np {N q = n N q > 0} = (1 ρ) n=1 = (1 ρ) nρ n 1 = 1 (3.34) P {T q t T q > 0} = P {T q t T q > 0} P {T q

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

Download "np {N q = n N q > 0} = (1 ρ) n=1 = (1 ρ) nρ n 1 = 1 (3.34) P {T q t T q > 0} = P {T q t T q > 0} P {T q"

Transcripción

1 52 CAPÍTULO 3. SISTEMAS DE ESPERA Luego: P {N q = n N q > 0} = P n+1 2 = (1 ) n 1, n = 1, 2, (3.33) Nótesequelaprobabilidadqueexistan N probabilidadgeométricaconparámetro n 1,locualesigualaladistribuciónprobabilidad q entidasenespera,sigueunadistribución N,eliminandolaentidadqueestásiendoatendida.Enefecto: P {N q = n N q > 0}=P n 1, n = 1, 2,. El valor esperado entidas en espera es igual a: E {N q N q > 0} = np {N q = n N q > 0} = (1 ) n n 1 = (1 ) n n 1 = 1 (3.34) 1 n=0 cola, Se dado requiere que terminar la entidad està la distribuciòn efectivamente en la cola. Esto l tiempo se nomina permanencia distribuciòn en la probabilidad l tiempo espera y se termina usando el Teorema Bayes: P {T q t T q > 0} = P {T q t T q > 0} P {T q (3.35) > 0} Como P {T q > 0} =, ver 3.188, y: P {T q t T q > 0} = P {0 < T q t} = P {T q t} P {T q 0} (3.36) Luego, usando la ecuación 3.26: 1 exp ( [µ λ] t) (1 ) P {T q t T q > 0} = = 1 exp ( [µ λ] t) (3.37) Lo que signica que el tiempo espera sigue una distribución exponencial parámetro w = µ λ,don w El valor esperado l senominalatasaespera(tambiénelpermanencia)enelsistema. tiempo espera es: E {T q T q > 0} = 1 µ λ = 1 w Nótese que el valor esperado l tiempo permanencia (3.38), µ > en λ 3.29 es: la cola, ya mostrado en E {T q } = E {T q T q = 0} P {T q = 0} + E {T q T q > 0} P {T q > 0} = 0 P {T q = 0} + E {T q T q > 0} P {T q > 0} = µ λ (3.39) Ejemplo 3.1 Un sistema cómputo procesa trabajos en serie. El tiempo proceso (spacho) cada trabajo está distribuído exponencialmente con un valor esperado 3 minutos. Los trabajos llegan a una tasa 1 trabajo cada 4 minutos. Halle los siguientes parámetros:

2 3.2. EL SISTEMA M/M/1 53 La probabilidad que un trabajo que llegue requiera más 15 minutos para ser procesado. La longitud promedio la cola para los trabajos que ben esperar, es cir, el valor esperado los trabajos que ben esperar en la cola. Se tiene: λ = 1/4 = 0.25 trabajos/minuto. µ = 1/3 = trabajos/minuto. = λ/µ = 0.75 Erlang. La probabilidad que un trabajo que llegue requiera más 15 minutos para ser procesado se calcula con 3.18 P {T > 15} = 1 P {T 15} = exp ( [µ λ] 15) = exp ( 0, ) = 0,287 El valor esperado los trabajos que ben esperar en la cola se calcula con 3.34 E {N q N q > 0} = 1 1 = 4trabajos. Ejemplo 3.2 Un sistema cmputo procesa trabajos en serie. El tiempo proceso (spacho) cada trabajo está distribuído exponencialmente con un valor esperado 3 minutos. El valor esperado l tiempo en que los trabajos permanecen en el sistema es 30 minutos. Halle los siguientes parámetros: La probabilidad que un trabajo que llegue requiera más 15 minutos para ser procesado. La longitud promedio la cola para los trabajos que ben esperar, es cir, el valor esperado los trabajos que ben esperar en la cola. Se tiene: w = µ λ = 1/30 = trabajos/minuto. µ = 1/3 = trabajos/minuto. λ = µ w = 0.3 trabajos/minuto = λ/µ = 0.9 Erlang. La probabilidad que un trabajo que llegue requiera más 15 minutos para ser procesado se calcula con 3.18 P {T > 15} = 1 P {T 15} = exp ( [µ λ] 15) = exp ( 0, ) = 0,606 El valor esperado los trabajos que ben esperar en la cola se calcula con 3.34 E {N q N q > 0} = 1 1 = 10trabajos. Al comparar estos resultados con los l ejemplo anterior, se nota que al aumentar la tasa llegada trabajos λ 0.25 a 0.3 trabajos/minuto, el valor esperado permanencia los trabajos en el sistema 1/w aumenta 12 a 30 minutos.

3 54 CAPÍTULO 3. SISTEMAS DE ESPERA Ejemplo 3.3 El cajero atención un banco atien, en horas ocina (8 horas diarias), 8 usuarios por hora en promedio, y llegan en promedio 56 usuarios por día. Halle los siguientes parámetros: La probabilidad que el cajero esté socupado. La probabilidad que en el banco exista un máximo K usuarios, entre los que hacen la y los que son atendidos La probabilidad que NO existan más dos usuarios en el banco La probabilidad que no exista cola cuando un usuario llegue La probabilidad que en el banco existan más K usuarios, entre los que hacen la y los que son atendidos La probabilidad que existan más dos usuarios en el banco El valor esperado l número usuarios en el banco El valor esperado l número usuarios en la cola El valor esperado l tiempo permanencia un usuario en el banco El valor esperado l tiempo permanencia en la cola (espera). Se tiene: µ = 8 usuarios / hora. λ = 56 usuarios / 8 horas = 7 usuarios / hora. = λ/µ = Erlang. La probabilidad que el cajero esté socupado se calcula con 3.5: p(0) = 0 (1 ) = 0,125 La probabilidad que en el banco exista un máximo K usuarios, entre los que hacen la y los que son atendidos, se calcula con 3.5: P {N K} = p(0) + P P K = (1 ) K n = 1 K+1 La probabilidad que NO existan más K = 2 usuarios en el banco, se calcula con: P {N 2} = 1 3 = 0,33 La probabilidad que no exista cola cuando un usuario llegue, se calcula con: P {N 1} = 1 2 = 0,23 La probabilidad que en el banco existan más K usuarios, entre los que hacen la y los que son atendidos, se calcula con 3.184:

