Intel. Artif e Ing. del Conocimiento Metodología KADS 1 Vidal Moreno Rodilla. Dpto Inf. y Autom. USAL
|
|
- Felisa Cano Mendoza
- hace 7 años
- Vistas:
Transcripción
1 ,QWHOLJHQFLD$UWLILFLDOH,QJHQLHUtDGHO&RQRFLPLHQWR 5HYLVLyQGHOD,$FOiVLFD 5HSUHVHQWDFLyQ\E~VTXHGD 6LVWHPDVH[SHUWRV 0(72/2*,$.$'6 ³1XHYRV HQIRTXHVGHOD,$ $JHQWHV,QWHOLJHQWHV $SUHQGL]DMH /yjlfdvpxowlydoxdgdv &RPSXWDFLyQHYROXWLYD Intel. Artif e Ing. del Conocimiento Metodología KADS 1 0HWRGRORJtD.$'6,QWURGXFFLyQ 0RGHORGHSHULFLD &RQRFLPLHQWRGHOGRPLQLR &RQRFLPLHQWRLQIHUHQFLDO &RQRFLPLHQWRGHWDUHDV (MHPSOR 6LVWHPDH[SHUWREDVDGRHQUHJODVFRQ1(;3(57 Intel. Artif e Ing. del Conocimiento Metodología KADS 2 1
2 ,QWURGXFFLyQ 1LYHOFRQFHSWXDOHQHOGLVHxRGHXQVLVWHPDLQWHOLJHQWH 'HVULSFLRQHV DEVWUDFWDVGHORVREMHWRV \RSHUDFLRQHV TXHXQ VLVWHPDGHEHUtDFRQRFHUIRUPXODGDVGHWDOIRUPDTXHFDSWXUHQHO FRQRFLPLHQWR TXHWLHQHHOKXPDQRGHWDOFRPSRUWDPLHQWR,QGHSHQGLHQWHGHODLPSOHPHQWDFLyQ 0(72'2/2*,$.$'6 KWWSZZZVZLSV\XYDQOSURMHFWV&RPPRQ.$'6DEVWUDFWV6FKUHLEHUHKWPO 0RGHORFRQFHSWXDO.$'6 0RGHORGHSHULFLD 0RGHORGHFRRSHUDFLyQ (VSHFLILFDFLyQGHODIXQFLRQDOLGDGGHDTXHOODVVXEWDUHDV TXH UHTXLHUHXQHVIXHU]RFRRSHUDWLYR6RQWDUHDVGHQRPLQDGDVGH WUDQIHUHQFLD GHLQIRUPDFLyQDRWURVDJHQWHV Intel. Artif e Ing. del Conocimiento Metodología KADS 3 0RGHORGHSHULFLD 6HVXSRQHSRVLEOH\~WLOODGLVWLQFLyQHQWUHGLVWLQWRVWLSRV GHFRQRFLPLHQWRGHDFXHUGRDORVGLIHUHQWHV³SDSHOHV TXHVHSXHGHQUHSUHVHQWDUHQHOSURFHVRGH UD]RQDPLHQWR 6HDVXPHTXHGLFKRVWLSRVGHFRQRFLPLHQWRFRQVWLWX\HQ ³FDSDV HQWUHODVFXDOHVODLQWHUDFFLyQHVOLPLWDGD 7LSRVGHFRQRFLPLHQWR &RQRFLPLHQWRHVWiWLFR (QWLGDGHVGHOGRPLQLRFRQLQGHSHQGHQFLDGHVXPDQHMR6H GLVWLQJXHQORVFRQFHSWRVGHODVRSHUDFLRQHV &RQRFLPLHQWRLQIHUHQFLDO &RQRFLPLHQWRGHWDUHDV &RQRFLPLHQWRHVWUDWpJLFR Intel. Artif e Ing. del Conocimiento Metodología KADS 4 2
3 0RGHORGHSHULFLD7LSRVGH FRQRFLPLHQWR, &RQRFLPLHQWRHVWiWLFR &RQRFLPLHQWRLQIHUHQFLDO 3DVRVHOHPHQWDOHVGHUD]RQDPLHQWR7LHQHQHQWUDGD\VDOLGD SDSHOHVGHOGRPLQLR &RQRFLPLHQWRGHWDUHDV (VSHFLILFDHOREMHWLYRGHODWDUHD TXHVHSUHWHQGHVROXFLRQDU\HO PpWRGRSRUHOFXDOVHUHVXHOYH'HVFULELUXQPpWRGRGHVROXFLyQ GHXQDWDUHDHVGHILQLUVXGHVFRPSRVLFLyQUHFXUVLYDHQ VXEWDUHDV \GHWHUPLQDUHORUGHQHQTXHpVWDVGHEHQHMHFXWDUVH SDUDUHVROYHUOD &RQRFLPLHQWRHVWUDWpJLFR 6HUHILHUHDODSODQLILFDFLyQGHODWDUHDGHWHUPLQDQGRODVGLIHUHQWHV FRQGLFLRQHVHQTXHVHOOHYDUiQDFDERPpWRGRVDOWHUQDWLYRVGH HMHFXFLyQ Intel. Artif e Ing. del Conocimiento Metodología KADS 5 0RGHORGHSHULFLD7LSRVGH FRQRFLPLHQWR\,, Intel. Artif e Ing. del Conocimiento Metodología KADS 6 3
4 &RQRFLPLHQWRHVWiWLFR &RQFHSWR8QLGDGUHSUHVHQWDWLYDFHQWUDO,GHQWLILFDGRSRUXQQRPEUH +DFHUHIHUHQFLDDHQWLGDGHV$EVWUDFWDV FODVHV(MSDFLHQWHVR (QWLGDGHVFRQFUHWDV REMHWR(M9LGDO 3URSLHGDGYDORU/RVFRQFHSWRVGLVSRQHQGHSURSLHGDGHV 1RPEUH 9DORU 9DORUÃSRUÃRPLVLyQÃ\ó1RUPD Ã9DORUÃGHÃFRPSDUDFLyQ 5HODFLRQHV ([SUHVDQODUHODFLRQHVPHQWDOHVTXHXWLOL]DHOH[SHUWRSDUDHQOD]DU FRQFHSWRV(MHPSOR5HGHVVHPiQWLFDV (MHPSORVHVXQHVSDUWHGHHVFDXVDGH Intel. Artif e Ing. del Conocimiento Metodología KADS 7,QIHUHQFLDV &RQRFLPLHQWRLQIHUHQFLDO, &RQMXQWRGHWDUHDVQRSHUPLWHQXQDSRVWHULRUGHVFRPSRVLFLyQ 3ULPLWLYDVGHOUD]RQDPLHQWR 6HGHVFULEHHVSHFLILFDQGRODIXQFLyQTXHUHDOL]DQ WUDQVIRUPDFLyQGHHVWUXFWXUDGHGDWRV7LHQHQXQDHQWUDGD\ XQDVDOLGD 3DSHOHVHVWiWLFRV (OHPHQWRVGHOFRQRFLPLHQWRGHOGRPLQLRTXHVRQQHFHVDULRV SHURTXHQRVRQDIHFWDGRVSRUHOSURFHVRGHUD]RQDPLHQWR 3DSHOHVGLQiPLFRV (QWUDGDV\VDOLGDVGHODVLQIHUHQFLDVTXHVHxDODQORVHOHPHQWRV TXHVRQPDQLSXODGRVSRUHOUD]RQDPLHQWR Intel. Artif e Ing. del Conocimiento Metodología KADS 8 4
