mayoría de las microempresas
Más detalles1.1 MEDIA Y VARIANZA. Demostración: NOTAS: 1 n
. TORÍA ASINTÓTICA Jore duardo Orz Trvño rofesor Asocado eparameo de Ieería de Ssemas e Idusral Uversdad Nacoal de Colomba jeorz@ual.edu.co (a) Se euca (s demosracó) varos resulados mporaes de esadísca.
Más detallesMEDIDAS 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 detallesUNA 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 detallesCAPÍTULO 3 MARCO TEÓRICO. A lo largo de este capítulo se explican los conceptos básicos que se debieron tener y
Capíulo 3 Marco eórico CAPÍTULO 3 MARCO TEÓRICO A lo largo de ese capíulo se explica los cocepos básicos que se debiero eer y cosiderar para la elaboració de la clasificació de maerias primas, los modelos
Más detallesACTIVIDADES UNIDAD 7: Funciones elementales
ACTIVIDADES UNIDAD 7: Funciones elemenales 1. La facura del gas de una familia, en sepiembre, fue de 4,8 euros por 1 m 3, y en ocubre, de 43,81 por 4 m 3. a) Escribe la función que da el impore de la facura
Más detallesRecuerda lo fundamental
3 Progresioes Recuerda lo fudametal Curso:... Fecha:... PROGRESIONES SUCESIONES Ua sucesió es u cojuto de...... Se llama térmio geeral de ua sucesió a... Por ejemplo, e la sucesió 1, 4, 9, 16, 5, el térmio
Más detallesA25. Informática aplicada a la gestión Curso 2005/2006 Excel Tema 7. Funciones avanzadas de Excel II
DEPARTAMENTO DE LENGUAJES Y SISTEMAS INFORMÁTICOS ESCUELA SUPERIOR DE TECNOLOGÍA Y CIENCIAS EXPERIMENTALES A.D.E.M. Segundo Curso A25. Informática aplicada a la gestión Curso 2005/2006 Excel Tema 7. Funciones
Más detallesEl plan de clase sobre el efecto invernadero y el sistema climático global
Para los docentes El plan de clase sobre el efecto invernadero y el sistema climático global El siguiente plan de clase se diseñó para ser usado con la sección de Cambio Climático del sitio web La evidencia
Más detallesParametric linear programming for a materials requirement planning problem solution with uncertainty. Introducción. Introduction
NGENERÍA E NVESTGACÓN VOL. 3 No. 3, DECEMBER 21 (96-15) E español Uso de la programacó leal paramérca e la solucó de u problema de plaeacó de requermeo de maerales bao codcoes de cerdumbre Mar Darío Arago
Más detallesMACROECONOMÍA II Licenciatura en Administración y Dirección de Empresas Marzo 2004
MACROECONOMÍA II Licenciatura en Administración y Dirección de Empresas Marzo 2004 EL TIO DE CAMBIO REAL El tipo de cambio nominal expresa el precio de una moneda en términos de otra. or ejemplo, el tipo
Más detallesCapital Humano. Aprovechamiento del capital humano de España en el contexto internacional. núm. Diciembre 2007
Capital Humano Diciembre 2007 84 núm. Aprovechamiento del capital humano de en el contexto internacional INSTITUTO VALENCIANO DE INVESTIGACIONES ECONÓMICAS www.ivie.es www.bancaja.es EN ESTE NÚMERO Capital
Más detallesTEMA 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 detallesANÁLISIS 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 detallesFunciones exponenciales y logarítmicas
89566 _ 0363-00.qd 7/6/08 09:30 Página 363 Funciones eponenciales y logarímicas INTRODUCCIÓN En esa unidad se esudian dos funciones que se aplican a numerosas siuaciones coidianas y, sobre odo, a fenómenos
Más detallesANÁLISIS DE LAS CAUSAS DEL FRACASO ESCOLAR Y DESARROLLO DE ACCIONES DE MEJORA
ANÁLISIS DE LAS CAUSAS DEL FRACASO ESCOLAR Y DESARROLLO DE ACCIONES DE MEJORA Mª Ángeles Martín (1), Gloria Arranz (1), Manuel A. González (1), Ricardo Páramo (1), Esperanza Alarcia (2), Mª Luisa Fernandoz
Más detallesCapítulo 3. Consideraciones sobre métodos numéricos
3.. Iroduccó 5 Capíulo 3. Cosderacoes sobre méodos umércos 3.. Iroduccó E ese capíulo se presea la eoría y alguos cocepos sobre los que se susea los esquemas umércos de ala resolucó. Su aplcacó a las ecuacoes
Más detallesMatemáticas I - 1 o BACHILLERATO Binomio de Newton
Matemáticas I - o Bachillerato Matemáticas I - o BACHILLERATO El biomio de Newto es ua fórmula que se utiliza para hacer el desarrollo de la potecia de u biomio elevado a ua potecia cualquiera de expoete
Más detallesModelo para diseñar sistemas de enseñanza aprendizaje inteligentes utilizando el razonamiento basado en casos
Modelo para dseñar ssemas de eseñaza apredzaje elgees ulzado el razoameo basado e casos Model o desg ellge eachg learg sysems usg he case based reasog Naala Maríez Sáchez. Dra, María Malde García Lorezo.
Más detallesJuegos 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 detallesINGENIERÍA DE CONFIABILIDAD.. PORQUE UNA DE LAS FORMAS MÁS IMPORTANTES DE AGREGAR VALOR, ES EVITAR QUE SE DESTRUYA
Lecura 6 PRONÓSTICOS EN ACTIVOS REPARABLES INGENIERÍA DE CONFIABILIDAD.. PORQUE UNA DE LAS FORMAS MÁS IMPORTANTES DE AGREGAR VALOR, ES EVITAR QUE SE DESTRUYA Medardo Yañez Yañez Meda, Medardo - Gómez de
Más detallesTema 5: Sistemas Monetarios Internacionales
Introducción: Tema 5: Sistemas Monetarios Internacionales Analizaremos economías que están formadas por varios países y monedas. Se estudiarán los determinantes de los tipos de cambio entre monedas. Determinaremos
Más detallesI N D I C E 1 INTRODUCCIÓN... 5 2 ANTECEDENTES... 6
I N D I C E 1 INTRODUCCIÓN... 5 2 ANTECEDENTES... 6 3 CARACTERÍSTICAS DEL NUEVO SISTEMA DE INDICES DE PRECIOS AL CONSUMIDOR...8 3.1 POBLACIÓN DE REFERENCIA...8 3.2 COBERTURA GEOGRÁFICA DEL SISTEMA DE INDICES
Más detallesVida media residual de mixturas finitas y aplicaciones a sistemas coherentes
Vda meda resdual de mxuras fas y aplcacoes a ssemas coherees Vda meda resdual de mxuras fas y aplcacoes a ssemas coherees Navarro Camacho, Jorge jorgeav@umes Deparameo de Esadísca e Ivesgacó Operava Uversdad
Más detalles8. Resultados de la simulación
8. Resultados de la simulación 8.1. Sin almacenamiento en baterías La primera parte de la simulación de la instalación en HOMER se ha realizado sin la existencia de baterías. Figura 44: Esquema general
Más detalles