4 3.2. EL SISTEMA M/M/1 55 P {N > K} = P {N K + 1} = K+1 La probabilidad que existan más dos usuarios en el banco, se calcula con: P {N > 2} = 3 = 0,67 El valor esperado l número usuarios en el banco, se calcula con 3.11: E {N} = 1 = 7usuarios El valor esperado l número usuarios en la cola, se calcula con 3.12: E {N q } = 2 1 = 6,125usuarios El valor esperado l tiempo permanencia un usuario en el banco, se calcula con 3.21: E {T } = λ (1 ) = 1hora. El valor esperado l tiempo permanencia en la cola (espera), se calcula con 3.29: E {T q } = = 0,875horas = 52,5minutos (µ λ) Ejemplo 3.4 El cajero atención un banco atien, en horas ocina (8 horas diarias), 8 usuarios por hora en promedio, y llegan en promedio 56 usuarios por día. Al haber realizado una medición la actividad permanencia usuarios en el banco, se terminó que el usuario que espera más media hora se impacienta y siste efectuar sus operaciones en el banco. Halle la probabilidad que el usuario se impaciente, y calcule la tasa spacho, tal que se quiera impacientar hasta el 10 por ciento los usuarios. Se tiene: µ = 8 usuarios / hora. λ = 56 usuarios / 8 horas = 7 usuarios / hora. = λ/µ = Erlang. La probabilidad que el usuario se impaciente, es la probabilidad que el usuario espere más media hora, lo cual se calcula con 3.26: P {T q > 0,5} = 1 P {T q 0,5} = exp ( [µ λ] 0,5) = 0,53 Si se quiere impacientar hasta el 10 por ciento los usuarios: P {T q > 0,5} = exp ( [µ λ] 0,5) 0,1 Luego, con λ = 7 usuarios / hora. 7 exp ( [µ 7] 0,5) 0,1 µ

5 56 CAPÍTULO 3. SISTEMAS DE ESPERA Resolviendo con métodos numéricos, como se ve en la Figura 3.4, la tasa spacho requerida es µ usuarios / hora. Al comparar estos resultados, se nota que al aumentar la tasa spacho µ 8 a trabajos/hora, la probabilidad impaciencia los usuarios P {T q > 0,5} disminuye l 53 al 10 por ciento. Figura 3.4: Probabilidad impaciencia vs tasa spacho en el sistema M/M/1 l ejemplo 3.3. El sistema M/M/c Descripción scrito Se scribe por el proceso a continuación nacimiento la aplicación y muerte la ecuación la gura, 2.38 don y el tiempo Se tiene entre el llegadas sistema sigue una distribución una distribución exponencial, exponencial, el sistema el tiempo tiene spacho también sigue c atención es FCFS (Primero en llegar, primero en ser atendido). servidores, Por lo tanto, y la la disciplina notacin Kendalles al sistema, M M c.deacuerdoconlagura, y λeslatasapromediollegadaentidas µ Como cada entidad es la llega tasa alsistema promedio conla spacho mismatasa cada llegada,las uno los servidores tasas transición l sistema. unestadoalotrosescriben,tomandolagura2.7. λ 1 = λ 2 = λ 3 =... = λ n = tasa spacho pen l estado l sistema, a medida que llegan entidas λ.comola al sistema,

2. Modelo de colas poissoniano con un servidor M/M/1. 3. Modelo con un servidor y capacidad finita M/M/1/K

2. Modelo de colas poissoniano con un servidor M/M/1. 3. Modelo con un servidor y capacidad finita M/M/1/K CONTENIDOS 1. Introducción a las colas poissonianas. 2. Modelo de colas poissoniano con un servidor M/M/1 3. Modelo con un servidor y capacidad finita M/M/1/K 4. Modelo con varios servidores M/M/c. Fórmula

Más detalles

Teoría de Colas. TC: Parte de la Investigación Operativa que estudia el comportamiento de sistemas cuyos elementos incluyen líneas de espera (colas).

Teoría de Colas. TC: Parte de la Investigación Operativa que estudia el comportamiento de sistemas cuyos elementos incluyen líneas de espera (colas). Teoría de Colas TC: Parte de la Investigación Operativa que estudia el comportamiento de sistemas cuyos elementos incluyen líneas de espera (colas). IO 07/08 - Teoría de Colas 1 Teoría de Colas: ejemplos

Más detalles

2 Teoría de colas o líneas de espera

2 Teoría de colas o líneas de espera 2 Teoría de colas o líneas de espera El tráfico en redes se puede modelar con la ayuda de la teoría de colas, es por ello ue es importante estudiarlas y comprenderlas. Existen varias definiciones sobre

Más detalles

Tema 5: Teoría de colas. Ezequiel López Rubio Departamento de Lenguajes y Ciencias de la Computación Universidad de Málaga

Tema 5: Teoría de colas. Ezequiel López Rubio Departamento de Lenguajes y Ciencias de la Computación Universidad de Málaga Tema 5: Teoría de colas Ezequiel López Rubio Departamento de Lenguajes y Ciencias de la Computación Universidad de Málaga Sumario Conceptos básicos Cola M M Cola M M c Cola M M k Redes de colas Redes de

Más detalles

TEORIA DE COLAS SIMULACIÓN DE SISTEMAS

TEORIA DE COLAS SIMULACIÓN DE SISTEMAS SIMULACIÓN DE SISTEMAS UNIVERSIDAD ALAS PERUANAS FILIAL- ICA Ing. Las LINEAS DE ESPERA, FILAS DE ESPERA o COLAS, son realidades cotidianas: Personas esperando para una caja en un banco, Estudiantes esperando

Más detalles

TEORIA DE COLAS, FENOMENOS DE ESPERA

TEORIA DE COLAS, FENOMENOS DE ESPERA Universidad del Bío-Bío Facultad de Ingeniería Depto. Ingeniería Industrial Investigación de Operaciones II: TEORIA DE COLAS, FENOMENOS DE ESPERA Integrantes: Pedro Chávez Cristian Guajardo Victor Pino

Más detalles

PROBLEMAS RESUELTOS DE TEORÍA DE COLAS. (M/M/1: Un servidor con llegadas de Poisson y tiempos de servicio Exponenciales)

PROBLEMAS RESUELTOS DE TEORÍA DE COLAS. (M/M/1: Un servidor con llegadas de Poisson y tiempos de servicio Exponenciales) PROBLEMAS RESUELTOS DE TEORÍA DE COLAS. (M/M/1: Un servidor con llegadas de Poisson y tiempos de servicio Exponenciales) Prof.: MSc. Julio Rito Vargas A. I. Suponga que en una estación con un solo servidor