5 &RQRFLPLHQWRLQIHUHQFLDO,, (VSHFLILFDFLyQ 7LSRGHRSHUDFLyQ0pWRGRGH UD]RQDPLHQWR 'HVFRPSRQHUUHILQDU 3DSHOHVGHHQWUDGD 3DSHOHVGHVDOLGD 3DSHOHVHVWiWLFRV (VSHFLILFDFLyQ inferencia descompone operation-type: descomposición; input-roles: modelo del sistema; output-roles: hipótesis; static-roles: ; spec: Refina una causa/componentes en causas másespecíficas /subcomponentes Intel. Artif e Ing. del Conocimiento Metodología KADS 9 &RQRFLPLHQWRLQIHUHQFLDO,,, (VSHFLILFDFLyQ 7DEODGHSDSHOHVUHIHUHQFLDGRV 7DEODGHLQIHUHQFLDVXWLOL]DGDV /DVLQIHUHQFLDVVHLQWHJUDQHQ XQGLDJUDPDGHLQIHUHQFLDV (OGLDJUDPDGHLQIHUHQFLDVH[SUHVD HO³PpWRGR VHOHFFLRQDGRSDUD UHVROYHUXQDWDUHD 0DUFDODVHSDUDFLyQ &212&,0,(172,1)(5(1&,$/ &212&,0,(172'(7$5($6 Inferencia Concepto Intel. Artif e Ing. del Conocimiento Metodología KADS 10 5
6 &RQRFLPLHQWRGHWDUHDV 8QDWDUHD HVXQREMHWLYRJHQHUDO GLDJQRVWLFDUSODQLILFDU SDUDFX\DFRQVHFXFLyQVHVLJXHXQPpWRGR 8QPpWRGRVHFRQFUHWDHQODGHVFRPSRVLFLyQGHODWDUHDHQ VXEWDUHDV LQIHUHQFLDV\XQFRQWUROFULWHULRGHVHOHFFLyQ (MHPSOR',$*1267,&26,67(0$7,&2 (/FRQRFLPLHQWRGHOFRQWURO GHOPpWRGRHVSHFLILFDHO SURFHGLPLHQWRGHHQODFHGHODVLQIHUHQFLDV,PSUHVFLQGLEOHSDUDODLPSOHPHQWDFLyQ (VSHFLILFDFLyQ SVHXGRFyGLJRDXWyPDWDVILQLWRV &RPSRVLFLyQ(VSHFLILFDFLyQIXQFLRQDO VXVREMHWLYRV 6XSRVLFLRQHV FRQRFLPLHQWRUHTXHULGR(VSHFLILFDFLyQ RSHUDFLRQDO,QIHUHQFLDV\HOIOXMRGHFRQWURO Intel. Artif e Ing. del Conocimiento Metodología KADS 11 &RQRFLPLHQWRGHWDUHDV 'HVFULSFLyQ&0/ Intel. Artif e Ing. del Conocimiento Metodología KADS 12 6
7 (MHPSOR1(;3(57, 3UREOHPDSURSXHVWR 'LDJQyVWLFRGHHQIHUPHGDGHVKHPDWROyJLFDV 'HILQLUODFDXVDGHXQFXDGURGHKHPRUUDJLDV 6HxDOGHDODUPD%DMRQLYHOGHKHPRJORELQD 6HFRQVLGHUDHOPRGHORGHSURGXFFLyQGHFRiJXORV 0RGHORFDXVDO 6HFXHQFLDGHWHVW 7HVW GH5XPSHOO/HHGH IUDJLOLGDGYDVFXODU 5HFXHQWRGHSODTXHWDV 'LIHUHQWHVSRVLELOLGDGHV Intel. Artif e Ing. del Conocimiento Metodología KADS 13 (MHPSOR1(;3(57,, 'LDJQyVWLFRÃGHÃHQIHUPHGDGHVÃKHPDWROyJLFDV Intel. Artif e Ing. del Conocimiento Metodología KADS 14 7
8 (MHPSOR1(;3(57,,, 'LDJUDPDÃGHÃLQIHUHQFLDVÃHQÃODÃWDUHDÃGHÃGLDJQyVWLFRÃVLVWHPiWLFR Intel. Artif e Ing. del Conocimiento Metodología KADS 15 (MHPSOR1(;3(57,9 &RQRFLPLHQWRLQIHUHQFLDO 3DSHOHVGHOGRPLQLR 3DSHOÃGHOÃGRPLQLR Complaint System model Possible observables Hypothesis Variable value Norm Difference Conclusion ([SOLFDFLyQ Llamada de atención, aviso que desencadena el diagnóstico Modelo del sistema, que principio puede ser causal o FRQVWDGe. Variables u estados observables. Subsistema. Valor de salida o Estado observado Valor de salida o Estado esperado, de normalidad Clase de diferenciación Si o no es el elemento que falló o la causa del problema Intel. Artif e Ing. del Conocimiento Metodología KADS 16 8
9 (MHPSOR1(;3(579 &RQRFLPLHQWRLQIHUHQFLDO 3DSHOHVGHOGRPLQLR Intel. Artif e Ing. del Conocimiento Metodología KADS 17 (MHPSOR1(;3(579, &RQRFLPLHQWRGHWDUHDV Systematic Diagnosis (+complaint, +possible observables, -system model) b select 1 (+complaint, -system model) REPEAT decompose (+system model, -hypothesis) WHILE number of hypotheses > 1 select 2 (+possible obsevables, -variable value) select 3 (+hypothesis, -norm) compare (+variable value, +norm, -difference) system model current decomposition level of system model UNTIL confirm (+hypothesis). Intel. Artif e Ing. del Conocimiento Metodología KADS 18 9
10 (MHPSOR1(;3(579,, &RQRFLPLHQWRHVWiWLFR 3DSHOHVHQHOGLDJQyVWLFR 3DSHOHVÃGHOÃGRPLQLR PiVÃJHQpULFR 3DSHOHVÃGHOÃGRPLQLR SDUDÃPRGHORÃFDXVDO 'HVFULSFLyQ Complaint Fallo Descripción de estado de anormalidad System model Modelo causal Modelo causal del sistema Possible observables Estados observables Estados observables Hypothesis Causa posible Submodelo causal Variable value Valor de la variable Estado observado Norm Norma Estado esperado, de normalidad Difference Diferencia Clase de diferenciación Conclusion Conclusión Si o no la hipótesis fue causa del fallo Intel. Artif e Ing. del Conocimiento Metodología KADS 19 (MHPSOR1(;3(579,,, &RQRFLPLHQWRHVWiWLFR 3DSHOHVHQHOGLDJQyVWLFRGRPLQLRGHODKHPDWRORJtD Intel. Artif e Ing. del Conocimiento Metodología KADS 20 10
