Weibull_fit.xla: Programa para el Ajuste Óptimo de la Función de Densidad de Probabilidad Weibull de Tres Parámetros

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

Download "Weibull_fit.xla: Programa para el Ajuste Óptimo de la Función de Densidad de Probabilidad Weibull de Tres Parámetros"

Transcripción

1 Iformaó Teológa Webull_ft.xla: Vol. (), 9-99 Programa (00) para el Auste Óptmo de la Fuó de Desdad do:0.6/f.teol.434t.08 Webull_ft.xla: Programa para el Auste Óptmo de la Fuó de Desdad de Probabldad Webull de Tres Parámetros Osar S. y Darío M. Aedo Uversdad de Tala, Faultad de Ceas Forestales, Departameto de Produó Forestal, Norte 685, Tala-Chle (e-mal Resume E este trabao se da a ooer el programa de domo públo deomado Webull_ft.xla que ampló la propuesta orgal de los autores. La ueva propuesta osdera omo fuó obetvo, además de la prueba de Kolmogorov-Smrov, las restates pruebas de bodad de auste y el íde de error. Se troduo esta modfaó por la orporaó del íde de error que trabaa o lases damétras y porque matemátamete es posble obteer resultados egatvos del parámetro de loalzaó. Como eemplo se modelaro los dámetros de árboles de ua parela de Pus radata (D. Do) o el método de los mometos, osderado ada dador de error. Se oluye que el programa Webull_ft.xla es ua herrameta omputaoal que permte estmar los parámetros de las fuó Webull 3P que mmza los estadígrafos de las pruebas de bodad de auste o del íde de error. Palabras lave: Webull_ft.xla, auste óptmo, fuó desdad, Webull 3P, dámetro de árboles Webull_ft.xla: Software for Optmum Adustmet of the Probablty Desty Futo Webull 3P Abstrat The probablty desty futo Webull 3P s broadly used the lterature to represet otuous data. Most of the software that adusts ths dstrbuto utlzes a spef parameter estmato method that alulates values for oly two parameters, assumg the value for the thrd oe. O the other had, the geerated publ doma program alulates the three parameters that mmze the hose error dator (sx total) for the seleted parameter estmato method (four total). The potetal error dators to be used are assoated wth the statst sores of fve goodess-of-ft ad the dex of error. As a example the tree dameters data of a Pus radata (D. Do) plot was modeled by the momet method, osderg eah of the error dators. I eah adustmet was verfed that the mmum error was reahed for the alulated parameters. Keywords: Webull_ft.xla, optmum fttg, desty futo, Webull 3P, tree dameter Iformaó Teológa Vol. - Nº

2 Webull_ft.xla: Programa para el Auste Óptmo de la Fuó de Desdad INTRODUCCIÓN La fuó de desdad de probabldad (fdp) Webull () fue propuesta almete por Fsher y Tppet e el año 98. Esta fuó adoptó el apelldo del físo sueo Walodd Webull, que la dfudó a partr del año 939 e estudos de resstea de materales (Johso et al., 994), sedo amplamete usada e dsttas áreas del oometo para modelar datos otuos. Su ampla utlzaó rada e la represetaó de dversas formas, de este modo s el parámetro de forma es meor que uo la forma será dereete, s es uo la forma será expoeal, s es dos la forma será Raylegh, s es tres oma ses la forma será ormal y s es mayor que tres oma ses la forma será ormal pero o asmetría egatva (Nord-Larse y Cao, 006). Además posee tegral defda () permtedo el álulo ofable de probabldades (Borders et al., 987). Falmete, Lu et al. (004) y Mehtätalo (004) resalta la relatva faldad para estmar sus parámetros. x a f(x) = * b b x a * exp b () x a F(x) = exp () b Dode a, b y so los parámetros de loalzaó, esala y forma respetvamete y x es ua varable otua. E el setor forestal los preursores de la utlzaó de esta fdp fuero Baley y Dell e el año 973. Su uso e este setor se ha oetrado e modelar la estrutura de los rodales, pudedo ooer la freuea relatva y aumulada de los dversos tamaños de los árboles (Proda et al., 997). El tamaño de los árboles, es der la varable x otua de la fuó, orrespode mayortaramete al dámetro a la altura del peho (DAP) de los árboles meddos e ada udad muestral. Dversos autores ha omprobado que la fdp Webull araterza de maera ofable los rodales osderados e sus vestgaoes (Jag y Brooks, 009; Bredebah et al., 008; Castedo- Dorado et al., 007; Palah et al., 007;, 003) S be es erto que ooer los parámetros de la fdp e u mometo dado es mportate, aú más relevate es poder proyetar el tamaño de los árboles e el tempo (Proda et al., 997). Ua de las téas usadas es el método de predó de parámetros, el ual osste e relaoar los parámetros de la fdp o varables que araterza el rodal. Dversos autores ha utlzado este método o la fdp Webull araterzado de maera ofable los rodales osderados e sus vestgaoes (Nord-Larse y Cao, 006 y Palah et al., 006) Para estmar los parámetros de esta fdp se ha desrto dversos métodos de estmaó, alguos de ellos tee larga data de publaó, ya que so proedmetos matemátos valdados hae muho tempo. Se puede meoar etre otros (Tabla ): el método híbrdo desrto por Cao (004), el método de máxma verosmltud desrto por Johso et al. (994), el método de los mometos desrto por Cao (004) y el método de los peretles desrto por Solforo (998). E los métodos de estmaó de la Tabla es eesaro asumr u valor para el parámetro de loalzaó. Este parámetro ha sdo osderado omo u poretae del DAP mímo; freuetemete se ha utlzado el valor 0.50 (Frazer, 98, tado por Cao, 004; Hawks et al., 988 y Lu et al., 004). Otros poretaes empleados ha sdo: 0.00, 0.33, 0.66 y.00 (Lu et al., 004). Nepal y Somers (99) asume que el parámetro de loalzaó es el límte feror de la prmera lase damétra. Falmete se ha propuesto que este parámetro se obtega restado ua ostate al DAP mímo, uyos valores ha sdo: 0.5;.0,.5 y.0 m (Zhag et al., 003). 9 Iformaó Teológa Vol. - Nº - 00

