First Break Interpretation Using Generalized Linear Inversion. Dan Hampson and Brian Russell

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

Download "First Break Interpretation Using Generalized Linear Inversion. Dan Hampson and Brian Russell"

Transcripción

1 First Break Interpretation Using Generalized Linear Inversion Dan Hampson and Brian Russell María Virginia Mason

2 2 INDICE GENERAL Introducción... 3 Modelado de Refracción iterativo.. 4 Teoría de Inversión Lineal.. 6 Ejemplo sintético 9 Ejemplo de datos reales. 11 Conclusiones. 16

3 3 FIRST-BREAK INTERPRETATION USING GENERALIZED LINEAR INVERSION DAN HAMPSON and BRIAN RUSSELL RESUMEN Desde los primeros tiempos del método sísmico se han realizado varias investigaciones acerca de la obtención de información detallada de las capas más superficiales a partir de refracciones en registros sísmicos. Esta información es utilizada para calcular valores iniciales de estáticas para los datos sísmicos. En este trabajo, se usa la redundancia que presenta un CDP shooting para realzar la exactitud de la solución y reducir el efecto de errores en el picado. El usuario ingresa un modelo inicial de subsuelo, normalmente consistente de un número de capas planas con velocidad constante. Luego el modelo es actualizado iterativamente mediante un algoritmo de inversión lineal generalizada (GLI) de manera tal de reducir la diferencia entre los tiempos observados para los primeros arribos y los calculados a partir del modelo. Los tiempos del modelo son calculados mediante trazado de rayos. Dos ventajas del algoritmo de GLI por sobre otros anteriores son: 1) la redundancia de los tiempos observados reduce la sensibilidad de la solución ante errores de picado, y 2) la respuesta final está obligada a permanecer razonablemente cerca del modelo geológico inicial. Este trabajo está dividido en cuatro partes. En la primera, se describe el procedimiento en forma conceptual. En la segunda, se analiza detalladamente la teoría del algoritmo. En la tercera, se muestran resultados que demuestran la convergencia del método a través de varias iteraciones. Finalmente, la cuarta parte muestra el funcionamiento del método sobre varios ejemplos reales. INTRODUCCION La presencia del weathering somero de baja velocidad puede causar problemas serios en el procesamiento de datos sísmicos. Este trabajo está avocado a la compensación de estos efectos mediante la estimación de un conjunto de correcciones estáticas usando arribos de refracciones. Dos de los efectos principales que resultan de tales condiciones del weathering son el deterioro del stack debido a un desalineamiento en el CDP, y la distorsión en los tiempos estructurales de reflectores profundos. Ambos efectos resultan de retrasos temporales introducidos por capas geológicas con espesor y velocidad variables. Si este patrón de retrasos es analizado con Fourier, puede demostrarse que aquellas componentes cuya longitud de onda es más corta que el cable son las principal responsables del deterioro de la calidad del stacking, mientras que aquellas

4 4 componentes con longitud de onda más larga provocan errores estructurales en los reflectores más profundos. Como se sabe que los programas de estáticas residuales que analizan los datos de reflexiones son incapaces de estimar estas componentes de larga longitud de onda en una forma precisa (Wiggins et al., 1976), estos programas pueden mejorar la calidad del stacking dejando errores en los tiempos estructurales. Un procedimiento alternativo para estimar corrimientos estáticos es analizar los tiempos de los primeros arribos correspondientes a las refracciones en las capas someras de baja velocidad. Si los offsets (fuente-receptor) están distribuidos correctamente, tales arribos deberían contener toda la información necesaria para corregir las componentes estáticas de longitudes de onda larga y corta. El análisis de los arribos de refracciones ha sido tema de estudio durante varios años y muchos métodos han sido propuestos. Sin embargo, mientras que estos métodos son adecuados para una interpretación hecha a mano de registros individuales, tienden a tener varias limitaciones al ser aplicados al análisis con computadora de datos multifold. Estas limitaciones incluyen restricciones en el modelo del subsuelo somero, una estimación sólo de la componente estática de larga longitud de onda, dificultad en la automatización de la computadora, sensibilidad a los errores en el picado de tiempos de arribo, y la incapacidad de usar la redundancia completa que implica el CDP shooting. Con el fin de evitar estas limitaciones, Hampson y Russell han diseñado un método que desarrolla un modelo del subsuelo somero mediante un trazado iterativo de rayos. MODELADO DE REFRACCIÓN ITERATIVO Todos los métodos para el análisis de refracciones suponen algún modelo de la geología del subsuelo somero. Este suele consistir en una serie de capas cuyos espesores y velocidades pueden variar tanto lateralmente a lo largo de la línea, como verticalmente con la profundidad. Los tiempos de los primeros arribos dependen de los espesores y velocidades de cada capa, y el problema es determinar aquellos parámetros a partir de los tiempos medidos. La tentativa es realizar algunos cálculos usando los primeros arribos observados generados por estos parámetros. Por ejemplo, se ajusta una recta a través de un segmento elegido formado por primeros arribos, y se mide su pendiente y ordenada al origen (Knox, 1967). El problema con esto es que depende de un modelo muy restringido por ejemplo, el ajuste con una recta asume que los refractores son localmente planos sin anomalías de corta longitud de onda. Un método alternativo es construir en forma iterativa un modelo de subsuelo basado en la información provista por los primeros arribos. El concepto básico es simple y puede ser comprendido a partir de las Figuras 1 y 2. Suponemos que la tierra actual consiste de dos capas de baja velocidad ubicadas sobre algún material de alta velocidad, como está representado en el sector izquierdo de la Figura 1. Esto resultaría en un conjunto de primeros arribos que serían registrados y graficados como primeros arribos observados en la Figura 2. Sin conocer la configuración actual de la tierra, podemos adivinar que las capas son como muestra el panel derecho de la Figura 1. Mediante un trazado de rayos, podríamos calcular los tiempos en los cuales suponemos que ocurrirían los primeros arribos, y los graficamos con el nombre de primeros arribos del modelo en la Figura 2. Generalmente, la aproximación del modelo tendrá un error y habrá una discrepancia entre los primeros arribos observados y los del modelo. La Figura 2 muestra el error, que es el resultado de restarle los tiempos de los primeros

5 5 arribos del modelo a los tiempos de los primeros arribos observados. Mediante un análisis de este error, es posible estimar correcciones para nuestro modelo original que mejorarán la correspondencia entre los tiempos de los primeros arribos observados y del modelo, idealmente produciendo un error igual a cero. Figura 1: Trazado de rayos a través del modelo de tierra actual comparado con el trazado de rayos a través del modelo de la aproximación inicial. Figura 2: Errores entre los tiempos observados y del modelo.

6 6 El tipo de modelo utilizado para nuestro modelo de refracción se muestra en la Figura 3. El subsuelo somero está compuesto por un número de capas de baja velocidad ubicadas por encima de un medio con velocidad alta. El espesor de cada capa puede variar como una función de la posición en superficie. La velocidad de cada capa puede variar lateralmente, pero no verticalmente. La velocidad de la primera capa se supone conocida. Esto es porque la primera capa suele ser tan delgada que con las geometrías típicas del disparo no hay información suficiente para determinar tanto su profundidad como su velocidad. Figura 3: Parametrización del modelo utilizado para el análisis de refracción. TEORIA DE INVERSION LINEAL La técnica descripta en la sección anterior es la de Inversión Lineal Generalizada. Esta es una técnica matemática muy poderosa cuyo campo de aplicación en problemas geofísicos ha sido descripto en numerosos trabajos (e.g., Lines and Treitel, 1984). En la teoría del método de inversión lineal generalizada (Backus and Gilbert, 1967), se elige un conjunto de parámetros representados por el vector M, donde: M = (m 1, m 2,., m k ) T Se supone que estos parámetros del modelo generan un conjunto de observaciones representadas por el vector: T = (t 1, t 2,.., t n ) T a través de algunas relaciones funcionales no lineales, A: t i = A i (m 1, m 2,.., m k ), i=1,2,,n (1)

