Clasificación de desastres y emergencias con representación bipolar del conocimiento
|
|
- Pilar Padilla Reyes
- hace 7 años
- Vistas:
Transcripción
1 Clasificación de desastres y emergencias con reresentación biolar del conocimiento J. Tinguaro Rodríguez, Begoña Vitoriano, Javier Montero Deartamento de Estadística e Investigación Oerativa Universidad Comlutense de Madrid
2 Desastres, resuesta humanitaria e IA FASES DE LA GESTIÓN DE DESASTRES MITIGACIÓN RECUPERACIÓN PREDICCIÓN/ PREPARACIÓN RESPUESTA DESASTRE Clasificación de desastres y emergencias con reresentación biolar del conocimiento- 2
3 Desastres, resuesta humanitaria e IA DESASTRE JERARQUÍA DE DECISIONES EN LAS ONG PARA LA RESPUESTA A DESASTRES VALORACIÓN INICIAL ESTRATÉGICAS LOGÍSTICAS SOBRE EL TERRENO Clasificación de desastres y emergencias con reresentación biolar del conocimiento- 3
4 Desastres, resuesta humanitaria e IA Problema general de evaluación de consecuencias de desastres: Distintas combinaciones de tio de desastre y localización. Situación de emergencia. Incertidumbre e imrecisión de la información. Restricciones que imone el contexto de las ONG. El objetivo de esta investigación es desarrollar un sistema de ayuda a la decisión con el que roorcionar ayuda a los decisores de las ONG en sus rocesos de decisión estratégicos. Este sistema de ayuda a la decisión ha sido denominado Sistema Exerto ara el Diagnóstico de Desastres (SEDD). SEDD se centra en rooner una evaluación de las consecuencias de los desastres a artir de la rimera información disonible. Clasificación de desastres y emergencias con reresentación biolar del conocimiento- 4
5 Desastres, resuesta humanitaria e IA Para garantizar la mayor alicabilidad de SEDD, la evaluación de un desastre bajo estudio será obtenida a artir de: información histórica (conocimiento) y variables descritoras o atributos de ese desastre fácilmente accesibles (información). Información histórica: base de datos sobre desastres EM-DAT (Emergency Events Database, CRED (Center for the Research on the Eidemiology of Disasters, de la Universidad de Lovaina (Bélgica). Registros de más de casos desde el año 900 hasta la actualidad. Información sobre un conjunto de consecuencias reducido ero significativo Clasificación de desastres y emergencias con reresentación biolar del conocimiento- 5
6 Desastres, resuesta humanitaria e IA Valoración numérica recisa es oco realista: Incertidumbre de la información disonible en los rimeros instantes tras la ocurrencia de un desastre Imrecisión imlícita de algunas de las variables en EM-DAT (ej afectados) Es más lausible clasificar las consecuencias de un desastre en términos de los escenarios relevantes ara los decisores de las ONG. Problema de clasificación suervisada: Las clases se identifican con los escenarios relevantes. El conjunto de clases está dotado de estructura (gradación). Características esecíficas del contexto: Riesgo subestimación Clasificación de desastres y emergencias con reresentación biolar del conocimiento- 6
7 Desastres, resuesta humanitaria e IA Problema de clasificación difícil orque EM-DAT resenta: Gran variabilidad. Fuerte descomensación entre clases. Carencia de variables exlicativas suficientes. Figura 5.5: Muestra de entrenamiento ara variable Número víctimas mortales (NVM) y Tio desastre = Terremoto Comlican la viabilidad estadística clásica (Rodríguez et al., 200c). Rodríguez, J.T., Vitoriano, B., Montero, J. (200c) A disaster-severity assessment DSS comarative analysis, OR Sectrum (IN SECOND REVISION) Clasificación de desastres y emergencias con reresentación biolar del conocimiento- 7
8 Desastres, resuesta humanitaria e IA Resultados obtenidos mediante un clasificador descritivo estándar, como el rouesto en [Rodríguez et al., 200b]: Rodríguez, J. T., Vitoriano, B., Montero, J. (200b) A general methodology for data-based rule building and its alication to natural disaster management, Comuters & Oerations Research, In Press, Corrected Proof Clasificación de desastres y emergencias con reresentación biolar del conocimiento- 8
9 Desastres, resuesta humanitaria e IA Falta de adatación de estos resultados. Características no consideradas: Estructura del conjunto de clases. Asimetría derivada del riesgo de subestimación. Estas consideraciones conducen a la noción de biolaridad introducción de información negativa. La introducción de un enfoque biolar lantea: Necesidad de definición recisa de la información negativa. Modelos lógicos de reresentación del conocimiento más comlejos. Procedimientos de arendizaje que ermitan la utilización de información negativa. Métodos de razonamiento que admitan grados de confianza biolares. Clasificación de desastres y emergencias con reresentación biolar del conocimiento- 9
10 Clasificación biolar Ejemlo: R: si un terremoto de intensidad moderada ocurren en un aís con IDH medio-alto entonces NVM = rácticamente ninguna. Una instancia que cumla esa remisa y verifique NVM=muy elevado es tan contraejemlo como otra con NVM=ocos. Distinción de los contraejemlos entre exceciones menores y exceciones significativas menor confianza de las reglas. Esto se lleva a cabo introduciendo una matriz de disimilaridad C,..., C, NC Δ= ( d ij ) N C N C en el conjunto de clases o consecuentes de manera que d ij reresenta el grado en que la clase C j es disimilar a la clase C i, or lo que d [0,], d = 0 i y μ ( y) = d μ ( y) Cj ji C i=,..., N C reresenta el grado en que y constituye información negativa ara la clase C j. ij j ii Clasificación de desastres y emergencias con reresentación biolar del conocimiento- 0