Más detalles

4 Pruebas y análisis del software

4 Pruebas y análisis del software 4 Pruebas y análisis del software En este capítulo se presentan una serie de simulaciones donde se analiza el desempeño de ambos sistemas programados en cuanto a exactitud con otros softwares que se encuentran

Más detalles

UNIVERSIDAD SIMON BOLIVAR LINEAS DE ESPERA USB PS4161 GESTION DE LA PRODUCCION I LINEAS DE ESPERA

UNIVERSIDAD SIMON BOLIVAR LINEAS DE ESPERA USB PS4161 GESTION DE LA PRODUCCION I LINEAS DE ESPERA UNIVERSIDAD SIMON BOLIVAR LINEAS DE ESPERA 1 Contenido Características de un sistema de líneas de espera Características de las llegadas Características de la línea de espera Características del dispositivo

Más detalles

PROBLEMAS RESUELTOS DE TEORÍA DE COLAS. (M/M/1: Un servidor con llegadas de Poisson y tiempos de servicio Exponenciales)

PROBLEMAS RESUELTOS DE TEORÍA DE COLAS. (M/M/1: Un servidor con llegadas de Poisson y tiempos de servicio Exponenciales) PROBLEMAS RESUELTOS DE TEORÍA DE COLAS. (M/M/: Un servidor con llegadas de Poisson y tiempos de servicio Exponenciales) Prof.: MSc. Julio Rito Vargas A.. Suponga que en una estación con un solo servidor

Más detalles

Teoría de Colas o Fenómenos de Espera

Teoría de Colas o Fenómenos de Espera Teoría de Colas o Fenómenos de Espera Área de Estadística e Investigación Operativa Licesio J. Rodríguez-Aragón Febrero 2011 Introducción 2 Introducción............................................................

Más detalles

DISEÑO DEL SOFTWARE TRAFFIC ANALYZER. Analyzer. En este capítulo se reporta el desarrollo que se llevó a cabo para realizar el software

DISEÑO DEL SOFTWARE TRAFFIC ANALYZER. Analyzer. En este capítulo se reporta el desarrollo que se llevó a cabo para realizar el software 3 Diseño del Software Traffic Analyzer En este capítulo se reporta el desarrollo que se llevó a cabo para realizar el software que analiza el tráfico en redes de telefonía y computadoras, denominado Traffic

Más detalles

Ejercicios de Teoría de Colas

Ejercicios de Teoría de Colas Ejercicios de Teoría de Colas Investigación Operativa Ingeniería Informática, UC3M Curso 08/09 1. Demuestra que en una cola M/M/1 se tiene: L = ρ Solución. L = = = = = ρ np n nρ n (1 ρ) nρ n n=1 ρ n ρ

Más detalles

Teoría a de Colas o Filas de Espera. M. En C. Eduardo Bustos Farías

Teoría a de Colas o Filas de Espera. M. En C. Eduardo Bustos Farías Teoría a de Colas o Filas de Espera M. En C. Eduardo Bustos Farías as Introducción Una línea de espera es la resultante de un sistema cuando la demanda por un bien o servicio supera la capacidad que puede

Más detalles

Recursos HELP DESK Biblioteca 2012

Recursos HELP DESK Biblioteca 2012 Investigación operativa aplicada al Help Desk INTRODUCCION Este artículo está dirigido a aquellas personas que tienen la responsabilidad del diseño de estructuras de soporte, ya sea de empresas de Outsourcing

Más detalles

Análisis de Decisiones II

Análisis de Decisiones II Tema 14 Distribución de llegadas Poisson, distribución de servicio Exponencial, varios servidores, servicio PEPS, población y cola infinita Objetivo de aprendizaje del tema Al finalizar el tema serás capaz

Más detalles

LINEAS DE ESPERA CAPITULO 2 LECTURA 6.2. SIMULACIÓN Y ANÁLISIS DE MODELOS ESTOCÁSTICOS Azarang M., Garcia E. Mc. Graw Hill. México 2.

LINEAS DE ESPERA CAPITULO 2 LECTURA 6.2. SIMULACIÓN Y ANÁLISIS DE MODELOS ESTOCÁSTICOS Azarang M., Garcia E. Mc. Graw Hill. México 2. LECTURA 6.2 SIMULACIÓN Y ANÁLISIS DE MODELOS ESTOCÁSTICOS Azarang M., Garcia E. Mc. Graw Hill. México CAPITULO 2 LINEAS DE ESPERA 2.1 INTRODUCCIÓN Una línea de espera es el efecto resultante en un sistema

Más detalles

SISTEMAS DE COLAS EXPONENCIALES

SISTEMAS DE COLAS EXPONENCIALES UNIVERSIDAD POLITÉCNICA DE MADRID FACULTAD DE INFORMÁTICA SISTEMAS DE COLAS EXPONENCIALES M a ISABEL RODRÍGUEZ GALIANO Madrid, Junio de 2002 Índice Introducción 2 Sistema de Colas M/M/ 3 3 Sistema de Colas

Más detalles

Introducción a la Investigación de Operaciones Facultad de Ingeniería - Universidad de la República Oriental del Uruguay

Introducción a la Investigación de Operaciones Facultad de Ingeniería - Universidad de la República Oriental del Uruguay Introducción a la Investigación de Operaciones Facultad de Ingeniería - Universidad de la República Oriental del Uruguay Procesos Estocásticos de Tiempo Contínuo Práctico Ejercicio 1 Sean X e Y variables

Más detalles

Teoría de Colas Ernesto Ponsot Balaguer Universidad de Los Andes Escuela de Estadística

Teoría de Colas Ernesto Ponsot Balaguer Universidad de Los Andes Escuela de Estadística Teoría de Colas Ernesto Ponsot Balaguer Universidad de Los Andes Escuela de Estadística El Objetivo La teoría de colas o líneas de espera, procura el estudio riguroso del fenómeno (muy común en estos tiempos)

Más detalles

V Unidad: Teoría de Colas (Líneas de espera) de Espera: Teoría de Colas

V Unidad: Teoría de Colas (Líneas de espera) de Espera: Teoría de Colas UNIVERSIDAD NACIONAL DE INGENIERÍA UNI-NORTE INVESTIGACIÓN DE OPERACIONES II INGENIERIA INDUSTRIAL E INGENIERIA DE SISTEMAS V Unidad: Teoría de Colas (Líneas de espera) de Espera: Teoría de Colas Maestro

Más detalles

Teoría de Líneas de Espera

Teoría de Líneas de Espera Teoría de Colas Teoría de Líneas de Espera COLAS: Líneas de espera que utiliza modelos matemáticos que describen sistemas de líneas particulares o Sistemas de Colas. Modelos presentan las siguientes características:

Más detalles

TEORIA DE COLAS. Enero 30. Modelos líneas de espera

TEORIA DE COLAS. Enero 30. Modelos líneas de espera TEORIA DE COLAS Enero 30 2012 Elementos básicos de un modelo de línea de espera, y buscar una aplicación real de cualquiera de los modelos de líneas de espera existentes. Modelos líneas de espera -Integrantes:

Más detalles

El aeropuerto se puede modelar como un sistema de colas M/G/1 con distribución uniforme de tiempo de servicio E[S] = 60 seg y σ 2 S = 48 seg 2.

