GENERACIÓN DE SECUENCIAS BINARIAS PSEUDO ALEATORIAS POR MEDIO DE UN MAPA CAÓTICO 3D. C.M. González, H. A. Larrondo, C. A. Gayoso, L. J.

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

Download "GENERACIÓN DE SECUENCIAS BINARIAS PSEUDO ALEATORIAS POR MEDIO DE UN MAPA CAÓTICO 3D. C.M. González, H. A. Larrondo, C. A. Gayoso, L. J."

Transcripción

1 GENERACIÓN DE SECUENCIAS BINARIAS PSEUDO ALEATORIAS POR MEDIO DE UN MAPA CAÓTICO 3D. C.M. Gozález, H. A. Larrodo, C. A. Gayoso, L. J. Aroe Facultad de Igeería. Uversdad Nacoal de Mar del Plata Argeta Jua B. Justo 430. C. P Mar del Plata Argeta ABSTRACT Ths paper deals wth both the theoretcal ad practcal realzato of a pseudo-radom umber geerator based o a dscrete 3D verso of a Lorez chaotc attractor. The practcal realzato s made o a medum sze FPGA. Ma dffereces wth other schemes already preseted the ope lterature are: a) a 3D map s used stead of a D map; b) oly the least sgfcat byte of oe of the state varables s used to geerate the prmary sequece; c) Ths sequece s perodcally perturbed usg aother state varable to elarge the perod of the pseudo-radom sequece. d) Istead of the floatg pot umbers requred by cotuous-value cphers, atural umbers are used here to smplfy the hardware. A comparso wth stadard umber geerators as well as the evaluato usg stadard statstcal tests ad hardware smulatos, are also cluded. RESUMEN Este trabajo preseta el desarrollo teórco y ua mplemetacó práctca de u geerador de úmeros pseudo aleatoros basado e ua versó dscreta del sstema dámco 3D de Lorez. La realzacó práctca se mplemeta e ua FPGA de tamaño medo. Las prcpales dferecas co otros esquemas presetados so las sguetes: a) se utlza u mapa 3D e lugar de mapas D; b) se utlza sólo el byte meos sgfcatvo de ua de las varables de estado del sstema para geerar la secueca prmara; c) esta secueca es peródcamete perturbada usado otra de las varables de estado del sstema para aumetar el período de repetcó de la secueca pseudo aleatora. d) E lugar de utlzar úmeros e puto flotate, como lo requerría los sstemas de ecrptado cotuos, se utlza úmeros eteros, smplfcado el hardware ecesaro. Se cluye la comparacó co geeradores stadard, los resultados de pruebas estadístcas báscas y la smulacó temporal del hardware dseñado..

2 GENERACIÓN DE SECUENCIAS BINARIAS PSEUDO ALEATORIAS POR MEDIO DE UN MAPA CAÓTICO 3D. C.M. Gozález, H. A. Larrodo, C. A. Gayoso, L. J. Aroe Facultad de Igeería. Uversdad Nacoal de Mar del Plata Argeta Jua B. Justo 430. C. P Mar del Plata Argeta La geeracó de secuecas aleatoras sempre ha atraído mucho la atecó debdo a que los úmeros aleatoros juega u rol muy mportate e muchas áreas del coocmeto tales como Igeería, Ecoomía, Físca, Estadístca, etc. E partcular so muy utlzados e smulacoes, método de Mote Carlo, crptografía y telecomucacoes. Toda secueca producda por ua máqua de estados ftos o puede ser realmete aleatora, debdo a que so determístcas por aturaleza y su salda es predecble. Por lo tato, por estos medos, se geera secuecas pseudo aleatoras co u período fto, pero s ese período es sufcetemete largo la pseudo aleatoredad es sufcete para muchas de estas aplcacoes[][]. E este trabajo se preseta u método de geeracó de secuecas baras pseudo aleatoras por medo de la dscretzacó de u sstema caótco 3D, e partcular se utlza la porcó meos sgfcatva de las varables de estado como fuete de pseudo aleatoredad. El sstema se mplemeta e u dspostvo lógco programable de tamaño medo. La estructura de este trabajo es la sguete: e la seccó se cluye la dscretzacó del sstema dámco de Lorez para obteer el mapa 3D, la modfcacó para poder mplemetarlo e artmétca etera y el método perturbatvo empleado para alargar el período de la secueca pseudo aleatora geerada. E el puto 3 se efectúa el aálss estadístco de las secuecas baras pseudo aleatoras geeradas y se compara los resultados co los obtedos co otros sstemas coocdos. E el puto 4 se desarrolla la mplemetacó físca empleado el dspostvo lógco programable EPF0K0TC44-3 de Altera.. GENERACIÓN DE SECUENCIAS CAÓTICAS El sstema dámco que se utlzó como puto de partda es u sstema de Lorez goberado por las sguetes ecuacoes dferecales: dx δ ( x y) dt dy xz Γx y, () dt dz xy bz dt dode δ, Γ y b so los parámetros de cotrol. El sstema cotuo se coverte e u sstema dscreto trdmesoal (mapa 3D) utlzado la aproxmacó de Euler de prmer orde. El resultado es: ~ x ~ y ~ z ~ x k δ ~ y k ~ z k [ ( ~ x ~ y )] [ ~ x ~ z Γ~ x ~ y ] [ ~ x ~ y bz ~ ], () dode k es el parámetro de escala de tempo. Para reducr el hardware ecesaro el sstema trabaja co artmétca etera bara, y para smplfcar las dvsoes ecesaras (se hará desplazado bts) se utlza múltplos del tpo. Para ello se efectúa las sguetes trasformacoes de polarzacó y cambo de escala: x ( ~ x B) S y ( ~ y B) S, (3) z ( ~ z B) S