11 Clasificación biolar Se roone evaluar las evidencias ositiva j (a favor) y negativa r j (en contra), de una regla Rj ( A): A Cj, mediante las siguientes exresiones: m μa( x ) μc ( y ) j + = j ( ) = = ( j ) m μa( x ) = r A cf A C m μa( x ) μ C ( y ) j = j ( ) = = ( j ) m μa( x ) = r A cf A C Nótese que r +, r + [0,] y que r + r. Este grado de confianza bidimensional uede ser agregado en un valor unidimensional de diversas maneras, or ejemlo + t ( A) = max r ( A) r ( A),0 { } j j j Clasificación de desastres y emergencias con reresentación biolar del conocimiento- r +
12 Clasificación biolar de desastres La alicación del modelo de clasificación biolar recién rouesto al roblema de SEDD suone la búsqueda de matrices de disimilaridad que ermitan considerar e introducir los requisitos del contexto y del roblema en el modelo de clasificación, en articular en el arendizaje de reglas de clasificación a artir de los datos de EM-DAT. Medidas de error alternativas que comlementen a las tradicionales medidas de eficacia redictiva (%CC, %NC, %CT, %ERROR) y comleten la descrición cuantitativa roorcionada or éstas. Clasificación de desastres y emergencias con reresentación biolar del conocimiento- 2
13 Clasificación biolar de desastres Medidas de error comlementarias Media Varianza Diferencia de roorciones Coste PRED VAR = PRED =... m = m C C PRED PRED / C COST = ( C PRED) PRED m Además, el comortamiento de cada clasificador es simulado sobre un retículo denso del esacio de entrada, lo que ermitirá obtener descriciones cualitativas de esos comortamientos. C 2 R P DIFPROP = PROP PROP COSTE j=... N = C PRED / C 0 j COST m C C REAL, C j PRED Clasificación de desastres y emergencias con reresentación biolar del conocimiento- 3
14 Clasificación biolar de desastres Resultados de los clasificadores no biolares Δ 0 C C 2 C 3 ς = 0. 0 C 4 C5 Figura 5.7 y Tablas 5. y 5.2 Método %CC %NC %CT %ERROR COSTE PRED VAR DIFPROP Validación comleta Nítido+AN 54,5 0 54,5 45,85,4534,045 0,0708 0,8497 Nítido+RG 53, ,37 46,63,49,0777 0,339 0,7979 Híbrido+AN 54,5 0 54,5 45,85,4534,045 0,0708 0,8497 Híbrido+RG 53, ,37 46,63,49,0777 0,339 0,7979 Validación cruzada Nítido + AN 52, ,33 47,67,489,0466 0,0807 0,8446 Nítido + RG ,475,295 0,2527 0,7565 Híbrido + AN 52, ,85 47,5,474,0389 0,0684 0,8549 Híbrido + RG 52, ,59 47,4,4352,0777 0,494 0,8083 Clasificación de desastres y emergencias con reresentación biolar del conocimiento- 4
15 Clasificación biolar de desastres La adatación de estos métodos al contexto no es buena: Grave riesgo de subestimación Transiciones bruscas Pésima relicación de la muestra original Clasificados en Pertenecientes a PN P B E ME NC Total % Prácticamente Ninguna (PN) ,4 Pocas (P) ,9 Bastantes (B) ,44 Elevado (E) ,7 Muy Elevado /ME) ,55 Total % 96,89 2,59 0 0, Tabla 5.3 Clasificación de desastres y emergencias con reresentación biolar del conocimiento- 5
16 Clasificación biolar de desastres Resultados de los clasificadores biolares K Δ=Δ 5 = Id C C 2 C 3 C 4 C5 Método %CC %NC %CT %ERROR COSTE PRED VAR DIFPROP Validación comleta VA 63,8 27,72 46, 26,7 0, ,99 VA2 69,2 43,78 38,86 7,36 0,8 0 0,99 MP2 7,3 49,74 35,75 4,5 0, ,99 Validación cruzada VA 63,8 27,72 46, 26,7 0, ,99 VA2 67,58 43,26 38,34 8,4 0, ,99 MP2 7,3 49,74 35,75 4,5 0, ,99 Clasificación de desastres y emergencias con reresentación biolar del conocimiento- 6
17 Clasificación biolar de desastres SUB Δ 3 = C C C C 4 C5 Método %CC %NC %CT %ERROR COSTE PRED VAR DIFPROP Validación comleta VA 55,8 0 55,8 44,82,0699,558 0,7965 0,4093 MV 53, ,37 46,63,058,588 0,8795 0,259 VA2 55,8 0 55,8 44,82,0363,5803 0,8239 0,3938 MV2 52, ,85 47,5,045,6244 0,908 0,228 MP2 53, 0 53, 46,89,045,632 0,9268 0,2539 Validación cruzada VA 5,55 0 5,55 48,45,32,558 0,7965 0,3886 MV 5,8 0 5,8 48,9,0959,5699 0,846 0,2694 VA2 5,04 0 5,04 48,96,92,5699 0,8047 0,373 MV2 5,04 0 5,04 48,96,0803,666 0,8944 0,2435 MP2 5,04 0 5,04 48,96,0829,6347 0,958 0,259 Clasificación de desastres y emergencias con reresentación biolar del conocimiento- 7
18 Clasificación biolar de desastres ODL Δ SUB = C 2 C C 4 C5 C 3 Método %CC %NC %CT %ERROR COSTE PRED VAR DIFPROP Validación comleta VA 50, ,52 49,48 0,9689 2,08,339 0,276 MV 48,9 0 48,9 5,8,058 2,0466,6299 0,2953 VA2 47, ,93 52,07,004 2,295,408 0,336 MV2 46, ,63 53,37,0855 2,83,7599 0,3575 MP2 45, ,34 54,66,0907 2,2254,8067 0,4093 Validación cruzada VA 46, ,89 53,,0259 2,0285,3748 0,276 MV 44, ,56 55,44,4 2,0285,6028 0,2798 VA2 43, ,78 56,22,075 2,399,446 0,3264 MV2 43, ,52 56,48,45 2,7,7376 0,3472 MP2 40, ,67 59,33,788 2,2047,769 0,3782 Clasificación de desastres y emergencias con reresentación biolar del conocimiento- 8