3 Webull_ft.xla: Programa para el Auste Óptmo de la Fuó de Desdad Tabla : Métodos de estmaó de parámetros de la fdp Webull 3P Método y autor Híbrdo (Cao, 004) Máxma verosmltud (Johso et al. 994) Mometos (Cao, 004) Peretles Solforo (998) Expresó x93 a b = ( l( 0, 93)) a x q /C b = b' ; b' / (x93 a)*γ + *a* ( l( 0, 93)) = (x a) (x a) * l(x a) = (x a) ( )* b = x q = ( x a) Γ = * (x a) b *a*x b + a *Γ b = exp xx xx *y ( y * xx xx * = 0 ) xx / (x93 a) *Γ + ( l( 0, 93)) (x a) (x a) y / = 0 Dode x es la varable otua e estudo, es la atdad total de observaoes, x es la observaó -ésma de la varable x, x q es la meda uadráta de la varable x, x es la meda artméta de la varable x, Γ es la fuó gamma de Γ ( + /), x 93 es el valor de la varable x al peretl 93, xx es l(-l(- / 0)) e y es l(x ), sedo = 0, 0,., 80, 90 peretles. (003), defó u método uméro que estma luso el parámetro de loalzaó, evtado el uso de u supuesto que lmtaba las apadades de auste de la fuó. et al. (004) da que medate u proeso teratvo de búsqueda bara usado el algortmo Newto- Raphso, se alula los tres parámetros (4), depededo del método de estmaó seleoado (Tabla ), que mmza el estadísto D de la prueba de bodad de auste de Kolmogorov-Smrov (3). També, Che (006) utlzó este algortmo para el auste de la fdp Logormal de tres parámetros. Iformaó Teológa Vol. - Nº

4 Webull_ft.xla: Programa para el Auste Óptmo de la Fuó de Desdad - Fuó obetvo: Mmzar D = máx. máx. F(DAP ) ;máx. F(DAP ) (3) Sueto a: 0 a DAP mímo (4) b > 0 > 0 Dode varía etre a (otador desde el meor al mayor valor del DAP) y F DAP ) defdo e la euaó. ( que ya fue La presete publaó da a ooer el programa de domo públo deomado Webull_ft.xla que ampló la propuesta orgal de (003) y et al. (004), ya que osdera omo fuó obetvo (Tabla ), además de la prueba de Kolmogorov-Smrov las restates pruebas de bodad de auste (Aderso-Darlg, Kuper, Cramer-Vo Mses y Watso) y el íde de error (Reyolds et al. 988). Además se modfó la restró asoada al parámetro de loalzaó, ya que este podrá ser meor o gual que el límte feror de la prmera lase damétra. Se troduo esta modfaó por la orporaó del íde de error que trabaa o lases damétras y porque matemátamete es posble obteer resultados egatvos del parámetro de loalzaó. Tabla : Desrpó de la fuó obetvo Fuó obetvo Pruebas de Kolmogorovbodad de Smrov auste Íde de error Dode (DAP) Aderso-Darlg Kuper Cramer-Vo Mses Expresó D = máx. máx. A = V = máx. W - F( DAP ) ;máx. F( DAP ) (* ) * l( F( DAP )) + ( * + *) * l( F( DAP )) F( DAP ) + máx. F( DAP ) * = F( DAP ) + * Watso U = W * ( F( DAP) 0,5) IE = k = ˆ F es el promedo de los F ( DAP ), y * - ˆ so el úmero de elemetos meddos y estmados respetvamete e la lase y k es el total de lases (omo la formaó otua puede ser muy extesa, la varable DAP se dsretza geerado lases damétras de ampltud predefda) MÉTODOLOGIA Webull_ft.xla fue programado e Mrosoft Vsual Bas 6.3, que ua vez stalado se preseta omo u meú desplegable e Mrosoft Exel (Fgura ). El programa puede soltarse gratutamete lleado el formularo de otato dspoble e: E la Fgura se preseta la seuea de programaó de Webull_ft.xla, que etra e eeuó al seleoar el módulo Calulo (Fgura ). 94 Iformaó Teológa Vol. - Nº - 00

