Tomamos como imagen de prueba la figura 4.17 en escala de grises. Figura Imagen de prueba.

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

Download "Tomamos como imagen de prueba la figura 4.17 en escala de grises. Figura Imagen de prueba."

Transcripción

1 4.3 PARÁMETRO DE ESCALADO Para el caso del parámetro de escalado se va a proceder de la siguiente forma. Partimos de una imagen de referencia (imagen A), a la cual se le aplican cambios de translación en ambos ejes, T x =15 píxeles y T y =15 píxeles. También se le aplica un factor de rotación R=20º. De esta forma obtenemos una imagen B modificada respecto a la inicial. Para calcular la estimación de la escala se crean una serie de imágenes escaladas de la imagen B, las cuales corresponden a un factor de escala desde a (con 0.05 como paso incremental). Esta serie de imágenes son comparadas con la imagen A inicial. A todas ellas se les calcula el módulo de la transformada de Fourier y a continuación se les realiza la transformación log-polar. Por último, sólo nos queda calcular la correlación de fase para cada par de imágenes. Para observar mejor la exactitud de nuestras estimaciones, se mostrará una gráfica donde se comparan la estimación obtenida del factor de escala contra los valores reales de dicha escala. A continuación, se mostrarán una serie de imágenes diferentes de melanomas y los resultados obtenidos para cada una de ellas Foto 1 Tomamos como imagen de prueba la figura 4.17 en escala de grises. Figura Imagen de prueba. Los resultados obtenidos tras realizarle una serie de escalas diferentes desde a 1.400, con un paso de 0.05 se puede ver en la siguiente gráfica. 55

2 Figura Valores estimados de escalado frente a valores reales de escalado para una imagen dermatológica de prueba. Dicha imagen de prueba posee unos parámetros de translación de Tx=15 píxeles, Ty=15 píxeles y un factor de rotación de R=20º. La gráfica de color azul correspondería a los valores reales mientras que la gráfica roja sería la de los valores obtenidos de la simulación. Se puede observar que los valores de escalado obtenidos utilizando la transformación log-polar no son tan exactos como los de la rotación pero son bastante parecidos a los reales. Como datos estadísticos se podría decir que la diferencia máxima entre dos valores es de 6% aproximadamente. La diferencia media entre dos valores sería, en este caso, de aproximadamente 3.1%. Se puede apreciar que la estimación de la escala de a 1.000es bastante más exacta que de en adelante. Esto se debe a que al crear las imágenes simuladas aumentadas respecto a la de prueba, se usa una interpolación lineal para evitar la pérdida de datos. Por ello, es recomendable registrar siempre las imágenes agrandadas contra las imágenes más pequeñas. De esta forma no hace falta interpolar para evitar pérdida de datos y se alcanzará una mayor precisión en la estimación. 56

3 4.3.2 Foto 2 Tomamos como imagen de prueba la figura 4.19 en escala de grises. Figura Imagen de prueba. Los resultados obtenidos tras realizarle una serie de escalas diferentes desde a 1.400, con un paso de 0.05 se puede ver en la siguiente gráfica. Figura Valores estimados de escalado frente a valores reales de escalado para una imagen dermatológica de prueba. Dicha imagen de prueba posee unos parámetros de translación de Tx=15 píxeles, Ty=15 píxeles y un factor de rotación de R=20º. 57

4 La gráfica de color azul correspondería a los valores reales mientras que la gráfica roja sería la de los valores obtenidos de la simulación. Se puede observar que los valores de escalado obtenidos utilizando la transformación log-polar no son tan exactos como los de la rotación pero son bastante parecidos a los reales. Como datos estadísticos se podría decir que la diferencia máxima entre dos valores es de 6.7% aproximadamente. La diferencia media entre dos valores sería, en este caso, de aproximadamente 3.6%. Se puede apreciar que la estimación de la escala de a 1.000es bastante más exacta que de en adelante. Ocurre algo parecido al ejemplo anterior. Las razones son las mismas a las expuestas en el ejemplo Foto 3 Tomamos como imagen de prueba la figura 4.21 en escala de grises. Figura Imagen de prueba. Los resultados obtenidos tras realizarle una serie de escalas diferentes desde a 1.400, con un paso de 0.05 se puede ver en la siguiente gráfica. 58

5 Figura Valores estimados de escalado frente a valores reales de escalado para una imagen dermatológica de prueba. Dicha imagen de prueba posee unos parámetros de translación de Tx=15 píxeles, Ty=15 píxeles y un factor de rotación de R=20º. La gráfica de color azul correspondería a los valores reales mientras que la gráfica roja sería la de los valores obtenidos de la simulación. Se puede observar que los valores de escalado obtenidos utilizando la transformación log-polar no son tan exactos como los de la rotación pero son bastante parecidos a los reales. Como datos estadísticos se podría decir que la diferencia máxima entre dos valores es de 6.02% aproximadamente. La diferencia media entre dos valores sería, en este caso, de aproximadamente 3.1%. Se puede apreciar que la estimación de la escala de a 1.000es bastante más exacta que de en adelante. Ocurre algo parecido a los ejemplos anteriores. Las razones son las mismas a las expuestas en el ejemplo 1. 59

6 4.3.4 Foto 4 Tomamos como imagen de prueba la figura 4.23 en escala de grises. Figura Imagen de prueba. Los resultados obtenidos tras realizarle una serie de escalas diferentes desde a 1.400, con un paso de 0.05 se puede ver en la siguiente gráfica. Figura Valores estimados de escalado frente a valores reales de escalado para una imagen dermatológica de prueba. Dicha imagen de prueba posee unos parámetros de translación de Tx=15 píxeles, Ty=15 píxeles y un factor de rotación de R=20º. 60