3 dode B y S so respectvamete los parámetros de polarzacó y cambo de escala. El resultado fal es: x y z x kδ ( y x ) ( k) y ( kb kγ) k kbz x z S k x y S ( kb) z kb( x y ) x ( kbs kγbs kb S ) ( kb S kbbs ) Los parámetros adoptados e este trabajo so:,(4) Fgura. Vsta e 3D del atractor de Lorez k ; δ 8; Γ 4; b ; B 40; S 5 64 Estos valores se elgero para asegurar la establdad estructural del sstema (pequeñas modfcacoes de los parámetros o altera el comportameto cualtatvo del sstema), y para facltar la mplemetacó e artmétca bara etera. Reemplazado e (4) resulta: x y z y x x 8 8 y z z y x 64 8 x z z z x 3 x y ( x y ) ( x y ) 8,(5) Nótese que todas las operacoes volucradas e (5) so sumas, restas y dvsoes por potecas de dos, y solamete se utlza dos multplcadores. La fgura es ua vsta 3D de la trayectora del sstema co codcoes cales x , y 0 35 y z Puede verse la típca marposa de Lorez. La fgura també revela que el rago de las varables de estado es [0,6x0 4 ] y por lo tato se ecesta al meos 7 bts para represetarlas. [3][4][5]. Debdo al úmero fto de dígtos utlzados para represetar las varables de estado y al efecto de trucado producdo por la dvsó bara, es evtable que exsta u período de repetcó de la secueca. Por lo tato el mapa (5) o es caótco so pseudo caótco. Icremetado e (4) el factor de escala S es posble cremetar el período de repetcó debdo a que el efecto del trucado dsmuye. Los expermetos umércos realzados mostraro que el máxmo período de repetcó que podía obteerse por este método es Para muchas aplcacoes este período puede o ser sufcetemete largo. E ese caso se lo puede aumetar cosderablemete aplcado pequeñas perturbacoes a algua de las varables de estado. E la fgura se muestra ua posble estratega de perturbacoes e la que se modfca la varable cada N cclos de reloj. S se utlzara ua perturbacó de valor fjo (por ejemplo sumar a u valor costate) la perodcdad o se altería e forma sgfcatva. E cambo s la perturbacó es pseudo aleatora como se muestra e la Fgura el período se extede cosderablemete. El método cosste e realzar ua OR exclusva (OR) etre el byte meos sgfcatvo de x (x [7..0]) y el byte meos sgfcatvo de y (y [7..0]). obteédose el byte meos sgfcatvo de x. El byte más sgfcatvo de x cocde co el de x. La varable se evía a la etrada del sstema de Lorez. La secueca pseudo aleatora fal empleada toma sólo el bt meos sgfcatvo de la varable geerada.

4 Fgura. Dagrama e bloques del geerador co perturbacoes peródcas. 3. GENERADOR DE SECUENCIAS DE BITS PSEUDO ALEATORIAS. E las fguras 3a y 3b puede verse que las dstrbucoes de prmer y segudo orde del byte meos sgfcatvo de la señal x so cualtatvamete uformes. Por otro lado la trasformada rápda de Fourer, del byte meos sgfcatvo de x (fgura Fgura 3. b) Trayectora 3D. Fgura 3. a) Trayectora D para C [7..0] (byte meos sgfcatvo de ). 4) muestra que el espectro es smlar al del rudo. Este comportameto justfca la eleccó realzada e el dseño pero sólo aporta ua vsó cualtatva. Para determar las característcas de la secueca geerada y poder compararla co la de otros geeradores se realzaro cco pruebas estadístcas báscas, comúmete utlzadas (estas pruebas so codcoes ecesaras pero o sufcetes para demostrar que ua secueca luzca aleatora) [6][7][8]. Las pruebas se efectuaro sobre ua secueca de bts de logtud 65536: s s 0, s, s,..., s -.. Se realzaro cco pruebas báscas.

5 4 ( ) (7) ( 0 ) que sgue aproxmadamete ua dstrbucó χ co dos grados de lbertad. El resultado obtedo es: , 0 645, 0 646, 630, 0 389, 377, Tomado α 0,05 y ν S < A(ν,α ) 5.995, etoces se acepta la hpótess. Fgura 4. Trasformada rápda de Fourer (FFT) de C evaluada sobre muestras. 3.. Prueba de frecueca Esta prueba determa s el de 0 s ( 0 ) es aproxmadamete gual al de s ( ), como debería esperarse s la secueca fuera aleatora. Se calcula: ( 0 ) (6) que respode aproxmadamete a ua dstrbucó χ co u grado de lbertad. Los resultados obtedos so: 0 389, 377, Tomado α 0,05 (vel de sgfcaca) y ν (grados de lbertad) S < A(ν,α ) ( dstrbucó χ ), etoces se acepta la hpótess 3.. Prueba sere El propósto de esta prueba es determar s es aproxmadamete gual el úmero de ocurrecas sucesvas de las secuecas 00, 0, 0,, como debería esperarse s la secueca fuera aleatora. Defmos 00 ( de ocurrecas de la combacó 00), 0 ( de ocurrecas de la combacó 0), 0 ( de ocurrecas de la combacó 0), ( de ocurrecas de la combacó ), o y como e el caso ateror. Debdo a que se permte el solapameto de las combacoes, Se evalúa: 3.3. Prueba del Poker E esta prueba se separa la secueca de bts e grupos de m bts s solapameto (Ej. s m3 [s0 s s] [s3 s4 s5]...). La secueca se dvde e k cojutos de m bts. Luego se computa el de ocurrecas de cada ua de las m posbles combacoes, deomádose, para m. Esta prueba determa s las secuecas de logtud m aparece aproxmadamete el msmo úmero de veces, como debería esperarse s la secueca fuera aleatora. Se computa la sguete expresó: m m 3 k k (8) que sgue aproxmadamete ua dstrbucó χ co m - grados de lbertad. Se tomó el bt meos sgfcatvo (65536) y para el caso m8 (por lo tato k89) el resultado es: Tomado α 0,05 y ν 55 S 3 < A(ν,α ) , etoces se acepta la hpótess Prueba de rachas El propósto de esta prueba es determar s el úmero de rus (rachas de 0 s o de s) de logtud varable e la secueca s es el esperado para ua secueca aleatora. El úmero esperado de blocks de s (o gaps de 0 s) de logtud e ua secueca aleatora de logtud es: ( 3) e (9)