5 Webull_ft.xla: Programa para el Auste Óptmo de la Fuó de Desdad Fg. : Meú desplegable del programa Webull_ft.xla Fg. : Dagrama de fluo de la programaó de Webull_ft.xla E prmer lugar se debe dar la ubaó de la muestra aleatora de datos e estudo. E segudo lugar se formula el problema, para esto se seleoa ua fuó obetvo, espefado qué prueba Iformaó Teológa Vol. - Nº

6 Webull_ft.xla: Programa para el Auste Óptmo de la Fuó de Desdad de bodad de auste o íde de error se utlzará (Tabla ) y se defe las restroes asoadas al método esogdo para la estmaó de parámetros (Tabla ). E terer lugar, el programa teratúa o Solver.xla que lleva a abo la mmzaó medate el algortmo de Newto Raphso. Ua vez que se logra u mímo de la fuó obetvo, se preseta los resultados e forma tabular y se desplega u formularo que preseta las opoes del usuaro (Fgura 3). Es posble observar o mprmr la formaó tabular o gráfa, modfar la formulaó del problema, ambado la fuó obetvo o las restroes, proesar otra parela o be salr del programa. Fg. 3: Opoes posterores a la mmzaó. Como eemplo se hzo la mmzaó de todas las pruebas de bodad de auste y del íde de error osderado el método de los mometos para estmar los parámetros. Los datos provee de la parela desrta e la pága 98 de Proda et al. (997) que orrespode a ua parela de Pus radata (D. Do) de 400 m o 4 árboles de 0 años de edad. RESULTADOS Y DISCUSION Se debe dar la ubaó de los datos de la parela (Fgura 4). Estos debe estar dspuestos e ua oluma. Fg. 4: Defó de los datos de la parela. Para formular el problema se debe esoger la fuó obetvo y las restroes (Fgura 5). Cuado la fuó obetvo orrespode a la mmzaó del íde de error, además se soltará la ampltud de las lases damétras, dode se puede esoger desde a 0 m. De gual modo, sí el método de los peretles es esogdo, se tedrá que dar el valor de éstos, pudedo esoger etre y 00. Los trabaos de Dubey (967) y Baley y Dell (973) osderaro dos peretles. Solforo (998) aumetó a ueve el máxmo de peretles posbles de ser defdos pero, Webull_ft.xla permte ua ompleta lbertad e la defó de ellos. Los resultados se preseta e forma tabular (Fgura 6), dode se da la fuó obetvo, las restroes (métodos de estmaó de parámetros), los parámetros de la fdp Webull 3P, los estadígrafos de ada prueba de bodad de auste y el valor poretual del íde de error, el ual se obtee al dvdr el íde de error (Tabla ) por la atdad de elemetos meddos (). Además, se preseta dos resultados dode se asume el parámetro de loalzaó gual a ero o gual a la mtad del dámetro mímo (a = 0 y a = DAP mímo/). Estos valores se luyero ya que so los más reomedados e la lteratura y srve para estableer ua omparaó o los resultados mmzados. 96 Iformaó Teológa Vol. - Nº - 00

7 Webull_ft.xla: Programa para el Auste Óptmo de la Fuó de Desdad Fg. 5: Formulaó del problema. Fg. 6: Resultado tabular del eemplo. Segú la oveea del usuaro es posble obteer el resultado de u auste e partular hasta las 3 posbldades que etrega el programa [4 métodos de estmaó de parámetros * (6 dadores de error ha mmzar) + alteratvas que asume u valor para el parámetro de loalzaó)]. Se observa que las estmaoes de los parámetros s mmzar, geera estadígrafos superores a los obtedos al aplar mmzaó. També se omprueba que el valor mímo de ada estadígrafo se alaza uado dho estadígrafo es osderado omo la fuó obetvo a mmzar. Esto muestra que Webull_ft.xla emplea u modelo optmzate para el auste de los parámetros de la fuó Webull 3P. E la Fgura 7 se preseta el resultado gráfo de los austes. Al eeutar el programa las líeas asoadas a ada auste aparee e olor, de modo que es posble dstgur etre ellas. Se observa que pese a lograr resultados estadístos sgfatvos, probabldad asoada a la prueba Kolmogorov-Smrov varía etre 87.7% y 99.6%, la estmaó del úmero de árboles por lase damétra o logra ua adeuada represetaó, ya que el íde de error poretual flutúa etre u 36.5% y u 58.3%. Las lmtaoes del programa Webull_ft.xla está asoadas a la sroía o el omplemeto Solver.xla de Mrosoft Exel. E la versó 000 y 003 la sroía es perfeta, lo ual o ourre e la versó 00 y 007 dode el programa etrega u error de aplaó y o puede ser eeutado. E futuras versoes del programa se permtrá la exportaó de la tabla de resultados. S u usuaro requere desarrollar u método de predó de parámetros, o la faldad de proyetar el tamaño de los árboles e el tempo, eotrará e Webull_ft.xla ua herrameta para la obteó de los parámetros. La relaó etre los parámetros y las varables que araterza u rodal tedrá que desarrollarse o ualquer programa estadísto omeral. Iformaó Teológa Vol. - Nº