7 La gráfica de color azul correspondería a los valores reales mientras que la gráfica roja sería la de los valores obtenidos de la simulación. Se puede observar que los valores de escalado obtenidos utilizando la transformación log-polar no son tan exactos como los de la rotación pero son bastante parecidos a los reales. Como datos estadísticos se podría decir que la diferencia máxima entre dos valores es de 6.2% aproximadamente. La diferencia media entre dos valores sería, en este caso, de aproximadamente 3.4%. Se puede apreciar que la estimación de la escala de a 1.000es bastante más exacta que de en adelante. Ocurre algo parecido a los ejemplos anteriores. Las razones son las mismas a las expuestas en el ejemplo Foto 5 A continuación, se van a mostrar varios casos de imágenes reales, es decir, que no tienen una imagen de prueba sobre la que se hacen las modificaciones. Aquí tenemos dos imágenes reales de un mismo melanoma, donde una de ellas está escalada respecto a la otra. Anteriormente, no se han presentado resultados de modificaciones de escala de mayores magnitudes ya que en la vida real no es común encontrar tanta diferencia entre las imágenes. Pero, tengo que reconocer, que es más fácil encontrar fotos de melanomas con diferentes escalas que con diferentes rotaciones. Aunque, de todas formas, suelen ser imágenes bastante parecidas. Figura Imagen de melanoma. 61

8 Figura Imagen de melanoma escalada respecto a la anterior. Se puede observar como están ligeramente escaladas una respecto de la otra. Tras aplicar nuestro algoritmo obtenemos que están escaladas aproximadamente unos 1.22 veces. Esta medida no se puede comprobar, obviamente, ya que no conocemos a priori el factor de escala, pero se aproxima bastante nuestra estimación por los resultados obtenidos anteriormente Foto 6 Otro posible par de imágenes escaladas podría ser: Figura Imagen de melanoma. 62

9 Figura Imagen de melanoma escalada respecto a la anterior. Aquí se observa claramente que las imágenes están escaladas una respecto de la otra. Tras aplicar nuestro algoritmo obtenemos que están escaladas aproximadamente unos 1.96 veces. Esta medida no se puede comprobar, obviamente, ya que no conocemos a priori el factor de escala, pero se aproxima bastante nuestra estimación por los resultados obtenidos anteriormente Foto 7 Otro posible par de imágenes escaladas podría ser: Figura Imagen de melanoma. 63

10 Figura Imagen de melanoma escalada respecto a la anterior. Aquí puede que cueste más trabajo apreciar que las imágenes están escaladas una respecto de la otra. Tras aplicar nuestro algoritmo obtenemos que están escaladas aproximadamente unos 1.18 veces. Esta medida no se puede comprobar, obviamente, ya que no conocemos a priori el factor de escala, pero se aproxima bastante nuestra estimación por los resultados obtenidos anteriormente Foto 8 Por último, otro posible par de imágenes escaladas podría ser: Figura Imagen de melanoma. 64

11 Figura Imagen de melanoma escalada respecto a la anterior. Aquí puede que cueste más trabajo apreciar que las imágenes están escaladas una respecto de la otra. Tras aplicar nuestro algoritmo obtenemos que están escaladas aproximadamente unos 1.94 veces. Esta medida no se puede comprobar, obviamente, ya que no conocemos a priori el factor de escala, pero se aproxima bastante nuestra estimación por los resultados obtenidos anteriormente. De forma global, se puede que queda demostrado que la técnica de transformación log-polar usada para estimar los parámetros de escala y rotación nos proporciona valores bastante exactos, incluso cuando imponemos valores altos de rotación y escala. 65

(1) Métodos y materiales

(1) Métodos y materiales Desarrollo de un filtro en el dominio de la frecuencia para procesamiento digital de imágenes de huella dactilar basado en la Transformada Rápida de Fourier Modificada. Resumen. El análisis en frecuencia

Más detalles

ρ deben pertenecer a regiones estables, es decir: DISEÑO

ρ deben pertenecer a regiones estables, es decir: DISEÑO 6. CAPTURAS DE PANTAA CON EJEMPOS PRACTICOS DE DISEÑO 6.1. Parámetros del Transistor Utilizado. A continuación mostraremos una serie de capturas con diseños en los distintos planos y comentaremos los aspectos

Más detalles

CAPÍTULO 5: VALIDACIÓN DE LA SIMULACIÓN.

CAPÍTULO 5: VALIDACIÓN DE LA SIMULACIÓN. CAPÍTULO 5: VALIDACIÓN DE LA SIMULACIÓN. 5.1 INTRODUCCIÓN. Para la validación de los resultados del programa de simulación acústica Catt Acoustic v8, se ha escogido un aula de la Escuela Superior de Ingenieros

Más detalles

Intervalo para la media si se conoce la varianza

Intervalo para la media si se conoce la varianza 178 Bioestadística: Métodos y Aplicaciones nza para la media (caso general): Este se trata del caso con verdadero interés práctico. Por ejemplo sirve para estimar intervalos que contenga la media del colesterol

Más detalles

Relación entre la altura y la distancia del suelo al ombligo

Relación entre la altura y la distancia del suelo al ombligo Relación entre la altura y la distancia del suelo al ombligo JULIA VIDAL PIÑEIRO Los 79 datos usados para realizar el estudio estadístico de la relación altura- distancia al ombligo, se tomaron a personas

Más detalles

Laboratorio de Instrumentación

Laboratorio de Instrumentación Laboratorio de Instrumentación Básica Tema 3: Medidas Patricia Fernández Reguero Noemí Merayo Álvarez Francisco Lago García Universidad de Valladolid 26 de febrero de 2007 1. Introducción Las medidas son

Más detalles

Extracción de características

Extracción de características Extracción de características Gonzalez & Woods, Digital Image Processing, cap. 8 extracción de características 1 Propiedades de las características Tienen que ser robustos: la extracción debe ser insensible

Más detalles

Capítulo 4 Acoplamiento, afinación y uso de ALISA

Capítulo 4 Acoplamiento, afinación y uso de ALISA Capítulo 4 Acoplamiento, afinación y uso de ALISA 4.1 Configuración del Layer para la configuración de los planetas De acuerdo al enfoque jerárquico propuesto en la hipótesis, el primer nivel de STM a