7 7 En este problema particular, el vector M es el conjunto de todos los espesores y velocidades desconocidos en el modelo del subsuelo somero, el vector T es el conjunto de todos los tiempos correspondientes a los primeros arribos observados, y la relación A es el algoritmo para el trazado de rayos incorporando la ley de Snell. Empezando desde algún modelo inicial, M 0, se calcula un conjunto de tiempos de arribo y se los compara con los tiempos medidos. Como hemos visto, las Figuras 1 y 2 muestran tal comparación, junto con el error residual entre los tiempos de arribo observados y calculados. El método de inversión lineal generalizada se reduce al análisis de este vector de error residual para determinar un conjunto de correcciones para el modelo. Si representamos al vector de error mediante T y a los cambios en el modelo requeridos mediante M, luego M es determinado a partir del conjunto de ecuaciones lineales: donde: T = A (M j+1 ) - A (M j ) B ij = δt i / δm j M = M j+1 M j j = iteración número j T = B M (2) Notar que en esta ecuación se supone que se conoce la matriz B, cuyos elementos contienen a las derivadas δt i / δm j. Cada elemento b ij mide la sensibilidad del tiempo i calculado para el primer arribo, t i, ante cambios en el parámetro j del modelo, m j. De hecho, esos elementos son funciones del propio modelo y deben ser re-calculados en cada iteración. El cálculo se hace analíticamente, suponiendo que las velocidades y profundidades del modelo varían lo suficientemente lento como para que éste pueda ser considerado localmente lineal. Como resultado de un registro sísmico multi-fold, el sistema lineal (2) suele ser sobre-determinado, es decir que el número de tiempos correspondientes a primeros arribos excede el número de parámetros desconocidos del modelo. Esto permite alguna compensación para los errores que surgen del picado de los tiempos correspondientes a los primeros arribos. La solución es el ajuste por mínimos cuadrados: M = (B T B) -1 B T T (3) que compensará aquellos errores cuya distribución de probabilidad sea una función Gaussiana al azar con media cero. Desafortunadamente, los errores de picado suelen ser eventos grandes. Se debe implementar un algoritmo que detecte desviaciones en el error inusualmente grandes luego de varias iteraciones de la secuencia de inversión y que elimine estos picks. En la práctica, la inversión de la gran matriz B T B no es ni práctica ni necesaria, ya que cada aplicación de la ecuación (3) es un paso dentro de una serie de iteraciones, y no se requiere la solución exacta de M en cada paso. Es por esta razón que la solución (3) puede ser reemplazada por una aproximación iterativa adecuada.

8 8 La Figura 4 ilustra el procedimiento general. El usuario introduce una aproximación inicial para la configuración del subsuelo próximo a la superficie, indicándole al programa cuantas capas se esperan tener junto con sus velocidades y espesores aproximados. Generalmente, este es un modelo de capas planas, a pesar de que pueden requerirse modelos más complicados para situaciones con variaciones rápidas. El programa realiza una serie de iteraciones en las cuales se calculan los tiempos correspondientes a los primeros arribos, mediante trazado de rayos, y se los compara con los tiempos medidos; luego se modifica el modelo y se calcula un nuevo conjunto de tiempos. Este procedimiento se repite hasta alcanzar una correspondencia aceptable entre los tiempos observados y los del modelo. Figura 4: Algoritmo general para el modelado iterativo. A pesar de que tanto las velocidades como las profundidades pueden variar con cada estación, como fue implicado anteriormente en la Figura 3, el algoritmo puede hacerse más robusto forzando un modelo solución cuya variación sea más lenta. Esto aumenta el número de tiempos de primeros arribos utilizados para actualizar cualquier parámetro del modelo y disminuye el efecto de errores de picado aleatorios. Se espera que las velocidades de las capas varíen lentamente, cosa que no debería suceder para el caso de los espesores. De hecho, sus variaciones de alta frecuencia son precisamente la causa de las estáticas de corta longitud de onda mencionadas anteriormente. Forzar que un modelo sea suave significa que sólo las componentes de mayores longitudes de onda serán consideradas en la técnica del modelado iterativo. Las componentes de corta longitud de onda pueden ser estimadas al final del proceso como retrasos temporales simples consistentes con la superficie en el error residual final (Chun y Jacewitz, 1981).

9 9 EJEMPLO SINTETICO En las Figuras 5 a 7, se ilustra el método en un ejemplo de datos sintéticos. La Figura 5 muestra un modelo hipotético del subsuelo, consistente de dos capas de baja velocidad ubicadas por encima de un medio de mayor velocidad. Se simuló en el centro del modelo una gran anomalía correspondiente al weathering. Se creó un conjunto de arribos de refracciones mediante un trazado de rayos a través de este modelo. Estos arribos serán analizados por el algoritmo de inversión con el fin de recuperar el modelo original. Las Figuras 6 y 7 muestran el modelo y los errores residuales al principio y al final del cálculo. En la parte superior de la Figura 6 se muestra el sintético original, seguido de la aproximación inicial, que consistió de dos capas con espesores y velocidades uniformes. Tanto las velocidades de la segunda capa de baja velocidad como la del medio de alta velocidad tienen un error, así como también los espesores de las capas. La parte inferior de la Figura 6 muestra el error residual que resulta de restarle los tiempos del modelo (calculados mediante el trazado de rayos a través del modelo inicial) a los tiempos originales medidos. La geometría del disparo fue simulada con un cable de 96 trazas, por lo que cada uno de los patrones en la parte inferior de la figura 6 consiste de 96 puntos, mostrando el error en cada traza exactamente de la misma manera que en la parte superior de la Figura 3. Si la aproximación inicial ha sido correcta, los errores residuales deberían ser todos cero, y los patrones serían líneas planas a lo largo de las líneas de tiempo en la figura. Debido a la existencia de errores en la aproximación inicial, los patrones son una serie de líneas quebradas correspondiendo a los diferentes caminos refractores. En líneas generales, una pendiente no nula en un segmento indica un error en la velocidad mientras que un corrimiento en el tiempo indica un error en el espesor. Luego de cinco iteraciones el error residual es insignificante (Figura 7), y el modelo resultante se asemeja mucho al de entrada. En este simulacro, la condición que se le impuso al algoritmo de inversión fue usar un suavizado de seis estaciones lo que significa que a medida que cada parámetro es actualizado, se usan en los cálculos los tiempos de arribo correspondientes a tres estaciones para cada lado. Como resultado, la respuesta final no tiene los bordes angulosos como aparecen en el sintético original. A pesar de que eso ha causado un error residual muy pequeño en este ejemplo sintético, el suavizado en conjuntos de datos reales dejará en los gráficos del error residual patrones de estáticas de corta longitud de onda consistentes con la superficie. Estos pueden ser removidos como corrimientos simples en el tiempo y pueden ser utilizados para corregir los datos sísmicos más a futuro. El ejemplo sintético muestra que el algoritmo de inversión, bajo condiciones ideales, puede invertir el proceso de trazado de rayos y recuperar el modelo original. Sin embargo, para que el método funcione sobre datos reales, se deben reunir tres condiciones. Primero, el modelo debe ser lo suficientemente complejo para describir el comportamiento en forma adecuada, pero debe tener una cantidad de parámetros significantemente menor que de observaciones (tiempos de primeros arribos reales). Esto significa que el usuario debe especificar el número correcto de capas, y que la geología debe variar lo suficientemente lento como para que el trazado de rayos sea apropiado. Un modelo con una gran cantidad de capas obligará al programa a estimar demasiados parámetros para el número de observaciones, y esto podría resultar en una

10 10 inestabilidad matemática. Segundo, la aproximación inicial debe estar lo suficientemente cerca de la respuesta correcta como para asegurar la convergencia con una cantidad razonable de iteraciones. (Afortunadamente, en la mayoría de las situaciones reales, la geología del subsuelo somero es bastante conocida por lo que ni la primera condición ni la segunda son un problema.) Tercero, los tiempos correspondientes a los primeros arribos que se ingresan deben estar libres de errores groseros. El algoritmo de inversión está idealmente adaptado para manejar errores aleatorios pequeños, pero los errores de picado suelen tener grandes saltos por ciclo. Si la frecuencia de los saltos no es muy grande, el programa puede ser utilizado para detectar errores de picado realizando varias iteraciones y buscando errores residuales excesivamente grandes. Este procedimiento ha sido utilizado con gran éxito. En general, se puede concluir que el método se adapta en forma ideal a aquellas áreas donde el subsuelo cercano a la superficie es restringido a dos o tres capas cuyos parámetros varían dentro de un rango limitado y predecible. La experiencia ha mostrado que esto describe un gran porcentaje de datos sísmicos de superficie, y que el algoritmo es una herramienta robusta y confiable que requiere muy poca intervención humana. Figura 5: Modelo utilizado para generar refracciones sintéticas. Figura 6: Modelo de aproximación inicial y errores residuales previos al modelado iterativo.