19 Clasificación biolar de desastres En conclusión, la alicación de un enfoque biolar : Permite caracterizar mejor la roblemática lanteada estructura de orden del esacio de valuación del roblema; riesgo de subestimación. Produce clasificadores que mejoran consistentemente el rendimiento de los métodos no biolares en términos de eficacia redictiva; confiables desde el unto de vista de la robabilidad global de redecir cada clase; confiables desde el unto de vista de la estabilidad y la continuidad de sus redicciones. Existe una diferencia cualitativa entre el comortamiento de los modelos no biolares y los clasificadores biolares. Proician la emergencia de conocimiento relevante y no obvio en condiciones difícilmente tratables or los modelos estándar. Clasificación de desastres y emergencias con reresentación biolar del conocimiento- 9
20 Gracias or su atención!! Clasificación de desastres y emergencias con reresentación biolar del conocimiento- 20
4. Principio de utilidad esperada máxima
4. rinciio de utilidad eserada máxima Los axiomas de coherencia son la base de una teoría bien fundamentada, la Teoría de decisión Bayesiana. IMLICACIONES de los axiomas de coherencia. ara oder asimilar
Más detallesMacroeconometría Notas sobre teoría asintótica
Macroeconometría Notas sobre teoría asintótica Jose Lluís Carrion i Silvestre Marzo de 2002 1 De niciones de convergencia A continuación se resumen los concetos que habitualmente se utilizan en la literatura
Más detalles1. LÍMITE DE UNA FUNCIÓN REAL
CORPORACION UNIFICADA NACIONAL DE EDUCACION SUPERIOR CUN DEPARTAMENTO DE CIENCIAS BASICAS PROGRAMA: INGENIERIAS DE SISTEMAS Y CIENCIAS ADMINISTRATIVAS ACTIVIDAD ACADEMICA: CÁLCULO DIFERENCIAL DOCENTE:
Más detallesLECCIÓN 44A EXPRESIONES ALGEBRAICAS
LECCIÓN 44A EXPRESIONES ALGEBRAICAS Las exresiones algebraicas son como las exresiones numéricas que vimos en la lección anterior exceto que usted uede usar letras y números en tales exresiones. Para resolver,
Más detallesCapítulo 4 MAXIMIZACIÓN DE LA UTILIDAD Y ELECCIÓN
Caítulo 4 MAXIMIZACIÓN DE LA UTILIDAD Y ELECCIÓN 1 Críticas a los Métodos Económicos Se dice a veces que ningún individuo real hace el tio de cálculos requeridos ara una maximización de la utilidad El
Más detallesEjercicios de Cadenas de Markov Discretas Profesor Ivan Derpich Contreras
EJERCICIOS RESUELTOS Ejercicios de Cadenas de Marov Discretas rofesor Ivan Derich Contreras.- Considere la matriz de transición de una etaa, donde el esacio de estados es {,,,,}.,7,,,7,7,,8,,,, a) Clasifique
Más detallesIntroducción a la Economía. Grado en ADE
Introducción a la Economía. Grado en AE Ejercicios de los bloues y 3 Ejercicios numéricos 1. En un mercado de cometencia erfecta, la curva de demanda es 1.000/ y la curva de oferta es 10+00. Un reciente
Más detallesMicroeconomía. Restricción n Presupuestaría Douglas Ramírez
icroeconomía Restricción n Presuuestaría Douglas Ramírez Economía de Intercambio En una economía de intercambio la actividad económica consiste simlemente en el consumo e intercambio de mercancías que
Más detallesLa Resolución de Problemas como un Medio para la Formación del Concepto de Media Numérica. Primera Parte
La Resolución de Problemas como un Medio ara la Formación del Conceto de Media Numérica. Primera Parte Otilio Bienvenido Mederos y José Enrique Martínez Universidad Central Marta Abreu de las Villas Cuba
Más detallesMinería de Datos. Clasificación Supervisada. Dr. Edgar Acuña Departamento de Ciencias Matemáticas Universidad de Puerto Rico-Mayaguez
Minería de Datos Clasificación Suervisada Dr. Edgar Acuña Deartamento de Ciencias Matemáticas Universidad de Puerto Rico-Mayaguez E-mail: edgar@math.urm.edu, eacunaf@gmail.com Website: math.urm.edu/~edgar
Más detallesModelo predictivo de comportamiento de barcos
Modelo redictivo de comortamiento de barcos Boroni G., Vénere M., Lotito P., Clausse A. Universidad Nacional del Centro, Tandil, Pcia. de Buenos Aires {gboroni,venerem,lotito,clausse@exa.unicen.edu.ar}
Más detallesALTERNATIVAS AL GRÁFICO DE PROBABILIDAD NORMAL COMO TEST DE VALIDACIÓN
ISSN 007-197 ALTERNATIVAS AL GRÁICO DE PROBABILIDAD NORMAL COMO TEST DE VALIDACIÓN Ana María Islas Cortes Instituto Politécnico Nacional, ESIT amislas@in.mx Gabriel Guillén Buendia Instituto Politécnico
Más detalles7. DISTRIBUCIOES DISCRETAS DE PROBABILIDAD
7. DISTRIBUCIOES DISCRETAS DE PROBABILIDAD La Distribución Binomial Esta distribución fue elaborada or Jacobo Bernoulli y es alicable a un gran número de roblemas de carácter económico y en numerosas alicaciones
Más detallesINTRODUCCIÓN A LA ECONOMÍA. Ramón Fuentes Pascual Carmen Martínez Mora
INTRODUCCIÓN A LA ECONOÍA Ramón Fuentes Pascual Carmen artínez ora Título: Introducción a la economía Autor: Ramón Fuentes Pascual y Carmen artínez ora I.S.B.N.: 84-8454-8-6 Deósito legal: A-73- Edita:
Más detallesCONVERGENCIA ESTOCÁSTICA Y TEOREMAS LIMITE. Estadística aplicada a la empresa I Prof. D. Juan José Pérez Castejón
CONVERGENCIA ESTOCÁSTICA Y TEOREMAS IMITE. Estadística alicada a la emresa I Prof. D. Juan José Pérez Castejón 1 CONVERGENCIA ESTOCÁSTICA Y TEOREMAS IMITE. En este tema se ersigue introducir el conceto
Más detallesRedes Neuronales. Redes neuronales, algoritmo, multicapas, entrenamiento, retropropagación.
Jamie Areli-Toral Barrera Redes Neuronales Resumen En este royecto se resenta como se conforman las redes neuronales, en esecial se analizara un algoritmo de arendizaje suervisado ara el entrenamiento
Más detallesTÍTULO: Aplicación de la integral doble. AUTOR: Dr. Reinaldo Hernández Camacho.