8 Webull_ft.xla: Programa para el Auste Óptmo de la Fuó de Desdad Fg. 7: Resultados gráfo del eemplo. CONCLUSIONES El programa Webull_ft.xla es ua herrameta omputaoal que permte estmar los parámetros de las fuó Webull 3P que mmza los estadígrafos de las pruebas de bodad de auste o del íde de error. El programa preseta e ua sola tabla todos los resultados obtedos, de modo que es posble estableer omparaoes etre los métodos de auste (restroes), o etre las pruebas de bodad de auste e íde de error (fuoes obetvos alteratvas). REFERENCIAS Baley, R. y T. Dell; Quatfyg dameter dstrbutos wth the Webull futo, Forest See: 9(); (973). Borders B. y otros tres autores; Peretle-based dstrbutos haraterze forest stad tables, Forest See: 33(); (987). Bredebah, J., C. Glaser y M. Shmdt; Estmato of dameter dstrbutos by meas of arbore laser saer data, Caada Joural Of Forest Researh, 38(6); 6 60 (008). Cao Q.; Predtg parameters of a Webull futo for modelg dameter dstrbuto, Forest See: 50(5); (004). Castedo-Dorado, F., U. Deguez-Arada y JG Alvarez-Gozalez; A growth model for Pus radata D. Do stads orth-wester Spa, Aals of Forest See: 64(4); (007). Che C.; Test of ft the three-parameter logormal dstrbuto, Computatoal Statsts & Data Aalyss: 50; (006). Dubey S.; Some peretle estmators for Webull parameters, Tehometrs: 9; 9-9 (967). Hawks, K. y otros tres autores; Usg the Webull dstrbuto to model harvestg mahe produtvty, Forest Produts Joural: 38(4); (988). 98 Iformaó Teológa Vol. - Nº - 00

9 Webull_ft.xla: Programa para el Auste Óptmo de la Fuó de Desdad Jag, L. y J. Brooks; Predtg Dameter Dstrbutos for Youg Logleaf Pe Platatos Southwest Georga, Souther Joural of Appled Forestry: 33(); 5 8 (009). Johso, N., S. Kotz y N. Balakrsa; Webull dstrbutos, Cotuous uvarate dstrbutos, Seod Edto, Joh Wley & Sos, I., volume, pp 68 7, New York, USA (994). Lu, Ch. y otros uatro autores; Evaluato of three methods for predtg dameter dstrbutos of blak sprue (Pea maraa) platatos etral, Caada Joural of Forest Researh: 34; (004). Mehtätalo L.; A algorthm for esurg ompatblty betwee estmates peretles of dameter dstrbuto ad measured stad varables, Forest See: 50(); 0 3 (004). Nepal, S. y G. Somers; A geeralzed approah to stad table proeto, Forest See: 38(); 0 33 (99). Nord-Larse, T. y Q. Cao; A dameter dstrbuto model for eve-aged beeh Demark, Forest Eology ad Maagemet: 3(-3); 8 5 (006) Palah, M., T. Pukkala y A. Trasobares; Modellg the dameter dstrbuto of Pus sylvestrs, Pus gra ad Pus halepess forest stads Cataloa usg the truated Webull futo, Forestry: 79(5); (006). Palah, M. y otros tres autores; Comparso of beta, Johso's SB, Webull ad truated Webull futos for modelg the dameter dstrbuto of forest stads Cataloa (orth-east of Spa), Europea Joural of Forest Researh: 6(4); (007). Proda, M. y otros tres autores; Mesura Forestal sere vestgaó y eduaó e desarrollo sosteble, IICA/BMZ/GTZ, pp 98, Sa José, Costa Ra (997). Reyolds, M. Jr., T. Burk y W. Huag; Goodess-of-ft test ad model seleto proedures for dameter dstrbuto models, Forest See: 34(); (988). Solforo J.; Dstrbução Webull, Modelagem do resmeto e da produção de florestas platadas e atvas, Uversdade Federal de Lavras, Fudação de Apoo ao Eso, Pesqusa e Extesão, pp 03-3 (998). O.; Sstema de smulação do resmeto e produção de Populus spp. o Chle (Sstema SALICA), Dotorado e Ceas Forestales, Uversdad Federal de Paraá, Setor de Ceas Agraras, Departameto de Ceas Forestales (003)., O. y otros uatro autores; Proposta metodológa para o auste ótmo da dstrbução damétra Webull 3P, Rev. Floresta, ISSN: (e líea), 34(3); ; Aeso: 5 de Mayo (007). Zhag, L.; K. Pakard y Ch. Lu. A omparso of estmato methods for fttg Webull ad Johso s SB dstrbutos to mxed sprue-fr stads ortheaster North Amera, Caada Joural of Forest Researh: 33; ( 003). Iformaó Teológa Vol. - Nº

CAPITULO IV EQUILIBRIO VAPOR -LIQUIDO

CAPITULO IV EQUILIBRIO VAPOR -LIQUIDO CAITULO I EQUILIBRIO AOR -LIQUIDO ara evaluar el fuoameto de u sstema de separaó e etapas, es eesaro efetuar álulos de equlbro vapor-líqudo de balae de matera e ada etapa de separaó, utlado para ello ua

Más detalles

6. ESTIMACIÓN PUNTUAL

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

Más detalles

V Muestreo Estratificado

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

Más detalles

MODELOS DE REGRESIÓN LINEALES Y NO LINEALES: SU

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

Más detalles

TÍTULO: ESTIMACIÓN DE CAPACIDAD DE CARGA DE PILOTES A TRAVÉS DE ENSAYOS DE CAMPO.