6 Sea k el mayor úmero etero tal que e 5 y sea B y G el úmero de blocks y de gaps respectvamete, de logtud co k. Se computa la expresó: 4 e ) e k k ( B ( G e ) e (0) que sgue aproxmadamete ua dstrbucó χ co k- grados de lbertad. E este caso k. Los resultados obtedos so: Tomado α 0,05 y ν 0 S 4 < A(ν,α ) 3.404, etoces se acepta la hpótess Autocorrelacó Cálculo de la autocorrelacó co desplazameto d Se calcula: d 0 A ( d) s s d () d ( A( d) ) d 5 () que sgue aproxmadamete ua dstrbucó ormal N(0,) Se tomó d y el resultado obtedo es: Tomado α 0,05 S 5 <.6449, etoces se acepta la hpótess. Para determar la caldad de los resultados obtedos se le realzaro las msmas cco pruebas a secuecas geeradas por tres geeradores pseudo aleatoros de ampla utlzacó: ) LFSR (Lear Feedback Shft Regster) de 34 bts. Este geerador se mplemeta e hardware y se utlza e comucacoes. ) LCG (Leal Cogruetal geerator). Algortmo determístco para ser utlzado e software, e partcular se utlzó el algortmo de Lehmer usado por la fucó rad() de Matlab ( Z 6807*Z - mod ) que geera úmeros etre (0,). Se lo covrtó a ua secueca de bts ( s Z > 0.5, 0 s Z < 0.5 ) ) Algortmo de Marsagla, determístco para ser utlzado e software. Z (*Z -4 49*Z *Z - 55*Z - c ) mod^3 c floor(z /^3). La secueca de bts se geeró de ua maera smlar al caso ateror. E la tabla I se resume los resultados obtedos, e todos los casos se utlzaro muestras de bts. Tabla I. Cco pruebas estadístcas báscas sobre muestras de logtud 64Kbts geeradas por dsttos geeradores de secuecas pseudo aleatoras.

7 De los cálculos realzados se desprede que la secueca evaluada cumple co las cco pruebas báscas realzadas, sedo sus resultados comparables, desde el puto de vsta de estas cco pruebas báscas, co los obtedos co los otros métodos. Se está realzado pruebas adcoales más exhaustvas para reafrmar la hpótess de pseudo aleatoredad de este geerador propuesto, que será comucadas e su mometo. 4. IMPLEMENTACIÓN EN DISPOSITIVOS LÓGICOS PROGRAMABLES El geerador fue mplemetado e el crcuto tegrado EPF0K0TC44-3 de Altera, utlzado el software de desarrollo Max-Plus II. La fgura 5 muestra la arqutectura del dseño realzado, como se ve sgue, e líeas geerales, el dagrama e bloques presetado e la fgura. La etrada deomada reloj, es el reloj prcpal del sstema, a esta señal se la dvde por cuatro y se obtee la frecueca de geeracó de cada estado. Las etradas que caracterza al sstema so: las codcoes cales ( x[6..0], y[6..0] y z[6..0] ) y la señal [3..0] que da el período de repetcó de la perturbacó realzada, por lo tato la llave o semlla del geerador está compuesta por u úmero de 65 bts. La salda se toma sobre el byte meos sgfcatvo de la señal x, xsal[7..0] o drectamete se utlza el bt meos sgfcatvo xsal[0]. El bloque deomado DIV_N tee la fucó de etregar u pulso, a la seleccó del multplexor BUSMU, cada N períodos de la señal de geeracó de estados (es decr cada 4N cclos del reloj prcpal). El multplexor mecoado rutea, la salda de OR (OR exclusva etre xsal[7..0] e ysal[7..0]) ua vez cada N estados, o xsal[7..0] drectamete el resto del tempo e la etrada del bloque lorez_p. El bloque lorez_p es el ecargado de realzar los cálculos ecesaros para satsfacer las ecuacoes del sstema, metras que el bloque REGIS5 realza el regstro y la realmetacó de los datos. Los bloques fuero dvdualmete mplemetados e leguaje VHDL, partcularmete e la mplemetacó de las ecuacoes del sstema se utlzaro los Módulos Parametrzados de Bbloteca sumstrados por el software Max-Plus II ( LPM s), ya que éstos se ecuetra optmzados e fucó del dspostvo utlzado. Las dos multplcacoes ecesaras se mplemetaro e u úco multplcador e forma secuecal, el resto de las ecuacoes fuero mplemetadas e paralelo, por lo tato la lmtacó e la máxma frecueca de trabajo será determada por el retardo de las dos multplcacoes. Esto se hzo de esta maera para que el sstema pueda ser mplemetado e el tegrado EPF0K0TC44-3 que es el que se dspoía, de hecho todo el sstema ocupó 676 celdas lógcas, es decr el 58 % del total de tegrado. Queda claro que s se utlzara u tegrado co más recursos lógcos se podría duplcar la frecueca de Fgura 5. Implemetacó co Dspostvos Lógcos Programables.