El aeropuerto se puede modelar como un sistema de colas M/G/1 con distribución uniforme de tiempo de servicio E[S] = 60 seg y σ 2 S = 48 seg 2. ESTUDIO DE OPERACIONES URBANAS MATERIAL REUNIDO POR JAMES S. KANG OTOÑO 2001 Soluciones trabajo 4 3/10/2001 1. Problema 4.12 LO (Pinker, 1994; Kang, 2001) El aeropuerto se puede modelar como un sistema

Más detalles

EJERCICIOS. Por determinado tramo de carretera se observa el paso de vehículos con una frecuencia de 2 vehículos por minuto.

EJERCICIOS. Por determinado tramo de carretera se observa el paso de vehículos con una frecuencia de 2 vehículos por minuto. EJERCICIOS EJERCICIO 1 (M/M/1 M/M/2) Una sucursal bancaria estima que la tasa de llegada de clientes (siguiendo una distribución de Poisson) es de 30 clientes/hora. En el momento de observación del fenómeno

Más detalles

Teoría de colas. Modelado y Análisis de Redes de Telecomunicaciones. IIE - Facultad de Ingeniería

Teoría de colas. Modelado y Análisis de Redes de Telecomunicaciones. IIE - Facultad de Ingeniería Teoría de colas Modelado y Análisis de Redes de Telecomunicaciones IIE - Facultad de Ingeniería Contenido 1 Proceso de Poisson 2 Teoría de colas 3 El proceso M/M/1 4 Los procesos M/M/* 5 El proceso M/G/1

Más detalles

Aplicación de colas de Poisson en procesos de toma de decisiones en la gestión de servicios médicos

Aplicación de colas de Poisson en procesos de toma de decisiones en la gestión de servicios médicos DOCUMENTOS DE INVESTIGACIÓN Facultad de Administración No. 138, ISSN: 0124-8219 Mayo de 2012 Aplicación de colas de Poisson en procesos de toma de decisiones en la gestión de servicios médicos Diego Fernando

Más detalles

ESTRUCTURA DE LINEAS DE ESPERA

ESTRUCTURA DE LINEAS DE ESPERA ESTRUCTURA DE LINEAS DE ESPERA La teoría de las colas es el estudio de líneas de espera. Cuatro características de un sistema de la formación de colas o líneas de espera son: la manera en que los clientes

Más detalles

Análisis de Decisiones II. Conceptos básicos de Teoría de Colas. Objetivo de aprendizaje del tema

Análisis de Decisiones II. Conceptos básicos de Teoría de Colas. Objetivo de aprendizaje del tema Tema 11 Conceptos básicos de Teoría de Colas Objetivo de aprendizaje del tema Al finalizar el tema serás capaz de: Explicar en qué consiste la Teoría de Colas. D.R. Universidad TecMilenio 1 Introducción

Más detalles

Líneas de espera. Introducción.

Líneas de espera. Introducción. Líneas de espera. Introducción. En este capítulo se aplica la teoría de colas. Una Cola es una línea de espera y la teoría de colas es una colección de modelos matemáticos que describen sistemas de líneas

Más detalles

Repaso para el dominio de la materia

Repaso para el dominio de la materia LECCIÓN Repaso para el dominio de la materia Usar con las páginas 178 a 183 OBJETIVO Resolver problemas de porcentaje. Resolver problemas de porcentaje usando proporciones Puedes representar a es un p

Más detalles

A continuación se muestra el programa resumido de la asignatura, el cual se describirá con detalle posteriormente.

A continuación se muestra el programa resumido de la asignatura, el cual se describirá con detalle posteriormente. Fecha de impresión: 03/07/2007 13:29:00 2007/2008 Tipo: UNI Curso: 2 Semestre: B CREDITOS Totales TA TS AT AP PA 4,5 1 1 0 0 1 PI 0 PL 1,5 PC 0 OBJETIVOS El objetivo global de la asignatura Teletráfico,

Más detalles

DIRECCIÓN DE OPERACIONES Y TOMA DE DECISIONES INGENIERÍA INDUSTRIAL CICLO DE PROFESIONALIZACIÓN

DIRECCIÓN DE OPERACIONES Y TOMA DE DECISIONES INGENIERÍA INDUSTRIAL CICLO DE PROFESIONALIZACIÓN TEORIA DE COLAS: Líneas de Espera Claro Ana Milena, Cardona Luz Dary, Ruiz Lina María, Gómez Juan Fernando, Estudiantes Ingeniería Industrial Universidad Católica de Oriente. Mayo 21 de 2011. Resumen:

Más detalles

Ambas componentes del sistema tienen costos asociados que deben de considerarse.

Ambas componentes del sistema tienen costos asociados que deben de considerarse. 1. Introducción. En este trabajo se aplica la teoría de colas. Una Cola es una línea de espera y la teoría de colas es una colección de modelos matemáticos que describen sistemas de líneas de espera particulares

Más detalles

Estudio de Pérdidas Esperadas e Inesperadas para el Sistema Bancario Chileno

Estudio de Pérdidas Esperadas e Inesperadas para el Sistema Bancario Chileno Estudio de Pérdidas Esperadas e Inesperadas para el Sistema Bancario Chileno Presentación realizada al Comité de Gerentes de Crédito de la Asociación de Bancos. Sra. Myriam Uribe, Jefe de URC Sr. Osvaldo

Más detalles

MANEJO DE LA ACONDROPLASIA I CURVAS ESPECÍFICAS DE CRECIMIENTO AC. PESO: Nacimiento a 2 años Niñas

MANEJO DE LA ACONDROPLASIA I CURVAS ESPECÍFICAS DE CRECIMIENTO AC. PESO: Nacimiento a 2 años Niñas PESO: Nacimiento a 2 años Niñas PESO: Nacimiento a 2 años Niños PESO: Nacimiento a 6 años Niñas PESO: Nacimiento a 6 años Niños PESO: Nacimiento a 17 años Niñas PESO: Nacimiento a 17 años Niños LONGITUD