TÍTULO: ESTIMACIÓN DE CAPACIDAD DE CARGA DE PILOTES A TRAVÉS DE ENSAYOS DE CAMPO. TÍTULO: ESTIMACIÓN DE CAPACIDAD DE CARGA DE PILOTES A TRAVÉS DE ENSAYOS DE CAMPO. Dr Eduardo Bera Fotae () Dr Davd de Carvalho (2) Dr Paulo Jose Roha Albuuerue (3) () Departameto de Igeería Cvl. Uversdad

Más detalles

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

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

Más detalles

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

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

Más detalles

VARIABLE ALEATORIA Y FUNCIÓN DE DISTRIBUCIÓN

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

Más detalles

-Métodos Estadísticos en Ciencias de la Vida

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

Más detalles

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

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

Más detalles

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

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

Más detalles

Aplicando Teorı a de Colas en Direccio n de Operaciones

Aplicando Teorı a de Colas en Direccio n de Operaciones Aplado Teorı a de Colas e Dreo de Operaoes José edro Garía Sabater Grupo ROGLE Departameto de Orgazaó de Empresas Uversdad oltéa de Valea. Curso 25 / 26 arte de estos aputes está basados e la fudametal

Más detalles

División de Evaluación Social de Inversiones

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

Más detalles

IV. GRÁFICOS DE CONTROL POR ATRIBUTOS

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

Más detalles

ANÁLISIS DE DATOS CUALITATIVOS. José Vicéns Otero Eva Medina Moral

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

Más detalles

ANÁLISIS DE LA VARIANZA ANOVA COMPARACIONES MULTIPLES ENTRE MEDIAS MUESTRALES

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

Más detalles

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

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

Más detalles

Una Propuesta de Presentación del Tema de Correlación Simple

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

Más detalles

ESTADÍSTICA DESCRIPTIVA

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

Más detalles

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

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

Más detalles

Teoría de Colas. Quién es el último? 1 ROGLE jpgarcia@omp.upv.es

Teoría de Colas. Quién es el último? 1 ROGLE jpgarcia@omp.upv.es Teoría de Colas. Qué es el últmo? jpgara@omp.upv.es 04/05/20 Teoría de Colas Itroduó Desrpó de u problema de olas Caraterístas Notaó Medbles Resultados Geerales Cómo se obtee datos para u sstema de olas

Más detalles

NUEVA ENCUESTA NACIONAL DE EMPLEO MANUAL CONCEPTUAL

NUEVA ENCUESTA NACIONAL DE EMPLEO MANUAL CONCEPTUAL NUEVA ENCUESTA NACIONAL DE EMLEO MANUAL CONCETUAL METODOLÓGICO DISEÑO MUESTAL Abrl 00 ÍNDICE CAITULO I : MANUAL CONCETUAL. Itroduó. Clasfaó de la poblaó e edad de trabajar. Coeptos y rteros de medó.....

Más detalles

LÍNEA DE REGRESIÓN MÍNIMO CUADRÁTICA BASADA EN ERRORES RELATIVOS

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

Más detalles

Ampliación de Redes de Telefonía Básica

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

Más detalles

Juegos finitos n-personales como juegos de negociación

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

Más detalles

MÉTODOS ESTADÍSTICOS PARA EL CONTROL DE CALIDAD

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

Más detalles

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

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

Más detalles

Conceptos y ejemplos básicos de Programación Dinámica

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

Más detalles

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

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

Más detalles

ESTRUCTURA Y TECNOLOGÍA A DE COMPUTADORES

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

Más detalles

1.1 INTRODUCCION & NOTACION

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

Más detalles

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

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

Más detalles

Gestión de operaciones

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

Más detalles

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

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

Más detalles

INTRODUCCIÓN A LA ESTADÍSTICA DESCRIPTIVA PARA ECONOMISTAS

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

Más detalles

NUEVA ENCUESTA NACIONAL DE EMPLEO MANUAL CONCEPTUAL

NUEVA ENCUESTA NACIONAL DE EMPLEO MANUAL CONCEPTUAL NUEVA ENCUESTA NACIONAL DE EMLEO MANUAL CONCETUAL METODOLÓGICO DISEÑO MUESTAL Arl 00 ÍNDICE CAITULO I: MANUAL CONCETUAL. Itroduó... 4. Clasfaó de la olaó e Edad de Traajar... 5. Coeptos y rteros de medó...