11 11 Figura 7: Resultado final luego de cinco iteraciones. EJEMPLOS DE DATOS REALES A continuación se mostrará el funcionamiento del algoritmo de interpretación sobre dos conjuntos de datos reales. El primero fue elegido porque contiene una anomalía correspondiente al weathering particularmente grande, como se puede observar en la Figura 8. Los primeros arribos son muy claros y el algoritmo de picado automático ha tenido muy pocos problemas. En la parte superior de la Figura 9, se exhibe el modelo de aproximación inicial en función del tiempo de viaje doble hasta la base de cada una de las dos capas de baja velocidad. La aproximación inicial consistió de capas uniformes con velocidad constante. En la parte inferior de la Figura 9 se muestran los errores residuales de tres disparos en la vecindad de la anomalía correspondiente al weathering, donde el patrón consistente con la superficie es evidente. Luego de cinco iteraciones, el algoritmo ha convergido al resultado que se muestra en la Figura 10. Los espesores de ambas capas han cambiado considerablemente a partir de la aproximación inicial, incluyendo, por supuesto, a la gran anomalía. Como se usó un suavizador de seis estaciones en el cálculo de la profundidad, el paso a la izquierda de la anomalía fue modelado como una caída suave. Como consecuencia, el patrón del error mantuvo una corrección residual de corta longitud de onda luego del trazado de rayos a través del modelo suavizado. Este patrón fue estimado como un retraso temporal consistente con la superficie y es graficado es el panel central de la Figura 10. Al corregir los datos sísmicos, las estáticas de onda corta serán agregadas a aquellas calculadas usando el modelo final de subsuelo somero. En la parte inferior de la Figura 10, vemos que los errores residuales están muy cercanos al cero, indicando un buen ajuste entre los tiempos del modelo y los reales.

12 12 Figura 8: Perfil simple a partir de un conjunto de datos reales con la anomalía correspondiente al weathering. Figura 9: Modelo de aproximación inicial y errores residuales en tres disparos cerca de la anomalía.

13 13 Figura 10: Resultado final luego de cinco iteraciones. Las Figuras 11 y 12 muestran una comparación entre los stacks brutos generados antes y después de la aplicación de las correcciones estáticas de refracción. Las principales diferencias entre ambos pueden observarse justo por debajo de la zona donde se aplicó el mute; allí la continuidad del reflector ubicado a 1.0s ha sido mejorada mediante la aplicación de algunas estáticas muy grandes. A pesar de que luego un programa de estáticas residuales mejorará cualquiera de las secciones, es claro que el hecho de remover los patrones del weathering en los inicios del procesamiento ayudará tanto en la etapa del análisis de velocidad como también en minimizar el riesgo de cycle skipping en cálculos de estáticas a futuro.

14 14 Figura 11: Stack bruto luego de una corrección de elevación y uphole únicamente.

15 15 Figura 12: Stack bruto luego de un análisis automático de refracción. El segundo ejemplo de datos reales fue elegido porque contiene anomalías de estáticas tanto de larga como de corta longitud de onda. Esto está demostrado en la Figura 13, que es un stack bruto de la línea corregida por elevación y uphole. La estática de larga longitud de onda aparece como una componente estructural de variación lenta, con una variación máxima a través de la línea de alrededor de 20 ms. La componente de corta longitud de onda resulta en una pérdida de continuidad en algunos de los reflectores más débiles, especialmente los datos por encima de los 900 ms, y también en una franja vertical hacia el sector izquierdo del gap de baja cobertura.

16 16 En la Figura 14, vemos el mismo stack luego de un análisis automático de refracción. En este resultado, tanto las soluciones de las estáticas de larga como de corta longitud de onda han sido mejoradas. La eliminación las estáticas de largo período resulta en una sección con más validez estructural. Debería quedar en claro que los programas de estáticas residuales basados en la correlación de zonas de reflexión son teóricamente incapaces de hallar una solución para este patrón de estáticas de largo período. La solución de estáticas de corto período resulta en una mejora en la continuidad de los datos, tanto en eventos ubicados a los 900 ms y por encima, y también en la franja de datos en la parte central de la línea. Para un mayor detalle de los resultados, la Figura 15 muestra una porción de los datos antes y después del análisis de refracción, como también el modelo de subsuelo más superficial que ha sido producido. Debe notarse que la estructura del modelo de subsuelo es reflejada en el patrón de estáticas de largo período que ha sido removido. También, las franjas verticales que presentan una continuidad pobre de las reflexiones, que se observan en los datos originales, corresponden a severos paquetes de weathering de corta longitud de onda. A pesar de que el análisis automático de refracción ha realizado un buen trabajo en encontrar las estáticas de corto período, no reemplaza totalmente al método tradicional de estáticas residuales. Es más, debería ser utilizado en conjunto con estos otros métodos para lograr resultados óptimos. Esto se muestra en la Figura 16, donde se puede observar la sección stacked de la Figura 14 luego de haberle realizado un análisis de estáticas residuales. Debe notarse que este proceso final ha sintonizado a la solución de estáticas del stack anterior. Debería volver a enfatizarse que este programa de estáticas residuales no hubiera resuelto las estáticas de largo período que se observan en la Figura 13. CONCLUSIONES En este trabajo se ha propuesto un método para el cálculo de correcciones estáticas basado en una técnica de inversión lineal generalizada que modela, en forma iterativa, el subsuelo más superficial mediante el uso de primeros arribos de refracciones. Las mayores ventajas de esto por sobre otros métodos tradicionales son: Mediante el uso de la redundancia de los CDP, las soluciones son estabilizadas y el efecto de los errores de picado es reducido. Se puede incorporar rápidamente información acerca de la geología del subsuelo ya conocida, como también cualquier condición geológica. Se minimizan suposiciones de un modelado restrictivo. El algoritmo puede ser automatizado y requiere muy poca intervención del usuario. Se mostraron dos casos de datos reales que verifican que las componentes de larga y corta longitud de onda de las estáticas fueron instrumentales en la mejora de la sección stacked. A pesar de que aún se necesita un paso de estáticas residuales para sintonizar la imagen sísmica, el hecho de remover las mayores anomalías de las estáticas en los primeros pasos del procesamiento corrige los tiempos de los eventos y asegura un procesamiento óptimo en las etapas siguientes.

17 17 Figura 13: Segundo ejemplo: stack bruto con correcciones de elevación y uphole únicamente.

18 18 Figura 14: Segundo ejemplo: Stack bruto luego de un análisis automático de refracción.

19 19 Figura 15: Geología interpretada del subsuelo más superficial con stacks brutos antes y después de un análisis de refracción. Figura 16: Stack final luego de un análisis de estáticas residuales.

4 Localización de terremotos

4 Localización de terremotos 513430 - Sismología 27 4 Localización de terremotos 4.1 Localización de sismos locales Fig 27: Gráfico de la ruptura en la superficie de una falla. La ruptura se propaga desde el punto de la nucleación,

Más detalles

UNIDAD DIDÁCTICA 7 ANÁLISIS DE ÍTEMS Y BAREMACIÓN DE UN TEST

UNIDAD DIDÁCTICA 7 ANÁLISIS DE ÍTEMS Y BAREMACIÓN DE UN TEST UNIDAD DIDÁCTICA 7 ANÁLISIS DE ÍTEMS Y BAREMACIÓN DE UN TEST 7.1. ANÁLISIS DE LOS ÍTEMS Al comenzar la asignatura ya planteábamos que uno de los principales problemas a los que nos enfrentábamos a la hora

Más detalles

FORMACIÓN DE IMÁGENES CON LENTES

FORMACIÓN DE IMÁGENES CON LENTES Laboratorio de Física de Procesos Biológicos FORMACIÓN DE IMÁGENES CON LENTES Fecha: 19/12/2005 1. Objetivo de la práctica Estudio de la posición y el tamaño de la imagen de un objeto formada por una lente

Más detalles

CAPÍTULO 6 INSTRUMENTO VIRTUAL

CAPÍTULO 6 INSTRUMENTO VIRTUAL Diseño y implementación de un medidor de frecencia para frecuencias bajas CAPÍTULO 6 INSTRUMENTO VIRTUAL Como se ha ido señalando a lo largo de esta memoria, el objetivo del proyecto no es otro que el