8 geeracó de estados, ya que se realzaría las multplcacoes e paralelo. Medate la smulacó temporal y el aálss de temporzacó que realza el software Max-Plus II se llegó a que la máxma frecueca de reloj del sstema es de 5.9MHz, por lo que la máxma frecueca de geeracó de estados sería de.475mhz. S se toma este dseño como prototpo y se realza el msmo sstema e u crcuto tegrado sem o full-custom se podría aumetar cosderablemete la frecueca de trabajo. 5. CONCLUSIONES. E este trabajo se presetó u geerador de secuecas baras pseudo aleatoras realzado e hardware, obtedo a partr de la dscretzacó de u sstema caótco del tpo de Lorez. Se parte de la base de que la porcó meos sgfcatva de dchas secuecas caótcas tee ua dstrbucó uforme y u espectro plao. De este modo utlzado el bt meos sgfcatvo se geera la secueca bara. Se realzaro pruebas báscas de aleatoredad, por lo que para las aplcacoes más geerales puede ser utlzado, s embargo para utlzarlo e aplcacoes más exgetes e dode la segurdad es crítca queda pedetes pruebas de aleatoredad que se está realzado actualmete. E cuato a su mplemetacó físca se realzó e u dspostvo lógco programable de medao tamaño, co ua velocdad de geeracó de.475 Mbts/s, pudédose lograr velocdades mucho mayores explotado el cálculo e paralelo de los mapas caótcos, utlzado crcutos tegrados sem y full-custom. Moder Commucato Systems. IEEE Trasacto o Crcuts ad Systems-I, vol. 48, N, 00. [4] M. Hasler. Sychrozato of Chaotc Systems ad Trasmsso of Iformato. Iteratoal Joural of Bfurcato ad Chaos, vol. 8, N 4, 998, pp [5] F. Dachselt, W. Schwarz. Chaos ad Cryptography. IEEE Trasacto o Crcuts ad Systems-I, vol. 48, N, 00. [6] A, Papouls. Probablty, Radom Varables, ad Stochastc Processes. Mc Graw-Hll, Ic.. Thrd Edto, 99. [7] A. Meezes, P. Va Oorschot, S. Vestoe. Hadbook of Appled Cryptography. CRC Press [8] U. Maurer. A Uversal Statstcal Test for Radom Bt Geerator. Joural of Cryptology, vol. 5, N, 99, pp AGRADECIMIENTOS Agradecemos el facameto de la Uversdad Nacoal de Mar del Plata, CONICET y ANPCyT.. Agradecemos los cometaros y sugerecas de Eduardo Boemo. 6. BIBLIOGRAFÍA. [] R. Berard, G. Cortelazzo. Tools for Desgg Chaotc Systems for Secure Radom Number Geerato. IEEE Trasacto o Crcuts ad Systems-I, vol. 48, N 48, May 00, pp [] T. Stojaovsk, L. Kocarev. Chaos-Based Radom Number Geerators-Part. I: Aalyss. IEEE Trasacto o Crcuts ad Systems-I, vol. 48, N 3, March 00, pp [3] L. Kocarev, G. Maggo, M. Ogorzalek, L. Pecora, K Yao. (eds). Specal ssue o Applcatos of Chaos

6. ESTIMACIÓN PUNTUAL

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

Más detalles

VARIABLE ALEATORIA Y FUNCIÓN DE DISTRIBUCIÓN

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

Más detalles

MODELOS DE REGRESIÓN LINEALES Y NO LINEALES: SU

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

Más detalles

GENERACION DE NUMEROS ALEATORIOS

GENERACION DE NUMEROS ALEATORIOS GENERACION DE NUMEROS ALEATORIOS U paso clave e smulacó es teer rutas que geere varables aleatoras co dstrbucoes especfcas: epoecal, ormal, etc. Esto es hecho e dos fases. La prmera cosste e geerar ua

Más detalles

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

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

Más detalles

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

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

Más detalles

Introducción a la simulación de sistemas discretos

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

Más detalles

Simulación de sistemas discretos

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

Más detalles

ANÁLISIS DE LA VARIANZA ANOVA COMPARACIONES MULTIPLES ENTRE MEDIAS MUESTRALES

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

Más detalles

PROBANDO GENERADORES DE NUMEROS ALEATORIOS

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

Más detalles

MÉTODOS ESTADÍSTICOS PARA EL CONTROL DE CALIDAD

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

Más detalles

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

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

Más detalles

V Muestreo Estratificado

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

Más detalles

Control estadístico de procesos. Control de procesos. Definición de proceso bajo control estadístico. Causas de la variabilidad en un proceso

Control estadístico de procesos. Control de procesos. Definición de proceso bajo control estadístico. Causas de la variabilidad en un proceso Cotrol de procesos Hstórcamete ha evolucoado e dos vertetes: Cotrol automátco de procesos (APC) empresas de produccó cotua (empresas químcas) Cotrol estadístco de procesos (SPC) e sstemas de produccó e

Más detalles

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

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

Más detalles

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

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

Más detalles

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

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

Más detalles

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

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

Más detalles

IV. GRÁFICOS DE CONTROL POR ATRIBUTOS

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

Más detalles

1.1 INTRODUCCION & NOTACION

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

Más detalles

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

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

Más detalles

CURSO BÁSICO DE ESTADÍSTICA DESCRIPTIVA

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

Más detalles

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

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

Más detalles

Introducción a la Transformada Wavelet DESCOMPOSICIÓN DE SEÑALES

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

Más detalles

EVALUACION DEL AHUELLAMIENTO CON EQUIPO DE ALTO RENDIMIENTO

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

Más detalles

ANÁLISIS DE DATOS CUALITATIVOS. José Vicéns Otero Eva Medina Moral

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

Más detalles

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

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

Más detalles

División de Evaluación Social de Inversiones

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

Más detalles

Una Propuesta de Presentación del Tema de Correlación Simple

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

Más detalles

ESTADÍSTICA DESCRIPTIVA

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

Más detalles

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

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

Más detalles

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

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

Más detalles

ESTRUCTURA Y TECNOLOGÍA A DE COMPUTADORES

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

Más detalles

PARTE 2 - ESTADISTICA. Parte 2 Estadística Descriptiva. 7. 1 Introducción

PARTE 2 - ESTADISTICA. Parte 2 Estadística Descriptiva. 7. 1 Introducción Parte Estadístca Descrptva Prof. María B. Ptarell PARTE - ESTADISTICA 7- Estadístca Descrptva 7. Itroduccó El campo de la estadístca tee que ver co la recoplacó, orgazacó, aálss y uso de datos para tomar