Más detalles

Flujo de Potencia DC con Modelación de Incertidumbres Aplicado al Caso Chileno

Flujo de Potencia DC con Modelación de Incertidumbres Aplicado al Caso Chileno Fluo de Poteca DC co odelacó de Icertdumres Aplcado al Caso Chleo Resume Rodrgo Palma B. rodpalma@cec.uchle.cl Chrsta Jeldres H. celdres@cec.uchle.cl Area de Eergía Departameto de Igeería Eléctrca Uversdad

Más detalles

Diseños muestrales en Inventarios Forestales Introducción... 1 Distribución de las unidades muestrales.... 3

Diseños muestrales en Inventarios Forestales Introducción... 1 Distribución de las unidades muestrales.... 3 Dseños muestrales e Ivetaros Forestales Itroduccó... Dstrbucó de las udades muestrales.... 3 Dstrbucó Aleatora... 3 Dstrbucó stemátca... 4 Dstrbucó de las UM e trasectos... 5 Estmadores para udades muestrales

Más detalles

MEDIDAS DE TENDENCIA CENTRAL

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

Más detalles

EVALUACION DEL AHUELLAMIENTO CON EQUIPO DE ALTO RENDIMIENTO

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

Más detalles

Aproximación a la distribución normal: el Teorema del Límite Central

Aproximación a la distribución normal: el Teorema del Límite Central Aproxmacó a la dstrbucó ormal: el Teorema del Límte Cetral El teorema del límte cetral establece que s se tee varables aleatoras, X, X,..., X, depedetes y co détca dstrbucó de meda µ y varaza σ, a medda

Más detalles

Introducción a la Transformada Wavelet DESCOMPOSICIÓN DE SEÑALES

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

Más detalles

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

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

Más detalles

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

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

Más detalles

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

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

Más detalles

PROBANDO GENERADORES DE NUMEROS ALEATORIOS

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

Más detalles

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

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

Más detalles

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

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

Más detalles

PRIMERA PRUEBA DE TÉCNICAS CUANTITATIVAS III. 14-Abril-2015. Grupo A

PRIMERA PRUEBA DE TÉCNICAS CUANTITATIVAS III. 14-Abril-2015. Grupo A PRIMERA PRUEBA DE TÉCICAS CUATITATIVAS III. 14-Abrl-015. Grupo A OMBRE: DI: 1. Se quere hacer u estudo sobre gasto e ropa e ua comarca dode el 41% de los habtates so mujeres. (1 puto) Se decde tomar ua

Más detalles

INTEGRAL DE LÍNEA EN EL CAMPO COMPLEJO

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

Más detalles

CURSO BÁSICO DE ESTADÍSTICA DESCRIPTIVA

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

Más detalles

Guía para la Presentación de Resultados en Laboratorios Docentes

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

Más detalles

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

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

Más detalles

III. GRÁFICOS DE CONTROL POR VARIABLES (1)

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

Más detalles

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

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

Más detalles

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

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

Más detalles

Análisis estadístico de datos muestrales

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

Más detalles

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

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

Más detalles

Práctica 11. Calcula de manera simbólica la integral indefinida de una función. Ejemplo:

Práctica 11. Calcula de manera simbólica la integral indefinida de una función. Ejemplo: PRÁCTICA SUMAS DE RIEMAN Práctcas Matlab Práctca Objetvos Calcular tegrales defdas de forma aproxmada, utlzado sumas de Rema. Profudzar e la compresó del cocepto de tegracó. Comados de Matlab t Calcula

Más detalles

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

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

Más detalles

Tema 2: Modelos lineales de optimización con variables enteras.

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

Más detalles

ANÁLISIS DE ECONOMÍAS DE ESCALA DE LA INDUSTRIA DE TRANSPORTE AÉREO EN EUROPA

ANÁLISIS DE ECONOMÍAS DE ESCALA DE LA INDUSTRIA DE TRANSPORTE AÉREO EN EUROPA ANÁLISIS DE EONOMÍAS DE ESALA DE LA INDUSTRIA DE TRANSPORTE AÉREO EN EUROPA MANUEL ROMERO HERNÁNDEZ MROMERO@EMPRESARIALES.ULPG.ES UNIVERSIDAD DE LAS PALMAS DE GRAN ANARIA DEPARTAMENTO DE ANÁLISIS EONÓMIO

Más detalles

Predicción del Cumplimiento de Pago de un Crédito para Microempresarios Agrícolas Utilizando. Penalized Support Vector Machines

Predicción del Cumplimiento de Pago de un Crédito para Microempresarios Agrícolas Utilizando. Penalized Support Vector Machines Resume Predccó del Cumplmeto de Pago de u Crédto para Mcroempresaros Agrícolas Utlzado Pealzed Support Vector Maches El Isttuto de Desarrollo Agropecuaro (INDAP) es el prcpal orgasmo del Estado de Chle

Más detalles

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

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

Más detalles

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

Más detalles

Bolsa Nacional de Valores, S.A. San José, Costa Rica

Bolsa Nacional de Valores, S.A. San José, Costa Rica SELECCIÓN DE CARTERAS DE INVERSIÓN (TEORÍA DEL PORTAFOLIO) RODRIGO MATARRITA VENEGAS * Bolsa Nacoal de Valores, S.A. Sa José, Costa Rca By ow t s evdet that MPT (moder Portfolo Theory), the theory frst

