Asignación 5. Problema 1

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

Download "Asignación 5. Problema 1"

Transcripción

1 Asignación 5 Problema 1 Consider the four factor factorial experiment where factor A is at a levels, factor B is at b levels, factor C is at c levels, factor D is at d levels, and there are n replicates. Write down the sums of square, the degrees of freedom, and the expected mean square for the following cases. Assume the restricted model for al mixed models: a) A, B, C, and D are fixed factors. b) A, B, C, and D are random factors. c) A is fixed and B, C, and D are random. Solución: La suma de cuadrados y los grados de libertad son iguales para las partes a, b y c Fuente de variación Suma de cuadrados Grados de libertad A SS A a-1 B SS B b-1 C SS C c-1 D SS D d-1 AB SS AB (a-1)(b-1) AC SS AC (a-1)(c-1) AD SS AD (a-1)(d-1) BC SS BC (b-1)(c-1) BD SS BD (b-1)(d-1) CD SS CD (c-1)(d-1) ABC SS ABC (a-1)(b-1)(c-1) ABD SS ABD (a-1)(b-1)(d-1) ACD SS ACD (a-1)(c-1)(d-1) BCD SS BCD (b-1)(c-1)(d-1) ABCD SS ABCD (a-1)(b-1)(c-1)(d-1) a) En este caso tenemos: Factores F F F F R a b c d e i j k l m Mean Square esperado

2 τ i 0 b c d n σ + [bcdn Σ τ i] / (a-1) β j a 0 c d n σ + [acdn Σ β j] / (b-1) γ k a b 0 d n σ + [abdn Σ γ k] / (c-1) δ l a b c 0 n σ + [abcn Σ δ l] / (d-1) (τβ) ij 0 0 c d n σ + [cdn ΣΣ (τβ) ij] / (a-1) (b-1) (τγ) ik 0 b 0 d n σ + [bdn ΣΣ (τγ) ik] / (a-1) (c-1) (τδ) il 0 b c 0 n σ + [bcn ΣΣ (τδ) il] / (a-1) (d-1) (βγ) jk a 0 0 d n σ + [adn ΣΣ (βγ) jk] / (b-1) (c-1) (βδ) jl a 0 c 0 n σ + [acn ΣΣ (βδ) jl] / (b-1) (d-1) (γδ) kl a b 0 0 n σ + [abn ΣΣ (γδ) jl] / (c-1) (d-1) (τβγ) ijk d n σ + [dn ΣΣΣ (τβγ) ijl] / (a-1) (b-1) (c-1) (τβδ) ijl 0 0 c 0 n σ + [dn ΣΣΣ (τβδ) ijl] / (a-1) (b-1) (d-1) (τγδ) ikl 0 b 0 0 n σ + [dn ΣΣΣ (τγδ) ikl] / (a-1) (c-1) (d-1) (βγδ) jkl a n σ + [dn ΣΣΣ (βγδ) jkl] / (b-1) (c-1) (d-1) (τβγδ) ijkl n σ + [dn ΣΣΣΣ (τβγδ) ijkl] / (a-1) (b-1) (c-1) (d-1) ε (ijkl)m σ b) Facto R R R R R Expected Mean Square rs a b c d e i j k l m τ i 1 b c d n σ +nσ τβγδ +bnσ τ γδ +cnσ τβδ +dnσ τ βγ +bcnσ τ δ +bdnσ τ γ +cdnσ τβ +bcdnσ τ β j a 1 c d n σ +nσ τβγδ +anσ βγδ +cnσ τβδ +dnσ τ βγ +acnσ βδ +adnσ βγ +cdnσ τβ +acdnσ β γ k a b 1 d n σ + nσ τβγδ + anσ βγδ + dnσ τβγ + abnσ τδ + adnσ βγ + cnσ τγ + abdnσ δ δ l a b c 1 n σ + nσ τβγδ + anσ βγδ + cnσ τβδ + abnσ τδ + acnσ βδ + bcnσ τδ + abcnσ δ (τβ) ij 1 1 c d n σ + nσ τβγδ + cnσ τβδ + dnσ τβγ + cdnσ τβ (τγ) ik 1 b 1 d n σ + nσ τβγδ + bnσ τγδ + dnσ τβγ + bcnσ τγ (τδ) il 1 b c 1 n σ + nσ τβγδ + bnσ τγδ + cnσ τβδ + bcnσ τδ (βγ) jk a 1 1 d n σ + nσ τβγδ + anσ βγδ + dnσ τβδ + adnσ βγ (βδ) jl a 1 c 1 n σ + nσ τβγδ + anσ βγδ + cnσ τβδ + acnσ βδ (γδ) kl a b 1 1 n σ + nσ τβγδ + anσ βγδ + abnσ γδ (τβγ) ij d n σ + nσ τβγδ + dnσ τβγ k (τβδ) ij l (τγδ) ik l (βγδ) j kl (τβγδ) ijkl 1 1 c 1 n σ + nσ τβγδ + cnσ τβδ 1 b 1 1 n σ + nσ τβγδ + bnσ τγδ a n σ + nσ τβγδ + anσ βγδ n σ + nσ τβγδ ε (ijkl)m σ Fac = E(MS AC ) + E(MS ABCD ) / E(MS ABC ) + E(MS ACD ) Fad = E(MS AD ) + E(MS ABCD ) / E(MS ABD ) + E(MS ACD ) Fbc = E(MS BC ) + E(MS ABC ) / E(MS ABC ) + E(MS BCD ) Fbd = E(MS BD ) + E(MS ABCD ) / E(MS ABD ) + E(MS BCD ) Fcd = E(MS CD ) + E(MS ABC ) / E(MS ACD ) + E(MS BCD )