Más detalles

Reconocimiento de imágenes

Reconocimiento de imágenes Capítulo 4 Reconocimiento de imágenes En la actualidad, el reconocimiento de imágenes es una herramienta de gran utilidad en el área de control y automatización. Varias empresas usan el reconocimiento

Más detalles

Universidad del CEMA Prof. José P Dapena Métodos Cuantitativos V - ESTIMACION PUNTUAL E INTERVALOS DE CONFIANZA. 5.1 Introducción

Universidad del CEMA Prof. José P Dapena Métodos Cuantitativos V - ESTIMACION PUNTUAL E INTERVALOS DE CONFIANZA. 5.1 Introducción V - ESTIMACION PUNTUAL E INTERVALOS DE CONFIANZA 5.1 Introducción En este capítulo nos ocuparemos de la estimación de caracteristicas de la población a partir de datos. Las caracteristicas poblacionales

Más detalles

Capítulo 2 Silueta. Figura 2.1 Tetera capturada por la cámara con la silueta resaltada

Capítulo 2 Silueta. Figura 2.1 Tetera capturada por la cámara con la silueta resaltada Capítulo 2 Silueta 2.1 Silueta La silueta de un objeto es muy importante porque es lo que nos da las pistas visuales de cómo es que está formado, nos dice dónde están sus límites y ayuda a diferenciar

Más detalles

STATISTICAL PROCESS CONTROL: MANUAL REFERENCIA QS 9000

STATISTICAL PROCESS CONTROL: MANUAL REFERENCIA QS 9000 STATISTICAL PROCESS CONTROL: MANUAL REFERENCIA QS 9000 SECCIÓN 2: SISTEMA DE CONTROL 1.- Proceso: Se entiende por proceso, la combinación de suministradores, productores, personas, equipos, imputs de materiales,

Más detalles

EXPERIENCIA DIDÁCTICA DE FÍSICA PARA DETERMINAR LA CONSTANTE ELÁSTICA DE UN MUELLE

EXPERIENCIA DIDÁCTICA DE FÍSICA PARA DETERMINAR LA CONSTANTE ELÁSTICA DE UN MUELLE EXPERIENCIA DIDÁCTICA DE FÍSICA PARA DETERMINAR LA CONSTANTE ELÁSTICA DE UN MUELLE AUTORÍA MARÍA FRANCISCA OJEDA EGEA TEMÁTICA EXPERIMENTO FÍSICA Y QUÍMICA, APLICACIÓN MÉTODO CIENTÍFICO ETAPA EDUCACIÓN

Más detalles

Tema 4:Segmentación de imágenes

Tema 4:Segmentación de imágenes Tema 4:Segmentación de imágenes La segmentación de imágenes divide la imagen en sus partes constituyentes hasta un nivel de subdivisión en el que se aíslen las regiones u objetos de interés. Los algoritmos

Más detalles

Regulador PID con convertidores de frecuencia DF5, DV5, DF6, DV6. Página 1 de 10 A Regulador PID

Regulador PID con convertidores de frecuencia DF5, DV5, DF6, DV6. Página 1 de 10 A Regulador PID A Página 1 de 10 A Regulador PID INDICE 1. Regulador PID 3 2. Componente proporcional : P 4 3. Componente integral : I 4 4. Componente derivativa : D 4 5. Control PID 4 6. Configuración de parámetros del

Más detalles

ADECUACIÓN PARA FABRICACIÓN DE ESTRUCTURAS ÓPTIMAS BASADO EN ESQUELETONIZACIÓN

ADECUACIÓN PARA FABRICACIÓN DE ESTRUCTURAS ÓPTIMAS BASADO EN ESQUELETONIZACIÓN Congresso de Métodos Numéricos em Engenharia 2015 Lisboa, 29 de Junho a 2 de Julho, 2015 APMTAC, Portugal, 2015 ADECUACIÓN PARA FABRICACIÓN DE ESTRUCTURAS ÓPTIMAS BASADO EN ESQUELETONIZACIÓN Mendoza-San-Agustín,

Más detalles

Covarianza y coeficiente de correlación

Covarianza y coeficiente de correlación Covarianza y coeficiente de correlación Cuando analizábamos las variables unidimensionales considerábamos, entre otras medidas importantes, la media y la varianza. Ahora hemos visto que estas medidas también

Más detalles

Movimiento a través de una. José San Martín

Movimiento a través de una. José San Martín Movimiento a través de una curva José San Martín 1. Introducción Una vez definida la curva sobre la cual queremos movernos, el siguiente paso es definir ese movimiento. Este movimiento se realiza mediante

Más detalles

UNIDAD 4: MEDIDAS DE TENDENCIA CENTRAL

UNIDAD 4: MEDIDAS DE TENDENCIA CENTRAL UNIDAD 4: MEDIDAS DE TENDENCIA CENTRAL Objetivo terminal: Calcular e interpretar medidas de tendencia central para un conjunto de datos estadísticos. Objetivos específicos: 1. Mencionar las características

Más detalles

www.bvbusiness-school.com

www.bvbusiness-school.com Gráficos de Control de Shewart www.bvbusiness-school.com GRÁFICOS DE CONTROL DE SHEWART Una de las herramientas estadísticas más importantes en el Control Estadístico de Procesos son los Gráficos de Control.

Más detalles

BREVE APUNTE SOBRE EL PROBLEMA DE LA MULTICOLINEALIDAD EN EL MODELO BÁSICO DE REGRESIÓN LINEAL

BREVE APUNTE SOBRE EL PROBLEMA DE LA MULTICOLINEALIDAD EN EL MODELO BÁSICO DE REGRESIÓN LINEAL BREVE APUNTE SOBRE EL PROBLEMA DE LA MULTICOLINEALIDAD EN EL MODELO BÁSICO DE REGRESIÓN LINEAL Ramón Mahía Febrero 013 Prof. Ramón Mahía ramon.mahia@uam.es Qué se entiende por Multicolinealidad en el marco

Más detalles

Fibras Ópticas. Capítulo 2. 2.1 Modos

Fibras Ópticas. Capítulo 2. 2.1 Modos Capítulo 2 Fibras Ópticas. El tema anterior se ha basado en el análisis de guía-ondas planas, es decir, con cambio de índice de refracción en una sola dirección. Ahora vamos a tratar con un medio de transmisión

Más detalles

ANÁLISIS DE DATOS CONTROL DE CALIDAD. Ing. Carlos Brunatti

ANÁLISIS DE DATOS CONTROL DE CALIDAD. Ing. Carlos Brunatti ANÁLISIS DE DATOS CONTROL DE CALIDAD Ing. Carlos Brunatti Montevideo, ROU, junio 2015 Control de calidad No resulta sorprendente que el hormigón sea un material variable, pues hay muchos factores involucrados

Más detalles

Lección n 5. Modelos de distribución n potencial de especies

Lección n 5. Modelos de distribución n potencial de especies Lección n 5. Modelos de distribución n potencial de especies 1. Elaboración de modelos de distribución de especies. a. Planteamiento. El modelado del nicho ambiental se basa en el principio de que la distribución

Más detalles

Actividades con GeoGebra

Actividades con GeoGebra Conectar Igualdad - "Netbooks Uno a Uno" Actividades con GeoGebra Nociones básicas, rectas Silvina Ponce Dawson Introducción. El GeoGeobra es un programa que permite explorar nociones matemáticas desde

Más detalles

RAID. Los detalles de las características segunda y tercera, cambian según los distintos niveles RAID. RAID 0 no soporta la tercera característica.

RAID. Los detalles de las características segunda y tercera, cambian según los distintos niveles RAID. RAID 0 no soporta la tercera característica. RAID Como se dijo anteriormente, el ritmo de mejora de prestaciones en memoria secundaria ha sido considerablemente menor que en procesadores y en memoria principal. Esta desigualdad ha hecho, quizás,

Más detalles

Señal de Referencia: Es el valor que se desea que alcance la señal de salida. SET POINT.

