PROPIEDADES DISTRIBUCIONALES DE INDICES DE CAPACIDAD DE PROCESOS BAJO DISTRIBUCIONES NO NORMALES
|
|
- José Cordero Reyes
- hace 7 años
- Vistas:
Transcripción
1 Decimosextas Jornadas "Investigaciones en la Facultad" de iencias Económicas y Estadística. Noviembre de 0 Ferreri, Noemí M. Quaglino, Marta B. () Facultad de iencias Exactas, Ingeniería y Agrimensura. UNR () Instituto de Investigaciones Teóricas y Alicadas. Escuela de Estadística. UNR PROPIEDADES DISTRIBUIONALES DE INDIES DE APAIDAD DE PROESOS BAJO DISTRIBUIONES NO NORMALES - INTRODUIÓN El estudio de la caacidad de un roceso, junto con el control estadístico de rocesos y el diseño de exerimentos son métodos estadísticos que se utilizan desde hace décadas con el roósito de controlar y reducir la variabilidad de rocesos y roductos, mejorando así calidad y roductividad. Dentro de los estudios de caacidad se utilizan indicadores que cuantifican la habilidad del roceso ara cumlir con las esecificaciones de clientes tanto internos como externos. Estos son los Índices de aacidad de Proceso, que se constituyen en los indicadores más utilizados en las emresas ara comunicar acerca de la calidad de roductos o servicios. Muchos de los indicadores rouestos en la literatura, entre los que se encuentran los de uso más frecuente en la industria, evalúan varios asectos de la caacidad de un roceso simultáneamente y el usuario no uede conocer entonces la naturaleza de la falta de caacidad, cuando esta ocurre. Una forma de suerar esta limitación es considerar índices que evalúen la caacidad en relación a un único asecto (variabilidad, centrado, roorción de roducción no conforme, etc.) y definir con ellos un vector de caacidad de roceso. Surge además otro inconveniente relacionado con los índices de caacidad: muchos de ellos han sido construidos suoniendo normalidad de la variable en estudio, de modo que ueden conducir a resultados engañosos si esta no se cumle. En este trabajo se consideran indicadores que señalan roblemas de caacidad en relación a la variabilidad, ara rocesos con una única variable de calidad continua. Sus objetivos son:
2 Decimosextas Jornadas "Investigaciones en la Facultad" de iencias Económicas y Estadística. Noviembre de 0 - Presentar diferentes indicadores de caacidad en relación a la variabilidad y analizar sus roiedades oblacionales ara rocesos con esecificaciones bilaterales simétricas y alejamientos de la normalidad. - Prooner estimadores ara los diferentes indicadores de caacidad y estudiar sus roiedades distribucionales or simulación frente a alejamientos de la normalidad. El trabajo se organiza en 4 secciones de las cuales la Introducción es la rimera. En la Sección se resentan diferentes indicadores de caacidad en relación a la variabilidad y se analizan sus roiedades oblacionales; mientras que en la Sección se resentan sus estimadores y se estudian or simulación sus roiedades distribucionales. En la Sección 4 se analizan conjuntamente los resultados obtenidos en las Secciones y y se sustancian las conclusiones más imortantes, indicando los aortes que se derivan de este trabajo ara el lanteo y el estudio de las roiedades de indicadores multidimensionales. - INDIADORES DE APAIDAD EN RELAION A LA VARIABILIDAD uando la identificación de roblemas en la variabilidad del roceso es el objetivo, los índices tienen generalmente la siguiente estructura: Variación ermitida ara el roceso Variación actual del roceso La variación ermitida ara el roceso (VP) surge a artir de las esecificaciones imuestas al roducto o servicio y se obtiene haciendo la diferencia entre el límite suerior (LSE) y el límite inferior de esecificaciones (LIE). La variación actual del roceso (VA) viene dada or la diferencia entre las tolerancias naturales, que son los ercentiles suerior e inferior de la distribución de la variable en estudio, tales que una roorción dada de dicha distribución se ubica entre ellos. Un roceso se define como caaz en relación a la variabilidad si VA es a lo sumo igual que VP y en ese caso, el cociente toma un valor mayor o igual que. El más divulgado de los índices de este gruo es 70 del siglo anterior:, resentado or Juran en la década del Están definidos el límite inferior de esecificaciones (LIE) y el límite suerior (LSE) y el valor objetivo, T, es el unto medio del intervalo (LIE,LSE)
3 Decimosextas Jornadas "Investigaciones en la Facultad" de iencias Económicas y Estadística. Noviembre de 0 LSE - LIE = 6σ donde σ es la desviación estándar del roceso. (), En la exresión de se suone imlícitamente que las esecificaciones son bilaterales simétricas, 0,005 es el máximo admitido ara la roorción de roducción no conforme a cada lado de los límites de esecificaciones y la variable en estudio es normal. Si los dos rimeros requerimientos se verifican; ero no la normalidad, el valor de engañoso. uede resultar hang, hoi y Bai (00) roonen un indicador ara distribuciones asimétricas basado en la idea que en ese caso, la desviación estándar del roceso, σ, uede dividirse en una desviación suerior (σ U ) y en una desviación inferior (σ L ) que reresentan resectivamente el grado de disersión de los lados suerior e inferior resecto de µ. La exresión rouesta es: donde es la exresión (), P µ = P(X µ) VP = mín( ; ) Pµ (- P µ ) (), Otros autores roonen diseñar índices a distribución libre utilizando ercentiles. Entre ellos se encuentran Pearn y hen (997) que resentan la siguiente exresión: LSE - LIE = (), P - P NP 99,865 0,5 donde P 99,865 y P 0,5 son los ercentiles corresondientes. En síntesis, la exresión () solo se uede alicar bajo normalidad y la exresión () se adata a distribuciones asimétricas, reduciéndose a () si la distribución es simétrica. Ambas exresiones están basadas en la desviación estándar. La exresión () se basa en ercentiles y or lo tanto uede alicarse ara cualquier distribución. Todas las exresiones mencionadas se roonen ara esecificaciones bilaterales simétricas y suonen un máximo de 0,005 ara la roorción de roducción no conforme a cada lado de los límites. Esto último uede modificarse cambiando el valor 6 en () o cambiando los ercentiles en (). Las roiedades oblacionales que se evalúan son la sensibilidad y la esecificidad. Una exresión es sensible si advierte sobre la falta de caacidad de los rocesos cuando esta se
4 Decimosextas Jornadas "Investigaciones en la Facultad" de iencias Económicas y Estadística. Noviembre de 0 roduce; mientras que es esecífico si no da falsas alarmas cuando el roceso realmente es caaz. Bajo normalidad, VA coincide con 6σ y la robabilidad de obtener valores menores que µ es 0, or lo que cualquiera de las exresiones resultan equivalentes. Además, si el roceso es caaz, VA resulta a lo sumo igual que VP y los índices () a () toman un valor mayor o igual que. Lo contrario ocurre si el roceso no es caaz. Entonces, las tres exresiones resultan sensibles (toman un valor menor que si el roceso no es caaz) y esecíficas (toman un valor mayor que si el roceso es caaz). Si el modelo es simétrico ero no normal, las exresiones basadas en σ coinciden. En articular, si se considera una mezcla de distribuciones normales, con el mismo valor eserado ero diferente variabilidad, VA es mayor que 6σ y como consecuencia, estas exresiones sobrevaloran la caacidad del roceso, udiendo identificar como caaz a un roceso que no lo es. Esto imlica que siguen siendo esecíficas ero no siemre sensibles a la falta de caacidad. Una forma de reducir la érdida de sensibilidad ara estas exresiones es considerar un valor menor que 6 en el denominador, aunque esto significa admitir una mayor roorción de roducción no conforme. La exresión () no se ve afectada ya que su denominador coincide con VA, resultando siemre sensible y esecífica. Si el modelo es asimétrico ninguna de las exresiones rouestas coinciden. Solo () resulta sensible y esecífica; mientras que las restantes son esecíficas ero ueden resultar no sensibles. En este caso la exresión () es la que menos sobrevalora la caacidad. También está la osibilidad de considerar un valor menor que 6, ya mencionada en el árrafo anterior. La Tabla resume las roiedades oblacionales de las exresiones rouestas. La exresión (), basada en ercentiles resulta siemre sensible y esecífica, indeendientemente de la distribución de la variable de calidad. Las restantes ueden resultar no sensibles si el modelo se aleja del normal.