11 (MHPSOR1(;3(57,; 'LVHxRHLPSOHPHQWDFLyQVROXFLyQOLQHDO $UERO GHSUXHEDV!VORWVGHXQVRORREMHWRGHSUXHEDV 5HJODV 7DQWDVFRPRSRVLELOLGDGHVGH+LSyWHVLVGHGLDJQyVWLFR +LSyWHVLVGHUHJODV +LSyWHVLVGHGLDJQyVWLFR 6RORVHGHILQHXQREMHWRGHKLSyWHVLVGHGLDJQyVWLFRFRQ HOHPHQWRV ± 5HDOL]DGR%RROHDQ ± 5HVXOWDGR VLPEyOLFR $QWHFHGHQWHV 3UHPLVDVHQHORUGHQHQTXHVHUHFRUUHHOiUEROGHOD GHVFULSFLyQGHGLDJQRVLV (OFRQMXQWRVHFRPSRUWDVLJXLHQGRXQUHFRUULGRVLVWHPiWLFR/D HYROXFLyQHVVHPHMDQWHDODTXHGHILQHODWDUHD 3RFRSDUHFLGRHVWUXFWXUDOFRQHOPRGHORGHSHULFLD Intel. Artif e Ing. del Conocimiento Metodología KADS 21 (MHPSOR1(;3(57; 'HILQLFLyQGHREMHWRV3UXHED\GLDJQyVWLFR Intel. Artif e Ing. del Conocimiento Metodología KADS 22 11
12 (MHPSOR1(;3(57;, 'HILQLFLyQGHREMHWRV Intel. Artif e Ing. del Conocimiento Metodología KADS 23 (MHPSOR1(;3(57;,, 'HILQLFLyQGHUHJODV Intel. Artif e Ing. del Conocimiento Metodología KADS 24 12
13 (MHPSOR1(;3(57;,,, 'HILQLFLyQGHUHJODV Intel. Artif e Ing. del Conocimiento Metodología KADS 25 (MHPSOR1(;3(57;,9 (MHFXFLyQž'HILQLFLyQGHHVWUDWHJLD Intel. Artif e Ing. del Conocimiento Metodología KADS 26 13
14 (MHPSOR1(;3(57;9 (MHFXFLyQž'HILQLFLyQGHREMHWLYRV Intel. Artif e Ing. del Conocimiento Metodología KADS 27 (MHPSOR1(;3(57;9, (MHFXFLyQž&RQVXOWD Intel. Artif e Ing. del Conocimiento Metodología KADS 28 14
15 &ygljr, (MHPSOR1(;3(57;9,, Intel. Artif e Ing. del Conocimiento Metodología KADS 29 &ygljr,, (MHPSOR1(;3(57;9,,, Intel. Artif e Ing. del Conocimiento Metodología KADS 30 15
16 (MHPSOR1(;3(57;,; 2WUDVLPSOHPHQWDFLRQHV,PSOHPHQWDFLyQSRUGLIHUHQFLDFLyQ (QFDGHQDPLHQWRKDFLDDWUiV (VWUXFWXUDGHUHJODVVHPHMDQWHDOiUEROGHGLDJQyVWLFRVLVWHPiWLFR (MHPSOR³3UREOHPDSODTXHWDULR Intel. Artif e Ing. del Conocimiento Metodología KADS 31 (MHPSOR1(;3(57\;; 2WUDV LPSOHPHQWDFLRQHV,PSOHPHQWDFLyQ GHFODUDWLYD 9iOLGDSDUDiUEROHV GHGHFLVLyQ ELQDULRV Intel. Artif e Ing. del Conocimiento Metodología KADS 32 16
3. Componentes del Modelo de Conocimiento
La metodología CommonKADS 3. Componentes del Modelo de Conocimiento 3.1 Introducción 3.2 Conocimiento de Dominio 3.3 Conocimiento de Inferencia 3.4 Conocimiento de Tarea Carlos Alonso González Dpto. de
Más detallesFIRST INTERNATIONAL COMPARATIVE STUDY OF LANGUAGE AND MATHEMATICS of students that achieved. of students that achieved. Language: Percentage
I II I II 95 77 57 99 93 78 87 55 30 91 70 46 95 80 54 98 93 72 93 71 49 97 86 67 89 59 35 97 81 56 77 52 30 83 64 42 87 55 29 94 73 44 89 58 38 96 84 65 88 60 37 93 75 54 86 55 29 94 78 54 88 59 38 91
Más detallesIntel. Artif e Ing. del Conocimiento PRÁCTICAS 1
/XJDUHV:(%HURV $OPDFHQ KWWSZZZFVFPXHGXDIVFVFPXHGXSURMHFWDL UHSRVLWRU\DLKWPODLUKWPO $UW,QWHOO$PRGHUQ$SSURDFK KWWSZZZFVEHUNHOH\HGXaUXVVHOODLPDKWPO Intel. Artif e Ing. del Conocimiento PRÁCTICAS 1 3URORJ,QWURGXFFLyQ
Más detallesARTICULO: 5810 Sistema de Posicionador Digital para Actuador Eléctrico Digital Positioning System for Electric Actuator
ARTICULO: 5810 Sistema de Posicionador Digital para Actuador Eléctrico Digital Positioning System for Electric Actuator Características El DPS es un accesorio para los actuadores eléctricos que convierte
Más detallesMETODOLOGÍA DE LA INVESTIGACIÓN LA HIPOTESIS
METODOLOGÍA DE LA INVESTIGACIÓN LA HIPOTESIS Ing. Cruces Hernández Guerra HIPÓTESIS DE RELACIÓN CAUSAL Ejemplos : 1. Los niños que nacen con circular del cordón umbilical desarrollan una conducta hiperactiva
Más detallesUNIVERSIDAD NACIONAL DE EDUCACIÓN A DISTANCIA. Dpto. Inteligencia Artificial. UNED. Diagnóstico parcial de hemorragias: Modelado e implementación.