Más detalles

Redes de Comunicación Extensión del modelo M/M/1. Instructor Dr.-Ing. K.D. HACKBARTH Versión 11. 10. 2012 Universidad de Cantabria

Redes de Comunicación Extensión del modelo M/M/1. Instructor Dr.-Ing. K.D. HACKBARTH Versión 11. 10. 2012 Universidad de Cantabria Redes de Comunicación Extensión del modelo M/M/1 Instructor Dr.-Ing. K.D. HACKBARTH Versión 11. 10. 2012 Universidad de Cantabria 1 Contenido del capítulo Motivación M/G/1 El modelo M/Ek/1 El modelo M/Hk/1

Más detalles

Sílabo del curso Investigación Operativa II

Sílabo del curso Investigación Operativa II Sílabo del curso Investigación Operativa II Agosto diciembre 2013 VI Ciclo Profesor Luis Miguel Sierra 1 I. Datos generales del curso Asignatura : Investigación Operativa II Código : 03145 Requisito :

Más detalles

Notas de Clase de: Investigación de Operaciones

Notas de Clase de: Investigación de Operaciones Notas de Clase de: Investigación de Operaciones Víctor Leiva Departamento de Estadística Universidad de Valparaíso, Chile victor.leiva@uv.cl www.deuv.cl/leiva Índice general 1. Programa de la Asignatura

Más detalles

Procesos. Planificación del Procesador.

Procesos. Planificación del Procesador. Procesos. Planificación del Procesador. Sistemas Operativos. Tema 2. Concepto de Proceso. Una definición sencilla: Programa en ejecución. Entidad pasiva Programa RECURSOS CPU Memoria Ficheros Dispositivos

Más detalles

MATEMÁTICAS CONTENIDOS MÍNIMOS DE 1º E.S.O.

MATEMÁTICAS CONTENIDOS MÍNIMOS DE 1º E.S.O. MATEMÁTICAS CONTENIDOS MÍNIMOS DE 1º E.S.O. Calcular el valor de posición de cualquier cifra en cualquier número natural. Aplicar las propiedades fundamentales de la suma, resta, multiplicación y división

Más detalles

2) Un establecimiento comercial dispone a la venta dos artículos en una de sus secciones, de precios p

2) Un establecimiento comercial dispone a la venta dos artículos en una de sus secciones, de precios p Universidad de Sevilla Facultad de Ciencias Económicas y Empresariales Licenciatura de Economía Universidad de Sevilla ESTADÍSTICA I RELACIÓN 5 MODELOS Y DATOS ESTADÍSTICOS DEPARTAMENTO DE ECONOMÍA APLICADA

Más detalles

REDES,SISTEMAS Y SERVICIOS DE COMUNICACIÓN (RSSC)

REDES,SISTEMAS Y SERVICIOS DE COMUNICACIÓN (RSSC) GUÍA DIDÁCTICA DE LA ASIGNATURA: REDES,SISTEMAS Y SERVICIOS DE COMUNICACIÓN (RSSC) De qué va a tratar? Con esta asignatura se pretende que obtengas una visión general de los aspectos más importantes de

Más detalles

5. DISTRIBUCIONES DE PROBABILIDADES

5. DISTRIBUCIONES DE PROBABILIDADES 5. DISTRIBUCIONES DE PROBABILIDADES Dr. http://academic.uprm.edu/eacunaf UNIVERSIDAD DE PUERTO RICO RECINTO UNIVERSITARIO DE MAYAGUEZ DISTRIBUCIONES DE PROBABILIDADES Se introducirá el concepto de variable

Más detalles

S = N λ = 5 5 = 1 hora.

S = N λ = 5 5 = 1 hora. Teoría de Colas / Investigación Operativa 1 PROBLEMAS DE INVESTIGACIÓN OPERATIVA. Hoja 5 1. Al supercomputador de un centro de cálculo llegan usuarios según un proceso de Poisson de tasa 5 usuarios cada

Más detalles

Probabilidad con GeoGebra en Bachillerato

Probabilidad con GeoGebra en Bachillerato Probabilidad con GeoGebra en Bachillerato Alcaide Calderón, Miguel 11 miguel6ac@gmail.com Resumen La probabilidad es tratada en los dos cursos del Bachillerato de Humanidades y ciencias Sociales. En ellas

Más detalles

Modelos de cola.

Modelos de cola. Modelos de cola http://humberto-r-alvarez-a.webs.com Las colas Las colas son frecuentes en la vida cotidiana: En un banco En un restaurante de comidas rápidas Al matricular en la universidad Los autos

Más detalles

H E R R A M I E N T A S D E A N Á L I S I S D E D A T O S HERRAMIENTAS DE ANÁLISIS DE DATOS

H E R R A M I E N T A S D E A N Á L I S I S D E D A T O S HERRAMIENTAS DE ANÁLISIS DE DATOS H E R R A M I E N T A S D E A N Á L I S I S D E D A T O S HERRAMIENTAS DE ANÁLISIS DE DATOS Una situación que se nos plantea algunas veces es la de resolver un problema hacia atrás, esto es, encontrar

Más detalles

Temas 5 y /16.37

Temas 5 y /16.37 Temas 5 y 6 6.263/16.37 Introducción a la teoría de colas MIT, LIDS Dispositiva 1 Redes conmutadas por paquetes Los mensajes se dividen en paquetes que se enrutan hacia su destino PS PS PS PS Red de paquetes

Más detalles

13.Teoría de colas y fenómenos de espera

13.Teoría de colas y fenómenos de espera 3.Teoría de colas y fenómenos de espera Notación y terminología Modelado del proceso de llegada Modelado del proceso de servicio Notación de Kendall-Lee Procesos de nacimiento y muerte Modelo M/M/. Análisis

Más detalles

PROBABILIDADES Y ESTADÍSTICA (C) Práctica 2

PROBABILIDADES Y ESTADÍSTICA (C) Práctica 2 PROBABILIDADES Y ESTADÍSTICA (C) Práctica 2 1. Se eligen tres autos al azar y cada uno es clasificado N si tiene motor naftero o D si tiene motor diesel (por ejemplo, un resultado posible sería NND). a)

Más detalles

INSTITUTO SUPERIOR TECNOLÓGICO NORBERT WIENER

INSTITUTO SUPERIOR TECNOLÓGICO NORBERT WIENER 1 INSTITUTO SUPERIOR TECNOLÓGICO NORBERT WIENER Manual del Alumno ASIGNATURA: Simulación y Modelado PROGRAMA: S3C LIMA-PERU 2 Indice general SIMULACION 3 1 INTRODUCCION 3 1.1 INCONVENIENCIA DE LOS MODELOS