TÍTULO: Alicación de la integral doble. AUTO: Dr. einaldo Hernández Camacho. INTODUCCIÓN Para reconocer cuándo se uede alicar un conceto matemático en la resolución de un roblema es esencial interretar
Más detallesINSTITUTO COLOMBIANO PARA EL FOMENTO DE LA EDUCACIÓN SUPERIOR -ICFES- SUBDIRECCIÓN ACADÉMICA. Grupo de Evaluación de la Educación Básica y Media
INSTITUTO COLOMBIANO ARA EL FOMENTO DE LA EDUCACIÓN SUERIOR -ICFES- SUBDIRECCIÓN ACADÉMICA Gruo de Evaluación de la Educación Básica y Media QUÉ ES Y CÓMO SE CALIFICA EL EXAMEN DE VALIDACIÓN DEL BACHILLERATO
Más detallesModelos de Espera. M. En C. Eduardo Bustos Farías
Modelos de Esera M. En C. Eduardo Bustos Farías Introducción Una línea de esera es la resultante de un sistema cuando la demanda or un bien o servicio suera la caacidad que uede roorcionar dicho sistema.
Más detallesAnálisis de Componentes principales -PCA-
Análisis de Comonentes rinciales -PCA- PCA en Teledetección... 1 La idea general... 1 El método...2 La interretación...5 Que es? El PCA constituye un rocedimiento matemático que ermite transformar un número
Más detallesUNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS. Fracciones continuas, ecuación de Pell y unidades en el anillo de enteros de los cuerpos cuadráticos
UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS FACULTAD DE CIENCIAS MATEMÁTICAS EAP DE MATEMÁTICA PURA Fracciones continuas, ecuación de Pell y unidades en el anillo de enteros de los cueros cuadráticos Caítulo
Más detallesNaturales (avanzado) Propiedades de la suma y de la resta. Propiedades de la multiplicación y la división. Jerarquía de operaciones.
LEYENDA: (unidad interactiva) (unidad interactiva con ejercicios extra) (unidad no interactiva) (en roceso) ARITMÉTICA Naturales Naturales (básico) Sistema decimal. Orden. Oeraciones. Aroximación. Naturales
Más detallesI.- Análisis Gráfico Multivariado
I.- Análisis Gráfico Multivariado El análisis multivariado está basado en los rinciios de la Estadística multivariada, la cuál considera la observación y el análisis de más de una variable al mismo tiemo.
Más detallesMATERIA: MATEMÁTICAS APLICADAS A LAS CC. SOCIALES
UNIVERSIDDES PÚLICS DE L COMUNIDD DE MDRID PRUE DE CCESO ESTUDIOS UNIVERSITRIOS (LOGSE) 00 008 (Setiembre) MTERI: MTEMÁTICS PLICDS LS CC. SOCILES INSTRUCCIONES GENERLES Y VLORCIÓN INSTRUCCIONES: El alumno
Más detallesIdentificación de Sistemas
Identificación de Sistemas Estimación de Mínimos Cadrados Ator: Dr. Jan Carlos Gómez Estimación n de Mínimos M Cadrados ara Estrctra de Regresor ineal Se asme qe la relación entrada-salida ede ser descrita
Más detallesProcesamiento Digital de Imágenes
Visión or Comutadora Unidad III Procesamiento Digital de Imágenes Rogelio Ferreira Escutia Contenido 1) Oeraciones Individuales a) Transformaciones Punto a Punto b) Transformaciones de 2 Imágenes Punto
Más detallesVALUACIÓN DE BONOS. 3. Tasa de rendimiento al vencimiento. las que diversos inversionistas descuentan los flujos futuros de un mismo bono y de esa
1 VALUACIÓN DE BONOS 3. Tasa de rendimiento al vencimiento El recio de mercado de un bono, como cualquier otro activo, se determina or oferta y demanda de numerosos inversionistas. Las tasas de rendimiento
Más detallesCONTROL DE PROCESOS QUÍMICOS
UNIVERSIDAD NAIONAL EXPERIMENTAL POLITENIA ANTONIO JOSÉ DE SURE VIERRETORADO BARQUISIMETO DEPARTAMENTO DE INGENIERÍA QUÍMIA ONTROL DE PROESOS QUÍMIOS Prof: Ing. (MSc). Juan Enrique Rodríguez. Octubre,
Más detallesLa distribución de probabilidad de la variable aleatoria (v. a). Bernoulli, está dada por:
Distribución Bernoulli Una rueba o exerimento Bernoulli tiene uno de dos resultados mutuamente excluyentes, que generalmente se denotan S (éxito) y F (fracaso). Por ejemlo, al seleccionar un objeto ara
Más detallesMODELACIÓN MATEMÁTICA DEL CAUDAL DEL RÍO MAIPO BASADA EN INFORMACIÓN METEOROLÓGICA DE LA CUENCA.
MODELACIÓN MATEMÁTICA DEL CAUDAL DEL RÍO MAIPO BASADA EN INFORMACIÓN METEOROLÓGICA DE LA CUENCA. Manríquez F Ana*, Estay C Ricardo E. M. O. S. S. A. - Avda. Bulnes 129 - Santiago - CHILE La oeración de
Más detallesOrganización de la Memoria
UNEFA Núcleo Mérida Sistemas Oerativos Organización de la Memoria Ing Hungría Berbesi ORGANIZACIÓN DE LA MEMORIA VIRTUAL Mediante este esquema se ejecutan rogramas que no se encuentran totalmente en memoria
Más detallesMineria de Datos. Arboles de Decision. Dr. Edgar Acuna Departmento de Matematicas. Universidad de Puerto Rico- Mayaguez academic.uprm.
Mineria de Datos Arboles de Decision Dr. Edgar Acuna Deartmento de Matematicas Universidad de Puerto Rico- Mayaguez academic.urm.edu/eacuna El uso de árboles de decisión tuvo su origen en las ciencias
Más detallesTEMA 10 ANÁLISIS COSTE-VOLUMEN-BENEFICIO
TEMA 10 ANÁLISIS COSTE-VOLUMEN-BENEFICIO 1 10.1. INTRODUCCIÓN Qué es el análisis C-V-B? Modelo que estudia la relación existente entre costes, recios, volúmenes de venta y beneficios, tomando ara el análisis
Más detallesBloque 33 Guía: Ecuación de la recta en el plano cartesiano SGUICEG055EM33-A17V1
SGUICEG055EM-A7V Bloque Guía: Ecuación de la recta en el lano cartesiano TABLA DE CORRECCIÓN ECUACIÓN DE LA RECTA EN EL PLANO CARTESIANO N Clave Dificultad estimada B Alicación Media A Alicación Media
Más detallesPLANTEAMIENTO DEL PROBLEMA INVERSO DE IDENTIFICACIÓN DE FUENTES DIPOLARES EN CORTEZA CEREBRAL.