Más detalles

Práctica 2. Tratamiento de datos

Práctica 2. Tratamiento de datos Errores Todas las medidas que se realizan en el laboratorio están afectadas de errores experimentales, de manera que si se repiten dos experiencias en las mismas condiciones es probable que los resultados

Más detalles

ESTIMACIÓN N DE LA DISTANCIA RECORRIDA POR UN ROBOT MÓVIL M MEDIANTE LA UTILIZACIÓN N DE DESCRIPTORES SURF

ESTIMACIÓN N DE LA DISTANCIA RECORRIDA POR UN ROBOT MÓVIL M MEDIANTE LA UTILIZACIÓN N DE DESCRIPTORES SURF ESTIMACIÓN N DE LA DISTANCIA RECORRIDA POR UN ROBOT MÓVIL M MEDIANTE LA UTILIZACIÓN N DE DESCRIPTORES SURF Autor: Juan Manuel Peraza Domínguez Tutor: Dr. Luis Moreno Lorente Noviembre de 2009 1 ÍNDICE

Más detalles

4.6. Interpolación mediante splines (polinomios a trozos) Figura 4.1: Datos de interpolación

4.6. Interpolación mediante splines (polinomios a trozos) Figura 4.1: Datos de interpolación Capítulo 4 INTERPOLACIÓN 46 Interpolación mediante splines polinomios a trozos En las figuras siguientes se puede observar alguno de los problemas que la interpolación clásica con polinomios puede plantear

Más detalles

RESULTADOS Y DISCUSIÓN

RESULTADOS Y DISCUSIÓN RESULTADOS Y DISCUSIÓN Partimos de una geometría inicial consistente en un cubo de 100 nm x 100 nm x 100 nm, con 10 granos y 59.442 átomos de aluminio. La energía potencial del sistema antes de la minimización

Más detalles

Álgebra Lineal. Tema 12. Mínimos cuadrados II. Grado en Ingeniería Informática Doble Grado en Ingeniería Informática y Administración de Empresas

Álgebra Lineal. Tema 12. Mínimos cuadrados II. Grado en Ingeniería Informática Doble Grado en Ingeniería Informática y Administración de Empresas Álgebra Lineal Tema 2 Mínimos cuadrados II Grado en Ingeniería Informática Doble Grado en Ingeniería Informática y Administración de Empresas AUTORES: J S ALAS, A T ORRENTE Y EJS V ILLASEÑOR Índice general

Más detalles

Tema 6. Análisis Factorial.

Tema 6. Análisis Factorial. Tema 6 Análisis Factorial El modelo Sea Y = (Y,, Y p ) t un vector aleatorio con vector de medias µ y matriz de covarianzas Σ Supondremos que existe un número entero m < p, una matriz L de orden p m de

Más detalles

Capitulo 5 Resultados

Capitulo 5 Resultados 5.1 Validación del Layer - Planetas Capitulo 5 Resultados En este capítulo se muestran los resultados obtenidos de las pruebas realizadas con diversas fotografías de distintos planetas y lunas para cada

Más detalles

Tema 1: Conceptos generales del Análisis

Tema 1: Conceptos generales del Análisis Tema 1: Conceptos generales del Análisis Numérico Cálculo Numérico I Anna Doubova y Blanca Climent Ezquerra Dpto. EDAN, Universidad de Sevilla 11 de febrero de 2018 A.Doubova y B. Climent Conceptos generales

Más detalles

Tabla 7: Ejemplo matriz CaractE

Tabla 7: Ejemplo matriz CaractE 8 RESULTADOS EXPERIMENTALES 8.1 MATRICES DE CARACTERÍSTICAS Con el fin de dar una idea más precisa de cómo se conforman las matrices de características usadas en el reconocimiento de patrones y qué valores

Más detalles

Integración numérica

Integración numérica Integración numérica Javier Segura Cálculo Numérico I. Tema 4. Javier Segura (Universidad de Cantabria) Integración numérica CNI 1 / 21 Introducción y definiciones Estructura de la presentación: 1 Introducción

Más detalles

INFERENCIA ESTADÍSTICA MUESTRAL TEMA 2: ESTIMACIÓN POR INTERVALO

INFERENCIA ESTADÍSTICA MUESTRAL TEMA 2: ESTIMACIÓN POR INTERVALO UNIDAD 2 INFERENCIA ESTADÍSTICA MUESTRAL TEMA 2: ESTIMACIÓN POR INTERVALO 1 2 RECUERDE: un estimador puntual es un estadístico muestral usado para estimar un parámetro poblacional: x (estimación de μ),

Más detalles

Capítulo 5: CONTROL INVERSO ADAPTATIVO

Capítulo 5: CONTROL INVERSO ADAPTATIVO Capítulo 5: CONTROL INVERSO INTRODUCCIÓN 5.. INTRODUCCIÓN Un sistema de control inverso adaptativo se muestra en la Figura 5. Si el controlador fuese ideal, su función de transferencia sería: C( z) M (

Más detalles

7.2 ESTIMACIÓN DE COSTOS

7.2 ESTIMACIÓN DE COSTOS 7.2 ESTIMACIÓN DE COSTOS Dante Guerrero-Chanduví Piura, 2015 FACULTAD DE INGENIERÍA Área departamental de Ingeniería Industrial y de Sistemas 7.2 ESTIMACIÓN DE COSTOS Esta obra está bajo una licencia Creative

Más detalles

Estudio de Simulación Condicional aplicado al cálculo del espesor de la sobrecarga en un yacimiento de Nitrato y Yodo

Estudio de Simulación Condicional aplicado al cálculo del espesor de la sobrecarga en un yacimiento de Nitrato y Yodo Estudio de Simulación Condicional aplicado al cálculo del espesor de la sobrecarga en un yacimiento de Nitrato y Yodo Introducción: Los yacimientos de caliche tienen una formación más o menos tabular,

Más detalles

Curso de Estadística Aplicada a las Ciencias Sociales

Curso de Estadística Aplicada a las Ciencias Sociales Curso de Estadística Aplicada a las Ciencias Sociales Tema 10. Estimación de una proporción Cap. 0 del manual Tema 10. Estimación de una proporción Introducción 1. Distribución en el muestreo de una proporción.