5 Decimosextas Jornadas "Investigaciones en la Facultad" de iencias Económicas y Estadística. Noviembre de 0 Tabla. Sensibilidad y esecificidad de los indicadores de caacidad en relación a variabilidad Distribución ara la variable en estudio Indicadores de caacidad en relación a la variabilidad () VP () NP () Normal ( ) ( ) ( ) Mezcla de normales ( ) ( ) ( ) Asimétrica ( ) ( ) ( ) Referencias: ( ) siemre sensibles y esecíficas ( ) esecíficas ero no siemre sensibles La sensibilidad y la esecificidad se analizaron suoniendo conocidos la distribución de robabilidad de la variable en estudio y sus arámetros. En la ráctica, la caacidad de un roceso se estudia a artir de información muestral y entonces, se requiere el análisis de las roiedades de los estimadores. Esto es lo que se realiza en la siguiente sección. - ESTUDIO DE LAS PROPIEDADES DISTRIBUIONALES DE LOS ESTIMADORES Para cada uno de los índices de caacidad rouestos en la sección anterior, se define un estimador, or el método de sustitución (lug-in). Los mismos se resentan en la Tabla. Para evaluar las roiedades distribucionales de los estimadores resentados en dicha tabla se consideran los siguientes modelos: - N(00,0) - Mezcla de normales, donde el 90 % de los valores corresonden a una distribución N(00,0) y el 0 % restante a una distribución N(00,0) - Lognormal (,67; 5) A los valores de esta distribución se les suma la constante 8,0655 ara que E(X) = 00
6 Decimosextas Jornadas "Investigaciones en la Facultad" de iencias Económicas y Estadística. Noviembre de 0 Tabla Estimadores de los indicadores de caacidad en relación a la variabilidad Estimadores de las exresiones basadas en σ () LSE - LIE b 6S, con b = f Γ( ) f f Γ( ) LSE - T T - LIE min( ; ) () S( x ) S((- x )) y f = n - Estimador de la exresión basada en ercentiles () LSE - LIE - 99,865 0,5 S: desviación estándar muestral, x es la roorción de valores muestrales menores que la media, 0,5 y 99,865 son los ercentiles estimados con el método que R utiliza or omisión y b es un factor de corrección ara el sesgo rouesto or Pearn, Kotz y Johnson (99). Para las tres distribuciones elegidas, el valor eserado es 00 unidades y la desviación estándar, 0. Para el tercer modelo, el coeficiente de asimetría es aroximadamente. A su vez, se definen dos casos en relación con las esecificaciones, todos ellos corresondientes a esecificaciones bilaterales simétricas: - - Esecificaciones: (55,45), valor objetivo (T): Esecificaciones: (80,0), valor objetivo (T): 00 De la combinación de los distintos modelos y casos elegidos surgen 6 escenarios diferentes. Si bien tanto los arámetros elegidos ara las distribuciones consideradas (media 00 y desviación estándar cercana a 0 ara todas las distribuciones) como los límites esecificación y valores objetivos son arbitrarios, esto no imlica érdida de generalidad; ya que combinados dan lugar a rocesos sin y con roblemas de variabilidad, generando un esectro comleto de osibles situaciones rácticas (ara los modelos considerados en este trabajo, el roceso resulta caaz en relación a la variabilidad en el caso y no caaz en el caso ). Para cada uno de los 6 escenarios, se simulan 0000 muestras de tamaños n = 5, 50 y 00. A artir de las distribuciones muestrales emíricas se obtiene el sesgo relativo (SR) y el error cuadrático medio (EM) de cada uno de los estimadores rouestos. También se analiza la forma de la distribución muestral. Las roiedades mencionadas se definen en la Tabla.
7 Decimosextas Jornadas "Investigaciones en la Facultad" de iencias Económicas y Estadística. Noviembre de 0 Tabla Proiedades de los estimadores de caacidad en relación a la variabilidad Proiedad Definición Sesgo Relativo (SR) SR = E(c) - Error uadrático Medio (EM) EM = E(c ) = Var(c) + (E(c) ) es el indicador de caacidad y c, su estimador El Sesgo Relativo toma valores menores que 0,5 si se considera a los estimadores basados en σ ( y ), siendo casi nulo ara el estimador si el modelo es el normal. Para el estimador basado en ercentiles (), oscila entre 0,0 y, resultando mayor ara la mezcla de normales y la distribución asimétrica. Para cualquiera de los estimadores mencionados, los valores de SR se reducen a medida que n aumenta. Estos resultados son similares ara los dos casos considerados en este trabajo en relación con las esecificaciones (Figura ). Lo mismo ocurre con el Error uadrático Medio, que resenta los valores mayores ara el estimador basado en ercentiles. Esta diferencia se hace más notoria en el caso (Figura ). Figura. Sesgo relativo (en valor absoluto) de los estimadores de caacidad en relación a la variabilidad, or modelo, caso y tamaño muestral Sesgo Relativo (en v.abs.), 0,9 0,7 0, 0,, 0,9 0,7 0, 0,.Normal. aso.normal. aso.mezcla de Normales. aso.mezcla de Normales. aso.asimétrico. aso.asimétrico. aso, 0,9 0,7 0, 0, n Estimador
8 Decimosextas Jornadas "Investigaciones en la Facultad" de iencias Económicas y Estadística. Noviembre de 0 Figura. Error uadrático Medio de los estimadores de caacidad en relación a la variabilidad, or modelo, caso y tamaño muestral,5,0,5,0.normal. aso.normal. aso n ,0.Mezcla de Normales. aso.mezcla de Normales. aso,5,0 EM,5,0,5.Asimétrico. aso.asimétrico. aso 0,0,0,5,0 0,0 Estimador En la Figura se resentan, a modo de ejemlo, las distribuciones muestrales obtenidas or simulación ara la mezcla de normales y ara la distribución asimétrica. omo se observa en dichas figuras, las distribuciones de los estimadores se van aroximando a la normal a medida que aumenta el tamaño de muestra. A su vez, las curvas de densidad muestran claramente que el estimador basado en ercentiles () es sesgado, lo cual es más notorio ara el menor tamaño de muestra considerado en este trabajo (n = 5). En síntesis, los estimadores basados en σ resentan valores de SR y EM marcadamente inferiores que los corresondientes al estimador basado en ercentiles. A su vez, las distribuciones muestrales obtenidas ara cualquiera de los estimadores no difiere sustancialmente de la normal ara los tamaños muestrales considerados en este trabajo.