PLANTEAMIENTO DEL PROBLEMA INVERSO DE IDENTIFICACIÓN DE FUENTES DIPOLARES EN CORTEZA CEREBRAL María M Morín a, José J Oliveros b, Andrés Fraguela b, Eladio Flores a, Moisés Gutierrez a, Miguel A Saloma
Más detallesProyecto académico sin fines de lucro, desarrollado bajo la iniciativa de acceso abierto
Red de Revistas Científicas de América Latina, el Caribe, Esaña y Portugal Sistema de Información Científica Claudia B. Peretto UTILIZACIÓN DEL ANÁLISIS DISCRIMINANTE LOGÍSTICO PARA EXPLORAR LAS CAUSAS
Más detallesANÁLISIS DEL MERCADO DE VALORES (3º GADE) PARTE II: TEORÍAS Y TÉCNICAS DE EVALUACIÓN DE INVERSIONES. TEMA 5: TEORÍA DEL MERCADO DE CAPITALES
ANÁLISIS DEL ERCADO DE VALORES (3º GADE) PARTE II: TEORÍAS Y TÉCNICAS DE EVALUACIÓN DE INVERSIONES. TEA 5: TEORÍA DEL ERCADO DE CAPITALES ÍNDICE DE CONTENIDOS 5.1. El modelo de mercado: riesgo sistemático
Más detallesDiseño de controladores
Diseño de controladores DISEÑO DE CONTROLADORES Definir objetivos de control sobre el sistema: seguimiento de consigna. buen comortamiento ante erturbaciones. Imortante conocer: erturbaciones del sistema.
Más detalles3er. Parcial FS /07/2016 Pag. 1 de 6
er. Parcial FS-111 1/7/16 Pag. 1 de 6 UNIERSIDD SIMON OLIR Deartamento de Física FS-111 er. Parcial - 1/7/16 NOMRE: RNET: Sección: PRTE I: En las siguientes 8 reguntas de selección escoja la resuesta correcta
Más detallesII.- ESTRUCTURA FORMAL. Lección 12ª: Otras Representaciones Termodinámicas
II.- ESRUCURA FORMAL Lección 1ª: Otras Reresentaciones ermodinámicas 1.- Introducción....- ransformada de Legendre... 3.- Reresentaciones termodinámicas en términos del otencial de Helmholtz, de la entalía
Más detalles5.2. Selección Adversa parte II el modelo de Rothschild y Stiglitz (1976)
5.. Selección Adversa arte II el modelo de Rothschild y Stiglitz (1976) Matilde P. Machado matilde.machado@uc3m.es Resumen: Muestra el imacto de la información imerfecta en el resultado de equilibrio de
Más detallesCAPÍTULO 2. En este capítulo se introducirá el marco teórico que se utilizó en la
CAPÍTULO MARCO TEÓRICO En este caítulo se introducirá el marco teórico que se utilizó en la investigación de la incidencia que tiene la Prueba de Atitud Académica (PAA) en el rendimiento académico Es decir,
Más detallesREGRESIÓN LASSO BAYESIANA. AJUSTE DE MODELOS LINEALES PENALIZADOS MEDIANTE LA ASIGNACIÓN DE PRIORES NORMALES CON MEZCLA DE ESCALA.
016 Allasia, María Belén; Branco, Márcia D Elia; Quaglino, Marta Beatriz Instituto de Investigaciones Teóricas y Alicadas en Estadística REGRESIÓN LASSO BAYESIANA. AJUSTE DE MODELOS LINEALES PENALIZADOS
Más detallesSesión 2.c MODELIZACIÓN DEL TIEMPO DE VIDA
Sesión 2.c ODEIZACIÓN DE TIEPO DE VIDA. Definición de roceso de Renovación. Función de renovación. Caso exonencial. Distribución k-erlang 2. Teorema Elemental de Renovación. 3. Función de Fiabilidad y
Más detallesPontificia Universidad Católica del Ecuador Facultad de Arquitectura, Diseño y Artes
. DATOS INFORMATIVOS FACULTAD: ARQUITECTURA, DISEÑO Y ARTES CARRERA: ARQUITECTURA Asignatura/Módulo: DIBUJO III Código: 9 Plan de estudios: Q0 Nivel: Prerrequisitos DIBUJO II Correquisitos: Período académico:
Más detallesJUEGOS ESTÁTICOS T. 4 VARIABLE CONTINUA Y APLICACIONES ECONÓMICAS. Universidad Carlos III de Madrid
JUEGOS ESTÁTICOS T. 4 VARIABLE CONTINUA Y APLICACIONES ECONÓMICAS Universidad Carlos III de Madrid VARIABLE CONTINUA n En muchos juegos las estrategias uras que ueden elegir los jugadores no son, 3 o cualquier
Más detallesCAPÍTULO 5. RESULTADOS DE LA INVESTIGACIÓN. importantes, ya que a partir de éstos podemos hacer comparaciones y contrastes.
CAPÍTULO 5. RESULTADOS DE LA INVESTIGACIÓN. Los resultados que se obtuvieron desués de la alicación de las encuestas son sumamente imortantes, ya que a artir de éstos odemos hacer comaraciones y contrastes.
Más detallesXAX > i 0. i 4 2i. 2 i i 8
Álgebra Lineal Caítulo. Tóicos Eseciales y Alicaciones.. Matrices y formas ositivas En esta sección estudiamos matrices ositivas, formas sesquilineales ositivas, y formas cuadráticas ositivas. a. Matrices
Más detallesDesvanecimiento de pequeña y gran escala
Universidad Carlos III de Madrid Desvanecimiento de equeña y gran escala Modelos de gran escala Exlican el comortamiento de las otencia a distancias muco mayores que la longitud de onda (~ km). Esacio
Más detallesEVALUACIONES DE SERIES TEMPORALES
Evaluaciones 45 EVALUACIONES DE SERIES TEMPORALES ÍNDICE TEMÁTICO. DESCOMPOSICIÓN CLÁSICA 3.5.98... 3 4 3.5.99... 3 3.6.99... 6..00... 3 7.5.00... 0. MODELIZACIÓN CON VARIABLES CATEGÓRICAS 3.5.98... 7
Más detallesEjemplos: 1) De una urna que contiene 6 bolillas blancas y 4 negras se extraen sin reposición 3 bolillas. Se definen
Probabilidades Estadística Comutación Facultad de Ciencias Eactas Naturales. Universidad de Buenos Aires Ana M. Bianco Elena J. Martínez Vectores aleatorios Hasta ahora hemos estudiado modelos de robabilidad
Más detallesNÚMEROS RACIONALES Q
NÚMEROS RACIONALES Q Es el número ue se uede exresar como el cociente de dos números enteros, es decir, en forma de fracción 0. El conjunto se uede reresentar Q {, Z 0} {..., 2, 2, 1, 0, 1 8, 2 7, 1,...