Señal de Referencia: Es el valor que se desea que alcance la señal de salida. SET POINT. EL ABC DE LA AUTOMATIZACION ALGORITMO DE CONTROL PID; por Aldo Amadori Introducción El Control automático desempeña un papel importante en los procesos de manufactura, industriales, navales, aeroespaciales,

Más detalles

LA MEDIDA Y SUS ERRORES

LA MEDIDA Y SUS ERRORES LA MEDIDA Y SUS ERRORES Magnitud, unidad y medida. Magnitud es todo aquello que se puede medir y que se puede representar por un número. Para obtener el número que representa a la magnitud debemos escoger

Más detalles

ENTENDER EL ASTIGMATISMO

ENTENDER EL ASTIGMATISMO ENTENDER EL ASTIGMATISMO MAS450/854 PRIMAVERA 2003 9 de marzo de 2003 Introducción Lente esférica sin astigmatismo Lentes cilíndricas cruzadas con astigmatismo o Enfoque horizontal o Enfoque vertical o

Más detalles

Fundamentos de Investigación de Operaciones Investigación de Operaciones 1

Fundamentos de Investigación de Operaciones Investigación de Operaciones 1 Fundamentos de Investigación de Operaciones Investigación de Operaciones de agosto de 200. Estandarización Cuando se plantea un modelo de LP pueden existir igualdades y desigualdades. De la misma forma

Más detalles

Introducción. Culminación de todos los anteriores capítulos. Tipos de compensación. Acción de control. Tipos de acción:

Introducción. Culminación de todos los anteriores capítulos. Tipos de compensación. Acción de control. Tipos de acción: DISEÑO DE SISTEMAS DE CONTROL 1.-Introducción. 2.-El problema del diseño. 3.-Tipos de compensación. 4.-Reguladores. 4.1.-Acción Proporcional. Reguladores P. 4.2.-Acción Derivativa. Reguladores PD. 4.3.-Acción

Más detalles

Interoperabilidad de Fieldbus

Interoperabilidad de Fieldbus 2002 Emerson Process Management. Todos los derechos reservados. Vea este y otros cursos en línea en www.plantwebuniversity.com. Fieldbus 201 Interoperabilidad de Fieldbus Generalidades Qué es interoperabilidad?

Más detalles

TEMA 7: Análisis de la Capacidad del Proceso

TEMA 7: Análisis de la Capacidad del Proceso TEMA 7: Análisis de la Capacidad del Proceso 1 Introducción Índices de capacidad 3 Herramientas estadísticas para el análisis de la capacidad 4 Límites de tolerancia naturales 1 Introducción La capacidad

Más detalles

EXAMEN FÍSICA 2º BACHILLERATO TEMA 4: ÓPTICA

EXAMEN FÍSICA 2º BACHILLERATO TEMA 4: ÓPTICA INSTRUCCIONES GENERALES Y VALORACIÓN La prueba consiste de dos opciones, A y B, y el alumno deberá optar por una de las opciones y resolver las tres cuestiones y los dos problemas planteados en ella, sin

Más detalles

Medición de la aceleración de la gravedad mediante plano inclinado

Medición de la aceleración de la gravedad mediante plano inclinado Medición de la aceleración de la gravedad mediante plano inclinado Lopez, Johanna Giselle (gyf_lola@hotmail.com) Martinez Roldan, Antu (antucolomenos@hotmail.com) Viglezzi, Ramiro (ramiro.viglezzi@gmail.com)

Más detalles

MATEMÁTICAS EMPRESARIALES II:

MATEMÁTICAS EMPRESARIALES II: MATEMÁTICAS EMPRESARIALES II: FUNCIÓN REAL DE VARIAS VARIABLES ÓPTIMOS DE UNA FUNCIÓN ESCALAR MATERIAL DIDÁCTICO DE SOPORTE González-Vila Puchades, Laura Ortí Celma, Francesc J. Sáez Madrid, José B. Departament

Más detalles

Ejemplos de conversión de reales a enteros

Ejemplos de conversión de reales a enteros Ejemplos de conversión de reales a enteros Con el siguiente programa se pueden apreciar las diferencias entre las cuatro funciones para convertir de reales a enteros: program convertir_real_a_entero print

Más detalles

Generación de Números Pseudo-Aleatorios

Generación de Números Pseudo-Aleatorios Números Aleatorios Son un ingrediente básico en la simulación de sistemas Los paquetes de simulación generan números aleatorios para simular eventos de tiempo u otras variables aleatorias Una secuencia

Más detalles

Introducción general a la compresión de datos multimedia

Introducción general a la compresión de datos multimedia Introducción general a la compresión de datos multimedia Necesidad de la compresión La mayoría de las aplicaciones multimedia requieren volúmenes importantes de almacenamiento y transmisión. CD-ROM 640

Más detalles

Fundamentos de Materiales - Prácticas de Laboratorio Práctica 9. Práctica 9 DETERMINACIÓN DEL ÍNDICE DE REFRACCIÓN DE MATERIALES TRANSPARENTES

Fundamentos de Materiales - Prácticas de Laboratorio Práctica 9. Práctica 9 DETERMINACIÓN DEL ÍNDICE DE REFRACCIÓN DE MATERIALES TRANSPARENTES Práctica 9 DETERMINACIÓN DEL ÍNDICE DE REFRACCIÓN DE MATERIALES TRANSPARENTES 1. Objetivos docentes Familiarizarse con las propiedades ópticas de refracción y reflexión de materiales transparentes. 2.

Más detalles

PARTE III OBTENCIÓN DE MODELOS OBTENCIÓN DE MODELOS MODELADO E IDENTIFICACIÓN ASPECTOS A TENER EN CUENTA MODELADO IDENTIFICACIÓN OBTENCIÓN DE MODELOS

PARTE III OBTENCIÓN DE MODELOS OBTENCIÓN DE MODELOS MODELADO E IDENTIFICACIÓN ASPECTOS A TENER EN CUENTA MODELADO IDENTIFICACIÓN OBTENCIÓN DE MODELOS OBTENCIÓN DE MODELOS PARTE III OBTENCIÓN DE MODELOS 1. INFORMACIÓN SOBRE EL SISTEMA 1. EL PROPIO SISTEMA (OBSERVACIÓN, TEST) 2. CONOCIMIENTO TEÓRICO (LEYES DE LA NATURALEZA, EXPERTOS, LITERATURA, ETC.)

Más detalles

DIPLOMADO EN RELACIONES LABORALES Estadística Asistida por Ordenador Curso 2008-2009

DIPLOMADO EN RELACIONES LABORALES Estadística Asistida por Ordenador Curso 2008-2009 Índice general 6. Regresión Múltiple 3 6.1. Descomposición de la variabilidad y contrastes de hipótesis................. 4 6.2. Coeficiente de determinación.................................. 5 6.3. Hipótesis

Más detalles

SERIES DE TIEMPO EMPLEANDO EXCEL Y GRAPH

SERIES DE TIEMPO EMPLEANDO EXCEL Y GRAPH SERIES DE TIEMPO EMPLEANDO EXCEL Y GRAPH 1) DEFINICIÓN Las series de tiempo llamadas también series cronológicas o series históricas son un conjunto de datos numéricos que se obtienen en períodos regulares

Más detalles

CAPITULO 4 JUSTIFICACION DEL ESTUDIO. En este capítulo se presenta la justificación del estudio, supuestos y limitaciones de

CAPITULO 4 JUSTIFICACION DEL ESTUDIO. En este capítulo se presenta la justificación del estudio, supuestos y limitaciones de CAPITULO 4 JUSTIFICACION DEL ESTUDIO En este capítulo se presenta la justificación del estudio, supuestos y limitaciones de estudios previos y los alcances que justifican el presente estudio. 4.1. Justificación.

Más detalles

Capítulo 3. Análisis de Regresión Simple. 1. Introducción. Capítulo 3

Capítulo 3. Análisis de Regresión Simple. 1. Introducción. Capítulo 3 Capítulo 3 1. Introducción El análisis de regresión lineal, en general, nos permite obtener una función lineal de una o más variables independientes o predictoras (X1, X2,... XK) a partir de la cual explicar

Más detalles

JGCBusing Manual de Usuario v1.0

JGCBusing Manual de Usuario v1.0 JGCBusing Manual de Usuario v1.0 Agosto 2012 Tabla de Contenido 1. Introducción... 3 2. JGCBusing. Herramienta Web... 4 2.1. Descripción... 4 2.2. Creación de una configuración desde cero... 8 2.3. Generación

Más detalles

Jhon Jairo Padilla Aguilar, PhD.