9 Decimosextas Jornadas "Investigaciones en la Facultad" de iencias Económicas y Estadística. Noviembre de 0 Figura. Distribuciones muestrales de los estimadores de caacidad en relación a la variabilidad, or modelo, caso y tamaño muestral Mezcla de normales Modelo asimétrico.5 Estimador Estimador 0 4 Estimador.5 Estimador Estimador 0 4 Estimador Estimador Estimador Estimador Referencias: celeste: n = 5; rosa: n = 50; verde: n = 00
10 Decimosextas Jornadas "Investigaciones en la Facultad" de iencias Económicas y Estadística. Noviembre de 0 4- ONSIDERAIONES FINALES En este trabajo se rousieron tres indicadores de caacidad en relación a la variabilidad. El rimero,, es amliamente utilizado en la industria y se basa imlícitamente en la distribución normal. El segundo, VP, resenta una modificación ara ser utilizada con distribuciones asimétricas y se reduce al rimero si la distribución es simétrica. El tercero, uede ser utilizado con cualquier distribución ya que está basado en ercentiles. NP, Del análisis de la sensibilidad y esecificidad de las exresiones en la oblación surge que solo NP resulta sensible y esecífico en todos los casos y modelos considerados. Sin embargo, el estimador rouesto ara NP no resenta buenas roiedades ni siquiera ara el mayor tamaño muestral considerado en este trabajo (n = 00), asumiendo valores altos ara SR y EM. En el otro extremo, solo es sensible y esecífico bajo normalidad y ierde sensibilidad ara las mezclas de normales y las distribuciones asimétricas; ero su estimador es el que resenta valores más bajos de SR y EM. La alternativa que se roone en este trabajo es considerar como indicador a la exresión VP y su estimador corresondiente or las siguientes razones: Si el modelo aroiado es el normal, la exresión es sensible y esecífica; mientras que si se trabaja con distribuciones asimétricas ierde sensibilidad ero en menor medida que. Para mezclas de normales, uede mejorarse su sensibilidad, tomando un valor menor que 6 en el denominador. Además, el estimador rouesto ara EM y SR que el estimador de. VP resenta valores similares o levemente sueriores de Los indicadores resentados corresonden a la caacidad en relación a la variabilidad, sin embargo odría alicarse un rocedimiento análogo ara seleccionar indicadores de caacidad en relación a otros asectos (centrado, roorción de roducción no conforme, etc.), ara finalmente definir un indicador multidimensional de caacidad, caaz de identificar simultáneamente distintas dimensiones de caacidad y lo suficientemente flexible como ara alicarse a distintas situaciones. De esta forma, del análisis de la caacidad surgiría no solo la falta de caacidad de un roceso sino también la naturaleza de la misma, ermitiendo la lanificación de acciones correctivas en forma integral, aun cuando los suuestos clásicos, como la distribución normal de la variable de calidad, no se satisfagan.
11 Decimosextas Jornadas "Investigaciones en la Facultad" de iencias Económicas y Estadística. Noviembre de 0 REFERENIAS BIBLIOGRÁFIAS hang, Y.; hoi, I.; Bai, D. (00) Process aability Indices for Skewed Poulations. Quality and Reliability Engineering International, 8, 8-9. Gunter, B (989) The Use and Abuse of k Parts -4, Quality Progress,, 7-7, 79-80, 86-87, Kotz, S.; Johnson, N. (00) Process aability Indices- A Review, (con discusión), Journal of Quality Technology, 4, -9. Pearn, W.; hen, K. (997) aability Indices for non-normal distributions with an alication in electrolytic caacitor manufacturing, Microelectronics Reliability, 7, Pearn, W. ; Kotz, S.; Johnson, N. (99) Distributional and Inferential Proerties of Process aability Indices, Journal of Quality Technology, 4, 6-. Pearn, W.; Kotz, S. (006), Encycloedia and Handbook of Process aability Indices. A omrehensive Exosition of Quality ontrol Measures. (Series on Quality, Reliability and Engineering Statistics. Vol ), Singaur: World Scientific. Shahriari, H.; Abdollahzadeh, M. (009) A new multivariate rocess caability vector, Quality Engineering,, Wang, F.; Hubele, N.; Lawrence, F.; Miskulin, J.; Shahriari, H. (000), omarison of Three Multivariate Process aability Indices, Journal of Quality Technology,, 6-75.
TESIS DE MAESTRIA EN ESTADISTICA APLICADA
TESIS DE MAESTRIA EN ESTADISTICA APLICADA INDICADORES MULTIDIMENSIONALES DE CAPACIDAD DE PROCESOS REGIONES DE CONFIANZA MEDIANTE BOOTSTRAP 1 Noemí María Ferreri Facultad de Ciencias Exactas, Ingeniería
Más detallesPruebas de vida acelerada en confiabilidad
Notas Pruebas de vida acelerada en confiabilidad Resumen Las ruebas aceleradas consisten en una variedad de métodos ara acortar la vida de un roducto o ara alargar su degradación. El rincial objetivo de
Más detallesPROCESOS DE MARKOV. Definiciones en los Procesos de Markov de Primer Orden:
ROCESOS DE MARKOV rinciio de Markov: Cuando una robabilidad condicional deende únicamente del suceso inmediatamente anterior, cumle con el rinciio de Markov de rimer Orden, es decir. X ( t ) j X () K,
Más detallesEjemplos: 1) De una urna que contiene 6 bolillas blancas y 4 negras se extraen sin reposición 3 bolillas. Se definen
Probabilidades Estadística Comutación Facultad de Ciencias Eactas Naturales Universidad de Buenos Aires Ana M. Bianco Elena J. Martínez Vectores aleatorios Hasta ahora hemos estudiado modelos de robabilidad
Más detallesEjemplos: 1) De una urna que contiene 6 bolillas blancas y 4 negras se extraen sin reposición 3 bolillas. Se definen
Probabilidades Estadística Comutación Facultad de Ciencias Eactas Naturales. Universidad de Buenos Aires Ana M. Bianco Elena J. Martínez Vectores aleatorios Hasta ahora hemos estudiado modelos de robabilidad
Más detallesNÚMEROS RACIONALES Q
NÚMEROS RACIONALES Q Es el número ue se uede exresar como el cociente de dos números enteros, es decir, en forma de fracción 0. El conjunto se uede reresentar Q {, Z 0} {..., 2, 2, 1, 0, 1 8, 2 7, 1,...