Más detalles

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

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

Más detalles

MUESTREO EN POBLACIONES FINITAS. Antonio Morillas 1

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

Más detalles

Posible solución del examen de Investigación Operativa de Sistemas de junio de 2007

Posible solución del examen de Investigación Operativa de Sistemas de junio de 2007 Posible soluió del exame de Ivestigaió Operativa de Sistemas de juio de 7 Problema : (3 putos) E u laboratorio se aaliza las probabilidades de que u átomo radioativo se ovierta e u átomo de otro tipo,

Más detalles

Segmentación de objetos en movimiento utilizando GPCA, técnicas algebraicas y flujo óptico para aplicaciones en espacios inteligentes

Segmentación de objetos en movimiento utilizando GPCA, técnicas algebraicas y flujo óptico para aplicaciones en espacios inteligentes Segmetacó de obetos e movmeto utlzado GPCA, téccas algebracas y fluo óptco para aplcacoes e espacos telgetes Crsta Losada, auel azo, Sra Palazuelos Departameto de Electróca. Uversdad de Alcalá Alcalá de

Más detalles

Introducción a la Programación Lineal

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

Más detalles

Recalibración regional de Hargreaves (HE y K RS. ) en México Regional recalibration of Hargreaves (HE and K RS

Recalibración regional de Hargreaves (HE y K RS. ) en México Regional recalibration of Hargreaves (HE and K RS Revsta INGENIERÍA AGRÍCOLA, ISSN-36-1545, RNPS-06, Vol. 4, No. 4 (octubre-ovembre-dcembre), pp. 14-18, 014 RIEGO Y DRENAJE ARTÍCULO ORIGINAL Recalbracó regoal de Hargreaves (HE y K RS ) e Méxco Regoal

Más detalles

4. SEGUNDO MÓDULO. 4.1 Resumen de Datos

4. SEGUNDO MÓDULO. 4.1 Resumen de Datos 4. SEGUNDO MÓDULO 4. Resume de Datos E estadístca descrptva, a partr de u cojuto de datos, se busca ecotrar resumes secllos, que permta vsualzar las característcas esecales de éstos. E ua expereca, u dato

Más detalles

Comparaciones múltiples entre medias Tema 6. 1. Comparaciones múltiples. 2. Comparaciones planeadas o a priori: 2.2 Comparaciones de tendencia

Comparaciones múltiples entre medias Tema 6. 1. Comparaciones múltiples. 2. Comparaciones planeadas o a priori: 2.2 Comparaciones de tendencia Comparaoes múltples etre medas Tema 6. Comparaoes múltples. Comparaoes plaeadas o a pror:. F plaeadas. Comparaoes de tedea. Comparaoes o plaeadas o a posteror:. Prueba de Tukey.. Prueba de Sheffé . Comparaoes

Más detalles

UNIVERSITAT ROVIRA I VIRGILI

UNIVERSITAT ROVIRA I VIRGILI UNIVERSITAT ROVIRA I VIRGILI Departamet de Químca Aalítca Químca Orgàca PARÁMETROS CUALIMÉTRICOS DE MÉTODOS ANALÍTICOS QUE UTILIZAN REGRESIÓN LINEAL CON ERRORES EN LAS DOS VARIABLES Te Doctoral FRANCISCO

Más detalles

INTRODUCCION A LA GEOESTADISTICA

INTRODUCCION A LA GEOESTADISTICA INTRODUION A LA GEOESTADISTIA 7 3' W MAR ARIBE Boca de la Barra 3 larí 8 6 4 Grade R Sevlla 8 6 R Aracataca 45' N 4 R Fudaco Teoría y Aplcacó UNIVERSIDAD NAIONAL DE OLOMBIA Sede Bogotá Facultad de ecas

Más detalles

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

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

Más detalles

Credit scoring models: what, how, when and for what purposes

Credit scoring models: what, how, when and for what purposes MPRA Much Persoal RePEc Archve Credt scorg models: what, how, whe ad for what purposes Guterrez Grault, Matas Alfredo Baco Cetral de la Repúblca Argeta October 007 Ole at http://mpra.ub.u-mueche.de/6377/

Más detalles

ESTADÍSTICA DESCRIPTIVA Métodos Estadísticos Aplicados a las Auditorías Sociolaborales

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

Más detalles

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

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

Más detalles

ESTUDIO DE RACHAS DE DESEMPLEO EN EL MERCADO LABORAL ESPAÑOL. UNA APROXIMACIÓN SEMIPARAMÉTRICA. 1

ESTUDIO DE RACHAS DE DESEMPLEO EN EL MERCADO LABORAL ESPAÑOL. UNA APROXIMACIÓN SEMIPARAMÉTRICA. 1 ESTUDIO DE RACHAS DE DESEMPLEO EN EL MERCADO LABORAL ESPAÑOL. UNA APROXIMACIÓN SEMIPARAMÉTRICA. Adrés Esteba, Eva María (eadres@uzar.es) Olave Rubo, Plar (polave@uzar.es) Alcalá Nalvaz, José Tomás (jtalcala@uzar.es)