Más detalles

Tema 3 Medidas de dispersión para datos no agrupados

Tema 3 Medidas de dispersión para datos no agrupados Tema 3 Medidas de dispersión para datos no agrupados Estas medidas pueden completar la información que aportan las medidas de tendencia, acerca de un grupo de datos. En tal sentido, habrá que considerar

Más detalles

Diseño de un generador de funciones Capítulo IV Pruebas

Diseño de un generador de funciones Capítulo IV Pruebas Capítulo IV Pruebas 4.1 Señal sinusoidal Antes de cerrar el gabinete es importante hacer los ajustes necesarios para que la señal tenga un estado óptimo. Estos ajustes involucran la modificación de dos

Más detalles

Correcciones. Correcciones. Geométricas: Radiométricas:

Correcciones. Correcciones. Geométricas: Radiométricas: Correcciones Septiembre de 2013 Correcciones Geométricas: Sistemáticas: esfericidad, movimiento de rotación, inclinacion de la órbita. No sistemáticas: relieve, movimientos de la plataforma, proyección

Más detalles

Práctica 3: Operadores puntuales

Práctica 3: Operadores puntuales Práctica 3: Operadores puntuales Apellidos, nombre Apellidos, nombre Grupo Puesto Fecha El objetivo de esta práctica es presentar al alumno las técnicas para realizar operadores puntuales sobre imágenes

Más detalles

Resolución de Ecuaciones No Lineales

Resolución de Ecuaciones No Lineales Facultad de Ingeniería Industrial Universidad Nacional Mayor de San Marcos Métodos Computacionales Contenido 1 Introducción Introducción 2 Localización de Raíces Localización de Raíces 3 Métodos Iterativos

Más detalles

Diseños factoriales a dos niveles

Diseños factoriales a dos niveles Diseños factoriales a dos niveles Tema 3. El diseño 4. Diseños k (tabla de signos) Ignacio Cascos Depto. Estadística, Universidad Carlos III 1 Ignacio Cascos Depto. Estadística, Universidad Carlos III

Más detalles

Factor de escala. Dastronomía.com

Factor de escala. Dastronomía.com Factor de escala 3 2 3 1 1 2 - Qué es el factor de escala de SV aligner - Sistema de referencia, centro de rotación y escala - Notas importantes sobre los segmentos de las estelas - Factor de escala como

Más detalles

Tema 1: Conceptos generales del Análisis Numérico

Tema 1: Conceptos generales del Análisis Numérico Tema 1: Conceptos generales del Análisis Numérico Asignatura: Cálculo Numérico I 1er. curso Grado en Matemáticas Anna Doubova Dpto. EDAN, Universidad de Sevilla 5 de febrero de 2018 A. Doubova (Dpto. EDAN)

Más detalles

Ejercicio 1. Ejercicio 2

Ejercicio 1. Ejercicio 2 Guía de Ejercicios Ejercicio. Calcular los momentos de primer y segundo orden (media y varianza) de una variable aleatoria continua con distribución uniforme entre los límites a y b.. Sabiendo que la función

Más detalles

Fundamentos de la investigación en psicología

Fundamentos de la investigación en psicología Fundamentos de la investigación en psicología TEMA 10 1º curso Grado Psicología Curso académico 2017-18 TEMA 10. MODELOS DE DISTRIBUCIÓN DE PROBABILIDAD: VARIABLES CONTINUAS 1. El modelo normal 2. Ejercicios

Más detalles

Graficación CCOM-259. Benemérita Universidad Autónoma de Puebla. Facultad de Ciencias de la Computación. Daniel Alejandro Valdés Amaro, Ph.

Graficación CCOM-259. Benemérita Universidad Autónoma de Puebla. Facultad de Ciencias de la Computación. Daniel Alejandro Valdés Amaro, Ph. Graficación CCOM-9 Benemérita Universidad Autónoma de Puebla Facultad de Ciencias de la Computación Daniel Alejandro Valdés Amaro, Ph.D Objetivo: El alumno conocerá y aplicará los algoritmos y técnicas

Más detalles

INTRODUCCION A LA SIMULACION DE MODELOS. Simulación es la descripción de un sistema a través de modelos que se pueden aplicar a varias disciplinas.

INTRODUCCION A LA SIMULACION DE MODELOS. Simulación es la descripción de un sistema a través de modelos que se pueden aplicar a varias disciplinas. Tema N 1 Definiciones INTRODUCCION A LA SIMULACION DE MODELOS Simulación es la descripción de un sistema a través de modelos que se pueden aplicar a varias disciplinas. La simulación esencialmente es una

Más detalles

CAPITULO 3: PASOS REALIZADOS PARA LA DETECCIÓN DE BORDES DE IMÁGENES A COLOR

CAPITULO 3: PASOS REALIZADOS PARA LA DETECCIÓN DE BORDES DE IMÁGENES A COLOR CAPITULO 3: PASOS REALIZADOS PARA LA DETECCIÓN DE BORDES DE IMÁGENES A COLOR El algoritmo realizado para la detección de bordes de imágenes a color se basa en el operador Canny. La filosofía del operador

Más detalles

Tema 3. Relación entre dos variables cuantitativas

Tema 3. Relación entre dos variables cuantitativas Tema 3. Relación entre dos variables cuantitativas Resumen del tema 3.1. Diagrama de dispersión Cuando sobre cada individuo de una población se observan simultáneamente dos características cuantitativas

Más detalles

5. Caracterización Estadística de las Propiedades Petrofísicas

5. Caracterización Estadística de las Propiedades Petrofísicas 5. Caracterización Estadística de las Propiedades Petrofísicas La caracterización estadística de las propiedades petrofísicas (figura 5.1), es un paso fundamental para que la metodología de modelación

Más detalles

3.7 IDENTIFICACION DE UN SISTEMA DINÁMICO NO LINEAL Descripción del Problema: La identificación de un sistema consiste en