Más detallesExcedente del Consumidor
Excedente del Consumidor Microeconomía Douglas Ramírez Introducción Cuando el ambiente económico cambia esto uede afectar ositiva o negativamente al consumidor. Los economistas con frecuencia quieren medir
Más detallesSoluciones de los ejercicios de Selectividad sobre Probabilidad de Matemáticas Aplicadas a las Ciencias Sociales II
Soluciones de los ejercicios de Selectividad sobre Probabilidad de Matemáticas Alicadas a las iencias Sociales II Antonio Francisco Roldán Lóez de Hierro * onvocatoria de 2009 Las siguientes áginas contienen
Más detallesEstadística Descriptiva. SESIÓN 12 Medidas de dispersión
Estadística Descriptiva SESIÓN 12 Medidas de dispersión Contextualización de la sesión 12 En la sesión anterior se explicaron los temas relacionados con la desviación estándar, la cual es una medida para
Más detallesINDICADORES MULTIVARIADOS DE CAPACIDAD DE PROCESOS. SU EFICIENCIA BAJO DISTRIBUCIONES NORMALES.
Dianda, Daniela Hernández, Lucia Quaglino, Marta Pagura, José Alberto Instituto de Investigaciones Teóricas y Aplicadas de la Escuela de Estadística INDICADORES MULTIVARIADOS DE CAPACIDAD DE PROCESOS.
Más detallesTÍTULO: Aplicación de la integral doble. AUTOR: Dr. Reinaldo Hernández Camacho.
TÍTULO: Alicación de la integral doble. AUTO: Dr. einaldo Hernández Camacho. INTODUCCIÓN Para reconocer cuándo se uede alicar un conceto matemático en la resolución de un roblema es esencial interretar
Más detallesALTERNATIVAS AL GRÁFICO DE PROBABILIDAD NORMAL COMO TEST DE VALIDACIÓN
ISSN 007-197 ALTERNATIVAS AL GRÁICO DE PROBABILIDAD NORMAL COMO TEST DE VALIDACIÓN Ana María Islas Cortes Instituto Politécnico Nacional, ESIT amislas@in.mx Gabriel Guillén Buendia Instituto Politécnico
Más detallesÍNDICE CAPITULO UNO CAPITULO DOS. Pág.
ÍNDICE CAPITULO UNO Pág. Concepto de Estadística 1 Objetivo 1 Diferencia entre estadísticas y estadística 1 Uso de la estadística 1 Divisiones de la estadística 1 1. Estadística Descriptiva 1 2. Estadística
Más detallesPROBLEMAS DE LÍMITES Y CONTINUIDAD (MÉTODOS ALGEBRAICOS) lím. lím. Las descomposiciones factoriales se hacen dividiendo sucesivamente por x + 2.
PROBLEMAS DE LÍMITES Y CONTINUIDAD MÉTODOS ALGEBRAICOS) Cálculo de ites or métodos algebraicos Resuelve los siguientes ites: a) 8 b) 8 c) a) ) ) 6) ) 8 Se reite el roceso) ) ) ) ) Las descomosiciones factoriales
Más detallesDESIGUALDAD DE LA DISTRIBUCIÓN DE LA RENTA EN LAS PROVINCIAS DE CASTILLA Y LEÓN: UN ESTUDIO REALIZADO CON MÉTODOS NO PARAMÉTRICOS.
DESIGUALDAD DE LA DISTRIBUCIÓN DE LA RENTA EN LAS PROVINCIAS DE CASTILLA Y LEÓN: UN ESTUDIO REALIZADO CON MÉTODOS NO PARAMÉTRICOS. Rafael HERRERIAS PLEGUEZUELO Federico PALACIOS GONZALEZ José CALLEJON
Más detallesSEGUNDA PRUEBA. 26 de febrero de 2010 INSTRUCCIONES. Esta prueba consiste en la resolución de un problema de tipo experimental
SEGUNDA PRUEBA 6 de febrero de 010 : INSTRUCCIONES Esta rueba consiste en la resolución de un roblema de tio exerimental Razona siemre tus lanteamientos No olvides oner tus aellidos, nombre y datos del
Más detallesTema: LÓGICA PROPOSICIONAL
UNIDAD N 01: SEMANA 01: Sesión 01: Denominación: LÓGICA, MATEMÁTICA Y CONJUNTOS. Contenido: Lógica Proosicional: Introducción. Proosiciones lógicas. Clases de Proosiciones Lógicas. Proosiciones Comuestas
Más detallesCÁPITULO 4. METODOLOGÍA. Para la implementación de cualquier plan de pensiones es necesario, después de haber
CÁPITULO 4. METODOLOGÍA Para la imlementación de cualquier lan de ensiones es necesario, desués de haber establecido las características de éste, el cálculo de las aortaciones que serán requeridas ara
Más detalles4. Medidas de tendencia central
4. Medidas de tendencia central A veces es conveniente reducir la información obtenida a un solo valor o a un número pequeño de valores, las denominadas medidas de tendencia central. Sea X una variable
Más detallesTERMODINÁMICA FUNDAMENTAL. TEMA 4. Aplicaciones del primer principio
ERMODINÁMICA FUNDAMENAL EMA 4. Alicaciones del rimer rinciio 1. Ecuación energética de estado. Proiedades energéticas 1.1. Ecuación energética La energía interna, al ser función de estado, deende de, y.
Más detallesTRABAJO Y ENERGÍA (página 109 del libro)
TRABAJO Y ENERGÍA (ágina 09 del libro).- TRABAJO MECÁNICO. El conceto de trabajo, al igual que vimos con el conceto de fuerza, en la vida diaria es algo intuitivo que solemos asociar con una actividad
Más detallesUnidad Temática 5 Estimación de parámetros: medias, varianzas y proporciones
Unidad Temática 5 Estimación de parámetros: medias, varianzas y proporciones Responda verdadero o falso. Coloque una letra V a la izquierda del número del ítem si acepta la afirmación enunciada, o una
Más detallesESPEJOS ESFÉRICOS. f 2
ESPEJS ESÉRS Suericie ulida Suericie ulida luz r luz r Eje ótico Esejo cóncavo ig. 1 Esejo convexo r + en un esejo cóncavo - en un esejo convexo Para esejos eséricos, siendo r 2 resulta: + esejo cóncavo
Más detallesn veces El número real a recibe el nombre de base, n el de exponente y el resultado del producto es la potencia de orden n de a:
Potenciación Sea a R; n N; la eresión a n de ne un número real asi: a n a a ::: a; n veces El número real a recibe el nombre de base, n el de eonente y el resultado del roducto es la otencia de orden n
Más detallesModelos de Espera. M. En C. Eduardo Bustos Farías
Modelos de Esera M. En C. Eduardo Bustos Farías Introducción Una línea de esera es la resultante de un sistema cuando la demanda or un bien o servicio suera la caacidad que uede roorcionar dicho sistema.