3 Fa=[E(MS A )+E(MS ABD )+E(MS ACD )+E(MS ABC )+E(MS ACD )]/[E(MS AB )+E(MS AC )+E(MS AD )+E( MS ABCD )] Fb = [E(MS B ) + E(MS AD ) + E(MS ACD ) + E(MS BCD )] / [E(MS AB ) + E(MS BC ) + E(MS BD ) + E(MS ABCD )] Fc = [E(MS C ) + E(MS ABC ) + E(MS ACD ) + E(MS BCD )] / [E(MS AC ) + E(MS BC ) + E(MS CD ) + E(MS ABCD )] Fd = [E(MS D ) + E(MS ACD ) + E(MS BCD ) + E(MS ABD )] / [E(MS AD ) + E(MS BD ) + E(MS CD ) + E(MS ABCD )] c) Factors F R R R R Expected Mean Square a b c d e i j k l m τ i 0 b c d n σ +nσ τβγδ +bnσ τ γδ +cnσ τβδ +dnσ τ βγ +bcnσ τ δ +bdnσ τ γ +cdnσ τβ +(bcdnστ i)/(a-1) β j a 1 c d n σ + anσ βγδ + acnσ βδ + adnσ βγ + abdnσ β γ k a b 1 d n σ + anσ βγδ + abnσ δγ + adnσ βγ + abdnσ δ δ l a b c 1 n σ + anσ βγδ + abnσ δγ + acnσ βδ + abcnσ δ (τβ) ij 0 1 c d n σ + nσ τβγδ + cnσ τβδ + dnσ τβγ + cdnσ τβ (τγ) ik 0 b 1 d n σ + nσ τβγδ + bnσ τγδ + dnσ τβγ + bdnσ τγ (τδ) il 0 b c 1 n σ + nσ τβγδ + bnσ τγδ + cnσ τβδ + bcnσ τδ (βγ) jk a 1 1 d n σ + anσ βγδ + adnσ βγ (βδ) jl a 1 c 1 n σ + anσ βγδ + acnσ βδ (γδ) kl a b 1 1 n σ + anσ βγδ + abnσ γδ (τβγ) ijk d n σ + nσ τβγδ + dnσ τβγ (τβδ) ijl 0 1 c 1 n σ + nσ τβγδ + cnσ τβδ (τγδ) ikl 0 b 1 1 n σ + nσ τβγδ + bnσ τγδ (βγδ) jkl a n σ + anσ βγδ (τβγδ) ijkl n σ + nσ τβγδ ε (ijkl)m σ Problema A manufacturing engineer is studying the dimensional variability of a particular component that is produced on three machines. Each machine has two spindles, and four components are randomly selected from each spindle. The results follow. Analyze the data, assuming that machines and spindles are fixed factors.

4 Machine 1 Machine Machine Spindle ) Anova General de Maquinas: General Linear Model: variable versus maquinas, eje maquinas fixed 1,, eje(maquinas) fixed 6 1,, 1,, 1, Analysis of Variance for variable, using Adjusted SS for Tests maquinas eje(maquinas) Error Total S = 1.15 R-Sq = 78.97% R-Sq(adj) = 7.1% Unusual Observations for variable Obs variable Fit SE Fit Residual St Resid R R denotes an observation with a large standardized residual. Se observa entonces que tanto las maquinas como las boquillas son significativos, es decir, que ambos afectan la respuesta. Sin embargo no se puede discriminar a quien atribuir que, por esto se hace entonces un general linear model para analizar cada una de las maquinas y ver que tan significativas son las boquillas en ellas: General Linear Model: variable versus boquilla

5 MAQUINA 1 boquilla fixed 1, Analysis of Variance for variable, using Adjusted SS for Tests boquilla Error Total S = R-Sq = 5.64% R-Sq(adj) = 45.9% MAQUINA General Linear Model: variable versus boquilla boquilla fixed 1, Analysis of Variance for variable, using Adjusted SS for Tests boquilla Error Total S = R-Sq = 64.10% R-Sq(adj) = 58.1% MAQUINA General Linear Model: variable versus boquilla boquilla fixed 1, Analysis of Variance for variable, using Adjusted SS for Tests boquilla Error Total S = 1.85 R-Sq = 66.7% R-Sq(adj) = 60.65%

6 Analizando los valores de los P-value que me arroja para cada una de las boquillas se puede determinar que las boquillas de cada una de las maquinas resulta representativa al momento de generar el resultado final, pues todas arrojan como resultado un valor menor que Por lo tanto, las boquillas anidadas en cada máquina afectan significativamente la respuesta Problema An experiment is designed to study pigment dispersion in paint. Four different mixes of a particular pigment are studied. The procedure consists of preparing a particular mix and then applying that mix to a panel by three application methods (brushing, spraying, and rolling). The response measured is the percentage reflectance of pigment. Three days are required to run the experiment, and the data obtained follow. Analyze the data and draw conclusions, assuming that mixes and application methods are fixed. Day Application Method Mix Solucion

7 General Linear Model: Respuesta versus Dia, Metodo, Mezcla Dia random 1,, Metodo fixed 1,, Mezcla fixed 4 1,,, 4 Analysis of Variance for Respuesta, using Adjusted SS for Tests Dia x Metodo Mezcla Dia*Metodo Dia*Mezcla Metodo*Mezcla Dia*Metodo*Mezcla ** Error 0 * * * Total x Not an exact F-test. ** Denominator of F-test is zero. S = * * NOTE * Could not graph the specified residual type because MSE = 0 or the degrees of freedom for error = 0. Main Effects Plot (fitted means) for Respuesta En la Anova anterior se puede ver que los factores relevantes en el experimento fueron la mezcla y el método, situación que se puede notar al analizar los P-value arrojados por minitab, los cuales resultaron menores que De esta manera, tanto la mezcla como el método afectan el porcentaje de reflexión de la pintura. Ahora se presenta un grafico de los efectos principales de los factores con el fin de visualizar el impacto en la respuesta para cada factor y sus niveles:

8 Main Effects Plot (fitted means) for Respuesta 76 Dia Metodo 74 7 Mean of Respuesta Mezcla Se observa como el factor día no presenta cambios significativos en la respuesta al variar sus niveles, sin embargo, el factor método muestra que hay un cambio significativo en la respuesta al variar los niveles del factor; para el método se obtiene un porcentaje de reflexión mayor. Se observa también que el factor mezcla es significativo y que cuando la mezcla es de tipo se obtiene un porcentaje mayor de reflexión. Por lo tanto se recomienda utilizar un método con una mezcla para incrementar la respuesta.

a) Construct a normal probability plot of the effect estimates. Which effects appear to be large?

a) Construct a normal probability plot of the effect estimates. Which effects appear to be large? Problema 6- n experiment was run in a semiconductor fabrication plant in an effort to increase yield. Five factors each at two levels were studied. The factors and levels were = aperture setting (small,

Más detalles

APÉNDICE B ANOVA para las salsas comerciales

APÉNDICE B ANOVA para las salsas comerciales APÉNDICE B ANOVA para las salsas comerciales ANOVA de una vía para Densidad de salsas comerciales One-way ANOVA: Densidad versus Marca Marca 3 8727.7 2909.2 41.22 0.000 Error 8 564.6 70.6 Total 11 9292.4

Más detalles

10. DISEÑOS EXPERIMENTALES

10. DISEÑOS EXPERIMENTALES 10. DISEÑOS EXPERIMENTALES Dr. Edgar Acuña http://math.uprm.edu/~edgar UNIVERSIDAD DE PUERTO RICO RECINTO UNIVERSITARIO DE MAYAGUEZ Diseños Experimentales de Clasificación Simple En un diseño experimental

Más detalles

CAPÍTULO 5: ANÁLISIS ESTADÍSTICOS DE LOS DATOS OBTENIDOS. El primer paso a efectuar fue la transformación de los datos obtenidos a la variable de

CAPÍTULO 5: ANÁLISIS ESTADÍSTICOS DE LOS DATOS OBTENIDOS. El primer paso a efectuar fue la transformación de los datos obtenidos a la variable de CAPÍTULO 5: ANÁLISIS ESTADÍSTICOS DE LOS DATOS OBTENIDOS El primer paso a efectuar fue la transformación de los datos obtenidos a la variable de respuesta que se había definido, la cual es la diferencia