3.7 IDENTIFICACION DE UN SISTEMA DINÁMICO NO LINEAL Descripción del Problema: La identificación de un sistema consiste en 301 3.7 IDENTIFICACION DE UN SISTEMA DINÁMICO NO LINEAL 3.7.1 Descripción del Problema: La identificación de un sistema consiste en determinar una función que relacione las variables de entrada con las

Más detalles

CAPÍTULO 4. ANÁLISIS DE LA INFLUENCIA DEL INTERVALO DE TIEMPO UTILIZADO EN EL SEGUIMIENTO EN LOS RESULTADOS DE LA PREVISIÓN

CAPÍTULO 4. ANÁLISIS DE LA INFLUENCIA DEL INTERVALO DE TIEMPO UTILIZADO EN EL SEGUIMIENTO EN LOS RESULTADOS DE LA PREVISIÓN CAPÍTULO 4. ANÁLISIS DE LA INFLUENCIA DEL INTERVALO DE TIEMPO UTILIZADO EN EL SEGUIMIENTO EN LOS RESULTADOS DE LA PREVISIÓN En este capítulo se analiza la influencia del intervalo de tiempo utilizado para

Más detalles

Tercera práctica de REGRESIÓN.

Tercera práctica de REGRESIÓN. Tercera práctica de REGRESIÓN. DATOS: fichero practica regresión 3.sf3 1. Objetivo: El objetivo de esta práctica es aplicar el modelo de regresión con más de una variable explicativa. Es decir regresión

Más detalles

Recta de mejor ajuste por el método de los Mínimos Cuadrados

Recta de mejor ajuste por el método de los Mínimos Cuadrados Apéndice A Recta de mejor ajuste por el método de los Mínimos Cuadrados En este apéndice se detallará el cálculo de los parámetros de la recta de mejor ajuste (o de regresión) a un conjunto de puntos por

Más detalles

1. INTRODUCCIÓN Contexto del proyecto

1. INTRODUCCIÓN Contexto del proyecto 1. INTRODUCCIÓN 1.1. Contexto del proyecto En este proyecto desarrollaremos un algoritmo para el estudio de imágenes dermatoscópicas basándonos en el análisis de patrones. Sin embargo, antes de adentrarnos

Más detalles

Guía de Uso Básico Módulo MAT (IV)

Guía de Uso Básico Módulo MAT (IV) Guía de Uso Básico Módulo MAT (IV) NOTA: Lea todas las páginas de este tutorial antes de usar SATLive por primera Vez Tercera Parte. Canal de Referencia y Canal de Medición El módulo MAT de SATlive posee

Más detalles

FEBRERO ª SEMANA

FEBRERO ª SEMANA Soluciones exámenes UNED Código asignatura Nombre asignatura 5401 MÉTODOS MATEMÁTICOS Fecha alta y origen 05/09/007 Curso Virtual Convocatoria FEBRERO 007 1ª SEMANA 1. Determine el periodo T de la función

Más detalles

',JLWDO(/HYDWLRQ0RGHOV

',JLWDO(/HYDWLRQ0RGHOV ',(/02'6/ ',JLWDO(/HYDWLRQ0RGHOV ',(/02'6/GLHOPR#GLHOPRFRP 3DUTXHWHFQROyJLFRGH3DWHUQD$Y%HQMDPtQ)UDQNOLQ1ž3DWHUQD9DOHQFLD6SDLQ 0pWRGRGHLQWHUSRODFLyQGHDOWDFDOLGDG: Para la producción del MDE, utilizamos

Más detalles

MANUAL DE USO PROGRAMA SENSIBAR

MANUAL DE USO PROGRAMA SENSIBAR MANUAL DE USO PROGRAMA SENSIBAR ANALSIS DE SENSIBILIDAD Y SIMULACION DE MONTECARLO JOSE FUENTES VALDES FACEA - UNIVERSIDAD DE CONCEPCION Facultad de Economía Universidad de Concepción 1 SensiBar. ANALSIS

Más detalles

Página 127. Página 128

Página 127. Página 128 Soluciones de las actividades Página 15 1. La clasificación de las funciones es: a) Función algebraica racional polinómica de grado. b) Función algebraica racional polinómica de grado. c) Función trascendente.

Más detalles

Interpolación de la función módulo mediante polinomios de Lagrange

Interpolación de la función módulo mediante polinomios de Lagrange Interpolación de la función módulo mediante polinomios de Lagrange Pauline Morrison Fell 02 de mayo de 2006. Introducción Interpolación es el método mediante el cual se puede llegar a estimar un valor

Más detalles

Cálculo de Incertidumbre por el Método de Monte Carlo en Calibración de Multímetros Digitales

Cálculo de Incertidumbre por el Método de Monte Carlo en Calibración de Multímetros Digitales Cálculo de Incertidumbre por el Método de Monte Carlo en Calibración de Multímetros Digitales Comparación entre el (Método de Monte Carlo ( MMC) y la Guía para la estimación de la incertidumbre de medición

Más detalles

Fase # Propósito Guiar el análisis y la escritura del reporte final de PSP.