Más detalles2.5. Asimetría y apuntamiento
2.5. ASIMETRÍA Y APUNTAMIENTO 59 variable Z = X x S (2.9) de media z = 0 y desviación típica S Z = 1, que denominamos variable tipificada. Esta nueva variable carece de unidades y permite hacer comparables
Más detallesVALUACIÓN DE BONOS. 3. Tasa de rendimiento al vencimiento. las que diversos inversionistas descuentan los flujos futuros de un mismo bono y de esa
1 VALUACIÓN DE BONOS 3. Tasa de rendimiento al vencimiento El recio de mercado de un bono, como cualquier otro activo, se determina or oferta y demanda de numerosos inversionistas. Las tasas de rendimiento
Más detallesModelo analítico de rendimiento
AT5128 Arquitectura e Ingeniería de Comutadores II Modelo analítico de rendimiento Curso 2011-2012 AT5128 Arquitectura e Ingeniería de Comutadores II Índice Fuentes de overhead en rogramas aralelos. Métricas
Más detallesTema 1. Cinemática de partícula
Tema 1. Cinemática de artícula Cinemática de artícula Tema 1 1. Introducción. Vectores osición, velocidad y aceleración 3. 4. Método gráfico en movimiento rectilíneo 5. de varias artículas Mecánica II
Más detallesDISTRIBUCIONES MUESTRALES
DISTRIBUCIONES MUESTRALES Distribuciones muestrales Autores: Ángel A. Juan (ajuanp@uoc.edu), Máximo Sedano (msedanoh@uoc.edu), Alicia Vila (avilag@uoc.edu). ESQUEMA DE CONTENIDOS CARACTERÍSTICAS DE LA
Más detallesIntroducción a la Economía. Grado en ADE
Introducción a la Economía. Grado en AE Ejercicios de los bloues y 3 Ejercicios numéricos 1. En un mercado de cometencia erfecta, la curva de demanda es 1.000/ y la curva de oferta es 10+00. Un reciente
Más detallesAlgorítmica del diseño mecánico
Ingeniería Mecánica, 0 (1997) 31 37 31 Algorítmica del diseño mecánico J. Martínez Escanaverino, A. García Toll y T. Ortiz Cárdenas Deartamento de Mecánica Alicada, Facultad de Ingeniería Mecánica, Instituto
Más detallesJUEGOS ESTÁTICOS T. 4 VARIABLE CONTINUA Y APLICACIONES ECONÓMICAS. Universidad Carlos III de Madrid
JUEGOS ESTÁTICOS T. 4 VARIABLE CONTINUA Y APLICACIONES ECONÓMICAS Universidad Carlos III de Madrid VARIABLE CONTINUA n En muchos juegos las estrategias uras que ueden elegir los jugadores no son, 3 o cualquier
Más detallesSoluciones de los ejercicios de Selectividad sobre Probabilidad de Matemáticas Aplicadas a las Ciencias Sociales II
Soluciones de los ejercicios de Selectividad sobre Probabilidad de Matemáticas Alicadas a las iencias Sociales II Antonio Francisco Roldán Lóez de Hierro * onvocatoria de 2006 Las siguientes áginas contienen
Más detallesINSTITUTO COLOMBIANO PARA EL FOMENTO DE LA EDUCACIÓN SUPERIOR -ICFES- SUBDIRECCIÓN ACADÉMICA. Grupo de Evaluación de la Educación Básica y Media
INSTITUTO COLOMBIANO ARA EL FOMENTO DE LA EDUCACIÓN SUERIOR -ICFES- SUBDIRECCIÓN ACADÉMICA Gruo de Evaluación de la Educación Básica y Media QUÉ ES Y CÓMO SE CALIFICA EL EXAMEN DE VALIDACIÓN DEL BACHILLERATO
Más detallesPROBABILIDAD Y ESTADÍSTICA. Sesión 5 (En esta sesión abracamos hasta tema 5.8)
PROBABILIDAD Y ESTADÍSTICA Sesión 5 (En esta sesión abracamos hasta tema 5.8) 5 DISTRIBUCIONES DE PROBABILIDAD CONTINUAS Y MUESTRALES 5.1 Distribución de probabilidades de una variable aleatoria continua
Más detallesROBUSTEZ DE INDICADORES MULTIVARIADOS DE CAPACIDAD DE PROCESOS BASADOS EN COMPONENTES PRINCIPALES
Decimonovenas Jornadas "Investigaciones en la Facultad" de Ciencias Económicas y Estadística. Noviembre de 014. Dianda, Daniela Hernandez, Lucia Quaglino, Marta Pagura, José Alberto Instituto de Investigaciones
Más detalles1. LÍMITE DE UNA FUNCIÓN REAL
CORPORACION UNIFICADA NACIONAL DE EDUCACION SUPERIOR CUN DEPARTAMENTO DE CIENCIAS BASICAS PROGRAMA: INGENIERIAS DE SISTEMAS Y CIENCIAS ADMINISTRATIVAS ACTIVIDAD ACADEMICA: CÁLCULO DIFERENCIAL DOCENTE:
Más detallesMatemáticas Discretas Tc1003 Lógica Matemática. Lógica Matemática
OBJETIVOS Unidad Tema Subtema Objetivos II 2.1 Lógica Proosicional 2.2 Lógica de Predicados 2.3 Métodos de Demostración El establecimiento de cualuier teoría o conceto se hace mediante declaraciones y/o
Más detallesCONCEPTOS Y EXPERIMENTOS EN DINÁMICA DE FLUIDOS
VIII Congreso Nacional de Ciencias Exloraciones fuera y dentro del aula 7 y 8 de agosto, 006 Universidad Earth, Guácimo, Limón, Costa Rica CONCEPTOS Y EXPERIMENTOS EN DINÁMICA DE FLUIDOS Ing. Carlos E.