Jhon Jairo Padilla Aguilar, PhD. Redes de Datos-Redes WAN Jhon Jairo Padilla Aguilar, PhD. UPB Bucaramanga Red WAN WAN: Wide Area Network Pueden cubrir un país entero Requieren de Nodos que recogen/distribuyen la información de los usuarios

Más detalles

CAPITULO II CARACTERISTICAS DE LOS INSTRUMENTOS DE MEDICION

CAPITULO II CARACTERISTICAS DE LOS INSTRUMENTOS DE MEDICION CAPITULO II CARACTERISTICAS DE LOS INSTRUMENTOS DE MEDICION Como hemos dicho anteriormente, los instrumentos de medición hacen posible la observación de los fenómenos eléctricos y su cuantificación. Ahora

Más detalles

Experimento 4 MOVIMIENTO CON ACELERACIÓN CONSTANTE. Objetivos. Teoría

Experimento 4 MOVIMIENTO CON ACELERACIÓN CONSTANTE. Objetivos. Teoría Experimento 4 MOVIMIENTO CON ACELERACIÓN CONSTANTE Objetivos 1. Medir la distancia recorrida y la velocidad de un objeto que se mueve con: a. velocidad constante y b. aceleración constante,. Establecer

Más detalles

CAPÍTULO 6 SIMULACIONES Y RESULTADOS

CAPÍTULO 6 SIMULACIONES Y RESULTADOS CAPÍTULO 6 SIMULACIONES Y RESULTADOS 6.1 Proceso de Simulación Las simulaciones fueros llevadas a cabo empleando como herramienta la Versión 6.5 Release 13 de Matlab. Para lo cual fue empleado un banco

Más detalles

Apunte básico para Fotografía Estenopeica

Apunte básico para Fotografía Estenopeica Apunte básico para Fotografía Estenopeica Contenidos Formación de Imágenes con lente y con estenopo Estenopo óptimo: fórmulas y tablas Obtención del número f Geometría de la cámara estenopeica Cálculo

Más detalles

Capítulo 4 MEDIDA DE MAGNITUDES. Autor: Santiago Ramírez de la Piscina Millán

Capítulo 4 MEDIDA DE MAGNITUDES. Autor: Santiago Ramírez de la Piscina Millán Capítulo 4 MEDIDA DE MAGNITUDES Autor: Santiago Ramírez de la Piscina Millán 4 MEDIDA DE MAGNITUDES 4.1 Introducción El hecho de hacer experimentos implica la determinación cuantitativa de las magnitudes

Más detalles

ANÁLISIS DE DATOS NO NUMERICOS

ANÁLISIS DE DATOS NO NUMERICOS ANÁLISIS DE DATOS NO NUMERICOS ESCALAS DE MEDIDA CATEGORICAS Jorge Galbiati Riesco Los datos categóricos son datos que provienen de resultados de experimentos en que sus resultados se miden en escalas

Más detalles

CARTAS DE CONTROL: SU EFECTIVIDAD PARA DETECTAR CAMBIOS

CARTAS DE CONTROL: SU EFECTIVIDAD PARA DETECTAR CAMBIOS CARTAS DE CONTROL: SU EFECTIVIDAD PARA DETECTAR CAMBIOS MEDIANTE UN ENFOQUE POR CADENAS DE MARKOV ABSORBENTES Lidia Toscana - Nélida Moretto - Fernanda Villarreal Universidad Nacional del Sur, ltoscana@criba.edu.ar

Más detalles

Solución Actividades Tema 4 MOVIMIENTOS RECTILÍNEOS Y CIRCULARES. INTRODUCCIÓN A LA CINEMÁTICA.

Solución Actividades Tema 4 MOVIMIENTOS RECTILÍNEOS Y CIRCULARES. INTRODUCCIÓN A LA CINEMÁTICA. Solución Actividades Tema 4 MOVIMIENTOS RECTILÍNEOS Y CIRCULARES. INTRODUCCIÓN A LA CINEMÁTICA. Actividades Unidad 4. Nos encontramos en el interior de un tren esperando a que comience el viaje. Por la

Más detalles

Función de producción

Función de producción Conceptos básicos de microeconomía de la empresa. Función de producción Autor: Lic. Florencia Montilla Julio de 2007 Función de producción La función de producción es la relación que existe entre el producto

Más detalles

Componentes de la Ingeniería de Tráfico (Recomendaciones ITU-T) Jhon Jairo Padilla Aguilar, PhD.

Componentes de la Ingeniería de Tráfico (Recomendaciones ITU-T) Jhon Jairo Padilla Aguilar, PhD. Componentes de la Ingeniería de Tráfico (Recomendaciones ITU-T) Jhon Jairo Padilla Aguilar, PhD. Recomendaciones de la ITU-T ITU- International Telecommunications Union Las recomendaciones de la ITU-T

Más detalles

Interferómetro de Michelson

Interferómetro de Michelson Interferómetro de Michelson Objetivo Medir la longitud de onda de la luz emitida por un laser, determinar la variación del índice de refracción del aire con la presión y evaluar el índice de refracción

Más detalles

Transformación de gráfica de funciones

Transformación de gráfica de funciones Transformación de gráfica de funciones La graficación de las funciones es como un retrato de la función. Nos auda a tener una idea de cómo transforma la función los valores que le vamos dando. A partir

Más detalles

Estacionalidad. Series de tiempo. Modelos econométricos. Modelos econométricos. Q= T Kα Lβ

Estacionalidad. Series de tiempo. Modelos econométricos. Modelos econométricos. Q= T Kα Lβ Estacionalidad Qué es la estacionalidad? La estacionalidad es una componente que se presenta en series de frecuencia inferior a la anual (mensual, trimestral,...), y supone oscilaciones a corto plazo de

Más detalles

PRÁCTICA #1.- OSCILOSCOPIOS

PRÁCTICA #1.- OSCILOSCOPIOS 1 PRÁCTICA #1.- OSCILOSCOPIOS OBJETIVOS -Revisar el funcionamiento básico de los osciloscopios, y a partir de esta base teórica, ser capaz de manejar y realizar mediciones con el osciloscopio existente

Más detalles

Comparar las siguientes ecuaciones, y hallar sus soluciones:

Comparar las siguientes ecuaciones, y hallar sus soluciones: TEMA. Iteraciones. % Hemos aprendido que para resolver una ecuación en x, se despeja la x y se evalúa la expresión que resulta. El siguiente ejemplo nos hará revisar ese esquema. Ejemplo. Comparar las

Más detalles

GANTT, PERT y CPM. Figura 5.3: Carta GANTT 3.

GANTT, PERT y CPM. Figura 5.3: Carta GANTT 3. GANTT, PERT y CPM Características Conseguir una buena programación es un reto, no obstante es razonable y alcanzable. Ella debe tener el compromiso del equipo al completo, para lo cual se recomienda que

Más detalles

Circuito RC, Respuesta a la frecuencia.

Circuito RC, Respuesta a la frecuencia. Circuito RC, Respuesta a la frecuencia. A.M. Velasco (133384) J.P. Soler (133380) O.A. Botina (13368) Departamento de física, facultad de ciencias, Universidad Nacional de Colombia Resumen. Se armó un

Más detalles

CAPITULO VI. AMPERIMETRO, VOLTIMETRO, OHMETRO y MULTIMETRO

CAPITULO VI. AMPERIMETRO, VOLTIMETRO, OHMETRO y MULTIMETRO CAPITULO VI AMPERIMETRO, VOLTIMETRO, OHMETRO y MULTIMETRO 6.1 INTRODUCCION. En el Capítulo V estudiamos uno de los dispositivos más útiles para detectar el paso de una corriente por un circuito: El galvanómetro

Más detalles

4.1 Introducción a los protocolos por vector distancia.

4.1 Introducción a los protocolos por vector distancia. 4.0 Introducción En este capítulo se analiza el funcionamiento, ventajas y desventajas de los protocolos de enrutamiento por vector distancia. 4.1 Introducción a los protocolos por vector distancia. 4.1.1

Más detalles

MODELADO MATEMÁTICO DE FENÓMENOS FÍSICOS. APRENDIZAJE COLABORATIVO UTILIZANDO AULAS VIRTUALES

MODELADO MATEMÁTICO DE FENÓMENOS FÍSICOS. APRENDIZAJE COLABORATIVO UTILIZANDO AULAS VIRTUALES MODELADO MATEMÁTICO DE FENÓMENOS FÍSICOS. APRENDIZAJE COLABORATIVO UTILIZANDO AULAS VIRTUALES Jorge Azpilicueta 1 y José Luis Galoppo 2 Facultad de Ciencias Exactas, Físicas y Naturales, Universidad Nacional