Fase # Propósito Guiar el análisis y la escritura del reporte final de PSP. Guión de Proceso para el Reporte Final de PSP Instructor: Luis Castro Alumno: Ernesto Pavel Rosales Camacho M: 203323289 Fase # Propósito Guiar el análisis y la escritura del reporte final de PSP. Criterio

Más detalles

OCW-V.Muto Análisis de los errores Cap. II CAPITULO II. ANALISIS DE LOS ERRORES 1. ESQUEMA DE RESOLUCION NUMERICA DE UN PROBLEMA

OCW-V.Muto Análisis de los errores Cap. II CAPITULO II. ANALISIS DE LOS ERRORES 1. ESQUEMA DE RESOLUCION NUMERICA DE UN PROBLEMA CAPITULO II. ANALISIS DE LOS ERRORES 1. ESQUEMA DE RESOLUCION NUMERICA DE UN PROBLEMA Si se desea resolver un problema físico B, lo primero que se suele hacer es traducirlo al lenguaje matemático para

Más detalles

Interpolación Numérica

Interpolación Numérica Interpolación Numérica Contenido Interpolación Numérica Polinomio Único de Interpolación Polinomio de Interpolación de Lagrange (Método de Ordenadas) Método de Newton (Interpolación Polinomial forma de

Más detalles

BLOQUE IV. CLASIFICACIÓN

BLOQUE IV. CLASIFICACIÓN BLOQUE IV. CLASIFICACIÓN CAPÍTULO 11 Clasificación de mínima distancia. IV. 11.1 Pasos para realizar la clasificación. Es necesario comentar que se trata de una clasificación muy básica, que, en este caso,

Más detalles

Modelado y simulación en Ingeniería Química. Manuel Rodríguez

Modelado y simulación en Ingeniería Química. Manuel Rodríguez ÍNDICE Modelos de caja gris Calibración de modelos Estimación de parámetros Análisis de la estimación Regresión no lineal 1. Modelos de caja gris Son modelos de un sistema (o proceso), donde: Desarrollados

Más detalles

Korell, Guillermo Pohl, Nancy. Universidad Nacional del Litoral. Facultad de Ingeniería y Ciencias Hídricas

Korell, Guillermo Pohl, Nancy. Universidad Nacional del Litoral. Facultad de Ingeniería y Ciencias Hídricas Unión de imágenes mediante correlación Korell, Guillermo Pohl, Nancy Universidad Nacional del Litoral Facultad de Ingeniería y Ciencias Hídricas Captura y Procesamiento Digital de Señales e Imágenes Resumen:

Más detalles

Capítulo 2 Métodos de localización.

Capítulo 2 Métodos de localización. Capítulo Métodos de localización..1 Introducción. Existen diversas técnicas que tratan de resolver el problema de la localización de robots móviles, los métodos presentados en este capitulo no necesitan

Más detalles

ESTADISTICA Y TIC. MIRYAM JIMÉNEZ GARCÍA

ESTADISTICA Y TIC. MIRYAM JIMÉNEZ GARCÍA SEMINARIO 10: CORRELACIÓN. EJERCICIO 10.2 De una muestra de niños conocemos su edad medida en días y su peso en Kg, según los resultados de la tabla. Si ambas variables se distribuyen normalmente: Averiguar

Más detalles

Capítulo 2. Técnicas de Procesamiento de Imágenes

Capítulo 2. Técnicas de Procesamiento de Imágenes Capítulo 2. Técnicas de Procesamiento de Imágenes 2.1 Binarización La binarización es una de las técnicas más antiguas de procesamiento de imágenes ya que en el pasado, el primer analizador de imágenes

Más detalles

APUNTES SOBRE SERIES HISTÓRICAS O CRONOLÓGICAS

APUNTES SOBRE SERIES HISTÓRICAS O CRONOLÓGICAS APUNTES SOBRE SERIES HISTÓRICAS O CRONOLÓGICAS 35 3 25 2 15 1 5 21 22 23 24 25 Reyes Donis, José Luis SERIES HISTORICAS O CRONOLÓGICAS Llamadas también series de tiempo, se denomina serie de tiempo a un

Más detalles

Germán Bassi. 9 de septiembre de X(i) = 1 N 1T X. i=1

Germán Bassi. 9 de septiembre de X(i) = 1 N 1T X. i=1 . Estimación de la Media Germán Bassi 9 de septiembre de 00 Dada la variable aleatoria X, podemos estimar el valor esperado de la misma mediante la siguiente fórmula: µ X = X(i) = T X. Ambas representaciones

Más detalles

Sistemas de Percepción Visión por Computador

Sistemas de Percepción Visión por Computador Nota: Algunas de las imágenes que aparecen en esta presentación provienen del libro: Visión por Computador: fundamentos y métodos. Arturo de la Escalera Hueso. Prentice Hall. Sistemas de Percepción Visión

Más detalles

Reporte Final 3 de febrero de 2014

Reporte Final 3 de febrero de 2014 Contenido Análisis de la exactitud de la estimación de tamaño... 4 Qué tan frecuentemente estuvo mi tamaño real del programa dentro de mi intervalo estadístico de predicción del 70%?... 4 Tengo una tendencia

Más detalles

Técnicas numéricas para las Ecuaciones diferenciales de primer orden: Método de Euler

Técnicas numéricas para las Ecuaciones diferenciales de primer orden: Método de Euler Lección 6 Técnicas numéricas para las Ecuaciones diferenciales de primer orden: Método de Euler 61 Introducción a los métodos numéricos En este capítulo y en los anteriores estamos estudiado algunas técnicas

Más detalles

Método de Mínimos Cuadrados Recursivo

Método de Mínimos Cuadrados Recursivo Control Avanzado Práctica 4 Método de Mínimos Cuadrados Recursivo José Gerardo Gomez Mendez Abril 27, 25 Resumen El presente trabajo presenta un sistema de un circuito RLC, donde se utiliza el método de

Más detalles

TIPOS DE COSTOS Y DETERMINACIÓN DE PRESUPUESTO

TIPOS DE COSTOS Y DETERMINACIÓN DE PRESUPUESTO TIPOS DE COSTOS Y DETERMINACIÓN DE PRESUPUESTO Dante A. Guerrero Chanduví Piura, abril de 2018 FACULTAD DE INGENIERÍA Área Departamental de Ingeniería Industrial y de Sistemas TIPOS DE COSTOS Y DETERMINACIÓN

Más detalles

Capítulo 7. Resultados

Capítulo 7. Resultados 7.1 Imágenes de prueba Capítulo 7 Resultados 7.1.1 Imágenes sintéticas Para probar los esquemas de segmentación, se generaron las siguientes imágenes sintéticas de 500x500 pixeles con el software adjunto.