UNIVERSIDAD NACIONAL DE EDUCACIÓN A DISTANCIA Dpto. Inteligencia Artificial. UNED Diagnóstico parcial de hemorragias: Modelado e implementación. Introducción. Se pretende en este documento mostrar la utilización
Más detallesPráctica 4 vgaribay PRÁCTICA 4. CONTRASTE DE HIPOTESIS. 1 ESTUDIO DE NORMALIDAD Plot de normalidad. Camino 1
PRÁCTICA 4. CONTRASTE DE HIPOTESIS OBJETIVOS: Estudiar el plot de normalidad Manejar los módulos de contrastes de hipótesis. Obtener las probabilidades de error de tipo I y II, la función de potencia y
Más detallesUNIVERSIDAD ANDINA DEL CUSCO FACULTAD DE INGENIERIA Y ARQUITECTURA
UNIVERSIDAD ANDINA DEL CUSCO FACULTAD DE INGENIERIA Y ARQUITECTURA ESCUELA PROFESIONAL DE INGENIERIA INDUSTRIAL TESIS IMPLEMENTACIÓN DEL SISTEMA DE GESTIÓN DE CALIDAD EN EL PROCESO DE OPERACIONES BAJO
Más detalles6. Diseño e Implementación de Sistemas Basados en Conocimiento
La metodología CommonKADS 6. Diseño e Implementación de Sistemas Basados en Conocimiento 6.1 Introducción 6.2 Diseño que mantiene la estructura 6.3 Paso 1: Diseño arquitectura del sistema 6.4 Paso 2: Identificar
Más detallesAprendizaje de conceptos. El aprendizaje como generalización
Aprendizaje de conceptos. El aprendizaje como generalización 1 Aprendizaje de conceptos Consideraremos el problema de inferir automáticamente la definición general de un concepto o clase a partir de un
Más detallesLa enseñanza de la Estadística (2005) Esperanza Ayuga. José M. Moral
La enseñanza de la Estadística aplicada al área agroforestal (2005) Esperanza Ayuga Concepción González José M. Moral DESARROLLO El Ingeniero global y su formación La Estadística aplicada a la Ingeniería
Más detallesEstadística Aplicada y Lingüística Empírica. Introducción a las Tecnologías del Habla 2 o cuatrimestre 2014 Agustín Gravano
Estadística Aplicada y Lingüística Empírica Introducción a las Tecnologías del Habla 2 o cuatrimestre 2014 Agustín Gravano Antes de empezar... Entrá a http://tinyurl.com/experimento-ith Ingresá tu altura
Más detallesAccess control system. Gate controller.
Access control system. Gate controller. www.topkodas.lt zivile@topkodas.lt UPC: 99989897969062 1. Install Android, web app. Add new system. 2. Go to Users and press Add new user button. 3. Enter: - Name;
Más detallesAplicaciones: Herramientas clásicas, Redes Neuronales, control borroso
Indice Inteligencia Artificial Historia Revisión de Técnicas Control automático Jerarquía de control Necesidad de inteligencia Aplicaciones: Herramientas clásicas, Redes Neuronales, control borroso Control
Más detallesPONTIFICIA UNIVERSIDAD CATÓLICA DE PUERTO RICO DEPARTAMENTO DE FÍSICA MATEMÁTICAS
PONTIFICIA UNIVERSIDAD CATÓLICA DE PUERTO RICO DEPARTAMENTO DE FÍSICA MATEMÁTICAS Nombre: Fecha: Sec. Repaso MAT. 298 Núm. I. Seleccione la respuesta correcta: (3 puntos cada uno) Caso: Sea T= {0, 0, 2,
Más detallesInteligencia Artificial e Ingeniería del Conocimiento
Inteligencia Artificial e Ingeniería del Conocimiento I. A. Clásica Nuevos enfoques de la I. A. Agentes Inteligentes Aprendizaje Introducción Aprendizaje inductivo decisión Planteamiento conectivista.
Más detalles5. Construcción del Modelo de Conocimiento
La metodología CommonKADS 5. Construcción del Modelo de Conocimiento 5.1 Introducción: proceso de modelado de conocimiento 5.2 Identificación del conocimiento 5.3 Especificación del conocimiento 5.4 Refinamiento
Más detallesCommonKADS: Nivel de concepto
Francisco J. Martín Mateos Dpto. Ciencias de la Computación e Inteligencia Artificial Universidad de Sevilla Objetivos del nivel de concepto Especifica la estructura de la información y del conocimiento
Más detallesSystem monitoring Vacuum switches
System monitoring Vacuum switches Vacuum switch - digital / analog with display Vacuum switch - digital / analog with display Product Description > Monitoring of vacuum levels, e.g. in handling systems
Más detallesCATÁLOGO DE INFERENCIAS
Las inferencias son los elementos claves en los modelos de conocimiento o Son los elementos constitutivos de los procesos de razonamiento No existe ningún estándar CommonKADS ofrece un catálogo que cubre
Más detallesRelación entre tests de hipótesis bilaterales e intervalos de confianza
Relación entre tests de hipótesis bilaterales e intervalos de confianza Introduciremos esta relación a través de un ejemplo. Sea X 1, X,..., X n una m.a. de una distribución N ( µ, σ ). Sabemos que, cuando
Más detallesMETODOLOGÍA DE LA INVESTIGACIÓN LA HIPOTESIS
METODOLOGÍA DE LA INVESTIGACIÓN LA HIPOTESIS Ing. Cruces Hernández Guerra ORIGEN DE LAS INVESTIGACIONES Las investigaciones se originan en ideas Para iniciar una investigación siempre se necesita una idea
Más detalles/DGLPHQVLyQRSHUDWLYDGHOSUR\HFWR