Más detalles

UNIVERSIDAD DE BUENOS AIRES

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

Más detalles

ESTIMADORES DE VARIANZA EN REGRESIÓN NO PARAMÉTRICA BASADOS EN SUCESIÓN DE DIFERENCIAS

ESTIMADORES DE VARIANZA EN REGRESIÓN NO PARAMÉTRICA BASADOS EN SUCESIÓN DE DIFERENCIAS 5 ESTIMADORES DE VARIANZA EN REGRESIÓN NO PARAMÉTRICA BASADOS EN SUCESIÓN DE DIFERENCIAS María C. Paz Sabogal Profesor Auxlar. Uversdad del Valle, Escuela de Igeería Idustral Estadístca, Cal. karo.paz@gmal.com

Más detalles

III. GRÁFICOS DE CONTROL POR VARIABLES (1)

III. GRÁFICOS DE CONTROL POR VARIABLES (1) III. Gráfcos de Cotrol por Varables () III. GRÁFICOS DE CONTROL POR VARIABLES () INTRODUCCIÓN E cualquer proceso productvo resulta coveete coocer e todo mometo hasta qué puto uestros productos cumple co

Más detalles

INTEGRAL DE LÍNEA EN EL CAMPO COMPLEJO

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

Más detalles

Introducción a la Programación Lineal

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

Más detalles

ANÁLISIS DE LA VARIANZA Es coocdo que ua varable aleatora Y se puede cosderar como suma de ua costate μ de ua varable aleatora ε, que represeta el error aleatoro: μ ε Este modelo se adapta be a datos de

Más detalles

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

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

Más detalles

INTRODUCCIÓN AL ANÁLISIS DE ENCUESTAS COMPLEJAS 1

INTRODUCCIÓN AL ANÁLISIS DE ENCUESTAS COMPLEJAS 1 63 ITRODUCCIÓ AL AÁLISIS DE ECUESTAS COMPLEJAS MARCELA PIZARRO BRIOES ISTITUTO ACIOAL DE ESTADÍSTICA (IE CHILE Para presetarse e el Taller Regoal del MECOVI: La Práctca del Muestreo para el Dseño de las

Más detalles

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

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

Más detalles

Resumen. Abstract. Palabras Claves: Algoritmos genéticos, cartera de acciones, optimización.

Resumen. Abstract. Palabras Claves: Algoritmos genéticos, cartera de acciones, optimización. Optmzacó de ua cartera de versoes utlzado algortmos geétcos María Graca Leó, Nelso Ruz, Ig. Fabrco Echeverría Isttuto de Cecas Matemátcas ICM Escuela Superor Poltécca del Ltoral Vía Permetral Km 30.5,

Más detalles

7.1. Muestreo aleatorio simple. 7.2 Muestreo aleatorio estratificado. 7.3 Muestreo aleatorio de conglomerados. 7.4 Estimación del tamaño poblacional.

7.1. Muestreo aleatorio simple. 7.2 Muestreo aleatorio estratificado. 7.3 Muestreo aleatorio de conglomerados. 7.4 Estimación del tamaño poblacional. 7 ELEMETOS DE MUESTREO COTEIDOS: OBJETIVOS: 7.. Muestreo aleatoro smple. 7. Muestreo aleatoro estratfcado. 7.3 Muestreo aleatoro de coglomerados. 7.4 Estmacó del tamaño poblacoal. Determar el dseño de

Más detalles

LÍNEA DE REGRESIÓN MÍNIMO CUADRÁTICA BASADA EN ERRORES RELATIVOS

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

Más detalles

Gestión de operaciones

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

Más detalles

REGRESIÓN NO LINEAL. Índice. 1. Cuándo existe regresión? Y = f X (figura 1d y 1e); es decir, los puntos del diagrama de dispersión

REGRESIÓN NO LINEAL. Índice. 1. Cuándo existe regresión? Y = f X (figura 1d y 1e); es decir, los puntos del diagrama de dispersión REGREIÓN NO LINEAL Ídce. CUÁNDO EXITE REGREIÓN?.... TIPO DE REGREIÓN... 3. REPREENTATIVIDAD DE LA CURVA DE REGREIÓN... 3 3.. Poder explcatvo del modelo... 3 3.. Poder explcatvo frete a poder predctvo...

Más detalles

-Métodos Estadísticos en Ciencias de la Vida

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

Más detalles

Guía para la Presentación de Resultados en Laboratorios Docentes

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

Más detalles

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

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

Más detalles

Técnicas básicas de calidad

Técnicas básicas de calidad Téccas báscas de caldad E esta udad aprederás a: Idetfcar las téccas báscas de caldad Aplcar las herrametas báscas de caldad Utlzar la tormeta de deas Crear dsttos tpos de dagramas Usar hstogramas y gráfcos

Más detalles

TEMA 11 OPERACIONES DE AMORTIZACION O PRESTAMO (II)

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

Más detalles

CÁLCULO FINANCIERO. Teoría, Ejercicios y Aplicaciones

CÁLCULO FINANCIERO. Teoría, Ejercicios y Aplicaciones 2 CÁLCULO FINANCIERO Teoría, Ejerccos y Aplcacoes 3 Uversdad de Bueos Ares Facultad de Cecas Ecoómcas Autores: Jua Ramó Garca Hervás Actuaro (UBA) Master e Ecoomía y Admstracó (ESEADE). Docete de Posgrado

Más detalles

Figura 1. Figura 2. Para realizar este análisis asumiremos las siguientes condiciones:

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 detalles

Tema 2: Modelos lineales de optimización con variables enteras.