Más detalles

Selección de Indicadores a aplicar a series sintéticas Énfasis en propiedades de memoria larga

Selección de Indicadores a aplicar a series sintéticas Énfasis en propiedades de memoria larga Selección de Indicadores a aplicar a series sintéticas Énfasis en propiedades de memoria larga Los modelos de optimización usados para despacho y planificación energética requieren de un modelo que represente

Más detalles

Introducción al Procesamiento de Imágenes Satelitales con Software Libre. Módulo 03

Introducción al Procesamiento de Imágenes Satelitales con Software Libre. Módulo 03 Introducción al Procesamiento de Imágenes Satelitales con Software Libre Módulo 03 Dirección de Formación de Capital Humano Especializado en el Campo Espacial Agencia Espacial Mexicana www.gob.mx/aem Plan

Más detalles

Aplicaciones de realidad aumentada en un ipad

Aplicaciones de realidad aumentada en un ipad Aplicaciones de realidad aumentada en un ipad Dr. Luis Gerardo de la Fraga Cinvestav, Computer Science Department Av. IPN 2508, 07360 Mexico, D.F., México E-mail: fraga@cs.cinvestav.mx Noviembre 17, 2016

Más detalles

Identificación de parámetros de líneas de transmisión y transformadores, usando técnicas de estimación de estado y mediciones fasoriales sincronizadas

Identificación de parámetros de líneas de transmisión y transformadores, usando técnicas de estimación de estado y mediciones fasoriales sincronizadas Identificación de parámetros de líneas de transmisión y transformadores, usando técnicas de estimación de estado y mediciones fasoriales sincronizadas Hernando Díaz Universidad Nacional de Colombia Bogotá

Más detalles

IMPLEMENTACION EN TIEMPO REAL DE LA TRANSFORMADA DE FOURIER FRACCIONAL MEDIANTE UN PROCESADOR DIGITAL DE SEÑALES (DSP)

IMPLEMENTACION EN TIEMPO REAL DE LA TRANSFORMADA DE FOURIER FRACCIONAL MEDIANTE UN PROCESADOR DIGITAL DE SEÑALES (DSP) IMPLEMENTACION EN TIEMPO REAL DE LA TRANSFORMADA DE FOURIER FRACCIONAL MEDIANTE UN PROCESADOR DIGITAL DE SEÑALES (DSP) JOAQUÍN A. CORNEJO WILSON CASTAÑO GALVIZ YEZID TORRES MORENO Grupo de Óptica y Tratamiento

Más detalles

Problemas de Estimación de una y dos muestras

Problemas de Estimación de una y dos muestras Problemas de Estimación de una y dos muestras Walpole Myers Myers Facultad de Estudios Superiores Acatlán Licenciatura en Economía 13 de marzo 2017 José A. Huitrón Mendoza Introducción En los ejercicios

Más detalles

REGRESIÓN Y ESTIMACIÓN TEMA 1: REGRESIÓN LINEAL SIMPLE

REGRESIÓN Y ESTIMACIÓN TEMA 1: REGRESIÓN LINEAL SIMPLE UNIDAD 3 REGRESIÓN Y ESTIMACIÓN TEMA 1: REGRESIÓN LINEAL SIMPLE Relación entre variables de interés 1 Relación entre variables de interés Muchas decisiones gerenciales se basan en la relación entre 2 o

Más detalles

Características del programa de Microlab

Características del programa de Microlab Características del programa de Microlab Conducta Clickeando behaviour, se presentaran dos módulos: Sintomatología lab Animales, y ratones reloj pueden ser seleccionados. Para entender los efectos de drogas

Más detalles

Tema 5. Muestreo y distribuciones muestrales

Tema 5. Muestreo y distribuciones muestrales 1 Tema 5. Muestreo y distribuciones muestrales En este tema: Muestreo y muestras aleatorias simples. Distribución de la media muestral: Esperanza y varianza. Distribución exacta en el caso normal. Distribución

Más detalles

Objetivo: Proponer modelos para analizar la influencia

Objetivo: Proponer modelos para analizar la influencia TEMA 3: REGRESIÓN LINEAL SIMPLE Objetivo: Proponer modelos para analizar la influencia de una variable cuantitativa sobre un fenómeno que nos interesa estudiar. 1. Modelo lineal l de regresión 2. Estimación

Más detalles

Estadística para la Economía y la Gestión IN 3401 Clase 5

Estadística para la Economía y la Gestión IN 3401 Clase 5 Estadística para la Economía y la Gestión IN 3401 Clase 5 Problemas con los Datos 9 de junio de 2010 1 Multicolinealidad Multicolinealidad Exacta y Multicolinealidad Aproximada Detección de Multicolinealidad

Más detalles

Error en las mediciones

Error en las mediciones Error en las mediciones TEORIA DE ERROR-GRAFICOS Y APLICACIÓN Representar en un gráfico los datos obtenidos experimentalmente (encontrar relación funcional) Conocer, comprender y analizar algunos elementos

Más detalles

Transformaciones geométricas

Transformaciones geométricas Transformaciones geométricas Traslación, rotación y escalado Ángel Alejandro Juan Pérez Cristina Steegmann Pascual PID_00151936 FUOC PID_00151936 Transformaciones geométricas Índice Introducción... 5

Más detalles

TEMA 10 Correlación y regresión. El modelo de regresión simple

TEMA 10 Correlación y regresión. El modelo de regresión simple TEMA 10 Correlación y regresión. El modelo de regresión simple Karl Pearson (1857-1936) 1. Introducción. Modelos matemáticos 2. Métodos numéricos. Resolución de sistemas lineales y ecuaciones no lineales

Más detalles

Estudio estadístico de la rentabilidad económica de una instalación solar térmica

Estudio estadístico de la rentabilidad económica de una instalación solar térmica Estudio estadístico de la rentabilidad económica de una instalación solar térmica Aplicación en un hospital de Castilla y León Luis Javier Mata García Ingeniero Industrial El objetivo de este artículo