Más detalles

FECHA DE ENTREGA: 10 de diciembre. Descripción de la asignatura:

FECHA DE ENTREGA: 10 de diciembre. Descripción de la asignatura: ANEXO 1 TABLA DE ESPECIFICACIONES DE ASIGNATURA CARRERA: TSU y Licenciatura en Matemáticas NOMBRE DE LA ASIGNATURA: Calculo Integral CUATRIMESTRE: 2 HORAS POR ASIGNATURA: 90 RESPONSABLES METODOLÓGICOS:

Más detalles

Regresión múltiple. Modelos y Simulación. I. Introducción II. Marco teórico III. Aplicación IV. Conclusiones V. Bibliografía

Regresión múltiple. Modelos y Simulación. I. Introducción II. Marco teórico III. Aplicación IV. Conclusiones V. Bibliografía Regresión múltiple I. Introducción II. Marco teórico III. Aplicación IV. Conclusiones V. Bibliografía I.- INTRODUCCIÓN Como la Estadística Inferencial nos permite trabajar con una variable a nivel de intervalo

Más detalles

Ejercicios de Estimación

Ejercicios de Estimación Bernardo D Auria Departamento de Estadística Universidad Carlos III de Madrid GRUPO MAGISTRAL GRADO EN INGENIERÍA DE SISTEMAS AUDIOVISUALES Otros Sep. 2001 Los siguientes datos corresponden a la longitud

Más detalles

AdministracióndelasOperaciones. Roberto CARRO PAZ. Daniel GONZÁLEZ GÓMEZ

AdministracióndelasOperaciones. Roberto CARRO PAZ. Daniel GONZÁLEZ GÓMEZ AdministracióndelasOperaciones Cualquiera que haya tenido que esperar frente a un semáforo, en la cola de un banco o de un restaurante de comidas rápidas, ha vivido la dinámica de las filas de espera.

Más detalles

Elaborado por: Cesar Hernández Código: XI-P-002 TABLA DE CONTENIDO I. OBJETIVO... 2 II. ALCANCE... 2 III. CONTROL DE VERSION... 2

Elaborado por: Cesar Hernández Código: XI-P-002 TABLA DE CONTENIDO I. OBJETIVO... 2 II. ALCANCE... 2 III. CONTROL DE VERSION... 2 Proceso: XI. Administración l Capital Humano Subproceso: 2.0 Política: Reclutamiento, Selección y Elaborado por: Cesar Hernánz Código: XI-P-002 Eduardo la Garza Versión: 1.0 Página: 1 11 TABLA DE CONTENIDO

Más detalles

Capítulo 7: Distribuciones muestrales

Capítulo 7: Distribuciones muestrales Capítulo 7: Distribuciones muestrales Recordemos: Parámetro es una medida de resumen numérica que se calcularía usando todas las unidades de la población. Es un número fijo. Generalmente no lo conocemos.

Más detalles

Las Matemáticas En Ingeniería

Las Matemáticas En Ingeniería Las Matemáticas En Ingeniería 1.1. Referentes Nacionales A nivel nacional se considera que el conocimiento matemático y de ciencias naturales, sus conceptos y estructuras, constituyen una herramienta para

Más detalles

Complejidad - Problemas NP-Completos. Algoritmos y Estructuras de Datos III

Complejidad - Problemas NP-Completos. Algoritmos y Estructuras de Datos III Complejidad - Problemas NP-Completos Algoritmos y Estructuras de Datos III Teoría de Complejidad Un algoritmo eficiente es un algoritmo de complejidad polinomial. Un problema está bien resuelto si se conocen

Más detalles

Controles de Matemáticas (ADE) ceformativos.com

Controles de Matemáticas (ADE) ceformativos.com 1 Control 1 1. Sea la función de la clase dada por 1.1. Estudiar, razonadamente, el comportamiento y la tendencia locales de la función en el punto en la dirección del vector. 1.2. Si se produce una disminución

Más detalles

Objetivos específicos:

Objetivos específicos: Universidad Nacional Experimental del Tácira Departamento de Ingeniería Mecánica Núcleo de Termofluidos Asignatura: Laboratorio de Mecánica de Fluidos Código: 011 L Carrera: Ingeniería Mecánica Profesor:

Más detalles

Sistema de monitoreo automatizado del empaque en la red nacional de gasoductos de PGPB.

Sistema de monitoreo automatizado del empaque en la red nacional de gasoductos de PGPB. Documentos Pemex Gas N 2007-02 Sistema de monitoreo automatizado del empaque en la red nacional de gasoductos de PGPB. Febrero, 2007 GAS Y PETROQUIMICA BASICA 8º Congreso y Expo Internacional de Ductos

Más detalles

PLANIFICACION DE REDES CELULARES. Jhon Jairo Padilla Aguilar PhD. Ing. Telemática

PLANIFICACION DE REDES CELULARES. Jhon Jairo Padilla Aguilar PhD. Ing. Telemática PLANIFICACION DE REDES CELULARES Jhon Jairo Padilla Aguilar PhD. Ing. Telemática 1. Dimensionamiento de la Interfaz Radio Dimensionamiento: Es la determinación del número de recursos radio que deben asignarse

Más detalles

Puede dar pérdida un Casino?

Puede dar pérdida un Casino? Puede dar pérdida un Casino? por Ernesto Mordecki En esta nota calculamos la probabilidad de que pierda la banca en la ruleta, en un período dado de tiempo. uestro enfoque consiste en determinar cuantas

Más detalles

SIMULACIÓN. Orientaciones para la solución del examen de Febrero 2011, Segunda Semana

SIMULACIÓN. Orientaciones para la solución del examen de Febrero 2011, Segunda Semana Orientaciones para la solución del examen de Febrero 2011, Segunda Semana Se pretende estudiar mediante simulación el funcionamiento del servicio de lavado de coches descrito a continuación. Los coches

Más detalles

Comisión de Transporte y Telecomunicaciones

Comisión de Transporte y Telecomunicaciones Comisión de Transporte y Telecomunicaciones Proyecto de Ley que modifica Ley General de Telecomunicaciones, para establecer la obligación de una velocidad mínima garantizada, de acceso a Internet. Valparaíso,

Más detalles

DESARROLLO DE LA PROGRAMACIÓN PARA 4º ESO Opción B. Bloque 1. Contenidos comunes.