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

Más detalles

NAVEGACIÓN DE ROBOTS MOVILES BASADA EN FUSIÓN DE SALIDAS DE DISTINTOS CONTROLADORES

NAVEGACIÓN DE ROBOTS MOVILES BASADA EN FUSIÓN DE SALIDAS DE DISTINTOS CONTROLADORES ,;5HXQLyQGH7UDEDMRHQ3URFHVDPLHQWRGHOD,QIRUPDFLyQ\&RQWURODOGHVHSWLHPEUHGH6DQWD)H NAVEGACIÓN DE ROBOS MOVILES BASADA EN FUSIÓN DE SALIDAS DE DISINOS CONROLADORES E. O. FREIRE,2,. F. BASOS-FILHO 2, M. SARCINELLI-FILHO

Más detalles

CURSO REDES ELECTRICAS II 1 CAPITULO 4

CURSO REDES ELECTRICAS II 1 CAPITULO 4 CURSO REDES ELECTRICAS II FLUJO DE CARGAS. Itroduccó: CAPITULO 4 Los estudos de cargas tee ua eorme mportaca e la plafcacó de las amplacoes de u sstema de eergía, así como e la determacó del fucoameto

Más detalles

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

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

Más detalles

Análisis estadístico de datos muestrales

Análisis estadístico de datos muestrales Aálss estadístco de datos muestrales M. e A. Víctor D. Plla Morá Facultad de Igeería, UNAM Resume Represetacó de los datos de ua muestra: tablas de frecuecas, frecuecas relatvas y frecuecas relatvas acumuladas.

Más detalles

6.2.- Funciones cóncavas y convexas

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

Más detalles

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

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

Más detalles

Análisis Estadístico de Mediciones de la Velocidad del Viento Utilizando la Técnica de Valores Desviados

Análisis Estadístico de Mediciones de la Velocidad del Viento Utilizando la Técnica de Valores Desviados Smposo de Metrología 008 Satago de Querétaro, Méxco, al 4 de Octubre Aálss Estadístco de Medcoes de la Velocdad del Veto Utlzado la Técca de Valores Desvados E. Cadeas, a W. Rvera b a Uversdad Mchoacaa

Más detalles

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

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

Más detalles

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

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

Más detalles

Ampliación de Redes de Telefonía Básica

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

Más detalles

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

«Enfoque ráster» del problema hidrodinámico del flujo en lámina libre en 2D. «Efoque ráster» del problema hdrodámco del flujo e láma lbre e D. Joa Soler Cotrol, Dyamcs ad Aplcato. CoDAlab-UPC. joa.soler@upc.edu Erest Bladé Isttuto mxto de vestgacó. FLUMEN-UPC. erest.blade@upc.edu

Más detalles

CURSO BÁSICO DE ANÁLISIS ESTADÍSTICO EN SPSS. FRANCISCO PARRA RODRÍGUEZ JUAN ANTONIO VICENTE VÍRSEDA MAURICIO BELTRÁN PASCUAL

CURSO BÁSICO DE ANÁLISIS ESTADÍSTICO EN SPSS. FRANCISCO PARRA RODRÍGUEZ JUAN ANTONIO VICENTE VÍRSEDA MAURICIO BELTRÁN PASCUAL CURSO BÁSICO DE ANÁLISIS ESTADÍSTICO EN SPSS. FRANCISCO PARRA RODRÍGUEZ JUAN ANTONIO VICENTE VÍRSEDA MAURICIO BELTRÁN PASCUAL EL PROGRAMA ESTADÍSTICO SPSS . EL PROGRAMA ESTADÍSTICO SPSS. INTRODUCCIÓN El

Más detalles

Juegos finitos n-personales como juegos de negociación

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

Más detalles

MEMORIAS DEL XV CONGRESO INTERNACIONAL ANUAL DE LA SOMIM 23 al 25 DE SEPTIEMBRE, 2009 CD. OBREGÓN, SONORA. MÉXICO A5_23

MEMORIAS DEL XV CONGRESO INTERNACIONAL ANUAL DE LA SOMIM 23 al 25 DE SEPTIEMBRE, 2009 CD. OBREGÓN, SONORA. MÉXICO A5_23 A5_23 ANÁLISIS TÉRMICO-ESTRUCTURAL DE UN ÁLABE DE TG USANDO MÉTODOS ALTERNATIVOS Vcete Pérez García a, Armado Gallegos Muñoz a, Rafael A. Rodríguez Cruz a, Jua M. Belmá Flores a Alfoso Campos Amezcua b,

Más detalles

LA DISTRIBUCIÓN POISSON-BETA: APLICACIONES Y PROPIEDADES EN LA TEORÍA DEL RIESGO COLECTIVO

LA DISTRIBUCIÓN POISSON-BETA: APLICACIONES Y PROPIEDADES EN LA TEORÍA DEL RIESGO COLECTIVO LA DISTRIBUCIÓN POISSON-BETA: APLICACIONES Y PROPIEDADES EN LA TEORÍA DEL RIESGO COLECTIVO Emlo Gómez Déz 1, José María Saraba 2 y Fausto Preto 2 Resume E el presete trabao se estuda la dstrbucó Posso-Beta,

Más detalles

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

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

Más detalles

Conceptos y ejemplos básicos de Programación Dinámica

Conceptos y ejemplos básicos de Programación Dinámica Coceptos y eemplos báscos de Programacó Dámca Wlso Julá Rodríguez Roas ularodrguez@hotmal.com Trabao de Grado para Optar por el Título de Matemátco Drector: Pervys Regfo Regfo Igeero Uversdad Nacoal de