Más detalles

Análisis de Regresión y Correlación con MINITAB

Análisis de Regresión y Correlación con MINITAB Análisis de Regresión y Correlación con MINITAB Primeras definiciones y conceptos de la regresión El análisis de la regresión es una técnica estadística que se utiliza para estudiar la relación entre variables

Más detalles

Diseños Factoriales. Diseño de experimentos p. 1/18

Diseños Factoriales. Diseño de experimentos p. 1/18 Diseños Factoriales Diseño de experimentos p. 1/18 Introducción El término experimento factorial o arreglo factorial se refiere a la constitución de los tratamientos que se quieren comparar. Diseño de

Más detalles

CAPÍTULO 10 DISEÑOS EXPERIMENTALES

CAPÍTULO 10 DISEÑOS EXPERIMENTALES CAPÍTULO 10 DISEÑOS EXPERIMENTALES 10.1 Diseños Experimentales de Clasificación Simple En un diseño experimental de clasificación simple, se trata de comparar varios grupos generalmente llamados Métodos

Más detalles

ANOVA (Análisis de varianza)

ANOVA (Análisis de varianza) ANOVA (Análisis de varianza) Las pruebas de hipótesis son una herramienta útil cuando se trata de comparar dos tratamientos La experimentación usualmente requiere comparación de más de dos tratamientos

Más detalles

6. DISEÑOS FACTORIALES 2 K NO REPLICADOS

6. DISEÑOS FACTORIALES 2 K NO REPLICADOS 6. DISEÑOS FACTORIALES 2 K NO REPLICADOS 6.1 INTRODUCCION El aumentar el numero de factores en un diseño 2 k crece rápidamente el numero de tratamientos y por tanto el numero de corridas experimentales.

Más detalles

Diseños Factoriales. Diseño de experimentos p. 1/25

Diseños Factoriales. Diseño de experimentos p. 1/25 Diseños Factoriales Diseño de experimentos p. 1/25 Introducción El término experimento factorial o arreglo factorial se refiere a la constitución de los tratamientos que se quieren comparar. Diseño de

Más detalles

Modelo de diseños factoriales y diseños 2 k

Modelo de diseños factoriales y diseños 2 k Modelo de diseños factoriales y diseños 2 k Introducción En el tema anterior se analizaron la posible influencia de un factor sobre la variable respuesta, aleatorizando las observaciones para eliminar

Más detalles

Uso de la Metodología Seis Sigma para mejorar el consumo de combustible en un vehiculo

Uso de la Metodología Seis Sigma para mejorar el consumo de combustible en un vehiculo CAPÍTULO 5. FASE DE MEJORA Definir Medir Analizar Mejorar Controlar 5.1 Introducción En la fase de Análisis se identificaron las causas de variación. En esta fase se utilizará el diseño de experimentos

Más detalles

Tema IX. El diseño experimental

Tema IX. El diseño experimental 9.1. El problema: - Necesidades Prácticas:. Tiempo y recursos limitados. Obtención de resultados claros y repetibles - Esfuerzo experimental versus diseño experimental:. Metodológico. Estadístico 1 9.2.

Más detalles

Diseño Factorial 2 k con bloques

Diseño Factorial 2 k con bloques iseño Factorial k con bloques Existen muchas situaciones en las cuales no es posible efectuar todos los tratamientos del experimento factorial bajo las mismas condiciones. En este caso usted puede considerar

Más detalles

PROBLEMAS PARA LA CLASE DEL 20 DE FEBRERO DEL 2008

PROBLEMAS PARA LA CLASE DEL 20 DE FEBRERO DEL 2008 PROBLEMAS PARA LA CLASE DEL 20 DE FEBRERO DEL 2008 Problema 1 Marketing estimates that a new instrument for the analysis of soil samples will be very successful, moderately successful, or unsuccessful,

Más detalles

Se asignaron al azar ratas en condiciones similares a cuatro dietas (A D). Dos semanas después se midió el tiempo de coagulación.

Se asignaron al azar ratas en condiciones similares a cuatro dietas (A D). Dos semanas después se midió el tiempo de coagulación. EJEMPLO 1 Se asignaron al azar ratas en condiciones similares a cuatro dietas (A D). Dos semanas después se midió el tiempo de coagulación. DIETA1 DIETA2 DIETA3 DIETA4 62 63 68 56 60 67 66 62 63 71 71

Más detalles

Técnicas Cuantitativas para el Management y los Negocios

Técnicas Cuantitativas para el Management y los Negocios Segundo cuatrimestre - 4 Técnicas Cuantitativas para el Management y los Negocios Mag. María del Carmen Romero 4 romero@econ.unicen.edu.ar Módulo III: APLICACIONES Contenidos Módulo III Unidad 9. Análisis

Más detalles

Factores no controlables

Factores no controlables Acepto la Ho y ιj μ α ι β j ε ιj Dr. Alfredo Matos Ch. Universidad Peruana Unión amatosch@upeu.edu.pe Factores Controles Entradas PROCESO FUNCION ACTIVIDAD Salidas Factores no controlables 2 1 Se entiende

Más detalles

One way anova using SAS

One way anova using SAS One way anova using SAS With Duncan test El paquete SAS es un sistema computacional de los mas completos que existen, tiene el respaldo de un centro de investigación en estadística y es el mas usado por

Más detalles

Diseño completamente aleatorizado: análisis de la varianza con un solo factor.

Diseño completamente aleatorizado: análisis de la varianza con un solo factor. Tema 4 Diseño de experimentos Introducción. Qué es el diseño experimental? Diseño completamente aleatorizado: análisis de la varianza con un solo factor. Diseño en bloques aleatorizados. Diseño factorial

Más detalles

Lean Six Sigma UNA METODOLOGÍA CLAVE PARA LA COMPETITIVIDAD EMPRESARIAL. Ing. Adrián Gabriele Noviembre de 2013

Lean Six Sigma UNA METODOLOGÍA CLAVE PARA LA COMPETITIVIDAD EMPRESARIAL. Ing. Adrián Gabriele Noviembre de 2013 Lean Six Sigma UNA METODOLOGÍA CLAVE PARA LA COMPETITIVIDAD EMPRESARIAL Ing. Adrián Gabriele Noviembre de 203 Lean Six Sigma UNA METODOLOGÍA CLAVE PARA LA COMPETITIVIDAD EMPRESARIAL Introducción Casos

Más detalles

DISEÑOS MULTIFACTORIALES CON RESTRICCIONES DE ALEATORIZACIÓN. Diseños en bloques completos aleatorizados con dos tratamientos

DISEÑOS MULTIFACTORIALES CON RESTRICCIONES DE ALEATORIZACIÓN. Diseños en bloques completos aleatorizados con dos tratamientos DISEÑOS MULTIFACTORIALES CON RESTRICCIONES DE ALEATORIZACIÓN Los diseños en bloques utilizan una restricción en la aleatorización. Los cuadrados latinos utilizan dos restricciones en la aleatorización.