DESARROLLO DE LA PROGRAMACIÓN PARA 4º ESO Opción B. Bloque 1. Contenidos comunes. DESARROLLO DE LA PROGRAMACIÓN PARA 4º ESO Opción B Contenidos mínimos según real decreto 1631/2006 Bloque 1. Contenidos comunes. o Planificación y utilización de procesos de razonamiento y estrategias

Más detalles

Procesos estocásticos

Procesos estocásticos Procesos estocásticos Las cadenas de Markov estudian procesos estocásticos Los procesos estocásticos son modelos matemáticos que describen sistemas dinámicos sometidos a procesos aleatorios Parámetros:

Más detalles

Sistemas operativos avanzados. 1.3 Algoritmos de planificación del procesador

Sistemas operativos avanzados. 1.3 Algoritmos de planificación del procesador Sistemas operativos avanzados 1.3 Algoritmos de planificación del procesador Parámetros Cuando tenemos más de un proceso en condiciones de ejecutar, debemos escoger uno de entre ellos. Para escogerlo empleamos

Más detalles

Unidad 2: Gestión de Procesos

Unidad 2: Gestión de Procesos Unidad 2: Gestión de Procesos Tema 5: Planificación de procesos. 5.1 Criterios y tipos de planificación. 5.2 Algoritmos de planificación. 5.3 Métodos multicolas y multiprocesadores. 5.4 Evaluación de políticas

Más detalles

EJEMPLOS DE TEORÍA DE COLAS Resolución con Win-QSB

EJEMPLOS DE TEORÍA DE COLAS Resolución con Win-QSB EJEMPLOS DE TEORÍA DE COLAS Resolución con Win-QSB PROBLEMA 1. El Banco Nacional de Occidente piensa abrir una ventanilla de servicio en automóvil para servicio a los clientes. La gerencia estima que los

Más detalles

DECISIONES GERENCIALES II Bibliografía Básica

DECISIONES GERENCIALES II Bibliografía Básica DECISIONES GERENCIALES II Bibliografía Básica Métodos Cuantitativos para los Negocios. Barry Render y Otros (libro texto) Métodos Cuantitativos para Administración. Frederick Hiller y otros. Investigación

Más detalles

Ejercicios de Modelos de Probabilidad

Ejercicios de Modelos de Probabilidad Ejercicios de Modelos de Probabilidad Elisa M. Molanes-López, Depto. Estadística, UC3M Binomial, Poisson, Exponencial y Uniforme Ejercicio. Se dispone de un sistema formado por dos componentes similares

Más detalles

PROBABILIDADES Y ESTADÍSTICA (C) Práctica 2

PROBABILIDADES Y ESTADÍSTICA (C) Práctica 2 7 PROBABILIDADES Y ESTADÍSTICA (C) Práctica 2 1. Se eligen tres autos al azar y cada uno es clasificado N si tiene motor naftero o D si tiene motor diesel (por ejemplo, un resultado posible sería N N D).

Más detalles

SIMULACIÓN VERSUS OPTIMIZACIÓN:

SIMULACIÓN VERSUS OPTIMIZACIÓN: SIMULACIÓN MONTE CARLO Procesos Químicos II La idea básica de la simulación es la construcción de un dispositivo experimental, o simulador, que actuará como (simulará) el sistema de interés en ciertos

Más detalles

ESPECIALIZACIÓN GERENCIA DE PROYECTOS Curso: Finanzas del proyecto- Profesor: Carlos Mario Morales C Taller No 2- Solucionado

ESPECIALIZACIÓN GERENCIA DE PROYECTOS Curso: Finanzas del proyecto- Profesor: Carlos Mario Morales C Taller No 2- Solucionado 1. Cuál será la inversión que debe realizar una empresa en un fondo para tener el dinero necesario para reponer sus equipos de cómputo dentro de 38 meses? Se estima que los equipos tendrán un valor de

Más detalles

ASIGNATURA: MATEMÁTICAS APL.CIENC.SOCIALES 1º BACHILLERATO. Unidad 1 Números Reales

ASIGNATURA: MATEMÁTICAS APL.CIENC.SOCIALES 1º BACHILLERATO. Unidad 1 Números Reales ASIGNATURA: MATEMÁTICAS APL.CIENC.SOCIALES 1º BACHILLERATO Unidad 1 Números Reales Utilizar los números enteros, racionales e irracionales para cuantificar situaciones de la vida cotidiana. Aplicar adecuadamente

Más detalles

Selectividad Junio 2008 JUNIO 2008 PRUEBA A

Selectividad Junio 2008 JUNIO 2008 PRUEBA A Selectividad Junio 008 JUNIO 008 PRUEBA A 3 a x + a y =.- Sea el sistema: x + a y = 0 a) En función del número de soluciones, clasifica el sistema para los distintos valores del parámetro a. b) Resuélvelo

Más detalles

INDICE Prefacio 1 Introducción 2 Organizaciones de los datos para que transmitan un significado: tablas y graficas

INDICE Prefacio 1 Introducción 2 Organizaciones de los datos para que transmitan un significado: tablas y graficas INDICE Prefacio 1 Introducción 1-1 Preámbulo 1-2 Reseña histórica 1-3 Subdivisiones de la estadística 1-4 Estrategia, suposiciones y enfoque 2 Organizaciones de los datos para que transmitan un significado:

Más detalles

MEJORAMIENTO DEL SERVICIO EN SUCURSALES BANCOLOMBIA BUGA Y CARTAGO BEATRIZ EUGENIA LEAL MARTINEZ ANA MILENA PEÑA DIAZ

MEJORAMIENTO DEL SERVICIO EN SUCURSALES BANCOLOMBIA BUGA Y CARTAGO BEATRIZ EUGENIA LEAL MARTINEZ ANA MILENA PEÑA DIAZ MEJORAMIENTO DEL SERVICIO EN SUCURSALES BANCOLOMBIA BUGA Y CARTAGO BEATRIZ EUGENIA LEAL MARTINEZ ANA MILENA PEÑA DIAZ UNIVERSIDAD ICESI MAESTRIA EN ADMINISTRACIÓN DE EMPRESAS CALI 2010 1 2 MEJORAMIENTO

Más detalles

PROCEDIMIENTO CAPACITACIÓN DE PERSONAL

PROCEDIMIENTO CAPACITACIÓN DE PERSONAL Pág. 1 5 1. OBJETIVO Establecer los lineamientos para mejorar la gestión institucional a través l fortalecimiento las capacidas: conocimientos, habilidas y actitus los servidores públicos, en el sempeño

Más detalles

Propiedades de Muestras Grandes y Simulación

Propiedades de Muestras Grandes y Simulación Propiedades de Muestras Grandes y Simulación Microeconomía Cuantitativa R. Mora Departmento of Economía Universidad Carlos III de Madrid Esquema 1 Propiedades en muestras grandes (W App C3) 2 3 Las propiedades

Más detalles

Carrera: MCM - 0531. Participantes. Representantes de las academias de Ingeniería Mecánica de Institutos Tecnológicos.