/DGLPHQVLyQRSHUDWLYDGHOSUR\HFWR El proyecto representa el enunciado de una intervención concreta, de la que se espera obtener resultados que contribuyan al logro de los efectos específicos que un Programa
Más detallesDefinir la estructura física de datos a partir del modelo lógico de datos normalizado o modelo de clases Analizar los caminos de acceso a los datos
$FWLYLGDG'6,'LVHxR)tVLFRGH'DWRV 2EMHWLYRV Definir la estructura física de datos a partir del modelo lógico de datos normalizado o modelo de clases Analizar los caminos de acceso a los datos utilizados
Más detallesInferencia Estadística. Pruebas paramétricas y no paramétricas. Análisis de datos
Inferencia Estadística. Pruebas paramétricas y no paramétricas. Análisis de datos VDC Prof. Mª JOSÉ PRIETO CASTELLÓ ANÁLISIS ESTADÍSTICO DE DATOS Estadística Descriptiva: -Cualitativas: frecuencias, porcentajes
Más detalles2. EL DISEÑO UNIFACTORIAL (COMPARACION DE TRATAMIENTOS)
2. EL DISEÑO UNIFACTORIAL (COMPARACION DE TRATAMIENTOS) La idea principal en este capitulo es el inicio a planear los diseño experimentales y su correspondiente análisis estadístico. En este caso iniciaremos
Más detallesCLAVE Lab 11 - Regresión Lineal Simple y Polinomial
Escala común CLAVE Lab 11 - Regresión Lineal Simple y Polinomial 1. A mano, construya los siguientes gráficos: a. Grafique la línea recta correspondiente a la ecuación y 2x 1 b. Grafique la línea recta
Más detallesThu Aug 04 12:11: Settings And Actual Values PAGE 1
Thu Aug 04 12:11:45 2016 Settings And Values PAGE 1 PQMII SETUP PREFERENCES Default Message Time 1.0 min Display Filter Constant 4 USER MESSAGES Meter ID Alimentador 1 Programmable message Rele Prueba
Más detallesLab 1: Representación de señales en System Generator
Introducción Objetivos Lab 1: Representación de señales en System Generator Este laboratorio guia al asistente a través de las herramientas System Generator y Simulink para analizar la representación de
Más detallesEquipos de Escritorio
Equipos de Escritorio Ing. Diego René Gascón García Alianzas Estratégicas Oficina 58.76.42.77 Móvil 044.55.3677.6920 dgascon@intelligentechnologiesystems.com.mx Equipos de Escritorio Intel ATOM PROCESADOR
Más detallesEstrategia de análisis estadístico de los datos. Inferencia Estadística y contraste de hipótesis
Estrategia de análisis estadístico de los datos. Inferencia Estadística y contraste de hipótesis VDC Prof. Mª JOSÉ PRIETO CASTELLÓ MÉTODOS ESTADÍSTICOS. TÉCNICAS ESTADÍSTICA DESCRIPTIVA TEORÍA DE LA PROBABILIDAD
Más detallesIIC 3633 - Sistemas Recomendadores
Tests Estadísticos para Comparar Recomendaciones IIC 3633 - Sistemas Recomendadores Denis Parra Profesor Asistente, DCC, PUC CHile Page 1 of 11 TOC En esta clase 1. Significancia Estadistica de los Resultados
Más detallesMicroprocesadores, Tema 8:
Microprocesadores, Tema 8: Periféricos de Comunicación Síncronos Guillermo Carpintero Marta Ruiz Universidad Carlos III de Madrid Standard de Comunicación Protocolos Standard de Comunicación Serie Síncrona
Más detallesEJEMPLOS PARA EL PROGRAMA SMART-BARS PARA CALCULADORAS TEXAS INSTRUMENTS VOYAGE 200 Y TI-89 TITANIUM
EJEMPLOS PARA EL PROGRAMA SMART-BARS PARA CALCULADORAS TEXAS INSTRUMENTS VOYAGE 200 Y TI-89 TITANIUM Para acceder al programa debes cargar el menú de mecánica, química y utilidades, desde la pantalla HOME
Más detallesSe les añade una terminación en español
Empieza con el Inglés: aprende las mil palabras más usadas y sus posibilidades comunicativas Módulo 1 Material Complementario 1: Primeros pasos Palabras idénticas al leer/escribir probable no similar total
Más detallesANÁLISIS ESTADÍSTICO REGRESIÓN LINEAL SIMPLE
ANÁLISIS ESTADÍSTICO REGRESIÓN LINEAL SIMPLE Jorge Fallas jfallas56@gmail.com 2010 1 Temario Introducción: correlación y regresión Supuestos del análisis Variación total de Y y variación explicada por
Más detallesChapter 7 Registers & Counters
Chapter 7 s & Counters Luis Entrena, Celia López, Mario García, Enrique San Millán Universidad Carlos III de Madrid Contents. s Ø Ø Ø 2. Counters Ø Ø s serial input, parallel-serial output s parallel output,
Más detallesAnálisis de dos muestras
Análisis de dos muestras Supongamos el siguiente ejemplo. La resistencia a la rotura de un componente eléctrico constituye una característica importante de un cierto proceso. Un fabricante utiliza un material
Más detallesGeneración de variables aleatorias discretas Método de aceptación y rechazo Método de composición Método de la urna Método de tablas
Generación de variables aleatorias discretas Método de aceptación y rechazo Método de composición Método de la urna Método de tablas Georgina Flesia FaMAF 11 de abril, 2013 Método de Aceptación y Rechazo
Más detallesTitulo: MATLAB como herramienta metodológica en la enseñanza y su incidencia en el rendimiento académico universitario.