Más detalles

Diseños factoriales con tres factores

Diseños factoriales con tres factores Capítulo 6 Diseños factoriales con tres factores SupongamosquehayanivelesparaelfactorA,bnivelesdelfactorBycnivelespara el factor C y que cada réplica del experimento contiene todas las posibles combinaciones

Más detalles

Acuerdo de aprobación de la nueva redacción del Anexo XVIII de las Normas de Ejecución y Funcionamiento del Presupuesto vigente.

Acuerdo de aprobación de la nueva redacción del Anexo XVIII de las Normas de Ejecución y Funcionamiento del Presupuesto vigente. Acuerdo de aprobación de la nueva redacción del Anexo XVIII de las Normas de Ejecución y Funcionamiento del Presupuesto vigente. Visto el Presupuesto de la Universidad Miguel Hernández de Elche para el

Más detalles

EL PODER ESTADÍSTICO. DIFERENCIAS OBSERVADAS CUANDO SE CAMBIA EL ALFA ESTABLECIDO EN UN ESTUDIO DE INVESTIGACIÓN

EL PODER ESTADÍSTICO. DIFERENCIAS OBSERVADAS CUANDO SE CAMBIA EL ALFA ESTABLECIDO EN UN ESTUDIO DE INVESTIGACIÓN EL PODER ESTADÍSTICO. DIFERENCIAS OBSERVADAS CUANDO SE CAMBIA EL ALFA ESTABLECIDO EN UN ESTUDIO DE INVESTIGACIÓN Mylord Reyes Tosta, EdD Resumen Se utilizaron dos ejemplos para una prueba de hipótesis

Más detalles

8. ANÁLISIS DE DATOS. Dr. Edgar Acuña http://math.uprm.edu/~edgar. Departmento de Matematicas Universidad de Puerto Rico- Mayaguez

8. ANÁLISIS DE DATOS. Dr. Edgar Acuña http://math.uprm.edu/~edgar. Departmento de Matematicas Universidad de Puerto Rico- Mayaguez 8. ANÁLISIS DE DATOS CATEGÓRICOS Dr. http://math.uprm.edu/~edgar Departmento de Matematicas - Mayaguez Introducción Datos categóricos representan atributos o categorías. Cuando se consideran dos variables

Más detalles

9. REGRESIÓN LINEAL. Dr. Edgar Acuña http://math.uprm.edu/~edgar UNIVERSIDAD DE PUERTO RICO RECINTO UNIVERSITARIO DE MAYAGUEZ

9. REGRESIÓN LINEAL. Dr. Edgar Acuña http://math.uprm.edu/~edgar UNIVERSIDAD DE PUERTO RICO RECINTO UNIVERSITARIO DE MAYAGUEZ 9. REGRESIÓN LINEAL Dr. Edgar Acuña http://math.uprm.edu/~edgar UNIVERSIDAD DE PUERTO RICO RECINTO UNIVERSITARIO DE MAYAGUEZ Ejemplo Ejemplo 3.23. El dueño de una empresa que vende carros desea determinar

Más detalles

MULTICOLINEALIDAD Y OBSERVACIONES ATÍPICAS

MULTICOLINEALIDAD Y OBSERVACIONES ATÍPICAS MULTICOLINEALIDAD Y OBSERVACIONES ATÍPICAS Autores: Renatas Kizys (rkizys@uoc.edu), Ángel Alejandro Juan Pérez (ajuanp@uoc.edu). ESQUEMA DE CONTENIDOS Detección de multicolinealidad Presencia de multicolinealidad

Más detalles

Queríamos determinar cuántas partes se deben evaluar para obtener estimaciones de la variación entre partes con diferentes niveles de precisión.

Queríamos determinar cuántas partes se deben evaluar para obtener estimaciones de la variación entre partes con diferentes niveles de precisión. Este documento forma parte de un conjunto de informes técnicos que explican la investigación llevada a cabo por los especialistas en estadística de Minitab para desarrollar los métodos y las verificaciones

Más detalles

1. Metodología de respuesta

1. Metodología de respuesta 1. Metodología de respuesta En las secciones anteriores se ha estudiado el comportamiento de la variable respuesta cuando se ve afectada por diferentes factores, sin embargo no se ha tocado el tema a cerca

Más detalles

Experimento Gauge R & R.

Experimento Gauge R & R. Experimento Gauge R & R. Este tipo de experimento se usa para estudiar los componentes de variabilidad en un sistema de medida. Los componentes de usual interés son repetibilidad y reproducibilidad. La

Más detalles

VECTORES. MULTIPLE CHOICE. Choose the one alternative that best completes the statement or answers the question.

VECTORES. MULTIPLE CHOICE. Choose the one alternative that best completes the statement or answers the question. VECTORES 1) If A + B = C and their magnitudes are given by A + B = C, then the vectors A and B are oriented 1) A) parallel to each other (in the same direction). B) perpendicular relative to one other.

Más detalles

Modelos mixtos. Diseño de experimentos p. 1/26

Modelos mixtos. Diseño de experimentos p. 1/26 Modelos mixtos Diseño de experimentos p. 1/26 Introducción Cuando en la estructura de tratamientos de un experimento se tienen tanto factores fijos como aleatorios, el modelo que describe tales experimentos

Más detalles

Diferentes tamaños de u.e. Diseño de experimentos p. 1/24

Diferentes tamaños de u.e. Diseño de experimentos p. 1/24 Diferentes tamaños de u.e. Diseño de experimentos p. 1/24 Introducción Los diseños experimentales que tienen varios tamaños de u.e. son: diseños de mediciones repetidas, diseños de parcelas divididas,

Más detalles

Análisis de Tablas de Contingencia:Capítulo 2 Modelos Log-lineales

Análisis de Tablas de Contingencia:Capítulo 2 Modelos Log-lineales Análisis de Tablas de Contingencia:Capítulo 2 Modelos Log-lineales Capítulo 2 1. Introducción Los modelos Log-lineales, también denominados modelos lineales logarítmicos y modelos log-linear, se presentan

Más detalles

Tema 5. Análisis de regresión (segunda parte) Estadística II, 2010/11

Tema 5. Análisis de regresión (segunda parte) Estadística II, 2010/11 Tema 5 Análisis de regresión (segunda parte) Estadística II, 2010/11 Contenidos 5.1: Diagnóstico: Análisis de los residuos 5.2: La descomposición ANOVA (ANalysis Of VAriance) 5.3: Relaciones no lineales

Más detalles

DISEÑO DEL EQUIPAMIENTO DE UN ESTUDIO DE GRABACIÓN DIGITAL RESUMEN. Sergio Herreros Carballo

DISEÑO DEL EQUIPAMIENTO DE UN ESTUDIO DE GRABACIÓN DIGITAL RESUMEN. Sergio Herreros Carballo DISEÑO DEL EQUIPAMIENTO DE UN ESTUDIO DE GRABACIÓN DIGITAL RESUMEN Sergio Herreros Carballo El presente proyecto describe la instalación de audio de un estudio de grabación digital musical. La finalidad