Más detalles

Procesamiento Digital de Imágenes. Compresión de imágenes

Procesamiento Digital de Imágenes. Compresión de imágenes FICH, UNL - Departamento de Informática - Ingeniería Informática Procesamiento Digital de Imágenes Guía de Trabajos Prácticos 8 Compresión de imágenes 2010 1. Objetivos Analizar las características y el

Más detalles

Interpolación. f(x) = 0,3x 2 + 1 π ln [ (π x) 2] + 1 (4.1)

Interpolación. f(x) = 0,3x 2 + 1 π ln [ (π x) 2] + 1 (4.1) Capítulo 4 Interpolación En ciertos casos el usuario conoce el valor de una función f(x) en una serie de puntos x 1, x 2,, x N, pero no se conoce una expresión analítica de f(x) que permita calcular el

Más detalles

Av. Albarellos 2662 1º piso CABA - Argentina (C1419FSQ)

Av. Albarellos 2662 1º piso CABA - Argentina (C1419FSQ) ELECTROACUSTICA Electroacústica básica y refuerzo sonoro. Qué es el sonido? El sonido es una variación de la presión de aire con el tiempo, que se propaga en un medio elástico como el aire. Comparado a

Más detalles

TEMA 1. Introducción y conceptos generales sobre la ciencia económica: Gráficas en Economía

TEMA 1. Introducción y conceptos generales sobre la ciencia económica: Gráficas en Economía TEMA 1 Introducción y conceptos generales sobre la ciencia económica: Gráficas en Economía Objetivos Hacer e interpretar gráficas de series de tiempo, gráficas de sección trasversal y diagramas de dispersión

Más detalles

GRÁFICOS DE CONTROL DE SHEWHART

GRÁFICOS DE CONTROL DE SHEWHART GRÁFICOS DE CONTROL DE SHEWHART Jordi Riu Grupo de Quimiometría, Cualimetría y Nanosensores Universitat Rovira i Virgili Campus Sescelades C/ Marcel lí Domingo s/n 43007-Tarragona Introducción Uno de los

Más detalles

Estadística Descriptiva o Análisis Exploratorio de Datos

Estadística Descriptiva o Análisis Exploratorio de Datos Estadística Descriptiva o Análisis Exploratorio de Datos onos ayudan a organizar la información que nos dan los datos de manera de detectar algún patrón de comportamiento así como también apartamientos

Más detalles

7º) ESTABILIZADORES DE TENSIÓN - EN QUE CONSISTEN DE QUÉ Y COMO PROTEGEN UTILIZACIÓN PARA CORRIENTE MONOFÁSICA Y TRIFÁSICA

7º) ESTABILIZADORES DE TENSIÓN - EN QUE CONSISTEN DE QUÉ Y COMO PROTEGEN UTILIZACIÓN PARA CORRIENTE MONOFÁSICA Y TRIFÁSICA 7º) ESTABILIZADORES DE TENSIÓN - EN QUE CONSISTEN DE QUÉ Y COMO PROTEGEN UTILIZACIÓN PARA CORRIENTE MONOFÁSICA Y TRIFÁSICA Un Estabilizador de Tensión es fundamentalmente un aparato que recibe en la entrada

Más detalles

GUADALINEX Y EL DISEÑO ASISTIDO POR ORDENADOR: INTRODUCCIÓN A QCAD Pablo E. Romero Carrillo

GUADALINEX Y EL DISEÑO ASISTIDO POR ORDENADOR: INTRODUCCIÓN A QCAD Pablo E. Romero Carrillo GUADALINEX Y EL DISEÑO ASISTIDO POR ORDENADOR: INTRODUCCIÓN A QCAD Pablo E. Romero Carrillo 1 INTRODUCCIÓN En este apasionante mundo del software libre, el código abierto y la Web 2.0, no podían faltar

Más detalles

PROGRAMACIÓN LINEAL. 8.1. Introducción. 8.2. Inecuaciones lineales con 2 variables

PROGRAMACIÓN LINEAL. 8.1. Introducción. 8.2. Inecuaciones lineales con 2 variables Capítulo 8 PROGRAMACIÓN LINEAL 8.1. Introducción La programación lineal es una técnica matemática relativamente reciente (siglo XX), que consiste en una serie de métodos y procedimientos que permiten resolver

Más detalles

DISEÑADOR DE ESCALERAS

DISEÑADOR DE ESCALERAS DISEÑADOR DE ESCALERAS Guia del usuario DesignSoft 1 2 DISEÑADOR DE ESCALERAS El Diseñador de Escaleras le hace más fácil definir y colocar escaleras personalizadas en su proyecto. Puede empezar el diseñador

Más detalles

3.1 Opciones reales Opciones Call Opciones Put Compra de Call

3.1 Opciones reales Opciones Call Opciones Put Compra de Call 3.1 Opciones reales La teoría de opciones tiene un origen puramente financiero, se usa ampliamente como estrategia de cobertura de riesgos para inversiones en valores o acciones e inclusive existen opciones

Más detalles

RECOMENDACIÓN UIT-R TF.538-3 MEDICIONES DE LA INESTABILIDAD DE FRECUENCIA Y EN EL TIEMPO (FASE) (Cuestión UIT-R 104/7)

RECOMENDACIÓN UIT-R TF.538-3 MEDICIONES DE LA INESTABILIDAD DE FRECUENCIA Y EN EL TIEMPO (FASE) (Cuestión UIT-R 104/7) Caracterización de las fuentes y formación de escalas de tiempo Rec. UIT-R TF.538-3 1 RECOMENDACIÓN UIT-R TF.538-3 MEDICIONES DE LA INESTABILIDAD DE FRECUENCIA Y EN EL TIEMPO (FASE) (Cuestión UIT-R 104/7)

Más detalles

Otras medidas descriptivas usuales

Otras medidas descriptivas usuales Tema 7 Otras medidas descriptivas usuales Contenido 7.1. Introducción............................. 1 7.2. Medidas robustas.......................... 2 7.2.1. Media recortada....................... 2 7.2.2.

Más detalles

La relación entre la altura de caída y el tiempo que tarda en rebotar 6 veces una pelota

La relación entre la altura de caída y el tiempo que tarda en rebotar 6 veces una pelota La relación entre la altura de caída y el tiempo que tarda en rebotar 6 veces una pelota INTRODUCCIÓN En este experimento voy a relacionar el tiempo que tarda una pelota en rebotar 6 veces desde distintas

Más detalles

Proyectos de inversión. Economía de la Empresa (ISS)

Proyectos de inversión. Economía de la Empresa (ISS) Proyectos de inversión Economía de la Empresa (ISS) 1 Categorías de Flujo de Efectivo El flujo de caja flujos suelen contener las siguientes categorías de flujo de caja. Estas categorías se describen para

Más detalles

Secuencias definidas de manera recursiva

Secuencias definidas de manera recursiva LECCIÓN CONDENSADA 1.1 Secuencias definidas de manera recursiva En esta lección Escribirás definiciones y fórmulas recursivas para patrones y secuencias Aprenderás a reconocer y escribir fórmulas para

Más detalles

Decisión: Indican puntos en que se toman decisiones: sí o no, o se verifica una actividad del flujo grama.

Decisión: Indican puntos en que se toman decisiones: sí o no, o se verifica una actividad del flujo grama. Diagrama de Flujo La presentación gráfica de un sistema es una forma ampliamente utilizada como herramienta de análisis, ya que permite identificar aspectos relevantes de una manera rápida y simple. El

Más detalles

Tema 7: Capital, inversión y ciclos reales

Tema 7: Capital, inversión y ciclos reales Tema 7: Capital, inversión y ciclos reales Macroeconomía 2014 Universidad Torcuato di Tella Constantino Hevia En la nota pasada analizamos el modelo de equilibrio general de dos períodos con producción

Más detalles

I.E.S.MEDITERRÁNEO CURSO 2015 2016 DPTO DE MATEMÁTICAS PROGRAMA DE RECUPERACIÓN DE LOS APRENDIZAJES NO ADQUIRIDOS EN MATEMÁTICAS DE 3º DE E.S.O.