Más detalles

TEXTO DE PROBLEMAS DE INFERENCIA ESTADÍSTICA

TEXTO DE PROBLEMAS DE INFERENCIA ESTADÍSTICA UNIVERIDAD NACIONAL DEL CALLAO VICERECTORADO DE INVETIGACIÓN FACULTAD DE CIENCIA ECONÓMICA TETO DE PROBLEMA DE INFERENCIA ETADÍTICA AUTOR: JUAN FRANCICO BAZÁN BACA (Resolucó Rectoral 940-0-R del -9-) 0-09-

Más detalles

TEMA 5. Planificación estática de tareas. Planificación de tareas. El problema de la concurrencia

TEMA 5. Planificación estática de tareas. Planificación de tareas. El problema de la concurrencia TEMA Plafcacó estátca de tareas Plafcacó de tareas El problema de la cocurreca El problema de la plafcacó Plafcacó de tareas Modelo básco Plafcacó rate mootoc Teorema de Lu y Laylad Aálss del tempo de

Más detalles

ÓPTICA FCA 10 ANDALUCÍA

ÓPTICA FCA 10 ANDALUCÍA . a) Explique los eómeos de relexió y reraió de la luz. b) Tiee igual reueia, logitud de oda y eloidad de propagaió la luz iidete, relejada y reratada? Razoe sus respuestas.. U teléoo móil opera o odas

Más detalles

UNIVERSIDAD DE BUENOS AIRES

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

Más detalles

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

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

Más detalles

INTRODUCCIÓN AL ANÁLISIS DE ENCUESTAS COMPLEJAS 1

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

Más detalles

4. ESQUELETOS Y CAMINOS OPTIMALES...

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

Más detalles

UN POCO DE HISTORIA Prof. Teuvo Kohonen UN POCO DE HISTORIA

UN POCO DE HISTORIA Prof. Teuvo Kohonen UN POCO DE HISTORIA Self-Organzng Maps 1. Defnón.. Un poo de hstora. CONTENIDO 3. Desrpón del algortmo. L. Pablo Sergo Garía 4. Ejemplos en ejeuón. 5. Problemas 6. Aplaones. DEFINICIÓN El SOM es un algortmo para vsualzar

Más detalles

SELECCIÓN DE UNA CARTERA DE VALORES MEDIANTE LA APLICACIÓN DE MÉTODOS MULTIOBJETIVO INTERACTIVOS A DATOS REALES DE LA BOLSA ESPAÑOLA

SELECCIÓN DE UNA CARTERA DE VALORES MEDIANTE LA APLICACIÓN DE MÉTODOS MULTIOBJETIVO INTERACTIVOS A DATOS REALES DE LA BOLSA ESPAÑOLA Seleccó de ua cartera de valores medate la aplcacó de métodos multobjetvo teractvos... SELECCIÓN DE UNA CARTERA DE VALORES MEDIANTE LA APLICACIÓN DE MÉTODOS MULTIOBJETIVO INTERACTIVOS A DATOS REALES DE

Más detalles

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

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

Más detalles

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

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

Más detalles

Dyna ISSN: 0012-7353 dyna@unalmed.edu.co Universidad Nacional de Colombia Colombia

Dyna ISSN: 0012-7353 dyna@unalmed.edu.co Universidad Nacional de Colombia Colombia Dya ISSN: 00-7353 dya@ualmed.edu.co Uversdad Nacoal de Colomba Colomba ARANGO SERNA, MARTÍN DARIO; VERGARA RODRÍGUEZ, CESAR; GAVIRIA MONTOYA, HORACIO MODELIZACIÓN DIFUSA PARA LA PLANIFICACIÓN AGREGADA

Más detalles

Análisis acerca de la distribución de Weibull con datos truncados y la distribución generalizada de Pareto aplicado a fallas en dieléctricos

Análisis acerca de la distribución de Weibull con datos truncados y la distribución generalizada de Pareto aplicado a fallas en dieléctricos Herrera Lus A. Salvaterra Lucas M. Razztte Adrá C. Kovalevs Laura I. Damm Quña ablo L. Irurzu Isabel M. Mola Eduardo E. Aálss acerca de la dstrbucó de Webull co datos trucados la dstrbucó eeralzada de

Más detalles

CURSO REDES ELECTRICAS II 1 CAPITULO 4

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

Más detalles

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

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

Más detalles

Introducción a la simulación de sistemas discretos

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

Más detalles

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

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

Más detalles

NOTAS SOBRE ESTADÍSTICA APLICADA A LA CALIDAD

NOTAS SOBRE ESTADÍSTICA APLICADA A LA CALIDAD NOTAS SOBRE ESTADÍSTICA APLICADA A LA CALIDAD 1. CONCEPTO DE ESTADÍSTICA : Es la ceca que estuda la terpretacó de datos umércos. a) Proceso estadístco : Es aquél que a partr de uos datos umércos, obteemos

Más detalles

Simulación de sistemas discretos

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

Más detalles