Más detalles

PRUEBA DE FALTA DE AJUSTE (Lack-of-fit Test) Fortino Vela Peón fvela@correo.xoc.uam.mx

PRUEBA DE FALTA DE AJUSTE (Lack-of-fit Test) Fortino Vela Peón fvela@correo.xoc.uam.mx PRUEBA DE FALTA DE AJUSTE (Lack-of-fit Test) Fortino Vela Peón fvela@correo.xoc.uam.mx Octubre, 2011 Introducción Un supuesto básico del modelo es la existencia de una relación lineal entre la variable

Más detalles

PROBLEMAS MÉTRICOS. Página 183 REFLEXIONA Y RESUELVE. Diagonal de un ortoedro. Distancia entre dos puntos. Distancia de un punto a una recta

PROBLEMAS MÉTRICOS. Página 183 REFLEXIONA Y RESUELVE. Diagonal de un ortoedro. Distancia entre dos puntos. Distancia de un punto a una recta PROBLEMAS MÉTRICOS Página 3 REFLEXIONA Y RESUELVE Diagonal de un ortoedro Halla la diagonal de los ortoedros cuyas dimensiones son las siguientes: I) a =, b =, c = II) a = 4, b =, c = 3 III) a =, b = 4,

Más detalles

EVALUACION DEL ENCERADO EN MANGO DE EXPORTACION A LOS ESTADOS UNIDOS EN CONAPROSAL

EVALUACION DEL ENCERADO EN MANGO DE EXPORTACION A LOS ESTADOS UNIDOS EN CONAPROSAL VALUACION DL NCRADO N MANGO D XPORTACION A LOS STADOS UNIDOS N CONAPROSAL José Joaquín Rodríguez' Jorge Mario Fonseca2 INTRODUCCION n 1996 la empresa COONAPROS AL, realizó los primeros pasos en la exportación

Más detalles

Área de Plásticos. Dedicada a su vez a labores de Investigación y Desarrollo en dos grandes campos: Transformación de plástico y pulverización.

Área de Plásticos. Dedicada a su vez a labores de Investigación y Desarrollo en dos grandes campos: Transformación de plástico y pulverización. Olaker, Sociedad Cooperativa fundada en Antzuola (Gipuzkoa) en 1998, tiene por objeto el desarrollo de actividades de investigación, innovación y formación. Cuenta con una plantilla de 16 personas, constituida

Más detalles

Experimentos con un solo factor: El análisis de varianza. Jhon Jairo Padilla Aguilar, PhD.

Experimentos con un solo factor: El análisis de varianza. Jhon Jairo Padilla Aguilar, PhD. Experimentos con un solo factor: El análisis de varianza Jhon Jairo Padilla Aguilar, PhD. Experimentación en sistemas aleatorios: Factores Controlables Entradas proceso Salidas Factores No controlables

Más detalles

240EO011 - Estadística Aplicada

240EO011 - Estadística Aplicada Unidad responsable: Unidad que imparte: Curso: Titulación: Créditos ECTS: 2015 240 - ETSEIB - Escuela Técnica Superior de Ingeniería Industrial de Barcelona 715 - EIO - Departamento de Estadística e Investigación

Más detalles

Ingeniería y Desarrollo ISSN: 0122-3461 ingydes@uninorte.edu.co Universidad del Norte Colombia

Ingeniería y Desarrollo ISSN: 0122-3461 ingydes@uninorte.edu.co Universidad del Norte Colombia Ingeniería y Desarrollo ISSN: 0122-3461 ingydes@uninorte.edu.co Universidad del Norte Colombia Viloria Núñez, César; Freja Fruto, Jennifer; Donoso Meisel, Yezid Análisis de rendimiento de la transmisión

Más detalles

(iii) r. (6) (Total 6 marks)

(iii) r. (6) (Total 6 marks) TALLER DE REPASO MATEMÁTICAS K11 Importante: Trabaja en forma organizada. Los problemas aparecen en Inglés, pero son de fácil comprensión. Sin embargo, en tu cuaderno tienes suficientes problemas y ejercicios

Más detalles

Escribir el modelo. Evaluar los efectos de los factores y la interacción entre ellos.

Escribir el modelo. Evaluar los efectos de los factores y la interacción entre ellos. Ejercicio 1: Se aplican pinturas tapaporos para aeronaves en superficies de aluminio, con dos métodos: inmersión y rociado. La finalidad del tapaporos es mejorar la adhesión de la pintura, y puede aplicarse

Más detalles

Diseño de Experimentos para la Evaluación de un Algoritmo Genético de Programación de Producción

Diseño de Experimentos para la Evaluación de un Algoritmo Genético de Programación de Producción Diseño de Experimentos para la Evaluación de un Algoritmo Genético de Programación de Producción Alexander A. CORREA ESPINAL Profesor Escuela de Ingeniería de la Organización, Universidad Nacional de Colombia

Más detalles

Matemáticas Muestra Cuadernillo de Examen

Matemáticas Muestra Cuadernillo de Examen Matemáticas Muestra Cuadernillo de Examen Papel-Lápiz Formato Estudiante Español Versión, Grados 3-5 Mathematics Sample Test Booklet Paper-Pencil Format Student Spanish Version, Grades 3 5 Este cuadernillo

Más detalles

FACTORIALES FRACCIONADOS 2 f-p

FACTORIALES FRACCIONADOS 2 f-p 1 FACTORIALES FRACCIONADOS 2 f-p Aun en los experimentos 2 f el número de condiciones experimentales crece exponencialmente con el número de factores f a estudiar. El n de interacciones de r factores combinados

Más detalles

Los ensayos que se van a desarrollar son los siguientes:

Los ensayos que se van a desarrollar son los siguientes: I Resumen El objetivo principal del proyecto es desarrollar un software que permita analizar unos datos correspondientes a una serie de ensayos militares. Con este objetivo en mente, se ha decidido desarrollar

Más detalles

Aprendizaje estadístico Gábor Lugosi (Universidad Pompeu Fabra) Kernel methods in a regularization framework Yoonkyung Lee (Ohio State University)

Aprendizaje estadístico Gábor Lugosi (Universidad Pompeu Fabra) Kernel methods in a regularization framework Yoonkyung Lee (Ohio State University) Aprendizaje estadístico Gábor Lugosi (Universidad Pompeu Fabra) En este curso se repasarán algunos conceptos de aprendizaje estadístico. Se investigarán los métodos de la minimización empírica del riesgo,

Más detalles

Diseño de un directorio Web de diseñadores gráficos, ilustradores y fotógrafos.

Diseño de un directorio Web de diseñadores gráficos, ilustradores y fotógrafos. Universidad Nueva Esparta Facultad de Ciencias Administrativas Escuela de Administración de Diseño de un directorio Web de diseñadores gráficos, ilustradores y fotógrafos. Tutor: Lic. Beaujon, María Beatriz

Más detalles

iclef-2002 at Universities of Alicante and Jaen University of Alicante (Spain)

iclef-2002 at Universities of Alicante and Jaen University of Alicante (Spain) iclef-2002 at Universities of Alicante and Jaen University of Alicante (Spain) ! Introduction! Passage Retrieval Systems! IR-n system! IR-n system at iclef-2002! Conclusions and Future works ! Introduction!