Más detallesD.2 ANÁLISIS ESTADÍSTICO DE LAS TEMPERATURAS DE VERANO
Anejo Análisis estadístico de temperaturas Análisis estadístico de temperaturas - 411 - D.1 INTRODUCCIÓN Y OBJETIVO El presente anejo tiene por objeto hacer un análisis estadístico de los registros térmicos
Más detallesMineria de Datos. Clasificacion supervisada: clasificadores k-nn. Dr. Edgar Acuna Departmento de Matematicas
Mineria de Datos Clasificacion suervisada: clasificadores k-nn Dr. Edgar Acuna Deartmento de Matematicas Universidad de Puerto Rico- Mayaguez academic.urm.edu/eacuna 1 En el método de los k vecinos mas
Más detallesDEPARTAMENTO DE MATEMÁTICAS B A C H I L L E R A T O
DEPARTAMENTO DE MATEMÁTICAS B A C H I L L E R A T O FUNDACIÓN VEDRUNA S E V I L L A COLEGIO SANTA JOAQUINA DE VEDRUNA MATEMÁTICAS I LÍMITES Y CONTINUIDAD DE FUNCIONES Límite finito de una función en un
Más detallesParte II. Teoría a del Consumidor
Parte II. Teoría a del Consumidor Tema 2: La conducta de los consumidores Tema 3: Teoría de la demanda Tema 4: El modelo de elección intertemoral. Parte I. Teoría a del Consumidor Tema 2: La conducta de
Más detallesDISTRIBUCIONES CONTINUAS
DISTRIBUCIONES CONTINUAS. Una variable aleatoria continua X tiene la siguiente función de densidad 0 si x < 0 x f (x) + a si 0 x 4 2 0 si x > 4 a) Calcula a ara que f(x) sea una función de densidad. Para
Más detallesGEOMETRÍA ANALÍTICA LA PARÁBOLA
LA PARÁBOLA CONTENIDO. Ecuación de la arábola horizontal con vértice en el origen. Análisis de la ecuación. Ejercicios. Ecuación de la arábola vertical con vértice en el origen. Ejercicios 3. Ecuación
Más detallesMATERIA: MATEMÁTICAS APLICADAS A LAS CC. SOCIALES
UNIVERSIDDES PÚLICS DE L COMUNIDD DE MDRID PRUE DE CCESO ESTUDIOS UNIVERSITRIOS (LOGSE) 00 008 (Setiembre) MTERI: MTEMÁTICS PLICDS LS CC. SOCILES INSTRUCCIONES GENERLES Y VLORCIÓN INSTRUCCIONES: El alumno
Más detallesEstadistica II Tema 1. Inferencia sobre una población. Curso 2009/10
Estadistica II Tema 1. Inferencia sobre una población Curso 2009/10 Tema 1. Inferencia sobre una población Contenidos Introducción a la inferencia Estimadores puntuales Estimación de la media y la varianza
Más detallesXAX > i 0. i 4 2i. 2 i i 8
Álgebra Lineal Caítulo. Tóicos Eseciales y Alicaciones.. Matrices y formas ositivas En esta sección estudiamos matrices ositivas, formas sesquilineales ositivas, y formas cuadráticas ositivas. a. Matrices
Más detallesESFUERZOS Y DEFORMACIONES EN VIGAS DEBIDAS A FUERZAS EN CABLES POSTENSADOS
Cátedra de Análisis Estructural Carrera de Ingeniería Civil ESFUERZOS Y DEFORMACIONES EN VIGAS DEBIDAS A FUERZAS EN CABLES POSENSADOS Marcelo A. Ceballos Carlos A. Prato Año 2003 ESFUERZOS Y DEFORMACIONES
Más detallesCONTROL DE LOS PROCESOS DE FABRICACIÓN. Introducción a las técnicas de control estadístico de los procesos
CONTROL DE LOS PROCESOS DE FABRICACIÓN Introducción a las técnicas de control estadístico de los procesos Introducción Departamento de Ingeniería Mecánica de la UPV-EHU ElControlEstadísticodelosProcesos
Más detallesEl beneficio de la empresa
14/03/013 Tema 3 Microeconomía II Alfonso Rosa García Grado en Administración y Dirección de Emresas Modalidad emiresencial Alfonso Rosa García Tlf. 968 7866 - arosa@ucam.edu Universidad atólica an Antonio
Más detallesCapítulo 5 DIMENSIONAMIENTO DE VIGAS DE ACERO INOXIDABLE FRENTE AL ESTADO LÍMITE DE DEFORMACIONES
Caítulo 5 DINSIONAINTO D VIGAS D ACRO INOXIDABL FRNT AL STADO LÍIT D DFORACIONS 5.1.- INTRODUCCIÓN. l cálculo reciso de flechas en elementos de acero inoxidable es un roblema comlejo con dos articularidades
Más detallesDerivadas parciales segundas. Polinomios de Taylor.
Univ. de Alcalá de Henares Ingeniería de Telecomunicación Cálculo. Segundo arcial. Curso 2004-2005 Derivadas arciales segundas. Polinomios de Taylor. 1. Derivadas arciales segundas En la rimera arte del
Más detallesTEORÍA DE LA ESTIMACIÓN ESTADÍSTICA ESTIMACIÓN DE PARÁMETROS ESTIMACIONES INSESGADAS
TEORÍA DE LA ESTIMACIÓ ESTADÍSTICA ESTIMACIÓ DE PARÁMETROS En el caítulo se vio cómo emlear la teoría del muestreo ara obtener información acerca de muestras extraídas en forma aleatoria de una oblación
Más detallesUNIVERSIDAD LIBRE FACULTAD DE INGENIERÌA DEPARTAMENTO DE CIENCIAS BÁSICAS GUIA - TALLER N
2 UNIVERSIDAD LIBRE FAULAD DE INGENIERÌA DEPARAMENO DE IENIAS BÁSIAS GUIA - ALLER N NOMBRE DE LA ASIGNAURA: ÍULO: DURAIÓN: BIBLIOGRAFÍA SUGERIDA: AUOR: FÍSIA ÉRMIA ERMODINÁMIA 4 semanas ABILIDADES A DESARROLLAR
Más detallesResolución prueba oficial matemática parte IV
JUEVES E octubre E 0 n 9 on el material que encontrarás en esta edición odrás continuar revisando la su de matemática que se rindió el año asado. El jueves 0 de octubre ublicaremos la cuarta arte de la
Más detallesESTADISTICA APLICADA: PROGRAMA
Pág. 1 de 5 ESTADISTICA APLICADA: PROGRAMA a) OBJETIVOS Y BLOQUE 1: Teoría de Probabilidades 1.1 Comprender la naturaleza de los experimentos aleatorios y la estructura de los espacios de probabilidades,
Más detallesAnálisis de Componentes principales -PCA-
Análisis de Comonentes rinciales -PCA- PCA en Teledetección... 1 La idea general... 1 El método...2 La interretación...5 Que es? El PCA constituye un rocedimiento matemático que ermite transformar un número