Titulo: MATLAB como herramienta metodológica en la enseñanza y su incidencia en el rendimiento académico universitario. Autores: Eder Lenin Cruz Siguenza, Carlos José Santillán Mariño,, Luis Fernando Buenaño
Más detallesPráctica 5 Prueba de Hipótesis
05/08/08 1 Práctica 5 Prueba de Hipótesis PROGRAMA: SPSS ARCHIVOS: Equinos.sav; Temp.xls, Cabras.xls, Car_boer.xls, Malinois.xls. Conocimientos previos: Conocer y utilizar la distribución normal estándar,
Más detallesGeneración de variables aleatorias discretas Método de aceptación y rechazo Método de composición Método de la urna Método de tablas
Generación de variables aleatorias discretas Método de aceptación y rechazo Método de composición Método de la urna Método de tablas Georgina Flesia FaMAF 10 de abril, 2012 Método de Aceptación y Rechazo
Más detalles> t.test (datos_x, datos_y =NULL, alternative = "two.sided", mu = 0, paired =FALSE, var.equal = FALSE, conf.level= 0.95)
INTERVALOS DE CONFIANZA Y TEST DE HIPOTESIS CON R Estudiemos ahora la función en el lenguaje R, que nos ofrece tanto estimaciones puntuales y por intervalos de confianza como test de hipótesis, es: > t.test
Más detalles4. Plantillas de Modelos de Conocimiento
La metodología CommonKADS 4. Plantillas de Modelos de Conocimiento 4.1 Introducción 4.2 Tipología de tareas 4.3 Catálogo de Plantillas de Tareas Carlos Alonso González Dpto. de Informática Universidad
Más detalles3.3 Prueba de Kolmogorov-Smirnov
3.3 Prueba de Kolmogorov-Smirnov La prueba de Kolmogorov-Smirnov (prueba K-S) proporciona datos similares a los de la prueba de la chi cuadrada para determinar la calidad del ajuste Estudia el grado de
Más detallesIntroducción al Aprendizaje de Máquina II
Depto. de Ing. de Sistemas e Industrial Universidad Nacional de Colombia, Bogotá 12 de febrero de 2007 Contenido Patrones y Generalización 1 Patrones y Generalización Generalización a partir de ejemplos
Más detallesANÁLISIS ESTADÍSTICO PRUEBA DE HIPOTESIS
ANÁLISIS ESTADÍSTICO PRUEBA DE HIPOTESIS Jorge Fallas jfallas56@gmail.com 2010 1 Temario Datos experimentales y distribuciones de referencia Una media poblacional Hipótesis nula, alternativa y nivel de
Más detallesPráctica de CONTRASTES DE HIPÓTESIS
Práctica de CONTRASTES DE HIPÓTESIS 1.- Objetivo de la práctica El objetivo de esta práctica es familiarizarse con los contrastes de hipótesis y su aplicación a diversos casos prácticos. 2.- Contrastes
Más detallesExamen Parcial 1. The GLM Procedure Class Level Information Class Levels Values trat
Examen Parcial 1 Nombre: AGRO 6600 2011 Instrucciones: Por favor lea los enunciados y las preguntas cuidadosamente. Se pueden usar el libro y la calculadora. Para obtener crédito parcial las respuestas
Más detallesDistribuidor para Latinoamérica Importadora Bouticar, S.A. - 1 / 6
Importadora Bouticar, S.A. - 1 / 6 1 TL-500 2 CANALES - Número de Canales 02 Potencia Máxima @ 14,4 VDC 2 x 50 W (Stereo 2 OHMS) Tensión de Alimentación: 8 a 16 VDC Consumo a Máxima Potencia (Musical):
Más detallesDistribuidor para Latinoamérica Importadora Bouticar, S.A. - 1 / 6
Importadora Bouticar, S.A. - 1 / 6 1 TL-500 2 CANALES - Número de Canales 02 Potencia Máxima @ 14,4 VDC 2 x 50 W (Stereo 2 OHMS) Tensión de Alimentación: 8 a 16 VDC Consumo a Máxima Potencia (Musical):
Más detallesCLAVE - Lab 5 - Contrastes
CLAVE - Lab 5 - Contrastes 1. Se realizó un experimento para comparar cuatro conservadore diferentes para fresas congeladas (C1, C2, C3, C4). Se cosecharon suficientes fresas para obtener 32 muestras de
Más detallesTema 5 - III: Inferencia sobre dos poblaciones: proporciones, varianzas, medias
Tema 5 - III: Inferencia sobre dos poblaciones: proporciones, varianzas, medias Biología y Biología sanitaria - UAH Marcos Marvá Ruiz Para dos poblaciones Se presentan conjuntamente intervalos y contrastes
Más detallesJudo Software Programa para Competencias de Judo
CREACION DE COMPETENCIAS 2 SORTEO 8 Pasos para realizar un sorteo 9 Planillas de Combate 12 Siembra de Competidores 13 ORDEN DE COMBATES 14 Paso #1 - Crear un orden de combates 15 Paso #2 Distribuir las
Más detallesProgramación lineal. Optimización de procesos químicos
Programación lineal PROGRAMACIÓN LINEAL PROGRAMACIÓN LINEAL se formula siguiendo el planteamiento general: Función objetivo Restricciones de igualdad Restricciones de desigualdad Límite variables PROGRAMACIÓN
Más detallesCOMBO 700. User Manual/Manual de Uso. Rev
Rev. 500 EN MAIN FEATURES way active portable P.A system with MP player (USB/SD), LCD display,remote control,bluetooth. The system is composed by x8 passive loudspeakers, x channel power mixer, x speaker
Más detallesUnidad 1. Análisis de Algoritmos. Ing. Leonardo R. L. Estructura de datos - Generalidades Unidad I Pág 1
Unidad 1 Análisis de Algoritmos Ing. Leonardo R. L. Estructura de datos - Generalidades Unidad I Pág 1 GENERALIDADES Qué se necesita para escribir un programa eficiente? Para diseñar programas eficientes
Más detallesESPECIFICACIONES T CNICAS DEL GRUPO ELECTR GENO
ESPECIFICACIONES T CNICAS DEL GRUPO ELECTR GENO MODELO: DA30 POTENCIA EN SERVICIO CONTINUO (P.R.P.) Es la potencia máxima disponible para cargas variables durante un número ilimitado de horas por año entre
Más detallesTEORIA GENERAL DE SISTEMAS. Principios Básicos
TEORIA GENERAL DE SISTEMAS Principios Básicos INICIO DE LA TEORÍA GENERAL DE LOS SISTEMAS Aunque la Teoría General de Sistemas (TGS) puede remontarse a los orígenes de la ciencia y la filosofía, sólo en
Más detallesDe los casos de uso a los casos de prueba
De los casos de uso a los casos de prueba Proceso ETUC Javier Gutiérrez / javierj@us.es Objetivo Objetivo: resumir los aspectos más importantes de nuestra propuesta de generación de pruebas a partir de