Más detalles

Experimentos con factores aleatorios. Diseño de experimentos p. 1/36

Experimentos con factores aleatorios. Diseño de experimentos p. 1/36 Experimentos con factores aleatorios Diseño de experimentos p. 1/36 Introducción Hasta ahora hemos supuesto que los factores de un experimento son factores fijos, esto es, los niveles de los factores usados

Más detalles

Multiple Linear Regression

Multiple Linear Regression Multiple Linear Regression Aniel Nieves-González Abril 2013 Aniel Nieves-González () Time Series Abril 2013 1 / 15 Considere el ejemplo en cual queremos modelar las ventas en una cadena de tiendas por

Más detalles

Ángulos en la Circunferencia Profesora: Alejandra Reyes O. Curso: 2º Año Medio

Ángulos en la Circunferencia Profesora: Alejandra Reyes O. Curso: 2º Año Medio Ángulos en la Circunferencia Profesora: Alejandra Reyes O. Curso: 2º Año Medio 1. Si se sabe que α =35 y β =45 ; cuál es la medida del ángulo x de la figura? 5. Cuáles son los valores de x e y de la figura?

Más detalles

Reinforcement Plan. Day 27 Month 03 Year 2015

Reinforcement Plan. Day 27 Month 03 Year 2015 BETHLEMITAS SCHOOL Reinforcement Plan Day 27 Month 03 Year 2015 TERM: I Date: COMPREHENSION GOAL: The students develop comprehension about the Living and Non- living things, plants, animals and their main

Más detalles

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA ESCUELA DE CIENCIAS AGRICOLA, PECUARIAS Y DEL MEDIO AMBIENTE ECAPMA

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA ESCUELA DE CIENCIAS AGRICOLA, PECUARIAS Y DEL MEDIO AMBIENTE ECAPMA UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA ESCUELA DE CIENCIAS AGRICOLA, PECUARIAS Y DEL MEDIO AMBIENTE ECAPMA ESPECIALIZACIÓN EN NUTRICIÓN ANIMAL SOSTENIBLE Nombre del Curso: DISEÑO EXPERIMENTAL AVANZADO

Más detalles

ADAPTACIÓN DE REAL TIME WORKSHOP AL SISTEMA OPERATIVO LINUX

ADAPTACIÓN DE REAL TIME WORKSHOP AL SISTEMA OPERATIVO LINUX ADAPTACIÓN DE REAL TIME WORKSHOP AL SISTEMA OPERATIVO LINUX Autor: Tomás Murillo, Fernando. Director: Muñoz Frías, José Daniel. Coordinador: Contreras Bárcena, David Entidad Colaboradora: ICAI Universidad

Más detalles

Análisis de Regresión

Análisis de Regresión Análisis de Regresión Diplomado en Lean Six Sigma Objetivo 1.Identificar problemas que incluyan una Y continua y una X continua 2. Entender la diferencia entre regresión lineal y no lineal 3. Ajustar modelos

Más detalles

Adición de sistemas de fuerzas coplanares

Adición de sistemas de fuerzas coplanares Adición de sistemas de fuerzas coplanares Ejemplo: Determine magnitud y orientación de la fuerza resultante a) Notación escalar: Fx = Rx Rx = 600 (cos 30) 400 (sen 45) Rx = 236.8 N Fy = Ry Ry = 600 (sen

Más detalles

ACTIVIDAD 5: Correlación y Regresión Lineal

ACTIVIDAD 5: Correlación y Regresión Lineal Actividad 5: Correlación y Regresión Lineal ACTIVIDAD 5: Correlación y Regresión Lineal CASO 5-1: RELACIONES ENTRE VARIABLES A continuación se muestran cuatro variables y seis valores (observaciones) asociados

Más detalles

EVALUACIÓN DE TRES NIVELES DE PROTEÍNA EN EL CRECIMIENTO DE GOLDFISH (Carassius auratus var bicaudatus). NANCY OSPINA SÁNCHEZ

EVALUACIÓN DE TRES NIVELES DE PROTEÍNA EN EL CRECIMIENTO DE GOLDFISH (Carassius auratus var bicaudatus). NANCY OSPINA SÁNCHEZ EVALUACIÓN DE TRES NIVELES DE PROTEÍNA EN EL CRECIMIENTO DE GOLDFISH (Carassius auratus var bicaudatus). NANCY OSPINA SÁNCHEZ CORPORACIÓN UNIVERSITARIA SANTA ROSA DE CABAL, UNISARC FACULTAD DE CIENCIAS

Más detalles

Dia del Estadístico 5 Diciembre. Diseño y Análisis de experimentos Aplicados en investigación Agrícola. Felipe de Mendiburu

Dia del Estadístico 5 Diciembre. Diseño y Análisis de experimentos Aplicados en investigación Agrícola. Felipe de Mendiburu Universidad Nacional de Ingeniería 7 Diciembre 2007 Dia del Estadístico 5 Diciembre Diseño y Análisis de experimentos Aplicados en investigación Agrícola Felipe de Mendiburu Contenido 1. La investigación

Más detalles

UNIVERSIDAD DE GUAYAQUIL FACULTAD DE ODONTOLOGÍA ESCUELA DE POSTGRADO Dr. José Apolo Pineda

UNIVERSIDAD DE GUAYAQUIL FACULTAD DE ODONTOLOGÍA ESCUELA DE POSTGRADO Dr. José Apolo Pineda UNIVERSIDAD DE GUAYAQUIL FACULTAD DE ODONTOLOGÍA ESCUELA DE POSTGRADO Dr. José Apolo Pineda EVALUACIÓN IN VITRO DE LA FILTRACIÓN APICAL EN RAICES DE DIENTES EXTRAIDOS, UTILIZANDO DOS MÉTODOS DE OBTURACION:

Más detalles

EXERCISES. product of one of them by the square of the other takes a maximum value.

EXERCISES. product of one of them by the square of the other takes a maximum value. EXERCISES EXERCISE 1 If f : R R is defined by f(x) = e x (x 2), a) Find the asymptotes of f. b) Find where f is increasing or decreasing and the local maxima or minima. c) Find the inflection points of

Más detalles

1.9. Requisitos mínimos de asistencia a las sesiones presenciales / Minimum attendance requirement

1.9. Requisitos mínimos de asistencia a las sesiones presenciales / Minimum attendance requirement ASIGNATURA / COURSE TITLE ANÁLISIS DE DATOS 1.1. Código / Course number 16307 1.2. Materia / Content area Módulo instrumental 1.3. Tipo / Course type Obligatoria 1.4. Nivel / Course level Grado 1.5. Curso

Más detalles

Influencia de la temperatura en el teñido de fibras proteínicas (queratina) con hojas de nogal

Influencia de la temperatura en el teñido de fibras proteínicas (queratina) con hojas de nogal UNIVERSIDAD NACIONAL DEL CALLAO FACULTAD DE INGENIERÍA QUÍMICA INSTITUTO DE INVESTIGACIÓN DE LA FACULTAD DE INGENIERÍA QUÍMICA INFORME FINAL DEL PROYECTO DE INVESTIGACIÓN Influencia de la temperatura en

Más detalles

SPSS - ANOVA. Dr. Miquel A. Belmonte. Hospital General de Castellón Castellón, España Inicialmente en el sitio: www.pitt.