Más detalles

A2.1 SUMA PRESENTE A SUMA FUTURA

A2.1 SUMA PRESENTE A SUMA FUTURA A2. APÉNDICE MATEMÁTICAS FINANCIERAS E este apédce se preseta las fórmulas tradcoales para hallar las sumas equvaletes e el tempo y ua coleccó de fórmulas para equvaleca de tasas omales y efectvas. Para

Más detalles

Propuesta para actualizar la Nota Técnica de Daños Materiales y Robo Total del Seguro de Automóviles Residentes

Propuesta para actualizar la Nota Técnica de Daños Materiales y Robo Total del Seguro de Automóviles Residentes ropuesta para actualzar la Nota Técca de Daños aterales y Robo Total del Seguro de Autoóvles Resdetes Israel Avlés Torres Novebre 99 Sere Docuetos de Trabajo Docueto de Trabajo No. 0 Ídce. Estructura Técca

Más detalles

EL COEFICIENTE DE CORRELACIÓN Y CORRELACIONES ESPÚREAS Erick Lahura Enero, 2003

EL COEFICIENTE DE CORRELACIÓN Y CORRELACIONES ESPÚREAS Erick Lahura Enero, 2003 8 EL COEFICIENTE DE CORRELACIÓN CORRELACIONES ESPÚREAS Erck Lahura Eero, 3 DOCUMENTO DE TRABAJO 8 http://www.pucp.edu.pe/ecooma/pdf/ddd8.pdf EL COEFICIENTE DE CORRELACIÓN CORRELACIONES ESPÚREAS Erck Lahura

Más detalles

ESTADÍSTICA DESCRIPTIVA Métodos Estadísticos Aplicados a las Auditorías Sociolaborales

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

Más detalles

Este documento es de distribución gratuita y llega gracias a www.cienciamatematica.com El mayor portal de recursos educativos a tu servicio!

Este documento es de distribución gratuita y llega gracias a www.cienciamatematica.com El mayor portal de recursos educativos a tu servicio! Este documeto es de dstrbucó gratuta y llega gracas a Ceca Matemátca www.cecamatematca.com El mayor portal de recursos educatvos a tu servco! Isttuto Tecológco de Apzaco Departameto de Cecas Báscas INSTITUTO

Más detalles

3 Regresión lineal múltiple: estimación y propiedades

3 Regresión lineal múltiple: estimación y propiedades 3 Regresó leal múltple: estmacó y propedades Ezequel Urel Uversdad de Valeca Versó 09-013 3.1 El modelo de regresó leal múltple 1 3.1.1 Modelo de regresó poblacoal y fucó de regresó poblacoal 3.1. Fucó

Más detalles

MEDIDAS DE TENDENCIA CENTRAL

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

Más detalles

SELECCIONANDO LA CARTERA DE UN INVERSOR MEDIANTE PROGRAMACIÓN POR METAS LEXICOGRÁFICAS ENTERA

SELECCIONANDO LA CARTERA DE UN INVERSOR MEDIANTE PROGRAMACIÓN POR METAS LEXICOGRÁFICAS ENTERA SELECCIONANDO LA CARTERA DE UN INVERSOR MEDIANTE PROGRAMACIÓN POR METAS LEXICOGRÁFICAS ENTERA Nura Padlla Garrdo Departameto de Ecoomía Geeral y Estadístca Uversdad de Huelva padlla@uhu.es Flor María Guerrero

Más detalles

LECCIONES DE ESTADÍSTICA

LECCIONES DE ESTADÍSTICA LECCIONES DE ESTADÍSTICA Estos aputes fuero realzados para mpartr el curso de Métodos Estadístcos y umércos e el I.E.S. A Xuquera I de Potevedra. Es posble que tega algú error de trascrpcó, por lo que

Más detalles

UNIDAD DIDÁCTICA TERCERA: APLICACIÓN DEL CALCULO MERCANTIL Y FINANCIERO A LAS OPERACIONES BANCARIAS

UNIDAD DIDÁCTICA TERCERA: APLICACIÓN DEL CALCULO MERCANTIL Y FINANCIERO A LAS OPERACIONES BANCARIAS Coceptos (cotedos soporte) Udad de trabajo sexta: Geeraldades. Retas auales costates. Retas costates fraccoadas. Retas varables. Udad de trabajo séptma Geeraldades. mortzacó de u préstamo por el sstema

Más detalles

Modelo Matemático Multiobjetivo para la Selección de una Cartera de Inversión en la Bolsa Mexicana de Valores

Modelo Matemático Multiobjetivo para la Selección de una Cartera de Inversión en la Bolsa Mexicana de Valores Modelo Matemátco Multobjetvo para la Seleccó de ua Cartera de Iversó e la Bolsa Mexcaa de Valores José Crspí Zavala-Díaz, Marco Atoo Cruz-Chavez, Jorge Ruz Vaoye 3, Martí H. Cruz-Rosales 4 Facultad de

Más detalles

Capitalización, actualización y equivalencia financiera en capitalización compuesta

Capitalización, actualización y equivalencia financiera en capitalización compuesta Captalzacó, actualzacó y equvaleca facera e captalzacó compueta 5 E eta Udad aprederá a: 2 3 4 5 Decrbr lo efecto eecale de la captalzacó compueta. Reolver problema facero e captalzacó compueta. Dferecar

Más detalles

INTRODUCCIÓN A LA ESTADÍSTICA DESCRIPTIVA PARA ECONOMISTAS

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

Más detalles

GUÍA PRÁCTICA PARA LA VALIDACIÓN, EL CONTROL DE CALIDAD Y LA ESTIMACIÓN DE LA INCERTIDUMBRE DE UN MÉTODO DE ANÁLISIS ENOLÓGICO ALTERNATIVO