Más detallesAplicación del Análisis de la Varianza para estudiar el tiempo de acceso en las aulas informáticas
Aplicación del Análisis de la Varianza para estudiar el tiempo de acceso en las aulas informáticas Apellidos, nombre Capilla Romá, Carmen 1 (ccapilla@eio.upv.es) Departamento Centro 1 Estadística e Investigación
Más detalles10. 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 detallesAndrid Kary Poma Acevedo
UNIVERSIDAD CONTINENTAL FACULTAD DE INGENIERÍA ESCUELA ACADÉMICO PROFESIONAL DE INGENIERÍA DE SISTEMAS E INFORMÁTICA RELACIÓN ENTRE LA FUNCIÓN DOCENTE EN LAS VIDEO CLASES Y EL PROMEDIO ACADÉMICO DE LOS
Más detallesVista impresión: Acoplador de bus de campo sercos - Código:
Acoplador de bus de campo sercos Código: 750-351 Acoplador de bus de campo sercos Marcajes Datos comerciales Proveedor WAGO Código 750-351 GTIN / EAN 4045454700744 Índice 1 Unidad de embalado 1 Código
Más detallesESPECIFICACIONES TÉCNICAS DEL GRUPO ELECTRÓGENO
ESPECIFICACIONES TÉCNICAS DEL GRUPO ELECTRÓGENO MODELO: DW16MB POTENCIA EN SERVICIO CONTINUO (P.R.P.) Es la potencia máxima disponible para cargas variables durante un número ilimitado de horas por año
Más detallesPARA OPTAR EL GRADO ACADÉMICO DE: MAGISTER EN EDUCACIÓN CON MENCIÓN EN DOCENCIA Y GESTIÓN EDUCATIVA AUTORES:
Software educativo Jclic en el desarrollo de las capacidades del curso de geografía en estudiantes de tercer año de secundaria de la IEP José Antonio Encinas Supe-Barranca 2014. PARA OPTAR EL GRADO ACADÉMICO
Más detallesConvocatoria Ordinaria de Junio, Curso 2011/12 8/6/2012
Grado en Ciencias del Mar Estadística Convocatoria Ordinaria de Junio, Curso 2011/12 8/6/2012 Entre los años 1999 y 2004 se llevaron a cabo diversas campañas para el estudio del anidamiento y éxito reproductivo
Más detallesCapítulo 11. Modelo VAR Javier Galán Figueroa. Econometría Aplicada Utilizando R
Capítulo 11. Modelo VAR Javier Galán Figueroa Objetivo El objetivo de este capítulo es mostrar el uso del Modelo VAR como herramienta para la evaluación de políticas económicas, ya que este modelo nos
Más detallesSección 4. Steam System Assessment Tool - P2
1 Sección 4 Steam System Assessment Tool - P2 Purga y vapor evaporado súbitamente Condiciones de generación de vapor Válvulas de descarga / de alivio de presión Desgasificador Componentes de la recuperación
Más detallesCátedra de Sistemas Distribuidos Escuela de Ingeniería Electrónica Departamento de Sistemas e Informática
Cátedra de Sistemas Distribuidos Escuela de Ingeniería Electrónica Departamento de Sistemas e Informática Trabajo Práctico nro. 2: Comunicación Entre Procesos Tiempo Distribuido Objetivos del Práctico
Más detallesSISTEMA DE LÓGICA DIFUSA BASADO EN PROTOCOLOS DE RIESGO PARA LA GESTIÓN DE EQUIPO MÉDICO EN LABVIEW. Politécnico Nacional, Ciudad de México.
SISTEMA DE LÓGICA DIFUSA BASADO EN PROTOCOLOS DE RIESGO PARA LA GESTIÓN DE EQUIPO MÉDICO EN LABVIEW Peña Orea Adán Alonso a, Ramírez Sotelo María Guadalupe b, Cabrera Llanos Agustín Ignacio a a Departamento
Más detallesPruebas para evaluar diferencias
Pruebas para evaluar diferencias Métodos paramétricos vs no paramétricos Mayoría se basaban en el conocimiento de las distribuciones muestrales (t- student, Normal, F): EsFman los parámetros de las poblaciones
Más detalles5a JORNADA ITV CATALUÑA 2015 EVOLUCIÓN Y FUTURO DE LOS SISTEMAS OBD
5a JORNADA ITV CATALUÑA 2015 EVOLUCIÓN Y FUTURO DE LOS SISTEMAS OBD CONTENIDO 1 ORIGEN DEL SISTEMA OBD 2 EVOLUCIÓN EOBD EN EUROPA 3 FUNCIONAMIENTO EOBD 4 PERSPECTIVAS DE FUTURO CONTENIDO 1 ORIGEN DEL SISTEMA
Más detallesMEDIDAS DE ASOCIACION
MEDIDAS DE ASOCIACION OBJETIVOS DE LA LECCION Que es asociación Identificar las medidas apropiadas para un diseño de estudio Construir tablas de contingencia Calcular e interpretar las medidas de asociación
Más detallesSample UP Artifact Relationships. Domain Model. Sale... LineItem... quantity. Use-Case Model. Operation: enteritem( ) Cashier: Item ID:...
Dpto. de Computación y T.I. Taller de Ingeniería de Software Clase 6 Agenda 1. Diagramas de Interacción 2. 1.Diagrama de Secuencia 2.Diagrama de Comunicación 2. Contratos 3. Asignación próxima semana 4.
Más detallesFLACSO / Facultad Latinoamericana de Ciencias Sociales Maestría en Ciencias Políticas & Sociología Metodología de la Investigación Social
FLACSO / Facultad Latinoamericana de Ciencias Sociales Maestría en Ciencias Políticas & Sociología Metodología de la Investigación Social Unidad 3 - Clase 7 y 8 Concepto de covarianza, relaciones bivariadas
Más detallesSQL PROCEDURAL Triggers y Stored Procedures. Ing. Gustavo A. Correa Reina UNCPBA 2008
Base de Datos I SQL PROCEDURAL Triggers y Stored Procedures Ing. Gustavo A. Correa Reina UNCPBA 2008 SQL Procedural Posibilita el uso de código procedural conjuntamente con sentencias SQL que son almacenadas
Más detallesDIRECCION OPERACIONAL, ADMINISTRACION DE OPERACIONES O ADMINISTRACION DE LA PRODUCCIÓN
DIRECCION OPERACIONAL, ADMINISTRACION DE OPERACIONES O ADMINISTRACION DE LA PRODUCCIÓN Mercado Estrategia Corporativa Estrategia de Finanzas Estrategia de Operaciones Estrategia de Marketing Dirección
Más detallesCOMPROBACIÓN DE HIPÓTESIS
COMPROBACIÓN DE HIPÓTESIS TAMBIÉN LLAMADO PRUEBA DE HIPÓTESIS MIC-FCA-UCE DR. DAVID ECHE, PH.D. 1 PRUEBAS ESTADISTICAS Ha Ho MIC-FCA-UCE DR. DAVID ECHE, PH.D. 2 MIC-FCA-UCE DR. DAVID ECHE, PH.D. 3 VALIDEZ
Más detallesANÁLISIS DE REGRESIÓN
ANÁLISIS DE REGRESIÓN INTRODUCCIÓN Francis Galtón DEFINICIÓN Análisis de Regresión Es una técnica estadística que se usa para investigar y modelar la relación entre variables. Respuesta Independiente Y