SPSS - ANOVA. Dr. Miquel A. Belmonte. Hospital General de Castellón Castellón, España Inicialmente en el sitio: www.pitt. SPSS - ANOVA Dr. Miquel A. Belmonte Hospital General de Castellón Castellón, España Inicialmente en el sitio: www.pitt.edu/~super1/ Elección de tests estadísticos Varbl. Indep. 1 > 1 Varbl. dependientes

Más detalles

Preuniversitario Popular Víctor Jara MATEMÁTICA. Ten claro que, en un cuadrilátero, la suma de los ángulos interiores es 360

Preuniversitario Popular Víctor Jara MATEMÁTICA. Ten claro que, en un cuadrilátero, la suma de los ángulos interiores es 360 EJERCICIOS DE CUADRILÁTEROS PARA LA CLASE Ten claro que, en un cuadrilátero, la suma de los ángulos interiores es 360 171 11. El cuadrilátero PALO es un rombo y las medidas de los ángulos CAR y RPC suman

Más detalles

Vamos a Multiplicar Al estilo maya!

Vamos a Multiplicar Al estilo maya! Vamos a Multiplicar Al estilo maya! Resumen de la actividad Esta lección le permite a los estudiantes realizar multiplicación al estilo maya como una actividad de seguimiento a la herramienta interactiva

Más detalles

Comenzaremos recordando algunas definiciones y propiedades estudiadas en el capítulo anterior.

Comenzaremos recordando algunas definiciones y propiedades estudiadas en el capítulo anterior. Capítulo 2 Matrices En el capítulo anterior hemos utilizado matrices para la resolución de sistemas de ecuaciones lineales y hemos visto que, para n, m N, el conjunto de las matrices de n filas y m columnas

Más detalles

TÍTULO DE LA TESIS DOCTORAL: DETERMINACIÓN DE LAS IMPEDANCIAS HOMOPOLARES DE UN TRANSFORMADOR. YNynd A PARTIR DE SUS DIMENSIONES GEOMÉTRICAS

TÍTULO DE LA TESIS DOCTORAL: DETERMINACIÓN DE LAS IMPEDANCIAS HOMOPOLARES DE UN TRANSFORMADOR. YNynd A PARTIR DE SUS DIMENSIONES GEOMÉTRICAS TÍTULO DE LA TESIS DOCTORAL: DETERMINACIÓN DE LAS IMPEDANCIAS HOMOPOLARES DE UN TRANSFORMADOR TRIFÁSICO DE TRES COLUMNAS CON CONEXIÓN YNynd A PARTIR DE SUS DIMENSIONES GEOMÉTRICAS DOCTORANDO: ELMER SORRENTINO

Más detalles

UPV software for risk models

UPV software for risk models UPV software for risk models Armando Serrano Lombillo arserlom@doctor.upv.es www.edams.upv.es Risk analysis is feasible 1 Contents Introduction Review of previous concepts From influence diagrams to event

Más detalles

maquinas especiales cnc cnc special machines

maquinas especiales cnc cnc special machines maquinas especiales cnc cnc special machines En este catálogo presentamos una información de nuestras máquinas especiales con control numérico. Encontraran tres líneas de producto perfectamente definidas:

Más detalles

ESQUEMA GENERAL DISEÑOS DE MEDIDAS REPETIDAS

ESQUEMA GENERAL DISEÑOS DE MEDIDAS REPETIDAS TEMA IV ESQUEMA GENERAL Definición Clasificación Diseño simple de medidas repetidas Diseño factorial de medidas repetidas Diseño de medidas parcialmente repetidas DISEÑOS DE MEDIDAS REPETIDAS Definición

Más detalles

Sistemas de impresión y tamaños mínimos Printing Systems and minimum sizes

Sistemas de impresión y tamaños mínimos Printing Systems and minimum sizes Sistemas de impresión y tamaños mínimos Printing Systems and minimum sizes Para la reproducción del Logotipo, deberán seguirse los lineamientos que se presentan a continuación y que servirán como guía

Más detalles

Juan Carlos Palacios Caicedo

Juan Carlos Palacios Caicedo CÁLCULO DEL CONTENIDO TOTAL DE ELECTRONES (TEC) EN LA IONOSFERA COLOMBIANA MEDIANTE LA UTILIZACIÓN DE UNA RED DE ESTACIONES DE RASTREO SATELITAL (REICO) Juan Carlos Palacios Caicedo CÁLCULO DEL CONTENIDO

Más detalles

Diseño por bloques aleatorizados completos

Diseño por bloques aleatorizados completos Diseño por bloques aleatorizados completos Introducción Al estudiar la influencia de un factor sobre una variable cuantitativa es frecuente que aparezcan otras variables o factores que también influyen

Más detalles

LECCIÓN 8: QUINTA PARTE. Double Object Pronouns

LECCIÓN 8: QUINTA PARTE. Double Object Pronouns LECCIÓN 8: QUINTA PARTE Double Object Pronouns Write a logical sentence to accompany each picture. Use the subjects provided and select appropriate verbs from the box below. After you write each sentence,

Más detalles

Introducción al Data Mining Clase 9. Cluster Analysis con proyecciones

Introducción al Data Mining Clase 9. Cluster Analysis con proyecciones Introducción al Data Mining Clase 9 Cluster Analysis con proyecciones Ricardo Fraiman Centro de Matemática, Udelar y Universidad de San Andrés, Argentina Proyecciones aleatorias y clustering. Biau et al.

Más detalles

Experimentos con Mezclas

Experimentos con Mezclas Experimentos con Mezclas Para los experimentos que hemos estudiado (experimentos factoriales, CCD, otros), los niveles de cada factor son independientes de los niveles de otros factores. En los experimentos

Más detalles

EXPERIMENTACIÓN. Eduardo Jiménez Marqués

EXPERIMENTACIÓN. Eduardo Jiménez Marqués EXPERIMENTACIÓN Eduardo Jiménez Marqués 1 CONTENIDO: 1. Experimentación...3 1.1 Concepto...3 1. Definición...4 1.3 Dificultad...4 1.4 Ventaja...5 1.5 Planificación...5 1.6 Aplicaciones...5 1.7 Metodología...6

Más detalles

Ejercicios de Congruencia de Triángulos

Ejercicios de Congruencia de Triángulos www.matebrunca.com Prof.Waldo Márquez González Congruencia de Triángulos 1 Ejercicios de Congruencia de Triángulos 1. Complete las igualdades que hacen que se cumplan la congruencia de los triángulos,

Más detalles

Entrevista: el medio ambiente. A la caza de vocabulario: come se dice en español?