Más detallesEjemplos: 1) De una urna que contiene 6 bolillas blancas y 4 negras se extraen sin reposición 3 bolillas. Se definen
Probabilidades Estadística Comutación Facultad de Ciencias Eactas Naturales Universidad de Buenos Aires Ana M. Bianco Elena J. Martínez Vectores aleatorios Hasta ahora hemos estudiado modelos de robabilidad
Más detallesCAPÍTULO 4. ANÁLISIS Y MODELADO DE LA ADSORCIÓN DE TBC EN ALÚMINA
CAPÍTULO 4. ANÁLISIS Y MODELADO DE LA ADSORCIÓN DE TBC EN ALÚMINA Análisis y modelado de la adsorción de TBC en alúmina 4.. INTRODUCCIÓN En este trabajo, en rimer lugar se han mostrado los distintos resultados
Más detallesPROCESOS DE MARKOV. Definiciones en los Procesos de Markov de Primer Orden:
ROCESOS DE MARKOV rinciio de Markov: Cuando una robabilidad condicional deende únicamente del suceso inmediatamente anterior, cumle con el rinciio de Markov de rimer Orden, es decir. X ( t ) j X () K,
Más detallesCONTROLADOR DE MATRIZ DINÁMICA BASADO EN CONTROL POR MODOS DESLIZANTES
CONTROLADOR DE MATRIZ DINÁMICA BASADO EN CONTROL POR MODOS DESLIZANTES Oscar Camacho *, Edinzo Iglesias **, Luís Valverde *** * Postgrado en Automatización e Instrumentación. Universidad de Los Andes.
Más detallesModelación del fenómeno de Consolidación Unidimensional por diferencias finitas mediante el CAS libre SAGE y su comparación con PLAXIS
Modelación del fenómeno de Consolidación Unidimensional or diferencias finitas mediante el CAS libre SAGE y su comaración con PLAXIS Wilson RODRÍGUEZ CALDERÓN Programa de Ingeniería Civil Universidad de
Más detalles) tan tan + tan tan + tan tan = (10 puntos c/u) Resuelva cada ecuación siguiente:
Universidad Católica de Valaraíso. a Prueba de Cátedra Instituto de Matemáticas MAT 46-00 Licenciatura y Pedagogía en Matemáticas. lunes 6 de octubre, 009 Tiene 90 ara resolver la rueba. Justi que todas
Más detallesDISTRIBUCIONES DE PROBABILIDAD
DISTRIBUCIONES DE PROBABILIDAD Ejercicios rouestos 1. Los datos originales a menudo necesitan ser codificados (transformados) ara facilitar el cálculo. Qué consecuencias tienen en el cálculo de la media
Más detallesLímites fundamentales en los sistemas de comunicaciones digitales
Caítulo 5 Límites fundamentales en los sistemas de comunicaciones digitales El rincial objetivo de un sistema de comunicaciones es la transmisión fiable de información Una fuente roduce la información,
Más detallesDISEÑO DE UN AFORADOR VENTURI POR SIMILITUD DINÁMICA TIPO FROUDE
Artículo: COMEII-1707 III CONGRESO NACIONAL DE RIEGO Y DRENAJE COMEII 017 Puebla, Pue., del 8 al 0 de noviembre de 017 DISEÑO DE UN AFORADOR VENTURI POR SIMILITUD DINÁMICA TIPO FROUDE Mauro Íñiguez Covarrubias
Más detalles10. GASES Y FLUIDOS REALES
10. GASES Y FLUIDOS REALES En caítulos anteriores estudiamos las consecuencias de la Primera y Segunda Ley y los métodos analíticos ara alicar la ermodinámica a sistemas físicos. De ahora en más usaremos
Más detallesEL ROL DE LOS MODELOS EN EL DISEÑO DE EQUIPOS DE PROCESOS Y SISTEMAS DE CONTROL. Grupo de Automática de la Universidad Nacional de Colombia (GAUNAL)
EL ROL DE LO MODELO EN EL DIEÑO DE EQUIO DE ROCEO Y ITEMA DE CONTROL L. Gómez +, A. Amicarelli +, H. Alvarez *, F. di ciascio + + INAUT-Facultad de Ingeniería, Universidad Nacional de an Juan, Argentina.
Más detallesPRÁCTICA 3. , se pide:
3 3.- Dada la función de utilidad U, se ide: a) Calcular la función de la familia de curvas de indiferencia corresondientes a dicha función de utilidad Para calcular la familia de curvas de indiferencia
Más detallesPROBLEMAS DE LÍMITES Y CONTINUIDAD (MÉTODOS ALGEBRAICOS) lím. lím. Las descomposiciones factoriales se hacen dividiendo sucesivamente por x + 2.
PROBLEMAS DE LÍMITES Y CONTINUIDAD MÉTODOS ALGEBRAICOS) Cálculo de ites or métodos algebraicos Resuelve los siguientes ites: a) 8 b) 8 c) a) ) ) 6) ) 8 Se reite el roceso) ) ) ) ) Las descomosiciones factoriales
Más detallesTRAZADO DE DIAGRAMA POLAR Y APLICACIÓN DE CRITERIO DE NYQUIST
TRAZADO DE DIAGRAMA POLAR Y APLICACIÓN DE CRIRIO DE NYQUIST. TRAZADO DE DIAGRAMA POLAR. La función de transferencia P, tendrá el formato dado or la siguiente exresión generalizada: P ± m m P A P + A P
Más detallesQuímica Física II - Guía de problemas 2018
Química Física II - Guía de roblemas 08 Serie termodinámica de sistemas gaseosos Gases uros (reaso de FQ) -. [Fugacidad de un gas a artir de una ecuación de estado] Un gas de esferas rígidas se ajusta
Más detallesAnálisis Económico ISSN: Universidad Autónoma Metropolitana Unidad Azcapotzalco. México
nálisis Económico ISSN: 185-3937 analeco@correo.azc.uam.mx Universidad utónoma Metroolitana Unidad zcaotzalco México utiérrez Fernández, osé lejandro La estabilidad financiera de las entidades económicas
Más detalles2.5.1 Antecedentes. En las redes con aprendizaje competitivo (y cooperativo),
49.5 REDES COMPEIIVAS.5. Antecedentes. En las redes con arendizaje cometitivo (y cooerativo), suele decirse que las neuronas comiten (y cooeran) unas con otras con el fin de llevar a cabo una tarea dada.