Más detallesART: 8210 POSICIONADOR ELECTRO/NEUMATICO LINEAL LINEAR ELECTRO/PNEUMATIC POSITIONER
ART: 8210 POSICIONADOR ELECTRO/NEUMATICO LINEAL LINEAR ELECTRO/PNEUMATIC POSITIONER Características 1. El posicionador electro neumático es utilizado para operaciones lineales de válvulas con actuadores
Más detalles6. PROGRAMACIÓN CON TRANSACT-SQL
6. PROGRAMACIÓN CON TRANSACT-SQL 6.1. Introducción. " # 6.2. Declaración y asignación de variables. $ " % & ' # ( % ) # (( ) *$+,$ " $ # &-' $ $. $" / # 0 1$,$2 DECLARE @limite money SET @limite = 10 SELECT
Más detallesOrganización del Computador 1 Entradas / Salidas
Organización del Computador 1 Entradas / Salidas Departamento de Computación Facultad de Ciencias Exactas y Naturales Universidad de Buenos Aires Modelo de I/O Entradas - Salidas CPU Memory Bus Main Memory
Más detallesEl juego didáctico y su efecto en el aprendizaje de la matemática de los niños de 4 años de la I.E.I N 878 Niño Jesús del Gran Poder, Carabayllo, 2015
El juego didáctico y su efecto en el aprendizaje de la matemática de los niños de 4 años de la I.E.I N 878 Niño Jesús del Gran Poder, Carabayllo, 2015 TESIS PARA OPTAR EL GRADO ACADÉMICO DE: Magister en
Más detallesSCAN WHITE PAPER CONSIDERACIONES BÁSICAS EN LA SUPERVISIÓN Y CONTROL DE PROCESOS INDUSTRIALES
SCAN WHITE PAPER CONSIDERACIONES BÁSICAS EN LA SUPERVISIÓN Y CONTROL DE PROCESOS INDUSTRIALES Septiembre, 2001 PARTE I 1. INTRODUCCION En el competitivo mercado de hoy, el éxito de cualquier negocio depende
Más detallesEdificio Genebre. Av. de Joan Carles I, L'Hospitalet de Llobregat. Barcelona (Spain) -
Art. 5951 04 Posicionador Electro-Neumático con Retransmisor para Actuadores Rotativos Art. 5951 04 Electro-Pneumatic Positioner with position transmitter for Rotary Actuator Características 1. El posicionador
Más detallesSi L es recursivo, entonces es recursivamente numerable
Si L es recursivo, entonces es recursivamente numerable Slide 19 program GeneraRec (output); procedure sgte (var x: string); (* calcula la siguiente x en el orden natural *) begin... end; var x: string;
Más detallesEjemplo Diseño Completamente aleatorizado (Pág. 470 Montgomery)
Ejemplo Diseño Completamente aleatorizado (Pág. 47 Montgomery) ) Representación gráfica de los datos mediante diagramas de caja Resumen del procesamiento de los casos Tension del papel (psi) Casos Válidos
Más detallesINGENIERÍA DEL SOFTWARE. 4º ING. INFORMÁTICA (UPV/EHU) 14 de SEPTIEMBRE de 2006
INGENIERÍA DEL SOFTWARE. 4º ING. INFORMÁTICA (UPV/EHU) 14 de SEPTIEMBRE de 2006 NOMBRE: GRUPO: Las dos primeras preguntas son de test. Es obligatorio marcar las respuestas correctas usando un bolígrafo
Más detallesINDICE 1. Qué es la Estadística? 2.Descripción de Datos: Distribuciones de Frecuencia y Presentación Gráfica
INDICE 1. Qué es la Estadística? 1 Introducción 2 Qué significa estadística? 2 Por qué se estudia la estadística? 4 Tipos de estadística 5 Estadística descriptiva 5 Estadística inferencial 6 Tipos de variables
Más detallesSEMINARIO PRÁCTICO NI VISION- SMART CAMERA
SEMINARIO PRÁCTICO NI VISION- SMART CAMERA www.ni.com www.esi.com.co NI VISION - SMART CAMERA Este ejercicio le dará una introducción al diagrama de estados y a las heramientas del Software Vision Builder
Más detallesInferenciasacercade unamediade unapoblación Técnicasinferencialt-test (Cap. 8)
Inferenciasacercade unamediade unapoblación Técnicasinferencialt-test (Cap. 8) INICIO A cuál parámetro se refiere la afirmación? (Proporciones) Use la Dist. Normal con * p p z ; p pq n x n Media o proporción?
Más detalles2EMHWLYRV 5HIHUHQFLDV. Procesadores vectoriales
7HPD0XOWLSURFHVDGRUHV 2EMHWLYRV 5HIHUHQFLDV,QWURGXFFLyQ $UTXLWHFWXUDVFHQWUDOL]DGDVGHPHPRULDFRPSDUWLGD $UTXLWHFWXUDVGLVWULEXLGDVGHPHPRULDFRPSDUWLGD 6LQFURQL]DFLyQ 0XOWLFRPSXWDGRUHV 1 esadores vectoriales
Más detallesPentaho y SAS. Integración de sistemas 2013
Pentaho y SAS: Obteniendo Datos de SAS y explotándolos con Pentaho Con este post, queremos mostraros un nuevo Plugin que trae consigo Pentaho Data Integration a partir de su versión 4.4, y que puede ser
Más detallesIntroducción a MINITAB 15. David R. González Barreto. Ofrecido en Wyeth, Carolina, Puerto Rico
Introducción a MINITAB 15 Ofrecido en Wyeth, Carolina, Puerto Rico INDICE Listado de Archivos...2 Pantalla Principal..3 Texto a Número.4 Estibar (Stack)..6 Split 8 Dotplot Una población.10 Dotplot Dos
Más detallesClase de Métodos 1: Inferencia Causal y Métodos Cuasi-Experimentales. Sveta Milusheva DIME, World Bank
Clase de Métodos 1: Inferencia Causal y Métodos Cuasi-Experimentales Sveta Milusheva DIME, World Bank Conceptos Importantes Indicadores de Resultados (Outcomes): Lo que observamos, medimos y queremos afectar
Más detallesUTN FRLP Ing. en Sistemas de Información Algoritmos y Estructura de Datos Trabajos Prácticos Curso 2010
Práctico de Pascal Nº 2 Ejercicios para la ejercitación del Lenguaje Pascal Objetivo: Es que los alumnos conozcan un lenguaje de programación, donde puedan ejercitar los conocimiento adquiridos hasta ahora
Más detallesDeSeCo (2002, 2003) Definition and Selection of Competencies
Gestión por Competencias Qué es una Competencia? Capacidad para responder exitosamente a una demanda compleja o llevar a cabo una actividad o tarea exitosamente, en un contexto particular a través de la
Más detallesLa investigación se propuso como objetivo general determinar si el taller lúdico bajo
In Crescendo. Educación y Humanidades. 2015; 2(2): 145-150 Fecha de recepción: 24 de noviembre de 2015 Fecha de aceptación: 1 de diciembre de 2015 Taller lúdico bajo el enfoque colaborativo para mejorar
Más detalles