I.E.S.MEDITERRÁNEO CURSO 2015 2016 DPTO DE MATEMÁTICAS PROGRAMA DE RECUPERACIÓN DE LOS APRENDIZAJES NO ADQUIRIDOS EN MATEMÁTICAS DE 3º DE E.S.O. PROGRAMA DE RECUPERACIÓN DE LOS APRENDIZAJES NO ADQUIRIDOS EN MATEMÁTICAS DE 3º DE E.S.O. Este programa está destinado a los alumnos que han promocionado a cursos superiores sin haber superado esta materia.

Más detalles

ANÁLISIS DEL MERCADO DE VALORES (3º GADE)

ANÁLISIS DEL MERCADO DE VALORES (3º GADE) ANÁLISIS DEL MERCADO DE VALORES (3º GADE) PARTE II: TEORÍAS Y TÉCNICAS DE EVALUACIÓN DE INVERSIONES. TEMA 7: ANÁLISIS TÉCNICO DE TÍTULOS DE RENTA VARIABLE ÍNDICE DE CONTENIDOS 7.1.- Tipos de gráficos 7.2.-

Más detalles

FÍSICA de 2º de BACHILLERATO ÓPTICA -GEOMÉTRICA-

FÍSICA de 2º de BACHILLERATO ÓPTICA -GEOMÉTRICA- FÍSICA de 2º de BACHILLERATO ÓPTICA -GEOMÉTRICA- EJERCICIOS RESUELTOS QUE HAN SIDO PROPUESTOS EN LOS EXÁMENES DE LAS PRUEBAS DE ACCESO A ESTUDIOS UNIVERSITARIOS EN LA COMUNIDAD DE MADRID (1996 2013) DOMINGO

Más detalles

EXAMEN FÍSICA PAEG UCLM. SEPTIEMBRE 2013. SOLUCIONARIO OPCIÓN A. PROBLEMA 1

EXAMEN FÍSICA PAEG UCLM. SEPTIEMBRE 2013. SOLUCIONARIO OPCIÓN A. PROBLEMA 1 OPCIÓN A. PROBLEMA 1 Una partícula de masa 10-2 kg vibra con movimiento armónico simple de periodo π s a lo largo de un segmento de 20 cm de longitud. Determinar: a) Su velocidad y su aceleración cuando

Más detalles

MEDIDAS DE TENDENCIA CENTRAL Y DISPERSIÓN

MEDIDAS DE TENDENCIA CENTRAL Y DISPERSIÓN MEDIDAS DE TENDENCIA CENTRAL Y DISPERSIÓN Suponga que le pedimos a un grupo de estudiantes de la asignatura de estadística que registren su peso en kilogramos. Con los datos del peso de los estudiantes

Más detalles

BASES DE DATOS TEMA 4 DISEÑO DE BASES DE DATOS RELACIONALES

BASES DE DATOS TEMA 4 DISEÑO DE BASES DE DATOS RELACIONALES BASES DE DATOS TEMA 4 DISEÑO DE BASES DE DATOS RELACIONALES El modelo relacional se basa en dos ramas de las matemáticas: la teoría de conjuntos y la lógica de predicados de primer orden. El hecho de que

Más detalles

La definición de digital es toda información representada por una serie de pulsos eléctricos discretos basados en un sistema binario (ceros y unos).

La definición de digital es toda información representada por una serie de pulsos eléctricos discretos basados en un sistema binario (ceros y unos). Tratamiento de la Imagen Digital Qué es la imagen digital? La definición de digital es toda información representada por una serie de pulsos eléctricos discretos basados en un sistema binario (ceros y

Más detalles

Geometría Computacional

Geometría Computacional Geometría Computacional Melanie Sclar Facultad de Ciencias Exactas y Naturales Universidad de Buenos Aires Training Camp 2014 Melanie Sclar (UBA) Geometría Computacional TC 2014 1 / 47 Contenidos 1 Introducción

Más detalles

T E C N O L O G Í A OPTIMIZACIÓN DE MATERIALES MEDIANTE PATRONES DE CORTE EFICIENTE. Aplicación. a la INDUSTRIA

T E C N O L O G Í A OPTIMIZACIÓN DE MATERIALES MEDIANTE PATRONES DE CORTE EFICIENTE. Aplicación. a la INDUSTRIA OPTIMIZACIÓN DE MATERIALES MEDIANTE PATRONES DE CORTE EFICIENTE Aplicación a la INDUSTRIA de la construcción 1 El presente estudio propone el uso de un algoritmo comúnmente utilizado en la rama de investigación

Más detalles

Evaluación de Aguila Cero en cuanto a comportamiento de conductores y detección de alcoholemia

Evaluación de Aguila Cero en cuanto a comportamiento de conductores y detección de alcoholemia Evaluación de Aguila Cero en cuanto a comportamiento de conductores y detección de alcoholemia Grupo de Estudios en Sostenibilidad Urbana y Regional SUR Resumen ejecutivo Bogotá, Colombia Noviembre 18

Más detalles

11 Número de publicación: 2 224 244. 51 Int. Cl. 7 : E21B 4/14. 72 Inventor/es: Beccu, Rainer. 74 Agente: Díez de Rivera de Elzaburu, Alfonso

11 Número de publicación: 2 224 244. 51 Int. Cl. 7 : E21B 4/14. 72 Inventor/es: Beccu, Rainer. 74 Agente: Díez de Rivera de Elzaburu, Alfonso 19 OFICINA ESPAÑOLA DE PATENTES Y MARCAS ESPAÑA 11 Número de publicación: 2 224 244 1 Int. Cl. 7 : E21B 4/14 B2D 17/06 12 TRADUCCIÓN DE PATENTE EUROPEA T3 86 Número de solicitud europea: 97922273.4 86

Más detalles

Tratamiento de la Imagen Digital

Tratamiento de la Imagen Digital Tratamiento de la Imagen Digital Qué es la imagen digital? La definición de digital es toda información representada por una serie de pulsos electricos discretos basados en un sistema binario (ceros y

Más detalles

Investigación sobre el cambio en la aceleración de un carrito que rueda hacia abajo sobre un plano inclinado

Investigación sobre el cambio en la aceleración de un carrito que rueda hacia abajo sobre un plano inclinado Investigación sobre el cambio en la aceleración de un carrito que rueda hacia abajo sobre un plano inclinado La investigación Pregunta de investigación: Es constante la aceleración de un carrito que cae

Más detalles

Programación de control numérico

Programación de control numérico 1 Programación de control numérico Contenidos 11 Lenguajes de programación de control numérico 12 Técnicas de programación 13 Planificación de la programación 14 Definición de trayectorias 15 Herramientas

Más detalles

Controladores PID. Virginia Mazzone. Regulador centrífugo de Watt

Controladores PID. Virginia Mazzone. Regulador centrífugo de Watt Controladores PID Virginia Mazzone Regulador centrífugo de Watt Control Automático 1 http://iaci.unq.edu.ar/caut1 Automatización y Control Industrial Universidad Nacional de Quilmes Marzo 2002 Controladores

Más detalles

TEMA 6: Gráficos de Control por Variables

TEMA 6: Gráficos de Control por Variables TEMA 6: Gráficos de Control por Variables 1 Introducción 2 Gráficos de control de la media y el rango Función característica de operación 3 Gráficos de control de la media y la desviación típica 4 Gráficos

Más detalles

Indicadores matemáticos para el análisis técnico de precios

Indicadores matemáticos para el análisis técnico de precios ANÁLISIS TÉCNICO DE PRECIOS Nota técnica Joaquín Arias Segura Ph.D i Especialista Regional en Políticas y Negociaciones Comerciales para la Región Andina Instituto Interamericano de Cooperación para la

Más detalles

Clasificación de Música por Genero Utilizando Redes Neuronales Artificiales. Elkin García, Germán Mancera, Jorge Pacheco

Clasificación de Música por Genero Utilizando Redes Neuronales Artificiales. Elkin García, Germán Mancera, Jorge Pacheco Clasificación de Música por Genero Utilizando Redes Neuronales Artificiales Elkin García, Germán Mancera, Jorge Pacheco Presentación Los autores han desarrollado un método de clasificación de música a

Más detalles

Capítulo 10. Gráficos y diagramas

Capítulo 10. Gráficos y diagramas Capítulo 10. Gráficos y diagramas 1. Introducción Los gráficos y diagramas que se acostumbran a ver en libros e informes para visualizar datos estadísticos también se utilizan con propósitos cartográficos,

Más detalles