Entrevista: el medio ambiente. A la caza de vocabulario: come se dice en español? A la caza de vocabulario: come se dice en español? Entrevista: el medio ambiente 1. There are a lot of factories 2. The destruction of the ozone layer 3. In our city there is a lot of rubbish 4. Endangered

Más detalles

EL EFECTO DE LA SELECCIÓN DE LA MUESTRA EN LA EVALUACIÓN DEL SISTEMA DE MEDICIÓN CON PRUEBAS DESTRUCTIVAS.

EL EFECTO DE LA SELECCIÓN DE LA MUESTRA EN LA EVALUACIÓN DEL SISTEMA DE MEDICIÓN CON PRUEBAS DESTRUCTIVAS. er Congreso Internacional 8-0 de Octubre de 008 EL EFECTO DE LA SELECCIÓN DE LA MUESTRA EN LA EVALUACIÓN DEL SISTEMA DE MEDICIÓN CON PRUEBAS DESTRUCTIVAS. Jaime Sánchez Leal, Jorge de la Riva Rodríguez,

Más detalles

ESTUDIO DEL MERCADO AUTOMOTRIZ EN EEUU FERULLO SERGIO

ESTUDIO DEL MERCADO AUTOMOTRIZ EN EEUU FERULLO SERGIO ESTUDIO DEL MERCADO AUTOMOTRIZ EN EEUU FERULLO SERGIO INTRODUCCION A continuación se presenta un modelo sobre las ventas de autos de pasajeros en Estados Unidos. Se debe recordar que Estados Unidos posee

Más detalles

GUIA DE CIRCUITOS LOGICOS COMBINATORIOS

GUIA DE CIRCUITOS LOGICOS COMBINATORIOS GUIA DE CIRCUITOS LOGICOS COMBINATORIOS 1. Defina Sistema Numérico. 2. Escriba la Ecuación General de un Sistema Numérico. 3. Explique Por qué se utilizan distintas numeraciones en la Electrónica Digital?

Más detalles

A B CD EF. http://vitaminasycelulasmadre.com/ B F

A B CD EF. http://vitaminasycelulasmadre.com/ B F ABCDEF http://vitaminasycelulasmadre.com/ BF ABCDEFCB ABACDECFFBACDCCCFF DBFCBCFFDCD CCADDFDBDDCBBCE EEECEECBECB CECBC E C F E CC FDBDFBDBFCCACA F CCFCDCAFCFDAC CCABFBCABDBFCBCF DDCAFCFCABCDFFCDBCABFCCA

Más detalles

CONTROLADORA PARA PIXELS CONPIX

CONTROLADORA PARA PIXELS CONPIX The LedEdit Software Instructions 1, Install the software to PC and open English version: When we installed The LedEdit Software, on the desktop we can see following icon: Please Double-click it, then

Más detalles

FUNCIONES: Repaso Functions: A Review

FUNCIONES: Repaso Functions: A Review FUNCIONES: Repaso Functions: A Review Intuitivamente la palabra función se refiere a un asignación o correspondencia de un conjunto a otro Por ejemplo: Considera un conjunto de estudiantes y un conjunto

Más detalles

INSTITUTO VALLADOLID PREPARATORIA página 37

INSTITUTO VALLADOLID PREPARATORIA página 37 INSTITUTO VALLADOLID PREPARATORIA página 37 página 38 SUMA DE FRACCIONES CONCEPTO Las cuatro operaciones fundamentales, suma, resta, multiplicación y división, con fracciones algebraicas se realizan bajo

Más detalles

Análisis de los sistemas de control de la producción Kanban y Conwip bajo escenarios de reprocesado

Análisis de los sistemas de control de la producción Kanban y Conwip bajo escenarios de reprocesado Escuela Técnica Superior de Ingenieros. Camino de los Descubrimientos s/n, Isla de la Cartuja, 41092 Sevilla. Web: www.esi.us.es Análisis de los sistemas de control de la producción Kanban y Conwip bajo

Más detalles

EXPERIMENTOS ANIDADOS O JERARQUICOS NESTED

EXPERIMENTOS ANIDADOS O JERARQUICOS NESTED EXPERIMENTOS ANIDADOS O JERARQUICOS NESTED Exsten ocasones donde los nveles de un factor B son smlares pero no déntcos para dferentes nveles del factor A. Es decr, dferentes nveles del factor A ven nveles

Más detalles

Interactive Exercise Corporate Liability

Interactive Exercise Corporate Liability Interactive Exercise Corporate Liability 7 March 2013 Patrick Moulette, Head Leah Ambler, Legal Analyst OECD Anti-Corruption Division Instructions Your table will be assigned one of the following two hypothetical

Más detalles

www.atalayadecristo.org

www.atalayadecristo.org Marzo 2016 Ing. Rubén Darío Estrella, MBA Cavaliere dell ordine al Merito della Repubblica Italiana (2003) Ingeniero de Sistemas (UNIBE 1993), Administrador (PUCMM 2000), Matemático (PUCMM 2007), Teólogo

Más detalles

(a) Calculate a point estimate of the mean pull-off force of all connectors in the population. State which estimator you used and why.

(a) Calculate a point estimate of the mean pull-off force of all connectors in the population. State which estimator you used and why. PROBLEMAS DE CLASE Problema 7.22 Data on pull-off force (pounds) for connectors used in an automobile engine application are as follows: 79.3, 75.1, 78.2, 74.1, 73.9, 75.0, 77.6, 77.3, 73.8, 74.6, 75.5,

Más detalles

decir de las funciones f g. Posteriormente se obtienen los términos independientes

decir de las funciones f g. Posteriormente se obtienen los términos independientes 4.8. EJERCICIOS DEL CAPÍTULO 157 decir de las funciones f g. Posteriormente se obtienen los términos independientes para cada función. fg2, 3 =dcb f4, 5, 6, 7 =dc f0, 2, 4, 6 =da g0, 2, 8, 10 =ca g2, 6,

Más detalles

SPANISH ORAL LANGUAGE ASSESSMENT. Jill Jegerski Department of Modern Languages April 8, 2011

SPANISH ORAL LANGUAGE ASSESSMENT. Jill Jegerski Department of Modern Languages April 8, 2011 SPANISH ORAL LANGUAGE ASSESSMENT Jill Jegerski Department of Modern Languages April 8, 2011 INTRODUCTION Basic Spanish program at CSI Three-course Gen. Ed. sequence: SPN 113, 114, 213 Approximately 800

Más detalles

Principios de Estadística. Intro. En R. Ejercicios

Principios de Estadística. Intro. En R. Ejercicios Leonardo Collado Torres y María Gutiérrez Arcelus Licenciatura en Ciencias Genómicas, UNAM www.lcg.unam.mx/~lcollado/index.php www.lcg.unam.mx/~mgutierr/index.php Cuernavaca, México Febrero - Junio, 2009

Más detalles