Más detallesModelo analítico de rendimiento
AT5128 Arquitectura e Ingeniería de Comutadores II Modelo analítico de rendimiento Curso 2011-2012 AT5128 Arquitectura e Ingeniería de Comutadores II Índice Fuentes de overhead en rogramas aralelos. Métricas
Más detallesQué es la lógica? Lógica matemática. Introducción. La lógica de proposiciones (enunciados) El lenguaje de la lógica
Qué es la lógica? El la ciencia de los rinciios de la validez formal de los razonamientos. Dicho de otra forma, trata de establecer unas leyes que, si las seguimos, siemre razonaremos bien. Hay que diferenciar
Más detallesEVALUACIÓN MOMENTOS O MEDIOS Y ESTRATEGIAS Y MATERIALES INDICADORES INSTRUMENTO METODOLOGÍA MOTIVACIÓN: Interés por el prácticos la definición de
1 SESIÓN DE APRENDIZAJE Nº 04 FACULTAD DE : Ciencias Emresariales ESCUELA PROFESIONAL DE : Administración DOCENTE : Walter Orlando Gonzales Caicedo CICLO: I ASIGNATURA : Lógico Matemática FECHA: TEMAS:
Más detallesMinería de Datos. Clasificación Supervisada. Dr. Edgar Acuña Departamento de Ciencias Matemáticas Universidad de Puerto Rico-Mayaguez
Minería de Datos Clasificación Suervisada Dr. Edgar Acuña Deartamento de Ciencias Matemáticas Universidad de Puerto Rico-Mayaguez E-mail: edgar@math.urm.edu, eacunaf@gmail.com Website: math.urm.edu/~edgar
Más detallesDEPARTAMENTO DE MATEMÁTICAS B A C H I L L E R A T O
DEPARTAMENTO DE MATEMÁTICAS B A C H I L L E R A T O FUNDACIÓN VEDRUNA S E V I L L A COLEGIO SANTA JOAQUINA DE VEDRUNA MATEMÁTICAS I LÍMITES Y CONTINUIDAD DE FUNCIONES Límite finito de una función en un
Más detallesMECÁNICA DE SÓLIDOS. Tema 3 Plasticidad
MECÁNICA DE SÓLIDOS Curso 17/18 Titulación: Grado en Ingeniería Mecánica Tema Plasticidad Profesores: Jorge Zahr Viñuela José Antonio Rodríguez Martínez Tema Plasticidad.1 CUESTIONES PREVIAS. CRITERIOS
Más detallesEstadística Inferencial
Estadística Inferencial 1 Sesión No. 11 Nombre: Regresión y correlación múltile Contextualización En la sesión anterior se resentó la regresión lineal simle y se mostró su uso en la obtención de una ecuación
Más detallesIntroducción y errores
1 Introducción y errores Introducción De una forma sencilla, el Cálculo Numérico se uede definir como la rama del Análisis Matemático ue estudia y desarrolla rocedimientos matemáticos ara resolver roblemas
Más detalles1.2. Repaso de Geometría III
1.2. REPASO DE GEOMETRÍA III 9 1.2. Reaso de Geometría III El lector desués de haber asado or [Di] o [GoJ] debería haber sacado la conclusión de que el gran cambio del curso de Geometría III con resecto
Más detallesPERSONALIDAD Y HÁBITOS DE ESTUDIOS EN DOS MUESTRAS DE ALUMNOS; REGULARES Y EN SITUACIÓN DE REZAGO ESCOLAR
1 PERSONALIDAD Y HÁBITOS DE ESTUDIOS EN DOS MUESTRAS DE ALUMNOS; REGULARES Y EN SITUACIÓN DE REZAGO ESCOLAR Irma Rosa Alvarado Guerrero, Ma. Luisa Ceeda Islas, Ana Elena del Bosque Fuentes, Zaira Vega
Más detallesConceptes fonamentals de xarxes de computadors. Un enfocament analític. J.M. Barceló, Ll. Cerdà, J. García.
Concetes onamentals de xarxes de comutadors. Un enocament analític. J.M. Barceló, Ll. Cerdà, J. García. Temario: Cadenas de Markov y teoría de colas. Ll. Cerdà, 9 horas. Traic models. J.M. Barceló, 6 horas.
Más detallesOferta y demanda. Oferta y demanda. Excedente del consumidor. Disposición a pagar. Tema 2
Oferta y demanda Tema 2 Oferta y demanda La oferta y la demanda son los instrumentos más imortantes de la Teoría Económica Vamos a ver los asectos más básicos de la oferta y la demanda, así como el análisis
Más detallesCORRELATION COPROCESSOR BASED ON FPGA COPROCESADOR DE CORRELACIÓN BASADO EN FPGA. fenrique@uacj.mx, rblanco@uacj.mx
ISSN: 69-757 Volumen Número 5 año - 005 CRREATIN CRCESSR BASED N FGA CRCESADR DE CRREACIÓN BASAD EN FGA Miguel. Arias Estrada, Francisco J. Enríquez Aguilera,, Ricardo E. érez Blanco. INAE, Coordinación
Más detallesApéndice A Convenciones y notación
Aéndice A onvenciones y notación A. Métrica Tensor de métrica g = g = A oordenada contravariante x = (x ; x ; x ; x ) = (t; x; y; z) = (t; x) oordenada covariante x = g x = (t; x) Producto escalar A =
Más detalles- Nombre del documento: Apellido_1_Apellido_2_Nombre_PEC2.pdf.