Más detallesCómo describir e interpretar los resultados de un estudio de investigación quirúrgica? Variables cuantitativas
Cómo describir e interpretar los resultados de un estudio de investigación quirúrgica? Variables cuantitativas Sesión de Residentes 13 de febrero, 2012 ÍNDICE Diferencia entre población y muestra. Diferencia
Más detallesLa Resolución de Problemas como un Medio para la Formación del Concepto de Media Numérica. Primera Parte
La Resolución de Problemas como un Medio ara la Formación del Conceto de Media Numérica. Primera Parte Otilio Bienvenido Mederos y José Enrique Martínez Universidad Central Marta Abreu de las Villas Cuba
Más detallesEstadística Avanzada y Análisis de Datos
1-1 Estadística Avanzada y Análisis de Datos Javier Gorgas y Nicolás Cardiel Curso 2006-2007 2007 Máster Interuniversitario de Astrofísica 1-2 Introducción En ciencia tenemos que tomar decisiones ( son
Más detallesIntroducción a la Teoría Analítica de Números
Introducción a la Teoría Analítica de Números Pablo De Náoli clase 11 1. Introducción Recordamos que Z n = unidades del anillo Z n = {a Z n : (a, n) = 1} es un gruo abeliano [=conmutativo] (con la oeración
Más detallesTema 5. Muestreo y distribuciones muestrales
Tema 5. Muestreo y distribuciones muestrales Contenidos Muestreo y muestras aleatorias simples La distribución de la media en el muestreo La distribución de la varianza muestral Lecturas recomendadas:
Más detallesUNIVERSIDAD SIMON BOLIVAR
UNERSDAD SMON BOLAR Deartamento de Conversión y Transorte de Energía Sección de Máuinas Eléctricas Prof. E. Daron B. CONEXONES TRFASCAS DE TRANSFORMADORES Hoja Nº 65 Los gruos de conexión: Según las normas
Más detalles2ª PRUEBA 23 de febrero de 2018
ª PUE 3 de febrero de 8 Problema exerimental. obinas de elmholtz Modelo teórico. El camo magnético en el centro O de una bobina de N esiras circulares de radio, delgadas y aretadas, or las que circula
Más detallesSintaxis LÓGICA COMPUTACIONAL CÁLCULO DE PROPOSICIONES. Funciones boolenas. Semántica
Proosiciones atómicas y comuestas Sintaxis LÓGICA COMPUTACIONAL CÁLCULO DE PROPOSICIONES Francisco Hernández Quiroz Deartamento de Matemáticas Facultad de Ciencias, UNAM E-mail: fh@cienciasunammx Página
Más detallesANÁLISIS DE SUPERVIVENCIA. MODELIZACIÓN DEL TIEMPO DE BÚSQUEDA DEL PRIMER EMPLEO. GARCÍA FERNÁNDEZ, Pedro
ANÁLISIS DE SUPERVIVENCIA. MODELIZACIÓN DEL TIEMPO DE BÚSQUEDA DEL PRIMER EMPLEO. GARCÍA LOZANO, Josefina jglozano@di.ucam.edu GARCÍA FERNÁNDEZ, Pedro gfernandez@di.ucam.edu GÓMEZ GALLEGO, Juan C. FUENTES
Más detalles10. GASES Y FLUIDOS REALES
10. GASES Y FLUIDOS REALES En caítulos anteriores estudiamos las consecuencias de la Primera y Segunda Ley y los métodos analíticos ara alicar la ermodinámica a sistemas físicos. De ahora en más usaremos
Más detallesADAPTACIÓN DEL MÉTODO DEL MULTIESCALAMIENTO PARA LA ESTIMACIÓN DE CAUDALES MÁXIMOS EN COLOMBIA
Meteorología Colombiana N7.49 56 Marzo, 23 Bogotá D.C. ISSN-24-6984 ADAPTACIÓN DEL MÉTODO DEL MULTIESCALAMIENTO PARA LA ESTIMACIÓN DE CAUDALES MÁXIMOS EN COLOMBIA ADAPTATION OF MULTISCALING METHOD TO ESTIMATE
Más detallesTEMA 11 : ESPACIO AFÍN
TEMA : ESPACIO AFÍN. Ecuaciones de la recta en el esacio Al igual ue en el lano ( R ), en el esacio ( R ), una recta ueda determinada or un unto P(x,y,z ) y un ector director V = (,, ) no nulo. Para ue
Más detallesMecánica de Medios Continuos. Tema 6b. Análisis de vigas y pórticos en régimen plástico
ecánica de edios Continuos. Tema 6b. Análisis de vigas y órticos en régimen lástico ARTURO NORBERTO FONTÁN PÉREZ Figura. Simulación del futuro uente de essina ante cargas de viento con velocidad de flameo.
Más detallesCAPITULO I PROCESOS DE MARKOV
Procesos de Markov de tiemo discreto y esacio discreto: Alicaciones a rocesos contables Cabanillas Celis, Edgardo CAPITULO I PROCESOS DE MARKOV 1- PLANTEAMIENTO DEL PROBLEMA 11 OBJETIVOS Hoy en día la
Más detallesAnálisis de Datos CAPITULO 3: MEDIDAS DE VARIABILIDAD Y ASIMETRÍA
1. INTRODUCCIÓN En el tema 1 veíamos que la distribución de frecuencias tiene tres propiedades: tendencia central, variabilidad y asimetría. Las medidas de tendencia central las hemos visto en el tema
Más detallesProcesamiento de imágenes a color utilizando morfología matemática
Procesamiento de imágenes a color utilizando morfología matemática Wuilian J. TOES Centro de Procesamiento Digital de Imágenes, Fundación Instituto de Ingeniería Caracas, enezuela Escuela de atemáticas,
Más detalles286. Microeconomía II Cátedra Prof. Enrique Bour Facultad de Ciencias Económicas Universidad de Buenos Aires Guía de Trabajos Prácticos
II. Teoría del Consumidor EJERCICIO Considere a un individuo que maximiza la siguiente función de utilidad: ux (, x) x a - = x a, 0< a 0. a. Derive
Más detalles7. DISTRIBUCIOES DISCRETAS DE PROBABILIDAD
7. DISTRIBUCIOES DISCRETAS DE PROBABILIDAD La Distribución Binomial Esta distribución fue elaborada or Jacobo Bernoulli y es alicable a un gran número de roblemas de carácter económico y en numerosas alicaciones
Más detallesEficiencia del Equilibrio de Mercado y Fallas de Mercado
Eficiencia del Equilibrio de Mercado y Fallas de Mercado Cuando estudiamos equilibrio general, se demostró que la asignación del mercado bajo cometencia erfecta es eficiente (Primer Teorema del Bienestar).