GUÍA PRÁCTICA PARA LA VALIDACIÓN, EL CONTROL DE CALIDAD Y LA ESTIMACIÓN DE LA INCERTIDUMBRE DE UN MÉTODO DE ANÁLISIS ENOLÓGICO ALTERNATIVO RESOLUCIÓN OENO 0/005 GUÍA PRÁCTICA PARA LA VALIDACIÓN, EL CONTROL DE CALIDAD Y LA ESTIMACIÓN DE LA INCERTIDUMBRE DE UN MÉTODO DE ANÁLISIS ENOLÓGICO ALTERNATIVO LA ASAMBLEA GENERAL, Vsto el artículo, párrafo

Más detalles

MAESTRÍA EN ECONOMÍA INTERNACIONAL. Tesis

MAESTRÍA EN ECONOMÍA INTERNACIONAL. Tesis MAESTRÍA EN ECONOMÍA INTERNACIONAL Tess Grades depóstos y el resgo de lqudez bacaro Ua aproxmacó medate la domaca estocástca Martí Egozcue 006 Uversdad de la Repúblca Facultad de Cecas Socales Departameto

Más detalles

4. ESQUELETOS Y CAMINOS OPTIMALES...

4. ESQUELETOS Y CAMINOS OPTIMALES... . INTRODUCCION.... Qué es la Ivestgacó de Operacoes... 3. I.O como apoyo a la toma de decsoes... 5.3 Problemas tpo e Ivestgacó Operatva... 7. OPTIMIZACIÓN... 9. Itroduccó... 9. Covedad... 3.3 Optmos Locales

Más detalles

ASIGNATURA: MATEMATICAS FINANCIERAS

ASIGNATURA: MATEMATICAS FINANCIERAS PUNTES DOCENTES SIGNTUR: MTEMTICS FINNCIERS PROFESORES: MRIN JIMES CRLOS JVIER SRMIENTO LUIS JIME DEPRTMENTO DE CIENCIS BÁSICS VERSION: 2-20 QUÉ ES MTEMÁTICS FINNCIERS? Hace alguos años éste era u tema

Más detalles

MATEMÁTICAS FINANCIERAS

MATEMÁTICAS FINANCIERAS MAEMÁICAS FINANCIERAS Aloso ÍNDICE. INERÉS SIMPLE 4. CONCEPOS PREVIOS... 4.2 DEFINICIÓN DE INERÉS SIMPLE... 4.3 FÓRMULAS DERIVADAS... 6.4 INERPREACIÓN GRÁFICA... 8 2. INERÉS COMPUESO 9 2. DEFINICIÓN DE

Más detalles

3. Unidad Aritmética Lógica (ALU)

3. Unidad Aritmética Lógica (ALU) 3. Udd rtmétc Lógc (LU) bordremos los spectos que permte l mplemetcó de l rtmétc de u computdor, trbuto fucol de l Udd rtmétc Lógc (LU). Prmero se revstrá lo relcodo l form de represetr los úmeros como

Más detalles

MS Word Editor de Ecuaciones

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

Más detalles

MUESTREO EN POBLACIONES FINITAS. Antonio Morillas 1

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

Más detalles

Topología General Capítulo 0-2 -

Topología General Capítulo 0-2 - Topología Geeral Topología Geeral apítulo - - - - Topología Geeral apítulo - 3 - Breve reseña hstórca Sus orígees está asocados a la obra de Euler, ator y Möbus. La palabra topología había sdo utlzada

Más detalles

Estudio de eventos extremos enfocado a seguros y finanzas

Estudio de eventos extremos enfocado a seguros y finanzas Cuestoes Ecoómcas Vol. 0 No :3004 Estudo de evetos extremos efocado a seguros y fazas KLEVER MEJÍA ADRIANA UQUILLAS * Resume Muchos campos de la ceca modera y la geería tee que ldar co evetos que so poco

Más detalles

Distribución conjunta de variables aleatorias

Distribución conjunta de variables aleatorias FCEyN - Estadístca para Quíca - do. cuat. 006 - Marta García Be Dstrbucó cojuta de varables aleatoras E uchos probleas práctcos, e el so expereto aleatoro, teresa estudar o sólo ua varable aleatora so

Más detalles

Elaborado por: Ing. Rubén Toyama U. 1

Elaborado por: Ing. Rubén Toyama U. 1 CONTENIDO IDENTIFICACIÓN... 2 PLANIFICACIÓN DE LOS ENCUENTROS... 2 PROGRAMA ANALITICO... 3 ORIENTACIONES METODOLÓGICAS... 8. - Itroduccó.... 8..- Objetvos Geerales.... 9 2.- Desarrollo... 9 Prmer ecuetro...

Más detalles

T E S I S. Cuantificación Vectorial de Imágenes con base en Memorias Asociativas Extendidas UNIVERSIDAD TECNOLÓGICA DE LA MIXTECA

T E S I S. Cuantificación Vectorial de Imágenes con base en Memorias Asociativas Extendidas UNIVERSIDAD TECNOLÓGICA DE LA MIXTECA UNIVERSIDAD TECNOLÓGICA DE LA MIXTECA Cuatfcacó Vectoral de Imágees co base e Memoras Asocatvas Exteddas T E S I S QUE PARA OBTENER EL GRADO DE MAESTRO EN CIENCIAS EN ELECTRÓNICA Y COMPUTACIÓN PRESENTA

Más detalles

INICIACIÓN TEORICO-PRÁCTICA A LAS MATEMÁTICAS FINANCIERAS I : CAPITALIZACIÓN Y RENTAS

INICIACIÓN TEORICO-PRÁCTICA A LAS MATEMÁTICAS FINANCIERAS I : CAPITALIZACIÓN Y RENTAS INIIAIÓN TEORIO-PRÁTIA A LAS MATEMÁTIAS FINANIERAS I: APITALIZAIÓN Y RENTAS INIIAIÓN TEORIO-PRÁTIA A LAS MATEMÁTIAS FINANIERAS I : APITALIZAIÓN Y RENTAS Autor: Profesor de la Uversdad de Graada (Dpto.

Más detalles