Más detalles

Censo Nacional de Población, Hogares y Viviendas 2010 Censo del Bicentenario

Censo Nacional de Población, Hogares y Viviendas 2010 Censo del Bicentenario Censo Nacional de Población, Hogares y Viviendas 2010 Censo del Bicentenario Base de datos REDATAM Errores muestrales en el procesamiento del cuestionario censal ampliado Serie Serie Base Base de de datos

Más detalles

PSP1 Guión del Proceso

PSP1 Guión del Proceso PROCEDIMIENTO PSP1 Antes de empezar el programa, repasar PSP1 para asegurarse de comprenderlo. También asegurarse de tener todas las entradas requeridas antes de comenzar con la fase de planificación Entrada

Más detalles

Análisis de Datos. Validación de clasificadores. Profesor: Dr. Wilfrido Gómez Flores

Análisis de Datos. Validación de clasificadores. Profesor: Dr. Wilfrido Gómez Flores Análisis de Datos Validación de clasificadores Profesor: Dr. Wilfrido Gómez Flores 1 Introducción La mayoría de los clasificadores que se han visto requieren de uno o más parámetros definidos libremente,

Más detalles

ECONOMETRÍA II Prof.: Begoña Álvarez TEMA 1 INTRODUCCIÓN. Estimación por máxima verosimilitud y conceptos de teoría asintótica

ECONOMETRÍA II Prof.: Begoña Álvarez TEMA 1 INTRODUCCIÓN. Estimación por máxima verosimilitud y conceptos de teoría asintótica ECONOMETRÍA II Prof.: Begoña Álvarez 2007-2008 TEMA 1 INTRODUCCIÓN Estimación por máxima verosimilitud y conceptos de teoría asintótica 1. ESTIMACIÓN POR MÁXIMA VEROSIMILITUD (MAXIMUM LIKELIHOOD) La estimación

Más detalles

4.6.4 Análisis de datos

4.6.4 Análisis de datos Capítulo (4) 147 4.6.4 Análisis de datos Esta exploración se divide en dos etapas: Análisis de datos discretos (facies): el primer paso fue hacer histogramas para determinar la distribución o porcentajes

Más detalles

CAPÍTULO 8 SIMULACIÓN DE ESCENARIOS

CAPÍTULO 8 SIMULACIÓN DE ESCENARIOS CAPÍTULO 8 SIMULACIÓN DE ESCENARIOS Simulación es el proceso de diseñar y desarrollar un modelo computarizado de un sistema o proceso y conducir experimentos con este modelo con el propósito de entender

Más detalles

3.3. Número de condición de una matriz.

3.3. Número de condición de una matriz. 96 33 Número de condición de una matriz Consideremos el sistema Ax = b, de solución u Queremos controlar qué cambios se producen en la solución cuando hacemos pequeños cambios en las componentes de b o

Más detalles

Estadística y sus aplicaciones en Ciencias Sociales 5. Estimación. Facultad de Ciencias Sociales, UdelaR

Estadística y sus aplicaciones en Ciencias Sociales 5. Estimación. Facultad de Ciencias Sociales, UdelaR Estadística y sus aplicaciones en Ciencias Sociales 5. Estimación Facultad de Ciencias Sociales, UdelaR Índice 1. Repaso: estimadores y estimaciones. Propiedades de los estimadores. 2. Estimación puntual.

Más detalles

6. Modelos de Distribución de la Porosidad Usando Impedancia Acústica

6. Modelos de Distribución de la Porosidad Usando Impedancia Acústica 6. Modelos de Distribución de la Porosidad Usando Impedancia Acústica Como se había comentado en capítulos anteriores, uno de los objetivos de la caracterización de yacimientos es definir la distribución

Más detalles

Introducción al tratamiento de datos experimentales. Aplicación en fisicoquímica

Introducción al tratamiento de datos experimentales. Aplicación en fisicoquímica Introducción al tratamiento de datos experimentales Aplicación en fisicoquímica Medidas experimentales 1. 8.86 M H 2 O 2 100V 8.93M Titulación con KMnO 4 2. 8.78 M 3. 9.10 M Resultado promedio: 8.91 M

Más detalles

Figura 1: Propiedades de textura: (a) Suavidad, (b) Rugosidad y (c) Regularidad

Figura 1: Propiedades de textura: (a) Suavidad, (b) Rugosidad y (c) Regularidad 3 TEXTURA 3.1 CONCEPTO DE LA TEXTURA La textura es una característica importante utilizada en segmentación, identificación de objetos o regiones de interés en una imagen y obtención de forma. El uso de

Más detalles

Distribuciones bidimensionales

Distribuciones bidimensionales Distribuciones bidimensionales Dos variables x e y están relacionadas funcionalmente cuando conocida la primera se puede saber con exactitud el valor de la segunda. Ejemplo Si se deja caer una piedra,

Más detalles

Resolución de Polinomios

Resolución de Polinomios Resolución de Polinomios Ciertamente que la resolución de polinomios es un tema interesante, es básicamente inevitable, para alguien que maneje un cierto nivel matemático, obviamente que la resolución

Más detalles

TEMA 3 Aproximación de funciones: interpolación y ajuste

TEMA 3 Aproximación de funciones: interpolación y ajuste TEMA 3 Aproximación de funciones: interpolación y ajuste Chelo Ferreira González Isaac Newton (1643-1727) 1. Introducción. Modelos matemáticos 2. Métodos numéricos. Resolución de sistemas lineales y ecuaciones

Más detalles

Tema 3. Transformaciones de imágenes

Tema 3. Transformaciones de imágenes Div. Ingeniería de Sistemas y Automática Universidad Miguel Hernández Tema 3. Transformaciones de imágenes GRUPO DE TECNOLOGÍA INDUSTRIAL Tabla de Contenidos 2 Operaciones Puntuales Operaciones Locales

Más detalles

Estimación de regresión multivariante insesgada

Estimación de regresión multivariante insesgada Estadística Española Volumen 58, número 190 / 2016, pp. 123-131 Estimación de regresión multivariante insesgada Mariano Ruiz Espejo Universidad Católica San Antonio de Murcia Resumen Proponemos un estimador

Más detalles