Sistemas de Comunicaciones I T207-PEC2 Consultor: Francesc Tarrés Fecha entrega: 27 de noviembre de 208 Normas de entrega - Entregar referiblemente un documento en PDF y comrobar que todas las ecuaciones
Más detallesEs bien conocido que tres números e; f; g están en progresión aritmética (AP) si f e = g f: Además, f = e+g
TRIÁNGULOS ARMÓNICOS K.R.S.SASTRY, Bangalore, India Es bien conocido que tres números e; f; g están en rogresión aritmética (AP) si f e = g f: Además, f = e+g 2 es la media aritmética de los números e;
Más detallesInforme Final de Proyecto Terminal. Interfono por Internet (Diseño, construcción y pruebas de los circuitos analógicos de la interfaz)
Informe Final de Proyecto Terminal Interfono or Internet (Diseño, construcción y ruebas de los circuitos analógicos de la interfaz) Alumno: del Ángel Osorno, Jaime Profesor: Dr. Miguel Lóez Guerrero Octubre
Más detalles1 CONCEPTOS BÁSICOS. DENSIDAD DE ESTADOS 1. VARIABLES MICROSCÓPICAS Y MACROSCÓPICAS. ESTADOS MICROSCÓPICOS Y MACROSCÓPICOS
1 CONCEPTOS BÁSICOS. DENSIDAD DE ESTADOS 1. VARIABLES MICROSCÓPICAS Y MACROSCÓPICAS. ESTADOS MICROSCÓPICOS Y MACROSCÓPICOS 2. ESPACIO DE LAS FASES 3. TRAYECTORIAS Y PROCESOS (TERMODINÁMICOS) 4. NÚMERO
Más detallesResolución prueba oficial matemática parte IV
JUEVES E octubre E 0 n 9 on el material que encontrarás en esta edición odrás continuar revisando la su de matemática que se rindió el año asado. El jueves 0 de octubre ublicaremos la cuarta arte de la
Más detallesAlgorítmica del diseño mecánico
Ingeniería Mecánica, 0 (1997) 31 37 31 Algorítmica del diseño mecánico J. Martínez Escanaverino, A. García Toll y T. Ortiz Cárdenas Deartamento de Mecánica Alicada, Facultad de Ingeniería Mecánica, Instituto
Más detallesTeoría de la empresa. La empresa competitiva
Teoría de la emresa La emresa cometitiva La Emresa Cometitiva En un mercado cometitivo, el nivel de roducción de una emresa tiene un imacto insignificante sobre el recio de mercado. Por consiguiente, la
Más detallesMATEMÁTICAS FINANCIERAS
1 MATEMÁTICAS FINANCIERAS LECCIÓN 1: Fundamentos de la valoración financiera. 1. Introducción. Actividad económica: se caracteriza or la roducción de bienes y servicios y or su intercambio entre los diversos
Más detallesSOLUCIÓN Examen de Microeconomía Junio 2010 ESTUDIOS DE GADE Y GECO Duración: 2h. Cada pregunta = 2 puntos.
SOLUCIÓN Eamen de Microeconomía 0605 Junio 00 ESTUDIOS DE GADE Y GECO Duración: h. Cada regunta = untos.. Una emresa ofrece a sus trabajadores dos esuemas de sueldo diferentes: A) Cobrar las rimeras 8
Más detallesTERMODINÁMICA FUNDAMENTAL. TEMA 4. Aplicaciones del primer principio
ERMODINÁMICA FUNDAMENAL EMA 4. Alicaciones del rimer rinciio 1. Ecuación energética de estado. Proiedades energéticas 1.1. Ecuación energética La energía interna, al ser función de estado, deende de, y.
Más detallesFACULTAD DE JURISPRUDENCIA Y CIENCIAS SOCIALES
FACULTAD JURISRUNCIA Y CIENCIAS SOCIALES 133 MISIÓN Somos una Institución de Educación Suerior en ermanente cambio, formadora de rofesionales cometentes, con amlios conocimientos en las Ciencias Jurídicas,
Más detallesReconocimiento de Patrones
Reconocimiento de Patrones Técnicas de validación (Clasificación Supervisada) Jesús Ariel Carrasco Ochoa Instituto Nacional de Astrofísica, Óptica y Electrónica Clasificación Supervisada Para qué evaluar
Más detallesValidación del modelo vitamínico de Warr mediante regresión no paramétrica localmente ponderada
Psicothema ISSN 014-9915 CODEN PSOTEG 000. Vol. 1, Sul. nº,. 135-139 Coyright 000 Psicothema Validación del modelo vitamínico de Warr mediante regresión no aramétrica localmente onderada Eva Cifre Gallego,
Más detallesP jω es decir: G (P).H (P) G (jω).h (jω) EXÁMEN FINAL 11 DE JULIO DE 2001 = 270. Dada la siguiente función de transferencia de lazo cerrado :
INENIERÍA EN ELECTRÓNICA J.T.. : IN. JUAN JOSÉ ARCIA ABAD. EXÁMEN FINAL DE JULIO DE Dada la siguiente función de transferencia de lazo cerrado : A Trace el diagrama de Nyquist y alique criterio de estabilidad.
Más detallesDESIGUALDAD DE LA DISTRIBUCIÓN DE LA RENTA EN LAS PROVINCIAS DE CASTILLA Y LEÓN: UN ESTUDIO REALIZADO CON MÉTODOS NO PARAMÉTRICOS.
DESIGUALDAD DE LA DISTRIBUCIÓN DE LA RENTA EN LAS PROVINCIAS DE CASTILLA Y LEÓN: UN ESTUDIO REALIZADO CON MÉTODOS NO PARAMÉTRICOS. Rafael HERRERIAS PLEGUEZUELO Federico PALACIOS GONZALEZ José CALLEJON
Más detallesLímite de una función
CAPÍTULO Límite de una función. Límites en infinito Sea f./ una función. Suongamos que.a; C/ D f. Diremos que el ite de f./ cuando tiende o diverge a C es [notación f./ D si los valores de f./ están tan!c
Más detallesQuímica 2º Bach 1º 3ª evaluación.
Química º Bach 1º ª evaluación. Nombre Núm lase Fecha Nota 0-marzo- 017 /8 1) Estamos investigando sobre el mecanismo de reacción del roceso: (1,5 ; 0,5 cada aartado) NO5 4 NO O y tenemos dos mecanismos
Más detalles