Carrera: MCM - 0531. Participantes. Representantes de las academias de Ingeniería Mecánica de Institutos Tecnológicos. 1.- DATOS DE LA ASIGNATURA Nombre de la asignatura: Carrera: Clave de la asignatura: Horas teoría-horas práctica-créditos Probabilidad y Estadística Ingeniería Mecánica MCM - 0531 3 2 8 2.- HISTORIA DEL

Más detalles

Generación de valores de las variables aleatorias

Generación de valores de las variables aleatorias Generación de valores de las variables aleatorias Juan F. Olivares-Pacheco * 14 de junio de 007 Resumen En todo modelo de simulación estocástico, existen una o varias variables aleatorias interactuando.

Más detalles

Unidad V: Líneas de Espera

Unidad V: Líneas de Espera Unidad V: Líneas de Espera 5.1 Definiciones, características y suposiciones El problema es determinar que capacidad o tasa de servicio proporciona el balance correcto. Esto no es sencillo, ya que el cliente

Más detalles

Redes de Comunicaciones

Redes de Comunicaciones Redes de Comunicaciones Ejercicios Tema 3. Teletráfico. Dimensionado de Sistemas Ramón Agüero Calvo Departamento de Ingeniería de Comunicaciones Este tema se publica bajo Licencia: Crea:ve Commons BY-

Más detalles

1 Introducción... 2. 2 Distribución exponencial... 2. 3 Distribución Weibull... 6. 4 Distribuciones Gamma y k-erlang... 10

1 Introducción... 2. 2 Distribución exponencial... 2. 3 Distribución Weibull... 6. 4 Distribuciones Gamma y k-erlang... 10 Asignatura: Ingeniería Industrial Índice de Contenidos 1 Introducción... 2 2 Distribución exponencial... 2 3 Distribución Weibull... 6 4 Distribuciones Gamma y k-erlang... 10 5 Distribución log-normal...

Más detalles

Seguros vs. asistencias

Seguros vs. asistencias Quienes somos Que Como lo asistencial Seguros vs. asistencias comercial Tecnología Por qué elegirnos Vea nuestra red en el mundo Quienes somos Que Como lo asistencial Seguros vs. asistencias comercial

Más detalles

Multihoming sin recursos utilizando linux

Multihoming sin recursos utilizando linux Multihoming sin recursos utilizando linux Horacio J. Pe~na 1 Abstract Las organizaciones actuales dependen cada vez mas de su conectividad hacia Internet. Para disminuir el riesgo de la perdida de esta

Más detalles

RESOLUCIÓN DE JUNTA DIRECTIVA N 013. (De15 marzo de 2007)

RESOLUCIÓN DE JUNTA DIRECTIVA N 013. (De15 marzo de 2007) 1 RESOLUCIÓN DE JUNTA DIRECTIVA N 013 (De15 marzo 2007) "POR LA CUAL SE MODIFICA EL LIBRO XIV, PARTE I DEL REGLAMENTO DE AVIACIÓN CIVIL DE PANAMÁ (RACP), APROBADO Y MODIFICADO POR LAS RESOLUCIONES No.079-JD

Más detalles

33 El interés compuesto y la amortización de préstamos.

33 El interés compuesto y la amortización de préstamos. 33 El interés compuesto y la amortización de préstamos. 33.0 El interés compuesto. 33.0.0 Concepto. 33.0.02 Valor actualizado de un capital. 33.0.03 Tiempo equivalente. 33.02 Amortización de préstamos.

Más detalles

Una introducción amable a la teoría de colas: Problemas propuestos

Una introducción amable a la teoría de colas: Problemas propuestos Pablo Serrano, José Alberto Hernández Una introducción amable a la teoría de colas: Problemas propuestos Departamento de Ingeniería Telemática - Universidad Carlos III de Madrid Control de versiones -

Más detalles

Guía para resolver la prueba Graduandos 2015

Guía para resolver la prueba Graduandos 2015 1 Prueba de Matemáticas 1. Objetivo del documento El objetivo principal de este documento es dar a conocer los temas de Matemáticas que se incluyen en la Evaluación Nacional de. 2. La importancia de evaluar

Más detalles

Matemáticas 2º BTO Aplicadas a las Ciencias Sociales

Matemáticas 2º BTO Aplicadas a las Ciencias Sociales Matemáticas 2º BTO Aplicadas a las Ciencias Sociales CONVOCATORIA EXTRAORDINARIA DE JUNIO 2014 MÍNIMOS: No son contenidos mínimos los señalados como de ampliación. I. PROBABILIDAD Y ESTADÍSTICA UNIDAD

Más detalles

1. TEMPORALIZACIÓN POR EVALUACIONES DE LOS CONTENIDOS

1. TEMPORALIZACIÓN POR EVALUACIONES DE LOS CONTENIDOS 1. TEMPORALIZACIÓN POR EVALUACIONES DE LOS CONTENIDOS Primera Evaluación TEMA 1. NÚMEROS REALES Distintos tipos de números. Recta real. Radicales. Logaritmos. Notación científica. Calculadora. TEMA 2.

Más detalles

Desempleo Juvenil. Una mirada regional. Marcela Parada Contzen Diciembre de 2011

Desempleo Juvenil. Una mirada regional. Marcela Parada Contzen Diciembre de 2011 Desempleo Juvenil Una mirada regional Marcela Parada Contzen Diciembre de 2011 Por qué el Desempleo Juvenil? Las tasas de desempleo juvenil se han situado históricamente por sobre las tasas de desempleo

Más detalles

PROGRAMACIÓN DE AULA MATEMÁTICAS 3º DE E.S.O.

PROGRAMACIÓN DE AULA MATEMÁTICAS 3º DE E.S.O. PROGRAMACIÓN DE AULA MATEMÁTICAS 3º DE E.S.O. COLEGIO MARISTA CHAMPAGNAT CURSO 2008-2009 - 1 - PROGRAMACIÓN DE AULA: MATEMÁTICAS 3º E.S.O. INDICE: 1.- INTRODUCCIÓN..3 2.- BLOQUES DE CONTENIDOS BLOQUE I:

Más detalles