Más detallesMicroeconomía. Restricción n Presupuestaría Douglas Ramírez
icroeconomía Restricción n Presuuestaría Douglas Ramírez Economía de Intercambio En una economía de intercambio la actividad económica consiste simlemente en el consumo e intercambio de mercancías que
Más detallesMEDIDAS DE ASIMETRÍA Y CURTOSIS EMPLEANDO EXCEL
1) ASIMETRÍA MEDIDAS DE ASIMETRÍA Y CURTOSIS EMPLEANDO EXCEL Es una medida de forma de una distribución que permite identificar y describir la manera como los datos tiende a reunirse de acuerdo con la
Más detallesANÁLISIS MULTIVARIADO
MÓDULO 6: ANÁLISIS MULTIVARIADO PROFESOR: LUIS E. NIETO BARAJAS EMAIL: lnieto@itam.mx URL: htt://allman.rhon.itam.mx/~lnieto Dilomado en Estadística Alicada OBJETIVO: Proorcionar al alumno los asectos
Más detallesESTADÍSTICA BÁSICA Dirección Redes en Salud Pública 2015 09 16
ESTADÍSTICA BÁSICA Dirección Redes en Salud Pública 2015 09 16 Es el conjunto sistemático de procedimientos para la observación, registro, organización, síntesis y análisis e interpretación de los fenómenos
Más detallesCONTROL DE PROCESOS QUÍMICOS
UNIVERSIDAD NAIONAL EXPERIMENTAL POLITENIA ANTONIO JOSÉ DE SURE VIERRETORADO BARQUISIMETO DEPARTAMENTO DE INGENIERÍA QUÍMIA ONTROL DE PROESOS QUÍMIOS Prof: Ing. (MSc). Juan Enrique Rodríguez. Octubre,
Más detalles5.2. Selección Adversa parte II el modelo de Rothschild y Stiglitz (1976)
5.. Selección Adversa arte II el modelo de Rothschild y Stiglitz (1976) Matilde P. Machado matilde.machado@uc3m.es Resumen: Muestra el imacto de la información imerfecta en el resultado de equilibrio de
Más detallesCoeficiente de fugacidad de CO 2
Química Física I Guía de Trabajos Prácticos Coeficiente de fugacidad de CO 2 OBJETIVO: Determinar el coeficiente de fugacidad de CO 2 en función de la resión y la temeratura Introducción: A temeratura
Más detallesTEMA 3: PROPIEDADES DE UNA SUSTANCIA PURA, SIMPLE Y COMPRESIBLE
Auntes 3 TEMA 3: PROPIEDADES DE UNA SUSTANCIA PURA, SIMPLE Y COMPRESIBLE 3.. El rinciio de estado El rinciio de estado informa de la cantidad de roiedades indeendientes necesarias ara esecificar el estado
Más detallesOferta y demanda. Oferta y demanda. Excedente del consumidor. Disposición a pagar. Tema 2
Oferta y demanda Tema 2 Oferta y demanda La oferta y la demanda son los instrumentos más imortantes de la Teoría Económica Vamos a ver los asectos más básicos de la oferta y la demanda, así como el análisis
Más detallesMATEMÁTICAS BÁSICAS UNIVERSIDAD NACIONAL DE COLOMBIA - SEDE MEDELLÍN EXPRESIONES ALGEBRAICAS
MATEMÁTICAS BÁSICAS UNIVERSIDAD NACIONAL DE COLOMBIA - SEDE MEDELLÍN EXPRESIONES ALGEBRAICAS (Tomado de: Stewart, James. "Precálculo". Quinta Edición. Sección.3.) Una exresión algebraica es una combinación
Más detallesProcesamiento Digital de Imágenes
Visión or Comutadora Unidad III Procesamiento Digital de Imágenes Rogelio Ferreira Escutia Contenido 1) Oeraciones Individuales a) Transformaciones Punto a Punto b) Transformaciones de 2 Imágenes Punto
Más detallesAnálisis de Capacidad portante vertical en un pilote simple
Manual de Ingeniería No. 13 Actualización: 06/2016 Análisis de Caacidad ortante vertical en un ilote simle Programa: Archivo: Pilote Demo_manual_13.gi El objetivo de este caítulo es exlicar la alicación
Más detallesMARIO PONCE FACULTAD DE MATEMÁTICAS P. UNIVERSIDAD CATÓLICA DE CHILE. 1. Resumen
MSS Y GEOMETRÍ DE TRIÁNGULOS MRIO PONE FULTD DE MTEMÁTIS P. UNIVERSIDD TÓLI DE HILE 1. Resumen artir del rinciio de las alancas, desarollado or rquímides se establece una relación entre masas distribuidas
Más detallesDiseño de controladores
Diseño de controladores DISEÑO DE CONTROLADORES Definir objetivos de control sobre el sistema: seguimiento de consigna. buen comortamiento ante erturbaciones. Imortante conocer: erturbaciones del sistema.
Más detallesInflación y Puja Distributiva Un Modelo Simple
Inflación y Puja Distributiva Un Modelo Simle Por: Emmanuel Agis 1 El Modelo 2 El modelo es relativamente simle y consta de dos ecuaciones de comortamiento, una ara los trabajadores y otra ara las emresas.
Más detallesEL SÍMBOLO DE LEGENDRE Y LA LEY DE RECIPROCIDAD CUADRÁTICA. Proposiciones Previas. Dos hechos que se deben tener presentes:
EL SÍMBOLO DE LEGENDRE Y LA LEY DE RECIPROCIDAD CUADRÁTICA Sea un rimo imar y a Z. El Símbolo de Legendre ( a ) se define de la siguiente manera: ( a 0, if divide a a ) := 1, si existe x Z tal que x 2
Más detallesEl promedio como punto típico de los datos es el valor al rededor del cual se agrupan los demás valores de la variable.
3. MEDIDAS DE TENDENCIA CENTRAL Con estas medidas se persigue reducir en pocas cifras significativas el conjunto de observaciones de una variable y describir con ellas ciertas características de los conjuntos,
Más detallesTeoría de la decisión Estadística
Conceptos básicos Unidad 7. Estimación de parámetros. Criterios para la estimación. Mínimos cuadrados. Regresión lineal simple. Ley de correlación. Intervalos de confianza. Distribuciones: t-student y
Más detallesTEMA 1 CONCEPTOS BÁSICOS
Matemática Financiera Diaositiva 1 TEMA 1 CONCEPTOS BÁSICOS 1. Caital financiero. Fenómeno Financiero 2. Elección financiera. Postulado de royección financiera 3. Conceto de ley y sistema financiero. Proiedades
Más detallesCAPÍTULO V DEFINICIÓN DE LOS SISTEMAS DE MEDICIÓN
CAPÍTULO V DEFINICIÓN DE LOS SISTEMAS DE MEDICIÓN [98] CAPÍTULO V DEFINICIÓN DE LOS SISTEMAS DE MEDICIÓN La evaluación y definición de los sistemas de medición consiste en determinar la capacidad y estabilidad
Más detalles3. VARIABLES ALEATORIAS
. VARIABLES ALEATORIAS L as variables aleatorias se clasiican en discretas y continuas, dependiendo del número de valores que pueden asumir. Una variable aleatoria es discreta si sólo puede tomar una cantidad
Más detalles